这次作业,由于我查的数据均是以当年各省市的总量为统计量,所以并不需要化为人均,直接以总量来求解.
1. 对数据进行因子分析,首先将提取的因子数暂定为4,看看可以用多少个因子来解释总体数据.由表一可知,Person相关系数均大于0.62,且显著水平全部等于0,表明这十二个变量之间存在显著的相关关系.由表二和表三也可知,数据能够进行因子分析,且选择两个公共因子可以提取99.65%的公共信息.
Correlation Matrix2009总储蓄2010总储蓄2011总储蓄1.0001.000.9991.0001.0001.000.9991.0001.000.644.647.651.624.627.631.688.688.696.670.673.676.667.669.672.658.660.663.840.841.849.853.854.860.860.860.866.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.0002009竣2010竣2011竣2009开2010开2011开2009住2010住2011住工面积工面积工面积工面积工面积工面积宅投资宅投资宅投资.644.624.688.670.667.658.840.853.860.647.627.688.673.669.660.841.854.860.651.631.696.676.672.663.849.860.8661.000.998.651.990.989.988.732.746.760.9981.000.650.985.987.987.729.746.762.651.6501.000.590.591.588.907.896.891.990.985.5901.000.999.997.705.726.740.989.987.591.9991.000.999.705.730.746.988.987.588.997.9991.000.699.726.744.732.729.907.705.705.6991.000.988.980.746.746.896.726.730.726.9881.000.994.760.762.891.740.746.744.980.9941.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000Correlation2009总储蓄2010总储蓄2011总储蓄2009竣工面积2010竣工面积2011竣工面积2009开工面积2010开工面积2011开工面积2009住宅投资2010住宅投资2011住宅投资Sig. (1-tailed)2009总储蓄2010总储蓄2011总储蓄2009竣工面积2010竣工面积2011竣工面积2009开工面积2010开工面积2011开工面积2009住宅投资2010住宅投资2011住宅投资aKMO and Bartlett's TestKaiser-Meyer-Olkin Measure of SamplingAdequacy.Bartlett's Test ofSphericityApprox. Chi-SquaredfSig..8241370.66966.000a. Based on correlationsCommunalitiesRawInitialExtraction5E+0075E+0076E+0076E+0078E+0078E+0071E+0081E+0081E+0081E+008458506042143506E+0086E+0088E+0088E+0081E+0091E+009690598.6633204.51056004973177.215723161477307RescaledInitialExtraction1.000.9991.0001.0001.0001.0001.000.9981.000.9991.000.9191.0001.0001.0001.0001.0001.0001.000.9171.000.9221.000.9402009总2010总2011总2009竣2010竣2011竣2009开2010开2011开2009住2010住2011住储蓄储蓄储蓄工面工面工面工面工面工面宅投宅投宅投积积积积积积资资资Extraction Method: Principal Component Analysis.Total Variance ExplainedInitial EigenvaluesExtraction Sums of Squared LoadingsRotation Sums of Squared Loadings% of VarianceCumulative %Total% of VarianceCumulative %Total% of VarianceCumulative ?.31396.3133E+00996.31396.3132E+00978.72078.7203.34299.6551E+0083.34299.6554E+00814.68993.409.21299.8686418092.21299.8682E+0086.39199.800.09399.9612816828.09399.9614859960.16199.961.02499.985.00899.993.00499.997.00299.998.00199.999.000100.000.000100.0007.75E-005100.00096.31396.3138.40170.01270.0125.06042.16442.1643.34299.6552.41320.10990.1213.92732.72374.887.21299.868.8106.74896.8682.68422.36997.256.09399.961.069.57397.442.022.18597.442.02499.985.00899.993.00499.997.00299.998.00199.999.000100.000.000100.0007.75E-005100.000aRawRescaledComponent123456789101112123456789101112Total3E+0091E+00864180922816828724906.9237709.5120825.551890.11033015.4687908.1405103.2562341.2143E+0091E+00864180922816828724906.9237709.5120825.551890.11033015.4687908.1405103.2562341.214Extraction Method: Principal Component Analysis.a. When analyzing a covariance matrix, the initial eigenvalues are the same across the raw and rescaled solution.2.由表四可知,第一主成分的特征根为8.401,第二主成分的特征根为 2.413,总的解释量达到了99%以上.又从碎石图可得,对于原始的八个变量,只需要提取第一和第二主成分即可. 3.建立因子模型
Rotated Component MatrixRescaledComponentVAR00002VAR00003VAR00004VAR00008VAR00009VAR00010VAR00011VAR00012VAR00013VAR00014VAR00015VAR00016.950.950.948.381.357.607.409.403.393.746.751.751.310.312.316.915.923.386.911.915.919.445.470.488
F1=0.95x1+0.95x2+0.948x3+0.381x4+0.357x5+0.607x6+0.409x7+0.403x8
+0.393x9+0.746x10+0.751x11+0.751x12
F2=0.31x1+0.312x2+0.316x3+0.915x4+0.923x5+0.386x6+0.911x7+0.915x8
+0.919x9+0.445x10+0.47x11+0.488x12
4.对第一与第二因子进行解释.我们可以看出 09年住宅投资 10年住宅投资 房地产市场需求水平 11年住宅投资 09年储蓄额 10年储蓄额 11年储蓄额 房地产市场供给水平 09年施工面积 10年施工面积 11年施工面积 09年竣工面积 10年竣工面积 11年竣工面积 房地产市场的需求水平由住宅投资与储蓄总额组成决定,而其供给水平则由各年的新施工面积与竣工面积联合决定. 5.对因子分析结果进行聚类分析:
在因子分析结束后,生成并保存了两列新变量”FAC_1”,”FAC_2”用来记录各省市的因子得分情况.对其绘散点图,可以观察大致得出所有省市分为可分为三类.
北 京 天 津 河 北 山 西 内蒙古辽 宁 吉 林 黑龙江上 海 江 苏 浙 江 4.00000城市名称安 徽四 川北 京天 津福 建西 藏3.00000甘 肃新 疆广 东云 南广 西浙 江2.00000贵 州重 庆海 南河 北河 南1.00000黑龙江湖 北湖 南0.00000吉 林江 苏江 西-1.00000辽 宁内蒙古宁 夏青 海-2.00000山 东山 西-2.000000.000002.000004.000006.00000陕 西REGR factor score 1 for analysis 1上 海1.05 -0.25 2 河 南 0.45 0.04 -0.45 -0.37 2 湖 北 -0.05 0.13 0.94 -0.37 2 湖 南 -0.15
0.24 0.16 -0.65 2 广 东 4 -1.36 -0.57 -0.33 2 广 西 -0.45 -0.26 0.57 -0.08 2 海 南 -0.98 -0.37 -0.49 -0.41 2 重 庆 -0.53 0.09 -0.15 -0.53 2 四 川 0.57 0.02 0.93 -0.45 2 贵 州 -0.76 -0.33 0.68 3.4 1 云 南 -0.44 -0.33 0.26 3.69 1 西 藏 -1.17 -0.35
2 2 2 3 2 2 2 2 2 2 2
REGR factor score 2 for analysis 1 安 徽 福 建 江 西 山 东 新 疆 -0.28 -0.33 -0.44 1.29 -0.71 0.15 0.34 -0.15 0.26 -0.3 2 2 2 2 2 陕 西 甘 肃 青 海 宁 夏
-0.11
-0.71 -1.08 -1.06
-0.39 -0.37 -0.38 -0.3
2 2 2 2
5要 要要
如上表,将全国各城市分隔成了三个部分,以江苏,浙江为一类,广东为三类,其余均为二类.由表格可知,江苏,浙江供大于求,而广东那边则严重供不足需,全国其它地方供需较为平衡.
此次作业之后,我还查阅了相关资料,根据我的理解,需求可以用售房数来权衡,根据网上的资料显示,北京及大部分地方,每年的售房数大于竣工房数.这是因为现在很多的地方采取先售房的的方式造成的房子没建好之前,消费者已经购买下了.但是如果单纯的用售房数来说明需求量的话,是不太客观的,因为现在中国的房价比较高,很多需要住房的人购买不起,这部分人的需求被忽略了,不能满足.
附录:
本文所用的各变量的含义
VAR0002 VAR0003 VAR0004 VAR0008 VAR0009 VAR0010 VAR0011 VAR0012 VAR0013 VAR0014 VAR0015
2009储蓄总额(亿元) 2010储蓄总额(亿元) 2011储蓄总额(亿元) 2009竣工面积(万平方) 2010竣工面积(万平方) 2011竣工面积(万平方) 2009开工面积(万平方) 2010开工面积(万平方) 2011开工面积(万平方) 2009住宅投资(亿元) 2010住宅投资(亿元)
VAR0016 2011住宅投资(亿元)
本文采用了因子数为四,最后绘制的碎石图为三维的,因为已经得出结论二个因子是可以描述总体数据的,所以最终在附录中留下的是二因子分析得出的碎石图.
因为对相关统计知识与软件的不熟悉,本文制作显得粗糙,深表歉意! Component Plot in Rotated Space1.0VAR00009VAR00008VAR00013VVAARR00012000110.5VAARR0001400015VVAR00016VAR00003VAR00010VAR0000400002Component 20.0-0.5-1.0-1.0-0.50.00.51.0Component 1
Scree Plot3.00E92.50E92.00E9Eigenvalue1.50E91.00E95.00E80.00E0123456789101112Component Number