庆第二产业从业人数占就业总人数的比重。
3、人口总数
重庆经历了几次区划的变化，所以区域面积的变化较大。导致总人口量的变化较大，致使人口密度出现了极大的变化。
4、科技投入占政策预算支出比重
经济政策和技术进步都会对第三产业各行业产生影响，而经济政策和技术进步在某种程度上可以用科技投入占财政预算支出比重这一指标来体现。所以本文中也用科技投入占财政预算投入比重作为一个影响第三产业内部各行业结构的指标。
5、人均可支配收入
国际经验表明任何国家在人均收入增加的同时往往伴随着第三产业产值比重的提升。所以本文也将其作为一个影响第三产业结构的指标进行分析。
6、出口总额占GDP比重
服务产品的输出状况会影响一个区域的第三产业结构。出口商品总额占GDP在一定程度上可以反映重庆市对外输出的价值。因为输出商品的同时，也是运输、信息、科技等服务的对外输出。此外，出口的产值将会对第三产业行业的结构产生影响。此结论也是被很多经济学家认同的，所以本文中也引进出口总额占GDP比重作为相关指标。
7、商品房销售价格
商品房作为居民日常消费中最大的支出部分，对第三产业的影响比较重大。我国商品房市场近几年来一片繁荣，重庆商品房价格自2004年以来，一直呈高位增长态势，其在第三产业中的地位越来越重要。因此我们认为商品房价格也是影响重庆市第三产业结构的因素之一。
8、旅游外汇收入
也称国际旅游收入，是指本国为入境的国际旅游者(包括过夜和不过夜旅游者)提供的商品及各种服务所得到的外汇收入旅游外汇收入是一国外汇收入的重要组成部分，它反映了一国国际旅游的规模和水平、是旅游统计的主要指标。第三产业发展的整体水平对旅游业有积极深远的影响。
（二）模型建立
1、因子分析
本文利用spss软件对影响第三产业占GDP比重的各因素进行了因子分析，形成了两个包含原始数据95%左右信息的因子，根据因子对原始指标进行了分类，从而确定了其影响因素的类型。
第 6 页 共 14 页
（1）因子分析的基本思想
因子分析是利用降维的思想，由研究原始变量相关矩阵内部的依赖关系出发，把一些具有错综复杂关系的变量归结为少数几个综合因子的一种多变量统计分析方法。其基本思想是根据相关性大小把原始变量分组，使得同组内的变量之间相关性较高，而不同组内的变量间的相关性较低。每组变量代表一个基本结构，并用一个不可观测的综合变量表示，这个基本结构就成为公共因子。
（2）因子分析的具体步骤
利用因子分析法提取因子：因子分析的步骤可直接在spss里实现，结果如图：
表1：影响第三产业内部结构的相关因素历史数据
第三产
年份
业占GDP比重Y
城镇化率（%）
人均GDP（元）
工业化率（%）
科教文卫支出占财政支出的比重（%）
出口总额占GDP比重（%）
总人口（万
人）
商品房销售价格（元/平方米）
旅游外汇收入（万元）
1990
1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 27.99 17.40 29.58 18.26 32.44 20.67 31.94 22.26 31.27 24.09 32.61 26.43 34.87 29.50 36.57 31.00 39.06 32.60 40.84 34.30 41.66 35.59 42.49 37.40 42.82 39.90 42.31 41.90 40.52 43.51 41.54 45.24 42.21 46.70 39.03 48.30 37.29 49.99 37.89 51.59 36.35 53.00 1181 1338 1641 2156 2935 3931 4574 5253 5579 5804 6274 6963 7912 9098 10845 12404 13939 16629 20490 22920 27596 35.88 28.29 36.12 29.27 37.16 31.10 39.63 27.48 40.74 33.62 38.84 31.59 38.18 30.13 37.61 26.88 35.85 22.64 35.44 20.88 35.40 20.04 35.18 19.97 35.29 18.16 36.54 18.18 37.33 18.12 37.31 17.93 40.10 18.83 42.87 15.82 45.00 15.11 44.68 22.88 46.66 21.33 7.99 8.39 7.09 5.41 6.86 6.04 3.61 4.13 2.57 2.36 4.45 4.46 3.91 4.96 5.51 5.81 6.86 7.71 7.90 5.24 7.56 2920.90 757.75 14584 2938.99 728.06 18832 2950.78 900.00 31976 2964.92 1129.21 38552 2985.59 1194.65 43456 3001.77 1017.86 50664 3022.77 1142.27 56720 3042.92 1200.67 84384 3059.69 1331.00 70696 3072.34 1376.79 77808 3091.09 1351.32 110696 3097.91 1442.98 130728 3113.83 1555.71 174416 3130.10 1596.46 90584 3144.23 1751.25 162464 3169.16 2134.99 211488 3198.87 2269.21 246976 3235.32 2722.58 305848 3257.05 2785.33 359816 3275.61 3441.92 429768 3303.45 4280.88 562560
KMO and Bartlett's Test 第 7 页 共 14 页
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Approx. Chi-Square Bartlett's Test of Sphericity Df Sig. .814 333.288 28 .000 图sp－1 KMO检验
KMO检验统计量是用于比较变量间简单相关关系和偏相关系数的指标，KMO的值越接近1，意味着变量间的相关性越强，原有变量越适合做因子分析。通过图sp－1可知，KMO的值为0.814，根据Kaiser 给出的KMO度量标准可知原有变量很适合进行因子分析。 Total Variance Explained Extraction Sums of Squared Initial Eigenvalues % of Loadings % of Rotation Sums of Squared Loadings % of Component Total Variance Cumulative % Total Variance Cumulative % Total Variance Cumulative % 1 2 3 4 5 6 7 8 5.850 1.462 .533 .091 .048 .009 .006 .002 73.128 18.272 6.658 1.139 .600 .109 .072 .021 73.128 5.850 91.400 1.462 98.058 99.197 99.798 99.907 99.979 100.000 73.128 18.272 73.128 5.365 91.400 1.947 67.060 24.341 67.060 91.400 Extraction Method: Principal Component Analysis. 图sp－2 因子解释原有变量方差的情况
图sp－2中的表显示了因子分析的情况，共分三组，各组中数据的含义分别是特征值、方差贡献率和累计方差贡献率。方差贡献率，是衡量公共因子相对重要性的指标，方差贡献率越大，说明其影响作用就越大。
从图sp－2的第一组数可看出，各个因子的特征值，如第一个因子的特征值为5.850，其解释原有8个变量总方差的73.128%，第二个因子的特征值为1.462，其解释原有8个变量总方差的18.272%，累计方差贡献率为91.400%，其他因子以此类推。由于指定选择两个因子，所以第二组数据中只显示了两个因子。第三组数据显示因子旋转之后，虽然累计方差没有改变，但却重新分配了各个因子解释原有变量的方差，使得因子更易于解释。
第 8 页 共 14 页
图sp－3 因子的碎石图
图sp－3则说明了因子解释原有变量的方差成下降趋势，当提取的因子数为2时，碎石图已趋近于平稳，故取前两个因子就可以了。
Component Matrix a 城市化率（%） 人均GDP（元） 工业化率（%） 科教文卫支出占财政支出的比重（%） 出口总额占GDP比重（%） 总人口（万人） 商品房销售价格（元/平方米） 旅游外汇收入（万元） Extraction Method: Principal Component Analysis. a. 2 components extracted. 1 Component 2 .941 .993 .769 -.686 .223 .978 .978 .977 -.304 .052 .543 .566 .833 -.189 .099 .109 图sp－4 因子载荷矩阵
图sp－4中，显示了因子载荷矩阵，是因子分析的核心内容。假设第一因子用f1表示，第二因子用f2表示，从而根据图sp－5可以写出本文的因子分析模型：
城市化率?0.941f1?0.304f2
第 9 页 共 14 页
人均GDP?0.993f1?0.052f2
工业利率?0.769f1?0.543f2出的比重?-0.686f1-0.566f2
科教文卫支出占财政支出口总额占GDP比重?0.223f1?0.833f2 总人口?0.978f1-0.189f2 商品房销售价格旅游外汇收入?0.978f1?0.099f2 ?0.977f1?0.109f2
Rotated Component Matrixa 城市化率（%） 人均GDP（元） 工业化率（%） 科教文卫支出占财政支出的比重（%） 出口总额占GDP比重（%） 总人口（万人） 商品房销售价格（元/平方米） 旅游外汇收入（万元） Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 3 iterations. 1 Component 2 .988 .919 .545 -.835 -.066 .985 .890 .885 .027 .379 .768 .306 .860 .147 .419 .428 图sp－5 旋转后的因子载荷矩阵
为了能使两个因子所反映的信息更加清晰，需要对此矩阵进行正交旋转，这里使用了方差最大法对因子载荷矩阵实施正交旋转，以使因子具有命名解释性，如图2-14是旋转所使用的正交矩阵，图2-13是旋转后的因子载荷矩阵。由图可知，城市化率（%）、人均GDP（元）、科教文卫支出比（%）、总人口（万人）、商品房销售价格（元/平方米）、旅游外汇收入（万元）在第一个因子上有较高的载荷，这几个指标主要反映了第三产业中的各行业生产和消费情况，所以第一个因子可以解释为城市规模及经济发展水平的因子；工业化率（%）和出口总额占GDP比重（%）在第二个因子上有较高的载荷，可以解释为工业化和进出贸易因子。
第 10 页 共 14 页