基于因子分析的陕西地区经济综合评价.docx

基于因子分析的陕西地区经济综合评价 陕西省的经济发展 随着我国经济的不断发展，经济发展研究和经济发展分析已成为决策部门的研究重点。经济综合指标是定量经济分析和经济分析的统计基础。对区域经济的综合评价已成为许多地方政府评估区域经济发展的重要依据。 陕西省位于我国西部地区, 该省也是西部大开发战略中主要发展对象之一。随着西部大开发战略的实施, 西部经济有了较快的发展, 陕西省也不例外。陕西省有10 个地级市, 传统上划分为三大区域:关中地区包括西安, 咸阳, 宝鸡, 渭南, 铜川;陕北地区包括榆林, 延安;陕南地区包括汉中, 安康, 商洛。本文对陕西省的10个地级市2006年16项经济指标进行因子分析, 反映该省各地区综合经济实力现状, 为今后各市的发展提供了理论依据。 1 网络分析 1.1 评价对象的选取 衡量一个地区的发展情况, 不仅仅是看某一项产业的产值, 而是应该从社会生产的各个方面去考察, 看各项生产情况的综合效果。这就需要一种综合评价的方法, 同时通过综合评价帮助我们发现社会生产中存在的问题以及影响总体发展水平的因素, 为各个地区实现均衡发展提供一些理论依据。本文运用了因子分析的方法对陕西省10个地级市的综合经济状况进行了评价, 文章选取了16项经济指标:地区性生产总值X1;人均第一产业总产值X2;人均第二产业总产值X3;人均第三产业总产值X4;人均国内生产总值X5;工业增加值X6;农林牧渔总产值X7;固定资产投资X8;地方财政一般预算收入X9;地方财政一般预算支出X10;对外贸易X11;社会消费品零售总额X12;居民消费价格指数X13;城镇居民人均可支配收入X14;城镇居民人均消费性支出X15;货运总量X16。数据来源——陕西省统计年鉴。 1.2 主成分因子分析法 因子分析的基本目的是, 用少数几个随机变量去描绘许多变量之间的协方差关系, 但这几个随机变量是不可观测的, 通常称为因子。本文基于因子分析的思想:根据各经济指标相关性大小将它们分组, 使得同组内的指标之间相关性较高, 不同组的变量之间的相关性较低, 通过对相关矩阵内部结构关系的研究, 找出影响经济状况的几个综合指标就称为因子。 因子模型: X1=a11F1+a12F2+a1nFn +ε1 X2=a21F1+a22F2+a2nFn +ε2 …… Xm=am1F1+am2F2+amnFn +εm 其中X1, X2, …Xm, 为实测变量;aij为因子荷载, Fi(i=1, 2, …m) 为公共因子, εi(i=1, 2, …m) 为特殊因子。下面结合主成分因子分析法, 根据实际情况整理出来的分析步骤: (1) 建立指标体系和原始矩阵Z。 (2) 原始数据标准化, 得到标准化矩阵X (如各个指标存在数据单位不同, 或者数量级不同) 。 (3) 计算Z或者X得相关系数矩阵R。 (4) 解特征方程|R -λE|=0, 计算相关矩阵的特征值λi, 若λi≥λ2……≥λm≥0, 则根据方差累计贡献率 (一般取值在85%以上) 确定因子个数P。 (5) 计算特征向量和初始因子载荷矩阵A。 (6) 找出因子载荷系数绝对值大于0.4的变量。Xj= (x1, x2, …xm) 在某个因子上的得分, 就等于把所有载荷的系数绝对值大于0.4 的变量的观测数据 (标准化) 与对应因子载荷的乘积的代数和。 (7) 如果因子意义不明显, 不妨对初始因子进行旋转, 一般采用方差极大 (Vari max) 旋转, 旋转后的主因子解B。 (8) 构造主因子得分和综合因子得分。 (9) 根据主因子和综合因子得分情况, 给出相应的评价。 1.3 ff1材料因子分析第一、二产业发展情况,第5/10. 由于各指标数值的大小相差较大, 而且单位也不尽相同, 因此, 为使因子分析能够均等地对待每一个指标, 需对各指标作标准化处理, 即x′i=xi-ˉxsx′i=xi?xˉs。 其中,ˉxxˉ和s分别是指标的样本均值和样本标准差;运用SPSS 软件对标准化后的数据进行处理后得出相关系数矩阵(见表1) 。 从表1可以看出X1与X4, X5, X6, X8, X9, X10, X11, X12, X14, X15和X16之间存在较强的相关关系, X2与X7之间存在较强的相关关系, 其他的变量之间也存在较强的相关关系, 因此变量个数利用因子分析法是可以精简的。相关矩阵的特征值与其贡献率及累计贡献率 (见表2) 。 一般情况下, 确定因子个数时, 累计贡献率达到85%即可, 在这里, 我们将因子个数确定为4个, 利用4个主因子代替原来的16个因子累计贡献率达96.671%, 因此取出的4个主因子基本上包括了16项指标的大量信息。对因子载荷进行方差极大的旋转后, 得到方差极大旋转因子载荷矩阵 (见表3) , 各个观