论文部分内容阅读
【摘要】产业经济力包括产业规模、产出效益、产品份额、产业关联度等多个方面的综合概念。产业经济力的概念能较为全面地反映产业部门在国民经济系统中的地位和作用。选取10个指标，数据来源于2007年新疆投入产出表，通过多元统计中的主成分分析和因子分析的方法对指标进行降维处理，分析金融保险业的产业经济力水平，为决策提供依据。
【关键词】新疆 金融业 产业经济力
一、指标解释
根据产业经济力的定义，选取10个指标作为测度产业经济力的指标体系，该指标体系将产业经济力分为产业规模贡献、产业价值创造能力、产品份额、产业关联度四个方面。根据2007年新疆投入产出表计算国民经济42个产业部门这10个指标值。下面运用SPSS对其进行分析。
二、主成分分析
在对某一事物进行实证研究中，为了更全面地反映出事物特征，人们往往考虑选取尽可能多的变量，但指标的增多又增加了问题的复杂性，造成了信息的重叠。基于上述问题，人们就希望在在定性研究中涉及的变量较少，而信息量又较多。主成分分析正是研究如何通过原来变量的少数几个线性组合来解释绝大多数信息的一种方法。首先，采用主成分分析变换来的数据。
由于SPSS不能直接进行主成分分析，首先我们用SPSS进行主成分因子分析方法得到因子旋转之前的因子载荷矩阵，进行主成分系数的计算，因子载荷矩阵中各列分别除以各自对应的特征值的平方根，则得到下表中的单位特征向量：
仔细观察上表我们发现，主成分F1在X1、X2、X3、X6、X7上面有加大的载荷，所以F1是反映产业规模贡献、增加值和中间使用份额的综合指标，我们称之为产业规模及非消费消耗成分；F2在X9在上有较大载荷，所以它是反映影响力系数的指标，我们称之为影响力成分；F3在X4、X10上有较大的载荷，它是反映创税能力和感应度系数的综合指标，所以我们称之为产业创税及感应度成分；F4在X5、X8有较大的载荷，它是反映盈余能力及流出份额的指标，我们称之为盈余流出成分。如表2所示：
由公式Fj=U″JX j=1,2,3,4 X=(X1、X2、…、X10)，我们计算各部门前四个主成分的得分。其中金融业前四个主成分各成分得分分别为：0.895821、0.160895、0.803086、-0.83799，经过排序，在42个部门中，金融业的各主成分的排名依次为：F1:6, F2:32 F3:8 F4:35。金融业在F1和F3上的得分在42个产业部门中位居前十名，特别是第一主成分排名第六，说明金融业的产业价值创造能力强，产业规模大，产业消耗小；第三主成分排名第八，说明金融业创税能力强，对其他部门的供给推动程度较强。相对于第一和第三主成分，第二和第四主成分的得分比较靠后，说明金融业的发展对其他部门的拉动作用比较小，盈余能力较弱。
为了进一步研究新疆金融业在42个部门中的产业经济能力，使各个主成分的解释性更强，下面我们采用因子分析的方法对上述42个部门的10个指标继续进行分析。
三、因子分析
因子分析是主成分分析的推广，它也是一种降维技术，其目的是用有限个不可观测的隐变量来解释原始变量之间的相互关系。
运用SPSS软件分别对四个因子：产业规模及流出因子、产业消费价值创造因子、非消费消耗及感应度因子、产业价值创造因子作分析，输出的结果是：选择的4个主要因子累计方差贡献率达86.632%，尤其是第一个因子包含的信息量达37.735%。结果表明，现阶段新疆各产业部门的经济力首先取决于产业的规模贡献及流出能力，产业消费创造价值的能力，再次是非消费消耗及感应能力，最后是产业部门创造价值的能力。
我们发现，因子分析和主成分分析的载荷矩阵是一样的，但是因子分析不同于主成分分析的地方就在于对因子载荷矩阵的处理上。为了使各成分意义清晰明确，我们采用方差最大化方法对因子载荷阵进行旋转，由输出结果我们发现，因子Y1在X1、X2、X8上有较大的载荷，所以Y1表示的是产业规模和流出份额的因子；Y2在X3、X7、X9上有较大的载荷，所以它表示增加值份额、消费份额和影响力的因子；Y3在X6、X10上有较大的载荷，所以它表示中间使用份额和感应度因子；Y4在X4、X5上有较大的载荷，所以它表示产业附加能力因子。如下表所示，可以把指标分类并命名：
比较表2与表3，我们发现主成分分析中的主成分的意义与因子分析中的因子的意义是不完全一样的，这是很正常的现象。
确定4个指标后，可以测得各产业部门在这4个指标上的因子得分，对指标进行排序反映产业部门的经济力。运用SPSS进行因子分析可以直接在原表中得到各因子的得分，我们发现，金融业前四个因子的因子得分分别为:0.48263, 1.3985, 0.70384, 1.80485。经过排序，在42个产业部门中，金融业各因子的排名依次为：Y1:32, Y2:4, Y3:9,Y4:2。观察4个因子的排名情况，金融业在Y2、Y3、Y4上的得分在42个部门中的排名均居于前十名，特别是第四因子排名第二，说明金融业的产业产业价值创造能力很强；第一因子排名居后，说明金融业在新疆的42个产业部门中规模较小，流出能力差，这与新疆金融业发展滞后的事实相符。
四、主成分分析与因子分析比较
前面我们对42个产业部门的10项经济指标分别采用了主成分分析和因子分析，但我们发现二者的结果有很大矛盾，那就是：金融业产业规模的排名和产业价值创造的排名，在两个分析中差异很大。在主成分分析中产业规模排名第6，而在因子分析中产业规模排名第32；在主成分分析中产业价值创造能力排名第32，在因子分析中排名第4.为什么会出现这种情况呢？主要是由于在计算主成分得分和因子得分时，对于主要影响因素所赋的权重不同。虽然结果有差异，但总体来讲都算合理，而且通过比较，我们可以认为因子分析得到的结果更为理想，解释更符合实际。
参考文献
[1]庞皓 向蓉美,投入产出分析[M]，西南财经大学出版社 1998.
[2]董承章，投入产出分析[M]中国财政经济出版社 2000:118-121.
[3]杨公朴 夏大慰,产业经济学教程[M]上海财经大学出版社 2002:149-150.
作者简介：成丽霞（1986-)，女，新疆财经大学统计与信息学院，研究方向：金融统计。
【关键词】新疆 金融业 产业经济力
一、指标解释
根据产业经济力的定义，选取10个指标作为测度产业经济力的指标体系，该指标体系将产业经济力分为产业规模贡献、产业价值创造能力、产品份额、产业关联度四个方面。根据2007年新疆投入产出表计算国民经济42个产业部门这10个指标值。下面运用SPSS对其进行分析。
二、主成分分析
在对某一事物进行实证研究中，为了更全面地反映出事物特征，人们往往考虑选取尽可能多的变量，但指标的增多又增加了问题的复杂性，造成了信息的重叠。基于上述问题，人们就希望在在定性研究中涉及的变量较少，而信息量又较多。主成分分析正是研究如何通过原来变量的少数几个线性组合来解释绝大多数信息的一种方法。首先，采用主成分分析变换来的数据。
由于SPSS不能直接进行主成分分析，首先我们用SPSS进行主成分因子分析方法得到因子旋转之前的因子载荷矩阵，进行主成分系数的计算，因子载荷矩阵中各列分别除以各自对应的特征值的平方根，则得到下表中的单位特征向量：
仔细观察上表我们发现，主成分F1在X1、X2、X3、X6、X7上面有加大的载荷，所以F1是反映产业规模贡献、增加值和中间使用份额的综合指标，我们称之为产业规模及非消费消耗成分；F2在X9在上有较大载荷，所以它是反映影响力系数的指标，我们称之为影响力成分；F3在X4、X10上有较大的载荷，它是反映创税能力和感应度系数的综合指标，所以我们称之为产业创税及感应度成分；F4在X5、X8有较大的载荷，它是反映盈余能力及流出份额的指标，我们称之为盈余流出成分。如表2所示：
由公式Fj=U″JX j=1,2,3,4 X=(X1、X2、…、X10)，我们计算各部门前四个主成分的得分。其中金融业前四个主成分各成分得分分别为：0.895821、0.160895、0.803086、-0.83799，经过排序，在42个部门中，金融业的各主成分的排名依次为：F1:6, F2:32 F3:8 F4:35。金融业在F1和F3上的得分在42个产业部门中位居前十名，特别是第一主成分排名第六，说明金融业的产业价值创造能力强，产业规模大，产业消耗小；第三主成分排名第八，说明金融业创税能力强，对其他部门的供给推动程度较强。相对于第一和第三主成分，第二和第四主成分的得分比较靠后，说明金融业的发展对其他部门的拉动作用比较小，盈余能力较弱。
为了进一步研究新疆金融业在42个部门中的产业经济能力，使各个主成分的解释性更强，下面我们采用因子分析的方法对上述42个部门的10个指标继续进行分析。
三、因子分析
因子分析是主成分分析的推广，它也是一种降维技术，其目的是用有限个不可观测的隐变量来解释原始变量之间的相互关系。
运用SPSS软件分别对四个因子：产业规模及流出因子、产业消费价值创造因子、非消费消耗及感应度因子、产业价值创造因子作分析，输出的结果是：选择的4个主要因子累计方差贡献率达86.632%，尤其是第一个因子包含的信息量达37.735%。结果表明，现阶段新疆各产业部门的经济力首先取决于产业的规模贡献及流出能力，产业消费创造价值的能力，再次是非消费消耗及感应能力，最后是产业部门创造价值的能力。
我们发现，因子分析和主成分分析的载荷矩阵是一样的，但是因子分析不同于主成分分析的地方就在于对因子载荷矩阵的处理上。为了使各成分意义清晰明确，我们采用方差最大化方法对因子载荷阵进行旋转，由输出结果我们发现，因子Y1在X1、X2、X8上有较大的载荷，所以Y1表示的是产业规模和流出份额的因子；Y2在X3、X7、X9上有较大的载荷，所以它表示增加值份额、消费份额和影响力的因子；Y3在X6、X10上有较大的载荷，所以它表示中间使用份额和感应度因子；Y4在X4、X5上有较大的载荷，所以它表示产业附加能力因子。如下表所示，可以把指标分类并命名：
比较表2与表3，我们发现主成分分析中的主成分的意义与因子分析中的因子的意义是不完全一样的，这是很正常的现象。
确定4个指标后，可以测得各产业部门在这4个指标上的因子得分，对指标进行排序反映产业部门的经济力。运用SPSS进行因子分析可以直接在原表中得到各因子的得分，我们发现，金融业前四个因子的因子得分分别为:0.48263, 1.3985, 0.70384, 1.80485。经过排序，在42个产业部门中，金融业各因子的排名依次为：Y1:32, Y2:4, Y3:9,Y4:2。观察4个因子的排名情况，金融业在Y2、Y3、Y4上的得分在42个部门中的排名均居于前十名，特别是第四因子排名第二，说明金融业的产业产业价值创造能力很强；第一因子排名居后，说明金融业在新疆的42个产业部门中规模较小，流出能力差，这与新疆金融业发展滞后的事实相符。
四、主成分分析与因子分析比较
前面我们对42个产业部门的10项经济指标分别采用了主成分分析和因子分析，但我们发现二者的结果有很大矛盾，那就是：金融业产业规模的排名和产业价值创造的排名，在两个分析中差异很大。在主成分分析中产业规模排名第6，而在因子分析中产业规模排名第32；在主成分分析中产业价值创造能力排名第32，在因子分析中排名第4.为什么会出现这种情况呢？主要是由于在计算主成分得分和因子得分时，对于主要影响因素所赋的权重不同。虽然结果有差异，但总体来讲都算合理，而且通过比较，我们可以认为因子分析得到的结果更为理想，解释更符合实际。
参考文献
[1]庞皓 向蓉美,投入产出分析[M]，西南财经大学出版社 1998.
[2]董承章，投入产出分析[M]中国财政经济出版社 2000:118-121.
[3]杨公朴 夏大慰,产业经济学教程[M]上海财经大学出版社 2002:149-150.
作者简介：成丽霞（1986-)，女，新疆财经大学统计与信息学院，研究方向：金融统计。