我国省市区经济效益评价摘要.doc

我国省市区经济效益评价 2012年08月14日 10:15 来源：《合作经济与科技》2012年第5期下 作者：易伟 字号 打印 纠错 分享 推荐 浏览量 117 内容摘要： 关键词： 作者简介： 　　提 要：改革开放以来，我国经济取得了大幅度增长，在关注经济规模扩大的同时，人们越来越重视经济效益的高低。本文选取财政收入等10项指标，应用因子分析法，对各省市区的经济效益进行比较和评价。　　关键词：经济效益，因子分析，综合评价　　原标题：基于因子分析的我国各省市区经济效益评价 　　2011年我国的GDP总量已经达到47万亿元，接近美国的50%，是世界第二大经济体。各省市区的经济规模也越来越大，有8个省市的GDP超过2万亿元，其中广东已达到5.3万亿元，接近1995年我国全年的生产总值。在追求经济规模量的扩大的同时，国家也越来越重视经济效益质的提高，经济效益的评价因此显得尤为重要。本文借助于多元统计方法——因子分析法，利用SPSS17.0软件，对我国各省市区的经济效益进行综合比较。　　一、指标选择和数据处理　　反映经济效益的指标很多，根据指标选取的客观性、全面性、可比性、简洁性和可获得性原则，共选取了财政收入、财政支出、第一产业生产总值、第二产业生产总值、第三产业生产总值、城镇居民收入、农村居民收入、进出口总额、社会消费零售总额、最终消费等10项指标进行检验，各项原始数据均来源于《中国统计年鉴2010》。　　由于各省市区在人口、地域面积上差异很大，在经济效益评价中用总量指标进行分析，其代表性不如相对指标。经济学上，常用人均指标比较效益、效率，因此在进行各省市区经济效益比较时，本文对统计年鉴上总量指标都进行了处理，处理的方法是：用相应的总量指标除以相应的总人数，比如人均财政收入=财政收入÷总人口数，人均第一产业生产总值=第一产业生产总值÷第一产业就业人数，每个省市区的处理方法保持一致，以保证指标的可比性。　　二、因子分析过程　　1、检验变量组是否适宜做因子分析。在进行因子分析前，首先需要对原有变量做KMO测度和巴特利特球体检验，或者进行相关分析，看是否适合做因子分析。本文采用SPSS17.0进行分析，得到“取样足够度的Kaiser-Meyer-Olkin度量”值为0.804，适宜做因子分析，同时“Bartlett的球形度检验”的显著性概率为0.000，小于1%，说明变量之间具有相关性，也适合做因子分析。　　2、提取公因子。采用主成分分析法提取了3个公因子，3个公因子特征根分别为7.420、1.019、0.838，方差贡献率分别为74.202%、10.192%、8.381%，累计方差贡献率达到92.775%，说明所选的3个公因子的特征根解释了总方差的92%以上，只有极少的方差没有解释，解释效果很好。　　由前3个特征值建立因子载荷矩阵，由于公因子的解释意义不很明确，因此采用方差最大法对因子载荷矩阵实施正交旋转，旋转后的3个公因子特征根分别为5.858、1.912、1.507，方差贡献率分别为58.578%、19.122%、15.075%。　　公因子F1对城镇居民收入、农村居民收入、社会消费零售总额、最终消费、进出口总额、财政收入、第三产业生产总值等人均指标有较大载荷，这些指标主要是从收入和消费方面反映经济效益，因此公因子F1可以解释为收入和消费因子。　　公因子F2对第二产业生产总值、第一产业生产总值等人均指标有较大载荷，在国民经济三大产业划分中，第一和第二产业都是进行的有形商品生产，而第三产业则属于无形商品生产即服务，因此公因子F2可以解释为有形商品生产因子。　　公因子F3对人均财政支出有较大载荷，政府的财政支出是对社会财富的二次分配，在我国现阶段的经济发展中，政府支出主要体现在对各种建设的投资，因此公因子F3可以解释为投资因子。　　3、计算因子得分。建立因子得分系数矩阵，可以计算出各省市区经济效益在各公因子上的得分，最后根据各省市区每个公因子得分值，以各公因子的方差贡献率作为权重进行加权汇总，就可以得出各省市区经济效益的综合得分。(表1)　　三、分析及建议　　1、收入和消费因子分析。收入和消费因子的方差贡献率为58.578%，得分为正的省市全部位于东部地区，分别是上海、北京、浙江、江苏、广东、天津、福建、山东等八省市。其中，上海、北京更具优势。在因子得分上城镇和农村居民收入贡献最大，其次是人均社会消费品零售额、人均进出口额。西部的西藏、内蒙古、新疆、青海、甘肃、贵州、陕西、云南等八省区则排在后八位。西藏在人均进出口总额、财政收入上排后，贵州、甘肃在城镇人均收入和农村居民人均收入上排后。　　2、有形商品生产因子分析。有形商品生产因子的方差贡献率为19.122%。得分最高的是