主成分分析和因子分析方法在省域区域社会发展状况排序中的应用.docVIP

主成分分析和因子分析方法在省域区域社会发展状况排序中的应用 　　摘要： 本文通过分析2012年全国31个地区的社会发展状况的截面数据，针对我国各省域社会发展的现状特点，利用主成份分析和因子分析方法，简化多维数据，把复杂的数据用较少9项综合指标来表达，达到降维和分类的优越效果。对我国各省域社会发展的现状特点进行了统计分析，得到客观的评价结果。 　　Abstract： Through analyzing the cross section data of social development of Chinas 31 regions in 2012， aimed at the characteristics of social development of all the provinces in China， this paper uses principal component analysis and factor analysis to simplify the multidimensional data， express the complex data by 9 comprehensive indexes to achieve the superior effect of dimensionality reduction and classification. This paper carries out the statistical analysis for the characteristics of the current situation of the provincial social development in China and gets objective evaluation results. 　　关键词： 主成分分析；因子分析；社会发展；因子旋转 　　Key words： principal component analysis；factor analysis；social development；factor rotation 　　中图分类号：F812.42 文献标识码：A 文章编号：1006-4311（2015）36-0020-04 　　0 引言 　　当今社会经济增长的状况和社会发展的状况是密切相关的，2012年我国采用层次多、覆盖面涉及广的指标体系对全国31个地区省域区域的社会发展状况进行分析，因为纳入的指标繁多，使得分析过程十分繁杂。如果能降低指标的维数，会大大减小分析的难度。主成分分析和因子分析是多元统计分析中常用的两种处理降维的统计方法，在力保数据信息损失最少的原则下，把多个指标转化为少数几个综合指标的一种对多变量数据进行最佳综合简化的多元统计方法。主成分是原始变量的线性组合，保留主要信息量的原则充分反映原指标的信息。本文力图针对我国各省域社会发展的现状特点，突破以往的传统分析方法，利用主成份分析和因子分析方法，简化多维数据，把复杂的数据用较少9项综合指标来表达，达到降维和分类的目标。同时对我国各省域社会发展的现状进行了统计分析，并得到客观的评价结果，从而使评价方法更具有优越性。 　　1 统计方法及模型 　　②因子分析是主成分分析的推广和发展[2]，是将具有错综复杂关系的变量综合为数量较少的几个因子，以再现原始变量与因子之间的关系，主要是通过变量的相关系数矩阵内部结构的研究，找出能控制所有变量的少数几个随机变量去描述多个变量之间的相关关系，但是，这少数几个随机变量是不可观测的，通常称之为因子。然后根据相关性的大小把变量分组，使得同组内的变量之间相关性较高，不同组的变量相关性较低。 　　③因子旋转。建立因子分析数学模型的目的不仅要找出公共因子以及对变量进行分组，更重要的是要知道每个公共因子的意义，以便对实际问题作出科学的分析和解释，这时根据因子载荷阵的不唯一性，可对因子载荷阵实行旋转，使旋转后的因子载荷阵结构简化。 　　2 数据处理及结论 　　利用主成分分析和因子分析对我国31个省市社会发展状况进行分析，本题选取了9个指标作为反映我国31个省市社会发展状况的因素，分别是：X1：国内生产总值（GDP）（亿元）；X2：人均地区生产总值（元/人）；X3：农村居民家庭人均纯收入（元/人）；X4：城镇居民人均可支配收入（元/人）；X5：城镇单位就业人员平均工资）；X6：新增固定资产（亿元）；X7：固定资产投资额（亿元）；X8：高等学校数（所）；X9：卫生机构数（所）。 　　表1是我国31个省市9项指标的原始数据[3]。 　　数据处理[1]：①对原始数据进行标准化。（表2） 　　②建立变量的相关系数矩阵。（表3） 　　③KMO检验。（表4） 　　④求R的