国际贸易-因子分析法

1、运用因子分析方法对于我国进出口商品结构分类的分析探讨李 乐 夫2 0 0 5年5月 26日运用因子分析的方法对我国进出口商品结构分类的分析探讨李 乐 夫Lilefu00（ 经济系 经硕041班 学号：2004211643 ）摘要：目前对于进出口结构的分析是我国国际贸易研究的一个热点，这些研究的重点，虽然都不是探讨分类本身的，但大多都沿用了国际标准中的二分法，即：把十类进出口商品分为“初级产品”和“工业制成品”，进行分类探讨的基础。但这种方法从应用上而言，由于多维性和强相关性不利于数理分析进行，对于其经济学属性更有待考查。本文选取因子分析方法对于现有的进出口商品结构分类进行分析，利用SAS软件中

2、的实证性因子分析（CFA）检测原有分类，验证传统分类方法在中国是否具有不同的经济学属性，又用探索性因子分析(EFA)得出新的结果，加以比较。最后得出十种产品并没有明显的归为两类因子，既原有的初级产品和工业制成品的分类基本上没有体现出数据内在的经济学属性等四点结论。关键词：因子分析；进出口；商品结构一、 问题的提出：现有分类方法的不足近年来随着中国加入WTO，逐步扩大市场准入，对外贸易的发展经历前所未有的冲击和机遇。从粗略的统计数字上看，进出口总额从1997年底的3252亿美元增加到2004年的1.15万亿美元，增长357%，贸易总额占世界贸易总额的比重由1997年底的2.9%上升到2001年的

3、4.3%，2004年所在份额由上年居世界第四位上升为第三位，预计2005年将达到6.5%左右。虽然总量和所占份额节节攀升，但贸易中所暴露出的问题引起了诸多的探讨，“做大”是否等于“做强”？贸易质量究竟如何，是否给国家与总量相互匹配的利益？都成为关注的重点。总体上来说，各种观点纷纷将国家能否在贸易博弈中取胜的关键归结为政策层面规章制度的调整和微观层面上对于进出口商品结构的分析。温家宝总理在2004年的政府工作报告中把优化商品结构作为对外开放工作的首位强调，提出：“一要加快转变对外贸易增长方式。优化出口商品结构，促进加工贸易升级，保持出口继续增长。继续搞好能源、重要原材料、关键技术和重大设备的进口

4、。改革口岸管理体制，加快大通关建设。妥善处理国际贸易摩擦和 2纠纷。” 可见优化进出口结构研究的重要性。1、 简要综述在2000年左右以及这之前的论文中，多数观点的论证都是建立在简单分析的基础之上，基本上不结合数据或者只是简单总结数据的发展趋势，如刘重力2结合简单数据列举，认为中国目前必须摆脱过分强调中国同其他国家经济上的差异性和互补性的比较优势指导思想化比较优势为竞争优势；从2000年以后，随着数据时间序列的延长和国际贸易理论的成熟，虽然定性分析还占有很大份额，但同时定量化分析悄然兴起，各种统计手段以及数学建模工具开始大规模应用于国际贸易分析，其中很多都是数学方法都是较为复杂艰深，属于首度运

5、用于进出口商品结构分析。魏龙、白雪3运用RCA法和出口竞争力指标进行了数据分析，并且对外贸易结构存在的问题提出了对策和建议。该分析没有使用复杂的数学模型，仅借用RCA这一反映贸易结构和贸易依存状况的指标和关贸总协定(GATT)1994制订的出口竞争力标准来描述结构问题；崔蔚，王立元，王惠文4运用球坐标变换的成分数据预测方法，研究我国出口商品结构的动态变化规律，对中国出口商品结构的发展趋势进行分析与预测。文章把各商品组成部分占贸易总体的比例数据用成分数据(compositional data)来表述，通过对于向量的变换进行建模。研究表明，近十年期间我国的出口商品结构正快速由劳动密集型商品向资本密

6、集型和技术密集型商品过渡，初级产品比重的不断下降，机械及运输设备的比重迅速提高；薛国琴5采用回归分析对GDP、出口总值与初级产品、制成品出口值的相关性作了回归分析，但每次只能选取一个变量进行回归，所以建模和结论都相对简单；许和连，赖明勇6运用新型的多元统计数据分析方法“偏最小二乘（PLS）回归方法”，分析了影响出口贸易的相关因 素及其影响程度。综合以上可以看出对于进出口需要结构调整的观点比较统一，结论也比较统一，既认为现在的问题是初级产品或能源来产品出口较多，工业制成品中知识密集型产品的出口较少，虽然这一份额在向有利的方向迫近，例如机械合运输设备出口明显增加等等，但还应进一步增加高附加值产品的

7、出口。对于该种结论的讨论并非本文的重点，值得注意的是以上论点考察问题的前提，既进出口商品的分类结构本身。进口商品结构是指一国对外贸易中各商品组成部分在贸易总体中的地位和比例关系，它可以反映国家经济发展水平和商品的国际市场竞争力。无论是利用模型拟合还是引证数据，以上研究都建立在把进出口产品按照联合国国际121 温家宝总理政府工作报告（全文） 中国产品出口结构研究，南开经济研究，年第期。3 中国出口商品结构现状及调整策略武汉理工大学学报(社会科学版)2003年，4月。4 中国出口商品结构的预测分析，系统工程，2003年7月。5 中国出口商品结构与中国经济发展的实证分析，绍兴文理学院学报，2004年

8、4月。6 影响中国出口贸易相关因素的实证分析，软科学 2002年第16卷。贸易标准分类，分为初级产品和工业制成品两大类，初级产品包括：粮食和活动物、饮料、非食用原料、矿物燃料、动植物油脂等5类产品; 工业制成品包括：化学品以及有关产品、轻纺产品、橡胶制品矿冶产品及其制品、机械以及运输设备、杂项制品、未分类的其它商品等5类。现代研究中通常以工业制成品在进口总值中所占比值的高低来衡量一国进口商品结构的优劣程度。2、现有分类作为基础在研究中的局限关于这种分类方法本身的探讨并不多见，这里暂且不讨论其理论上的成立性，仅仅从是否有利于各种统计分析入手，可以发现该分类因具有高纬度和高相关度而产生的一些不足。

9、 这种分类变量间的相关性很强。总分类之间的相关性极高，运用SAS9.1对于进出口的初级产品和工业制成品进行相关系数的检验，结果如下：出口初级产品 出口工业制成品出口初级产品 1.00000 0.96451<.0001出口工业制成品 0.96451 1.00000<.0001进口初级产品 进口工业制成品进口初级产品 1.00000 0.98024<.0001进口工业制成品 0.98024 1.00000<.0001同时在十种进出口商品间的相关性也都普遍很高，这在后文的论证中会详细提出。相关性强使得很多多元回归分析的数量手段无法使用，例如在多元线性回归中，要求解释变量间是独

10、立同分布的，所以在应用线性回归时，一般研究者只能逐个变量进行一元回归比较，例如薛国琴7用国内生产总值和初级产品出口值的各自数据作逐个一元回归分析，无法综合得出完整的模型。同时这种情况也呼唤新的统计手段引入进出口结构分析，前文的几篇数理分析的文章正是在此背景下寻觅的新方法。这些方法都有意或者无意的避开了相关性高的数据特点。其次这种分类方法中有尚不明确的因素存在，包括“未分类的其它产品”。从中国统计年鉴来看，把“未分类的其它商品”归为工业制成品类，这种归类是否合乎经济学规律，仍有待从统计数据上进行考查。7 中国出口商品结构与中国经济发展的实证分析，绍兴文理学院学报，2004年4月。3、总结应该说，

11、这种建立在国际标准基础上的分类方法在数据采集上是合理的，便于海关等部门登记统计，而在经济分析中是否合理则需要考查。把初始的十个变量归为两类，则是默认了这两类从经济学属性而言存在一定差别，既有一种共同的属性决定了粮食和活动物饮料、非食用原料、矿物燃料、动植物油脂归为的初级产品不同于化学品以及有关产品、轻纺产品、橡胶制品矿冶产品及其制品、机械以及运输设备、杂项制品、未分类的其它商品的工业制成品类。这种差别和分类在经济过程中的反映自然应该是进出口商品的统计数据。通过粗略分析，可以看出统计数据存在多纬度和强相关性的特点。针对此点，本文选取因子分析方法对于现有的进出口商品结构分类进行分析，以验证传统二分

12、法在中国是否具有相应的不同经济学属性。二、 数据来源和分析方法选取1、数据来源本文分析所用的数据主要来自于中国统计年鉴2004卷8 中“海关历年出口商品分类金额”和“海关历年进口商品分类金额”中关于十种商品进出口情况的数据。在建模过程中，将变量做如下定义：总量：X1: 出口总额 X2: 进口总额X11: 出口总额初级产品总额 X12: 出口总额工业制成品总额 X21: 进口总额初级产品总额 X22: 进口总额工业制成品总额 出口类：X3: 出口食品以及主要供食用的活动物 X4: 出口饮料以及烟类X5: 出口非食用原料 X6: 出口矿物燃料润滑油以及原料 X7: 出口动植物油脂及蜡 X8: 出口

13、化学品以及有关产品 X9: 出口轻纺产品、橡胶制品矿冶产品及其制品 X10: 出口机械以及运输设备 X11: 出口杂项制品 X12: 出口未分类的其它商品 进口类：X13: 进口食品以及主要供食用的活动物 X14: 进口饮料以及烟类X15: 进口非食用原料 X16: 进口矿物燃料、润滑油以及原料 899 刘洪 主编，中国统计年鉴2004，中国统计出版社，2004年版。 具体表格见附表。X17: 进口动植物油脂及蜡 X18: 进口化学品以及有关产品 X19: 进口轻纺产品、橡胶制品矿冶产品及其制品 X20: 进口机械以及运输设备X21: 进口杂项制品 X22: 进口未分类的其它商品拟对进口类的X

14、3至X12、以及对X13至X22进行因子分析。2、因子分析方法一般对于高纬度和高相关性的数据进行分析，可以选取主成分分析和因子分析等分析方法。本文所涉及的数据具有这样的特点，进出口各有十个变量之多，而且之间的相关性很高。见下表：出口十种产品的相关系数表进口十种产品的相关系数表从以上表格中可以看出大部分变量间的相关程度都大于0.5，虽然最小的只有0.00915，但更多的变量相关系数接近于1。主成分分析主要的目的是降维，而考虑到本文是在研究各个变量间的归类以及要求在下一步回归中继续使用的目的，本文选用因子分析。因子分析是一种实用的多元统计方法。因子分析在主要目的是浓缩数据，它通过研究众多变量之间的

15、内部依赖关系来探求观测数据中的基本结构，并用少数几个假想变量来表示基本的数据结构，从而达到归类的目的。因为这些假想变量能够反映原来众多的观测变量所代表的信息，并解释这些观测变量之间的相互依存关系，我们把这些假想变量称之为因子。因子分析就是研究如何以最少的信息丢失把众多的观测变量浓缩为少数几个因子。通过因子分析 6把一组观测变量按照荷载（loading）分类，转化为少数几个因子，然后还可以进一步将原始观测变量的信息转化为这些因子的值，然后用这些因子代替原来的观测变量进行统计分析。举一个简单的例子，有五个高度相关的变量，我们把每个变量看成有两个组成部分，一是共，既相关的部分，也称为公因子；二是个性

16、（n），既每个数据除相关性之外的部分，性（fm）称为特殊因子。因子分析就是通过相关性的分类，把共性部分总结出来，将五个变量分类。详情见下图：12 3 45由于这些严格讲，设共有k个反映进出口增长能力的指标，分别为X1，X2，Xk，变量之间受到某种共同因素的影响，这些变量的相关程度较高，信息发生重叠。因子分析的首先将指标中相关成分剔除，将指标的不同差异集中起来，重新分类，以形成一些新的假想变量。设从k个指标中寻找到少数几个假想变量f1，f2，fm，(m<k)这些假想变量由经济过程中起支配作用的共同要素决定，既我们对变量分类时默认的分类标准，这种标准可能是抽象的，也可能是可以用语言表述出来的

17、，但是无论如何应该在数据中体现出来，因为分类的最终目的是便于统计计算，所要考虑的也是分类后变量具有相同的经济属性，既公因子。这些公因子不但充分显示原始指标的信息，又彼此独立，有效的防止信息重叠，大大方便了下一步的统计分析。从模型角度讲，因子分析的一般表达形式为:XX12=11f1+12f2+.+1mfm+1=21f2+22f2+.+2mfm+2.Xk=k1f1+k2f2+.+kmfm+k是具有零均值、单位方差的标模型中f为公因子，n为特殊因子，X1，X2，Xk，准化变量。ij称为因子负载，它是第i个变量在第j个因子上的负载，通过此负载可以进行变量的分类。特殊因子和公因子之间也是彼此独立的。我们

18、同时定义观测变量的方差中由公因子决定的比例为共同度（用h表示），当公因子之间彼此正交时，公因子方差，即共同度等于和该变量有关的因子负载的平方和，即hij=ai1+ai2+.+aim。其意义在于说明当有原始观测变量空间转为因子空间时，原来每个变量的信息被保留的程度。hij越接近于1，说明原始观测变量能被公因子说明的程度越高。正是通过各个变量的共同度来决定了同一个因子主要解释了哪几个变量，从而达到归类的效果。在提取公因子时可以采用主成分分析法。运用主成分分析法提取公因子利用了原始观测变量的相关系数矩阵，通过求解相关系数矩阵的特征根，得到k个特征值和对应的k个单位特征向量。把k个特征值按从大到小的顺

19、序排列，1>2>.>k ，可以证明这k个特征值代表了k个主成分所解释的观测变量的方差。设特征根p(=1，2，.)对应的特征向量为Vp=(v1p,v2p,.vkp)，则模型(1)中的因子载荷aip可得。以上就是因子分析的基本原理，在对于数据的处理中，可以得到因子分类的结果，这就是探索性因子分析，从没有分类到有分类；而本文的研究重点在于研究原始分类的中却与否，所以本文用到了实证性因子分析(CFA)，首先对于已有分类进行检验再进行探索性因子分析。所谓实证性因子分析(CFA)基本原理和前文介绍的一致，只是改生成模型而改为对已有模型的检验，当然这种比较是建立在“完备模型”的基础上的，所

20、谓“完备模型”就是把没个变量列为一个因子而不加分类的模型，这个模型没有简化数据所以其结果没有意义，但却可以作为现有模型的标尺，来告诉我们分类后的模型拟合得有多“差”。选择的具体的CFA方法为SAS系统默认的最大似然估计方法。对于拟合优度的描述和一般模型的输出结果类似，都是观察的大小。而实际上，由于大小对于观测样本n比较敏感等原因，所以SAS在CFA的输出中提供了GFI (goodness of fit index)、AGFI (adjusted GFI)、他们都在0到1之间，22'222 8和n无关，主观判断标准为GFI在0.95到1之间是好的，在0.90以上可以接受；AGFI值在0.

21、90到1间是好的，大于0.80就可以接受。由于此二值数理推倒比较繁琐固略去不写。另外有两点需要说明：一般而言，在进行因子分析后，还要对样本进行综合评价，给出因子对应每个样本上的值，这些值称为因子值，然后根据方差贡献率作为这个因子的权重，建立综合评价模型。本文由于没有涉及到后续的多元数据处理，所以不探讨因子的具体形式，仅将研究重点放在对已有分类的讨论，所以省略综合评价等步骤；第二，为了更好的得出结论，本文在运用SAS9.1进行探索性因子分析时使用了前文提到的主成分分析法（princomp）提取因子，进行方差最大化旋转（varimax），这是在最为主流的两种方法。当然除此外还存在很多种方法，但在使

22、用其它方法时，如最大似然估计法（most likelihood）进行分析效果都不十分理想，限于篇幅这里忽略此部分内容。按照理想的预期，将进出口的十个变量归类后，应该归为两类，既有两个公因子决定了十个变量的共性，这样的预期是否正确呢？下文将以实证方法预测。三、 实证分析实证性因子分析检验（CFA）首先对于进口数据进行CFA检验，结果如下，其中左图为出口数据检验，右图为进口数据检验，其中2(chi-square)分别为102.4677，82.7761。而两个模型优度的GFI 和AGFI，可以发现两个模型都是很差的模型，即原始分类非常不合理，均和可以接受的最低限度0.8相差很远。进口数据分类略优于出

23、口分类情况，GFI 为0.5682，AGFI为0.3016；出口数据分类则和最优模型相差更远，GFI 为0.4655，AGFI为0.1354。这说明原始分类存在很大问题。四、 实证分析探索性因子分析1、 对出口数据的实证分析一般而言，选取主成分的原则是特征值（Eigenvalue）大于1，或者接近1，累计贡献率（Cumulative）越高越好，最少应达到70，但更一般的情况是80到90，同时选取主成分的数目应明显小于变量数目，这样才能达到分析的效果。用SAS9.1对进口数据进行因子分析（factor analysis）后，得到10个因子。按照其特征值和贡献率进行分类，第一个特征值解释了68.5

24、7%的方差，其特征值也最大，达到6.86，所以第一个主成分必须选取；第二个特征值解释了17.13%的方差，与一个主成分累计解释率为85.7% ，特征值为1.713，也应当选取；而对于第三主成分，虽然特征值不足1，只有0.8527，但添加一个主成分后可以保存原有信息的94.22%，所以可以保留，也可以不选。相信情况见下表：Eigenvalue Difference Proportion Cumulative1 6.85653010 5.14344153 0.6857 0.68572 1.71308857 0.86041937 0.1713 0.85703 0.85266920 0.5301480

25、6 0.0853 0.94224 0.32252115 0.18753986 0.0323 0.97455 0.13498129 0.04305789 0.0135 0.98806 0.09192340 0.07411350 0.0092 0.99727 0.01780990 0.00972738 0.0018 0.99908 0.00808251 0.00628845 0.0008 0.99989 0.00179407 0.00119426 0.0002 0.999910 0.00059981 0.0001 1.0000为了验证原有的对于十种商品的两个分类是否合理，首先选取两个主成分进行分析

26、。在根据负载分类后，发现除了X7表现出明显的不同外，其它变量都可以归为一类；经过转轴处理后，X4、X7、X12可以归为一类，而其余成分可以归为一类。为了便于下一步分析，以后列举的因子归类都是以转轴后为准；为了进一步保留原有变量的信息，再选取三个因子，发现除了X12成为单归为第三因子外没有明显变化；为了查看X12是否独占一个因子，再选择四个因子，发现X12仍单独为一类，而X6与X7各单独占有一个因子的主要成分。各转轴后的因子情况见以下三表：选取两个因子：Rotated Factor PatternFactor1 Factor2 X3 0.92344 0.34690 X4 0.47060 0.83

27、269 X5 0.69931 0.41856选取三个因子：X3X4X5X6X7X8X9X10X11X12选取四个因子： X6 0.87279 -0.13607 X7 -0.21451 0.91615 X8 0.95438 0.27688 X9 0.95990 0.26655 X10 0.98950 0.01637 X11 0.92651 0.33990 X12 -0.37340 -0.52833 Rotated Factor Pattern Factor1 Factor2 Factor3 0.94895 0.27293 -0.10933 0.52876 0.77921 -0.20011 0.7

28、9110 0.47199 0.26591 0.83968 -0.24118 -0.15807 -0.14839 0.91562 -0.17281 0.95543 0.16627 -0.21728 0.96383 0.16237 -0.19293 0.96650 -0.10177 -0.19942 0.92173 0.21121 -0.29290 -0.28564 -0.26027 0.90385Rotated Factor PatternFactor1 Factor2 Factor3 Factor4X3 0.89987 0.35591 0.09409 -0.21088X4 0.70638 -0

29、.03638 0.58773 -0.30109X5 0.89831 0.14826 0.26528 0.15378X6 0.44896 0.86929 -0.12675 -0.11027X7 0.03040 -0.10110 0.97633 -0.13566X8 0.85228 0.40951 0.00487 -0.31075X9 0.85469 0.42789 0.00796 -0.28286X10 0.75692 0.54342 -0.21093 -0.26746X11 0.83378 0.37106 0.04364 -0.38913X12 -0.19977 -0.13698 -0.214

30、19 0.93174归类后的详情见下表： 选取两个因子时 因子1因子2选取三个因子时 因子1因子2因子3选取四个因子时 因子1因子2因子3因子4由以上分析可以看出，从进出口商品的货物量上不能得出原来初级产品和工业制成品的两种分类，或者可以认为：这两类产品在货物出口的数量上没有明显的差别，仅仅是出口饮料以及烟类和出口动植物油脂及蜡的相关度较高，可以归为一类。工业制成品种有五种商品，其中四种都比较稳定，表现出很强的共性，只有“未分类的其它产品”与之不符。出口未分类的其它商品也表现出与初级产品相似的属性，而如果增加因子数，则未分类的其它商品与其它九种商品都不相符，纠其原因，应该是未分类的产品的出口量

31、变化较大，可能是统计口径上的不同导致的，应进一步明确其属性。 X3 X5 X6 X8 X9 X10 X11 X4 X7 X12 X3 X5 X6 X8 X9 X10 X11 X4 X7 X12 X3 X4 X5 X8 X9 X10 X11 X6 X7 X122、 对进口数据的分析对进口数据与出口数据相似，分析后得到10个因子。按照其特征值和贡献率进行分类，第一个特征值解释了71.75%的方差，其特征值也最大，达到7.17，所以第一个主成分必须选取；第二个特征值解释了10.98%的方差，与一个主成分累计解释率为82.73% ，特征值为1.098，也应当选取；而对于第三主成分，虽然特征值不足1，只

32、有0.81979，但添加一个主成分后可以保存原有信息的90.93%，所以可以保留。同时为了对应出口商品数量，仍选择第四个主成分加以尝试。而且在进口数据分析中，主成分四的特征值更大，所以选择的理由更大。1234 0.63567134 0.42907702 0.0636 0.97295 0.20659432 0.16669158 0.0207 0.99356 0.03990274 0.02820809 0.0040 0.997578 0.00853026 0.00564102 0.0009 0.99959 0.00288923 0.00108298 0.0003 0.999810 0.001806

33、26 0.0002 1.0000转轴后情况如下：选取两个因子Eigenvalue Difference Proportion Cumulative 7.17481201 6.07650608 0.7175 0.7175 1.09830593 0.27851267 0.1098 0.8273 0.81979326 0.18412192 0.0820 0.9093 0.01169465 0.00316439 0.0012 0.9987 Rotated Factor Pattern Factor1 Factor2 X13 0.79188 0.14125 X14 0.01415 0.88779 X15

34、 0.84976 0.49576 X16 0.78189 0.60330 X17 0.86189 -0.19930 X18 0.86529 0.46494 13X19 0.90382 0.39097 X20 0.88686 0.40649 X21 0.90517 0.35327 X22 -0.53002 0.02184选取三个因子Rotated Factor Pattern选取四个因子X13X14X15X16X17X18X19Factor1 Factor2 Factor3 X13 0.73501 -0.32873 -0.04039 X14 0.21484 -0.09215 0.90178 X1

35、5 0.96046 -0.11823 0.21983 X16 0.91779 -0.12166 0.35179 X17 0.70822 -0.35593 -0.39322 X18 0.95474 -0.15728 0.19653 X19 0.92076 -0.31281 0.16039 X20 0.96347 -0.15181 0.12919 X21 0.96808 -0.15254 0.07022 X22 -0.20889 0.94559 -0.09547 Rotated Factor Pattern Factor1 Factor2 Factor3 Factor4 0.41995 0.814

36、78 0.22394 -0.11875 0.21471 0.01300 0.96659 -0.04710 0.92940 0.29671 0.17860 -0.10668 0.91454 0.22704 0.29661 -0.12234 0.38558 0.84617 -0.15342 -0.16018 0.91901 0.31040 0.15747 -0.14404 0.85517 0.37999 0.14921 -0.28100 14X20 0.93607 0.30013 0.07357 -0.14872X21 0.92166 0.34033 0.02950 -0.13878X22 -0.

37、21238 -0.16080 -0.04949 0.96199为了验证原有的对于十种商品的两个分类是否合理，首先选取两个主成分进行分析。在根据负载分类后，发现除了X14表现出明显的不同外，其它变量都可以归为一类；再选取三个因子，发现除了X22成为单归为第三因子外没有明显变化，但X22单归为一类后，其解释的方差数要要多于X14；再选择四个因子后，发现X18 X19 X20 X21既工业制成品表现出较好统一的属性，没有明显变化，而X13与X17表现出很强的相似性，X14 与X22仍然单列。详情见下表：选取两个因子时 因子1因子2选取三个因子时 因子1因子2因子3选取四个因子时 因子1因子2因子3因

38、子4由以上分析可以看出，从初级产品和工业制成品的两种分类在进口货物中仍然体现不够明显，数量增长上没有明显的归类和差别，对于工业制成品种有五中商品，其中四种都比较稳定，表现出很强的共性，只有未分类的其它产品的数据与其它工业制成品整体上具有公因子的概率不高。当选择四个因子时，初级产品的分类则比较明显的体现出来，既进口食品以及主要供食用的活动物与进口动植物油脂及蜡具有公因子，进口非食用原料与进口矿物燃料润滑油以及原料具有公因子、进口饮料以及烟类体现出单独的公因子。X13 X15 X16 X17 X18 X19 X20 X21 X22 X14 X13 X15 X16 X17 X18 X19 X20 X

39、21 X22X22 X14 X15 X16 X18 X19 X20 X21 X13 X17 X14 X22五、 综 合 结 论通过以上实证分析，可以得进以下结论：一、十种产品并没有明显的归为两类因子，既原有的初级产品和工业制成品的分类基本上没有体现出数据内在的经济学属性；二、如果承认已有分类的话，那么工业制成品的属性较之初级产品更为统一，因为工业品中有四项始具有共同的主成分。对于“未分类的其它产品”一项，在出口产品中，此项与初级产品有着更加相似的公因子，而非其所归类的工业制成品；对于进口产品，该项所代表的变量表现出独立的特性；三、无论是对于进口还是出口而言，饮料以及烟类和动植物油脂及蜡都具有与

40、其它变量不同的公因子。对于进口而言，食品以及主要供食用的活动物也体现出不同的公共因子，且这种因子和烟类和动植物油脂及蜡相近；四、如果可能的话，在讨论进、出口产品结构时，应用的分类标准可以不局限于初级产品和工业制成品。在加总数据时，将工业制成品中刨除“未分类的其它产品”一项。或者选择三种或四种分类进行加和，该比较妥当。这样才能使得原有的分类具有更加理想的经济学属性。参考文献：1. 刘重力：中国产品出口结构研究，载于南开经济研究，2000年第5期。2. 魏龙，白雪：中国出口商品结构现状及调整策略，载于武汉理工大学学报（社会科学版）2003年4月。3. 崔蔚，王立元，王惠文：中国出口商品结构的预测分

41、析，载于系统工程，2003年7月。4. 许和连，赖明勇：影响中国出口贸易相关因素的实证分析，载于软件科学，2002年第16卷。5. 薛国琴：载于中国出口商品结构与中国经济发展的实证分析，绍兴文理学院学报，2004年4月。6. 刘洪 主编，中国统计年鉴2004，中国统计出版社，2004年版。第56页。7. 高惠璇 编著，实用统计方法与SAS系统，北大出版社，2001年10月，第277页。8. James Lattins & J. Douglas Carroll 多元数据分析（英文版）Analyzing MultivariateData9. 机械工业出版社，2003年7月。10. An F

42、actor Analysis on the Structure and Category of Chinese Imports and Exports GoodsLi Lefu(Department of economics，2004211643，Class No. Postgraduate 041)Abstract: The analysis of the structure of imports and exports is a central issue of the research of the international trade. Although these research

43、 didn't focus on the classification, most of them have used the dichotomy which is a international standard, that is, to divide the 10 imports and exports goods into "initial products" and "industry finished products". The multi-dimension and strong-correlativity in this meth

44、od, however, are not helpful for the statistical and mathematic modeling，and therefore the economical properties have yet to be proved. This paper select the Factor Analysis，including the method of Exploratory Factor Analysis and Confirmatory Factor Analysis by SAS, to analyze the Structure and Cate

45、gory of Chinese Imports and Exports Goods, to testify whether the traditional classification has a relevant property which is different, and then come to four conclusions.Key words: factor analysis; trade category ; international trade附表：海关历年出口商品分类金额Value of exports of category of commodities单位：亿美元

46、（USD 100 Million） X3食品以及主要供食用的活动物80 29.85 0.78 85 38.03 1.05 89 61.45 3.14 90 66.09 3.42 91 72.26 5.29 92 83.09 93 83.99 9.01 94 100.15 10.02 41.27 95 99.54 13.7 96 102.31 13.42 40.45 97 110.75 10.49 41.95 98 105.13 99 104.58 7.71 00 122.82 01 127.77 8.73 02 146.21 03 175.31 10.19 50.32 111.14X4 X5

47、饮料非食以及用原烟类 料17.11 26.53 71.3242.12 43.2135.37 52.3734.86 47.547.2 31.43 46.9330.52 41.0943.75 53.329.75 35.19 39.12 46.597.45 44.62 41.72 84.059.84 44.02 X6 矿物燃料、润滑油以及有关原料42.840.6959.3169.8751.7578.5584.35X7 X8 动植化学品物油以及有脂及关产品 蜡 0.611.21.3513.580.8632.011.6137.31.538.181.3943.482.0546.234.9562.364.5490.943.7688.776.47102.273.07103.211.32103.731.16120.981.11133.520.98153.251.15195.81X9 轻纺产品、橡胶制品矿冶产品及其制品 39.9944.93108.97125.76144.56161.35163.92232.18322