基于SPSS21的我國主要產業(yè)增加值統(tǒng)計分析

李嚴

摘要：經濟發(fā)展新常態(tài)背景下，對我國經濟發(fā)展和產業(yè)結構調整提出了新的要求，我國產業(yè)升級面臨新壓力和新機遇?；诖?，文章對我國所有省份的九大主要行業(yè)產值增加水平進行聚類分析，了解不同區(qū)域的主要產業(yè)與優(yōu)勢產業(yè)所在。在此基礎上對不同地區(qū)的主要因素進行橫向比較，有利于政府了解各地區(qū)發(fā)展優(yōu)勢，能更為有效、有目的性地制定適合地區(qū)發(fā)展的政策目標，促進我國經濟更快更好的繼續(xù)發(fā)展。

關鍵詞：行業(yè)增加值;中國;聚類;主要因素

一、引言

目前我國正處于經濟轉型階段，需要對各省份的各產業(yè)數據十分了解的同時，還應當通過數據統(tǒng)計分析對各省的潛在優(yōu)勢產業(yè)或是紅利產業(yè)進行挖掘。基于此，本文利用SPSS軟件對我國2017年的全省數據進行聚類、主成份等統(tǒng)計分析，力圖闡述不同省份之間的產業(yè)優(yōu)勢差異，為我國制定政策提供參考。

二、統(tǒng)計分析

（一）數據選取與說明

本文選取2017年我國31個?。ㄊ校┑母餍袠I(yè)產業(yè)增加值，具體變量設定如下：（單位億元）Xl：農林牧漁業(yè)增加值，X2：工業(yè)增加值;X3：建筑業(yè)增加值;X4：批發(fā)和零售業(yè)增加值;X5：交通運輸，倉儲和郵政業(yè)增加值;X6：住宿和餐飲業(yè)增加值;X7：金融業(yè)增加值;X8：房地產業(yè)增加值;X9：其他行業(yè)增加值。

（二）聚類分析

本文利用系統(tǒng)聚類分析對所有數據進行統(tǒng)計分析處理，選擇輸出相應的樹狀圖與統(tǒng)計矩陣等，采用Squared Euclidean distance歐氏距離平方以及組間聚類方法估計，并且對其進行標準化要求處理。

分析可以發(fā)現(xiàn)，除江蘇、廣西及寧夏外的28個?。ㄊ校┍粍澐譃樗膫€主要類別。其中1類的省份最多，2類次之，3類與4類則更少。根據相應的群集數可以發(fā)現(xiàn)第一類涵蓋的?。ㄊ校┯形鞑刈灾螀^(qū)、青海省、海南省、甘肅省、天津市、山西省、貴州省、新疆維吾爾自治區(qū)、黑龍江省、遼寧省、安徽省、江西省、陜西省、重慶市、云南省、內蒙古自治區(qū)等17個樣本;第二類的省（市）有北京市和上海市等2個樣本;C類包括河北省、福建省、湖北省、四川省、湖南省、河南省、浙江省等7個樣本;D類包括山東省和廣東省等2個樣本。

但由于此處未進行主成份得分統(tǒng)計分析，所以無法通過此處直接說明第一類省份產業(yè)一定優(yōu)于其他省份，仍然要通過得分情況來具體觀察其變化。

（三）判別分析

在對上述28個?。ㄊ校祿瓿上鄳垲惙治龊?，對生育的江蘇、廣西以及寧夏進行判別分析，觀察其屬于哪一類。本文中利用了FISHER判別法進行判別。

由判別分析結果可以發(fā)現(xiàn)，江蘇省屬于2類，廣西以及寧夏屬于1類。

（四）主成分分析法

對31個?。ㄊ校┑臄祿M行KMO與BAR檢驗，其結果如表1所示，從中可以發(fā)現(xiàn)，KMO=0.857>0.6，這說明選取的樣本數據適合做主成份分析;同樣的BAR球形檢驗結果顯著性P=0.000<0.05，表示數據樣本適合做主成分分析。

本文中選取的共同度值均大于0.5，這說明提取的主成份對于原始變量的解釋程度很高。

在所有的產業(yè)中，提取除了特征值大于1的一個主要成分，其特征值為7.527，對于方差的貢獻率為83.636%，累積貢獻率為83.636%。這說明該成分已經足以解釋大部分的方差。

根據數理統(tǒng)計的相關知識，主成份分析的變換矩陣亦即主成份載荷矩陣U與因子載荷矩陣A以及特征值λ的數學關系如下面這個公式：

U=A/λ^0.5

故可以得到相應的主成份載荷矩陣如表2所示。

因此可以得到主成份Y的表達式為：

Y=0.408×農業(yè)+0.537×工業(yè)+0.487×建筑業(yè)+0.521×批發(fā)與零售+0.522×交通運輸+0.52×食宿+0.474×金融+0.511×房地產+0.519×其他

由該表達式可以計算得到主成份Y的值，但是在計算之前要對原始變量進行標準化處理。隨后可通過計算變量得到主成份Y，在主成份得分的基礎上可以再一次進行聚類分析或是綜合評價。由于本次分析僅存在一個主成份，故不需要對其進行權重加總獲得最終評分，可以Y的數值進行直接的綜合評價。

故根據主成份得分可以發(fā)現(xiàn)，其中廣東省、江蘇省、山東省的得分高于5分，為全國31個省市之首，說明這三個省份在2017年產業(yè)總增加水平最高;而寧夏、青海與西藏三個地區(qū)得分均小于-4.5，這說明三個省份在2017年產業(yè)總增加水平最低。得分的高低說明省份的產業(yè)增加值水平高低。

（五）相關性分析

本文對31個省（市）的九大主要行業(yè)產出增加值進行一個簡單的相關性PEARSON分析，其分析結果如下所示。從中發(fā)現(xiàn)，農業(yè)、工業(yè)、建筑業(yè)、批發(fā)業(yè)、交通運輸業(yè)、食宿、金融業(yè)、房地產業(yè)及其他行業(yè)彼此之間存在一定的相關性，但好在所有行業(yè)兩兩之間的相關關系并不十分高，及各自的數據之間不存在高度共線性，相關系數均小于0.9，故而上述所作的數據分析是有效的。

參考文獻：

[1]王小明.區(qū)域傳統(tǒng)優(yōu)勢產業(yè)與戰(zhàn)略性新興產業(yè)協(xié)同融合發(fā)展研究[J].經濟體制改革，2017（04）：50-55.

[2]景躍軍，張昀.我國勞動力就業(yè)結構與產業(yè)結構相關性及協(xié)調性分析[J].人口學刊，2015，37（05）：85-93.

[3]張建清，張燕華.不同空間尺度下優(yōu)勢產業(yè)選擇研究——以西三角經濟區(qū)為例[J].科技進步與對策，2014，31（10）：19-23.

[4]劉洪玉，鄭思齊，許憲春.房地產業(yè)所包含經濟活動的分類體系和增加值估算[J].統(tǒng)計研究，2003（08）：24-27.

（作者單位：福州大學經濟與管理學院）