基于因子研究长三角城市经济差异比较探究

《基于因子研究长三角城市经济差异比较探究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于因子研究长三角城市经济差异比较探究一、引言随着现今经济全球化步伐的加快，世界正步入全球经济一体化、生产要素全球范围的流动与竞争以及生产网络全球配置的新时代。在这个经济背景下，近些年经济发展速度最快、经济规模最大、最具有发展潜力的长江三角洲城市群受到了更多全国乃至全世界的关注。长江三角洲城市群包括了江苏省的南京、苏州、无锡、常州、镇江、扬州、南通、泰州和浙江省的杭州、宁波、绍兴、嘉兴、湖州、舟山、台州以及上海市总共16个城市，是中国经济最有活力的地区之一，是亚太和世界经济中发展的亮点，也是世界六大都市圈

2、之一。然而在这个以全球经济为背景的条件下，每个城市在其中的地位与作用，最终都是通过其自身的综合经济实力来实现的。长三角的每个城市的经济发展水平具有比较大的差异性，通过对比分析每个城市经济实力的差异，有利于更加深刻地了解长江三角洲每个城市的经济发展水平，使其在国家产业转移和生产价值链全球分布的新时期，找准各自的定位，促进每个城市制定适合自身和大经济背景下的经济发展战略。从这一角度说，分析长三角城市经济实力的差异性，对于促进长三角地区经济合作与交流、促进其综合竞争力的提升以及对于促进长三角地区区域经济一体化发

3、展具有着重要的意义。本文基于因子分析法和聚类分析法，利用SPSS软件对于长三角16个城市（上海、南京、苏州、无锡、常州、镇江、扬州、南通、泰州、杭州、宁波、绍兴、嘉兴、湖州、舟山、台州）的经济评价指标进行定量分析，并且与定性分析相结合，比较研究其城市经济实力的差异并对其进行评价，由此初步体现出各个城市在长三角经济发展中的地位和作用。二、评价指标的构建对于城市经济发展水平的评价，并不能只选取一个或几个指标，要针对经济实力的内涵，遵守科学性、代表性、可比性、系统性、易获性以及可操作性的原则，进行指标的选取。经

4、济实力是全面反映地区的经济发展水平、潜力以及对地区外的影响力，在中国国家统计局发布的十大经济指标的基础上，并结合上述指标选取的原则，对评价长三角城市经济实力的评价指标进行了如下选取，即GDP增长率（％）、人均GDP（元）、第二产业比重（％）、第三产业比重（％）、规模以上工业总产值（亿元）、全社会固定资产投资额（亿元）、社会消费品零售总额（亿元）、进出口总额（亿美元）、实际利用外资（亿美元）、地方一般预算收入（亿元）、金融机构本外币存款余额（亿元）、城市居民人均可支配收入（元）、农民人均纯收入（元）和授权专

5、利件数（件），总共14个指标。如表1所示。三、相关计量方法的基本原理（一）因子分析法因子分析是从矩阵内部出发，研究如何用少数的几个变量来表示信息错综复杂的众多原始变量，即用假设的少数因子变量来表示原始变量的主要信息，以达到减少数据的目的。它不仅可以表示原始变量的主要信息，还可以解释其主要信息之间的关系，是一种可以用因子变量来分析与解释现实经济现象的多元统计方法［4］。因子分析的数学模型如下：假设有n个原始变量，表示为XI,X2,X3,…，Xn,且这些变量已经标准化，并且这n个原始变量可由k个因子fl,f2

6、,f3,…，fn表示为线性组合那么就有：上式如果用矩阵形式表示则为X二AF+e,这个就是因子分析的数学模型。其中X为可以测量的n维变量向量，即原始变量，它的每一个分量都表示一个可测得的指标或变量；F即为因子变量向量，每一个分量表示为一个因子，每一个原始变量都可表示为每一个因子变量的线性组合，因此因子变量又可以称其为公共因子；A为因子负载荷矩阵，每个元素aij表示因子负荷，反映的是因子和各个变量间的密切程度。£为特殊因子，为原始变量中不能被解释的部分。因子分析的基本思路是对原始变量的相关系数矩阵的内部结构开

7、始分析，从中能够找出少数几个能够控制原始变量的公共因子，在尽可能多的反映原始信息的情况下，建立因子分析模型，揭示公共因子与原始变量之间的相关程度，达到缩减变量、降低维度和解释原始信息的目的［4］。（二）系统聚类分析法聚类分析的基本思想是依据样本或变量的数值特征来观察各样本或变量之间的亲疏关系或相似程度，其原则就是认为不同的样本或是变量之间存在不同程度的亲疏关系或相似性。聚类分析首先是根据样本或变量的数据特征，寻找出能够度量出样本或变量之间亲疏关系的统计量，按照其关系的远近程度（即相似性）作为依据，把距离近

8、的（相似性大的）的样本或变量分成一类，再把另一些距离远的（相似性小的）样本或变量分成一类，直到所有样本或变量分类完毕，最终形成系统的聚类谱系图，从而达到根据样本或变量的数值特征，对其进行分类与探索分析的目的［4］。系统聚类分析则是聚类分析最常用的方法之一，根据分层聚类过程的不同，又可分为凝聚法和分解法，前者是逐步将样本或变量归为一大类，后者是先将样本或变量归为一大类再逐步分解，是两种相反的聚类过程。而系统聚类分析由于根据不同的