|
.159
.973
-.925
.183
.963
.985
.800
.987
.994
-.420
X2
.159
1.000
.057
-.354
-.143
.055
.022
.082
.114
.168
.037
X3
.973
.057
1.000
-.910
.140
.995
.988
.795
.992
.955
-.252
X4
-.925
-.354
-.910
1.000
-.352
-.921
-.889
-.859
-.931
-.925
.307
X5
.183
-.143
.140
-.352
1.000
.195
.160
.578
.175
.230
-.473
X6
.963
.055
.995
-.921
.195
1.000
.977
.821
.988
.947
-.219
X7
.985
.022
.988
-.889
.160
.977
1.000
.766
.992
.973
-.377
X8
.800
.082
.795
-.859
.578
.821
.766
1.000
.787
.788
-.316
X9
.987
.114
.992
-.931
.175
.988
.992
.787
1.000
.976
-.326
X10
.994
.168
.955
-.925
.230
.947
.973
.788
.976
1.000
-.471
X11
-.420
.037
-.252
.307
-.473
-.219
-.377
-.316
-.326
-.471
1.000
115
表4方差分解主成分提取分析
Tab.4 Variance Decomposition principal component extraction and analysis
成份
初始特征值
提取平方和载入
合计
方差的 %
累积 %
合计
方差的 %
累积 %
1
7.704
70.040
70.040
7.704
70.040
70.040
2
1.442
13.109
83.149
1.442
13.109
83.149
3
1.017
9.249
92.398
1.017
9.249
92.398
表 5初始因子载荷矩阵 120
Tab.5 Initial factor loading matrix
成份
1
2
3
X1
.988
.085
-.020
X2
.137
.448
.883
X3
.973
.157
-.164
X4
-.957
-.063
-.225
X5
.309
-.842
.226
X6
.973
.132
-.153
X7
.976
.082
-.170
X8
.865
-.238
.089
X9
.985
.124
-.088
X10
.984
.035
.017
X11
-.408
.632
-.200
表 6旋转后因子载荷矩阵
Tab.6 Factor loading matrix after rotation
成份
1
2
3
X1
.356
.071
-.020
X2
.049
.373
.876
X3
.351
.131
-.163
X4
-.345
-.052
-.223
X5
.111
-.701
.224
X6
.351
.110
-.152
X7
.352
.068
-.169
X8
.312
-.198
.088
X9
.355
.103
-.087
X10
.355
.029
.017
X11
-.147
.526
-.198
125
3.2 结果分析
相关系数矩阵（表3），可以看出所选取的11个指标之间的关联关系。方差分解主成分提取分析（表4），显示了各主成分解释原始变量总方差的情况，在表中看到应保留3个主成分，这3个主成分集中了原始11个变量信息的92.398%，可见效果是比较好的。
初始因子载荷矩阵（表5），可知影响因素库中的能源消费总量、人均生产总值、城镇130 登记失业率、房屋建筑施工面积、港口货物吞吐量、进出口差额、中国居民消费水平和中国民航货邮运量在第一主成分上有较高载荷，反映了能源消耗和宏观经济形势的影响。商品零售价格指数和中国第二产业贡献率在第二主成分上有较高的载荷，反映了居民生活需求的影响。平均气温在第三主成分上有较高的载荷，反映了气候的影响作用。所以提取三个主成分是可以基本反映全部指标的信息，因此用三个新变量来代替原来的十一个变量。旋转后的因135 子载荷矩阵（表6），反映的是矩阵的特征向量值，用于主成分的计算。
从相关系数矩阵可以看出各个影响因素之间的相关性，从表4中可以看出，第一、第二和第三主成分的贡献率为92.398%，所以取前三个主成分作为重庆市电力需求的影响因素来分析。本文用F1，F2和F3来表示三个主成分。根据数学模型公式1.1，得到表达式如下：
ZX11*0.147-ZX10*0.355ZX9*0.355ZX8*0.312ZX7*0.352ZX6*0.351ZX5*0.111ZX4*0.345-ZX3*0.351ZX2*0.049ZX1*0.3561F (3.1) 140
ZX11*0.526ZX10*0.029ZX9*0.103ZX8*0.198-ZX7*0.068ZX6*0.110ZX5*0.701-ZX4*0.052-ZX3*0.131ZX2*0.373ZX1*0.0712F (3.2)
ZX11*0.198-ZX10*0.017ZX9*0.087-ZX8*0.088ZX7*0.169-ZX6*0.152-ZX5*0.224ZX4*0.223-ZX3*0.163-ZX2*0.876ZX1*-0.0203F (3.3)
145
F3 * 3))2 1( / 3( F2 * 3))2 1( / 2( F1 * 3))2 1( / 1(F (3.4)
式中的ZXi表示第i个变量对应的标准化值，根据上述公式1.2求的，λj表示第i个主成分对应的特征值。通过对表达式的计算可得到主成分分析的结果如表7所示。
表7主成分分析
Tab.7 Principal Component Analysis 150
F1
F2
F3
F
2003
2004
2005
2006
2007
2008
2009
2010
-3.803
-2.859
-2.037
-.465
.862
2.082
1.972
4.249
1.210
-.949
-.091
-.175
-.720
-1.717
2.008
.435
.163
-1.137
-.739
1.817
1.101
-.244
-.146
-.815
-3.476
-1.257
-1.923
-.050
-2.589
1.900
2.352
5.247
4 结论
通过上述主成分分析我们可以看出，重庆市电力需求的主要影响因素有宏观经济相关因素、居民生活需求和气候变化的影响，因此我们在研究重庆市电力需求影响因素时，主要抓住这三点来研究。首先，宏观经济因素对电力需求影响较大。随着市场经济体制的发展和电力企业市场化改革，宏观经济因素将是影响电力消费的主要因素。其次，居民生活需求的影155 响。电力与人们的日常生活和社会发展都具有紧密的联系，通过分析商品零售价格便可以了解当前居民生活水平，进而掌握生活必需品对于电力的需求。最后，气候变化对重庆市电力需求也有较大影响。我们用主成分分析法将十一个变量降到了三个变量，达到了降维的目的，并且不损失信息。通过本文的研究与分析进一步为重庆市电力需求影响因素提供了依据。
综上所述，本文以重庆市为例对区域电力需求影响因素进行了研究，提出了区域电力需160 求各影响因素的影响程度，为电力企业和相关部门的生产规划实践提供一定的决策支持。
[参考文献] (References)
[1] Soytas,U.,Sari,R. Energy Consumption and GDP: Causality Relationship in G7 Countries and Emerging Markets [J].Energy Economics,2003,25:33-37. 165 [2] Yemane Wolde-Rufael. Electricity consumption and economic growth a time series experience for 17 African countries[J]. Energy Policy, 2006, 34:1106-1114. [3] 刘洋、崔巍.CIM模型在教育领域应用研究[J]. 中国科技论文在线. 2009. [4] 刘畅，高铁梅.中国电力行业周期波动特征及电力需求影响因素分析--基于景气分析及误差修正模型研究[J].资源科学,2011,33(1): 169-177. 170 [5] 陈银峰.电力需求与经济发展的关联关系研究[D].上海:上海交通大学，2010.
学术论文网Tag：代写论文 代写代发论文 |
