spss课程论文格式设置.docx

spss课程论文格式设置.docx

《spss课程论文格式设置.docx》由会员分享，可在线阅读，更多相关《spss课程论文格式设置.docx（24页珍藏版）》请在冰豆网上搜索。

spss课程论文格式设置

课程论文

学生姓名：

刘芳延学号：

20111631013

系别班级：

经贸系11统计

专业（方向）：

统计学

题目：

我国各地区财政支出结构分析

2014年6月13日

毕业论文中文摘要

我国各地区财政支出结构分析

摘要：

认真分析并优化财政支出中存在的问题，寻找解决问题的方法，是当前协调社会发展与经济发展，促进我国社会主义市场经济健康发展的重要保证。

为了解我国各地区财政支出结构，对财政支出结构优化提出建议，文章通过聚类分析、判别分析、主成分分析、因子分析等分析方法对我国31个省市自治区的财政支出进行了分析，将各地区进行了分组与排序，分析了各地区财政支出结构问题，并在分析问题的基础上提出合理化建议。

关键词：

各地区财政支出结构优化

（空2行）

目次（4号黑体，居中）

1引言（或绪论）（作为正文第1章，小4号宋体，行距18磅，下同）…………1

2××××××（正文第2章）……………………………………………………Y

2.1××××××（正文第2章第1条）…………………………………………Y

2.2××××××（正文第2章第2条）…………………………………………Y

2.X××××××（正文第2章第X条）…………………………………………Y

3×××××（正文第3章）………………………………………………Y

………………………………………（略）

X×××××（正文第X章）………………………………………………………Y

结论…………………………………………………………………………………Y

参考文献………………………………………………………………………………Y

致谢………………………………………………………………………………Y

附录A××××（必要时）…………………………………………………………Y

附录B××××（必要时）…………………………………………………………Y

图1×××××（必要时）…………………………………………………………图2×××××（必要时）…………………………………………………………Y

表1×××××（必要时）…………………………………………………………Y

表2×××××（必要时）…………………………………………………………Y

注：

1.目次中的内容一般列出“章”、“条”二级标题即可；

2．X、Y表示具体的数字。

3.不要使用目录自动生成模式。

1引言

财政支出作为政府分配的重要组成部分，是政府实施财政政策，用来调控宏观经济的重要工具，正确的财政支出结构是调节经济与社会发展和优化经济结构的强大杠杆。

三十年以来，以财政改革作为起点的改革开放取得了巨大的进展，在这个过程中，财政支出政策对于社会经济结构与产业结构的调整与发展起到了关键性的作用，但随着经济的不断发展，各地区的财政支出也出现了许多问题，为了更好的了解并解决这些问题，我们需对各地区财政支出做出相应分析，并进行合理优化，以促进我国社会主义经济的稳步运行。

2我国各地区财政支出结构现状

由上图可以看出，我国各地区财政支出中教育支出最多，在各类支出中占17%；一般公共服务支出、农林水事务支出与社会保障与就业支出也较多，在各类支出中各占比10%；城乡社区事务支出、公共安全支出、医疗卫生支出、交通运输支出均在我国各地区财政支出总额中占比接近7%；在各类支出中，节能环保支出、文化体育支出、住房保障支出、科学技术支出占比重较小，均不足4%。

由地区财政支出中各个项目的比例我们可以看到，目前各地区政府在一般性支出中投入的资金仍然较多，这些资金的使用在财政支出中占比较大，也影响了政府在其他领域的投入。

各地区政府对于科学技术、节能环保领域的支出较少，说明科技、环保领域还未引起各地区政府的足够重视，仍需加大投入。

同时住房保障支出、文化体育支出占比较低也反映了政府财政政策在这些领域的缺失。

虽然城乡社区事务支出、公共安全支出、医疗卫生支出、交通运输支出均在我国各地区财政支出总额中占比接近7%，但这些领域的财政支出仍需得到进一步提高以更好的满足人民基本生活的需要。

3各地区财政支出结构的实证分析

各地区财政支出数据中选取了全国31个省市自治区作为个案，包括公共财政预算支出、科学技术支出、资源勘探电力信息支出、城乡社区事物支出、商业服务业等事务支出、其他支出、文化体育与传媒支出、公共安全支出、国防支出、教育支出、金融监管等事务支出、一般性支出、医疗卫生支出、社会保障和就业支出、交通运输支出、农林水事务支出、节能环保支出、粮油物资储备支出、国债换本付息支出、住房保障支出等21个变量。

在实证分析中，我们首先通过对各地区的财政支出通过聚类分析与判别分析进行分组，以对各省市自治区按照财政支出情况进行大致分类，然后通过主成分分析得出各地区财政支出结构综合得分，对各地区按照财政支出结构优劣进行了排序，最后通过因子分析得出各地区政府财政支出的主要领域。

3.1各地区财政支出结构的聚类分析

我们对北京、天津、河北、上海、江西、新疆等28个地区进行聚类分析，各地区财政支出数据中包括教育支出、公共安全支出等21个财政支出变量，对数据利用K均值法进行聚类分析后得出如下分析结果：

初始聚类中心

聚类

1

2

3

公共财政预算支出

7028

905

3573

一般

820

150

338

国防

17.5799

3.4252

7.1686

公共安全

407.7778

61.7689

185.8790

教育

1350.606700000000

94.484300000000

674.816300000000

科学技术

257.2375

5.0891

32.6671

文化体育与传媒

151

24

62

社会保障和就业

558

66

439

医疗卫生

418.1418

36.1174

266.9350

节能环保

193.8259

23.6654

101.1156

城乡

858

32

149

农林水事务

.0892********

142.619200000000

518.604800000000

交通运输

436.5766

94.2572

309.5687

资源勘探电力信息

283

71

66

商业服务业等事务

125

7

39

金融监管等事务支出

23

0

4

国土资源气象等事务

51

7

53

住房保障支出

134

41

231

粮油物资储备支出

28

2

10

国债还本付息支出

7

0

40

其他支出

139.8962

43.7137

43.0125

迭代历史记录a

迭代

聚类中心内的更改

1

2

3

1

986.227

577.122

301.572

2

.000

.000

.000

a.由于聚类中心内没有改动或改动较小而达到收敛。

任何中心的最大绝对坐标更改为.000。

当前迭代为2。

初始中心间的最小距离为2818.794。

聚类成员

案例号

地区

聚类

距离

1

北京

3

419.500

2

天津

2

850.043

3

河北

3

731.377

4

山西

3

711.925

5

内蒙古

3

262.933

6

辽宁

3

1246.917

7

吉林

3

1001.743

8

黑龙江

3

323.390

9

上海

3

995.093

10

江苏

1

986.227

11

浙江

3

828.382

12

安徽

3

584.065

13

福建

3

864.006

14

江西

3

436.857

15

山东

1

274.210

16

湖北

3

400.535

17

湖南

3

768.698

18

广西

3

473.262

19

海南

2

551.331

20

重庆

3

504.051

21

四川

1

778.661

22

贵州

3

729.402

23

云南

3

301.572

24

西藏

2

577.122

25

陕西

3

182.722

26

甘肃

2

683.814

27

青海

2

320.148

28

新疆

3

756.471

最终聚类中心

聚类

1

2

3

公共财政预算支出

6128

1436

3418

一般

693

140

365

国防

14.1644

2.3503

6.6526

公共安全

332.5960

73.2647

182.8626

教育

1218.536200000000

234.348480000000

629.955420000000

科学技术

147.2034

23.3942

67.8831

文化体育与传媒

129

30

66

社会保障和就业

611

169

399

医疗卫生

421.7710

82.0425

225.9036

节能环保

161.3958

39.8753

91.7994

城乡

551

163

281

农林水事务

694.284500000000

160.779600000000

367.677670000000

交通运输

398.3311

106.0528

237.6145

资源勘探电力信息

228

57

132

商业服务业等事务

94

16

43

金融监管等事务支出

17

4

6

国土资源气象等事务

66

20

47

住房保障支出

162

56

144

粮油物资储备支出

34

5

27

国债还本付息支出

25

9

14

其他支出

95.2965

40.6802

79.5595

结合上表，我们可以看出31个地区被分为3类。

第一类包括：

江苏、山东、四川3个省。

这一类的类中心各项财政支出数额均为最高，其中类中心公共财政支出为6128亿元，类中心教育支出为1218.5362亿元，类中心农林水事务支出为694.2845亿元，属于各类财政支出都较多、财政支出结构较为合理的地区。

第二类包括：

山西、天津、甘肃、西藏、海南、青海等5个省。

这一类的类中心财政支出数额在三类中均为最低，其中类中心公共财政预算支出为1436亿元，类中心教育支出为234.3484亿元，类中心农林水事务支出为160.7796亿元，属于各类财政支出都较少、财政支出结构较差的地区。

第三类包括：

北京、河北、内蒙古、吉林、山西、辽宁、黑龙江、上海、浙江、安徽、江西、福建、湖北、湖南、广西、重庆、贵州、云南、陕西、新疆等20个省。

这一类的类中心财政支出数额在三类中居中，其中类中心公共财政预算支出为3418亿元，类中心教育支出为629.9954亿元，类中心农林水事务支出为367.6776亿元，属于财政支出数额居中、财政支出结构一般的地区。

3.2各地区财政支出结构的判别分析

基于以上对于我国28个省市自治区的聚类分析结果，对河南、广东、宁夏3个省份进行类别判定，分析结果如下：

典型判别式函数系数

函数

1

2

公共财政预算支出

-.001

-.012

一般

.004

.020

国防

.124

-.247

公共安全

.032

.054

教育

.026

.020

科学技术

-.034

.024

文化体育与传媒

.073

.007

社会保障和就业

-.027

.006

医疗卫生

-.015

-.002

节能环保

.022

.009

城乡

-.004

.007

农林水事务

-.029

-.016

交通运输

.019

.016

资源勘探电力信息

.053

.032

商业服务业等事务

-.038

-.052

金融监管等事务支出

-.231

-.226

国土资源气象等事务

.046

.033

住房保障支出

.054

.056

粮油物资储备支出

.062

.029

国债还本付息支出

.040

.000

（常量）

-16.953

-1.737

非标准化系数

组质心处的函数

案例的类别号

函数

1

2

1

9.644

-4.060

2

-10.602

-1.741

3

1.204

1.044

在组均值处评估的非标准化典型判别式函数

分类函数系数

案例的类别号

1

2

3

公共财政预算支出

.016

.016

-.034

一般

.043

.011

.112

国防

3.055

-.035

.745

公共安全

.751

.226

.755

教育

.599

.128

.487

科学技术

-1.052

-.300

-.640

文化体育与传媒

1.917

.461

1.340

社会保障和就业

-.769

-.199

-.507

医疗卫生

-.450

-.155

-.334

节能环保

.570

.141

.427

城乡

-.149

-.042

-.075

农林水事务

-.754

-.197

-.586

交通运输

.430

.088

.352

资源勘探电力信息

1.314

.315

1.031

商业服务业等事务

-.853

-.212

-.799

金融监管等事务支出

-5.958

-1.810

-5.166

国土资源气象等事务

1.132

.285

.918

住房保障支出

1.299

.329

1.126

粮油物资储备支出

1.413

.228

1.039

国债还本付息支出

1.149

.332

.807

（常量）

-359.769

-23.539

-172.074

Fisher的线性判别式函数

如表所示，栏中每一列表示样品判入相应列的贝叶斯判别函数系数。

在本例中，各类的贝叶斯判别函数如下:

将广东、宁夏、河南三省的财政支出数据分别代入上述三个贝叶斯判别函数，得到三个函数值，比较这三个函数值，那个函数值比较大就可以判别该省进入哪一类。

判别结果如下表：

按照案例顺序的统计量

案例数目

实际组

最高组

第二最高组

判别式得分

预测组

P（D>d|G=g）

P（G=g|D=d）

到质心的平方Mahalanobis距离

组

P（G=g|D=d）

到质心的平方Mahalanobis距离

函数1

函数2

p

df

初始

1

3

3

.790

2

1.000

.472

1

.000

109.827

.518

1.093

2

2

2

.980

2

1.000

.040

3

.000

144.466

-10.531

-1.553

3

3

3

.091

2

1.000

4.795

1

.000

58.908

3.041

-.147

4

3

3

.588

2

1.000

1.063

1

.000

108.238

1.241

2.075

5

3

3

.303

2

1.000

2.386

1

.000

72.604

2.011

-.273

6

3

3

.804

2

1.000

.436

1

.000

96.205

.931

.444

7

3

3

.991

2

1.000

.018

1

.000

98.591

1.209

1.178

8

3

3

.079

2

1.000

5.079

1

.000

134.744

.599

3.215

9

3

3

.892

2

1.000

.229

1

.000

90.895

1.667

1.162

10

1

1

.463

2

1.000

1.539

3

.000

114.915

9.858

-5.281

11

3

3

.329

2

1.000

2.225

1

.000

84.269

2.525

1.736

12

3

3

.929

2

1.000

.147

1

.000

92.965

1.558

1.192

13

3

3

.367

2

1.000

2.004

1

.000

103.906

.281

-.030

14

3

3

.406

2

1.000

1.802

1

.000

74.310

2.034

-.011

15

1

1

.822

2

1.000

.391

3

.000

87.949

9.023

-4.134

16

3

3

.202

2

1.000

3.203

2

.000

107.336

-.578

.875

17

3

3

.168

2

1.000

3.571

1

.000

86.919

2.715

2.178

18

3

3

.297

2

1.000

2.427

2

.000

112.975

-.175

.318

19

2

2

.161

2

1.000

3.648

3

.000

196.783

-12.501

-1.950

20

3

3

.365

2

1.000

2.014

1

.000

127.124

.079

1.909

21

1

1

.397

2

1.000

1.846

3

.000

92.776

10.051

-2.763

22

3

3

.322

2

1.000

2.266

1

.000

128.089

.182

2.150

23

3

3

.478

2

1.000

1.476

1

.000

85.545

1.253

-.170

24

2

2

.281

2

1.000

2.540

3

.000

117.561

-9.517

-.574

25

3

3

.718

2

1.000

.664

1

.000

82.912

2.005

.896

26

2

2

.255

2

1.000

2.733

3

.000

160.968

-10.682

-3.393

27

2

2

.628

2

1.000

.931

3

.000

125.833

-9.779

-1.237

28

3

3

.974

2

1.000

.053

1

.000

101.620

.980

1.093

29

未分组的

3

.002

2

1.000

12.949

1

.000

78.980

.888

-2.540

30

未分组的

1

.000

2

1.000

605.335

3

.000

864.184

28.657

11.556

31

未分组的

2

.000

2

1.000

20.146

3

.000

271.787

-14.504

-3.959

表中给出了每个省份的判别结果，其中包括实际组、预测组、贝叶斯判别法后验概率与组重心的马氏距离以及费希尔判别法每个典型判别函数的判别得分。

由上述分析结果可知，河南、宁夏、广东三省分别被分至第3组、第2组、第1组。

说明广东省的财政支出数额较多且财政支出结构较为合理，河南省的财政支出数额在全国各省份中居中且财政支出结构比较合理，可根据本省实际情况进行支出结构的进一步优化。

宁夏的财政支出数额较少且财政支出结构不合理，需要对财政支出的方向和总量进行优化。

3.3各地区财政支出结构的主成分分析

首先对31个地区的财政支出数据进行标准化处理，标准化后得出主成分分析结果如下：

解释的总方差

成份

初始特征值

提取平方和载入

旋转平方和载入

合计

方差的%

累积%

合计

方差的%

累积%

合计

方差的%

累积%

1

12.823

61.060

61.060

12.823

61.060

61.060

7.673

36.539

36.539

2

2.820

13.430

74.490

2.820

13.430

74.490

5.831

27.768

64.306

3

1.203

5.730

80.220

1.203

5.730

80.220

3.342

15.914

80.220

4

.975

4.644

84.864

5

.722

3.438

88.302

6

.542

2.581

90.883

7

.403

1.917

92.800

8

.363

1.730

94.529

9

.265

1.262

95.791

10

.209

.997

96.788

11

.194

.923

97.711

12

.134

.636

98.348

13

.092

.439

98.786

14

.072

.341

99.127

15

.053

.255

99.382

16

.043

.204

99.586

17

.033

.156

99.742

18

.025

.118

99.860

19

.019

.092

99.953

20

.010

.047

100.000

21

2.833E-005

.000

100.000

提取方法：

主成份分析。

本分析中提取了三个公因子，由表中可以看出，他们的累积方差贡献率为80.220%，前三个因子已经可以解释80.220%的方差。

成份矩阵a

成份

1

2

3

Zscore（公共财政预算支出）

.998

-.004

-.027

Zscore:

一般

.936

.145

.063

Zscore:

国防

.887

-.037

-.106

Zscore（公共安全）

.931

-.124

.