因子分析法影响中国增长的经济因素.docx

资源描述

因子分析法影响中国增长的经济因素.docx

《因子分析法影响中国增长的经济因素.docx》由会员分享，可在线阅读，更多相关《因子分析法影响中国增长的经济因素.docx（14页珍藏版）》请在冰豆网上搜索。

因子分析法影响中国增长的经济因素.docx

因子分析法影响中国增长的经济因素

影响中国增长的经济因素分析

전문:

지역경제

이름:

소우명

학법:

201628005

교수님:

김종섭

影响中国经济增长因素分析

摘要：

改革开放以来，我国的社会主义经济取得了突飞猛进的发展，经济增长速度更是举世瞩目。

经济增长影响因素和经济增长预测方面的研究，国内外学者对经济增长影响因素进行了大量理论与实证研究。

本文通过在次贷危机前后的2004年和2014年中国31个省、直辖市和自治区的14个与经济增长有关的指标进行因子分析。

建立计量模型，寻求这些变量对国内生产总值的影响，进行定量分析，对模型进行检验。

对比观察两年的数据在次贷危机前后，影响中国经济增长的因素有哪些变化。

1序言

（一）经济增长理论

经济增长是指一个国家生产商品和劳务能力的扩大。

在实际核算中，常以一国生产的商品和劳务总量的增加来表示，即以国民生产总值和国内生产总值的（GDP）的增长来计算。

经济增长是经济学研究的永恒主题。

古典经济增长理论以社会财富的增长为中心，指出生产劳动是财富增长的源泉。

现代经济增长理论认为知识、人力资本、技术进步是经济增长的主要因素。

（二）影响因素的分析

从古典增长理论到新增长理论，都重视物质资本和劳动的贡献。

物质资本是指经济系统运行中实际投入的资本数量.然而，由于资本服务流量难以测度，在这里我们用全社会固定资产投资总额（亿元）来衡量物质资本。

中国拥有全世界近1/4的人口，为经济增长提供了丰富的劳动力资源。

因此本文用总就业人数（万人）来衡量劳动力。

居民消费需求也是经济增长的主导因素。

经济增长问题既受各国政府和居民的关注,也是经济学理论研究的一个重要方面。

在1978—2008年的31中,我国经济年均增长率高达9.6%,综合国力大大增强,居民收入水平与生活水平不断提高,居民的消费需求的数量和质量有了很大的提高。

但是,我国目前仍然面临消费需求不足问题。

因此,研究消费需求对经济增长的影响,并对我国消费需求对经济增长的影响程度进行实证分析，可以更好的理解消费对我国经济增长的作用。

2因子分析

1概念及作用

因子分析的基本目的就是用少数几个因子去描述许多指标或因素之间的联系，即将相关比较密切的几个变量归在同一类中，每一类变量就成为一个因子，以较少的几个因子反映原资料的大部分信息。

因子分析主要用于：

减少分析变量个数和通过对变量间相关关系探测，将原始变量进行分类。

即将相关性高的变量分为一组，用共性因子代替该组变量。

因子分析法是从研究变量内部相关的依赖关系出发，把一些具有错综复杂关系的变量归结为少数几个综合因子的一种多变量统计分析方法。

它的基本思想是将观测变量进行分类，将相关性较高，即联系比较紧密的分在同一类中，而不同类变量之间的相关性则较低，那么每一类变量实际上就代表了一个基本结构，即公共因子。

对于所研究的问题就是试图用最少个数的不可测的所谓公共因子的线性函数与特殊因子之和来描述原来观测的每一分量。

2因子分析的模型

因子分析模型描述如下：

⑴X=（x1，x2，…，xp）￠是可观测随机向量，均值向量E（X）=0，协方差阵Cov（X）=∑，且协方差阵∑与相关矩阵R相等（只要将变量标准化即可实现）。

⑵F=（F1，F2，…，Fm）￠（m

⑶e=（e1，e2，…，ep）￠与F相互独立，且E（e）=0，e的协方差阵∑是对角阵，即各分量e之间是相互独立的，则模型：

……

称为因子分析模型，由于该模型是针对变量进行的，各因子又是正交的，所以也称为R型正交因子模型。

其矩阵形式为：

x=AF+e.

其中：

⑴m￡p；

⑵Cov（F，e）=0，即F和e是不相关的；

⑶D（F）=Im，即F1，F2，…，Fm不相关且方差均为1；

e1，e2，...ep不相关，且方差不同。

我们把F称为X的公共因子或潜因子，矩阵A称为因子载荷矩阵，e称为X的特殊因子。

A=（aij），aij为因子载荷。

数学上可以证明，因子载荷aij就是第i变量与第j因子的相关系数，反映了第i变量在第j因子上的重要性。

3因子旋转

建立因子分析模型的目的不仅是找出主因子，更重要的是知道每个主因子的意义，以便对实际问题进行分析。

如果求出主因子解后，各个主因子的典型代表变量不很突出，还需要进行因子旋转，通过适当的旋转得到比较满意的主因子。

旋转的方法有很多，正交旋转（orthogonalrotation）和斜交旋转（obliquerotation）是因子旋转的两类方法。

最常用的方法是最大方差正交旋转法（Varimax）。

进行因子旋转，就是要使因子载荷矩阵中因子载荷的平方值向0和1两个方向分化，使大的载荷更大，小的载荷更小。

因子旋转过程中，如果因子对应轴相互正交，则称为正交旋转；如果因子对应轴相互间不是正交的，则称为斜交旋转。

常用的斜交旋转方法有Promax法等。

而我们在测量中国经济影响因素时所采用的是最大方差正交旋转法（Varimax）。

3中国经济影增长响因素的实证分析

1变量的选取

本文共选择12个指标作为中国经济增长的影响因素，分别是：

代表经济因素的

X1地方财政一般预算收入（亿元）

X2地方财政一般预算支出（亿元）

X3第三产业增加值（亿元）

X4社会消费品零售总额（亿元）

X5企业实收资本（亿元）

X6居民消费水平（元）

X7工业增加值（亿元）

X8农业总产值（亿元）

X9国际旅游外汇（百万美元）

X10有效灌溉面积（千公顷）

X11水泥产量（万吨）

X12总人口（万人）

分别选取了2004年和2014年中国31个地区的数据，进行比较分析。

2模型的运用

2.1初始特征值

本文分别将2004年和2014年数据引入到SAS软件中，得出结果如下：

表12004年中国经济增长影响因素初始特征值统计

初始特征值:

总计=1115.92126平均值=92.993438

特征值

差分

比例

累积

981.052962

873.004998

0.8791

108.047964

96.846641

0.0968

0.9760

11.201323

2.679608

0.0100

0.9860

8.521715

5.001857

0.0076

0.9936

3.519858

0.649998

0.0032

0.9968

2.869860

1.497096

0.0026

0.9994

1.372765

0.300697

0.0012

1.0006

1.072068

0.934413

0.0010

1.0016

0.137655

0.544201

0.0001

1.0017

-0.406547

0.273064

-0.0004

1.0013

-0.679610

0.109146

-0.0006

1.0007

-0.788756

-0.0007

1.0000

表22014年中国经济增长影响因素初始特征值统计

初始特征值:

总计=682.043074平均值=56.8369229

特征值

差分

比例

累积

618.158992

567.252613

0.9063

50.906379

43.647210

0.0746

0.9810

7.259169

3.021285

0.0106

0.9916

4.237884

1.848810

0.0062

0.9978

2.389074

1.600760

0.0035

1.0013

0.788314

0.364687

0.0012

1.0025

0.423627

0.613306

0.0006

1.0031

-0.189678

0.043287

-0.0003

1.0028

-0.232965

0.216373

-0.0003

1.0025

-0.449338

0.071571

-0.0007

1.0018

-0.520910

0.206563

-0.0008

1.0011

-0.727473

-0.0011

1.0000

如表1所示：

2004年前两个主成分解释了97.6%的方差，所以取两个因子。

同理，表2中2014年前两个主成分解释了98.1%的方差，所以取两个因子。

2.2因子模型

因子模型变量显示如表3，表4显示：

2004年，第一公因子在12个变量上均有载荷，表明该公因子代表二、三产业对经济增长的影响。

但载荷有大有小；第二公因子在x4农作物总播种面积（千公顷）上游较大的正向载荷，说明第一产业的发展对中国经济增长的影响。

2014年，第一公因子在14个变量上均有载荷，只是大小有所不同，第二公因子在x4农作物总播种面积（千公顷）、x8医院、卫生院个数。

由系数可知这两个公因子变量不易于解释，所以选择做旋转。

表32004年中国经济影响因素因子模式

因子模式

Factor1

Factor2

0.96726

-0.14849

0.95969

0.03116

0.99928

-0.02657

0.97205

0.17985

0.89837

-0.15064

0.56866

-0.62084

0.92853

0.21256

0.56130

0.81783

0.82364

-0.49991

x10

0.33676

0.85019

x11

0.74464

0.52261

x12

0.65824

0.67807

表42014年中国经济影响因素因子模式

因子模式

Factor1

Factor2

0.96839

-0.20465

0.94136

0.17701

0.98924

-0.11228

0.98228

0.09824

0.94166

-0.06826

0.51675

-0.71147

0.95758

0.17525

0.60434

0.73918

0.68925

-0.39736

x10

0.37283

0.69920

x11

0.70082

0.59762

x12

0.81821

0.52480

2.3旋转因子模式

旋转结果如表4、5所示：

2004年第一公因子在x1第二产业增加值（亿元）、x2第三产业增加值theTertiary亿元）、x5规模以上工业企业固定资产合计（亿元）、x6国际旅游创汇收入（百万美元）、x9居民消费水平（元）、x10城乡居民人民币储蓄存款年底余额（亿元）、x11参加失业保险人数（万人）、x12地方财政一般预算收入（亿元）、x13地方财政一般预算支出（亿元）x14道路面积这些影响因素上的载荷较高，说明第一公因子称为总量因子。

第二公因子在x365岁及以上人口数（人）、x4农作物总播种面积（千公顷）、x7年末常住人口（万人）、x8医院、卫生院个数（个）这些影响因素的载荷较高，说明第二公因子称为民生变量因子。

2014年第一公因子在x1第二产业增加值（亿元）、x2第三产业增加值（亿元）、x6国际旅游创汇收入（百万美元）、x9居民消费水平（元）、x10城乡居民人民币储蓄存款年底余额（亿元）、x11参加失业保险人数（万人）、x12地方财政一般预算收入（亿元）、x13地方财政一般预算支出（亿元）x14道路面积（万平方米）这些影响因素上的载荷较高，说明第一因子称为总量因子。

第二公因子在x365岁及以上人口数（人）、x4农作物总播种面积（千公顷）、x5规模以上工业企业固定资产合计（亿元）、x7年末常住人口（万人）、x8医院、卫生院个数（个）这些影响因素的载荷较高，说明第二公因子称为民生变量因子。

2004年与2014年因子变量x5规模以上工业企业固定资产合计（亿元）有所变动，x5在2004年属于总量因子中，在2014年属于民生因子中。

随着经济的增长，中国的规模以上企业也得到飞速的发展，企业在发展的同时，反哺社会，随着时间推移被归为民生因子中。

表52004年中国经济影响因素旋转因子模式

旋转因子模式

Factor1

Factor2

0.92657

0.31481

0.83692

0.47068

0.89869

0.43774

0.77924

0.60828

0.86645

0.28110

0.79105

-0.28821

0.72553

0.61721

0.12036

0.98459

0.96140

-0.06322

x10

-0.09375

0.90963

x11

0.41928

0.80734

x12

0.27087

0.90536

表62014年中国经济影响因素旋转因子模式

旋转因子模式

Factor1

Factor2

0.93093

0.33621

0.70688

0.64637

0.89999

0.42571

0.78316

0.60098

0.83635

0.43806

0.81404

-0.33251

0.72160

0.65342

0.12427

0.94666

0.79518

0.02535

x10

-0.05145

0.79072

x11

0.28085

0.87717

x12

0.41899

0.87711

2.3因子得分

用回归法得到两年数据因子系数的结果如表7、8所示。

表72004年中国经济影响因素因子得分

标准化评分系数

Factor1

Factor2

0.04030905

-0.0437693

0.00440516

0.00966273

1.07998984

-0.0966937

-0.0337598

0.12748738

0.00986339

-0.0111816

0.01728937

-0.0303439

-0.0112748

0.03641791

-0.3625455

0.7479846

0.05945455

-0.09736

x10

-0.0378434

0.07573605

x11

-0.0202704

0.04530649

x12

-0.044063

0.09371198

表82014年中国经济影响因素因子得分

标准化评分系数

Factor1

Factor2

0.38584

-0.26753

-0.01027

0.10157

0.66130

-0.23097

0.04177

0.22000

0.04309

-0.00492

0.07822

-0.10925

-0.01438

0.15933

-0.16568

0.31827

0.03066

-0.03548

x10

-0.03904

0.07046

x11

-0.07330

0.15267

x12

-0.16480

0.37636

2004年

Obs

city

Factor1

Factor2

beijing

1.88548

-1.45227

tianjin

0.00110

-1.06127

Hebei

-0.25195

1.32283

shanxi

-0.23096

-0.52700

neimenggu

-0.40651

-0.30232

liaoning

0.38714

0.04881

jilin

-0.48615

-0.18151

heilongjiang

-0.35334

0.10589

shanghai

1.90029

-1.39630

jiangsu

1.21985

1.35018

zhejiang

1.45360

0.05977

anhui

-0.44316

0.63497

fujian

0.12164

-0.19077

jiangxi

-0.53662

-0.08378

shandong

0.26367

2.77293

henan

-0.72154

2.20952

hubei

-0.27846

0.75152

hunan

-0.17750

0.67696

guangdong

3.58016

0.45057

guangxi

-0.54317

0.09710

hainan

-0.69198

-0.89412

chongqing

-0.33085

-0.50791

sichuang

-0.24133

0.93761

guizhou

-0.68299

-0.48339

yunnan

-0.53341

-0.11357

xizang

-0.70061

-1.14298

shanxi2

-0.41667

-0.31231

gansu

-0.66805

-0.49060

qinghai

-0.66930

-1.11763

ningxia

-0.68469

-1.04347

xinjiang

-0.76370

-0.11749

2014年

Obs

city

Factor1

Factor2

beijing

1.61634

-1.77037

tianjin

0.42535

-1.37193

hebei

-0.44646

1.27543

shanxi

-0.34257

-0.34459

neimenggu

-0.20446

-0.33624

liaoning

0.44159

-0.10415

jilin

-0.52212

-0.28016

heilongjiang

-0.69528

0.37615

shanghai

1.66098

-1.78911

jiangsu

2.34998

0.89006

zhejiang

1.24282

-0.03176

anhui

-0.57737

0.73298

fujian

0.09456

-0.21338

jiangxi

-0.50900

0.03637

shandong

1.07741

1.99640

henan

-0.54508

2.10548

hubei

-0.14775

0.74312

hunan

-0.33505

0.94344

guangdong

2.88275

0.79273

guangxi

-0.69774

0.30370

hainan

-0.68643

-0.99796

chongqing

-0.17771

-0.52622

sichuang

-0.32118

1.30122

guizhou

-0.71161

-0.14256

yunnan

-0.63755

0.16446

xizang

-0.82515

-1.10708

shanxi2

-0.38626

0.03259

gansu

-0.81600

-0.35716

qinghai

-0.74813

-1.09049

ningxia

-0.70650

-1.09534

xinjiang

-0.75236

-0.13565

4.结论与建议

（一）主要结论

1、固定资产投资是经济增长的重要原动力。

经济发展取决于投入资金的数量和资金的利用效率。

固定资产投资是经济增长的重要原动力，它对经济运行具有先导作用，并以其乘数效应拉动经济增长。

2、劳动力对GDP有一定的促进作用但对经济增长的贡献率却微不足道。

这是因为我国劳动力结构总量巨大、供给充足、流动性强,对GDP影响很大。

但是劳动力的人力资本含量、高技术含量偏低,劳动力素质结构存在严重缺陷,会直接影响了经济的增长。

3、消费需求对经济的拉动作用

消费需求是三大需求要素中所占份额最大、波动幅度最小的部分，是国民经济的重要支柱和最主要的组成部分，同时也是最为明显地反映经济自发增长态势的宏观经济指标。

（二）政策建议

就业是民生之本，有效促进就业，保持经济增长良好势头成为我国当前乃至今后一段时期的重要课题。

针对目前劳动力数量庞大且总体素质不高的现状，应通过多种途径，一方面加强就业培训的投入力度，提高劳动者就业及再就业能力，降低失业率；另一方面，加强各地区间人才交流及促进劳动力自由流动，并通过合理技术壁垒方式，阻止外来流动人员的无序进入。

同时，鼓励灵活就业，以减轻就业压力。

劳动力的人力资本含量、高技术含量偏低,劳动力素质结构存在严重缺陷,直接影响了经济的增长。

因此应当控制人口数量,优化劳动力结构,提升劳动力素质。

物质资本对我国的经济增长也起到了一定的影响作用，应加强对投资的科学管理，提高投资效率。

参考文献:

［1］赵晓，消费中国经济增长主动力[J]，2005

［2］徐铮、张润清、李晓红，1990-2004年我国经济增长因素实证分析[J]，经济论坛，2007（04）

［3］綦国萍，我国经济增长影响因素的实证研究，安徽财经大学，安徽蚌埠233041摘

［4］吴沛

展开阅读全文