[基于因子分析的全国各省市城市竞争力评定]spss因子分析具体步骤.docx

[基于因子分析的全国各省市城市竞争力评定]spss因子分析具体步骤 　　摘 要本文针对全国各省市城市展开了深入、具体的研究，关键以全国31个省市自治区城市8项竞争力评价指标数据，利用因子分析法提取3个公因子，并依据因子载荷和指标意义给出了这3个公因子的经济意义，以各因子贡献率为因子权重，得出全国31个省市自治区城市竞争力评价指标排名，经过各因子排名和综合排名能够得出各省市自治区城市在整个中国城市中的排名地位和微弱步骤最终经过定量的分析，能够对各城市提出有针对性、有指导意义的提议，从而提升整个中国的城市发展水平　　关键词城市竞争力；因子分析；多元统计分析　　一、引言　　多年来，在改革开放不停完善和深化的今天，城市竞争力问题已成为全球性的热点课题伴随经济全球化的趋势加紧，城市之间的竞争愈加剧烈，世界各国正主动致力于提升城市竞争力所以开展对城市竞争力的研究含有主要意义城市竞争力是一个含有明确直观含义却又不易准确把握的概念，它关键是指一个城市在竞争和发展过程中和其它城市相比较所含有的吸引、争夺、拥有、控制和转化资源，争夺、占领和控制市场，以发明价值，为其居民提供福利的能力，它反应了城市的生产能力、生活质量、社会进步及其对外影响能力等。

众多的要素和环境子系统以不一样的方法存在，共同集合组成城市竞争力，城市竞争力是个复杂的混沌系统一个城市的竞争力受很多原因的影响，包含居民人均收入，家庭可支配收入，财政收入，城市用水普及率，城市燃气普及率，公共交通，人均城市道路面积，人均公园绿地面积，基础设施等很多原因的影响所以对选择这几方面的竞争力指标有着很主要的研究分析意义　　二、数据搜集整理　　原始数据的和指标体系确实定　　本文数据关键于中国统计年鉴，所需要的数据关键以手工方法录入，并加以重复查对以确保数据的正确性所取数据为全国31个省市自治区城市竞争力评价指标数据根据科学性、综合性、可比性、针对性及可操作性等标准，本文选择8个经济指标：城镇居民平均每人整年家庭可支配收入，财政收入，地域生产总值，城市用水普及率，城市燃气普及率，每万人拥有公共交通车辆，人均城市道路面积，人均公园绿地面积用这8个指标来研究分析城市的综合竞争力　　城市竞争力评价体系的理论　　要建立城市竞争力的评价体系，首先要对竞争力评价指标有着很清楚的界定和认识城市竞争力关键是对城市经济、社会和可连续发展等方面实力的全方面评价，反应城市经济规模、基础设施和社会进步和可连续发展的情况等，揭示出城市的经济地位和竞争基础。

基础设施是城市竞争力发挥作用的必须条件，是城市竞争力的物质支撑基础设施为城市生产和生活提供公共条件和公共服务，以最大程度地实现价值活动基础设施分为生产性基础设施、生活性基础设施和社会性基础设施比如人均城市道路面积、人均公园绿地面积、城市绿化覆盖率、燃气普及率、人均生活用水普及率、人均生活用电量、人均通讯光纤长度、人均公共体育场馆面积、每万人拥有公共汽车数量等指标全部可反应城市基础设施在发挥城市功效方面的作用在这里，本文关键选取了人均城市道路面积，人均公园绿地面积，城市用水普及率，城市燃气普及率，每万人拥有公共汽车数量5项指标来反应城市的基础设施　　经济规模一个城市的经济实力首先表现在它的经济总量或经济规模上经济总量关键突出表现一个城市的实际产出及发展情况，是城市连续发展和综合竞争力的基础，也是城市表现价值活动的基础假如缺乏总量支撑，即使能力再强，其综合竞争力也将受到阻碍从通常经验看，经济总量越大，反应出城市实力越强，在一定情况下反应出较强的城市竞争力程度像地域生产总值、人均GDP、家庭可支配收入、财政收入、上缴中央财政指标全部能够反应一个城市的经济规模或经济总量，本文关键选取财政收入，地域生产总值，家庭可支配收入3项指标来反应城市的经济规模。

　　三、数据处理和结果分析　　因子分析过程及其评价　　通常认为因子分析是从Charles Spearman在1904年发表的文章《对智力测验得分进行统计分析》开始，她提出这种方法用来处理智力测验得分的统计方法现在因子分析在心理学、社会学、经济学等学科中全部取得了成功的应用，是多元统计分析中经典方法之一　　因子分析也是一个降维、简化数据的技术它经过研究众多变量之间的内部依靠关系，探求观察数据中的基础结构，并用少数多个“抽象”的变量来表示其基础的数据结构这多个抽象的变量被称作“因子”，能反应原来众多变量的关键信息原始的变量是可观察的显在变量，而因子通常是不可观察的潜在变量在进行因子分析时，求解因子的方法关键有主成份分析法、不加权最小平方法、广义最小二乘法等方法，不过最常见的是主成份分析法，本文在下边的分析中将利用SPSS中主成份分析法来提取因子变量依据相关性检验结果，获取了3个综合性城市竞争力评价指标用以评价城市竞争力　　表1 巴特利特球度检验和KMO检验　　由表1可知，因子检验的KMO值为，依据统计学Kaiser给出的标准，通常情况下当KMO大于时，就能够认为适合做因子分析；Bartlett球度检验给出的统计量为，且其对应的相伴概率为远远小于显著水平，所以拒绝Bartlett球度检验的零假设，认为适合进行因子分析。

指定提取3个特征根时因子解释原有变量总方差的情况见下表：　　表2 因子解释原有变量总方差的情况　　由上表能够看出，第一个因子的特征值为，大约暂去方差的％，基和过程内特征值大于1的标准，因子分析过程提取了前三个因子，前三个因子占去总方差的％因此提取前三个因子是完全合理的而且被抛弃的5个因子解释的方差占不到20％，所以愈加能说明前三个因子提取了原始数据的足够信息当保留三个公因子时，一个八维的问题降至三维，表现因子分析绛维的思想。