基于matlab的智慧省份的因子分析

摘要：文通過因子分析借助對城市智慧度的指標體系來對30個省份進行智慧度的排名。結果表明：表明盡管各省份的智慧發展的側重方面有所不同;但是在這五年內的省份智慧排名變動不大，說明智慧省份的建設還是依賴于長期的積累。

關鍵詞：智慧度;因子分析;指標體系

一、概述

隨著經濟的發展，“智慧城市”被提及的頻次越來越高，因此城市的綜合實力常常用智慧度來衡量。隨著科技、交通的發展，城與城之間，省與省之間的距離越來近，因此通過衡量城市綜合實力的智慧度來衡量省份。

二、數據來源和指標的選取

數據主要來源于14-18年的《中國統計年鑒》并通過文獻研究從衡量智慧城市[1]的智慧度的智慧經濟、智慧人群、智慧生活和智慧環境[2]四個維度通過因子分析[3]去分析各省份的智慧度，設立7個一級指標（經濟基礎、經濟開放、科學技術、人力資本、生活水平、互聯互通、環境保護）和10個二級指標的（人均地區生產總值、外資投資企業進出口額、國內專利申請受理、技術市場成交額、城鎮單位人員平均工資、軟件業務收入、每百人使用計算機數、每萬人擁有衛生技術人員數、移動互聯網數、生活垃圾無害化處理能力）評價體系（見表1）。

二、因子分析

（一）KMO和巴特利特檢驗

通過spss可以求得：KMO值為0.762，說明樣本充足，巴特利特球形度檢驗結果顯示在顯著性水平0.000上拒絕原假設，樣本之間存在較強的關系，適合做因子分析。

（二）因子的選取。

樣本選取為30個省份（除西藏自治區以外）5年（2018-2014年），總樣本數為30*5=150，評價指標為10個，總數據為1500個，并對數據進行標準化處理，程序為normal_X=（X-repmat（mean（X），m，1））./repmat（std（X），m，1）;%數據的標準化處理，然后計算累積貢獻率選取因子。

通過matlab從中提取的因子，前2個因子累計貢獻率達到了81.0642%，其2個因子包含的信息量足以包含9個指標反映的信息量;而且后一個因子的信息量不足5%，因此最終選取了2個因子，因子1：個體指標（X1：人均地區生成總值;X4：技術市場成交額X5：城鎮單位人員平均工資;X7：每百萬人使用計算機數;X8：每萬人擁有衛生技術人員數）因子2：總體指標（X2：外資投資企業進出口額;X6：軟件收入X9：移動互聯網用戶;X10：生活垃圾無害化處理能力）。

結果可得：

旋轉后的因子載荷可以提煉出兩個因子：個體經濟生活水平（x1、x4、x5、x7、x8）、環境經濟生活水平（x2、x3、x6、x6、x10），并根據因子載荷得到2個主因子的線性組合：

F1=0.3971X1+0.7747X2+0.9352X3+0.2202X4+0.1485X5+0.8125X6+-0.0521X7+0.1137X8+0.9220X9+0.9757X10F2=0.7578X1+0.2663X2+0.1844X3+0.8065X4+0.9029X5+0.5097X6+0.9115X7+0.8238X8+-0.0592X9+0.0886X10

又根據公式可：

因子前的系數：ai==為因子貢獻率，即為Contribu

FS（因子總得分）=a1F1+a2F2

最終計算出了30個省份2014-2019年每年各省份的排名情況見表3。

有上述結果可得，盡管各省份經過五年的建設，其智慧度排名并沒有太多的變化，特別是排名靠前的，而排名相對靠后有波動，但波動變化不大。

三、結論

本文從10個指標中提煉了2個因子為個體指標和總體指標進行省份智慧度的計算，發現各省份的名次比較穩定尤其是前四名，幾乎沒有變化，說明了省份的智慧建設是日積月累，長期作用的結果;排名越靠后波動越大，說明靠后省份之前的智慧度差異不大，競爭比較激烈，各省份都在不斷的提高自己省份的綜合實力，用評級城市的智慧度來評價省份，讓智慧度也成為一個可以衡量省份綜合實力的一個綜合指標。

參考文獻

[1]張建偉，李貝歌，畢東方，王燦.中國智慧城市發展水平空間差異研究[J].世界地理研究，2017，26（02）：82-90.

[2]任利成，張明柱.我國智慧城市發展水平的聚類分析[J].科技管理研究，2014，34（14）：58-62.

[3]丁燁.基于因子分析和聚類分析的我國各地區城市發展水平研究[J].上海對外經貿大學學報，2015，22（05）：90-96.

作者簡介

朱毅（1995.08-）女，漢;籍貫：浙江;研究生在讀，研究方向：企業管理。