基于因子分析的我國城市的經(jīng)濟(jì)競爭力的分析(參考版)
2025-06-30 19:51本頁面
【正文】 最后祝老師在國外的繼續(xù)求學(xué)順利，加拿大是個美麗的過度，也希望老師能夠享受生活，給自己留下美好的回憶。最后十分感謝在論文完成過程中，小伙伴的耐心講解，以及在遇到問題時(shí)能和我討論，共同解決問題。但是可能由于部分?jǐn)?shù)據(jù)問題，造成得出的結(jié)論和現(xiàn)實(shí)的認(rèn)知不太相符，比如在吉林省的經(jīng)濟(jì)綜合得分竟然排在的后幾名，同時(shí)其第一個因子經(jīng)濟(jì)發(fā)展?jié)摿?，代表的GDP，固定資產(chǎn)投資，等指標(biāo)竟然排名十分靠后，個人覺得與實(shí)際不符。另外國家在進(jìn)行宏觀調(diào)控以及資源配置的時(shí)候，要有所傾斜，扶持西部地區(qū)的經(jīng)濟(jì)發(fā)展，繼續(xù)堅(jiān)持西部大開發(fā)戰(zhàn)略，促進(jìn)東西部的平衡發(fā)展，減少地區(qū)之間的貧富差距。各地區(qū)需要不斷的調(diào)整和優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，實(shí)現(xiàn)供給和需求的相對平衡，保證經(jīng)濟(jì)健康良好的發(fā)展。但是作為國家宏觀調(diào)控的時(shí)候，在出臺一些政策或措施的時(shí)候還是要對這些地區(qū)比較關(guān)注。但是西藏地區(qū)在第一因子得分和綜合得分都相對落后的情況下，第二因子消費(fèi)能力得分竟然排在了第六的位置，不太符合自己的認(rèn)知，可能是數(shù)據(jù)方面出現(xiàn)了錯誤。同時(shí)山東，四川，湖北等地區(qū)綜合排名相對靠前，但是此因子得分相對較低，此地區(qū)的工資水平應(yīng)做相應(yīng)的調(diào)整，增大居民的消費(fèi)能力。但是相比較而言，海南，寧夏，西藏，青海以及一些其他西部地區(qū)在第一因子方面的排名相對靠后，這些地區(qū)可能工業(yè)基礎(chǔ)相對薄弱，固定投資，以及貨物周轉(zhuǎn)量都相對落后，因此我國要繼續(xù)堅(jiān)持西部大開發(fā)戰(zhàn)略，在進(jìn)行資源配置的時(shí)候，注重扶持相對落后的地區(qū)，東西部平衡發(fā)展。得到公式如下Y=(%Y1+%Y2+%Y3 )/%然后得到各個地區(qū)的因子得分以及最后的綜合得分，并從高到低進(jìn)行排序。采用回歸法估計(jì)因子得分系數(shù)，并輸出因子得分系數(shù)表 表11 因子得分系數(shù)表Component Score Coefficient MatrixComponent123Zscore(X1).303.007.033Zscore(X2).023.386.038Zscore(X3).271.130.079Zscore(X4).453.099Zscore(X5).252Zscore(X6).071.180.653Zscore(X7).079.464Zscore(X8).319.029.131Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. Component Scores. 根據(jù)因子系數(shù)得分矩陣可以得到因子得分函數(shù)（z是無量綱化以后的數(shù)據(jù)）：Y1=*ZX1+*ZX2+**ZX4+*ZX5+*ZX6+*ZX7+*ZX8Y2=*ZX1+*ZX2+*ZX3+**ZX5+**ZX7+*ZX8Y3=*ZX1+*ZX2+*ZX3+**ZX5+*ZX6+*ZX7+*ZX8 計(jì)算因子的得分變量的變量值時(shí)，由于數(shù)據(jù)經(jīng)過了標(biāo)準(zhǔn)化處理，因子得分的均值為0，標(biāo)準(zhǔn)差為1，正值表示高于平均水平，負(fù)值表示低于平均水平。 為了觀察三個因子之間是否存在線性相關(guān)，我們輸出三個因子的協(xié)方差矩陣，如下表 表10 協(xié)方差矩陣Component Score Covariance MatrixComponent123dimension01.000.0002.000.0003.000.000Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. 上表顯示了三個因子的協(xié)方差矩陣，可以看出，三個因子沒有線性相關(guān)，幾乎實(shí)現(xiàn)了因子分析設(shè)計(jì)的目標(biāo)。居民消費(fèi)水平（X2)，職工工資水平（X4)在第二個因子有較大的載荷，反應(yīng)的是居民的消費(fèi)能力方面，可以解釋為消費(fèi)水平因子；居民消費(fèi)價(jià)格指數(shù)（X6),商品零售價(jià)格指數(shù)（X7)在第三個因子上有較高的的載荷，主要反應(yīng)的是地區(qū)物價(jià)方面的狀況，可以解釋為價(jià)格水平因子。另外也可以看到，這兩個因子的實(shí)際含義比較模糊。下表為因子載荷圖 表8 因子載荷圖Component MatrixaComponent123Zscore(X1).889.376.107Zscore(X2).607.272Zscore(X3).909.162.219Zscore(X4).466.364Zscore(X5).486.744Zscore(X6).242.796Zscore(X7).588.439Zscore(X8).819.428.223Extraction Method: Principal Component Analysis.a. 3 ponents extracted. 因子載荷矩陣，是因子分析的核心內(nèi)容，根據(jù)該表可以寫出因子分析模型 GDP（X1)=++居民消費(fèi)水平（X2)=+,固定資產(chǎn)水平（X3)=++ 職工工資水平（X4)=+ 貨物周轉(zhuǎn)量（X5)=+居民消費(fèi)價(jià)格指數(shù)(X6)= ++商品零售價(jià)格指數(shù)（X7)=++工業(yè)總產(chǎn)值（X8)=++ 從模型上來看， GDP（X1)，居民消費(fèi)水平（X2)，固定資產(chǎn)水平，商品零售價(jià)格指數(shù)（X7)，工業(yè)總產(chǎn)值（X8)表達(dá)式中第一主成分的系數(shù)比較大，第一主成分與這幾個變量的相關(guān)性較大，對這幾個變量的解釋程度較大。%，%，%，最終確定為3個主成分。同時(shí)輸出相關(guān)系數(shù)矩陣如下Correlation MatrixaCorrelationZscore(X1)Zscore(X2)Zscore(X3)Zscore(X4)Zscore(X5)Zscore(X6)Zscore(X7)Zscore(X8)ZscoreX1ZscoreX2ZscoreX3ZscoreX4ZscoreX5ZscoreX6ZscoreX7ZscoreX8.272.948.192.622.869.272.426.718.363.948.426.400.431.792.192.718.400.104.622.431.022.659.763.022.763.869.363.792.104.659a. Determinant = .000 表4 相關(guān)系數(shù)矩陣 公因子提取SPSS操作 降維 因子分析順序點(diǎn)擊菜單項(xiàng)，展開因子分析對話框。s TestKaiserMeyerOlk
范文總結(jié)相關(guān)推薦
鄂ICP備17016276號-1