- 1、本文档共5页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
因子分析模型在我国各区域产业生产总值分析中的运用.doc
因子分析模型在我国各区域产业生产总值分析中的运用
摘要:近几年来,中国整体经济发展迅猛。在各地区经济发展中,不同的产业对各地经济增长的贡献是不同的。通过分析,得出不同产业对经济增长的不同贡献情况,可以制定出有针对性的经济发展计划,提升我国整体经济核心竞争力。文章选取中国三十一个省、市、自治区、直辖市为实证研究对象,建立模型,运用统计分析软件中因子分析的方法,研究几个影响因素对中国各个地区生产总值的影响,并对模型进行简单的经济学分析。
关键词:区域经济 生产总值 因子分析
我国是发展中大国,完成我国工业化、市场化、社会化是现在发展生产的重要任务,也是时代赋予的伟大使命。经济发展是我们实现这一历史重任的重要环节。发展经济应是一个分步、有序的过程,只有不断发现和改进经济发展中存在的问题,才能使经济健康稳步的增长。
1 区域经济发展中存在的问题
随着中国成功加入世界贸易组织,我国经济飞速发展,取得成就令世界瞩目。在研究区域经济发展时,我们发现了问题。
第一,区域经济发展不均衡没有得到相当的重视。我国幅员辽阔,经济区域众多,各区域内的经济条件各不相同,导致各区域经济发展不均衡[1]。怎样提高整体效益,是我们要解决的根本问题。区域与产业关系密切,发展区域势必带动该区域内各种产业的发展。把区域整合起来,以一种健康的姿态持续加速我国经济健康发展。
第二,难以通过评定中国各区域经济增长的各种影响因素来找出各区域发展中存在的问题,目前影响各地经济发展的因素众多,怎样找出各个因素、怎样研究它们之间的相互关系,正是我们目前需要解决的问题。
2 指标体系构建
本文所研究的区域经济,是指在我国三十一个省、市、自治区、直辖市内经济发展过程中,受到多种内部因素与外部因素相互影响产生的区域发展综合实体。因此在选取研究区域经济指标的同时,依据指标体系的学术性、全面性、典型性原则,应该考虑到以下几方面[2]:
①分析国家经济总体发展情况,基于国家总体情况研究地区经济的地位。
②各地区域经济发展速度是否与当地总体情况相适应。
③除了重视发展生产,还应发展交通,金融等非生产部门。
本文从农业、工业、建筑业、交通运输仓储和邮政业、住宿和餐饮业、金融业、房地产等方面对中国三十一个省、市、自治区、直辖市进行分析,从而得出各个地区经济发展现状。
3 因子分析模型的应用
因子分析模型的目的是使原始变量分解并简化,在众多变量中筛选出少数几个潜在的信息因子,以反映变量信息的统计分析模型。利用统计分析软件SPSS17.0可以对搜集到的指标数据进行因子分析,对数据进行统计检验、抽取公共因子、输出数据结果等工作。得到公共因子之后,整个计算过程便得到了大大的简化,操作性得到增强。
4 因子分析模型实证分析
4.1 样本来源及指标选取
在我国区域产业经济生产总值分析指标的选取原则上,选择了能充分反映区域经济生产总值的指标,指标应该能够全面、真实有效的反映地区的发展状况。指标数据必须为已有统计数据或经过实际监测获得真实数据,同时应当选取政府关注,且与群众生活密切相关的数据,本文原始数据来自2009年的《中国统计年鉴》,截取我国三十一个省、直辖市、自治区、直辖市生产总值(单位:亿元)有关数据,全方位选取农业、工业等九个指标进行综合分析。
4.2 因子分析的步骤及结果
4.2.1 原始数据的标准化处理
求得相关系数矩阵,巴特利球度检验值为513.699,显著性为0.000,由此可以认为相关系数矩阵不是单位矩阵;同时KMO检验值为0.856,大于0.5,所以数据适合做因子分析,如表1所示。
4.2.2 提取因子
本文使用主成分法提取公共因子,依据选取主因子的特征值必须大于1,且所选取的主因子对方差解释的累计贡献率百分比应大于85%的原则来确定公共因子的个数。据此原则,由表2得到的结果,本文选取了前2个主成分因子,其特征值分别为4.727和3.739,且其累积贡献率达到94.067%,很好地保留了原始数据的信息,我们将这2个公共因子作为评价这31个地区生产总值的综合变量。
4.2.3 因子旋转
为了更好地解释公因子的实际意义,本文用最大方差法对因子进行旋转,即使得每个因子上的载荷尽可能向
±1或0的方向靠近,得到旋转后的因子载荷矩阵如表3所示。
因子载荷反映了公共因子与原有指标变量的关联程度,因子载荷值越高,表明该因子包含该指标的信息量越多。从上表可以看出第一个因子F1在金融业、房地产业、其他、批发和零售业这些指标上都有远大于0.5的载荷,反映了地区第三产业发展情况,把它称为综合经济实力因子;第二个因子F2主要解释了农业、建筑业、交通
文档评论(0)