一、实证分析 　　（一）技术方法-主成份分析 　　该方法的目标是对多变量数据表进行最佳综合简化,即在力保数据信息丢失最少的原则下,对高维变量空间进行降维处理,其步骤包括:①数据的标准化处理.计算Xij=[ Xij-E(Xj)]/ Sj,式中i =1,2,...,n,表示资料项数, j =1,2,...,p,表示指标个数, Xij为第i个地区第j个指标的数值,E(Xj)、Sj分别为所有地区第j个指标值的平均值及标准差.②计算数据表(Xij) np的协方差矩阵R.③求R的前m个特征值及对应的特征量.④求主成份. 　　（二）指标体系构建 　　选取昆明市9个县的的相关指标。地方生产总值、人均生产总值、地方财政总收入、地方一般预算收入、地方一般预算支出、企业数量、企业增加值、企业上缴税金等指标。 表1 县级财政基础指标体系 县级财政基础 地方生产总值X1 人均生产总值X2 地方财政总收入X3 地方一般预算收入X4 地方一般预算支出X5 企业数量X6 企业增加值X7 企业上缴税金X8 　　（三）因子分析的主要过程 　　运用SPSS软件对数据进行无量纲处理（Z-Scores），得出标准化数据(ZXi ,i=1,2... 8).在对相关指标进行因子分析后的出的KMO检验和Bartlett检验结果为： 表2 KMO检验和Bartlett检验 取样足够度的 Kaiser-Meyer-Olkin 度量 0.641 Bartlett 的球形度检验 近似卡方 94.221 df 28.000 Sig. 0.000 　　本文选取相关指标的KMO=0.641，P=0.000。统计学家Kaiser给出的可以接受因子分析的标准：0.6< KMO < 0.7 Mediocre, P=0.000<0.005,说明经过巴特利特球度检验,相关阵不是一个单位矩阵,因子模型合适。因此本文的数据通过了KMO检验和Bartlett检验。以主成分方法作为因子提取方法，选定的因子提取标准为：特征值≥l。我们得到有2个满足条件的特征值，它们对样本方差的累计解释率达到了90.286％。因此，提取2个因子即可对所分析问题做出较好的解释。 表3解释的总方差 成份 初始特征值 提取平方和载入 旋转平方和载入 合计 方差的 % 累积 % 合计 方差的 % 累积 % 合计 方差的 % 累积 % 1 6.094 76.177 76.177 6.094 76.177 76.177 4.217 52.717 52.717 2 1.129 14.110 90.286 1.129 14.110 90.286 3.006 37.570 90.286 3 .51 2 6.405 96.692             4 .186 2.329 99.021             5 .064 .795 99.816             6 .012 .149 99.965             7 .002 .025 99.990             8 .001 .010 100.000             提取方法：主成份分析。 　　选择最大四次方值法进行因子旋转，可以得到因子载荷矩阵。因子载荷矩阵列示了提取的各因子与原始指标间的线性关系，即各因子是原始指标的线性组合。由此可以得到因子模型：    其中公共因子F1在X1（地方生产总值）、X2（人均生产总值）、X3（地方财政总收入）、X4（地方一般预算收入）、X7（企业增加值）上载荷值较高。公共因子Ｆ２在Ｘ５（地方一般预算支出 ）、Ｘ６（企业数量）、Ｘ８（企业上缴税金）上的载荷值较高。 　　（四）各县财政基础及能力的综合竞争力 　　将各县财政基础及能力指标原始数据标准化后的数值代入各主成分计算模型，得出各县对应主成分得分，然后乘以各主成分信息量对于总累积信息量90.286%的贡献率，即可得出昆明市各县财政基础及能力的综合得分。结果如下：    表4 各县财政基础及能力建设综合排名 地区 各主成份得分 各县财政基础及建设综合得分 排