李 珊

(武漢理工大學(xué)，湖北 武漢 430070)

0 引言

我國經(jīng)濟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)濟增長，而應(yīng)在產(chǎn)業(yè)結(jié)構(gòu)調(diào)整中促進就業(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)實意義，能判斷各行業(yè)的優(yōu)勢與劣勢，對經(jīng)濟結(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

本文以北京、天津、河北等31 個省市的19 個行業(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)進行因子分析。原始數(shù)據(jù)來源于2013 年中國統(tǒng)計年鑒，數(shù)據(jù)的處理與計算利用了SPSS19.0 統(tǒng)計軟件。

1.1 因子分析適用性檢驗

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

通過觀察各個指標變量的相關(guān)系數(shù)矩陣可以發(fā)現(xiàn)，19 個指標（每個行業(yè)算一個指標）兩兩之間大多數(shù)具有很強的相關(guān)性，檢驗變量間偏相關(guān)行的KMO 統(tǒng)計量，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 個指標間并非獨立，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)各個因子解釋原有指標變量總方差的情況， 我們利用因子分析中的主成分分析法，從19 項指標變量中提取出主要因子，通過它們來代替原有指標變量所含的信息。 先計算因子方差貢獻情況，計算出公因子方差比， 公因子方差比指的是按照所選標準提取相應(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。由表可知前兩個數(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主成分的特征根為11.974，解釋了總信息的63.021%，第二個主成分的特征根為3.172，解釋了總信息的16.695，第三個主成分的特征根為1.229，解釋了總信息的6.468，第四個特征根為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 個主因子累計方差貢獻率達到了86.183%，丟失的信息較少，用它們來代替原指標變量進行各地區(qū)的就業(yè)評價是可行的。

1.3 因子的命名

上述得出的3 個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。 計算3 個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 標準化的正交旋轉(zhuǎn)進行因子旋轉(zhuǎn)，計算旋轉(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)和文化體育這幾個指標在第一個因子上具有較高的載荷，這些指標包括了各種公共服務(wù)、社會服務(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)生和社會保障、公共管理這幾個指標在第二個因子上具有較高的載荷，這些指標包含的是企事業(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)這兩個指標在第三個因子上具有較高的載荷，這些指標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 計算因子得分及綜合得分排序

采用回歸法估計因子得分系數(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)計算各省市的綜合評價得分。 根據(jù)總得分，對31 個省市就業(yè)情況進行排序。 由于數(shù)據(jù)收集的時候，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)

運用因子分析對各省市城鎮(zhèn)就業(yè)人員工資進行評價，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)達國家第三產(chǎn)業(yè)比重高達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)，社會服務(wù)化，優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)從而擴大就業(yè)。

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

［2］王琳,張清清.因子分析模型在政府環(huán)境績效審計中的運用[J].會計之友,2012,3:83-85.

［3］葉依廣,何偉.江蘇省各中心城市經(jīng)濟發(fā)展綜合實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：自然科學(xué)版,2002,25(4):95-99.

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