【摘 要】本文以河北省工业企业主要经济指标为例，运用主成份分析的方法，对工业企业的特征性经济指标进行分类和分析，对繁杂的指标进行简化。为进一步研究地区工业企业经济状况做好数据准备，为后续的分析决策提供了便利。
【关键词】工业企业;主成份分析;经济指标
Analasis of Main Economic Indexes of Industrial Enterprise
CHEN Si-qi
（College of Civil Engineering， South East University， Nanjing Jiangsu 211189， China）
【Abstract】In this paper， the method of principal component analysis was applied in classification and analysis of the main economic indexes of industrial enterprise ， which took the main economic indexes of industrial enterprise of Hebei Province for example and simlified the complex indexes. The results provided data preperation and convenience for the following study of regional economic conditions of industrial enterprise.
【Key words】Industrial enterprise; Principal component analysis; Economic indexes
新中国成立以来，我国工业产业迅猛发展，为整个社会的经济建设贡献着重要的力量。而地区工业企业的经济状况又关乎着发展水平和未来的分析决策。因此，工业企业的各项经济指标的分析就尤为重要。但是，现有的官方数据指标项目繁多，给后续分析带来困难。本文则针对工业企业主要经济指标，通过主成分分析的方法进行简化，为进一步研究工业企业经济发展做好数据工作。
1 数据来源
2 主成份分析法（Principal Component Analysis， PCA）
主成份分析法也称主分量分析或矩阵数据分析，通过变量变换的方法把相关的变量变为若干不相关的综合指标变量。[1]
图1 主成份分析法示意图
可见，主成份分析即选择恰当的投影方向，将高维空间的点投影到低维空间上，且使低维空间上的投影尽可能多地保存原空间的信息，就是要使低维空间上投影的方差尽可能地大[3]。
3 应用主成份分析法分析工业企业主要经济指标
3.1 数据处理
表1 各指标解释的总方差
表2 成份矩阵
3.2 结果分析
由主成份分析的计算结果可以看出，原变量的方差在新变量中的集中度很高，根据工业企业主要经济指标的实际状况和主成份分析的要求，本文取前4个主成份来反映原来的52个变量，其方差的累计贡献率已达到96.008%，表明四个主成份在96.008%的程度上反应了地区工业企业主要经济状况。可以认为，这四个主成份基本上能够反映出原变量的变化所代表的工业企业经济指标情况。
图2 主成分组成成份示意图
4 结论
主成份分析法结果表明，地区工业企业主要经济指标可以分为四类：支出类指标，存货状况类指标，亏损类指标和流动资产类指标。四种新指标反映的情况与原所有指标反映的情况相近程度达96.008%，可以大大减少后续工作量。主成份分析法是分析工业企业主要经济指标的一种很好的工具，其分析结果对分析地区工业企业经济状况做出合理决策具有指导作用。
【参考文献】
[5]姜扬.聚类和主成分回归在经济指标数据中的应用研究[D].吉林大学，2010.
