spss课程第三部分独立选题

1、第三部分 独立选题题目：就自己关心的问题，搜集时间序列数据（不少于15期）进行回归分析，并给出简要结果。1.研究背景随着我国经济的高速发展,人均国内生产总值也在不断增加。居民收入的增加也推动着其消费水平的发展，汽车进入普通家庭已成为现实。随着居民消费结构的升级，汽车保有量也在逐年增加。截止2013年底，我国的私人汽车保有量达到了8838.6万辆，我国的汽车工业逐渐变成国民经济支柱产业之一。研究汽车保有量的增长的规律及其影响因素，对于预测为来年我国私人汽车保有量有着重要的意义，同时也可为我国公路交通配套设施的建设以及相关政策的制定提供有效的建议。因此，本次课程作业内容主要包括以下几个方面：（1）

2、查询相关文献，确定影响我国私人汽车保有量的增加的重要因素，主要考虑经济方面的因素。（2）查阅国家统计局网站及相关年份统计年鉴，整理1996-2012年内我国主要几项经济指标，并采用spss软件建立数据文件。（3）根据上述的数据文件，主要通过分析影响因素之间的相关性，采用因子分析法，利用降维的方法综合经济指标。（4）研究综合经济指标和私人汽车保有量的关系，并采用回归分析的方法建立相关模型，并预测未来的私人汽车保有量。2.数据说明2.1 数据来源说明我国的私人汽车保有量主要与经济发展程度、居民收入以及道路建设等因素有着密切联系。因此，本次研究选取6个变量，如表1所示。由表1可知，本次研究选取的变量

3、包括6个，分别为人均国内生产总值、全社会消费品零售总额、全社会固定资产投资总额、居民人均可支配收入、居民储蓄款余额和公路里程。表1 汽车保有量及其影响因素1996-2012年时间序列数据年份 私人汽车保有量（万辆）(Y)人均国内生产总值（元）(X1)全社会消费品零售总额（亿元）(X2)全社会固定资产投资总额（亿元）(X3)居民人均可支配收入（元）(X4)居民储蓄款余额（亿元）(X5)公路里程（万公里）(X6)1996289.6758462477422913.54838.938520.8118.581997358.3664202729924941.15160.346279.8122.641998

4、423.6567962915328406.25425.153407.5127.851999533.8871593113529854.7585459621.8135.172000625.3378583415332917.7628064332.4167.982001770.7886223759537213.56859.673762.4169.82002968.9893984202743499.97702.886910.6176.5220031219.23105424584255566.68472.2103617.3180.9820041481.66123365950170477.49421.611

5、9555.4187.0720051848.07141856717788773.610493141051334.5220062333.321650076410109998.211759.5161587.3345.720072876.222016989210137323.913785.8172534.2358.3720083501.3923708114830172828.415780.8217885.4373.0220094574.9125608132678224598.817174.7260771.7386.0820105938.7130015156998251683.819109.430330

6、2.5400.8220117326.7935198183918.6311485.121809.8343635.9410.6420128838.638420210307374694.724564.7399551423.75由表1可知，本次研究时间序列数据为1996-2012年，总共17期的数据。数据主要来源于中华人民共和国国家统计局网站。1996-2012年间私人汽车保有量的数据及后6个变量的数据均来自于2013年中国统计年鉴。2.2 数据文件的建立在excel中整理数据，并将其导入spss中，其变量视图和数据视图分别如图1、图2所示。图1 时间序列数据变量视图图2 时间序列部分数据视图2.3

7、数据文件的预处理时间序列数据处理的是纵剖面数据，这些数据依赖时间点和时间序列的特征变化，并按时间先后顺序排列。因此，为了反映时间序列随时间变化的、整体的统计规律，需将其进行预处理。本次研究为了分析私人小汽车保有量的变动趋势，将1996-2012年间的时间序列数据进行预处理。其操作步骤为选择【数据】-【定义日期命令】，对话框如图3所示。图3 定义时间对话框完成时间的定义，spss将在数据视图显示窗口自动生成标志时间的变量，如图4所示。图4 部分时间标志变量为了更加直观的表示私家车拥有量的变动趋势，利用spss软件生成其曲线图，其操作步骤为【分析】-【预测】-【序列图】，对话框如图5所示。图5 生

8、成序列图对话框软件输出结果如图6所示。图6 私人汽车保有量时间序列图由图6可以看出，我国私人汽车保有量有明显的趋势性，并且随着年份的增加，私人汽车保有量的增加速度也在不断加快。3.数据文件的统计分析3.1 相关性分析本次研究是为了分析6个变量对私人汽车保有量（Y）的影响，因此，可以建立私人汽车保有量与人均国内生产总值、公路里程数等变量之间的回归模型。但是整洁利用回归模型分析，可能会主线多重共线性的现象，因此，需进行变量之间的相关性分析。相关性分析的步骤为【分析】-【相关性】-【距离】，其操作对话框如图7所示。图7 相关性分析对话框软件输出结果为变量之间的相似矩阵，如图8所示。图8 变量之间的相

9、似矩阵由图8可知，变量之间的相关系数大豆大于0.9，即自变量之间存在着高度相关性。3.2 因子分析 由相关性分析知，各变量之间存在着高度相关性，因此，可采用因子分析法中的主成分分析法消除经济因素变量之间的多重共线性。综合6个变量为少量公共因子，通过分析公共因子和私人汽车保有量的关系来预测私人汽车保有量的未来趋势。因子分析的操作步骤为【分析】-【降维】-【因子分析】，其操作对话框如图9所示。图9 因子分析对话框因子分析输出结果主要包括4个部分，结果分析如下。（1）因子共同度因子分析共同度主要用于表示原变量的多少信息可以被因子解释，其输出结果如图10所示。图10 因子分析共同度由图10可知，第二列

10、值均为1，表示对原有的6个变量采用主成分分析法提取所有6个特征值，那么原有变量的所有方差均可以被解释；第三列值除了公路里程外，均大于0.98，表示所有变量的绝大部分信息都可被因子解释，这些变量丢失的信息较少。（2）因子分析的总方差解释因子分析的总方差解释包括计算得到的相关系数矩阵的特征值、方差贡献率及累计方差贡献率结果。软件输出结果如图11所示。图11 因子分析总方差解释由图11可以看出，表中第一个特征根值为5.841，解释了原有6个变量总方差的97.349%，因此只选取第一个因子为主因子即可。（3）因子载荷矩阵因子载荷矩阵中不同的载荷系数大小可以分析不同公共因子主要指标的区别。软件输出结果如

11、图12所示。图12 因子载荷矩阵由图12可以看出，第一主因子在6个指标上的载荷值都比较大，说明其能综合反映我国的综合经济发展值，故将其作为综合经济发展值看待。（4）系数得分矩阵系数得分矩阵中包含了采用回归分析估计的因子得分系数。软件同时也在数据视图中新增了变量FAC1-1，即不同年份的综合经济发展值。因子得分系数矩阵如图13所示。图13 因子系数得分矩阵3.3 回归分析由前所述，采用因子得分得到了不同年份的因子得分系数，这些因子得分可以充分反映不同年份的综合经济发展值，下面将用此对私家车保有量进行预测。首先绘制综合经济发展值和私家车保有量的散点图，判断两者之间是否存在相关关系，其散点图如图14

12、所示。图14 散点图通过图形初步判定两个变量之间存在非线性回归关系，因此，可以利用Logistic函数来预测私家车保有量。具体模型如下所示：其中，y表示私人小汽车保有量，x表示综合经济发展值。利用spss软件进行Logit回归的步骤为【分析】-【回归】-【曲线估计】，其操作对话框如图15所示。图15 回归曲线估计对话框软件输出结果主要包括三个部分，及模型描述、模型汇总及参数估计和曲线拟合图，分别对其进行分析结果如下。（1）模型描述模型描述是对曲线拟合结果的初步描述统计，包括自变量、因变量和估计方程的类型等。其输出结果如图16所示。图16 曲线拟合的初步描述统计（2）模型汇总及参数估计模型汇总及参数估计给出了样本数据进行Logistic回归的检验统计量和相应方程的参数估计值。软件输出结果如图17所示。图17 模型汇总及参数估计由图17可以看出，模型的整体拟合优度R2为0.924，F统计量为181.317，概率P值小于显著性水平0.05，说明该模型具有统计学意义。其估计方程如下。（3）拟合曲线图拟合曲线图为实际数据的散点图和Logistic回归方程的预测图。其输出结果如图18所示。由图可以看出进一步说明采用此回归方程预测未来年的私人小汽车保有量效果较好，具有一定的统计学意义。图18 拟合曲线图4.结果说明本文主要研究了私人小汽车保有