孫禮娜

摘要：縣域經(jīng)濟發(fā)展對于地方區(qū)域經(jīng)濟發(fā)展和鄉(xiāng)村振興戰(zhàn)略都具有重要意義。為此科學(xué)客觀地評價分析縣域經(jīng)濟發(fā)展?fàn)顩r，對全面落實安徽省委、省政府關(guān)于縣域經(jīng)濟快速發(fā)展的重大戰(zhàn)略部署，推動安徽縣域經(jīng)濟發(fā)展，具有重要理論意義與現(xiàn)實意義。以安徽省為例采用主成分分析法對安徽省縣域的經(jīng)濟社會發(fā)展?fàn)顩r進行綜合評價，結(jié)果表明：繁昌縣綜合發(fā)展水平最高，臨泉縣的綜合發(fā)展水平最低，各縣域經(jīng)濟運行實力存在著明顯差異，據(jù)此提出兩點建議。

關(guān)鍵詞：縣域經(jīng)濟;主成分分析;綜合評價

中圖分類號：F2文獻(xiàn)標(biāo)識碼：Adoi：10.19311/j.cnki.16723198.2019.04.006

1引言和文獻(xiàn)綜述

我國正處于全面建成小康社會的重要階段，縣域作為地方基層政治、經(jīng)濟和文化中心，在社會發(fā)展過程中發(fā)揮著至關(guān)重要的作用。在此背景下，對安徽省縣域經(jīng)濟發(fā)展?fàn)顩r進行科學(xué)客觀地評價分析，對促進安徽省縣域經(jīng)濟發(fā)展具有重要的意義。為此本文以安徽省61個縣（市）為研究對象，采用主成分分析的方法通過計算出安徽省各縣（市）主成分的綜合得分，對安徽省縣域的經(jīng)濟的發(fā)展?fàn)顩r進行綜合評價和分析。

區(qū)域經(jīng)濟發(fā)展存在一定的差異，深入了解區(qū)域經(jīng)濟發(fā)展的特征和區(qū)域經(jīng)濟發(fā)展的程度有助于因地制宜實行政策推動當(dāng)?shù)亟?jīng)濟發(fā)展。目前，已經(jīng)有不少學(xué)者著眼于區(qū)域經(jīng)濟研究，縣域發(fā)展也開始逐漸受到學(xué)者們的關(guān)注。杜挺和謝賢健等（2014）從經(jīng)濟、投資消費、人民富裕三個維度出發(fā)，建立指標(biāo)體系，對重慶市40個區(qū)縣的經(jīng)濟一體化水平進行評價和空間分析。王芳和高曉路（2014）采用ESDA方法，運用ArcGIS10.0、GeoDa095i軟件研究了內(nèi)蒙古90個縣域經(jīng)濟空間格局的演變。蔣天穎和華明浩等（2014）以浙江為例，分析了浙江東北、西南地域各縣域經(jīng)濟間差異及其動因。

2綜合評價模型的建立

2.1數(shù)據(jù)來源

研究數(shù)據(jù)主要來自安徽省統(tǒng)計局，安徽省各縣統(tǒng)計公報和2017年中國縣域統(tǒng)計年鑒，主要從來自安徽省2016年各縣（市）人均生產(chǎn)總值（元）、GDP增長率（%）、非農(nóng)產(chǎn)業(yè)產(chǎn)值比重（%）、人均地方財政收入（元）、稅收占財政收入比重（%）、年末金融機構(gòu)存貸比、平均單個規(guī)模以上工業(yè)企業(yè)產(chǎn)值（萬元）、固定資產(chǎn)投資（萬元）、醫(yī)療衛(wèi)生機構(gòu)床位數(shù)（個）、平均每個社會福利收養(yǎng)性單位床位數(shù)（個）、人均社會消費品零售總額（元）、就業(yè)人員平均工資（元）、居民人均可支配收入（元）等13個指標(biāo)考察了安徽省縣域經(jīng)濟的發(fā)展情況。

2.2研究方法

主成分分析是通過選取主要成分將多指標(biāo)的問題通過降維轉(zhuǎn)化為較少的綜合指標(biāo)的一種重要的統(tǒng)計方法。

構(gòu)建模型的步驟如下：第一步，是原始數(shù)據(jù)矩陣的確定，通過查閱大量的優(yōu)秀文獻(xiàn)資料選取能夠反映縣域經(jīng)濟發(fā)展的指標(biāo)并查找安徽省2016年各縣（市）相應(yīng)指標(biāo)數(shù)據(jù)構(gòu)建原始數(shù)據(jù)矩陣;第二步，是對原始指標(biāo)數(shù)據(jù)進行標(biāo)準(zhǔn)化，用以消除各變量在數(shù)量級或量綱上的影響;第三步，是求相關(guān)矩陣的特征根、特征向量和方差貢獻(xiàn)率，確定主成分; 第四步，是對選取的主成分進行綜合評價，通過SPSS軟件計算出主成分綜合得分并對縣域經(jīng)濟發(fā)展進行排名和分析。

2.2.1安徽省縣域經(jīng)濟發(fā)展水平指標(biāo)體系的建立初始指標(biāo)的選取

首先通過查閱大量國內(nèi)參考文獻(xiàn)，從分析影響安徽省縣域經(jīng)濟發(fā)展水平的因素入手，根據(jù)各影響因素的內(nèi)容和表現(xiàn)形式選取指標(biāo)，最終我們選取人均生產(chǎn)總值、GDP增長率、就業(yè)人員平均工資、年末金融機構(gòu)存貸比和平均單個規(guī)模以上工業(yè)企業(yè)產(chǎn)值等共13項指標(biāo)。KMO檢驗統(tǒng)計量是用于比較變量間簡單相關(guān)系數(shù)和偏相關(guān)系數(shù)的一項指標(biāo)。其中KMO值越接近于1，則意味著變量間的相關(guān)性越強，說明原有變量越適合作因子分析。

由表1可知指標(biāo)數(shù)據(jù)的KMO為0.759>0.5，說明數(shù)據(jù)適合做因子分析;Bartlett球形檢驗的顯著性P值為0.000<0.05，亦說明數(shù)據(jù)適合做因子分析，由此可見本文選取的指標(biāo)數(shù)據(jù)適合做因子分析。

2.2.2指標(biāo)特征值與貢獻(xiàn)率確定

運用SPSS軟件進行編程，將已經(jīng)進行完標(biāo)準(zhǔn)化處理的13個指標(biāo)進行主成分分析，用來確定最終目標(biāo)如表2。

由總方差分解表可知，選取的13個指標(biāo)中共有三個成分的特征根大于1，并且這三個主成分的方差貢獻(xiàn)率分別是30.349%、20.852%和8.932%，累積方差貢獻(xiàn)率是66.542%，因此選擇前3項作為主成分因子。

2.2.3主成分綜合得分與排名

如果通過計算得到的主成分綜合統(tǒng)計得分為正值，則表明該主成分在平均發(fā)展水平之上，并且主成分綜合得分越高，說明安徽省該縣（市）縣域經(jīng)濟發(fā)展水平越高，反之如果綜合得分為負(fù)，則表明該主成分在平均發(fā)展水平之下，并且得分越低，說明安徽省該縣（市）縣域經(jīng)濟發(fā)展水平越低。然后依據(jù)得出的主成分綜合得分對安徽省61個縣（市）的縣域經(jīng)濟發(fā)展水平進行綜合排名，并依此對安徽省縣域經(jīng)濟的發(fā)展?fàn)顩r作出評價。通過計算得到2016年安徽省61個縣（市）的縣域經(jīng)濟發(fā)展水平的主成分綜合得分，如表4。

由表4可以得到2016年安徽省61個縣（市）中共計32個縣（市）的綜合得分都在 0 以下，也就是說大約有二分之一縣（市）的縣域經(jīng)濟發(fā)展綜合競爭力水平偏低，其中臨泉縣的主成分綜合得分最低，并且最低分為-1.38502，繁昌縣的主成分綜合得分最高，并且最高分為1.72521。2016年安徽省61個縣（市）經(jīng)濟發(fā)展水平由強到弱依次是繁昌縣、寧國市、當(dāng)涂縣、肥西縣、蕪湖市、廣德縣、歙縣、祁門縣、天長市、肥東縣、長豐縣、績溪縣、郎溪縣、無為縣、桐城市、鳳臺縣、霍山縣、巢湖市、和縣、來安縣、休寧縣、含山縣、南陵縣、懷寧縣、青陽縣、涇縣、黟縣、全椒縣、旌德縣、潛山縣、鳳陽縣、霍邱縣、東至縣、懷遠(yuǎn)縣、固鎮(zhèn)縣、廬江縣、五河縣、舒城縣、望江縣、濉溪縣、金寨縣、石臺縣、明光市、樅陽縣、岳西縣、太湖縣、界首市、定遠(yuǎn)縣、宿松縣、蒙城縣、太和縣、碭山縣、潁上縣、蕭縣、渦陽縣、壽縣、泗縣、利辛縣、靈璧縣、阜南縣和臨泉縣。由此也可以看出，安徽省縣域經(jīng)濟總體發(fā)展水平有待進一步的提高，且存在著明顯的地區(qū)差異。

3結(jié)論

本文以安徽省61個縣（市）為研究對象，對其在2016年縣域經(jīng)濟綜合發(fā)展水平采用主成分分析的方法進行了綜合評價，通過SPSS等軟件計算出61個縣（市）的縣域經(jīng)濟發(fā)展水平的綜合得分，研究結(jié)果表明： 2016年安徽省61個縣（市）中繁昌縣綜合發(fā)展水平最高，臨泉縣的綜合發(fā)展水平最低，各縣域經(jīng)濟運行實力存在著明顯的地區(qū)差異。對此，提出兩點建議：第一，政府應(yīng)加大對各縣域發(fā)展的支持力度，提高安徽省縣域經(jīng)濟的整體水平。第二，根據(jù)不同縣域的發(fā)展階段實行政策，從而能夠均衡區(qū)域發(fā)展。

參考文獻(xiàn)

[1]杜挺，謝賢健，梁海艷，黃安，韓全芳.基于熵權(quán)TOPSIS和GIS的重慶市縣域經(jīng)濟綜合評價及空間分析[J].經(jīng)濟地理，2014，34（06）：4047.

[2]王芳，高曉路.內(nèi)蒙古縣域經(jīng)濟空間格局演化研究[J].地理科學(xué)，2014，34（07）：818824.

[3]蔣天穎，華明浩，張一青.縣域經(jīng)濟差異總體特征與空間格局演化研究——以浙江為實證[J].經(jīng)濟地理，2014，34（01）：3541.

[4]張鵬. 基于主成分分析的綜合評價研究[D].南京：南京理工大學(xué)，2004.

[5]李艷雙，曾珍香，張閩，于樹江.主成分分析法在多指標(biāo)綜合評價方法中的應(yīng)用[J].河北工業(yè)大學(xué)學(xué)報，1999，（01）：9699.

[6]邵祖峰.基于主成分分析法的警務(wù)信息化水平綜合評價[J].貴州警官職業(yè)學(xué)院學(xué)報，2005，（06）：9092+95.

[7]解坤，張俊芳.基于KMOBartlett典型風(fēng)速選取的PCAWNN短期風(fēng)速預(yù)測[J].發(fā)電設(shè)備，2017，31（02）：8691.

[8]鄧建偉，唐小娟，張新民.石羊河流域北部平原區(qū)生態(tài)安全評價[J].干旱區(qū)資源與環(huán)境，2009，23（08）：2124.