金偉

【摘 要】 盡管國家經(jīng)濟(jì)向著多元化方向發(fā)展，二三產(chǎn)業(yè)比重在不斷變大，但工業(yè)仍然是生產(chǎn)勞動的唯一手段，工業(yè)能夠加快城市化進(jìn)程，促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整優(yōu)化升級，帶動經(jīng)濟(jì)的發(fā)展，提高人民的生活水平，實現(xiàn)資源的優(yōu)化配置。工業(yè)企業(yè)發(fā)展決定了我國經(jīng)濟(jì)增長速度，了解工業(yè)企業(yè)發(fā)展?fàn)顩r對我國經(jīng)濟(jì)發(fā)展有著重要意義。本文重點江蘇省規(guī)模以上工業(yè)企業(yè)發(fā)展?fàn)顩r進(jìn)行分析。全文首先將江蘇省分為蘇北、蘇中和蘇南三個地區(qū)，運用R軟件對江蘇省規(guī)模以上工業(yè)企業(yè)的利潤額、資產(chǎn)、負(fù)債等方面的數(shù)據(jù)進(jìn)行分層抽樣分析，對比不同區(qū)域經(jīng)濟(jì)發(fā)展?fàn)顩r;其次利用EXCEL工具并結(jié)合R軟件分析結(jié)果總結(jié)原因;然后運用SPSS軟件進(jìn)行線性回歸分析，找出影響企業(yè)利潤的關(guān)鍵因素;最后利用SPSS軟件進(jìn)行時間序列分析，總結(jié)近十年來工業(yè)企業(yè)發(fā)展?fàn)顟B(tài)并簡單預(yù)測未來趨勢。最終總結(jié)規(guī)模以上工業(yè)企業(yè)經(jīng)濟(jì)發(fā)展?fàn)顩r并給出建議。

【關(guān)鍵詞】 江蘇省 工業(yè) 統(tǒng)計學(xué) 抽樣分析

第一章 緒論

一個企業(yè)發(fā)展的因素有很多方面，而其中難免存在重中之重的因素，我們需要對企業(yè)經(jīng)濟(jì)發(fā)展的有利以及不利因素進(jìn)行全面的分析，才能給企業(yè)制定合理的規(guī)劃，以促進(jìn)其向積極的方向發(fā)展。這些因素并不是我們憑空想象出來的，需要運用統(tǒng)計分析方法對已有企業(yè)經(jīng)濟(jì)發(fā)展的數(shù)據(jù)進(jìn)行合理的分析才能總結(jié)出來。

本課題通過調(diào)查江蘇省各市規(guī)模以上工業(yè)企業(yè)的情況，例如：資產(chǎn)總數(shù)，負(fù)債，利潤總額等方面，運用統(tǒng)計學(xué)相關(guān)的抽樣分析方法，了解規(guī)模以上工業(yè)企業(yè)近年來的發(fā)展現(xiàn)況、市場競爭力、行業(yè)發(fā)展趨勢等，比較各地區(qū)規(guī)模以上工業(yè)企業(yè)的經(jīng)濟(jì)狀況，分析企業(yè)負(fù)債或盈余的原因，為江蘇省企業(yè)未來經(jīng)營管理給出合理的建議，如果合理有效希望推廣至更廣范圍。

第二章 抽樣數(shù)據(jù)

1122.1分層隨機(jī)抽樣

分層原則是使層內(nèi)市單元標(biāo)志值的差異盡可能小，層間市單元標(biāo)志值的差異盡可能大。江蘇省各地區(qū)每個市單元規(guī)模以上工業(yè)企業(yè)差異很大，更適合采用分層隨機(jī)抽樣。

分層原則是使層內(nèi)市單元標(biāo)志值的差異盡可能小層間市單元標(biāo)志值的差異盡可能大。這里. 我們在此將江蘇省分為蘇北、蘇中和蘇南三個地區(qū)。蘇北地區(qū)包括徐州、連云港、宿遷、淮安、鹽城五個地級市，蘇中地區(qū)包括揚州、泰州、南通三個地級市，蘇南地區(qū)包括南京、蘇州、無錫、常州、鎮(zhèn)江五個地級市。

相應(yīng)地，把江蘇省13個市單元劃分為3層，分別為蘇北地區(qū)、蘇中地區(qū)、蘇南地區(qū)。

本文設(shè)定的目標(biāo)是調(diào)查江蘇省13個市單元的規(guī)模以上工業(yè)企業(yè)的總利潤。調(diào)查采用分層隨機(jī)抽樣;估計量的精度要求是在置信概率95%下每個市單元規(guī)模以上工業(yè)企業(yè)平均利潤額估計量所需要抽取的市單元總數(shù)和各層單元數(shù)。根據(jù)樣本，試估計江蘇省13個市單元的規(guī)模以上工業(yè)企業(yè)的利潤總額、每個市單元的規(guī)模以上工業(yè)企業(yè)的平均利潤額。為了對比將所抽取的樣本當(dāng)作簡單隨機(jī)樣本，重新估計江蘇省13個市單元的規(guī)模以上工業(yè)企業(yè)的平均利潤額，分析抽樣后分層估計量的優(yōu)良性。

為進(jìn)行分層抽樣分析，我們預(yù)選取8個樣本量，按照市單元數(shù)比例，分配給各層，有第一層（蘇北地區(qū)）連云港市、鹽城市、宿遷市3個樣本，第二層（蘇中地區(qū)）南通市、揚州市2個樣本，第三層（蘇南地區(qū)）南京市、蘇州市、鎮(zhèn)江市3個樣本。

通過R語言實現(xiàn)從三個地區(qū)隨機(jī)選取樣本值，取得編號分別為1、3、2、6、8、10、11、9。

根據(jù)數(shù)據(jù)，總體分為3層，，單元總數(shù)為，各層單元數(shù)分別為， ，。樣本量個市單元，各層的樣本量分別為，，。各層的樣本觀測數(shù)據(jù)見表2-2。利用表2-2的數(shù)據(jù)，可以得到表2-1的計算數(shù)據(jù)。

每個市單元規(guī)模以上工業(yè)企業(yè)的平均利潤額的估計量為

（2-1）

每個市單元規(guī)模以上工業(yè)企業(yè)的平均利潤額估計量的方差估計為

（2-2）

估計量的標(biāo)準(zhǔn)差估計為

（2-3）

每個市單元規(guī)模以上工業(yè)企業(yè)的平均利潤額在置信概率95%下雙置信區(qū)間的置信下限為

（2-4）

置信上限為

（2-5）

每個市單元規(guī)模以上工業(yè)企業(yè)的平均利潤額估計為770.31209億元，估計量的方差估計為13558.08948，標(biāo)準(zhǔn)差估計為億元，在置信概率95%下的雙側(cè)置信區(qū)間（）。

江蘇省市單元規(guī)模以上工業(yè)企業(yè)的利潤總額的估計為

（2-6）

江蘇省市單元規(guī)模以上工業(yè)企業(yè)的利潤總額估計量的方差估計為

（2-7）

估計量的標(biāo)準(zhǔn)差估計為

（2-8）

江蘇省市單元規(guī)模以上工業(yè)企業(yè)的利潤總額在置信概率95%下雙側(cè)置信區(qū)間的置信下限為

（2-9）

置信上限為

（2-10）

江蘇省市單元規(guī)模以上工業(yè)企業(yè)的利潤總額的估計值為億元，估計量的方差估計為，標(biāo)準(zhǔn)差估計為億元，在置信概率95%下的雙側(cè)置信區(qū)間（）。

2.2小結(jié)

雖然江蘇省的總體水平讓人欣慰，但是縱觀江蘇省內(nèi)部，可謂經(jīng)濟(jì)發(fā)展差異非常大。江蘇省絕大部分規(guī)模以上工業(yè)企業(yè)的利潤都是靠蘇南地區(qū)帶動的。從抽出的樣本數(shù)據(jù)來看，省利潤額超過平均利潤額估計值的僅有3個地區(qū)，而其中兩個都是在蘇南地區(qū)，不得不說蘇南地區(qū)是整個江蘇省的利潤重要來源地，占了江蘇省近50%的利潤總額，在別的地區(qū)是非常罕見的。

第三章 應(yīng)用線性回歸分析

3.1多元線性回歸分析

下面我將運用spss統(tǒng)計軟件對江蘇省規(guī)模以上工業(yè)企業(yè)的利潤額進(jìn)行多元線性回歸分析。

首先我們將江蘇統(tǒng)計年鑒中《規(guī)模以上工業(yè)企業(yè)主要經(jīng)濟(jì)指標(biāo)（2017年）》導(dǎo)入Excel中，保留按省轄市劃分的數(shù)據(jù)，刪除不需要類別，再將數(shù)據(jù)導(dǎo)入spss中。 接著運用spss中的分析-線性-回歸對數(shù)據(jù)進(jìn)行多元線性回歸分析

這里的多重判定系數(shù)為0.995，反映了因變量的變差中被估計的回歸方程所解釋的比例，即在利潤總額的變差中，能被企業(yè)單位數(shù)個、資產(chǎn)總計、流動資產(chǎn)合計、負(fù)債合計、主營業(yè)務(wù)收入、銷售費用、管理費用、財務(wù)費用、平均用工人數(shù)萬人的多元回歸方程所解釋的比例為98.1%，說明該模型的擬合程度很高。

3.2小結(jié)

從表3-3中我們可以清楚的看見，企業(yè)單位數(shù)、資產(chǎn)總計、主營業(yè)務(wù)收入、銷售費用這四個因素對利潤總額的影響是正的，即這四個因素越大，利潤總額越高;而流動資產(chǎn)合計、負(fù)債合計、管理費用、財務(wù)費用、平均用工人數(shù)這五個因素對利潤總額的影響是負(fù)的，即這五個因素越大，利潤總額越小。

就積極因素來說，在江蘇省內(nèi)，資產(chǎn)總數(shù)對利潤總額的影響最大，換句話說就是一個地區(qū)規(guī)模以上工業(yè)企業(yè)的資產(chǎn)越大，其帶來的利潤相對來說也會越大，在此我們可以很容易理解為什么如今的市場并不允許大規(guī)模的創(chuàng)業(yè)者的存在。如今的市場很大程度上來說是資本的比拼，雖說企業(yè)的創(chuàng)新能力總是被大家追捧，誠然創(chuàng)新能力是推動企業(yè)、行業(yè)乃至整個社會進(jìn)步的動力，但是如今的現(xiàn)實告訴我們沒有資本，單靠創(chuàng)新是很難維持一個企業(yè)持續(xù)不斷創(chuàng)造利潤的，而沒有利潤何談發(fā)展創(chuàng)新。

而就消極因素來說，負(fù)債因素對利潤總額的影響最大，換句話說就是一個地區(qū)規(guī)模以上工業(yè)企業(yè)的負(fù)債越多，其帶來的利潤相對來說也會越少。根據(jù)表3-2可知，蘇南地區(qū)的負(fù)債合計遠(yuǎn)大于蘇北和蘇中之和，這也說明蘇南地區(qū)的資產(chǎn)流動規(guī)模很大。

第四章 應(yīng)用時間序列分析

3233.14江蘇省內(nèi)規(guī)模以上工業(yè)企業(yè)的數(shù)量在12年之后有了明顯的下降，雖然后面幾年有了一定的增長，但是總體數(shù)量近年來更是呈下降趨勢。但是細(xì)致得比較企業(yè)數(shù)量和總利潤額我們可以知道：盡管企業(yè)數(shù)量有所下降，但是總利潤額卻在增長。這一點說明江蘇省內(nèi)規(guī)模以上工業(yè)企業(yè)的質(zhì)量有所增長，平均每個企業(yè)帶來的利潤都比往年有所增長，這也是我們所希望看到的進(jìn)步。

選擇使用ARIMA模型來進(jìn)行預(yù)測，并設(shè)置好相應(yīng)的自變量、因變、統(tǒng)計量以及圖表的。

以下是模型摘要

從圖中可以看出，序列沒有明顯的季節(jié)成分，但存在一個明顯的變化，因此沒有必要做季節(jié)分解。經(jīng)過反復(fù)試驗，確定模型為ARIMA（1，1，1），于是對模型進(jìn)行擬合預(yù)測，得到ARIMA模型。

根據(jù)以上數(shù)據(jù)的分析以及查閱了相關(guān)的文獻(xiàn)，可以清楚的看出江蘇省內(nèi)規(guī)模以上工業(yè)企業(yè)的發(fā)展勢頭較2010年之后有所放緩，經(jīng)過SPSS的ARIMA模型預(yù)測并結(jié)合近年來工業(yè)企業(yè)的經(jīng)濟(jì)發(fā)展趨勢，我們可以看出未來規(guī)模以上工業(yè)企業(yè)的利潤額并不會有太大起伏，結(jié)合2016-2017年的勢頭，甚至有出現(xiàn)下降的可能。這里必須引起我們的注意，工業(yè)利潤不進(jìn)反降，這對國民經(jīng)濟(jì)發(fā)展是非常不利的，這就需要我們更加堅持走產(chǎn)業(yè)轉(zhuǎn)型的道路，穩(wěn)住工業(yè)發(fā)展低迷的狀態(tài)。

第五章 綜合建議

45江蘇工業(yè)的發(fā)展不僅取決于自身調(diào)整的深度、廣度和速度，而且取決于經(jīng)濟(jì)結(jié)構(gòu)調(diào)整和供給側(cè)結(jié)構(gòu)性改革的實施。隨著經(jīng)濟(jì)發(fā)展規(guī)模、技術(shù)創(chuàng)新、資產(chǎn)要素等因素的變化，江蘇工業(yè)經(jīng)濟(jì)的核心定位、優(yōu)勢培育、發(fā)展模式和權(quán)力結(jié)構(gòu)正在發(fā)生深刻而長期的變化。因此，有必要從發(fā)展理念的角度把握“四個轉(zhuǎn)變”。第一，核心定位要從拉動短期經(jīng)濟(jì)增長和穩(wěn)定就業(yè)的載體轉(zhuǎn)向提升區(qū)域技術(shù)創(chuàng)新價值鏈形成能力和可持續(xù)發(fā)展能力的載體。第二，優(yōu)勢培育應(yīng)由要素數(shù)量稟賦的優(yōu)勢轉(zhuǎn)變?yōu)橐刭|(zhì)量提高、要素數(shù)量節(jié)約和技術(shù)前沿生產(chǎn)水平的優(yōu)勢。三是發(fā)展模式由簡單加工、消化吸收、后處理等粗放模仿模式向自主創(chuàng)新精益模式轉(zhuǎn)變。第四，從強(qiáng)調(diào)數(shù)量與比例關(guān)系的單邊動力主導(dǎo)轉(zhuǎn)向強(qiáng)調(diào)供需內(nèi)在平衡的雙邊協(xié)同動力。在推進(jìn)供給側(cè)結(jié)構(gòu)性改革過程中，要著力提高生產(chǎn)效率、產(chǎn)品質(zhì)量和競爭力，提高產(chǎn)業(yè)體系供給效率和結(jié)構(gòu)水平。

【參考文獻(xiàn)】

[1] 楊貴軍等. 應(yīng)用抽樣技術(shù). 中國統(tǒng)計出版社.2015

[2] 金勇進(jìn)，賀本嵐. 復(fù)雜抽樣推斷方法體系的比較研究. 統(tǒng)計與信息論壇. 2011

[3] 王江艷. 復(fù)雜數(shù)據(jù)的統(tǒng)計推斷：時間序列、抽樣和函數(shù)型數(shù)據(jù)[D].蘇州大學(xué). 2016

[4] 趙翠林，劉宏臣，倪道安. 基于R軟件應(yīng)用的天津市電梯安全狀況抽樣分析. 安全分析. 第34卷第9期. 2018

[5] 譚志軍，徐勇，勇蚣，曹文君，徐玲. 應(yīng)用SAS和SPSS進(jìn)行復(fù)雜抽樣. 中國衛(wèi)生統(tǒng)計. 2012