蔣夢婕
(上海工程技術(shù)大學 管理學院, 上海 201620)
自改革開放以來,江蘇省的經(jīng)濟得以飛速發(fā)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(qū)域經(jīng)濟發(fā)展上出現(xiàn)了較大的差距,經(jīng)濟格局逐步轉(zhuǎn)變?yōu)椤叭愣αⅰ钡哪J剑刺K南、蘇中、蘇北。其中蘇州、無錫、常州、南京、鎮(zhèn)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(jīng)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(jīng)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(qū)域經(jīng)濟差異大,嚴重阻礙了江蘇整體經(jīng)濟的健康高質(zhì)量的發(fā)展 ,反映出江蘇區(qū)域發(fā)展不協(xié)調(diào)問題依然很嚴峻。調(diào)整江蘇的經(jīng)濟發(fā)展戰(zhàn)略,使其健康平穩(wěn)的增長成為重中之重。本文針對江蘇地區(qū)的區(qū)域經(jīng)濟發(fā)展情況,運用因子分析,提取“經(jīng)濟總量因子”、“開放程度因子”、“人民生活質(zhì)量因子”3個主因子,給出13市的綜合經(jīng)濟社會發(fā)展的實力排序,根據(jù)實際情況提出相應(yīng)的完善措施以調(diào)整江蘇省經(jīng)濟發(fā)展策略,使其更健康的發(fā)展。
為了衡量城市的綜合經(jīng)濟發(fā)展實力,運用評價指標體系,調(diào)研具有一定的系統(tǒng)性,典型性,動態(tài)性。因此本文從經(jīng)濟規(guī)模,經(jīng)濟結(jié)構(gòu),經(jīng)濟效益,開放程度,商業(yè)化程度,城市建設(shè),基礎(chǔ)設(shè)施7個方面中,選取12個指標,以反映江蘇13個地級城市經(jīng)濟發(fā)展綜合實力。建立的經(jīng)濟指標體系見表1,數(shù)據(jù)全部來自于2018年《江蘇統(tǒng)計年鑒》。
表1 經(jīng)濟社會發(fā)展指標體系
因子模型的建立采用了降維以及簡化數(shù)據(jù)的技術(shù)—因子分析法。一般通過因子分析去探索變量存在的依賴關(guān)系,對于一些數(shù)據(jù)結(jié)構(gòu),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(shù),其二是將原始變量進行分類,即相關(guān)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(xiàn)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(tǒng)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。
KMO檢驗統(tǒng)計量用來比較變量間偏相關(guān)系數(shù)、簡單相關(guān)系數(shù)和的指標[4],主要應(yīng)用于多元統(tǒng)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(shù)據(jù)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(jié)果見表2。KMO=0.714>0.5,可以看出此類數(shù)據(jù)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(guān)性。
表2 KMO 與 Bartlett 鑒定
2018年樣本的數(shù)據(jù),見表3。利用SPSS64的數(shù)據(jù)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
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(zhuǎn)。因子旋轉(zhuǎn)有利于給提取出來的公因子取一個特征性的名稱,旋轉(zhuǎn)的實質(zhì)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(lián)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(zhuǎn)后的因子載荷量,見表4。
表4 旋轉(zhuǎn)后的因子載荷量
由表4旋轉(zhuǎn)后的因子載荷矩陣可以看出,X1,X2財政一般預(yù)算收入,X7外貿(mào)進出口總額,X8公路客運量,X12郵電業(yè)務(wù)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(jīng)濟發(fā)展實力,因此將F1命名為經(jīng)濟發(fā)展因子,而X3,X5,X6在F1上載荷較小,尤其是X3即農(nóng)林牧漁業(yè)為負值,說明經(jīng)濟總量與第一產(chǎn)業(yè)成反向的關(guān)系,第一產(chǎn)業(yè)的壯大不能帶動經(jīng)濟的發(fā)展。經(jīng)濟的發(fā)展也沒有給居民帶來最終效益。
X4, X9, X10, X11分別表示第三產(chǎn)業(yè)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(chǎn)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(zhì)量,其中X3的系數(shù)也為負數(shù),說明第一產(chǎn)業(yè)對人民生活的提高起到了負面影響,從事第一產(chǎn)業(yè)的居民的生活質(zhì)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(jīng)濟總量、F2城市開放程度、F3居民的生活質(zhì)量,見表5。
表5 公共因子命名
為了分析各地區(qū)經(jīng)濟發(fā)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(jīng)濟實力較其余地區(qū)有絕對的優(yōu)勢。證明了江蘇省的各個區(qū)域經(jīng)濟差異很大,發(fā)展不平衡,結(jié)構(gòu)不合理。蘇南地區(qū)的經(jīng)濟實力和居民的生活質(zhì)量水平明顯高于蘇中,蘇中地區(qū)普遍高于蘇北各個城市。
中國自深化改革以來,江蘇金融業(yè)得到了迅速發(fā)展,但是各地區(qū)的經(jīng)濟發(fā)展水平有顯著差異,本文使用2018年江蘇統(tǒng)計年鑒數(shù)據(jù),運用因子分析法以12個經(jīng)濟評價指標為基礎(chǔ),得出各省份經(jīng)濟發(fā)展的差異和不平衡性問題。即蘇南的經(jīng)濟發(fā)展水平遠比蘇中經(jīng)濟發(fā)展水平要高,但是蘇中地區(qū)經(jīng)濟發(fā)展水平又比蘇北地區(qū)好。
為了江蘇省經(jīng)濟穩(wěn)步健康發(fā)展,本文將提出以下3點建議:
(1)促進蘇中地區(qū)發(fā)展,形成增長極,即關(guān)鍵要發(fā)展扶持蘇中地區(qū)經(jīng)濟的崛起,讓蘇中形成一個增長極,輻射蘇北五市,用這一戰(zhàn)略能實現(xiàn)江蘇區(qū)域的協(xié)調(diào)發(fā)展。
(2)精準定位,挖掘各個城市的優(yōu)勢,對于地區(qū)發(fā)展,一定要因地制宜,大力挖掘地方特色,彰顯獨有的優(yōu)勢以帶動經(jīng)濟的增長。
(3)推動科技創(chuàng)新水平,加快地區(qū)產(chǎn)業(yè)化進程。對于江蘇省來說,科技創(chuàng)新水平的提高無疑是經(jīng)濟發(fā)展的重要環(huán)節(jié),不管是對蘇北、蘇南還是蘇中,自我創(chuàng)新意識加強企業(yè)的凝聚力以及市場的競爭力,對江蘇的經(jīng)濟發(fā)展起到了強有力的保障作用。