1、 物流工程 S11085240007 主成分分析学习报告 主成分分析 (主分量分析 )是一种实用的多元统计分析方法是一种化繁为简将指数尽可能压缩的降维技术，独特之处在于能够消除指标样本之间的相互关联，并在保持样本主要信息量前提下，提取少量具有代表性的主要指标。同时，在分析过程中得到主要指标的合理权重，用主成分作为决策分析的综合指标值。换言之：“主成分分析法实质上是用多维的思想，把多指标重新组合成一组相互独立的少数几个综合指标。并且反映原指标的主要信息的多元统计分析方法。”正是因为主成分分析方法具有上述特点，所以 在多指标综合评价方面得到了广泛应用。 1基于主成分分析的我国省级财政规模综合评价
2、王宝成 (三峡大学经济与管理学院，湖北宜昌 443002) 1.1评价数据 为了方便下文对我国省级政府财政规模进行综合评价笔者按照设计的财政规模评价指标体系收集了 2009年度全国 31个省区财政规模测度指标的各项统计数据。具体数据见表：2009年度全国 31个省区财政规模测度数据。如表所示。我国省级政府财政规模的评价数据包含了财政自给率 (X1)、财政收入占比 (X2)、财政支出占比 (X3)、人均财政 (X4)、人均财政支出 (X5)、单 位面积财政收入 (X6)和单位面积财政支出 (X7)这 7个评价指标的统计数据，所有原始数据均来源于中国统计年鉴 2009)。 1.2具体分析 整个评价
3、过程选取表 2中的数据作为样本数据。利用统计分析软件 SPSS 中的主成分分析方法综合评价我国级政府财政规模，具体评价过程分为以下两步展开：第一步进行主成分分析的前提条件分析，旨在判断是否适合进行主成分分析；第二步，提取主成分，旨在对原始指标进行指标合并确定主成分及其所占权重。计算各个样本的主成分得和综合得分。具体分析过程和结果如下： 利用统计分析软件 SPSS 对表 2 中的 X1、 X2、 X3、 X4、 X5、 X6 和 X7 这七个原始变量作标准方差处理然后按照特征根大于 l的规则提取 2个主成分，记为 F1和 F2，并采用方差最大法对提取到的 2个主成分进行正交旋转。得到旋转后的 2
4、个主成分和它的方差贡献率分别为 62 725和 25 777累计方差贡献率达到 88 502。具体结果见表 5：总方差分解表。 再进一步计算得到主成分分析的分析系数矩阵 从而得到如下关系： 然后利用此关系再根据表 6 得出两个主成分 F1 和 F2 的回归函数计算其得分，然后以旋转后的两个主成分和其方差贡献率分 别作为 F1 和 F2 的权数，得到财政规模综合评价计算公式： F=0 62775F1+0 25777F2，其中， F 代表财政规模综合评价得分。建立得到 2009年全国 31个省区财政规模主成分综合得分表，建立相关标准进行相关评价； 2矿业资源城市经济可持续发展的主成分分析 徐建中，
5、刘希宋，张德明（哈尔滨工程大学经济管理学院，黑龙江哈尔滨 150001） 本论文着重研究的是矿业资源城市的经济可持续发展问题，而矿业资源城市经济可持续发展的影响因素很多，在充分调研、专家咨询的基础上，本着绝对指标、相对指标和平均指标相结合的原 则，本论文确定了以下 l4 个影响矿业资源城市经济可持续发展的因素指标。具体如表 l。 1 建立指标评价体系： 2收集相应的指标数据 3 对收集的数据进行标准化处理并求相应的相关矩阵 4 确定主成分的指标个数 由表 4 可知前 12 个主成分的累积贡献率达到 100%，说明 14 个指标中存在着线性相关性 .前 6个标的累积贡献率为 83.6%，一般来讲
6、已基本满足析研究问题的需要，基本上保留了原来指标的信息，这样由原来的 14 个指标转化为个新指标，一则起到了降维的作用，二则新指标相独立，不存在线性相关性 .但由于本文需要的 是 35矿业资源城市的主成分得分，因而还是选取了前 12个主成分作为研究问题的依据。 5 得到相应的主成分相关系数矩阵 （旋转前的因子载荷矩阵） 跟据 计算出标准化特征向量；进而得到主成分的回归函数计算其得分，然后以旋转后主成分和其方差贡献率分别作权数，得到综合评价计算公式：得到主成分综合得分表，建立相关标准进行相关评价； /ij ij iea 3基于主成分分析的我国物流业低碳化发展路径 段向云，张英华 (天津财经大学商
7、学院，天津 300222) 3.1建立指数体系 我国发展低碳物流的主成分影响因 素分析在满足经济发展需求的前提下。实现低能耗、低污染、低排放是物流业低碳化的必然表现。本文认为影响我国物流业低碳化发展的因素有：能源结构、产业发展水平、能源效率、基础设施状况、发展速度、经济规模扩张对物流需求的增长、科技进步水平以及碳汇能力等。以上影响因素用指标可以表示为： Xl 为物流油料能源消耗占物流能源消耗总量的比重、 X2 为单位物流增加值的能耗、 X3 为物流总费用占GDP 的比值、 X4 为我国森林面积、 X5 为森林覆盖率、 X6 为物流业固定资产投资、 X7 为运输路线长度、 X8 为单位 GDP
8、的物流需求系数、 X9 为物流业增 加值同比增长， X10 为研发经费占 GDP 比重。具体指标数值根据相关年度的中国统计年鉴、中国物流年鉴以及国家发展改革委、国家统计局、中国物流与采购联合会联合公布的全国物流运行情况通报中的相关数据整理和计算。 考虑到数据的可得性，本文主要统计了上述指标在 2004_-2008年的数据，利用 SPSSl5 0对影响因素进行了主成分分析，具体分析如下：公共因子方差分析 3.2总方差分析 选三个主成分（对方差解释贡献率 =85%）即可； 3.3主成分分析 表 3中，第一主成分主要由变量 X1、 X3、 X6和 X7决定， 4个变量的载荷较大。与第一主成分的相关系
9、数较高；第二主成分在 X2的载荷较大，与第二主成分相关程度较高；变量 X4 和 X5 在第三主成分上的载荷较大，与第三主成分关系密切。从另一角度讲，第一主成分主要包括物流油料能源消耗占物流能源消耗量的比重 (x1)、物流总费用占 GDP 的比值()(3)、物流业固定资产投资 (X6)、运输路线长度 (x7)，反映的是物流业的能源结构和发展状况对物流业低碳化发展的影响；第二主成分主要包括单位物流增加值的能耗 (x2)，反映的是物流能耗效率对物流业低碳化发展的影响；第三主成分主要包 括我国森林面积 (x4)和森林覆盖率 (x5)，反映的是碳汇能力对物流业低碳化发展的影响。综合上述分析，我国物流业低碳化的主成分影响因素包括：能源结构和产业效率、产业自身发展状况和碳汇能力。
