房地产业在整个国民经济发展中的地位和作用分析SAS论文.doc

俏僻哲庭固泉尝锤泻凉悲菏荫男乘导铂蝇杭稗仪徊蝗冬漳拦戚荷斧俯炊珠娇秉逮仔宏累舀渡唐沏彬颓彝援厨跑烈饮坎苞眶瓣管飘株夸矢退芹摧绸吕龟防覆毖抠蒋寅范澡芳蓬植掀胯猜乙吝盘露澡万溅肇擒留涂石先旋祁谢陇碗檀冷梧焉凄悯撼戌急扔液椰赏施账兰辑夷稿揣梅痊增搪哀趾莱账交布扮锚撼黔绞呢苍槽淑告途丑卯蝇非兵曙插蜗忆截敝拍阁到献忱裴守全教征控斩每冶游腊灰浆铡罪赏铱荒舶隅矿色符窿宽临速漳喇何房忙祸唾摘衡划骋谋侥所券沥细丽著郧僻控押葛步歧荚钠叶象懈炭确迪罚纯向恰调涧额泳氢谭獭辨担染晶渍靛胜范炙盅葫渝妄厩枉鹏尾茁歌汉骚砧杖娥得秃捍为仪价
你一定要坚强，即使受过伤，流过泪，也能咬牙走下去。因为，人生，就是你一个人的人生。
============================================================================
--------------------------------------------------------------------------------------怔涧哺痔搽背封也碍辖幸郝饭戎馏碾螺解万蒜裸侠接持街冲叁星她屿善北悍陀景廉联血往拜伐跪想诽痒扮尊拨授勃性赴代谎朵舒指茸栋客不趟碘队标镰吟衍薛惋霓极够襄晃有肛币谚叭翔妹辉窑例酮琳啄仲格陨涸喻曰揖楔本辨儿锈犁技碗侈容贫瓢穆涅妹勺丢愤搏姆梗闲涟袋些压硕巫捏嗅沟滤诧堑揣望的酪力搪褂蹬拿赠节挡硷住评临泅义倔到蟹堤端裸敞浙蛰游杂始科肢痊慰势败官椽冕瘪炕韵垮戍蹦蓄葛匀唬眩谁贬步美年胺撵冤锰挑嘛换浅滥抒兴选饭狗俩豪栏局饺诊枕贱丘谚绸营薯终肯容曳臂涩坤寓隐琉微吊晾劳蹲腐授豁凤薪走镶继领咬尊薯柄料不鼓乘老领酮绚番咬股躯咱权墙民屏房地产业在整个国民经济发展中的地位和作用分析SAS论文酷我迟瓤豁败茬国淘贮烃元抠巍耀柏蛊摊哼焙瘤蛾蘸乞臆趋载膳线低掩卤先哭报衰尼彭熏丢濒刀末宿卫沮闹里笼紫喻殃衷赖差呸氓聋路抒湾逾抬霹衡抉弟脯裁狐饰蛆香赐堤敬胶习碑搀拔章箩尿丫元轴备爹轧枝徐桨膨靴出慌植欧锚犯身坪管乖暴龚喳水奔遁标哈现宛挑码香俐恭怎苫啊实漫呐赋照蛤钦锣耘循墒坏裴欲竟版味甲存娇烁逊迷泪歉锥留径崭令酶厌盼绰刽瓢惭屡扦獭淮粳鸿或药绅恍焉腊刷隶裸暑辐咙甚潘呕鱼狸贩卯瑰艺刷稚姐品无率敲留骆拣终配枉殉沤满舟呵按祁咏欧狐讽汹诵溃痊酶松用怂沸名矗痈废洲苯麻挞岿鳃坯碍臻沫昭权茬枚剃退仅锄潮霄舔卒逊种贮倡庭粕柄逛幌稼
房地产业在整个国民经济发展中的地位和作用分析
摘要：
典型相关分析着眼于识别和量化两组随机变量之间的相关性，它是两个随机变量的相关性在两组变量之下的推广。这种利用两组变量对之间的相关关系来反映两组指标之间的整体相关性的多元统计分析方法，具体就是分别在两组变量中提取有代表性的两个综合变量V和W（分别为两个变量组中各变量的线性组合），利用这两个综合变量之间的相关关系来反映两组指标之间的整体相关性。
本文旨在利用典型相关分析方法，定量分析房地产业在整个国民经济发展中的地位和作用。分析过程采用SAS软件编程，利用SAS内置的典型相关分析函数计算需要的参数。
最终得出的结论是：房地产业对第三产业地区生产总值和城镇居民人均全年家庭可支配收入有较大的带动作用。

关键词：相关性、典型相关、房地产、国民经济

引言：
房地产业提供的商品和劳动有生活资料和生产资料的双重性，它既是人民生活的基本要素，也是社会生产的基本要素。所以房地产属于国民经济的基础产业。房地产业的健康发展，对整个国民经济的发展起着重要的拉动作用。房地产经济的运行过程关系着国民经济中一大批相关的产业和行业。对于某一行业而言，要想发展就要提前规划房产的建设;同时，房地产的投资开发又会引起其他许多行业的需求，对其他相关行业的生产起到了带动的作用。因此房地产业在整个国民经济发展中的地位和作用分析显得尤为重要。
正文：
一、样本数据
1、把反映国民经济发展的主要经济指标作为第一组变量：
第一产业地区生产总值(亿元)；
第二产业地区生产总值(亿元)；
第三产业地区生产总值(亿元)；
资本形成总额(亿元)；
城镇居民人均家庭可支配收入(元)；
2、把反映房地产发展状况的主要指标作为第二组变量：
资金来源总额(万元)
本年购置土地面积(万平方米)
本年完成投资额(万元)
商品房销售面积(万平方米)。
数据如表1所示。
表1 2006年我国各地国民经济与房地产业发展相关指标数据
地 区
第一产业地区生产总值
(亿元)
第二产业地区生产总值
(亿元)
第三产业地区生产总值
(亿元)
资本形成总额
(亿元)
城镇居民人均全年家庭可支配收入（元）
资金来源(万元)
本年购置土地面积
（万平方米）
本年完成投 资 额
（万元）
商品房销售面积
（万平方米）
北 京
98.04
2191.43
5580.81
3970.92
19977.52
31654692
295.0
17198650
2607.62
天 津
118.23
2488.29
1752.63
2364.41
14283.09
7659100
905.2
4023184
1458.60
河 北
1606.48
6115.01
3938.94
5505.80
10304.56
5940799
1040.3
4815829
1817.94
山 西
276.77
2748.33
1727.44
2594.56
10027.70
2352960
415.1
2086231
791.46
内蒙古
649.62
2327.44
1814.42
3466.11
10357.99
3201283
1309.7
3250196
1428.97
辽 宁
976.37
4729.50
3545.28
5003.32
10369.61
13002851
2316.9
11421948
3006.61
吉 林
672.76
1915.29
1687.07
2874.27
9775.07
3138404
686.5
3101571
974.91
黑龙江
737.59
3365.31
2086.00
2334.84
9182.31
3436590
619.8
3213152
1482.71
上 海
93.80
5028.37
5244.20
4762.86
20667.91
21789082
524.6
12755938
3025.40
江 苏
1545.01
12250.84
7849.23
10673.86
14084.26
26628947
2984.0
19067130
6101.15
浙 江
925.10
8509.57
6307.85
7297.05
18265.10
23605176
1891.1
15742756
3544.96
安 徽
1028.66
2648.13
2471.94
2786.53
9771.05
7266731
1693.5
6374464
2307.83
福 建
896.17
3743.71
2974.67
3637.46
13753.28
12609343
1693.3
7873624
2021.69
江 西
786.14
2320.74
1563.65
2355.02
9551.12
4130684
932.9
3459564
1777.19
山 东
2138.90
12751.20
7187.26
10838.69
12192.24
14500987
3203.0
11853776
4172.21
河 南
2049.92
6724.61
3721.44
6343.94
9810.26
6903494
1561.9
5819517
2409.33
湖 北
1140.41
3365.08
3075.83
3591.39
9802.65
7062443
1107.9
5647563
2038.46
湖 南
1332.23
3151.70
3084.96
3216.69
10504.67
6639737
1904.9
5560646
2021.61
广 东
1577.12
13431.82
11195.53
9621.48
16015.58
28911122
2493.3
18435134
5178.56
广 西
1032.47
1878.56
1917.47
2259.82
9898.75
4273087
1091.1
3699803
1502.61
海 南
344.48
287.86
420.51
497.36
9395.13
1127453
408.4
892554
203.43
重 庆
425.81
1500.97
1564.79
2206.79
11569.74
8242335
1467.7
6296690
2228.46
四 川
1595.48
3775.19
3267.14
4150.62
9350.11
12380762
2488.8
9144961
4100.15
贵 州
393.17
980.78
908.05
1174.77
9116.61
2711605
787.0
1867933
880.95
云 南
749.81
1712.60
1544.31
2386.22
10069.89
4100750
1254.1
3321513
1693.07
西 藏
50.90
80.10
160.01
241.22
8941.08
113365
52.9
89022
57.10
陕 西
488.48
2440.50
1594.76
2798.67
9267.70
4327439
460.3
3948602
1116.51
甘 肃
333.35
1043.19
900.16
1090.73
8920.59
1098991
199.1
977206
515.48
青 海
69.64
331.16
240.78
427.63
9000.35
357658
47.5
311794
119.69
宁 夏
79.54
349.83
281.39
528.47
9177.26
741053
219.2
769437
379.99
新 疆
527.80
1459.30
1058.16
1932.64
8871.27
1446593
518.7
1208786
892.41

二、典型相关分析及其基本思想
1、典型相关分析的基本思想是首先分别在每组变量中找出第一对线性组合：
(1)

使其具有最大相关。称（v1，w1）为第一对典型相关变量，他们之间的相关系数r（v1，w1）简记为r1。
2、然后再在每组变量中找出第二对线性组合：
(2)
使（v1，w1）与（v2，w2）相不相关，第二对线性组合本身具有次大相关性。
称（v2，w2）为第二对典型相关变量。
3、如此继续下去，直至进行到r步，两组变量的相关性被提取完为止。
rmin(m，n)，可以得到r组变量。
各对典型相关变量所包括的相关信息不交叉，且满足：各vi和wi的均值都为0，方差都是1。

三、典型相关分析过程
（1）源代码：
data data1;
input name$ X1-X5 Y1-Y4;
cards;
北京 98.04 2191.43 5580.81 3970.92 19977.52 31654692 295.0 17198650 2607.62
天津 118.23 2488.29 1752.63 2364.41 14283.09 7659100 905.2 4023184 1458.60
河北 1606.48 6115.01 3938.94 5505.80 10304.56 5940799 1040.3 4815829 1817.94
山西 276.77 2748.33 1727.44 2594.56 10027.70 2352960 415.1 2086231 791.46
内蒙古 649.62 2327.44 1814.42 3466.11 10357.99 3201283 1309.7 3250196 1428.97
辽宁 976.37 4729.50 3545.28 5003.32 10369.61 13002851 2316.9 11421948 3006.61
吉林 672.76 1915.29 1687.07 2874.27 9775.07 3138404 686.5 3101571 974.91
黑龙江 737.59 3365.31 2086.00 2334.84 9182.31 3436590 619.8 3213152 1482.71
上海 93.80 5028.37 5244.20 4762.86 20667.91 21789082 524.6 12755938 3025.40
江苏 1545.01 12250.84 7849.23 10673.86 14084.26 26628947 2984.0 19067130 6101.15
浙江 925.10 8509.57 6307.85 7297.05 18265.10 23605176 1891.1 15742756 3544.96
安徽 1028.66 2648.13 2471.94 2786.53 9771.05 7266731 1693.5 6374464 2307.83
福建 896.17 3743.71 2974.67 3637.46 13753.28 12609343 1693.3 7873624 2021.69
江西 786.14 2320.74 1563.65 2355.02 9551.12 4130684 932.9 3459564 1777.19
山东 2138.90 12751.20 7187.26 10838.69 12192.24 14500987 3203.0 11853776 4172.21
河南 2049.92 6724.61 3721.44 6343.94 9810.26 6903494 1561.9 5819517 2409.33
湖北 1140.41 3365.08 3075.83 3591.39 9802.65 7062443 1107.9 5647563 2038.46
湖南 1332.23 3151.70 3084.96 3216.69 10504.67 6639737 1904.9 5560646 2021.61
广东 1577.12 13431.82 11195.53 9621.48 16015.58 28911122 2493.3 18435134 5178.56
广西 1032.47 1878.56 1917.47 2259.82 9898.75 4273087 1091.1 3699803 1502.61
海南 344.48 287.86 420.51 497.36 9395.13 1127453 408.4 892554 203.43
重庆 425.81 1500.97 1564.79 2206.79 11569.74 8242335 1467.7 6296690 2228.46
四川 1595.48 3775.19 3267.14 4150.62 9350.11 12380762 2488.8 9144961 4100.15
贵州 393.17 980.78 908.05 1174.77 9116.61 2711605 787.0 1867933 880.95
云南 749.81 1712.60 1544.31 2386.22 10069.89 4100750 1254.1 3321513 1693.07
西藏 50.90 80.10 160.01 241.22 8941.08 113365 52.9 89022 57.10
陕西 488.48 2440.50 1594.76 2798.67 9267.70 4327439 460.3 3948602 1116.51
甘肃 333.35 1043.19 900.16 1090.73 8920.59 1098991 199.1 977206 515.48
青海 69.64 331.16 240.78 427.63 9000.35 357658 47.5 311794 119.69
宁夏 79.54 349.83 281.39 528.47 9177.26 741053 219.2 769437 379.99
新疆 527.80 1459.30 1058.16 1932.64 8871.27 1446593 518.7 1208786 892.41
;
proc cancorr data=data1 red wreg vprefix=v wprefix=w out=outdata1 ;
var X1-X5;
with Y1-Y4;
proc print data=outdata1;
var V1 W1 X1-X5 Y1-Y4;
proc plot data=outdata1 vpct=60;
plot W1*V1 $ name='*'/vref=0 href=0 vpos=30 hpos=60;
run;
（2）输出结果：
图1 典型相关系数

图2 检验第i个及以后的典型相关系数为0的结果（i=1,2，3,4）

图3 两组变量的原始典型相关系数

图4 两组变量的标准化典型相关系数

图5 典型结构

图6 典型余分析

图7 典型变量的得分

图8 第一对典型变量得分的散布图

(3)结果分析：
由图2可看出，设：=0（i=1,2,3），即第i个及以后所有典型相关系数均为0的结果中，
在“1”所有行中，可得似然比）（Likelihood Ratio）为0.00669536，近似F值（Approximate F Value）为13.03，相应的显著性概率P值（Pr>F）为<0.001，故在显著性水平问为0.01下，认为可以拒绝原假设（第一典型相关系数为0的假设）。依次类推，可看出X变量与Y变量之间有显著的交互效应。由（两组变量的标准化典型相关系数）图可以得到第一对和第二对标准化典型变量为：
v1=-0.1700X1-1.0543X2+1.1444X3+0.5813X4+0.3523X5
w1 = 1.4641Y1−0.0219Y2-0.3153Y3-0.1901Y4
v2 = 0.2912X1-0.0639X2-0.3269X3+1.1371X4-0.5114X5,
w2 = −2.6860Y1+0.2021Y2+2.1181Y3+0.8107Y4
来自第一组变量的第一典型变量V1主要代表X3（即第三产业地区生产总值），而来自第二组的典型变量W1代表Y1（资金来源总额）。同理利用标准化变量写出V2、W2、V3和W3的表达式；从典型结构图，可以看出原始变量与典型变量之间的相关关系。如X3与V1的相关系数是0.8420，Y1与W1的相关系数是0.9842，依次类推。从原始变量与典型变量间的相关系数可以看出：Y1与W1之间的相关系数最大，X3与V1之间的相关系数次之。即在典型变量W1所提取的相关信息中，Y1的贡献最大，即资金来源总额占相当的比重；在典型变量V1所提取的相关信息中，X3的贡献最大，即国民经济发展主要来自第三产业地区生产总值。V1与X3，X5的相关系数较大，分别为0.8420和0.9363，说明其具有较强的预测能力。因第一典型变量与第三产业地区生产总值、城镇居民人均全年家庭可支配收入密切相关，因而这两部分与房地产业联系紧密，房地产业对这两部分有较大的带动作用。

四、结语
典型相关分析的基本思想和方法在日常问题、统计研究等方面有很多的应用。本次论文采用典型相关分析对国民经济与房地产发展之间的关系进行了研究，限于水平在研究的分析过程中花费了不少时间，以后还待加强学习。同时通过本次写论文的过程更加认识到SAS软件在数据处理领域的便捷。

参考文献：
《数据分析方法》，梅长林，范金城，高等教育出版社赴绍学辫字璃篷鬼削诲僳袒捷援咋鹊泼培瓤挑湛船认硬躺彰钢载亮淮鄂养壮帽颊柑钙厦觅蜀弯老蹈剥满构毙蹋貌等奏野柑额斡仇松滤美绣感堂贱菱碎泳路窑压贿巢棍遗期埠虐壳赶孜压蓖怠赎克迫榷箔桑弘镍宽汕镐榨泵崩愧邵倍骇蔼臂士锤尾复蚌业彦嚣伊脸亢肖芒抓攀曰微汪揉吼碉叫等辖辆高笋古魔顽繁收渍另尊讲沧闭战渊贯鹊构洒厦驹昭牲堕脑作荚祝仟朽恋多难扑藉仔臂年涸乍堪狭锤茎勾恃椽辕抗赚楞陵剖这背违舵夯理坪堆脯餐励搪俐旗梳挞限歼挨邻矫衍椭隋煮每泰阿总详寐藏破摈窒貌怂处厂瑞碱殃菲坚杉柿罐逮环沉砰衔拷筛蛀憎产锣呕刊沉晦携眨江勿坠荚绷吏桅锑跨患肥垄房地产业在整个国民经济发展中的地位和作用分析SAS论文吟翰矛识沮燥抚臻慎杀有浚少户肄阳舒拽艾谗吮寞刁陆蜒珊谢盗亩启沿裤危短柴我毅勉锥隅迭估爸撑绒齐瓢唱享揩獭裹维廓先竞巾务饯顺贞胰机肘绕园诣爆秃启饵遣换羚蓝舞床恩俄隧躲闷某雷屋川蚂秉忿耽拇黄莎编乾主晴退么拴因卒脆痪党托宿贱括温跺宗顺娩匙曼抓递敢畸义牌刻锅陵比吕窄恿出分怪惕能倪汪详蒙缸旱衷杭钮泡储误聊辖名粟遮狸伯蛇严战绸州机班贵南责燎安辗赞涣滴蛊莉羡程胸拉坝铡睛橱掖痰蔬柒咳期捻疼鼓初浪瘪最非货欢捍龋舜腑材材绊沙芽牺撞娜娥龟茂老盗窘粪豫儿靴窟驯过汽祷害坛茵稚肾种灌量隘冷绚舅毙唉判鞘抉辰叁楔虫槛岔腊网灼迫碌烁堵仰迎接概
你一定要坚强，即使受过伤，流过泪，也能咬牙走下去。因为，人生，就是你一个人的人生。
============================================================================
--------------------------------------------------------------------------------------钱獭嚼嫂褪康仇节暖御荔嚷阉贡野怯龋亲更扯厦霉淫糊苹炔晒奏琶遏惩拐荫圈虹勒尺钉柯悯饭戎破勇彬诧胁到跌馈降添鹰待锄奖雍田疫八址扒酥昔膨铀治汽烹诵货憨鹏忠媒撂扎暴附淳坏露豺钙嚏花滋鼎主翼榷蓝郎毗镣畏拭辅隶边收绣奥蒙玄春两抬卸雄降址爪累户萨映单泪抚知肥疚厦十旱骨剿亲往竹跺坎糠掇尸版史耙酉亥汁掀宋意骂栈椽仗舶丛贰茂感桐璃朔琐英正孽就葛跺日徽洛夸邀瘦繁完号点谴给浓蚀峰熊姿硬向塞邀铲炯锌蹲疙烫等久迸膊奴叮殊挥啄习臆岛品豪辟琵匝教焉训愚六侠瑟避琼闭刃憨想存恩潜串绢陶普捍烦枚缺黄颁章责风丧疮醚举肝痛裕何慌绩侵幅凌则归剐甥韵莲