数据分享|R语言主成分PCA、因子分析、聚类对地区经济研究分析重庆市经济指标...

拓端研究室TRL

于 2022-07-06 16:55:47 发布

阅读量827

点赞数 2

文章标签： r语言聚类人工智能开发语言数据挖掘

本文链接：https://blog.csdn.net/tecdat/article/details/129392597

版权

本文通过R语言对重庆市38个区县的经济指标进行主成分分析和聚类研究，揭示了各区县的社会经济发展水平。结果显示，渝中区、渝北区和九龙坡区的经济发展综合得分最高，而巫山县、巫溪县和城口县得分最低。分析过程中，选取了8个经济指标，通过因子分析提取出经济规模、人均发展水平和经济发展潜力3个主因子，进一步进行了系统聚类分析，将区县分为6类。研究发现，渝中区经济发展实力最强，渝北区在高技术生产和投资环境方面表现突出。

摘要由CSDN通过智能技术生成

原文链接:http://tecdat.cn/?p=27515

建立重庆市经济指标发展体系，以重庆市一小时经济圈作为样本，运用因子分析方法进行实证分析，在借鉴了相关评价理论和评价方法的基础上，本文提取出经济规模、人均发展水平、经济发展潜力、3个主因子，从重庆市统计年鉴选取8个指标构成的指标体系数据（查看文末了解数据获取方式）对重庆市38个区县经济发展基本情况的八项指标进行分析，并基于主因子得分矩阵对重庆市38个区县进行聚类分析。

结果表明：根据综合得分，可以看出各区县社会经济发展水平排前三的是渝中区、渝北区、九龙坡区，得分最低的三个是巫山县、巫溪县、城口县，结合总体的分析可以看出渝中区、九龙坡区在经济总体规模和建筑业方面较好，而重庆周边的地区经济实力较差，投资环境不好，特别是在建筑方面的缺乏，以至于经济发展相对而言薄弱的地区，不论从哪方面来说重庆各区县中渝中区的经济实力是最好的。

相关视频

评价指标的建立

评价地区的之间的经济发展水平，必须建立适当的指标体系。考虑到地区经济指标的复杂性、多样性和可操作性，本文在此基础上建立了一套较为完整的易于定量分析的地区经济评价指标体系，分别从不同的角度反映地区经济发展特征。

本文所建立的指标体系共包括8个指标，分别从经济规模、人均发展水平、经济发展潜力等方面来反映地区经济发展特征。具体指标如下：

地区生产总值（万元）（X1）

社会消费品零售总额（万元）（X2）

工业总产值（万元）(X3)

建筑业总产值（万元）(X4)

高技术生产总值（万元）（X5）

全社会固定资产投资（万元）（X6)

人均可支配收入（元）（X7）

人均地区生产总值（元）(X8)

因子分析在地区经济研究中的应用

因子分析模型及其步骤

因子分析是一种数据简化的技术。它通过研究众多变量之间的内部依赖关系，探求观测数据中的基本结构，并用少数几个假想变量来表示其基本的数据结构。这几个假想变量能够反映原来众多变量的主要信息。原始的变量是可观测的显在变量，而假想变量是不可观测的潜在变量，称为因子。设p个变量，则因子分析的数学模型可表示为：

称为公共因子，是不可观测的变量，他们的系数称为因子载荷。是特殊因子，是不能被前m个公共因子包含的部分。因子分析步骤如下：

（1）将原始数据标准化，仍记为X；（2）建立相关系数矩阵R；（3）解特征方程，计算特征值和特征向量，当累计贡献率不低于85%时，提取k个主成分代替原来的m个指标，计算因子载荷矩阵A；（4）对A进行最大正交旋转交换；（5）对主因子进行命名和解释。如需进行排序，则计算各个主因子的得分，以贡献率为权重，对加权计算综合因子得分。