论文部分内容阅读
摘要：近几年来，中国整体经济发展迅猛。在各地区经济发展中，不同的产业对各地经济增长的贡献是不同的。通过分析，得出不同产业对经济增长的不同贡献情况，可以制定出有针对性的经济发展计划，提升我国整体经济核心竞争力。文章选取中国三十一个省、市、自治区、直辖市为实证研究对象，建立模型，运用统计分析软件中因子分析的方法，研究几个影响因素对中国各个地区生产总值的影响，并对模型进行简单的经济学分析。
关键词：区域经济 生产总值 因子分析
我国是发展中大国，完成我国工业化、市场化、社会化是现在发展生产的重要任务，也是时代赋予的伟大使命。经济发展是我们实现这一历史重任的重要环节。发展经济应是一个分步、有序的过程，只有不断发现和改进经济发展中存在的问题，才能使经济健康稳步的增长。
1 区域经济发展中存在的问题
随着中国成功加入世界贸易组织，我国经济飞速发展，取得成就令世界瞩目。在研究区域经济发展时，我们发现了问题。
第一，区域经济发展不均衡没有得到相当的重视。我国幅员辽阔，经济区域众多，各区域内的经济条件各不相同，导致各区域经济发展不均衡[1]。怎样提高整体效益，是我们要解决的根本问题。区域与产业关系密切，发展区域势必带动该区域内各种产业的发展。把区域整合起来，以一种健康的姿态持续加速我国经济健康发展。
第二，难以通过评定中国各区域经济增长的各种影响因素来找出各区域发展中存在的问题，目前影响各地经济发展的因素众多，怎样找出各个因素、怎样研究它们之间的相互关系，正是我们目前需要解决的问题。
2 指标体系构建
本文所研究的区域经济，是指在我国三十一个省、市、自治区、直辖市内经济发展过程中，受到多种内部因素与外部因素相互影响产生的区域发展综合实体。因此在选取研究区域经济指标的同时，依据指标体系的学术性、全面性、典型性原则，应该考虑到以下几方面[2]：
①分析国家经济总体发展情况，基于国家总体情况研究地区经济的地位。
②各地区域经济发展速度是否与当地总体情况相适应。
③除了重视发展生产，还应发展交通，金融等非生产部门。
本文从农业、工业、建筑业、交通运输仓储和邮政业、住宿和餐饮业、金融业、房地产等方面对中国三十一个省、市、自治区、直辖市进行分析，从而得出各个地区经济发展现状。
3 因子分析模型的应用
因子分析模型的目的是使原始变量分解并简化，在众多变量中筛选出少数几个潜在的信息因子，以反映变量信息的统计分析模型。利用统计分析软件SPSS17.0可以对搜集到的指标数据进行因子分析，对数据进行统计检验、抽取公共因子、输出数据结果等工作。得到公共因子之后，整个计算过程便得到了大大的简化，操作性得到增强。
4 因子分析模型实证分析
4.1 样本来源及指标选取
在我国区域产业经济生产总值分析指标的选取原则上，选择了能充分反映区域经济生产总值的指标，指标应该能够全面、真实有效的反映地区的发展状况。指标数据必须为已有统计数据或经过实际监测获得真实数据，同时应当选取政府关注，且与群众生活密切相关的数据，本文原始数据来自2009年的《中国统计年鉴》，截取我国三十一个省、直辖市、自治区、直辖市生产总值（单位：亿元）有关数据，全方位选取农业、工业等九个指标进行综合分析。
4.2 因子分析的步骤及结果
4.2.1 原始数据的标准化处理
求得相关系数矩阵，巴特利球度检验值为513.699，显著性为0.000，由此可以认为相关系数矩阵不是单位矩阵；同时KMO检验值为0.856，大于0.5，所以数据适合做因子分析，如表1所示。
4.2.2 提取因子
本文使用主成分法提取公共因子，依据选取主因子的特征值必须大于1，且所选取的主因子对方差解释的累计贡献率百分比应大于85%的原则来确定公共因子的个数。据此原则，由表2得到的结果，本文选取了前2个主成分因子，其特征值分别为4.727和3.739，且其累积贡献率达到94.067%，很好地保留了原始数据的信息，我们将这2个公共因子作为评价这31个地区生产总值的综合变量。
4.2.3 因子旋转
为了更好地解释公因子的实际意义，本文用最大方差法对因子进行旋转，即使得每个因子上的载荷尽可能向
±1或0的方向靠近，得到旋转后的因子载荷矩阵如表3所示。
因子载荷反映了公共因子与原有指标变量的关联程度，因子载荷值越高，表明该因子包含该指标的信息量越多。从上表可以看出第一个因子F1在金融业、房地产业、其他、批发和零售业这些指标上都有远大于0.5的载荷，反映了地区第三产业发展情况，把它称为综合经济实力因子；第二个因子F2主要解释了农业、建筑业、交通运输仓储业和邮政业、工业，称为一二产业的发展情况。
4.2.4 因子得分与综合得分
由SPSS得到因子得分系数矩阵如表4所示。
SPSS自动由因子得分系数矩阵给出公共因子的得分，然后以各因子对应的方差贡献率为权数进行线性加权求和，得到各个地区的综合得分，并按综合得分情况对各区域进行排序，见表5。
表5的综合评分显示了各个地区的产业生产总值情况排名，而且从表中可以看出，广东、上海和北京的F1因子成分比重较高，说明其以金融业、房地产业、其他、批发和零售业等衡量第三产业的综合经济实力较强；河南的F2因子比重很高，而F1因子比重较低，即在农业、工业、建筑业、交通运输仓储业和邮政业等第一、第二产业方面发展较好，即其传统产业经济相对更为发达。
5 结论
运用因子分析模型可大致对不同地区经济发展影响因素进行分析。由分析可见，因子F1可以反映金融业、零售业等行业发展情况，即可代表某地区第三产业发展情况；因子F2反映农业建筑业等行业发展情况，即可代表地区第一第二产业发展情况。某些地区，如河南，F2因子比重很高，而F1因子比重较低，说明其传统产业经济相对更为发达，则这些地区应该着重发展第三产业，以平衡经济发展，使该地区经济保持稳定平衡的健康发展状态。
参考文献：
[1]宋焕斌，孙鸿鹏.基于因子分析的区域经济
实力比较[J].辽宁石油化工大学学报，2007.12：
72-80.
[2]李秀洁，张志，郭均.基于因子分析的河南省18地市综合实力问题研究[J].财经政法资讯，2011，5：26-32.
[3]王琳，张清清.因子分析模型在政府环境绩效审计中的运用[J].会计之友，2012，3：83-85.
作者简介：
钟少宁，（1988-），女，山东烟台人，本科（研究生在读），研究方向为管理信息系统。
黄硕，（1990-），女，云南昆明人，本科（研究生在读），研究方向为工业工程。
关键词：区域经济 生产总值 因子分析
我国是发展中大国，完成我国工业化、市场化、社会化是现在发展生产的重要任务，也是时代赋予的伟大使命。经济发展是我们实现这一历史重任的重要环节。发展经济应是一个分步、有序的过程，只有不断发现和改进经济发展中存在的问题，才能使经济健康稳步的增长。
1 区域经济发展中存在的问题
随着中国成功加入世界贸易组织，我国经济飞速发展，取得成就令世界瞩目。在研究区域经济发展时，我们发现了问题。
第一，区域经济发展不均衡没有得到相当的重视。我国幅员辽阔，经济区域众多，各区域内的经济条件各不相同，导致各区域经济发展不均衡[1]。怎样提高整体效益，是我们要解决的根本问题。区域与产业关系密切，发展区域势必带动该区域内各种产业的发展。把区域整合起来，以一种健康的姿态持续加速我国经济健康发展。
第二，难以通过评定中国各区域经济增长的各种影响因素来找出各区域发展中存在的问题，目前影响各地经济发展的因素众多，怎样找出各个因素、怎样研究它们之间的相互关系，正是我们目前需要解决的问题。
2 指标体系构建
本文所研究的区域经济，是指在我国三十一个省、市、自治区、直辖市内经济发展过程中，受到多种内部因素与外部因素相互影响产生的区域发展综合实体。因此在选取研究区域经济指标的同时，依据指标体系的学术性、全面性、典型性原则，应该考虑到以下几方面[2]：
①分析国家经济总体发展情况，基于国家总体情况研究地区经济的地位。
②各地区域经济发展速度是否与当地总体情况相适应。
③除了重视发展生产，还应发展交通，金融等非生产部门。
本文从农业、工业、建筑业、交通运输仓储和邮政业、住宿和餐饮业、金融业、房地产等方面对中国三十一个省、市、自治区、直辖市进行分析，从而得出各个地区经济发展现状。
3 因子分析模型的应用
因子分析模型的目的是使原始变量分解并简化，在众多变量中筛选出少数几个潜在的信息因子，以反映变量信息的统计分析模型。利用统计分析软件SPSS17.0可以对搜集到的指标数据进行因子分析，对数据进行统计检验、抽取公共因子、输出数据结果等工作。得到公共因子之后，整个计算过程便得到了大大的简化，操作性得到增强。
4 因子分析模型实证分析
4.1 样本来源及指标选取
在我国区域产业经济生产总值分析指标的选取原则上，选择了能充分反映区域经济生产总值的指标，指标应该能够全面、真实有效的反映地区的发展状况。指标数据必须为已有统计数据或经过实际监测获得真实数据，同时应当选取政府关注，且与群众生活密切相关的数据，本文原始数据来自2009年的《中国统计年鉴》，截取我国三十一个省、直辖市、自治区、直辖市生产总值（单位：亿元）有关数据，全方位选取农业、工业等九个指标进行综合分析。
4.2 因子分析的步骤及结果
4.2.1 原始数据的标准化处理
求得相关系数矩阵，巴特利球度检验值为513.699，显著性为0.000，由此可以认为相关系数矩阵不是单位矩阵；同时KMO检验值为0.856，大于0.5，所以数据适合做因子分析，如表1所示。
4.2.2 提取因子
本文使用主成分法提取公共因子，依据选取主因子的特征值必须大于1，且所选取的主因子对方差解释的累计贡献率百分比应大于85%的原则来确定公共因子的个数。据此原则，由表2得到的结果，本文选取了前2个主成分因子，其特征值分别为4.727和3.739，且其累积贡献率达到94.067%，很好地保留了原始数据的信息，我们将这2个公共因子作为评价这31个地区生产总值的综合变量。
4.2.3 因子旋转
为了更好地解释公因子的实际意义，本文用最大方差法对因子进行旋转，即使得每个因子上的载荷尽可能向
±1或0的方向靠近，得到旋转后的因子载荷矩阵如表3所示。
因子载荷反映了公共因子与原有指标变量的关联程度，因子载荷值越高，表明该因子包含该指标的信息量越多。从上表可以看出第一个因子F1在金融业、房地产业、其他、批发和零售业这些指标上都有远大于0.5的载荷，反映了地区第三产业发展情况，把它称为综合经济实力因子；第二个因子F2主要解释了农业、建筑业、交通运输仓储业和邮政业、工业，称为一二产业的发展情况。
4.2.4 因子得分与综合得分
由SPSS得到因子得分系数矩阵如表4所示。
SPSS自动由因子得分系数矩阵给出公共因子的得分，然后以各因子对应的方差贡献率为权数进行线性加权求和，得到各个地区的综合得分，并按综合得分情况对各区域进行排序，见表5。
表5的综合评分显示了各个地区的产业生产总值情况排名，而且从表中可以看出，广东、上海和北京的F1因子成分比重较高，说明其以金融业、房地产业、其他、批发和零售业等衡量第三产业的综合经济实力较强；河南的F2因子比重很高，而F1因子比重较低，即在农业、工业、建筑业、交通运输仓储业和邮政业等第一、第二产业方面发展较好，即其传统产业经济相对更为发达。
5 结论
运用因子分析模型可大致对不同地区经济发展影响因素进行分析。由分析可见，因子F1可以反映金融业、零售业等行业发展情况，即可代表某地区第三产业发展情况；因子F2反映农业建筑业等行业发展情况，即可代表地区第一第二产业发展情况。某些地区，如河南，F2因子比重很高，而F1因子比重较低，说明其传统产业经济相对更为发达，则这些地区应该着重发展第三产业，以平衡经济发展，使该地区经济保持稳定平衡的健康发展状态。
参考文献：
[1]宋焕斌，孙鸿鹏.基于因子分析的区域经济
实力比较[J].辽宁石油化工大学学报，2007.12：
72-80.
[2]李秀洁，张志，郭均.基于因子分析的河南省18地市综合实力问题研究[J].财经政法资讯，2011，5：26-32.
[3]王琳，张清清.因子分析模型在政府环境绩效审计中的运用[J].会计之友，2012，3：83-85.
作者简介：
钟少宁，（1988-），女，山东烟台人，本科（研究生在读），研究方向为管理信息系统。
黄硕，（1990-），女，云南昆明人，本科（研究生在读），研究方向为工业工程。