第5组交通物流运输评价指标(3)

3.3贵州省交通物流发展评价

3.3.1 因子分析法评价

本文借助SPSS20.0 for windows 软件进行因子分析，结果如下： （1）描述性统计量

在输出的结果中，首先显示的是进行因子分析的各变量的描述性统计量，包括均值、标准差和分析中的样本数量，如下表3-2所示。

表3-2描述性统计量

X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14 X15 X16 X17 有效的 N

分析样本数N

9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 平均数 28116.5533 7206.4444 6304.5556 21704.6667 14003.2222 346.4378 1113.6967 960.8444 238.5356 19897.6878 65754.1111 30.6444 37.6811 339.9822 38.6411 69.4111 1.2736 标准偏差 11538.55661 1528.98815 1096.41519 1390.56364 1449.58734 242.57375 666.51323 596.46441 113.51784 7478.90934 119747.00500 24.17201 29.59195 209.85625 27.95878 4.17745 .62564 从表3-2中，我们可以看出指标代码X11的平均值最大，即“高校在校人数”指标的均值最大，为65754.1111，标准差也最大，为119747.00500；分析样本数为9。

（2）指标数据的标准化

不同的指标变量由于单位的不同很难统一，本文借助SPSS20.0软件，将原始数据标准化，结果如下表3-3所示。

9

表3-3 原始数据标准化

ZX1 ZX2 ZX3 ZX4 ZX5 ZX6 ZX7 ZX8 ZX9 ZX10 ZX11 ZX12 ZX13 ZX14 ZX15 ZX16 ZX17 地区 2.34948 2.36729 2.20669 2.34174 2.40674 1.19396 2.07584 2.30561 -.59775 -1.36223 2.63960 2.52174 2.20394 2.24038 2.38919 .02128 1.36251 贵阳市 六盘水市 .20803 .75773 .93892 .73591 .61243 1.94754 1.14126 .67804 1.92062 .95524 .01030 .37215 1.15467 1.00882 .80007 -1.10381 -.94072 .70708 -.27171 -.23947 -.38593 -.31817 .45315 -.10647 -.10979 -1.02509 -.93571 -.46319 -.33901 -.54410 -.42726 -.56265 -.26598 .50259 遵义市 -.49186 -.35020 -.13184 -.47655 -.13812 -.89518 -.89066 -.89448 -.94246 -.82728 -.40468 -.61122 -.60662 -.79880 -.64456 2.22358 1.39607 安顺市 -.75968 -.64320 -.60794 -.34063 -.55479 -.17367 .22956 .28153 1.32802 1.27636 -.38591 -.00432 -.29944 .05717 -.39956 .90699 .65124 毕节市 -.62832 -.63666 -.84690 -1.06480 -.57411 -.85107 -.69911 -.60890 .09641 .52439 -.35067 -.58309 -.62690 -.61319 -.63025 -.14629 -.80326 铜仁市 黔西南州 黔东南州 -.30560 .03830 .14086 -.00479 -.10225 -.38540 -.46803 -.44469 -.12479 -.41753 -.30925 -.39982 -.37379 -.49149 -.35950 -.40961 -.52035 -.69328 -.69814 -.75570 -.51394 -.96388 -.78726 -.61812 -.47009 -.25041 1.19463 -.27984 -.31005 -.21834 -.33686 -.12630 -.64899 -1.24760 -.38584 -.56341 -.70462 -.29101 -.36784 -.50206 -.66426 -.73724 -.40457 -.40787 -.45637 -.64639 -.68941 -.63878 -.46644 -.57717 -.40048 黔南州

10

（3）公因子方差

公因子方差表示了各个变量的共同度，如下表3-4所示。

表3-4公因子方差 指标代码 Zscore(X1) Zscore(X2) Zscore(X3) Zscore(X4) Zscore(X5) Zscore(X6) Zscore(X7) Zscore(X8) Zscore(X9) Zscore(X10) Zscore(X11) Zscore(X12) Zscore(X13) Zscore(X14) Zscore(X15) Zscore(X16) Zscore(X17) 起始 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 撷取 .953 .975 .936 .962 .965 .767 .977 .955 .943 .923 .908 .953 .976 .990 .960 .978 .949 撷取方法：主体组件分析。 表3-4中第一列为指标代码；第二列“初始”是根据初始解计算出的变量的共同度，表示的是将所有的变量作为公共因子的共同度，所以初始值均为1；第三列“提取”表示系统确认提取一定数量的因子时每个初始变量的共同度，其实就是在最终提取的所有公共因子中，每个初始变量能被解释的比例，数值在[0,1]之间。如X1（人均GDP）提取的共同度为0.953，X2（农村常住居民人均可支配收入）提取的共同度为0.975，其他类似。一般来说变量的共同度越高越好，0.8以上是比较理想的状态。

（4）方差解释表

方差解释表显示了主成分、初始特征值和方差贡献率等信息，如表3-5。

11

表3-5方差解释表 说明的变异数总计 起始特征值 撷取平方和载入 循环平方和载入 变异组件 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 总计 12.088 2.850 1.132 .524 .257 .082 .045 .022 7.379E-16 5.091E-16 4.266E-16 2.169E-16 -1.972E-17 -1.141E-16 -3.487E-16 -5.826E-16 -1.058E-15 变异的 % 71.106 16.763 6.660 3.084 1.511 .485 .262 .129 4.340E-15 2.994E-15 2.509E-15 1.276E-15 -1.160E-16 -6.713E-16 -2.051E-15 -3.427E-15 -6.225E-15 累加 % 总计 变异的 % 累加 % 总计 71.106 71.106 11.961 16.763 87.869 2.301 6.660 94.530 1.807 的 % 累加 % 71.106 12.088 87.869 94.530 97.614 99.125 99.609 99.871 100.000 100.000 100.000 100.000 100.000 100.000 100.000 100.000 100.000 100.000 2.850 1.132 70.362 70.362 13.536 83.898 10.632 94.530 撷取方法：主体组件分析。 表3-5分为10列，第一列为因子编号，每个因子对应三个部分，分别为“初始特征值”（第2-4列）、“提取平方和载入”（第5-7列）、“旋转平方和载人”（第8-10列）。第一个因子的特征值是12.088，方差贡献率为71.106%，表示可以解释所有20个变量的71.106%是方差贡献最大的一个；前3个因子解释了所有变量的94.530%，且特征值均大于1，所以提取前3个公共因子分析即可。

（5）陡坡图

在陡坡图中，横轴表示因子序号，因子序号按照其特征值大小从小到大排列，特征值最大的因子排在最左边，作为因子1，其他依次牌子啊后面；陡坡图的纵坐标表示因子特征值的大小，这样就形成一条代表因子特征值的权。本次分析的陡坡图如下图3-6所示。

12

图3-6 陡坡图

从图3-6可以看出从第四个因子开始，因子解曲线开始变得比较平缓，这意味着该因子后面的这些因子特征值大小比较接近，在简化变量过程中作用不大。该陡坡图的拐点其实是在第三个因子，即提取前三个因子是比较合适的，这也符合上述方差解释表3-5的结果。

（6）成分矩阵

旋转前的成分矩阵也成为因子载荷矩阵，从下表3-7中我们可以得到利用主成分方法提取的三个主因子的载荷值。

表3-7 成分矩阵

元件 成分矩阵a Zscore(X1) Zscore(X2) Zscore(X3) Zscore(X4) Zscore(X5) Zscore(X6) Zscore(X7) Zscore(X8) Zscore(X9) Zscore(X10) Zscore(X11) Zscore(X12) Zscore(X13) Zscore(X14) Zscore(X15) Zscore(X16) Zscore(X17) 13

1 .916 .983 .965 .980 .970 .784 .955 .963 .082 -.384 .938 .974 .968 .970 .974 -.161 .400 2 -.242 -.058 -.059 -.008 -.154 .389 .218 .112 .847 .804 -.164 -.021 .192 .198 .102 -.697 -.765 3 -.236 -.074 -.014 -.030 -.016 -.005 .130 .119 .468 .360 -.039 .069 .044 .104 -.033 .683 .451

百度搜索“70edu”或“70教育网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，70教育网，提供经典综合文库第5组交通物流运输评价指标(3)在线全文阅读。