sas国内生产总值分析.docx

必威体育精装版 精品 Word 欢迎下载 可修改 国内生产总值分析 **GDP不仅能够反映一个国家〔或地区〕的生产规模，而且能够反映这个国家的产业结构，如三大产业在整个国民经济中所占的份额。本论文将运用SAS技术，采用均值比较正态分布检验方差分析相关分析以及回归分析等方法对第一二三产业进行分析，从而更加深刻的理解第一二三产业之间的相互关系和影响以及其对GDP的重大奉献。 关键字：三大产业 GDP 均值比较 正态性检验 方差分析 相关分析 回归分析 一前言 国内生产总值(Gross Domestic Product,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正确指标。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。GDP是最重要的宏观经济统计指标之一，它是人们了解和把握一个国家(或地区)的宏观经济运行状况的有效工具，是制定经济政策的重要依据，也是检验经济政策科学性和有效性的重要手段。因此，从生产者角度来说，分析了解三大产业之间的结构是非常重要的。 二第一二三产业分析 2.1 均值比较 为了了解三大产业之间的差异和结构，对三大产业进行均值比较，以对三大产业有初步的了解。 如下列图。如此，可以得出：第二产业，即工业和建筑在我国的国民经济中，起着主导地位。随着经济的开展，我国的第三产业，即：除第一二产业以外的其他各业，位居第二。通过观察我们发现，第三产业的最大值与最小值的差值到达了25970，故我们可以预测，随着科技的进步，经济的开展以及人们思想的转变，第三产业的开展拥有无限潜力。 2.2正态性检验 因为，本文的样本数量小于2022，为了更好的了解自1952至2022年三大产业每年的开展情况，对三大产业进行了正态性检验。 性检验 从上图的正态检验看，ShapiroWilk的W值为0.647778太小，其检验的显著性水平小于α值0.05，即拒绝原假设H0假设，说明数据根本上不属于正态分布。因此，我们可以得出第一产业自1952年——2022年，其数据不属于正态分布。 〔如果数据呈现正态性，正态概率图中的*点应该覆盖+号，因为*号线表示数据实际的“分布线〞，“+〞号线表示理论上要求的“正态线〞〕因此，得出第一产业的自1952至2022年的数据为非正态分布。 〔第二产业正态检验数据〕 从上图的正态检验看，ShapiroWilk的W值为0.58483太小，其检验的显著性水平小于α值0.05，即拒绝原假设H0假设，说明数据不属于正态分布。 〔第二产业正态分布检验图〕 〔如果数据呈现正态性，正态概率图中的*点应该覆盖+号，因为*号线表示数据实际的“分布线〞，“+〞号线表示理论上要求的“正态线〞〕因此，第二产业的自1952至2022年的数据为非正态分布。 〔第三产业正态检验数据〕 从上图的正态检验看，ShapiroWilk的W值为0.591922太小，其检验的显著性水平小于α值0.05，即拒绝原假设H0假设，说明数据不属于正态分布。 〔第三产业正态检验图〕 〔如果数据呈现正态性，正态概率图中的*点应该覆盖+号，因为*号线表示数据实际的“分布线〞，“+〞号线表示理论上要求的“正态线〞〕因此，得出第三产业的自1952至2022年的数据为非正态分布。 2.3双因素方差分析 从图中，我们可以得知：a模型的显著水平α=0.050.0001，非常显著，模型效果好。 b图中的i因素一行，显著水平α=0.050.0001，非常显著，所以，有足够充分的理由拒绝原假设H0，说明各年之间有显著的差异。 同理，我们分析道，对于g行显著水平α=0.050.1313,显著性不好。同时，我们也观察到RSquare值为0.98466，说明总体方差有98.466%是来自组间变异，非常理想。 综上所述，每年各产业之间的具有显著的差异。 2.4皮尔逊相关系数分析 为了了解第一二三产业与国内生产的相关性，于是进行了其进行了皮尔逊相关系数分析，同时，通过对三大产业与国内生产总值的相关性的分析，为后面做关于国内生产总值的回归奠定根底。分析结果如下： 如下列图，国内生产总值也第一产业的相关系数为：0.99591，且“当H0：Pho=0时，Prob |r|〞的概率值0.00010.05，非常显著，所以第一产业与国内生产总值有非常强的皮尔逊相关。同理，国内生产总值也第二产业的相关系数为：0.99925，且“当H0：Pho=0时，Prob |r|〞的概率值0.00010.05，非常显著，所以第二产业与国内生产总值有非常强的皮尔逊相关。国内生产总值也第三产业的相关系数为：0.99873，且“当H0：Pho=0时，Prob |r|〞的概率值0.00010.05，非常显著，所以第一产业与国内生