资源型城市可持续发展水平评价

摘要：资源型城市在我国的经济增长中起着举足轻重的作用。随着经济的高速增长、资源的加速消耗、城市环境的恶化，资源型城市的可持续发展备受关注。本文通过分析2016年114个资源型城市的可持续发展状况的截面数据，针对资源型城市的可持续发展现状，利用主成份分析和因子分析方法，简化多维数据，把复杂的数据用较少9项综合指标来表达，达到降维和分类的优越效果。对我国资源型城市的可持续发展的现状特点进行了统计分析，得到客观的评价结果。

关键词：主成分分析;因子分析;城市可持续发展;因子旋转

一、引言

资源型城市凭借其丰富的自然资源为我国的经济发展做出了突出贡献，2013年12月，中国首次确定了262个资源型城市。并根据其不同的发展阶段分为了四种类型，2003年7月我国首次提出科学发展观。强调人与自然的和谐发展。改革开放以来，我国经济的粗放式发展模式，毋庸置疑，经济得到飞速发展，但是在利用自身资源发展经济的同时，已经给资源型城市的环境带来了前所未有的压力。资源消耗、环境污染和经济发展三者之间的协调发展成为我国经济可持续发展不得不面对的问题。在国家日益重视可持续发展的大背景下，准确评价资源型城市的可持续发展水平，具有重要的理论与现实意义。在城市可持续发展指标体系的构建方面，不同国家和不同地区的评价标准不尽相同。目前国际上尚未形成对可持续发展指标体系的一致性的系统性认识和理解。美国政府提出的可持续发展指标体系，包括健康与环境、经济繁荣、平等、保护自然、资源管理、持续发展的社会、公众参与、人口、国际责任、教育十个目标。国家科技部提出的中国可持续发展指标体系，包括经济、社会、人口、资源、环境和科教六个方面，共296个指标。中科院可持续发展研究组提出的可持续发展指标体系，包括生存支持、发展支持、环境支持、社会支持、智力支持五个方面，共208个指标。以上对可持续发展的评价，纳入的具体指标繁多，使得分析过程较为复杂。如果可以降低指标的维度，可以大大降低分析的难度。本文利用主成分分析和因子分析方法，简化多维数据，把复杂的数据用较少的9项综合指标来表示，达到降维和分类的目标，同时对资源型城市的可持续发展的现状进行统计分析，得到客观的评价结果。

二、统计方法

（一）主成分分析

主成分分析是设法将原来众多具有一定相关性指标，重新组合成一组新的互相无关的综合指标来代替原来的指标。

最经典的做法就是用F1（选取的第一个线性组合，即第一个综合指标）的方差来表达，即Var（F1）越大，表示F1包含的信息越多。因此在所有的线性组合中选取的F1应该是方差最大的，故称F1为第一主成分。如果第一主成分不足以代表原来P个指标的信息，再考虑选取F2即选第二个线性组合，为了有效地反映原来信息，F1已有的信息就不需要再出现在F2中，用数学语言表达就是要求Cov（F1， F2）=0，则称F2为第二主成分，依此类推可以构造出第三、第四，……，第P个主成分。

进行主成分分析主要步骤如下：首先是指标数据标准化（SPSS软件自动执行）;其次是指标之间的相关性判定;再次确定主成分个数m;然后是主成分Fi表达式;最后是主成分Fi命名。

（二）因子分析

因子分析的方法有两类。一类是探索性因子分析法，另一类是验证性因子分析。探索性因子分析不事先假定因子与测度项之间的关系。验证性因子分析假定因子与测度项的关系是部分知道的，即哪个测度项对应于哪个因子，虽然我们尚且不知道具体的系数。因子分析的方法约有10多种，如重心法、影像分析法，最大似然解、最小平方法、阿尔发抽因法、拉奥典型抽因法等等。这些方法本质上大都属近似方法，是以相关系数矩阵为基础的，所不同的是相关系数矩阵对角线上的值，采用不同的共同性估值。在社会学研究中，因子分析常采用以主成分分析为基础的反覆法。

（三）因子旋转

因子旋转是一种变换，就是旋转因子的坐标轴。在因子分析中，当求得公共因子及其因子载荷阵后，对公因子要给出具有实际意义的合理解释。如果公共因子难以和实际问题相对应，可对公因子进行旋转，使得旋转后的公因子具有实际意义。常用的旋转方法有两种：方差极大的正交旋转;方差极大的斜交旋转。建立因子分析模型的目的不仅是找出主因子，更重要的是知道每个主因子的意义，以便对实际问题进行分析。如果求出主因子后，各个主因子的典型代表变量不是很突出，还需要进行因子旋转，通过适当的旋转得到比较满意的主因子。

三、数据来源与处理

（一）数据来源

本文使用的数据包括2016年的我国114个资源型城市的相关变量，由于个别地级市相关变量的数据缺失，去除毕节市和抚顺市。本文最终选取2016年114个资源型城市构成的截面数据。原始数据来源于EPS数据库和《中国城市统计年鉴》。对于个别数据的缺失，采用线性插值法或者平均增速法补充。

（二）数据处理

利用主成分分析和因子分析对我国114个资源型城市的可持續发展状况进行分析，本文选取了12个指标作为反映我国资源型城市的可持续发展状况的因素，分别是：X1：人均GDP（元）;X2：人均社会固定资产投资（元）;X3：第三产业产值占GDP比重（%）;X4：GDP增长率（%）;X5：平均工资（元）;X6：人力资本水平（地方财政教育支出占财政支出的比例）（%）;X7：人均卫生机构床数（位）;X8：工业SO2去除率（%）;X9：工业固体废弃物综合利用率（%）。

1.数据标准化处理

由于各项指标的计量单位不统一，因此在用它们计算综合指标前，我们先要对它进行标准化处理，解决各项不同质指标值的同质化问题。运用SPASS对数据进行标准化处理。

2. KMO和Bartlett的检验

KMO统计量是用于比较变量间简单相关系数和偏相关系数的指标，表1显示KMO的值为0.611，表示可以使用因子分析，而Bartlett球形度检验的Sig. = 0. 000，小于 0. 05，拒绝原假设表示变量之间存在相关关系，因此可以使用因子分析。具体检验结论如表1所示。

3.变量共同度

经过软件处理的公因子方差如表2所示。表2反映了每个变量共同度的结果，可以看出因子分析的共同度都比较高，表明原来变量中的绝大部分信息基本能够被因子提取，这样的效果是显著有效的。

4.因子贡献率

从分析的结论看出，只有3个特征值大于1因子可以作为主因子。具体结果见表3。

5.因子载荷

从表4可以看到，主成分1在职工平均工资、人均机构床位数上有高载荷，可以定义主成分1为社会保障因子;主成分2在人均GDP、人均社会固定资产投资、GDP增长率上有较高载荷，可以定义主成分2为经济发展因子;主成分3在第三产业产值占GDP的比重、人力资本水平、工业SO2去除率、工业固体废弃物综合利用率上有较高载荷，可以定义主成分3为环境状况因子。

利用表4成分矩阵中的数据，分别除以特征值的算术平方根，再乘以对应的原始数据的标准化值，得到F1、F2和F3的值。

F1=0.195×X1-0.007×X2+0.376×X3-0.848×X4+0.787×X5-0.573×X6+0.624×X7-0.134×X8-0.289×X9

F2=0.896×X1+0.909×X2-0.362×X3+0.238×X4-0.218×X5-0.108×X6+0.483×X7+0.379×X8-0.100×X9

F3=0.126×X1+0.110×X2+0.457×X3-0.231×X4+0.244×X5+0.472×X6-0.261×X7+0.681×X8+0.204×X9

再根据 F = 0. 260×F1+ 0.251×F2+0.127×F3，得出 F 综合得分值，如表5所示。

四、结论与政策建议

资源型城市的环境和可持续发展问题一直备受关注，本文基于主成分分析与因子分析方法对2016年114个资源型城市的可持续发展得分进行测算。利用2016年114个资源型城市的截面数据测算了资源型城市城市可持续发展的水平。研究发现：可持续发展水平靠前的城市：鄂尔多斯市、东营市、包头市、克拉玛依市、淄博市、新余市、马鞍山市、三明市、唐山市、鄂州市，主要集中在我国内蒙古、山东、新疆、江西、安徽、福建、河北、湖北。;可持续发展水平较差的城市：双鸭山市、普洱市、邵阳市、鹤岗市、亳州市、七台河市、陇南市、河池市、伊春市、昭通市;主要分布在我国黑龙江、云南、湖南、安徽、广西、甘肃。

本文根据研究结果提出如下建议：第一，加大资源保护力度。资源型城市作为我国资源能源的储备基地，在我国的经济发展中占据着重要的战略地位。但是近年来随着我国经济增长的速度加快，城市尤其是资源型城市的资源遭到过分的开采和加工利用，导致部分资源型城市出现资源损耗严重、资源枯竭等问题。我国政府应要坚持资源的适度开发，鼓励采用高科技的生产方式提升资源的利用效率，鼓励资源的循环利用，还需要进一步完善和落实严格的资源保护和节约制度。第二，政府应该加大环境保护力度，对于工业企业，应该严格执行废弃物排放标准，严抓严惩环境污染行为，同时鼓励企业使用环境友好型的生产方式，对于绿色生产的工业企业给予资金上的支持，充分发挥政府资金的积极引导作用。对于城市居民，应该要积极宣传环境保护理念，呼吁城市的每个个体都能积极主动的参与到环境的监督和维护之中。第三，加大城市产业升级力度。各地方政府应支持并鼓励资源型城市产业的转型升级，改变以往过度依靠资源开采和加工而进行经济生产的增长模式，寻求绿色创新型产业的突破口。

参考文献：

[1]林海明，刘照德，詹秋泉.因子分析综合评价应该注意的问题[J/OL].数理统计与管理：1-10[2019-08-30].

[2]肖瑶，付达，朱爽，陈海玉，高洁.中国省级城市综合经济实力分析[J].中小企业管理与科技（下旬刊），2017（09）：57-58.

[3]刘彦慧.主成分分析和因子分析方法在省域区域社会发展状况排序中的应用[J].价值工程，2015，34（36）：20-23.

[4]鄭琳.长三角地区经济发展水平评价实证分析——基于因子分析和主成分分析视角[J].常州工学院学报，2016，29（04）：64-68.

[5]阮万清，张鸿艳，冯玉铁.基于主成分分析和因子分析的城市设施水平的评价[J].科技和产业，2013，13（06）：89-91+115.

[6]王啸哲，柴良棋，吴杰.我国农业上市公司持续经营能力评价——基于主成分分析、因子分析和聚类分析[J].长江大学学报（社科版），2016，39（11）：50-55.

[7]张永利.主成分分析和因子分析在省域经济综合竞争力排序中的应用[J].牡丹江师范学院学报（自然科学版），2012（03）：9-10.

作者简介：李淼森（1992-）女，山西人，毕业于同济大学浙江学员，目前就职于电力工程行业协会，研究方向：企业管理。