S市現(xiàn)代服務(wù)業(yè)影響因素實證分析案例目錄TOC\o"1-3"\h\u25115S市現(xiàn)代服務(wù)業(yè)影響因素實證分析案例 1220661.1數(shù)據(jù)來源及構(gòu)成 1266481.2指標(biāo)選取 134151.3實證分析 4236741.3.1因子分析模型 48661.3.2模型建立 679071.3.3數(shù)據(jù)選擇及綜合因子的提取 7297261.3.4對公共因子進行回歸 12132851.3.5結(jié)果分析 151.1數(shù)據(jù)來源及構(gòu)成本文基于因子分析建立的指標(biāo)體系搜集原始數(shù)據(jù)，所有數(shù)據(jù)來源于2004年至2020年《南京市統(tǒng)計年鑒》，因統(tǒng)計標(biāo)準(zhǔn)不甚統(tǒng)一，全部數(shù)據(jù)獲取有一定的難度，一部分數(shù)據(jù)需要經(jīng)過計算獲得。1.2指標(biāo)選取學(xué)者們對現(xiàn)代服務(wù)業(yè)的發(fā)展現(xiàn)狀、競爭力及其影響因素進行了研究，在不同的研究目的下，有不同的監(jiān)測指標(biāo)。本文對南京市現(xiàn)代服務(wù)業(yè)的影響因素進行了整體研究。結(jié)合南京自身發(fā)展的特點，從四個不同的角度進行總結(jié)和梳理，得出適合本文的評價體系，在此評價體系的基礎(chǔ)上尋找經(jīng)濟指標(biāo)進行實證分析。（1）經(jīng)濟發(fā)展水平與市場結(jié)構(gòu)各個產(chǎn)業(yè)發(fā)展都要以市場的整體經(jīng)濟發(fā)展水平來衡量。威廉·佩蒂這樣描述：隨著經(jīng)濟的發(fā)展，勞動力從農(nóng)業(yè)轉(zhuǎn)移到制造業(yè)，再從制造業(yè)轉(zhuǎn)移到商業(yè)和服務(wù)業(yè)。經(jīng)濟基礎(chǔ)決定上層建筑，整個經(jīng)濟的發(fā)展將促進產(chǎn)業(yè)結(jié)構(gòu)的轉(zhuǎn)型。從歐美發(fā)達國家和地區(qū)的發(fā)展歷程來看，整個市場經(jīng)濟的發(fā)展有利于服務(wù)業(yè)特別是現(xiàn)代服務(wù)業(yè)的發(fā)展。經(jīng)濟發(fā)展水平與現(xiàn)代服務(wù)業(yè)的產(chǎn)出密切相關(guān)。特別是在產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型的關(guān)鍵時期，差異化經(jīng)濟發(fā)展水平將對市場經(jīng)濟的產(chǎn)業(yè)結(jié)構(gòu)產(chǎn)生深刻影響，這也呼應(yīng)了現(xiàn)代服務(wù)業(yè)的內(nèi)涵。資本的初始投入也會影響現(xiàn)代服務(wù)業(yè)的發(fā)展，因此經(jīng)濟發(fā)展水平也應(yīng)該包括資本投入。同時，經(jīng)濟市場的市場化程度決定了現(xiàn)代服務(wù)業(yè)未來的發(fā)展空間。我們一般通過衡量一個國家或地區(qū)非公有制經(jīng)濟的比重來衡量經(jīng)濟自由化和市場化的程度。因為非公有制下的制造商能夠更好地反映市場的供求狀況，而且隨著市場化程度的提高，現(xiàn)代服務(wù)業(yè)的發(fā)展水平也會逐步提高。因此，我將用人均GDP來衡量市場發(fā)展的總體水平，用固定資產(chǎn)投資總額來衡量市場經(jīng)濟中的資本投資額。（2）公益性與政府政策支持在衡量一個產(chǎn)業(yè)發(fā)展環(huán)境時，公益性的質(zhì)量也反映了經(jīng)濟的發(fā)展?fàn)顩r，因此被歸為經(jīng)濟市場供給影響系統(tǒng)。本文將用城市公共營運車輛的經(jīng)濟指標(biāo)來衡量其公益性。在市場經(jīng)濟中，政府的宏觀調(diào)控也是必要的，政府的政策支持或引導(dǎo)將對現(xiàn)代服務(wù)業(yè)產(chǎn)生深遠的影響。特別是我國服務(wù)業(yè)的發(fā)展依賴于經(jīng)濟轉(zhuǎn)型的政策影響。在這場激烈的市場關(guān)系調(diào)整中，政府扮演著重要的角色，因此政府政策的支持也是影響現(xiàn)代服務(wù)業(yè)發(fā)展的重要因素之一。在經(jīng)濟活動中，政府財政支出是國民經(jīng)濟調(diào)控的主要工具，因此本文將政府財政支出作為政府政策支持的經(jīng)濟指標(biāo)。（3）國際化水平經(jīng)濟全球化的進程已經(jīng)到了一個比較成熟的階段。跨國服務(wù)或吸引外資合作已成為經(jīng)濟市場的新趨勢。國際化水平是對外關(guān)系的強弱，衡量現(xiàn)代服務(wù)業(yè)的靈活性和未來發(fā)展?jié)摿ΑＡ硗猓瑢ν馔顿Y一般是一個資本與技術(shù)積極結(jié)合，擴大地方投資規(guī)模，通過產(chǎn)業(yè)關(guān)聯(lián)、產(chǎn)業(yè)競爭、就業(yè)支持、模式效應(yīng)等渠道產(chǎn)生技術(shù)溢出，彌補地方發(fā)展可能面臨的資金不足的過程，有效提高市場各種要素的利用率，促進區(qū)域經(jīng)濟發(fā)展。本文結(jié)合南京作為上三角城市的實際情況，以實際外商投資額作為影響因素的指標(biāo)。（4）城市化水平城市化水平的測度包括政府公共設(shè)施投資、城市化戶口等諸多量化指標(biāo)，城市化進程是伴隨著工業(yè)化的不斷發(fā)展而產(chǎn)生的，其次是經(jīng)濟的快速發(fā)展。城市是現(xiàn)代服務(wù)業(yè)產(chǎn)生和發(fā)展的沃土。在城市建設(shè)過程中，各種服務(wù)設(shè)施逐步建成，多樣化的商品出現(xiàn)并產(chǎn)生競爭，人口和收入的增加使城市居民對生活提出了更高的要求。城市的包容性多樣性吸引了大量新技術(shù)產(chǎn)業(yè)的落戶，從而加速了城市化進程，改善了市場經(jīng)濟的產(chǎn)業(yè)結(jié)構(gòu)。非農(nóng)人口是衡量一個城市承載力的客觀指標(biāo)，代表著城市化水平。（5）受教育程度從社會學(xué)的角度看，人們的受教育程度決定了他們的生活質(zhì)量，也決定了他們對生活水平的不同要求，受過高等教育的人更有可能為社會創(chuàng)新做出貢獻。本文以大學(xué)生人數(shù)來衡量南京市的整體教育水平。（6）居民消費水平從馬斯洛的需求層次理論可以看出，人的需求是分為不同層次的，滿足的順序也是從低到高的。服務(wù)業(yè)中的許多行業(yè)都離不開人們的日常生活，如衣食住行。隨著人們物質(zhì)基礎(chǔ)的滿足，人們開始追求精神消費，如金融業(yè)、旅游業(yè)等的興起。居民收入的增加伴隨著需求多元化的出現(xiàn)，但也表明服務(wù)業(yè)的需求彈性遠高于農(nóng)業(yè)。因此，居民的消費水平將通過現(xiàn)代服務(wù)業(yè)消費需求的收入彈性來體現(xiàn)。本文將城鎮(zhèn)居民人均消費支出和城鎮(zhèn)居民人均可支配收入作為居民消費水平的評價指標(biāo)。（7）工業(yè)化水平從經(jīng)濟市場的發(fā)展趨勢來看，服務(wù)業(yè)是繼農(nóng)業(yè)、工業(yè)、制造業(yè)逐步發(fā)展之后，又一種不斷擴張的產(chǎn)業(yè)。工業(yè)化進程對服務(wù)業(yè)的發(fā)展有著重要的影響。工業(yè)化為服務(wù)業(yè)的發(fā)展提供了基礎(chǔ)和空間。在一定程度上，工業(yè)化程度與服務(wù)業(yè)尤其是現(xiàn)代服務(wù)業(yè)正相關(guān)。因此，選擇人均第二產(chǎn)業(yè)增加值來衡量工業(yè)化水平。（8）旅游業(yè)的作用南京是一座文化積淀豐富、旅游資源完善的城市，特別是旅游業(yè)是南京的主導(dǎo)產(chǎn)業(yè)之一。作為現(xiàn)代服務(wù)業(yè)的必要組成部分，其發(fā)展趨勢在時間序列上會對現(xiàn)代服務(wù)業(yè)本身產(chǎn)生影響。此外，旅游因素的測量可以從一個角度反映人們對生活態(tài)度的變化。一方面，從需求的角度建立了計量標(biāo)準(zhǔn)。本文用旅游收入來衡量南京旅游業(yè)的發(fā)展變化。（9）市場規(guī)模一個行業(yè)或一個行業(yè)的市場占有率是衡量該行業(yè)發(fā)展的重要指標(biāo)之一。我們一般采用相關(guān)的GDP值來衡量。（10）技術(shù)水平由于現(xiàn)代服務(wù)業(yè)的基本特征之一是科技含量高，因此科技水平?jīng)Q定了當(dāng)前經(jīng)濟社會發(fā)展的潛力。行業(yè)科技人才將為行業(yè)帶來創(chuàng)新和高效。因此，科技水平是現(xiàn)代服務(wù)業(yè)自我評價體系的重要組成部分。（11）投入資本資本是工業(yè)發(fā)展的基礎(chǔ)，尤其是固定資產(chǎn)投資，是衡量經(jīng)濟能力的重要指標(biāo)。一方面，工業(yè)化的成熟促進了現(xiàn)代服務(wù)業(yè)的發(fā)展；另一方面，它也提供了一定的資金。（12）就業(yè)人口比例產(chǎn)業(yè)的發(fā)展應(yīng)該為社會做出貢獻，吸納更多的員工，提供更多的就業(yè)機會，這既是產(chǎn)業(yè)快速發(fā)展的標(biāo)準(zhǔn)，也是產(chǎn)業(yè)市場競爭力的體現(xiàn)。根據(jù)以往學(xué)者在文獻研究中的研究，各省市的影響因素基本相同。在現(xiàn)有研究的基礎(chǔ)上，結(jié)合南京市的特點，選取以下經(jīng)濟指標(biāo)作為原始數(shù)據(jù)進行分析。表1.1指標(biāo)選取衡量因素經(jīng)濟指標(biāo)指標(biāo)單位表示符經(jīng)濟發(fā)展水平人均生產(chǎn)總值元/人X1固定資產(chǎn)投資總額億元X2公共福利城市公共交通數(shù)量輛X3政策支撐政府財政支出億元X4國際化水平實際使用外資億美元X5城鎮(zhèn)化水平非農(nóng)人口萬人X6教育水平大學(xué)生人數(shù)萬人X7居民消費水平城鎮(zhèn)居民人均消費支出元X8城鎮(zhèn)人口可支配收入元X9工業(yè)化水平人均第二產(chǎn)業(yè)增加值億元X10旅游產(chǎn)業(yè)作用旅游收入億元X11現(xiàn)代服務(wù)業(yè)科技量現(xiàn)代服務(wù)業(yè)科技人員數(shù)量人X12現(xiàn)代服務(wù)業(yè)投資量現(xiàn)代服務(wù)業(yè)固定資產(chǎn)增加值億元X13就業(yè)人口吸納現(xiàn)代服務(wù)業(yè)就業(yè)人口占比比值X14現(xiàn)代服務(wù)業(yè)市場規(guī)?，F(xiàn)代服務(wù)業(yè)GDP億元Y1.3實證分析1.3.1因子分析模型因子分析的思想是降維，即通過矩陣正交變換和線性組合的方法，將選定的原始指標(biāo)綜合成若干具有代表性的綜合因子，從而減少原始指標(biāo)的個數(shù)。因子分析是在主成分分析的基礎(chǔ)上，評價不同因素對目標(biāo)對象的貢獻率，根據(jù)方差貢獻率確定權(quán)重，通過因子與權(quán)重的乘積之和確定排序。這樣，將各個因素與實際的社會經(jīng)濟現(xiàn)象聯(lián)系起來，分析結(jié)果就具有了現(xiàn)實意義。本文選擇因子分析回歸法作為主要的實證方法，因為在很多研究方法中，多指標(biāo)綜合評價的目標(biāo)因子分析法比較容易實現(xiàn)，數(shù)據(jù)處理也不那么繁瑣。因子分析最早出現(xiàn)在學(xué)術(shù)界是在1904年，由查爾斯·斯皮爾曼提出并發(fā)展起來的。實際上，它是主成分分析的升華。本文通過合理的運算，將一些復(fù)雜的變量整合成幾個代表性較差的因子，探討了原始變量與整合因子之間的作用，以及二者與因變量之間的關(guān)系。因子分析的主要步驟：（1）首先，確認所有變量后計算它的相關(guān)矩陣。相關(guān)矩陣是因子分析法的關(guān)鍵，即原始數(shù)據(jù)。根據(jù)相關(guān)矩陣的計算結(jié)果應(yīng)該進一步利用KMO檢驗方法，判斷應(yīng)用因子分析法是否合適，質(zhì)量是否滿足解析之后所得的結(jié)論。（2）其次就是提取主成分因子，這個時候，確認因子個數(shù)和其滿足的條件（3）第三步進行因子旋轉(zhuǎn)，利用坐標(biāo)變換使因子解的實際意義更容易解釋。（4）最后計算因子值。根據(jù)主成分因子在不同行業(yè)中的占比，通過乘積加減運算計算出每個行業(yè)的得分值并進行排序，從而篩選出所需結(jié)果。因子分析借助于協(xié)方差矩陣展開，我們假設(shè)有N個樣本，m個原始指標(biāo)，那么設(shè)原始指標(biāo)矩陣為：X=我們通過因子分析法，將會得到X矩陣的公共因子矩陣：F=他們之間的相互關(guān)系：X1=a11F1+a12F2+a13F3+…+a1nFn+ε1這就是因子分析的模型，其中矩陣QUOTEA=aijA=aij是因子載荷矩陣，其中的元素QUOTEaijaij即因子載荷，即原始指標(biāo)X與F之間的相關(guān)系數(shù)。其中QUOTEεε表示特殊因子，用來衡量出去公共因子影響外的變量差異，這些差異不能被求得的F公共因子所解釋，在實際分析中忽略不計。其中，因子分析模型中任何一個變量，都要經(jīng)過數(shù)學(xué)處理成標(biāo)準(zhǔn)化變量，處理公式為：xi?這種標(biāo)準(zhǔn)化處理不會改變各個變量間的相關(guān)系數(shù)，同時有效避免了由于單位衡量不同造成的數(shù)據(jù)分析差異，因此處理不影響研究的一般性。在尋求主成分因子是，我們首先針對觀測指標(biāo)的相關(guān)矩陣R，設(shè)有非零向量V和對應(yīng)的實數(shù)QUOTEρρ可滿足下述等式：RV=ρV其中實數(shù)QUOTEρρ是矩陣X對應(yīng)的特征值，而V是矩陣相對于實數(shù)特征值的特征向量，求解行列式：R?ρI可得出k個特征值，將其按照大小排列：ρ1>ρ2>ρ3…>ρk>0從而實數(shù)特征根均將對應(yīng)一個特征向量，其彼此之間線性無關(guān)。我們將R的其中一組正交的單位特征向量表示為：QUOTEV1,V2,V3,…,VkV1,V2,V3,…,Vk。這些特征向量與特征根相對應(yīng)，滿足QUOTERVi=ρiViRVi=ρiVi，且QUOTEV=V1,V2,V3,…,VkV=V1,V2,V3,…,Vk是正交矩陣，滿足QUOTEV'V=VV'=IV'V=VV'=I,令Q=QUOTEdiagρ1，ρ2，ρ3，…，ρkdiagρ1，ρ2，ρ3，…，ρk，則RV=VQQUOTER=QUOTEVQV'M=E==Q=從而得出第p個主成分f得到公共因子之后，對其進行因子回歸的處理。這是因為無論是原始指標(biāo)還是提取之后的公共因子，它都以不同的作用力影響著南京市現(xiàn)代服務(wù)業(yè)的發(fā)展，也就是說現(xiàn)代服務(wù)業(yè)的發(fā)展結(jié)果是由多個因素以及多個環(huán)節(jié)共同作用而導(dǎo)致的。經(jīng)濟學(xué)中討論多個因素對于同一個結(jié)果的影響，較多地使用回歸方法。因此通過檢驗其自變量和因變量之間的線性關(guān)系，研究一個因變量和多個自變量的因果關(guān)系，故本文在研究影響因素機制時用多元線性回歸模型來擬合：y這個方程表示假設(shè)時間序列Ｎ組觀察對象，第i組（i=（1，2，3，…，N））中觀察值為QUOTE（yi,xi1,xi2,…,xi）（yi,xi1,xi2,…,xi）他們之間的關(guān)系。其中yi表示因變量，是各個影響因素所造成的結(jié)果的衡量標(biāo)準(zhǔn)；xi1,xi2,…,xim表示ｍ個自變量，即不同的影響因素；而b1,b2,b3,…,bm則為回歸系數(shù)，b0表示為常數(shù)項。1.3.2模型建立根據(jù)上一節(jié)對于回歸方程的解釋及相關(guān)經(jīng)濟理論，設(shè)定的回歸模型為：y（i=2004，2005，2006，…，20019；m=1，2，3，…，14）其中，yi是因變量，用時間序列下南京市現(xiàn)代服務(wù)業(yè)GDP（產(chǎn)業(yè)增加值），衡量現(xiàn)代服務(wù)業(yè)發(fā)展水平；bm表示ｍ個指標(biāo)xim與因變量yi的相關(guān)系數(shù)，表示指標(biāo)因素增長一個單位對于現(xiàn)代服務(wù)業(yè)產(chǎn)業(yè)增加值影響幅度為bm，b0是常數(shù)項，QUOTEεεi是隨機誤差項。在2006年南京市政府辦公廳寧政發(fā)辦[2006]文件中，南京市政府提出了全面推動現(xiàn)代服務(wù)業(yè)發(fā)展的政策建議，之后的幾年中也一直在扶持服務(wù)業(yè)發(fā)展，促進南京市產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型。近年來，南京市政府對現(xiàn)代服務(wù)業(yè)的財政支持進一步加大，因此，在模型中加入虛擬變量X4政府財政支出，權(quán)重設(shè)為０或１，以2007年為節(jié)點，進行模型的改善，故最后模型的結(jié)果應(yīng)為：y對這m（m=14）個原始數(shù)據(jù)指標(biāo)進行處理時，因為經(jīng)濟數(shù)據(jù)之間有很強的相關(guān)性，為了改善這種情況，得到比較理想的回歸方程，我們將采用因子分析法先對這些原始數(shù)據(jù)進行主要因子的提取，在借助主要因子與原始數(shù)據(jù)的線性關(guān)系，得到我們預(yù)期的回歸方程。1.3.3數(shù)據(jù)選擇及綜合因子的提取本文基于前文建立的指標(biāo)體系搜集原始數(shù)據(jù)，匯總表如圖。所有數(shù)據(jù)均來源于2005年至2019年《南京市統(tǒng)計年鑒》因為年份跨度較大，而統(tǒng)計標(biāo)準(zhǔn)不甚統(tǒng)一，全部數(shù)據(jù)獲取有一定的難度。其中，2007-2009年南京市人均第二產(chǎn)業(yè)增加值無詳細數(shù)據(jù)，由3年增加值平均所得，其中2005年南京市大學(xué)生人數(shù)和城鎮(zhèn)可支配人口數(shù)缺失，由加減上下組中值所得。接下來將用spss20對于原始數(shù)據(jù)進行處理。首先需要建立數(shù)據(jù)表，通過指標(biāo)選擇進行相關(guān)性檢驗。（1）相關(guān)性檢驗圖1.1相關(guān)矩陣從相關(guān)矩陣中不同指標(biāo)相關(guān)系數(shù)數(shù)值多數(shù)均大于0.3，即原始數(shù)據(jù)存在共線性，可以采用因子分析法得到其主成分。（2）KMO和Bartlett的檢驗表1.2KMO和Bartlett檢驗KMO和Bartlett的檢驗取樣足夠度的KMO度量。0.786Bartlett的球形度檢驗近似卡方430.666df78.000Sig.0.000通過表1.2發(fā)現(xiàn)，KMO值為0.786，這說明變量間相關(guān)性較強，同時在0.01的顯著性水平下，球形檢驗拒絕相關(guān)陣為單位陣的原假設(shè)，說明適合做因子分析且因子分析的結(jié)果較好。（3）提取主成分圖1.2碎石圖可以從碎石圖中可直觀看出有兩個特征根明顯大于1，且前兩個較大，其余特征根均較小。故計算器累計方差貢獻表。表1.3累計方差貢獻表成份初始特征值提取平方和載入旋轉(zhuǎn)平方和載入合計方差的%累積%合計方差的%累積%合計方差的%累積%19.79075.31175.3119.79075.31175.3118.89068.38268.38221.52511.73487.0451.52511.73487.0452.42618.66487.04530.8446.49493.53940.5531.25397.79350.1441.10598.89760.0740.56999.46670.0340.26499.73080.0190.14699.87590.0100.08199.956100.0040.03299.988110.0010.00899.996120.0000.00399.999130.0000.001100.000提取方法：主成份分析。從解釋的總方差表可以看出，在所選取的14個原始指標(biāo)中，特征值大于１的成分有兩個，故提取出了兩個具有代表性的主成分因子。從累積方差貢獻率來看，解釋率高達87.045％，選取成分１與成分２滿足模型要求。（4）因子解釋矩陣表1.4旋轉(zhuǎn)成份矩陣12x10.9870.123x20.8080.523x30.9760.106x50.7870.554x60.8860.430x70.7250.481x80.9810.189x90.9840.170x100.2240.604x110.9840.023x120.9680.089x130.6950.372x140.101-0.909從旋轉(zhuǎn)成份矩陣我們可以看出，兩個主成分分別代表的主要評價因素。主成分１對于X1,X3,X8,X9,X11,X12,均有較強的解釋能力；而主成分２則是對X2,X5,X6,X7,X10,X13,X14有較高的因子載荷，解釋能力較強。整理原始數(shù)據(jù)所屬的評價體系而言，認為主成分F1主要衡量經(jīng)濟市場的供需能力及自身影響因素的綜合能力；而主成分F2主要是衡量市場內(nèi)其他行業(yè)對其競爭促進影響綜合能力。表1.5成份得分系數(shù)矩陣成份12x10.139-0.097x20.0410.172x30.140-0.105x50.0320.194x60.0700.103x70.0350.162x80.127-0.057x90.131-0.069x10-0.0680.321x110.156-0.156x120.142-0.114x130.0490.102x140.173-0.559從成份得分系數(shù)矩陣可以得到提取出的兩個主成分與經(jīng)過標(biāo)準(zhǔn)化的原始指標(biāo)之間的關(guān)系，方程式表示如下：FF公式4-1同理，我們考慮財政支出的影響，在主成分提取的原始指標(biāo)中新増加了一個變量財政支出X4，用于回歸時使用。（6）增加虛擬變量X4政府財政支出我們考慮財政支出的影響，在主成分提取的原始指標(biāo)中新増加了一個變量財政支出X4，用于回歸時使用。通過相同的方法，得出：表1.6累計方差貢獻表成份初始特征值提取平方和載入旋轉(zhuǎn)平方和載入合計方差的%累積%合計方差的%累積%合計方差的%累積%110.72076.56876.56810.72076.56876.5689.72369.45069.45021.58811.34087.9081.58811.34087.9082.58418.45887.90830.8486.05693.96440.5533.95397.91750.1441.02698.94360.0740.52999.47270.0380.27499.74680.0190.13699.88290.0100.07599.957100.0040.03099.986110.0010.00999.995120.0000.00399.998130.0000.002100.000140.0000.000100.000表1.7旋轉(zhuǎn)成份矩陣成份12x1.9840.151x2.7900.549x3.9720.135x4.9920.096x5.7740.572x6.8730.456x7.7090.504x8.9750.216x9.9800.197x10.2170.597x11.9860.048x12.9630.118x13.6830.392x14.131-0.912表1.8成份得分系數(shù)矩陣成份12x1.124-.078x2.028.182x3.125-.086x4.135-.111x5.022.197x6.056.114x7.023.169x8.112-.040x9.116-.052x10-.067.305x11.142-.138x12.126-.094x13.038.110x14.172-.543經(jīng)過同樣過程的相關(guān)性分析、成分矩陣分析，我們可知：旋轉(zhuǎn)成份矩陣代表著各原始指標(biāo)對于提取的主成分因子解釋能力，在經(jīng)濟市場供給層面，人均生產(chǎn)總值、城市公共交通、、政府財政支出、城鎮(zhèn)居民人均消費支出、城鎮(zhèn)人口可支配收入、旅游收入、現(xiàn)代服務(wù)業(yè)科技人員數(shù)量對于主成分因子F1貢獻值均在90%以上。接下來利用因子得分系數(shù)矩陣得到所有的原始指標(biāo)與提取出的主成分F1/F2的線性表達式。由成份得分系數(shù)矩陣可以得出主成分與標(biāo)準(zhǔn)化的原始指標(biāo)之間的線性關(guān)系，公式表達如下：FF通過考慮近年政府財政支出對現(xiàn)代服務(wù)業(yè)影響因素的主成分提取結(jié)果為例進行分析，經(jīng)濟市場的供給影響體系中包含前5個原始指標(biāo)，均在F1中體現(xiàn)；F2中較為明顯的是現(xiàn)代服務(wù)業(yè)自身體系、競爭產(chǎn)業(yè)影響體系包含的因素。1.3.4對公共因子進行回歸利用spss軟件再將得到的主成分因子與因變量Ｙ進行線性回歸。（1）不考慮原始指標(biāo)X5財政支出時，結(jié)合13個原始指標(biāo)提取的兩個主成分因子和因變量指標(biāo)得到回歸結(jié)果如下：圖1.3不考慮政府支出X4時所得因子進行回歸的結(jié)果其中，共線性容差值大于0.1，且VIF值小于10，故自變量之間非線性；而顯著性方面，我們可以看出P<0.05，回歸結(jié)果極顯著，從而得到回歸方程為：y綜合公式（4-1）可得：QUOTEy=0.134X1+0.048X2+0.135X3+0.040X5+0.074X6+0.042X7+0.124X8+0.127X9-0.054X10+0.149（2）在考慮X4政府財政收入這一原始指標(biāo)，結(jié)合14個原始指標(biāo)提取的兩個主成分進行回歸，得到結(jié)果如下：圖1.4考慮政府支出X4時所得因子進行回歸的結(jié)果其中，共線性容差值大于0.1，且VIF值小于10，故自變量之間非線性；而顯著性方面，我們可以看出P<0.05，回歸結(jié)果極顯著，從而得到回歸方程為：y綜合公式（4-2）綜合可得：y（2007QUOTE≤t≤2019≤t≤2019）綜合整理，我們可得如下回歸模型Y回歸方程的系數(shù)來看，整個南京市現(xiàn)代服務(wù)業(yè)的發(fā)展仍然沒有形成一個規(guī)模效應(yīng)，各個指標(biāo)對其GDP的影響都很有限，但是我們?nèi)匀豢梢钥闯鰜砻恳粋€原始數(shù)據(jù)對于現(xiàn)代服務(wù)業(yè)發(fā)展?fàn)顩r的影響機制。其中，我們可以發(fā)現(xiàn)在四大分類下的14個原始指標(biāo)對于現(xiàn)代服務(wù)業(yè)GDP均有所影響，但是因為回歸分