基于因子分析的城市核心竞争力研究
——以湖北省12个地级及以上的城市为例

2016-03-13 08:18尤瑞

现代商贸工业 2016年2期

尤瑞

(湖北荆门市财政局，湖北荆门 448000)

1 引言

20世纪80年代末以来，随着经济全球化的不断加速，以城市为核心的区域化趋势日益凸现出来，经济全球化在推动以城市为核心的经济区域化的同时，也加速了城市之间的竞争。一方面，经济全球化进程的加快使得中央政府干预经济的权利受到越来越大的挑战，与之相反，地方政府特别是城市政府在经济发展中发挥着越来越重要的作用。城市在很多领域逐渐掌握了主动权，其作为一个竞争主体的地位日益得到强化；另一方面，经济全球化使人力、资本、技术、信息等资源在全球范围内流动，使全世界的城市都纳入了全球生产链，要想在更大的空间获得城市发展所需要的资源，并为城市产业发展拓展更大的市场，必须加快城市的全球化过程。因此，提高城市竞争力是城市应对经济全球化，利用经济全球化带来的机遇所必须考虑的重要问题。

研究城市的竞争力具有重要的实践意义。由于区域间、城市间的发展存在着很大的差距，差距的进一步扩大会严重影响国民经济整体实力的发展和社会的稳定。对不同发展区域、不同发展水平的城市进行竞争力研究，可以从整体上把握不同城市的发展状况和发展方向，为国家制定宏观政策和决策提供客观依据，从而缩小城市间的发展差距，提高国家的整体经济实力，有助于社会稳定。

2 研究方法、指标体系和数据来源及处理

2.1 研究方法

城市竞争力的评定是综合性评价，本研究选择多元统计分析方法中的因子分析，通过提取主成分对城市竞争力进行测定与比较，反映城市竞争力水平，并对评价结果做出解释。

2.2 指标体系的建立

在城市竞争力的指标体系研究中，要注意城市竞争力是个动态的发展过程，随着城市的不断发展，指标体系将会在今后的研究中不断充实、修改和完善。从理论的角度上看，城市竞争力指标体系的选择是越全面越好，但在实际的操作中会受到定量研究方法和数据本身的限制，所以只能有针对性的筛选，在选择的过程中以城市经济为核心，包括政府、产业结构、基础设施、科技实力等多方面的，从城市的发展的角度来看，城市的发展要有预定的规划目标，为了在指标体系的构建中就要体现这一点，就不仅需要一些总量指标、人均指标、比例指标，还需要能代表长远发展潜力的指标(如表1)。

表1 指标体系

城市竞争力是经济、社会、科技、环境等方面能力的集中体现，反映了城市的生产能力、生活质量、社会全面进步及其对外的影响能力。因此，在充分阅读各中外学者研究的基础上，结合安徽省的区域特色，结合系统性、可操作性、目的性、可比性、潜能性的指标选择原则，将城市竞争力分为评价目标、评价领域、评价指标三个方面，评价目标即我们研究的目的城市综合竞争力，评价领域是包括经济实力、产业结构、政府作用、基础设施、科技实力、对外开放六个方面，每个领域包括若干个具体的解释指标，以此来组成城市竞争力指标体系。这些指标都是客观性指标，数据的获得具有客观的、可靠、真实性，虽然有些指标例如政府制度、政府服务等方面的因素在城市竞争力意义很重要，但考虑到数据的采集的难度大，以及不可避免的主观性，所以没有列在评价指标的体系中，最终确定总共有29个指标。

2.3 数据来源及处理

本研究所有数据均来自于《中国城市统计年鉴2012》，其中大部分数据均可以直接获得，小部分数据，像X7、X8、X16、X17等则可以利用总量数据除以人口即可得到。

3 实证分析

本研究利用spss17.0对数据进行分析，首先利用spss的描述性分析对数据进行标准化处理。spss提供了很方便的数据标准化方法——Z标准化方法。即每一变量值与其平均值之差除以该变量的标准差。无量纲化后各变量的平均值为0，标准差为1，从而消除量纲和数量级的影响，接下来再进行因子分析。

3.1 可靠性检验与KMO检验

并不是所有的数据都适合做因子分析，在因子分析之前，要先进行可靠性检验和KMO检验，以判断是否合适进行因子分析。

3.1.1 可靠性检验

在spss中利用可靠性分析对数据进行Cronbach’s Alpha检验，结果见表2。

表2 可靠性检验输出结果

Cronbach’s Alpha系数达到了0.9以上说明本研究的数据是可靠的。

3.1.2 KMO检验

对数据进行KMO检验，结果见表3。

表3 KMO检验结果

做因子分析前，先进行KMO和巴特利球体样本测度，如表中所示，KMO=0.838，巴特利球体检验的统计值的显著性概率是0.000，小于0.01，说明数据具有相关性，是适宜做因子分析的。

3.2 因子分析具体过程

3.2.1 抽取主因子

通过观察观察因子解释的总方差(见下表4)和碎石图(见下图1)，特征值大于1的，且在碎石图的趋势线接近水平之前停止提取因子，因而一共提出了4个因子，即表4中的成分1、2、3、4，依次命名为F1，F2，F3，F4。

表4 因子分析解释的总方差

提取方法：主成分分析。

图1 碎石图

3.2.2 因子负载

因为由公因子是非观测变量，很难根据初始因子载荷矩阵确定各个因子的实际含义。所以实践中往往对初始载荷矩阵进行正交变换，进行因子轴旋转，使因子载荷的平方按列向0和1两极转化，而使因子的典型代表变量更为突出，获得一个容易解释公因子的载荷矩阵的目的。由此我们可以得到一个原始的因子负载和旋转后的因子负载，具体见表5。

观察旋转后的因子负载可以发现，经济发展状况的变量对于因子F1的负载最大，可以命名为“经济发展状况因子”。变量X10、X13、X22对于因子F2的负载最大，可以命名为“经济结构因子”。而基础设施的变量对于因子F3的负载较高，可以命名为“经济基础因子”。因子F4则在人均绿地面积和每百人公共图书馆藏书两个变量负载较高，可以命名为“人民生活质量因子”。旋转后的因子成分得分系数矩阵见表6。