□文/溫蕾

我國(guó)省會(huì)城市和計(jì)劃單列市經(jīng)濟(jì)效益綜合評(píng)價(jià)

□文/溫蕾

本文采用一種提煉與概括數(shù)據(jù)的多元統(tǒng)計(jì)分析法——因子分析法，對(duì)我國(guó)36所省會(huì)城市和計(jì)劃單列市2008年的經(jīng)濟(jì)效益進(jìn)行了評(píng)價(jià)，并作出了聚類(lèi)分析。

經(jīng)濟(jì)效益；因子分析法；因子得分；聚類(lèi)分析

一、引言

中心城市的經(jīng)濟(jì)發(fā)展效益反映了本市的經(jīng)濟(jì)運(yùn)行潛力，也折射出其對(duì)周邊地區(qū)的經(jīng)濟(jì)拉動(dòng)力。在我國(guó)，4個(gè)直轄市——北京、天津、上海、重慶，27個(gè)省、自治區(qū)的省會(huì)（首府）及5個(gè)計(jì)劃單列市——深圳、寧波、廈門(mén)、大連、青島共36個(gè)較大城市涉及到我國(guó)內(nèi)地全部31個(gè)省級(jí)行政單位，并在經(jīng)濟(jì)發(fā)展方面發(fā)揮著區(qū)域、次區(qū)域經(jīng)濟(jì)中心的作用。本文就經(jīng)濟(jì)效益方面，對(duì)我國(guó)36個(gè)省會(huì)城市和計(jì)劃單列市（均含市轄縣）的發(fā)展進(jìn)行了綜合評(píng)價(jià)，所用的方法是多元統(tǒng)計(jì)中客觀賦予權(quán)重的方法——因子分析法。

二、評(píng)價(jià)過(guò)程

（一）數(shù)據(jù)的選取及方法說(shuō)明

1、數(shù)據(jù)選取說(shuō)明。為使分析客觀、全面，本文以《2009年中國(guó)統(tǒng)計(jì)年鑒》中所列示的“省會(huì)城市和計(jì)劃單列市主要經(jīng)濟(jì)指標(biāo)”作為評(píng)價(jià)的基礎(chǔ)指標(biāo)，選取第一產(chǎn)業(yè)增加值（億元）、第二產(chǎn)業(yè)增加值（億元）、第三產(chǎn)業(yè)增加值（億元）、客運(yùn)量（萬(wàn)人）、貨運(yùn)量（萬(wàn)噸）、地方財(cái)政預(yù)算內(nèi)收入（萬(wàn)元）、城鄉(xiāng)居民儲(chǔ)蓄年末余額（萬(wàn)元）、在崗職工平均工資（元）等共八項(xiàng)指標(biāo)作為評(píng)價(jià)標(biāo)準(zhǔn)。因?yàn)槲覈?guó)的年鑒中沒(méi)有直接涉及“經(jīng)濟(jì)效益”的指標(biāo)，為在經(jīng)濟(jì)發(fā)展指標(biāo)中剔除人口數(shù)量的影響，在此用人均值來(lái)代表經(jīng)濟(jì)效益，人口數(shù)量則用的是2008年、2009年《中國(guó)統(tǒng)計(jì)年鑒》中2007年年末人口（即2008年年初人口數(shù)）和2008年年末人口的平均數(shù)。

由此，得到的數(shù)據(jù)指標(biāo)為：x1為人均一產(chǎn)增加值（元）、x2為人均二產(chǎn)增加值（元）、x3為人均三產(chǎn)增加值（元）、x4為人均客運(yùn)量（人）、x5為人均貨運(yùn)量（噸）、x6為人均財(cái)政收入（元）、x7為年末人均儲(chǔ)蓄額（元）、x8為在崗職工平均工資（元）。

2、評(píng)價(jià)方法。由于上述8個(gè)指標(biāo)對(duì)于評(píng)價(jià)經(jīng)濟(jì)效益的作用并非完全一致，因此需要對(duì)它們“賦權(quán)”以充分利用數(shù)據(jù)。為避免主觀賦權(quán)帶來(lái)的種種弊端，這里采用的是一種客觀賦權(quán)的方法——因子分析法，其核心思想是利用少數(shù)幾個(gè)公共因子來(lái)解釋較多變量間的復(fù)雜關(guān)系，具體說(shuō)來(lái)就是：通過(guò)研究各變量之間的內(nèi)在關(guān)系，探求變量間的基本結(jié)構(gòu)，找出能反映所有變量的少數(shù)幾個(gè)隨機(jī)變量，并用它們?nèi)ッ枋鲈甲兞恐g的相關(guān)關(guān)系，而上述“少數(shù)幾個(gè)隨機(jī)變量”是不可觀測(cè)的，將這些不可觀測(cè)的變量稱(chēng)作“因子”，因子既可以將原變量所包含的信息中的大多信息（通常選取>85%的信息量）反映出來(lái)，又能夠揭示各變量之間的相互依存關(guān)系。同時(shí)，可以通過(guò)計(jì)算因子得分來(lái)看到每個(gè)城市在各個(gè)因子方面的表現(xiàn)。

（二）分析過(guò)程

1、因子分析。借助spss軟件，運(yùn)用主成分分析法進(jìn)行因子分析，為使因子結(jié)構(gòu)更方便解讀，利用最大方差法進(jìn)行因子旋轉(zhuǎn)，得到結(jié)果如表1所示。（表1）

表1 提取的各因子的特征值及方差貢獻(xiàn)率情況（含因子旋轉(zhuǎn)前、后）

在進(jìn)行因子分析時(shí)，通常要求提取的公共因子能夠解釋全部原始信息的至少85%，從表1可知，前四個(gè)特征值的累積貢獻(xiàn)率達(dá)到了85%，但由于第五個(gè)特征值與第四個(gè)特征值相差無(wú)幾，故這里選取五個(gè)公共因子，則它們的累積方差貢獻(xiàn)率達(dá)到了98.6%。使用因子旋轉(zhuǎn)可以更清晰地反映各個(gè)因子所代表的信息。（表2）

從表2可以看出，因子1在指標(biāo)x1、x2、x6、x7上的因子載荷較大，因子 2 在指標(biāo)x8上的因子載荷較大，因子3在指標(biāo)x1上的因子載荷較大，因子4在指標(biāo)x4上的因子載荷較大，因子5在指標(biāo)x5上的因子載荷較大，故這五個(gè)因子可以分別命名為資本積累因子、收入因子、農(nóng)業(yè)因子、客運(yùn)量因子和貨運(yùn)量因子。由于各因子在各指標(biāo)上的載荷大小相差比較顯著，可以認(rèn)為此五個(gè)因子較好地解釋了八個(gè)評(píng)價(jià)指標(biāo)。spss軟件給出了每個(gè)城市在各個(gè)因子水平上的得分F1～F5。以旋轉(zhuǎn)后每個(gè)因子的方差貢獻(xiàn)率占總方差貢獻(xiàn)率（98.6%）的比重為各因子的權(quán)重，計(jì)算各個(gè)城市在五個(gè)因子上的綜合得分F，并排序。表3呈現(xiàn)的是按照總得分排序，第1、10、20、30、36 名城市的情況，其余城市情況略。（表3）

表2 旋轉(zhuǎn)后的因子載荷矩陣

表3 36個(gè)城市在各個(gè)因子上的得分及排名

2、將36個(gè)城市進(jìn)行聚類(lèi)。為方便進(jìn)一步的解讀結(jié)果，現(xiàn)將36座城市分類(lèi)。聚類(lèi)分析是多元統(tǒng)計(jì)分析的一種方法，使用此方法有助于擺脫主觀分類(lèi)的任意性。使用spss軟件，應(yīng)用ward法聚類(lèi)，類(lèi)間距離用blok法定義2，則將36個(gè)城市分為三類(lèi)，如表4所示。（表4）

表4 36座城市因子綜合得分的聚類(lèi)結(jié)果

三、結(jié)論及分析

由上述分析可以看出，2008年我國(guó)36個(gè)省會(huì)城市和計(jì)劃單列市經(jīng)濟(jì)效益在此種排名系統(tǒng)下呈現(xiàn)以下特點(diǎn)：

1、中西部城市發(fā)展較快，但與東部差距依然巨大。將36個(gè)城市按照綜合因子得分平均分成三組，由表3的結(jié)果可知，經(jīng)濟(jì)效益綜合得分位列前12名的依次是：深圳、廣州、大連、上海、寧波、杭州、北京、廈門(mén)、呼和浩特、南京、青島、?？凇６箶?shù)后12名的則依次是：西寧、蘭州、太原、重慶、西安、烏魯木齊、拉薩、貴陽(yáng)、昆明、南昌、鄭州、南寧。從而可以看出，36個(gè)城市中前1/3全部為沿海開(kāi)放城市，后1/3則全部是中、西部地區(qū)的城市。另外，對(duì)比9年前的各市排名可以發(fā)現(xiàn)，進(jìn)步較大的城市中，呼和浩特、合肥和長(zhǎng)沙進(jìn)步最大，分別前進(jìn)了18名、11名和9名，沈陽(yáng)、大連和哈爾濱也分別前進(jìn)了7名、5名和5名，這說(shuō)明國(guó)家近年來(lái)的中部崛起和振興東北等政策還是起到了效果，只是經(jīng)過(guò)30年的改革開(kāi)放，東部地區(qū)的發(fā)展已經(jīng)建立起了明顯的優(yōu)勢(shì)，縱然近年來(lái)國(guó)家為了縮小中、東、西部的發(fā)展差距陸續(xù)出臺(tái)了很多政策，但先天的底子薄導(dǎo)致中、西部總體上在短時(shí)期內(nèi)很難躋身于第一發(fā)展集團(tuán)。

2、先行城市發(fā)展優(yōu)勢(shì)明顯，二、三線(xiàn)城市經(jīng)濟(jì)效益落后明顯。由聚類(lèi)分析可知，深圳的經(jīng)濟(jì)效益在全國(guó)一枝獨(dú)秀，而位于第三類(lèi)的城市則集體呈現(xiàn)“人口眾多，拖垮效益”的特點(diǎn)——第三類(lèi)的全部17座城市的地區(qū)生產(chǎn)總值占全部36座城市之和的比重均小于其人口占36座城市之和的比重（表5），重慶更是小了近10個(gè)百分點(diǎn)（9.19%），故控制人口數(shù)量和加大經(jīng)濟(jì)發(fā)展質(zhì)量是擺在這類(lèi)城市面前的兩個(gè)同等重要的大難題。

3、環(huán)渤海經(jīng)濟(jì)圈核心城市發(fā)展效益明顯落后于珠江三角洲、長(zhǎng)江三角洲。參與評(píng)分的城市中，珠江三角洲和長(zhǎng)江三角洲的城市全部進(jìn)入前10名，而環(huán)渤海地區(qū)則只有北京和大連入圍前十。環(huán)渤海地區(qū)的經(jīng)濟(jì)發(fā)展目前處于強(qiáng)極化效應(yīng)階段，各中心城市應(yīng)該具有較高的經(jīng)濟(jì)聚集度，而天津作為環(huán)渤海地區(qū)的“工業(yè)中心”，尚未能展現(xiàn)其較高的經(jīng)濟(jì)效益，主要與其底子較?。‵1排名第24）、農(nóng)業(yè)經(jīng)濟(jì)效益較低（F3排名第 28）、客運(yùn)量較少（F4排名第35）有關(guān)。天津作為毗鄰北京的老牌工業(yè)城市，在發(fā)展重點(diǎn)上開(kāi)始與北京有所區(qū)分，工業(yè)效益較高是這些年來(lái)的體現(xiàn)，但作為一個(gè)現(xiàn)代化的工業(yè)中心城市，其他因子方面的高效發(fā)展也是必不可少的。

表5 第三類(lèi)城市地區(qū)生產(chǎn)總值占全部36座城市的比重與人口比重的差值（按差距由大到小排序）

（作者單位：石家莊經(jīng)濟(jì)學(xué)院）

[1]孫玉環(huán).35所省會(huì)城市及計(jì)劃單列市的經(jīng)濟(jì)效益綜合評(píng)價(jià).統(tǒng)計(jì)與信息論壇，2001.9.

[2]朱建平.應(yīng)用多元統(tǒng)計(jì)分析.科學(xué)出版社，2006.8.

F12

A