基于因子分析的安徽省各城市竞争力研究分析

来源:用户上传      作者:

　　摘 要：近年来，安徽省经济迅猛发展，相比于2016年，2017年生产总值增长约8.5%，然而，省内各城市经济发展不平衡的现象尤为明显。以安徽省为研究对象，按照科学性、可比性、全面性的原则选取财政收入等9个指标构建评价指标体系，并利用SPSS的因子分析法对安徽省各城市经济竞争力状况进行评价，得出安徽省各城市竞争力综合排名，以期为提高安徽省竞争力提供理论依据。
　　关键词：因子分析;城市竞争力;评价指标;安徽省
　　中图分类号：F127        文献标志码：A      文章编号：1673-291X（2020）13-0119-03
　　引言
　　安徽省接近沿海，位处华东腹地与南北过渡地带，是长三角的重要组成部分，处于国内几大经济板块的对接地带。近些年来，安徽省一直保持着一个良好的发展趋势，经济实力不断提升，产业结构和空间布局不断优化，人民生活水平不断提高[1]。国家统计局官网公布的数据显示，近三年来，地区生产总值增长率分别为9.6%、12.02%、11.06%。然而，相较于其他省份，安徽省人口庞大，地域广阔，但综合实力相对落后，区域发展极不平衡，而且每年有大量人才涌入江浙沪等地，人才资源匮乏。以2018年为例，安徽省地区生产总值在各省中排名第十三，但人均GDP仅仅排第十八，今年安徽省依旧是外出务工人群的主要来源地之一。安徽省由合肥市、芜湖市、蚌埠市、淮南市、马鞍山市、淮北市、铜陵市、安庆市、黄山市、阜阳市、宿州市、滁州市、六安市、宣城市、池州市和亳州市16个地级市组成，合肥市作为省会，近些年来发展迅猛，2017年合肥市对整个省的地区生产总值贡献率高达26%左右，省会生产总量排行榜上位居第九，但总体上，省内其他城市相较外省城市而言，对全国人民总产值的贡献率较低。安徽省经济发展水平落后和资源配置有很大关系，本文旨在分析各市的综合实力，旨在合理配置资源，更好地促进安徽省经济发展，提高综合实力[2]。
　　一、数据选取与研究方法
　　城市竞争力评价指标体系涉及城市发展的多个方面。这些评价指标不仅数量多，而且相互结合不完全孤立，一些指标可能有直接的相关性，甚至可以相互表达，以反映城市发展的不同方面，将多个指标所代表的信息整合成一个统一独立的评价指标，本文选取因子分析法来评价安徽省各城市竞争力状况。因子分析以降维思想为基础，从许多相关指标中提取几个主成分，并利用旋转矩阵使其具有更加鲜明的现实意义。最后，根据单因子得分矩阵函数和综合得分函数进行分析排序[3～4]。
　　进行因子分析时，首先通过相关性的高低对变量进行分组，相关性高的变量分为一组，并将这一组称为其中的一个公因子。在实证研究中，我们需要研究的是这一组所涵盖的各个变量。公共因子是多个变量的最终集合，根据关联度的大小，最终约束为一个综合因子。它不仅不破坏复杂的信息，而且避免了许多相关因素造成的干扰，使信息得到简化。
　　在确定因子的过程中，选择因子的个数是十分重要的。如果因子数量过多，在分析过程中其使用价值不能被充分发挥，但如果因子数量不够，则会造成原始信息的丢失。一般而言，应满足以下条件。
　　1.公因子的选取需要考虑主成分向量的特征值。为了规范评价指标，由于选择的指标方差等于1，假设求得的公因子特征值小于1，意味着所谓的主成分不能解释任何指标，因此在选择公因子时，应该选择特征值大于或等于1的，至少对于特征值小于1主成分应该丢弃。
　　2.在选取公因子时，还应考虑主成分的方差累积贡献率。方差累积贡献率的表达意义是衡量综合信息保存程度的。累计贡献率越高，说明主成分的解释能力越强。一般而言，若是主成分的累计贡献率达到85%以上，大部分原始信息被保留了下来，并且可以很好地解释这个问题[5]。
　　判断一个城市综合实力的大小，不能仅看地区生产总值，还得考虑城市基础设施等因素。本文根据科学性、可比性、全面性的原则，选取了以下9个指标：X1财政支出（万元）、X2社会消费品零售额（万元）、X3财政收入（万元）、X4生产总值（亿元）、X5固定资产投资额（亿元）、X6各市城镇职工基本医疗保险参保人数（人）、X7商品出口总额（万美元）、X8商品进口总额（万美元）、X9旅游总收入（亿元）[6]。
　　二、因子分析
　　1.数据处理。本文数据均来自于安徽统计局官方网站，主要参考了《2018年安徽统计年鉴》。为了消除量纲的影响，使得数据间具有可比性，对数据进行了标准化处理，标准化后的变量依次记为Y1至Y9。
　　2.因子分析适合度检验。KMO和Bartlet的球形度检验结果（如表1所示）。根据KMO标准，KMO值越接近于1，表明变量越适合做因子分析，本文中KMO的值为0.761，通过了检验。由Bartlet球形度检验结果可知，p值<0.05，拒绝原假设，说明各变量之间具有相关性，适合做因子分析。
　　3.因子分析。表2是根据主成分因子分析法提取的公因子方差，观察发现，所有变量提取的公因子方差均在96%之上。这说明，本文选取的变量对安徽省各城市竞争力的解释能力很强。
　　表3显示是按主成分分析法提取的总方差解释，提取的三个公因子的特征值分别为8.145、6.374和7.302，初始特征值均大于1，且累计方差贡献率高达98.017%，满足累计方差贡献率大于85%的原则，说明选取的3个因子有效，能很好地解释原始信息，将这3个因子分别记为F1、F2和F3。
　　提取主因子以后，正交化因子载荷矩阵，从而得到旋转后的因子载荷矩阵，结果（如表4所示），财政支出、财政收入、社会消费品零售总额、生产总值和固定资产投资额这五项指标在第一因子F1上负荷较高，表明F1能较好地反映这五项指标，第二因子F2能反映商品进出口总额的情况，第三因子F3能反映旅游总收入，第一因子F1和第二因子F2均能反映各市城镇职工基本医療保险参保人数。 　　隨后，我们利用回归法获取了主因子得分系数矩阵，结果（如下页表5所示），可以得到单因子得分矩阵函数为：
　　在上述函数的基础上，可计算得出各城市的主因子得分和综合得分，结果（如表6所示）。
　　首先，安徽省16个城市发展不平衡且差距较大，合肥作为省会，无论是综合得分还是在3个主因子上，得分都稳居第一，竞争优势十分明显，芜湖虽然紧随其后，但其综合实力远不如合肥。
　　其次，从主因子得分值上看，各城市的得分排名有高有低，有正有负，即该项指标对部分城市有正向效应，对部分城市有负向效应，同时也能反映各城市内部各领域反正并不均衡。如铜陵市在第二因子上的得分仅次于合肥，且差距不大，但其在第三因子上的得分排名倒数第二，仅高于淮北。
　　最后，从综合得分上看，蚌埠和淮南的得分为负值，从地理位置上看，淮南市临近省会合肥市，但它的综合得分的排名却位于倒数第二名，说明省会并没有给周边这个城市带来正面的经济效益。
　　三、结论与建议
　　本文通过因子分析的方法，以安徽省为研究对象，查阅相关文献选取了科学合理的9个研究指标，构建了综合评价体系，利用SPSS工具对其各城市的经济指标进行分析，得出了安徽省各城市的经济竞争力综合排名前三名为：合肥市、芜湖市、安庆市，且蚌埠市和淮南市综合得分最低。
　　1.积极利用相关政策留住人才、吸引人才[7～8]。随着技术的发展，相对于资本、物质而言，人才对经济发展的影响越来越大。安徽省是人力资源大省，同时，经济发展水平落后，每年都有许多人员外出务工，省内企业等部门发展所需要的人才也很难从外地引进，由此造成严重的人力资源稀缺，极大地限制了企业等各部门的发展。近年来，安徽的经济水平不断提高，对高技术人才的需求越来越大。为了突破现有的经济发展水平，应该发挥成本优势，改善就业环境，完善社会福利体系，为高技术人才打造一个良好的生活环境，还可以通过积极引导省内高校与外地高校的联系等方式实现人力资源开发。
　　2.重视地区联系，推动城市联动发展，长三角地区城市发展差距较大，但仍有很多可以实现双赢的合作机会，在平等互利的基础上，加强城市间的的合作，促进共同发展。尤其是皖北地区，应发挥自身人力资源优势，努力融入长三角城市群[9]。
　　3.相较于省内其他城市，合肥发展较好，但难以辐射到周边地区，马鞍山、芜湖等发展态势良好，但更多的是由于南京经济发展带动了这两个城市发展。合肥作为省会，拥有庞大的资源，近年来的发展也越来越好，要想加大合肥的经济辐射能力，必须加快自身建设，可以利用拥有多所高等院校的优势，加强自主创新能力，积极促进省内其他城市的加入[10]。
　　参考文献：
　　[1]  金宝石，查良松.安徽省区域经济差异与发展对策初步研究[J].国土与自然资源研究，2004，（2）：1-2.
　　[2]  郑栋，胡亮.长江三角洲城市竞争力实证分析[J].特区经济，2006，（4）：160-161.
　　[3]  刘秀丽，郭海珍，张勃.基于因子分析法的山西省区域经济发展水平评价[J].西北师范大学学报：自然科学版，2018，（2）：102-107.
　　[4]  Hirotugu Akaike.Factor analysis and AIC[J].Psychometrika，1987，（3）：317-332.
　　[5]  李佩，王慧，陈园园.基于因子—聚类分析的河北省区域经济发展水平差异研究[J].高师理科学刊，2011，（2）：84-88.
　　[6]  DING Chengri.Spatial Structure and City Competitiveness[J].Acta Geographica Sinica，2004.
　　[7]  柴雅凌，徐芳，王鑫.基于提高城市竞争力的情报研究[J].图书馆工作与研究，2007，（3）：13-15.
　　[8]  陈刘春.基于区域发展阶段与城市辐射力的山西省经济区划[D].沈阳：辽宁师范大学，2011.
　　[9]  Shaleen Singhal，Stanley McGreal，Jim Berry.An evaluative model for city competitiveness：Application to UK cities[J].landusepolicy，2013，（30）：214-222.
　　[10]  陈洁.合肥市经济辐射效应分析[J].投资与创业，2012，（7）：30-31.
转载注明来源:https://www.xzbu.com/2/view-15233367.htm