第5组交通物流运输评价指标(4)

从表3-7 中可以看出，有12个指标在第一个因子上的负荷较高（通常以高于0.8为准），第二个因子上有3个指标负荷较高（以高于0.7为准），第三个因子上有一个指标负荷较高，所以可以通过因子旋转使因子载荷向两极分化，使因子载荷高的更高，低的更低，更方便因子解释。

（7）旋转成分矩阵

为了方便解释因子含义，需要进行因子旋转。通过因子旋转，载荷的大小可以进一步分化，不同变量的因子归属也更加清晰。旋转后的因子载荷矩阵如下表3-8所示。

表3-8旋转成分矩阵a 元件 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) 1 .874 .967 .952 .972 .946 .822 .978 .973 .192 -.280 .912 .967 .984 .989 .977 -.211 .330 2 -.434 -.198 -.160 -.132 -.235 .214 .146 .056 .940 .890 -.254 -.080 .071 .112 -.047 -.102 -.359 3 .001 .016 .063 .020 .121 -.214 .005 .061 -.154 -.230 .108 .106 -.047 -.002 -.051 .961 .843 从表3-8中可以看出，旋转后的因子载荷矩阵中，第一个因子在X1(人均GDP)、X2（农村常住居民人均可支配收入）、X3（农村常住居民人均生活消费支出）、X4（城镇常住居民家庭人均可支配收入）、X5（城镇常住居民家庭人均消费性支出）、X6（工业增加值）、X7（地区生产总值）、X8（固定资产投资）、X11（高校在校人数）、X12（在岗职工年平均数）、X13（固定电话用户数）、X14（移动电话总数）、X15（互联网宽带接入数）这些指标上的载荷较大，说明第1个因子具有很强的综合能力，这些指标在一定程度上反映了地区交通物流的经济效益和基

14

础设施；第2个因子在X9（农林牧渔业总产值）和X10（公路里程）这些指标上载荷较高，从一定程度上反映出一个地区交通物流的发展潜力；第3个因子在X16（道路交通噪声）和X17（空气综合污染指数）这两个指标上载荷较高，反映的是交通物流的环境效应。因子载荷矩阵是因子分析中最重要的部分，通过该表可以明晰各指标的因子归属。

（8）主成份分值表

根据SPSS20.0软件，得出各个主成份分值，结果如下表5-8所示。

表3-9 主成份分值表

地区 贵阳市 FAC1_1 FAC2_1 FAC3_1 2.29429 -.91162 .44204 六盘水市 -.28112 -1.04516 -.26802 遵义市 安顺市 毕节市 铜仁市 .97195 1.49594 -.90265 -.67619 -.57890 1.88147 -.17459 1.67964 1.31045 -.69665 .15916 -.35834 黔西南州 -.59965 -.60724 -.65560 黔东南州 -.53890 黔南州 .27151 -.88636 -.29912 -.46332 -.56299 表3-9给出了因子分析结果计算出来的三个主成份变量的分值。表中的每个主成分变量都是原始变量标准化后的线性组合，并且每个主成分变量无相关性。其中每一个主成份解释的方差比率最大，但是由于主成份变量都是所有原始变量的线性组合，因此很难定义每个主成分的具体含义，只能达到降维的结果。

（9）主成份综合得分表

从方差解释表3-10中以各主成份的方差贡献率为权重，可以得到主成份综合得分模型为：Y=71.106 FAC1+16.763 FAC2+6.66 FAC3，把标准化处理后的数据带入主成份综合得分模型中，计算出主成份综合得分如下表3-10。

15

表3-10主成份综合得分表

地区 贵阳市 六盘水市 遵义市 安顺市 毕节市 铜仁市 黔西南州 黔东南州 黔南州 FAC1_1 2.29429 -.28112 .97195 -.67619 -.17459 -.69665 -.59965 -.53890 -.29912 FAC2_1 -.91162 -1.04516 1.49594 -.57890 1.67964 .15916 -.60724 .27151 -.46332 FAC3_1 .44204 -.26802 -.90265 1.88147 1.31045 -.35834 -.65560 -.88636 -.56299 Y 150.80048 -39.29459 88.17596 -45.25477 24.46875 -49.25476 -57.18429 -39.67125 -32.78553 综合排序 1 5 2 7 3 8 9 6 4 表3-10中可以看出云南省16个州市中交通物流的发展水平，排在前四位的分别是贵阳、遵义、毕节、黔南州；排在后四位的分别是黔东南州、安顺、铜仁、黔西南州；各城市的交通物流发展水平不太平衡。

3.3.2聚类分析法评价

（1）案例处理汇总表

在系统聚类分析中，首先显示的案例处理汇总表，介绍参加聚类的案例个数和百分比等基本信息。案例处理汇总表如下表5-10。

表3-11案例汇总表

观察值 有效 N 9 百分比 100.0% N 0 遗漏 百分比 0.0% N 9 总计 百分比 100.0% （2）聚类状态表

聚类状态表能直观地显示聚类分析过程中各阶段所聚合的变量，如下表3-12所示。

16

表3-12聚类状态表

结合的丛集

阶段 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

丛集 1

12 15 2 5 6 2 6 1 2 5 2 2 2 2 1 丛集 2

14 16 4 11 12 10 15 7 3 9 13 8 5 6 2 系数 .934 1.266 1.373 1.567 1.615 1.866 2.210 2.528 2.572 2.822 3.099 3.221 3.557 4.436 7.548 阶段丛集第一个出现 丛集 1

0 0 0 0 0 3 5 0 6 4 9 11 12 13 8 丛集 2

0 0 0 0 1 0 2 0 0 0 0 0 10 7 14 下一个暂置

5 7 6 10 7 9 14 15 11 13 12 13 14 15 0 从表3-12中，我们可以看出聚类状态表共7列。第一列表示了聚类过程的步骤数；第2、3列表示的是对应的步骤中哪些变量进行了合并；第4列表示的是被合并的两变量之间的距离；第5、6列表示的是参与聚类的样本小类，0表示该样本是第一次出现在聚类过程中，其他数值表示由相应的步骤生成的小类；第7列表示本步骤类的结果下一次将在第几步与其它类合并。

（3）聚类成员表

根据研究目的及本操作的设置，确定具体的较为合理的类别数和成员归属，得聚类成员表3-13。

表3-13不同分类下聚类成员表

观察值 1:Case 1 2:Case 2 3:Case 3 4:Case 4 5:Case 5 6:Case 6 7:Case 7 8:Case 8 9:Case 9

4 丛集

1 2 3 4 4 4 2 4 3 3 丛集

1 2 2 3 3 3 2 3 2 2 丛集

1 2 2 2 2 2 2 2 2

17

本案例操作中，最小聚类数设为2，最大聚类数设为4，故在聚类成员表中显示了在类别数分别为2、3、4时样本的类别归属情况。如当类别数为2时，贵阳市属于第一类，剩余的8个城市归为一类。

（4）树状图

树状图可以非常直观地反映聚类过程及样本间的层次关系，本案例聚类过程的树状图如下3-14。

图3-14聚类树状图

从图3-14中可以看出这9个地区的聚类过程，第一类为贵阳市，这些地区交通物流发展良好；第二类为六盘水市、黔西南州，这些地区的交通物流发展稍好；第三类为遵义市、安顺市、毕节市、铜仁市、黔东南州、黔南州，这些地区由于地理位置交通以及旅游等，交通物流水平可以归为一类。

3.3.3结果分析

将因子分析各主成份分值进行排序，最终结果如下表3-15所示。

18

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(4)在线全文阅读。