关于河南各市GDP与青年大学习的非正经研究

摘要：无

1.研究背景

随着社会经济的发展，人们变得越来越喜欢做青年大学习这种有利于身心全面发展的学习活动。最近两年新冠疫情爆发，中国各地的GDP都受到了不同程度的影响。所以有必要研究GDP的增长率会不会影响青年大学的努力程度。因为所以，螺旋升天。

2.研究方法

研究样本为河南省的18个市，由于郑州市作为省会城市过于特殊（GDP一枝独秀），焦作市的GDP增速过低，所以以上两座城市不参与后续分析。
主要的研究变量有青年大学习牛逼程度（又分为得分参与率与排名）、2020GDP体量、2020GDP增速、2020人均产值，并由此计算出人口数量。

注1：得分其实是2021年12月9日看到的各省市的青年大学习参与率.
注2：以下分析牛逼程度无特别说明皆用排名代表。越牛逼排名数值越低。

使用spss 21进行相关分析。

3.研究ing

假设1：GDP负向影响大学习牛逼程度。逻辑很简单，GDP越高的城市发展程度越高，越不会在乎大学习。

假设2：人均GDP负向影响大学习牛逼程度。原因同上，不过假设1忽视人口的影响。人均GDP越高，一定程度代表人均文明素质越高，这种情况下就越倾向于拒绝大学习。

假设3：GDP增速增强GDP对大学习牛逼程度的影响。在GDP相同的情况下，GDP增速越大说明青年大学习这种非生产性的活动可能会被生产服务活动取代，优先级下降。

以下为探索性分析：

Spearman相关系数

散点图

可以看到大学习的得分和排名几乎具有一样的地位，为了方便理解，以后用得分来代替牛逼程度，以后分别用排名作为牛逼程度的代表，排名越大越不牛逼。

做牛逼程度对GDP的回归结果：排名-GDP（β=.002,p=0.034）

由此可得假设1成立，GDP负向影响大学习牛逼程度。

鉴于牛逼程度和人均GDP不相关，所以假设2不成立。

下面对假设3进行分析：

牛逼程度=a*GDP+b*增速+c*GDP*增速，利用spss做层次分析，查看加入交叉项后模型的R方是否发生显著变化。

从图中可以看出交叉项并不显著，把交叉项换成GDP*增速*增速或GDP*GDP*增速仍不显著。不论牛逼程度是排名还是得分，都没有显著变化。因此我们可以认为GDP增速不能调节GDP对大学习牛逼程度的影响。

4.进一步分析

假设4：人口规模增强GDP对大学习牛逼程度的影响。如果两个城市GDP一样，但一个城市的人口非常多，那么这个城市的社会管理问题就会更多，所以监督青年大学习的精力就会减少。

但交互项一点都不显著。部分原因可能是模型的第一层就出现了较为严重的多重共线性。另一部分原因可能是由于人口多并不一定会带来棘手管理问题，因为管理资源可能会得益于GDP体量而大幅增加。

另外针对假设1，由于这是非正经研究，所以有必要检验假设1的稳健性，即这一结论是否在大多数情况下都成立？

于是我找来2019年1月份河南省各市青年大学习的排名，对2020GDP回归结果如下：

很明显我们的假设1没有经得住挑战。但我们搞得是非正经研究，所以有必要看看可否推翻推翻假设的数据结果。以上回归至少存在两个问题：1.用2020年GDP来预测19年牛逼程度，这有无实际意义？2.由于疫情影响，2019年11月份和2020年1月份，短短两个月社会可谓是了翻天覆地的变化，迎来了新时代、新纪元。

所以要进一步检验假设1，有必要用多个时间点的数据进行验证。

我又搜集了各市2018和2019的GDP和增速。

图中可以看到19年GDP增速出现两个“异常值”，在进一步探索性分析后，我决定排除掉郑州、漯河、三门峡三个样本。以下是19年1月大学习排名分别对19年GDP增速和19GDP的回归：

19GDP增速显著影响大学习牛逼程度，也就是说GDP增速越快，排名越倒数。

18年的GDP没有调节19GDP增速对大学习排名的影响。

经过以上讨论，我们了解到无法确定GDP增速和GDP对青年大学习有没有影响。

因此有必要进一步分析

5.近两步分析

我们已经了解到河南各市2020GDP显著影响2021年12月大学习排名，2019GDP增速显著影响2019年1月大学习排名。接下来我们来分析2021前三季度GDP和前三季度GDP增速对2021年12月大学习排名的影响(郑州不纳入分析)。结果就是GDP显著（β=.003,p=0.036），而增速不显著。

在调节效应分析中：

但奇怪的是GDP和增速的交互项的系数却是负的，这代表在高增速的情况下，GDP对排名的影响反而被削弱。

游戏越来越有意思了。呵呵。

6.近三步分析

由于疫情算是一个突发事件，加上疫情后的GDP数据发生了较大的变化，所以疫情前的数据应该更具有稳定性。为了确保这项非正经研究的信度，我决定分析下河北省的GDP和青年大学习的数据。

我们可以看到19年的大学习排名与GDP和增速等并不相关。但21前三季度GDP显著影响排名，但方向为负。。。。说明GDP越高，大学习越厉害。GDP和增速的交互相不显著。看来只能更进一步研究了

7.近四步分析

下面分析安徽省的相关数据。

在19年12月大学习的排名对19年GDP的回归结果为β=0.003,p=0.036。可以得出在2019年安徽省各市GDP正向影响了青年大学习的排名。同时并没有发现GDP增速的调节作用。

经过这么多次的毒打，我已经学会了不要急于得出结论。让我们看看2021年的一些数据

好吧，没什么相关的

4.讨论

分析结果汇总：

河南：排除郑州
↓↓↓↓↓↓↓2021年12月排名对：↓↓↓↓↓↓↓
2021年前三季度GDP，β=.003,p=0.036，显著，正向
2020年GDP，β=.002,p=0.034，显著，正向
2019年GDP，β=.001,p=0.049，显著，临门一脚
2018年GDP，β=.003,p=0.056，不显著，临门一脚
2021年前三季度GDP增速，β=-.145,p=0.844，不显著
2020年GDP增速，β=.198,p=0.356，844，不显著
↓↓↓↓↓↓↓2019年1月排名对：↓↓↓↓↓↓↓
2019年GDP，β=-.001,p=0.596，不显著
2018年GDP，β=-.001,p=0.445，不显著
2017年GDP，β=-.001,p=0.413，不显著
2019年GDP增速，β=.393,p=0.007，正向显著，排除两个刺头
2019年GDP增速，β=.082,p=0.576，不显著
河北：排除掉石家庄和唐山
↓↓↓↓↓↓↓2021年12月排名对：↓↓↓↓↓↓↓
2021年前三季度GDP，β=-.004,p=0.001，显著，负向
2020年GDP，β=-.004,p=0.001，显著，负向
2021年前三季度GDP增速，β=-1.088,p=0.192，不显著
2020年GDP增速，β=1.590,p=0.449，不显著
↓↓↓↓↓↓↓2021年1月排名对：↓↓↓↓↓↓↓
2021年前三季度GDP，β=-.002,p=0.139，不显著
2020年GDP，β=-.002,p=0.135，不显著
2021年前三季度GDP增速，β=.093,p=0.909，不显著
2020年GDP增速，β=1.666,p=0.379，不显著
↓↓↓↓↓↓↓2019年排名对：↓↓↓↓↓↓↓
2019年GDP，β=-.001,p=0.580，不显著
2018年GDP，β=-.001,p=0.533，不显著
2019年GDP增速，β=7.252,p=0.271，不显著

安徽：排除合肥

↓↓↓↓↓↓↓2021年12月排名对：↓↓↓↓↓↓↓

2021年前三季度GDP，β=.000,p=0.850，不显著

2020年GDP，β=.000,p=0.776，不显著

2021年前三季度GDP增速，β=.491,p=0.086，不显著

2020年GDP增速，β=.129,p=0.963，不显著

↓↓↓↓↓↓↓2019年12月排名对：↓↓↓↓↓↓↓

2019年GDP，β=.003,p=0.036，显著，正向

2018年GDP，β=.003,p=0.123，不显著

2019年GDP增速，β=.194,p=0.464，不显著

2018年GDP增速，β=.329,p=0.404，不显著

↓↓↓↓↓↓↓2019年7月排名对：↓↓↓↓↓↓↓

2019年GDP，β=.001,p=0.630，不显著

2018年GDP，β=.000,p=0.817，不显著

2019年GDP增速，β=.141,p=0.596，不显著

2018年GDP增速，β=.105,p=0.792，不显著

↓↓↓↓↓↓↓2018年12月排名对：↓↓↓↓↓↓↓

2018年GDP，β=.001,p=0.739，不显著

2017年GDP，β=.001,p=0.791，不显著

2018年GDP增速，β=.374,p=0.341，不显著

从以上分析我们并不能认为GDP影响到了，但也考虑到河南的一些结果，也不能断定完全没关系。GDP和青年大学习的牛逼程度在不同时间、不同地区的情形下，其关系甚至会180°变化或者是没关系，所以可能存在其他因素在调节着这一关系，并且调节作用较大。比如是否和省份、城市发展道路有关系？比如实干致富还是靠搞关系获得上级资源倾斜？限于篇幅和精力，这些或有或无的可能关系不会过多探讨。

同时本非正经研究至少存在以下局限：

1.青年大学习的排名并不稳定，所以容易出现虚假相关。青年大学习排名一句往往是各级团员单位团员参与率，而参与率在寒暑假、小长假、考试周等往往会发生较大变化。青年大学习的排名结果一般是一周出一次，经分析笔者发现临期排名往往并非强相关。所以排名的这种不稳定性使得我们的整个分析信度都大打折扣。至于解决方法，可以使用所测时间点和其前后几次的数据的均值来代表当期排名。亦或是对一年跨度的排名数据求均值，这样对GDP回归才更为“公平”。

2.GDP是个非常粗糙的概念，以至于遮盖了更深层次的关系。GDP只说有多少钱，却没法说明钱怎么来的。是高科技出售还是血汗工厂压榨？我们无从得知。所以换成更为精细的概念可能研究起来更有意义，如民主发展程度、公民自由度、官员变更等等。

3.较少的考虑发展惯性。由于经济系统和官僚系统的惯性，再加上中国的政治往往是上层先动后带动下层，所以应该是上层官员观念先转变，再通过任命新官员等完成局部官僚系统的观念转变，在新观念的作用下GDP发生相应的改变。但具体的转变时间，难以断定。

4.并未探究什么会影响青年大学习的牛逼程度。由于这是数据驱动的非正经研究，所以假设和分析之间往往是墙头草，随数据倒。因此有必要从微观层度研究参与率的影响因素。就笔者个人而言，参与与否主要取决于上级的🍐，如团支书是否要求必须完成还是不完成也没事。团支书的压力来自于上级团委，同样的逻辑，最后压力来自于谁我就不点破了。所以可以了解到，在省份层次，各省的相关领导对大学习的态度和对下级的压力施加肥肠重要。至于如何刻画这一层次的压力大小，笔者认为这和官员的发展理念有关系，如是实干求发展，还是靠搞关系来获得上层资源倾斜来发展？是集权式发展还是分权式发展？至于这些问题，笔者短期内无法研究。

5.总结

1.GDP对青年大学习的影响不可说其有，但说其无也不太合适。
2.可能有其他因素影响着青年大学习参与率，而这一因素可能和省级领导层有关。
3.中国的二手数据很多，但并非结构化。本研究侧面反映出中国公开数据集成不到位。
4挖个坑，如果是发展模式的话，那么河北高校的党和领导内容比例应显著高于河南和安徽。后续相关研究。

所有数据均可由这个链接获得。