sas长三角、珠三角、海西经济区代表性城市的综合竞争力分析Word文档下载推荐.doc
《sas长三角、珠三角、海西经济区代表性城市的综合竞争力分析Word文档下载推荐.doc》由会员分享,可在线阅读,更多相关《sas长三角、珠三角、海西经济区代表性城市的综合竞争力分析Word文档下载推荐.doc(13页珍藏版)》请在冰点文库上搜索。
在发展的同时,长江三角洲与珠江三角洲的代表性城市均存在环境问题、城市化的问题、产业转移问题,导致城市竞争力发展优势已不再明显。
在新形势、新阶段研究长三角、珠三角及海西城市综合竞争力,对促进地区城市间优势互补,优化资源配置,全面提升这些城市在我国乃至世界城市群竞争力方面具有重要的现实意义。
一、城市综合竞争力概念界定及指标体系构建
(一)城市综合竞争力概念界定
城市综合竞争力指一个城市以其现有的自然、经济、社会及制度等方面的综合比较优势为基础,通过创造良好的城市环境,在资源要素流动过程中形成更强的聚集、吸引和利用各种资源要素的能力。
这种竞争力是在基本要素构成的基础上相互影响、密切配合、协调统一、有机结合的综合系统。
(二)评价指标的选取及说明
1.指标的选择:
城市竞争力涵盖的内容非常广泛,包括了城市经济社会发展的各个方面。
从现有文献来看指标体系的选择主要有综合型和简明型两种。
因此在注重科学性、可比性、系统性、可操作性、代表性等原则的基础上,为了比较全面评价城市的综合竞争力水平,本文认为指标体系的选择要以城市经济功能为核心,包括社会、经济、文化、环境、科技等方面的内容。
根据上述标准选择了13个指标对长三角、珠三角、海西经济区的城市竞争力状况进行分析。
2.指标说明:
地区GDP、单位从业人员、主要用来说明经济发展水平方面的竞争力;
社会消费品零售总额、人均可支配收入用来说明人民生活水平方面的竞争力;
年平均人口用来说明城市在人力资源、方面的竞争力;
科学技术支出用来说明科技方面的竞争力;
工业二氧化碳排放量、人均绿地面积用来说明在环境方面的竞争力;
外商直接投资合同金额用来说明对外贸易竞争力;
第三产业占GDP比重、固定资产、工业总产值用来说明经济结构方面的竞争力。
二、综合竞争力实证分析
(一)数据来源:
本文主要数据均来源于《中国城市统计年鉴2010》,选用地区生产总值、人均可支配收入、社会消费品零售总额、人均绿地面积、工业企业个数、外商直接投资合同金额、工业二氧化碳排放量、科学技术支出、单位从业人员、工业总产值、年平均人口、第三产业占GDP比重、固定资产这13个指标。
选取了15个城市,分别是海西经济区的福州、厦门、泉州、莆田、漳州5个代表性城市;
珠江三角洲的东莞、汕头、佛山、深圳、广州5个代表性城市;
长江三角洲的上海、杭州、南京、温州、无锡5个代表性城市。
详细数据见附录。
(二)因子分析:
运用SAS统计分析软件进行因子分析,结果如下
1、特征值及累计方差贡献率
TheFACTORProcedure
InitialFactorMethod:
PrincipalComponents
PriorCommunalityEstimates:
ONE
EigenvaluesoftheCorrelationMatrix:
Total=13Average=1
EigenvalueDifferenceProportionCumulative
19.112205667.680832900.70090.7009
21.431372750.554090140.11010.8110
30.877282610.202148440.06750.8785
40.675134170.335284500.05190.9305
50.339849670.067472330.02610.9566
60.272377340.143824030.02100.9776
70.128553310.062041970.00990.9874
80.066511340.022319260.00510.9926
90.044192080.007386100.00340.9960
100.036805990.025282950.00280.9988
110.011523030.008021840.00090.9997
120.003501190.002810330.00030.9999
130.000690860.00011.0000
2factorswillberetainedbytheMINEIGENcriterion.
图1-1因子分析的特征根及其贡献率
图1-1中给出了所有计算出来的特征根,可以根据特征根的贡献率来决定应当选择的公因子数目。
从各个特征根的贡献(proportion列)来看,前两个特征根的贡献率分别是0.7009、0.1101,远远大于其他特征根的的贡献率,两者特征根累计贡献率达到了81.1%,基本上可以在较大程度上反映原始数据的信息,可以先选择两个因子进行分析。
2、因子得分及排名
FactorPattern
Factor1Factor2
x10.91012-0.11776
x20.692480.45473
x30.96530-0.05307
x40.404340.84077
x50.879100.04301
x60.97951-0.05175
x70.75714-0.31368
x80.787470.39618
x90.91776-0.22962
x100.958520.09310
x110.75238-0.39609
x120.738980.00749
x130.95405-0.15101
图1-2旋转前的的因子载荷
根据因子载荷,可以利用因子分析模型写出原始变量与公因子之间的关系,
……
VarianceExplainedbyEachFactor
Factor1Factor2
9.11220571.4313728
FinalCommunalityEstimates:
Total=10.543578
x1x2x3x4x5x6x7
0.842192740.686300760.934616020.870390440.774673190.962126260.67165527
x8x9x10x11x12x13
0.777066060.895006940.927426460.722963740.546144870.93301564
图1-3因子分析的公因子方差表
在图中,系统给出了公因子对所有原始变量的解释能力,这些解释能力的总和是“total=”所代表的数值10.543578,从图中知道公因子对每个原始变量的解释能力均较大,其均值就是所选的公因子个数对应的特征根的累计贡献率,即0.8110,而“VarianceExplainedbyEachFactor”则表明了每个公因子的贡献。
为了能更好地解释公因子Factor1、Factor2,通过因子旋转的方法,使得图1-2所表示的每个变量仅在一个公因子上有较大的载荷,而在其余的公因子上的载荷较小。
本文中使用方差最大化正交旋转法进行因子旋转,可以得到图1-4所示的因子载荷结果和图1-5所示的旋转后的公因子方差表。
RotationMethod:
Varimax
OrthogonalTransformationMatrix
12
10.881070.47298
2-0.472980.88107
RotatedFactorPattern
x10.857580.32672
x20.395050.72818
x30.875600.40981
x4-0.041410.93203
x50.754210.45370
x60.887500.41770
x70.815460.08174
x80.506430.72152
x90.917220.23177
x100.800490.53539
x110.850240.00688
x120.647550.35612
x130.912010.31819
图1-4方差最大化正交因子旋转的结果
7.39391993.1496585
x1x2x3x4x5x6x7
0.842192740.686300760.934616020.870390440.774673190.962126260.67165527
x8x9x10x11x12x13
0.777066060.895006940.927426460.722963740.546144870.93301564
图1-5因子旋转后的公因子方差表
从因子旋转的结果可明显看到,各个原始变量在Factor1、Factor2两个因子上的载荷数值差距较图1-2所示的数值差距大,因而使得这三个因子的意义显得更加明显。
由图中因子载荷可知,公因子Factor1与等变量的相关性较强,载荷均达到了0.8以上,这些变量是从经济发展角度来横各个城市的竞争力的,可以命名为“经济发展因子”。
而公因子Factor2与等变量的相关性较强,主要是从城市的环境角度来衡量城市竞争力,可以命名为“环境因子”。
StandardizedScoringCoefficients
x10.12691-0.02524
x2-0.083300.31585
x30.110870.01744
x4-0.238730.53852
x50.070790.07211
x60.111810.01899
x70.17686-0.15378
x8-0.054770.28474
x90.16461-0.09370
x100.061920.10706
x110.20363-0.20476
x120.068980.04297
x130.14215-0.04343
图1-6标准化因子得分系数
由图可以得到因子得分函数:
以各个因子的贡献率计算每个样本的综合得分,公式如下:
如下所示:
因子得分表:
F1
F2
F综合得分
排名
1
xiamen
5768351.393
2332488.919
4741964.352
12
2
fuzhou
8150506.877
2942731.876
6594800.612
10
3
putian
2075315.27
777758.6394
1687699.258
15
4
zhangzhou
3103603.55
1094830.22
2503527.461
14
5
quanzhou
9298807.95
3882762.458
7680885.535
9
6
dongguan
12476799.07
4697174.996
10152810.43
8
7
shangtou
3716029.832
1277618.041
2987608.865
13
foshan
18442099.5
10601702.88
16099956.43
shenzhen
27121975.65
13780704.4
23136569.35
guangzhou
27165006.91
9112866.833
21772333.95
11
shanghai
51664743.47
19337342.07
42007655.58
hangzhou
17382983.25
8061418.682
14598374.39
nanjing
14644563.03
5615838.863
11947433.69
wenzhou
7624931.897
2977676.252
6236668.249
wuxi
18422847.2
9247568.668
15681938.02
由上表知:
上海、深圳、广州、佛山、无锡、杭州、南京、东莞领先其他各个城市,这些城市在经济发展和环境方面的竞争力高于其余城市,而这些城市处于珠三角和长三角地区,可见这两个地带的城市竞争力强于海西城市群,从综合得分看,上海、杭州、无锡、南京的综合得分的平均值高于深圳、广州、佛山和东莞的均值,可见长三角群的城市竞争力比珠三角群来得高。
而海西城市群的城市竞争力落后于长三角和