SPSS统计分析报告—基于各省市GDP、财政收入及财政支出数据的-SPSS分析

论文题目：基于各省市GDP、财政收入及财政支出数据的SPSS分析姓名：学号：班级：内容摘要：本文首先通过国家统计局官方网站收集了我国大陆31省市2010-2013年GDP、各省常年居住人口数、财政收入、社会保障与就业支出、交通运输支出、医疗卫生支出、教育支出等数据；而后根据要求对数据进行适当的处理，并选择了SPSS作为工具进行分析。这其中既有东中西三个地区的地区生产总值之间的分布类型检验，又有关于GDP与各省常年居住人口数、财政收入、社会保障与就业支出、交通运输支出、医疗卫生支出、教育支出的相关性分析，以及各省GDP的方差分析。根据分析的结果对我国GDP水平进行适当的探讨以及给出一些经济发展规划的建议。一、题目要回答的问题自1978年改革开放以来，我国经济飞速发展，国内生产总值日趋上升，虽然经历了1997金融风暴和2008金融危机，但是我国经济发展前景一片大好，2011年，我国经济创造奇迹，GDP总量超过日本，一跃成为世界第二大经济体。国内生产总值(简称GDP)是指在一定时期内(一个季度或一年)，一个国家或地区的经济中所生产出的全部最终产品和劳务的价值，常被公认为衡量国家经济状况的最佳指标。它不但可反映一个国家的经济表现，更可以反映一国的国力与财富。一个国家或地区的经济究竟处于增长抑或衰退阶段，从这个数字的变化便可以观察到。中共十八大报告指出中国现代化步入转型攻坚阶段，要继续坚持经济转型。同时由于我国自身的一些发展条件限制，我国经济发展速度逐渐放缓，因而对我国GDP水平的研究就显得尤为必要。由于对GDP的研究是一个非常复杂和庞大的过程，在这里，我们仅对以下几个问题做研究：1、分布类型检验①、正态分布检验采用假设检验方法对地区生产总值进行分布特征的检验，检验31个省市区的数据是否服从正态分布。H0:31个省市区的地区生产总值样本来自于一个正态分布的总体。H1:31个省市区的地区生产总值样本并非来自于一个正态分布总体。②、两个独立样本检验采用假设检验方法对地区生产总值进行两个独立样本检验，检验东部和西部地区数据是否有显著显著。H0:东部和西部地区的地区生产总值没有显著差异。H1:东部和西部地区的地区生产总值有显著差异。③、K个独立样本检验采用假设检验方法对地区生产总值进行K个独立样本检验，检验东部、中部、西部地区的数据是否有显著差异。H0:东部、中部、西部地区的地区生产总值没有显著差异。。H1:东部、中部、西部地区的地区生产总值没有显著差异。。2、单因素方差分析用于完全随机设计的31个省市区的地区生产总值样本均数间的比较，其统计推断是推断各样本所代表的各总体均数是否相等。3、卡方检验检验31个省市区的地区生产总值有无显著差异。4、相关与线性回归分析方法采用线性回归分析方法分析各影响因素对地区生产总值的影响程度。二、具体分析步骤（一）描述性分析表1描述统计量N极小值极大值均值标准差地区生产总值（单位：亿元）124507.562164.017460.03613749.3635各省常年居住人口（单位：万人）124300106444336.552740.823财政收入（单位：亿元）12436.77075.51810.0811437.5597社会保障和就业支出（单位：亿元）12431.91833.51364.0065178.81977交通运输支出（单位：亿元）12421.80688.04218.9115119.15497医疗卫生（单位：亿元）12432.04569.32213.2400117.50285教育支出（单位：亿元）12460.81744.6551.316327.8783有效的N（列表状态）124从上表我们可以看到，大陆31个省市中地区生产总值极大值为62164.0亿元，极小值为507.5亿元，各项指标中的极大值和极小值相差悬殊，这说明在我国大陆31个省市中，地区经济发展存在严重不均衡，地区贫富差距大。然后也可以看到在经济发达的地区，无论是人口、财政收入以及各种财政支出的数额都是比经济欠发达地区的数额大的。由上图可知，从2010年至2014年各省市之间的地区生产总值是呈左偏分布。众数出现在10000-15000范围区间。（二）基础操作1.分类汇总2.个案排秩已创建的变量b源变量函数新变量标签GDPa秩RGDPRankofGDPbyAreaa.秩按升序排列。b.相同的值的平均秩用于结。3.连续变量变分组变量（三）分布类型检验1.正态分布检验（1）数据处理录入2010-2013年各省市GDP数据。（2）分析过程分析——非参数检验——旧对话框——“1样本K-S”菜单选项检验变量选择：地区生产总值检验分布选择：常规单击“确定”（3）结果分析表2单样本Kolmogorov-Smirnov检验地区生产总值（单位：亿元）N124正态参数a,b均值17460.036标准差13749.3635最极端差别绝对值.137正.137负-.109Kolmogorov-SmirnovZ1.524渐近显著性(双侧).019a.检验分布为正态分布。b.根据数据计算得到。由表2可以看出p值=0.0190.05，拒绝原假设，认为31个省市区的地区生产总值样本不是来自于一个正态分布的总体。2.两个独立样本检验（1）数据处理录入2010-2013年各省市GDP数据。然后东部地区赋值为0，中部地区赋值为1，西部地区赋值为2。（2）分析过程分析——非参数检验——旧对话框——“2独立样本”菜单选项检验变量选择：地区生产总值分组变量选择：地区，定义组：0-1；检验类型选择：Mann-WhitneyU单击“确定”（3）结果分析表3秩地区N秩均值秩和地区生产总值（单位：亿元）东部地区4445.592006.00中部地区3228.75920.00总数76表4检验统计量a地区生产总值（单位：亿元）Mann-WhitneyU392.000WilcoxonW920.000Z-3.282渐近显著性(双侧).001a.分组变量:地区由表4可以看出p值=0.0010.05，拒绝原假设，认为东部和中部地区生产总值有显著差异。3.K个独立样本检验（1）数据处理录入2010-2013年各省市GDP数据。然后东部地区赋值为0，中部地区赋值为1，西部地区赋值为2。（2）分析过程分析——非参数检验——旧对话框——“K个独立样本”菜单选项检验变量选择：地区生产总值分组变量选择：地区，定义组：0-2；检验类型选择：KruskalWallisH（K）单击“确定”（3）结果分析表5秩地区N秩均值地区生产总值（单位：亿元）东部地区4487.57中部地区3267.94西部地区4835.90总数124表6检验统计量a,b地区生产总值（单位：亿元）卡方48.441df2渐近显著性.000a.KruskalWallis检验b.分组变量:地区由表6可以看出p值=0.0010.05，拒绝原假设，认为东部、中部、西部地区生产总值有显著差异。（四）单因素方差分析（1）数据处理录入2010-2013年各省市GDP数据。（2）分析过程分析——比较均值——单因素因变量列表选择：地区生产总值因子选择：地区点击选项，统计量选择“方差同质性检验”；均值图单击“继续”——“确定”（3）结果分析表7方差齐性检验地区生产总值（单位：亿元）Levene统计量df1df2显著性27.6782121.000表8单因素方差分析地区生产总值（单位：亿元）平方和df均方F显著性组间8160349799.74824080174899.87432.712.000组内15092184722.060121124728799.356总数23252534521.808123由上表可以看出p值=0.0000.05，拒绝原假设，认为31个省市区的地区生产总值样本不是来自于一个正态分布的总体。均值图由上图可见，地区的生产总值随着沿海到内陆是持续急剧下跌的，但在中部出现了一个比较缓和的折点。因此，我国东中西部三个地区的经济发展水平差距很大。（五）卡方检验（1）数据处理录入2010-2013年各省市GDP数据。（2）分析过程分析——非参数比较——旧对话框——卡方检验变量列表选择：地区生产总值单击“确定”（3）结果分析表9检验统计量地区生产总值（单位：亿元）卡方.000adf123渐近显著性1.000a.124个单元(100.0%)具有小于5的期望频率。单元最小期望频率为1.0。由表8可以看出p值=10.05，接受原假设，认为31个省市区地区生产总值没有显著差异。（六）相关和线性回归分析1.相关分析（1）数据处理录入2010-2013年各省市GDP、常年居住人口数据。（2）分析过程分析——相关——双变量检验变量选择：地区生产总值和各省常年人口数单击“确定”（3）结果分析表10相关性地区生产总值（单位：亿元）各省常年居住人口（单位：万人）地区生产总值（单位：亿元）Pearson相关性1.829**显著性（双侧）.000N124124各省常年居住人口（单位：万人）Pearson相关性.829**1显著性（双侧）.000N124124**.在.01水平（双侧）上显著相关。由表7可以看出地区生产总值与各省常年居住人口之间的相关系数为0.829，即地区生产总值与各省常年居住人口之间存在较强相关性。同理，可以分析地区生产总值与其它因素之间的相关关系。2.相关分析（1）数据处理录入2010-2013年各省市GDP、常年居住人口等数据。（2）分析过程分析——回归——线性因变量选择：地区生产总值自变量选择：人口数、财政收入、社会保障与就业支出、教育支出、医疗卫生支出、交通运输支出、教育支出方法选择：进入绘制;选择Y-ZPRED;X-ZRESID,直方图单击“继续”——“确定”（3）结果分析表11模型汇总b模型RR方调整R方标准估计的误差1.982a.963.9622694.5539a.预测变量:(常量),教育支出（单位：亿元）,社会保障和就业支出（单位：亿元）,各省常年居住人口（单位：万人）,交通运输支出（单位：亿元）,财政收入（单位：亿元）,医疗卫生（单位：亿元）。b.因变量:地区生产总值（单位：亿元）表12Anovaa模型平方和df均方FSig.1回归22403041874.28763733840312.381514.259.000b残差849492647.5211177260620.919总计23252534521.808123a.因变量:地区生产总值（单位：亿元）b.预测变量:(常量),教育支出（单位：亿元）,社会保障和就业支出（单位：亿元）,各省常年居住人口（单位：万人）,交通运输支出（单位：亿元）,财政收入（单位：亿元）,医疗卫生（单位：亿元）。表13系数a模型非标准化系数标准系数tSig.B标准误差试用版1(常量)-1772.581570.421-3.107.002各省常年居住人口（单位：万人）2.294.196.45711.710.000财政收入（单位：亿元）5.411.399.56613.548.000社会保障和就业支出（单位：亿元）-4.6462.459-.060-1.889.061交通运输支出（单位：亿元）-1.0214.176-.009-.244.807医疗卫生（单位：亿元）-40.0529.502-.342-4.215.000教育支出（单位：亿元）18.0363.737.4304.826.000a.因变量:地区生产总值（单位：亿元）表14残差统计量a极小值极大值均值标准偏差N预测值-1286.26765426.41817460.03613495.8717124残差-5730.37707213.1338.00002628.0115124标准预测值-1.3893.554.0001.000124标准残差-2.1272.677.000.975124a.因变量:地区生产总值（单位：亿元）由上述表格可以看出，交通运输支出的P值为0.8070.05，即交通运输支出与地区生产总值之间的线性相关性不显著，可以删除变量交通运输支出。社会保障和就业支出的P值为0.061