我国GDP的统计分析.docx

1、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_*_ _徐沈和_*学 号：_ _*_ _时 间：_ _2013/7/5 _时代背景进入本世纪，特别是2001年“911”事件后，为防止经济陷入衰退，美国进入了持续降息周期，在20002004年间连续25次降息，联邦基金利率从65一直降到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20032006年之间。到2006年末，次贷已经涉

2、及500万个美国家庭，贷款规模估计达到12万亿美元1。随着降息效果的逐步显现，为防止经济过热，美联储在20052006年间，先后加息17次，利率从1提高到525。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。

3、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

4、，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

5、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。年份GDP/亿元人口数/万人固定资产投资/亿元进出口总额/亿元国家财政支出/亿元19804545.62498705910.95701228.8319814889.461100072961753.31138.4119825330.4511016541230.4771.31229.9819835985.5521030081430.1860.11409.5219847243.7521043571832.912011701.0219859040.7371058512543.22066.7

6、2004.25198610274.381075073120.62580.42204.91198712050.621093003791.73084.22262.18198815036.821110264753.83821.82491.21198917000.921127044410.44155.92823.78199018718.3211433345175560.13083.59199121826.21158235594.57225.83386.62199226937.281171718080.19119.63742.2199335260.0211851713072.3112714642.319

7、9448108.4611985017042.120381.95792.62199559810.5312112120019.323499.96823.72199670142.4912238922913.524133.87937.55199778060.8512362624941.126967.29233.56199883024.2812476128406.226849.710798.18199988479.1512578629854.729896.213187.67200098000.4512674332917.739273.215886.52001108068.212762737213.542

8、183.618902.582002119095.712845343499.951378.222053.15200313497712922755566.670483.524649.952004159453.612998870477.4395539.128486.892005183617.413075688773.6129116921.833930.282006215904.4131448109998.162414097440422.732007266422132129137323.9381166863.749781.352008316030.3132802172828.3998179921.47

9、0262592.662009340320133450224598.7679150648.063576299.932010399759.5134091251683.7688201722.14789874.162011472115134735311485.1254236401.992109247.79 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

10、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） CorrelationsGDP固定资产投资进出口总额国家财政支出GDPPearson Correlation1.987*.985*.992*Sig. (2-tailed).000.000.000N32323232固定资产投资Pearson Correlation.987*1.962*.998*Sig. (2-tailed).000.000.000N3232323

11、2进出口总额Pearson Correlation.985*.962*1.969*Sig. (2-tailed).000.000.000N32323232国家财政支出Pearson Correlation.992*.998*.969*1Sig. (2-tailed).000.000.000N32323232*. Correlation is significant at the 0.01 level (2-tailed). 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

12、SPSS的Spearman相关系数分析GDP与人口数的相关性（结果见表三CorrelationsGDP人口数Spearmans rhoGDPCorrelation Coefficient1.0001.000*Sig. (2-tailed).N3232人口数Correlation Coefficient1.000*1.000Sig. (2-tailed).N3232*. Correlation is significant at the 0.01 level (2-tailed). 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

13、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 117

14、171 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 37213.5 434

15、99.9 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

16、 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 7

17、6299.93 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

18、 472115;x=ones(32,1) x1 x2 x3 x4 (x1.2);b,bint,r,rint,s=regress(y,x)计算结果：参数参数估计值参数置信区间017317.85 3168.67 31467.03 1-1.60 -2.07 -1.13 20.45 0.02 0.88 30.42 0.28 0.55 41.68 0.34 3.01 51.39E-051.05E-051.73E-05R2=0.9985 F=3.35*103p1.2*10-35s2=2.95*107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

19、模型确定，F值远远超过F检验的临界值，p远小于，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

20、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： 参数参数估计值参数置信区间01317343.25 1031414.67 1603271.83 1-25.01 -30.10 -19.93 21.33 1.10 1.55 3-0.02 -0.11 0.06 4-0.41 -1.05 0.24 50.0001192 0.0000966 0.0001418 R2=0.9998F=19862.23P1.3*10-34S2=3394693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

21、超过F检验的临界值，p远小于，因而从整体上看模型（1）是可用的3，4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 年份 省份江西省湖南省湖北省河南省广东省广西省1980111.15191.72199.38229.16249.648497.331981121.26209.68219.752

22、49.69290.3558113.461982133.96232.52241.55263.3339.9242129.151983144.13257.43262.58327.95368.7537134.61984169.11287.29328.22370.04458.7351150.271985207.89349.95396.26451.74577.3838180.971986230.82397.68442.04502.91667.5302205.461987262.9469.44517.77609.6846.6877241.561988325.83584.07626.52749.091155.

23、367313.281989376.46640.8717.08850.711381.39383.441990428.62744.44824.38934.651559.028449.061991479.37833.3913.381045.731893.298518.591992572.55986.981088.391279.752447.54646.61993723.041244.711325.831660.183469.283871.71994948.161650.021700.922216.834619.0181198.2919951169.732132.132109.382988.37593

24、3.0521497.5619961409.742540.132499.773634.696834.9661697.919971605.772849.272856.474041.097774.531817.2519981719.873025.533114.024308.248530.8751911.319991853.653214.543229.294517.949250.6761971.4120002003.073551.493545.395052.9910741.252080.0420012175.683831.93880.535533.0112039.252279.3420022450.4

25、84151.544212.826035.4813502.422523.7320032807.414659.994757.456867.715844.642821.1120043456.75641.945633.248553.7918864.623433.520054056.766511.346590.1910587.4222557.373984.120064820.537568.897617.4712362.7926587.764746.1620075800.259439.69333.415012.4631777.015823.4120086971.051155511328.9218018.5

26、336796.71702120097655.1813059.6912961.119480.4639482.567759.1620109451.2616037.9615967.6123092.3646013.069569.85201111702.8219669.5619632.2626931.0353210.2811720.87 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） 年份 省份江西省湖南省湖北省河南省广东省广西省198099.7

27、 105.8 108.6 104.6 105.3 110.0 1981104.1 105.6 114.2 101.4 100.7 101.6 1982112.4 108.7 116.3 101.4 93.6 103.3 1983104.5 108.9 110.2 101.6 98.4 102.7 1984107.6 110.7 114.2 100.8 100.6 103.3 1985108.7 114.5 111.1 104.6 113.3 113.0 1986101.6 110.6 115.9 105.4 91.4 106.2 1987103.7 113.3 103.9 106.3 106.0 108.2 1988104.7 111.0 102.2 119.4 116.4 120.8 1989100.0 104.