- 上一篇：人民币升值对纺织行业出口的影响
- 下一篇：余额宝对我国商业银行的影响和启示
x8 0.9791 0.9740 0.9938 0.9811 0.9900 0.9950 0.9273 1.0000
从表2相关系数矩阵对应表格中看出，每一个相关系数的数字都很大,相关系数矩阵里的数字最小是0.9154 ，这个数字表示的是建筑业总产值和年末常住人口之间的相关系数。而最大的数字高达0.9995，是第一产业增加值和农林牧渔业总产值之间的相关系数。表中数据显示了这些因素互相之间都具有高度的相关性，难以把这些因素之间的影响隔离开来，也不能够直观简单地观察分析出哪些因素对财政收入有着更加高的影响，因此这时候就需要使用主成分分析的方法来对这些数据进行处理，首先对这八个因素进行降文，然后推算出新的重要变量，从而能够更加便利地分析问题。
表3 相关阵的特征值和各主成分贡献率及累计贡献率
Eigenvalue Difference Proportion Cumulative
1 7.85213021 7.73799742 0.9815 0.9815
2 0.11413279 0.09000694 0.0143 0.9958
3 0.02412585 0.01838365 0.0030 0.9988
4 0.00574220 0.00390418 0.0007 0.9995
5 0.00183802 0.00022744 0.0002 0.9997
6 0.00161058 0.00121113 0.0002 0.9999
7 0.00039945 0.00037857 0.0000 1.0000
8 0.00002088 0.0000 1.0000
从表3相关阵的特征值和各主成分贡献率及累计贡献率可以发现，第一主成分贡献率已经高达98.15%，因为第一主成分的累积贡献率大于85%，所以这次只需要用第一主成分来进行研究。这个结果中得出的第一个主成分能够包括第一产业增加值，第二产业增加值、第三产业增加值、农林牧渔业总产值、建筑业总产值、社会消费品零售总额、年末常住人口和全社会固定资产投资这八组数据的大部分信息，并且能够对财政收入进行分析。
表4 相关阵的特征向量
z1 z2 z3 z4 z5 z6 z7 z8
x1 0.355854 0.025958 -0.468328 -0.172153 0.204654 0.071007 -0.294419 0.700085
x2 0.355269 0.242879 -0.197441 -0.146609 -0.553264 0.595955 -0.086103 -0.292642
x3 0.356050 -0.156904 0.122023 0.065978 -0.654651 -0.604801 0.024140 0.185557
x4 0.355767 -0.034160 -0.470097 -0.236319 0.256482 -0.267026 0.574271 -0.358542
x5 0.352986 -0.395839 -0.036521 0.789455 0.122549 0.257968 0.111678 -0.010071
x6 0.356228 -0.154513 0.123523 -0.113657 0.277426 -0.210125 -0.691320 -0.471179