| 520 |
|
|
|a المكونات الرئيسة تعد 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 هذه الدراسة في وجود عدد كبير من المتغيرات الاقتصادية وتداخلها مما يصعب مهمة محلل ومتخذ القرار في رسم السياسات الاقتصادية، وعليه كان لا بد من تصنيف وتبسيط وتفسير هذه المتغيرات، وتمثلت الأهداف في تخفيض البيانات أو تبسيط هيكل الظاهرة. وتوضيح العلاقة بين مؤشرات النمو في الناتج المحلي الإجمالي (GDP) وتطوير مقياس اقتصادي للحكم على مستوى النشاط الاقتصادي للمجتمع فيما يتعلق بمنهجية الدراسة تمثلت في بناء نموذج الاقتصاد السوداني من خلال استخدام طريقة تحليل المكونات الرئيسة التي تعد 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) من عدة جهات ذات صلة بالموضوع أهمها الجهاز المركزي للإحصاء فاستخدمنا 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 ل (GDP) فكانت خلاصة هذا الجهد النتائج التالية: تحصلنا على 3 مكونات جديدة من 5 متغيرات وهو كذلك يحقق الأهداف التي تم وضعها وكذلك الفرضيات. من خلال استخدامنا لاختبار (KMO) كل قيمة كانت قريبة من الواحد الصحيح مما يدل على كفاية حجم العينة المأخوذة. عدد الجذور المميزة ل (GDP) كانت 3 متجهات وكانت الجذور المميزة للمكونين الأول والثاني عالية، استطعنا أن نتخلص من هذه المشكلة باستخدام معامل تضخم التباين VIF والتي كانت قيمة أقل من 10 مما يؤكد نجاح المكونات الرئيسة في حل مشكلة الارتباط الخطي المتعدد وهي إحدى أهم فرضيات الدراسة (2). ومن أهم نتائج الدراسة تحقق الهدف الأساسي لتحليل المكونات الرئيسة المتمثل في تخفيض البيانات أو تبسيط هيكل الظاهرة دون المساس بالمعلومات المهمة
|b 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, the following goals emerged Reduction 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. As for the methodology of the study that manifested in the formation of a model of the Sudan’s economy by means 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 the (CPI) and (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 (3) new components from (5) 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 eigen values for (GDP) was (3) values and the eigen values for the first component was high. 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.
|
