全国主要行业固定资产投资情况分析.docVIP

全国主要行业固定资产投资情况分析 　　摘 要：文章旨在分析全国各行业固定资产投资情况，首先针对我们要研究的对象进行了数据的收集和分析。然后，为了更直观准确地得出结论，我们选取了相关数据，进而利用spss软件对相关数据进行了因子分析，通过我们的数据筛选，加以修改，最后，对所得的分析结果作了经济意义的分析，得出结论，并相应提出一些政策建议。 　　关键词：固定资产投资；因子分析；截面数据 　　一、引言 　　据了解，2013年1-8月份，全国固定资产投资（不含农户）262578亿元，同比名义增长20.3%，增速比1-7月份加快0.2个百分点。从环比看，8月份固定资产投资（不含农户）增长1.61%。分地区看，1-8月份，东部地区投资123485亿元，同比增长18.9%，增速比1-7月份加快0.2个百分点；中部地区投资73287亿元，增长23.6%，增速加快0.1个百分点；西部地区投资64313亿元，增长22.9%，增速加快0.2个百分点。 　　资金投入是促进经济增长最重要的因素。在投资需求和经济增长率之间关系的研究当中，已经发现美国等国的固定资本形成同人均GDP之间具有显著地正相关关系，并且这种相关性表示了一种从投资率到增长率之间的因果关系，如果判断出实际产出对于固定资产投资具有反馈影响，这说明实际产出当中资本品占有相当的比例，投资对于处于扩张期的经济运行将提供更为直接的促动；反之，当消费品占居主要成分的时候，经济由于缺乏必要的投资乘数作用，将处于比较稳定的增长阶段。但是对于人均GDP对于固定资产形成是否具有反馈作用？固定资产投资和实际产出之间是否具有显著地双向影响，目前在理论分析和实证检验上尚无一致的结论。所以我们研究的全国主要行业固定资产投资情况主要是看了解在全国各省中哪些行业是他们的主要发展力，从而得出正确建议，与文献的大方向是一样的。 　　二、因子分析 　　因子分析是指研究从变量群中提取共性因子的统计技术。最早由英国心理学家C.E.斯皮尔曼提出。他发现学生的各科成绩之间存在着一定的相关性，一科成绩好的学生，往往其他各科成绩也比较好，从而推想是否存在某些潜在的共性因子，或称某些一般智力条件影响着学生的学习成绩。因子分析可在许多变量中找出隐藏的具有代表性的因子。将相同本质的变量归入一个因子，可减少变量的数目，还可检验变量间关系的假设。 　　1.输出结果分析 　　表2显示的是KMO和Bartlett检验结果，但KMO的值越大时，表示变量间的共同因素越多，越适合因子分析，即KMO的值大于0.5时比较适合进行因子分析。由图表可以看出此处的KMO值为0.674，表示适合因子分析。从Bartlett球形检验的值为438.653，自由度为91，达到显著，表明标准化原始变量的素质相关系数矩阵间有共同因素存在，适合进行因子分析。 　　表3 　　表3表示出各个变量的共同度，其中有12个变量的共同度都达到了0.8以上，分别为农、林、牧、渔业，采矿业、制造业、批发和零售业、交通运输，仓储和邮政业、住宿和餐饮业、房地产业、建筑业、水利，环境和公共设施管理业、教育业、文化，体育和娱乐业、电力，热力，燃气及水生产和供应业。而剩下2个的共同度相对较低，共同度为0.75左右，分别为金融业、租赁和商务服务业。 　　注：提取方法：主成份分析。 　　表4为相关系数矩阵的特征值以及相应的方差贡献，前四个特征值的方差累计贡献率为86.679%，已经大于经验规定85%的要求，所以我们选取保留4个因子。 　　表5 　　旋转前与后的因子载荷矩阵可以表示出旋转前各变量在各个因子上的载荷区别并不是很明显，旋转后由图可以得知x3，x6，x7，x8，x9，x10，x11，x12，x13，x14和第一因子的相关系数较大，X1，x2和第三因子的相关系数较大，x4和第二因子的相关系数较大，x5和第四因子的相关系数较大。根据各个变量所代表的内容，将第一个因子称为第三产业和部分第二产业因子，代表了第三产业和部分第二产业固定资产投资的信息。第二个因子称为第二产业因子，第四因子称为第二产业，代表的都是第二产业固定资产投资的信息。第三因子称为第一产业和少数第二产业因子，代表的是第一产业和少数第二产业固定资产投资的信息。因子得分可以表示出样本在四个公共因子上的发展排名但是单个因子得分只能反映一个方面的情况。所以将因子得分按照对应的特征值占四个保留特征值的比重进行加权处理，得到综合因子得分。得出最终结论。从综合因子得分排名来看，排名靠前的大部分是第三产业，前五名占了三个，其中第一产业，第二产业各占一位，表明了全国固定资产投资中第三产业的比重较大，相对影响能力强。中间第六到第十排名中，几乎全是第三产业，其中第二产业的建筑业排名到第七名，表明大部分固定投资主要行业都为第三产业。最后