我国各地区财政支出结构spss分析

用spss分析我国各省城镇居民消费水平差异分析文章结构1 研究背景及意义 (1)2 研究方法 (1)3 数据来源与数据处理 (2)4. 实证分析 (3)4.1因子分析 (3)4.2 聚类分析 (8)5 结论 (11)1 研究背景及意义我国地域广阔,各省份的经济发展很不平衡，各省之间的居民消费水平差距较大。

经济快速发展的同时我国居民收入稳步增加，各省居民的消费支出也强劲增长，消费结构发生了巨大变化。

为了正确引导消费，进一步改善消费结构，提高我国城市居民的消费水平和生活的质量，有必要对全国各省居民消费结构之间的异同进行考察并做比较研究，以期发现经济水平和城市居民的消费水平之间的关系.2 研究方法本文运用多元统计分析中的主成分分析方法和聚类分析方法,将描述各省份城镇居民全年现金消费支出的八个指标压缩成两个综合指标( 称为主成分) , 这两个主成分保留了原始八个指标的绝大部分信息,在指标压缩的同时能够最大限度地反映出各省份城镇居民消费水平差异。

在综合因子基础上进行层次聚类分析，根据消费差异将全国31个省分为四类。

因子分析模型是根据变量间的相关性大小，把变量分组，利用同组内的变量之间相关性较高而不同组的变量之间相关性较低，每组变量代表一个基本结构，这个基本结构称为公共因子。

因子分析的出发点是用较少的相互独立的因子变量来代替原来变量的大部分信息，可以通过下面的数学模型来表示：X1＝α11F1＋α12F2＋…＋α1m Fm＋α1ε1，X2＝α21F1＋α222＋…＋α2m Fm＋α2ε2，…Xp＝αp1F1＋αp2F2＋…＋αpm Fm＋αpεp，其中：x1，x2，x3，…，xp 为p 个原有变量，是均值为零、标准差为1 的标准化变量；F1，F2，F3，…，Fm 为m 个因子变量，m 小于p，表示成矩阵形式为X＝AF＋αε，其中：F＝（F1，F2，…，Fm）为因子变量或公共因子；ε＝（ε1，ε2，…，εp）为特殊因子；F 与ε均为不可观测的随机变量. A＝（αij）p×m 为因子载荷矩阵，αj 称为第j 个因子对第i 个变量的载荷系数. 在模型中，特殊因子起着残差的作用，被定义为彼此不相关且与公因子也不相关。

对农民人均生活收入及消费支出的统计分析论文摘要: spss在经济、管理、医学及心理学等方面的研究起着很重要的作用，在我国的国民经济问题中，增加农民收入是我国扩大内需的关键，通过运用SPSS分析方法对我国农民的收入及消费支出进行了各种分析, 以便能够更好地了解我国农村居民的收入结构和消费结构与消费行为等。

关键词：农民生活收入消费支出线性回归分析一、引言今年以来，全国上下认真贯彻落实科学发展观，以农业增产、农民增收为目的，加大各项惠农政策措施落实力度，多措并举做好农村劳动力转移就业工作，克服金融危机和严重干旱等自然灾害带来的不利影响，使全市农村经济保持了稳定发展的良好态势，农民现金收入持续增长，生活消费水平继续提高。

我国是一个农业大国，至今仍有9亿农村人口，占全国人口总数的70%，农民是我国最大的群体，农村消费能力的提升直接关系到国民经济的全局。

从农村市场看，中国有近六成人口生活在农村。

农村城镇化的进程对经济增长的带动作用是非常明显的，世界上还没有哪个国家有规模如此巨大的城镇化。

农村居民的收入虽然低于城市居民，但是基数巨大，且农村人口的收入也在稳定增长。

随着经济的发展，我国农民的收入水平和消费水平的结构也发生了很大变化，农民生活水平的提高和消费的增加对于实现国民经济又好又快发展、正确处理好内需和外需的关系至关重要。

但从总体来看，农民消费水平仍然较低，调查显示有的地区都不及城市居民人均消费支出的三分之一。

而且消费结构不合理，局限于食品类等生存基本需求品，消费在衣着装饰等方面的极少。

而影响农民消费水平的根本原因是农民的收入。

农民生活消费支出主要包括食品、衣着、医疗卫生、教育文化、家庭设备、交通等方面，本文只挑选了四种典型的消费支出作为代表来分析农村居民的消费结构。

二、对多元数据因子分析及及结果解释2、下表是要进行处理的31个省市的农村居民消费相关的原始数据三、家庭总收入分析1、农村家庭总收入单线图，农村家庭总收入逐年增加。

使用SPSS软件进行数据分析文档通过自己论证属实。

【例子】以全国31个省市的8项经济指标为例，进行主成分分析。

第一步：录入或调入数据（图1）。

图1 原始数据（未经标准化）第二步：打开“因子分析”对话框。

沿着主菜单的“Analyze→Data Reduction→Factor ”的路径（图2）打开因子分析选项框（图3）。

图2 打开因子分析对话框的路径图3 因子分析选项框第三步：选项设置。

首先，在源变量框中选中需要进行分析的变量，点击右边的箭头符号，将需要的变量调入变量（Variables）栏中（图3）。

在本例中，全部8个变量都要用上，故全部调入（图4）。

因无特殊需要，故不必理会“Value ”栏。

下面逐项设置。

图4 将变量移到变量栏以后⒈设置Descriptives选项。

单击Descriptives按钮（图4），弹出Descriptives对话框（图5）。

图5 描述选项框在Statistics 栏中选中Univariate descriptives 复选项，则输出结果中将会给出原始数据的抽样均值、方差和样本数目（这一栏结果可供检验参考）；选中Initial solution 复选项，则会给出主成分载荷的公因子方差（这一栏数据分析时有用）。

在Correlation Matrix 栏中，选中Coefficients 复选项，则会给出原始变量的相关系数矩阵（分析时可参考）；选中Determinant 复选项，则会给出相关系数矩阵的行列式，如果希望在Excel 中对某些计算过程进行了解，可选此项，否则用途不大。

其它复选项一般不用，但在特殊情况下可以用到（本例不选）。

设置完成以后，单击Continue 按钮完成设置（图5）。

⒉ 设置Extraction 选项。

打开Extraction 对话框（图6）。

因子提取方法主要有7种，在Method 栏中可以看到，系统默认的提取方法是主成分（∏ρινχιπαλ χομπονεντσ），因此对此栏不作变动，就是认可了主成分分析方法。

基于因子分析的我国经济发展状况实证分析摘要：选取了2013年我国31个省、直辖市、自治区经济发展的10项指标作为研究对象，运用因子分析的方法，利用spss对数据进行计算，依据因子分析的结果对我国各省的经济发展做出综合评价，得出了这31各省份经济发展状况的综合排名，广东、江苏、山东、浙江、北京排在前5位，是中国各省、直辖市、自治区沿海经济发展较好的地区；甘肃、海南、青海、宁夏、西藏排在后5位，是西部地区经济发展较落后的地区，较为客观反映了中国各省、直辖市、自治区的综合经济实力，为中国各省、直辖市、自治区今后的经济发展提供了理论依据。

关键词：经济发展；因子分析；综合评价；主成分法一、引言我国地域辽阔，由于历史、地理位置及经济基础等原因，各地经济发展水平差异很大。

改革开放以来，特别是实施西部大开发、振兴东北地区等老工业基地、促进中部地区崛起、鼓励东部地区率先发展的区域发展总体战略以来，各地经济社会发展水平有了很大提高，人民生活也有了很大改善。

但区域发展不协调、发展差距拉大的趋势仍未根本改变。

本文从我国31 个省市自治区经济的发展视角入手，运用对应分析方法对我国各地区经济发展状况进行统计分析，用以说明我国各地区经济发展不协调的现状。

由于衡量各地区经济发展的指标有很多，故选取了比较有代表性的十个指标。

二、相关统计指标与数据的选取本文运用了因子分析的方法对我国31个省、直辖市、自治区的经济发展状况进行评价。

选取了10项经济指标：第一产业增加值（X1）；第二产业增加值（X2）；第三产业增加值（X3）；地方财政预算收入（X4）；地方财政预算支出（X5）；固定资产投资额（X6）；社会消费品零售总额（X7）；货物进出口总额（X8）；在岗职工平均工资（X9）；城乡居民储蓄年末余额（X10）。

X2，X3，X4 反映的是经济总量中构成三大产业的不同增加值；X5，X6 反映的是地方财政预算收支；X7 反映的是居民的购买能力；X8反映的是对外贸易；X9，X10反映的是居民的收入与储蓄。

2019年软 件2019, V ol. 40, No. 2作者简介: 陈龙(1994-)，男，研究生，主要研究方向：企业集成及其信息化；袁莹静(1994-)，女，研究生，主要研究方向：企业集成及其信息化；周芷仪(1993-)，女，研究生，主要研究方向：企业集成及其信息化；谢鹏辉(1995-)，男，研究生，主要研究方向：企业集成及其信息化。

通讯联系人: 陈婷(1971-)，女，副教授，主要研究方向：企业集成及其信息化。

基于SPSS 的我国各省市自治区经济发展状况分析陈 龙，陈 婷*，袁莹静，周芷仪，谢鹏辉（昆明理工大学机电工程学院，云南 昆明 650051）摘 要: 本文运用2016年我国31个省市自治区的农林牧渔业，工业，建筑业，批发和零售业，交通运输、仓储和邮政业，住宿和餐饮业，金融业，房地产业，其它等方面统计的各产值的样本数据，采用聚类分析、主成分分析和因子分析的方法，通过SPSS 软件输出结果进行分析，对我国31个省市自治区进行分类排名，进而可以了解到我国各个省市自治区现阶段的经济发展状况，并可以根据相关结果对于不同地区的发展提供理论指导。

关键词: 经济发展；聚类分析；主成分分析；因子分析；SPSS 软件中图分类号: TP315 文献标识码: A DOI ：10.3969/j.issn.1003-6970.2019.02.024本文著录格式：陈龙，陈婷，袁莹静，等. 基于SPSS 的我国各省市自治区经济发展状况分析[J]. 软件，2019，40（2）：121-128Analysis on the Economic Development of Provinces and AutonomousRegions in China Based on SPSSCHEN Long, CHEN Ting *, YUAN Ying-jing, ZHOU Zhi-yi, XIE Peng-hui(Faculty of Mechanical & Electrical Engineering, Kunming University of Science & Technology, kunming, yunnan 650051, China )【Abstract 】: This paper uses 2016 China's 31 provinces, cities and autonomous regions of ecological-economic, industry, construction, wholesale and retail, transportation, warehousing and postal service, accommodation and ca-tering industry, finance, real estate industry, other aspects such as statistical sample data of each output by cluster analysis, principal component analysis and factor analysis method, through SPSS software output were analyzed, and the ranking of 31 provinces and autonomous regions in China are classified, which can learn the various prov-inces and autonomous regions in China's current economic development situation, and can according to relevant re-sults provide theoretical guidance for the development of different regions.【Key words 】: Economic development; Cluster analysis; Principal component analysis; Factor analysis0 引言我国现阶段的经济处于高速发展的状态，对于各个地区经济状况的了解和分析也应具有一定的时效性，只有这样才可以对我国各个不同地区的经济情况有一定的了解，进而可以对它们的发展及时的提出相应的指导建议。

重庆市财政收入的回归分析摘要文章首先运用SPSS工具对2000-2010年我国GDP、财政收入与存款汇率和年份等数据进行回归分析,得出存款汇率与GDP和年份及财政收入的回归模型。

其次,分别建立逐步回归模型，得到最优回归模型结果。

关键词： GDP 财政收入经济指标回归分析逐步回归一、前言近年来，我国财政收入的增长却远远快于经济增长的速度，针对这一情况,本文通过对财政收入和中国GDP变化的计量经济分析,试追寻问题所在，并希望对改善我国财政和GDP的合理关系提供对策。

国内生产总值(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。

而财政收入是政府部门的公共收入,是国民收入分配中用于保证政府行使其公共职能、实施公共政策以及提供公共服务的资金需求。

国内生产总值和财政收入是众多经济指标中的两个关键性指标，通过回归分析等研究手段，思考和研究这两个指标的相互关系，并正确把握，对于促进经济可持续健康发展，具有非常重要的意义。

国内生产总值（gross domestic product GDP）是按市场价格计算的国内生产总值的简称。

它是一个国家（地区）所有常住单位在一定时期内生产活动的最终成果。

20世纪90年代以前，资本主义世界各国主要侧重采用GNP和人均GNP。

但进入90年代后，96%的国家纷纷放弃GNP和人均GNP，而开始重点采用GDP和人均GDP来衡量经济增长快慢以及经济实力的强，一般将国民总收入GNI(Gross National Income)，指一个国家或地区所有常住单位在一定时期内收入初次分配的最终结果）看作是GNP，各国（包括中国）也仅对外公布GDP与GNI数据。

美国经济学家萨缪尔森（Paul A Samuelson）认为，GDP是20世纪最伟大的发明之一。

他将GDP比做描述天气的卫星云图，能够提供经济状况的完整图像，能够帮助领导者判断经济是在萎缩还是在膨胀，是需要刺激还是需要控制，是处于严重衰退还是处于通胀威胁之中。

统计调查分析题目关于我国国内生产总值的统计分析主要内容（不限于此，可发挥，有加分）：（1）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。

（2）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。

（3）收集我国各省（直辖市）2011年GDP数据，做聚类分析。

说明：1、参考网站：国家统计局网站；2、独立完成一篇统计调查分析报告，采用统一的封面（见下页），主要表格和图形要截屏粘贴在报告需要的地方，一定要有文字分析，有一定的深度；3、正文用小四号宋体字；4、数据处理采用的软件类型不限，欢迎炫酷；5、请于2013年7月10日前将统计调查报告传到邮箱：hexiaoya113@；6、如用WORD高版本，请用WORD2003版另存。

7、邮箱“主题”写上：班级+姓名。

将表格数据输入到spss中，用spss进行数据处理。

截图如下：下：所得到的散点图如下：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：从表中我们可以知道：（1）G DP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）G DP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）G DP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）G DP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。

我国区域经济综合实力评价一、提出问题随着改革开放的不断深入,我国各地区经济发展取得较大进展,但东西部之间贫富差距急剧扩大,因此缩小地区间差距,实现各地区协调发展有着重要的政治、经济、社会意义。

我们根据多元统计分析方法、聚类分析,运用SPSS对我国地区经济多项经济指标进行因子分析,反映了各地区综合经济实力现状。

指标体系的建立依据科学性、合理性、代表性原则,力求全面、完善、真实地反映各地区的综合经济实力,选取反映各地区综合经济实力为进行因子分析打下了坚实基础,数据源于《中国统计年鉴》。

数据结果的因子分析计算相关系数矩阵采用SPSS统计软件对上述数据进行上机计算,将数据进行标准化,以消除量纲的影响,得出相关系数矩阵。

二、数据收集为了分析我国区域经济综合实力，我列举了以我国31个省级单位GDP(万元)和人均GDP（元）以及GDP 的增速，全社会固定资产投资(亿元)、全社会消费品零售总额(万元)、进出口总额(万元) 2011年各省GDP总量排名排名省份GDP（万元）增速01、广东45636 12.8%02、江苏40088 10.4%03、山东38165 10.9%04、浙江27005 8.9%05、河南21165 11.5%06、河北20137 12.6%07、辽宁17500 11.6%08、上海16845 11.2%09、四川15567 10.1%10、湖北15456 14.2%11、湖南15027 12.6%12、福建13601 12.3%13、北京13004 10.6%14、安徽12000 10.9%15、内蒙10130 13.7%16、黑龙江10088 12.2%17、陕西10006 12.6%18、广西9150 12.4%19、天津9005 17.5%20、江西8724 11.8%21、吉林8460 12.0%22、山西8350 10.6%23、重庆7230 10.9%24、云南7002 12.2%25、新疆5026 11.8%26、贵州4274 11%27、甘肃3970 10.6%28、海南2014 15.5%29、宁夏1580 13%30、青海1342 14.5%31、西藏626 12.1%2010年各省人均GDP排名名次省份常驻人口（万人）人均GDP（元）01、上海1858 7720502、北京1633 7023403、天津1115 6339504、浙江5060 4489505、江苏7625 4390706、广东9449 3997807、内蒙古2405 3728708、山东9367 3589309、辽宁4298 3419310、福建3581 3310611、河北6943 2458312、湖北5699 2205013、黑龙江3824 2159314、河南9360 2107315、湖南6355 1935516、四川8127 1728917、安徽6118 1665618、广西4768 1657619、陕西3748 2049720、吉林2730 2590621、山西3393 2077922、重庆2816 2021923、新疆2095 1911924、宁夏610 1964225、海南845 1876026、青海552 1834627、江西4368 1592128、西藏284 1529429、云南4514 1368730、甘肃2619 1288231、贵州3975 9214各地区固定资产投资（不含农户）情况(2011年1-12月)2011.12.18 10:22:37各分地区表相同。

课程论文学生姓名：刘芳延学号：20111631013 系别班级：经贸系11统计专业（方向)：统计学题目：我国各地区财政支出结构分析2014年6月13日河北金融学院2011级spss课程论文毕业论文中文摘要（空2行）目次（4号黑体，居中）1 引言（或绪论）（作为正文第1章，小4号宋体，行距18磅，下同） (1)2××××××（正文第2章）…………………………………………………… Y 2.1 ××××××（正文第2章第1条）…………………………………………Y 2.2 ××××××（正文第2章第2条）…………………………………………Y 2.X××××××（正文第2章第X条）………………………………………… Y 3×××××（正文第3章）………………………………………………Y ………………………………………（略）X ×××××（正文第X章）………………………………………………………Y 结论…………………………………………………………………………………Y 参考文献………………………………………………………………………………Y 致谢………………………………………………………………………………Y 附录A ××××（必要时）…………………………………………………………Y 附录B ××××（必要时）…………………………………………………………Y 图1 ×××××（必要时）…………………………………………………………图2 ×××××（必要时）…………………………………………………………Y 表1 ×××××（必要时）…………………………………………………………Y 表2 ×××××（必要时）………………………………………………………… Y注：1. 目次中的内容一般列出“章”、“条”二级标题即可；2．X、Y表示具体的数字。

SPSS论文分析报告带数据关于城市经济引言本文旨在通过使用SPSS软件进行数据分析，探讨城市经济发展的相关因素，并结合实际数据给出分析报告。

城市经济的发展与各种因素密切相关，包括人口规模、GDP增长率、就业率、投资环境等等。

通过对数据的收集和分析，我们可以帮助政府部门和决策者更好地了解城市经济发展的现状和趋势，以及制定相应的政策和措施。

数据收集和描述统计为了进行城市经济发展的分析，我们收集了10个城市在过去5年的相关数据。

这些数据包括城市人口规模（单位：万人）、城市GDP增长率（单位：%）、城市就业率（单位：%）、城市投资环境评分（最高为10分）、城市工业产值（单位：亿元）等。

下面是收集的数据示例：城市人口规模GDP增长率就业率投资环境评分工业产值城市A 100 8.1 76.2 8.5 120城市B 150 7.5 78.5 7.9 200城市C 200 6.9 70.3 6.5 180城市D 120 9.2 74.8 8.3 150城市E 180 6.5 72.6 7.2 160城市F 130 7.8 76.5 8.1 140城市G 110 7.2 75.6 7.8 110城市H 190 8.5 73.4 8.7 170城市I 140 6.8 71.2 7.5 130城市J 160 7.6 77.9 7.7 190我们首先进行描述统计，以便对数据有一个整体的了解。

下面是城市经济相关指标的描述统计结果：•人口规模：平均人口规模为150万人，最大值为200万人，最小值为100万人，标准差为33.17万人。

•GDP增长率：平均GDP增长率为7.69%，最大值为9.2%，最小值为6.5%，标准差为0.83%。

•就业率：平均就业率为74.46%，最大值为78.5%，最小值为70.3%，标准差为2.47%。

•投资环境评分：平均评分为7.87分，最高评分为8.7分，最低评分为6.5分，标准差为0.84分。