最新因子分析法在评价江西省各市的经济发展状况中的应用文档格式.docx
《最新因子分析法在评价江西省各市的经济发展状况中的应用文档格式.docx》由会员分享，可在线阅读，更多相关《最新因子分析法在评价江西省各市的经济发展状况中的应用文档格式.docx（8页珍藏版）》请在冰豆网上搜索。
农业总产值x2:
工业总产值
x3:
建筑业总产值x4:
固定资产投资
x5:
固定资产投资x6:
批零贸易餐饮业产值
x7:
金融保险业总产值
数据如下：
单位（万元）
市区
农业总产值
工业总产值
建筑业总产值
固定资产投资
交通运输邮电业产值
南昌市
594005.0
3060760
979844.0
427383.0
824349.0
467139.0
3383170
景德镇市
159019.0
649538.0
222159.0
84454.00
163341.0
139763.0
880327.0
萍乡市
196176.0
923791.0
89989.00
102558.0
104838.0
41377.00
942028.0
九江市
554155.0
1245152
522001.0
271379.0
342665.0
118905.0
1434454
新余市
181000.0
619000.0
118400.0
85428.00
80253.00
57100.00
574015.0
鹰潭市
155488.0
416628.0
30378.00
117083.0
49115.00
30059.00
413430.0
赣州市
1126049
946503.0
350228.0
325334.0
248270.0
106856.0
1450835
吉安市
742790.0
494037.0
294556.0
131430.0
158179.0
107862.0
1029173
宜春市
885586.0
953383.0
161588.0
189587.0
199583.0
115380.0
1027284
抚州市
630100.0
619309.0
240417.0
89531.00
59561.00
40856.00
888795.0
上饶市
708208.0
967518.0
219508.0
159839.0
292811.0
74265.00
1379343
三、数据的因子分析
1、判断数据是否适合因子分析
KMOandBartlett'
sTest
Kaiser-Meyer-OlkinMeasureofSamplingAdequacy.
.793
Bartlett'
sTestofSphericity
Approx.Chi-Square
95.879
df
21
Sig.
.000
由表可知，KMO统计量为0.793>
0.7,因子分析的效果比较好，在由Bartlett球形检验，可知各变量的独立性假设不成立，故因子分析的适用性检验通过。
2、计算因子载荷和共同度
TotalVarianceExplained
Component
InitialEigenvalues
ExtractionSumsofSquaredLoadings
Total
%ofVariance
Cumulative%
1
5.686
81.236
2
1.005
14.358
95.594
3
.130
1.860
97.454
4
.087
1.239
98.693
5
.059
.846
99.540
6
.023
.330
99.870
7
.009
100.000
ExtractionMethod:
PrincipalComponentAnalysis.
由相关系数矩阵R计算得到特征值、方差贡献率和累积贡献率，如上图所示，可知第一因子的方差占所有因子方差的81.2%左右，前两个因子的方差贡献率达到了95.59%，因此选前两个因子已经足够描述经济发展的总体水平。
提取了两个公因子之后可以计算共同度，如下所示，
从表中可以看出所有的共同度都在90%以上，可知被提取的公因子对各变量的解释能力是非常强的。
3、因子旋转
采用主成分法计算的因子载荷矩阵可以说明各因子在各变量上的载荷，即影响程度。
但为了使载荷矩阵中系数向0—1分化，对初始因子载荷矩阵进行方差最大旋转，旋转后的因子载荷矩阵如下所示：
由输出的表可以看出，第一公因子在除x1之外的其他变量上都有较大的载荷，主要表现在除农业以外的各经济指标，即工业，建筑业，第三产业和固定资产方面的指标，因此可以定义为经济发展的综合实力因子。
第二公因子在X2上有很大的载荷，体现在农业在经济发展中的应用，定义为农业发展影响因子。
这两个因子的性质及其顺序较好的体现了其所代表的产业对社会经济发展的影响及其地位，也完全符合社会经济发展的规律，即农业整体在经济中的地位逐渐的降低，而工业和第三产业的比重逐渐的增大，在社会发展的作用也越来越显著。
4、计算因子得分,对个地区经济的发展水平综合评价
为了考察各地区的发展状况，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，spss输出的函数系数矩阵如下表
由系数矩阵将两个公因子表示为7个指标的线性形式。
因子得分的函数为：
F1=-0.185X1+0.216X2+0.178X3+0.088X4+0.193X5+0.219X6+0.176X7
F2=0.897X1-0.141X2-0.006X3+0.282X4-0.044X5-0.166X6+0.016X7
Spss已经计算出两个因子的得分，两个因子分别从不同的方面反映了江西省各地区的经济发展状况的总水平，但单独使某一公因子并不能对各区在全省中的地位作出综合的评价，因此按各公因子对应的方差贡献率为权数计算如下综合统计量：
F=0.798058F1+0.201942F2
通过计算得可以得到综合得分，并求出各地区的排序。
地区
Fac1_1
Fac2_1
综合得分
排名
南昌市
2.87064
-0.2084
2.248853
景德镇市
-0.10444
-1.22948
-0.33163
萍乡市
-0.33434
-0.98629
-0.466
9
九江市
0.44046
0.19212
0.39031
新余市
-0.48542
-1.03544
-0.59649
10
鹰潭市
-0.67767
-0.9454
-0.73174
11
赣州市
-0.14333
1.98186
0.285835
吉安市
-0.42146
0.5541
-0.22445
宜春市
-0.36058
0.98257
-0.08934
抚州市
-0.62906
0.22865
-0.45585
8
上饶市
-0.1548
0.4657
-0.02949
从表中可以看书综合实力（除农业外）得分因子得分最高的是南昌，其次是九江，农业实力得分因子最高的是赣州，其次是宜春，吉安，上饶。
两个因子加权综合后即表示各个地区社会发展的整体水平，综合得分最高的南昌，靠前的有九江、赣州。
靠后的是新余和鹰潭。
综合得分几不平衡，说明了江西的经济发展的不平衡性。
为了能准确的为江西省各市经济发展规划与决策提出了相应的政策建议，把地区分为四类
各市经济发展状况分类表
分类
城市
第一类城市
南昌、九江、赣州
第二类城市
宜春、上饶、景德镇
第三类城市
抚州、萍乡、新余、鹰潭
四、促进江西经济发展的政策建议
从以上因子分析的结果，我们可以看出江西省各城市间经济发展不平衡的现象较为明显。
因此，想办法缩小区域差距，协调江西省各城市的经济发展是促进江西经济发展的一条有效途径。
提出以点建议：
1、发挥南昌市作为中心城市的辐射作用。
南昌市经济综合实力雄厚,是江西省的经济发达城市,起着经济辐射作用。
南昌市作为江西省的经济中心,汽车制造、机械工业、电子工业、纺织工业及一些新兴的产业发展迅速,经济实力强,对整个江西的经济发展有较强的影响力。
应当充分发挥南昌市经济辐射和吸引能力，带动周边的城镇的发展，以缩小和逐步消除周边的不发达地区，实行空间整合发展，充分发挥南昌市在区域整合中的作用。
2、促进江西省各城市的协调发展。
充分挖掘各城市的潜力，把京九沿线（以南昌、九江、赣州、吉安为中心）和浙赣沿线（以新余、鹰潭、萍乡为中心）作为江西生产力布局的重点，其沿线生产力布局应以中心城市为依托，以沿线城镇和开发区为重点，高点起步，分步推进，建成以三高农业、优势工业、先进服务业为特征的新的增长点，带动江西经济起飞。
3、推进技术创新和科技进步,促进经济增长方式转变。
这是促进江西省经济发展的重要内在因素。
推进技术创新和科技进步,推进科技产业机制的转变,增加科技开发的投入,促进企业成为技术创新的主体,适度向外引进,建立科技进步的调控机制。
4、进一步加强基础设施建设。
基础设施环节薄弱一度成制约江西省发展的瓶颈，近几年通过对基础设施建设的加强，江西省经济有了很大的发展，江西基础设施瓶颈制约因素基本消除。
但是应该看到江西省的基础设施与发达省份相比还有一定差距，包括交通、通讯、水电等相应设施都还有待于进一步的完善。
5、发挥各地的地区优势，吸引高科技人才到各地区就业。
注重各个地区的高校建设，以科技促进各方面经济的协调发展。
参考资料：
《2005年江西省统计年鉴》
《多元统计分析》中国人民大学出版社何晓群编著
《多元统计分析》机械工业出版社（美）JamesM.Lattin等编著
《spss统计分析高级教程》高等教育出版社张文彤主编
升级会员 