我國大陸各省市綜合發展動力水平狀況研究

【摘要】為研究我國大陸各省市綜合發展動力的水平及存在的差別，并提出相應的可執行政策建議，本文采用多元統計分析中的因子分析模型，對中國大陸31個省市的發展動力進行因子分析。從降低變量的數目來分析影響內陸各省市持續健康發展的關鍵動力因素及內陸各省市之間的發展水平差別。

【關鍵詞】因子分析 中國大陸 spss 發展動力水平

一、引言

自可持續發展到中國夢建設，我國的經濟文化等都得到了突飛猛進的發展，但與此同時各省市的發展水平及發展動力都存在顯著差異。為了更好地促進我國內陸全面可持續發展，使各個省市之間的差別逐漸減弱，需要對各個省市的發展動力進行分析研究，并根據實證分析得出來的結果，有的放矢地采取針對性措施進行改進，使我國內陸各省市能夠更好地發揮各自的長處，彌補各自的短處，從而使我國的綜合國力進一步提高。

二、因子分析法基本理論

因子分析法即在盡可能不或少損失信息的情況下，將多個變量減少為少數幾個潛在的因子，以高度地概括大量數據中的信息。本文利用因子分析降低影響各省份綜合發展動力變量的數目，用少量的綜合指標（即主因子）代替多個原始指標，所得的主因子為原始指標的線性組合。設有p個原始變量X1，X2，…，Xp，將這些變量進行標準化，使結果變量的均值為0，方差為1。記原公共因子變量為f1，f2，…，f3，標準化后的公共因子為F1，F2，…，Fm（m

三、實證研究

（一）因子分析可行性檢驗

本文選擇2016年中國大陸31個省區的7個發展動力指標，分別是GDP、人均水資源、社會消費品零售總額、人均森林蓄積、單位人口擁有公共圖書館藏量、每萬人中普通高等學校教職工數和每萬人中普通高中在校學生數來分析各省區的“發展動力主因子”，首先對7個評價指標進行相關性分析，評價指標較多，相關性分析矩陣較大。相關系數顯著性檢驗的P值全部小于0.5，說明原始變量之間存在著很強的相關性，具有進行因子分析的必要性。

KMO（Kaiser-Meyer-Olkin）檢驗是對采樣充足度的測度，檢驗變量間的偏相關是否很小，KMO測度的值越高（接近1.0時），表明變量間的共同因子越多，研究數據適合用因子分析。通過檢驗得知，KMO值為0.763，大于限定的0.5，適合做因子分析。Bartlett Bartlett球形檢驗是檢驗相關矩陣是否是單位矩陣，結果顯示它的伴隨概率值為0.000<0.01，由此看出結果達到了顯著性水平，說明拒絕零假設而接受備擇假設，即相關矩陣不是單位矩陣，代表母群體的相關矩陣間有共同因素存在。因此我們選取的7個指標是適合做因子分析的。（如表1）

（二）因子分析

本文運用SPSS19.0統計分析軟件，對2016年全國31個省市的指標的原始數據進行處理，用主成分分析法確定因子載荷，按相關矩陣特征值大于1的原則確定公共因子，選取3個公共因子，累計方差貢獻率達到87.5%，公共因子反映了原始指標的絕大部分信息。為便于對公共因子進行實際問題的解釋，對因子載荷矩陣進行最大方差旋轉。旋轉后的因子載荷矩陣，由旋轉成份載荷矩陣可確定各公共因子的實際意義，其中：公共因子X1在社會消費品零售總額（億元）、GDP（億元）2個指標上較其他公共因子載荷更高，主要反映了這兩個指標有較強的相關性，可以歸為一類，從指標類型來看這兩者屬于經濟發展能力指標，因此可以把第一個因子命名為“經濟資源發展動力因子”；公共因子X2在每萬人中普通高中在校學生數（人）、單位人口擁有公共圖書館藏量（冊/人）和每萬人中普通高等學校教職工數（人）3個指標上較其他公共因子載荷更高，主要反映我國的人才教育文化建設水平，因此可以把第二個因子命名為“人才教育發展動力因子”；公共因子X3在人均森林蓄積量（立方米/人）、人均水資源（立方米/人）兩指標上較其他公共因子有較大載荷，它反映了我國人均資源的留存量，故可把它命名為“自然資源發展動力因子”，可由三個主要公共因子的方差貢獻率分別為38.978%、26.447%和22.104%可知我國大陸各省市綜合發展各公共因子的相對重要性由高到低排序依次為：經濟資源發展動力因子、人才教育發展動力因子、自然資源發展動力因子。最后利用回歸法計算因子得分，采用主成分分析法得成分系數矩陣。每一個主成分代表的各要素特征可以表示為下列線性關系（如表3）：

F1=0.494×X1-0.077×X2+0.052×X3+0.049×X4+0.495×X5-0.103×X6-0.108×X7；F2=-0.049×X1+0.406×X2+0.016×X3+0.011×X4-0.044×X5+0.405×X6-0.412×X7；F3=0.043×X1-0.011×X2+0.504×X3+0.501×X4+0.049×X5-0.051×X6-0.121×X7 。

函數明確了因子和原始變量之間的函數關系，可以根據其進行評分，然后根據上述函數計算出3個公共因子的得分。再根據公共因子的得分數值及表3中旋轉平方和載入的方差貢獻率進行百分比轉化，如公式：因子轉化權重=（各公共因子方差貢獻率×100/87.529）/100例如，結果中的公共因子1的轉化權重公式就可以表示：（29.48×100）/87.529/100=0.3368，按此方法就能計算得出公共因子2

的轉化權重=0.3342，公共因子3的轉化權重=0.3289，便可計算各省市綜合因子得分，具體來說表達式如下：Z=0.3368×F1+0.3342×F2+0.3289×F3，根據各省市綜合因子計算可得超過平均水平（綜合得分為正）的省份主要集中在京津冀、長三角及珠三角地區，而其他地區的省份均低于平均水平（綜合得分為負）。

四、研究結論評價與建議

根據實證研究結果可以看出，我國大陸各省份之間綜合發展動力水平存在明顯的差別，并且各個省份的主要發展動力也存在明顯的不同。概括來說，像北京和上海這種經濟高速發展的發展動力積極型省份，在它們的綜合發展上主要是依托它們的經濟及人才教育動力優勢，而其在資源擁有上則存在不足；內陸大部分省份都屬于發展一般型省份，像安徽、河南等，它們在綜合發展過程中突出因素不存在，經濟、人才及資源動力三項發展動力指標都相對來說處于中等階段；而像西藏和新疆這樣的發展動力保守型省份，它們自身擁有充足的資源優勢，在綜合發展的過程中只是在經濟及人才教育資源動力上存在不足。

參考文獻

[1]石憶邵.中國新型城鎮化與小城鎮發展[J].經濟地理.2013（07）.

[2]梁斌，卓梅霞.基于SPSS統計軟件的因子分析法及實證分析[J].河西學院學報.2011（10）.

[3]蒲曉曄，趙守國.我國經濟發展方式轉變的動力結構分析[J].經濟問題. 2010（04）.

[4]王慶豐，黨耀國，王麗敏.基于因子與聚類分析的縣域經濟發展研究——以河南省18個市（縣）為例[J].數理統計與管理.2009（5）.

作者簡介：魯云（1992-），女，安徽蕪湖市無為縣人，漢族，東北財經大學公共管理學院國民經濟學專業在讀研究生，研究方向：國民經濟管理。