统计软件分析论文

摘要:本文通过应用spss软件对我国各地区的各行业人员劳动报酬水平进行了因子分析和聚类分析，并进行了科学和理的综合评价。

关键词： 劳动报酬 因子分析 聚类分析 综合评价

Abstract: the software through the application of spss to our country from various regions of the workers remuneration levels is a factor analysis and the clustering, and science and comprehensive evaluation.

Keywords ：Remuneration Factor analysis Clustering Comprehensive evaluation 随着我国各行业的不断发展和完善，人们的收入不断提高。但由于生产模式，资源利用，科技开发，及地域条件的不同。各地区各行业的人员报酬也有不同。因此，为了进一步的了解对我国各地区各行业人员劳动报酬的基本情况，本文根据2009年全国31个地区的统计年鉴提供给的原始资料，应用主成分分析和聚类分析就我国西部各地区的各行业人员的劳动报酬进行了分析，并进行了综合评价，为以后的发展提供决策依据。（原始数据见表一） 一评价指标的选取

为了使评价更科学合理，并考虑到它的全面性和代表性，选取了如下评价指标(单位：亿元)

X1 X2 X3 X4 X5 X6 X7 X8 X9 X10

农林牧渔业 采矿业 制造业

电器燃气及水的生产和供应业 建筑业

交通运输仓储和邮政业

信息传输计算机服务和软件业 批发和零售业 住宿餐饮业 金融业

X11 X12 X13 X14 X15 X16 X17 X18 X19

房地产业

租赁和商务服务业

科学研究、技术服务和地质勘查业 水利环境和公共设施管理业 居民服务和其他服务业 教育

卫生社会保障和社会福利业 文化体育和娱乐业 公共管理和社会组织

二 因子分析

1因子分析的原理

因子分析属于多元分析中处理降维的一种统计方法，它是主成分分析的推广和发展，它也是将错综复杂关系的变量（或样品）综合为数量较少的几个因子，以再现原始变量与因子之间的相互关系，同时根据不同因子还可以对变量进行分类。

2因子分析的结果 特征根 8.365 6.916 1.155 1.105

方差贡献率% 44.028 36.398 6.079 5.817

累计方差贡献率% 44.028 80.426 86.505 92.322

如上表所示按照提取原则即特征值大于1提取出了四个公因子，累计方差贡献率为92.322%,反映了原始信息的92.322%，这四个因子就可以解释原始数据的大部分信息了。我们将这四个主成分作为评价社会发展状况的综合参量。

Rotated Component Matrix(a)

Component x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12 x13 x14 x15 x16 x17 x18 x19 1 2 3 4 -.104 -.121 .286 .201 .155 .753 .970 .923 .873 .770 .3 .982 .968 .478 .663 .207 .372 .943 .200 -.116 .122 .1 .919 .766 .581 .119 .356 .454 .569 .395 .082 .156 .819 .312 .943 .916 .274 .946 .930 .050 -.020 .055 -.197 .096 -.047 -.041 -.044 -.037 -.047 -.053 -.014 .137 .449 -.034 -.009 -.036 -.016 .033 .974 -.106 .187 -.093 .013 -.033 -.013 -.106 -.109 -.121 -.041 -.039 .071 .099 .161 -.051 .016 .123 Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a Rotation converged in 5 iterations.

Rotated Component Matrix(a)

左图所示为因子载荷矩阵，四个主成分可以表示为：

F1=-0.077*x1-0.108*x2+0.286*x3+0.238*x4+0.169*x5+0.759*x6+0.966*x7+0.901*x8+0.857* x9+0.751*x10+0.909*x11+0.976*x12+0.966*x13+0.524*x14+0.680*x15+0.233*x16+0396*x17+0.941*x18+0.216*x19

F2=-0.079*x1+0.169*x2+0.6*x3+0.910*x4+0.788*x5+0.586*x6+0.140*x7+0.410*x8+0.481* x9+0.612*x10+0.3*x11+0.113*x12+0.169*x13+0.795*x14+0.339*x15+0.928*x16+0.908*x17+0.278*x18+0.941*x19

F3=0.07*x1+0.967*x2-0.101*x3+0.201*x4-0.057*x5+0.027*x6-0.029*x7-0.012*x8-0.097*

x9-0.118*x10-0.138*x11-0.032*x12-0.023*x13+0.113*x14+0.078*x15+0.214*x16-0.038*x17+0.35*x18+0.135*x19

F4=0.96*x1+0.079*x2-0.019*x3+0.029*x4-0.125*x5+0.075*x6-0.055*x7-0.048*x8-0.052 x9-0.050*x10-0.055*x11-0.08*x12-0.027*x13+0.086*x14+0.2*x15-0.033*x16-0.07*x17 -0.059*x18-0.010*x19

由因子载荷方程可以看出x6—x13、x15—x18在第一主成分上的载荷相对其余两个主成分上的载荷要大，我们将第一主成分命名为交通和服务类；x3、x4、x5、x16、x17、x19在第二

主成分的载荷较大，将第二主成分命名为建筑制造和公共管理类，x2在第三主成分上的载荷较大，我们将第三主成分命名为采矿业；x1在第四主成分上的载荷较大，我们将第四主成分命名为农林牧渔业。

Component x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12 x13 x14 x15 x16 x17 x18 x19 1 .005 .055 -.081 -.061 -.085 .073 .173 .122 .095 .052 .118 .178 .169 .004 .098 -.063 -.054 .154 -.077 2 .008 -.074 .195 .165 .176 .036 -.101 -.027 .009 .060 -.022 -.109 -.094 .110 -.016 .167 .174 -.072 .184 3 -.110 .921 -.191 .095 -.125 .011 .062 .034 -.065 -.116 -.084 .069 .059 .042 .047 .117 -.121 .106 .030 4 .923 -.102 .026 .016 -.0 .086 -.042 -.031 -.017 -.008 -.015 -.067 -.015 .086 .279 -.047 .026 -.054 -.009 Component Score Coefficient Matrix

Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. Component

根据上表课计算出主成分的得分，在根据综合得分等于主成分得分的加权和即Z=0.44204* FAC1_1+0.368* FAC2_2+0.05918* FAC3_3+0.05614*FAC4_4 如下表所示：

FAC1_1 排名 FAC2_2 排名 FAC3_3 排名 FAC4_4 排名 综合得分 排名 北 京 4.99362 1 -0.75598 27 0.29785 9 -0.47293 21 1.92 1 广 东 1.00399 3 2.67599 1 -1.11971 30 0.57628 4 1.39 2 山 东 -0.12363 9 1.58316 4 2.12274 2 -0.1335 15 0.65 3 上 海 1.26821 2 0.28705 10 -1.05783 29 0.01505 9 0.6 4 浙 江 -0.25687 12 2.27153 2 -1.47523 31 -0.77888 30 0.59 5 江 苏 -0.29257 14 1.74627 3 -0.39849 18 0.1391 6 0.5 6 河 南 -0.30304 18 1.10279 5 1.87968 3 -0.58421 24 0.35 7 黑龙江 0.09692 5 -0.256 15 0.69599 7 3.69565 1 0.2 8 辽 宁 -0.05416 6 0.37176 9 0.85712 6 0.34429 5 0.18 9 河 北 -0.32745 22 0.49674 7 0.96258 5 -0.25437 17 0.08 10 四 川 -0.39717 31 0.68222 6 -0.04072 12 -0.48269 23 0.05 11

湖 南 -0.332 29 0.43861 8 -0.53009 22 -0.30721 18 -0.06 湖 北 -0.33452 23 0.22133 11 -0.5838 24 0.05994 8 -0.1 天 津 0.15851 4 -0.55454 21 -0.17602 14 0.01445 10 -0.14 山 西 -0.11001 8 -0.60399 25 3.0836 1 -0.90983 31 -0.14 福 建 -0.29361 16 0.14407 12 -0.91425 28 -0.35248 19 -0.15 陕 西 -0.08702 7 -0.33993 16 0.46334 8 -0.19434 16 -0.15 内蒙古 -0.21886 10 -0.39802 18 0.10449 10 1.12351 3 -0.17 新 疆 -0.29272 15 -0.5884 23 -0.14705 13 3.02399 2 -0.18 安 徽 -0.36565 25 -0.22569 13 0.99549 4 -0.62952 25 -0.22 广 西 -0.322 22 -0.231 14 -0.58203 23 -0.07216 14 -0.27 云 南 -0.32702 21 -0.36544 17 -0.40132 19 -0.03823 12 -0.3 吉 林 -0.24219 11 -0.6004 24 -0.03905 11 0.09604 7 -0.32 江 西 -0.37978 27 -0.47887 19 -0.48181 20 -0.07144 13 -0.38 重 庆 -0.30669 19 -0.48249 20 -0.51245 21 -0.75936 29 -0.39 贵 州 -0.344 30 -0.5769 22 -0.28133 16 -0.68679 27 -0.44 甘 肃 -0.3859 28 -0.70691 26 -0.249 15 -0.46808 20 -0.47 海 南 -0.29252 13 -1.18865 29 -0.80179 27 -0.02201 11 -0.62 宁 夏 -0.37114 26 -1.13102 28 -0.34269 17 -0.63814 26 -0. 青 海 -0.29713 17 -1.24092 30 -0.63388 25 -0.47701 22 -0.65 西 藏 -0.355 24 -1.28552 31 -0.69434 26 -0.7551 28 -0.71 由上表可以看出

1在综合得分上北京、广东排在了前两位，得分较高；其次是山东、上海、浙江、黑龙江等，得分出于中上等水平；再次是湖北、天津、陕西等地，得分较近，处于中等地位；而、吉林、广西、重庆、等处于中下等水平；最后是宁夏、青海、，得分最低，且与排在前面的北京、广东等地相差较为悬殊。

2由各个主成分的得分我们可以看出，在第一主成分上，北京、上海、广东、黑龙江等地排在了前几位；说明这些地区的人员在这一主成分上的劳动报酬相对较高。在第二主成分上，广东、浙江、江苏分别排在了前三位，这些地区的人员在第二主成分即建筑制造业，教育和社会管理类等方面报酬较高，。在第三主成分上，山西、山东、河南、安徽、河北分别排在了前五位，说明这些地区的采矿业的人员收入较高，很重要的原因是由于这些地区的矿产资源较为丰富。而在第四主成分上黑龙江、、内蒙古、广东、辽宁等地排名较前，与这些地区发达的农林渔畜牧业是密不可分的。

3综合各个主成分得分和综合得分我们不难发现，青海、宁夏、排名均比较落后，这与其地理位置和自然环境有很大的关系，特别是，由于其独特的地理位置和气候，以及历史原因，它的各项得分均处在大约最后位置。 三 聚类分析

1聚类分析的原理

聚类分析是根据事物本身的特性研究个体分类的方法．聚类分析的依据是同一类中个体有较大的相似性，不同类的个体差异很大．在聚类分析中，基本的思想是认为研究的样本或指标（变量）之间存在着程度不同的相似性（亲疏关系）．于是根据一批样本的多个观测指标，具体找出一些能够度量样本或指标之间相似程度的统计量，以这些统计量为划分类型的依据，把一些相似程度较大的样本（或指标）聚类为一类，把另外一些彼此之间相似程度较大的样品（或指标）又聚合为一类，关系密切的聚合到一个小的分类单位，关系疏远的聚合到一个大的分类单位，直到把所有的样本（或指标）都聚合完毕，把不同的类型一一划分出

12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31

来，形成一个由小到大的分类系统．最后再把整个分类系统画成一张谱系图，用它把所有的样品（或指标）间的亲疏关系表示。 2 聚类分析过程及结果

将由因子分析所得到的四个主成分做为自变量进行聚类分析。聚类方法选择系统聚类法，距离方法采用ward法，利用spss的分析方法进行聚类分析生成聚类系谱图见下图。

14 

25  20  2  7  24   28   22   26   29    30   21   17   18   13  

23    9    3    6   12    27     5    10    11   19    15    16     4   

8   31  

1 

由上图可知，若分为五类 第一类：北京

第二类：天津、河北、内蒙、辽宁、安徽、江西 、湖南、陕西、宁夏、青海 第三类：山西、山东、河南 第四类：黑龙江、

第五类：江苏、浙江、广东

由分类可知，北京可谓“一枝独秀”，作为全国的政治中心和经济中心，北京正一步一步的发展成为国际化大都市，人均收入水平相对较高。其次是天津、北京、河北等地，这些地区

出于中等发展水平，山西、河南、山东其优越的矿产资源为经济发展发挥了主要作用；江苏、浙江、广东这三个南部沿海城市，由于其优越的地理位置发展较为迅速，人均收入水平 也相对较高。 四 总结

综合以上分析可知：

1各地区各行业的人均报酬在一定程度上反应了各地区各行业的发展情况，因此，对于人均报酬相对较低的行业，各地应出台相应，扶持和促进较低收入行业的发展，提高人员报酬，降低差距。具有能源和地理位置优势的地区，应充分发挥其能动性，实现其优势产业的科学发展。同时对于能源型地区，要注意资源的合理利用，做到发展与环境相协调。 2各地区应对其薄弱产业进行合理优化，着重发展。如河北省在科研、文化体育娱乐及金融等反方面发展较落后，因此应当利用其毗邻北京天津的地理位置，吸引科研型人才来河北进行企业科研创新，同时也应加快文化改革，实现河北各行业的均衡发展。

3虽然我国的经济发展迅猛，但我国的经济发展并不平衡。尤其是西部地区与东部沿海地区差异较显著，差距较大。因此，加强西部地区的基础实施和基础产业建设，加大教育、社会服务和社会保证的投入就显得尤为重要。进行西部大开发建设仍是我国现代化建设的重中之重。

参考文献

[1] 周建华，袁红平。基于因子分析和聚类分析法的建筑业经济效益评价[J].建筑经济，2007(12)：9-14

ZHOU jian-hua,YUAN hong-ping.The Construction Industry Economic Evaluation Based on Factor and cluster Analysis[J].Construction Economics,2007(12)：9-14. [2]庞浩.计量经济学[M].北京：科学出版社，2006.

PANG hao.Economics[M].beijing：Science Press,2006.

表一

农、林、

牧、渔业

地 区

和供应业

采 矿 业

制 造 业

电力、燃气 及水的生产

建 筑 业

交通运输、

信息传输、 计算机服

批发和零售业

住宿和餐饮业

金融业

房地产业

仓储和邮政业

务 和软件业

北 京 天 津 河 北 山 西 内蒙古 辽 宁 吉 林 黑龙江 上 海 江 苏 浙 江 安 徽 福 建 江 西 山 东 河

7.0 2.0

26.5 384.9 37.0 248.6

51.5 125.9 25.0 70.7 35.7 39.4 57.1 23.1 41.4 40.1 68.7

44.9 66.6 40.1 31.6 66.7 24.0 62.7 60.2 87.3

212.2 56.3 66.5 65.5 49.0 97.1 37.8 .7 159.9 97.1 86.9 33.1 52.2 45.0 95.5 77.6

314.5 13.7 17.9 11.8 10.8 29.5 10.5 19.2 50.0 31.9 55.8 9.9 17.5 7.3 23.3 11.0

249.0 40.6 31.6 24.7 12.7 34.6 15.0 36.7 120.9 69.4 81.5 23.3 30.6 15.9 66.6 68.9

72.4

298.2

123.2 11.2 7.0 2.3 3.2 14.7 6.1 8.0 49.0 20.7 34.4 7.3 21.7 3.8 20.7 15.2

7.2 41.0 6.6 71.0 4.9 43.1 4.0 32.2 10.3 80.4 4.4 28.2 5.7 41.0 28.0 20.1 30.0

229.5 127.9 1.2

7.3 104.9 249.0 5.8 270.0 144.9 36.7

55.8

88.9

23.3 120.1 382.7 20.0

50.9 136.3

91.7 123.1 178.3 3.6 17.8 4.8

0.5 627.6 45.1 812.0 4.2 775.5

78.0 303.6 30.5

68.3

9.4 127.2 151.1 9.6 17.2

11.6 481.1 20.8 122.0

4.4 41.8 9.6 60.5 2.6 26.0 20.3

114.8

36.4 105.1 23.9

41.0

10.1 222.6 718.2 10.6 187.4 322.3

66.1 139.2 65.3 148.4

14.9 73.6

南 湖 北 湖 南 广 东 广 西 海 南 重 庆 四 川 贵 州 云 南 西 藏 陕 西 甘 肃 青 海 宁 夏 新 疆

租赁和商务

技术服务和

服 务 业

地 区

地质勘查业

管 理 业 和公共设施

其他服务业

福 利 业

教 育

保障和社会

和娱乐业

社会组织

科学研究、

水利、环境

居民服务和

卫生、社会

文化、体育

公共管理和

18.7 12.2 12.7 16.5 19.0 3.1 10.9 4.6 19.4 1.3 10.8 8.4 5.1 5.2 91.4

24.5 248.0 27.7 200.7 12.4

1083.

8

35.6 115.0 34.5 122.7 92.0 136.1 28.5 6.0 25.6

47.8 8.8 81.7

74.6 54.6 206.9 49.5 14.1 34.9 63.7 23.6 40.6 3.1 57.0 28.6 11.1 8.3 39.3

12.4 16.3 97.8 11.9 3.4 11.3 19.3 8.2 12.5 2.2 18.7 3.1 2.4 2.1 6.5

32.1 33.5 131.0 22.0 5.3 23.9 38.0 24.6 31.3 1.7 27.6 9.3 3.0 4.2 14.9

8.3 49.6 12.1 51.8 50.8

270.4

9.7 18.6 77.9 8.3 4.4 10.8 11.1 5.7 6.0 0.1 10.2 2.1 1.4 1.7 4.0

12.3 122.8 2.1

13.8

6.2 39.8 5.9

8.6

23.5 135.7 65.6 273.7 28.9

87.8

5.6 38.5 8.4 74.6 3.6 26.9 7.8 37.4 0.7

4.7

47.0 162.3 29.6 29.7 3.4 33.1 20.0 5.1 17.8 19.5

42.6 54.1 1.4 35.0 24.5 7.0 7.8 51.1

27.6 129.8 0.4

1.5

78.0 178.6 31.3 5.9 25.7 73.8

93.0 18.6 24.8 62.6

7.6 41.3 2.8 18.2 0.5

5.8

0.8 12.1 4.8 24.8

北 京 359.4 284.4 30.4 15.9 209.1 110.6 96.6 193.6

天 津 河 北 山 西 内蒙古 辽 宁 吉 林 黑龙江 上 海 江 苏 浙 江 安 徽 福 建 江 西 山 东 河 南 湖 北 湖 南 广 东 广 西 海 南 重 庆 四 川 贵 州 云 南 西 藏 陕 西 甘 肃 青 海 宁 夏 新 疆

16.7 8.1 9.5 6.6 21.5 8.1 7.6 81.2 27.3 56.3 10.3 24.6 7.0 26.9 26.3 9.1 11.2 93.1 13.6 4.1 8.2 18.5 6.1 10.4 0.2 6.3 3.4 1.0 1.6 9.5

37.4 29.5 16.2 12.9 38.3 18.8 38.3 129.4 45.4 47.5 16.1 17.0 12.6 32.4 34.4 32.0 21.0 85.9 18.1 3.6 21.6 52.7 9.9 15.9 2.9 42.0 13.0 7.8 3.7 13.7

11.3 16.1 8.0 13.1 21.7 10.9 12.2 22.7 29.9 21.1 10.6 9.5 7.9 23.7 23.4 13.2 15.4 34.4 10.3 3.1 5.4 13.8 4.7 7.1 0.5 11.5 7.0 1.9 3.9 9.1

13.1 6.5 1.2 6.4 3.8 1.8 12.3 10.7 2.8 3.8 0.9 3.1 0.8 10.9 2.8 2.7 2.3 14.5 1.3 0.2 1.4 2.2 1.0 1.0 4.6 0.8 2.7 0.1 0.6

74.3 211.8 118.2 104.4 161.2 99.3 120.4 152.2 295.9 270.5 148.8 138.3 100.9 328.3 2.8 144.7 1.0 359.6 135.2 26.8 90.9 191.4 94.1 112.8 17.3 152.4 83.4 24.0 23.5 87.8

36.3 58.2 30.6 32.7 .5 32.7 46.5 99.1 121.4 139.1 48.6 45.8 37.5 116.8 91.2 60.4 80.3 183.4 52.2 9.3 33.1 86.7 25.8 32.5 5.9 40.2 20.4 8.6 7.4 31.5

7.6 10.1 10.1 8.8 14.7 8.2 9.8 24.9 21.5 24.5 8.0 11.1 7.7 21.7 16.5 11.1 11.6 35.9 8.8 2.8 6.6 11.3 4.8 6.4 2.8 8.8 5.6 2.1 2.5 6.2

71.5 185.5 114.6 96.8 154.6 75.5 112.4 103.1 291.0 287.8 127.8 100.0 91.4 295.7 249.3 144.4 174.8 402.0 114.7 27.1 73.2 204.3 90.1 119.8 38.5 108.3 86.3 26.5 22.9 92.7