儲(chǔ)柳柳 沐年國

摘 要：近年來，安徽省經(jīng)濟(jì)迅猛發(fā)展，相比于2016年，2017年生產(chǎn)總值增長約8.5%，然而，省內(nèi)各城市經(jīng)濟(jì)發(fā)展不平衡的現(xiàn)象尤為明顯。以安徽省為研究對象，按照科學(xué)性、可比性、全面性的原則選取財(cái)政收入等9個(gè)指標(biāo)構(gòu)建評價(jià)指標(biāo)體系，并利用SPSS的因子分析法對安徽省各城市經(jīng)濟(jì)競爭力狀況進(jìn)行評價(jià)，得出安徽省各城市競爭力綜合排名，以期為提高安徽省競爭力提供理論依據(jù)。

關(guān)鍵詞：因子分析;城市競爭力;評價(jià)指標(biāo);安徽省

中圖分類號：F127 ? ? ? ?文獻(xiàn)標(biāo)志碼：A ? ? ?文章編號：1673-291X（2020）13-0119-03

引言

安徽省接近沿海，位處華東腹地與南北過渡地帶，是長三角的重要組成部分，處于國內(nèi)幾大經(jīng)濟(jì)板塊的對接地帶。近些年來，安徽省一直保持著一個(gè)良好的發(fā)展趨勢，經(jīng)濟(jì)實(shí)力不斷提升，產(chǎn)業(yè)結(jié)構(gòu)和空間布局不斷優(yōu)化，人民生活水平不斷提高[1]。國家統(tǒng)計(jì)局官網(wǎng)公布的數(shù)據(jù)顯示，近三年來，地區(qū)生產(chǎn)總值增長率分別為9.6%、12.02%、11.06%。然而，相較于其他省份，安徽省人口龐大，地域廣闊，但綜合實(shí)力相對落后，區(qū)域發(fā)展極不平衡，而且每年有大量人才涌入江浙滬等地，人才資源匱乏。以2018年為例，安徽省地區(qū)生產(chǎn)總值在各省中排名第十三，但人均GDP僅僅排第十八，今年安徽省依舊是外出務(wù)工人群的主要來源地之一。安徽省由合肥市、蕪湖市、蚌埠市、淮南市、馬鞍山市、淮北市、銅陵市、安慶市、黃山市、阜陽市、宿州市、滁州市、六安市、宣城市、池州市和亳州市16個(gè)地級市組成，合肥市作為省會(huì)，近些年來發(fā)展迅猛，2017年合肥市對整個(gè)省的地區(qū)生產(chǎn)總值貢獻(xiàn)率高達(dá)26%左右，省會(huì)生產(chǎn)總量排行榜上位居第九，但總體上，省內(nèi)其他城市相較外省城市而言，對全國人民總產(chǎn)值的貢獻(xiàn)率較低。安徽省經(jīng)濟(jì)發(fā)展水平落后和資源配置有很大關(guān)系，本文旨在分析各市的綜合實(shí)力，旨在合理配置資源，更好地促進(jìn)安徽省經(jīng)濟(jì)發(fā)展，提高綜合實(shí)力[2]。

一、數(shù)據(jù)選取與研究方法

城市競爭力評價(jià)指標(biāo)體系涉及城市發(fā)展的多個(gè)方面。這些評價(jià)指標(biāo)不僅數(shù)量多，而且相互結(jié)合不完全孤立，一些指標(biāo)可能有直接的相關(guān)性，甚至可以相互表達(dá)，以反映城市發(fā)展的不同方面，將多個(gè)指標(biāo)所代表的信息整合成一個(gè)統(tǒng)一獨(dú)立的評價(jià)指標(biāo)，本文選取因子分析法來評價(jià)安徽省各城市競爭力狀況。因子分析以降維思想為基礎(chǔ)，從許多相關(guān)指標(biāo)中提取幾個(gè)主成分，并利用旋轉(zhuǎn)矩陣使其具有更加鮮明的現(xiàn)實(shí)意義。最后，根據(jù)單因子得分矩陣函數(shù)和綜合得分函數(shù)進(jìn)行分析排序[3～4]。

進(jìn)行因子分析時(shí)，首先通過相關(guān)性的高低對變量進(jìn)行分組，相關(guān)性高的變量分為一組，并將這一組稱為其中的一個(gè)公因子。在實(shí)證研究中，我們需要研究的是這一組所涵蓋的各個(gè)變量。公共因子是多個(gè)變量的最終集合，根據(jù)關(guān)聯(lián)度的大小，最終約束為一個(gè)綜合因子。它不僅不破壞復(fù)雜的信息，而且避免了許多相關(guān)因素造成的干擾，使信息得到簡化。

在確定因子的過程中，選擇因子的個(gè)數(shù)是十分重要的。如果因子數(shù)量過多，在分析過程中其使用價(jià)值不能被充分發(fā)揮，但如果因子數(shù)量不夠，則會(huì)造成原始信息的丟失。一般而言，應(yīng)滿足以下條件。

1.公因子的選取需要考慮主成分向量的特征值。為了規(guī)范評價(jià)指標(biāo)，由于選擇的指標(biāo)方差等于1，假設(shè)求得的公因子特征值小于1，意味著所謂的主成分不能解釋任何指標(biāo)，因此在選擇公因子時(shí)，應(yīng)該選擇特征值大于或等于1的，至少對于特征值小于1主成分應(yīng)該丟棄。

2.在選取公因子時(shí)，還應(yīng)考慮主成分的方差累積貢獻(xiàn)率。方差累積貢獻(xiàn)率的表達(dá)意義是衡量綜合信息保存程度的。累計(jì)貢獻(xiàn)率越高，說明主成分的解釋能力越強(qiáng)。一般而言，若是主成分的累計(jì)貢獻(xiàn)率達(dá)到85%以上，大部分原始信息被保留了下來，并且可以很好地解釋這個(gè)問題[5]。

判斷一個(gè)城市綜合實(shí)力的大小，不能僅看地區(qū)生產(chǎn)總值，還得考慮城市基礎(chǔ)設(shè)施等因素。本文根據(jù)科學(xué)性、可比性、全面性的原則，選取了以下9個(gè)指標(biāo)：X1財(cái)政支出（萬元）、X2社會(huì)消費(fèi)品零售額（萬元）、X3財(cái)政收入（萬元）、X4生產(chǎn)總值（億元）、X5固定資產(chǎn)投資額（億元）、X6各市城鎮(zhèn)職工基本醫(yī)療保險(xiǎn)參保人數(shù)（人）、X7商品出口總額（萬美元）、X8商品進(jìn)口總額（萬美元）、X9旅游總收入（億元）[6]。

二、因子分析

1.數(shù)據(jù)處理。本文數(shù)據(jù)均來自于安徽統(tǒng)計(jì)局官方網(wǎng)站，主要參考了《2018年安徽統(tǒng)計(jì)年鑒》。為了消除量綱的影響，使得數(shù)據(jù)間具有可比性，對數(shù)據(jù)進(jìn)行了標(biāo)準(zhǔn)化處理，標(biāo)準(zhǔn)化后的變量依次記為Y1至Y9。

2.因子分析適合度檢驗(yàn)。KMO和Bartlet的球形度檢驗(yàn)結(jié)果（如表1所示）。根據(jù)KMO標(biāo)準(zhǔn)，KMO值越接近于1，表明變量越適合做因子分析，本文中KMO的值為0.761，通過了檢驗(yàn)。由Bartlet球形度檢驗(yàn)結(jié)果可知，p值<0.05，拒絕原假設(shè)，說明各變量之間具有相關(guān)性，適合做因子分析。

3.因子分析。表2是根據(jù)主成分因子分析法提取的公因子方差，觀察發(fā)現(xiàn)，所有變量提取的公因子方差均在96%之上。這說明，本文選取的變量對安徽省各城市競爭力的解釋能力很強(qiáng)。

表3顯示是按主成分分析法提取的總方差解釋，提取的三個(gè)公因子的特征值分別為8.145、6.374和7.302，初始特征值均大于1，且累計(jì)方差貢獻(xiàn)率高達(dá)98.017%，滿足累計(jì)方差貢獻(xiàn)率大于85%的原則，說明選取的3個(gè)因子有效，能很好地解釋原始信息，將這3個(gè)因子分別記為F1、F2和F3。

提取主因子以后，正交化因子載荷矩陣，從而得到旋轉(zhuǎn)后的因子載荷矩陣，結(jié)果（如表4所示），財(cái)政支出、財(cái)政收入、社會(huì)消費(fèi)品零售總額、生產(chǎn)總值和固定資產(chǎn)投資額這五項(xiàng)指標(biāo)在第一因子F1上負(fù)荷較高，表明F1能較好地反映這五項(xiàng)指標(biāo)，第二因子F2能反映商品進(jìn)出口總額的情況，第三因子F3能反映旅游總收入，第一因子F1和第二因子F2均能反映各市城鎮(zhèn)職工基本醫(yī)療保險(xiǎn)參保人數(shù)。