基于我国各地区财政支出数据的因子分析与对比.docxVIP

基于我国各地区财政支出数据的因子分析与对比1．研究背景在中国，财政支出是国家为实现其各种职能，由财政部门按照预算计划，将国家集中的财政资金向有关部门和方面进行支付的活动，这是其服务职能的保证与安排。作为政府分配的重要组成部分，是政府进行资源配置、实施宏观调控、促进产业合理有效配置的主要手段。随着改革开放进行，支出结构的每一次调整为宏观经济发展提供了方向指导，研究并对比分析我国各地区支出结构与差异具有重要意义，并为经济发展的不同阶段进行更合理提出调整与优化建议。我国各地区的财政支出的指标体系此处为：一般公共服务、国防、公共安全、科学、教育等14项，为提高研究意义，选择中国发展的关键时期，于统计局官网上下载《2008年统计年鉴》，选取当年我国31个省市自治区的各项财政支出总数据，并根据研究需要，预整理异常数据后结果见附件。目的在于分析不同地区下各类支出项目的结构，研究各地区财政支出的结构差异。为软件处理与研究方便，构建基本的指标体系，变量表示如表1。表1 指标——字母符号变量表示X1X2X3X4X5X6X7一般公共服务国防公共安全教育科学技术文体传媒保障就业X8X9X10X11X12X13X14医疗卫生环境保护社区事务农林水事务交通运输工商金融等其它支出对数据进行基本的统计分析，通过均值(mean)、最值(max、min)、方差(std)等，直接对比财政支出指标在各地区间的差异。选择性分析个别突出指标，采用R型因子分析方法，对指标体系进行降维，综合为少数几个公共因子，借此对各地区财政支出结构进行深入比较并分类。再求出各地区的因子得分并排名，分析各地区财政支出分配差异，为更合理安排提供依据。2．我国各地区财政支出的基本统计分析本文采用SPSS软件处理并分析数据，思路及过程资料：附件1显示SPSS运行过程，附件2表示输出结果，附件3则是原始数据及后续处理整合。在SPSS中对预处理后的经济数据进行简单的描述统计，分析了各个指标的最大值、最小值、平均值以及标准差等，初步了解了这些数据的大小关系等，反映了各地区不同指标下的支出结构差异，具体结果见表2。分析可得到，在一般公共服务、教育、保障就业、社区服务等4个项目均值较高，说明各地区在这些项目上支出明显，如北京、上海、广东等地区多项指标支出最高。但同时，这些指标的方差较大，最高达1303120，反映了地区间支出结构差异明显，如宁夏、西藏等省市明显较低。从原始数据中分析得到，同一个地区各项支出同样存在明显差异，如安徽省在教育支出最大2129665元，而在国防上仅有23101元支出。此外，对各地区不同指标的财政支出数据进行标准化后分组，进一步分析各地区财政支出分布情况，根据准则，得到异常组的比例为3.18%，大于理论值3.0%，表明了我国各地区财政支出存在不均衡现象，具有研究必要性。表2各地区财政支出描述性统计分布表3．我国各地区财政支出结构的因子分析3.1因子分析对问题中指标的降维分析一般可采取主成分分析、因子分析。在主成分分析中，只要变量之间存在一定的相关性，前几个主成分往往能够较好地达到降维的目的。然而，多数情况下，对变量仅仅进行降维还是不够的，还必须对主成分给出符合实际背景和意义的解释。进行这种解释往往是主成分分析的困难之处。因子分析方法是主成分分析方法的推广和发展，它也是一种重要的降维方法。与主成分分析相比，因子分析较为灵活，体现在因子旋转上，这种灵活性使得变量在降维之后更易得到解释，这是因子分析比主成分分析更广泛应用的原因之一。因子模型为：，其中矩阵A被称为因子载荷矩阵。因子分析的可行性分析在基本的描述统计基础上，认识到了地区财政支出差异，为更深入地理解我国财政支出结构复杂、指标多且杂、相互依赖的关系，对整体进行因子分析。在基本的分析假设下，要求原来的各个变量间具有较高的相关性，即存在信息重叠。在较充足的样本容量下，通过分析指标间相关关系以及大小来判断因子分析的必要性，SPSS运行预处理数据，得到14个指标间相关系数矩阵如下表3所示。相关系数矩阵表明了各个指标之间存在较大的正相关关系，且多数大于0.6，一定程度上说明了这些指标间关系密切，内部结构明显，则在分析经济问题时，可以利用少数代表性变量去代替描述其他多个变量，并称之为因子，具有可分析条件。表3 Correlation MatrixCorrelationX1X2X3X4X5X6X7X8X9X10X11X12X13X14X11.000.774.907.969.626.792.714.877.512.650.912.615.644.618X2.7741.000.785.740.539.576.607.691.216.469.703.564.439.507X3.907.7851.000.948.847.852.641.907.