31个省经济发展情况因子分析.docxVIP

31个省经济发展情况因子分析 31个省经济发展情况因子分析 广东财经大学金融学院 31个省级行政单位经济发展水平的因 课程名称 姓 名 学 号 班 级 广东财经大学研究生课程考试(论文形式) 评阅纸 成绩 评阅人签名： 说明：每篇论文前均需附有此评阅纸。 经济发展水平是指一个地区经济发展的规模、速度和所达到的水准。本文选取我国31个省级行政单位的的相关数据，数据包括GDP 、城镇居民可支配收入、农村居民可支配收入、进出口总额、财政收入、人均存款和汽车保有数。利用因子分析方法研究31个省级行政单位的经济发展水平状况，得出各省级单位经济发展水平的因子得分并进行排名。最后，就研究结果所反映的问题给出了一些针对性的建议。 关键词：经济发展；因子分析；因子得分 纵观我国几十年的经济发展的历史，可以骄傲的说这是一个奇迹，中国的综合国力显著提高，国家整体国际竞争力排名世界前列。中国这条巨龙终于开始腾飞。然而，我国经济发展过程中存在的一些问题也开始慢慢浮现。相对于东部来说，中西部的经济发展十分缓慢，由于地理环境差异、改革开放后政策向东部倾斜以及中西部地区自身的问题等，我国各省之间的经济发展水平不平衡问题越来越突出。因此，研究我国各省经济发展水平的意义就显得十分必要，对我国经济的协调发展具有重大的现实意义。 本文选取全国31个省、市、自治区、直辖市的的相关数据，数据包括GDP 、城镇居民可支配收入、农村居民可支配收入、进出口总额、财政收入、人均存款和汽车保有数。利用因子分析方法进行问题的研究。 因子分析就是以最少的信息丢失为前提，将众多的原有变量综合成少数几个综合指标。人们在对某一现象进行观测时，往往会得到大量指标或变量的观测数据，这些数据在带来现象的的有关信息时，也会给数据的分析带来了一定困难；另一方面，这些众多的变量之间可能存在着相关性，实际测到的数据包含的信息有一部分可能是重复的。因子分析就是在尽可能不损失信息或者少损失信息的情况下较少为少数几个潜在的因子，这几个因子可以高度概括大量数据中的信息，这样一来，既减少了变量个数，又能再现变量之间的内在联系。例如，服装厂做衣服需要掌握人身体各部位的尺寸：衣长、裤长、臂长、袖长、肩宽等，这些指标因人而异，都是一些随机变量，但是这些随机变量之间又存在明显的联系，服装厂在生产衣服时不可能真正做到“量体裁衣”，他们需要从这许多指标中概括出少数几个关键性指标，然后依据这些指标进行加工，这样生产出来的衣服就能适合大多数人的体型。这些少数几个指标虽然不能反映人的体型的全部信息，但是却高度的概括和集中了绝大部分信息。 一、研究过程 1、基本描述统计分析 常见的基本猫叔分析大致可以分为两大类：第一，刻画集中趋势的描述性统计量；第二，刻画离散程度的描述性统计量。集中趋势是指一组数据向某一中心值靠拢的倾向。计算刻画集中趋势的描述性统计量正是要寻找能够哦反映数据一般水平的“代表值”和“中心值”。均值是一种常用的代表值和中心值，又称算术平均数，在统计学中占有重要地位，反映某些变量所有取值的集中趋势或平均水平。离散程度是指一组数据远离其中心值的程度，常用的刻画；离散程度的描述性统计量有极值、样本标准差和样本方差。本文进行描述性分析时选取的指标有：极大值、极小值、均值、标准差和方差。软件设置及运行结果如下： 图1基本描述统计量选择窗口 图2基本描述统计分析结果 图2可知，31个省级行政单位GDP 的极小值是920.8亿元，最大值为67792.24亿元，均值为22073.1413亿元，标准差为16986.3，离散程度较大，说明我国各省市经济发展水平很不均衡。农村居民人均可支配收入的极小值为5736.00，极大值为21192.00，均值均值为10885.0968，农村居民人均可支配收入的最高值是最低值的3.7倍，说明我国各省农村居民贫富差距很大。其他各变量的分析与之类似。 因子分析就是以最少的信息丢失为前提，将众多的原有变量综合成少数几个综合指标。本文的因子分析如下： （1）考察原有变量是否适合因子分析 首先考察收集到的原有变量之间是否存在一定的线性关系，是否适合采用因子分析方法。文章借助变量的先关系数矩阵、巴特利特球度检验和KMO 检验方法进行分析。 图3变量的相关系数矩阵 图3是各个变量的相关系数矩阵。可以看到大部分相关系数都较高，各变量呈较强的线性关系，能够从中提取公共因子，说明变量适合进行因子分析。 图4 KMO和Bartlett 的检验结果 图4给出了KMO 和 Bartlett 的检验结果，由图知，巴特利特球度检验统计量的观测值