SPSS《统计分析软件》论文.docx
《SPSS《统计分析软件》论文.docx》由会员分享,可在线阅读,更多相关《SPSS《统计分析软件》论文.docx(18页珍藏版)》请在冰豆网上搜索。
SPSS《统计分析软件》论文
SPSS《统计分析软件》论文
《统计分析软件》论文报告
金融发展模型
——中国GDP与若干可测变量理论及回归关系研论文题目:
究
:
课程及课堂号
序号:
姓名:
学号:
专业班级:
学院:
邮箱:
完成时间:
中南财经政法大学《统计分析软件》论文报告
作者声明
本论文报告是在老师的指导下由本人独立撰写完成的,没有剽窃、抄袭、造假等违反道德、学术规范和其他侵权行为。
对本论文报告的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。
因本论文报告引起的法律结果完全由本人承担。
特此声明。
作者专业:
作者学号:
作者签名:
手写有效,
201年月日,手填时间,
《统计分析软件》论文报告
金融发展模型
——中国GDP与若干可测变量理论及回归关系研究
摘要,中国金融市场的发展尚处于初步阶段,但基于普适西方经济学原理的一些基本规律还是具备的。
本文通过对GDP与金融市场的若干可测变量,贷款余额、证券融资额、投资总额以及CPI理论关系的论述,并结合中国历年GDP与该几项变量间的实证回归分析,来建立GDP与该几项可测变量的量化关系,并论证实际情况下,前述理论之适用性。
并建立GDP与该四项可测变量的回归模型,称之为“金融发展模型”,借以进一步说明我国金融市场正在健康地发展。
关键词,金融发展,GDP,贷款余额,证券融资额,投资总额
一、贷款余额与GDP的关系
(一)、一般理论
一般认为,贷款与经济是相互作用的,研究表明,贷款余额变化既是经济观察规模变化的原因又是它的结果(谢平等,2002)。
经济增长需要资金支持,引发了贷款需求。
GDP规模越大,贷款需求也就越大。
贷款增长又反过来促进了经济增长。
贷款作为经济主体的一种融资形式,其实质在于创造货币和配置金融资源,它增大了货币总量并加快了金融资源的流转速度。
贷款调剂了资金余缺,缓解企业和消费者的流动性约束,增大投资和消费需求,并扩大了生产能力,进而推动了GDP增长。
上述贷款与GDP相互作用的过程可简单表示如下式:
贷款?
?
投资、消费?
?
GDP?
?
贷款?
?
?
?
?
?
?
(?
表示增加)。
(二)、实证分析
1、变量选取
本实证研究分析所使用的样本取自1980——2007年的年度数据,数据来源于各年的《中国统计年鉴》和《中国金融年鉴》。
直接以贷款余额L与GDP作为变量进行实证分析。
2、对变量进行统计分析,结果如下:
表1-1
描述性统计量
均值标准差N
GDP67596.7568722.00128
-1-
《统计分析软件》论文报告贷款余额69405.2175167.21828
表1-2
相关性
GDP贷款余额
**Pearson相关性1.998
显著性(双侧).000GDP
N2828
**Pearson相关性.9981贷款余额显著性(双侧).000
N2828**.在.01水平(双侧)上显著相关。
b模型汇总
模型RR方调整R方标准估计的误差
a1.998.996.9964468.133a.预测变量:
(常量),贷款余额。
b.因变量:
GDP
表1-3
aAnova
模型平方和Df均方FSig.
b回归126994191736.8721126994191736.8726361.091.000
1残差519069618.3782619964216.091
总计127513261355.25027a.因变量:
GDP
b.预测变量:
(常量),贷款余额。
-2-
《统计分析软件》论文报告
表1-4
a系数
模型非标准化系数标准系数tSig.
B标准误差试用版
(常量)4271.9731159.0543.686.001
1
贷款余额.912.011.99879.756.000a.因变量:
GDP
通过统计分析可以看出:
(1)相关性中,GDP与贷款余额L是正相关关系,且相关系数达99.8%。
(2)回归分析中,模型中常量与自变量系数的P值均小于0.05,说明统计结果是显著的。
于是,我们可以得出GDP与贷款余额L的回归方程式:
GDP=4271.973+0.912L;模型
的拟合度也是相当高的,如下图:
图1
-3-
《统计分析软件》论文报告
二、证券融资额与GDP的关系
(一)、理论关系
证券市场是在市场经济条件下实现资本有效配置的重要机制。
普遍的观点认为,经济增长所带来的现代化和金融体系的发展,将成为促进证券市场发展的重要因素。
但作为一种被寄予厚望的融资方式,中国证券市场的发展还只能说是刚刚开始。
世界银行对中国资本市场状况所作的判断是:
当前中国的资本市场尚不能发挥资本市场的基本功能,其原因在于中国资本市场依托的仍是一个具有众多非市场经济因素的环境,其中突出的因素之一是国有企业的无风险经营。
企业债券融资在中国是先于股票融资获得管理层鼓励认可的,因为发行债券融资不会改变国有企业的所有制形式。
早在1987年3月1日国务院就颁布了《企业债券管理暂行条例》,开始对企业债券进行统一管理。
所以,在股票融资还存在争议的时候,企业债券已经起步并初具规模。
但是从图4可以看出,中国企业债券融资的规模也很有限,18年间的最高发行额竟是1992年的683.71亿元)自1993年以后,企业债券融资额开始回落,而且始终徘徊不前,债券融资占全部企业外部融资比重很小。
究其原因,主要体现在:
(1)国有企业作为发债主体缺乏足够的信誉,这是制约企业债券市场发展的直接原因。
而1993
-4-
《统计分析软件》论文报告
年开始的大规模国债的顺利发行,也恰恰反映了融资主体信誉对融资成功与否所起到的关键作用。
(2)政府推行“重股轻债”的发展策略,其焦点往往集中在如何发展股票市场,而企业债券市场建设却得不到足够的政策支持。
(3)企业债券二级市场的建设相当滞后,导致企业债券的流动性差,对投资者缺乏吸引力。
总体而言,企业债券融资对中国的GDP构成也难以产生实质性影响。
证券市场建设和发展的相对落后制约了证券市场融资作用的发挥,使得企业的外部融资渠道受到限制。
从企业融资需求的角度看,目前中国经济发展仍存在融资缺口。
这其中除经济转轨的体制原因以外,证券市场不发达也是一个主要原因。
目前中国证券市场的融资规模尚不足以弥补经济体制转轨过程中出现的融资缺口,而大力发展证券市场,为企业的外部融资提供了一个有效的场所,正是弥补中国经济发展融资缺口的良好途径。
从改善GDP构成的角度看,证券市场的发展可以为大量出现在第三产业中的新兴、重点行业和企业提供更多的外部融资机会,通过微观企业的发展带动整个行业的发展,并最终通过第三产业整体的快速发展实现中国GDP构成的优化。
目前中小企业创业板的建设和发展就是一个很好的开端。
(二)、实证分析
1、变量选取
本实证研究分析所使用的样本取自1980——2007年的年度数据,数据来源于各年的《中国统计年鉴》和《证券期货年鉴》。
直接以证券融资额S与GDP作为变量进行实证分析。
2、对变量进行统计分析,分析结果如下:
表2-1
描述性统计量
均值标准差N
GDP67596.7568722.00128
证券融资额13466.5718763.73428
表2-2
相关性
GDP证券融资额
**Pearson相关性1.980
GDP显著性(双侧).000
N2828
**证券融资额Pearson相关性.9801
-5-
《统计分析软件》论文报告
显著性(双侧).000
N2828
**.在.01水平(双侧)上显著相关。
表2-3
b模型汇总
模型RR方调整R方标准估计的误差
a1.980.961.95913870.341
a.预测变量:
(常量),证券融资额。
b.因变量:
GDP
表2-4
aAnova
模型平方和df均方FSig.
b回归122511216048.8921122511216048.892636.798.0001残差5002045306.35826192386357.937
总计127513261355.25027a.因变量:
GDP
b.预测变量:
(常量),证券融资额。
表2-5
a系数
模型非标准化系数标准系数tSig.B的95.0%置信区间
B标准误差试用版下限上限
(常量)19252.6143246.7085.930.00012578.91125926.3171证券融资额3.590.142.98025.235.0003.2983.882a.因变量:
GDP
通过统计分析可以看出:
(1)相关性中,GDP与证券融资额S是正相关关系,且相关系数达98.0%。
(2)回归分析中,模型中常量与自变量系数的P值均小于0.05,说明统计结果是显著的。
于是,我们可以得出GDP与证券融资额S的回归方程式:
GDP=19252.614+3.590S;模型的拟合度也是相当高的,如下图:
图2
-6-
《统计分析软件》论文报告
三、投资总额与GDP的理论关系
(一)理论关系
1、西方经济学关于投资与GDP关系的主要理论观点
凯恩斯学说着眼于国民经济短期的稳定运行,认为通过扩大政府投资可以弥补私人投资和消费的不足,从而达到提高国民收入、促进经济增长的目标。
新古典综合派发展了凯恩斯学说,提出总需求是由消费、投资、出口共同决定的。
从短期看,可以通过扩张性的财政政策和货币政策,刺激投资需求,促进经济增长。
新凯恩斯主义的哈罗德—多马模型强调了投资在供给方面对于国民经济持续增长的作用,认为高投资率可带来高经济增长率。
索洛和斯旺建立的新古典增长模型认为,较高的投资率对短期的经济增长确有促进作用;但是长期看,经济增长主要依赖于技术进步。
上世纪80年代,罗默和卢卡斯的内生增长理论用包括人力资本投资、研究与开发费用等在内的投资新概念,替代了传统意义的投资概念,再次得出高投资率带来高经济增长率的结论。
从上述西方经济理论的主要观点看,扩大投资对于促进GDP增长能够发挥重要作用。
-7-
《统计分析软件》论文报告
2、全社会固定资产投资、资本形成总额的概念及其关系
(1)全社会固定资产投资是统计概念,指以货币形式表现的在一定时期内全社会建造和购置固定资产的工作量以及相关费用的总称。
按管理渠道可以分为,建设和改造投资、房地产开发投资以及其他投资。
(2)资本形成总额是国民经济核算概念,指常住单位在一定时期内获得的资产减去固定资产处置和存货处置,具体包括固定资本形成总额和存货增加两部分。
其中,固定资本形成总额是指各核算单位在一定时期内获得的固定资产减去处置的固定资产的价值总额。
固定资本形成总额与全社会固定资产投资的关系可用以下公式表示:
固定资本形成总额,全社会固定资产投资,商品房销售增值,矿藏勘探形成的固定资本,土地改良形成的固定资本,扣减项
(3)全社会固定资产投资和资本形成总额的关系。
全社会固定资产投资是支出法GDP中资本形成总额的重要组成部分,全社会固定资产投资在转化为资本形成总额的过程中,主要增项包括三个:
?
投资统计口径以外的,小于50万元及其他零星项目固定资产投资?
商品房销售增值、矿藏勘探形成的固定资本和土地改良形成的固定资本(不包括投资统计口径中已计入的土地开发投资)。
?
存货。
此外,还需要对全社会固定资产投资进行必要的扣减,主要是:
?
购置旧建筑物、旧设备和土地所花费的投资。
这部分投资只是用于资产价值的转移并没有增加新的资产。
?
固定资产投资的其他费用中不形成固定资产的部分等。
3、投资率、固定资产投资对GDP增长贡献率和拉动率
(1)投资率是指按支出法计算的资本形成总额占国内生产总值的比重,表示一个经济体的总产出中有多少份额用于投资。
具体公式是,
投资率=(资本形成总额/GDP)*100%
(2)固定资产投资对GDP增长的贡献率是指当年固定资本形成额年度实际增量占当年GDP实际增量的比重。
该指标是从需求角度分析固定资产投资增长与GDP增长之间的关系。
具体公式是,
固定资产投资对GDP增长的贡献率=(当前固定资本形成年度实际增量/当年GDP实际增量)*100%
(3)固定资产投资对GDP的拉动率等于固定资产投资的贡献率乘以GDP增长速度。
该指标和固定资产投资贡献率之间没有本质区别,只是把“占GDP增量的百分比”,变成了“增长速度中的若干百分点”。
上述三个指标都反映了投资与GDP之间的关系。
投资率反映了当年投资总量与GDP总量之间的比例关系,贡献率和拉动率则反映了当年投资增量与GDP增量之间的比例关系。
投资贡献率在本质上决定于投资率,因此,在某种程度上对投资率的分析也适用于投资贡献率。
(二)、实证分析
1、变量选取
-8-
《统计分析软件》论文报告
本实证研究分析所使用的样本取自1980——2007年的年度数据,数据来源于各年的
《中国统计年鉴》。
直接以GDP和投资总额I为变量进行统计分析。
2、对变量进行统计分析,结果如下:
表3-1
描述性统计量
均值标准差NGDP67596.7568722.00128投资总额27682.1435318.10828表3-2
相关性
GDP投资总额
**Pearson相关性1.979GDP显著性(双侧).000
N2828
**Pearson相关性.9791投资总额显著性(双侧).000
N2828**.在.01水平(双侧)上显著相关。
表3-3
b模型汇总
模型RR方调整R方标准估计的误差
a1.979.959.95814160.779a.预测变量:
(常量),投资总额。
b.因变量:
GDP
表3-4
aAnova
模型平方和df均方FSig.
b1回归122299542340.2671122299542340.267609.889.000
-9-
《统计分析软件》论文报告
残差5213719014.98326200527654.422
总计127513261355.25027a.因变量:
GDP
b.预测变量:
(常量),投资总额。
表3-5
a系数
模型非标准化系数标准系数tSig.
B标准误差试用版
(常量)14845.4933424.0814.336.0001
投资总额1.906.077.97924.696.000a.因变量:
GDP
通过统计分析可以看出:
(1)相关性中,GDP与投资总额I是正相关关系,且相关系数达97.9%。
(2)回归分析中,模型中常量与自变量系数的P值均小于0.05,说明统计结果是显著的。
于是,我们可以得出GDP与投资总额I的回归方程式:
GDP=14845.493+1.906I;模型的拟合度也是相当高的,如下图:
图3
-10-
《统计分析软件》论文报告
四、CPI与GDP的关系
(一)、理论分析
CPI反映消费价格变化情况,是一个相对数。
GDP反映国民经济生产总量,是一个绝对数。
CPI的变动反映经济运行过程中物价变动情况,是观察通货膨胀程度的重要指标,GDP的变化则反映经济的增长情况。
经济增长与通货膨胀的关系存在以下四种情形:
高增长低通胀,高增长高通胀,低增长低通胀,低增长高通胀。
高增长低通胀。
主要特征是GDP高速增长和CPI的低位稳定并存,表明宏观经济处于良性运行的轨道,这是一个社会追求的最重要的经济目标。
我国1997年至2007年的10年,就是典型的高增长低通胀,这段时间是经济的“黄金增长期”。
高增长高通胀。
主要特征是GDP的高速增长与CPI高位运行并存。
由于经济高速增长,国民收入大幅增加,社会需求增长较快,在这种情况下,容易出现价格上涨从而引发通货膨胀。
此时,由于经济高速运行,所以即使通胀压力较大,整个社会压力也不是很大。
但如果分配不公,容易出现穷人补贴富人的情况,从而会引发一系列社会问题。
我国在1992年至1995年期间就处于这样的阶段。
低增长低通胀。
主要特征是GDP增长较慢甚至出现负增长的同时CPI也处于低位运行状态。
一般情况下,经济增长缓慢,则国民收入增长缓慢,社会需求减少,从而使得产品
-11-
《统计分析软件》论文报告
价格下降,CPI降低。
促进经济增长成为整个社会的首要目标,可以采取适当的通货膨胀政策来刺激生产。
政府会采取扩张性的政策来刺激经济的增长。
我国在1988年至1991年期间就处于这样的阶段。
低增长高通胀。
即经济停滞通货膨胀,俗称“滞胀”。
主要特征就是GDP增长比较缓慢甚至出现负增长的情况,但同时物价上升加快,通货膨胀率一般超过5%甚至更高。
滞胀要比单纯的通胀更可怕,对一个社会的破坏性更大。
结合中国的具体国情分析,改革开放以来,中国曾多次出现投入型经济增长所诱发的通货膨胀。
由于体制原因,加之各类投资主体普遍缺乏有效的自我约束,整个投资规模在经济高速增长时期急剧膨胀,呈现出一种投资的积累扩张惯性。
而投资规模膨胀的主要表现是固定资产投资规模的膨胀,这就加大了以后时期信贷规模扩张的压力。
一方面直接影响到相当一部分与固定资产投资相关的要素价格上涨,形成了成本推进的通货膨胀。
另一方面,由于
相当一部分投资可以通过各种渠道直接或间接地转化为人们的货币收入,这就加大了整个经济中通货膨胀的需求推动力量,加强了通货膨胀的需求压力。
这种通货膨胀往往出现在经济的高速增长时期。
如1978—1979年,1984—1985年,1987—1988年以及1992—1994年这四个经济高速增长时期所发生的通货膨胀。
由以上分析可得,三者有相同的变化趋势,但通货膨胀率的变化会滞后于经济增长率和货币供应量的增长率。
(二)、实证分析
、变量选取1
本实证研究分析所使用的样本取自1980——2007年的年度数据,数据来源于各年的《中国统计年鉴》和《中国金融年鉴》。
为消除时间序列中存在的异方差现象,对变量进行对数变换,变换后不改变原序列的协整关系变量的对数形式表示为lnGDP,CPI。
2、运用统计分析软件进行分析
表4-1
描述性统计量
均值标准差N
lnGDP10.466711.28651328
CPI1.05843.06659428
表4-2
-12-
《统计分析软件》论文报告
相关性
lnGDPCPI
Pearson相关性1-.211lnGDP显著性(双侧).280
N2828
Pearson相关性-.2111CPI显著性(双侧).280
N2828从分析结果上看来,CPI与lnGDP虽然呈现相反的变动,但考虑到统计的显著性问题,原
假设是要被拒绝的。
对其进行回归分析,得到下面一组图:
表4-3
b模型汇总
模型RR方调整R方标准估计的误差
a1.211.045.0081.281371a.预测变量:
(常量),CPI。
b.因变量:
lnGDP
表4-4
aAnova
模型平方和Df均方FSig.
b回归1.99811.9981.217.2801残差42.690261.642
总计44.68827a.因变量:
lnGDP
b.预测变量:
(常量),CPI。
表4-5
-13-
《统计分析软件》论文报告
a系数
模型非标准化系数标准系数tSig.
B标准误差试用版
(常量)14.7913.9273.767.0011
CPI-4.0853.703-.211-1.103.280a.因变量:
lnGDP
从表格中可以看出,拟合回归方程式中CPI的系数的P值=0.280,远大于0.05,因此原假设应该被拒绝,即CPI与lnGDP之间不存在显著线性关系。
其散点图如下:
图4
故而,我们要拒绝CPI与lnGDP的相关关系,或者说,起码是线性相关关系要被拒绝。
这一否定将会在下面的多元线性回归分析中进一步体现。
五、综合考虑五个变量对GDP的共同作用,我们可以模拟一个多元线性回归,将贷款余额L、
-14-
《统计分析软件》论文报告
证券融资额S、投资总额I、CPI综合考虑进去。
我们假定该线性回归方程为:
GDP=aL+bS+cI+dCPI
对各变量进行相关性分析,结果如下:
表5-1
描述性统计量
均值标准差N
GDP67596.7568722.00128
贷款余额L69405.2175167.21828
证券融资额S13466.5718763.73428
投资总额I27682.1435318.10828
CPI1.05843.06659428
相关性
GDP贷款余额L证券融资额S投资总额ICPI
******Pearson相关性1.998.980.979-.366GDP显著性(双侧).000.000.000.055
N2828282828
*******Pearson相关性.9981.986.978-.386贷款余额L显著性(双侧).000.000.000.042
N2828282828
*******Pearson相关性.980.9861.986-.405
显著性(双侧).000.000.000.032证券融资额S
N2828282828
******Pearson相关性.979.978.9861-.330投资总额I显著性(双侧).000.000.000.087
N2828282828
**Pearson相关性-.366-.386-.405-.3301CPI显著性(双侧).055.042.032.087
N2828282828**.在.01水平(双侧)上显著相关。
-15-
《统计分析软件》论文报告
*.在0.05水平(双侧)上显著相关。
从相关性分析中可以看出,除物价指数CPI以外,其他三个变量均与GDP存在高度的相关性,且显著。
再来看回归分析:
表5-2
a输入,移去的变量
模型输入的变量移去的变量方法
CPI,投资总额I,
1贷款余额L,证券.输入b融资额S
a.因变量:
GDP
b.已输入所有请求的变量。
表5-3b模型汇总
模型RR方调整R方标准估计的误差
a1.999.998.9983429.912
a.预测变量:
(常量),CP