因子分析法影響中國增長的經(jīng)濟(jì)因素.docx

影響中國增長的經(jīng)濟(jì)因素分析 : : : 201628005:目錄1.序言32.因子分析31概念及作用32因子分析的模型43因子旋轉(zhuǎn)43.中國經(jīng)濟(jì)影增長響因素的實(shí)證分析51變量的選取52模型的運(yùn)用52.1初始特征值52.2因子模型62.3旋轉(zhuǎn)因子模式72.3因子得分9 影響中國經(jīng)濟(jì)增長因素分析摘要：改革開放以來，我國的社會(huì)主義經(jīng)濟(jì)取得了突飛猛進(jìn)的發(fā)展，經(jīng)濟(jì)增長速度更是舉世矚目。經(jīng)濟(jì)增長影響因素和經(jīng)濟(jì)增長預(yù)測(cè)方面的研究，國內(nèi)外學(xué)者對(duì)經(jīng)濟(jì)增長影響因素進(jìn)行了大量理論與實(shí)證研究。本文通過在次貸危機(jī)前后的2004年和2014年中國31個(gè)省、直轄市和自治區(qū)的14個(gè)與經(jīng)濟(jì)增長有關(guān)的指標(biāo)進(jìn)行因子分析。建立計(jì)量模型，尋求這些變量對(duì)國內(nèi)生產(chǎn)總值的影響，進(jìn)行定量分析，對(duì)模型進(jìn)行檢驗(yàn)。對(duì)比觀察兩年的數(shù)據(jù)在次貸危機(jī)前后，影響中國經(jīng)濟(jì)增長的因素有哪些變化。1序言（一）經(jīng)濟(jì)增長理論經(jīng)濟(jì)增長是指一個(gè)國家生產(chǎn)商品和勞務(wù)能力的擴(kuò)大。在實(shí)際核算中，常以一國生產(chǎn)的商品和勞務(wù)總量的增加來表示，即以國民生產(chǎn)總值和國內(nèi)生產(chǎn)總值的（GDP）的增長來計(jì)算。經(jīng)濟(jì)增長是經(jīng)濟(jì)學(xué)研究的永恒主題。古典經(jīng)濟(jì)增長理論以社會(huì)財(cái)富的增長為中心，指出生產(chǎn)勞動(dòng)是財(cái)富增長的源泉?，F(xiàn)代經(jīng)濟(jì)增長理論認(rèn)為知識(shí)、人力資本、技術(shù)進(jìn)步是經(jīng)濟(jì)增長的主要因素。（二）影響因素的分析從古典增長理論到新增長理論，都重視物質(zhì)資本和勞動(dòng)的貢獻(xiàn)。物質(zhì)資本是指經(jīng)濟(jì)系統(tǒng)運(yùn)行中實(shí)際投入的資本數(shù)量.然而，由于資本服務(wù)流量難以測(cè)度，在這里我們用全社會(huì)固定資產(chǎn)投資總額（億元）來衡量物質(zhì)資本。中國擁有全世界近1/4 的人口，為經(jīng)濟(jì)增長提供了豐富的勞動(dòng)力資源。因此本文用總就業(yè)人數(shù)（萬人）來衡量勞動(dòng)力。居民消費(fèi)需求也是經(jīng)濟(jì)增長的主導(dǎo)因素。經(jīng)濟(jì)增長問題既受各國政府和居民的關(guān)注,也是經(jīng)濟(jì)學(xué)理論研究的一個(gè)重要方面。在19782008年的31中,我國經(jīng)濟(jì)年均增長率高達(dá)9.6%,綜合國力大大增強(qiáng),居民收入水平與生活水平不斷提高,居民的消費(fèi)需求的數(shù)量和質(zhì)量有了很大的提高。但是,我國目前仍然面臨消費(fèi)需求不足問題。因此,研究消費(fèi)需求對(duì)經(jīng)濟(jì)增長的影響,并對(duì)我國消費(fèi)需求對(duì)經(jīng)濟(jì)增長的影響程度進(jìn)行實(shí)證分析，可以更好的理解消費(fèi)對(duì)我國經(jīng)濟(jì)增長的作用。2因子分析1概念及作用因子分析的基本目的就是用少數(shù)幾個(gè)因子去描述許多指標(biāo)或因素之間的聯(lián)系，即將相關(guān)比較密切的幾個(gè)變量歸在同一類中，每一類變量就成為一個(gè)因子，以較少的幾個(gè)因子反映原資料的大部分信息。因子分析主要用于：減少分析變量個(gè)數(shù)和通過對(duì)變量間相關(guān)關(guān)系探測(cè)，將原始變量進(jìn)行分類。即將相關(guān)性高的變量分為一組，用共性因子代替該組變量。因子分析法是從研究變量內(nèi)部相關(guān)的依賴關(guān)系出發(fā)，把一些具有錯(cuò)綜復(fù)雜關(guān)系的變量歸結(jié)為少數(shù)幾個(gè)綜合因子的一種多變量統(tǒng)計(jì)分析方法。它的基本思想是將觀測(cè)變量進(jìn)行分類，將相關(guān)性較高，即聯(lián)系比較緊密的分在同一類中，而不同類變量之間的相關(guān)性則較低，那么每一類變量實(shí)際上就代表了一個(gè)基本結(jié)構(gòu)，即公共因子。對(duì)于所研究的問題就是試圖用最少個(gè)數(shù)的不可測(cè)的所謂公共因子的線性函數(shù)與特殊因子之和來描述原來觀測(cè)的每一分量。2因子分析的模型 因子分析模型描述如下：X = (x1，x2，xp）是可觀測(cè)隨機(jī)向量，均值向量E(X)=0，協(xié)方差陣Cov(X)=，且協(xié)方差陣與相關(guān)矩陣R相等（只要將變量標(biāo)準(zhǔn)化即可實(shí)現(xiàn)）。F = (F1，F(xiàn)2，F(xiàn)m）（mp）是不可測(cè)的向量，其均值向量E(F)=0，協(xié)方差矩陣Cov(F) =I，即向量的各分量是相互獨(dú)立的。e = (e1，e2，ep）與F相互獨(dú)立，且E(e)=0，e的協(xié)方差陣是對(duì)角陣，即各分量e之間是相互獨(dú)立的，則模型：稱為因子分析模型，由于該模型是針對(duì)變量進(jìn)行的，各因子又是正交的，所以也稱為R型正交因子模型。其矩陣形式為：x =AF + e .其中：m p；Cov(F，e)=0，即F和e是不相關(guān)的；D(F) = Im ，即F1，F(xiàn)2，F(xiàn)m不相關(guān)且方差均為1；e1，e2，.ep不相關(guān)，且方差不同。我們把F稱為X的公共因子或潛因子，矩陣A稱為因子載荷矩陣，e 稱為X的特殊因子。A = (aij），aij為因子載荷。數(shù)學(xué)上可以證明，因子載荷aij就是第i變量與第j因子的相關(guān)系數(shù)，反映了第i變量在第j因子上的重要性。3因子旋轉(zhuǎn)建立因子分析模型的目的不僅是找出主因子，更重要的是知道每個(gè)主因子的意義，以便對(duì)實(shí)際問題進(jìn)行分析。如果求出主因子解后，各個(gè)主因子的典型代表變量不很突出，還需要進(jìn)行因子旋轉(zhuǎn)，通過適當(dāng)?shù)男D(zhuǎn)得到比較滿意的主因子。旋轉(zhuǎn)的方法有很多，正交旋轉(zhuǎn)（orthogonal rotation）和斜交旋轉(zhuǎn)（oblique rotation）是因子旋轉(zhuǎn)的兩類方法。最常用的方法是最大方差正交旋轉(zhuǎn)法（Varimax）。進(jìn)行因子旋轉(zhuǎn)，就是要使因子載荷矩陣中因子載荷的平方值向0和1兩個(gè)方向分化，使大的載荷更大，小的載荷更小。因子旋轉(zhuǎn)過程中，如果因子對(duì)應(yīng)軸相互正交，則稱為正交旋轉(zhuǎn)；如果因子對(duì)應(yīng)軸相互間不是正交的，則稱為斜交旋轉(zhuǎn)。常用的斜交旋轉(zhuǎn)方法有Promax法等。而我們?cè)跍y(cè)量中國經(jīng)濟(jì)影響因素時(shí)所采用的是最大方差正交旋轉(zhuǎn)法（Varimax）。3中國經(jīng)濟(jì)影增長響因素的實(shí)證分析1變量的選取本文共選擇12個(gè)指標(biāo)作為中國經(jīng)濟(jì)增長的影響因素，分別是：代表經(jīng)濟(jì)因素的X1地方財(cái)政一般預(yù)算收入（億元）X2地方財(cái)政一般預(yù)算支出（億元）X3第三產(chǎn)業(yè)增加值（億元）X4社會(huì)消費(fèi)品零售總額（億元）X5企業(yè)實(shí)收資本（億元）X6居民消費(fèi)水平（元）X7工業(yè)增加值（億元）X8農(nóng)業(yè)總產(chǎn)值（億元）X9國際旅游外匯（百萬美元）X10有效灌溉面積（千公頃）X11水泥產(chǎn)量（萬噸）X12總?cè)丝冢ㄈf人）分別選取了2004年和2014年中國31個(gè)地區(qū)的數(shù)據(jù)，進(jìn)行比較分析。2模型的運(yùn)用2.1初始特征值本文分別將2004年和2014年數(shù)據(jù)引入到SAS軟件中，得出結(jié)果如下：表1 2004年中國經(jīng)濟(jì)增長影響因素初始特征值統(tǒng)計(jì)初始特征值: 總計(jì) = 1115.92126 平均值 = 92.993438特征值差分比例累積1981.052962873.0049980.87910.87912108.04796496.8466410.09680.9760311.2013232.6796080.01000.986048.5217155.0018570.00760.993653.5198580.6499980.00320.996862.8698601.4970960.00260.999471.3727650.3006970.00121.000681.0720680.9344130.00101.001690.1376550.5442010.00011.001710-0.4065470.273064-0.00041.001311-0.6796100.109146-0.00061.000712-0.788756-0.00071.0000表2 2014年中國經(jīng)濟(jì)增長影響因素初始特征值統(tǒng)計(jì)初始特征值: 總計(jì) = 682.043074 平均值 = 56.8369229特征值差分比例累積1618.158992567.2526130.90630.9063250.90637943.6472100.07460.981037.2591693.0212850.01060.991644.2378841.8488100.00620.997852.3890741.6007600.00351.001360.7883140.3646870.00121.002570.4236270.6133060.00061.00318-0.1896780.043287-0.00031.00289-0.2329650.216373-0.00031.002510-0.4493380.071571-0.00071.001811-0.5209100.206563-0.00081.001112-0.727473-0.00111.0000如表1所示：2004年前兩個(gè)主成分解釋了97.6%的方差，所以取兩個(gè)因子。同理，表2中2014年前兩個(gè)主成分解釋了98.1%的方差，所以取兩個(gè)因子。2.2因子模型因子模型變量顯示如表3，表4顯示：2004年，第一公因子在12個(gè)變量上均有載荷，表明該公因子代表二、三產(chǎn)業(yè)對(duì)經(jīng)濟(jì)增長的影響。但載荷有大有??；第二公因子在x4農(nóng)作物總播種面積（千公頃）上游較大的正向載荷，說明第一產(chǎn)業(yè)的發(fā)展對(duì)中國經(jīng)濟(jì)增長的影響。2014年，第一公因子在14個(gè)變量上均有載荷，只是大小有所不同，第二公因子在x4農(nóng)作物總播種面積（千公頃）、x8醫(yī)院、衛(wèi)生院個(gè)數(shù)。由系數(shù)可知這兩個(gè)公因子變量不易于解釋，所以選擇做旋轉(zhuǎn)。表3 2004年中國經(jīng)濟(jì)影響因素因子模式因子模式Factor1Factor2x1x10.96726-0.14849x2x20.959690.03116x3x30.99928-0.02657x4x40.972050.17985x5x50.89837-0.15064x6x60.56866-0.62084x7x70.928530.21256x8x80.561300.81783x9x90.82364-0.49991x10x100.336760.85019x11x110.744640.52261x12x120.658240.67807表4 2014年中國經(jīng)濟(jì)影響因素因子模式因子模式Factor1Factor2x1x10.96839-0.20465x2x20.941360.17701x3x30.98924-0.11228x4x40.982280.09824x5x50.94166-0.06826x6x60.51675-0.71147x7x70.957580.17525x8x80.604340.73918x9x90.68925-0.39736x10x100.372830.69920x11x110.700820.59762x12x120.818210.524802.3旋轉(zhuǎn)因子模式旋轉(zhuǎn)結(jié)果如表4、5所示：2004年第一公因子在x1第二產(chǎn)業(yè)增加值（億元）、x2第三產(chǎn)業(yè)增加值the Tertiary億元）、x5規(guī)模以上工業(yè)企業(yè)固定資產(chǎn)合計(jì)（億元）、x6國際旅游創(chuàng)匯收入（百萬美元）、x9居民消費(fèi)水平（元）、x10城鄉(xiāng)居民人民幣儲(chǔ)蓄存款年底余額（億元）、x11參加失業(yè)保險(xiǎn)人數(shù)（萬人）、x12地方財(cái)政一般預(yù)算收入（億元）、x13地方財(cái)政一般預(yù)算支出（億元）x14道路面積這些影響因素上的載荷較高，說明第一公因子稱為總量因子。第二公因子在x365歲及以上人口數(shù)（人）、x4農(nóng)作物總播種面積（千公頃）、x7年末常住人口（萬人）、x8醫(yī)院、衛(wèi)生院個(gè)數(shù)（個(gè)）這些影響因素的載荷較高，說明第二公因子稱為民生變量因子。2014年第一公因子在x1第二產(chǎn)業(yè)增加值（億元）、x2第三產(chǎn)業(yè)增加值（億元）、x6國際旅游創(chuàng)匯收入（百萬美元）、x9居民消費(fèi)水平（元）、x10城鄉(xiāng)居民人民幣儲(chǔ)蓄存款年底余額（億元）、x11參加失業(yè)保險(xiǎn)人數(shù)（萬人）、x12地方財(cái)政一般預(yù)算收入（億元）、x13地方財(cái)政一般預(yù)算支出（億元）x14道路面積（萬平方米）這些影響因素上的載荷較高，說明第一因子稱為總量因子。第二公因子在x365歲及以上人口數(shù)（人）、x4農(nóng)作物總播種面積（千公頃）、x5規(guī)模以上工業(yè)企業(yè)固定資產(chǎn)合計(jì)（億元）、x7年末常住人口（萬人）、x8醫(yī)院、衛(wèi)生院個(gè)數(shù)（個(gè)）這些影響因素的載荷較高，說明第二公因子稱為民生變量因子。2004年與2014年因子變量x5規(guī)模以上工業(yè)企業(yè)固定資產(chǎn)合計(jì)（億元）有所變動(dòng)，x5在2004年屬于總量因子中，在2014年屬于民生因子中。隨著經(jīng)濟(jì)的增長，中國的規(guī)模以上企業(yè)也得到飛速的發(fā)展，企業(yè)在發(fā)展的同時(shí)，反哺社會(huì)，隨著時(shí)間推移被歸為民生因子中。表5 2004年中國經(jīng)濟(jì)影響因素旋轉(zhuǎn)因子模式旋轉(zhuǎn)因子模式Factor1Factor2x1x10.926570.31481x2x20.836920.47068x3x30.898690.43774x4x40.779240.60828x5x50.866450.28110x6x60.79105-0.28821x7x70.725530.61721x8x80.120360.98459x9x90.96140-0.06322x10x10-0.093750.90963x11x110.419280.80734x12x120.270870.90536表6 2014年中國經(jīng)濟(jì)影響因素旋轉(zhuǎn)因子模式旋轉(zhuǎn)因子模式Factor1Factor2x1x10.930930.33621x2x20.706880.64637x3x30.899990.42571x4x40.783160.60098x5x50.836350.43806x6x60.81404-0.33251x7x70.721600.65342x8x80.124270.94666x9x90.795180.02535x10x10-0.051450.79072x11x110.280850.87717x12x120.418990.877112.3因子得分用回歸法得到兩年數(shù)據(jù)因子系數(shù)的結(jié)果如表7、8所示。表7 2004年中國經(jīng)濟(jì)影響因素因子得分標(biāo)準(zhǔn)化評(píng)分系數(shù)Factor1Factor2x1x10.04030905-0.0437693x2x20.004405160.00966273x3x31.07998984-0.0966937x4x4-0.03375980.12748738x5x50.00986339-0.0111816x6x60.01728937-0.0303439x7x7-0.01127480.03641791x8x8-0.36254550.7479846x9x90.05945455-0.09736x10x10-0.03784340.07573605x11x11-0.02027040.04530649x12x12-0.0440630.09371198表8 2014年中國經(jīng)濟(jì)影響因素因子得分標(biāo)準(zhǔn)化評(píng)分系數(shù)Factor1Factor2x1x10.38584-0.26753x2x2-0.010270.10157x3x30.66130-0.23097x4x40.041770.22000x5x50.04309-0.00492x6x60.07822-0.10925x7x7-0.014380.15933x8x8-0.165680.31827x9x90.03066-0.03548x10x10-0.039040.07046x11x11-0.073300.15267x12x12-0.164800.376362004年 ObscityFactor1Factor21beijing1.88548-1.452272tianjin0.00110-1.061273Hebei-0.251951.322834shanxi-0.23096-0.527005neimenggu-0.40651-0.302326liaoning0.387140.048817jilin-0.48615-0.181518heilongjiang-0.353340.105899shanghai1.90029-1.3963010jiangsu1.219851.3501811zhejiang1.453600.0597712anhui-0.443160.6349713fujian0.12164-0.1907714jiangxi-0.53662-0.0837815shandong0.263672.7729316henan-0.721542.2095217hubei-0.278460.7515218hunan-0.177500.6769619guangdong3.580160.4505720guangxi-0.543170.0971021hainan-0.69198-0.8941222chongqing-0.33085-0.5079123sichuang-0.241330.9376124guizhou-0.68299-0.4833925yunnan-0.53341-0.1135726xizang-0.70061-1.1429827shanxi2-0.41667-0.3123128gansu-0.66805-0.4906029qinghai-0.66930-1.1176330ningxia-0.68469-1.0434731xinjiang-0.76370-0.117492014年ObscityFactor1Factor21beijing1.61634-1.770372tianjin0.42535-1.371933hebei-0.446461.275434shanxi-0.34257-0.344595neimenggu-0.20446-0.336246liaoning0.44159-0.104157jilin-0.52212-0.280168heilongjiang-0.695280.376159shanghai1.66098-1.7891110jiangsu2.349980.8900611zhejiang1.24282-0.0317612anhui-0.577370.7329813fujian0.09456-0.2133814jiangxi-0.509000.0363715shandong1.077411.9964016henan-0.545082.1054817hubei-0.147750.7431218hunan-0.335050.9434419guangdong2.882750.7927320guangxi-0.697740.3037021hainan-0.68643-0.9979622chongqing-0.17771-0.5262223sichuang-0.321181.3012224guizhou-0.71161-0.1425625yunnan-0.637550.1644626xizang-0.82515-1.1070827shanxi2-0.386260.0325928gansu-0.81600-0.3571629qinghai-0.74813-1.0904930ningxia-0.70650-1.0953431xi