发帖
雷达卡
企业经济效益是企业一切经济活动的根本出发点。对于各个企业来说，都关注于如何提高经济效益，提高企业经济效益有利于增强企业的市场竞争力，有利于充分利用有限的资源创造更多的社会财富，满足人民日益增长的物质文化需要有利于能增强企业市场竞争能力，有利于巩固企业在市场竞争中的地位。
企业要提高经济效益，就得分析哪些指标对其有影响，针对重要指标，着手管理企业，对企业政策进行调整，以实现经济效益最大化。
关键字：经济效益指数 价格 广告投入
目录
文献综述... 3
一、数据说明... 4
二、确定解释变量... 5
1．编辑数据... 5
2.散点图... 5
3．数据相关性检验... 7
4.剔除多重共线性... 8
5.异方差检验... 9
二、模型检验... 10
1.统计意义检验... 10
2．经济意义检验... 10
三、提出对策... 11
1.产品销售价格... 11
2.广告投入... 11
文献综述
现在各个企业大多都在关注如何减收税收来提高企业的经济效益，现阶段人们还研究的影响企业经济效益的因素包括居民消费价格指数、城市居民消费价格指数 、农村居民消费价格指数、商品零售价格指数、农业生产资料价格指数、农产品生产价格指数、工业品出厂价格指数 、原材料、燃料和动力购进价格指数。
基于影响企业为经济效益的因素，多数企业都在关注于各种影响因素，很少关心企业的广告投入、地区居民收入等因素。因此，我收集了地区GDP指数，产品销售价格指数，广告投入指数，居民收入指数这四方面的数据，来进行经济效益评价，通过这些为企业提出一些建议。
一、数据说明
为了全面地、广泛地、综合地分析我国各个地区、各企业的经济效益问题，我选择了包括全国各个地区的大、中、小型企业的全部信息来源，采集了部分有用的相关指标，经简单随机抽样（Simple Random Sampling）方法，从全国企业这些抽样单元中随机地、一个一个的抽取了18个抽样单元作为样。经过汇总整理，得到资料如下表（企业经济效益评价指数）所示：
企业经济效益评价指数 （单位：同2006数据的百分比） 企业所在地区编号 经济效益指数 GDP指数 产品销售 价格指数 广告投入指数 居民收入指数 １ 126.4 127.6 124.4 122.7 128.9 ２ 105.6 97.2 95.6 115.2 107.8 ３ 109.1 101.2 99.8 101.2 106.8 ４ 111.0 112.4 102.6 118.8 103.4 ５ 135.1 115.8 114.3 140.9 112.2 ６ 118.2 110.7 111.7 114.3 148.3 ７ 115.3 128.3 127.2 102.6 143.1 ８ 103.9 92.4 98.0 102.5 114.7 ９ 101.3 96.2 97.1 99.7 102.0 １０ 95.8 88.3 93.6 98.6 94.5 １１ 96.7 98.9 97.6 98.8 89.8 １２ 105.1 110.3 105.6 101.5 99.9 １３ 99.8 95.6 98.4 98.6 101.2 １４ 97.7 96.5 97.5 98.2 95.7 １５ 104.8 105.3 102.9 99.7 106.7 １６ 111.4 120.1 108.9 105.1 114.2 １７ 108.3 114.0 108.3 103.1 101.7 １８ 106.0 130.8 102.1 101.9 104.3
二、确定解释变量 1．编辑数据
将上表中的数据统统输入到SPSS数据操作中，分别定义以下变量：
各个企业的经济效益指数y， 地区GDP指数 x1，产品销售价格指数x2，广告投入指数x3，居民收入指数x4
2.散点图1）各个企业的经济效益指数y与地区GDP指数 x1的散点图
2）各个企业的经济效益指数y与产品销售价格指数x2的散点图 3）各个企业的经济效益指数y与广告投入指数x3的散点图 4）各个企业的经济效益指数y与居民收入指数x4的散点图 由散点图可以看出各个变量与解释变量之间基本上存在的是直线线性关系，因此选作直线相关模型，通过选择菜单【Analyze】→【Regression】→【Liear】作回归，得到以下结果： 因为模型中的常数T检验相伴概率为0.491，没有通过检验，所以，模型没有常数，初步定义为： （是一个没有常数项的模型） 但是通过以上回归结果知道此模型变量T检验没有全部通过，因为变量T检验的相伴概率有大于0.05的，存在问题，需要进行进一步修正。3．数据相关性检验
选择菜单【Analyze】→【Correlate】→【Bivariate】进行所有变量之间的相关性检验，出现结果如下：
由上表第一列可以看出：
（1） 经济效益指数y与其他变量之间的关系：
企业经济效益指数y与地区GDP指数 x1的相关系数为0.652，相伴概率为0.003，相关程度良好； 企业经济效益指数y与产品销售价格指数x2的相关系数为0.786，相伴概率为0.000，相关程度高； 企业经济效益指数y与广告投入指数x3的相关系数为0.870，相伴概率为0.000，相关程度高； 企业经济效益指数y与居民收入指数x4的相关系数为0.639，相伴概率为0.004，相关程度良好；（2） 其他各个变量（除了经济效益外）相互之间的关系：
以地区GDP指数 x1与其他变量之间的相关程度为例简要说明如下
地区GDP指数 x1与产品销售价格指数x2的相关系数为0.809，相伴概率为0.000，相关程度很强；
地区GDP指数 x1与广告投入指数x3相关系数为0.377，相伴概率为0.123，相关程度一般；
地区GDP指数 x1与居民收入指数x4相关系数为0.519，相伴概率为0.027，相关程度一般；
通过以上地区GDP指数 x1与其他变量之间的相关程度说明各个解释变量之间有些存在相关程度比较高的关系，说明这批变量之间存在多重共线性，因此要确定检验并消除多重共线性。
4.剔除多重共线性选择菜单【Analyze】→【Regression】→【Liear】,把y放入被解释变量选项框中（即Dependent中），其他变量x1—x4放入解释变量选项框中（即Indenpendents中），选用逐步回归法Stepwise进行剔除多重共线性，得到以下结果：
通过结果表可以得知，变量x1与变量x4被剔除出模型。 通过上表知道：Stepwise进行了两次，第一次保留变量x3，T检验的相伴概率为0.000，通过检验；第二次保留变量x3和x2，并且T检验都通过，因此修正模型为： 5.异方差检验因为我所收集的数据是截面数据，所以要进行异方差检验，我采用White检验，在Eviews中按路径view/residual tests/white heteroskedasticity(cross terms),进入White检验，辅助函数为 检验结果如下：
可以看出: ,由White检验知,在显著性水平为5%的情况下,查 分布表,得临界值 ,同时x2，x3，x2*x3，x2^2，x3^2的T检验也显著的，比较计算的 统计量与临界值， ＜ ，所以不拒绝原假设,表明模型不存在异方差。
因此，最终确定模型中含有变量有：
各个企业的经济效益指数y，产品销售价格指数x2，广告投入指数x3
二、模型检验 1.统计意义检验选择菜单【Analyze】→【Regression】→【Liear】,把y放入被解释变量选项框中（即Dependent中），其他变量x2和x3放入解释变量选项框中（即Indenpendents中），选用逐步回归法Enter进行回归，得到以下结果：
表中可以知道：可决系数平方R =0.969 , 拟合度很好
得出整体对y的检验值F＝116.424 相伴概率P=0.000 显著影响得出模型估计： =
T检验 （6.729）（8.926） 2．经济意义检验由得出模型估计： = ，可以看出当产品销售价格指数x2比上年同期增长1%时，企业的经济效益指数y就会比上年同期增长0.519%；
当广告投入指数x3比上年同期增长1%时，企业的经济效益指数y就会比上年同期增长0.58%。
三、提出对策通过以上的分析，得到一些建议性对策
1.产品销售价格对于企业来说，利润最大化是其根本目标，有的企业就会通过提高产品价格来增加销售收入，实现企业经济效益最大化。
通过我的研究得出，企业的产品价格对经济效益的作用确实不小，不过也不能一直加价，这种极端想法是错误的，企业应该适当加大产品价格，在考虑到各个地区居民生活水平的基础上适度加价，以此来得到较高的经济效益。
2.广告投入千万不要忽略了对企业产品的宣传，不要去吝啬对产品的宣传投入，一个产品能得到消费者的认可，在一定程度上取决于产品的宣传，所以，企业一定要重视对自己产品的宣传，让消费者了解其产品，引起消费者的眼球，这样才能引起经济效益的提高。
[em01][em01]
京公网安备 11010802022788号
