我国各地区第三产业发展状况分析
（山东科技大学） 毕业论文网 【摘要】本文在写作前查阅了大量有关第三产业发展方面的资料，大量引用了2015年我国各地区第三产业有关数据，基于多元统计分析中的因子分子法，利用SPSS分析软件，对各地区第三产业的发展状况进行了分析。
【关键词】因子分析 SPSS 第三产业 使用软件：SPSS 一、引言 因子分析是多元统计分析的一种重要方法，其主要特点在于可探索不易观测或不能观察的潜在因素。
Charles Spearman在1904年发表的“对智力测验得分进行统计分析”的著名文章，可以说是因子分析的首创，至今它已发展成为多元统计分析中较为成熟的一个分支。
因子分析最初应用于教育心理学，现已广泛应用于社会调查、教育测量、心理分析和成因分析等领域。
二、数据处理 第一步：录入数据 有以下变量：地区，农林牧渔服务业（x1），交通运输仓储及邮电通信业（x2），批发零售业（x3），住宿及餐饮业（x4），金融业（x5），房地产业（x6），卫生及社会福利业（x7），文化、体育和娱乐业（x8），科学研究和综合技术服务业（x9），其他（x10）. 第二步：基本操作， 具体步骤如下： 1.选择菜单：【分析】→【降维】→【因子分析】。
选择参与因子分析的变量到【变量】框中. 2. 其中，【原始分析结果】表示输出因子分析的初始解；【系数】表示输出相关系数矩阵；【反应象】表示输出反应象相关矩阵；【KMO和Bartlett的球形度检验】表示进行巴特利球度检验和KMO检验. 由于原有变量存在数量级差异，因此选择“相关性矩阵”进行分析；在【特征值大于】框中输入“1”，SPSS将提取大于1的特征值；在【输出】框中选择输出“未旋转的因子解”和“碎石图”. 其中，【最大方差法】为方差极大法；在【输出】框中指定输出与因子旋转相关的信息，在这里选择“旋转解”和“载荷图”。
其中，【旋转解】表示输出旋转后的因子载荷矩阵，【载荷图】表示输出旋转后的因子载荷散点图。
三、 结果分析 1.考察原有变量是否适合进行因子分析 由表2—1可知，巴特利特球度检验统计量的观测值为459.095，相应的概率 P—值接近0。
如果显著性水平α为0.05，由于概率P—值小于显著性水平α，则应拒绝原假设，认为相关系数矩阵与单位阵有显著差异。
同时，KMO值为0.892，根据Kaiser的KMO度量标准可知原有变量适合因子分析。
2.因子的命名解释 由表4—1可知，x5（金融业），x6（房地产业），x10（其他），x3（批发零售业）在第一个因子上有较高的载荷，可解释为经济类指标；其他指标则在第二个因子上有较高的载荷，可解释为非经济类指标。
提取方法：主成份分析。
旋转方法：Kaiser 标准化最大方差法。
a. 旋转在 3 次迭代后已收敛。
3.各省市自治区的综合评价 可利用因子得分变量对地区进行对比研究。
其中，横轴表示因子变量1，纵轴为因子变量2. 观察图可见，山东、上海、江苏、广东是较为特殊的点（省市），其他样本（地区）较相似。
山东的第二因子得分最高，表明非经济类的第三产业增加值远远高于其他；第一因子得分居平均值，表明经济类第三产业增加值与其他地区差异不大。
江苏的两个因子得分均比较高，都高于平均水平，因此总体上江苏的第三产业增加值是较高的。
广东的第一因子得分最高，表明经济类第三产业增加值远高于其他省市；第二因子得分略低于平均值，表明非经济类第三产业增加值与其他地区差异不明显。
四、总结与结论 1.首先通过KMO和巴特利特球度检验与相关矩阵，得出变量是否适合进行因子分析，其次要进行检验从而得出因子个数。
2.对因子分析模型进行正交因子旋转（方差极大法）、因子得分，建立初始因子载荷阵从而的出分析结果。
3.根据检验结果把因子分析模型的各系数带入方程后，得到最终的因子分析方程为： =—0.232x1+0.098x2+0.22x3+0.097x4+0.377x5+0.283x6—0.141x7—0.104x8—0.107x9+0.266x10 =0.397x1+0.072x2—0.057x3+0.074x4—0.248x5—0.13x6+0.312x7+0.28x8+0.262x9—0.111x10 ?⒖嘉南祝? [1]薛薇.统计分析与SPSS的应用[M].中国人民大学出版社. [2]国家统计局.中国统计年鉴，2015.