回归分析在经济中的应用

回归分析在经济中的应用我国城市居民消费支出分析论文摘要： spss在经济、管理、医学、心理学等方面发挥了重要作用，在中国国民经济问题上提高居民收入水平是扩大中国内需的关键，通过使用SPSS分析方法对中国城市居民消费支出进行各种分析，可以更好地理解中国城市居民消费支出的消费结构和消费行为等关键词：城市居民消费支出的回归分析目录一、相关回归概述3二、我国城市居民的现状5三、我国居民消费结构的横向分析5四、我国居民消费结构的纵向分析7五、我国城市居民消费结构和趋势的统计分析8六、SPSS统计分析10一、相关回归概述在现实世界中，任何事物和现象都不是孤立地存在，而是相互连接、相互制约、相互依存。 一种现象变化，另一种现象也变化。 商品价格的变化刺激和抑制商品销量的变化的劳动力素质的高低影响企业利益的直接材料，直接人工价格的变化直接影响产品的销售成本的居民收入的高低影响该企业对产品的需求量等。 研究这些现象之间的依存关系，找到它们之间的变化规律，对收集、整理的统计数据进行数据分析，为客观、科学的统计提供依据。 现象间的依存关系大致分为两种，一种是函数关系，另一种是相关关系。 相关关系确实存在于客观现象之间，但并不是数量上严格对应的依存关系。 在这种关系中，另外的现象的几个数值与某个现象的各个数值相对应。 例如，成本的高低与利润的多少有密切的关系，但某个特定成本和对应的利润的数量关系还没有确定。 影响利益的因素除了成本外，还有价格、供求平衡、消费喜好等因素和其他偶然因素的影响。 计算相关系数只是现象间的相关关系的方向和程度，不能说明关系是否密切，但不能说明一个现象变化了一定量，另一个现象变化了多少。 为了测定现象间的数量变化的一般关系，使用数学方法，这种数学方法称为回归分析。 “回归”一词意味着变量之间的一般数量关系。 根据现象之间的相关关系的表现形式，用直线或曲线来表现自变量和随变量变动的一般数量关系。 也就是说，建立直线或曲线并求解的数学方程式获得变量之间的一般关系值。二、我国城市居民的现状近年来，我国宏观经济形势发生了很大变化，经济发展速度快，居民收入稳定增加，国家相继提出住宅、教育、医疗等改革措施，由于实施“刺激消费、扩大内需、拉动经济增长”的经济政策的影响，全国居民的消费支出也强烈增加，消费结构显着本文通过相关数据分析，总结了中国城市居民消费富裕型、娱乐教育文化服务类消费上升趋势的特征。三、我国居民消费结构的横向分析第一，食品消费支出的比例随收入的增加呈现出明显的减少趋势，这与恩格尔法则的表现一致。 但是，最低收入家庭和最高收入恩格尔系数的差异太大，城镇最低收入家庭刚解决了衣食问题，最高收入家庭的生活水平根据恩格尔系数的评价标准已经达到富裕型，更接近富裕型。 其次，服装消费支出的比例随着收入的增加而缓慢上升，高收入家庭又减少了，但各收入组的支出比例没有太大差别。 服装支出的比例没有再增加，最高收入家庭的支出比例正在下降。 这些都符合恩格尔定律，是关于服装消费的引用。 随着收入的增加，服装支出的比例有上升后下降的趋势。 实际上，现在的价格水平和服装业的发展水平，城市居民的服装是有限的，居民对服装的需求也并不是无限增长，即使收入水平持续提高，也不必把更多比例用于服饰品的购买。 第三，家庭设备用品和服务、交通通信、娱乐教育文化服务和其他商品和服务的支出比例逐组上升，居民的生活水平随着收入的增加而持续提高和改善。 第四，医疗支出的比例随着收入水平的上升，呈现两端高、中间低的倾向。 这是因为医疗支出必须作为生活来支出，无论居民的生活水平高低，都要使用一定比例的收入来维持自己的健康，而且由于医疗制度的改革，个人负担加重，同时由于旧制度可能带来的行业和制度，使居民的医疗支出的差异变小第五，居住支出的比重基本上在上升后有下降的趋势，这与我国居民消费水平不断上升，住宅商品成为城市居民关注的焦点一致，同时也与恩格尔法则的引用一致。 城镇居民的消费状况受价格水平、消费习惯、消费环境、消费心理预测等多种因素影响，但最终要依赖居民的收入水平，提高城镇居民的消费支出，需要增加居民收入。 因此，采取切实有效的措施，增加城市居民的可支配收入，不仅提高了全国城市居民的整体消费水平，也促进了消费结构向更健康合理的方向发展，对动员内需，促进我国经济发展具有重要的现实意义。四、我国居民消费结构的纵向分析进入21世纪后，随着经济体制改革的深化，随着国民经济的迅速发展，中国城乡居民的消费水平显着提高，居民支出显着增加。 随着消费水平的提高，中国城乡居民的消费从重视量的满足到追求质量的提高，从以衣食住消费为中心的生存型到追求生活质量的享受型、发展型，消费质量和消费结构发生了明显变化。 城镇居民的食品、服装、家庭设备用品支出在消费支出中呈明显减少趋势，其中食品类支出比例减少率最大的服装类下降的家庭设备用品类减少幅度并不大。 与此同时，医疗、交通通信、文化娱乐教育服务、居住和其他商品支出的消费支出比例上升，开始出现富裕阶段的消费特征。五、我国城市居民消费结构和趋势的统计分析10-5城市居民家庭的基本情况表1 中国统计年鉴2009统计表项目19901995200020082009查户数3566035520422206467565506每户的平均人口3.503.233.132.912.89平均每户的就业人口1.981.871.681.481.49平均每户的就业面(% )56.5757.8953.6750.8651.56平均每个员工的负担人数(包括就业人员本人) (人)1.771.731.861.971.94人均年收入(元)1516.214279.026295.9117067.7818858.09工薪阶层收入1149.703390.214480.5011298.9612382.11经营净利润22.5072.62246.241453.571528.68财产收入15.6090.43128.38387.02431.84转移性收入328.41725.761440.783928.234515.45#可支配的收入1510.164282.956279.9815780.7617174.65人均消费支出(元)1278.893537.574998.0011242.8512264.55食品693.771771.991971.324259.814478.54穿衣服170.90479.20500.461165.911284.20住着60.86283.76565.291145.411228.91家庭设备用品和服务108.45263.36374.49691.83786.94医疗25.67110.11318.07786.20856.41交通通信40.51183.22426.951417.121682.57教育文化娱乐服务112.26331.01669.581358.261472.76其他商品和服务66.57114.92171.83418.31474.21人均消费支出构成(人均消费支出=100 )食品54.2550.0939.4437.8936.52穿衣服13.3613.5510.0110.3710.47住着6.988.0211.3110.1910.02家庭设备用品和服务10.147.447.496.156.42医疗2.013.116.366.996.98交通通信1.205.188.5412.6013.72教育文化娱乐服务11.129.3613.4012.0812.01其他商品和服务0.943.253.443.723.87上图为中国统计年鉴2010这一资料年刊，其系统收录了全国及各省、自治区、直辖市的2009年经济、社会各方面的统计数据，及最近30年及其他重要历史年的全国主要统计数据，该年鉴正文的内容分为24章，本文选择了其中的第9章人民生活六、SPSS统计分析用EXCEL分别输入和保存家庭设备用品和服务、食品、服装、居住5年的数据打开spss软件，如下图所示导入上述数据3基本描述性统计单击“分析-说明统计-说明”打开说明对话框，在“变量内”中分别选择家庭设备用品和服务、食品、服装、居住四个变量，然后单击“选项”按钮进入“说明：选项”对话框，“平均”“标准偏差”复选框图1显示统计表图1示出了基本描述性统计图，其示出了每个变量的总观测测量的Mean (平均)、Std.Deviation (标准偏差)和观测值的总数n。四相关系数如果单击“分析-回归-线性”，将显示“线性回归”对话框，其中将“家用设备和服务”选择为因素变量，将“食品”、“服装”和“居住”三个变量分别选择为“自变量内”，然后单击“统计量”按钮，“线性回归：统计量”对话框选择“r侧变化”、“描述性”、“部分相关和偏相关”，单击“继续”、“确定”后，显示如下图所示的结果图2的相关系数矩阵图2显示了相关系数矩阵列表，其示出了三个参数的两个皮尔逊的相关系数以及用于相关关系等于零的假言的片尾有效性检测概率表中显示，变量家庭设备用品与服务和自变量食品、服装、居住的相关系数依次为0.993、0.992、0.997，反映了家庭设备用品与服务和食品、服装、居住之间有显着关系。 说明了食品、服装和居住对家庭设备用品和服务条件的好转有着显着的作用。 另外，食品和服装的相关系数为0.999，显示它们之间有显着的相关关系。 常识上，它们之间的线性相关关系也符合事实。5图3显示了进入模型的变量和被去除的变量的信息，从表中可以看出，三个参数都在模型中，我们的说明变量显示了明显的、有解释力。图3变量条目/稀疏信息表6模型整体的匹配如果单击“分析-回归-线性”，将显示“线性回归”对话框，将“家用设备和服务”选择为因素变量，将“食品”、“服装”、“居住”三个变量分别选择为“自变量”，单击“统计量”按钮，进入“线性回归：统计量”对话框图4模型概要表图4示出了整个模型的拟合效果的概况，其适应性系数为0.999，反映了该变量在变量之间具有有效的线性关系。 表中还示出了r2次方和调整后的r值估计标准误差，另外，表中示出了杜宾瓦森林检验值DW=2.289，杜宾瓦森林检验统计量DW是用于检测一次变量的自回归形式的序列相关问题的统计量，DW在数值2到4之间没有模型变量的序列相关7方差分析如果单击“分析-回归-线性”，将显示“线性回归”对话框，在“参数内”中选择“家用设备和服务”，选择“食品”、“服装”和“居住”三个变量，然后单击“统计量”按钮进入“线性回归：统计量”对话框图5方差分析表图5表示方差分析表，可知模型设定验证f统计量的值为232.864，有效水平的p值为0.0488回归系数表和变量显性检查的t值。如果单击“分析-回归-线性”，将显示“线性回归”对话框，在“参数内”中选择“家用设备和服务”，选择“食品”、“服装”和“居住”三个变量，然后单击“统计量”按钮