我國各地區第三產業發展狀況分析

羅雨婷+林卉

（山東科技大學）

【摘要】本文在寫作前查閱了大量有關第三產業發展方面的資料，大量引用了2015年我國各地區第三產業有關數據，基于多元統計分析中的因子分子法，利用SPSS分析軟件，對各地區第三產業的發展狀況進行了分析。

【關鍵詞】因子分析 SPSS 第三產業

使用軟件：SPSS

一、引言

因子分析是多元統計分析的一種重要方法，其主要特點在于可探索不易觀測或不能觀察的潛在因素。Charles Spearman在1904年發表的“對智力測驗得分進行統計分析”的著名文章，可以說是因子分析的首創，至今它已發展成為多元統計分析中較為成熟的一個分支。因子分析最初應用于教育心理學，現已廣泛應用于社會調查、教育測量、心理分析和成因分析等領域。

二、數據處理

第一步：錄入數據

有以下變量：地區，農林牧漁服務業（x1），交通運輸倉儲及郵電通信業（x2），批發零售業（x3），住宿及餐飲業（x4），金融業（x5），房地產業（x6），衛生及社會福利業（x7），文化、體育和娛樂業（x8），科學研究和綜合技術服務業（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，【原始分析結果】表示輸出因子分析的初始解；【系數】表示輸出相關系數矩陣；【反應象】表示輸出反應象相關矩陣；【KMO和Bartlett的球形度檢驗】表示進行巴特利球度檢驗和KMO檢驗.

由于原有變量存在數量級差異，因此選擇“相關性矩陣”進行分析；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相關的信息，在這里選擇“旋轉解”和“載荷圖”。其中，【旋轉解】表示輸出旋轉后的因子載荷矩陣，【載荷圖】表示輸出旋轉后的因子載荷散點圖。

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”法進行分析計算因子得分。并且顯示因子得分系數矩陣。

三、 結果分析

1.考察原有變量是否適合進行因子分析

由表2-1可知，巴特利特球度檢驗統計量的觀測值為459.095，相應的概率 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，則應拒絕原假設，認為相關系數矩陣與單位陣有顯著差異。同時，KMO值為0.892，根據Kaiser的KMO度量標準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），x6（房地產業），x10（其他），x3（批發零售業）在第一個因子上有較高的載荷，可解釋為經濟類指標；其他指標則在第二個因子上有較高的載荷，可解釋為非經濟類指標。與旋轉前相比，因子含義比較清晰。

提取方法：主成份分析。

旋轉方法：Kaiser 標準化最大方差法。

a. 旋轉在 3 次迭代后已收斂。

3.各省市自治區的綜合評價

可利用因子得分變量對地區進行對比研究。

首先，繪制兩因子得分變量的散點圖，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（省市），其他樣本（地區）較相似。山東的第二因子得分最高，表明非經濟類的第三產業增加值遠遠高于其他；第一因子得分居平均值，表明經濟類第三產業增加值與其他地區差異不大。江蘇的兩個因子得分均比較高，都高于平均水平，因此總體上江蘇的第三產業增加值是較高的。廣東的第一因子得分最高，表明經濟類第三產業增加值遠高于其他省市；第二因子得分略低于平均值，表明非經濟類第三產業增加值與其他地區差異不明顯。

四、總結與結論

1.首先通過KMO和巴特利特球度檢驗與相關矩陣，得出變量是否適合進行因子分析，其次要進行檢驗從而得出因子個數。

2.對因子分析模型進行正交因子旋轉（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果。

3.根據檢驗結果把因子分析模型的各系數帶入方程后，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：

[1]薛薇.統計分析與SPSS的應用[M].中國人民大學出版社.

[2]國家統計局.中國統計年鑒，2015.