我国各地区主要工业产品产量分析.docVIP

我国各地区主要工业产品产量分析 　　【摘 要】本文以我国的31个地区主要工业产品产量为研究对象，选取11个工业产品指标，并将这11项指标归结为3个因子，将我国31个地区分为3类。在此基础上，根据不同地区的因子得分情况和聚类分析情况，对我国各地区的综合工业发展水平进行总体比较和评价，为国家针对属于不同类的地区实行不同的相关经济政策，提供了依据。 　　【关键词】主要工业产品；发展水平；因子分析；聚类分析 　　0 引言 　　一个国家经济发展的过程，不仅仅表现为经济总量的增长，还必然伴随着产业结构的演变。工业做为中国国民经济的第二产业，其发展的状况对于经济的发展有着重要的意义。数据来源于2013年中国统计年鉴，本文选取11个指标原油X1，天然气X2，原盐X3，啤酒X4，卷烟 X5，布X6，机制纸及纸板X7，生铁X8，粗钢X9，钢材X10，平板玻璃X11来反映我国主要工业发展状况。 　　1 数据的处理 　　为了消除各指标间量纲和数量级的差异，客观地说明主成分的内涵，就必须将原始指标数据标准化，一般采用Z-score标准化公式得到标准化矩阵。使标准化后的变量均值为0，方差为1。 　　2 因子分析 　　调用SPSS统计软件对数据进行KMO 和 Bartlett 的检验。KMO检验用于研究变量之间的偏相关性，计算偏相关时由于控制了其他因素的影响，所以会比简单相关系数来的小。运用巴特利特球形检验和KMO检验来判断因子分析适合度。 可以得出Bartlett球度检验统计量为380.408。伪概率Sig.接近0。表明11个变量之间有较强的相关关系。而KMO=0.7270.7，说明所选取的数据适合作因子分析。 　　用主成分分析的方法对样本数据进行分析计算，来降低指标维数，由方差分解主成分提取表可知前3个特征根累计方差贡献率已达到77%以上，已经能很好的体现出整个数据的特点，后面因子的方差成长不高，如果继续选择则会使因子分析的意义变小，总体上原有变量的信息丢失较少，因子分析效果较理想。因此，本文选取前三个主成分作为降维以后模型评价的核心指标。 　　其中λ1=5.079，λ2=1.915，λ3=1.555分别求出其特征向量，并计算各变量在各个主成分上的载荷，最终得到因子载荷矩阵。对因子载荷矩阵施行最大正交旋转，建立旋转后的因子模型。 　　由因子载荷矩阵表可以看出第一主成分上X9、X8、X10、X11上有较大的载荷，说明第一主成分是由粗钢，生铁，钢材，平板玻璃决定。它们是对采掘品的加工、再加工，由工业原材料进行制造而成的工业产品，我们把第一主成分命名为加工工业因子。 　　第二主成分上X7、X4、X6、X3、X5上有较高的载荷，说明因子2主要依赖于机制纸及纸板，啤酒，布，原盐，卷烟这几个指标，它们都是直接或间接以农产品为基本原料进行加工、再加工的工业产品，我们把因子2命名为农副产品因子。 　　第三主成分上X1、X2上有较高的载荷，原油，天然气这二个指标反映了对自然资源的开采，我们把因子3命名为自然资源因子。 　　从因子得分系数矩阵中可以得出主成分的函数表达式，然后可以得出各个因子得分，为了最后的分析，我们考虑因子的综合得分，依据如下公式： 　　y=01+02+03 　　经SPSS计算后，可得出各个地区的综合得分，图1为各个地区综合得分的雷达图，其按照综合得分从大到小排名为：河北，山东，江苏，辽宁，广东，陕西，天津，湖北，四川，新疆，山西，河南，黑龙江，浙江，福建，安徽，江西，湖南，内蒙古，吉林，上海，广西，重庆，青海，甘肃，云南，北京，贵州，宁夏，海南，西藏。 　　3 聚类分析 　　在因子分析的基础上，本文提取三个主成分，并且得出各个主成分的得分情况。为了得到更加合理的结果，我们运用快速聚类分析法将31个地区分为3类（如表1），以便于分析各个地区的主要工业发展状况。 　　为了解释每一类的意义，做出每一类的各因子得分均值的排名情况（如图2）。可以看出第一类江苏，浙江，山东，河南，广东五个地区的农副产品因子排名靠前，第三类只有河北一个地区，其加工工业因子得分排名靠前，第二类地区没有优势项，因此在综合因子得分排名中也居于靠后的位置。 　　可以看出，第一类地区自然条件好，农业基础好，是我国稳产农业区，总体农业生产水平高出全国平均水平，乡镇工业发展迅速。但土地资源紧缺，其中山东是中国的菜篮子，中国温带水果之乡，中国第二人口大省。河南是“中国粮仓”、“国人厨房”，是中国小麦、棉花、油料、烟叶等农产品的重要生产基地。广东以制造业为主，具有食品、纺织业、机械、家用电器、汽车、医药、建材、冶金工业体系。因此该类地区农副产品因子得分较高。 　　图2 不同类别各因子得分排名