因子聚类分析在西部中心城市经济发展评价中应用.docVIP

因子聚类分析在西部中心城市经济发展评价中应用 　　摘要:构建西部中心城市经济发展评价指标体系,利用因子分析剔除多指标间信息重叠的特点,在保留原始数据大部分信息的基础上,通过有效降维,提炼出三个具有代表性的公共因子,并以此作为聚类分析的输入,提高了分析精度,所得结论与实际基本相符。 　　关键词:因子分析;聚类分析;城市经济;综合评价 　　中图分类号:F290文献标志码:A文章编号:1673-291X(2009)24-0152-03 　　 　　一、样本数据的引入与指标体系的构建 　　 　　影响西部中心城市经济发展的因素繁多且复杂,根据数据的准确性、可比性、易获取性、非重叠性、定量分析等原则,从《中国统计年鉴(2007)》中选取8个具体指标构建西部中心城市经济发展评价指标体系,并运用该指标体系对11个中心城市经济发展水平进行实证分析。这8个指标,分别是:人均地区生产总值(万元)―X1、工业增加值(万元)―X2、地方财政预算内收入(万元)―X3、固定资产投资总额(万元)―X4、城乡居民储蓄年末余额(万元)―X5、在岗职工平均工资(元)―X6、社会商品零售总额(万元)―X7、货物进出口总额(万美元)―X8[2](数据来源于《中国统计年鉴(2007)》,原始数据中没有西藏的相关数据)。 　　西部中心城市经济发展评价的基本步骤: 　　1.因子分析过程。本文使用SPSS(16.0)软件作为统计分析工具,先对8个指标的原始数据进行标准化处理(消除量纲差异和数量级影响,ZX1表示的是原始指标X1经过标准化处理后对应的变量,表1中其余各指标的含义如此类推,变量值为负数,表示低于该类指标的平均值,正数则含义相反) ,并得到各指标之间的相关系数矩阵R(见表1)。由相关系数矩阵可以看出, 指标之间既存在正负相关也存在强弱相关,部分指标彼此之间存在很强的相关性,说明指标之间反映的经济信息有很大重叠,如果直接用于分析,可能会带来严重的多重共线性。由表1可知,指标间存在较强的相关性,可用因子分析进行降维。其中统计为0.806 ,Bartlett球形检验显著性水平小于0.0001,表明样本数量充足,相关系数矩阵非单位阵,故可以实施因子分析。矩阵特征值与累计贡献率如表2所示,提取前3个因子即提取了样本93.784%的数据信息(前3个特征值的累计贡献率为93.784%)。提取的三个主成分的载荷矩阵见表3(其中F1、F2、F3分别表示第1、2、3个公共因子,星号(*)标注在较高的荷载值)。 　　由表3可知,第一个公共因子F1在ZX2(工业增加值)、ZX3(地方财政预算内收入)、ZX5(城乡居民储蓄年末余额)、ZX7(社会商品零售总额)、ZX8(货物进出口总额)5个变量上的荷载值都很大。城乡居民储蓄存款年末余额反映了居民的收入水平,工业增加值反映了工业企业在一定时期内工业生产活动创造的价值,是国内生产总值的组成部分。这些指标都是绝对指标,反映了西部中心城市经济发展的规模大小,属于宏观层面指标,可定义为经济规模因子;第二个公共因子F2在ZX1(人均地区生产总值)、ZX6(在岗职工平均工资)2个指标上有较高的载荷,人均地区生产总值反映的就是人民的富裕程度和生活水平,是目前国际通行的经济发展的核心指标,也是衡量全面小康社会最核心的一个指标, 在岗职工平均工资表明一定时期职工工资收入的高低程度,是反映职工工资水平的主要指标。这两个指标都是相对指标,反映了西部中心城市居民的富裕程度,属于微观层面指标,可定义为城市富裕因子。第三个公共因子F3在ZX4(固定资产投资总额)上的荷载较高,该指标反映的是固定资产投资能力。因此可以定义为资产投资因子。由表3可知,前三个主成分的因子得分表达式分别为: 　　F1=0.024ZX1+0.24ZX2+0.225ZX3-0.199ZX4+0.242ZX5+ 　　0.107ZX6+0.2666ZX7+0.1485ZX8 (1) 　　F2=0.529ZX1+0.0189ZX2-0.020ZX3-0.032ZX4+0.005ZX5+0.559ZX6+0.033ZX7+0.106ZX8 (2) 　　F3=0.089ZX1-0.095ZX2-0.089ZX3+0.996ZX4-0.116ZX5 　　-0.142ZX6-0.179ZX7+0.218ZX8(3) 　　由因子协方差矩阵表4可知,F1、F2、F3三个因子两两之间的协方差均为0,表明任意两个因子之间没有线性相关,实现了因子分析的设计目标。通过因子分析,将8个指标变量降维成三个公共因子F1、F2、F3,如表5所示。采用回归方法估计出因子得分,以各因子的方差贡献率占三个因子总方差贡献率的比重作为权重进行加权汇总,得出各中心城市经济发展的综合得分F,即 　　F=63.373