基于因子分析江苏制造业结构研究.docVIP

基于因子分析江苏制造业结构研究 　　摘要：文章采用多元统计分析的因子分析方法和聚类分析方法，对江苏制造业的结构进行细分、归类和剖析，揭示了江苏制造业在规模、效益、保值增值、运营管理水平、销售等方面的差异，为江苏制造业结构的进一步优化和产业升级的提供参考依据。 　　关键词：因子分析；聚类分析；制造业结构 　　 　　一、 引言 　　 　　本文依据《江苏省统计年鉴―2005》，运用多元统计中的因子分析方法，对江苏省制造业的29个细分行业结构进行分析评价，研究江苏制造业行业结构的基本特征和重要的影响因素,为进一步优化江苏制造业结构，寻求江苏省制造业的竞争优势，为江苏制造业发展目标提供决策支持。 　　 　　二、 制造业结构模型构建及分析 　　 　　1． 建立制造业结构的指标体系。与制造业企业发展相关的指标较多，且指标间相关关系又较为复杂，为有效地研究问题，本文主要选取了以下11个具有较强代表性的指标作为研究对象。 　　本文选择X1从业人员、X2工业总产值、X3年末资产总计、X4利税总额、X5成本费用总额、X6总资产贡献率、X7资本保值增值率、X8流动资产周转率、X9成本费用利润率、X10全员劳动生产率、X11产品销售率，组成行业结构主成分分析的指标体系。它们分别从要素的占用和消耗，产出的生产和实现，投入与产出的效率和效益等多角度反映了江苏制造业运行的总水平和相对水平。 　　2． 建立原始数据表。该数据见《江苏省统计年鉴―2005》。由于废弃资源和废旧材料回收加工业工业总产值非常小，故忽略不计，即仅对29个行业进行因子分析。 　　3． 因子分析。借助于SPSS软件,首先将原始样本数据标准化，以消除指标之间量纲不一致和数量级的差异大等现象（标准化处理后的数据从略），并建立变量的相关系数矩阵R（见表1），然后通过因子模型（1）（这里P=11，N=29），计算出R的特征值和贡献率（见表2）以及正交因子表（见表3）。 　　表2R的特征值和贡献率 　　 　　从表3可以看出，变量相关系数矩阵R前5个的特征根可以解释原来11个变量的95.5%的信息量，说明前5个主因子提供了原始数据11个指标所能表达的足够的信息。 　　从表3可以看出，第一个主因子在X1从业人员、X2工业总产值、X3年末资产总计、X4利税总额、X5成本费用总额上有较大载荷，而这5个指标从人员、产值、资产、成本、费用这些不同的侧面反映了制造业投入或产出的规模，因而将其命名为制造业规模水平因子，简称规模因子（简记为F1）；第二个主因子在X6总资产贡献率、X9成本费用利润率、X10全员劳动生产率上有较大载荷，这三个指标从资产贡献、利润、生产等比率反映了制造业投入与产出的效率与效益,定义为效益因子（简记为F2）；第三个主因子在X8流动资产周转率上有较大载荷，这反映了制造业在日常运营管理水平，定义为运营因子（简记为F3）；第四个主因子在7资本保值增值率上有较大载荷，它对于维护我国国有资产的投资权益,确保国有资产的保值增值有着重要意义，将其定义为发展因子（简记为F4）；第五个主因子在X11产品销售率上有较大载荷，定义为销售因子（简记为F5）。 　　表3Varimax正交旋转后的因子载荷阵 　　 　　4． 因子得分及综合因子得分。借助于SPSS11.0计算出各个主因子F1、F2、F3、F4、F5的得分Z1、Z2、Z3、Z4、Z5，五个公因子从不同侧面反映了江苏制造业发展水平和模式特征，但单独的某一个公因子并不能对整体水平作出综合评价，因此按各公因子对应的方差贡献率为权数计算可得如表4示。 　　 　　三、 结合因子得分的制造业的聚类分析 　　 　　运用SPSS软件Hierarchical Cluster分析方法，对这29个制造业行业进行分类，首先对X1从业人员、X2工业总产值、至X11产品销售率这11个具有较强代表性的指标的数据进行标准化，个体距离采用平方欧氏距离，类间距采用平均组间链锁距离，数据按Zscores标准法处理（计算过程和步骤略），0～25的标尺刻度表示类别之间的亲疏关系。生成的聚类分析树（其它结果从略）如图1所示。 　　很明显，透过这张聚类分析树图可以将这29个行业划分为4个大类，按照由因子分析得出的5个主因子为特征变量，借助Means过程，将这4大类的特征列表如表5，可以看出： 　　烟草业为第一类，其在总资产贡献率、成本费用利润率、全员劳动生产率上远高于制造业平均水平，效益因子得分为5分，当然，这与烟草行业的特殊性有很大关系。该行业创造占所有制造业的利税总额6.67%，但是在规模、运营、发展因子上均是负数，表明其在其他方面表现一般。 　　 　　图1江苏制造业的聚类分析 　　石油加工、炼焦及核燃料加工业为第二类，其在流动资产周转率