山西省不同地區(qū)低碳經(jīng)濟(jì)發(fā)展水平評價(jià)

張丹丹

隨著工業(yè)的發(fā)展，大量的能源被消耗，排放出的二氧化碳?xì)怏w引起了溫室效應(yīng)，甚至有可能導(dǎo)致冰川融化，無數(shù)的生物無家可歸，最后危害到我們?nèi)祟愖陨?。低碳?jīng)濟(jì)這種以低耗能、低排放、低污染為基礎(chǔ)的經(jīng)濟(jì)發(fā)展模式由此產(chǎn)生。然而，山西省作為一個(gè)煤炭大省，發(fā)展低碳經(jīng)濟(jì)顯得迫在眉睫。可是山西省地域遼闊，資源應(yīng)有盡有，不同地區(qū)經(jīng)濟(jì)發(fā)展、能源分布、消費(fèi)的能源差異較大，因此引起碳排放量的不同。不同地區(qū)的經(jīng)濟(jì)發(fā)展和能源消費(fèi)直接影響山西省的低碳經(jīng)濟(jì)發(fā)展水平的高低。但是不是全部地區(qū)都能清楚地意識到自己的優(yōu)點(diǎn)和缺點(diǎn)，由此限制了山西省低碳經(jīng)濟(jì)的發(fā)展。所以，怎樣分析山西省低碳經(jīng)濟(jì)發(fā)展水平的地區(qū)差異性是低碳經(jīng)濟(jì)發(fā)展中的一個(gè)重要課題。

1.樣本數(shù)據(jù)的說明與來源

（1）根據(jù)所確立的低碳城市評價(jià)指標(biāo)獲取2013年的樣本數(shù)據(jù)。

（2）樣本數(shù)據(jù)主要來自《中國城市統(tǒng)計(jì)年鑒》、《山西省統(tǒng)計(jì)年鑒》以及山西省的地方年鑒和山西省統(tǒng)計(jì)部門網(wǎng)站。

2.因子分析

在對數(shù)據(jù)進(jìn)行因子分析前應(yīng)該檢驗(yàn)所選取的變量是否適合做因子分析。如果不盡興此檢驗(yàn)就盲目地檢驗(yàn)，很可能因?yàn)橛缅e(cuò)方法，而得出錯(cuò)誤的結(jié)論，甚至無法得出任何結(jié)論。KMO和Bartlett檢驗(yàn)結(jié)果如表1所示（因篇幅問題省略）。

由上表可看出KMO度量值為0.605，大于0.6，適合做因子分析。Bartlett的球形度檢驗(yàn)的p值為0.001，小于0.01。在1%的顯著水平下，應(yīng)該拒絕原假設(shè)，認(rèn)為原矩陣不是單位矩陣，變量之間存在相關(guān)性，適合做因子分析。

對原始數(shù)據(jù)進(jìn)行無量綱化處理，得到標(biāo)準(zhǔn)化的數(shù)據(jù)后，利用 SPSS19.0軟件的因子分析功能進(jìn)行分析，計(jì)算標(biāo)準(zhǔn)化數(shù)據(jù)的相關(guān)系數(shù)矩陣、特征根和特征向量、方差貢獻(xiàn)率，結(jié)果見表2和表3（因篇幅問題省略）。

由3可看出，成分1的特征根為3.022，大于1，方差貢獻(xiàn)率為43.177%。成分2的特征根為1.974，大于1，方差貢獻(xiàn)率為28.195%。成分3的特征根為1.930，大于1，方差貢獻(xiàn)率為17.058%。3個(gè)主成分的累積貢獻(xiàn)率已達(dá)88.431%。用主成分Y1、Y2、Y3代表原來的7個(gè)指標(biāo)評價(jià)山西省不同地區(qū)低碳經(jīng)濟(jì)發(fā)展水平已經(jīng)可以完全表達(dá)出所有指標(biāo)代表的信息，而且這3個(gè)主成分互不相關(guān)。不僅避免了評價(jià)指標(biāo)信息重復(fù)的問題，而且使較多的變量成為較少的變量，簡化了數(shù)據(jù)。

可以得出山西省11個(gè)地級市的3個(gè)成分得分（分別記為Y1、Y2、 Y3），以各主成分所對應(yīng)的貢獻(xiàn)率為權(quán)數(shù)進(jìn)行加權(quán)求和，得到綜合低碳經(jīng)濟(jì)發(fā)展水平得分，有表4（因篇幅問題省略）可得，Y1的貢獻(xiàn)率為Y1的特征根除以三個(gè)主成分的總的特征根。=3.022/（3.022+1.974+1.194）=0.4882，Y2的貢獻(xiàn)率為Y2的特征根除以三個(gè)主成分的總的特征根。=1.974/（3.022+1.974+1.194）=0.3189，Y3的貢獻(xiàn)率為Y3的特征根除以三個(gè)主成分的總的特征根。=1.194/（3.022+1.974+1.194）=0.1929

綜合得分Z=0.4882Y1+0.3189Y2+0.1929Y3。

計(jì)算各主成分得分、綜合低碳經(jīng)濟(jì)發(fā)展水平及排序（見表5） ，其中某些主成分得分或綜合得分為負(fù)，并不說明該項(xiàng)競爭力為負(fù)，而是計(jì)算中將原始數(shù)據(jù)標(biāo)準(zhǔn)化的結(jié)果。

各地級市在各主成分上的得分，由表5（因篇幅問題省略）成分得分系數(shù)矩陣得：

Y1=0.207ZX1+0.042ZX2+0.076ZX3+0.365ZX4+0.357ZX5+0.062ZX6-0.245ZX7

Y2=-0.064ZX1+0.463ZX2+0.473ZX3+0.146ZX4+0.028ZX5+0.031ZX6-0.128ZX7

Y3=0.525ZX1-0.052ZX2-0.055ZX3-0.042ZX4+0.051ZX5+0.695ZX6+0.221ZX7

成分1的前三名是大同、朔州、運(yùn)城，后三名是晉中、太原、晉城;成分2的前三名是大同、朔州、運(yùn)城，后三名是晉中、太原、晉城;成分三的前三名是呂梁、朔州、晉城，后三名是長治、朔州、晉城?？偡值那叭谴笸?、運(yùn)城、朔州，后三名是晉中、太原、長治。大同排在第一名是因?yàn)槿齻€(gè)主成分得分排名均靠前，運(yùn)城排在第二名也是因?yàn)槿齻€(gè)主成分得分排名均靠前，朔州雖然主成分三的排名靠后，但由于前兩個(gè)主城分的排名均考前，所以總得分排名比較靠前。長治、太原、晉城總得分排名靠后的原因是三個(gè)主成分得分的排名均靠后。

3.主成分影響因素分析

從表格的評價(jià)結(jié)果可以看出，山西省不同地級市每個(gè)主成分的排名與最后的綜合排名之間不完全一樣，甚至?xí)泻艽蟛町?，所以，找出影響每個(gè)主成分因子的因素及其影響程度，對提高山西省低碳經(jīng)濟(jì)發(fā)展水平有重要的啟示和指導(dǎo)作用。為了使影響因素更加明晰，這里采用最大方差法對因子載荷陣進(jìn)行正交旋轉(zhuǎn)。

利用SPSS19.0軟件進(jìn)行正交旋轉(zhuǎn)的結(jié)果見表6（因篇幅問題省略）。

從旋轉(zhuǎn)成分矩陣可以看出：成分1與Zscore（X4第三產(chǎn)業(yè)占GDP比重），Zscore（X5第二產(chǎn)業(yè)占GDP比重），Zscore（X7單位地區(qū)生產(chǎn)總值能源消耗）相關(guān)性強(qiáng);成分2與Zscore（X2公共汽車客運(yùn)總量），Zscore（X3建成區(qū)綠化覆蓋面積）的相關(guān)系數(shù)相對較高;成分3與Zscore（X1平均每萬人擁有公共汽車數(shù)），Zscore（X6林業(yè)產(chǎn)值比）的相關(guān)系數(shù)相對較高。

4.結(jié)論與建議

低碳經(jīng)濟(jì)發(fā)展水平總得分排名第一的大同市在總得分及各成分得分均名列前茅，可以作為低碳經(jīng)濟(jì)發(fā)展的示范城市。排名靠后的城市應(yīng)該向大同市學(xué)習(xí)。

（1）調(diào)整產(chǎn)業(yè)結(jié)構(gòu)，加快第二產(chǎn)業(yè)向第三產(chǎn)業(yè)的轉(zhuǎn)型，降低第二產(chǎn)業(yè)占地區(qū)生產(chǎn)總值的比重，提高第三產(chǎn)業(yè)占地區(qū)生產(chǎn)總值的GDP。提高能源轉(zhuǎn)換效率，努力提高科學(xué)技術(shù)水平，使一次能源盡可能多地轉(zhuǎn)換為相比更為清潔的二次能源。單位能源產(chǎn)出等于地區(qū)生產(chǎn)總值除以能源消耗總量。為了增加單位能源產(chǎn)出，應(yīng)該在增加地區(qū)生產(chǎn)總值的同時(shí)減少能源消耗總量。這就得依靠科學(xué)技術(shù)的發(fā)展，爭取用較少的能源獲得最大的產(chǎn)出。

（2）增加公共汽車客運(yùn)總量和平均每萬人擁有公共汽車數(shù)量，可以通過增加公共汽車的資金投入，增加公共汽車數(shù)量，并改善公共汽車內(nèi)的環(huán)境，安排舒適的椅子，禁止吸煙等來實(shí)現(xiàn)。人們應(yīng)該樹立環(huán)保意識，盡量少乘坐私家車和出租汽車，盡可能地乘坐公共汽車。

（3）至于增加建成區(qū)綠化覆蓋面積和林業(yè)產(chǎn)值比，應(yīng)該利用空余空間多植樹栽花。禁止人們亂砍濫伐。一棵樹成材需要數(shù)十年的時(shí)間，而砍掉它只需要瞬間?？骋豢脴洳恢皇菍涞膫?，更是對我們?nèi)祟愖畲蟮膫?。政府?yīng)該倡導(dǎo)人們多植樹，少伐樹，增加自然生物的固碳能力。