基于全国31个省会城市综合水平评估分析.docx

基于全国31个省会城市综合水平评估分析.docx

《基于全国31个省会城市综合水平评估分析.docx》由会员分享，可在线阅读，更多相关《基于全国31个省会城市综合水平评估分析.docx（48页珍藏版）》请在冰豆网上搜索。

基于全国31个省会城市综合水平评估分析

基于全国31个省会城市综合水平评估分析

浙江工商大学黄可遇、朱维芳、陈国浩

摘要：

本文以“城市让生活更美好”这一时代的背景下，对全国直辖市、省会城市的综合实力建立综合评价评价体系。

通过人口规模、工农业规模、经济水平、公共设施、生态环境等八个方面相关的二十个指标对各城市2008年数据进行分析。

主要采用主成分分析法、因子分析法、聚类分析法对全国这具有代表性的31个城市做综合水平评价分析，并对这三种方法的数据处理结果作了比较和详尽分析。

此外，本文还提出各城市发展中仍存在的问题并提供了相关建议。

关键字：

综合水平评估分析主成分分析因子分析聚类分析

1课题背景

加快转变经济发展方式，开创科学发展新局面。

发展是当代时代的潮流，是解决我过所有实际问题的关键。

党的十七届三中全会审议通过了《中共中央源于制定国名经济和社会发张的第十二个五年规划的建议》，提出以科学发展为主题，与加快转变经济发展为主线，把把加快转变经济发展方式贯穿于经济社会发展全过程和各个领域，提高发展的全面性、协调性、可持续性，坚持在发展中促转变、在转变中某发展，实现经济社会又好又快发展，这是当前和今后一个时期我过经济社会发展的努力方向。

经过30多年的全速拼搏，我国经济总量明显增加，综合国力大幅提升。

改革开放30年来，中国共产党在建设中国特色社会主义的实践中，不断深化对执政规律、社会主义建设规律和人类社会发展规律的认识，从“发展是硬道理”，到“发展是第一要务”，再到科学发展观，执政理念不断丰富和发展，中国特色社会主义建设取得了巨大成就，社会生产力得到了空前发展，人们的物质生活得到了极大丰富，战胜自然灾害的能力也越来越强。

面对国内外环境的复杂变化和重大风险挑战，我们党团结带领全国各族人民，紧紧抓住发展这个党执政兴国的第一要务，贯彻落实党的理论和路线方针政策，实施正确而有力的宏观调控，充分发挥我国社会主义制度的政治优势，充分发挥市场在资源配置中的基础性作用，使国家面貌发生新的历史性变化。

我们有效应对国际金融危机巨大冲击，保持了经济平稳较快发展良好态势，并为长远可持续发展奠定了重要基础。

我们战胜了汶川特大地震等重大自然灾害，成功举办了北京奥运会和上海世博会，胜利完成了“十一五”规划确定的主要目标和任务。

经过五年努力奋斗，我国社会生产力快速发展，综合国力大幅提升，人民生活明显改善，国际地位和影响力显著提高，社会主义经济建设、政治建设、文化建设、社会建设以及生态文明建设和党的建设取得重大进展，谱写了中国特色社会主义事业新篇章。

五年取得的成绩来之不易，积累的经验弥足珍贵，创造的精神财富影响深远。

然而我国发展面临的任务仍旧非常艰巨。

在当代中国，坚持发展是硬道理的本质要求就是坚持科学发展，注重以人为本，注重全面可持续发展，注重统筹兼顾，注重保障和改善民生，促进社会公平和正义。

中国改革开放30年的实践证明，中国工业化发展理论和增长方式有效率，但是没有和谐持续，中国社会经济发展的矛盾越来越突出。

以人力资本为主要增长来源的服务经济可以有效地解决这些主要问题，北京开辟了服务经济发展的新路，这也是目前所有先进发达国家的发展之路。

2、研究目的

2.1创新城市综合评价

“十一五”时期经济社会发展取得了巨大成就，我们应总结和归纳过去成功的经验和不足的教训，有效正确的评价各城市发展状况。

为我国今后的一段时期的发展勾画出宏伟的蓝图，使我国经济发展更加符合科学发展规律，推动我国建设成为政治文明，经济发展、社会和谐、环境优美的国足人民美好家园。

2.2注重生态建设、树立可持续的经济发展方式

随着全球人口和经济规模的不断增长，能源使用带来的环境问题及其诱因不断地为人们所认识，不止是烟雾、光化学烟雾和酸雨等的危害，大气中二氧化碳浓度升高将带来的全球气候变化，也已被确认为不争的事实。

而能源与经济以至价值观实行大变革的结果，可能将为逐步迈向生态文明走出一条新路，即摒弃20世纪的传统增长模式，直接应用新世纪的创新技术与创新机制，通过低碳经济模式与低碳生活方式，实现社会可持续发展。

2.3缩小东西差距。

区域发展差距过大引发的负面效应近年来日益明显，若任其扩大经济社会发展到一定阶段必然会引起一定的问题。

2.4均衡与校正城市医疗资源，医疗体制改革进行的成效明显，但仍旧存在一定的不均衡，因此通过综合分析评价各城市的发展情况可对均衡与校正城市医疗资源起到一定作用。

2.5增大各城市的开放度与增强地域文化队经济的贡献。

城市的开放度、区域文化与经济发展有着密切的关系，因此需在城市开放度、地域文化方面做出一定改进。

周绍杰，王有强，殷存毅《区域经济协调发展：

功能界定与机制分析》，研究了改革开放以来中国区域间的发展不平衡问题，认为经济增长过程中的环境代价要求建立协调发展机制。

蔡昉、都阳《中国地区经济增长的趋同与差异——对西部开放战略的启示》《经济研究》2000年第十期，认为东部与西部地区之间的插于拉大，但内部呈现手链现象。

2006年9月，国家环保总局国家统计局联合发布了《中国绿色国民经济核算研究把报告2004》研究结果表明，全国因环境污染造成的经济损失为5118亿元。

左学金《泛长三角产业转移与区域合作》研究得出结论，随着我过东部地区经过多年高速增长，它的先发及政策优势效应不断减弱，中西部地区不断现象低成本与土地优势，促使长三角地区的产业开始向中西部地区转移。

认为我过应当借鉴发达国家产业转移经验促进沿海产业结构提升。

单海鹏《西部大开发：

10年绩效评价》中，作者通过考察1999到2008年西部地区经济和社会的变化，认为总的来说西部地区的经济有了非常明显的变化，地区经济总量，发展速度，经济结构，居民生活水平都有了较快的改善，基础设施建设的快速发展为西部地区将来的发展奠定了坚实的基础。

陈建军、陈国亮等在《“十二五”期间浙江在长三角区域一体化发展的战略研究》中对“十二五”期间长三角一体化进程进行了综合的回顾与评估。

叶耀明，王胜.推进长三角金融合作发展的机制分析与进程设计[J].上海经济研究，2007

3课题研究方法

本文采用多元统计分析方法。

主成分分析法、因子分析法、聚类分析法。

4指标设置和数据搜集处理

4.1指标设置

不同的直辖市、省会城市的发展水平参差不齐，每个城市也有其特殊的一面。

因此，对这些城市做综合水平的评估不能依靠单一指标趋衡量，需要建立综合评价体系。

本文根据各城市发展水平涉及的有关指标和计量模型的可操作性，从人口规模、工农业规模、第三产业规模、经济实力、涉外竞争力、公共设施、生态环境、文化教育水平这八个方面去建立城市综合水平评价指标。

表1：

城市综合水平评估评价指标

综合水平评估

人口规模

年末总人口

工农业规模

主要农产品产量

工业总产值

第三产业规模

社会消费品零售额

第三产业占GDP比重

经济水平

地区生产总值

固定资产投资额

职工平均工资

涉外竞争力

外商投资企业个数

实际使用外资金额

公共设施

医院卫生员数量

客运总量

城市道路面积

实有公交等客运车辆数

生态环境

绿地面积

工业固体废物综合利用率

生活垃圾无害化

文化教育水平

科学支出

教育支出

影剧院数

4.2数据搜集、处理

本文参考了《中国城市统计年鉴2009》所设置的指标题以及相应数据，原始数据见附录一。

其中上海的绿地面积、工业固体废物综合利用率、生活垃圾无害化和南宁的外商投资企业个数，天津的绿地面具数据缺失。

为此，我们进而在中经网统计数据库找到了上海的绿地面积、工业固体废物综合利用率、生活垃圾无害化和南宁的外商投资企业个数。

但天津的2008年依旧未知，故我们参考了天津1999到2007的绿地面积，利用回归分析，近似预测天津2008的绿地面积。

首先绘制天津1999到2007绿地面积和时间的相关图。

图1：

天津1999到2007绿地面积和时间相关图

从图1可看出，呈较强的线性关系。

因此用E-views做线性回归分析。

图2：

天津绿地面积线性回归分析结果

可得出：

绿地面积随年份的线性表达式为

故可近似得出天津2008年绿地面积为18689.2公顷。

因为我们研究的综合水平评估指标有20个，各指标具有不同量纲，为使数据在更平等的条件下进行分析，需对数据进行处理。

目前进行数据处理的方法大致有3种，即标准化、极差标准化和正规化。

本文采取标准化，公式为：

公式中

为标准化后的值，

为原值，

为均值，

为标准差。

所有参与分析的指标数据均为标准化后的数据，见附录二：

5数据分析

5.1主成分分析法

通过SPSS软件的Analyze-DataReduction-Factor分析，在就是SPSS默认是选择Eigenvaluesover1也就是保留特征根大于1的主成分下，得出表2和表3：

从表2和表3中可见，工业固体废物综合利用率和生活垃圾无害化的信息损失是相当大的，而且在保留4个主成分的情况下，累计方差贡献率也仅82.409%（<85%）。

但第五个主成分的累计方差就达到了87.035%，因此直接确定主成分个数5个再做分析。

表2：

特征根大于1的主成分对原变量信息萃取比例

表3：

表4：

5个主成分对原变量信息萃取比例

表5

图3：

碎石图

通过上两张表格，可知，当主成分数量为5个时，对各原始指标提取的信息较全面，累计方差贡献率也已达到87.035%（>85%）。

因此，本为以选取5个主成分为宜。

相关系数阵详见附录。

通过SPSS的因子分析模块运行结果输出的因子载荷矩阵ComponentMatrix表5

将第i列的每个元素分别除以第i个特征根的平方根

，就可以得到主成分分析的第i个主成分的系数，结果见下表6：

主成分1

主成分2

主成分3

主成分4

主成分5

年末总人口

0.162

-0.221

0.410

-0.204

0.004

主要农产品产量

0.117

0.420

-0.019

-0.180

-0.135

工业总产值

0.274

-0.049

-0.258

0.051

0.058

社会消费品零售额

0.296

-0.039

0.003

0.050

0.021

第三产业占GDP比重

0.071

-0.398

0.352

0.275

0.024

地区生产总值

0.297

-0.042

-0.089

0.036

0.028

固定资产投资额

0.275

0.173

-0.113

-0.098

0.002

职工平均工资

0.227

-0.304

-0.001

0.109

0.177

外商投资企业

0.241

-0.155

-0.318

-0.046

-0.045

实际使用外资金额

0.265

-0.081

-0.243

-0.052

0.119

医院、卫生院数

0.164

0.345

0.234

-0.258

-0.236

客运总量

0.127

0.434

0.257

0.312

0.050

年末城市道路面积

0.262

0.153

-0.047

0.260

0.063

年末城市实有客运车辆数

0.290

-0.088

0.109

-0.023

-0.046

绿地面积

0.179

0.155

0.176

0.600

0.125

工业固体废物综合利用率

0.052

0.135

-0.475

0.095

0.112

生活垃圾无害化处理率

0.035

0.170

0.174

-0.327

0.875

科学支出

0.260

0.117

0.177

-0.107

-0.234

教育支出

0.294

-0.076

0.033

-0.131

-0.110

影剧院数

0.250

-0.170

0.083

-0.285

-0.060

在以上的公式中,系数的大小直接表现了相应主成分反映指标的程度。

主成分1对所有指标的反映程度都较为均衡，相对较多反映了社会消费品零售额、地区生产总值、年末城市实有客运车辆数、教育支出四个指标。

主成分2明显较多地反映了客运总量与主要农产品产量以及第三产业占GDP比重。

主成分3主要反映了年末总人口和工业固体废物综合利用率。

主成分4明显多于其他指标地反映了绿地面积。

主成分5则反映了生活垃圾无害化处理率这一指标。

表7：

31个城市主成分得分表

城市名

F1

F2

F3

F4

F5

F

北京市

9.4033

-2.2712

4.0614

-1.2995

9.4033

110.2542

天津市

3.6805

-0.1752

-2.5578

-0.3544

3.6805

37.44146

石家庄市

-0.6433

1.9503

-0.8862

-1.5691

-0.6433

-6.07376

太原市

-1.9519

-1.0921

0.5968

0.0127

-1.9519

-24.5635

呼和浩特市

-2.0753

-0.7519

-0.5713

0.5694

-2.0753

-26.6239

沈阳市

1.4213

-0.0415

-1.3118

-0.5851

1.4213

13.36831

长春市

-0.6167

0.0488

-1.4752

-0.1825

-0.6167

-10.0803

哈尔滨市

-0.5145

-0.1601

0.2736

-0.7512

-0.5145

-6.85645

上海市

10.5228

-1.9997

-3.3137

-0.4352

10.5228

111.3528

南京市

1.4719

1.1592

0.0501

2.4873

1.4719

23.40575

杭州市

1.7673

-0.2664

-1.0698

-0.4077

1.7673

17.51002

合肥市

-1.3268

-0.2870

-1.2180

0.3989

-1.3268

-18.0707

福州市

-0.8510

-0.1777

-0.9249

-0.7496

-0.8510

-13.0823

南昌市

-1.9081

-0.3871

-1.0297

-0.6512

-1.9081

-26.0812

济南市

-0.2048

0.7621

-0.6507

0.2366

-0.2048

-1.34917

郑州市

-0.7273

0.1577

-0.4938

-0.1750

-0.7273

-9.24944

武汉市

0.9124

0.1901

-0.6636

0.0385

0.9124

9.988189

长沙市

-0.6410

0.2095

-0.7801

-0.5288

-0.6410

-9.07594

广州市

4.1217

0.6320

0.6427

4.0484

4.1217

56.11144

南宁市

-1.6938

-0.3548

-0.5907

1.4452

-1.6938

-20.0825

海口市

-2.5106

-0.5057

0.1008

0.8420

-2.5106

-29.4925

重庆市

5.0015

5.6545

2.5219

-0.0897

5.0015

77.8416

成都市

0.8504

1.7355

-0.1058

0.0151

0.8504

14.27869

贵阳市

-2.3869

-0.3946

1.0540

-0.2533

-2.3869

-27.3247

昆明市

-1.7126

-0.3002

1.2894

-0.9330

-1.7126

-19.5795

拉萨市

-2.2126

-1.8677

0.9007

0.0613

-2.2126

-28.9985

西安市

-0.3169

-0.0113

-0.6131

0.2389

-0.3169

-4.59323

兰州市

-2.4469

-1.1131

-0.6351

0.8750

-2.4469

-31.655

西宁市

-2.6971

-0.3421

0.0803

-1.0219

-2.6971

-33.5903

银川市

-2.2697

-0.0925

-0.0828

-0.8112

-2.2697

-27.9816

乌鲁木齐市

-2.0582

-1.2288

0.4467

0.9041

-2.0582

-25.3444

5.2因子分析法

在进行因子分析之前，本文先进行分析变量之间的相关性来判断进行因子分析是否合适。

CorrelationMatrix见附录。

由CorrelationMatrix可知变量之间具有较强的相关性，进行因子分析是合理的。

本文用主成分法提取因子，故由前文的主成分分析法可得到初始载荷矩阵和提取5个公共因子。

为了更便于解释各因子的实际意义，对因子进行旋转，本文选择Varimax方差最大正交旋转。

旋转后公共因子解释原始数据的能力没有提高，但使得因子载荷矩阵的平方按列向0和1两极转化，达到结构简化，排除噪声干扰的作用。

表8：

由上表看出：

分析可得因子1主要由工业总产值、地区生产总值、实际使用外资金额等经济类指标决定，是经济因子。

因子2基本由主要农产品产量以及医院、卫生院数决定，可命名为社会供给因子。

因子3由客运总量和绿地面积决定，应为公共设施因子。

因子4由年末总人口、第三产业占GDP比重和工业固体废物综合利用率决定，大约可定义为城市发展因子。

因子5由生活垃圾无害化处理率决定，是环境因子。

图4：

因子1为x轴，因子2为y轴。

表9：

旋转后的因子方差解释

最后，计算因子得分，以旋转后各因子的方差贡献率占三个因子总方差贡献率的比重作为权重进行加权汇总，得出各城市的综合得分F，即

表10：

综合得分如下

城市名

F1

F2

F3

F4

F5

F

北京市

2.3113

0.5909

-0.0674

4.0218

0.7441

1.9320

天津市

1.5007

-0.0781

-0.2896

-1.5917

0.5632

0.6268

石家庄市

-0.4317

1.4821

-0.8386

-0.9775

0.7931

-0.2380

太原市

-0.6444

-0.1227

-0.4465

0.8818

-0.9367

-0.3443

呼和浩特市

-0.4608

-0.5992

-0.2488

0.0839

-1.1160

-0.3886

沈阳市

0.6421

-0.1910

-0.3422

-0.7763

1.1313

0.2022

长春市

-0.0552

0.2435

-0.5097

-0.8528

-0.6262

-0.1638

哈尔滨市

-0.2749

0.5399

-0.6968

0.5049

-0.3370

-0.0995

上海市

3.9246

0.0632

-0.7953

-0.8343

-1.4410

2.0900

南京市

-0.0388

-0.8130

2.4595

-0.6286

0.6926

0.0853

杭州市

0.7160

-0.2877

-0.1989

-0.5372

1.0323

0.2776

合肥市

-0.2516

-0.3143

-0.1447

-0.6667

-0.5957

-0.2994

福州市

-0.0586

-0.1564

-0.7001

-0.4386

0.7393

-0.2048

南昌市

-0.3389

-0.3915

-0.6479

-0.6290

1.0258

-0.4235

济南市

-0.1790

0.1899

0.1529

-0.5473

-0.1491

-0.1209

郑州市

-0.2959

0.2101

-0.1906

-0.3025

0.0285

-0.2000

武汉市

0.2568

0.0889

-0.0165

-0.3320

-0.0915

0.1209

长沙市

-0.1364

-0.0562

-0.3186

-0.5855

1.0114

-0.2024

广州市

0.5993

-1.4285

3.7413

-0.0397

0.0897

0.5952

南宁市

-0.5888

-0.2361

0.3912

-0.0879

-2.2184

-0.3418

海口市

-0.6262

-1.3889

0.3179

0.3174

0.4428

-0.5121

重庆市

-0.5002

4.2062

1.9472

0.2977

-0.1624

0.6882

成都市

-0.1917

0.7896

0.5395

-0.5115

0.5913

0.0246

贵阳市

-0.9395

-0.0748

-0.2100

0.8537

0.3269

-0.4811

昆明市

-0.7324

0.2071

-0.5920

1.0660

0.7166

-0.3376

拉萨市

-0.4187

-1.5172

-0.3454

1.2875

0.6893

-0.3783

西安市

-0.1150

0.1367

-0.1562

-0.1850

-0.9436

-0.0877

兰州市

-0.6356

-0.1216

-0.4222

0.2281

-2.8922

-0.4167

西宁市

-0.7853

0.0112

-0.8661

0.1795

0.8336

-0.5457

银川市

-0.6572

-0.0638

-0.6667

0.0216

0.8695

-0.4771

乌鲁木齐市

-0.5944

-0.9181

0.1613

0.7800

-0.8116

-0.3795

5.3聚类分析法

为