主成分分析法评价吐鲁番物流业发展水平.docVIP

吐鲁番地区2005年-2012年物流业发展水平主成分分析 年份 公路货物周转量（万吨公里） GDP(亿元） 社会消费品零售总额（亿元） 工业总产值（亿元） GDP年增长率（%） 批发零售总额（亿元） 2005 93873 119.8 15.2 107.1 12.4 12.3 2006 84111 145.8 17.2 139.4 14.4 14.1 2007 93124 172 17.8 178.9 11 14.2 2008 88349 206.7 21 210.9 5.8 16.9 2009 117192 158 23.8 170.6 -3.1 19.4 2010 131895 185.3 28.3 273.1 5.8 24.5 2011 143329 217.5 26.3 396.7 6.3 23.3 2012 160031 243.9 29.4 530.4 9.95 26.1 相关矩阵 公路货物周转量（万吨公里） GDP(亿元） 社会消费品零售总额（亿元） 工业总产值（亿元） GDP年增长率（%） 批发零售总额（亿元） 相关 公路货物周转量（万吨公里） 1.000 .712 .910 .902 -.294 .936 GDP(亿元） .712 1.000 .787 .905 -.175 .791 社会消费品零售总额（亿元） .910 .787 1.000 .834 -.472 .995 工业总产值（亿元） .902 .905 .834 1.000 -.061 .868 GDP年增长率（%） -.294 -.175 -.472 -.061 1.000 -.400 批发零售总额（亿元） .936 .791 .995 .868 -.400 1.000 图一 图一给出的是六个变量之间的相关系数矩阵，可以看出这六个变量之间的相关系数很高，因此有必要进行主成分分析。结果图二给出了主成分分析从每个原始变量中提取信息的多少，可以看出，提取的成分包含了原始变量至少90%的信息。 公因子方差 初始 提取 公路货物周转量（万吨公里） 1.000 .894 GDP(亿元） 1.000 .815 社会消费品零售总额（亿元） 1.000 .968 工业总产值（亿元） 1.000 .980 GDP年增长率（%） 1.000 .976 批发零售总额（亿元） 1.000 .966 提取方法：主成份分析。 图二 结果图三显示了个主成分解释变量原始变量总方差的情况。可以看出它保留了两个主成分，第一个主成分的对应的特征值入1为4.573，也就是说第一个主成分描述了原始变量总变差6中的4.573，第一个主成分解释了8个原始变量信息的76.215%；第二个主成分对应的特征值入2为1.025，第二个主成分解释了6个原始变量信息的17.083。前两个主成分集中了原始6个变量信息的93.298%，说明两个主成分提供了原始变量的足够信息，主成分分析的效果是比较好的。 解释的总方差 成份 初始特征值 提取平方和载入 合计 方差的 % 累积 % 合计 方差的 % 累积 % 1 4.573 76.215 76.215 4.573 76.215 76.215 2 1.025 17.083 93.298 1.025 17.083 93.298 3 .303 5.055 98.353 4 .095 1.583 99.936 5 .003 .051 99.987 6 .001 .013 100.000 图四 图四是主成分碎石图，由特征值的变化趋势由陡峭开始趋于平稳的转折点，可以看出它保留两个主成分为宜。 成份矩阵a 成份 1 2 公路货物周转量（万吨公里） .945 .040 GDP(亿元） .874 .227 社会消费品零售总额（亿元） .973 -.144 工业总产值（亿元） .932 .334 GDP年增长率（%） -.375 .914 批发零售总额（亿元） .980 -.066 提取方法 :主成分分析法。 a. 已提取了 2 个成份。 图五 图五输出的是第一主成分·第二主成分与原始变量的关系。而两个主成分对应的特征根入1=4.573，入2=1.025，可得入1，入2的平方根为2.138,1.012，用其除以图五中的第二列和第三列可以得到主成分表达式的系数，由此可以写出各主成分表达式