spss《统计分析软件》论文

统计分析软件论文报告 论文题目 ： 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 课程及课堂号 ： 序号 ： 姓名 ： 学号 ： 专业班级 ： 学院 ： 邮箱 ： 完成时间 ： 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 - 1 - 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 19802007 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 GDP 67596.75 68722.001 28 贷款余额 69405.21 75167.218 28 表 1-2 模型汇总 b 模型 R R 方 调整 R 方 标准 估计的误差 1 .998a .996 .996 4468.133 a. 预测变量: (常量), 贷款余额。 b. 因变量: GDP 表1-3 Anovaa 模型 平方和 Df 均方 F Sig. 回归 126994191736.872 1 126994191736.872 6361.091 .000b 残差 519069618.378 26 19964216.0911 总计 127513261355.250 27 a. 因变量: GDP b. 预测变量: (常量), 贷款余额。 相关性 GDP 贷款余额 Pearson 相关性 1 .998* 显著性（双侧） .000GDP N 28 28 Pearson 相关性 .998* 1 显著性（双侧） .000贷款余额 N 28 28 *. 在 .01 水平（双侧）上显著相关。 统计分析软件论文报告 - 3 - 表1-4 系数 a 非标准化系数 标准系数模型 B 标准 误差 试用版 t Sig. (常量) 4271.973 1159.054 3.686 .001 1 贷款余额 .912 .011 .998 79.756 .000 a. 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 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 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 19802007 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。 统计分析软件论文报告 - 5 - 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 GDP 67596.75 68722.001 28 证券融资额 13466.57 18763.734 28 表2-2 相关性 GDP 证券融资额 Pearson 相关性 1 .980* 显著性（双侧） .000GDP N 28 28 Pearson 相关性 .980* 1 显著性（双侧） .000证券融资额 N 28 28 *. 在 .01 水平（双侧）上显著相关。 表2-3 模型汇总 b 模型 R R 方 调整 R 方 标准 估计的误差 1 .980a .961 .959 13870.341 a. 预测变量: (常量), 证券融资额。 b. 因变量: GDP 表2-4 Anovaa 模型 平方和 df 均方 F Sig. 回归 122511216048.892 1 122511216048.892 636.798 .000b 残差 5002045306.358 26 192386357.9371 总计 127513261355.250 27 a. 因变量: GDP b. 预测变量: (常量), 证券融资额。 表2-5 系数 a 非标准化系数 标准系数 B 的 95.0% 置信区间模型 B 标准 误差 试用版 t Sig. 下限 上限 (常量) 19252.614 3246.708 5.930 .000 12578.911 25926.317 1 证券融资额 3.590 .142 .980 25.235 .000 3.298 3.882 a. 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 统计分析软件论文报告 - 7 - 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。 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 本实证研究分析所使用的样本取自 19802007 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 N GDP 67596.75 68722.001 28 投资总额 27682.14 35318.108 28 表3-2 相关性 GDP 投资总额 Pearson 相关性 1 .979* 显著性（双侧） .000GDP N 28 28 Pearson 相关性 .979* 1 显著性（双侧） .000投资总额 N 28 28 统计分析软件论文报告 - 9 - *. 在 .01 水平（双侧）上显著相关。 表3-3 模型汇总 b 模型 R R 方 调整 R 方 标准 估计的误差 1 .979a .959 .958 14160.779 a. 预测变量: (常量), 投资总额。 b. 因变量: GDP 表3-4 Anovaa 模型 平方和 df 均方 F Sig. 回归 122299542340.267 1 122299542340.267 609.889 .000b 残差 5213719014.983 26 200527654.4221 总计 127513261355.250 27 a. 因变量: GDP b. 预测变量: (常量), 投资总额。 表3-5 系数 a 非标准化系数 标准系数模型 B 标准 误差 试用版 t Sig. (常量) 14845.493 3424.081 4.336 .000 1 投资总额 1.906 .077 .979 24.696 .000 a. 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 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。 统计分析软件论文报告 - 11 - 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 19781979 年，19841985 年，19871988 年以及 19921994 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 1、变量选取 本实证研究分析所使用的样本取自 19802007 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 lnGDP 10.46671 1.286513 28 CPI 1.05843 .066594 28 表4-2 相关性 lnGDP CPI Pearson 相关性 1 -.211 显著性（双侧） .280lnGDP N 28 28 Pearson 相关性 -.211 1 显著性（双侧） .280CPI N 28 28 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 模型汇总 b 模型 R R 方 调整 R 方 标准估计的误差 1 .211a .045 .008 1.281371 a. 预测变量: (常量), CPI。 b. 因变量: lnGDP 表4-4 Anovaa 模型 平方和 Df 均方 F Sig. 回归 1.998 1 1.998 1.217 .280b 残差 42.690 26 1.6421 总计 44.688 27 a. 因变量: lnGDP b. 预测变量: (常量), CPI。 统计分析软件论文报告 - 13 - 表4-5 系数 a 非标准化系数 标准系数模 型 B 标准 误差 试用版 t Sig. (常量) 14.791 3.927 3.767 .001 1 CPI -4.085 3.703 -.211 -1.103 .280 a. 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、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 GDP 67596.75 68722.001 28 贷款余额L 69405.21 75167.218 28 证券融资额S 13466.57 18763.734 28 投资总额I 27682.14 35318.108 28 CPI 1.05843 .066594 28 相关性 GDP 贷款余额L 证券融资额S 投资总额I CPI Pearson 相关性 1 .998* .980* .979* -.366 显著性（双侧） .000 .000 .000 .055GDP N 28 28 28 28 28 Pearson 相关性 .998* 1 .986* .978* -.386* 显著性（双侧） .000 .000 .000 .042贷款余额L N 28 28 28 28 28 Pearson 相关性 .980* .986* 1 .986* -.405* 显著性（双侧） .000 .000 .000 .032证券融资额S N 28 28 28 28 28 Pearson 相关性 .979* .978* .986* 1 -.330 显著性（双侧） .000 .000 .000 .087投资总额I N 28 28 28 28 28 Pearson 相关性 -.366 -.386* -.405* -.330 1 CPI 显著性（双侧） .055 .042 .032 .087 统计分析软件论文报告 - 15 - N 28 28 28 28 28 *. 在 .01 水平（双侧）上显著相关。 *. 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 输入移去的变量 a 模型 输入的变量 移去的变量 方法 1 CPI, 投资总额I, 贷款余额L, 证券 融资额S b . 输入 a. 因变量: GDP b. 已输入所有请求的变量。 表5-3 模型汇总 b 模型 R R 方 调整 R 方 标准 估计的误差 1 .999a .998 .998 3429.912 a. 预测变量: (常量), CPI, 投资总额I, 贷款余额L, 证券融资额S。 b. 因变量: GDP Anovaa 模型 平方和 df 均方 F Sig. 回归 127242682500.227 4 31810670625.057 2704.001 .000b 残差 270578855.023 23 11764298.0441 总计 127513261355.250 27 a. 因变量: GDP b. 预测变量: (常量), CPI, 投资总额I, 贷款余额L, 证券融资额S。 表5-4 系数 a 非标准化系数 标准系数 B 的 95.0% 置信区间模型 B 标准 误差 试用版 t Sig. 下限 上限 (常量) 856.958 13013.012 .066 .948 -26062.508 27776.424 贷款余额L 1.001 .055 1.095 18.308 .000 .888 1.114 证券融资额S -1.154 .292 -.315 -3.947 .001 -1.759 -.549 投资总额I .426 .126 .219 3.365 .003 .164 .687 1 CPI 955.120 12153.384 .001 .079 .938 -24186.070 26096.309 a. 因变量: GDP 结果说明： （1） 表5-2显示变量引入办法为全部引入法； （2） 表5-3上显示了复相关系数R=0.999，可决系数R方=0.998，估计标准误 S=3429.912； （3） 表5-3下显示了方差分析的结果， SSR=127242682500.227，SSE=270578855.023，SST=127513261355.250，MSR=3181 0670625.057，MSE=11764298.044，F=2704.001，P=0.0000.05，可认为变量GDP 与L、S、I之间的线性回归关系显著； （4） 表5-4显示模型中的回归系数、常熟及t检验结果，从表中可看到t检验的P值：L回 归系数的P1=0.000，S回归系数的P2=0.001，I回归系数的P3=0.003，CPI回归系数 的P4=0.938。 （5） 因为P4远大于0.05，故变量GDP与CPI之间不存在线性回归关系。重新引入L、S、I 判定y与L、S、I之间的线性回归关系，显示结果如下： 表5-5 输入移去的变量 a 模型 输入的变量 移去的变量 方法 1 投资总额I, 贷 款余额L, 证券 融资额S b . 输入 a. 因变量: GDP b. 已输入所有请求的变量。 表5-6 模型汇总 b 模型 R R 方 调整 R 方 标准 估计的误差 1 .999a .998 .998 3358.146 a. 预测变量: (常量), 投资总额I, 贷款余额L, 证券融资额 S。 b. 因变量: GDP 统计分析软件论文报告 - 17 - 表5-7 Anovaa 模型 平方和 df 均方 F Sig. 回归 127242609841.625 3 42414203280.542 3761.076 .000 b 残差 270651513.625 24 11277146.4011 总计 127513261355.250 27 a. 因变量: GDP b. 预测变量: (常量), 投资总额I, 贷款余额L, 证券融资额S。 表5-8 系数 a 非标准化系数 标准系数 B 的 95.0% 置信区间模型 B 标准 误差 试用版 t Sig. 下限 上限 (常量) 1875.401 1158.093 1.619 .118 -514.786 4265.588 贷款余