基于主成分研究法中山市经济发展探究.docxVIP

基于主成分研究法中山市经济发展探究 摘要：本文根据中山市统计局的统计数据，运用主成分 分析法对中山市的生产总值与三次产业以及主要经济贡献 因素的关系进行分析研究，发现经济增长的主要动力进而提 出相关对策建议。 关键词：生产总值；三次产业；主成分分析法；综合得 分模型 中图分类号：F120.3文献标识码：A 1指标体系及评价方法 1. 1指标的选取 国内生产总值一般有四个主要组成部分，即消费、私人 投资、政府支出和出口净额，并且与三次产业的发展等因素 密切相关。本文选取的研究指标有：第一产业增加值，第二 产业增加值(X2),第三产业增加值(X3),年末总人口(X4), 从业人员年末数(X5),客运量(X6),货运量(X7),邮电 业务总量(X8),社会消费品零售总额(X9),实际利用外资 额(X10),地方财政一般预算收入(XII)，地方财政一般预 算支出(X12),各项存款余额(X13),各项贷款余额(X14), 城乡居民储蓄存款余额(X15),居民消费价格指数(X16), 商品零售价格指数(X17),工业总产值(X18),规模以上工 业企业数(X19)o 1. 2评价方法 主成分的概念首先由Karl Parson在1901年引进，不 过当时只是针对非随机变量来讨论。1933年Hotelling将 这个概念推广到随机变量。主成分分析的基本思想就是设法 将原来众多具有相关性的指标，重新组合成一组新的相互 无关的综合指标来代替原来指标，也就是用尽可能较少的综 合指标尽可能多地反映原来指标的信息，最终实现降维的目 的。基本过程如下： stepl.将原始数据进行标准化处理，消除不同量纲的 影响。 step2、计算样本相关矩阵R及其特征值和特征向量。 令|?姿I-R|=0,求得特征值、特征值贡献率、累积贡 献率，并按从大到小排列。选择m （m〈p）个主成分。所取m 使得累积贡献率达到85%以上。由此可得到主成分表达式。 若各成分间的差距不明显，可使用正交变换法，计算出旋转 后的成分载荷矩阵，该方法的优点是把成分间的差距扩大。 step3、计算主成分载的负荷量（即主成分与原变量的 相关系数）。 变量i对第j个主成分的负荷量为： （1-1） 其中，uij为对应？姿ij的单位特征向量的分量； step4、计算每个特征根的贡献率Vi： Vi=?姿i （?姿 1+?姿2+…)，以每个主成份所对应的特征值占总体特征值 之和的比例作为权重计算主成分综合模型系数并构造综合 得分模型。 Step5、根据所得主成分、综合得分模型，指出其现实 意义。 2中山市本地生产总值的实证分析 2. 1数据来源 本文数据来源于中山市统计局官方网站。 2. 2数据的标准化 数据标准化过程使用SPSS 19. 0软件完成，过程如下。 (2-1) 其中 (2-2) (2-3) 2. 3样本的检验 样本数据须经过 KMOCKaiser-Meyer-Olkin)和 Bartlett 检验，以确定样本数据是否适合进行因子分析。KMO统计量 是取值在0和1之间，Kaiser给出了常用的KMO度量标准： 0. 9以上表示非常适合；0. 8表示适合；0. 7表示一般；0. 6 表示不太适合；0.5以下表示极不适合。Bart let t球形度检 验法是以相关系数矩阵为基础的。它的零假设相关系数矩阵 是一个单位阵，即相关系数矩阵对角线的所有元素均为1, 所有非对角线上的元素均为零。如果该值较大，且其对应的 相伴概率值小于指定的显著水平时，拒绝零假设（Sig.值一 般为0. 05）,表明相关系数矩阵不是单位阵，原有变量之间 存在相关性，适合进行因子分析；反之，零假设成立，原有 变量之间不存在相关性，数据不适合进行因子分析。KMO和 Bartlett检验见表1 o 表1 KM0和Bartlett检验 KM0值为0. 752,说明所取指标是比较适合进行主成分 分析的。Bartlett球形度检验法得到的显著度为0. 000远小 于0.05,拒绝该检验的零假设，也说明了所取指标是适合进 行因子分析。 2. 4主成份的提取 由表2解释的总方差中可以看出，前两个因子包含了 94. 445%的信息，根据累计贡献率285%的原则和本软件默认 系统的提取原则，即提取特征值于1的因子应该提取前两个 因子作为主成分，来代替19个原始变量。 根据成份矩阵，第一主成份在第一产业总值等因子负荷 量大于其它的负荷量，所以第一主成份主要由第一产业增加 值、第二产业增加值、第三产业增加值，年末人口总量、 从业人员年末数、客运量、货运量、邮电业务总量、社会消 费品零售总额、实际利用外资额、地方财政一般预算收入、 地方财政一般预算支出、各项存款余额、各项贷款余额、城 乡居民储蓄存款余额、工业总产值、规模以上工业企业个数 17个变