會(huì)城及計(jì)劃單列城綜合經(jīng)濟(jì)實(shí)力評(píng)價(jià)指標(biāo)統(tǒng)計(jì)分析

1、基于城市綜合經(jīng)濟(jì)實(shí)力評(píng)價(jià)指標(biāo)的統(tǒng)計(jì)分析張三摘要本文采用中國(guó)2010年省會(huì)城市和計(jì)劃單列市主要經(jīng)濟(jì)指標(biāo)統(tǒng)計(jì)數(shù)據(jù)，首先利用相關(guān)分析對(duì)地區(qū)生產(chǎn)總值各產(chǎn)業(yè)間進(jìn)行了簡(jiǎn)單相關(guān)分析，以及控制了年末總?cè)丝趯?duì)客運(yùn)和貨運(yùn)量等進(jìn)行了偏相關(guān)分析；接著利用各種經(jīng)濟(jì)指標(biāo)對(duì)地區(qū)生產(chǎn)總值進(jìn)行多元線性回歸，利用逐步回歸方法獲知社會(huì)商品零售總額、劇場(chǎng)影劇院、普通高等學(xué)校在校學(xué)生數(shù)、固定資產(chǎn)投資總額、貨物進(jìn)出口總額、三廢綜合利用產(chǎn)品產(chǎn)值、客運(yùn)量等和地區(qū)生產(chǎn)總值有顯著關(guān)系；最后利用因子分析對(duì)各地區(qū)進(jìn)行因子分析，通過(guò)計(jì)算綜合得分，獲得各地區(qū)綜合排名，其中北京、上海一枝獨(dú)秀，重慶、深圳、天津與北京、上海構(gòu)成前五強(qiáng)。關(guān)鍵詞地區(qū)生產(chǎn)總值；相

2、關(guān)分析；回歸分析；因子分析1研究背景及目的2009年10月17日，第六屆中國(guó)城市論壇北京峰會(huì)在朝陽(yáng)規(guī)劃藝術(shù)館召開(kāi)。這次峰會(huì)不僅吸引了城市發(fā)展領(lǐng)域內(nèi)幾百位專家的專注和參與，跟讓來(lái)自全國(guó)各個(gè)城市的會(huì)議代表們受益匪淺。會(huì)議指出，“十二五”期間既是全球經(jīng)濟(jì)復(fù)蘇的關(guān)鍵時(shí)期，也是我國(guó)加快城市化進(jìn)程的關(guān)鍵時(shí)期。以前我國(guó)采取的城市外延式擴(kuò)張戰(zhàn)略導(dǎo)致城市發(fā)展中出現(xiàn)了資源浪費(fèi)、環(huán)境污染、不注重保護(hù)城市歷史文脈和特點(diǎn)等各種各樣的問(wèn)題。城市發(fā)展將呈現(xiàn)出五個(gè)新變化：一是城市發(fā)展開(kāi)始從外延式擴(kuò)張向內(nèi)涵式發(fā)展轉(zhuǎn)變；二是城市軟實(shí)力成為城市發(fā)展的核心競(jìng)爭(zhēng)力；三是城鄉(xiāng)統(tǒng)籌和城鄉(xiāng)一體化成為城市發(fā)展的新格局；四是綜合配套改革實(shí)驗(yàn)區(qū)的

3、示范意義進(jìn)一步凸顯；五是城市群對(duì)城市建設(shè)與發(fā)展的作用日益增強(qiáng)。在這種大背景下對(duì)我國(guó)各城市的綜合經(jīng)濟(jì)實(shí)力進(jìn)行研究，不論是對(duì)于促進(jìn)我國(guó)城市本身又好又快地發(fā)展，還是對(duì)于充分發(fā)揮城市在社會(huì)經(jīng)濟(jì)生活中所起的主導(dǎo)作用，都有著極為重要的意義。本研究的目的如下：通過(guò)對(duì)描述我國(guó)各城市綜合經(jīng)濟(jì)實(shí)力的各種指標(biāo)進(jìn)行各種分析，一方面找出用來(lái)衡量我國(guó)城市綜合經(jīng)濟(jì)實(shí)力的各個(gè)指標(biāo)之間的內(nèi)在聯(lián)系，另一方面找出各城市綜合經(jīng)濟(jì)實(shí)力的差異，為城市的發(fā)展提供政策建議1。2研究方法對(duì)城市綜合經(jīng)濟(jì)實(shí)力的概念，中國(guó)城市經(jīng)濟(jì)發(fā)展研究中心指出：城市綜合經(jīng)濟(jì)實(shí)力是指城市所擁有的全部實(shí)力、潛力及其在國(guó)內(nèi)外經(jīng)濟(jì)社會(huì)中的地位和影響力。據(jù)此概念我們可以看

4、出，評(píng)價(jià)城市綜合經(jīng)濟(jì)實(shí)力應(yīng)該包括人口、地區(qū)生產(chǎn)總值、擁有的交通運(yùn)輸以及通訊能力、地方財(cái)政預(yù)算內(nèi)收支、固定資產(chǎn)投資總額、城鄉(xiāng)居民工資水平及儲(chǔ)蓄水平、環(huán)境污染治理投資總額、商貿(mào)市場(chǎng)水平、人才狀況及社會(huì)醫(yī)療保障水平等方面。所以我們采用的數(shù)據(jù)指標(biāo)有：年末總?cè)丝凇⒌貐^(qū)生產(chǎn)總值、第一產(chǎn)業(yè)、第二產(chǎn)業(yè)、第三產(chǎn)業(yè)、客運(yùn)量、貨運(yùn)量、地方財(cái)政預(yù)算內(nèi)收入、地方財(cái)政預(yù)算內(nèi)支出、固定資產(chǎn)投資總額、城鄉(xiāng)居民儲(chǔ)蓄年末余額、在崗職工平均工資、年末郵政局?jǐn)?shù)、年末固定電話用戶數(shù)、社會(huì)商品零售總額、貨物進(jìn)出口總額、年末實(shí)有公共（汽）電車運(yùn)營(yíng)車輛數(shù)、劇場(chǎng)、影劇院數(shù)、普通高等學(xué)校在校學(xué)生數(shù)、醫(yī)院、衛(wèi)生院個(gè)數(shù)、執(zhí)業(yè)（助理）醫(yī)師、三廢綜合利

5、用產(chǎn)品總值等22個(gè)指標(biāo)。本研究采用的數(shù)據(jù)是中國(guó)2010年省會(huì)城市和計(jì)劃單列市主要經(jīng)濟(jì)指標(biāo)統(tǒng)計(jì)（包括直轄市）»,數(shù)據(jù)摘自中國(guó)統(tǒng)計(jì)年鑒201111-3。采用數(shù)據(jù)分析方法主要有回歸分析2、相關(guān)分析、因子分析等?；舅悸肥牵菏紫仁褂没貧w分析、相關(guān)分析等分析方法研究構(gòu)成城市綜合經(jīng)濟(jì)實(shí)力的各個(gè)變量之間的關(guān)系；然后使用因子分析對(duì)構(gòu)成城市綜合經(jīng)濟(jì)實(shí)力的各個(gè)變量提取公因子；最后使用一些簡(jiǎn)單的SPSS數(shù)據(jù)處理技巧依據(jù)提出的公因子對(duì)各城市進(jìn)行分類及排序。3實(shí)證分析政預(yù)算內(nèi)收入”、“地方財(cái)政預(yù)算內(nèi)支出”由于從國(guó)家統(tǒng)計(jì)局網(wǎng)站下載的數(shù)據(jù)為EXCEL格式，可以將數(shù)據(jù)導(dǎo)入成SPSS數(shù)據(jù),我們?cè)O(shè)置了共23個(gè)變量，分別

6、是“城市名稱”、“年末總?cè)丝凇?、“地區(qū)生產(chǎn)總值”、“第一產(chǎn)業(yè)”、“第二產(chǎn)業(yè)”、“第三產(chǎn)業(yè)”、“客運(yùn)量”、“貨運(yùn)量”、“地方財(cái)、“固定資產(chǎn)投資總額”、“城鄉(xiāng)居民儲(chǔ)蓄年末余額”、“在崗職工平均工資”、“年末郵政局?jǐn)?shù)”、“年末固定電話用戶數(shù)”、“社會(huì)商品零售總額”、“貨物進(jìn)出口總額”、“年末實(shí)有公共（汽）電車運(yùn)營(yíng)車輛數(shù)”、“劇場(chǎng)、影劇院數(shù)”、“普通高等學(xué)校在校學(xué)生數(shù)”、“醫(yī)院、衛(wèi)生院數(shù)”、“執(zhí)業(yè)（助理）醫(yī)師”、“三廢綜合利用產(chǎn)品總值”等。樣本是中國(guó)2010年省會(huì)城市和計(jì)劃單列市主要經(jīng)濟(jì)指標(biāo)統(tǒng)計(jì)的相關(guān)數(shù)據(jù)。數(shù)據(jù)參見(jiàn)附表1。3.1 相關(guān)分析對(duì)于相關(guān)分析，主要有以下幾個(gè)部分：第一，對(duì)“地區(qū)生產(chǎn)總值”的三個(gè)

7、組成部分：“第一產(chǎn)業(yè)”、“第二產(chǎn)業(yè)”和“第三產(chǎn)業(yè)”進(jìn)行簡(jiǎn)單相關(guān)分析；第二，在控制“地區(qū)生產(chǎn)總值”的前提下，對(duì)“第一產(chǎn)業(yè)”、“第二產(chǎn)業(yè)”、“第三產(chǎn)業(yè)”進(jìn)行偏相關(guān)分析；第三，在控制“年末總?cè)丝凇钡那疤嵯拢瑢?duì)“客運(yùn)量”和“貨運(yùn)量”進(jìn)行偏相關(guān)分析；第四，在控制“年末總?cè)丝凇钡那疤嵯?，?duì)“地方政府預(yù)算內(nèi)收入”和“地方政府預(yù)算內(nèi)支出”進(jìn)行偏相關(guān)分析；第五，對(duì)“年末總?cè)丝凇?、“地區(qū)生產(chǎn)總值”、“三廢綜合利用產(chǎn)品總值”這三個(gè)變量進(jìn)行簡(jiǎn)單相關(guān)分析。3.1.1 地區(qū)生產(chǎn)總值的簡(jiǎn)單相關(guān)分析通過(guò)使用主菜單分析下的相關(guān)工具條，可以獲得分析結(jié)果，見(jiàn)表1。表1產(chǎn)業(yè)相關(guān)分析結(jié)果相關(guān)性第一產(chǎn)業(yè)第二產(chǎn)業(yè)第三產(chǎn)業(yè)Pearson相關(guān)

8、性1.295.063第一產(chǎn)業(yè)顯著性（雙側(cè)）.085.718N353535Pearson相關(guān)性.2951*.820第二產(chǎn)業(yè)顯著性（雙側(cè)）.085.000N353535Pearson相關(guān)性.063*.8201第三產(chǎn)業(yè)顯著性（雙側(cè)）.718.000N3535353*.在.01水平（雙側(cè)）上顯著相關(guān)。易見(jiàn)只有“第二產(chǎn)業(yè)”和“第三產(chǎn)業(yè)”之間具有很強(qiáng)的相關(guān)關(guān)系并且在0.01的顯著性水平上顯著。這是因?yàn)椤暗诙a(chǎn)業(yè)”和“第三產(chǎn)業(yè)”本身就具有很大的相關(guān)性。1.1.2 第一產(chǎn)業(yè)、第二產(chǎn)業(yè)和第三產(chǎn)業(yè)的偏相關(guān)分析表2偏相關(guān)分析結(jié)果相關(guān)性控制變量第一產(chǎn)業(yè)第二產(chǎn)業(yè)第三產(chǎn)業(yè)相關(guān)性1.000.321-.517第一產(chǎn)業(yè)顯著性（

9、雙側(cè)）.064.002df03232相關(guān)性.3211.000-.977地區(qū)生產(chǎn)總值第二產(chǎn)業(yè)顯著性（雙側(cè)）.064.000df32032相關(guān)性-.517-.9771.000第三產(chǎn)業(yè)顯著性（雙側(cè)）.002.000.df32320從分析結(jié)果可以看出，在控制“地區(qū)生產(chǎn)總值”的前提下，構(gòu)成“地區(qū)生產(chǎn)總值”的3個(gè)組成部分中，“第二產(chǎn)業(yè)”和“第三產(chǎn)業(yè)”的相關(guān)關(guān)系依然顯著。但相關(guān)系數(shù)卻變成了負(fù)值，這是由于總額是一定。1.1.3 客運(yùn)量和貨運(yùn)量的偏相關(guān)分析表3偏相關(guān)分析結(jié)果相關(guān)性控制變量客運(yùn)量貨運(yùn)量相關(guān)性1.000.127客運(yùn)量顯著性（雙側(cè)）.474df032年末總?cè)丝谙嚓P(guān)性.1271.000貨運(yùn)量顯著性（雙側(cè)

10、）.474.df320可見(jiàn)在控制“年末總?cè)丝凇钡那疤嵯?，“客運(yùn)量”和“貨運(yùn)量”之間的相關(guān)關(guān)系不顯著1.1.4 地方財(cái)政預(yù)算內(nèi)收入和地方財(cái)政預(yù)算內(nèi)支出的偏相關(guān)分析分析結(jié)果如表4所示:表4偏相關(guān)分析結(jié)果相關(guān)性控制變量地方財(cái)政預(yù)算內(nèi)收入地方財(cái)政預(yù)算內(nèi)支出相關(guān)性1.000.994地方財(cái)政預(yù)算內(nèi)收入顯著性（雙側(cè)）.000df032年末總?cè)丝谙嚓P(guān)性.9941.000地方財(cái)政預(yù)算內(nèi)支出顯著性（雙側(cè)）.000.df320可見(jiàn)，在控制“年末總?cè)丝凇钡那疤嵯?，“地方?cái)政預(yù)算內(nèi)收入”和“地方財(cái)政預(yù)算內(nèi)支出”之間的相關(guān)系數(shù)很大，而且相關(guān)關(guān)系非常顯著。1.1.5 年末總?cè)丝?、地區(qū)生產(chǎn)總值、三廢綜合利用產(chǎn)品總值的相關(guān)分析

11、表5簡(jiǎn)單相關(guān)分析結(jié)果相關(guān)性年末總?cè)丝诘貐^(qū)生產(chǎn)總值三廢綜合利用值Pearson相關(guān)性1*.524.128年末總?cè)丝陲@著性（雙側(cè)）.001.479N353533Pearson相關(guān)性*.5241.153地區(qū)生產(chǎn)總值顯著性（雙側(cè)）.001.394N353533Pearson相關(guān)性.128.1531三廢綜合利用值顯著性（雙側(cè)）.479.394N333333*.在.01水平（雙側(cè)）上顯著相關(guān)。分析結(jié)果如表5所示，可見(jiàn)，“年末總?cè)丝凇迸c“地區(qū)生產(chǎn)總值”正相關(guān)而且這種相關(guān)關(guān)系十分顯著；“地區(qū)生產(chǎn)總值”與“三廢綜合利用產(chǎn)品總值”之間也存在顯著的相關(guān)關(guān)系；“年末總?cè)丝凇迸c“三廢綜合利用產(chǎn)品總值”之間的相關(guān)關(guān)系不顯

12、著。3.2 回歸分析對(duì)于回歸分析，以“地區(qū)生產(chǎn)總值”為被解釋變量，“年末總?cè)丝凇薄ⅰ翱瓦\(yùn)量”、“貨運(yùn)量”、“地方財(cái)政預(yù)算內(nèi)收入”、“地方財(cái)政預(yù)算內(nèi)支出”、“固定資產(chǎn)投資總額”、“城鄉(xiāng)居民儲(chǔ)蓄年末余額”、“在崗職工平均工資”、“年末郵政局?jǐn)?shù)”、“年末固定電話用戶數(shù)”、“社會(huì)商品零售總額”、“貨物進(jìn)出口總額”、“年末實(shí)有公共（汽）電車營(yíng)運(yùn)車輛數(shù)”、“劇場(chǎng)、影劇院數(shù)”、“普通高等學(xué)校在校學(xué)生數(shù)”、“醫(yī)院、衛(wèi)生院數(shù)”、“執(zhí)業(yè)（助理）醫(yī)師”、“三廢綜合利用產(chǎn)品總值”等為解釋變量，進(jìn)行多元線性回歸，采用逐步回歸法。得到輸出結(jié)果參見(jiàn)表6-表8所示。表6模型擬合情況表模型匯總模型RR方調(diào)整R方標(biāo)準(zhǔn)估計(jì)的誤差D

13、urbin-Watson1.975a.951.949837.32417.998g.995.994288.45561.595a.預(yù)測(cè)變量：（常量），社會(huì)商品零售總額。g.預(yù)測(cè)變量：（常量），社會(huì)商品零售總額，劇場(chǎng)、影劇院，高等學(xué)校學(xué)生數(shù)，國(guó)內(nèi)資產(chǎn)投資總額，貨物進(jìn)出口，客運(yùn)量，三廢綜合利用值。h.因變量：地區(qū)生產(chǎn)總值a表7方差分析表模型平方和df均方FSig.回歸417501904.5831417501904.583595.486.000b1殘差21734459.78231701111.606總計(jì)439236364.36432回歸437156198.448762450885.493750.552.

14、000h7殘差2080165.9172583206.637總計(jì)439236364.36432Anovaa.因變量：地區(qū)生產(chǎn)總值b.預(yù)測(cè)變量：（常量），社會(huì)商品零售總額。h.預(yù)測(cè)變量：（常量），社會(huì)商品零售總額，劇場(chǎng)、影劇院，高等學(xué)校學(xué)生數(shù)，國(guó)內(nèi)資產(chǎn)投資總額，貨物進(jìn)出口，客運(yùn)量，三廢綜合利用值。表8回歸系數(shù)表模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B標(biāo)準(zhǔn)誤差試用版(常量)1-107.524238.711-.450.656社會(huì)商品零售總額.000.000.97524.403.000(常量)16.834113.567.148.883社會(huì)商品零售總額.000.000.7238.873.000劇場(chǎng)、影劇院-1

15、4.7683.067-.137-4.815.000高等學(xué)校學(xué)生數(shù)7-.001.000-.058-2.430.023國(guó)內(nèi)資產(chǎn)投資總額5.243E-005.000.2417.273.000貨物進(jìn)出口.000.000.3026.098.000客運(yùn)量-.007.002-.071-3.952.001三廢綜合利用值.001.000.0523.666.001a.因變量：地區(qū)生產(chǎn)總值綜上所述，我們可以得到:(1)最終模型的表達(dá)式為：地區(qū)生產(chǎn)總值=16.834+0.000*社會(huì)商品零售總額-14.768*劇場(chǎng)、影劇院-0.001*高等學(xué)校學(xué)生數(shù)+0.00005*固定資產(chǎn)投資總額+0.000*貨物進(jìn)出口+0.00

16、1*三廢綜合利用產(chǎn)品產(chǎn)值-0.007*客運(yùn)量；(2)最終模型的擬合優(yōu)度較好，修正后可決系數(shù)近乎1;(3)模型中各自變量系數(shù)的顯著性p值都小于0.05,回歸方程的線性關(guān)系顯著；(4)分析結(jié)論：經(jīng)過(guò)以上多元線性回歸分析，可以發(fā)現(xiàn)我國(guó)城市的地區(qū)生產(chǎn)總值與社會(huì)商品零售總額、劇場(chǎng)、影劇院、普通高等學(xué)校在校學(xué)生數(shù)、固定資產(chǎn)投資總額、貨物進(jìn)出口總額、三廢綜合利用產(chǎn)品產(chǎn)值、客運(yùn)量有顯著關(guān)系，與其他變量之間的關(guān)系并不顯著。表9殘差統(tǒng)計(jì)表殘差統(tǒng)計(jì)量極小值極大值均值標(biāo)準(zhǔn)偏差N預(yù)測(cè)值419.71017058.1454505.6193696.096833殘差-767.9445547.0401.0000254.96113

17、3標(biāo)準(zhǔn)預(yù)測(cè)值-1.1053.396.0001.00033標(biāo)準(zhǔn)殘差-2.6621.896.000.88433a.因變量：地區(qū)生產(chǎn)總值表9給出了回歸分析的殘差統(tǒng)計(jì)結(jié)果，可以看出預(yù)測(cè)值及標(biāo)準(zhǔn)化的預(yù)測(cè)值、殘差及殘差預(yù)測(cè)值的最小值、最大值、均值、標(biāo)準(zhǔn)差和樣本數(shù)。這些數(shù)據(jù)中無(wú)離群值，可以認(rèn)為模型是健康的。除了分析殘差統(tǒng)計(jì)外，還可以直接做出標(biāo)準(zhǔn)殘差的直方圖和正態(tài)P-P圖來(lái)觀察其是否服從正態(tài)分布。從圖1和圖2可以看出殘差具有正態(tài)分布的趨勢(shì)，因此可以認(rèn)為回歸模型是恰當(dāng)?shù)?。直方圖圖1標(biāo)準(zhǔn)化殘差直方圖標(biāo)腐化殘雉的標(biāo)制P-P圖期并晌俎和概率圖2標(biāo)準(zhǔn)化殘差正態(tài)P-P圖3.3 因子分析上一部分我們利用線性回歸來(lái)對(duì)各城市地

18、區(qū)生產(chǎn)總值的影響因素進(jìn)行相關(guān)和回歸分析，獲知各種影響指標(biāo)，以及影響程度和方向，但是由于各種變量的多重共線性問(wèn)題，不太利于具體經(jīng)濟(jì)意義解釋，因此我們可以利用因子分析對(duì)構(gòu)成城市綜合經(jīng)濟(jì)實(shí)力的各個(gè)變量提取公因子，對(duì)數(shù)據(jù)進(jìn)行降維處理。首先利用主菜單分析中的降維工具條進(jìn)行因子分析。在對(duì)話框中，依次將“年末總?cè)丝凇薄ⅰ暗貐^(qū)生產(chǎn)總值”、“客運(yùn)量”、“貨運(yùn)量”、“地方財(cái)政預(yù)算內(nèi)收入”、“地方財(cái)政預(yù)算內(nèi)支出”、“固定資產(chǎn)投資總額”、“城鄉(xiāng)居民儲(chǔ)蓄年末余額”、“在崗職工平均工資”、“年末郵政局?jǐn)?shù)”、“年末固定電話用戶數(shù)”、“社會(huì)商品零售總額”、“貨物進(jìn)出口總額”、“年末實(shí)有公共(汽)電車運(yùn)營(yíng)車輛數(shù)”、“劇場(chǎng)、影劇

19、院數(shù)”、“普通高等學(xué)校在校學(xué)生數(shù)”、“醫(yī)院、衛(wèi)生院數(shù)”、“執(zhí)業(yè)(助理)醫(yī)師”、“三廢綜合利用產(chǎn)品總值”添加到“變量”列表中。接著在相應(yīng)的按鈕中選中輸出相關(guān)系數(shù)矩陣和KMO和Bartlett的球形度檢驗(yàn)的復(fù)選框，并且設(shè)置特征根大于1為提取公因子的要求，利用最大方差法進(jìn)行因子旋轉(zhuǎn)，最后保存因子得分變量，并顯示因子得分系數(shù)矩陣，輸出結(jié)果參見(jiàn)表10-表16。(1) KMO和Bartlett的檢驗(yàn)，如表10所示,KMO的取值為0.844,表明變量間有較強(qiáng)的相關(guān)性，數(shù)據(jù)很適合做因子分析。Bartlett檢驗(yàn)的Sig.值為0.000,說(shuō)明數(shù)據(jù)來(lái)自正態(tài)總體，適合進(jìn)一步分析。表10KMO和Bartlett的檢驗(yàn)

20、結(jié)果KMOandBartlett'sTestKaiser-Meyer-OlkinMeasureofSamplingAdequacy.Bartlett'sTestofApprox.Chi-SquareSphericitydfSig.8441123.563171.000(2)變量共同度，指的是按照所選標(biāo)準(zhǔn)提取相應(yīng)數(shù)量主成分后，各變量中信息分別被提取的比例。如表11所示，除了“三廢綜合利用值”的共同度較低之外，大多數(shù)變量共同度都在90犯上，所以提取這幾個(gè)公因子對(duì)各變量的解釋力還可以。表11變量共同度CommunalitiesInitialExtraction年末總?cè)丝?.000.94

21、8地區(qū)生產(chǎn)總值1.000.962客運(yùn)量1.000.697貨運(yùn)量1.000.735地方財(cái)政預(yù)算內(nèi)收入1.000.957地方財(cái)政預(yù)算內(nèi)支出1.000.951國(guó)內(nèi)資產(chǎn)投資總額1.000.835城鄉(xiāng)居民儲(chǔ)蓄1.000.969在崗職工平均工資1.000.876年末郵政局?jǐn)?shù)1.000.865年末固定電話用戶1.000.970社會(huì)商品零售總額1.000.974貨物進(jìn)出口1.000.962年末實(shí)有公共汽1.000.859劇場(chǎng)、影劇院1.000.673高等學(xué)校學(xué)生數(shù)1.000.633醫(yī)院、衛(wèi)生院1.000.922執(zhí)業(yè)助理醫(yī)生1.000.844三廢綜合利用值1.000.341ExtractionMethod:Pr

22、incipalComponentAnalysis.(3)解釋的總方差，由表12中可以看出，“初始特征值”一欄顯示只有前三個(gè)特征值大于1,所以只選取了前三個(gè)公因子；”提取平方和載入”一欄顯示第一公因子的方差貢獻(xiàn)率是63.754%,前三個(gè)公因子的方差總和占所有主成分方差的84.067%,可見(jiàn)選取前三個(gè)因子已足夠替代原來(lái)的變量。表12解釋總方差TotalVarianceExplainedComponentInitialEigenvaluesExtractionSumsofSquaredLoadingsRotationSumsofSquaredLoadingsTotal%ofVarianceCumul

23、ative%Total%ofVarianceCumulative%Total%ofVarianceCumulative%112.11363.75463.75412.11363.75463.7548.96747.19347.19322.65913.99477.7482.65913.99477.7485.54029.15876.3511031.2016.31984.0671.2016.31984.0671.4667.71684.0674.9334.91088.9775.7754.07793.0546.5462.87495.9287.2311.21697.1448.137.72297.8679.11

24、8.62398.49010.083.43798.92711.071.37399.30012.052.27399.57313.026.13799.71014.021.10999.81915.015.07799.89516.010.05599.95017.006.03399.98318.002.01199.99419.001.006100.000ExtractionMethod:PrincipalComponentAnalysis.(4)碎石圖，是按照特征根大小排列的主成分散點(diǎn)圖。如圖3所示，我們可以看到有三個(gè)成分的特征值超過(guò)1。STHO7=81234K47ft91011131415ift1710

25、19成分?jǐn)?shù)圖3碎石圖11(5)成分矩陣，如表13可見(jiàn)，在所有變量中打*號(hào)的三個(gè)變量歸為哪一因子不是很明確，因此有必要進(jìn)行因子旋轉(zhuǎn)。我們利用最大方差法進(jìn)行因子旋轉(zhuǎn)得到的旋轉(zhuǎn)成分矩陣如表14所示。表13成分矩陣ComponentMatrixComponent123年末固定電話用戶.980-.093.026社會(huì)商品零售總額.970-.137.123地方財(cái)政預(yù)算內(nèi)支出.967-.120-.029地區(qū)生產(chǎn)總值.965-.165.056城鄉(xiāng)居民儲(chǔ)蓄.949-.248.078地方財(cái)政預(yù)算內(nèi)收入.944-.254.035執(zhí)業(yè)助理醫(yī)生.909.129.036年末實(shí)有公共汽.810-.387-.231國(guó)內(nèi)資產(chǎn)投資

26、總額.810.409.113在崗職工平均工資.790-.469.177貨物進(jìn)出口.777-.570-.181貨運(yùn)量.762.392.022劇場(chǎng)、影劇院.759-.182.252年末郵政局?jǐn)?shù).711.475-.366客運(yùn)量.669.054-.497醫(yī)院、衛(wèi)生院*.647.697-.130年末總?cè)丝?.676.697-.073三廢綜合利用值.154.084.557高等學(xué)校學(xué)生數(shù)*.420.438.51412表14旋轉(zhuǎn)成分矩陣Component123貨物進(jìn)出口.961.032-.192城鄉(xiāng)居民儲(chǔ)蓄.920.317.151在崗職工平均工資.918.029.178地方財(cái)政預(yù)算內(nèi)收入.918.320.10

27、7地區(qū)生產(chǎn)總值.884.397.149年末實(shí)有公共汽.882.207-.197社會(huì)商品零售總額.873.405.221地方財(cái)政預(yù)算內(nèi)支出.859.455.077年末固定電話用戶.855.470.138劇場(chǎng)、影劇院.729.218.308執(zhí)業(yè)助理醫(yī)生.668.602.185年末總?cè)丝?150.947.169醫(yī)院、衛(wèi)生院.124.945.111年末郵政局?jǐn)?shù).302.866-.156國(guó)內(nèi)資產(chǎn)投資總額.427.748.306貨運(yùn)量.397.731.208客運(yùn)量.508.543-.379高等學(xué)校學(xué)生數(shù).097.451.648三廢綜合利用值.085.012.578aRotatedComponentMatr

28、ix這樣每個(gè)因子就很明確了。第一因子上包括地區(qū)生產(chǎn)總值、地方財(cái)政預(yù)算內(nèi)收入、地方財(cái)政預(yù)算內(nèi)支出、城鄉(xiāng)居民儲(chǔ)蓄年末余額、在崗職工平均工資、年末固定電話用戶數(shù)、社會(huì)商品零售總額、貨物進(jìn)出口總額、年末實(shí)有公共（汽）電車營(yíng)運(yùn)車輛數(shù)、劇場(chǎng)、影劇院、執(zhí)業(yè)（助理）醫(yī)師，可命名為存量因子；第二因子包括年末總?cè)丝?、客運(yùn)量、貨運(yùn)量、固定資產(chǎn)投資總額、年末郵政局（所）數(shù)、醫(yī)院、衛(wèi)生院，可命名為流量因子；第三因子包括普通高等學(xué)校在校學(xué)生數(shù)和三廢綜合利用產(chǎn)品產(chǎn)值，可命名為可持續(xù)因子。（6）成分得分系數(shù)矩陣表15成分得分系數(shù)矩陣ComponentScoreCoefficientMatrixComponent123年末總?cè)?/p>

29、口-.106.253.00513地區(qū)生產(chǎn)總值.101-.016.043客運(yùn)量.028.151-.389貨運(yùn)量-.033.147.058地方財(cái)政預(yù)算內(nèi)收入.119-.039.018地方財(cái)政預(yù)算內(nèi)支出.091.015-.022國(guó)內(nèi)資產(chǎn)投資總額-.033.135.133城鄉(xiāng)居民儲(chǔ)蓄.119-.046.054在崗職工平均工資.157-.140.114年末郵政局?jǐn)?shù)-.059.251-.249年末固定電話用戶.087.012.025社會(huì)商品零售總額.096-.022.099貨物進(jìn)出口.174-.095-.183年末實(shí)有公共汽.136-.029-.208劇場(chǎng)、影劇院.094-.072.197高等學(xué)校學(xué)生數(shù)-

30、.061.041.454醫(yī)院、衛(wèi)生院-.109.264-.041執(zhí)業(yè)助理醫(yī)生.034.073.049三廢綜合利用值-.002-.085.457通過(guò)表15,可知F1（存量因子）=-0.106*年末總?cè)丝?0.101*地區(qū)生產(chǎn)總值+0.028*客運(yùn)量-0.033*貨運(yùn)量+0.119*地方財(cái)政預(yù)算內(nèi)收入+0.091*地方財(cái)政預(yù)算內(nèi)支出-0.033*固定資產(chǎn)投資總額+0.119*城鄉(xiāng)居民儲(chǔ)蓄年末余額+0.157*在崗職工平均工資-0.059*年末郵政局?jǐn)?shù)+0.087*年末固定電話用戶數(shù)+0.096*社會(huì)商品零售總額+0.174*貨物進(jìn)出口總額+0.136*年末實(shí)有公共汽車數(shù)+0.094*劇場(chǎng)、影劇院-

31、0.061*普通高等學(xué)校學(xué)生數(shù)-0.109*醫(yī)院、衛(wèi)生院+0.034*執(zhí)業(yè)（助理）醫(yī)師-0.002*三廢綜合利用值。F2和F3的得分也可類似求出。通過(guò)表16可見(jiàn)，各因子之間是正交的，即相互之間彼此獨(dú)立。表16成分得分協(xié)方差矩陣成份得分協(xié)方差矩陣份成12311.000.000.0002.0001.000.0003.000.0001.000提取方法：主成份。旋轉(zhuǎn)法：具有Kaiser標(biāo)準(zhǔn)化的正交旋轉(zhuǎn)法。3.4 因子分析后續(xù)分析當(dāng)我們獲得了各城市在三個(gè)公因子的得分后，就可以利用因子得分進(jìn)行分類14和排序。我們可以利用計(jì)算變量和排序來(lái)進(jìn)行各城市的經(jīng)濟(jì)綜合得分計(jì)算和排血，具體操作步驟如下：11打開(kāi)數(shù)據(jù)文件，依次單擊“轉(zhuǎn)換”一“計(jì)算變量”命令，彈出如圖4所示的對(duì)話框。圖4“計(jì)算變量”對(duì)話框在“目標(biāo)變量”一欄中輸入“綜合得分”，這一變量將最終代表各個(gè)城市的綜合經(jīng)濟(jì)實(shí)力。綜合得分=0.47193*FAC1_1+0.29158*FAC2_1+0.07716*FAC3_1其中FAC1_1FAC2_1ffiFAC3_1是在做因子分析時(shí)提取的公因子保存變量，前面的系數(shù)是各個(gè)公因子的方差貢獻(xiàn)率。單擊“確定”，返回?cái)?shù)據(jù)文