| المستخلص: |
تعتبر المكونات الرئيسة إحدى طرق تحليل المتغيرات المتعددة وهي تهدف لتحويل المتغيرات الأصلية إلى متغيرات جديدة غير مرتبطة تسمى بالمكونات الرئيسة ترتب حسب أهميتها من خلال مساهمتها في مقدار التباين الكلي(1) تمثلت مشكلة الدراسة في أن الاقتصاد السوداني يعاني من وجود عدد كبير من المتغيرات الاقتصادية وتداخلها مما يصعب مهمة محلل متخذ القرار في رسم السياسات الاقتصادية ، من خلال الأهداف التي تمثلت في تخفيض البيانات او تبسيط هيكل الظاهرة، توضيح العلاقة بين مؤشرات النمو في الناتج المحلي الإجمالي (GDP)، تطوير مقياس اقتصادي للحكم على مستوى النشاط الاقتصادي للمجتمع. وتمثلت فرضيات الدراسة في أن تحليل المكونات الرئيسة يعطى نتائج أفضل من المتحصل عليها بواسطة طرق التقدير الأخرى. استخدام المكونات الرئيسة يؤدي إلى حل مشكلة الارتباط الخطى المتعدد بين المتغيرات المستقلة. توجد قيود على طبيعة العلاقة بين المتغيرات الداخلية ودالة الهدف ومن خلال طرائق ومنهجية البحث التي تمثلت في بناء نموذج الاقتصاد السوداني من خلال استخدام طريقة تحليل المكونات الرئيسة التي تعتبر إحدى طرق التحليل المتعدد للبيانات المتعلقة (GDP). لذا قمنا بتعريف كامل الناتج المحلي الإجمالي (GDP) من خلال البيانات التي تم جمعها في الفترة من (1990-2004م) (2). من عدة جهات ذات صلة بالموضوع استخدمنا الوسائل والطرق للكشف عن هذا الارتباط فتمثلت في إحصاءات F, R2, t وعامل تضخم التباين وغيرها من الطرق، وكذلك تمت معالجة مشكلة هذا الارتباط الخطي المتعدد وكانت أهم معالجة هي استخدام طريقة المكونات الرئيسة. كل ما ذكرناه آنفا وباستخدام الانحدار من خلال حزم SPSS واختبارات KMO, VIF وبارتلت استطعنا أن نحد المكونات الرئيسة (GDP) فكانت خلاصة هذا الجهد النتائج التالية تحصلنا على 6 مكونات جديدة من 18 متغيرا وهو كذلك يحقق الأهداف التي تم وضعها وكذلك الفرضيات. من خلال استخدامنا لاختبار (KMo] كل النتائج كانت قريبة من الواحد الصحيح مما يدل على كفاية حجم العينة المأخوذة. عدد الجذور المميزة ل (GDP) كانت ستة متجهات والجذور المميزة للمكونين الأول (C1,C2) والثاني مؤثرة بصورة واضحة في تفسير تغيرات (GDP) الناتج المحلي الإجمالي للارتباط الخطي المتعدد استطعنا أن نتخلص من هذه المشكلة باستخدام معامل تضخم التباين VIF والتي كانت قيمة اقل من 10 مما يؤكد نجاح طريقة المكونات الرئيسة في حل مشكلة الارتباط الخطي المتعدد وهي إحدى أهم فرضيات الدراسة. ومن أهم استنتاجات الدراسة تحقق الهدف الأساسي لتحليل المكونات الرئيسة المتمثل في تخفيض البيانات وتبسيط هيكل الظاهرة دون المساس بالمعلومات الهامة.
The principal components are considered as one of the multivariate analysis methods and it aims to change the original variables into new uncorrelated groups of variables called principal components which are arranged according to their importance through their contribution in the amount of the total variance. The problem of this study is manifested in the presence of a large number of economic variables and their overlapping which makes decision the job of the analyst and decision maker difficult, and therefore it was necessary to classify, simplify and explanation of these variables, Out of this importance the following goals emerged. Education or simplification of the structure of this phenomenon Endeavour to know the country's economic resources efficiency in each of (GDP).Development of an economic standard the hypotheses of the study are manifested in the following. The analysis of the principal components gives better results than the other estimation methods. The use of the principal components leads to the solution of the multicollinearity problem among the independent variables. There are restrictions on the nature between internal variables and the objective's function. As for the methodology of the study it. Application side that manifested in the formation of a model of the Sudan's economy by eons of using the analysis of principal components method which is considered as one of the multiple analyses of data connected with Gross Domestic Product (GDP). Therefore we presented a comprehensive definition of the standard number for (GDP) through the data collected during (1990-2004) from a number of sources that are related to the subject, the most important of which is the Central Bureau for Statistics. We also touched on a number of previous studies in this respect. We used methods and means to expose this correlation and it is manifested in the statistics of F, R2, t and the Variance Inflection Factor (VIF) and other methods, we also dealt with the problem of this multiple linear correlation, and the most important treatment was the use of the principal components method. All that we have mentioned above, and the use of regression model through SPSS package and tests of KMO, VIF and Bartlett we could determine the principal components of (GDP)The summary of this effort is the following results:-*The Gross Domestic Product (GDP): We got (6) new components from (18) variables and this also achieves our goals which were put and also the hypothesized By using KMO test all results were near (1.0) which indicates the efficiency of the selected sample size. The number of Eagan values for (GDP) was (6) values and the Eigen values for the first and second component was high in each of (CPI) and (GDP). We could get rid of this problem by using the (VIF) which value was (< 10), which ascertains the success of the principal components in solving the problem of multicollinearity and it is one the hypothesis of the study. Some of the most important recommendations of the study are the following the basic goal for analysis of the principal components manifested in the reduction of data or simplification of the phenomenon without infringement of the important information.
|
