钢铁产量及其相关因子的计量分析--大学毕业设计论文.doc

《钢铁产量及其相关因子的计量分析--大学毕业设计论文.doc》由会员分享，可在线阅读，更多相关《钢铁产量及其相关因子的计量分析--大学毕业设计论文.doc（21页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、铜陵学院毕业论文（设计）学 号1006131012毕 业 论 文课 题 钢铁产量及其相关因子的计量分析 学生姓名 何 庆 威 院 部 数学与计算机学院 专业班级 10级数学与应用数学 指导教师 张照生 二一四年 六 月插图清单图1-1 钢铁及其相关因素的产量随时间变化折线图图1-2 SPSS工作表标量定义设定图图1-3 SPSS工作表数据录入图图1-4 SPSS软件拟合过程图图1-5 模型一拟合结果图图2-1 E views软件数据录入图图2-2 线性模型回归曲线图图2-3 线性模型残差图图2-4 OLS法估计结果图图2-5 线性模型逐步回归结果图 表格清单表1-1 我国历年钢铁产量影响因素统

2、计表表1-2 指数函数模型整理表表1-3 模型预测值与实际值比较整理表表2-1 逐步回归计算结果整理表表2-2 线性模型预测结果整理表 钢铁产量及其相关因子的计量分析何庆威（铜陵学院，数学与应用数学，1006131012）摘 要 本文用中国2004-2013年间钢铁生产的相关要素数据，并考虑国家政策以及市场经济的影响，通过构建指数函数模型和SPSS分析软件对钢铁产量及其相关因子随时间变化的情况进行了分析和预测；通过逐步回归和加权最小二乘回归等经典单方程计量分析方法，构建了一个统计特征合理的中国钢铁生产函数，并通过构建的模型推测出粗钢产量和固定资产投资对我国钢铁产量具有显著影响。然后应用的得到的

3、模型和结论对我国的钢铁产量及其相关因子进行较为准确的预测分析和提出一些指导建议。【关键词】：生产函数；钢铁产量；指数函数模型；SPSS分析软件；逐步回归；计量分析模型Steel production is measured and related factorsH e q i n g w e i(Tong ling College,Mathematics and Applied Mathematics,1006131012) Abstract In this paper, the relevant elements of data between 2004-2013 Chinese steel

4、 production, and consider the impact of national policies and the market economy, the situation exponential model by building and SPSS analysis software for steel production and its related factors change over time were analyzed and forecasting; through stepwise regression analysis and measurement o

5、f the weighted least squares regression and other classic single equation to construct a reasonable statistical characteristics of Chinese steel production function and built by the model inferred crude steel production and fixed asset investment in Chinas steel production have a significant impact.

6、 Then the application of the model and conclusions on Chinas steel production and its related factors more accurate predictive analysis and put forward some recommendations for guidance.【Key words】:Production function Steel production Exponential function model SPSS analysis software Stepwise regres

7、sion Quantitative Analysis Model引言 生产函数是指在一定时期内，在技术水平不变的情况下，生产中所使用的各种生产要素的数量与所能生产的最大产量之间的关系。生产函数可以用一个数理模型、图表或图形来表示：就是一定技术条件下投入与产出之间的关系，在处理实际的经济问题时，生产函数不仅是表示投入与产出之间关系的对应，更是一种生产技术的制约。为什么要对生产函数进行计量分析，这已经是一个不成问题的问题了。过去那种纯粹思辨性质的经济学使人难辨真伪，公说公有理婆说婆有理，甚至存在着逻辑错误。当代经济学的数学建模建立在一定的假设前提下，虽然基本消除了逻辑错误的可能，但有可能脱离现实，

8、得出不科学的结论。实践是检验真理的唯一标准，所以要对生产函数进行计量分析，对经济理论进行实证检验。很多时候理论分析的结果取决于两种或者多种经济变量的相互作用和相互影响，而计量分析可以量化这种作用力，比较大小强弱，从而得出较为科学的结论。 论文以中国的钢铁产量为例，通过统计学等数学方法对影响钢铁产量的七大因素：粗钢产量，发电量，固定资产投资，国内生产总值，铁路运输量，建筑业总产值，国家财政支出进行系统精确的计量分析。通过建立指数函数模型来分析钢铁产量及其相关的七个因子随时间的变化情况，从而得出对我国钢铁生产产量增长和其相关的七个因子之间的干系，并给出相关适当的建议。 我国现今正处在经济告诉发展时

9、期，为尽快实现现代化，我们的日常生活已经离不开钢铁了。钢铁行业是我国支柱型产业之一，作为基础性产业，其发展与我国宏观经济调控密切相关，是我国经济发展的一条命脉，与人民的生活水平和生活质量息息相关，所以研究我国钢铁的生产函数的计量分析拥有积极的意义。那么我国钢铁的产量到底和哪些因素有关呢？本文选取了粗钢产量，发电量，固定资产投资，国内生产总值，铁路运输量，建筑业总产值，国家财政支出七个主要因素进行计量分析，通过建立模型并进行回归分析，试图说明对我国钢铁产量的影响。第一章钢铁产量随时间变化指数模型分析表1-1 我国历年钢铁产量影响因素统计表年份钢铁产量(万吨)粗钢产量1(万吨)发电量 2(亿千瓦时

10、)固定资产投资 3(亿元)200428，29127，27821，87070，073200535，31035，23924，74788，604200642，26641，22528，344109，870200748，96647，43232，777137，239200853，90750，09234，668172，291200958，72454，68937，996217，734201063，04559，09639，011250，279201168，81564，69642，875289，923201273，33068，19045，609326，715201378，25374，05848，204367，81

11、1年份国内生产总值 4 (亿元)铁路运输量5 (万吨)建筑业总产值 6 (亿元)国家财政支出 7 (亿元)2004136，515216，96127，74528，4862005182，321230，92034，55233，9302006209，407244，39541，55740，4222007246，619261，23951，04349，7812008300，670273，93262，34662，5922009358，225287，34374，56871，3802010380，977308，23880，43479，5462011424，830326，17299，39089，4012012472

12、，934340，956106，27898，4362013513，478352，898113，789103，270（数据来自中国统计年鉴 中国统计出版社2004 - 2013年）1.1模型的准备知识形如 Y=ax 的函数称为指数函数。其中a为任意的正常数，并且设a1.（1） 指数函数的定义域为C，这里的前提是a大于0且不等于1。对于a不大于0的情况，则必然使得函数的定义域不连续，因此我们不予考虑，同时a等于0函数无意义一般也不考虑。（2） 指数函数的值域为C。（3） 函数图形都是下凹的。（4） a1时，则指数函数单调递增；若0a1，则为单调递减的。1.2 作图分析图1-1 钢铁及其相关因素的产量

13、随时间变化折线图从钢铁及相关因素的产量随时间变化折线图中可以看出，我国的钢铁产量、粗钢产量、发电量、固定资产投资、国内生产总值、铁路运输量、建筑业总产值、国家财政支出从2004到2013年均有不同程度的增长，尤其以钢铁产量、粗钢产量、国内生产总值增长的程度最为显著。如钢铁及相关因素的产量随时间变化折线图所示，钢铁及其相关因素的产量呈现明显增长趋势。在一般情况下，钢铁及其相关因素各年变化之间有一定的影响和联系，因此，我们可以拟合曲线函数模型来对它们的变化进行分析。通过比较几种常见的函数模型，可以发现指数函数对钢铁及其相关因素随时间的产量变化较为理想，尤其是钢铁产量、粗钢产量、国内生产总值（其他几

14、个因素由于纵坐标较大看起来不是那么明显），因此，我们采用指数函数模型来对钢铁产量随时间的变化情况进行预测和分析。1.3 SPSS软件分析应用 SPSS 13.0分析软件建立钢铁及相关因素的产量随时间变化指数函数模型过程如下：选用SPSS 13.0中得Curve Estimation命令可以方便拟合出钢铁及相关因素的产量随时间变化指数函数模型，步骤如下：1.3.1进入变量工作表定义好变量的名称、类型、数据宽度、小数位数、变量标签等。在此处，定义变量的名称为t ：时间变量，小数位为0，W g t :钢铁产量，小数位数为2。这里，两个变量的数据类型均为数值型，宽度为8个字节。如图所示：图1-2 SP

15、SS工作表标量定义设定图1.3.2进入数据工作表开始录入数据，如下图所示：图1-3 SPSS工作表数据录入图1.3.3拟合钢铁产量随时间变化的指数函数模型。利用SPSS 13.0分析软件，依次点击Analyze RegressionCurve Estimation,进入Curve Estimation对话框之后，将对应的变量选入变量框，在下面的Models框中选中Exponent选项，然后点击o k ，整个拟合过程结束。如下图所示：图1-4 SPSS软件拟合过程图1.3.4结果输出与分析，通过以上几个步骤后，可以得出指数函数模型拟合的结果，其中部分结果如下图所示： 模型参数拟合部分：Model

16、 Summary and Parameter EstimatesDependent Variable : wThe Independent Variable is t.图1-5 模型一拟合结果图结果分析：从以上部分输出结果可以得出钢铁产量随时间变化的指数函数模型为： 指数函数模型一 ： W g t = 29315.157 * exp ( 0.106 * t ) .至此，对钢铁产量随时间的变化的拟合指数函数模型的过程全部完成。 1.4 分析结果应用指数函数模型预测分析钢铁产量及其相关因素随时间的变化情况。通过对以上1.3的分析，将分析结果总结如下表所示：表1-2 指数函数模型整理表 指数函数模型

17、 复决定系数R2 F值模型一：W g t = 29315.157 * exp ( 0.106 * t ) 0.950 153.474从表中整理的结果可以知道，指数函数模型一的复决定系数为0. 950 ，而F值为 153. 474，所以可以看出模型并不是非常显著的，因此我们再用这个指数函数模型预测一下钢铁产量随时间的变化情况来进行验证，预测结果如下表所示：表1-3 模型预测值与实际值比较整理表年份2004200520062007200820092010201120122013t值12345678910钢铁产量28，29135，31042，26648，96653，90758，72463，04568

18、，81573，33078，253模型一预测值32，59336，23840，29044，79549，80455，37461，56668，45076，10484，614从表中可以看出2004年钢铁产量实际值为28291，而指数函数模型的预测值为32593，明显偏大；同理，2005年、2006年、2007年、2008年、2009年、2010年、2011年、2012年、2013年钢铁产量的实际值和指数函数模型的预测值均有不同程度的偏差，并且从2012年开始，指数函数模型的预测值比钢铁产量的实际值要大很多，并且根据指数函数的性质可以推测以后年份模型的预测值与钢铁产量的实际值的差值会越来越大。综上所述，可

19、以看出指数函数模型对钢铁产量的预测并不准确，模型建立不成功。究其原因，可能是因为模型只是单纯的从时间与产量的关系上进行分析，而我们知道，在现实钢铁生产过程中，影响钢铁产量的的因素有很多，单从时间来分析钢铁的产量显然是片面的，所以才会出现预测值与实际值偏差过大的情况。因此，接下来，我们将从粗钢产量，发电量，固定资产投资，国内生产总值，铁路运输量，建筑业总产值，国家财政支出这七个与钢铁产量息息相关的因素入手，分析它们与钢铁产量之间的具体关系，建立数学模型，对钢铁产量做出较为正确的分析和预测。第二章相关因子对钢铁产量的影响的线性模型分析我们已经通过建立指数函数模型，从时间与钢铁产量的关系上做出了分析

20、和预测，分析和预测的结果并不理想，正如上文所述，模型建立失败的原因是只从时间与钢铁产量的关系这个角度上进行分析显然是不全面、不科学的。因为粗钢产量、发电量、固定资产投资、国内生产总值、铁路运输量、建筑业总产值、国家财政支出等因素对钢铁产量的影响非常大，从这七个因子与钢铁产量的关系这个角度上进行分析要比单从钢铁产量与时间的关系这个角度上分析要更加全面和充实。那么粗钢产量、发电量、固定资产投资、国内生产总值、铁路运输量、建筑业总产值、国家财政支出这七个因子对因变量钢铁产量的影响是什么样的呢？如何利用这七个因子对钢铁产量进行正确的预测呢？根据生产函数的计量分析的一般方法，我们通常采用设定线性生产函数

21、，通过逐步回归和加权最小二乘回归等经典单方程计量分析方法来进行试探性的分析，具体步骤如下：2.1 模型建立模型设定采用线性生产函数：=a+a11+a22+a33+a44+a55+a66+a77+;其中：钢铁产量：万吨，1 : 粗钢产量：万吨，2：发电量：亿千瓦时，3：固定资产投资：亿元，4：国内生产总值：亿元，5：铁路运输量：万吨，6：建筑业总产值：亿元，7：国家财政支出：亿元；ai,i=1,2,7,表示各变量的系数；表示不确定因素带来的随机误差。2.2 E views 软件分析2.2.1为了更好地进行计量分析，本文应用了E v i e w s软件来进行数据的处理和分析，首先键入数据，数据录入

22、过程如下图所示：图2-1 E views软件数据录入图2.2.2为了让数据之间的关系表现得更加清晰，作出相应的回归曲线和拟合图与残差图如下：图2-2 线性模型回归曲线图图2-3 线性模型残差图2.2.3由图形可以看出模型存在多重共线性，因为出现了多个变量的相关性，因此用OLS法建立估计模型，结果如下：图2-4 OLS法估计结果图其中F检验的过程如下：F检验，最常用的别名叫做联合假设检验，是一种在零假设之下，统计值服从F-分布的检验，通常用来分析用了超过一个参数的统计模型，以判断该模型中的全部或一部参数是否适合用来估计母体。主要通过比较两组数据的方差 S2，以确定他们的精密度是否有显著性差异。至

23、于两组数据之间是否存在系统误差，则在进行F检验并确定它们的精密度没有显著性差异之后，再进行t检验。这里以2004、2005年的样本为例来进行F检验。2004年的样本一为（28291,27278，21870，70073，136515，216961，27745，28486），2005年的样本二为（35310,35239,24747,88604，182321,230920,34552,33930），通过计算样本一的方差S小2=（28291-69652）2+（27278-69652）2+（21870-69652）2+（70073-69652）2+（136515-69652）2+（216961-6965

24、2）2+（27745-69652）2+（28486-69652）2/7=4426377927，同理计算出样本二方差S大2=5559999728，所以F=S大2 /S小2=1.256105967，自由度为7，查表得F=0.10（7,7）=2.78，因为F t0.05(9),|t2| t0.05(9),|t3|t0.05(9),|t5|t0.05(9),|t6|t0.05(9), |t7|t0.05(9).所以模型的F检验显著不明显，并且解释变量的t检验除了3，其他都不显著。由于多重共线性造成模型t检验可靠性降低和系数估计误差的增大，因此用逐步回归法建模。2.3 逐步回归原理建立模型由与之间的系数

25、关系以及回归曲线可知与各变量之间是线性关系，由于与1之间的线性关系最强，所以建立： =a+a11+为基本模型，将其余变量逐个代入模型，分析过程如下表所示：表2-1 逐步回归计算结果整理表模型aa1a2a3a4a5a6a7R2=F(,1)-2540.0471.10590.9926=F(1,3)-936.4381.03470.01040.9930=F(1,4)-936.43751.034760.0104060.99297=F(1,6)-4.9815270.966185 0.0688350.992596=F(1,7)1484.9350.8454940.1456340.992559=F(2,3)-12

26、251.231.929292-0.0047290.992218=F(5,6)-54247.710.406538-0.0888030.962354=F(123)-9164.0910.4364921.196411-0.054930.992032=F(234)-9649.1091.493682-0.0558540.0712690.992056=F(1234)-6368.4050.4290540.780612-0.0553530.0700710.9938102.3.1先建立一元回归模型 2.3.2向 模 型 引入t值 较大 的 变 量3，4,6,7建 立 模 型，在 以 上 模 型 中，引入的 变 量

27、的t检验为显著，因此不将其剔 除。但是3的t值最大，而且R方值也是最大，因此=F(1,3)为当前的最优模型。 2.3.3再 向 模 型=F(1,3)中引入变量2，此时3的t检验值不显著，引入其他变量也是如此，因此逐步回归过程停止，模型=F(1,3)为最优的模型。由下图： 图2-5 线性模型逐步回归结果图可知我国钢铁的生产函数为=-936.4375+1.0347661+0.0104063.年份2004200520052006200720082009201020112012钢铁产量28，29135，31042，26648，96653，90758，72463，04568，81573，33078，25

28、3模型预测值28，01936，44942，86549，57252，69157，91962，81869，02573，02479，5242.4 线性函数模型预测检验利用得到的线性函数模型对钢铁产量进行预测，预测结果如下表所示：表2-2 线性模型预测结果整理表从表中可以清晰的看出线性函数模型预测的结果和钢铁产量的实际值基本吻合，所以利用线性函数模型对钢铁产量的分析是可行的。第三章结论分析和预测本文试图对我国的钢铁产量的生产函数进行计量分析，通过对2004到2013年这十年钢铁产量数据的作图分析，确定了建立指数函数模型的思路。然而建立指数函数模型进行分析和预测后，发现模型对钢铁产量的预测值和实际值之间

29、有很大的偏差，预测结果很不理想，这说明这个指数函数模型的建立是不合理、不成功的。因为在实际的钢铁工业生产中，对钢铁产量产生影响的因素非常之多，所以单从时间与钢铁产量的关系这个角度上建立模型对钢铁产量进行分析，显然是不合理、不科学的。通过查找文献资料，本文确定了粗钢产量、发电量、固定资产投资、国内生产总值、铁路运输量、建筑业总产值、国家财政支出这七个可能对钢铁产量有很大影响的因素。既然从时间角度上建立指数函数分析钢铁产量行不通，那我们就从这七个与钢铁产量有很关系的因素入手，通过建立线性函数模型进行回归分析，找到对钢铁产量影响最大的因素，并对钢铁产量进行较为正确的分析和预测。 而利用线性函数模型和

30、逐步回归的方法以及E v i e w s软件的科学分析，通过对相关因子对钢铁产量的影响程度的分析可以看出粗钢的产量对钢铁的产量的影响是最明显的，很正常，粗钢作为钢铁生产的原材料对钢铁的产量自然有这举足轻重的影响。固定资产的投资是仅次于粗钢的另一个与钢铁产量紧密相关的因素。然而，可以看出发电量和铁路运输量与钢铁产量的相关性并没有我们想象中那么强。通过进一步分析，近几年我国钢铁生产一直存在着产能过剩的情况，近些年金融危机对我国的钢铁产业也造成了不小的打击，但是全社会对电量的需求不会减少，因为居民的生活，工厂企业的生产都对电量有很大的需求，经常会发生供电不足的情况。铁路的运输量也是这样，始终保持着迅

31、猛的发展势头。 对于产能过剩这一 观点我们需要用辩证的眼光进行看待，目前我国钢铁工业存在的主要问题是结构不合理，这是制约钢铁工业健康、可持续发展的主要障碍。过剩与短缺并存是现阶段钢铁工业进行产业结构调整不可逾越的发展阶段。实际上，产能过剩打击的只是一些实力薄弱的钢铁生产企业和一些竞争力很小的私人企业、民办企业、不具备创新能力的企业。而真正具备实力和国际竞争力和影响力的企业还十分缺乏。 因而可以看出在我国经济形势一片大好的形势下还是有很多潜在的隐患的。虽然我国的钢铁产量、发电量、铁路运输量等经济命脉的发展呈增长趋势，但是主要是是靠固定资产投资的支持，即国家政策的扶持，这对企业本身的发展可谓是一把

32、双刃剑，既有利又有弊，这种发展模式并不是长远之计。不光是钢铁产业，我国的大部分企业想要获得长足的发展，必须从提高企业自主创新能力入手，企业应该引进优秀的人才，对技术进行不断的革新，从而提高自己的市场竞争力。唯有如此中国的经济发展才能长盛不衰。参考文献（1） 国家统计局，2013中国发展报告，中国统计出版社2013.7（2） 中国统计年鉴，20042013，中国统计出版社（3） 中经网，钢铁行业景气状况分析（2013.9）( 4 ) 何晓群 刘文卿 应用回归分析 ，中国人民大学出版社（5） 岳朝龙 黄永兴 SAS与现代经济统计分析 ，中国科技大学出版社（6） 王燕 应用时间系列分析 中国人民大学

33、出版社（7） 盛骤 谢世千 潘承毅 概率论与数理统计 高等教育出版社 （8） 刘耀东 加快兼并重组步伐，提高生产集中度，做强中国钢铁工业，中国统计出版社 2009.7(9)保罗 D. 埃里森（美） 高级回归分析 (10)S. Weisberg(美) 应用线性回归 中国统计出版社(11) Frank R.Giordano A First course in Mathematical Modeling 致谢 历时将近两个月的时间终于将这篇论文写完，这段时间应该是我在大学里最紧张和美好时光。在论文的写作过程中遇到了无数的困难和障碍，都在同学和老师的帮助下度过了。在这里尤其要感谢我的论文指导老师张照生老师，他对我进行了无私的指导和帮助，不厌其烦的帮助进行论文的修改和改进。另外，在校图书馆查找资料的时候，图书馆的老师也给我提供了很多方面的支持与帮助。在此向帮助和指导过我的各位老师表示最中心的感谢！感谢这篇论文所涉及到的各位学者。本文引用了数位学者的研究文献，如果没有各位学者的研究成果的帮助和启发，我将很难完成本篇论文的写作。感谢我的同学和朋友，在我写论文的过程中给予我很多素材，还在论文的撰写和排版过程中提供热情的帮助。由于我的学术水平有限，所写论文难免有不足之处，恳请各位老师和学友批评和指正！ 学生本人签名：