【文章內(nèi)容簡(jiǎn)介】 .004 x7 .965 x8 .134 .135 由 上 表可得出，因子得分函數(shù)為： 1 1 2 3 4 5 6 7 80 .1 4 9 0 .1 5 8 0 .1 5 9 0 .1 6 0 .1 5 5 0 .1 5 9 0 .0 0 4 0 .1 3 4F X X X X X X X X? ? ? ? ? ? ? ?2 1 2 3 4 5 6 7 9 6 8 7 04 65 35F X X X X X X X X? ? ? ? ? ? ? ? ? 5 53W F F?? 把各個(gè)省市的各個(gè)變量帶入，可得出各個(gè)地區(qū)消費(fèi)情況的綜合排名如下表 10： 表 10 各地區(qū)消費(fèi)情況綜合排名 省市 排名 總得分 省市 排名 總得分 江蘇省 1 內(nèi)蒙古 17 山東省 2 廣西 18 廣東省 3 黑龍江 19 河南省 4 吉林省 20 浙江省 5 山西省 21 遼寧省 6 貴州省 22 四川省 7 上海市 23 河北省 8 北京市 24 湖北省 9 天津市 25 湖南省 10 甘肅省 26 安徽省 11 新疆 27 重慶市 12 西藏 28 本科生畢業(yè)論文 14 福建省 13 青海省 29 陜西省 14 寧夏 30 云南省 15 海南省 31 江西省 16 由上表可得出： 固定投資 水平最高的為 江蘇省 ，其次是 山東 、 廣東 ； 投資 水平最低的為 海南省 ，其次是 寧夏、 青海、 西藏 等。 通過和聚類分析的結(jié)果對(duì)比，我們可以發(fā)現(xiàn)， 其結(jié)果基本 吻合 。 顯示 可以明顯看出我國(guó) 雖然總體上固定投資水平較高，但是各地區(qū)間的 差異巨大，說明我國(guó)的各地區(qū)經(jīng)濟(jì)發(fā)展水平不均衡。 由此，政策制定者在全面規(guī)劃全社會(huì)的經(jīng)濟(jì)發(fā)展時(shí)，要特別注意拉動(dòng)內(nèi)需，將國(guó)內(nèi)外投資引入到不發(fā)達(dá)地區(qū)，增加對(duì)勞動(dòng)力的需求，間接刺激消費(fèi)，提高人民的可支配收入，從而導(dǎo)致新一輪的需求上漲，由此可見擴(kuò)大資產(chǎn)流動(dòng)性的重要性。 6 逐步回歸分析 模型方差分析 相關(guān)系數(shù)是衡量變量間相關(guān)程度的指標(biāo)。利用 SPSS 得出論文選取的 7 個(gè)自變量和因變量之間的相關(guān)系數(shù)情況如下： 表 11 相關(guān)矩陣 x1 x2 x3 x4 x5 x6 x7 x8 相關(guān) x1 .883 .878 .891 .761 .877 .543 x2 .883 .883 .958 .863 .924 .037 .709 x3 .878 .883 .918 .876 .896 .816 x4 .891 .958 .918 .856 .915 .755 x5 .761 .863 .876 .856 .930 .015 .803 x6 .877 .924 .896 .915 .930 .679 x7 .037 .015 .060 x8 .543 .709 .816 .755 .803 .679 .060 從各變量間的相關(guān)系數(shù)可以看出， 全社會(huì)固定資產(chǎn)投資 X1與 房屋施工面積(萬平方米 )X4 相關(guān)程度最高，系數(shù)達(dá)到 ，其次 年末常住人口 (萬人 )X 房地產(chǎn)開發(fā)企業(yè)個(gè)數(shù) (個(gè) )X 商品房銷售面積 (萬平方米 )X6，與 全社會(huì)固定資產(chǎn) 的相關(guān)性也很高，系數(shù)都在 ； 然后是 商品住宅房屋竣工價(jià)值 (億元 )X5；相關(guān)性最低的是 居民消費(fèi)水平指數(shù) X7。 這也簡(jiǎn)單證明了 全國(guó)的固定資產(chǎn)投資 是 供求各方面影響因素綜合作用的結(jié)果 。 用 SPSS進(jìn)行逐步回歸，目的是消除變量間的多重共線性。 本科生畢業(yè)論文 15 從 可決系數(shù) 我們可以看出模型擬合度為 %，說明可以用下面的模型來預(yù)測(cè)。 表 13 方差分析表 模型 平方和 df 均方 F Sig. 1 回歸 7 .000a 殘差 23 總計(jì) 30 2 回歸 6 .000b 殘差 24 總計(jì) 30 3 回歸 5 .000c 殘差 25 總計(jì) 30 4 回歸 4 .000d 殘差 26 總計(jì) 30 5 回歸 3 .000e 殘差 27 總計(jì) 30 6 回歸 2 .000f 殘差 28 總計(jì) 30 從上面的方差分析表中我們看到其顯著性 水平小于 ，說明模型擬合非常顯著，據(jù)此得出的結(jié)果可信。 模型估計(jì) 通過運(yùn)用 SPSS 軟件對(duì)各個(gè)因素指標(biāo)值和 全社會(huì)固定資產(chǎn)投資 之間的關(guān)系進(jìn)行曲線擬合分析，發(fā)現(xiàn)自變量各指標(biāo)與因變量大致呈直線相關(guān)關(guān)系。因此確定房?jī)r(jià)影響因素的多元回歸模型為： 表 12 模型概要 模型 R R 方 調(diào)整 R 方 標(biāo)準(zhǔn) 估計(jì)的誤差 1 .969a .939 .921 2 .969b .939 .924 3 .969c .939 .926 4 .968d .938 .928 5 .968e .936 .929 6 .965f .931 .927 本科生畢業(yè)論文 16 1 2 3 4 5 6 7 81 2 3 4 5 6 7 8c c c c c c c cX X X X X X X X? ? ? ? ? ? ? ? 在經(jīng)濟(jì)模型的建立中，由于各經(jīng)濟(jì)變量之間可能存在相關(guān)的趨勢(shì)，且由于條件限制，樣本資料的數(shù)據(jù)搜集得不夠多，因此模型變量間可能存在多重共線性。為了克服多重共線性，本文將采取逐步回歸法進(jìn)行回歸分析。其基本思想是：從所有解釋變量中選取影響最為顯著的變量建立模型，然后將 模型外的變量逐個(gè)引入模型并進(jìn)行顯著性檢驗(yàn)，直到原引入變量因后面變量的引入而變得 不再顯 著，再將其剔除。重復(fù)這一過程直到再無顯著變量被引入或剔除出回歸方程為止。 使用 SPSS 軟件 采用“向后篩選”方法 ， 得到的 結(jié)果如下所示： 表 14 模型系數(shù) 模型 非標(biāo)準(zhǔn)化系數(shù) 標(biāo)準(zhǔn)系數(shù) T Sig. B 標(biāo)準(zhǔn) 誤差 試用版 1 (常量 ) .301 x2 .544 .664 .144 .820 .421 x3 .537 x4 .243 .066 .691 .001 x5 .067 .339 .738 x6 .753 .843 .217 .893 .381 x7 .064 .265 x8 .044 .377 .019 .118 .907 2 (常量 ) .243 x2 .497 .518 .132 .959 .347 x3 .916 .443 x4 .247 .055 .702 .000 x5 .080 .489 .630 x6 .701 .703 .202 .996 .329 x7 .066 .212 3 (常量 ) .214 x2 .379 .452 .101 .840 .409 x3 .814 .528 x4 .247 .054 .702 .000 x6 .951 .475 .274 .056 x7 .069 .185 4 (常量 ) .165 x2 .312 .434 .083 .718 .479 x4 .232 .048 .659 .000 x6 .864 .450 .249 .066 本科生畢業(yè)論文 17 x7 .075 .144 5 (常量 ) .185 x4 .247 .042 .703 .000 x6 .975 .419 .281 .027 x7 .070 .160 6 (常量 ) .090 x4 .242 .043 .688 .000 x6 .425 .295 .023 從上表我們可以看出首先剔除了變量 X8（建筑工程產(chǎn)值 ）、 X5（ 商品住宅房屋竣工價(jià)值 ）、 X3（ 房地產(chǎn)開發(fā)企業(yè)個(gè)數(shù) ） 、 X2（ 年末常住人口 ）和 X7居民消費(fèi)水平指數(shù) (上年 =100).最后的模型結(jié)果是全社會(huì)固定資產(chǎn)投資關(guān)于 X4（ 房屋施工面積 (平方米 )和 X6（ 商品房銷售面積 ）的一元線性模型，由此可見在房地產(chǎn)方面的投資對(duì)整體固定資產(chǎn)投資的重要性。 1 4 6160 X X? ? ? 由上述模型進(jìn)行擬合后得到的殘差統(tǒng)計(jì)量如下表所示： 表 15 殘差統(tǒng)計(jì)量 極小值 極大值 均值 標(biāo)準(zhǔn) 偏差 N 預(yù)測(cè)值 31 標(biāo)準(zhǔn) 預(yù)測(cè)值 .000 31 預(yù)測(cè)值的標(biāo)準(zhǔn)誤差 31 調(diào)整的預(yù)測(cè)值 31 殘差 .00000 31 標(biāo)準(zhǔn) 殘差 .000 .966 31 Student 化 殘差 31 已刪除的殘差 31 Student 化 已刪除的殘差 31 Mahal。 距離 .100 31 Cook 的距離 .001 .740 .062 .141 31 居中杠桿值 .003 .373 .065 .083 31 由庫克距離（ 1）和居中杠桿值的 取 值 可 知，沒有顯著的差異。即模型擬合得較好。 模型評(píng)價(jià) 對(duì)模型進(jìn)行殘差正態(tài)性檢驗(yàn)，繪制出的 pp圖如下，可見，各點(diǎn)均勻分布在直線兩邊，說明殘差符合正態(tài)分布。 本科生畢業(yè)論文 18 圖 3：殘差正態(tài)性檢驗(yàn)（ pp圖） 由 PP 圖可知， 各個(gè)省份的點(diǎn)基本圍繞在直線附近波動(dòng)， 原始數(shù)據(jù)與正態(tài)分布不存在顯著的差異，殘差滿足線性模型的前提要求 。 圖 4： 散點(diǎn)圖 本科生畢業(yè)論文 19 由上述散點(diǎn)圖可知?dú)埐钤?0 線周圍隨機(jī)分布。 綜上可見，該回歸模型通過了顯著性檢驗(yàn)、多重共線性檢驗(yàn)的處理，殘差符合正態(tài)分布，具有較好的擬合度和較高的解釋能力。 從模型的函數(shù)公式可以看出，回歸結(jié)果有二 個(gè)自變量，說明影響 全社會(huì)固定資產(chǎn)投資 的二 個(gè)關(guān)鍵因素是 房屋施工面積 (萬平方米 )X 商品房銷售面積 (萬平方米 )X6。 全社會(huì)固定資產(chǎn)投資 與 房屋施工面積 (萬平方米 )、 商品房銷售面積 (萬平方米 )呈正比例關(guān)系 ，且有較大的常數(shù)項(xiàng)。 房屋施工面積 (萬平方米 )和 商品房銷售面積 (萬平方米 )反映了 全社會(huì)固定資產(chǎn)投資 的景氣程度 ，對(duì) 投資 的拉動(dòng)作用很大。在模型中， 房屋施工面積 系數(shù)為 ， 商品房銷售面積 (萬平方米 )的系數(shù)為 ，說明 商品房銷售面積 (萬平方米 )每增加 1%， 全社會(huì)固定資產(chǎn)投資 大致 平均 上漲 %， 房屋施工面積 每增加 1%，將使 全社會(huì)固定資產(chǎn)投資 大致 平均 上漲 %。 商品住宅房屋竣工價(jià)值反映的是市場(chǎng)的供給情況 。 由此我們可知，通過提高房屋的施工面積和房屋銷售面積，即增加供給和需求來解決固定資產(chǎn)短缺的問題， 政府還可通過增加住房補(bǔ)貼、增加首付貸款利率，減少房地產(chǎn)市場(chǎng)泡沫，促進(jìn)市場(chǎng)經(jīng)濟(jì)穩(wěn)定向前發(fā)展。 參考文獻(xiàn) [1] 鄭薇 .房地產(chǎn)開發(fā)項(xiàng)目投資決策研究 [D].東北石油大學(xué) .2021 [2] 中華人民共和國(guó)國(guó)家統(tǒng)計(jì)局 . 2021 年國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào) . [3] 何曉群 . 多元統(tǒng)計(jì)分析 [M]. 北京：中國(guó)人民大學(xué)出版社 , . [4] 薛毅 , 陳麗萍 . R 統(tǒng)計(jì)建模與 R 軟件 [M]. 北京 : 清華大學(xué)出版社 , 2021. 4. [5] 中華人民共和國(guó)國(guó)家統(tǒng)計(jì)局 . 2021 年中國(guó)統(tǒng)計(jì)年鑒 . [6] 杜強(qiáng)，賈麗艷 . SPSS 統(tǒng)計(jì)分析從入門到精通 [M]. 北京：清華大學(xué)出版社 , 2021. 5. [7] 沈平，朱春奎 .中國(guó)居民收入差距研究文獻(xiàn)綜述 [J].中共寧波市委黨校學(xué)報(bào) , [8]張建同 ,孫昌言 . 以 Excel和 SPSS為工具的管理統(tǒng)計(jì) [M].北京 :清華大學(xué)出版社 ,2021. [9]曾維彬 .房地產(chǎn)風(fēng)險(xiǎn)投資的多目標(biāo)決策 [D].河北工程大學(xué) .2021 [10]管學(xué)雷 .基于模糊層次分析法的房地產(chǎn)投資風(fēng)險(xiǎn)的決策研究 [D].南京理工大學(xué) . 2021 本科生畢業(yè)論文 20 致謝 衷心的感謝指導(dǎo) 老師黃蕊 老師精心的指導(dǎo)， 她 以淵博的知識(shí)和嚴(yán)謹(jǐn)?shù)闹螌W(xué)態(tài)度深深感染了 我，不但教會(huì)了我寫論文的基本方法，更是讓我感到不斷學(xué)習(xí)的必要。黃 老師認(rèn)真負(fù)責(zé)的工作態(tài)度，嚴(yán)謹(jǐn)?shù)闹螌W(xué)精神和深厚的理論水平都使我受益匪淺。使我 得到不少的提高這對(duì)于我以后的工作和學(xué)習(xí)都有一種巨大的幫助，感謝她 耐心的輔導(dǎo)。 在撰寫論文的過程中班上同學(xué)也給予我很大的幫助，幫助解決了不少的難點(diǎn)，這里一起表示真誠的感謝。感謝他們?cè)诒疚牡难芯恐袑?duì)我的支持和幫助！感謝所有幫助我、指導(dǎo)我的其他老師以及同學(xué)們！ 附錄 1 表 我國(guó) 2021 年 各地區(qū) 固定資產(chǎn)投資