房地产业在整个国民经济发展中的地位和作用分析SAS论.pdf

《房地产业在整个国民经济发展中的地位和作用分析SAS论.pdf》由会员分享，可在线阅读，更多相关《房地产业在整个国民经济发展中的地位和作用分析SAS论.pdf（10页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、wilyes11 收集博客(与学习无关)：http:/ 收集博客(与学习无关)：http:/ 1所示。表1 2006年我国各地国民经济与房地产业发展相关指标数据地区第一产业地区生产总值(亿元)第二产业地区生产总值(亿元)第三产业地区生产总值(亿元)资本形成总额(亿元)城镇居民人均全年家庭可支配收入（元）资金来源(万元)本年购置土地面积（万平方米）本年完成投资 额（万元）商品房销售面积（万平方米）北京98.04 2191.43 5580.81 3970.92 19977.52 31654692 295.0 17198650 2607.62 天津118.23 2488.29 1752.63 236

2、4.41 14283.09 7659100 905.2 4023184 1458.60 河北1606.48 6115.01 3938.94 5505.80 10304.56 5940799 1040.3 4815829 1817.94 山西276.77 2748.33 1727.44 2594.56 10027.70 2352960 415.1 2086231 791.46 内蒙古649.62 2327.44 1814.42 3466.11 10357.99 3201283 1309.7 3250196 1428.97 辽宁976.37 4729.50 3545.28 5003.32 1036

3、9.61 13002851 2316.9 11421948 3006.61 吉林672.76 1915.29 1687.07 2874.27 9775.07 3138404 686.5 3101571 974.91 黑龙江737.59 3365.31 2086.00 2334.84 9182.31 3436590 619.8 3213152 1482.71 上海93.80 5028.37 5244.20 4762.86 20667.91 21789082 524.6 12755938 3025.40 江苏1545.01 12250.84 7849.23 10673.86 14084.26 26

4、628947 2984.0 19067130 6101.15 浙江925.10 8509.57 6307.85 7297.05 18265.10 23605176 1891.1 15742756 3544.96 安徽1028.66 2648.13 2471.94 2786.53 9771.05 7266731 1693.5 6374464 2307.83 福建896.17 3743.71 2974.67 3637.46 13753.28 12609343 1693.3 7873624 2021.69 江西786.14 2320.74 1563.65 2355.02 9551.12 413068

5、4 932.9 3459564 1777.19 山东2138.90 12751.20 7187.26 10838.69 12192.24 14500987 3203.0 11853776 4172.21 河南2049.92 6724.61 3721.44 6343.94 9810.26 6903494 1561.9 5819517 2409.33 湖北1140.41 3365.08 3075.83 3591.39 9802.65 7062443 1107.9 5647563 2038.46 wilyes11 收集博客(与学习无关)：http:/ 3151.70 3084.96 3216.69

6、10504.67 6639737 1904.9 5560646 2021.61 广东1577.12 13431.82 11195.53 9621.48 16015.58 28911122 2493.3 18435134 5178.56 广西1032.47 1878.56 1917.47 2259.82 9898.75 4273087 1091.1 3699803 1502.61 海南344.48 287.86 420.51 497.36 9395.13 1127453 408.4 892554 203.43 重庆425.81 1500.97 1564.79 2206.79 11569.74 8

7、242335 1467.7 6296690 2228.46 四川1595.48 3775.19 3267.14 4150.62 9350.11 12380762 2488.8 9144961 4100.15 贵州393.17 980.78 908.05 1174.77 9116.61 2711605 787.0 1867933 880.95 云南749.81 1712.60 1544.31 2386.22 10069.89 4100750 1254.1 3321513 1693.07 西藏50.90 80.10 160.01 241.22 8941.08 113365 52.9 89022 5

8、7.10 陕西488.48 2440.50 1594.76 2798.67 9267.70 4327439 460.3 3948602 1116.51 甘肃333.35 1043.19 900.16 1090.73 8920.59 1098991 199.1 977206 515.48 青海69.64 331.16 240.78 427.63 9000.35 357658 47.5 311794 119.69 宁夏79.54 349.83 281.39 528.47 9177.26 741053 219.2 769437 379.99 新疆527.80 1459.30 1058.16 1932

9、.64 8871.27 1446593 518.7 1208786 892.41 二、典型相关分析及其基本思想1、典型相关分析的基本思想是首先分别在每组变量中找出第一对线性组合：(1)使其具有最大相关。称（v1，w1）为第一对典型相关变量，他们之间的相关系数 r（v1，w1）简记为 r1。2、然后再在每组变量中找出第二对线性组合：(2)使（v1，w1）与（v2，w2）相不相关，第二对线性组合本身具有次大相关性。称（v2，w2）为第二对典型相关变量。3、如此继续下去，直至进行到r 步，两组变量的相关性被提取完为止。rmin(m，n)，可以得到 r 组变量。各对典型相关变量所包括的相关信息不交叉，

10、且满足：各 vi 和 wi 的均值都为 0，方差都是 1。三、典型相关分析过程（1）源代码：wilyes11 收集博客(与学习无关)：http:/ data1;input name$X1-X5 Y1-Y4;cards;北京 98.04 2191.43 5580.81 3970.92 19977.52 31654692 295.017198650 2607.62 天津 118.23 2488.29 1752.63 2364.41 14283.09 7659100 905.24023184 1458.60 河北 1606.48 6115.01 3938.94 5505.80 10304.56 59

11、407991040.3 4815829 1817.94 山西 276.77 2748.33 1727.44 2594.56 10027.70 2352960 415.12086231 791.46 内蒙古649.62 2327.44 1814.42 3466.11 10357.99 32012831309.7 3250196 1428.97 辽宁 976.37 4729.50 3545.28 5003.32 10369.61 13002851 2316.911421948 3006.61 吉林 672.76 1915.29 1687.07 2874.27 9775.07 3138404 686

12、.53101571 974.91 黑龙江737.59 3365.31 2086.00 2334.84 9182.31 3436590619.8 3213152 1482.71 上海 93.80 5028.37 5244.20 4762.86 20667.91 21789082 524.612755938 3025.40 江苏 1545.01 12250.84 7849.23 10673.86 14084.26 266289472984.0 19067130 6101.15 浙江 925.10 8509.57 6307.85 7297.05 18265.10 23605176 1891.1157

13、42756 3544.96 安徽 1028.66 2648.13 2471.94 2786.53 9771.05 72667311693.5 6374464 2307.83 福建 896.17 3743.71 2974.67 3637.46 13753.28 12609343 1693.37873624 2021.69 江西 786.14 2320.74 1563.65 2355.02 9551.12 4130684 932.93459564 1777.19 山东 2138.90 12751.20 7187.26 10838.69 12192.24 145009873203.0 1185377

14、6 4172.21 河南 2049.92 6724.61 3721.44 6343.94 9810.26 69034941561.9 5819517 2409.33 湖北 1140.41 3365.08 3075.83 3591.39 9802.65 70624431107.9 5647563 2038.46 湖南 1332.23 3151.70 3084.96 3216.69 10504.67 66397371904.9 5560646 2021.61 广东 1577.12 13431.82 11195.53 9621.48 16015.58 289111222493.3 18435134

15、5178.56 广西 1032.47 1878.56 1917.47 2259.82 9898.75 42730871091.1 3699803 1502.61 海南 344.48 287.86 420.51 497.36 9395.13 1127453 408.4 892554wilyes11 收集博客(与学习无关)：http:/ 重庆 425.81 1500.97 1564.79 2206.79 11569.74 8242335 1467.76296690 2228.46 四川 1595.48 3775.19 3267.14 4150.62 9350.11 123807622488.8 9

16、144961 4100.15 贵州 393.17 980.78 908.05 1174.77 9116.61 2711605 787.01867933 880.95 云南 749.81 1712.60 1544.31 2386.22 10069.89 4100750 1254.13321513 1693.07 西藏 50.90 80.10 160.01 241.22 8941.08 113365 52.9 89022 57.10 陕西 488.48 2440.50 1594.76 2798.67 9267.70 4327439 460.33948602 1116.51 甘肃 333.35 10

17、43.19 900.16 1090.73 8920.59 1098991 199.1977206 515.48 青海 69.64 331.16 240.78 427.63 9000.35 357658 47.5 311794 119.69 宁夏 79.54 349.83 281.39 528.47 9177.26 741053 219.2 769437 379.99 新疆 527.80 1459.30 1058.16 1932.64 8871.27 1446593 518.71208786 892.41;proccancorrdata=data1 redwregvprefix=v wprefi

18、x=w out=outdata1;var X1-X5;with Y1-Y4;procprintdata=outdata1;var V1 W1 X1-X5 Y1-Y4;procplotdata=outdata1 vpct=60;plot W1*V1$name=*/vref=0href=0vpos=30hpos=60;run;（2）输出结果：图 1 典型相关系数wilyes11 收集博客(与学习无关)：http:/ 2 检验第 i 个及以后的典型相关系数为0 的结果（i=1,2，3,4）图 3 两组变量的原始典型相关系数wilyes11 收集博客(与学习无关)：http:/ 4 两组变量的标准化典

19、型相关系数图 5 典型结构wilyes11 收集博客(与学习无关)：http:/ 6 典型余分析图 7 典型变量的得分wilyes11 收集博客(与学习无关)：http:/ 8 第一对典型变量得分的散布图(3)结果分析：由图 2 可看出，设()0iH：i=0（i=1,2,3），即第 i 个及以后所有典型相关系数均为0 的结果中，在“1”所有行中，可得似然比）（Likelihood Ratio）为 0.00669536，近似 F 值（Approximate F Value）为 13.03，相应的显著性概率 P 值（PrF）为0.001，故在显著性水平问为0.01 下，认为可以拒绝原假设（第一典型

20、相关系数为0 的假设）。依次类推，可看出 X 变量与 Y 变量之间有显著的交互效应。由（两组变量的标准化典型相关系数）图可以得到第一对和第二对标准化典型变量为：v1=-0.1700X1-1.0543X2+1.1444X3+0.5813X4+0.3523X5 w1=1.4641Y1-0.0219Y2-0.3153Y3-0.1901Y4 v2=0.2912X1-0.0639X2-0.3269X3+1.1371X4-0.5114X5,w2=-2.6860Y1+0.2021Y2+2.1181Y3+0.8107Y4 来自第一组变量的第一典型变量V1 主要代表 X3（即第三产业地区生产总值），wilyes

21、11 收集博客(与学习无关)：http:/ 代表 Y1（资金来源总额）。同理利用标准化变量写出 V2、W2、V3 和 W3 的表达式；从典型结构图，可以看出原始变量与典型变量之间的相关关系。如 X3 与 V1 的相关系数是 0.8420，Y1 与 W1 的相关系数是0.9842，依次类推。从原始变量与典型变量间的相关系数可以看出：Y1 与 W1之间的相关系数最大，X3 与 V1 之间的相关系数次之。即在典型变量W1 所提取的相关信息中，Y1 的贡献最大，即资金来源总额占相当的比重；在典型变量V1 所提取的相关信息中，X3 的贡献最大，即国民经济发展主要来自第三产业地区生产总值。V1 与 X3，X5 的相关系数较大，分别为0.8420和 0.9363，说明其具有较强的预测能力。因第一典型变量与第三产业地区生产总值、城镇居民人均全年家庭可支配收入密切相关，因而这两部分与房地产业联系紧密，房地产业对这两部分有较大的带动作用。四、结语典型相关分析的基本思想和方法在日常问题、统计研究等方面有很多的应用。本次论文采用典型相关分析对国民经济与房地产发展之间的关系进行了研究，限于水平在研究的分析过程中花费了不少时间，以后还待加强学习。同时通过本次写论文的过程更加认识到SAS 软件在数据处理领域的便捷。参考文献：数据分析方法，梅长林，范金城，高等教育出版社