spss操作-基于BP神经网络的我国规模以上工业企业资产总值预测模型.docxVIP

首先声明：师姐的论文小师弟小师妹们不要抄哦，会被认出来哦~ PAGE \* MERGEFORMAT- 0 - 基于BP神经网络的我国规模以上工业企业 资产总值预测模型 摘 要 本文首先基于因子分析原理在spss中对2000年至2013年中国所有规模以上工业企业总资产相关数据进行因子分析，分析每年因子得分结果得出了中国自2000以来规模以上企业资产发展状况的初步分析。其次基于神经网络分析方法，对中国2000年到2013全国工业企业资产总额的时间序列数据进行分析，以2000年至2012年之间的规模以上企业资产总额作为训练数据，模拟并预测了2013年的全国规模以上工业企业的资产总额，在根据相关指标走势进行分析后对参数进行调整，最终得出了较为准确的估计结果。 关键词：规模以上工业企业；资产总额；BP神经网络；因子分析；spss；预测； 引言 工业发展状况是我国经济发展的一项重要指标，中国国家统计局每年都要对我国不同地区相关工业企业的发展情况进行调查统计，最终将结果出示在中国国家统计局统计年鉴中。而规模以上企业的资产运营状况在中国所有的企业中，占有一定程度主导经济走向的地位。国家统计年鉴中对于规模以上工业企业的资产运营数据（完整统计）是自1999年起的，在本文中我们选取2000年及以后的数据作为分析对象。所选择的数据是有时间序列数据（2000至2013年数据）与截面数据（包含1个工业企业资产指标）构成的面板数据。 从统计数据来看，我国规模以上企业工业每年的指标变化程度不一，每一样指标对该企业资产运营状况的影响程度不同，但这些数据总体呈现上升趋势。 因子分析法是用来分析每一年全国规模以上工业企业资产总运营情况的，随着时间的变化，我国的规模以上工业企业资产运营究竟是在走上坡路还是下坡路，是在不断提速还是减速，经过因子分析之后，就可以根据每一年针对反映资产运营状况的只要因子得分来做出科学判断了，这就是第一步要完成的任务。 而神经网络分析方法则是一种基于计算机快速学习记忆功能的数据处理方法，利用神经网络分析的学习功能，我们可以实现对特定数据的趋势预测。比如将我国2000年至2012年的全国工业企业资产总计额作为训练数据，进行合理的神经网络预测，最终得出2013年的全国工业企业资产总计预测数据。在本文中我们就将进行尝试，并对针对结果的准确性进行分析。从经济发展角度来讲，如果能够较为精确的通过神经网络模型预测工业数据，将会为国家经济计划的制定提供多一种可参考的指标。 本文的创新之处在于站在时间序列的角度进行因子分析评分，从而评价每一年份我国规模以上工业企业的资产运营状况，并且在分析基础上加入了神经网络模型的预测功能，使得现有的数据可以作为预测之后资产总额的基础，从而产生一定的分析价值。 模型方法 （一）知识准备 （1）规模以上企业 国家对不同行业的企业都制订了一个规模要求，达到规模要求的企业就称为规模以上企业，规模以上工业企业在2010年之前是指年主营业务收入在500万元及以上的 HYPERLINK /view/10873.htm \t _blank 法人工业企业；2011年是指年主营业务收入在2000万元及以上的法人工业企业。 （2）因子分析 因子分析法是通过对样本相关阵的内部依赖关系的研究，将一些具有一定关系的变量或样本归结为较少的几个不可观测的综合因子(又称主因子)的多元统计分析方法。首先由相应计算确定主因子的个数，建立因子模型，如果求出主因子解后，各个主因子的解释力度不够，还需要进行因子旋转，以得到一个更有解释意义的因子结构，最后应用因子分析模型去评价每年的中国规模以上企业资产总额在整个模型中的地位，即进行综合评价。 （3）BP神经网络 神经网络作为一门新兴的信息处理科学，是对人脑若干基本特性的抽象和模拟。它是以人的人脑运作模式为基础，研究自适应及非程序的信息处理方法。这种运作机制的特点表现为通过网络中人量神经元的作用来体现它白身的处理功能，从模拟人脑的结构和单个神经元功能出发，达到模拟人脑处理信息的目的，目前它在国民经济和国防科技现代化建设中神经网络具有广阔的应用领域和发展前景，在当今社会，BP神经网络是现实应用中最为广泛的。 本文将应用BP神经网络的预测功能进行规模以上工业企业数据分析。 （二）因子分析 第一步：在spss中对初始2000年至2013年我国规模以上工业企业资产经营数据 数据来源与《 数据来源与《2013年中国统计年鉴》 第二步：在spss中对数据进行因子分析指令。具体点击相关因子分析部分的操作项目，使得最终输出结果中包含最终主要因子的因子载荷，经过因子旋转后因子的贡献率、每一年份地因子得分，最终计算每一年综合得分； 第三步：对所得结果进行分析并绘制每一年份综合得分折线图、综合得分变化率折线图，对图形走势进行相