2007 137323。90 268019。4 13785。80 93571。60 7572。00

2008 172828。40 316751。7 15780。80 114830。10 8707。00

2009 224598。80 345629。2 17174。70 132678。40 9514。00

2010 251683。80 408903 19109。40 156998。40 10919。00

2011 311485。10 484123。5 21809。80 183918。60 13134。00

2012 374694。70 534123 24564。70 210307。00 14699。00

2013 446294。10 588018。8 26955。10 242842。80 16190。00

2014 512020。70 636138。7 29381。00 271896。10 17806。00

二、模型分析

    主成分分析法

主成分分析也叫主分量分析，即用降维的思想，把很多指标数据变成少数几个指标来计算，前提是几乎不损失数据信息。正交旋转变化的综合指标叫主成分。每个主成分都是由原始变量组合来的，它们之间相互独立，互不相关，所以可以消除多重共线性的问题，如此就可以运用了。文献综述

针对本文，设影响全社会固定资产投资总额的影响因素有个，分别用表示，这个指标构成的维随机向量为。

把随机变量做线性变换，就形成新的综合变量，用来表示，那么数学模型就可以表示为：

这里是方差百分比最大的，把称为第一主成分，把称为第二主成分，。。。，把称为第个主成分，从大到小依次排列方差占比例。

模型中的表示影响全社会固定资产投资总额的主要的个影响因子，表示主成分，它们之间相互独立，互不关联，其中表示变量的均值。

由于数据的单位标准不一样，首先我对数据进行标准化，标准化后的数据如下表：

表 2：标准化后的数据

年份 Z固定资产投资 ZGDP Z城镇居民可支配收入 Z社会消费品总额 Z居民消费水平

2005 -1。19976 -1。35193 -1。32956 -1。23974 -1。2613

2006 -1。05358