基于因子分析的陕西GDP预测及政策建议.docVIP

基于因子分析的陕西GDP预测及政策建议 　　摘 要：影响GDP的因素众多且各因素具有一定的相关性。运用因子分析法寻找出影响陕西省6项经济指标变动的主因子（利用SAS实现），依据每项经济指标与主因子的线性相关度达到98%以上，拟合出每项经济指标与主因子的线性函数。同时，利用多项式拟合计算主因子与时间的函数，从而通过预测未来4年主因子的值计算出各项经济指标的值以及GDP的值。最后，根据各指标对GDP的贡献给出具体的政策建议。 　　关键词：因子分析；主因子；SAS软件；多项式拟合 　　中图分类号：F127；F224 文献标志码：A 文章编号：1673-291X（2013）23-0090-03 　　引言 　　经济发展是关乎民生的大事，而影响GDP的因素众多，且各因素之间具有程度不一的相关性。本文旨在寻找影响几项重要经济指标变化的主因子，从而预测陕西省未来几年GDP的值。本文基于因子分析法，利用1993—2007年的陕西省经济统计数据找到影响陕西省经济发展的主因子，并利用2008—2011年的数据对因子拟合做了检验。之后，用多项式拟合预测未来几年的主因子的值，从而预测未来几年各个经济指标的值，最后给出2013—2016年陕西省GDP的区间。 　　通过分析预测结果，本文根据经济指标对经济增长贡献的不均衡性给出具体政策建议：首先，第一产业对陕西省生产总值贡献较小，但由于其在经济发展过程中表现出的稳定性，故应利用高科技手段保护农业资源，建立可持续的生态型农业；其次，针对陕西省旅游业，由于其发展空间大，应挖掘地方文化，发展文化旅游业，增强旅游产业的核心竞争力，使得陕西省经济在稳重求进的大环境下平稳快速发展。 　　一、综合评价方法和因子分析法 　　（一）综合评价方法[1] 　　在实际预测经济的过程中，一方面，由于影响GDP的因素众多，在实际建立预测模型的时候必然会面对哪些因素要保留、哪些因素可以舍弃的难题；另一方面，这些影响因素并不是彼此相互独立的，而是存在较高的相关性，多个指标可能共同受制于某一个因素。在这种情况下，如果将预测模型的建立假定在各个指标因素相互独立的前提下，显然是不合理的。考虑到这一点，我们引入因子分析法。它能对指标间的共同因素加以测定，用公共因子代替原指标，简化分析。而且因子分析法根据主因子的方差贡献率客观地确定指标的权重，避免人为选择指标的行为对结果产生较大影响。 　　（二）因子分析法步骤说明[2] 　　1.样本数据标准化处理 　　对样本进行标准化处理后，可以消除由于量纲的不同而对分析结果的影响。对原始数据进行标准化处理的计算公式为xij=（Xij-Xi）/σi，其中xij标准化数据，Xij为原始数据，Xi为第i个指标的均值，σi为第个指标的标准差（i=1，2，…n）。令x=（x1，x2，…xm）T，则n个样本标准化后的数据矩阵为 　　=x11 x12 … x1mx21 x22 … x2m xn1 xn2 … xnm 　　2.计算m个标准化指标的相关系数矩阵 　　R=r11 r12 … r1mr21 r22 … r2m rm1 rm2 … rmm 　　相关矩阵是因子分析直接使用的数据，根据算出的相关矩阵进一步判断应用因子分析是否合适。 　　3.求相关系数矩阵R的特征根 　　相关矩阵R的特征方程|R-λI|=0，其m个特征值为λ1λ2λ3…λm，相应的标准化特征向量为ej（j=1，2…m）。并使F=AX，其中F为主因子阵 　　F=[F1，F2，…Fm] 　　X=[X1，X2，…Xm] 　　4.确定因子贡献率及累积贡献率 　　第i个因子的贡献率为g=λi/λi，gi为第i个主成分的贡献率，该值越大，则说明特征值所占比重越大，也即该主成分概括各指标数据的能力越强。 　　5.选取主成分个数 　　gi表示前k个主成分的累积贡献率，即前k个主成分从原始变量数据中提取的信息量。若该信息量已达到全部信息量的绝大部分（一般认为≥85%）时，可以认为前R个主成分已基本反映了原始变量数据的主要信息，或者取大于等于1的特征根所对应的主成分。wi=gi/gi是第i个主成分的权数。 　　6.因子载荷矩阵的变换 　　对于初始因子载荷阵，如果因子负荷的大小相差不大，对因子的解释可能有困难。因此为得出较明确的分析结果，通过旋转坐标轴，使每个因子负荷在新的坐标轴中能按列向0或1两极分化，同时也包含了按行向两极分化。 　　7.建立主因子得分模型 　　其因子得分模型为fi=xβj=xR-1αj（j=1，2，3…k）。式中，fi为因子得分函数，βj=xR-1αj为计算因子值的系数，x为标准化数据；R为标准化数据的相关系数矩阵，αj为负载矩阵A的第j列。 　　8.综合评价 　　以各个主成分的方差贡献率为