基于主成分与聚类分析的江西省城市生态环境综合评价

基于主成分与聚类分析的江西省城市生态环境综合评价（共7篇）

1.基于主成分与聚类分析的江西省城市生态环境综合评价 篇一

甜高粱新品种(系)综合评价与聚类分析论文

高粱[Sorghumbicolor(L.)Moench.]是世界五大谷类作物之一，也是中国最早栽培的禾谷类作物之一。甜高粱是粒用高粱的一个变种，甜高粱除具有普通高粱的一般特征外，其茎秆中还含有大量的汁液和糖分，其籽粒可食用、饲用、酿酒，茎秆可饲用、制糖、酿酒、做饮料、提炼酒精等，秆渣还可制纸、制板、人造纤维等。甜高粱作为一种新兴的饲料、糖料、能源作物，极具开发价值[1-4]。

聚类分析方法在研究作物品种资源的差异和分类方面已有不少应用，是一种比较可行的分析评价方法[5-7]。作物生物学性状的聚类分析是其种质资源u价的重要方面[8-9]。表型性状的调查测定相对简单、易操作，而且更直观，是种质资源研究的最基本方法，也是分类不可缺少的重要依据之一[10-11]。将差异显著的N个性状变换为既不具相关性又能反映原来多个性状主要信息的综合指标进行聚类分析，进而比较亲本间的遗传差异，达到归类使用的目的[12-13]。本研究通过甜高粱新品种(系)在全国不同生态环境下的主要农艺性状、产量品质性状的表现，采用多元统计分析方法，探讨它们之间的量化关系，从而对各个参试品种(系)进行综合评价和聚类分析，为甜高粱新品种(系)的推广、高产高效栽培、品种的改良、品质的提高提供参考依据。

1材料与方法

1.1材料

供试甜高粱材料为―全国高粱品种区试能源青贮组区试参试品种(系)。编号1～15的名称依次为辽甜14-1、中科甜5号、311A/LTR108、辽甜14-2、辽甜6号、辽甜14-3、吉甜杂2号、辽甜15-1、3436A×Pi57、辽甜15-2、科甜5号、154A3×Pi571、辽甜15-4、晋甜1401、辽甜15-3。试验分别安排在江苏盐城、内蒙古赤峰、内蒙古通辽、山西晋中、安徽蚌埠、湖南长沙、河南郑州、山东济南、吉林公主岭、吉林吉林、辽宁沈阳、甘肃平凉、辽宁朝阳、河北石家庄14个试点进行。均采用直播的方式，随机区组排列，3次重复，行长5m，小区面积不少于15m2。收获时，去掉两侧边行(两侧各1行)，收中间数行计产，收获面积不少于10m2，密度75000株/hm2。栽培管理略高于当地一般水平。

考察植株性状有株高X1(cm)、茎粗X2(cm)、分蘖数X3(个)、生育期X4(d)、倾斜率X5(%)、倒折率X6(%)、穗长X7(cm)、穗粒质量X8(g)、千粒质量X9(g)、育性X10(%)、鲜质量产量X11(kg/hm2)、籽粒产量X12(kg/hm2)、茎秆含糖锤度X13(%)、茎秆出汁率X14(%)、丝黑穗病接种发病率X15(%)共15个。

1.2方法

采用变异系数、主成分分析、聚类分析、判别分析、多元方差分析方法[6]进行分析，以期找出具有生物学及专业意义的统计参数，为甜高粱新品种(系)进行综合评价并制定性状改良决策，为适应沿海滩涂饲料化利用提供有益的信息。数据处理采用SPSS22.0软件[14]。

2结果与分析

2.1主要农艺性状、产量品质性状的遗传变异分析

变异系数是测定作物各性状受一定环境条件影响发生变异程度的一个指标，它能反映出作物性状遗传的基本动态。甜高粱品种(系)主要农艺性状、产量品质性状的平均值与变异系数见表1。

由表1可以看出，丝黑穗病接种发病率变异系数最大，高达127.47%;其次是育性，为74.94%。由此可见，供试甜高粱品种(系)抗病性和育性具有较丰富遗传多样性，改良空间较大。平均生育期132.3d，变异系数3.75%;茎秆出汁率平均为47.8%，变异系数3.91%，表明这2个性状受外部环境因素及栽培条件的影响较小，主要受遗传因子支配。其他性状的变异系数依次为株高<穗长<茎秆含糖锤度<鲜质量产量<籽粒产量<分蘖数<千粒质量<茎粗<倾斜率<穗粒质量<倒折率。

2.2主要农艺性状、产量品质性状的相关性分析

表2显示，株高(X1)与生育期(X4)、鲜质量产量(X11)呈极显著正相关，与倒折率(X6)呈显著负相关;茎粗(X2)与千粒质量(X9)呈显著负相关;分蘖数(X3)与丝黑穗病接种发病率(X15)呈极显著正相关;生育期(X4)与倒折率(X6)呈极显著负相关，与丝黑穗病接种发病率(X15)呈显著负相关，与鲜质量产量(X11)呈极显著正相关;倒折率(X6)与鲜质量产量(X11)呈显著负相关;穗粒质量(X8)与籽粒产量(X12)呈极显著正相关，与茎秆含糖锤度(X13)呈极显著负相关;千粒质量(X9)与丝黑穗病接种发病率(X15)呈显著负相关;鲜质量产量(X11)与茎秆出汁率(X14)呈极显著正相关;其余性状之间呈正或负相关性但均不显著。由此可见，这些性状间存在着正负、强弱相关错综复杂的关系，致使它们提供的相关信息出现重叠，不易寻求其简明的变化规律，所以须进行主成分分析，以便找出影响各个性状的主成分。

2.3主成分分析

利用表2中得到的相关系数矩阵进行主成分分析，结果提取前5个主成分，其累积方差贡献率达85.442%，已代表所考查性状的绝大部分相关信息。由相关系数矩阵的`前5个特征值及相应的特征向量计算所得的主成分载荷矩阵如表3所示。

这些载荷表示该因子对变量的影响程度，如株高性状值=0.706f1-0.241f2+0.543f3+0.153f4+0.202f5;茎粗性状值=0.213f1+0.089f2+0.452f3-0.745f4-0.382f5等。共同度表示所选主成分对变量方差的贡献率，其数值大小表明所选主成分能反映该变量变异信息的多少。因此从表3可以看出，共同度最小的为倾斜率(59.9%)，其次是穗长(696%)、茎秆出汁率(70.6%)、茎秆含糖锤度(77.8%)，其余各性状的共同度均超过80%，表明所选的5个主成分能较好地反映这些性状所包含的相关信息。

基于求得的主成分载荷矩阵(表3)及各性状的标准化值，按式F=A×Z[其中F、A、Z依次为主成分得分、载荷矩阵参试品种(系)的因子得分值、样本矩阵的标准化]计算各参试品种(系)的主成分得分，结果见表4。

2.4聚类分析

根据所选15个主要农艺性状和产量品质性状，对15个区试品种(系)进行聚类。首先利用主成分将15个性状在保留它们变异总信息量85.442%的前提下浓缩为5个主成分，再将所选各性状进行标准化，进一步利用5个主成分和各性状的标准化值计算供试品种(系)相对应于第1、第2、第3、第4、第5主成分上的得分，在此基础上进行系统聚类[品种间相似性尺度用闵式(minkowski)距离P表示，P=15，聚类方法用离差平方和表示]，系统聚类结果如图1所示。结果表明，15品种(系)可以聚为四大类。第Ⅰ类包括辽甜14-1、辽甜6号、辽甜14-3、3436A×Pi57、辽甜15-2、科甜5号、辽甜15-4;第Ⅱ类包括154A3×Pi571、晋甜1401;第Ⅲ类仅为311A/LTR108、辽甜14-2、辽甜15-3;第Ⅳ类包括中科甜5号、吉甜杂2号、辽甜15-1。

2.5判别分析

为了验证上述聚类分析结果的准确合理性，基于聚类结果，以5个主成分作为判别变量，采用一般判别分析方法，建立判别函数(表5)。根据判别函数，对参试品种(系)重新判别归类，判别结果见表6。结果发现，类别Ⅰ共有7个品种(系)，用判别函数回代分类，与实际相符也是7个品种(系)，没有错分，判别的准确率为100%;同样类别Ⅱ、类别Ⅲ、类别Ⅳ判别的准确率也均为100%。由此可见，上述聚类分析结果准确可靠。

2.6不同类型品种(系)主要农艺性状、产量品质性状的多元方差分析

由表7可以看出，第Ⅰ类7个品种(系)的平均株高中等，为353.2cm;茎粗为2.3cm;分蘖数中等，为1.3个;生育期中等，为132.5d;倒折率中等，为16.2%;穗粒质量最高，为67.7g;千粒质量中等，为27.5g;鲜质量产量中等，为73636.5kg/hm2;籽粒产量最高，为4318.5kg/hm2;茎秆含糖锤度最低，为16.4%;茎秆出汁率中等，为47.2%;丝黑穗病接种发病率较低，为7.1%，对于这类品种(系)应重点改良茎秆含糖锤度、鲜质量产量等方面，同时提高抗倒伏性，以满足市场需求。

第Ⅱ类2个品种(系)的平均株高中等偏下，为339.8cm;茎粗最细，为2.1cm;分蘖数最少，为1.2个;生育期中等，为133.5d;倒折率中等偏低，为13.4%;穗粒质量中等，为59.2g;千粒质量最高，为31.5g;鲜质量产量中等，为75916.5kg/hm2;籽粒产量中等，为3853.5kg/hm2;茎秆含糖锤度最高，为18.6%;茎秆出汁率最低，为46.9%;丝黑穗病接种发病率最低，为0.4%，属优质品种(系)。对此类品种(系)，应重点提高产量。

第Ⅲ类3个品种(系)的平均株高最高，为364.1cm;茎粗为2.3cm;分蘖数中等，为1.3个;生育期最长，为137.8d;倒折率最低，为13.2%;穗粒质量最低，49.5g;千粒质量最低，为23.7g;鲜质量产量最高，为83698.5kg/hm2;籽粒产量最低，为3448.5kg/hm2;茎秆含糖锤度较高，为17.4%;茎秆出汁率最高，为50.3%;丝黑穗病接种发病率中等，为128%，这类品种(系)产量、品质结合性较好。

第Ⅳ类3个品种(系)的平均株高最低，为324.3cm;茎粗中等，为2.2cm;分蘖数最多，为1.5个;生育期最短，为125.3d;倒折率最高，为21.2%;穗粒质量中等，为58.3g;千粒质量中等偏低，为25.1g;鲜质量产量最低，为70098.0kg/hm2;籽粒产量中等偏低，为3612.0kg/hm2;茎秆含糖锤度中等偏低，为16.9%;茎秆出汁率中等，为470%;丝黑穗病接种发病率最高，为43.2%，属低产低质品种(系)，且易倒伏。对这类品种(系)除着重提高产量外，同时加强品质改良。

3结论与讨论

本研究对能源青贮组区试新品种(系)株高、茎粗、分蘖数、生育期、倾斜率、倒折率、穗长、穗粒质量、千粒质量、育性、鲜质量产量、籽粒产量、茎秆含糖锤度、茎秆出汁率、丝黑穗病接种发病率共15个数量性状进行研究，经主成分分析归属于5个主成分，其累积方差贡献率达85.442%。主成分分析对这15个错综复杂关系的性状进行了有效降维，能够准确反映原性状的主要信息。在此基础上计算各品种(系)在主成分上的得分值，据此进行聚类分析，同时对聚类结果进行判别分析，验证聚类分析结果的准确性。

在主成分分析的基础上进行聚类分析，将15个区试甜高粱品种(系)聚为四大类，第Ⅰ类包括辽甜14-1、辽甜6号、辽甜14-3、3436A×Pi57、辽甜15-2、科甜5号、辽甜15-4，这类品种(系)鲜质量产量中等偏低，茎秆含糖锤度低，较易倒伏，抗病性较好;第Ⅱ类包括154A3×Pi571、晋甜1401，这类品种(系)鲜质量产量中等，茎秆含糖锤度和抗病性好，属中产优质品种(系);第Ⅲ类仅为311A/LTR108、辽甜14-2、辽甜15-3，这类品种(系)鲜质量产量高，茎秆含糖锤度和抗病性较好，属产量、品质结合性较好的品种(系);第Ⅳ类包括中科甜5号、吉甜杂2号、辽甜15-1，这类品种(系)鲜质量产量低，易倒伏，茎秆含糖锤度偏低，丝黑穗病接种发病率高，属低产低质品种(系)。

主成分分析和聚类分析被广泛用于研究种质资源间的亲缘关系，但由于是通过利用生物学性状的途径进行的，而生物学性状个体量纲不一致，因此在利用统计软件进行数据分析时，须对数据先进行标准化，再进行主成分分析和聚类分析，否则可能得出错误结论[15]。

本研究甜高粱生物学性状数据来源于国家区域试验，由于这些性状不是在同一时期内测定，并且表型性状容易受环境条件的影响而变动，因此有其不足之处，可能难以详细准确地阐明品种(系)间的差异。

参考文献：

[1]卢庆善. 甜高粱[M]. 北京：中国农业科学技术出版社，.

[2]刘晓辉，高士杰，杨 明，等. 浅谈甜高粱的利用价值[J]. 种子，，25(9)：98-99.

[3]曹文伯. 我国甜高粱种质资源鉴定及利用概况[J]. 植物遗传资源科学，，2(1)：58-62.

[4]张丽敏，刘智全，陈冰纾等. 我国能源甜高粱育种现状及应用前景[J]. 中国农业大学学报，，17(6)：76-82.

[5]张彩英，张丽娟，段会军，等. 大豆种质资源的分类鉴定研究[J]. 中国油料作物学报，，24(1)：33-37.

[6]高 进，蔡立旺，宋锦花，等. 早熟棉花品种产量品质性状的综合评价与聚类分析[J]. 西南农业学报，，28(6)：2425-2431.

[7]冯国郡，李宏琪，叶 凯，等. 甜高粱种质资源在新疆的多样性表现及聚类分析[J]. 植物遗传资源学报，2012，13(3)：398-405.

[8]陈常理，骆霞虹，廖球林，等. 农家红花油茶种质产量和果实性状主成分聚类分析及综合评价[J]. 浙江农业学报，2015，27(11)：1882-1888.

[9]邵初阳，何晓兰，徐照龙，等. 甜高粱种质资源多样性及主要农艺参数聚类分析[J]. 江苏农业学报，2015，31(5)：984-994.

2.基于主成分与聚类分析的江西省城市生态环境综合评价 篇二

1 研究方法

1.1 评价指标体系的建立

根据山东省资源环境背景、社会经济发展状况,以及指标选取遵循的科学性、系统性、全面性、以人为本和可操作性等原则[3,4],借鉴有关学者区域评价指标体系[5,6],选取了3个目标层中的9个指标作为评价山东省城市人居环境的评价指标体系(表1)。

1.2 评价方法

采用主成分分析方法,以所选城市为样本,以表1中9个二级指标因子数据为变量构建矩阵,采用SPSS13.0统计分析软件进行数据处理,运算得出矩阵的特征根和相应的方差贡献率,根据特征根的方差贡献率和累积方差贡献率,选择主成分并得到因子提取结果和因子回归系数,根据因子回归系数计算出每个样本城市的各个因子得分,公式如下[7]:

式(1)中:Pik表示第i个城市第k个主成分的因子得分;Wj表示第j个指标的因子回归系数;Zij表示数据处理过程中的指标数值。

用所选主成分的方差贡献率为权数,将各个因子得分进行综合,进而得出每个样本城市的综合因子得分Mi,公式如下[8]:

式(2)中:Mi表示第i城市的主成分综合得分值;Bk表示所选用主成分的方差贡献率。

2 结果与分析

2.1 影响人居环境的主成分因子提取

根据《山东省统计年鉴2010》中城市市区(即城市建成区,包括城区、郊区,不包括市辖县)的相关数据,以山东省17个地级市为样本,以表1中所选9个二级指标因子的标准化数据为变量构建矩阵,采用SPSS13.0统计分析软件进行数据处理,运算得出矩阵的特征根和相应的方差贡献率(表2)。

按照特征根大于1的原则选取主成分,根据表2可选择前4个特征根为主成分,它们的累计方差贡献率为82.47%,说明这4个新变量(主成分)已经包含了原始变量中82.47%的信息[7]。为了能更明显地反映主成分所包含的指标信息,将得到的因子提取结果进行正交方差最大旋转,旋转后结果如表3所示。

从表3可以看出,第一主成分(N1)对人均GDP(X1)、居民消费水平(X3)、人均城市道路面积(X6)这3个指标有较大负荷系数,是反映城市经济发展水平的综合指标;第二主成分(N2)对第三产业值占GDP比重(X2)、燃气普及率(X5)这2个指标有较大负荷系数,是反映城市社会生活条件的综合指标;第三主成分(N3)对用水普及率(X4)、污水处理率(X8)这2个指标有较大负荷系数,是反映城市水供应和水处理方面的综合指标;第四主成分(N4)对建成区绿化覆盖率(X7)、生活垃圾处理率(X9)这2个指标有较大负荷系数,是反映城市生态环境质量的综合指标。

2.2 人居环境综合评分

根据因子回归系数计算出各城市各个主成分的因子得分,并以每个主成分的方差贡献率为权数,得到各个城市的综合因子得分(表4)。

由表4可知,得分最高的是威海,其次是青岛、济南、日照等11个城市,其分值都介于0~1,而潍坊、德州、枣庄等5个城市得分均为负值,人居环境状况不佳,其中菏泽最低,得分仅为-1.136。从全省整体水平来看,城市人居环境适宜性不高,17个中心城市中,有5个城市的人居环境状况低于全省平均水平,而且各个城市水平差异较大。

2.3 综合评价

2.3.1 人居环境较优的城市。

有威海、青岛、济南、日照和烟台。威海是山东省17个地级城市中综合得分最高的,其在N1、N3和N4上的得分都非常高,说明经济水平和生态环境质量都排在全省前列,而在N2上得分较低,今后应着重在城市基础实施建设方面加大力度。青岛是排名第2位的城市,其在N1、N2和N4上的得分都较高,说明青岛在经济发展、基础设施建设和生态环境质量等方面都有较高水平,而在N3上的得分较低,今后需要重点解决城市水方面存在的问题。济南在N3和N4上得分较低,但在N1和N2上得分较高,尤其N2上得分最高,说明济南作为省会城市,基础设施条件在全省占有非常大的优势,但在水供应及生态环境质量方面仍需加大投资力度。日照在N3和N4上得分较高,但在N1上得分较低,故今后应大力发展经济建设。烟台在N1上得分较高,经济水平非常不错,但在N3和N4上的得分较低,今后要重点发展水供应、水处理建设以及生态环境建设。2.3.2人居环境居中的城市。东营、临沂、莱芜、淄博、泰安、济宁、滨州这7个城市综合得分高于全省平均值,整体上较优,但在某些方面仍存在明显不足。东营在N1上得分排全省第1位,经济实力非常雄厚,但在N2、N3和N4上得分均为负值,故亟需大力加强城市建设和改善生态环境。临沂在N4上得分排全省第1位,城市生态环境条件非常优越,但在N1上得分为倒数,故应加大经济建设发展力度。莱芜在N3和N4上得分较高,在N2上得分排在全省倒数,今后应努力加强城市建设,完善城市基础设施。淄博、滨州均在N2和N3上得分较高,基础设施还比较完善,但这2个城市在N1和N4上得分均为负值,应加大力度发展经济建设,并努力改善城市生态环境质量。泰安在N2和N4得分较高,在N1和N3得分较低,应着重发展经济建设和提高水供应能力。济宁在N3上得分排全省第1位,在水供应和处理方面具有非常大的优势,但在N1、N2和N4上得分均为负值,因此要重点发展经济、完善城市基础设施建设和改善城市生态环境质量。

2.3.3 人居环境较差的城市。

潍坊、德州、枣庄、聊城、菏泽5个城市在主成分N1上得分均为负值,说明经济发展水平都不高。在主成分N2上,除了德州和潍坊外,其余全在全省平均水平之下,说明城市基础设施较差。对于主成分N3来说,枣庄虽然排名比较靠前,但在其他主成分上均为倒数位置,除了潍坊外,其余也都在全省平均水平之下。在N4上,除了聊城,其余也均在全省平均水平之下。总之,对这5个城市来说,它们共同存在的问题是经济水平得分均为负值,即低于全省平均水平,而第一主成分的贡献率达到29.36%,因此经济发展水平的好坏,将直接影响城市人居环境。今后这7个城市的发展,首先要不断加强经济建设,不断提高城市人居环境条件。

3 结论与讨论

采用主成分分析方法,可以客观确定指标权重,对评价区域城市人居环境进行定量评价和分析,从而有利于揭示出引起人居环境差异的主导因素,可以为决策管理部门实施人居环境可持续发展管理和决策提供科学依据。然而由于只选取了单年份的数据进行评价分析,长时间序列方面的评价仍需进一步加强,且并没有对评价结果进行空间性分析,所以空间差异方面还有待进一步的研究。

摘要：基于山东省17个地级城市的基本状况,在构建城市人居环境评价指标体系的基础上,应用主成分分析方法,结合SPSS统计软件,对山东省17个地级城市的人居环境进行了定量评价,评价结果表明:威海、青岛、济南、日照、烟台这5个城市属于人居环境较优的城市,东营、临沂、莱芜、淄博、泰安、济宁、滨州为人居环境居中的城市,潍坊、德州、枣庄、聊城、菏泽属人居环境较差的城市。进而针对各个城市人居环境中存在的问题进行了分析,提出了相关的发展建议。

关键词：城市人居环境,主成分分析,评价,山东省

参考文献

[1]熊鹰,曾光明,董力三,等.城市人居环境与经济协调发展不确定性定量评价——以长沙市为例[J].地理学报,2007,62(4):397-406.

[2]李王鸣,叶信岳,孙于.城市人居环境评价——以杭州城市为例[J].经济地理,1999,19(2):38-43.

[3]蒋伶,宁越敏.可持续发展的南京城市人居环境塑造[J].现代城市研究,2002(6):28-33.

[4]朱丽,张仁陟.甘肃省城市人居环境评价与分析[J].现代农业科技,2008(6):193-195.

[5]李雪铭,李明.基于体现人自我实现需要的中国主要城市人居环境评价分析[J].地理科学,2008,28(6):742-747.

[6]叶依广,周耀平.城市人居环境评价指标体系刍议[J].南京农业大学学报:社会科学版,2004,4(1):39-42.

[7]卢纹岱.SPSS for Windows统计分析[M].2版.北京:电子工业出版社,2004:311-316.

3.基于主成分与聚类分析的江西省城市生态环境综合评价 篇三

基于主成分分析法的安徽省生态环境质量研究

人类根据自身的`具体要求可对生态环境质量进行评定.研究选择具有代表性、可比性、可操作性的评价指标,运用主成分分析法对安徽省17个地市的环境质量的优劣程度进行了定性、定量分析和判别,为安徽生态省建设和环境管理提供科学依据.

作 者：许丛 操勤 袁媛 XU Cong CAO Qin YUAN Yuan 作者单位：安徽师范大学,国土资源与旅游学院,安徽,芜湖,241000刊 名：资源开发与市场英文刊名：RESOURCE DEVELOPMENT & MARKET年，卷(期)：24(2)分类号：X821.254关键词：生态环境质量 主成分分析 SPSS 安徽省

4.基于主成分与聚类分析的江西省城市生态环境综合评价 篇四

1 相关文献回顾

国外对投资环境的研究集中在国际直接投资和区域投资领域,且注重评价模型和定量分析。Wheeler,Mody(1992)对美国跨国公司的国际投资情况进行了计量经济学分析,发现政府短期的激励政策对外资进行区位选择的影响非常有限,而通过提升本国的投资环境、不断扩大国内市场才是吸引外国投资的关键;Deng等(1997)对区域投资模型进行了研究,提出一种系统化的方法并对中国的投资环境进行了实证分析;Sirmans,Worzala(2003)对国际房地产投资组合和房地产投资风险等有关房地产投资问题的研究成果进行了系统梳理;Ginevičius,Zubrecovas(2009)提出了一种多维随机评价模型,对房地产项目的投资效率进行评价,进而选出最优的房地产项目。近年来,国内学者越来越关注房地产投资环境的研究,侧重于对房地产投资环境评价指标体系的构建和对方法的实证研究,主要的研究成果有:方维慰(2002)从经济环境、基础设施环境、政策法规环境和社会文化环境四大方面构建房地产投资环境评价指标体系;周鹏、张红等(2010)从城市宏观经济、房地产市场、基础设施和区位条件4个方面选用我国22个主要省会城市的统计数据,利用主成分分析法和德尔菲法构建房地产投资环境综合评价体系;徐小慧、瞿理铜(2009)从自然环境、经济环境、市场环境、社会环境、基础设施环境等方面选取16项指标,对湖南省13个设区城市房地产投资环境进行了评价;兰肇华、邓志维(2006)利用层次分析法对南京、武汉、成都的房地产投资环境进行了比较分析;王明、何亚伯(2007)采用模糊综合评价法对房地产投资环境中的各个因素进行相关研究,以此来判断投资环境的好坏;叶贵、汪红霞(2009)通过建立影响房地产区域市场投资竞争潜力的评价指标,运用灰色关联法模型对城市房地产开发投资潜力进行评价;刘贵文、贺玲等(2010)采用时序多指标综合评价方法,对全国31个大中城市的房地产市场发展潜力进行评价,并在此基础上,利用聚类分析,将研究城市分为5个层级。

从城市房地产投资环境研究的空间视角来看,现有的研究多是从宏观层面(国家)和微观层面(具体城市)的研究,而从区域视角出发的中观层面,尤其是以城市群为对象的区域房地产投资环境研究则不多见,对武汉城市圈房地产投资环境的评价还没有学者进行研究。鉴于此,本文在构建武汉城市圈房地产投资环境指标体系的基础上,对武汉城市圈各市进行了实证分析,以期促进武汉城市圈整体房地产投资环境的提升和圈内城市的协调发展。

2 评价指标体系的构建及研究方法

2.1 指标体系构建

房地产投资环境是指影响房地产投资、开发、运营管理的一切外部条件,容易受到投资地的社会、经济、文化等多方面的影响,其评价指标体系应该是一个多因素、多层次的系统。根据指标选择的系统性、针对性、可比性、可得性以及实用性的原则,参考以往研究中常用的影响房地产投资环境的指标,并结合武汉城市圈的具体情况,本文从经济环境、消费环境、房地产市场环境、基础设施环境以及社会文化环境5个方面,建立18项指标对武汉城市圈9个城市的房地产投资环境进行综合评价和分类评析(见表1)。

2.2 研究方法

在评价方法的选择上,考虑到德尔菲法、层次分析法等主观分析方法虽然能够反映房地产投资环境的核心指标,但存在一定的主观臆断性,而有些客观分析法如模糊综合评价法、灰色关联评价法,虽然评价过程较为综合客观,但计算非常复杂,尤其是当指标过多时,评价异常困难。故本文采用主成分分析法来确定各指标之间的权重,对武汉城市圈9个城市房地产投资环境的优劣进行排序,但主成分分析法并不能对9市进行确切的类型划分,而聚类分析正好为解决这一问题提供了十分有效的数学方法。因此,本文将采用主成分分析和聚类分析相结合的方法对武汉城市圈9市的房地产投资环境进行评价。

2.2.1 主成分分析方法

主成分分析法是一种数学变换的方法,它把给定的一组相关变量通过线性变换转换成另一组不相关的变量,这些新的变量按照方差依次递减的顺序排列,并且在数学变换中保持变量的总方差不变,使第一个变量具有最大的方差,称为第一主成分F1;第二变量的方差次大,并且和第一变量不相关,即Cov(F1,F2)=0,称为第二主成分F2。依次类推,可以构建出第三、第四,……,第P个主成分(高惠璇,2005)。用数学模型表示为:

式(1)中,a1i,……,api为原始指标数据的相关系数矩阵R的特征值所对应的特征向量,且满足a21i+a22i+……+a2pi=1,ZX1,……,ZXp是原始变量经过标准化处理后的值。

在解决实际问题时,一般不是取p个主成分,而是根据累计贡献率的大小取前k个。称第一主成分的贡献率为λ1/(λ1+λ2+……+λp),由于Var(F1)=λ1,因此第一主成分的贡献率就是第一主成分的方差在全部方差中的比值,这个值越大,表明第一主成分综合X1,X2,……,XP信息的能力越强,前k个主成分的累计贡献率定义为(λ1+λ2+……+λk)/(λ1+λ2+……+λp)。如果前k个主成分的累计贡献率达到85%,则表明取前k个主成分基本包含了全部测量指标所具有的信息,这样既减少了变量的个数,又便于对实际问题进行分析和研究。

2.2.2 聚类分析方法

聚类分析是根据事物本身的特征研究个体分类的方法,它能够根据样本数据的诸多特征,按照样本在性质上的亲疏程度,对样本个体进行分类。同一个类内的个体在特征上具有较高的相似度,不同类的个体在特征上差别较大。

3 武汉城市圈房地产投资环境的综合评价

3.1 数据来源和处理

根据2011年的《中国城市统计年鉴》、《中国区域经济统计年鉴》、《湖北省统计年鉴》以及各地市统计公报等,获取武汉城市圈9个城市18项指标的原始数据。

通常,原始数据具有不同的单位(量纲),数量间的差异也很大,对不同单位的变量求解,其结果往往与实际情况相去甚远。因此,需要对原始数据进行标准化处理以消除变量的不同量纲所造成的影响。本文采用指标值减去平均值再除以标准方差的公式来标准化处理。具体计算公式为:

式(2)中,i=1,2,……,18;j=1,2,……,9,Xij为第j个城市对应的第i个指标原始数据值;为所有城市第i个指标原始数值的平均值;n=9,为所选城市个数。

3.2 模型的建立与求解

采用SPSS 17.0软件对数据进行统计分析,在采用主成分分析方法进行实证分析时,先建立分类计量模型计算各子环境的单项得分,再以各子环境得分作为自变量,建立综合计量模型,最后计算综合得分。具体过程如下(由于对五类子环境数据的主成分分析过程具有一致性,再考虑到文章篇幅,此处仅以第一类经济环境为例来列示分析过程)。

3.2.1 相关系数矩阵分析

由于主成分分析是基于相关系数矩阵进行的,即要求各指标之间具有一定的相关性。从表2可以看出,地区生产总值(X1)与全社会固定资产投资(X2)、第三产业占GDP的比重(X3)以及实际利用外资(X4)这4项指标存在显著相关性,证明它们存在信息上的重叠,可以通过主成分分析法得到简化的因子变量,同时,KMO统计量的值为0.705,Bartlett球形检验统计量Sig.<0.01,因此指标数据适宜并需要作主成分分析。

3.2.2 主成分的选取

根据特征值>1,累计贡献率>85%的原则,确定主成分个数。从表3可以看出,第一个主成分的累积贡献率已达到97.44%,说明该主成分已经涵盖了原始变量的绝大部分信息,故此处选一个主成分。实际上,五类子环境数据经过计算,第一个主成分的累积贡献率都非常大,因此我们每一类都只选第一个主成分进行分析。

3.2.3 模型的构建与得分计算

主成分的初始载荷矩阵并不能作为关系表达式的系数,还需要用荷载值除以其对应特征值的开平方根,才能计算出相关矩阵特征值所对应的特征向量阵,从而构建主成分与原变量的关系表达式(见表4)。

根据表4中的数据,建立第一类经济环境的计量模型:

式(3)中,ZX1,……,ZX4为原始数据经过标准化处理后的值。

将标准化后的数据代入到上述关系式中,得出第一类经济环境的得分(见表5)。

以此类推,可以求得其他四类子环境的计量模型:

在求出五类子环境的单项得分之后,再以各子环境得分为基础,进行主成分分析,具体过程这里不再赘述,最后得到房地产投资环境的综合计量模型:

式(8)中,ZY1,……,ZY5为五类子环境得分的标准化值。

将五类子环境得分进行标准化处理后,带入上式,求出各市房地产投资环境的综合得分(见表6)。

3.3 结果分析

从综合得分来看,武汉城市圈房地产投资环境由强到弱的排名依次为武汉、孝感、黄石、黄冈、鄂州、咸宁、仙桃、天门、潜江,其综合评价值分别为5.852、-0.127、-0.374、-0.534、-0.812、-0.834、-0.979、-1.091、-1.102(负值是指低于平均数,不是真正意义上的负数)。武汉市的综合得分明显高于圈内其他城市,其余8市的综合得分均为负值,孝感、黄石2市综合得分在-0.5以上,鄂州、咸宁、仙桃3市综合得分均低于-0.8,天门和潜江的综合得分更是低于-1.0。

从经济环境得分来看,除武汉市外,黄石、黄冈、孝感、咸宁分列第2至第5名。说明这4个城市有较强的经济优势,无论在地区生产总值、固定资产投资、第三产业占GDP的比重还是实际利用外资方面均处于相对领先水平。仙桃、潜江、鄂州、天门4个城市在经济环境方面表现较弱,特别是地区生产总值、固定资产投资和实际利用外资指标普遍偏低,从而极大地限制了其经济环境的进一步提升。

从消费环境得分来看,武汉、黄石、孝感、鄂州分别位列前4名,这些城市特别是在居民人均可支配收入和人均消费性支出两个方面明显高于其他城市,说明其居民消费能力比较强劲。黄冈、咸宁、潜江、天门、仙桃依次居于后5位,其中,黄冈虽然在社会消费品零售总额和城乡居民储蓄存款两项指标上明显高于鄂州,但由于受居民人均可支配收入和人均消费性支出限制,从而影响到其消费环境的总体得分。

从房地产市场环境得分来看,武汉、孝感、咸宁、黄冈、黄石排在前5位,这些城市无论从房地产开发投资额、商品房竣工面积还是商品房销售面积、商品房销售额方面均明显高于其他城市,特别是孝感在商品房竣工面积、商品房销售面积及商品房销售额方面的排名均仅次于武汉,使其市场环境得分相对靠前。市场环境处于劣势的城市包括鄂州、仙桃、潜江和天门,这些城市房地产业发展往往起步晚、起点低,市场环境要发育成熟还需要一定的时间。

从基础设施环境得分来看,除武汉外,只有孝感的得分高于平均水平,这要归因于其在民用汽车拥有量指标上明显高于其他城市。黄冈、黄石、咸宁则分列第3至第5名,由于它们建成区面积和邮电业务收入两项指标相对较高,使基础设施环境得分也比较靠前。仙桃、天门、鄂州、潜江4个城市在基础设施上相对落后于其他城市,因此要吸引更多的房地产投资,应该先加强自身的基础设施建设。

从社会文化环境得分来看,除武汉外,孝感、鄂州、黄石、黄冈、天门、仙桃分列第2至第7名。值得一提的是鄂州,虽然其在科研、医疗卫生方面表现一般,但其人口密度指标排在圈内除武汉外的8个城市中的第一位,使其在社会文化环境方面表现较好。潜江和咸宁在社会文化环境方面居于末两位,主要原因在于有的受人口密度制约,有的受医疗卫生水平制约,从而影响到社会文化环境的总体得分。

4 武汉城市圈房地产投资环境的聚类分析

4.1 类型划分

为便于对武汉城市圈各市房地产投资环境进行横向比较,发现各自的优势和劣势,本文在上述主成分分析的基础上,运用K-均值聚类分析方法对武汉城市圈9个城市的房地产投资环境进行分类,样本间的接近程度用欧氏距离度量,类间距离选用最短距离法。根据聚类结果,武汉城市圈9市房地产投资环境分为三类,第一类:武汉;第二类:孝感、黄石、黄冈;第三类:鄂州、咸宁、仙桃、天门、潜江。

4.2 武汉城市圈房地产投资环境的分类评析

根据聚类分析结果绘制武汉城市圈房地产投资环境空间分布图(图1),从图中可以看出,武汉城市圈房地产投资环境的地区差异明显,呈现武汉市最高、东部城市较高、西部城市较低的空间分布特征。

4.2.1 武汉房地产投资环境占有绝对优势

武汉市作为湖北省的省会,是全省政治、经济、文化交流的中心,与圈内其他城市相比,武汉市无疑是圈内唯一的增长极核。武汉市一枝独秀,会导致要素和生产活动从周边地区源源不断向其集聚,剥夺了周边地区的发展机会,使中心城市和周边地区的经济发展差距进一步扩大。因此,要想全面改善武汉城市圈区域整体的房地产投资环境,必须充分发挥武汉市的中心带动作用,全面提升周边城市的竞争力,联合营造优良的房地产投资环境,形成一个房地产投资环境综合体,实现圈内资源共享、互惠互利、共同发展的良好局面。同时,武汉市也要不断增强自己的经济实力,充分利用其发达的交通网络、广阔的投资空间等优势,扩大引资,加快发展,努力缩短与发达城市的差距;利用自身深厚的文化底蕴,着力打造具有亲和力的人居环境、发展环境,进一步提升房地产投资环境水平。

4.2.2 孝感、黄石、黄冈房地产投资环境良好

孝感作为距离武汉最近的中等城市,经济发展势头良好、固定资产投资增长较快,社会消费品零售总额增速逐步提高,居民生活水平明显提高。同时,随着汉孝城际快铁的开工建设,交通条件的改善也将成为拉动孝感房地产开发投资的重要力量。黄石是一个典型的矿业城市,房地产市场启动较早,其在经济环境和消费环境方面得分较高,说明其具有巨大的市场消费潜力,这些均为黄石房地产业发展提供了良好的基础和动力。黄冈作为武汉城市圈中GDP总量、固定资产投资、社会零售品总额均仅次于武汉的城市,其城市发展较快,再加上其处于武汉城市圈的“第二重心”区位,使其具有较大的房地产投资潜力。值得注意的是,这3个城市的综合得分均为负值,虽然与圈内其他城市相比具有比较优势,但与武汉市相差甚远。因此,这3个城市要积极加强与武汉的合作与联系,成为武汉城市圈发展的强有力支撑及未来房地产开发投资的重点区域。

4.2.3 鄂州、咸宁、仙桃、天门、潜江房地产投资环境有待进一步提高

鄂州的城市化水平在圈内处于相对较高的水平,随着城市化进程的不断加速,将带动鄂州房地产市场需求的持续放量,进而带动鄂州房地产业的较快发展,但其在经济环境和基础设施环境方面得分偏低,因此,鄂州要充分利用其地理区位的优势,积极接受与其毗邻的武汉、黄石两大城市的经济辐射与扩散,并不断完善基础设施建设。咸宁房地产市场环境得分相对靠前,说明其房地产市场发展势头良好,但其社会文化环境相对比较滞后,特别是人口城市化水平排在城市圈末位。因此,咸宁在接下来的发展中应注重社会文化环境的提升,充分利用其优美的环境及温泉旅游产业的独特优势,增强房地产投资的吸引力。

仙桃、天门、潜江作为湖北省直管市,经济建设发展水平一直落后圈内其他城市,而房地产投资受经济水平、城市建设等因素影响比较大,导致其房地产投资环境综合水平低下。为了促进3市房地产业的发展,3市应主动接受城市圈其他城市的经济辐射,不断改善自身的经济环境,通过正确分析房地产市场信息,加大招商引资力度,采取有效的优惠政策,营造良好的投资环境和氛围,保障投资者获得良好的投资回报以及较好的发展前景。

5 结论与建议

本文研究表明,武汉城市圈房地产投资环境总体呈现出明显的空间差异性特征,综合排名前4位的分别是武汉、孝感、黄石、黄冈,后3位分别是仙桃、天门、潜江,即表现为武汉市最高,东部城市较高,西部城市较低的空间分布格局。另外,各市在各子环境建设方面也表现出明显的差异,而经济环境、消费环境、房地产市场环境、基础设施环境以及社会文化环境五个方面是相辅相成、互相影响的,某一投资子环境建设的落后,都会导致其总体投资环境水平的低下,形成整体投资环境的“瓶颈”。因此,为提升武汉城市圈整体房地产投资环境,本文提出如下政策建议。

第一,发挥武汉的中心带动作用,促进武汉城市圈区域整体协调发展。武汉城市圈房地产投资环境总体上表现为“一强多中心”的区域发展格局,这主要由于武汉市一枝独秀,导致要素和生产活动从周边地区源源不断向中心城市集聚,剥夺了周边地区的发展机会,使中心城市和周边地区的经济发展差距进一步扩大。因此,要全面改善武汉城市圈区域整体的房地产投资环境,必须发挥武汉的中心带动作用,全面提升周边城市的竞争力,联合营造优良的房地产投资环境,形成一个房地产投资环境综合体,实现圈内资源共享、共同发展的良好局面。

第二,针对性改善各子环境的发展水平,较快地提高各市房地产投资环境的综合水平。圈内各市在各子环境建设方面表现出明显的差异,房地产投资环境综合水平的增强,需要全面改善各子环境的发展水平,不能有所偏废,某一子环境建设状况的落后或恶化很容易导致整体投资环境水平的下降,无法发挥应有的优势。因此,圈内各市要深入分析自身房地产投资环境的优势和劣势,在充分挖掘自身发展潜力的同时,找出影响各市房地产投资环境的障碍因子,有的放矢地对投资环境中的弱项进行建设,从而较快地提高城市圈整体的房地产投资环境水平。

第三,加快区域基础设施建设,形成强大的区域竞争力。随着城市空间布局的对接和产业经济的转移和融合,基础设施环境越来越成为影响房地产投资环境的一个主要因素,基础设施的建设状况直接影响区域对投资的吸纳能力。近年来,随着圈内“半小时铁路网”和“一小时经济圈”的逐步形成,使圈内城市之间的经济加速融合,时空距离有效缩短,因此,武汉城市圈要抓住国家“中部崛起”和“武汉城市圈一体化”的发展机遇,结合武汉城市圈的实际情况,进一步完善区域性的电力,交通运输、通讯、供水等城市基础设施,促进武汉城市圈房地产投资环境的进一步提高。

5.基于主成分与聚类分析的江西省城市生态环境综合评价 篇五

世界科技发展的实践告诉我们:一个国家只有拥有强大的自主创新能力, 才能在激烈的国际竞争之中把握先机、赢得主动。特别是在关系国民经济命脉和国家安全的关键领域, 真正的核心技术、关键技术是买不来的, 必须依靠自主创新。而且党的十六届五中全会也已经将自主创新确定为国家战略, 可见自主创新能力已经成为提升国家竞争力的核心力量。而企业作为创新的主体, 一个区域企业的自主创新能力对一个区域的发展尤为重要。山西省作为中部欠发达地区, 企业自主创新能力与其他省市之间存在一定的差距, 所以有必要对山西省企业自主创新能力进行综合评价, 进一步对比分析山西省企业自主创新能力的优劣势, 这不仅有利于提升山西省整体的创新水平, 而且更有利于中部崛起战略的实施。

二、山西省企业自主创新能力综合评价

1. 评价指标体系及评价方法的选择。

企业自主创新能力是指企业主要通过自身的自主性努力, 有效运用企业内外的各种创新资源攻破技术难关, 形成有价值的自主核心技术, 获取自主知识产权的能力。对企业的自主创新能力进行评价就是运用一定的科学方法, 根据一套能反映企业自主创新能力的指标体系, 综合测算和分析企业的自主创新能力。这对于正确制定自主创新策略, 提升自主创新水平具有重要的意义, 所以一直以来都倍受理论界和企业界的关注。不同国家所采用的指标体系是不同的, 国外大多从技术创新能力角度进行评价。德国在进行企业技术创新能力调查时, 用企业技术创新费用占企业销售额的比例来描述。意大利则采用专利指标、技术贸易、高技术产品进出口指标。国内有的学者将技术创新能力分解为六个创新能力要素, 即创新资源投入能力、创新管理能力、创新倾向、研究开发能力、制造能力和营销能力;傅家骥等人从技术创新投入与产出不同侧面, 以R&D投入量、专利统计量、新产品有关指标量 (新产品产值、新产品实现利润、新产品开发周期、新产品技术水平) 等作为产业技术创新能力的主要评价指标。根据国内外已有的研究成果, 考虑到研究层面和指标的权威性、数据收集的易得性, 本文将采用国家统计局国家经济景气监测中心2005年11月发布的《中国企业自主创新能力分析报告》中提出的指标体系 (如表1所示) 。

能够科学、有效地测算出企业的自主创新能力指数, 对于企业科学定位自身的技术创新状态有着重要的意义。因此, 国内外学者对企业自主创新能力的评价方法也有不少研究, 主要包括基于BP网络的评价方法、模糊综合评价方法、密切值法、多层次灰色评价方法、弱势指标倍数法等。由于本文的综合评价是通过多项指标的差异进行的, 所以选择多指标综合评价法。同时为了在指标权重选择上克服主观因素的影响, 将多指标综合为几个最主要的主成分, 从而核算出一个综合的评价值, 这里采用主成分分析法。

2. 山西省企业自主创新能力指数测算。

本文采用国家统计局提出的评价指标体系, 运用主成分分析法来测算山西省企业的自主创新能力, 数据主要来源于《2008年山西省统计年鉴》和《2008年山西省科技统计年鉴》。主要测算步骤如下: (1) 原始数据标准化。为了消除量纲使数据具有可比性, 我们将对原始数据进行标准化。用Z-score法对数据进行标准化变换, 通过用SPSS统计软件可得标准化的数据。 (2) 主成分分析。将原始数据标准化之后首先利用SPSS13.0软件做主成分分析, 可以得到方差贡献分析表和主成分荷载矩阵。通过方差贡献分析表 (如表2所示) 可见前四个特征值的累积贡献率已经达到了88.069%, 这完全符合方差贡献率大于或等于85%的原则, 所以这里只需提取四个主成分就可以概括这十个指标体系所包含的全部信息。

接着通过最大方差法旋转之后, 发现第一个主成分主要是企业产品销售收入、企业工业增加值这10个指标的综合反映, 它主要代表着企业自主创新的潜在资源状况;第二主成分主要是专利申请量占全国专利申请的比重和拥有发明专利量占全国拥有专利发明量的比重这两个指标信息的综合反映, 它代表着企业专利产出的基本情况;第三个主成分主要是企业工程技术人员和金融贷款占整个科技资金融资比重的综合反映, 它代表的主要是企业自主创新环境的基本情况;第四个主成分则是新产品销售收入占企业工业产品销售收入的比重这一指标的综合反映, 它代表的则是新产品产出的基本情况。所以这四个主成分分别命名为企业潜在自主创新能力、企业专利产出能力、企业自主创新环境和企业新产品的产出能力。其次, 计算这四个主成分值。这就需要提取出这四个特征值所对应的特征向量。通过SPSS软件可以得到因子载荷矩阵, 每一个载荷量都表示着主成分与对应变量的相关系数, 所以通过公式:A1=B1/SQRX1B1是第一主成分载荷量, X1是第一主成分对应的特征值) , 可以得到对应的特征向量A1, 同理可计算出A2、A3和A4。由此得出主成分的表达式。

通过以上四个式子可以直接计算出山西省企业自主创新能力的主成分得分, 然后以每个主成分相对应的方差贡献率作为权重就可以计算出山西省企业自主创新能力综合指数, 如下式所示:

由公式 (5) 就可以分别计算出2001-2007年山西省企业自主创新能力综合指数, 如表3所示。

表3山西省企业自主创新能力综合评价指数

三、结论

通过主成分分析测算出了2001—2007年山西省的企业自主创新能力综合指数, 由表3可见, 从2001年到2007年山西省企业自主创新能力发展极不平衡, 但是总体上山西省的企业自主创新能力在不断提高。自主创新指数由2001年的-0.20957, 提高到2007年的1.06202, 平均每年上升0.18个点, 这说明山西省企业自主创新能力已经有所发展。同时, 从2006年开始山西省企业自主创新能力的发展也已经处于稳定状态, 2007年尽管有所下降, 但基本上保持稳定。此外, 通过计算四个主成分的平均值, 得到它们的排序为:F3、F1、F2、F4, 通过比较这四个主成分平均值可见, 企业的创新环境相对其他能力有一定的优势, 这可能得益于山西省政府和企业开始加强对自主创新的重视程度, 制定和实施了一些有利于企业创新的政策措施;而企业的专利和新产品产出能力则相对较弱, 这是由于山西省较薄弱的经济实力和较落后的科技水平所致。

摘要：根据国家统计局提出的衡量企业自主创新能力的四大指标, 通过主成分分析法综合评价了山西省企业自主创新能力, 对比分析评价结果得出山西省企业创新环境有所改善, 但是其自主创新产出能力相对薄弱。

关键词：山西省,企业自主创新能力,主成分分析

参考文献

[1].温瑞珺, 龚建立, 王黎娜.企业自主创新能力评价研究[J].集团经济研究, 2005 (8)

[2].光明日报社.中国企业自主创新能力分析报告[N].经济日报, 2005.11.07

[3].卢纹岱.SPSS for Windows统计分析[M].北京:电子工业出版社, 2007

6.基于主成分与聚类分析的江西省城市生态环境综合评价 篇六

1.1 评价指标体系的确定

本文遵循所选指标全面性、指标数据可得性、分析结论导向性的原则, 从影响区域产业竞争力的产业经济实力、产业创新能力、产业经济效益、产业政策环境等4个方面出发, 构建了山西装备制造业竞争力评价指标体系, 见表1[1]。

1.2 评价方法和数据来源

本文采用主成分分析法对山西省装备制造业竞争力进行实证分析, 具体的评价范围按照国民经济行业分类代码GB/T 4754—2002的装备制造业行业分类进行, 为便于分析, H1~H7分别代表金属制品业、通用设备制造业、专用设备制造业、交通运输设备制造业、电气机械及器材制造业、计算机和其他电子设备制造业、仪器仪表及文化办公用机械制造业等7个行业, 数据来源于2012、2013年的《山西统计年鉴》和《中国工业经济统计年鉴》。

2 山西省装备制造业竞争力实证分析

2.1 实证分析过程

首先, 标准化处理原始数据, 并进行KMO检验, KMO值为0.611, 说明所选样本适宜做主成分分析[2]。其次, 确定主成分因子个数, 根据观察解释总方差表, 3个主成分的累计贡献率为89.593%, 对变量的解释程度非常高, 说明提取的3个主成分因子能够表达山西省装备制造业竞争能力。第三, 旋转成分矩阵, 明确因子实际含义, 由主成分在因子上的载荷作用大小, 可解释3个主成分因子分别为效益因子F1、政策因子F2、规模因子F3。第四, 采用回归估计法, 计算主成分因子得分。最后, 计算综合得分。

2.2 实证分析结论

本文选取了2011年、2012年的数据进行分析, 因此每个行业有2个得分, 计算2个得分的平均值, 即可求得因子平均得分, 见第4页表2 (根据SPSS18.0分析结果计算整理而得) ;以主成分因子方差贡献率为权重, 将各行业因子进行线性加总, 得出综合得分和排名, 见表3 (根据SPSS18.0分析结果计算整理而得) 。

结合主成分分析结果, 影响山西省装备制造业竞争力的主要原因有:第一, 产业生产规模较低, 经济总量偏小, 产业内部生产条件基础较差, 无法实现规模生产;第二, 产业效益低下, 多数企业经济效益小增长甚至负增长, 直接影响了行业的扩大再生产和行业的良性发展;第三, 政策环境的影响, 长期以来, 山西省产业发展中主要以煤炭、电力等产业为主, 对装备制造业的产业重视程度和投入程度较低, 装备制造业总量小、结构差的现状没有得到改善。同时, 山西省装备制造业中, 竞争力最高的行业是专用设备制造业, 竞争力得分为0.616 6, 其次是计算机和其他电子设备制造业。专用设备制造业的第二主成分得分较高, 行业的政策环境较好, 竞争力较强, 是山西省的优势产业;计算机和其他电子设备制造业的第一主成分得分较高, 说明该行业的经济效益较好, 这与该行业较为先进的管理水平和生产技术水平不无关系。

3 提升山西省装备制造业竞争力的对策建议

山西省装备制造业各行业竞争力的得分情况, 是各个因子综合作用的结果, 是产业经济实力、产业创新能力、产业经济效益和政策环境多个因素影响下的结果, 要提升山西省装备制造业的竞争力水平, 必须做好有以下几点:第一, 利用现代金融手段, 拓宽企业融资渠道, 提高对民间资本和外来资本的利用效率, 进一步解决融资难问题。第二, 转变生产观念和生产方式, 在引进和学习国外先进技术的基础上, 积极研发、重点突破, 提高行业自主创新能力。第三, 结合行业特点, 重点发展优势产业。首先, 继续发展壮大专用设备制造业, 通过淘汰落后产能、革新生产方式等手段, 实现专用设备制造业持续发展的目的;其次, 计算机、通信和其他电子设备制造业发展潜力巨大, 要进一步优化其产业内部结构, 加强产品自主研发力度, 将该潜力产业发展壮大。第四, 改进政府职能, 优化产业发展环境。首先, 完善装备制造业持续发展的相关服务配套, 强化装备制造业发展市场优势;其次, 要强化社会环境、公共信息方面的建设, 为装备制造业发展提供服务保障, 最终促进装备制造业和服务业的协同发展。

参考文献

[1]孙飞, 王学军.提升山西省装备制造业竞争力问题研究——基于技术创新的视角[J].现代商贸工业, 2011 (2) :15-17.

7.基于主成分与聚类分析的江西省城市生态环境综合评价 篇七

一、指标体系的构建

本文采用狭义定义，涵盖长三角地区15个城市和珠三角地区9个城市。前者包括苏南苏中地区八市(南京、苏州、无锡、常州、扬州、镇江、南通、泰州)，浙东北六市(杭州、宁波、湖州、嘉兴、绍兴、舟山)，以及上海市。后者则为广东省的广州、深圳、珠海、佛山、江门、中山、东莞、惠州、肇庆等九市。

依据可得性、可比性、层次性等原则选取25个指标构成如下指标体系：第一层次反映城市规模：X1土地面积、X2年末总人口、X3人口密度;第二层次反映经济发展情况：X4地区生产总值、X5人均地区生产总值、X6地区生产总值增长率、X7非农产业占地区生产总值比重、X8第三产业从业人员、X9城镇固定资产投资、X10财政收入、X11财政支出、X12金融机构存款余额、X13金融机构贷款余额、X14社会消费品零售总额;第三层次反映城市开放程度：X15出口总额、X16进口总额、X17进出口总额与GDP比例、X18实际外商直接投资额;第四层次反映居民生活情况：X19全年用电量、X20城镇居民人均可支配收入、X21卫生机构数、X22每万人拥有卫生机构数、X23人均住房建筑面积、X24邮电业务总量、X25高等学校在校生人数。

二、分析过程和结果说明

（一）首先对原始数据做标准化处理以消除量纲不同的影响。

其次，表1给出了运用SPSS软件计算出的主成分提取结果。由于只有前四个成分的特征值大于1，且累计贡献率达到88.19%，即其所包括的信息占到原始变量所包含总信息的88.19%，其余成分对方差影响很小，因此提取前四个成分作为主成分，记为F1、F2、F3、F4。

（二）计算主成分的载荷矩阵，见表2，载荷系数代表各主成分解释指标变量方差的程度。

由于本文使用变量较多，故取绝对值大于0.4的负载，能解释变量方差的约15%。在表2中以*标示出显著的负载。

表1显示第一主成分F1的权重最大，是最重要的影响因子。由表2可知，F1在除地区生产总值增长率之外所有指标上的载荷都较大，可以认为F1是城市综合实力因子。第二主成分F2在地区生产总值增长率、非农产业占地区生产总值比重、进出口总额与GDP比例、城镇居民人均可支配收入等指标上载荷较大，故认为F2是经济发展潜力因子。第三主成分F3在土地面积、人口密度、地区生产总值增长率、人均住房建筑面积等指标上载荷较大，可设定F3为城市聚集力因子。第四主成分F4在每万人拥有卫生机构数这一指标上载荷较大，可称F4为城市卫生水平因子。

（三）计算各城市的主成分值和综合得分值，并按综合得分值做出排序，见表3。

表3显示, 上海综合得分值最高, 为40.226。但其F2得分低于其他所有城市, F3得分和F4得分处于中等水平。可见, 作为全国第一大城市和经济中心, 上海在经济发展潜力、城市聚集力以及居民卫生保障等方面还存在一些问题。珠三角的深圳和广州分列第二和第三, 其综合得分值与上海差距很大。但值得注意的是, 深圳的F2得分和F3得分在所有城市中均位于前列, F4得分处于中游水平, 这表明深圳在城市化进程中各方面表现比较均衡。其他综合得分值为正的城市按得分高低排序, 依次为南京、杭州、苏州、东莞和无锡, 其中只有东莞属于珠三角。从第9名往后所有城市的综合得分值均为负值。

（四）整理表3可得表4，更直观地反映出24个城市按城市化水平的分布状态。

可以将长三角城市化水平的分布态势形象地喻为“哑铃形”，珠三角则为“橄榄形”。也就是说，长三角各城市的城市化水平两极分化比较明显，中心城市沪宁杭以及苏州、无锡已具备了较高的城市化水平，相对而言，镇江、南通、扬州、嘉兴、湖州、泰州和舟山在整个长三角的城市化进程中则显得步伐缓慢。再看珠三角，除综合得分最低的肇庆外，其他7个城市综合得分都进入了前16位。除了城市化水平较高的深圳、广州和东莞之外，其他5个城市的发展水平相当。

三、结论

本文采用主成分分析方法对长三角珠三角这两大城市群24个城市的城市化水平做了分析, 发现两个区域均有城市化水平很高且具有区域带动作用的中心城市, 即长三角的上海、南京、杭州, 珠三角的深圳和广州。差异在于, 就区域内而言, 长三角各城市的综合实力差距较大, 城市化发展呈现出两极分化的趋势, 而珠三角的内部差异相对较小。综上所述, 长三角各城市在城市化进程中有必要继续将城市作为区域经济发展的主要增长点, 以上海为核心, 以南京和杭州为支点, 加强城市间交流与协作, 促进区域共同繁荣。珠三角各城市可以在深圳和广州的带动和辐射下, 相互参考发展路径以取长补短, 实现城市化水平的整体提升。

参考文献

[1]房镜, 主成分分析在城市综合实力评价中的应用, 《西安工程科技学院学报》2006年4月

[2]叶依广、周蕾, 长江三角洲各城市综合实力的主成分分析, 《长江流域资源与环境》2004年5月

[3].叶依广、何伟, 江苏省各中心城市经济发展综合实力及差异因素的主成分分析, 《南京农业大学学报》　2002, 25 (4) :95～99