資源型城市可持續發展水平評價

摘要：資源型城市在我國的經濟增長中起著舉足輕重的作用。隨著經濟的高速增長、資源的加速消耗、城市環境的惡化，資源型城市的可持續發展備受關注。本文通過分析2016年114個資源型城市的可持續發展狀況的截面數據，針對資源型城市的可持續發展現狀，利用主成份分析和因子分析方法，簡化多維數據，把復雜的數據用較少9項綜合指標來表達，達到降維和分類的優越效果。對我國資源型城市的可持續發展的現狀特點進行了統計分析，得到客觀的評價結果。

關鍵詞：主成分分析;因子分析;城市可持續發展;因子旋轉

一、引言

資源型城市憑借其豐富的自然資源為我國的經濟發展做出了突出貢獻，2013年12月，中國首次確定了262個資源型城市。并根據其不同的發展階段分為了四種類型，2003年7月我國首次提出科學發展觀。強調人與自然的和諧發展。改革開放以來，我國經濟的粗放式發展模式，毋庸置疑，經濟得到飛速發展，但是在利用自身資源發展經濟的同時，已經給資源型城市的環境帶來了前所未有的壓力。資源消耗、環境污染和經濟發展三者之間的協調發展成為我國經濟可持續發展不得不面對的問題。在國家日益重視可持續發展的大背景下，準確評價資源型城市的可持續發展水平，具有重要的理論與現實意義。在城市可持續發展指標體系的構建方面，不同國家和不同地區的評價標準不盡相同。目前國際上尚未形成對可持續發展指標體系的一致性的系統性認識和理解。美國政府提出的可持續發展指標體系，包括健康與環境、經濟繁榮、平等、保護自然、資源管理、持續發展的社會、公眾參與、人口、國際責任、教育十個目標。國家科技部提出的中國可持續發展指標體系，包括經濟、社會、人口、資源、環境和科教六個方面，共296個指標。中科院可持續發展研究組提出的可持續發展指標體系，包括生存支持、發展支持、環境支持、社會支持、智力支持五個方面，共208個指標。以上對可持續發展的評價，納入的具體指標繁多，使得分析過程較為復雜。如果可以降低指標的維度，可以大大降低分析的難度。本文利用主成分分析和因子分析方法，簡化多維數據，把復雜的數據用較少的9項綜合指標來表示，達到降維和分類的目標，同時對資源型城市的可持續發展的現狀進行統計分析，得到客觀的評價結果。

二、統計方法

（一）主成分分析

主成分分析是設法將原來眾多具有一定相關性指標，重新組合成一組新的互相無關的綜合指標來代替原來的指標。

最經典的做法就是用F1（選取的第一個線性組合，即第一個綜合指標）的方差來表達，即Var（F1）越大，表示F1包含的信息越多。因此在所有的線性組合中選取的F1應該是方差最大的，故稱F1為第一主成分。如果第一主成分不足以代表原來P個指標的信息，再考慮選取F2即選第二個線性組合，為了有效地反映原來信息，F1已有的信息就不需要再出現在F2中，用數學語言表達就是要求Cov（F1， F2）=0，則稱F2為第二主成分，依此類推可以構造出第三、第四，……，第P個主成分。

進行主成分分析主要步驟如下：首先是指標數據標準化（SPSS軟件自動執行）;其次是指標之間的相關性判定;再次確定主成分個數m;然后是主成分Fi表達式;最后是主成分Fi命名。

（二）因子分析

因子分析的方法有兩類。一類是探索性因子分析法，另一類是驗證性因子分析。探索性因子分析不事先假定因子與測度項之間的關系。驗證性因子分析假定因子與測度項的關系是部分知道的，即哪個測度項對應于哪個因子，雖然我們尚且不知道具體的系數。因子分析的方法約有10多種，如重心法、影像分析法，最大似然解、最小平方法、阿爾發抽因法、拉奧典型抽因法等等。這些方法本質上大都屬近似方法，是以相關系數矩陣為基礎的，所不同的是相關系數矩陣對角線上的值，采用不同的共同性估值。在社會學研究中，因子分析常采用以主成分分析為基礎的反覆法。

（三）因子旋轉

因子旋轉是一種變換，就是旋轉因子的坐標軸。在因子分析中，當求得公共因子及其因子載荷陣后，對公因子要給出具有實際意義的合理解釋。如果公共因子難以和實際問題相對應，可對公因子進行旋轉，使得旋轉后的公因子具有實際意義。常用的旋轉方法有兩種：方差極大的正交旋轉;方差極大的斜交旋轉。建立因子分析模型的目的不僅是找出主因子，更重要的是知道每個主因子的意義，以便對實際問題進行分析。如果求出主因子后，各個主因子的典型代表變量不是很突出，還需要進行因子旋轉，通過適當的旋轉得到比較滿意的主因子。

三、數據來源與處理

（一）數據來源

本文使用的數據包括2016年的我國114個資源型城市的相關變量，由于個別地級市相關變量的數據缺失，去除畢節市和撫順市。本文最終選取2016年114個資源型城市構成的截面數據。原始數據來源于EPS數據庫和《中國城市統計年鑒》。對于個別數據的缺失，采用線性插值法或者平均增速法補充。

（二）數據處理

利用主成分分析和因子分析對我國114個資源型城市的可持續發展狀況進行分析，本文選取了12個指標作為反映我國資源型城市的可持續發展狀況的因素，分別是：X1：人均GDP（元）;X2：人均社會固定資產投資（元）;X3：第三產業產值占GDP比重（%）;X4：GDP增長率（%）;X5：平均工資（元）;X6：人力資本水平（地方財政教育支出占財政支出的比例）（%）;X7：人均衛生機構床數（位）;X8：工業SO2去除率（%）;X9：工業固體廢棄物綜合利用率（%）。

1.數據標準化處理

由于各項指標的計量單位不統一，因此在用它們計算綜合指標前，我們先要對它進行標準化處理，解決各項不同質指標值的同質化問題。運用SPASS對數據進行標準化處理。

2. KMO和Bartlett的檢驗

KMO統計量是用于比較變量間簡單相關系數和偏相關系數的指標，表1顯示KMO的值為0.611，表示可以使用因子分析，而Bartlett球形度檢驗的Sig. = 0. 000，小于 0. 05，拒絕原假設表示變量之間存在相關關系，因此可以使用因子分析。具體檢驗結論如表1所示。

3.變量共同度

經過軟件處理的公因子方差如表2所示。表2反映了每個變量共同度的結果，可以看出因子分析的共同度都比較高，表明原來變量中的絕大部分信息基本能夠被因子提取，這樣的效果是顯著有效的。

4.因子貢獻率

從分析的結論看出，只有3個特征值大于1因子可以作為主因子。具體結果見表3。

5.因子載荷

從表4可以看到，主成分1在職工平均工資、人均機構床位數上有高載荷，可以定義主成分1為社會保障因子;主成分2在人均GDP、人均社會固定資產投資、GDP增長率上有較高載荷，可以定義主成分2為經濟發展因子;主成分3在第三產業產值占GDP的比重、人力資本水平、工業SO2去除率、工業固體廢棄物綜合利用率上有較高載荷，可以定義主成分3為環境狀況因子。

利用表4成分矩陣中的數據，分別除以特征值的算術平方根，再乘以對應的原始數據的標準化值，得到F1、F2和F3的值。

F1=0.195×X1-0.007×X2+0.376×X3-0.848×X4+0.787×X5-0.573×X6+0.624×X7-0.134×X8-0.289×X9

F2=0.896×X1+0.909×X2-0.362×X3+0.238×X4-0.218×X5-0.108×X6+0.483×X7+0.379×X8-0.100×X9

F3=0.126×X1+0.110×X2+0.457×X3-0.231×X4+0.244×X5+0.472×X6-0.261×X7+0.681×X8+0.204×X9

再根據 F = 0. 260×F1+ 0.251×F2+0.127×F3，得出 F 綜合得分值，如表5所示。

四、結論與政策建議

資源型城市的環境和可持續發展問題一直備受關注，本文基于主成分分析與因子分析方法對2016年114個資源型城市的可持續發展得分進行測算。利用2016年114個資源型城市的截面數據測算了資源型城市城市可持續發展的水平。研究發現：可持續發展水平靠前的城市：鄂爾多斯市、東營市、包頭市、克拉瑪依市、淄博市、新余市、馬鞍山市、三明市、唐山市、鄂州市，主要集中在我國內蒙古、山東、新疆、江西、安徽、福建、河北、湖北。;可持續發展水平較差的城市：雙鴨山市、普洱市、邵陽市、鶴崗市、亳州市、七臺河市、隴南市、河池市、伊春市、昭通市;主要分布在我國黑龍江、云南、湖南、安徽、廣西、甘肅。

本文根據研究結果提出如下建議：第一，加大資源保護力度。資源型城市作為我國資源能源的儲備基地，在我國的經濟發展中占據著重要的戰略地位。但是近年來隨著我國經濟增長的速度加快，城市尤其是資源型城市的資源遭到過分的開采和加工利用，導致部分資源型城市出現資源損耗嚴重、資源枯竭等問題。我國政府應要堅持資源的適度開發，鼓勵采用高科技的生產方式提升資源的利用效率，鼓勵資源的循環利用，還需要進一步完善和落實嚴格的資源保護和節約制度。第二，政府應該加大環境保護力度，對于工業企業，應該嚴格執行廢棄物排放標準，嚴抓嚴懲環境污染行為，同時鼓勵企業使用環境友好型的生產方式，對于綠色生產的工業企業給予資金上的支持，充分發揮政府資金的積極引導作用。對于城市居民，應該要積極宣傳環境保護理念，呼吁城市的每個個體都能積極主動的參與到環境的監督和維護之中。第三，加大城市產業升級力度。各地方政府應支持并鼓勵資源型城市產業的轉型升級，改變以往過度依靠資源開采和加工而進行經濟生產的增長模式，尋求綠色創新型產業的突破口。

參考文獻：

[1]林海明，劉照德，詹秋泉.因子分析綜合評價應該注意的問題[J/OL].數理統計與管理：1-10[2019-08-30].

[2]肖瑤，付達，朱爽，陳海玉，高潔.中國省級城市綜合經濟實力分析[J].中小企業管理與科技（下旬刊），2017（09）：57-58.

[3]劉彥慧.主成分分析和因子分析方法在省域區域社會發展狀況排序中的應用[J].價值工程，2015，34（36）：20-23.

[4]鄭琳.長三角地區經濟發展水平評價實證分析——基于因子分析和主成分分析視角[J].常州工學院學報，2016，29（04）：64-68.

[5]阮萬清，張鴻艷，馮玉鐵.基于主成分分析和因子分析的城市設施水平的評價[J].科技和產業，2013，13（06）：89-91+115.

[6]王嘯哲，柴良棋，吳杰.我國農業上市公司持續經營能力評價——基于主成分分析、因子分析和聚類分析[J].長江大學學報（社科版），2016，39（11）：50-55.

[7]張永利.主成分分析和因子分析在省域經濟綜合競爭力排序中的應用[J].牡丹江師范學院學報（自然科學版），2012（03）：9-10.

作者簡介：李淼森（1992-）女，山西人，畢業于同濟大學浙江學員，目前就職于電力工程行業協會，研究方向：企業管理。