我國(guó)各地區(qū)第三產(chǎn)業(yè)發(fā)展?fàn)顩r分析

羅雨婷+林卉

（山東科技大學(xué)）

【摘要】本文在寫作前查閱了大量有關(guān)第三產(chǎn)業(yè)發(fā)展方面的資料，大量引用了2015年我國(guó)各地區(qū)第三產(chǎn)業(yè)有關(guān)數(shù)據(jù)，基于多元統(tǒng)計(jì)分析中的因子分子法，利用SPSS分析軟件，對(duì)各地區(qū)第三產(chǎn)業(yè)的發(fā)展?fàn)顩r進(jìn)行了分析。

【關(guān)鍵詞】因子分析 SPSS 第三產(chǎn)業(yè)

使用軟件：SPSS

一、引言

因子分析是多元統(tǒng)計(jì)分析的一種重要方法，其主要特點(diǎn)在于可探索不易觀測(cè)或不能觀察的潛在因素。Charles Spearman在1904年發(fā)表的“對(duì)智力測(cè)驗(yàn)得分進(jìn)行統(tǒng)計(jì)分析”的著名文章，可以說是因子分析的首創(chuàng)，至今它已發(fā)展成為多元統(tǒng)計(jì)分析中較為成熟的一個(gè)分支。因子分析最初應(yīng)用于教育心理學(xué)，現(xiàn)已廣泛應(yīng)用于社會(huì)調(diào)查、教育測(cè)量、心理分析和成因分析等領(lǐng)域。

二、數(shù)據(jù)處理

第一步：錄入數(shù)據(jù)

有以下變量：地區(qū)，農(nóng)林牧漁服務(wù)業(yè)（x1），交通運(yùn)輸倉(cāng)儲(chǔ)及郵電通信業(yè)（x2），批發(fā)零售業(yè)（x3），住宿及餐飲業(yè)（x4），金融業(yè)（x5），房地產(chǎn)業(yè)（x6），衛(wèi)生及社會(huì)福利業(yè)（x7），文化、體育和娛樂業(yè)（x8），科學(xué)研究和綜合技術(shù)服務(wù)業(yè)（x9），其他（x10）.

第二步：基本操作， 具體步驟如下：

1.選擇菜單：【分析】→【降維】→【因子分析】。選擇參與因子分析的變量到【變量】框中.

2. 其中，【原始分析結(jié)果】表示輸出因子分析的初始解；【系數(shù)】表示輸出相關(guān)系數(shù)矩陣；【反應(yīng)象】表示輸出反應(yīng)象相關(guān)矩陣；【KMO和Bartlett的球形度檢驗(yàn)】表示進(jìn)行巴特利球度檢驗(yàn)和KMO檢驗(yàn).

由于原有變量存在數(shù)量級(jí)差異，因此選擇“相關(guān)性矩陣”進(jìn)行分析；在【特征值大于】框中輸入“1”，SPSS將提取大于1的特征值；在【輸出】框中選擇輸出“未旋轉(zhuǎn)的因子解”和“碎石圖”.

其中，【最大方差法】為方差極大法；在【輸出】框中指定輸出與因子旋轉(zhuǎn)相關(guān)的信息，在這里選擇“旋轉(zhuǎn)解”和“載荷圖”。其中，【旋轉(zhuǎn)解】表示輸出旋轉(zhuǎn)后的因子載荷矩陣，【載荷圖】表示輸出旋轉(zhuǎn)后的因子載荷散點(diǎn)圖。

選中【保存為變量】，表示因子得分被保存在SPSS變量中。在【方法】中選中“回歸”法進(jìn)行分析計(jì)算因子得分。并且顯示因子得分系數(shù)矩陣。

三、 結(jié)果分析

1.考察原有變量是否適合進(jìn)行因子分析

由表2-1可知，巴特利特球度檢驗(yàn)統(tǒng)計(jì)量的觀測(cè)值為459.095，相應(yīng)的概率 P-值接近0。如果顯著性水平α為0.05，由于概率P-值小于顯著性水平α，則應(yīng)拒絕原假設(shè)，認(rèn)為相關(guān)系數(shù)矩陣與單位陣有顯著差異。同時(shí)，KMO值為0.892，根據(jù)Kaiser的KMO度量標(biāo)準(zhǔn)可知原有變量適合因子分析。

2.因子的命名解釋

由表4-1可知，x5（金融業(yè)），x6（房地產(chǎn)業(yè)），x10（其他），x3（批發(fā)零售業(yè)）在第一個(gè)因子上有較高的載荷，可解釋為經(jīng)濟(jì)類指標(biāo)；其他指標(biāo)則在第二個(gè)因子上有較高的載荷，可解釋為非經(jīng)濟(jì)類指標(biāo)。與旋轉(zhuǎn)前相比，因子含義比較清晰。

提取方法：主成份分析。

旋轉(zhuǎn)方法：Kaiser 標(biāo)準(zhǔn)化最大方差法。

a. 旋轉(zhuǎn)在 3 次迭代后已收斂。

3.各省市自治區(qū)的綜合評(píng)價(jià)

可利用因子得分變量對(duì)地區(qū)進(jìn)行對(duì)比研究。

首先，繪制兩因子得分變量的散點(diǎn)圖，如圖所示。

其中，橫軸表示因子變量1，縱軸為因子變量2.

觀察圖可見，山東、上海、江蘇、廣東是較為特殊的點(diǎn)（省市），其他樣本（地區(qū)）較相似。山東的第二因子得分最高，表明非經(jīng)濟(jì)類的第三產(chǎn)業(yè)增加值遠(yuǎn)遠(yuǎn)高于其他；第一因子得分居平均值，表明經(jīng)濟(jì)類第三產(chǎn)業(yè)增加值與其他地區(qū)差異不大。江蘇的兩個(gè)因子得分均比較高，都高于平均水平，因此總體上江蘇的第三產(chǎn)業(yè)增加值是較高的。廣東的第一因子得分最高，表明經(jīng)濟(jì)類第三產(chǎn)業(yè)增加值遠(yuǎn)高于其他省市；第二因子得分略低于平均值，表明非經(jīng)濟(jì)類第三產(chǎn)業(yè)增加值與其他地區(qū)差異不明顯。

四、總結(jié)與結(jié)論

1.首先通過KMO和巴特利特球度檢驗(yàn)與相關(guān)矩陣，得出變量是否適合進(jìn)行因子分析，其次要進(jìn)行檢驗(yàn)從而得出因子個(gè)數(shù)。

2.對(duì)因子分析模型進(jìn)行正交因子旋轉(zhuǎn)（方差極大法）、因子得分，建立初始因子載荷陣從而的出分析結(jié)果。

3.根據(jù)檢驗(yàn)結(jié)果把因子分析模型的各系數(shù)帶入方程后，得到最終的因子分析方程為：

=-0.232x1+0.098x2+0.22x3+0.097x4+0.377x5+0.283x6-0.141x7-0.104x8-0.107x9+0.266x10

=0.397x1+0.072x2-0.057x3+0.074x4-0.248x5-0.13x6+0.312x7+0.28x8+0.262x9-0.111x10

參考文獻(xiàn)：

[1]薛薇.統(tǒng)計(jì)分析與SPSS的應(yīng)用[M].中國(guó)人民大學(xué)出版社.

[2]國(guó)家統(tǒng)計(jì)局.中國(guó)統(tǒng)計(jì)年鑒，2015.