论文部分内容阅读
摘 要 本文从硕士毕业生自身的实际需求出发,采取分区抽样的方式选择了十三个省市对其六个方面的特征进行因子分析,最后得出结论和建议,以求给各位求职的硕士毕业生做选择参考。
关键词 硕士研究生 经济适用性 因子分析
中图分类号:F127文献标识码:A
一 基本情况介绍
(一)变量的选取。
本文按照中国行政区划,自治区和港澳台之外,选取北京、天津、上海、重庆四个直辖市后,分别从华北三省省会选择太原、从东北三省省会选择沈阳、从华东六省省会中选择南京和济南、从中南六省省会中选取广州和武汉、从西南三省省会中选取广州和长沙、从西南三省省会中选择成都和西北三省省会中选取西安,构成分地区就业地的城市样本。
就业地的选择会涉及众多方面,本文选取了各地居民平均年消费X1、商品房屋每平方米平均售价X2、年平均薪资收入水平X3、年人均经济增长百分比X4、年消费价格指数X5、各地区年城镇投资增长百分比X6这六个指标对各城市的就业“经济适用性”进行综合评价,由于本文薪资水平基本按研究生平均水平采集,所以对硕士研究生的就业地选择有借鉴作用。
(二)2008年硕士研究生情况。
资料来源:2009中国统计年鉴
二、因子分析法实证研究
(一)因子分析的可行性。
通过计算原有变量的简单相关系数矩阵并进行统计检验,观察相关系数矩阵,其中大部分相关系数都比较大,各个变量大多为高度相关。
通过观察表2,KMO检验结果0.767,则可以认为对此变量用因子分析还是比较合适的。
(二) 因子分析过程。
基于主成分分析法求解因子载荷矩阵,根据SPSS软件中得到的公因子方差表中的提取值可以看出此时所有变量的共同度均较高,信息丢失较少,也就是说此次因子提取的总体效果较理想。得到如下成分矩阵和碎石图,但可以看到两个因子的实际意义比较模糊,所以进行旋转,得到旋转后的因子载荷矩阵。
通过观察旋转成分矩阵,可以看出相对而言,成分1对前面三个变量的解释能力有绝对的优势,而成分2相对而言对后面三个变量的解释能力有相对的优势,我们把成分1命名为区域生活本益指标,成分2为区域发展能力指标。
据表5,可以写出以下因子得分函数:
F1=0.246X1+0.233X2+0.247X3-0.237X4+0.075X5-0.188X6
F2=0.043X1-0.071X2+0.021X3-0.422X4+0.819X4+0.210X6
进而得到下表:
以两个因子的方差贡献为权数,得到综合评价指标F=0.64898F1+0.19687F2,个人认为此指标可作为两个方面的作用,其一是评价城市综合发展水平,其二是权衡生活本益指标与城市发展指标,从中选择综合表现温和的城市作为我们当前研究生就业的的“经济适用性”城市,本文侧重第二个方面的作用,因此笔者认为此数值越接近于零,说明该城市的个人生活与城市发展越协调、节奏越适应。
三、 结论和建议
从主成分得分以及综合评价指标得分可以看出,北、上、广地区生活成本相对较高,相对而言天津、重庆这两个直辖市的城市发展和生活成本适当,发展前景也比较乐观;其他省会城市中南京、济南、成都、武汉也相对比较适合硕士研究生作为就业地做参考;相较而言,太原和长沙两地的城市发展有待进一步的提高,而且其生活成本和城市发展不是很协调,当地政府应该加大城市投入和发展的力度,“打扫好房间,准备待客”,从而增强城市建设软实力,促进城市快速发展和人民生活水平提高,形成良性互动局面。
(作者:上海海事大学经济管理学院2009级产业经济学研究生,研究方向:物流、海运与金融)
参考文献:
[1]2009中国统计年鉴.
[2]薛微.基于SPSS的数据分析.中国人民大学出版社.2006.
[3]廖月红.因子分析与聚类分析在我国各省市农村居民家庭人均消费中的应用.中外企业家.2009.
关键词 硕士研究生 经济适用性 因子分析
中图分类号:F127文献标识码:A
一 基本情况介绍
(一)变量的选取。
本文按照中国行政区划,自治区和港澳台之外,选取北京、天津、上海、重庆四个直辖市后,分别从华北三省省会选择太原、从东北三省省会选择沈阳、从华东六省省会中选择南京和济南、从中南六省省会中选取广州和武汉、从西南三省省会中选取广州和长沙、从西南三省省会中选择成都和西北三省省会中选取西安,构成分地区就业地的城市样本。
就业地的选择会涉及众多方面,本文选取了各地居民平均年消费X1、商品房屋每平方米平均售价X2、年平均薪资收入水平X3、年人均经济增长百分比X4、年消费价格指数X5、各地区年城镇投资增长百分比X6这六个指标对各城市的就业“经济适用性”进行综合评价,由于本文薪资水平基本按研究生平均水平采集,所以对硕士研究生的就业地选择有借鉴作用。
(二)2008年硕士研究生情况。
资料来源:2009中国统计年鉴
二、因子分析法实证研究
(一)因子分析的可行性。
通过计算原有变量的简单相关系数矩阵并进行统计检验,观察相关系数矩阵,其中大部分相关系数都比较大,各个变量大多为高度相关。
通过观察表2,KMO检验结果0.767,则可以认为对此变量用因子分析还是比较合适的。
(二) 因子分析过程。
基于主成分分析法求解因子载荷矩阵,根据SPSS软件中得到的公因子方差表中的提取值可以看出此时所有变量的共同度均较高,信息丢失较少,也就是说此次因子提取的总体效果较理想。得到如下成分矩阵和碎石图,但可以看到两个因子的实际意义比较模糊,所以进行旋转,得到旋转后的因子载荷矩阵。
通过观察旋转成分矩阵,可以看出相对而言,成分1对前面三个变量的解释能力有绝对的优势,而成分2相对而言对后面三个变量的解释能力有相对的优势,我们把成分1命名为区域生活本益指标,成分2为区域发展能力指标。
据表5,可以写出以下因子得分函数:
F1=0.246X1+0.233X2+0.247X3-0.237X4+0.075X5-0.188X6
F2=0.043X1-0.071X2+0.021X3-0.422X4+0.819X4+0.210X6
进而得到下表:
以两个因子的方差贡献为权数,得到综合评价指标F=0.64898F1+0.19687F2,个人认为此指标可作为两个方面的作用,其一是评价城市综合发展水平,其二是权衡生活本益指标与城市发展指标,从中选择综合表现温和的城市作为我们当前研究生就业的的“经济适用性”城市,本文侧重第二个方面的作用,因此笔者认为此数值越接近于零,说明该城市的个人生活与城市发展越协调、节奏越适应。
三、 结论和建议
从主成分得分以及综合评价指标得分可以看出,北、上、广地区生活成本相对较高,相对而言天津、重庆这两个直辖市的城市发展和生活成本适当,发展前景也比较乐观;其他省会城市中南京、济南、成都、武汉也相对比较适合硕士研究生作为就业地做参考;相较而言,太原和长沙两地的城市发展有待进一步的提高,而且其生活成本和城市发展不是很协调,当地政府应该加大城市投入和发展的力度,“打扫好房间,准备待客”,从而增强城市建设软实力,促进城市快速发展和人民生活水平提高,形成良性互动局面。
(作者:上海海事大学经济管理学院2009级产业经济学研究生,研究方向:物流、海运与金融)
参考文献:
[1]2009中国统计年鉴.
[2]薛微.基于SPSS的数据分析.中国人民大学出版社.2006.
[3]廖月红.因子分析与聚类分析在我国各省市农村居民家庭人均消费中的应用.中外企业家.2009.