统计分析是运用统计 方法 与分析对象有关的知识，从定量与定性的结合上进行的研究活动。下文是我为大家整理的关于统计分析论文的 范文 ，欢迎大家阅读参考!
浅谈统计分析与决策
[摘要] 统计分析与决策二者有联系又有区别。统计要参与决策，必须搞好统计分析。搞好统计分析，需要解决选题、分析、撰写 报告 三个问题。
[关键词] 统计分析 分析方法 决策
统计工作的全过程分为四个阶段，即统计设计，统计调查，统计整理，统计分析。其中，统计分析是统计工作的最后一个阶段，是出统计成果的阶段。现在倡导统计要参与决策，这是不是说统计工作还要增加一个决策阶段呢?如果不是，那么，统计分析与决策是什么关系呢?
狭义的说，统计分析与决策是有区别的。统计分析是以统计数字为基础，以统计方法为手段，对社会经济情况进行科学的分析和综合研究，以认识其本质和规律的过程。而决策则是为了达到某一预定目标，运用逻辑方法和统计方法，对两种或两种以上可能采取的方案进行比较、分析、研究，以做出合理的、科学的抉择的行为过程。假若把统计分析与决策比作医生看病，统计分析就是对病情的诊断，决策就是开处方，“诊断”和“处方”是有区别的。
广义的讲，统计分析与决策是密不可分的。一方面，统计分析贯穿于决策过程之中。一个决策过程大体上可分为下列三个大步骤：第一，诊断问题所在，确定决策目标;第二，探索和拟定各种可能的备选方案;第三，从各种备选方案中选出最合适的方案。从这三大步骤看，尽管要用到多种方法和手段，但哪一步也离不开统计分析，第一步就是通过统计分析，诊断问题所在，并在分析的基础上确定决策目标;第二步拟定备选方案，要经过“轮廊设想”和“细部设计”这个阶段对轮廊设想的方案要做初步筛选，对每一方案要充实具体内容，“筛选”和“充实”都要经过统计分析;第三步选择最佳方案，首先要对各个备选方案进行评价、论证，这又需要统计分析。因此可以说，没有统计分析，也就没有科学决策。另一方面，从某种意义上讲，决策是统计分析的结果。一般来说，统计分析报告是提出问题、分析问题、指出解决问题的办法，其实，决策方案也就是解决问题实现决策目标的办法，只不过比“今后意见”“几条 措施 ”之类的办法更全面、更详细、更科学罢了。医生诊断是为了正确处方，治病救人，不能只诊断不处方。统计分析是为了发现问题，解决问题，推动社会经济的顺利发展;也不能只提出问题，而不寻找解决问题的办法。从这个意义上讲，统计分析也就包括预测和决策。我们不能为统计而统计，也不能为分析而分析。统计应该参与决策，为了决策科学化，必须搞好统计分析。
搞好统计分析，需要解决选题、分析、撰写报告三个问题。
一、统计分析选题
所谓选题，就是在复杂的社会经济现象中,确定统计分析的内容和范围。进行统计分析,选题很重要。成功的选题是成功的分析的前提。
怎样选好题呢?选好题标准有两条:―是分析对象有意义，二是适合决策层和群众需要。关键是抓住党和国家的方针政策和企业的经济效益。
统计分析课题是很广泛的。工业统计分析课题如：计划执行情况分析、工业净产值统计分析、工业产品销售统计分析、工业原材料供应和消耗统计分析、工业能源消耗统计分析、工业生产设备统计分析、工业劳动与工资统计分析、成本利润统计分析、综合经济效益统计分析等。商品流通企业统计分析课题如：市场供求状况分析、市场占有率分析、主要商品经济寿命周期分析、市场商品价格分析、计划执行情况分析、购销合同执行情况分析、商品购进质量分析、商品销售动态分析、商品销售构成分析、商品库存分析、企业经济效益分析等。对于以上内容，可根据不同的时间、地点、条件，按两条选题标准适当选择。
统计分析有专题分析与综合分析之分。在一定的总体范围内，研究总体的各个方面及其相互关系，或研究总体的主要方面的统计分析，属于综合分析;只研究其中某一方面，或某一部分的统计分析，属于专题分析。两者各有不同的特点，都是必要的，但专题分析宜多，综合分析宜少。
二、统计分析方法
统计分析的关键是分析，怎样进行统计分析呢?统计分析有两个特点:一是以统计数字为基础,二是以统计方法为手段。因此,统计分析在选题之后,就要根据分析的需要,搜集整理有关数字资料及具体情况,在充分占有材料的基础上,灵活运用统计方法进行分析。
统计分析方法很多。统计学原理中除了有关统计调查、统计整理的内容外,综合指标、统计指数、时间数列、抽样推断等内容全部是统计分析方法。从方法角度上讲，统计分析就是统计学原理的运用。
统计方法与人们的认识过程是相适应的。人们的认识分感性认识和理性认识两个阶段。感性认识阶段所认识的是事物的现象，可采用统计调查和统计整理。理性认识阶段所认识的是事物的本质和规律，这个阶段要经过形成概念、进行判断和推理等思维活动。与此相适应，要分别采用不同的统计分析方法。
形成概念一般用描述性的综合指标法，即总量指标、相对指标和平均指标，以说明现象的规模大小、水平高低、速度快慢、内部结构以及比例关系等。判断推理就是要判断事物的性质，分析事物变化的原因，找出事物发展的规律。这一般要用分组分析法、动态分析法、因素分析法、相关回归分析法、平衡分析法等。
对统计学原理中的各种统计分析方法要熟练地掌握，灵活地运用。怎样灵活运用呢?这里有个技巧问题。技巧就是定性分析与定量分析巧妙结合。
所谓定性分析是指对事物的性质和影响事物发展变化的因素进行分析。定量分析就是分析事物的规模、水平、速度、结构、比例，以及各个因素对事物总体变化的影响方向和影响程度。定性分析与定量分析巧妙结合有两层含义，一是二者不可偏废，二是二者密不可分，
没有定性分析,定量分析就没有方向。没有定量分析,定性分析就不准确。结合的目的是在质与量的辩证统一中探寻事物的内在联系。
从根本上讲，统计分析就是完成从感性认识到理性认识，从现象到本质的飞跃。完成了这―飞跃，才是高质量的统计分析。有些统计分析质量不高，往往就是没有完成这一飞跃，仍然停留在表面现象上。
三、统计分析报告的撰写
统计分析报告是统计的最终产品。如果说统计数字的准确性是统计的生命，那么，统计分析报告的质量则关系到统计作用的发挥。对高质量的统计分析报告的要求，可以概括为五个字，就是“准、快、新、深、活”。
准:就是实事求是地反映客观实际。做到数字准确，情况准确，论点准确。
快:就是在决策层决策之前，不失时机地及时提供分析报告。
新:就是不断创新。要求不断开拓新领域，钻研新课题，反映新情况和新问题。
深:就是要在充分占有材料的基础上，提高分析的深度，使认识不只停留在反映现象上，而要揭示事物的本质和规律，并且用观点统帅材料，用材料说明观点，做到材料和观点的统一。
活:就是文字生动活泼，形式灵活多样。资料要多样化和生动具体，要有群众语言，要通俗易懂，文字要精精炼。
统计分析报告是在统计分析的基础上撰写出来的。没有好的分析，不可能写出好的报告。经过分析阶段，弄清了事实，判明了性质，探索出规律，得出了结论，在此基础上就可以撰写统计分析报告。但分析得好，并不等于报告写得好，这里还有个撰写的技巧问题，那就是准确地表述事实，透彻地阐明本质，深刻地揭示规律，恰当地提出建议。
1.准确地表述事实
每一篇统计分析报告，都需要表述所分析的现象，即说明“是什么”。准确地表述事实，才能给读者一个明确的概念。为此，须注意如下几点:(1)数字要真实;(2)运用数字要适当，不要堆砌数字，搞数字文字化;(3)语言要素准确。
2.透彻地阐明本质
现象只说明事物的各个片面，本质才说明事物的整体。撰写统计分析报告，必须深刻地揭示事物的本质，它是统计认识事物的正确程度和深度的反映。如果不能深刻地阐明事物的本质，那只能是现象罗列，没有多大价值。
阐明事物的本质，也就是阐明事物的基本性质。事物的性质是由事物内部矛盾的主要方面决定的。例如，某企业利润增加，是靠涨价，还是靠降低成本?经过分析，认识到利润增加主要是靠降低成本，这是矛盾的主要方面，这就反映出事物的性质。因此，在报告中就应阐明降低成本在提高经济效益中的重要作用。再如某企业，本质问题是钢材浪费严重，在报告中就应揭示浪费的若干方面和严重程度。
3.深刻地揭示规律
规律是事物内部固有的、本质的、必然联系。成本高低与产量多少有联系，经过推理，这种联系是事物内部固有的、本质的必然联系，反映了事物发展变化的规律性，而且存在一定的回归关系。而回归方程反映这种关系，所以在统计分析报告中，要利用回归方程揭示这种必然联系及其回归关系。
4.恰当地提出建议
认识世界的目的是为了改造世界。经过统计分析,透过现象认识到事物的本质和规律,还必须提出解决问题的建议,如“今后意见”、“几点建议”、“决策方案”等等。怎样才算恰当地建议呢?恰当的建议要符合三个条件:(1)符合分析目的;(2)合乎客观规律;(3)切实可行。
以上四点,一般可以作为分析报告的结构和顺序,但不能千篇一律。
统计分析报告是统计分析结果的反映。既要注意提高写作水平，更要努力锻炼分析问题和解决问题的能力。
试谈统计分析方法应用
【摘要】统计分析方法应用于各个领域，解决了很多工业、农业、经济、医学等领域的实际问题，本文分析多元统计分析方法的主要应用和构建多元统计方法检验体系的必要性，针对性的提出了需要引起注意的共性问题，具有很强的现实意义。
【关键词】统计分析方法;应用;检验体系;共性问题;现实意义前言
随着信息技术的普及和广泛应用，它推动了社会、经济和科学技术的发展，多元统计分析方法的难题得到了攻破，各个领域广泛采用，推动了各行各业经济的快速发展。
二、多元统计分析方法的主要应用
统计方法是科学研究的一种重要工具，其应用颇为广泛。在工业，农业，经济，生物和医学等领域的实际问题中，常常需要处理多个变量的观测数据，因此对多个变量进行综合处理的多元统计分析方法显得尤为重要。随着电子计算机技术的普及，以及社会，经济和科学技术的发展，过去被认为具有数学难度的多元统计分析方法，已越来越广泛地应用于实际。
聚类分析
它是研究分类问题的一种多元统计方法，聚类分析的基本思想是首先将每个样本当作一类，然后根据样本之间的相似程度并类计算新类与 其它 类之间距离，再选择近似者并类每合并一次减少一类，继续这一过程直到所有样本都合并成为一类为止。所以聚类分析依赖于对观测间的接近程度或相似程度的理解，定义不同的距离量度和相似性量度就可以产生不同的聚类结果。企业制定 市场营销 战略时要弄清在同一市场中哪些企业是直接竞争者，哪些是间接竞争者是非常关键的一个环节。要解决这个问题，企业首先可以通过 市场调查 ，获取自己和所有主要竟争者，从而寻找企业在市场中的机会。
判别分析
判别分析是已知研究对象分成若干类型，并取得各种类型的一批已知样品的观测数据、在此基础上根据某些准则建立判别式，然后对未知类型的样品进行判别分析，企业在市场预测中往往根据以往所调查的种种指标，用判别分析方法判断下季度产品是畅销平销或滞销。一般情况下判别分析经常与聚类分析联合起来使用。
主成分分析
主成分分析就是设法将原来指标重新组合成一组新的互相无关的几个综合指标，来代替原来指标，同时根据实际需要从中可取几个较少的综台指标，尽可能多反映原来指标的信息，在市场研究中常常利用主成分析方法分析顾客的偏好和当前市场的产品与顾客之间的差别，从而提供给生产企业新产品开发方向的信息。
因子分析
因子分析是主成分分析的推广和应用。它是将错综复杂的随机变量综合为数量较少的随机变量去描述，多个变量之间的相关关系以再现原始指标与因子之间的相互关系。也可以认为因子分析是将指标按原始数据的内在结构分类。例如:对Y个调查区的商业网点数、人口数、金融机构服务数、收入情况等N个指标进行因子分析，如果按照一般的分析方法，我们就需要处理N个指标，并给它们以不同的权重。这样不仅工作量变大而且由干指标之间存在比较高的相关性，会给分析结果带来偏差另外给具有较高相关性的众多指标，从而计算出各个调查区平均综合实力得分以便决定在某个调查区拟建何种类型的销售点。
三、构建多元统计分析方法检验体系的必要性
(一)构建多元统计分析方法检验体系，提高多元统计分析应用质量
多元统计分析方法已经越来越为人们广泛应用，但应用中盲目套用分析方法的情况很多，只关心模型方法的应用。许多教科书也只侧重介绍多元统计分析方法的思想、原理和分析步骤，对多元统计分析方法应用结果的统计检验叙述不多。这就直接影响了多元统计分析方法的应用效果和可信性。因此，本文拟对多元统计分析方法的统计检验问题进行探讨。构建多元统计分析方法检验体系的目的在于进一步丰富和完善多元统计分析方法的内容体系;实践上，使多元统计分析方法的应用更加合理、规范。推动多元统计分析方法应用质量的提高，推动多元统计分析方法获得更广泛的应用。
(二)多元统计分析统计检验体系的基础理论
多元正态分布总体的样本分布，即维希特分布，霍特林分布，威尔克斯分布,多元正态总体均值向量假设检验，包括一个正态总体均值向量假设检验，两个正态总体均值向量假设检验，多个正态总体均值向量假设检验;多元正态总体协方差阵假设检验，包括一个正态总体协方差阵假设检验，多个协差阵相等假设检验。
(三)关于统计检验体系
将上述统计检验体系有机结合在一起，就构成了多元统计分析方法检验体系的基本框架。多元统计分析方法检验体系的构建,用多元统计分析方法，充分发挥多元统计分析方法的应用价值，提高应用质量，我们建议，在应用时，应该按照上述框架进行相应的统计检验。当然。上述统计检验体系还是一个初步的框架，随着多元统计分析方法理论的逐步完善，上述检验体系也需要不断完善，也需要更多的同行关注此类问题并不断加以研究。另一方面，在实际应用中，即便是某种方法根据上述内容都进行了统计检验，由于各种方法自身存在的缺陷或局限性，也还会存在许多应用中考虑不周之处。应该引起注意。但是，因子分析结果还是具有较大主观性。特别是对公共主因子在专业方面实际意义的解释上，仍然保留着一种艺术气息，并没有统一做法，因此很多情况下也是不能令人满意的。总之，我们在应用时，对因子分析的适用性、公因子的估计方法、公因子选取的数目。公因子的实际意义的解释等一系列问题都要引起足够注意。检验体系有如下几个分类：
a.主成分分析统计检验体系
b.因子分析统计检验体裂引
c.系统聚类分析统计检验体系
d.判别分析统计检验体裂
e.对应分析统计检验体系
f.典型相关分析统计检验体系
四、多元统计分析方法应用中需要注意的几个共性问题
1.关于原始数据变量的总体分布问题。
对原始变量的总体分布各种方法各有不同的要求。有的方法对原始数据变量总体分布没有特殊的要求，如主成分分析、聚类分析、对应分析。有的方法在不同情况下，对原始变量分布有不同的要求，如因子分析中，公共因子的估计方法不同，对原始变量分布要求不同，采用极大似然估计方法估计主因子时，是假定原始变量是服从多元正态分布的，因此，应用时要引起重视，如典型相关分析要求原始变量服从正态分布，但在严格意义上，如果变量的分布形式比如高度偏态不会降低其他变量的相关关系，典型相关分析是可以包含这种非正态变量的。
样本容量问题。
进行多元统计分析时，样本容量n达到多少为宜，目前尚没有统一的结论。有的认为样本容量应是变量个数的10～20倍，有的认为样本容量要在100以上比较合适，有的认为进行巴特莱特检验时的样本容量应该大于150方可，也有的认为不必苛求太多的样本容量，如在进行主成分分析和因子分析时当原始变量之间的相关性很小时，即使再扩大样本容量，也难以得到满意效果。
原始变量之间的相关性以及非线性关系问题。
多元统计分析方法中，有的是的要求原始变量中要具有相关性。有的则不要求原始变量具有相关性。如聚类分析中，进行Q型系统聚类分析时对原始数据变量之间的相关性也是有要求的，如选择欧式距离、明氏距离、兰氏距离时，则要求原始变量之间是不相关的。只有对原始数据的相关性进行了处理后，才可以选择使用上述距离。若原始变量存在相关性，则选择马氏距离比较合适。另外原始变量之间的非线性关系也是需要注意的问题。如主成分分析、因子分析以及典型相关分析当基于相关矩阵来进行计算时，这里的相关矩阵实际上是Pearson的积差相关。但是，如果变量之间的关系不是线性的，而是非性相关关系，于是，所进行的分析以及结论也就失去应有的意义了。
数据处理问题。
多元统计分析中涉及多个变量，不同变量往往具有不同的量纲及不同的数量级别。在分析时，具有不同量纲的变量进行线性组合是没有意义的，不同的数量级别的变量之间进行分析时。会导致“以大吃小”，即数量级的变量的影响会被忽略，从而影响了分析结果的合理性。因此。为了消除量纲和数量级别的影响，进行多元统计分析时，必须对原始数据进行处里，最常用的是先作标准化变换处理，然后再作相应的分析。
五、结束语
在统计分析方法的应用中，会涉及到多个变量，因此，必须根据原来有的数量进行处理，然后才能得出相应的分析结论。本文结合多元统计分析方法的理论基础，对相关检验体系和分析体系进行了分析，具有现实的理论指导意义。
【参考文献】
[1]于秀林.多元统计分析[M].北京,中国统计出版社，1999：223—224.
[2]高惠璇.应用多元统计分析[M].北京,北京大学出版社 ，2005：343—366.
[3]郭志刚.社会科学分析方法一SPSS软件应用[M].,中国人民大学出版社，1999.
[4]傅德印.主成分分析中的统计检验问题 [J].统计 教育 ，2007(9)：4—7.
摘要：本文用模特卡罗模拟方法研究了样本容量在54以下的DW统计量的分布特征，并给出小样本DW检验临界值表。同时用DW检验提出了一个判别最小二乘估计中是否存在虚假回归的有效方法。关键词：模特卡罗模拟，DW分布，非平稳性，协整
Distribution of Small Sample DW Statistic
Zhang Xiaotong1 Zhao Chuxiao2
(1. Institute of International Economics, Nankai University, Tianjin 300071)
(2. Management School, Tianjin University, Tianjin 300072)
Abstract In this paper we investigated the DW distribution with sample size under 54 by Monte Carlo simulation method and gave a critical table for small sample DW test. Based on that we proposed a method for recognizing spurious regression in ordinary least squares estimation.Keywords: Monte Carlo simulation, DW distribution, nonstationary, cointegration
1．概述
八十年代以来，Engle-Granger (1987), Engle-Yoo (1987) 和Sargan-Bhargava (1983)都曾提及用DW统计量检验非平稳变量间的协整性问题。在Sargan-Bhargava (1983)中还专门给出一个DW协整检验用表。但在这些论文中均未对小样本DW统计量的分布特征给与研究。
本文采用蒙特卡罗模拟方法对小样本DW统计量的分布特征进行了充分、详细的研究。样本容量分别取为10，20，30，40和50。变量的设定分为三种情形：一. 所涉及的两个变量都取自I(1)过程；二. 所涉及的两个变量中一个取自I(1)过程，一个取自I(0)过程；三. 所涉及的两个变量都取自I(0)过程。
在有些国家以年为单位的时间序列的最大可观测值个数并不是很大，所以对小样本DW统计量分布特征的研究有着非常重要的理论与现实意义。
本文结构如下。第二节推导两个I(1)变量进行最小二乘回归后，由残差计算的DW统计量的极限分布表达式，第三节介绍蒙特卡罗模拟结果及其分析，第四节给出实例，第五节给出结论。
2．DW统计量的极限分布
给定如下随机数据生成系统，
yt = yt-1 + ut , y1 = 0, （1）
xt = xt-1 + vt , x1 = 0, （2）
其中ut, vt ~ I(0), E(ut) = E(vt) = 0; E(ui uj) = 0, i ¹ j," i, j。则yt和xt为相互独立的两个I(1)过程。
建立如下回归模型：
yt = b0 + b1xt + wt . （3）
当对上式进行最小二乘估计时，会产生虚假回归问题。用随机误差wt的最小二乘估计值 构造DW统计量，
（4）
因为当T ® µ 时， 必然接近于零，上式中分子为Op(1)，而分母T -1sw2也是Op(1)，所以DW统计量是Op(T -1)的。当T ® µ 时，有
DW Þ 0.
即当用两个I(1)变量进行如模型(3)形式的回归时，DW统计量的极限分布为零。
3．小样本DW分布的蒙特卡罗模拟及其结果分析
当样本为有限样本，特别是小样本时，DW统计量的分布与其极限分布有着很大不同。由于上述条件下的DW统计量的分布无法用解析的方法求解，本文用蒙特卡罗模拟方法对DW统计量的小样本分布特征进行了研究。
以模型(3)为基础，除了以yt，xt ~ I(1)为条件对DW分布（记为DW(1,1)）进行模拟外，还分别以yt ~ I(1)，xt ~ I(0) 和yt，xt ~ I(0)为条件进行了模拟（分别记为DW(1,0) 和DW(0,0)）。
由于DW(0,0)就是通常意义的DW统计量，所以只模拟样本容量T = 10, 40两种情形。对于DW(1,1)和DW(1,0)，分别取T = 10, 20, 30, 40和50进行了模拟。在每个样本容量条件下各模拟1000次。所得结果见表一。
首先见表一的第三部分，先分析DW(0,0) 的分布特征。由于DW(0,0) 就是通常意义的DW统计量，所以模拟结果表明，一. DW(0,0)分布的均值为2，不受样本容量大小的影响；二.分布是对称的，相应JB值（表中最后一列）说明小样本DW(0,0)统计量的分布与正态分布相当近似。三. 随着样本容量的增大，分布的标准差逐步减小。
见表一的第一、二部分。小样本DW(1,1)和DW(1,0)统计量有着相似的分布特征。一. 分布均为右偏态，分布左侧有端点，端点为零；二. 随着样本容量的增大，DW(1,1)和DW(1,0)分布的右偏倚程度越来越大，分布均值逐步相左移动，90、95、99百分位数也逐步向左移动，同时分布的标准差逐步减小，分布的峰值越来越大，DW取值向零集中；三. 在样本容量相同的条件下，DW(1,0)分布总是位于DW(1,1)分布的左侧，即DW(1,0)分布的均值、百分位数以及方差都比DW(1,1)分布的相应量小。T = 50模拟1000次的DW(1,1)和DW(1,0)分布的结果分别见图一和图二。
表一 DW分布的蒙特卡罗模拟结果
类 型 样本容量 百 分 位 数 均 值 标准差 偏 度 JB统计量
1 90 95 99
10 0.22 2.18 2.45 2.81 1.28 0.62 0.50 48.74
DW(1,1) 20 0.11 1.28 1.49 1.80 0.75 0.39 0.68 77.61
30 0.09 0.90 1.04 1.39 0.51 0.29 1.07 293.73
40 0.06 0.77 0.88 1.16 0.41 0.25 1.06 250.10
50 0.05 0.59 0.71 0.98 0.33 0.20 1.16 341.31
10 0.18 1.73 2.02 2.38 0.98 0.53 0.73 89.59
20 0.09 1.02 1.21 1.59 0.56 0.34 1.22 369.61
DW(1,0) 30 0.06 0.70 0.83 1.18 0.38 0.24 1.27 430.43
40 0.04 0.54 0.66 0.91 0.30 0.19 1.25 383.68
50 0.04 0.45 0.54 0.71 0.24 0.15 1.12 261.84
DW(0,0) 10 1.31 2.75 2.97 3.24 2.02 0.57 0.00 7.17
40 0.72 2.41 2.53 2.70 2.00 0.31 0.03 4.06
注：1. DW(1,1)表示由两个I(1)变量进行回归，计算得到的DW值
2. DW(1,0)表示由一个I(1)变量和一个I(0)变量进行回归，计算得到的DW值。
3. DW(0,0)表示由两个I(0)变量进行回归，计算得到的DW值。
4. 在每个样本容量条件下各模拟1000次。
图一 T = 50模拟1000次的DW(1,1)分布直方图 图二 T = 50模拟1000次的DW(1,0)分布直方图
在相同样本容量条件下，DW(1,0)分布之所以位于DW(1,1)分布左侧，可作如下解释。随着T ® µ，DW(1,0)和DW(1,1)的分布都趋近于零。由于DW(1,0)来自于一个I(1) 变量和一个I(0)变量之间的回归，所以残差序列wt ~ I(1)。由于DW(1,1)来自于两个I(1)变量之间的回归，一般来说残差序列wt&nb
1、统计范围
GDDS将国民经济活动划分为五大经济部门：实际部门、财政部门、金融部门、对外部门和社会人口部门。对每一部门各选定一组能够反映其活动实绩和政策以及可以帮助理解经济发展和结构变化的最为重要的数据类别。系统提出了五大部门综合框架和相关的数据类别以及指标编制和公布的目标，鼓励以适当的、反映成员国需要和能力的频率和及时性来开发和公布指标。选定的数据类别和指标分为规定的和受鼓励的两类。
规定的数据类别包括：（1）来自综合框架中的核心部分，如实际部门的国民帐户总量、财政部门的中央政府预算总量、金融部门的广义货币和信贷总量、对外部门的国际收支总量；（2）追踪分析统计类目，如实际部门的各种生产指数、财政部门的中央政府财政收支和债务统计、金融部门的中央银行分析帐户、对外部门的国际储备和商品贸易统计；（3）与该部门相关的统计指标，如实际部门的劳动市场和价格指数统计；（4）社会人口数据，包括人口、保健、教育、卫生等方面统计。
除规定的数据类别以外，GDDS鼓励成员国发布更多的统计信息，以增强成员国经济实绩和政策的透明度。如实际部门列出储蓄、国民总收入指标，财政部门列出利息支付和偿债预计数据等。
GDDS认为，系统所包括的大多数数据类别都是由各国官方机构编制的。将私人部门编制的数据包括进去将更有助于观察经济的全貌，并使各国数据的范围更加一致。但是，将一些由私人机构编制的数据包括在系统内会增加工作的复杂性，比如由官方转发这些数据隐含着对这些数据质量的认可，官方必须对在公众获得、数据完整性和数据质量方面的责任做出调整。
2、公布频率
公布频率是指统计数据编制发布的时间间隔。某项统计数据的公布频率需要根据调查、编制的工作难度和使用者的需要来决定。系统鼓励改进数据的公布频率。GDDS对列出的数据类别的公布频率作了统一规定。例如， GDDS要求国民帐户、国际收支平衡表按年公布，广义货币概览按月公布，汇率则每日公布。
3、公布及时性
公布及时性是指统计数据公布的速度。统计数据公布的及时性受多种因素制约，如资料整理和计算手续的繁简、数据公布的形式等。GDDS规定了间隔的最长时限，如按季度统计的GDP数据规定在下一季度内发布，按月度统计的生产指数规定在6周至3个月内公布。
GDDS将选定的数据类别分为规定性和鼓励性两类，目的是给予参加国公布统计数据一定的灵活性。鼓励性一类是要成员国争取发布的，条件不具备的可以暂不发布。有些数据类别下构成要素后面注明“视具体情况”，即成员国认为该项统计不符合本国实际的，可以不编制发布。GDDS规定的发布周期和发布及时性也列出一些灵活处理和变通的办法。
GDDS有关数据方面的内容及要求如下：
GDDS的数据规范
A、综合框架
核心框架
范围、分类和分析框架
受鼓励的扩展
频率
及时性
国民帐户
编制和公布全套的名义和实际国民帐户总量和平衡项目，得出国内生产总值、国民总收入、可支配总收入、消费、储蓄、资本形成、净贷款、净借款。编制和公布有关的部门帐户以及国家和部门的资产负债表
年度
10-14个月
中央政府操作
编制和公布交易和债务的综合数据，需强调：1）包括所有的中央政府单位；2）使用适当的分析框架；3）建立一整套详细的分类标准（税收和非税收收入、经常性和资本性支出、国内及国外融资），并适当细分（根据债务持有人、债务工具和币种）。
广义政府或公共部门操作数据，在那些地方政府或公共企业操作具有重要分析或政策意义的国家尤其鼓励。
年度
6-9个月
广义货币概览
编制和公布综合的数据，需强调：1）包括所有的存款公司（银行机构）；2）使用适当的分析框架；3）建立对外资产和负债、按部门分类的国内信贷以及货币（流动性）和非货币债务构成的分类标准。
月度
2-3个月
国际收支
编制和公布综合的国际收支主要总量数据和平衡项目，包括：货物和服务的进口和出口、贸易差额、收入和转移、经常项目差额、储备和其他金融交易、总余额，并适当进行细分。
国际投资头寸和总体经济外债数据（如果这些数据具有重要的分析和政策意义）
年度
6-9个月
GDDS的数据规范
B、数据类别和指标
数据类别
核心指标
受鼓励的总量及构成
频率
及时性
实际部门
国民帐户总量
国内生产总值（名义和实际）
国民总收入、资本形成、储蓄
年度（鼓励季度）
6-9个月
生产指数
制造业或工业
初级产品、农业或其他指标
视具体情况
月度
视具体情况
所有指标都为6周-3个月
价格指数
消费者价格指数
生产者价格指数
月度
1-2个月
劳动力市场指标
就业、失业，工资/收入，视具体情况
年度
6-9个月
财政部门
核心指标
受鼓励的指标
频率
及时性
中央政府预算总量
收入、支出、差额和融资，视具体情况进行细分（根据债务持有人、债务工具和币种）
利息支付
季度
1个季度
中央政府债务
内债和外债，视具体情况适当细分（按币种、期限、债务持有人和债务工具）
政府担保债务
年度（鼓励季度）
1-2个季度
金融部门
核心指标
受鼓励的指标
频率
及时性
广义货币和信贷总量
净对外头寸、国内信贷、广义或狭义货币
月度
1-3个月
中央银行总量
储备货币
月度
1-2个月
利率
短期和长期政府债券利率，政策可变利率
货币或银行间市场利率及一套存贷款利率
月度
高频率（如月度）
股票市场
股票价格指数，视具体情况
月度
对外部门
核心指标
受鼓励的指标
频率
及时性
国际收支总量
货物和服务的进口和出口、经常帐户差额、储备、总差额
总体经济的外债和偿债数据，视具体情况
年度（十分鼓励季度）
6个月
国际储备
以美元标价的官方储备总额
与储备有关的负债
月度
1-4周
商品贸易
总进口和总出口
较长时间的主要商品的分类
月度
8周-3个月
汇率
即期汇率
每日
高频率（如月度）
社会-人口数据
核心指标
频率
人口
人口；人口增长率；城市人口；农业人口；人口性别；人口的年龄构成
各国公布频率会各不相同；及时性
保健
每个医生照顾人口数；预期寿命；婴儿/儿童/产妇死亡率
也不尽相同
教育
成年人文盲率、学生-教师比率、小学/中学入学率
贫困状况
获得洁净水的情况、卫生；每个房间居住的人数；收入分配；最低收入标准以下的家庭数
二、公布数据的质量
GDDS从两个方面的内容来评估公布的统计数据质量，即：提供统计数据的文字说明和提供统计数据的交叉检验。
统计数据质量是个难以界定、因而不易评估的概念。为了便于检查，GDDS选定两条规则作为评估统计数据质量的标准。一是参加国提供数据编制方法和数据来源方面的资料。资料可以采取多种形式，包括公布数据时所附的概括性说明、单独出版物和可从编制者得到的有关说明。同时也鼓励成员国准备并公布重要的关于数据质量特征的说明（例如，数据可能存在的误差类型、不同时期数据之所以不可比的原因、数据调查的范围或调查数据的样本误差等）。二是提供统计类目核心指标的细项内容、及与其相关的统计数据的核对方法，以及支持数据交叉复核并保证合理性的统计框架。为了支持和鼓励使用者对数据进行核对和检验，规定在统计框架内公布有关总量数据的分项，公布有关数据的比较和核对。统计框架包括核算等式和统计关系。比较核对主要针对那些跨越不同框架的数据，例如，作为国民帐户一部分的进出口和作为国际收支一部分的进出口的交叉核对。
与数据质量密不可分的是制定和公布改进数据的计划。所准备和公布的改进计划应包含所有数据不全的部门。统计当局应表明下述立场中的一个：（1）针对已发现不全的改进计划；（2）最近实施的改进措施；或（3）国家认定不
四、公众获取
GDDS规定要提前公布数据发布日期，并向各方同时发送。
官方统计数据的公布是统计数据作为一项公共产品的基本特征之一，及时和机会均等地获得统计数据是公众的基本要求。GDDS对此制定了两项规划：一是参加国要预先公布各项统计的发布日历表。预先公布统计发布日程表既可方便使用者安排利用数据，又可显示统计工作管理完善和表明数据编制的透明度。GDDS规定对于以年度为频率公布的综合框架和指标，时间表表明不迟于某个既定时间；对于公布频率更高的数据，则可确定一个日期范围，如3-5天。鼓励成员国向公众公布发布最新信息的机构或个人的名称或地址。二是统计发布必须同时发送所有有关各方。由于数据是有价值的商品，因此GDDS规定应向所有有关方同时发布统计数据，以体现公平的原则。发布时可先提供概括性数据，然后再提供详细的数据，当局应至少提供一个公众知道并可以进入的地方，数据一经发布，公众就可以公平地获得。
国民经济是一个错综复杂的多维度的整体,涉及到一个国家所有的经济利益群体,意义重大,因此需要通过国民经济统计来反映其总体状况和发展趋势。下面是我为大家推荐的国民经济学论文，供大家参考。
国民经济学论文 范文 一：国民经济管理论文
第1章 前言
长期而言，我国的产业结构域经济正常之间具有共同的随机变动趋势。因此，通过调整和优化产业结构从而控制经济增长的产业政策在中国是有效的。
中国经济结构的不合理及需要重组是一个老话题。应该肯定，自从改革开放以来，中国的经济结构业已有所调整。例如，农业在GDP中所占比重的下降;外贸结构中初级产品比例有所调整;但随着经济全球化的发展及中国加入WTO，经济结构的调整与重组，已成为十分迫切的问题。经济结构调整是十分复杂的话题，需要做大量深入的调查研究工作及基础工作。
第2章 我国三大产业结构现状
2.1产业结构的现状
产业结构，指的是国民经济各个产业部门之间和每个产业部门内部的构成以及它们之间相互制约的经济联系和数量对比关系，亦称国民经济的部门结构。它是通过产业之间的关系有机结合，在一般分工和特殊分工的基础上产生和发展起来的。而所谓产业优化升级，其含义一是指随着经济发展水平的提高或在相关政府政策引导下，一国的产业结构演变呈现由低级向高级发展并优化完善的过程，即推动产业结构合理化和高度化发展的过程。二是指产业个体向劳动密集型向资本和技术密集型经济领域发展的过程，即产业由低技术水平、低附加值状态向高技术、高附加值状态演变的过程。
改革开放以来,尤其是进入新世纪以来,为适应全球高新技术产业竞争发展的大局和趋势,我国坚持体制创新与技术创新相结合,着力发展对经济增长有突破性重大带动作用的高新技术产业,有力地促进了产业结构调整。2010年国内生初步核实数计算的三次产业结构为，2010年国内生产总值现价总量为401202亿元，比初步核算数增加3219亿元，按不变价格计算的增长速度为10.4%，比初步核算数提高0.1个百分点。其中，第一产业增加值为40534亿元，比初步核算数增加37亿元，增长速度为4.3%，与初步核算速度相同。第二产业增加值为187581亿元，比初步核算数增加1100亿元，增长速度为12.4%，比初步核算数提高0.2个百分点。第三产业增加值为173087亿元，比初步核算数增加2082亿元，增长速度为9.6%，比初步核算数提高0.1个百分点。按初步核实数计算的三次产业结构，第一产业占10.1%，第二产业占46.8%，第三产业占43.1%。
近年来，我国第一产业比重持续下降，其中第三产业比重进一步提高，可见服务业对中国经济的贡献率越来越高，第三产业需继续大力发展。总体上目前我国的三大产业结构较为合理,逐步改变了各个产业之间的相对比重和技术关联,提高了产业结构的整体效率,优化了产业结构。
2.2产业结构存在的问题
2.2.1农业存在的问题
改革开放以来,我国农业和农村经济取得了长足发展,农业产业结构经过不断调整形成了较好的格局。但是,目前的农业产业结构仍存在不少的问题。
(1)农业基础设施仍然薄弱。供水、供电、交通、通信等基础设施还很不完善,有些地区的矛盾还比较尖锐。例如华北、西北等地区缺水较为严重,影响农业生产和人民生活。
(2)农产品品种、品质结构尚不优化,农产品优质率较低。我国的牛、羊、猪等肉类产品、苹果、梨等水果产品、花卉产品,以及水产品等在国际市场上具有明显的价格优势,但面临着品种不优、质量不高的困扰。
(3)农产品加工业尚处在初级阶段,保鲜、包装、贮运、销售体系发展滞后,初级产品与加工品比例不协调。发达国家的农产品加工业产值与农业产值之比大都在2:1以上,而我国只有0.43∶1,与国外相比差距比较大。
(4)农产品区域布局不合理,各地没有充分发挥自身的地区比较优势,未能形成有鲜明特色的农产品区域布局结构。
2.2.2第二产业存在的问题
第二产业总量扩张明显,但生产结构不够合理,结构升级较慢,经济增长质量不高。主要表现在:。(1)处于全球价值链底端,产业升级面临困难。
改革开放后的三十年,中国经济高速增长,批量化生产的成本优势使我国获得了“世界工厂”的称号。但我国的比较优势在相当程度上是依靠廉价劳动力获得的,这导致行业的竞争优势主要集中在低附加价值的非核心部件制造和劳动密集的装配环节中,产品的附加值难以提高。
在总出口额中,加工贸易所占比重同样超过了50%。这表明,即使是本土企业,也严重依赖外国企业的订单,而不是依靠自主研发和自有产品来开拓国际市场。这种对订单的依赖是中国产业处于全球价值链底端的又一明证。而一旦国外市场出现疲软,这种模式就难以为继。此次金融危机就是一个很好的例证。
(2)产业研发投入不足,技术创新能力差。目前,我国制造业总量规模占全球的6%,而研发投入仅占0.3%,研发投入严重匮乏,产业共性技术研究队伍出现严重萎缩。产业的技术创新能力差,导致对国外核心技术和关键部件高度依赖,企业无法在品质、创新等差异化竞争中取得优势,只能靠低成本维持收益。这正是我国的企业在彩电、空调、手机等诸多领域都深陷价格战泥潭不能自拔的重要原因。
2.2.3第三产业存在的问题
第三产业发展滞后,内部结构需进一步调整完善。我国第三产业增长非常快,在就业中已经发挥了主 渠道 的作用,但存在总量偏小和行业结构不合理问题,发展水平滞后。从总量来看,第三产业增加值在GDP中所占比重明显偏低。目前,绝大部分发达国家的第三产业比重在70%左右,大部分发展中国家在50%左右,而我国的第三产业比重长期徘徊在30%～40%之间。从第三产业内部结构看,发达国家主要以信息、咨询、科技、金融等新兴产业为主,而我国的商业餐饮、交通运输等传统服务业比重较大,占40%以上;邮电通讯、金融 保险 等基础性服务业以及信息咨询、科研开发、旅游、新闻出版、广播电视等新兴服务业虽然发展较快,但比重仍然不高,发育仍然不足。
2.3产业结构存在问题原因
2.3.1由于中国是一个特殊的发展中人口大国，劳动力资源丰富，农业剩余劳动力自非农产业的转移是中国经济增长的最大动力;同对资本、技术，以及其他新兴资源相对短缺，对经济增长的作用与别的国家相比明显较小。在农村剩余劳动力的数量极其庞大，向城市转移又遇到各种障碍和限制的情况下，我国农村的剩余劳动力转移较多地采取了就地转移的 方法 ，走出了一条农村工业化的道路，但由于这种“农村工业化”并没有与农村的城市化相结合起来，加上农村居民的收入水平低，从而导致他们的消费水平低，服务业发展受到当地需求的限制，而工业生产能够从城市市场为依托，因此农业剩余劳动力大多数向农村第二产业尤其是工业转移，而第三产业没有得到相应的较快发展。
我国经济的高速增长主要是由工业的超高速增长推动的，而工业高速增长的原因主要在于乡镇工业的超高速增长，乡镇工业产值占工业总产值的比重1985年为17.7%，1990年上升为29.7%，1995年进一步上升到42.5%，但是乡镇企业的高速发展对第三产业增长的作用较小，这主要是由于乡镇企业的产业结构自第二产业的高度倾斜所导致的，这在很大程度上加深了我国产业结构中工业比重过高而第三产业比重偏低的偏差。
另一方面，农村中资本、技术，以及 管理知识 、人才、信息等资源的短缺更加突出，技术更新和技术进步远远跟不上农村工业扩张的速度，工业结构的升级相当缓慢。而第一、第三产业的发展相对滞后，其结构升级的进程相应受到影响。由于乡镇企业在全国经济中的比重迅速上升，其产业结构状况越来越突出 影响到整个产业结构升级的过程。
2.3.2我国的产业结构偏差，与改革前片面强调工业化所留下的滞后影响有很大关系，这种影响在改革以来的二十多年中虽然有了一些变化，但一直没有得到根本性的扭转。 首先中国是在人均收入水平很低的条件下推进工业化的。作为一个人口众多的特大发展中国家，经济发展水平低和人口数目巨大使我国的人均收入水平很低，1952年开始工业化时我国的人均GDP只有119元人民币，在改革前的二十多年中，我国的工业化一直是在人均收入水平很低的条件下大幅推进的，工业产值的比重上升几乎与人均收入水平的变动失去了联系，1978年时人均GDP只为379元人民币，明显低于钱纳里等人关于人均收入水平与工业化变动关系的“一般模式”中作为工业化起点的人均收入水平而这一年中我国工业在GDP中的比重为94.3%，与1952年的7.6%相比上升了26.7%个百分点。这种工业比重提高与人均收入水平上升相分离的特殊现象，所带来的影响一直持续到现在。
其次我国是在市场化落后的条件下推进工业化的。市场经济国家在工业化开始时，市场化已经得到了很大程度上的发展，第三产业的比重较高，随着工业化阶段的前进，市场化继续发展，第三产业的比重以低于工业化率的速度继续上升。而我国在工业化起点时市场化程度和第三产业比重相对较低，特别是在工业化迅速推进的过程中市场化没有得到相应发展，第三产业的比重没有逐步提高，市场化远远滞后于工业化进程的状况，导致了改革初期产业结构中第二产业，尤其是工业比重偏高，而第三产业比重偏低的结构性偏差。在改革后，八十年代城市第三产业有了较快的发展，但没有根本性地改变第三产业的状况，而九十年代以来，在农村工业化的进程的加快和经济增长结构倾斜的影响下，又趋于加深。 最后，工业化与城市化相脱离。由于我国的工业化是在在计划经济时期打下基础的，计划推动的工业化，与市场推动的工业化的不同特点，是产业结构的变动与需求结构的变动相分离。人为因素导致了片面性，并阻碍了工业化过程中市场机制的形成和作用，改革前的工业化主要是一种城市的工业化，但只有少数的农民被有计划地安排“农转非”而到城市就业，其余的大量农村人口被排除在计划之外而继续滞留在农村，结果在迅速工业化的过程中城市化的进展很慢，农村人口的比重依然很高，工业产值比重大幅度提高的，同时农业的就业比重仍居高不下，农业剩余劳动力不能转移出去，这种城市化远远滞后于工业化的状况，一直到现在也没有多大改变，城市化的滞后，给我国的产业结构问题产生了严重的影响，主要是阻碍了第三产业的发展，加大了产业结构的偏差，因为第三产业的发展是与城市化相联系的，只有城市数量和规模的扩张才能为第三产业的发展提供较为广阔空间。
第3章 当前国内外新形势的挑战及演进方向
3.1国际环境的挑战
尽管我国产业结构对比改革开放之前有着质的飞跃，我们的产业结构在内外环境的双重影响下，面临着转型升级的历史使命。从国际环境来看，美国次贷危机引发的金融危机已经演变为全球性的经济危机，当前欧盟、日本、美国等发达经济体均已经陷入衰退，有些国家仅有一些复苏的迹象，世界银行等机构仍然降低了对未来经济增长的预期，全球经济将进入一个缓慢增长期。
同时，中国对外出口有效需求下降，国外外商投资不旺，投资需求和消费需求的大幅下滑，导致企业业务持续萎缩，尽量减少新增投资。可见经济危机也是一次优胜劣汰的过程，一些旧产业、旧技术不得不退出战场，采用新产业、新技术是必然选择，部分企业利用这一国际形势的机遇，进行产业升级，而此时产业升级的难度与风险都大大增加。
中国对外贸易量的持续扩大、贸易摩擦增加以及货币快速升值等因素使得我国劳动密集型产品的出口变得越来越困难，欧美日等经济的衰退也给我国产品的出口蒙上了阴影，因此过度依赖外需暴露了我国产业结构的脆弱性，导致我国经济增长具有不稳定性。
3.2国内环境的挑战
除了外部世界不利经济环境的影响外，中国产业的发展困境也有内部因素的制约，中国经济在经过30 年的高速发展后，正逐步进入经济转型期。三十年来的经济增长虽然使得资本与劳动的比重有所改善，但中国经济增长仍主要依赖低水平生产能力的扩张，即在生产能力迅速增长的同时，软实力上升速度相对滞后，部分技术将必须继续依附于发达国家，技术水平不能得到提高，难以形成自己的自主创新产品，即便是企业加强研发投入，目前我们综合水平的设计开发能力和国际竞争力并还处于较低位置;同时中国企业高层跨国人才缺乏，海外拓展人员水平较弱，国际市场开拓能力没有相应扩大。
当前中国要素禀赋结构的特点仍然是普通劳动力相对丰富而高端人才紧缺，且信息技术等资本也相对稀缺，长期依赖低廉生产要素成本优势的中国产品逐步丧失其竞争力，随着要素禀赋结构的提升和比较优势的演化，中国产业发展必须开始从劳动密集型向技术、知识密集型进行转型，这种转型要求中国企业必须加快产业升级步伐，实现经济发展方式的转变。当前，中国经济转型与全球经济放缓双重作用，使得中国经济面临更加严峻的挑战，在此背景下，中国产业是否能够抓住历史机遇，选择正确的升级路径加快产业结构调整步伐，是现今中国经济健康可持续发展的关键。
3.3三大产业演进的方向
对三次产业结构变动趋势的总体判断是, 中国工业化进程中期阶段可能将持续到2020年之后。 一、 二、 三大产业中, 以第二产业为主的格局不大可能在 2020 年前发生变化。“ 十一五” 到 2020 年, 第一产业收入比重将持续下降; 第二产业比重在“ 十一五” 期间还有可能上升, 在 2010年前后达到顶点后, 有可能开始下降; 第三产业比重在“ 十一五” 期间基本稳定, 2010 年之后可能出现明显增加。
1.农业基础地位不变
农业在国民经济中的比重将持续下降,但其重要性和基础地位不会改变。传统农业中, 种植 业比重将下降,渔业、畜牧业的贡献将会增加。在种植业内部,粮食作物的比例会缓慢下降,经济作物、瓜菜作物和其他作物的比重将会上升。
2.工业内部结构调整
(1)重工业化阶段不可逾越,霍夫曼法则表明,工业化中后期产业结构出现重工业化趋势,是许多国家工业化过程中的一个普遍规律。根据国际 经验 ,人均国内生产总值从1000美元向3000美元攀升的时期,居民消费结构随之持续升级,即从吃饱穿暖、有耐用消费品可用、有屋可住,向吃好穿好、改善居住条件、提高耐用消费品质量、扩大服务消费转变。与之对应的是,汽车、住宅、建材、通信等行业将会有长足的发展,从而带动钢铁、机械、建材、化工等重化工业和电子及通讯设备制造业快速发展,重化工业发展是必然的趋势。
(2)信息产业将成为我国未来的主导产业。据统计,1985-2003年,世界高技术产业出口年增长14.3%,比中低技术和低技术产业出口年增长速度高5～6个百分点。高技术产业正在逐步替代传统产业变为主导制造业的部门。
我国是目前世界上最大的IT产品消费国家之一,同时也是当今世界参与信息产业制造业国际分工最多的国家。我国东部沿海地区已经集中了大量发展信息产业所必需的人力资本,同时,较低的劳动力成本是我国的IT产业制造业具有强大的国际竞争力。我国通过参与IT产业制造业的国际分工,既能实现充分就业,也能获得较高的比较利益,通过不间断的“干中学”和“用中学”,将逐渐积累起强大的IT产业技术开发能力 。信息产业应该而且也能够成为我国未来的主导产业。
国民经济学论文范文二：国民经济统计分析论文
摘 要
消费需求作为其中很重要的一部分，对总需求具有很重要的影响，进而对总需求政策的制定也有明显的影响，它影响着宏观经济的均衡发展。本文 首先建立模型，利用SPSS软件，研究了影响国民消费的因素，并对模型的分析结果进行了经济意义检验，以及统计推断检验。最后得出居民的收入水平对消费水平的影响是最显著的，其他因素则次之。通过对消费支出用途结构的分析，了解到居民的生活水平消费支出结构上的变化趋势，不管是城镇居民还是农村居民，恩格尔系数都随时间变化而下降，这表明了我国居民整体生活水平的提高。通过对比分析消费需求、投资需求、进出口需求这三大需求对国内生产总值增长的贡献率，得出消费和投资对经济增长的贡献率和拉动作用明显大于净出口， 经济增长过分依赖于投资，而消费需求还有很大的发展空间。
关键词：国民消费，消费结构，消费需求
一、研究国民消费的意义
按照经济学的分析，社会需求包括消费需求，投资需求和净出口。消费需求作为其中很重要的一部分，对总需求具有很重要的影响，进而对总需求政策的制定也有明显的影响，它影响着宏观经济的均衡发展。
现阶段，我国有条件也有必要依靠扩大国内需求尤其是居民消费需求促进经济发展。首先，我国处于居民消费结构优化升级的发展阶段，较高的国民储蓄率和巨大的国内市场潜力为拉动需求增长提供了物质条件。其次，我国居民生存型消费需求已基本得到满足并正向发展型消费需求升级过渡，但产业产品结构、收入分配结构、区域协调发展程度及消费政策和观念等严重滞后于消费结构升级变化的需求，既导致了消费需求的缩减，也给社会生产造成了不良影响，因此，我们必须扩大内需，推动经济增长。
关于如何扩大国内需求方面，中央经济会议曾指出增加居民消费是重点。从理论角度讲，消费需求的具体内容主要体现在消费结构上，要增加居民消费，就要从研究居民消费结构入手，只有了解居民消费结构变化的趋势和规律，掌握消费需求的 热点 和发展方向，才能为消费者提供良好的政策环境，引导消费者合理扩大消费，才能促进产业结构调整与消费结构优化升级相协调，才能推动国民经济平稳、健康发展。
二、影响消费水平的因素分析
(一) 模型建立与求解
居民消费水平受诸多因素的影响，例如收入水平，消费价格指数以及恩格尔系数。下表给出了从1991年到2010 年消费水平的相关数据。基于表1和表2的数据，分别建立城镇、农村居民消费水平关于其三个影响因素的多元线性回归模型,进行逐步回归分析。
(二)模型检验
1、经济意义检验 根据回归结果:城镇：y?4672.999?0.736x1?5.937x2?52.900x3 农村：y?470.486?0.721x1?1.793x2?8.827x3，得知，其中x1前面的系数0.736与0.721分别表示在城镇(农村)居民消费价格指数和城镇(农村)居民恩格尔系数不变的条件下,城镇居民人均可支配收入(农村居民人均纯收入)每增加1元,城镇(农村)居民消费水平绝对数平均增加0.736元(0.721元),与理论中描述的居民收入水平增加对居民消费水平变化有明显的影响，居民收入水平是影响消费水平增长的重要原因这个结论是一致的。
2.统计推断检验
(1)拟合优度检验：
由上面分析数据知两个模型的决定系数R分别为0.994、0.998，调整的决定系数为0.992、0.998，可见解释变量与被解释变量间的关系极为密切，说明模型对样本的拟合效果非常好，解释变量能对被解释变量99.4% 99.8%的离差做出解释。
(2)方程显著性检验—F检验
给定显著性水平?=0.05，由表中可以看出F=823.034(3195.1)，查F分布表中自由度分别为k=3，n?k?1?4的临界值2F?3,4??6.59 ，由于0.05
F>F0.05?3,4?,所以认为在5%的显著性水平下,Y对x1, x2, x3有显著的线性关系，回归方程式是显著的，即城镇居民家庭人均可支配收入(农村居民家庭人均纯收入)、城镇居民消费价格指数(农村居民消费价格指数)、城镇居民恩格尔系数(农村居民恩格尔系数)联合起来对被解释变量有显著影响。
(3)变量显著性检验—t检验给定的显著性水平?=0.05，查t分布表得出自由度为4的临界值t?4?=2.776，由于回归分析表中： 0.025
城镇： t1?25.622,t2??0.371,t3??1.956
农村： t1?37.832,t2?0.812,t3??1.838 由检验可知，城镇t1?2.776是显著的，而t2?2.776,t3?2.776都是不显著国民经济统计分析论文的，农村t1?2.776，t2?2.776，t3?2.776也是不显著的，即可以认为居民消费价格指数与居民恩格尔系数对居民消费水平没有显著的影响，在建立模型时，可以不作为解释变量引进模型。而居民的收入水平对居民的消费水平的影响是显著的。
结论
通过对影响消费水平的因素分析，得出居民的收入水平对消费水平的影响是最显著的，其他因素则次之。通过对消费支出用途结构的分析，了解到居民的生活水平消费支出结构上，生存型消费所占的比重会出现下降的趋势，而享受型消费和发展型消费所占的比重会呈现上升的趋势。对恩格尔系数分析得出不管是城镇居民还是农村居民，恩格尔系数都随时间变化而下降，这表明了我国居民整体生活水平的提高。对比分析消费需求、投资需求、进出口需求这三大需求对国内生产总值增长的贡献率，得出消费和投资对经济增长的贡献率和拉动作用明显大于净出口，经济增长过分依赖于投资，而消费需求还有很大的发展空间。必须从思想上彻底摒弃“投资至上”的观念，牢固树立“消费第一”的思想。把扩大消费作为经济增长的根本目标和动力，才能不断改善和提高人们的生活水平和生活质量。
参考文献
[1]李宝瑜.《国民经济统计分析》[M].中国统计出版社，2002.
[2]徐小飞、龚德恩、吴成业.《关于生产函数的新思考-理论研究与实证分析》 [3]潘文卿、李子奈、张伟.《21 世纪前20 时年中国经济增长前景展望》
经常有人问到在论文或标书中应该如何写作统计分析部分。标准的答案是：你怎么做的就怎么写，每篇文章都是唯一的存在。好装，汗……。如果我们尝试去归纳和小结，这部分内容的写作其实是有一定规律的。
我曾经听过Thomas Allen Long教授关于论文写作的课，人很和蔼，他主编的书也不错，操作性很强。在他的书稿《How to Write, Publish & Present in the Health Sciences》第154页中他小结到，统计分析部分应该包括如下内容：统计描述部分、所有的基本统计方法以及分析方案（如ITT或PP等）、样本量的说明、分组方法、检验水准的设定和所使用的统计分析软件。
同样在本书的第155页中也写得：统计分析人员可以帮助作者对数据进行合理的分析、对分析结果进行正确解读，同时可以负责统计分析部分的撰写。他建议将统计分析人员作为作者之一，也许这样统计分析人员就不会粗枝大叶、不负责任了。
关于医学统计分析的写作，其实他还有一本书《How to Report Statistics in Medicine》，在统计分析的报告上写得更专业。
言归正传，本文既然是要小结“统计分析”部分，那就小结吧。个人觉得“统计分析”部分写作时应该包括以下几个内容：
（1）样本量估算及随访/数据收集情况；
（2）数据录入和管理的软件和方法；
（3）本研究所使用的统计分析软件和分析方案；
（4）统计描述的方法，分计量和计数资料两种；
（5）统计推断的方法，分单因素和多因素两种；
（6）检验水准的选取。
由于某些“你懂的”原因，很多普通的论文没有进行样本量估算和区分不同的分析方案（ITT/PP）。所以简单举例如下：
本研究采用……数据库进行数据录入和管理，数据录入采用双录入核查方式进行。采用……软件对研究数据进行统计分析。计量资料采用……对其进行正态性检验，符合正态分布的计量资料采用均值±标准差的形式进行描述，不符合正态分布的计量资料采用中位数（25%位数，75%位数）进行描述，计数资料采用例数（百分比）进行描述。符合正态分布的计量资料组间比较采用独立样本t检验或单因素ANOVA进行，不符合正态分布的计量资料组间比较采用非参数检验进行，计数资料组间比较采用卡方检验进行。在多因素分析上，采用多重线性/逻辑回归分析……的影响因素。所有检验以双侧p<0.05为差异有统计学意义。
有人说我要写英文的“统计分析”部分，该怎么办？同样，你需要多阅读别人的优秀文章，然后用它们的句式来构建属于你自己统计分析内容。可供参考的句式有：
（1）数据采集：Study data were collected on standard forms, checked for completeness, and double keyed into an …… database.
（2）统计软件：All statistical analyses were performed using SAS version 9.2 (SAS Institute Inc, Cary, North Carolina).
（3）统计描述：…… were described using mean, median, standard deviation, and 25thand 75th percentiles for continuous variables; frequencies and proportions were used for categorical variables.
（4）单因素分析：A two sample independent t test/ one-way analysis of variance (ANOVA)/ Nonparametric tests(Kruskal-Wallis test)/ Pearson’s x2 tests or Fisher exact tests was used to compare the differences between …….
（5）多因素分析：Multivariable linear regression/ Multivariable binary logistic regression/ Cox proportional hazards were used to estimate …….
（6）检验水准：A p value of less than 0.05 (2-sided significance testing) was considered statistically significant in all analyses.
