我國(guó)各地區(qū)就業(yè)人員勞動(dòng)報(bào)酬的因子分析和聚類分析摘要:本文通過(guò)應(yīng)用spss軟件對(duì)我國(guó)各地區(qū)的各行業(yè)人員勞動(dòng)報(bào)酬水平進(jìn)行了因子分析和聚類分析，并進(jìn)行了科學(xué)和理的綜合評(píng)價(jià)。關(guān)鍵詞：勞動(dòng)報(bào)酬因子分析聚類分析綜合評(píng)價(jià)Abstract:thesoftwarethroughtheapplicationofspsstoourcountryfromvariousregionsoftheworkersremunerationlevelsisafactoranalysisandtheclustering,andscienceandcomprehensiveevaluation.Keywords：RemunerationFactoranalysisClusteringComprehensiveevaluation隨著我國(guó)各行業(yè)的不斷發(fā)展和完善，人們的收入不斷提高。但由于生產(chǎn)模式，資源利用，科技開(kāi)發(fā)，及地域條件的不同。各地區(qū)各行業(yè)的人員報(bào)酬也有不同。因此，為了進(jìn)一步的了解對(duì)我國(guó)各地區(qū)各行業(yè)人員勞動(dòng)報(bào)酬的基本情況，本文根據(jù)2009年全國(guó)31個(gè)地區(qū)的統(tǒng)計(jì)年鑒提供給的原始資料，應(yīng)用主成分分析和聚類分析就我國(guó)西部各地區(qū)的各行業(yè)人員的勞動(dòng)報(bào)酬進(jìn)行了分析，并進(jìn)行了綜合評(píng)價(jià)，為以后的發(fā)展提供決策依據(jù)。（原始數(shù)據(jù)見(jiàn)表一）一評(píng)價(jià)指標(biāo)的選取為了使評(píng)價(jià)更科學(xué)合理，并考慮到它的全面性和代表性，選取了如下評(píng)價(jià)指標(biāo)(單位：億元)X1農(nóng)林牧漁業(yè)X11房地產(chǎn)業(yè)X2采礦業(yè)X12租賃和商務(wù)服務(wù)業(yè)X3制造業(yè)X13科學(xué)研究、技術(shù)服務(wù)和地質(zhì)勘查業(yè)X4電器燃?xì)饧八纳a(chǎn)和供應(yīng)業(yè)X14水利環(huán)境和公共設(shè)施管理業(yè)X5建筑業(yè)X15居民服務(wù)和其他服務(wù)業(yè)X6交通運(yùn)輸倉(cāng)儲(chǔ)和郵政業(yè)X16教育X7信息傳輸計(jì)算機(jī)服務(wù)和軟件業(yè)X17衛(wèi)生社會(huì)保障和社會(huì)福利業(yè)X8批發(fā)和零售業(yè)X18文化體育和娛樂(lè)業(yè)X9住宿餐飲業(yè)X19公共管理和社會(huì)組織X10金融業(yè)二因子分析1因子分析的原理因子分析屬于多元分析中處理降維的一種統(tǒng)計(jì)方法，它是主成分分析的推廣和發(fā)展，它也是將錯(cuò)綜復(fù)雜關(guān)系的變量（或樣品）綜合為數(shù)量較少的幾個(gè)因子，以再現(xiàn)原始變量與因子之間的相互關(guān)系，同時(shí)根據(jù)不同因子還可以對(duì)變量進(jìn)行分類。2因子分析的結(jié)果特征根方差貢獻(xiàn)率%累計(jì)方差貢獻(xiàn)率%8.36544.02844.0286.91636.39880.4261.1556.07986.5051.1055.81792.322如上表所示按照提取原則即特征值大于1提取出了四個(gè)公因子，累計(jì)方差貢獻(xiàn)率為92.322%,反映了原始信息的92.322%，這四個(gè)因子就可以解釋原始數(shù)據(jù)的大部分信息了。我們將這四個(gè)主成分作為評(píng)價(jià)社會(huì)發(fā)展?fàn)顩r的綜合參量。 RotatedComponentMatrix(a)Component1234x1-.104-.116.930.033x2-.121.122.050.974x3.286.891-.020-.106x4.201.919.055.187x5.155.766-.197-.093x6.753.581.096.013x7.970.119-.047-.033x8.923.356-.041-.013x9.873.454-.044-.106x10.770.569-.037-.109x11.893.395-.047-.121x12.982.082-.053-.041x13.968.156-.014-.039x14.478.819.137.071x15.663.312.449.099x16.207.943-.034.161x17.372.916-.009-.051x18.943.274-.036.016x19.200.946-.016.123ExtractionMethod:PrincipalComponentAnalysis.RotationMethod:VarimaxwithKaiserNormalization.aRotationconvergedin5iterations. RotatedComponentMatrix(a)左圖所示為因子載荷矩陣，四個(gè)主成分可以表示為：F1=-0.077*x1-0.108*x2+0.286*x3+0.238*x4+0.169*x5+0.759*x6+0.966*x7+0.901*x8+0.857*x9+0.751*x10+0.909*x11+0.976*x12+0.966*x13+0.524*x14+0.680*x15+0.233*x16+0396*x17+0.941*x18+0.216*x19F2=-0.079*x1+0.169*x2+0.896*x3+0.910*x4+0.788*x5+0.586*x6+0.140*x7+0.410*x8+0.481*x9+0.612*x10+0.364*x11+0.113*x12+0.169*x13+0.795*x14+0.339*x15+0.928*x16+0.908*x17+0.278*x18+0.941*x19F3=0.07*x1+0.967*x2-0.101*x3+0.201*x4-0.057*x5+0.027*x6-0.029*x7-0.012*x8-0.097*x9-0.118*x10-0.138*x11-0.032*x12-0.023*x13+0.113*x14+0.078*x15+0.214*x16-0.038*x17+0.35*x18+0.135*x19F4=0.96*x1+0.079*x2-0.019*x3+0.029*x4-0.125*x5+0.075*x6-0.055*x7-0.048*x8-0.052x9-0.050*x10-0.055*x11-0.08*x12-0.027*x13+0.086*x14+0.289*x15-0.033*x16-0.07*x17-0.059*x18-0.010*x19由因子載荷方程可以看出x6—x13、x15—x18在第一主成分上的載荷相對(duì)其余兩個(gè)主成分上的載荷要大，我們將第一主成分命名為交通和服務(wù)類；x3、x4、x5、x16、x17、x19在第二主成分的載荷較大，將第二主成分命名為建筑制造和公共管理類，x2在第三主成分上的載荷較大，我們將第三主成分命名為采礦業(yè)；x1在第四主成分上的載荷較大，我們將第四主成分命名為農(nóng)林牧漁業(yè)。 ComponentScoreCoefficientMatrixComponent1234x1.005.008-.110.923x2.055-.074.921-.102x3-.081.195-.191.026x4-.061.165.095.016x5-.085.176-.125-.089x6.073.036.011.086x7.173-.101.062-.042x8.122-.027.034-.031x9.095.009-.065-.017x10.052.060-.116-.008x11.118-.022-.084-.015x12.178-.109.069-.067x13.169-.094.059-.015x14.004.110.042.086x15.098-.016.047.279x16-.063.167.117-.047x17-.054.174-.121.026x18.154-.072.106-.054x19-.077.184.030-.009ExtractionMethod:PrincipalComponentAnalysis.RotationMethod:VarimaxwithKaiserNormalization.Component根據(jù)上表課計(jì)算出主成分的得分，在根據(jù)綜合得分等于主成分得分的加權(quán)和即Z=0.44204*FAC1_1+0.368*FAC2_2+0.05918*FAC3_3+0.05614*FAC4_4如下表所示：FAC1_1排名FAC2_2排名FAC3_3排名FAC4_4排名綜合得分排名北京4.993621-0.75598270.297859-0.47293211.921廣東1.0039932.675991-1.11971300.5762841.392山東-0.1236391.5831642.122742-0.1335150.653上海1.2682120.2870510-1.05783290.0150590.64浙江-0.25687122.271532-1.4752331-0.77888300.595江蘇-0.29257141.746273-0.39849180.139160.56河南-0.30304181.1027951.879683-0.58421240.357黑龍江0.096925-0.25896150.6959973.6956510.28遼寧-0.0541660.3717690.8571260.3442950.189河北-0.32745220.4967470.962585-0.25437170.0810四川-0.39717310.682226-0.0407212-0.48269230.0511湖南-0.38932290.438618-0.5300922-0.3072118-0.0612湖北-0.33452230.2213311-0.5838240.059948-0.113天津0.158514-0.5545421-0.17602140.0144510-0.1414山西-0.110018-0.60399253.08361-0.9098331-0.1415福建-0.29361160.1440712-0.9142528-0.3524819-0.1516陜西-0.087027-0.33993160.463348-0.1943416-0.1517內(nèi)蒙古-0.2188610-0.39802180.10449101.123513-0.1718新疆-0.2927215-0.588423-0.14705133.023992-0.1819安徽-0.3656525-0.22569130.995494-0.6295225-0.2220廣西-0.3264222-0.2389114-0.5820323-0.0721614-0.2721云南-0.3270221-0.3654417-0.4013219-0.0382312-0.322吉林-0.2421911-0.600424-0.03905110.096047-0.3223江西-0.3797827-0.4788719-0.4818120-0.0714413-0.3824重慶-0.3066919-0.4824920-0.5124521-0.7593629-0.3925貴州-0.3894430-0.576922-0.2813316-0.6867927-0.4426甘肅-0.385928-0.7069126-0.24915-0.4680820-0.4727海南-0.2925213-1.1886529-0.8017927-0.0220111-0.6228寧夏-0.3711426-1.1310228-0.3426917-0.6381426-0.6429青海-0.2971317-1.2409230-0.6338825-0.4770122-0.6530西藏-0.3564524-1.2855231-0.6943426-0.755128-0.7131由上表可以看出1在綜合得分上北京、廣東排在了前兩位，得分較高；其次是山東、上海、浙江、黑龍江等，得分出于中上等水平；再次是湖北、天津、陜西等地，得分較近，處于中等地位；而新疆、吉林、廣西、重慶、等處于中下等水平；最后是寧夏、青海、西藏，得分最低，且與排在前面的北京、廣東等地相差較為懸殊。2由各個(gè)主成分的得分我們可以看出，在第一主成分上，北京、上海、廣東、黑龍江等地排在了前幾位；說(shuō)明這些地區(qū)的人員在這一主成分上的勞動(dòng)報(bào)酬相對(duì)較高。在第二主成分上，廣東、浙江、江蘇分別排在了前三位，這些地區(qū)的人員在第二主成分即建筑制造業(yè)，教育和社會(huì)管理類等方面報(bào)酬較高，。在第三主成分上，山西、山東、河南、安徽、河北分別排在了前五位，說(shuō)明這些地區(qū)的采礦業(yè)的人員收入較高，很重要的原因是由于這些地區(qū)的礦產(chǎn)資源較為豐富。而在第四主成分上黑龍江、新疆、內(nèi)蒙古、廣東、遼寧等地排名較前，與這些地區(qū)發(fā)達(dá)的農(nóng)林漁畜牧業(yè)是密不可分的。3綜合各個(gè)主成分得分和綜合得分我們不難發(fā)現(xiàn)，青海、寧夏、西藏排名均比較落后，這與其地理位置和自然環(huán)境有很大的關(guān)系，特別是西藏，由于其獨(dú)特的地理位置和氣候，以及歷史原因，它的各項(xiàng)得分均處在大約最后位置。三聚類分析1聚類分析的原理聚類分析是根據(jù)事物本身的特性研究個(gè)體分類的方法．聚類分析的依據(jù)是同一類中個(gè)體有較大的相似性，不同類的個(gè)體差異很大．在聚類分析中，基本的思想是認(rèn)為研究的樣本或指標(biāo)（變量）之間存在著程度不同的相似性（親疏關(guān)系）．于是根據(jù)一批樣本的多個(gè)觀測(cè)指標(biāo)，具體找出一些能夠度量樣本或指標(biāo)之間相似程度的統(tǒng)計(jì)量，以這些統(tǒng)計(jì)量為劃分類型的依據(jù)，把一些相似程度較大的樣本（或指標(biāo)）聚類為一類，把另外一些彼此之間相似程度較大的樣品（或指標(biāo)）又聚合為一類，關(guān)系密切的聚合到一個(gè)小的分類單位，關(guān)系疏遠(yuǎn)的聚合到一個(gè)大的分類單位，直到把所有的樣本（或指標(biāo)）都聚合完畢，把不同的類型一一劃分出來(lái)，形成一個(gè)由小到大的分類系統(tǒng)．最后再把整個(gè)分類系統(tǒng)畫(huà)成一張譜系圖，用它把所有的樣品（或指標(biāo)）間的親疏關(guān)系表示。2聚類分析過(guò)程及結(jié)果將由因子分析所得到的四個(gè)主成分做為自變量進(jìn)行聚類分析。聚類方法選擇系統(tǒng)聚類法，距離方法采用ward法，利用spss的分析方法進(jìn)行聚類分析生成聚類系譜圖見(jiàn)下圖。14252027242822262930 211718132393612275101119151648311由上圖可知，若分為五類第一類：北京第二類：天津、河北、內(nèi)蒙、遼寧、安徽、江西、湖南、陜西、寧夏、青海第三類：山西、山東、河南第四類：黑龍江、新疆第五類：江蘇、浙江、廣東由分類可知，北京可謂“一枝獨(dú)秀”，作為全國(guó)的政治中心和經(jīng)濟(jì)中心，北京正一步一步的發(fā)展成為國(guó)際化大都市，人均收入水平相對(duì)較高。其次是天津、北京、河北等地，這些地區(qū)出于中等發(fā)展水平，山西、河南、山東其優(yōu)越的礦產(chǎn)資源為經(jīng)濟(jì)發(fā)展發(fā)揮了主要作用；江蘇、浙江、廣東這三個(gè)南部沿海城市，由于其優(yōu)越的地理位置發(fā)展較為迅速，人均收入水平也相對(duì)較高。四總結(jié)綜合以上分析可知：1各地區(qū)各行業(yè)的人均報(bào)酬在一定程度上反應(yīng)了各地區(qū)各行業(yè)的發(fā)展情況，因此，對(duì)于人均報(bào)酬相對(duì)較低的行業(yè)，各地政府應(yīng)出臺(tái)相應(yīng)政策，扶持和促進(jìn)較低收入行業(yè)的發(fā)展，提高人員報(bào)酬，降低貧富差距。具有能源和地理位置優(yōu)勢(shì)的地區(qū)，應(yīng)充分發(fā)揮其能動(dòng)性，實(shí)現(xiàn)其優(yōu)勢(shì)產(chǎn)業(yè)的科學(xué)發(fā)展。同時(shí)對(duì)于能源型地區(qū)，要注意資源的合理利用，做到發(fā)展與環(huán)境相協(xié)調(diào)。2各地區(qū)應(yīng)對(duì)其薄弱產(chǎn)業(yè)進(jìn)行合理優(yōu)化，著重發(fā)展。如河北省在科研、文化體育娛樂(lè)及金融等反方面發(fā)展較落后，因此應(yīng)當(dāng)利用其毗鄰北京天津的地理位置，吸引科研型人才來(lái)河北進(jìn)行企業(yè)科研創(chuàng)新，同時(shí)也應(yīng)加快文化體制改革，實(shí)現(xiàn)河北各行業(yè)的均衡發(fā)展。3雖然我國(guó)的經(jīng)濟(jì)發(fā)展迅猛，但我國(guó)的經(jīng)濟(jì)發(fā)展并不平衡。尤其是西部地區(qū)與東部沿海地區(qū)差異較顯著，貧富差距較大。因此，加強(qiáng)西部地區(qū)的基礎(chǔ)實(shí)施和基礎(chǔ)產(chǎn)業(yè)建設(shè)，加大教育、社會(huì)服務(wù)和社會(huì)保證的投入就顯得尤為重要。進(jìn)行西部大開(kāi)發(fā)建設(shè)仍是我國(guó)現(xiàn)代化建設(shè)的重中之重。參考文獻(xiàn)[1]周建華，袁紅平。基于因子分析和聚類分析法的建筑業(yè)經(jīng)濟(jì)效益評(píng)價(jià)[J].建筑經(jīng)濟(jì)，2007(12)：9-14ZHOUjian-hua,YUANhong-ping.TheConstructionIndustryEconomicEvaluationBasedonFactorandclusterAnalysis[J].ConstructionEconomics,2007(12)：9-14.[2]龐浩.計(jì)量經(jīng)濟(jì)學(xué)[M].北京：科學(xué)出版社，2006.PANGhao.Economics[M].beijing：SciencePress,2006.表一農(nóng)、林、采礦業(yè)制造業(yè)電力、燃?xì)饨ㄖI(yè)交通運(yùn)輸、信息傳輸、批發(fā)和零售業(yè)住宿和餐飲業(yè)金融業(yè)房地產(chǎn)業(yè)牧、漁業(yè)及水的生產(chǎn)倉(cāng)儲(chǔ)和郵政業(yè)計(jì)算機(jī)服務(wù)地區(qū)和供應(yīng)業(yè)和軟件業(yè)北京7.026.5384.951.5125.9212.2314.5249.072.4298.2123.2天津2.037.0248.625.044.956.313.740.67.241.011.2河北7.3104.9249.070.766.666.517.931.66.671.07.0山西5.8270.0144.935.740.165.511.824.74.943.12.3內(nèi)蒙古36.755.888.939.431.649.010.812.74.032.23.2遼寧23.3120.1382.757.166.797.129.534.610.380.414.7吉林20.050.9136.323.124.037.810.515.04.428.26.1黑龍江91.7123.1178.341.462.764.719.236.75.741.08.0上海3.60.5627.640.160.2159.950.0120.928.0229.549.0江蘇17.845.1812.068.787.397.131.969.420.1127.920.7浙江4.84.2775.578.0303.686.955.881.530.0189.234.4安徽9.4127.2151.130.568.333.19.923.34.441.87.3福建9.611.6481.136.4105.152.217.530.69.660.521.7江西17.220.8122.023.941.045.07.315.92.626.03.8山東10.1222.6718.266.1139.295.523.366.620.3114.820.7河南10.6187.4322.365.3148.477.611.068.914.973.615.2湖北18.724.5248.035.6115.074.612.432.18.349.69.7湖南12.227.7200.734.5122.754.616.333.512.151.818.6廣東12.712.41083.892.0136.1206.997.8131.050.8270.477.9廣西16.512.3122.828.547.849.511.922.06.239.88.3海南19.02.113.86.08.814.13.45.35.98.64.4重慶3.123.5135.725.681.734.911.323.95.638.510.8四川10.965.6273.747.0162.363.719.338.08.474.611.1貴州4.628.987.829.642.623.68.224.63.626.95.7云南19.427.6129.829.754.140.612.531.37.837.46.0西藏1.30.41.53.41.43.12.21.70.74.70.1陜西10.878.0178.633.135.057.018.727.67.641.310.2甘肅8.431.393.020.024.528.63.19.32.818.22.1青海5.15.918.65.17.011.12.43.00.55.81.4寧夏5.225.724.817.87.88.32.14.20.812.11.7新疆91.473.862.619.551.139.36.514.94.824.84.0租賃和商務(wù)科學(xué)研究、水利、環(huán)境居民服務(wù)和教育衛(wèi)生、社會(huì)文化、體育公共管理和服務(wù)業(yè)技術(shù)服務(wù)和和公共設(shè)施其他服務(wù)業(yè)保障和社會(huì)和娛樂(lè)業(yè)社會(huì)組織地區(qū)地質(zhì)勘查業(yè)管理業(yè)福利業(yè)北京359.4284.430.415.9209.1110.696.6193.6天津16.737.411.313.174.336.37.671.5河北8.129.516.16.5211.858.210.1185.5山西