SPSS因子分析和主成分分析论文

基于因子分析的我国经济发展状况实证分析

摘要：选取了2013年我国31个省、直辖市、自治区经济发展的10项指标作为研究对象，运用因子分析的方法，利用spss对数据进行计算，依据因子分析的结果对我国各省的经济发展做出综合评价，得出了这31各省份经济发展状况的综合排名，广东、江苏、山东、浙江、北京排在前5位，是中国各省、直辖市、自治区沿海经济发展较好的地区；甘肃、海南、青海、宁夏、西藏排在后5位，是西部地区经济发展较落后的地区，较为客观反映了中国各省、直辖市、自治区的综合经济实力，为中国各省、直辖市、自治区今后的经济发展提供了理论依据。

关键词：经济发展；因子分析；综合评价；主成分法

一、引言

我国地域辽阔，由于历史、地理位置及经济基础等原因，各地经济发展水平差异很大。改革开放以来，特别是实施西部大开发、振兴东北地区等老工业基地、促进中部地区崛起、鼓励东部地区率先发展的区域发展总体战略以来，各地经济社会发展水平有了很大提高，人民生活也有了很大改善。但区域发展不协调、发展差距拉大的趋势仍未根本改变。本文从我国31 个省市自治区经济的发展视角入手，运用对应分析方法对我国各地区经济发展状况进行统计分析，用以说明我国各地区经济发展不协调的现状。由于衡量各地区经济发展的指标有很多，故选取了比较有代表性的十个指标。

二、相关统计指标与数据的选取

本文运用了因子分析的方法对我国31个省、直辖市、自治区的经济发展状况进行评价。选取了10项经济指标：第一产业增加值（X1）；第二产业增加值（X2）；第三产业增加值（X3）；地方财政预算收入（X4）；地方财政预算支出（X5）；固定资产投资额（X6）；社会消费品零售总额（X7）；货物进出口总额（X8）；在岗职工平均工资（X9）；城乡居民储蓄年末余额（X10）。X2，X3，X4 反映的是经济总量中构成三大产业的不同增加值；X5，X6 反映的是地方财政预算收支；X7 反映的是居民的购买能力；X8反映的是对外贸易；X9，X10反映的是居民的收入与储蓄。本文数据资料来源于《中国统计年鉴》（2013年），具体数据资料见表1。

表1 各地区经济发展状况（2013）

三、数据分析过程

（一）相关性分析

用SPSS21.0数据处理系统将10项经济指标处理后，得到相关系数矩阵、巴特利特球度检验和KMO检验方法进行分析。分析结果见表2和表3。

根据表2原有变量的相关系数矩阵，可以看到：大部分的相关系数都较均大于0.3，各变量呈较强的线性关系，能够从中提取公共因子，适合进行因子分析。

表3 KMO 和 Bartlett 的检验

Bartlett检验的F值等于541.977，F值显著，Sig.（显著性）小于0.005，表明所取的数据满足正态总体分布；KMO值等于0.74，大于0.7，说明变量之间的相关性可以被其他变量解释，因此适合做因子分析。

（二）提取主因子

根据原有变量的相关系数矩阵，采用主成分分析法提取因子并选取大于1的特征值，得出公因子差和分析结果如下表4。

表4 公因子差

从表中可以看出，10个变量的共同度基本都在80%以上，即这些变量的信息丢失较少，变量都能被因子解释，本次因子提取的总体效果较理想。

一般情况下，确定因子个数时，累计贡献率达到85%以上，本文提取特征值大于1的特征值，得到2个主因子代替原来的10 个因子累计贡献率达90.22%，

因此取出的2个主因子基本上包括了X1～X10的大量信息。分析结果见表5。

表5 解释的总方差

成份初始特征值提取平方和载入旋转平方和载入

合计方差

的 % 累积 % 合计方差

的 %

累积 % 合计方差

的 %

累积 %

1 7.068 70.681 70.681 7.068 70.681 70.681 6.84

2 68.417 68.417

2 1.954 19.541 90.222 1.954 19.541 90.222 2.180 21.805 90.222

3 .397 3.971 94.193

4 .291 2.912 97.106

5 .122 1.221 98.327

6 .074 .743 99.070

7 .049 .485 99.555

8 .032 .323 99.878

9 .008 .078 99.956

10 .004 .044 100.000

由表5可知，第一个公因子的方差贡献率为70.681%，前两个公共因子的累计方差献率已达到90.22＞85%，即前两个公共因子已代表了原始数据的绝大部分信息。因子分析效果较理想。在因子旋转后总的累计方差贡献率没有改变，没有影响到原有变量的共同度，但重新分配了各个因子解释原有变量的方差，改变了各因子的方差贡献，使得因子更易于理解。

图1

图1中，横坐标为因子数目，纵坐标为特征值。可以看到：第一个因子的特征值较高，对解释变量的贡献最大；第三个以后的因子特征值都较小，对解释原有变量的贡献很小，已经成为可被忽略的“高山脚下的碎石”，因此提取两个因子适合的。

（三）因子旋转及公因子命名

因为因子意义不明显，对初始因子进行旋转。本文采用旋转因子模型的方法是方差

最大正交旋转，旋转后，得到因子载荷矩阵（见表6）。由旋转后的因子载荷矩阵可以看出，第1主因子第二产业增加值（X2）、第三产业增加值（X3）、地方财政预算收入(X4)、地方财政预算支出(X5)、社会消费品零售总额(X7)、货物进出口总额(X8)、城乡居民储蓄年末余额(X10）这7个指标上的载荷较大，集中反映了第二、三产业、地方财政收入与支出、社会消费品零售、货物进出口、城乡居民储蓄这7个方面，因此将其定义为Fac1。第2主因子在在岗职工平均工资（X9）这个指标上的载荷较大，因此，第2因子可定义为在岗职工工资Fac2。这2个主因子的性质及其顺序较好地体现了影响我国各省、直辖市、自治区经济发展的因素，也完全符合社会经济发展的规律。另外还可以看到：这两个因子的实际含义比较模糊。

表6 旋转后因子模型

成份

1

2 X1 .362 .798 X2 .815 .402 X

3 .978 .051 X

4 .989 -.062 X

5 .923 .267 X

6 .754 .591 X

7 .957 .239 X

8 .876 -.346 X

9 -.261 .880 X10

.970

.060

（四）计算因子得分

为了考察各省、直辖市、自治区的经济发展状况，并对其进行分析和综合评价，采用回归法求出因子得分函数，由系数矩阵将2个主因子表示为10项指标的线性组合。

因子得分的函数为：

2个主因子分别从不同的方面反映了我国各省、直辖市、自治区经济发展状况，但单独使某一主因子并不能对我国各省、直辖市、自治区经济发展状况作出综合的评价，

10

98765

432110

98765

4321060.0880.0346.0239.0591.0267.0062.0051.0402.0798.02970.0261.0876.0957.0754.0923.0989.03978.0815.0362.01X X X X X X X X X X Fac X X X X X X X X X X Fac ++-+++-++=+-+++++++=