关于我国国内生产总值的统计分析VIP

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__时间：_2013年7月4日____________ 关于我国国内生产总值的统计分析内容摘要：本文首先通过网络工具对我国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；1980-2011年中南六省：湖北、湖南、河南、江西、广东、广西的GDP数据；我国各省（直辖市）2011年GDP数据进行数据收集。而后根据要求对数据进行适当的处理，根据所需要的分析结果，我们分别选择了excel和spss两种工具进行辅助分析。这其中既有关于GDP与人口数、固定资产投资、进出口总额、国家财政支出的相关性分析，也有各省GDP的方差分析，还有各省GDP的聚类分析。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。关键词：GDP、相关分析、回归分析、方差分析、聚类分析问题的提出自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，经济总体处于供大于求的状态，虽然经历了1997金融风暴和2007金融危机，但是我国经济发展前景一片大好。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。一般而言，GDP公布的形式不外乎两种，以总额和百分比率为计算单位。当GDP的增长数字处于正数时，即显示该地区经济处于扩张阶段；反之，如果处于负数，即表示该地区的经济进入衰退时期。近来由于世界金融危机和我国经济转型的影响，以及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，我们仅对下面三个问题做研究：（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。（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。（三）收集我国各省（直辖市）2011年GDP数据，做聚类分析。通过对上面三个问题的研究来对我国GDP进行一些简要的分析，以此来为整个国民收入的研究解决一些基本问题。问题的求解（一）对我国GDP的相关分析和回归分析1、数据收集1980-2012年全国经济相关数据年份GDP(现价)（亿元）人口数（万人）固定资产投资（亿元）进出口总额（人民币：亿元）国家财政支出（亿元）19804545.62498705910.95701228.8319814891.5611100072961735.31138.4119825323.3511016541230.4771.31229.9819835962.65161030081430.1860.11409.5219847208.05171043571832.912011701.0219859016.03661058512543.22066.72004.25198610275.17921075073120.62580.42204.91198712058.61511093003791.73084.222628231110264753.83821.82491.21198916992.31911127044410.441562823.78199018667.822411433345175560.13083.59199121781.49941158235594.57225.83386.62199226923.47651171718080.19119.63742.2199335333.924711851713072.3112714642.3199448197.856411985017042.120381.95792.62199560793.729212112120019.323499.96823.72199671176.591712238922913.524133.87937.55199778973.03512362624941.126967.29233.56199884402.279812476128406.226849.710798054812578629854.729896.213187.67200099214.554312674332917.739273.215886.52001109655.170612762737213.542183.618902.582002120332.689312845343499.951378.222053.152003135822.756112922755566.670483.524649.952004159878.337912998870477.4395539.128486.892005184937.36913075688773.6129116921.833930.282006216314.4259131448109998.162414097440422.732007265810.3058132129137323.9381166863.749781.352008314045.4258132802172828.3998179921.470262592.662009340902.8126133450224598.7679150648.063576299.932010401512.7952134091278121.8549201722.14789874.162011473104134735311485.1254236401.992109247.792、数据处理这里我们录入全国1980年到2011年的GDP,人口数，固定资产投资，进出口总额、国家财政支出数据。在相关性分析中，我们以GDP为参考，利用SPSS软件研究其他四种因素与GDP的相关性，由于做单个比较需要进行四次操作，因而我们在这里直接利用SPSS的相关功能直接给出五个量的两两相关系数，这之中自然包括我们所需要的GDP与其他四类因素的相关系数。在回归分析中，我们令GDP为因变量Y，将人口数，固定资产投资，进出口总额、国家财政支出四个数据作为自变量X1、X2、X3、X4，然后利用excel的数据分析工具做回归分析。3、分析步骤（1）相关性分析录入数据到SPSS→画出关于GDP的散点图→做大致分析→做相关性分析具体操作过程见附录一，所得散点图见附录二。（2）回归分析录入数据到excel→选择分析工具→定好自变量和因变量→做回归分析具体操作过程见附录三。4、结果分析（1）相关性分析

下表是通过SPSS所做相互的两两相关系数表格：CorrelationsGDP人口数固定资产投资进出口总额国家财政支出GDPPearsonCorrelation1.798**.956**.984**.992**Sig.(2-tailed).000.000.000.000N3232323232人口数PearsonCorrelation.798**1.633**.781**.729**Sig.(2-tailed).000.000.000.000N3232323232固定资产投资PearsonCorrelation.956**.633**1.933**.974**Sig.(2-tailed).000.000.000.000N3232323232进出口总额PearsonCorrelation.984**.781**.933**1.969**Sig.(2-tailed).000.000.000.000N3232323232国家财政支出PearsonCorrelation.992**.729**.974**.969**1Sig.(2-tailed).000.000.000.000N3232323232**.Correlationissignificantatthe0.01level(2-tailed).从表中我们可以知道：1）GDP与人口数之间的相关系数是0.798，双尾检验的概率值为0，小于0.01，则相关水平是显著的，换句话说，我们有超过99%的把握认为，两者之间存在着比较强的正相关性。2）GDP与固定资产投资之间的相关系数是0.956，双尾检验的概率值为0，小于0.01，则相关水平是显著的，换句话说，我们有超过99%的把握认为，两者之间存在着非常强的正相关性。3）GDP与进出口总额之间的相关系数是0.984，双尾检验的概率值为0，小于0.01，则相关水平是显著的，换句话说，我们有超过99%的把握认为，两者之间存在着比较强的正相关性。4）GDP与国家财政支出数据之间的相关系数是0.992，双尾检验的概率值为0，小于0.01，则相关水平是显著的，换句话说，我们有超过99%的把握认为，两者之间存在着非常强的正相关性。对于回归分析，我们可以利用excel中自带的会给分析予以分析。（2）回归分析下表是通过excel软件做出的回归分析结果：1)方差分析表方差分析dfSSMSFSignificanceF回归分析44.96E+111.24E+113400.954.65521E-36残差279.83E+0836423935总计314.96E+112)参数确定表由输出结果可以知道，线性回归方程为：1>、Y=-149510+1.4495*X1+0.189964*X2+0.427531*X3+2.461343*X4。2>、根据输出结果中的方差分析可知，SignificanceF=4.65521E-36<α=0.05,说明回归方程是显著的。3>、而由结果中的回归系数的tStat检测可知:a:P-value=1.25E-08<α=0.05，b1:P-value=2.79E-09<α=0.05，b2:P-value=0.031325<α=0.05，b3:P-value=2.89E-06<α=0.05，b4:P-value=0.000433<α=0.05综上所述，因此回归方程是有效可靠的。（二）中南六省GDP方差分析1、数据收集：中南六省1980-2011年GDP数据（现价）年份湖北湖南河南江西广西广东国内生产总值指数（可比价，1978=100）1978151146.99162.928775.85185.851001979188.46178.01190.09104.1584.59209.34107.61980199.38191.72229.16111.1597.33249.65116.00811981219.75209.68249.69121.26113.46290.36122.09051982241.55232.52263.3133.96129.15339.9213358257.43327.95144.13134.6368.75147.59871984328.22287.29370.04169.11150.27458.74169.99831985396.26349.95451.74207.89180.97577.38192.89061986442.04397.68502.91230.82205.46667.53209.95441987517.77469.44609.6262.9241.56846.69234.2741988626.52584.07749.09325.83313.281155.37260.70141989717.08640.8850.71376.46383.441381.39271.29431990824.38744.44934.65419.54449.061471.84281.70931991913.38833.31045.73465.1518.591780.56307.567219921088.39997.71279.75559.52646.62293.54351.36719931325.831244.711660.18723.04871.73469.28400.43319941700.921650.022216.83948.161198.294619.02452.812419952109.382132.132988.371169.731497.565933.05502.28219962499.772540.133634.691409.741697.96834.97552.55319972856.472849.274041.091605.771817.257774.53603.924119983114.023025.534308.241719.871911.38530.88651.231519993229.293214.544517.941853.651971.419250.68700.854320003545.393551.495052.992003.072080.0410741.25759.945320013880.533831.95533.012175.682279.3412039.25823.023220024212.824151.546035.482450.482523.7313502.42897.770720034757.546606867.72807.42821.115844.6987.775620045633.25641.98553.83456.73433.518864.61087.393220056590.196596.110587.424056.763984.122557.371210.377720067617.477688.6712362.794820.534746.1626587.761363.811720079333.49439.615012.465800.255823.4131777.011556.9601200811328.891155518018.536971.05702136796.711706.968200912961.113059.6919480.467655.187759.1639482.561864.2514201015967.6116037.9623092.369451.269569.8546013.062059.0096201119632.2619669.5626931.0311702.8211720.8753210.282250.38512、数据分析对表格数据进行分析，我们可以知道，此GDP数据没有消除物价因素影响。通过上网查资料我们可以知道：现价GDP没有消除价格因素影响，可比价GDP消除了价格因素的影响。要对实际GDP消除价格因素影响，我们只需要知道当年的GDP可比价指数就可以消除价格因素对当年的GDP的影响。在这里我们可以利用excel的计算功能进行计算。3、分析过程录入数据到excel→消除物价因素影响→选择合适工具→数据描述→做方差分析得出消除物价因素影响后的中南六省GDP表见附录四，具体操作过程见附录五。4、结果分析下表是利用SPSS软件求解所得:1）数据描述表：下表给出了水稻品种分组的样本含量N、平均数Mean、标准差Std.Deviation、标准误Std.Error、95%的置信区间、最小值和最大值。2）方差分析表下表给出了组间变差，组内变差以及总变差等一些数据。第五栏为F值（组间均方与组内均方之比）第六栏为F值所对应的概率值，针对假设Ho：组建均值无显著性差异（即省间GDP均值无显著性差异）。P<0.0001，由此可以认为全国各省市的GDP水平是不同的。3）Tamhane'sT2法比较表MultipleComparisonsGDPTamhane(I)组别(J)组别MeanDifference(I-J)Std.ErrorSig.95%ConfidenceIntervalLowerBoundUpperBound128.1556247.814981.000-137.4496153.76093-160.8081363.73943.200-356.557234.94104174.12156*39.13709.00154.0826294.16065164.68187*39.53622.00243.5334285.83046-704.01938*1.29382E2.000-1110.1854-297.853321-8.1556247.814981.000-153.7609137.44963-168.9637564.53202.160-366.894828.96734165.96594*40.41508.00241.8493290.08255156.52625*40.80170.00531.3465281.70606-712.17500*1.29775E2.000-1119.2484-305.101631160.8081363.73943.200-34.9410356.55722168.9637564.53202.160-28.9673366.89484334.92969*58.39367.000153.1403516.71915325.49000*58.66193.000143.0383507.94176-543.21125*1.36448E2.004-966.4953-119.927241-174.12156*39.13709.001-294.1606-54.08262-165.96594*40.41508.002-290.0825-41.84933-334.92969*58.39367.000-516.7191-153.14035-9.4396930.169831.000-101.309482.43006-878.14094*1.26834E2.000-1278.5578-477.724051-164.68187*39.53622.002-285.8304-43.53342-156.52625*40.80170.005-281.7060-31.34653-325.49000*58.66193.000-507.9417-143.038349.4396930.169831.000-82.4300101.30946-868.70125*1.26958E2.000-1269.3912-468.011361704.01938*1.29382E2.000297.85331110.18542712.17500*1.29775E2.000305.10161119.24843543.21125*1.36448E2.004119.9272966.49534878.14094*1.26834E2.000477.72401278.55785868.70125*1.26958E2.000468.01131269.3912*.Themeandifferenceissignificantatthe0.05level.从上表我们可以知道：湖北的年度GDP水平与江西、广西、广东有显著性差异；湖南的年度GDP水平与江西、广西、广东有显著性差异；河南的年度GDP水平与江西、广西、广东有显著性差异；江西的年度GDP水平与湖北、湖南、河南、广东有显著性差异；广西的年度GDP水平与湖北、湖南、河南、东有显著性差异；广东的年度GDP水平与湖北、湖南。，河南、西、有显著性差异。（三）全国各省市GDP聚类分析1、数据收集全国各省市2011年GDP数据（现价/单位：亿元）地区地区生产总值农业工业建筑业交通运输、仓储和邮政业批发和零售业住宿和餐饮业金融业房地产业其他北京16251.93136.273048.79703.69808.952139.65348.422215.411074.935775.82天津11307.28159.725430.84497.48632.11463.89194.52756.5411.461760.77河北24515.762905.7311770.381356.482046.221780.63338.91746.01918.022653.38山西11237.55641.425959.96675.3756.29846.65261.33519.32224.911352.37内蒙古14359.881306.37101.6936.091040.031216.6381.64447.46384.761545.41辽宁22226.71915.5710696.541455.611143.171960.33436.13755.57876.122987.66吉林10568.831277.444917.95693.53420.98860.47205.69207.65238.611746.51黑龙江125821701.55602.76727.77543.811060.26275.8350.82465.611853.67上海19195.69124.947208.59719.3868.313040.99279.342277.41019.683657.14江苏49110.273064.7722280.612922.672127.935341.39919.132600.112747.897105.77浙江32318.851583.0414683.031872.551206.953288.53620.252730.291677.134657.08安徽15300.652015.3170621247.38589.821050.61252.62503.85634.921944.15福建17560.181612.247675.091394.11963.851511.29300.35862.41911.162329.68江西11702.821391.075411.86978.69507.44831.97270.29357.44402.511551.55山东45361.853973.8521275.892741.222328.385400.19881.581640.411838.145282.2河南26931.033512.2413949.321477.76961.51586.09797.99868.29872790.94湖北19632.262569.38538.041277.9869.481512.89446.52674.57634.673108.89湖南19669.562768.038122.751239.24948.821662.34406.87501.09518.043502.38广东53210.282665.224649.61797.782090.365681.171192.282916.133321.318896.45广西11720.872047.234851.37823.95588.2803.48307.88445.37465.681387.72海南2522.66659.23475.04239.46119.74258.0689.75105.24208.71367.43重庆10011.37844.524690.46852.58456.25747.3166.31704.66396.281153.01四川21026.682983.519491.051538.08638.761186.58562.63868.15620.623137.3贵州5701.84726.221829.2365.13590.91448.77224.4297.27160.31059.64云南8893.121411.012994.3786.02217.22932.21278.2456.23222.311595.62西藏605.8374.4748.18160.6123.9534.2517.7531.717.44197.48陕西12512.31220.95857.921077.67552.541036.35266.92432.11398.031669.86甘肃5020.37678.751923.95453.88280.33351.97123.61145.05134.25928.57青海1670.44155.08811.73163.4567.5393.718.9362.5629.05268.41宁夏2102.21184.14816.79239.36174.1109.9937.15134.1879.01327.49新疆6610.051139.032700.2525.7256.72371.977.87288.77176.221073.642、数据处理根据要求，我们需要对全国GDP做聚类分析，简而言之，就是做一个分类处理。这个分类，我们可以根据全国各省市的GDP构成来对其进行一个简单地划分。通过对全国各省市的GDP构成的了解，以及通过比较各省市之间的各行GDP进行分类。在这里我们利用了SPSS软件中的系统聚类法和快速聚类法。并且在聚类分析之前通过对统计量进行描述，对数据做初步分析。3、分析步骤（1）统计量描述录入数据到SPSS→选用合适的分析工具→做数据分析具体操作过程见附录五。（2）系统聚类法选择合适的分析工具→选择变量→选择系统聚类方法→做系统聚类→选择下一种系统聚类法分析具体操作过程见附录七，用七种系统聚类法所得的树状聚类图见附录八。（3）快速聚类法选择合理的分析工具→选择变量→预先数据分为三类→做快速聚类具体造作过程见附录九。4、结果分析（1）数据描述DescriptiveStatisticsNMinimumMaximumMeanStd.Deviation农业3174.473973.851.5306E31099.29507工业3148.1824649.607.4799E36296.67453建筑业31160.612922.671.0303E3673.06563交通运输仓储蓄和邮政业3123.952328.388.0067E2613.84875批发分零售业3134.255681.171.5681E31509.48430住宿和餐饮业3117.751192.283.5423E2277.56833金融业3131.702916.138.3555E2833.73651其他31197.488896.452.5054E32036.35437ValidN(listwise)31从表中我们可以知道：平均GDP较高的三个行业是工业、交通运输仓储和邮政业、金融业。从GDP的极大值和极小值方面分析，我们可以知道GDP的极小值是住宿和餐饮业的17.75亿元。极大值是工业的24649.60亿元。（2）系统聚类法（注：取用间距SquaredEuclideanDistance）1）下表是利用“组间联结”聚类法计算所得的近似矩阵表，其实质是一个不相似矩阵，其中的数值表示各个样本之间的相似系数，数值越小，表示两样本的差距越小。（由于表格数据很大，故截取一部分作说明）2）下图是利用利用“组间联结”聚类法生成的树状聚类图。

Dendrogram

using

Average

Linkage

(Between

Groups)

Rescaled

Distance

Ctluser

Combine

C

A

S

E

0

5

10

15

20

25

Label

Num

+---------+---------+---------+---------+---------+

西

藏

26

─┐

青

海

29

─┤

宁

夏

30

─┤

海

南

21

─┼─┐

甘

肃

28

─┤

│

新

疆

31

─┤

│

贵

州

24

─┘

│

山

西

4

─┐

├─────┐

重

庆

22

─┤

│

│

天

津

2

─┤

│

│

黑龙江

8

─┤

│

│

广

西

20

─┼─┘

│

江

西

14

─┤

│

陕

西

27

─┤

│

吉

林

7

─┤

├─────┐

云

南

25

─┤

│

│

安

徽

12

─┤

│

│

内蒙古

5

─┘

│

│

辽

宁

6

─┐

│

│

福

建

13

─┼─┐

│

│

湖

北

17

─┤

│

│

├─────────────────────────────────┐

湖

南

18

─┤

├─┐

│

│

│

四

川

23

─┘

│

├───┘

│

│

河

南

16

───┘

│

│

│

河

北

3

─────┘

│

│

北

京

1

─┬───────┐

│

│

上

海

9

─┘

├─────┘

│

浙

江

11

─────────┘

│

江

苏

10

───┬───┐

│

山

东

15

───┘

├─────────────────────────────────────────┘

广

东

19

───────┘由上图可以知道，如果将样本分为三类的话，如图所示，第一类包括广东、山东、江苏；第二类包括浙江、北京、上海；第三类为其他。5）结果总结纵观七种聚类方法，比较其聚类结果（分为三类）可总结出如下表：第一类第二类第三类组间联结聚类法广东、山东、江苏浙江、上海、北京其他组内联结聚类法广东山东、江苏其他最近邻元素聚类法广东、山东、江苏浙江其他最远邻元素聚类法广东、山东、江苏浙江、上海、北京其他质心聚类法广东、山东、江苏浙江、上海、北京其他中位数聚类法广东、山东、江苏浙江、上海、北京其他Ward聚类法广东、山东、江苏浙江、上海、北京其他（3）快速聚类法1）下表表示的是初始聚类中心，也就是种子点InitialClusterCentersCluster123农业74.472665.203512.24工业48.182.46E41.39E4建筑业160.611797.781477.76交通运输仓储蓄和邮政业23.952090.36961.50批发分零售业34.255681.171586.09住宿和餐饮业17.751192.28797.99金融业31.702916.13868.20房产业17.443321.31987.00其他197.488896.452790.942）下表表示的是每个个案的类别情况：第三列的“cluster”表示的是该案属于哪一个类别。第四列的“distance”表示的该案例与所属类别中心之间的距离。ClusterMembershipCaseNumber地区ClusterDistance1北京15.056E32天津12.352E33河北32.505E34山西12.625E35内蒙古33.191E36辽宁31.114E37吉林11.662E38黑龙江12.464E39上海33.752E310江苏2714.67011浙江35.887E312安徽32.977E313福建32.173E314江西12.159E315山东22.694E316河南34.537E317湖北31.330E318湖南31.876E319广东22.924E320广西11.937E321海南13.178E322重庆11.397E323四川31.215E324贵州11.653E325云南1791.06926西藏13.774E327陕西12.596E328甘肃11.633E329青海13.052E330宁夏12.983E331新疆1928.110分析上表可知，若采用K-均值聚类法分三类，第一类包括广东、山东、江苏，第二类包括河北、内蒙古、辽宁、上海、浙江、安徽、福建、河南、湖北、湖南、四川，第三类为其他。4、结论结论1：不同地业的平均GDP比较平均GDP较高的三个行业是：工业、交通运输仓储和邮政业、金融业结论2：不同地区平均GDP比较：比较系统聚类法和K-均值聚类法输出的结果，其我们可以清楚的看到第一类基本都为广东、山东、江苏，但是第二类却有很大出入，用系统聚类法的几种不同方法所做的分析结果基本相同，故而我们我们这里认为第二类包括北京，上海，浙江，第三类包括其他省市。讨论和建议1、问题一根据回归方程：Y=-149510+1.4495*X1+0.189964*X2+0.427531*X3+2.461343*X4我们可以知道人口和政府财政支出较进出口和固定资产对GDP水平的影响大的多，但是我们也知道，人口过剩也是制约国名经济发展的一个非常关键的因素。为促进国民经济又好又快的的发展，政府的作用显得非常重要，同时我们也看到进出口总额对国民经济的影响也是不容小视的。同时，加大固定资产的投资也可以促进经济发展，政府的固定资产投资包括基础设施建设、水利工程改造等。针对以上问题。我们给出以下建议：（1）政府要加大财政支出来作为经济发展驱动力。（2）加大全球经济交融力度，扩大外贸，融入全球经济中。（3）继续实施“计划生育”基本国策。（4）要加大基础设施建设力度。（5）深化国家经济产业转型，加大经济改革力度。2、问题二通过对问题二的了解，我们可以知道六省之间显著差异性。广东省位于无果改革开放的最前沿，因而GDP水平较其他五省有很大的差异。而广西省虽然在广东省旁边，但是经济发展水平去无法与广东省相提并论。然中部三省中湖北、湖南、两省GDP水平大致相同，河南省由于地理位置和产业配置GDP水平高于湖北、湖南两省，但三省与广东比较去相差甚远。中部江西省由于地理位置和国家经济发展规划GDP水平与湖北、湖南两省有很大差距，与广西省水平大致相当。针对以上存在的问题，我们给出以下几条建议：加大力度实施中部大崛起战略，全力建设“武汉城市圈“和“长株潭城市群”的建设。利用珠三角的经济发展优势来带动广西省的经济发展，扩大广西省通国外贸易交流。利用长三角经济发展优势来带动江西省你的经济发展，并通过南北经济交融来促进江西省经济发展。利用北京和天津的经济发展优势来带动河南省的经济进一步发展，加大河南省经济产业结构的调整。坚持改革开放，并利用香港经济优势来弥补内地经济发展不足。坚持可持续发展，全面规划，科学统筹，做到各地区经济优势互补，发展协调稳健，减少地区经济发展差距。3、问题三通过对问题的分析，我们知道如果对我国各省市进行聚类分析，我们可以把北京、上海、浙江归为一类，把广东、山东、江苏归为一类。我们聚类的根据是各省市的产业结构，所以被归集为一类的省市在产业结构上具有一定的相似性。以前两组为例，广东、山东、江苏三省的各产业GDP水平均在各省市的前列；北京、上海、浙江三省市的各产业水平与非常高，但在农业、但由于地域等因素的限制，普遍对比广东、山东、江苏三省稍低，但是总体水平也是想当可观。针对以上现象我们给出以下建议：经济发展要因地制宜，不要求面面俱到，做到集中力量发展优势产业。经济发展要全国整体规划，做到各省市要有自己的强势产业，全国各省市的强势产业加一起要构成一个整体无缺的市场格局。加大对落后省事的政策扶持力度，全面协调发展。总结做国家GDP研究是一个非常系统庞大的过程，本文仅仅只是GDP分析中的一个微小部分。从分析的过程我们不难知道，做好数据分析的关键就是要有非常精确的数据，而后才是分析的方法。虽然在这次统计调查的过程中我花费了很多时间，但我却在这次统计调查分析中学到了很多知识。通过分析调查，我对GDP有了初步的了解，对国民经济的构成也有了一定的了解。同时，由于这次分析调查的局限性，我对问题的研究和探讨有有一定的局限性，所以给出的建议也有一定的问题。附录一：1、将表格数据输入到spss中，用spss进行数据处理。截图如下：2、点击Graphs→Scatter/Dot。截图如下：3、分别选择人口数，固定资产投资，进出口总额、国家财政支出作为X，以GDP为Y。截图如下：4、点击Analyze→Correlate→Bivariate，把两个变量都移入Variables框，经过相关设置后，交计算机运行。截图如下：5、将GDP/人口数，固定资产投资，进出口总额、国家财政支出键入Varidble中。截图如下: 附录二：所得到的散点图如下：附录三：点击工具→数据分析，截图如下：点击“回归”截图如下：在Y值输入区域键入B3：B34，在X值输入区域键入C3：F34,勾选线性拟合图。截图如下：附录四：中南六省1980-2011年GDP数据（可比价/单位：亿元）年份湖北湖南河南江西广西广东1978151146.99162.928775.85185.851979175.15165.44176.6696.7978.62194.551980171.87165.26197.5495.8183.90215.201981179.99171.74204.5199.3292.93237.821982181.41174.63197.75100.6197.00255.291983177.90174.41222.1997.6591.19249.831984193.07169.00217.6799.4888.40269.851985205.43181.42234.19107.7893.82299.331986210.54189.41239.53109.9497.86317.941987221.01200.38260.21112.22103.11361.411988240.32224.04287.34124.98120.17443.181989264.32236.20313.57138.76141.34509.191990292.63264.26331.78148.93159.41522.471991296.97270.93340.00151.22168.61578.921992309.76283.95364.22159.24184.02652.751993331.10310.84414.60180.56217.69866.381994375.63364.39489.57209.39264.631020.071995419.96424.49594.96232.88298.151181.221996452.40459.71657.80255.13307.281236.981997472.98471.79669.14265.89300.911287.341998478.17464.59661.55264.10293.491309.961999460.76458.66644.63264.48281.291319.912000466.53467.33664.91263.58273.711413.422001471.50465.59672.28264.35276.951462.812002469.25462.43672.27272.95281.111503.992003481.64471.77695.27284.21285.601604.072004518.05518.85786.63317.89315.761734.852005544.47544.96874.72335.16329.161863.662006558.54563.76906.49353.46348.011949.522007599.46606.28964.22372.54374.022040.962008663.68676.931055.59408.39411.312155.682009695.24700.531044.95410.63416.212117.882010775.50778.921121.53459.02464.782234.722011872.40874.051196.73520.04520.842364.50附录五：1、如图，在表格中键入：=(B4/H4)*100既可以算出湖北省1978年消除物价因素后的GDP。同理，其他省份的GDP也可以照着这个方法来计算，这里就不一一列举。用excel计算过程截图如下：在G4中键入（B4/H4）*100，回车即可以得到消除物价因素后的GDP。截图如下：2、录入数据到spss：由于spss的一些局限性，我们对数据进行一些基本处理。我们湖北、湖南、河南、江西、广西，广东分别用第1、2、3、4、5、6组代替输入到spss软件中、由于数据过大，故截取一部分为例：3、点击AnalyzeCompare→Mean→s0ne-WayANOVA，截图如下：4、将GDP键入DependentList中，将组别键入Factor中，截图如下：5、单击“Contrasts”，勾选Polynomial”复选项，该操作激活其右面的“Degree”参数框。截图如下：6、点击PostHoc，因为不知道方差是否具有齐次性，故而勾选EqualVarancenotassumed中的Tamhane'sT2进行均属差异比较，截图如下：7、单击Options，勾选Descriptive，截图如下：附录六：1、录入数据到spss:2、点击Analyze→DescriptiveStatistic→Descriptives，截图如下3、将个行业键入Variable中，截图如下：4、点击Options，勾选Mean、Min、Max、Std，截图如下：附录七：1、点击Analyze→Classity→HerarchairCluster，截图如下：2、将各行业键入键入Variable中，截图如下：3、点击Statistic，勾选Agglomerationschedule、Proximitymatrix，截图如下：4、点击Method，勾选Ronge0to1,取间距“SquaredEuclideandistance”选用组间聚类法，截图如下：附录八：1）组内联结聚类法*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

H

I

E

R

A

R

C

H

I

C

A

L

C

L

U

S

T

E

R

A

N

A

L

Y

S

I

S

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

Dendrogram

using

Average

Linkage

(Within

Group)

Rescaled

Distance

Cluster

Combine

C

A

S

E

0

5

10

15

20

25

Label

Num

+---------+---------+---------+---------+---------+

西

藏

26

─┐

青

海

29

─┤

宁

夏

30

─┼─┐

海

南

21

─┘

├───┐

甘

肃

28

─┐

│

│

新

疆

31

─┼─┘

│

贵

州

24

─┘

│

山

西

4

─┬─┐

├─────┐

重

庆

22

─┘

│

│

│

天

津

2

───┤

│

│

黑龙江

8

─┐

│

│

│

广

西

20

─┤

├───┘

│

江

西

14

─┤

│

├─────────┐

陕

西

27

─┤

│

│

│

吉

林

7

─┼─┤

│

│

云

南

25

─┤

│

│

│

安

徽

12

─┘

│

│

│

内蒙古

5

───┘

│

│

北

京

1

─────┬───────┘

├─────────────────────────┐

上

海

9

─────┘

│

│

湖

北

17

─┐

│

│

湖

南

18

─┼───┐

│

│

四

川

23

─┘

├─┐

│

│

辽

宁

6

───┬─┘

├─┐

│

│

福

建

13

───┘

│

├───────┐

│

│

河

南

16

───────┘

│

├─────┘

│

河

北

3

─────────┘

│

│

浙

江

11

─────────────────┘

│

江

苏

10

─────────────┬───────┐

│

山

东

15

─────────────┘

├───────────────────────────┘

广

东

19

─────────────────────┘2）最近邻元素聚类法*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

H

I

E

R

A

R

C

H

I

C

A

L

C

L

U

S

T

E

R

A

N

A

L

Y

S

I

S

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

Dendrogram

using

Single

Linkage

Rescaled

Distance

Cluster

Combine

C

A

S

E

0

5

10

15

20

25

Label

Num

+---------+---------+---------+---------+---------+

西

藏

26

─┐

青

海

29

─┤

宁

夏

30

─┤

海

南

21

─┤

甘

肃

28

─┼─┐

新

疆

31

─┤

│

贵

州

24

─┘

│

江

西

14

─┐

│

陕

西

27

─┤

│

黑龙江

8

─┤

│

广

西

20

─┼─┤

吉

林

7

─┤

│

云

南

25

─┘

│

山

西

4

───┤

重

庆

22

───┤

安

徽

12

───┤

天

津

2

───┤

内蒙古

5

───┼───┐

湖

北

17

─┬─┤

│

湖

南

18

─┘

│

│

四

川

23

───┤

├─────┐

辽

宁

6

───┤

│

│

福

建

13

───┘

│

├───────────┐

河

南

16

───────┘

│

├─────┐

河

北

3

─────────────┘

│

│

北

京

1

───────┬─────────────────┘

├─────────────────┐

上

海

9

───────┘

│

│

浙

江

11

───────────────────────────────┘

│

江

苏

10

─────────────────┐

│

山

东

15

─────────────────┼───────────────────────────────┘

广

东

19

─────────────────┘3）最远邻元素聚类法*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

H

I

E

R

A

R

C

H

I

C

A

L

C

L

U

S

T

E

R

A

N

A

L

Y

S

I

S

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

Dendrogram

using

Complete

Linkage

Rescaled

Distance

Cluster

Combine

C

A

S

E

0

5

10

15

20

25

Label

Num

+---------+---------+---------+---------+---------+

西

藏

26

─┐

青

海

29

─┤

宁

夏

30

─┤

海

南

21

─┼───┐

甘

肃

28

─┤

│

新

疆

31

─┤

│

贵

州

24

─┘

├───────────────┐

山

西

4

─┐

│

│

重

庆

22

─┼─┐

│

│

天

津

2

─┘

│

│

│

江

西

14

─┐

├─┘

│

陕

西

27

─┤

│

│

吉

林

7

─┤

│

│

云

南

25

─┼─┘

│

黑龙江

8

─┤

├───────────────────────────┐

广

西

20

─┤

│

│

安

徽

12

─┤

│

│

内蒙古

5

─┘

│

│

辽

宁

6

─┐

│

│

福

建

13

─┼─┐

│

│

湖

北

17

─┤

│

│

│

湖

南

18

─┤

├───────┐

│

│

四

川

23

─┘

│

│

│

│

河

北

3

───┤

├─────────┘

│

河

南

16

───┘

│

│

北

京

1

─┬───┐

│

│

上

海

9

─┘

├─────┘

│

浙

江

11

─────┘

│

江

苏

10

─┬───┐

│

山

东

15

─┘

├───────────────────────────────────────────┘

广

东

19

─────┘4）质心聚类法*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

H

I

E

R

A

R

C

H

I

C

A

L

C

L

U

S

T

E

R

A

N

A

L

Y

S

I

S

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

Dendrogram

using

Centroid

Method

Rescaled

Distance

Cluster

Combine

C

A

S

E

0

5

10

15

20

25

Label

Num

+---------+---------+---------+---------+---------+

西

藏

26

─┐

青

海

29

─┤

宁

夏

30

─┤

海

南

21

─┼─┐

甘

肃

28

─┤

│

新

疆

31

─┤

│

贵

州

24

─┘

│

山

西

4

─┐

├───┐

重

庆

22

─┤

│

│

天

津

2

─┤

│

│

黑龙江

8

─┤

│

│

广

西

20

─┼─┘

│

江

西

14

─┤

│

陕

西

27

─┤

│

吉

林

7

─┤

├───┐

云

南

25

─┤

│

│

安

徽

12

─┤

│

│

内蒙古

5

─┘

│

│

辽

宁

6

─┐

│

│

福

建

13

─┼─┐

│

│

湖

北

17

─┤

│

│

├─────────────────────────────────────┐

湖

南

18

─┤

│

│

│

│

四

川

23

─┘

├───┘

│

│

河

南

16

───┤

│

│

河

北

3

───┘

│

│

北

京

1

─┬───────┐

│

│

上

海

9

─┘

├─┘

│

浙

江

11

─────────┘

│

江

苏

10

─────┬─┐

│

山

东

15

─────┘

├─────────────────────────────────────────┘

广

东

19

───────┘5）中位数聚类法*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

H

I

E

R

A

R

C

H

I

C

A

L

C

L

U

S

T

E

R

A

N

A

L

Y

S

I

S

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

*

Dendrogram

using

Median

Method

Rescaled

Distance

Cluster

Combine

C

A

S

E

0

5

10

15

20

25

Label

Num

+---------+---------+---------+---------+---------+

西

藏

26

─┐

青

海

29

─┤

宁

夏

30

─┤

海

南

21

─┼─┐

甘

肃

28

─┤

│

新

疆

31

─┤

├───────────┐

贵

州

24

─┘

│

│

山

西

4

─┐

│

│

重

庆

22

─┼─┘

│

天

津

2

─┘

│

湖

北

17

─┐

│

湖

南

18

─┼─┐

│

四

川

23

─┘

│

│

辽

宁

6

─┐

├─┐

│

福

建

13

─┤

│

│

├─────────────────────────────────┐

黑龙江

8

─┤

│

│

│

│

广

西

20

─┼─┘

│

│

│

江