下面将进行回归分析
回归系数分析
回归系数
标准误
标准化的beta
t
显著性
95%置信区间上界
95%置信区间下界
年末总人口(万人)
2,043.0841
243.1331
0.5628
8.4032
0.0000
2,539.6281
1,546.5401
从中可知,年末总人口与财政收入间的线性回归方程为:
财政收入(万元)=2043.08*年末总人口(万人)
(五)固定资产投资与财政收入间的相关分析
皮尔森相关系数矩阵
皮尔森相关分析
财政收入(万元)
固定资产投资(亿元)
财政收入(万元)
相关系数
1.0000
0.7588
P值
0.0000
相关记录数
31
31
固定资产投资(亿元)
相关系数
0.7588
1.0000
P值
0.0000
相关记录数
31
31
*显著性检验为双尾检验
*整行排除缺失值有效样本数N=31
固定资产投资与财政收入间的相关系数为0.7588,视为高度相关
且P=0.0000通过检验
下面将做回归分析
回归系数分析
回归系数
标准误
标准化的beta
t
显著性
95%置信区间上界
95%置信区间下界
固定资产投资(亿元)
1,649.6357
141.4431
0.7588
11.6629
0.0000
1,938.5011
1,360.7703
从中可知,固定资产投资与财政收入间的线性回归方程为:
财政收入(万元)=1649.64*固定资产投资(亿元)
(7)居民消费水平与财政收入的相关关系
皮尔森相关系数矩阵
皮尔森相关分析
财政收入(万元)
居民消费水平(元/人)
财政收入(万元)
相关系数
1.0000
0.6923
P值
0.0000
相关记录数
31
31
居民消费水平(元/人)
相关系数
0.6923
1.0000
P值
0.0000
相关记录数
31
31
*显著性检验为双尾检验
*整行排除缺失值有效样本数N=31
可看出,居民消费水平与财政收入间的相关系数为0.6923,视为中度相关。
P=0.0000通过检验
下面将做回归分析
回归系数分析
回归系数
标准误
标准化的beta
t
显著性
95%置信区间上界
95%置信区间下界
居民消费水平(元/人)
1,076.7046
104.5885
0.6923
10.2947
0.0000
1,290.3028
863.1064
可知,居民消费水平与财政收入间的线性回归方程为:
财政收入(万元)=1076.7*居民消费水平(元/人)
(8)社会消费品零售总额与财政收入的相关分析
皮尔森相关系数矩阵
皮尔森相关分析
财政收入(万元)
社会消费品零售总额(亿元)
财政收入(万元)
相关系数
1.0000
0.9105
P值
0.0000
相关记录数
31
31
社会消费品零售总额(亿元)
相关系数
0.9105
1.0000
P值
0.0000
相关记录数
31
31
*显著性检验为双尾检验
*整行排除缺失值有效样本数N=31
从中可知,社会消费品零售总额与财政收入间的相关系数为0.9105,视为高度相关。
且P=0.0000通过检验
下面将做回归分析
回归系数分析
回归系数
标准误
标准化的beta
t
显著性
95%置信区间上界
95%置信区间下界
社会消费品零售总额(亿元)
2,493.0612
127.8509
0.9105
19.4998
0.0000
2,754.1676
2,231.9549
从中可知,社会消费品零售总额与财政收入间的线性回归方程为:
财政收入(万元)=2493.06*社会消费品零售总额(亿元)
从以上的分析中可以看出,固定资产,年末总人口与人均GDP间的关系不大,居民消费水平,社会消费品零售总额与人均GDP呈现出正的线性关系。
年末总人口与财政收入的关系不大,固定资产的投资,居民消费水平,社会消费品零售总额与财政收入呈现出正的线性关系。
为此,在实际的生活中,为了提高人均GDP,政府可以运用扩张性的政策,通过减税,减少利率,以此鼓励企业的贷款,增加对固定资产的投资,企业盈利了,相应的人民的收入就会有所提高,居民的消费水平,社会消费品零售总额就会提高,由以上所分析的线性关系可知,人均GDP相应的就提高了。
(五)主成分分析
在研究影响地区经济发展水平状况时,有以上6个经济指标,从以上的相关分析中可以看出,这6个经济指标间之间存在着较强的相关关系,如果直接用这六个经济指标,会由于指标的多重共线性而引起极大的误差,因此,通过主成分分析,来找到用较少的主成分来代替原来的6项经济指标,以此来起到降维的目的,使主成分包含原有的6项经济指标。
1.运用软件找出主成分
特征根和累计贡献率
主成分
特征根
方差贡献率%
累计贡献率%
1
3.8651
64.4179
64.4179
2
1.8259
30.4316
94.8495
3
0.1500
2.5008
97.3503
4
0.0998
1.6625
99.0129
5
0.0359
0.5980
99.6108
6
0.0233
0.3892
100.0000
当主成分的累计方差贡献率达到80%时,以上的前几个主成分,都可以选为主成分。
从表中可看到,主成分1和主成分2的累计贡献率为94.4179%,大于80%,最终,两个主成分就足以说明各地区的经济发展状况了。
主成分载荷矩阵
主成分1
主成分2
人均GDP(元)
0.6399
0.7418
财政收入(万元)
0.9666
0.1014
年末总人口(万人)
0.6711
-0.7005
固定资产投资(亿元)
0.8664
-0.4058
居民消费水平(元/人)
0.6423
0.7434
社会消费品零售总额(亿元)
0.9528
-0.2398
从主成分载荷矩阵中可知,财政收入,固定资产投资,社会消费品零售总额属于主成分1。
人均GDP,年末总人口,居民消费水平这三个变量(他们的相关系数较高)属于主成分2。
2.对主成分的命名
从主成分所包含的经济指标可以看出,财政收入,固定资产投资,社会消费品零售总额主要反映了地区的经济发展水平,因此,把它命名为“经济水平”。
而第二个因子所包含的人均GDP,年末总人口,居民消费水平主要反映了地区的消费水平和潜在的消费能力,i以此,从实际所代表的意义出发,命名为“消费水平”。
对主成分因子1的命名:
经济水平
对主成分因子2的命名:
消费水平
(六)聚类分析
在本文中,“聚类分析”就是把这31个省自治区根据这六个不同的经济指标的数据特征来进行不同的分类。
1.运用软件进行分层聚类分析
参数信息分层聚类参数信息
权重处理:
分层聚类忽略权重设置
聚类对象:
样本聚类
类别数量:
4
聚类方法:
离差平方和法
测度方法:
欧氏距离平方
标准化方法:
Z分数方法法
各类索引表
各类记录索引表
类名
类1
类2
类3
类4
索
引
列
表
4
5
7
8
13
14
20
21
22
24
25
26
27
28
29
30
31
3
6
11
12
16
17
18
23
1
2
9
10
15
19
2.分类结果
本文将31个省自治区按不同的经济指标值分为了4大类,根据各类记录所引表,现将归类显示如下:
31个地区分成四类时的层次聚类结果
类别
地区
地区个数
第一类
山西福建内蒙古吉林黑龙江江西广西海南重庆贵州云南西藏陕西
甘肃青海宁夏新疆
17
第二类
河北辽宁浙江安徽河南湖北湖南四川
8
第三类
北京天津上海
3
第四类
江苏山东广东
3
3.对分类结果进行分类
根据表一中显示的各地区经济指标的数值:
第一类中的17个地区中各项经济指标都偏低,人均GDP和居民的消费水平都要低于其它三类地区,人口也相对较少,属于经济发展水平和人民生活质量都较低的地区。
第二类中的8个地区的人均GDP和居民消费水平低于第三,第四类中的地区,但要远远高于第一类地区的经济指标,属于经济发展水平中等,人民生活质量一般的地区。
第三类中的三个地区为直辖市,这三个地区在人均GDP和居民消费水平都高于其它类别的地区,并且这三个地区的年末总人口也相对较少。
属于经济发达,人民生活质量高的地区。
第四类的三个地区的人均GDP和居民消费水平低于第三类的三个地区,但要高于第一,第二类的地区,第四类地区的年末总人口较多。
因此,第四类的地区属于人口较多,经济较发达,生活水平较高的地区。