我国GDP的统计分析

统计调查分析报告

题 目：_关于我国国内生产总值的统计分析__

班 级：____ _应数1102班_______________

姓 名：____ ___徐沈和______________ ___

学 号：____ __1104991115______________ _

时 间：___ __2013/7/5 ___________________

时代背景

进入本世纪，特别是2001年“9·11”事件后，为防止经济陷入衰退，美国进入了持续降息周期，在2000—2004年间连续25次降息，联邦基金利率从6．5％一直降到1％，并保持了很长时间。期间，伴随良好的经济环境，美国房价也一路飚升，房地产市场十分景气，贷款买房条件也非常宽松，使得原来不符合银行要求的家庭也轻易获得了银行贷款即房屋次级贷款。数据显示，次贷发展最快的时期在2003—2006年之间。到2006年末，次贷已经涉及500万个美国家庭，贷款规模估计达到1．2万亿美元[1]。随着降息效果的逐步显现，为防止经济过热，美联储在2005—2006年间，先后加息17次，利率从1％提高到5．25％。由于政策效应的滞后性，2006年美国次级房贷仍有上升。随着加息效应的逐步显现，房地产泡沫开始破灭，房价下降和抵押品贬值的同时，贷款利率却上升了，这使得一些债务人出现偿债困难。从2007年3月份开始，一些贷款机构的问题开始暴露出来，在2007年8月次贷危机终于全面爆发。

　　在这一危机中，高度市场化的金融系统相互衔接产生了特殊的风险传导路径，即低利率环境下的快速信贷扩张，加上独特的利率结构设计使得次贷市场在房价下跌和持续加息后出现偿付危机[2]。按揭贷款的证券化和衍生工具的快速发展，加大了与次贷有关的金融资产价格下跌风险的传染性与冲击力，而金融市场国际一体化程度的不断深化又加快了金融动荡从一国向另一国传递的速度。

在信贷市场发生流动性紧缩的情况下，次贷危机最终演变成了一场席卷全球的金融风波。期间大致经历四个阶段，第一波：冲击始于2007年8月份。当时危机开始集中显现，大批与次级住房抵押贷款有关的金融机构纷纷破产倒闭，美国联邦储备委员会被迫进入“降息周期”。第二波：2007年年底至2008年年初，花旗、美林、瑞银等全球著名金融机构因次级贷款出现巨额亏损，市场流动性压力骤增，美联储和一些西方国家央行被迫联手干预。 第三波：2008年3月份，美国第五大投资银行贝尔斯登濒临破产，迫使美联储紧急向其注资，并大幅降息75个基点。第四波：近日，美国两大住房抵押贷款融资机构——美国联邦国民抵押贷款协会（房利美）和美国联邦住宅抵押贷款公司（房地美）陷入困境。危机已从最初的次贷领域，向整个金融市场和美国经济基本面蔓延，分析人士认为，次贷危机因此进入了更加动荡的阶段。次贷危机导致美国信贷进一步萎缩、消费者信心下降、企业破产增多，美元持续贬值，美国失业率上升，美国经济已经陷入“滞胀”边缘。

一，收集我国1980-2011年GDP、人口数、固定资产投资、进出口总额、国家财政支出数据，做GDP与其他指标因素的相关分析和回归分析。

通过中国统计网查询了我国1980-2011年GDP、人口数、固定资产投资、进出口总额、国家财政支出数据并且通过Excel制作了如下表的数据。

表一

1.1根据表一通过SPSS进行相关性分析：

A，在进行相关性分析前先做图来判断其是否符合相关性分析的要求

图1.1

图1.2

图1.3

图1.4

B，从散点图可以发现以下以下信息：（1）两变量间存在着明显的相关趋势；（2）这种相关趋势呈现线性相关趋势（除了GDP与人口数的相关性，这两个相关性后面会通过Spearman相关系数得到），因此可以考虑线性相关的极差相关系数加以刻画；（3）散点图上没有发现明显的异常值。

C, 综合（1），（2），（3）可以知道变量的相关性可以通过SPSS的Pearson相关系数分析求解（结果见表二）

表二

注释：Pearson相关系数分析比Spearman相关系数分析统计系能更高一些，但其数据要求要高很多，Spearman相关系数分析就对数据没有要求，其适用范围更广

通过SPSS的Spearman相关系数分析GDP与人口数的相关性（结果见表三

表三

通过表二和表三可以知道，GDP与人口数、固定资产投资、进出口总额、国家财政支出有密切的相关关系。（还可以进一步做偏相关分析求解其剔除其他因素的作用大小，重新考虑两个因数间的相关程度，因为后面要进行回归分析，所以这里就不做偏相关分析了）

1.2通过表一利用MATLAB进行回归分析：

（1）基本模型的建立

记GDP为y，记人口数，固定资产投资、进出口总额、国家财政支出分别为x1，x2，x3 ，x4；再根据1.1的相关性分析散点图及相关性结果可以建立如下基本模型：

……………………(1)

（2）模型求解

利用MAtLAB统计工具箱进行求解；

程序源代码：

x1=[98705 10072 101654 103008 104357 105851 107507 109300 111026 112704 114333 115823 117171 118517 119850 121121 122389 123626 124761 125786 126743 127627 128453 129227 129988 130755 131448 132129 132802 133450 134091 134735];

x2=[910.9 961 1230.4 1430.1 1832.9 2543.2 3120.6 3791.7 4753.8 4410.4 4517 5594.5 8080.1 13072.3 17042.1 20019.3 22913.5 24941.1 28406.2 29854.7 32917.7 37213.5 43499.9 55566.6 70477.43 88773.6129 109998.1624 137323.9381 172828.3998 224598.7679 251683.7688 311485.1254];

x3=[570 753.3 771.3 860.1 1201 2066.7 2580.4 3084.2 3821.8 4155.9 5560.1 7225.8 9119.6 11271 20381.9 23499.9 24133.8 26967.2 26849.7 29896.2 39273.2 42183.6 51378.2 70483.5 95539.1 116921.8 140974 166863.7 179921.4702 150648.0635 201722.147 236401.992];

x4=[1228.83 1138.41 1229.98 1409.52 1701.02 2004.25 2204.91 2262.18 2491.21 2823.78 3083.59 3386.62 3742.2 4642.3 5792.62 6823.72 7937.55 9233.56 10798.18 13187.67 15886.5 18902.58 22053.15 24649.95 28486.89 33930.28 40422.73 49781.35 62592.66 76299.93 89874.16 109247.79];

y=[4545.624 4889.461 5330.451 5985.552 7243.752 9040.737 10274.38 12050.62 15036.82 17000.92 18718.32 21826.2 26937.28 35260.02 48108.46 59810.53 70142.49 78060.85 83024.28 88479.15 98000.45 108068.2 119095.7 134977 159453.6 183617.4 215904.4 266422 316030.3 340320 399759.5 472115]';

x=[ones(32,1) x1' x2' x3' x4' (x1.^2)'];

[b,bint,r,rint,s]=regress(y,x)

计算结果：

表四 模型（1）的计算结果

结果分析；表四显示，R2= 0.9985 指因变量y（GDP）的99.85%可由模型确定，F值远远超过F检验的临界值，p远小于α，6个参数置信区间不包含0，因而从整体上看模型（1）是可用的

模型的改进：

rcoplot(r,rint);（残差分析）

图1.5

从上图1.5残差图可以看出第二个数据为异常值，那么剔除第二个数据之后再次进行残差分析

图1.6

由上图1.6可以看出第28,29数据异常，剔除第28,29个数据后再次做残差分析

图1.7

从上图1.7可以看出第27个数据为异常值，剔除第27个数据之后，进行残差分析

图1.8

由上图1.8可以看出第13个数据异常，剔除第13个数据之后，再次进行残差分析

图1.9

由上图1.9可以看出第1.12个数据异常，剔除异常数据后，再次进行残差分析

图1.10

从上图1.10可以看出没有异常值，所以残差分析结束，最后分析结果为：

表五 模型（1）计算结果

结果分析；表四显示，R2= 0.9998 指因变量y（GDP）的99.98%可由模型确定，F值远远超过F检验的临界值，p远小于α，因而从整体上看模型（1）是可用的β3，β4的置信区间包含0（但是区间右端点距0很近），所以将变量x3 ，x4保留在模型中，所以最后得到的模型为：

二， 收集1980-2011年中南六省：湖北、湖南、河南、江西、广东、广西的GDP数据，消除物价因素影响后，做方差分析

（1），通过查询中国统计网得到1980-2011年中南六省：湖北、湖南、河南、江西、广东、广西的GDP数据并且利用Excel制作出下表

表6名义GDP

（2），消除价格因素：

通过统计网收集了中南6省1980-2011年的居民消费水平（都是将前年的看成100，有些省省份是将1978年看成100,此时通过spss的Transform将其进行转变）

表7GDP减平指数

（3），通过GDP/居民消费水平来衡量消除物价因数后的实际GDP，由表6和表7得到如下表实际GDP

表8实际GDP

A，根据表8 的数据利用spss进行方差分析：

表9

表10

B，结果分析：由表9和表10可以看出广东省的经济情况最好，其次是河南，最差的是广西。但是其经济稳定性较好的是广西和江西。

三，收集我国各省（直辖市）2011年GDP数据，做聚类分析

（1），通过查询中国统计网得到我国31个省，直辖市2011年GDP数据

，

表11

（2），使用spss的K聚类分析对我国31个省，直辖市进行聚类分析，分析过程见下表

表12

表13

表14

（3）聚类分析结果为：

表15

表16

（4）结果分析：由表15和表16可以看出，全国31个省，直辖市经济情况被划分成4个等级，就27个省看来等级比较高（即经济比较发达）大部分集中在沿海地区，而那些经济比较落后的则集中在内陆，尤其交通不发达的地方。对4个直辖市表面上看上去都是处于比较落后的第三等级，但是从均面积的经济发展情况，其4个直辖市绝对是经济高速发展区。

由一，二，三3个问题的分析，整体上了解了中国的经济发展现状，那就是：

整体上我国经济在快速发展，但是依然存在一些发展问题，发展并不稳定，有一些地区由于种种原因依旧处于经济发展比较落后的局面。

有关部门应该对发展比较落后的地区进行大力扶持，加大交通设施的建设，给其创建优越的发展条件。多多提倡绿色经济，低碳经济等，充分发展旅游业。

附加题

随着一年一度紧张的高考结束，快乐度过端午之后，紧跟着高考志愿的填报。俗话说的好，考的好不如报的好，所以一个理性又精明的志愿填报是必不可少的。

所以，今天我就为广大的江西的学弟学妹们分析几所武汉高校，希望对亲爱的老乡们有所帮助。

首先，介绍两所武汉比较有名的二本院校（武汉纺织大学，湖北工业大学）。

武汉纺织大学历年理科录取情况

武汉纺织大学历年文科录取情况

湖北工业大学历年理科录取情况

湖北工业大学历年文科录取情况

二， 然后介绍一下，武汉比较有名的两所重点大学。（中南财经政法大学，华中科技大学）

中南财经政法大学历年理科录取情况

中南财经政法大学历年文科录取情况

华中科技大学历年理科录取情况

华中科技大学历年文科录取情况

江西省历年本科录取分数线

二， 通过spss对这四所高校历年录取分数进行分析，预测2013年的录取情况以及两两大学比较。

1， 四个学校的录取平均分走向

武汉纺织大学理科

武汉纺织大学文科

湖北工业大学理科

湖北工业大学文科

中南财经政法大学理科

中南财经政法大学文科

华中科技大学理科

华中科技大学文科

从四所学校的历年录取平均分数的折现分布图可以得出以下结论：

1， 四所学校平均录取分数都有上升的趋势

2， 武汉纺织大学与中南财经政法大学文科录取分数比理科要偏高一些，而华中科技与湖北理工大学正好相反。

三， 各个学校2013年录取分数预测：

在未知一本，二本录取分数线的情况下

y=[|历年的一本录取平均分数线-本一差|+(历年的二本录取分数线+本二差)]/2（本一差是一本分数线与本校录取平均分的差值，重点大学不要考虑与本二差）

以下以武汉纺织大学和华中科技大学的理科为例进行预测（本一差，本二差是通过spss的transform以及data得到的；

武汉纺织大学理科

2013年预测录取分数

y=[(534.8571-16.2857)+(480.8571+37.71492)]/2=518.5717

华中科技大学理科

y=534.8571+69.57143=604.42853

6月23日以后，一本，二本分数线出来以后，应该用用真实的本一，本二分数线代替以前的平均值来进行预测。

四所高校间的比较：

武汉纺织大学与湖北工业大学的比较：

1，理科

通过2-Independent-Samples mann-Whitney U分析结果可以看出武汉纺织大学理科录取的最高分，平均分比湖北工业大学理科稍微差一点，但其录取线差更小，更稳定。

文科

通过2-Independent-Samples Koimogorov-smirnov Z 分析结果可以看出武汉纺织大学文科录取的最高分，平均分都比湖北工业大学要高，其录取线差也要高。

通过武汉纺织大学与湖北工业大学的文理科录取情况比较可知，武汉纺织大学在理科方面稍微比湖北理工大学要差一点，但文科要好于湖北理工大学许多。

中南财经政法大学与华中科技大学的比较：

通过Compare Means Idependent Samples Test 分析结果可知，华中科技理科录取的最高分，平均分要远大于中南财经政法大学，其录取线差差不多。

2， 文科

通过Compare Means Idependent Samples Test 分析结果可知 中南财经政法大学的文科录取分数要比华中科技大学要高一点点，其录取线差值差不多。

通过比较可以得出，华中科技理科要远好于中南财经政法大学，文科稍微差一点点。

本文来源：https://www.2haoxitong.net/k/doc/c8a2f0e50242a8956bece4a9.html