基于因子分析的江蘇區域經濟差異發展研究

蔣夢婕

(上海工程技術大學 管理學院， 上海 201620)

0 引 言

自改革開放以來，江蘇省的經濟得以飛速發展并且取得了傲人的成績，同時也令人堪憂，因為江蘇省在區域經濟發展上出現了較大的差距，經濟格局逐步轉變為“三足鼎立”的模式，即蘇南、蘇中、蘇北。其中蘇州、無錫、常州、南京、鎮江立于蘇南，泰州、南通、揚州位于蘇中，宿遷、連云港、淮安、鹽城、徐州是居于蘇北。在江蘇的整個經濟貢獻率中蘇南高達58.4%，超過全省 GDP 總量的二分之一，蘇中的經濟貢獻率占江蘇GDP的20.4%，連蘇南三市的二分之一還不到，蘇北五個市GDP總值為23.6%，是蘇南3個市的二分之一。由此可見江蘇三個區域經濟差異大，嚴重阻礙了江蘇整體經濟的健康高質量的發展 ，反映出江蘇區域發展不協調問題依然很嚴峻。調整江蘇的經濟發展戰略，使其健康平穩的增長成為重中之重。本文針對江蘇地區的區域經濟發展情況，運用因子分析，提取“經濟總量因子”、“開放程度因子”、“人民生活質量因子”3個主因子，給出13市的綜合經濟社會發展的實力排序，根據實際情況提出相應的完善措施以調整江蘇省經濟發展策略，使其更健康的發展。

1 指標的設計和數據的獲取

為了衡量城市的綜合經濟發展實力，運用評價指標體系，調研具有一定的系統性，典型性，動態性。因此本文從經濟規模，經濟結構，經濟效益，開放程度，商業化程度，城市建設，基礎設施7個方面中，選取12個指標，以反映江蘇13個地級城市經濟發展綜合實力。建立的經濟指標體系見表1，數據全部來自于2018年《江蘇統計年鑒》。

表1 經濟社會發展指標體系

2 實證分析

2.1 因子模型的建立

因子模型的建立采用了降維以及簡化數據的技術—因子分析法。一般通過因子分析去探索變量存在的依賴關系，對于一些數據結構，本文用一部分抽象變量因子來表示。因子分析具有兩大基本目的：其一是減少變量的個數，其二是將原始變量進行分類，即相關性高的變量分為一組，并且用共性因子代替該組變量[1]。模型表達式為式(1)：

(1)

其中，F是公共因子，ε被稱為特殊因子,aij是因子載荷，aij的絕對值的大小(|aij|Fj)，表明xi與Fj的相互依賴程度。 其矩陣形式為式(2)：

X=AF+ε.

(2)

其中，A叫做因子的載荷矩陣，

在因子載荷中，變量共同度和公共因子的方差貢獻兩個統計量十分重要，變量共同為因子載荷矩陣A中第i行元素平方和記為hi2，它是全部公共因子對Xi的方差所做的貢獻，反映了全部公共因子對變量Xi的影響。hi2越大，表明X的第i個分量對于F的每一分量F1,F2,……的共同依賴程度大[2]。

矩陣A的第j列的各元素的平方和記為gj2，也稱作是公共因子的方差貢獻，所表示的意義是第j個公共因子Fj對于X的每一分量Xi所提供的方差的總和，是衡量公共因子的相對重要性的指標[3]。gj2的大小決定著F對X的貢獻程度，gj2越大,表明公共因子對X的影響和作用程度就越大。

2.2 數據 KMO 檢驗和 Bartlett 檢驗

KMO檢驗統計量用來比較變量間偏相關系數、簡單相關系數和的指標[4]，主要應用于多元統計的因子分析，取值在0-1之間。一般來說，KMO度量標準為0.9以上，說明數據非常適合做因子分析，0.8-0.9表示很適合，0.7-0.8之間表示合適，0.6-0.7表示勉強合適，0.5以下的表示不合適。本文采用 KMOKMO和Bartlett的檢驗使用文，結果見表2。KMO=0.714>0.5，可以看出此類數據用因子分析非常適合，且Bartlett的檢驗中的P值sig<0.05，說明因子分析有效且各變量間具有一定的相關性。

表2 KMO 與 Bartlett 鑒定

2.3 因子載荷矩陣與公共因子的提取

2018年樣本的數據，見表3。利用SPSS64的數據分析軟件，采用因子分析法得到的前3個公因子的特征值都是大于1，故提取前3個公因子，它們的累計方差貢獻率達到了94.3%，說明通過該方法提取的前3個因子可以解釋原始變量的94.3%的信息，其他因子可以忽略不計。

表3 解釋的總方差

2.4 因子旋轉

為了合理的解釋各公因子的含義，本文將初始因子載荷矩陣進行方差最大化旋轉。因子旋轉有利于給提取出來的公因子取一個特征性的名稱，旋轉的實質為讓同一列上的載荷盡可能的向1或者0兩極靠近[5]。目的是為了每一個變量僅在一個公共因子上有較大的載荷，而在其他公共因子上載荷較小。這就凸顯出每個公因子和其載荷較大的變量的聯系，該公因子的含義也就能通過這些載荷較大的變量做出合理的說明。旋轉后的因子載荷量,見表4。

表4 旋轉后的因子載荷量

由表4旋轉后的因子載荷矩陣可以看出，X1,X2財政一般預算收入,X7外貿進出口總額,X8公路客運量,X12郵電業務總量這四個指標在F1上附有較大的載荷，而這四個指標都反映了城市的經濟發展實力，因此將F1命名為經濟發展因子，而X3,X5,X6在F1上載荷較小，尤其是X3即農林牧漁業為負值，說明經濟總量與第一產業成反向的關系，第一產業的壯大不能帶動經濟的發展。經濟的發展也沒有給居民帶來最終效益。

X4, X9, X10, X11分別表示第三產業占GDP的比重、公路貨運量、社會消費品零售總額、全社會固定資產投資額，這四個指標都反映了城市的開放程度，同時都在第二公因子上有較大的載荷，因此F2反映了城市的開放性。X3, X4, X6在第三公因子上有較大的載荷，因此F3反映了人民的生活質量，其中X3的系數也為負數，說明第一產業對人民生活的提高起到了負面影響，從事第一產業的居民的生活質量比較低。

綜上所述，通過因子分析把12個指標變量降維成3個公因子，即F1經濟總量、F2城市開放程度、F3居民的生活質量，見表5。

表5 公共因子命名

2.5 綜合得分

為了分析各地區經濟發展水平狀況得出排名，本文在因子分析的過程中，利用SPSS軟件提取的因子載荷量，基于對因子分析法的描述，運用線性回歸方法得到了各個城市的因子得分，并計算綜合得分排序，見表6。

表6 綜合得分

從表6可以看出，蘇州市，南京市，無錫市，常州市，南通市綜合得分都是正值，其余的8個城市都是負值，說明這5個城市的綜合經濟實力較其余地區有絕對的優勢。證明了江蘇省的各個區域經濟差異很大，發展不平衡，結構不合理。蘇南地區的經濟實力和居民的生活質量水平明顯高于蘇中，蘇中地區普遍高于蘇北各個城市。

3 結束語

中國自深化改革以來，江蘇金融業得到了迅速發展，但是各地區的經濟發展水平有顯著差異，本文使用2018年江蘇統計年鑒數據，運用因子分析法以12個經濟評價指標為基礎，得出各省份經濟發展的差異和不平衡性問題。即蘇南的經濟發展水平遠比蘇中經濟發展水平要高，但是蘇中地區經濟發展水平又比蘇北地區好。

為了江蘇省經濟穩步健康發展，本文將提出以下3點建議：

(1)促進蘇中地區發展，形成增長極，即關鍵要發展扶持蘇中地區經濟的崛起，讓蘇中形成一個增長極，輻射蘇北五市，用這一戰略能實現江蘇區域的協調發展。

(2)精準定位，挖掘各個城市的優勢，對于地區發展，一定要因地制宜，大力挖掘地方特色，彰顯獨有的優勢以帶動經濟的增長。

(3)推動科技創新水平，加快地區產業化進程。對于江蘇省來說，科技創新水平的提高無疑是經濟發展的重要環節，不管是對蘇北、蘇南還是蘇中，自我創新意識加強企業的凝聚力以及市場的競爭力，對江蘇的經濟發展起到了強有力的保障作用。