我国各地区第三产业发展状况分析

1、    我国各地区第三产业发展状况分析    罗雨婷+林卉（山东科技大学）【摘要】本文在写作前查阅了大量有关第三产业发展方面的资料，大量引用了2015年我国各地区第三产业有关数据，基于多元统计分析中的因子分子法，利用spss分析软件，对各地区第三产业的发展状况进行了分析。【关键词】因子分析 spss 第三产业使用软件：spss一、引言因子分析是多元统计分析的一种重要方法，其主要特点在于可探索不易观测或不能观察的潜在因素。charles spearman在1904年发表的“对智力测验得分进行统计分析”的著名文章，可以说是因子分析的首创，至今它已发展成为多元

2、统计分析中较为成熟的一个分支。因子分析最初应用于教育心理学，现已广泛应用于社会调查、教育测量、心理分析和成因分析等领域。二、数据处理第一步：录入数据有以下变量：地区，农林牧渔服务业（x1），交通运输仓储及邮电通信业（x2），批发零售业（x3），住宿及餐饮业（x4），金融业（x5），房地产业（x6），卫生及社会福利业（x7），文化、体育和娱乐业（x8），科学研究和综合技术服务业（x9），其他（x10）.第二步：基本操作， 具体步骤如下：1.选择菜单：【分析】【降维】【因子分析】。选择参与因子分析的变量到【变量】框中.2. 其中，【原始分析结果】表示输出因子分析的初始解；【系数】表示输出相关系数矩

3、阵；【反应象】表示输出反应象相关矩阵；【kmo和bartlett的球形度检验】表示进行巴特利球度检验和kmo检验.由于原有变量存在数量级差异，因此选择“相关性矩阵”进行分析；在【特征值大于】框中输入“1”，spss将提取大于1的特征值；在【输出】框中选择输出“未旋转的因子解”和“碎石图”.其中，【最大方差法】为方差极大法；在【输出】框中指定输出与因子旋转相关的信息，在这里选择“旋转解”和“载荷图”。其中，【旋转解】表示输出旋转后的因子载荷矩阵，【载荷图】表示输出旋转后的因子载荷散点图。选中【保存为变量】，表示因子得分被保存在spss变量中。在【方法】中选中“回归”法进行分析计算因子得分。并且显

4、示因子得分系数矩阵。三、 结果分析1.考察原有变量是否适合进行因子分析由表2-1可知，巴特利特球度检验统计量的观测值为459.095，相应的概率 p-值接近0。如果显著性水平为0.05，由于概率p-值小于显著性水平，则应拒绝原假设，认为相关系数矩阵与单位阵有显著差异。同时，kmo值为0.892，根据kaiser的kmo度量标准可知原有变量适合因子分析。2.因子的命名解释由表4-1可知，x5（金融业），x6（房地产业），x10（其他），x3（批发零售业）在第一个因子上有较高的载荷，可解释为经济类指标；其他指标则在第二个因子上有较高的载荷，可解释为非经济类指标。与旋转前相比，因子含义比较清晰。提取

5、方法：主成份分析。旋转方法：kaiser 标准化最大方差法。a. 旋转在 3 次迭代后已收敛。3.各省市自治区的综合评价可利用因子得分变量对地区进行对比研究。首先，绘制两因子得分变量的散点图，如图所示。其中，横轴表示因子变量1，纵轴为因子变量2.观察图可见，山东、上海、江苏、广东是较为特殊的点（省市），其他样本（地区）较相似。山东的第二因子得分最高，表明非经济类的第三产业增加值远远高于其他；第一因子得分居平均值，表明经济类第三产业增加值与其他地区差异不大。江苏的两个因子得分均比较高，都高于平均水平，因此总体上江苏的第三产业增加值是较高的。广东的第一因子得分最高，表明经济类第三产业增加值远高于其

6、他省市；第二因子得分略低于平均值，表明非经济类第三产业增加值与其他地区差异不明显。四、总结与结论1.首先通过kmo和巴特利特球度检验与相关矩阵，得出变量是否适合进行因子分析，其次要进行检验从而得出因子个数。2.对因子分析模型进行正交因子旋转（方差极大法）、因子得分，建立初始因子载荷阵从而的出分析结果。3.根据检验结果把因子分析模型的各系数带入方程后，得到最终的因子分析方程为：=-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