主成分影响因素的获得

前面的研究表明，有8个因素对农民工就业产生较大影响。本节利用主成分分析方法，对主要影响因素进行更进一步的分析研究，步骤如下:

1． 因素(变量)名称

对前面影响农民工就业的8个因素(变量)，分别使用以下变量名x1，x2，x3，x4，x5，x6，x7，x8加以表示。

x1——劳动力市场分割 x2——农民工自身条件

x3——工资待遇 x4——就业岗位

x5——政府服务水平 x6——信息灵敏性

x7——家庭条件 x8——思想文化等其他原因

2． 求矩阵的相关系数

利用调查数据，求得的矩阵相关系数见表4－4。

表4－4 农民工就业影响因素相关系数表

3． Bartlett's球形检验结果

Bartlett's球形检验的值为69．996，达到显著性要求，代表母群体的相关矩阵间有共同因素存在，适合进行主成分因素分析。

4． 主成分陡坡图

因素的陡坡图如图4－1所示。从陡坡图中，可以看出从第四个因素以后，特征值小于1，坡度变得较为平坦，因而以保留4个因素较为适宜。

图4－1 我国农民工就业因素主成分分析陡坡图

5． 计算主成分的特征值和贡献率值

主成分的特征值和贡献率值见表4－5。

特征值大于1的共有4个因素，这也是因素分析所抽取的共同因素数。即考虑了实测指标信息量和主成分分析方法处理优化的因素，取累计贡献率为67．50%，主成分因子个数为4。也就是说，第一个主成分解释农民工就业影响变异量为21．43%，第二个为18．88%，第三个为14．27%，第四个为12．92%。

表4－5 主成分特征值、贡献率值和累计贡献率值

6． 转轴因素负荷矩阵和主成分相关系数矩阵计算

采用Varimax(最大变异法)正交转轴方法，得到表4－6转轴后的因素矩阵和表4－7主成分相关系数矩阵。

表4－6 转轴后的因素负荷矩阵

表4－7 主成分相关系数矩阵

从表4－6可以看出x1，x2为第一主成分因素; x5，x8为第二主成分因素; x6，x4为第三主成分因素; x7，x3为第四主成分因素。题项在其所属的因素层面顺序是按照因素负荷量的高低排列。从表4－7可知，各主成分之间甚至主成分内部各因素之间存在一定的相关关系，尤其值得注意的是第一与第二主成分、第二与第三主成分、第三与第四主成分、第四与第一主成分之间的相关系数分别为－0．613、0．811、0．952、0．577，其绝对值都较大。

7． 构造主成分模型和构建农民工就业综合评价模型

根据表4－6，可以得到各主成分因素与原始农民工就业影响因素的主成分模型:

F1=0．865x1+0．758x2+0．175x3－0．258x4－0．052x5

－0．162x6－0．054x7－0．148x8

F2=0．137x1－0．394x2－0．297x3+0．179x4+0．734x5

+0．041x6+0．258x7+0．699x8

F3=0．152x1－0．394x2+0．496x3+0．638x4+0．118x5

+0．795x6－0．159x7+0．006x8

F4=－0．093x1+0．156x2+0．600x3－0．152x4－0．064x5

+0．053x6+0．821x7+0．267x8

根据各主成分因子贡献率的大小，可得出农民工就业主成分综合评价模型为:

Y=0．214F1+0．189F2+0．143F3+0．129F4

8． 主成分因素分析摘要表

根据因素的特征值和旋转后的因素矩阵，采用了主成分分析法抽取出4个因素作为共同因素，并使用因素转轴方法中的Varimax变异法，转轴后按照因素负荷量从大到小的顺序排列，得到第一、第二、第三、第四主成分因素。农民工就业主成分因素分析摘要如表4－8所示。

转轴后的特征值为1．474，1．390，1．368，1．169，解释变异量为18．42%，17．37%，17．10%，14．61%，累计的解释变异量为18．42%，35．79%，52．89%，67．50%。转轴后的特征值不同于转轴前的特征值。

表4－8 农民工就业影响因素分析摘要表