基于因子分析的各地城镇就业情况的综合评价

李 珊

(武汉理工大学，湖北 武汉 430070)

0 引言

我国经济增长总体呈上升趋势， 而就业增长率却呈现下降趋势。解决就业问题已不能再着重与经济增长，而应在产业结构调整中促进就业。 研究各地区城镇的不同行业就业情况有重要的现实意义，能判断各行业的优势与劣势，对经济结构调整、产业结构优化有着重要作用。

1 各地区城镇单位就业情况综合评价

本文以北京、天津、河北等31 个省市的19 个行业就业人员工资总数为样本，利用因子分析方法，对该数据进行因子分析。原始数据来源于2013 年中国统计年鉴，数据的处理与计算利用了SPSS19.0 统计软件。

1.1 因子分析适用性检验

利用因子分析的目的是从众多的原有指标变量中提取出少量的具有代表性的因子，这就要求有一个前提，那就是要求原变量之间应具有较强的相关关系，否则不能运用因子分析。 采用计算各个指标变量的相关系数矩阵以及巴特利特球度检验和KMO 检验等方法来检测因子分析对本文所取数据的适用性。

通过观察各个指标变量的相关系数矩阵可以发现，19 个指标（每个行业算一个指标）两两之间大多数具有很强的相关性，检验变量间偏相关行的KMO 统计量，数值为0.773，大于0.5，因此各变量间的相关程度无太大差异，可知数据适合作因子分析；巴特利特球形假设检验的结果，其概率p 接近于0，由于概率p 小于显著性水平，可以认为相关系数矩阵与单位阵有显著差异，可见球形假设被拒绝，因此19 个指标间并非独立，取值是有关系的，适合作因子分析。

1.2 主因子的确定

根据各个因子解释原有指标变量总方差的情况， 我们利用因子分析中的主成分分析法，从19 项指标变量中提取出主要因子，通过它们来代替原有指标变量所含的信息。 先计算因子方差贡献情况，计算出公因子方差比， 公因子方差比指的是按照所选标准提取相应数量主成分后，各变量中信息分别被提取出的比例，例如变量（农、林业）的公因子方差比是0.564， 即提取的公因子对变量农林业的方差作出了56.4%的贡献。由表可知前两个数据大于54.6%，其余大量的都在90%以上，说明提取的因子保留了足够多的信息，因子分析的效果是显著的。

再由主成分列表分析得出第一个主成分的特征根为11.974，解释了总信息的63.021%，第二个主成分的特征根为3.172，解释了总信息的16.695，第三个主成分的特征根为1.229，解释了总信息的6.468，第四个特征根为0.886，比1 小，说明解释力度不如直接引入原变量。 另外，提取的3 个主因子累计方差贡献率达到了86.183%，丢失的信息较少，用它们来代替原指标变量进行各地区的就业评价是可行的。

1.3 因子的命名

上述得出的3 个因子必须具备一定的意义， 否则提取是不成功的，就是说所得的因子必须是可以命名的。 计算3 个主因子的因子载荷矩阵并从因子载荷矩阵可以看出， 各因子的典型代表变量并不突出，不能对因子做很好的解释。 因子采用具有Kaiser 标准化的正交旋转进行因子旋转，计算旋转后的因此载荷矩阵。 通过旋转后的因子载荷矩阵得到相应的因子模型，从表中我们可以得到这些信息：（1）批发与零售业、交通运输、住宿与餐饮业、信息传输、金融业、房地产业、租赁和商务、科学研究、居民服务和文化体育这几个指标在第一个因子上具有较高的载荷，这些指标包括了各种公共服务、社会服务业，我们可以命名为第三产业就业信息因子；（2）制造业、电力热力、建筑业、水利环境、教育、卫生和社会保障、公共管理这几个指标在第二个因子上具有较高的载荷，这些指标包含的是企事业单位，我们可以命名为第二产业就业信息因子；（3）农林业、采矿业这两个指标在第三个因子上具有较高的载荷，这些指标中包含的是一些基础产业，我们可以命名为第一产业就业信息因子。

1.4 计算因子得分及综合得分排序

采用回归法估计因子得分系数，通过系数矩阵将提取的主因子表示为各个变量的线性组合，求出得分函数。根据各因子得分函数，计算出因子得分，再以各因子特征值所占权重为权数计算各省市的综合评价得分。 根据总得分，对31 个省市就业情况进行排序。 由于数据收集的时候，西藏的居民服务业数据缺失，最后结果不算西藏。排名靠前的是北京、广东、浙江、上海这些城市，排名靠后的是青海、宁夏、甘肃这些城市。 这些基本符合我们所大致了解的情况，由此可见此评级还是比较可信的。

2 总结

运用因子分析对各省市城镇就业人员工资进行评价，可以侧面反应该省市的产业结构是否完善，能否通过调整产业结构从而促成就业情况的更好发展。同时本文的分析中可以看出中国第三产业就业因子权值为0.5182，虽较前些年已经有所提高，但是距离美、日、欧等发达国家第三产业比重高达70%以上还有很大差距， 说明我国应继续发展第三产业，开拓各种公共服务，社会服务化，优化产业结构从而扩大就业。

［1］宋焕斌,孙鸿鹏.基于因子分析的区域经济实力比较[J].辽宁石油化工大学学报,2007,12：72-80.

［2］王琳,张清清.因子分析模型在政府环境绩效审计中的运用[J].会计之友,2012,3:83-85.

［3］叶依广,何伟.江苏省各中心城市经济发展综合实力及其差异因素的主成分分析[J].南京农业大学学报：自然科学版,2002,25(4):95-99.

［4］卢纹岱.SPSS for Windows 统计分析[M].北京:电子工业出版社,2000：401-419.