基于因子研究長(zhǎng)三角城市經(jīng)濟(jì)差異比較探究

1、基于因子研究長(zhǎng)三角城市經(jīng)濟(jì)差異比較探究一、引言隨著現(xiàn)今經(jīng)濟(jì)全球化步伐的加快，世界正步入全球經(jīng)濟(jì) 一體化、生產(chǎn)要素全球范圍的流動(dòng)與競(jìng)爭(zhēng)以及生產(chǎn)網(wǎng)絡(luò)全球 配置的新時(shí)代。在這個(gè)經(jīng)濟(jì)背景下，近些年經(jīng)濟(jì)發(fā)展速度最 快、經(jīng)濟(jì)規(guī)模最大、最具有發(fā)展?jié)摿Φ拈L(zhǎng)江三角洲城市群受 到了更多全國(guó)乃至全世界的關(guān)注。長(zhǎng)江三角洲城市群包括了 江蘇省的南京、蘇州、無錫、常州、鎮(zhèn)江、揚(yáng)州、南通、泰 州和浙江省的杭州、寧波、紹興、嘉興、湖州、舟山、臺(tái)州 以及上海市總共16個(gè)城市，是中國(guó)經(jīng)濟(jì)最有活力的地區(qū)之 一，是亞太和世界經(jīng)濟(jì)中發(fā)展的亮點(diǎn)，也是世界六大都市圈 之一。然而在這個(gè)以全球經(jīng)濟(jì)為背景的條件下，每個(gè)城市在 其中的地位與作用，

2、最終都是通過其自身的綜合經(jīng)濟(jì)實(shí)力來 實(shí)現(xiàn)的。長(zhǎng)三角的每個(gè)城市的經(jīng)濟(jì)發(fā)展水平具有比較大的差 異性，通過對(duì)比分析每個(gè)城市經(jīng)濟(jì)實(shí)力的差異，有利于更加 深刻地了解長(zhǎng)江三角洲每個(gè)城市的經(jīng)濟(jì)發(fā)展水平，使其在國(guó) 家產(chǎn)業(yè)轉(zhuǎn)移和生產(chǎn)價(jià)值鏈全球分布的新時(shí)期，找準(zhǔn)各自的定 位，促進(jìn)每個(gè)城市制定適合自身和大經(jīng)濟(jì)背景下的經(jīng)濟(jì)發(fā)展 戰(zhàn)略。從這一角度說，分析長(zhǎng)三角城市經(jīng)濟(jì)實(shí)力的差異性， 對(duì)于促進(jìn)長(zhǎng)三角地區(qū)經(jīng)濟(jì)合作與交流、促進(jìn)其綜合競(jìng)爭(zhēng)力的 提升以及對(duì)于促進(jìn)長(zhǎng)三角地區(qū)區(qū)域經(jīng)濟(jì)一體化發(fā)展具有著 重要的意義。本文基于因子分析法和聚類分析法，利用spss軟件對(duì) 于長(zhǎng)三角16個(gè)城市（上海、南京、蘇州、無錫、常州、鎮(zhèn) 江、揚(yáng)州、南通、

3、泰州、杭州、寧波、紹興、嘉興、湖州、 舟山、臺(tái)州）的經(jīng)濟(jì)評(píng)價(jià)指標(biāo)進(jìn)行定量分析，并且與定性分 析相結(jié)合，比較研究其城市經(jīng)濟(jì)實(shí)力的差異并對(duì)其進(jìn)行評(píng) 價(jià)，由此初步體現(xiàn)出各個(gè)城市在長(zhǎng)三角經(jīng)濟(jì)發(fā)展中的地位和 作用。二、評(píng)價(jià)指標(biāo)的構(gòu)建對(duì)于城市經(jīng)濟(jì)發(fā)展水平的評(píng)價(jià)，并不能只選取一個(gè)或幾 個(gè)指標(biāo)，要針對(duì)經(jīng)濟(jì)實(shí)力的內(nèi)涵，遵守科學(xué)性、代表性、可 比性、系統(tǒng)性、易獲性以及可操作性的原則，進(jìn)行指標(biāo)的選 取。經(jīng)濟(jì)實(shí)力是全面反映地區(qū)的經(jīng)濟(jì)發(fā)展水平、潛力以及對(duì) 地區(qū)外的影響力，在中國(guó)國(guó)家統(tǒng)計(jì)局發(fā)布的十大經(jīng)濟(jì)指標(biāo)的 基礎(chǔ)上，并結(jié)合上述指標(biāo)選取的原則，對(duì)評(píng)價(jià)長(zhǎng)三角城市經(jīng) 濟(jì)實(shí)力的評(píng)價(jià)指標(biāo)進(jìn)行了如下選取，即gdp增長(zhǎng)率（）、人 均

4、gdp （元）、第二產(chǎn)業(yè)比重（）、第三產(chǎn)業(yè)比重（）、規(guī)模 以上工業(yè)總產(chǎn)值（億元）、全社會(huì)固定資產(chǎn)投資額（億元）、 社會(huì)消費(fèi)品零售總額（億元）、進(jìn)出口總額（億美元）、實(shí)際 利用外資（億美元）、地方一般預(yù)算收入（億元）、金融機(jī)構(gòu) 本外幣存款余額（億元）、城市居民人均可支配收入（元）、 農(nóng)民人均純收入（元）和授權(quán)專利件數(shù)（件），總共14個(gè)指 標(biāo)。如表1所示。三、相關(guān)計(jì)量方法的基本原理（一）因子分析法因子分析是從矩陣內(nèi)部出發(fā)，研究如何用少數(shù)的幾個(gè)變 量來表示信息錯(cuò)綜復(fù)雜的眾多原始變量，即用假設(shè)的少數(shù)因 子變量來表示原始變量的主要信息，以達(dá)到減少數(shù)據(jù)的目 的。它不僅可以表示原始變量的主要信息，還可以解釋

5、其主 要信息之間的關(guān)系，是一種可以用因子變量來分析與解釋現(xiàn) 實(shí)經(jīng)濟(jì)現(xiàn)象的多元統(tǒng)計(jì)方法4。因子分析的數(shù)學(xué)模型如下：假設(shè)有n個(gè)原始變量，表示 為xi, x2, x3,，xn,且這些變量已經(jīng)標(biāo)準(zhǔn)化，并且這n 個(gè)原始變量可由k個(gè)因子fl, f2, f3,，fn表示為線性 組合那么就有：上式如果用矩陣形式表示則為x二af+e,這個(gè)就是因子 分析的數(shù)學(xué)模型。其中x為可以測(cè)量的n維變量向量，即原 始變量，它的每一個(gè)分量都表示一個(gè)可測(cè)得的指標(biāo)或變量； f即為因子變量向量，每一個(gè)分量表示為一個(gè)因子，每一個(gè) 原始變量都可表示為每一個(gè)因子變量的線性組合，因此因子 變量又可以稱其為公共因子；a為因子負(fù)載荷矩陣，每個(gè)元

6、 素aij表示因子負(fù)荷，反映的是因子和各個(gè)變量間的密切程 度。£為特殊因子，為原始變量中不能被解釋的部分。因子 分析的基本思路是對(duì)原始變量的相關(guān)系數(shù)矩陣的內(nèi)部結(jié)構(gòu) 開始分析，從中能夠找出少數(shù)幾個(gè)能夠控制原始變量的公共 因子，在盡可能多的反映原始信息的情況下，建立因子分析 模型，揭示公共因子與原始變量之間的相關(guān)程度，達(dá)到縮減 變量、降低維度和解釋原始信息的目的4。（二）系統(tǒng)聚類分析法聚類分析的基本思想是依據(jù)樣本或變量的數(shù)值特征來 觀察各樣本或變量之間的親疏關(guān)系或相似程度，其原則就是 認(rèn)為不同的樣本或是變量之間存在不同程度的親疏關(guān)系或 相似性。聚類分析首先是根據(jù)樣本或變量的數(shù)據(jù)特征，尋找

7、 出能夠度量出樣本或變量之間親疏關(guān)系的統(tǒng)計(jì)量，按照其關(guān) 系的遠(yuǎn)近程度（即相似性）作為依據(jù)，把距離近的（相似性 大的）的樣本或變量分成一類，再把另一些距離遠(yuǎn)的（相似 性小的）樣本或變量分成一類，直到所有樣本或變量分類完 畢，最終形成系統(tǒng)的聚類譜系圖，從而達(dá)到根據(jù)樣本或變量 的數(shù)值特征，對(duì)其進(jìn)行分類與探索分析的目的4。系統(tǒng)聚類分析則是聚類分析最常用的方法之一，根據(jù)分 層聚類過程的不同，又可分為凝聚法和分解法，前者是逐步 將樣本或變量歸為一大類，后者是先將樣本或變量歸為一大 類再逐步分解，是兩種相反的聚類過程。而系統(tǒng)聚類分析由 于根據(jù)不同的類與類的距離計(jì)算方法，可以得到不同的聚類 結(jié)果，本文將采用的

8、是歐幾里得距離。四、長(zhǎng)江三角洲城市經(jīng)濟(jì)差異比較的實(shí)證研究本文通過搜集長(zhǎng)三角16個(gè)城市的2010年的上述評(píng)價(jià)指 標(biāo)數(shù)據(jù)，利用spss17. 0統(tǒng)計(jì)軟件對(duì)所得指標(biāo)數(shù)據(jù)進(jìn)行因子 分析和聚類分析，得出16個(gè)城市經(jīng)濟(jì)實(shí)力得分和排名，分 析出長(zhǎng)三角各個(gè)城市的發(fā)展特點(diǎn)以及現(xiàn)狀，并由此得出使得 長(zhǎng)三角地區(qū)經(jīng)濟(jì)更進(jìn)一步發(fā)展的政策建議。（一）因子分析1. km0檢驗(yàn)及bartlett? s球形檢驗(yàn)首先對(duì)于指標(biāo)變量數(shù)據(jù)做km0和bartlett's球形檢驗(yàn), 看數(shù)據(jù)是否需要做因子分析，以及是否符合進(jìn)行因子分子的 前提條件。km0檢驗(yàn)統(tǒng)計(jì)量是用于比較變量間皮爾遜相關(guān)系 數(shù)和偏相關(guān)系數(shù)的指標(biāo)，取值在0與1之間，

9、其值越接近于 1,說明變量間的相關(guān)性越顯著，就越適合做因子分析，一 般認(rèn)為km0檢驗(yàn)值大于0. 5就屬于適合做因子分析。如表2 所示，指標(biāo)數(shù)據(jù)的km0統(tǒng)計(jì)量值為0. 721,且bartlett' s 球形檢驗(yàn)結(jié)果亦為顯著（sig.值2.因子提取在這里運(yùn)用主成分法求解因子負(fù)荷矩陣，進(jìn)行因子提 取，得到對(duì)于總變量解釋的結(jié)果，并且對(duì)于提取的因子數(shù)目 并沒有基于特征值的大小，而是固定了提取因子數(shù)目為4個(gè)。 根據(jù)以上的步驟，通過spss統(tǒng)計(jì)軟件最終得出總方差解釋 表格以及變量共同度表格，如表3與表4。由表3總方差解 釋表得出的主成分信息可知，前4個(gè)因子的累積貢獻(xiàn)率達(dá)到 了 95. 046%,反映

10、了原始變量95. 046%的信息，說明這4個(gè) 公因子較好地解釋了原始變量信息。且因子fac1_1的貢獻(xiàn) 率為65. 778%,因子fac2_1的貢獻(xiàn)率為13. 403%,因子fac3_1 的貢獻(xiàn)率為11.447%,因子fac4_1的貢獻(xiàn)率為4.418%。而 從表4變量共同度可以看出，每個(gè)變量的共性方差均在0.5 以上，且大部分高達(dá)0.9,這也說明了這4個(gè)公因子能夠很 好地反映出原始變量的絕大部分信息。由圖1也可看出從第 5個(gè)因子開始曲線開始變得平緩，所以取前4個(gè)公因子。3因子旋轉(zhuǎn)，得到因子得分為了使得各因子具有更加明顯的專業(yè)意義，并對(duì)各個(gè)因 子的載荷做出合理的解釋，就需要進(jìn)行因子旋轉(zhuǎn)，通過旋轉(zhuǎn)

11、 對(duì)因子負(fù)荷起到明顯的分離作用，這里用的因子旋轉(zhuǎn)方法是 最大方差法。旋轉(zhuǎn)后的因子負(fù)荷矩陣如表5所示，從表中可 以看出，公共因子fac1_1支配的變量有規(guī)模以上工業(yè)總產(chǎn) 值（億元）、社會(huì)消費(fèi)品零售總額（億元）、全社會(huì)固定資產(chǎn) 投資額（億元）、進(jìn)出口總額（億美元）、實(shí)際利用外資金額 （億美元）、地方一般預(yù)算收入（億元）、金融機(jī)構(gòu)本外幣存 款余額（億元）、授權(quán)專利件數(shù)（件）；公共因子fac2_1支 配的變量有第二產(chǎn)業(yè)比重（%）和第三產(chǎn)業(yè)比重（）;公共 因子fac3_1支配的變量有農(nóng)民人均純收入（元）和城市居 民人均可支配收入（元）；公共因子fac4_1支配的變量有g(shù)dp 增長(zhǎng)率和人均gdp。因此，綜

12、上所述，公因子fac1_1反映的 是經(jīng)濟(jì)規(guī)模各方面的綜合情況，可稱為經(jīng)濟(jì)規(guī)模綜合因子； 公因子fac2_1反映的是產(chǎn)業(yè)結(jié)構(gòu)方面的情況，可稱為產(chǎn)業(yè) 結(jié)構(gòu)因子；公因子fac3_1反映的是人均收入情況，可稱為 收入水平因子；公因子fac4jl反映的是有關(guān)于gdp方面的 情況，包括了其增長(zhǎng)情況和人均水平，可稱為gdp指標(biāo)因子。 這4個(gè)公因子較好地支配了原始變量的主要信息，其中因子 得分可見表6,通過各個(gè)因子的得分，spss可以自行定義權(quán) 重，來計(jì)算4個(gè)公因子的得分，并以變量的形式保存在數(shù)據(jù) 集中。4根據(jù)公因子得分，利用回歸法計(jì)算出各個(gè)城市的綜合 得分及排序可根據(jù)公因子得分以及各個(gè)公因子的貢獻(xiàn)率來計(jì)算各

13、 個(gè)城市的綜合得分f,其計(jì)算公式為：f=(65. 778%*fac1_1 + 13. 403%*fac2_l + ll. 447%*fac3_l+4. 41 8%*fac4_1) /95.046%通過此公式計(jì)算出的各個(gè)城市的綜合得分及其排序如 表7所示。根據(jù)表7,長(zhǎng)三角16個(gè)城市綜合得分從第1位到 第16位的排序?yàn)椋荷虾！⑻K州、無錫、杭州、寧波、南京、 南通、常州、嘉興、揚(yáng)州、紹興、鎮(zhèn)江、泰州、臺(tái)州、湖州、 舟山，這與事實(shí)基本吻合。(二)系統(tǒng)聚類分析根據(jù)長(zhǎng)三角各個(gè)城市的4個(gè)公共因子和城市綜合得分， 對(duì)各個(gè)城市進(jìn)行q型基于歐幾里得距離的系統(tǒng)聚類分析，得 到了如圖2的聚類分析樹狀圖。從圖中可知，可

14、將長(zhǎng)三角各 個(gè)城市按經(jīng)濟(jì)實(shí)力劃分出4種類型，即為上海市屬第一類， 經(jīng)濟(jì)實(shí)力最強(qiáng)；蘇州是屬第二類，經(jīng)濟(jì)實(shí)力僅次于上海市的 城市；南京、無錫、杭州、常州、寧波、嘉興、鎮(zhèn)江屬于第 三類，經(jīng)濟(jì)實(shí)力較強(qiáng)的城市；揚(yáng)州、南通、泰州屬于第四類, 經(jīng)濟(jì)實(shí)力表現(xiàn)為一般；湖州、紹興、舟山、臺(tái)州屬于第四類, 經(jīng)濟(jì)實(shí)力表現(xiàn)為相對(duì)不發(fā)達(dá)，即排序相對(duì)靠后。五、分析與結(jié)論1.通過因子分析得到各個(gè)城市經(jīng)濟(jì)實(shí)力綜合得分和聚 類分析得到的樹狀圖可知，上海市以最高城市經(jīng)濟(jì)實(shí)力綜合 得分2. 06600而位居長(zhǎng)三角16個(gè)城市中第一位，表現(xiàn)出其 經(jīng)濟(jì)實(shí)力的優(yōu)越。但是位于第二位的蘇州市因?yàn)榻?jīng)濟(jì)發(fā)展突 飛猛進(jìn)，其經(jīng)濟(jì)實(shí)力綜合得分為1.165

15、14,緊跟上海市的步 伐。上海市和蘇州市的經(jīng)濟(jì)實(shí)力綜合得分遠(yuǎn)遠(yuǎn)超過了長(zhǎng)三角 其他城市，呈現(xiàn)出“上海市已不是一枝獨(dú)秀，蘇州市正在奮 力追趕”的趨勢(shì)，于2010年，蘇州市的人均gdp與gdp增 長(zhǎng)率均超過上海市，其在長(zhǎng)三角的經(jīng)濟(jì)地位已不容忽視。從 總體看，上海、南京、杭州這三個(gè)長(zhǎng)三角三極城市排名依然 靠前，江蘇省城市經(jīng)濟(jì)實(shí)力整體要強(qiáng)于浙江省，而蘇南地區(qū) 城市經(jīng)濟(jì)實(shí)力不但比蘇中地區(qū)要強(qiáng)，而且也超過浙江省的大 部分城市。2對(duì)于上海市來說，四個(gè)公共因子中，經(jīng)濟(jì)規(guī)模綜合因 子和產(chǎn)業(yè)結(jié)構(gòu)因子的排名比較靠前，說明上海市經(jīng)濟(jì)實(shí)力長(zhǎng) 三角第一位的主要原因是由于長(zhǎng)期的積累，其經(jīng)濟(jì)發(fā)展水平 較高，經(jīng)濟(jì)規(guī)?？偭亢艽?，在

16、表6因子得分矩陣中可以看出, 對(duì)于經(jīng)濟(jì)規(guī)模綜合因子有主要貢獻(xiàn)的有規(guī)模以上工業(yè)總產(chǎn) 值、進(jìn)出口總額、實(shí)際利用外資和專利件數(shù)，可見其經(jīng)濟(jì)規(guī) 模目前主要是靠工業(yè)產(chǎn)值、對(duì)外貿(mào)易、跨國(guó)公司和科技創(chuàng)新 來拉動(dòng)。上海市的產(chǎn)業(yè)結(jié)構(gòu)在長(zhǎng)三角地區(qū)也比較合理，尤其 是推進(jìn)優(yōu)先發(fā)展現(xiàn)代服務(wù)業(yè)之后，2010年上海市第三產(chǎn)業(yè)比 重已增至57. 3%,遠(yuǎn)遠(yuǎn)超過第二產(chǎn)業(yè)的比重。但是，上海市 的收入水平因子和gdp指標(biāo)因子得分排名相對(duì)靠后。其中， 從收入水平因子中的農(nóng)民人均純收入2010年的16個(gè)城市的 數(shù)據(jù)來看，上海的農(nóng)民人均純收入已位居靠后，這說明上海 市在農(nóng)民生產(chǎn)生活方面還需要進(jìn)行改善。且在gdp指標(biāo)方面, 于2010年

17、，長(zhǎng)三角其他15個(gè)城市的gdp增長(zhǎng)率均已超過上 海市，這說明上海市急需拓寬經(jīng)濟(jì)發(fā)展渠道和發(fā)展新興產(chǎn) 業(yè)，努力尋找新的經(jīng)濟(jì)增長(zhǎng)點(diǎn)。3對(duì)于蘇州市來說，根據(jù)公共因子得分，可以看出其經(jīng) 濟(jì)規(guī)模綜合因子、收入水平因子和gdp指標(biāo)因子都取得了較 好的得分，這說明蘇州這幾年走外來加工型經(jīng)濟(jì)道路已經(jīng)有 了顯著的成效，吸引外資進(jìn)行了一批新興產(chǎn)業(yè)的產(chǎn)業(yè)集聚，比如電子信息制造業(yè)、精密儀器制造、生物醫(yī)藥和新材料等, 其2010年第二產(chǎn)業(yè)總產(chǎn)值為5253. 81億元在為長(zhǎng)三角城市 群排名第二，帶動(dòng)了地區(qū)經(jīng)濟(jì)規(guī)?？偭亢腿司杖氲奶嵘?。 但是蘇州的產(chǎn)業(yè)結(jié)構(gòu)因子得分較低。2010年，蘇州的第二產(chǎn) 業(yè)比重和第三產(chǎn)業(yè)比重是56.

18、 9%和41.4%,第二產(chǎn)業(yè)比重遠(yuǎn) 高于第三產(chǎn)業(yè)，說明蘇州應(yīng)繼續(xù)加強(qiáng)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化，而且蘇 州作為長(zhǎng)三角高科技制造業(yè)服務(wù)中心的角色正在確立，使得 其現(xiàn)代物流、信息咨詢和服務(wù)外包等現(xiàn)代生產(chǎn)性服務(wù)業(yè)正在 蓬勃發(fā)展，加快了蘇州市服務(wù)業(yè)和工業(yè)化互動(dòng)并進(jìn)的趨勢(shì)， 促進(jìn)了蘇州市產(chǎn)業(yè)結(jié)構(gòu)將趨于更加合理。4.對(duì)于長(zhǎng)三角的兩個(gè)次中心南京和杭州來說，經(jīng)濟(jì)發(fā)展水平都比較靠 前，城市綜合得分排序分別為第6和第4,對(duì)于周邊地區(qū)起 到了很好的輻射帶動(dòng)作用。對(duì)于南京市來說，對(duì)于其經(jīng)濟(jì)實(shí) 力水平貢獻(xiàn)比較大的是產(chǎn)業(yè)結(jié)構(gòu)因子和gdp指標(biāo)因子。于 2010年南京市第二產(chǎn)業(yè)與第三產(chǎn)業(yè)比重分別為45. 4%和 51. 9%,產(chǎn)業(yè)結(jié)構(gòu)比較

19、合理，南京市除了確立了工業(yè)以電子 信息、石油化工、鋼鐵和汽車等產(chǎn)業(yè)作為支柱產(chǎn)業(yè)，帶動(dòng)gdp 增長(zhǎng)外，作為長(zhǎng)江中下游的商貿(mào)和旅游中心城市，第三產(chǎn)業(yè) 也比較發(fā)達(dá)。另外，2010年，gdp指標(biāo)因子中的gdp增長(zhǎng)率 高達(dá)13. 1%,遠(yuǎn)高出上海市的10.3%,這說明南京市的經(jīng)濟(jì) 還有很大的增長(zhǎng)空間，應(yīng)進(jìn)一步優(yōu)化經(jīng)濟(jì)結(jié)構(gòu)和產(chǎn)業(yè)布局， 使得經(jīng)濟(jì)進(jìn)一步得到發(fā)展，來彌補(bǔ)經(jīng)濟(jì)規(guī)模和收入水平所表 現(xiàn)的不足。而杭州市，根據(jù)4個(gè)公共因子得分來看，其經(jīng)濟(jì) 發(fā)展在經(jīng)濟(jì)規(guī)模綜合因子、產(chǎn)業(yè)結(jié)構(gòu)因子、收入水平因子和 gdp指標(biāo)因子都表現(xiàn)的比較平均，是一個(gè)全面平穩(wěn)發(fā)展的城 市。其在經(jīng)濟(jì)規(guī)模綜合因子和收入水平因子上的得分都要強(qiáng) 于南京市，這說明杭州市推行的以促進(jìn)消費(fèi)為主的“十大特 色潛力產(chǎn)業(yè)”帶動(dòng)經(jīng)濟(jì)規(guī)模增長(zhǎng)，以拓展市場(chǎng)潛力進(jìn)行經(jīng)濟(jì) 增長(zhǎng)和人民生活水平互相拉動(dòng)的措施得到了很大的成效，符 合杭州市的比較優(yōu)勢(shì)和競(jìng)爭(zhēng)優(yōu)勢(shì)，發(fā)展空間比較大。5.江蘇省其他的地級(jí)市的經(jīng)濟(jì)實(shí)力都普遍高于浙江省 的其他地級(jí)市。特別是蘇南的無錫、常州和南通，城市經(jīng)濟(jì) 實(shí)力綜合得分均超過浙江省除寧波以為的其他地級(jí)市。特別 是無錫市，其經(jīng)濟(jì)實(shí)力僅