基于spss应用的产业结构与物流需求量相关性分析

现代城市产业结构与物流需求量的相关性分析

基于SPSS软件的应用

哈尔滨工业大学

耿兆欣

2010/12/27

现代城市产业结构与物流需求量的相关性分析

——基于SPSS软件的应用

一、研究背景与数据来源

产业结构最基本的分类是三大产业的划分，产业结构变化的一般规律是先发展基础第一产业，而后工业比重上升，随着科技的进步，第三产业比重逐渐上升，第一产业比重下降。我国各地区经济发展水平差距很大，产业结构的差异性也很明显。一般来说，第三产业越发达，经济体制越完善，经济发展较快，那么，物流需求量是否也与城市的产业结构有关？

对此，应用《城市数据统计年鉴2008》和SPSS软件，对代表性城市的相关变量进行横截面分析。免除了年度数据的变量可能存在自相关的问题。与产业结构有关的变量有第一产业比重、第二产业比重、第三产业比重。与物流需求量有关的变量有货运总量、客运总量。同时，引入其他可能相关的经济变量。

操作：城市名称、第一产业比重、第二产业比重、第三产业比重、市辖区人口总量、地区生产总值、城市固定投资比、固定投资总额、市辖区人口总量、市辖区平均工资等变量输入。

二、样本筛选与变量检验

《城市统计年鉴》包含了287个重要城市的数据，一方面，较大的数据量一般可以保证较强的样本独立性，增加分析结果的可信度；另一方面，也可能削弱样本的代表性，这在分析经济数据中体现的较为明显。比如，有一些内陆城市是靠单一资源发展，或单纯政策性扶持而发展，不符合现代城市的定义。一般来说，经济结构比较成熟的城市发展历史比较悠久，人口较多，经济总量规模较大。虽然，按照人口与经济总量作为筛选标准，可能会在分析中漏掉若干具有代表性的现代城市，但是这样能够保证在较好的整体一致性前提下，避免逐个分析，可称之为一种有效率的“次优选择”。样本确定之后，进行各个变量的独立性分析。

操作：1、“数据”—“选择个案”勾选if，在窗口中输入：

总值>= 5000000 & 市辖区人口>= 100

2、“分析”—“描述统计”—P-P图（部分具体操作见附录三）

经筛选，符合标准的样本为91个，符合样本个数大于6倍变量个数的一般要求，且各个变量基本服从独立分布。各变量的P-P图如下。

三、按产业结构的样本分组（聚类分析）

产业结构表现的首要特征是三大产业在地区生产总值中的比重，根据经验，产业结构可以分成三类，分别以三大产业为侧重。因而，选择第一产业比重、第二产业比重、第三产业比重作为聚类分析的变量。为保证结果的可靠性，分别进行k值聚类法和系统聚类法分析。

此题中三个变量的量纲一致，所以，在系统聚类分析中，不需要考虑标准化的问题。从聚类的结果来看，系统聚类分类过于极端，，有一个样本属于第一类，一个样本属于第三类，其他均属于第二类。而k值聚类法的分类中各组样本个数较为均匀（如下表）。系统聚类优于k值聚类的一个重要特征是可以进行标准化处理，而此三个变量量纲完全一致，系统分析没有了这种优越性。因此，可以选择k值聚类法的结果作为分组依据。

K值聚类结果：

由输出结果观察，显著性水平明显小于0.05，聚类结果通过。k值聚类的1类为侧重于第三产业，2类侧重于第二产业，3类侧重于第一产业，分别在赋值中标的为：1=现代化，2=工业化，3=农业化

相关操作：“分析”—“分类”—系统聚类法/k值聚类法

四、相关性的初步分析（单因素方差分析，因子分析）

分析前提：在市场经济体制下，可以放宽条件，假设市场出清，那么，一个地区的物流

需求可以看做物流量的实际发生额。

物流总量=货运总量+客运总量

物流需求量=货运总量+客运总量

物流总量=物流需求量

货运总量与客运总量的量纲不同，不能进行简单的加总，先分别讨论。

按照常规的分析，一个城市的第三产业比重越大，服务业越发达，服务业的重要组成部分--物流需求量应该比较大，这在独立样本T检验中得到了初步验证。

相关操作：“分析”—“比较均值”—“单因素方差分析”，因变量输入“货运总量”和“客运总量”，因子输入“产业结构分组”。

结果为：

从“描述”里可以看出各组均值明显不等，且AN0VA表明各组变量显著不相等。初步通过分析。

进一步，为了分析的整体性，货运总量与客运总量可以采用因子得分的形式合并，货运总量与客运总量存在一定的相关性（0.512，在0.1的水平上显著相关），因此可以进行因子分析。利用因子分析计算因子得分，构造新变量s。因子得分只表明了样品的相对位置，虽然没有其他实际意义，在这里可以作为物流总量的抽象值代表，分析变量之间的相关性。因子分析的结果如下。KMO的值为0.5，基本符合要求。

五、相关性的进一步探讨（简单相关、偏相关与回归方程分析）

经济是一个联系的整体，影响物流需求量的还有其他因素。例如，经济实力，人口规模，政策导向，开放程度，消费者收入水平。或许这些变量的作用对于物流需求量的影响更为明显。因而，进一步引入地区生产总值、地区总人口、固定资产投资总额，城市固定资产投资比，地区平均收入等变量进一步探讨。

从简单的双相关分析中可以发现，s与第一产业比重比较明显负相关，与第三产业比较明显正相关，为了简化数据，新设变量：

“三一产业比”=第三产业比重/第一产业比重

由因子得分s与三一产业比的相关性分析看出，这两个变量不显著相关。于是，放弃这个变量，仍然采用第三产业，第一产业单独分析。

把讨论的全部变量代入回归分析，采用entry方法，可得

运用entry的方法，在0.05的显著性水平下，只有两个变量符合要求，即城市固定资产比（0.035）和市辖区人口（0.01）。另一方面，这些变量的方差膨胀因子（VIF）只有固定资产投资比一项大于且接近10，说明变量之间的共线性并不明显。自变量具有较强的分析价值。

回归方程的改进：

由于方程的显著性不够明显，考虑选择新的回归方法，剔除一些变量，优化方程。

Forward方法的部分结果为（stepwise方法的结果与之相同）：

Backward方法的部分结果为：