蔣夢婕

(上海工程技術(shù)大學(xué) 管理學(xué)院， 上海 201620)

0 引 言

自改革開放以來，江蘇省的經(jīng)濟(jì)得以飛速發(fā)展并且取得了傲人的成績，同時(shí)也令人堪憂，因?yàn)榻K省在區(qū)域經(jīng)濟(jì)發(fā)展上出現(xiàn)了較大的差距，經(jīng)濟(jì)格局逐步轉(zhuǎn)變?yōu)椤叭愣αⅰ钡哪Ｊ?，即蘇南、蘇中、蘇北。其中蘇州、無錫、常州、南京、鎮(zhèn)江立于蘇南，泰州、南通、揚(yáng)州位于蘇中，宿遷、連云港、淮安、鹽城、徐州是居于蘇北。在江蘇的整個(gè)經(jīng)濟(jì)貢獻(xiàn)率中蘇南高達(dá)58.4%，超過全省 GDP 總量的二分之一，蘇中的經(jīng)濟(jì)貢獻(xiàn)率占江蘇GDP的20.4%，連蘇南三市的二分之一還不到，蘇北五個(gè)市GDP總值為23.6%，是蘇南3個(gè)市的二分之一。由此可見江蘇三個(gè)區(qū)域經(jīng)濟(jì)差異大，嚴(yán)重阻礙了江蘇整體經(jīng)濟(jì)的健康高質(zhì)量的發(fā)展 ，反映出江蘇區(qū)域發(fā)展不協(xié)調(diào)問題依然很嚴(yán)峻。調(diào)整江蘇的經(jīng)濟(jì)發(fā)展戰(zhàn)略，使其健康平穩(wěn)的增長成為重中之重。本文針對江蘇地區(qū)的區(qū)域經(jīng)濟(jì)發(fā)展情況，運(yùn)用因子分析，提取“經(jīng)濟(jì)總量因子”、“開放程度因子”、“人民生活質(zhì)量因子”3個(gè)主因子，給出13市的綜合經(jīng)濟(jì)社會發(fā)展的實(shí)力排序，根據(jù)實(shí)際情況提出相應(yīng)的完善措施以調(diào)整江蘇省經(jīng)濟(jì)發(fā)展策略，使其更健康的發(fā)展。

1 指標(biāo)的設(shè)計(jì)和數(shù)據(jù)的獲取

為了衡量城市的綜合經(jīng)濟(jì)發(fā)展實(shí)力，運(yùn)用評價(jià)指標(biāo)體系，調(diào)研具有一定的系統(tǒng)性，典型性，動態(tài)性。因此本文從經(jīng)濟(jì)規(guī)模，經(jīng)濟(jì)結(jié)構(gòu)，經(jīng)濟(jì)效益，開放程度，商業(yè)化程度，城市建設(shè)，基礎(chǔ)設(shè)施7個(gè)方面中，選取12個(gè)指標(biāo)，以反映江蘇13個(gè)地級城市經(jīng)濟(jì)發(fā)展綜合實(shí)力。建立的經(jīng)濟(jì)指標(biāo)體系見表1，數(shù)據(jù)全部來自于2018年《江蘇統(tǒng)計(jì)年鑒》。

表1 經(jīng)濟(jì)社會發(fā)展指標(biāo)體系

2 實(shí)證分析

2.1 因子模型的建立

因子模型的建立采用了降維以及簡化數(shù)據(jù)的技術(shù)—因子分析法。一般通過因子分析去探索變量存在的依賴關(guān)系，對于一些數(shù)據(jù)結(jié)構(gòu)，本文用一部分抽象變量因子來表示。因子分析具有兩大基本目的：其一是減少變量的個(gè)數(shù)，其二是將原始變量進(jìn)行分類，即相關(guān)性高的變量分為一組，并且用共性因子代替該組變量[1]。模型表達(dá)式為式(1)：

(1)

其中，F(xiàn)是公共因子，ε被稱為特殊因子,aij是因子載荷，aij的絕對值的大小(|aij|Fj)，表明xi與Fj的相互依賴程度。 其矩陣形式為式(2)：

X=AF+ε.

(2)

其中，A叫做因子的載荷矩陣，

在因子載荷中，變量共同度和公共因子的方差貢獻(xiàn)兩個(gè)統(tǒng)計(jì)量十分重要，變量共同為因子載荷矩陣A中第i行元素平方和記為hi2，它是全部公共因子對Xi的方差所做的貢獻(xiàn)，反映了全部公共因子對變量Xi的影響。hi2越大，表明X的第i個(gè)分量對于F的每一分量F1,F2,……的共同依賴程度大[2]。

矩陣A的第j列的各元素的平方和記為gj2，也稱作是公共因子的方差貢獻(xiàn)，所表示的意義是第j個(gè)公共因子Fj對于X的每一分量Xi所提供的方差的總和，是衡量公共因子的相對重要性的指標(biāo)[3]。gj2的大小決定著F對X的貢獻(xiàn)程度，gj2越大,表明公共因子對X的影響和作用程度就越大。

2.2 數(shù)據(jù) KMO 檢驗(yàn)和 Bartlett 檢驗(yàn)

KMO檢驗(yàn)統(tǒng)計(jì)量用來比較變量間偏相關(guān)系數(shù)、簡單相關(guān)系數(shù)和的指標(biāo)[4]，主要應(yīng)用于多元統(tǒng)計(jì)的因子分析，取值在0-1之間。一般來說，KMO度量標(biāo)準(zhǔn)為0.9以上，說明數(shù)據(jù)非常適合做因子分析，0.8-0.9表示很適合，0.7-0.8之間表示合適，0.6-0.7表示勉強(qiáng)合適，0.5以下的表示不合適。本文采用 KMOKMO和Bartlett的檢驗(yàn)使用文，結(jié)果見表2。KMO=0.714>0.5，可以看出此類數(shù)據(jù)用因子分析非常適合，且Bartlett的檢驗(yàn)中的P值sig<0.05，說明因子分析有效且各變量間具有一定的相關(guān)性。

表2 KMO 與 Bartlett 鑒定

2.3 因子載荷矩陣與公共因子的提取

2018年樣本的數(shù)據(jù)，見表3。利用SPSS64的數(shù)據(jù)分析軟件，采用因子分析法得到的前3個(gè)公因子的特征值都是大于1，故提取前3個(gè)公因子，它們的累計(jì)方差貢獻(xiàn)率達(dá)到了94.3%，說明通過該方法提取的前3個(gè)因子可以解釋原始變量的94.3%的信息，其他因子可以忽略不計(jì)。

表3 解釋的總方差

2.4 因子旋轉(zhuǎn)

為了合理的解釋各公因子的含義，本文將初始因子載荷矩陣進(jìn)行方差最大化旋轉(zhuǎn)。因子旋轉(zhuǎn)有利于給提取出來的公因子取一個(gè)特征性的名稱，旋轉(zhuǎn)的實(shí)質(zhì)為讓同一列上的載荷盡可能的向1或者0兩極靠近[5]。目的是為了每一個(gè)變量僅在一個(gè)公共因子上有較大的載荷，而在其他公共因子上載荷較小。這就凸顯出每個(gè)公因子和其載荷較大的變量的聯(lián)系，該公因子的含義也就能通過這些載荷較大的變量做出合理的說明。旋轉(zhuǎn)后的因子載荷量,見表4。

表4 旋轉(zhuǎn)后的因子載荷量

由表4旋轉(zhuǎn)后的因子載荷矩陣可以看出，X1,X2財(cái)政一般預(yù)算收入,X7外貿(mào)進(jìn)出口總額,X8公路客運(yùn)量,X12郵電業(yè)務(wù)總量這四個(gè)指標(biāo)在F1上附有較大的載荷，而這四個(gè)指標(biāo)都反映了城市的經(jīng)濟(jì)發(fā)展實(shí)力，因此將F1命名為經(jīng)濟(jì)發(fā)展因子，而X3,X5,X6在F1上載荷較小，尤其是X3即農(nóng)林牧漁業(yè)為負(fù)值，說明經(jīng)濟(jì)總量與第一產(chǎn)業(yè)成反向的關(guān)系，第一產(chǎn)業(yè)的壯大不能帶動經(jīng)濟(jì)的發(fā)展。經(jīng)濟(jì)的發(fā)展也沒有給居民帶來最終效益。

X4, X9, X10, X11分別表示第三產(chǎn)業(yè)占GDP的比重、公路貨運(yùn)量、社會消費(fèi)品零售總額、全社會固定資產(chǎn)投資額，這四個(gè)指標(biāo)都反映了城市的開放程度，同時(shí)都在第二公因子上有較大的載荷，因此F2反映了城市的開放性。X3, X4, X6在第三公因子上有較大的載荷，因此F3反映了人民的生活質(zhì)量，其中X3的系數(shù)也為負(fù)數(shù)，說明第一產(chǎn)業(yè)對人民生活的提高起到了負(fù)面影響，從事第一產(chǎn)業(yè)的居民的生活質(zhì)量比較低。

綜上所述，通過因子分析把12個(gè)指標(biāo)變量降維成3個(gè)公因子，即F1經(jīng)濟(jì)總量、F2城市開放程度、F3居民的生活質(zhì)量，見表5。

表5 公共因子命名

2.5 綜合得分

為了分析各地區(qū)經(jīng)濟(jì)發(fā)展水平狀況得出排名，本文在因子分析的過程中，利用SPSS軟件提取的因子載荷量，基于對因子分析法的描述，運(yùn)用線性回歸方法得到了各個(gè)城市的因子得分，并計(jì)算綜合得分排序，見表6。

表6 綜合得分

從表6可以看出，蘇州市，南京市，無錫市，常州市，南通市綜合得分都是正值，其余的8個(gè)城市都是負(fù)值，說明這5個(gè)城市的綜合經(jīng)濟(jì)實(shí)力較其余地區(qū)有絕對的優(yōu)勢。證明了江蘇省的各個(gè)區(qū)域經(jīng)濟(jì)差異很大，發(fā)展不平衡，結(jié)構(gòu)不合理。蘇南地區(qū)的經(jīng)濟(jì)實(shí)力和居民的生活質(zhì)量水平明顯高于蘇中，蘇中地區(qū)普遍高于蘇北各個(gè)城市。

3 結(jié)束語

中國自深化改革以來，江蘇金融業(yè)得到了迅速發(fā)展，但是各地區(qū)的經(jīng)濟(jì)發(fā)展水平有顯著差異，本文使用2018年江蘇統(tǒng)計(jì)年鑒數(shù)據(jù)，運(yùn)用因子分析法以12個(gè)經(jīng)濟(jì)評價(jià)指標(biāo)為基礎(chǔ)，得出各省份經(jīng)濟(jì)發(fā)展的差異和不平衡性問題。即蘇南的經(jīng)濟(jì)發(fā)展水平遠(yuǎn)比蘇中經(jīng)濟(jì)發(fā)展水平要高，但是蘇中地區(qū)經(jīng)濟(jì)發(fā)展水平又比蘇北地區(qū)好。

為了江蘇省經(jīng)濟(jì)穩(wěn)步健康發(fā)展，本文將提出以下3點(diǎn)建議：

(1)促進(jìn)蘇中地區(qū)發(fā)展，形成增長極，即關(guān)鍵要發(fā)展扶持蘇中地區(qū)經(jīng)濟(jì)的崛起，讓蘇中形成一個(gè)增長極，輻射蘇北五市，用這一戰(zhàn)略能實(shí)現(xiàn)江蘇區(qū)域的協(xié)調(diào)發(fā)展。

(2)精準(zhǔn)定位，挖掘各個(gè)城市的優(yōu)勢，對于地區(qū)發(fā)展，一定要因地制宜，大力挖掘地方特色，彰顯獨(dú)有的優(yōu)勢以帶動經(jīng)濟(jì)的增長。

(3)推動科技創(chuàng)新水平，加快地區(qū)產(chǎn)業(yè)化進(jìn)程。對于江蘇省來說，科技創(chuàng)新水平的提高無疑是經(jīng)濟(jì)發(fā)展的重要環(huán)節(jié)，不管是對蘇北、蘇南還是蘇中，自我創(chuàng)新意識加強(qiáng)企業(yè)的凝聚力以及市場的競爭力，對江蘇的經(jīng)濟(jì)發(fā)展起到了強(qiáng)有力的保障作用。