蔣蓬陽

摘 要：以全國31個省市、自治區(qū)的綜合經(jīng)濟(jì)實(shí)力為研究對象，選取了21項指標(biāo)，應(yīng)用因子分析、主因子分析方法，利用SPSS軟件對各省市2014年的各項指標(biāo)進(jìn)行了統(tǒng)計分析，計算因子得分和綜合因子得分，并進(jìn)行綜合經(jīng)濟(jì)實(shí)力排名。從結(jié)果中可以看出各省市的綜合經(jīng)濟(jì)實(shí)力有較大的差異，因此應(yīng)制定合理的政策建議，提高區(qū)域發(fā)展水平，促進(jìn)各地區(qū)共同發(fā)展。

關(guān)鍵詞：因子分析；因子得分；經(jīng)濟(jì)實(shí)力

中圖分類號：F2 文獻(xiàn)標(biāo)識碼：A doi：10.19311/j.cnki.16723198.2017.21.003

1 引言

改革開放以來，我國經(jīng)濟(jì)發(fā)展突飛猛進(jìn)，成為世界第二大經(jīng)濟(jì)體，綜合國力增強(qiáng)，國際地位顯著提高。聚焦我國經(jīng)濟(jì)整體發(fā)展水平的同時，各省市經(jīng)濟(jì)的發(fā)展也值得我們關(guān)注。雖然各省市、自治區(qū)在經(jīng)濟(jì)發(fā)展等方面也取得了巨大成就，但是由于資源水平、地理位置、政策方針等諸多原因，各省市的經(jīng)濟(jì)發(fā)展?fàn)顩r存在失衡現(xiàn)象。本文主要通過借助《中國統(tǒng)計年鑒2015》中的指標(biāo)數(shù)據(jù)，運(yùn)用因子分析的方法，通過計算因子得分對中國各省市、自治區(qū)的經(jīng)濟(jì)發(fā)展?fàn)顩r進(jìn)行評價，分析各省市綜合經(jīng)濟(jì)水平失衡的原因，制定合理的政策建議，以提高各省市的經(jīng)濟(jì)發(fā)展綜合水平，促進(jìn)各省市共同發(fā)展、協(xié)調(diào)發(fā)展。

2 因子分析模型

其中X1、X2、X3……、Xp為p個原有變量，是均值為0、標(biāo)準(zhǔn)差為1的標(biāo)準(zhǔn)化變量，F(xiàn)1、F2、F3……、FP為m個因子變量，m小于p，表示成矩陣形式為：

X=AF+aε

其中A為因子載荷矩陣，aij為因子載荷，是第i個原有變量在第j個因子變量上的負(fù)荷，反應(yīng)第 i 個變量對第j 個公因子的重要性。ε為特殊因子，表示了原有變量不能被因子變量所解釋的部分，相當(dāng)于多元回歸分析中的隨機(jī)誤差項。F為因子變量或公共因子，公共因子Fj的方差貢獻(xiàn)：表示第j 個公因子Fj 對X所提供方差的綜合，它是測量公因子相對重要性的指標(biāo)。方差貢獻(xiàn)率越大，公因子對X的貢獻(xiàn)越大。

3 各省市綜合經(jīng)濟(jì)實(shí)力評價

在進(jìn)行分析的過程中，采用主成分法，將特征值大于1 的主成分看作公共因子，得到方差最大的正交旋轉(zhuǎn)后的特征值、貢獻(xiàn)率、因子載荷矩陣、累計貢獻(xiàn)率表，如表1。

從表中可以看出，第一主因子的貢獻(xiàn)率為60468%，第二主因子的貢獻(xiàn)率為26223%，這兩個主因子的累計貢獻(xiàn)率為86691%，大于80%，因此可以選取這兩個主因子進(jìn)行分析。第一主因子主要在地區(qū)生產(chǎn)總值（億元）、第三產(chǎn)業(yè)總值（億元）、財政預(yù)算內(nèi)收入（億元）、客運(yùn)總量（萬人）、郵電業(yè)務(wù)總量（億元）、專利授權(quán)數(shù)、城鎮(zhèn)職工基本養(yǎng)老金（億元）、電力消費(fèi)量（億千瓦時）、貨物進(jìn)出口總額（萬美元）、工業(yè)企業(yè)數(shù)、建筑業(yè)總產(chǎn)值（億元）、億元以上市場數(shù)量、儲蓄存款（億元）、高校數(shù)、出版物發(fā)行網(wǎng)點(diǎn)、醫(yī)療保險基金收入（億元）、工傷保險基金收入（億元）等指標(biāo)中具有較大載荷，且這些指標(biāo)主要反映地區(qū)經(jīng)濟(jì)總量，故將其稱為“總量因子”；作為第二主因子的指標(biāo)主要在人均GDP（元）、人均可支配收入（元）、居民消費(fèi)（元）等有較大載荷，這些指標(biāo)主要反映地區(qū)的平均值，故稱為“平均因子”。

根據(jù)F1得分，排名前十的分別是廣東、江蘇、浙江、山東、河南、四川、湖南、河北、安徽、湖北，由于第一主因子是總量因子，所以得分較高的地區(qū)都是經(jīng)濟(jì)比較發(fā)達(dá)，經(jīng)濟(jì)總量比較高的省份。根據(jù)F2得分，排名前十的分別是上海、北京、天津、浙江、廣東、江蘇、遼寧、內(nèi)蒙古、福建、重慶，跟F1得分相比，F(xiàn)2得分前十名更具有多樣性，上海作為全國的經(jīng)濟(jì)中心，北京作為全國的政治中心，天津作為重要的港口各具優(yōu)勢，另外像內(nèi)蒙古自治區(qū)，因?yàn)榈貜V人稀，因此平均因子得分也比較高。根據(jù)F總得分，排名前十的是廣東省、江蘇省、浙江省、山東省、北京市、上海市、四川省、河南省、遼寧省、河北省，這其中有兩個直轄市，其余八個都是省份，這是因?yàn)樵诳偟梅种蠪1總量因子占的比重比較大，像內(nèi)蒙古自治區(qū)只在平均因子上占優(yōu)勢，經(jīng)濟(jì)總量排名比較靠后，因而在總得分排名中也比較靠后。

西藏、青海、海南、寧夏等省市、自治區(qū)綜合得分比較低，排名比較靠后。西藏地處高寒內(nèi)陸地區(qū)，自然資源匱乏，交通堵塞，經(jīng)濟(jì)很難得到發(fā)展。青海、寧夏同樣都是內(nèi)陸省市，多是少數(shù)民族聚居，地廣人稀，缺少經(jīng)濟(jì)發(fā)展的動力。海南作為沿海城市，經(jīng)濟(jì)來源主要是依靠旅游業(yè)，產(chǎn)業(yè)模式單一，容易陷入發(fā)展的困境。

4 政策建議

（1）對于經(jīng)濟(jì)發(fā)展落后的省市，國家應(yīng)給予更多的優(yōu)惠和鼓勵政策，加大改革力度，特別是對西部地區(qū)各省市，在發(fā)展經(jīng)濟(jì)的同時更要注重自然環(huán)境的保護(hù)。

（2）加大對落后省市、自治區(qū)教育、科技投入數(shù)量，踐行科技是第一生產(chǎn)力的方針，以科技促發(fā)展。

（3）完善社會保障制度，促進(jìn)各省市社會保障制度的均衡發(fā)展，使不同地區(qū)的勞動者都能享受到平等的福利待遇，有利于落后地區(qū)吸引更多的生產(chǎn)力，促進(jìn)本地區(qū)的發(fā)展。

（4）對于經(jīng)濟(jì)發(fā)展較好的省份，加強(qiáng)稅收和分配制度的管理，提高對西部落后地區(qū)的扶持力度和轉(zhuǎn)移支付能力。

（5）加大交通網(wǎng)絡(luò)建設(shè)投入力度，打破地區(qū)省市之間的分割封閉狀態(tài)，實(shí)現(xiàn)資源配置優(yōu)化，優(yōu)勢互補(bǔ)，共同發(fā)展，增加區(qū)域協(xié)調(diào)。

參考文獻(xiàn)

[1]中華人民共和國國家統(tǒng)計局.2015年中國統(tǒng)計年鑒[Z].

[2]薛薇.基于SPSS的數(shù)據(jù)分析[M].北京：中國人民出版社， 2006.

[3]湯琳.我國各省市經(jīng)濟(jì)社會發(fā)展水平研究_基于因子分析與聚類分析的綜合評價[J].時代金融，2015.

[4]王葉超.各地區(qū)城鎮(zhèn)居民平均收入來源的因子分析[J].現(xiàn)代經(jīng)濟(jì)，2008.

[5]夏國恩.基于因子分析的廣西區(qū)各城市綜合經(jīng)濟(jì)實(shí)力評價[J].特區(qū)經(jīng)濟(jì)，2009.endprint