spss 分析spss 分析.doc

关于我国居民就业分布的因子分析 摘要：改革开放以来，我国的产业结构有了明显变化，二三产业发展有了较快的发展，以农业为主的第一产业也逐渐向现代化发展。近年来，随着经济的发展，我国的就业人数在扩大，就业分布也发生了明显变化。本文主要针对2008年我国各地区按不同行业分的居民就业人数差异和相似性进行了因子分析，得出我国居民就业集中分布趋势，进而提出一些今后发展的政策建议。 关键词：三大产业 就业分布 因子分析 正文： 一、问题的提出 近年来随着经济的发展，产业结构的调整，劳动力市场饱和，劳动力过剩就业难等问题逐渐成为社会关注的热点，如不及时解决会影响我国经济的持续稳步发展。 二、数据来源 数据来自于中国统计年鉴“各地区按行业分人数()”，由于数据较多在附表中呈现。 三、分析过程 1、因子分析的原理：因子分析是一种多元变量统计 方法 。它是用较少个数的公共因子的线性函数和特定因子之和来表达原来观测的每个变量，从研究相关矩阵内部的依赖关系出发，把一些具有错综复杂的变量归纳为少数几个综合因子的一种多变量统计分析方法。当这几个公共因子或综合因子的累计方差和即贡献率达到85%以上时，就说明这几个公共因子集中反映了研究问题的大部分信息，而彼此之间又不相关，信息不重叠。考查原有变量是否适合进行因子分析制造业电力、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和餐饮业金融业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采用巴特利特球度检验和KMO检验考查收集到的原有变量之间是否存在一定的线性关系，是否适合采用因子分析提取因子。KMO and Bartletts Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .788 Bartletts Test of Sphericity Approx. Chi-Square 833.355 df 153 Sig. .000 由表可知，巴利特球度检验统计量的观测值为833.355，相应的概率P-值接近0。如果显著性水平a为0.05，由于概率P-值小于显著性水平a，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，KOM值为0.788，根据Kaiser给出的KOM度量标准可知原有变量适合进行因子分析。 3、提取因子。 Communalities Initial Extraction 农林牧渔业 1.000 .662 采矿业 1.000 .651 制造业 1.000 .774 电力、燃气及水的生产和供应业 1.000 .955 建筑业 1.000 .725 交通运输、仓储和邮政业 1.000 .924 信息传输、计算机服务和软件业 1.000 .953 批发和零售业 1.000 .920 住宿和餐饮业 1.000 .944 金融业 1.000 .908 房地产业 1.000 .922 租赁和商务服务业 1.000 .945 科学研究、技术服务和地质斟查业 1.000 .869 水利、环境和公共设施管理业 1.000 .935 居民服务和其他服务业 1.000 .704 卫生、社会保障和社会福利业 1.000 .967 文化体育和娱乐业 1.000 .925 公共管理和社会组织 1.000 .929 Extraction Method: Principal Component Analysis. Total Variance Explained Component Initial Eigenvalues Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings Total % of Variance Cumulative % Total % of Variance Cumulative % Total % of Variance Cumulative % 1 11.007 61.149 61.149 11.007 61.149 61.149 7.065 39.249 39.249 2 3.185 17.695 78.844 3.185 17.695 78.844 6.951 38.619 77.869 3 1.420 7.888 86.732 1.420 7.888 86.732 1.595 8.863 86.732 4 .763 4.239 90.971 5 .516 2.869 93.841 6 .333 1.850