張雅楠

摘要：本文運用主成分分析的方法，對選取的影響鋼鐵產業(yè)政策演進的6個主要的影響因素進行了實證分析。研究表明，對鋼鐵產業(yè)政策演進影響程度較大的影響因素分別為產業(yè)布局、產業(yè)結構、產業(yè)組織、產業(yè)技術創(chuàng)新4個因素。

關鍵詞：鋼鐵產業(yè)；政策演進；影響因素

1.引言

我國政府為了實現(xiàn)一定的社會和經濟目標，而對鋼鐵產業(yè)的形成和發(fā)展進行干預的各種政策的總和即為鋼鐵產業(yè)政策?！颁撹F產業(yè)政策是以鋼鐵產業(yè)為直接對象，保護和扶植鋼鐵產業(yè)，調整和整頓鋼鐵產業(yè)組織，其目的是實現(xiàn)經濟穩(wěn)定與增長，改善資源配置，增強國際競爭力，改善與保護生態(tài)環(huán)境等。鋼鐵產業(yè)政策要求我國政府對每個鋼鐵企業(yè)的生產活動、交易活動都進行一定的干預，從而直接或間接地干預市場的形成和市場機制，進而實現(xiàn)特定的經濟性的或社會性的目標[1]”。鋼鐵產業(yè)政策的演進是在一些影響因素的推動之下發(fā)生的。通過對現(xiàn)有文獻和研究分析可以發(fā)現(xiàn)，鋼鐵產業(yè)政策的制定和實施會受到鋼鐵產業(yè)布局、鋼鐵產業(yè)組織、鋼鐵產業(yè)結構變動、鋼鐵產業(yè)技術創(chuàng)新、鋼鐵產能變化和鋼鐵產業(yè)環(huán)保這幾種因素的影響。本文采用主成分分析法對這幾種因素影響程度的大小進行了實證分析。

2.模型簡介及數(shù)據選取

為定量判別影響因素對鋼鐵產業(yè)政策演進的影響因素，本文釆用主成分分析法來確定各因素對政策演進影響的方差的大小，進而通過建立綜合評價模型確定各因素影響程度的大小，以確定鋼鐵產業(yè)政策演進過程中的主導影響因子。

“主成分分析法是設法將原來眾多的具有一定相關性的各個指標重新組合成一組新的、互相無關的、綜合指標來代替原來的指標，在數(shù)學上的處理就是，將原來P個指標作為線性組合，作為新的綜合指標。最經典的做法就是用F1的方差來表達，即Var（F1）越大，表示F1包含的信息越多。因此在所有的線性組合中選取的F1應該是方差最大的，故稱F1為第一主成分。如果第一主成分不足以代表原來P個指標的信息，再考慮選取F2，即選擇第二個線性組合，為了有效地反映原來信息，F(xiàn)1已有的信息就不需要再出現(xiàn)在F2中，用數(shù)學語言表達就是要求Cov（F1，F(xiàn)2）=0，則稱為第二主成分，依此類推可以構造出第三、第四，……，第P個主成分。

主成分分析數(shù)學模型如下：

F1=a11X1+a21X2+……+ap1XpF2=a12X1+a22X2+……+ap2Xp……Fm=a1mX1+a2mX2+……+apmXp

其中a1i，a2i，……，api（i=1……m）為X的協(xié)方差矩陣∑的特征值對應的特征向量，X1，X2，……，XP是原始變量經過標準化處理的值[2]”。

因為在實際應用中，存在著指標的量綱不同，為了在計算之前去除量綱的影響，就需要將原始的這些數(shù)據標準化，本論文中數(shù)據都是關于影響程度重要性的打分，不存在量綱影響，因此，不需要進行數(shù)據標準化。

本研究主要是根據主成分分析法進行因子分析，建立主成分得分系數(shù)矩陣，再建立綜合評價模型，根據模型中變量系數(shù)確定權重，以確定影響度的大小。

根據前文對鋼鐵產業(yè)政策演進影響因素的研究，其影響因子主要選取了鋼鐵產業(yè)布局、鋼鐵產業(yè)組織、鋼鐵產業(yè)結構變動、鋼鐵產業(yè)技術創(chuàng)新、鋼鐵鋼鐵產能、鋼鐵產業(yè)環(huán)保這6個因素來分別代表模型中的變量X1-X6。

為保證分析結論的準確，邀請包括政府、企業(yè)、科研院校、在內的20名專家進行了影響程度調查。這些專家均長期從事對鋼鐵產業(yè)發(fā)展的研究，其中包括：河北省發(fā)展與改革委員會2人，首鋼集團3人，唐鋼集團5人，天津財經大學5人，江西師范大學5人。模型所需數(shù)據是根據專家對影響因子的影響程度大小打分獲得，評分標準為：影響程度非常大5分，影響程度大4分，影響程度一般3分，影響程度不大1-2分。本次共向有關人員發(fā)放調查問卷20份，收回有效問卷20份，評分結果如下表：

3.實證分析

按照對專家的調查數(shù)據，結合因子分析法，對鋼鐵產業(yè)政策演進影響因素的因子分析如表2。

根據“KMO和Bartlett的檢驗”可知：巴特利特球度檢驗統(tǒng)計量的觀測值為53.262，相應的概率值接近0，小于顯著性水平0.05，故應拒絕原假設，認為相關

數(shù)矩陣與單位矩陣存在顯著差異。Kaiser給出了常用的KMO度量標準：0.9以上表示非常適合；0.8表示適合；0.7表示一般；0.6表示不太適合；0.5以下表示極不適合。本模型KMO的值為0.837，0.837大于0.8，所以原有變量適合進行因子分析。

在表3“公因子方差”中，顯示了這些變量的共同度數(shù)據。上表第一列是影響因子，第二列是因子分析初始解下的變量共同度，該列數(shù)據表明，如果對原有的6個變量釆用主成份分析方法提取所有的6個特征值，那么原有變量的所有方差都可被解釋，變量的共同度都是1。實際上，因子個數(shù)小于原有變量的個數(shù)才是因子分析的目標，所以不可提取全部特征值[2]。上表第三列是按指定提取條件——即所有特征值都大于1——提取的特征值的共同度。從上表可以看到，除產業(yè)組織、產業(yè)結構和鋼鐵產能略小之外，其余的變量均在0.83以上。在表4“解釋的總方差”中，“合計，方差的%，累積%”，分別表示特征值，方差貢獻率，累計方差貢獻率，它們描述了因子分析初始解的情況。可以看到，第一個因子的特征值為2.252，解釋第一個變量方差的37.540%（即2.252/6*100%），累積方差貢獻率為37.540%；第二個因子的特征值為1.703，解釋第二個變量方差28.377%（即1.703/6*100%），累積方差貢獻率為65.917%{即（2.252+1.703）/6*100%}；第三個因子的特征值為1.156，解釋第三個變量方差19.258%（即1.156/6*100%），累積方差貢獻率為85.175%{即（2.252+1.703+1.156）/6*100%}。其余數(shù)據的含義與之類似。在第一列數(shù)據初始解中，由于提取了6個因子，因此原有的所有的變量的總方差均被解釋，累積方差貢獻率100%。

根據主成分萃取獲得的碎石圖（圖1）可看出，成分1、2、3非常陡峭，4、5、6較為陸峭。但考慮到一般按照特征值大于1的規(guī)則確定主成分，由于成分1、2和3累積方差貢獻率為85.175%，大于85%。因此，選擇提取主成分數(shù)量為3。獲得的成分矩陣、旋轉成分矩陣、成分轉換矩陣與成分得分系數(shù)矩陣、成分得分協(xié)方差矩陣見表5—表9。

4.實證結果

對提取的三個主成分得分系數(shù)矩陣進行分析，可以發(fā)現(xiàn)主成分一對產業(yè)布局、產業(yè)環(huán)保因素反應充分；主成分二對鋼鐵產業(yè)技術創(chuàng)新、鋼鐵產能、產業(yè)環(huán)保因素反應充分；主成分三對產業(yè)組織、產業(yè)結構因素反應充分。

利用主成分得分系數(shù)中的數(shù)據得到的三個主成分模型如下：

F1=0.493X1-0.081X2+0.12X3-0.124X4+0.103X5+0.481X6F2=-0.076X1-0.059X2-0.88X3+0.597X4+0.553X5+0.041X6F3=-0.001X1+0.598X2+0.583X3-0.057X4-0.079X5-0.059X6

用第一式F1中的每個變量所對應的系數(shù)乘上第一主成份F1所對應的貢獻率37.540%，再除以所提取三個主成份的三個貢獻率之和85.175%，然后加上第二式F2中每個變量所對應的系數(shù)乘上第二主成份F2所對應的貢獻率28.377%，再除以所提取三個主成份的三個貢獻率之和85.175%，然后加上第三式F3中每個變量所對應的系數(shù)乘上第三主成份F3所對應的貢獻率19.258%，再除以所提取三個主成份的三個貢獻率之和85.175%，就可得到影響因素綜合得分模型[2]：

Y=0.191879X1+0.07978X2+0.125457X3-0.03527X4-0.54104X5-0.13012X6

從綜合得分模型來看，各因子對鋼鐵產業(yè)政策演進影響程度從大到小分別為鋼鐵產業(yè)布局、鋼鐵產業(yè)結構、鋼鐵產業(yè)組織、鋼鐵產業(yè)技術創(chuàng)新、鋼鐵產業(yè)環(huán)保和鋼鐵產能。

從中我們選取對鋼鐵產業(yè)政策演進影響程度較大的鋼鐵產業(yè)布局、鋼鐵產業(yè)結構、鋼鐵產業(yè)組織、鋼鐵產業(yè)技術創(chuàng)新這4個因素為主導因子。（作者單位：江西師范大學財政金融學院）

參考文獻：

[1][日]長谷川啟之，梁小民，劉朝，經濟政策的理論基礎：中國計劃出版社，1995.

[2]杜強，賈麗艷，SPSS統(tǒng)計分析：人民郵電出版社，2014.07.

[3]仇兵奎.山西煤炭產業(yè)政策演進研究[D].（博士論文）華中科技大學，2013.