各省市工业品出厂价格指标评价.doc

各省市工业品出厂价格指标评价
吴美华李茹郑晶晶
(北京林业大学理学院数学系北京 100083)
摘要:本文以因子分析法为依据,对工业品出厂价格变动的主要指标进行分析,建立了综合评判模型,对2014年各省市工业发展状况进行粗略排序。研究结果表明,我国各省市工业品出厂价格不均衡,其中北上广等一线城市均处于发达程度,青海、贵州等偏远地区工业发展相对落后。同时也说明了工业品出厂价格指数一定程度上反映该地区工业发展的速度,并针对这种不均衡提出建议,从而促进我国工业均衡发展。
mac/#price-7-0-31-1,以数据库中提供的全国31个省市的主要指标为材料进行分析,这些指标包括: 工业品出厂价格指数x1、生产资料价格指数x2、采掘工业价格指数x3、原材料工业价格指数x4、加工工业价格指数x5、生活资料价格指数x6、食品类价格指数x7、衣着类价格指数x8、一般日用品价格指数x9、耐用消费品价格指数x10.

因子分析法是指从研究指标相关矩阵内部的依赖关系出发,把一些信息重叠、具有复杂关系的变量归结为少数不相关的综合因子的一种多元统计分析方法。基本思想是根据相关性大小把变量分组,使得同组内的变量之间相关性较高,但不同组的变量不相关或相关性较低,每组变量代表一个基本结构即公共因子。
3 实验与分析

对10个变量进行相关性分析,得到两两之间的相关系数,如表1所示,从中可以看出x1与x2具有较大的相关性,x2与x3、x4、x5之间有较强的相关性,其他变量间也存在较强的相关关系,因而适宜用因子分析法精简变量个数。

由相关系数矩阵R计算得到特征值、方差贡献率和累积贡献率,如表2所示,、、、,%,并且各观测变量的共同度都近似为90%。这说明这四个公因子能较好地反映原始指标的大部分信息。

采用主成分法计算的因子载荷矩阵可以说明各因子在各变量上的载荷,即影响程度。但为了使载荷矩阵中系数向0—1分化,对初始因子载荷矩阵进行方差最大旋转,旋转后的因子载荷矩阵如表3所示,可以看出x1、x2、x3、x4、x5在第一公因子上有较大的载荷度,可以看其是生产资料价格指数因子;x6、x9在第二公因子上有较大的载荷度,可以看作是生活资料价格指数因子。
计算因子得分,进行综合评价
(i=1,2,3,4),四个因子分别从不同的方面反映了各地区的工业品出厂价格的