鋼鐵產(chǎn)量及其相關(guān)因子的計量分析(1)

1、銅陵學(xué)院畢業(yè)論文（設(shè)計）學(xué) 號1006131012畢 業(yè) 論 文課 題 鋼鐵產(chǎn)量及其相關(guān)因子的計量分析 學(xué)生姓名 何 慶 威 院 部 數(shù)學(xué)與計算機學(xué)院 專業(yè)班級 10級數(shù)學(xué)與應(yīng)用數(shù)學(xué) 指導(dǎo)教師 張照生 二一四年 六 月插圖清單圖1-1 鋼鐵及其相關(guān)因素的產(chǎn)量隨時間變化折線圖圖1-2 SPSS工作表標量定義設(shè)定圖圖1-3 SPSS工作表數(shù)據(jù)錄入圖圖1-4 SPSS軟件擬合過程圖圖1-5 模型一擬合結(jié)果圖圖2-1 E views軟件數(shù)據(jù)錄入圖圖2-2 線性模型回歸曲線圖圖2-3 線性模型殘差圖圖2-4 OLS法估計結(jié)果圖圖2-5 線性模型逐步回歸結(jié)果圖 表格清單表1-1 我國歷年鋼鐵產(chǎn)量影響因素統(tǒng)

2、計表表1-2 指數(shù)函數(shù)模型整理表表1-3 模型預(yù)測值與實際值比較整理表表2-1 逐步回歸計算結(jié)果整理表表2-2 線性模型預(yù)測結(jié)果整理表 鋼鐵產(chǎn)量及其相關(guān)因子的計量分析何慶威（銅陵學(xué)院，數(shù)學(xué)與應(yīng)用數(shù)學(xué)，1006131012）摘 要 本文用中國2004-2013年間鋼鐵生產(chǎn)的相關(guān)要素數(shù)據(jù)，并考慮國家政策以及市場經(jīng)濟的影響，通過構(gòu)建指數(shù)函數(shù)模型和SPSS分析軟件對鋼鐵產(chǎn)量及其相關(guān)因子隨時間變化的情況進行了分析和預(yù)測；通過逐步回歸和加權(quán)最小二乘回歸等經(jīng)典單方程計量分析方法，構(gòu)建了一個統(tǒng)計特征合理的中國鋼鐵生產(chǎn)函數(shù)，并通過構(gòu)建的模型推測出粗鋼產(chǎn)量和固定資產(chǎn)投資對我國鋼鐵產(chǎn)量具有顯著影響。然后應(yīng)用的得到的

3、模型和結(jié)論對我國的鋼鐵產(chǎn)量及其相關(guān)因子進行較為準確的預(yù)測分析和提出一些指導(dǎo)建議。【關(guān)鍵詞】：生產(chǎn)函數(shù)；鋼鐵產(chǎn)量；指數(shù)函數(shù)模型；SPSS分析軟件；逐步回歸；計量分析模型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 China's steel production have a significant im

6、pact. Then the application of the model and conclusions on China's 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 Stepw

7、ise regression Quantitative Analysis Model引言 生產(chǎn)函數(shù)是指在一定時期內(nèi)，在技術(shù)水平不變的情況下，生產(chǎn)中所使用的各種生產(chǎn)要素的數(shù)量與所能生產(chǎn)的最大產(chǎn)量之間的關(guān)系。生產(chǎn)函數(shù)可以用一個數(shù)理模型、圖表或圖形來表示：就是一定技術(shù)條件下投入與產(chǎn)出之間的關(guān)系，在處理實際的經(jīng)濟問題時，生產(chǎn)函數(shù)不僅是表示投入與產(chǎn)出之間關(guān)系的對應(yīng)，更是一種生產(chǎn)技術(shù)的制約。為什么要對生產(chǎn)函數(shù)進行計量分析，這已經(jīng)是一個不成問題的問題了。過去那種純粹思辨性質(zhì)的經(jīng)濟學(xué)使人難辨真?zhèn)危f公有理婆說婆有理，甚至存在著邏輯錯誤。當代經(jīng)濟學(xué)的數(shù)學(xué)建模建立在一定的假設(shè)前提下，雖然基本消除了邏輯錯誤的可能

8、，但有可能脫離現(xiàn)實，得出不科學(xué)的結(jié)論。實踐是檢驗真理的唯一標準，所以要對生產(chǎn)函數(shù)進行計量分析，對經(jīng)濟理論進行實證檢驗。很多時候理論分析的結(jié)果取決于兩種或者多種經(jīng)濟變量的相互作用和相互影響，而計量分析可以量化這種作用力，比較大小強弱，從而得出較為科學(xué)的結(jié)論。 論文以中國的鋼鐵產(chǎn)量為例，通過統(tǒng)計學(xué)等數(shù)學(xué)方法對影響鋼鐵產(chǎn)量的七大因素：粗鋼產(chǎn)量，發(fā)電量，固定資產(chǎn)投資，國內(nèi)生產(chǎn)總值，鐵路運輸量，建筑業(yè)總產(chǎn)值，國家財政支出進行系統(tǒng)精確的計量分析。通過建立指數(shù)函數(shù)模型來分析鋼鐵產(chǎn)量及其相關(guān)的七個因子隨時間的變化情況，從而得出對我國鋼鐵生產(chǎn)產(chǎn)量增長和其相關(guān)的七個因子之間的干系，并給出相關(guān)適當?shù)慕ㄗh。 我國現(xiàn)今

9、正處在經(jīng)濟告訴發(fā)展時期，為盡快實現(xiàn)現(xiàn)代化，我們的日常生活已經(jīng)離不開鋼鐵了。鋼鐵行業(yè)是我國支柱型產(chǎn)業(yè)之一，作為基礎(chǔ)性產(chǎn)業(yè)，其發(fā)展與我國宏觀經(jīng)濟調(diào)控密切相關(guān)，是我國經(jīng)濟發(fā)展的一條命脈，與人民的生活水平和生活質(zhì)量息息相關(guān)，所以研究我國鋼鐵的生產(chǎn)函數(shù)的計量分析擁有積極的意義。那么我國鋼鐵的產(chǎn)量到底和哪些因素有關(guān)呢？本文選取了粗鋼產(chǎn)量，發(fā)電量，固定資產(chǎn)投資，國內(nèi)生產(chǎn)總值，鐵路運輸量，建筑業(yè)總產(chǎn)值，國家財政支出七個主要因素進行計量分析，通過建立模型并進行回歸分析，試圖說明對我國鋼鐵產(chǎn)量的影響。第一章鋼鐵產(chǎn)量隨時間變化指數(shù)模型分析表1-1 我國歷年鋼鐵產(chǎn)量影響因素統(tǒng)計表年份鋼鐵產(chǎn)量(萬噸)粗鋼產(chǎn)量1(萬噸)

10、發(fā)電量 2(億千瓦時)固定資產(chǎn)投資 3(億元)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

11、，204367，811年份國內(nèi)生產(chǎn)總值 4 (億元)鐵路運輸量5 (萬噸)建筑業(yè)總產(chǎn)值 6 (億元)國家財政支出 7 (億元)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，

12、4012012472，934340，956106，27898，4362013513，478352，898113，789103，270（數(shù)據(jù)來自中國統(tǒng)計年鑒 中國統(tǒng)計出版社2004 - 2013年）1.1模型的準備知識形如 Y=ax 的函數(shù)稱為指數(shù)函數(shù)。其中a為任意的正常數(shù)，并且設(shè)a1.（1） 指數(shù)函數(shù)的定義域為C，這里的前提是a大于0且不等于1。對于a不大于0的情況，則必然使得函數(shù)的定義域不連續(xù)，因此我們不予考慮，同時a等于0函數(shù)無意義一般也不考慮。（2） 指數(shù)函數(shù)的值域為C。（3） 函數(shù)圖形都是下凹的。（4） a>1時，則指數(shù)函數(shù)單調(diào)遞增；若0<a<1，則為單調(diào)遞減的。1.

13、2 作圖分析圖1-1 鋼鐵及其相關(guān)因素的產(chǎn)量隨時間變化折線圖從鋼鐵及相關(guān)因素的產(chǎn)量隨時間變化折線圖中可以看出，我國的鋼鐵產(chǎn)量、粗鋼產(chǎn)量、發(fā)電量、固定資產(chǎn)投資、國內(nèi)生產(chǎn)總值、鐵路運輸量、建筑業(yè)總產(chǎn)值、國家財政支出從2004到2013年均有不同程度的增長，尤其以鋼鐵產(chǎn)量、粗鋼產(chǎn)量、國內(nèi)生產(chǎn)總值增長的程度最為顯著。如鋼鐵及相關(guān)因素的產(chǎn)量隨時間變化折線圖所示，鋼鐵及其相關(guān)因素的產(chǎn)量呈現(xiàn)明顯增長趨勢。在一般情況下，鋼鐵及其相關(guān)因素各年變化之間有一定的影響和聯(lián)系，因此，我們可以擬合曲線函數(shù)模型來對它們的變化進行分析。通過比較幾種常見的函數(shù)模型，可以發(fā)現(xiàn)指數(shù)函數(shù)對鋼鐵及其相關(guān)因素隨時間的產(chǎn)量變化較為理想，尤

14、其是鋼鐵產(chǎn)量、粗鋼產(chǎn)量、國內(nèi)生產(chǎn)總值（其他幾個因素由于縱坐標較大看起來不是那么明顯），因此，我們采用指數(shù)函數(shù)模型來對鋼鐵產(chǎn)量隨時間的變化情況進行預(yù)測和分析。1.3 SPSS軟件分析應(yīng)用 SPSS 13.0分析軟件建立鋼鐵及相關(guān)因素的產(chǎn)量隨時間變化指數(shù)函數(shù)模型過程如下：選用SPSS 13.0中得Curve Estimation命令可以方便擬合出鋼鐵及相關(guān)因素的產(chǎn)量隨時間變化指數(shù)函數(shù)模型，步驟如下：1.3.1進入變量工作表定義好變量的名稱、類型、數(shù)據(jù)寬度、小數(shù)位數(shù)、變量標簽等。在此處，定義變量的名稱為t ：時間變量，小數(shù)位為0，W g t :鋼鐵產(chǎn)量，小數(shù)位數(shù)為2。這里，兩個變量的數(shù)據(jù)類型均為數(shù)值

15、型，寬度為8個字節(jié)。如圖所示：圖1-2 SPSS工作表標量定義設(shè)定圖1.3.2進入數(shù)據(jù)工作表開始錄入數(shù)據(jù)，如下圖所示：圖1-3 SPSS工作表數(shù)據(jù)錄入圖1.3.3擬合鋼鐵產(chǎn)量隨時間變化的指數(shù)函數(shù)模型。利用SPSS 13.0分析軟件，依次點擊Analyze RegressionCurve Estimation,進入Curve Estimation對話框之后，將對應(yīng)的變量選入變量框，在下面的Models框中選中Exponent選項，然后點擊o k ，整個擬合過程結(jié)束。如下圖所示：圖1-4 SPSS軟件擬合過程圖1.3.4結(jié)果輸出與分析，通過以上幾個步驟后，可以得出指數(shù)函數(shù)模型擬合的結(jié)果，其中部分結(jié)

16、果如下圖所示： 模型參數(shù)擬合部分：Model Summary and Parameter EstimatesDependent Variable : wThe Independent Variable is t.圖1-5 模型一擬合結(jié)果圖結(jié)果分析：從以上部分輸出結(jié)果可以得出鋼鐵產(chǎn)量隨時間變化的指數(shù)函數(shù)模型為： 指數(shù)函數(shù)模型一 ： W g t = 29315.157 * exp ( 0.106 * t ) .至此，對鋼鐵產(chǎn)量隨時間的變化的擬合指數(shù)函數(shù)模型的過程全部完成。 1.4 分析結(jié)果應(yīng)用指數(shù)函數(shù)模型預(yù)測分析鋼鐵產(chǎn)量及其相關(guān)因素隨時間的變化情況。通過對以上1.3的分析，將分析結(jié)果總結(jié)如下表所示

17、：表1-2 指數(shù)函數(shù)模型整理表 指數(shù)函數(shù)模型 復(fù)決定系數(shù)R2 F值模型一：W g t = 29315.157 * exp ( 0.106 * t ) 0.950 153.474從表中整理的結(jié)果可以知道，指數(shù)函數(shù)模型一的復(fù)決定系數(shù)為0. 950 ，而F值為 153. 474，所以可以看出模型并不是非常顯著的，因此我們再用這個指數(shù)函數(shù)模型預(yù)測一下鋼鐵產(chǎn)量隨時間的變化情況來進行驗證，預(yù)測結(jié)果如下表所示：表1-3 模型預(yù)測值與實際值比較整理表年份2004200520062007200820092010201120122013t值12345678910鋼鐵產(chǎn)量28，29135，31042，26648，9

18、6653，90758，72463，04568，81573，33078，253模型一預(yù)測值32，59336，23840，29044，79549，80455，37461，56668，45076，10484，614從表中可以看出2004年鋼鐵產(chǎn)量實際值為28291，而指數(shù)函數(shù)模型的預(yù)測值為32593，明顯偏大；同理，2005年、2006年、2007年、2008年、2009年、2010年、2011年、2012年、2013年鋼鐵產(chǎn)量的實際值和指數(shù)函數(shù)模型的預(yù)測值均有不同程度的偏差，并且從2012年開始，指數(shù)函數(shù)模型的預(yù)測值比鋼鐵產(chǎn)量的實際值要大很多，并且根據(jù)指數(shù)函數(shù)的性質(zhì)可以推測以后年份模型的預(yù)測值與鋼

19、鐵產(chǎn)量的實際值的差值會越來越大。綜上所述，可以看出指數(shù)函數(shù)模型對鋼鐵產(chǎn)量的預(yù)測并不準確，模型建立不成功。究其原因，可能是因為模型只是單純的從時間與產(chǎn)量的關(guān)系上進行分析，而我們知道，在現(xiàn)實鋼鐵生產(chǎn)過程中，影響鋼鐵產(chǎn)量的的因素有很多，單從時間來分析鋼鐵的產(chǎn)量顯然是片面的，所以才會出現(xiàn)預(yù)測值與實際值偏差過大的情況。因此，接下來，我們將從粗鋼產(chǎn)量，發(fā)電量，固定資產(chǎn)投資，國內(nèi)生產(chǎn)總值，鐵路運輸量，建筑業(yè)總產(chǎn)值，國家財政支出這七個與鋼鐵產(chǎn)量息息相關(guān)的因素入手，分析它們與鋼鐵產(chǎn)量之間的具體關(guān)系，建立數(shù)學(xué)模型，對鋼鐵產(chǎn)量做出較為正確的分析和預(yù)測。第二章相關(guān)因子對鋼鐵產(chǎn)量的影響的線性模型分析我們已經(jīng)通過建立指數(shù)

20、函數(shù)模型，從時間與鋼鐵產(chǎn)量的關(guān)系上做出了分析和預(yù)測，分析和預(yù)測的結(jié)果并不理想，正如上文所述，模型建立失敗的原因是只從時間與鋼鐵產(chǎn)量的關(guān)系這個角度上進行分析顯然是不全面、不科學(xué)的。因為粗鋼產(chǎn)量、發(fā)電量、固定資產(chǎn)投資、國內(nèi)生產(chǎn)總值、鐵路運輸量、建筑業(yè)總產(chǎn)值、國家財政支出等因素對鋼鐵產(chǎn)量的影響非常大，從這七個因子與鋼鐵產(chǎn)量的關(guān)系這個角度上進行分析要比單從鋼鐵產(chǎn)量與時間的關(guān)系這個角度上分析要更加全面和充實。那么粗鋼產(chǎn)量、發(fā)電量、固定資產(chǎn)投資、國內(nèi)生產(chǎn)總值、鐵路運輸量、建筑業(yè)總產(chǎn)值、國家財政支出這七個因子對因變量鋼鐵產(chǎn)量的影響是什么樣的呢？如何利用這七個因子對鋼鐵產(chǎn)量進行正確的預(yù)測呢？根據(jù)生產(chǎn)函數(shù)的計量

21、分析的一般方法，我們通常采用設(shè)定線性生產(chǎn)函數(shù)，通過逐步回歸和加權(quán)最小二乘回歸等經(jīng)典單方程計量分析方法來進行試探性的分析，具體步驟如下：2.1 模型建立模型設(shè)定采用線性生產(chǎn)函數(shù)：=a+a11+a22+a33+a44+a55+a66+a77+;其中：鋼鐵產(chǎn)量：萬噸，1 : 粗鋼產(chǎn)量：萬噸，2：發(fā)電量：億千瓦時，3：固定資產(chǎn)投資：億元，4：國內(nèi)生產(chǎn)總值：億元，5：鐵路運輸量：萬噸，6：建筑業(yè)總產(chǎn)值：億元，7：國家財政支出：億元；ai,i=1,2,7,表示各變量的系數(shù)；表示不確定因素帶來的隨機誤差。2.2 E views 軟件分析2.2.1為了更好地進行計量分析，本文應(yīng)用了E v i e w s軟件來

22、進行數(shù)據(jù)的處理和分析，首先鍵入數(shù)據(jù)，數(shù)據(jù)錄入過程如下圖所示：圖2-1 E views軟件數(shù)據(jù)錄入圖2.2.2為了讓數(shù)據(jù)之間的關(guān)系表現(xiàn)得更加清晰，作出相應(yīng)的回歸曲線和擬合圖與殘差圖如下：圖2-2 線性模型回歸曲線圖圖2-3 線性模型殘差圖2.2.3由圖形可以看出模型存在多重共線性，因為出現(xiàn)了多個變量的相關(guān)性，因此用OLS法建立估計模型，結(jié)果如下：圖2-4 OLS法估計結(jié)果圖其中F檢驗的過程如下：F檢驗，最常用的別名叫做聯(lián)合假設(shè)檢驗，是一種在零假設(shè)之下，統(tǒng)計值服從F-分布的檢驗，通常用來分析用了超過一個參數(shù)的統(tǒng)計模型，以判斷該模型中的全部或一部參數(shù)是否適合用來估計母體。主要通過比較兩組數(shù)據(jù)的方差

23、S2，以確定他們的精密度是否有顯著性差異。至于兩組數(shù)據(jù)之間是否存在系統(tǒng)誤差，則在進行F檢驗并確定它們的精密度沒有顯著性差異之后，再進行t檢驗。這里以2004、2005年的樣本為例來進行F檢驗。2004年的樣本一為（28291,27278，21870，70073，136515，216961，27745，28486），2005年的樣本二為（35310,35239,24747,88604，182321,230920,34552,33930），通過計算樣本一的方差S小2=（28291-69652）2+（27278-69652）2+（21870-69652）2+（70073-69652）2+（13651

24、5-69652）2+（216961-69652）2+（27745-69652）2+（28486-69652）2/7=4426377927，同理計算出樣本二方差S大2=5559999728，所以F=S大2 /S小2=1.256105967，自由度為7，查表得F=0.10（7,7）=2.78，因為F<F表，所以F沒有顯著差異。解釋變量的t檢驗過程如下：總體的均值µ0=（27，278+35，239+41，225+47，432+50，092+54，689+59，096+64，696+68，190+74，058）+（21，870+24，747+28，344+32，777+34，668+3

25、7，996+39，011+42，875+45，609+48，204）+（70，073+88，604+109，870+137，239+172，291+217，734+250，279+289，923+326，715+367，811）+（136，515+182，321+209，407+246，619+300，670+358，225+380，977+424，830+472，934+513，478）+（216，961+230，920+244，395+261，239+273，932+287，343+308，238+326，172+340，956+352，898）+（27，745+34，552+41，557

26、+51，043+62，346+74，568+80，434+99，390+106，278+113，789）+（28，486+33，930+40，422+49，781+62，592+71，380+79，546+89，401+98，436+103，270）/70=147523；樣本1的平均值x1=（27，278+35，239+41，225+47，432+50，092+54，689+59，096+64，696+68，190+74，058）/10=52199.5,標準差s1=14906.2；樣本2的平均值x2=（21，870+24，747+28，344+32，777+34，668+37，996+39，0

27、11+42，875+45，609+48，204）/10=35610.1，標準差s2=8801.068；樣本3的平均值x3=（70，073+88，604+109，870+137，239+172，291+217，734+250，279+289，923+326，715+367，811）/10=203053.9，標準差s3=103908.518；樣本4的平均值x4=（136，515+182，321+209，407+246，619+300，670+358，225+380，977+424，830+472，934+513，478）/10=322597.6，標準差s4=128034.382；樣本5的平均值x5

28、=（216，961+230，920+244，395+261，239+273，932+287，343+308，238+326，172+340，956+352，898）/10=284305.4，標準差s5=46983.23;樣本6的平均值x6=（27，745+34，552+41，557+51，043+62，346+74，568+80，434+99，390+106，278+113，789）/10=69170.2，標準差s6=30712.27；樣本7的平均值x7=（28，486+33，930+40，422+49，781+62，592+71，380+79，546+89，401+98，436+103，27

29、0）/10=65724.4，標準差s7=27008.48.所以樣本1的t檢驗值|t1|=|（x1-µ0）/(s1/n1)|=|（52199.5-147523）/(14906.2/10)|=20.22，同理樣本2的t檢驗值|t2|=|（35610.1-147523）/(8801.068/10)|=40.21099，樣本3的t檢驗值|t3|=|（203053.9-147523）/(103908.518/10)|=1.68998，樣本4的t檢驗值|t4|=|（322597.6-147523）/(128034.382/10)|=4.324，樣本5的t檢驗值|t5|=|(284305.4-14

30、7523)/(46983.23/10)|=9.20634，樣本6的t檢驗值|t6|=|(69170.2-147523)/(30712.27/10)|=8.06756，樣本7的t檢驗值|t7|=|(65724.4-147523)/(27008.48/10)|=9.577356.查表可知t0.05(9)=1.8331,所以有|t1|> t0.05(9),|t2| >t0.05(9),|t3|<t0.05(9), |t4|>t0.05(9),|t5|>t0.05(9),|t6|>t0.05(9), |t7|>t0.05(9).所以模型的F檢驗顯著不明顯，并且

31、解釋變量的t檢驗除了3，其他都不顯著。由于多重共線性造成模型t檢驗可靠性降低和系數(shù)估計誤差的增大，因此用逐步回歸法建模。2.3 逐步回歸原理建立模型由與之間的系數(shù)關(guān)系以及回歸曲線可知與各變量之間是線性關(guān)系，由于與1之間的線性關(guān)系最強，所以建立： =a+a11+為基本模型，將其余變量逐個代入模型，分析過程如下表所示：表2-1 逐步回歸計算結(jié)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

32、.9815270.966185 0.0688350.992596=F(1,7)1484.9350.8454940.1456340.992559=F(2,3)-12251.231.929292-0.0047290.992218=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)-6368.4050.4290540.780612-0.0553530.070071

33、0.9938102.3.1先建立一元回歸模型 2.3.2向 模 型 引入t值 較大 的 變 量3，4,6,7建 立 模 型，在 以 上 模 型 中，引入的 變 量的t檢驗為顯著，因此不將其剔 除。但是3的t值最大，而且R方值也是最大，因此=F(1,3)為當前的最優(yōu)模型。 2.3.3再 向 模 型=F(1,3)中引入變量2，此時3的t檢驗值不顯著，引入其他變量也是如此，因此逐步回歸過程停止，模型=F(1,3)為最優(yōu)的模型。由下圖： 圖2-5 線性模型逐步回歸結(jié)果圖可知我國鋼鐵的生產(chǎn)函數(shù)為=-936.4375+1.0347661+0.0104063.年份2004200520052006200720

34、082009201020112012鋼鐵產(chǎn)量28，29135，31042，26648，96653，90758，72463，04568，81573，33078，253模型預(yù)測值28，01936，44942，86549，57252，69157，91962，81869，02573，02479，5242.4 線性函數(shù)模型預(yù)測檢驗利用得到的線性函數(shù)模型對鋼鐵產(chǎn)量進行預(yù)測，預(yù)測結(jié)果如下表所示：表2-2 線性模型預(yù)測結(jié)果整理表從表中可以清晰的看出線性函數(shù)模型預(yù)測的結(jié)果和鋼鐵產(chǎn)量的實際值基本吻合，所以利用線性函數(shù)模型對鋼鐵產(chǎn)量的分析是可行的。第三章結(jié)論分析和預(yù)測本文試圖對我國的鋼鐵產(chǎn)量的生產(chǎn)函數(shù)進行計量分析，

35、通過對2004到2013年這十年鋼鐵產(chǎn)量數(shù)據(jù)的作圖分析，確定了建立指數(shù)函數(shù)模型的思路。然而建立指數(shù)函數(shù)模型進行分析和預(yù)測后，發(fā)現(xiàn)模型對鋼鐵產(chǎn)量的預(yù)測值和實際值之間有很大的偏差，預(yù)測結(jié)果很不理想，這說明這個指數(shù)函數(shù)模型的建立是不合理、不成功的。因為在實際的鋼鐵工業(yè)生產(chǎn)中，對鋼鐵產(chǎn)量產(chǎn)生影響的因素非常之多，所以單從時間與鋼鐵產(chǎn)量的關(guān)系這個角度上建立模型對鋼鐵產(chǎn)量進行分析，顯然是不合理、不科學(xué)的。通過查找文獻資料，本文確定了粗鋼產(chǎn)量、發(fā)電量、固定資產(chǎn)投資、國內(nèi)生產(chǎn)總值、鐵路運輸量、建筑業(yè)總產(chǎn)值、國家財政支出這七個可能對鋼鐵產(chǎn)量有很大影響的因素。既然從時間角度上建立指數(shù)函數(shù)分析鋼鐵產(chǎn)量行不通，那我們就

36、從這七個與鋼鐵產(chǎn)量有很關(guān)系的因素入手，通過建立線性函數(shù)模型進行回歸分析，找到對鋼鐵產(chǎn)量影響最大的因素，并對鋼鐵產(chǎn)量進行較為正確的分析和預(yù)測。 而利用線性函數(shù)模型和逐步回歸的方法以及E v i e w s軟件的科學(xué)分析，通過對相關(guān)因子對鋼鐵產(chǎn)量的影響程度的分析可以看出粗鋼的產(chǎn)量對鋼鐵的產(chǎn)量的影響是最明顯的，很正常，粗鋼作為鋼鐵生產(chǎn)的原材料對鋼鐵的產(chǎn)量自然有這舉足輕重的影響。固定資產(chǎn)的投資是僅次于粗鋼的另一個與鋼鐵產(chǎn)量緊密相關(guān)的因素。然而，可以看出發(fā)電量和鐵路運輸量與鋼鐵產(chǎn)量的相關(guān)性并沒有我們想象中那么強。通過進一步分析，近幾年我國鋼鐵生產(chǎn)一直存在著產(chǎn)能過剩的情況，近些年金融危機對我國的鋼鐵產(chǎn)業(yè)也造成了不小的打擊，但是全社會對電量的需求不會減少，因為居民的生活，工廠企