李 珊

(武漢理工大學(xué)，湖北 武漢 430070)

0 引言

我國經(jīng)濟(jì)增長總體呈上升趨勢， 而就業(yè)增長率卻呈現(xiàn)下降趨勢。解決就業(yè)問題已不能再著重與經(jīng)濟(jì)增長，而應(yīng)在產(chǎn)業(yè)結(jié)構(gòu)調(diào)整中促進(jìn)就業(yè)。 研究各地區(qū)城鎮(zhèn)的不同行業(yè)就業(yè)情況有重要的現(xiàn)實(shí)意義，能判斷各行業(yè)的優(yōu)勢與劣勢，對經(jīng)濟(jì)結(jié)構(gòu)調(diào)整、產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化有著重要作用。

1 各地區(qū)城鎮(zhèn)單位就業(yè)情況綜合評價(jià)

本文以北京、天津、河北等31 個(gè)省市的19 個(gè)行業(yè)就業(yè)人員工資總數(shù)為樣本，利用因子分析方法，對該數(shù)據(jù)進(jìn)行因子分析。原始數(shù)據(jù)來源于2013 年中國統(tǒng)計(jì)年鑒，數(shù)據(jù)的處理與計(jì)算利用了SPSS19.0 統(tǒng)計(jì)軟件。

1.1 因子分析適用性檢驗(yàn)

利用因子分析的目的是從眾多的原有指標(biāo)變量中提取出少量的具有代表性的因子，這就要求有一個(gè)前提，那就是要求原變量之間應(yīng)具有較強(qiáng)的相關(guān)關(guān)系，否則不能運(yùn)用因子分析。 采用計(jì)算各個(gè)指標(biāo)變量的相關(guān)系數(shù)矩陣以及巴特利特球度檢驗(yàn)和KMO 檢驗(yàn)等方法來檢測因子分析對本文所取數(shù)據(jù)的適用性。

通過觀察各個(gè)指標(biāo)變量的相關(guān)系數(shù)矩陣可以發(fā)現(xiàn)，19 個(gè)指標(biāo)（每個(gè)行業(yè)算一個(gè)指標(biāo)）兩兩之間大多數(shù)具有很強(qiáng)的相關(guān)性，檢驗(yàn)變量間偏相關(guān)行的KMO 統(tǒng)計(jì)量，數(shù)值為0.773，大于0.5，因此各變量間的相關(guān)程度無太大差異，可知數(shù)據(jù)適合作因子分析；巴特利特球形假設(shè)檢驗(yàn)的結(jié)果，其概率p 接近于0，由于概率p 小于顯著性水平，可以認(rèn)為相關(guān)系數(shù)矩陣與單位陣有顯著差異，可見球形假設(shè)被拒絕，因此19 個(gè)指標(biāo)間并非獨(dú)立，取值是有關(guān)系的，適合作因子分析。

1.2 主因子的確定

根據(jù)各個(gè)因子解釋原有指標(biāo)變量總方差的情況， 我們利用因子分析中的主成分分析法，從19 項(xiàng)指標(biāo)變量中提取出主要因子，通過它們來代替原有指標(biāo)變量所含的信息。 先計(jì)算因子方差貢獻(xiàn)情況，計(jì)算出公因子方差比， 公因子方差比指的是按照所選標(biāo)準(zhǔn)提取相應(yīng)數(shù)量主成分后，各變量中信息分別被提取出的比例，例如變量（農(nóng)、林業(yè)）的公因子方差比是0.564， 即提取的公因子對變量農(nóng)林業(yè)的方差作出了56.4%的貢獻(xiàn)。由表可知前兩個(gè)數(shù)據(jù)大于54.6%，其余大量的都在90%以上，說明提取的因子保留了足夠多的信息，因子分析的效果是顯著的。

再由主成分列表分析得出第一個(gè)主成分的特征根為11.974，解釋了總信息的63.021%，第二個(gè)主成分的特征根為3.172，解釋了總信息的16.695，第三個(gè)主成分的特征根為1.229，解釋了總信息的6.468，第四個(gè)特征根為0.886，比1 小，說明解釋力度不如直接引入原變量。 另外，提取的3 個(gè)主因子累計(jì)方差貢獻(xiàn)率達(dá)到了86.183%，丟失的信息較少，用它們來代替原指標(biāo)變量進(jìn)行各地區(qū)的就業(yè)評價(jià)是可行的。

1.3 因子的命名

上述得出的3 個(gè)因子必須具備一定的意義， 否則提取是不成功的，就是說所得的因子必須是可以命名的。 計(jì)算3 個(gè)主因子的因子載荷矩陣并從因子載荷矩陣可以看出， 各因子的典型代表變量并不突出，不能對因子做很好的解釋。 因子采用具有Kaiser 標(biāo)準(zhǔn)化的正交旋轉(zhuǎn)進(jìn)行因子旋轉(zhuǎn)，計(jì)算旋轉(zhuǎn)后的因此載荷矩陣。 通過旋轉(zhuǎn)后的因子載荷矩陣得到相應(yīng)的因子模型，從表中我們可以得到這些信息：（1）批發(fā)與零售業(yè)、交通運(yùn)輸、住宿與餐飲業(yè)、信息傳輸、金融業(yè)、房地產(chǎn)業(yè)、租賃和商務(wù)、科學(xué)研究、居民服務(wù)和文化體育這幾個(gè)指標(biāo)在第一個(gè)因子上具有較高的載荷，這些指標(biāo)包括了各種公共服務(wù)、社會(huì)服務(wù)業(yè)，我們可以命名為第三產(chǎn)業(yè)就業(yè)信息因子；（2）制造業(yè)、電力熱力、建筑業(yè)、水利環(huán)境、教育、衛(wèi)生和社會(huì)保障、公共管理這幾個(gè)指標(biāo)在第二個(gè)因子上具有較高的載荷，這些指標(biāo)包含的是企事業(yè)單位，我們可以命名為第二產(chǎn)業(yè)就業(yè)信息因子；（3）農(nóng)林業(yè)、采礦業(yè)這兩個(gè)指標(biāo)在第三個(gè)因子上具有較高的載荷，這些指標(biāo)中包含的是一些基礎(chǔ)產(chǎn)業(yè)，我們可以命名為第一產(chǎn)業(yè)就業(yè)信息因子。

1.4 計(jì)算因子得分及綜合得分排序

采用回歸法估計(jì)因子得分系數(shù)，通過系數(shù)矩陣將提取的主因子表示為各個(gè)變量的線性組合，求出得分函數(shù)。根據(jù)各因子得分函數(shù)，計(jì)算出因子得分，再以各因子特征值所占權(quán)重為權(quán)數(shù)計(jì)算各省市的綜合評價(jià)得分。 根據(jù)總得分，對31 個(gè)省市就業(yè)情況進(jìn)行排序。 由于數(shù)據(jù)收集的時(shí)候，西藏的居民服務(wù)業(yè)數(shù)據(jù)缺失，最后結(jié)果不算西藏。排名靠前的是北京、廣東、浙江、上海這些城市，排名靠后的是青海、寧夏、甘肅這些城市。 這些基本符合我們所大致了解的情況，由此可見此評級還是比較可信的。

2 總結(jié)

運(yùn)用因子分析對各省市城鎮(zhèn)就業(yè)人員工資進(jìn)行評價(jià)，可以側(cè)面反應(yīng)該省市的產(chǎn)業(yè)結(jié)構(gòu)是否完善，能否通過調(diào)整產(chǎn)業(yè)結(jié)構(gòu)從而促成就業(yè)情況的更好發(fā)展。同時(shí)本文的分析中可以看出中國第三產(chǎn)業(yè)就業(yè)因子權(quán)值為0.5182，雖較前些年已經(jīng)有所提高，但是距離美、日、歐等發(fā)達(dá)國家第三產(chǎn)業(yè)比重高達(dá)70%以上還有很大差距， 說明我國應(yīng)繼續(xù)發(fā)展第三產(chǎn)業(yè)，開拓各種公共服務(wù)，社會(huì)服務(wù)化，優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)從而擴(kuò)大就業(yè)。

［1］宋煥斌,孫鴻鵬.基于因子分析的區(qū)域經(jīng)濟(jì)實(shí)力比較[J].遼寧石油化工大學(xué)學(xué)報(bào),2007,12：72-80.

［2］王琳,張清清.因子分析模型在政府環(huán)境績效審計(jì)中的運(yùn)用[J].會(huì)計(jì)之友,2012,3:83-85.

［3］葉依廣,何偉.江蘇省各中心城市經(jīng)濟(jì)發(fā)展綜合實(shí)力及其差異因素的主成分分析[J].南京農(nóng)業(yè)大學(xué)學(xué)報(bào)：自然科學(xué)版,2002,25(4):95-99.

［4］盧紋岱.SPSS for Windows 統(tǒng)計(jì)分析[M].北京:電子工業(yè)出版社,2000：401-419.