學習資料收集于網絡，僅供參考課程設計報告( 2011 - 2012 年度第 1學期)名 稱: SAS 課 程 設 計 題 目：中國粗鋼產量與GDP的關系院 系： 理 學 院班 級： 09 統 計 學學 號： 0 9 1 1 1 1 2 1 2 0學生姓名： 付 義指導教師： 胡 二 琴 老 師設計周數： 一 周成 績： 日期： 2011 年 12 月 31 日（一）：確定課程設計題目21世紀中國經濟快速發展而同時去年從財經頻道了解到2008年金融危機后，中國的鋼材市場由之前的過熱導致鋼材產量過剩。在快速發展的中國金融危機之前鋼材沒有出現過剩而金融危機到來伴隨著鋼材的產能過剩。讓人產生想法鋼材的產量與GDP之間是否存在一定的關系，因此確定了SAS課程設計研究題目。并從國家統計局近幾年的統計年鑒中找出鋼材相關的產量數據，編制成一張excel表得到近年來中國鋼產量以及中國GDP數據如下表所示：年份粗鋼產量（萬噸）鋼材進口（萬噸)鋼材出口（萬噸)GDP（萬億）19783178.00 3645.0 19793448.00 4062.6 19803712.00 500.64 46.85 4545.6 19813560.00 331.86 61.72 4891.6 19823716.00 393.78 110.10 5323.4 19834002.00 978.00 49.20 5962.7 19844347.00 1331.40 20.30 7208.1 19854679.00 1963.49 18.12 9016.0 19865220.00 1742.23 19.74 10275.2 19875628.00 1174.94 27.33 12058.6 19885943.00 851.05 65.83 15042.8 19896159.00 819.72 78.07 16992.3 19906635.00 368.26 208.98 18667.8 19917100.00 332.59 329.33 21781.5 19928094.00 617.81 326.70 26923.5 19938956.00 3026.00 112.00 35333.9 19949261.00 2282.84 174.35 48197.9 19959536.00 1397.23 592.82 60793.7 199610124.00 1598.38 421.53 71176.6 199710891.00 1322.45 461.89 78973.0 199811459.00 1241.55 356.60 84402.3 199912395.00 1486.27 368.44 89677.1 200012850.00 1596.14 620.60 99214.6 200115163.00 1721.73 474.14 109655.2 200218155.00 2448.81 545.50 120332.7 200322116.00 3716.85 695.57 135822.8 200427246.00 2926.00 1422.00 159878.3 200534936.00 2586.00 2053.00 184937.4 200641878.00 1851.00 4303.00 216314.4 200748927.00 1687.10 6271.00 265810.3200850045.00 1543.00 5923.00 314045.4200956780.00 1763.20 2459.65 340506.9201062665.00 1643.01 4255.60 397983.0 （二）：關于課程題目的摘要21世紀中國經濟快速發展，同時也看到中國的粗鋼產量也以非常快的速度增加。兩者之間是否存在關系，如果存在有關系那么找出其中的關系。滿足自身的好奇也同時從全國從1978年到2010年的數據中得到模型，并希望從回歸模型中預測和指導中國下一階段的鋼材生產有自己的預測和看法。（三）：關于課程設計的引言近三十年來，我國粗鋼產量在全球的占比持續上升，大致可劃分為三個階段：1980年1989年的平穩增長期，我國粗鋼產量在全球的占比增長不明顯，十年間僅從5%左右略升至7%左右；1990年1999年的低速增長期，我國粗鋼產量在全球占比的增速有所擴大，由8%左右升至15%左右的水平；2000年2009年的高速增長期，這十年間我國粗鋼產量快速增長，其在全球占比的增速也明顯加大，2009年我國粗鋼產量在全球的占比達到近47%，較2000年的15%增長了近兩倍以上。（三）：關于課程設計的研究目的通過對鋼材的產量與GDP的關系可以從GDP數據預測中國市場上的鋼材數量才是合理，同時通過在正常的產量水品也可以估測GDP大小，建立鋼材產量與GDP的對應關系相互預測。（四）：此次課程設計的理論支持鋼材是國家重工業的基礎，同時鋼材的產量涉及到各個生產廠商。因此可以通過對GDP的大小來預測中國市場上鋼材的合適產量，建立鋼材合適產量與國家GDP增幅的關系。并通過改變以上數據得到以下的表格的內容，使得SAS可以處理以上數據： N表示年份 CL表示粗鋼產量 JK表示鋼材進口 CK表示鋼材出口 GDP則是國民生產總值則將收集到的信息整理表示為SAS中的可以操作的內容，修改之前的excel表得到數據如下。通過import data 導入到SAS中在SASUSER下建立一個名為GDP的數據集。NCLJKCKGDP19783178.00 3645.0 19793448.00 4062.6 19803712.00 500.64 46.85 4545.6 19813560.00 331.86 61.72 4891.6 19823716.00 393.78 110.10 5323.4 19834002.00 978.00 49.20 5962.7 19844347.00 1331.40 20.30 7208.1 19854679.00 1963.49 18.12 9016.0 19865220.00 1742.23 19.74 10275.2 19875628.00 1174.94 27.33 12058.6 19885943.00 851.05 65.83 15042.8 19896159.00 819.72 78.07 16992.3 19906635.00 368.26 208.98 18667.8 19917100.00 332.59 329.33 21781.5 19928094.00 617.81 326.70 26923.5 19938956.00 3026.00 112.00 35333.9 19949261.00 2282.84 174.35 48197.9 19959536.00 1397.23 592.82 60793.7 199610124.00 1598.38 421.53 71176.6 199710891.00 1322.45 461.89 78973.0 199811459.00 1241.55 356.60 84402.3 199912395.00 1486.27 368.44 89677.1 200012850.00 1596.14 620.60 99214.6 200115163.00 1721.73 474.14 109655.2 200218155.00 2448.81 545.50 120332.7 200322116.00 3716.85 695.57 135822.8 200427246.00 2926.00 1422.00 159878.3 200534936.00 2586.00 2053.00 184937.4 200641878.00 1851.00 4303.00 216314.4 200748927.00 1687.10 6271.00 265810.3200850045.00 1543.00 5923.00 314045.4200956780.00 1763.20 2459.65 340506.9201062665.00 1643.01 4255.60 397983.0 （五）：對模型的初步理論分析粗鋼產量變化與GDP的關系（從網上查閱到如下信息）2000年以來，隨著中國城市化建設的不斷加快，國內房地產投資及基礎設施建設力度的加大，我國鋼材消費也持續擴大，由此帶來鋼鐵產業的迅猛發展，國內鋼鐵產量也呈高速增長態勢。作為工業基礎性行業，鋼鐵業的發展給上下游多個行業帶來聯動效應，進而也促進了國內GDP的大幅增長。事實上，一國的粗鋼產量與該國GDP存在較大的相關性。我們從近三十年來中國的粗鋼產量與GDP的對比圖可見，與經濟結構體系相對合理完善的發達國家相比，作為發展中國家的中國。經濟體的增長模式明顯更為粗放，其經濟增長在很大程度上依賴于第二產業制造業的發展，尤其是固定資產投資建設的拉動。對數據的SAS分析（六）：模型的初步建立顯示各個數據隨時間的變化看GDP隨年份的變化散點圖程序如下：proc gplot data=sasuser.gdp;plot GDP*N;run;散點圖如下：看粗鋼產量隨年份的變化散點圖程序如下：proc gplot data=sasuser.gdp;plot CL*N;run;得到的散點圖如下：看鋼材的進口歲年份的變化散點圖程序如下：proc gplot data=sasuser.gdp;plot JK*N;run;得到的散點圖如下：鋼材出口歲年份的變化散點圖程序如下：proc gplot data=sasuser.gdp;plot CK*N;run;得到的散點圖如下：由于看到GDP隨著年份的變化散點圖與粗鋼的產量，凈進口量散點圖比較一致。因此大致可以認為他們之間有關系。但是還不能得出相應的結論。（七）：對分析的數據建立回歸模型由上面的散點圖判斷GDP與CL，JK, CK的回歸分析模型回歸的程序如下：proc reg data=sasuser.gdp;model gdp=cl jk ck;run;得到output窗口的結果如下： The SAS System 02:47 Sunday, January 1, 2012 1 The REG Procedure Model: MODEL1 Dependent Variable: GDP GDP Analysis of Variance Sum of Mean Source DF Squares Square F Value Pr F Model 3 3.488467E11 1.162822E11 416.91 |t| Intercept Intercept 1 -16089 6432.48068 -2.50 0.0187 CL CL 1 6.76696 0.43563 15.53 .0001 JK JK 1 1.68621 4.09650 0.41 0.6839 CK CK 1 -6.39980 4.11876 -1.55 0.1319分析：模型的整體F檢驗看出模型顯著，但是從單個變量看JK以及CK都不顯著。得到方程的回歸模型為：GDP= -16089+ 6.76696 CL +1.68621 JK+-6.39980 CK（八）：該模型的多重共線性檢測1.經濟意義的檢測由于粗鋼產量的增加可以從經濟意義上看到與GDP成正相關性。鋼材的出口與GDP從經濟意義上的正相關。鋼材的進口與GDP呈現經濟意義上的負相關。由于從上面的散點圖可以看出相關關系不是很明顯則可以考慮GDP與鋼材進口，鋼材出口，以及粗鋼產量之間，可能存在有多重共線性所導致。2 .統計檢驗從回歸的模型的F檢驗可以看出P0.05同樣的CK的P=0.13190.05則可以認為在95%的置信水平下JK與CK的系數不顯著。3. SAS中統計檢驗是否存在多重共線性的辦法：（1）：得到相關系數矩陣程序如下：proc corr data=sasuser.gdp;var N cl jk gdp;run;得到分析量之間的協相關系數矩陣output窗口的結果： The SAS System 23:47 Saturday, December 31, 2011 1 The CORR Procedure 4 Variables: N CL JK GDP Simple StatisticsVariable N Mean Std Dev Sum Minimum Maximum LabelN 33 1994 9.66954 65802 1978 2010 NCL 33 16327 17099 538804 3178 62665 CLJK 31 1524 835.68515 47243 331.86000 3717 JKGDP 33 90286 107860 2979452 3645 397983 GDP Pearson Correlation Coefficients Prob |r| under H0: Rho=0 Number of Observations N CL JK GDP N 1.00000 0.84152 0.56454 0.87582 N .0001 0.0009 .0001 33 33 31 33 CL 0.84152 1.00000 0.36044 0.98852 CL .0001 0.0464 .0001 33 33 31 33 JK 0.56454 0.36044 1.00000 0.38001 JK 0.0009 0.0464 0.0350 31 31 31 31 GDP 0.87582 0.98852 0.38001 1.00000 GDP .0001 F Model 3 3.488467E11 1.162822E11 416.91 |t| Inflation Intercept Intercept 1 -16089 6432.48068 -2.50 0.0187 0 CL CL 1 6.76696 0.43563 15.53 |t| Inflation0.0187 00.05方差擴大因子最大所以剔除JK再做共線性檢測。得到相應的程序如下：proc reg data=sasuser.gdp;model gdp=cl ck/vif collin;run;在SAS的output窗口中有如下： The SAS System 23:47 Saturday, December 31, 2011 3 The REG Procedure Model: MODEL1 Dependent Variable: GDP GDP Analysis of Variance Sum of Mean Source DF Squares Square F Value Pr F Model 2 3.487994E11 1.743997E11 644.39 |t| Inflation Intercept Intercept 1 -14269 4600.74831 -3.10 0.0044 0 CL CL 1 6.84170 0.39006 17.54 |t| Inflation碧綠碧綠的葉子（小草、菜地） 雪白雪白的雪花（浪花、梨花、貝殼）0.0044 00.05即表示系數不顯著。一（ 座 ）房 一（個 ）蘋果 一（片 ）樹葉 一（群）鴨子剔除CK再次建立回歸。相應的程序如下：(3)、連線或填空proc reg data=sasuser.gdp;（ 平翹舌、 前后鼻、 二三聲調 ）model gdp=cl/vif collin;媽媽一邊洗手，一邊說話。run;在output窗口中得到的結果如下： The SAS System 23:47 Saturday, December 31, 2011 4干凈干干凈凈 明白明明白白3、日 木 女 王 日 口 4、音 門 日 禾 女 山 The REG Procedure火 火字旁 （炒 燒 ） 口 方框（國 園 圓） Model: MODEL1 Dependent Variable: GDP GDP Analysis of Variance Sum of Mean Source DF Squares Square F