基于STATA的浙江城市經(jīng)濟發(fā)展實力研究

楊樂樂 徐超毅

（安徽理工大學經(jīng)濟與管理學院，安徽 淮南 232001）

在全球經(jīng)濟飛速發(fā)展的同時，中國經(jīng)濟已經(jīng)成為國際經(jīng)濟中不可或缺的一部分。城市經(jīng)濟作為中國的核心經(jīng)濟，均衡的發(fā)展能促進中國經(jīng)濟的協(xié)同發(fā)展。作為中國的經(jīng)濟強省，每年各大省市排行榜一出，浙江都是頭部梯隊的?？?，屬于城市經(jīng)濟發(fā)展較為均衡的省份，研究浙江城市經(jīng)濟發(fā)展對國家經(jīng)濟發(fā)展有著重要意義。通過國內外研究發(fā)現(xiàn)，城市經(jīng)濟可以用很多種方法來研究：陳金強[1]以投影法對浙江省城市經(jīng)濟實力做了深入的研究，認為建立基于投影法的區(qū)間數(shù)綜合評價模型相對于已有的綜合評價方法，具有更簡潔，更科學，更直觀等優(yōu)點；Shaleen Singhal[12]等采用德爾福技術，運用多標準層次分析方法，構建了城市競爭力層次分析模型，該模型用于評估英國四個城市的競爭力表現(xiàn)，認為城市經(jīng)濟與城市競爭力息息相關；Emmanuel Petit[23]通過比較中國和法國的人口差異以及在城市經(jīng)濟開放給私人經(jīng)營者的行業(yè)，得出了法國的經(jīng)濟發(fā)展和制度是一個有著定性目標的風險規(guī)避工，而中國的制度優(yōu)先考慮的是經(jīng)濟增長的定量目標的結果；何葉榮[3]等運用多元統(tǒng)計綜合評價方法對皖江城市群綜合經(jīng)濟發(fā)展能力進行比較研究，得出了皖江城市群各個城市的經(jīng)濟發(fā)展優(yōu)勢。還有魯萌[4]，應輝[5]，顧文超[6]和趙春勝[7]等人以相關性分析法、因子分析法、線性回歸法為研究方法撰寫的關于經(jīng)濟發(fā)展的論文，這些論文都在城市經(jīng)濟方面有了一定的研究成果。因此為了更好地分析浙江的經(jīng)濟協(xié)同發(fā)展現(xiàn)狀，文章就在這些學者研究的基礎上利用相關的經(jīng)濟指標來分析浙江省11個城市的經(jīng)濟發(fā)展水平。

一、研究設計

（一）樣本選擇與數(shù)據(jù)來源

本文選取2019 年浙江省11 個城市作為研究樣本，統(tǒng)計研究所需的所有變量，并剔除相應的缺失值。其研究變量和數(shù)據(jù)均來源于浙江省統(tǒng)計局官網(wǎng)的《2020年浙江省統(tǒng)計年鑒》。

（二）主要變量的選取與分析方法

為了對浙江城市經(jīng)濟有更好的研究，本文通過閱讀并借鑒國內外的相關文獻，將浙江省11個城市作為觀測樣本點，從合理、全面以及科學的遴選標準出發(fā)，摘取了9 個經(jīng)濟指標作為研究變量，這9 個變量分別被定義為N1－N9。本文使用Stata16.0，通過相關性分析法、多重線性回歸分析法、因子分析法等來分析浙江各市的發(fā)展實力。具體變量，樣本點和收集到的數(shù)據(jù)如下所示：

二、分析過程

（一）描述性統(tǒng)計分析

將收集好的數(shù)據(jù)和變量導入到Stata中，根據(jù)下列步驟操作：首先，將收集的數(shù)據(jù)制成Excel 表格導入到Stata 軟件后，在命令框中輸入命令：sum N2 N3 N4 V5 N6 N7 N8 N9，就能得到數(shù)據(jù)的描述性統(tǒng)計結果。從中可以看出浙江各市的每個關鍵指標的均值、標準差、最大值以及最小值，能清晰發(fā)現(xiàn)浙江各市之間的經(jīng)濟實力相差比較大，特別體現(xiàn)在地區(qū)生產(chǎn)總值和社會消費品零售總額水平上，省內地區(qū)生產(chǎn)總值最低的麗水市只有最高的杭州市的十分之一，在全部財政收入上麗水市只有杭州市的十六分之一。

表2 描述性分析結果

接著，我們進一步研究一下浙江省11個樣本城市的地區(qū)生產(chǎn)總值（N2）情況，在命令框中輸入：sum N2，detail，通過Stata運算得到下列的結果：

表3 地區(qū)生產(chǎn)總值分析

由上述結果可知，在百分位數(shù)上，N2 的第一個四分位數(shù)是1573.52，接下來兩個百分位數(shù)分別是5134.05、 6606.11； 四 個 最 小 值 分 別 為 1371.6、1476.61、1573.52、3122.43；四個最大值分別為5780.74、 6606.11、 11985.12、 15373.05； 均 值 為5668.496，標準差為4425.605，方差為1.96e+07，偏度為1.121782，為正偏態(tài)；峰度為3.279493，有厚尾現(xiàn)象。由上表結果可以分析出，除了地區(qū)生產(chǎn)總值外的其它變量的各數(shù)據(jù)的平均值的偏差都沒有高于兩倍標準差，且各個數(shù)據(jù)之間的量綱差距也在可承擔的范圍之內。

（二）數(shù)據(jù)相關性分析

在Stata16.0 軟件中輸入命令，依據(jù)得出的結果分析8個變量間在可靠度為99%時其顯著性是否明顯。

由表4 可以看出，各個城市地區(qū)生產(chǎn)總值與全部財政收入的相關性最高，為0.9816；其次是第三產(chǎn)業(yè)值與地區(qū)生產(chǎn)總值的相關性僅次于全部財政收入；再然后是社會消費品零售總額，相關性是0.9691；規(guī)模以上工業(yè)生產(chǎn)總產(chǎn)值與其之間的相關性相對小了一點，只有0.9098，不過也都在0.9000 以上；而農(nóng)、林、牧、漁業(yè)總產(chǎn)值與地區(qū)生產(chǎn)總值的相關性就明顯下降了，只有0.7740；城鎮(zhèn)以及農(nóng)村居民人均可支配收入與其之間的相關性則相對較弱，在0.5000 上下。因此N3‐N6 這5 個變量在置信水平為99%時，與地區(qū)生產(chǎn)總值之間的相關性比較明顯，而其余的變量在置信水平為99%時的相關性不是特別明顯。

表4 相關性分析結果

（三）回歸性分析

1.建立線性模型

考慮到N7、N8、N9 三個變量與地區(qū)生產(chǎn)總值(N2)之間相關性較小，本文將“地區(qū)生產(chǎn)總值（N2）”當作回歸分析的因變量，將其余變量作為自變量進行多重線性回歸。

線性模型：

N2=a*N3+b*N4+c*N5+d*N6+u （a、 b、 c、 d 是未知的回歸系數(shù)，u是隨機誤差項）

表5 多重線性回歸分析結果(1)

表7 多重線性回歸分析結果(3)

2.模型修正

該模型 N6 變量的 P 值=0.5228＞0.1000，模型經(jīng)過一次剔除變量（N6）后得到最后的回歸模型。

從上述結果中可以看出模型的F 值(3，7)=890.71，P 值(Prob＞F)=0.0000，說明該模型整體十分顯著。模型修正可決系數(shù)(Adj R—sqnared)=0.9963，模型可決系數(shù)(R—squared)=0.9959，說明模型詮釋變量的能力很不錯。

在表 6 中變量 N3 的95% 的置信區(qū)間為[0.1828577，0.3135338]，Std.Err 值=0.0276315，t 值=8.98，P值=0.005，系數(shù)的概率水平十分明顯，綜上可知N4 和N5 也是如此。常數(shù)項的Std.Err 值=181.0217，t值=0.23，P值=0.826，系數(shù)是顯著的，95%的置信區(qū)間為[‐386.7713，469.3255]。

表6 多重線性回歸分析結果(2)

因此線性模型：V2=0.2481957*V3+0.7572176*V 4+0.6657249*V5‐41.27712

3.異方差的檢驗

繼續(xù)進行異方差檢驗，在Command 命令框中輸入口令：estat imtest，white，得到懷特檢驗結果。

表8 懷特檢驗結果

由上表可得P 值=0.2789，遠遠超過0.05，這就說明該方程已經(jīng)不存在異方差的現(xiàn)象，故可接納原假定。

（四）主成分因子分析

1.因子分析

在命令框中繼續(xù)輸入命令，得出因子分析結果，如表9所示：

表9 因子分析結果

由上表可得，表中8 個因子中只有N1 和N2 的特征值大于1，將其指定為新的變量，LR test的卡方值=157.68，P 值(Prob＞chi2)=0.0000，模型的概率水平十分明顯。N2 的特征值(Eigenvalue)為6.22078，方差貢獻率(Proportion)為77.76%;N3特征值為1.07121，方差貢獻率為13.39%。N2和N3的Cumulative(貢獻率波動情況的累計)為91.15%，詮釋了初始數(shù)據(jù)的91.15%的信息，由此可看出總體的解釋力度非常大。

2.主成因子表達式

為了進一步將因子結構進行簡化，對于相互獨立因子，采用最大方差正交旋轉法對因子結構進行旋轉，由此得出旋轉結果如下：

表10 因子旋轉結果(1)

表11 因子旋轉結果(2)

表12 因子旋轉結果（3）

表中Factor1、Factor2 這兩列各自表示前兩個主因子對各個變量的詮釋力度。Uniqueness（唯一性）表示除N2、N3以外的其他主因子的詮釋部分。

Factor1 解釋的是 N2‐N7 的信息,Factor2 解釋的是N8、N9 的信息。將因子運算出來的得分根據(jù)權重進行求和，求出每個因子的線性模型，將因子的Propor‐tion 值作為權重根據(jù)比重對因子進行求和，以此得到所有樣本的因子評價得分。

表13 因子得分系數(shù)矩陣

由上述矩陣，寫出各因子的表達式如下：

3.KMO檢驗

在Stata指令框中輸入命令estat kmo，由此得出檢驗結果如下：

表14 KMO檢驗結果

KMO檢驗的取值范圍是0～1，主要作用是為了判斷數(shù)據(jù)是否能夠進行因子分析。其中，0.9～1 表示極好、0.8～0.9 表示可獎勵、0.7～0.8 表示還好、0.6～0.7 表示中等、0.5～0.6 表示糟糕、0～0.5 表示不可接受。檢驗得出總體(Overall)KMO=0.7007，在0.7～0.8之間，所處狀態(tài)為還好，所以可以進行因子分析。

（五）各城市綜合得分

根據(jù)上述分析所提取的主因子進行運算，對浙江省各市經(jīng)濟發(fā)展能力做出整體評分。在命令框中輸入指令 generate F=0.6162*F1+0.2953*F2，即 F1、F2 分別與對應的主因子的方差貢獻率相乘之后進行相加，運算得到的值就是浙江省各市經(jīng)濟發(fā)展能力的綜合得分，并對其進行排名。

（六）結果分析

通過相關性分析可以看出，浙江省各個市地區(qū)生產(chǎn)總值與全部財政收入的相關性最高；其次是第三產(chǎn)業(yè)值和社會消費品零售總額；規(guī)模以上工業(yè)生產(chǎn)總產(chǎn)值與地區(qū)生產(chǎn)總值的相關性相較于前三位明顯低了很多，只在0.9000 上徘徊，由分析可得出N3‐N6 在0.01概率水平上明顯。農(nóng)、林、牧、漁業(yè)總產(chǎn)值雖然比城鎮(zhèn)居民人均可支配收入以及農(nóng)村居民人均可支配收入的相關性高，但都處于0.9000 以下，所以這三個變量的概率水平不太明顯。

通過回歸分析，說明了地區(qū)生產(chǎn)總值與第三產(chǎn)業(yè)值、規(guī)模以上工業(yè)生產(chǎn)總產(chǎn)值、全部財政收入、社會消費品零售總額等經(jīng)濟指標對浙江各城市經(jīng)濟發(fā)展起到了積極的促進作用。

通過主成分因子分析，能分析出杭州市在各個市的綜合能力排名中實力最強，第一因子得分為2.264013，實力領先其他城市，但是第二因子得分只有0.141521，位居第六，說明居民可自由支配的收支還不夠好。但杭州是省會城市又是長江三角洲重要中心城市，在區(qū)位及資源方面都有很大優(yōu)勢，所以經(jīng)濟上的綜合實力還是讓杭州穩(wěn)居榜首；而寧波屬于沿海地區(qū)，有舟山群島為天然屏障，屬于真正的江南水鄉(xiāng)兼海港城市，綜合排名僅次于杭州，屬于省內的第一梯隊。溫州市的綜合得分雖然只比杭州和寧波低，但從各項經(jīng)濟指標和綜合得分來看，其與杭州、寧波的發(fā)展水平相差還是比較大的，而且第二因子的得分為負值，這是因為溫州的農(nóng)林牧漁業(yè)經(jīng)濟實力過低，居民可自由支配的收支情況不容樂觀。紹興的F2 得分位列第三，反映了居民可自由支配的收入還算可以，但是在第一因子上得分很低，可能是因為其行政區(qū)規(guī)劃偏小，只有3 個區(qū)、1 個縣，人口規(guī)模較小。臺州總體經(jīng)濟實力排名排在中間，在第一因子的排名為第四，較為靠前，這是因為臺州制鞋業(yè)比較發(fā)達，有很多淘寶村，帶動了臺州市經(jīng)濟的提升。嘉興市的第二因子得分排名第二，和紹興一樣其居民可支配收入位居前列，但第一因子的排名卻在第八位，說明其他六項指標都很低，所以嘉興和紹興需要大力發(fā)展旅游業(yè)，提升自己的經(jīng)濟實力。金華市的綜合排名為第七名，得分均為負值，但第一因子排名第五，第二因子排名第九，說明其人均可支配收入情況很差，但義烏作為浙江省的第四個大都市區(qū)，給金華帶來了不少經(jīng)濟收入，所以其他幾項指標的情況相對較好。湖州市和舟山市作為排名第八、第九的城市有相同的情況，即第一因子得分為負，第二因子得分為正，說明這兩個城市的人均可支配收入情況比較好。但值得一提的是：舟山市的F1 評分雖然居于倒數(shù)第一，但F2 排名最高，經(jīng)過分析，其原因是以下所促成的：舟山市歷史悠久，共擁有1000 余處自然景點，分別包括普陀山、岱山、桃花島等景點。但由于舟山市人少、地小等因素，其第一個主因子得分較低，使之總體得分情況位于浙江省的倒數(shù)。最后是排名末尾的衢州市和麗水市，它們相對綜合經(jīng)濟實力較差，綜合經(jīng)濟實力排名位于最后兩名，所有得分均為負值。

三、研究結論

本文借助STATA16.0 軟件，使用多元統(tǒng)計分析方法，對浙江省11個城市的經(jīng)濟發(fā)展實力進行分析，通過分析得出各個城市綜合得分和排名（表15），由表可將浙江省11個城市分為四類：

表1 2020年浙江省各項指標

表15 城市綜合得分

第一類是指杭州市和寧波市。這兩個城市的綜合得分均在1.0000 以上，屬于經(jīng)濟發(fā)展較為均衡、全面的城市。這類城市人口比重較大，人均GDP 較高，農(nóng)、林、牧、漁業(yè)總產(chǎn)值較低，城市建設完善，對外經(jīng)濟發(fā)達，城市經(jīng)濟實力位居前列，屬于浙江省經(jīng)濟實力第一梯隊。

第二類包括溫州市、紹興市和臺州市三個城市。這三個城市的綜合得分在0.0000—1.0000 之間，且綜合得分相差不大，屬于省內經(jīng)濟發(fā)展實力較好的城市。通過表15可以發(fā)現(xiàn)，溫州的農(nóng)林牧漁業(yè)經(jīng)濟實力過低，居民可自由支配的收支情況不容樂觀；而紹興與之相反，居民可自由支配的收入還算可以，但地區(qū)生產(chǎn)總值、財政收入等方面數(shù)值過低；臺州市屬于高端制造競爭力不強，但民營經(jīng)濟發(fā)展較好。這三個城市綜合經(jīng)濟發(fā)展實力在浙江省屬于第二梯隊。

第三類是指嘉興市、金華市、湖州市以及舟山市。這四個城市雖然綜合得分都為負，但負值較小，經(jīng)濟實力與溫州市、紹興市以及臺州市也相差不大。且因為義烏小商品市場的發(fā)展，金華與杭州、寧波、溫州一起被稱為四大都市區(qū)，而舟山是浙江的自貿區(qū)，經(jīng)濟發(fā)展?jié)摿Ρ容^大，因此這類城市在浙江省屬于第三梯隊。

第四類包括衢州市和麗水市。由表15可看出，這2 個城市的綜合得分都為負，且負值較大，綜合經(jīng)濟實力與其他城市差距過大，屬于省內經(jīng)濟發(fā)展較差的城市。這類城市農(nóng)業(yè)人口比重較大，城市建設稍微落后，基礎設施不完善，各種經(jīng)濟政策不健全，經(jīng)濟水平屬于浙江省第四梯隊。

根據(jù)上述研究所得出的結果，對浙江省各市的經(jīng)濟發(fā)展提出一些建議：

第一，加強都市區(qū)戰(zhàn)略合作，協(xié)同發(fā)展經(jīng)濟。作為浙江經(jīng)濟發(fā)展的領頭羊，杭州和寧波應該突出自身競爭優(yōu)勢，圍繞核心競爭力，發(fā)揮兩地數(shù)字經(jīng)濟，創(chuàng)新活力以及港口開放等優(yōu)勢，提升各自的科技創(chuàng)新策源力，高端制造競爭力等，進行合作聯(lián)動，齊頭并進，利用自身的經(jīng)濟優(yōu)勢來帶動周圍城市的發(fā)展，促進浙江經(jīng)濟協(xié)同發(fā)展。

第二，加強進出口貿易，開展招商引資。溫州和臺州都屬于民營企業(yè)發(fā)展比較好的城市，但在外貿經(jīng)濟上發(fā)展得并不好，應該加快培育出口競爭新優(yōu)勢，優(yōu)化出口產(chǎn)業(yè)結構，堅持出口貿易與進口貿易并舉，實施“走出去”戰(zhàn)略；同時加強自主品牌建設，深入開拓新興市場，加強區(qū)域合作以及開展重要的國際招商引資。

第三，完善城市建設，發(fā)展旅游業(yè)經(jīng)濟。嘉興的城市軌道交通建設還不完善，上海、杭州、蘇州等周邊城市的軌道交通到嘉興成了斷點，嘉興應該盡快完善城市功能建設，通過軌道交通帶來人流、物流、資金流；同時加強對科技人才的重視，促進嘉興數(shù)字經(jīng)濟發(fā)展。舟山是旅游城市，但交通建設很落后，導致經(jīng)濟發(fā)展上不去，因此舟山應該完善島與島之間的交通建設，例如火車、地鐵等等；同時完善旅游景點的設施設備，在每個景點都裝上游玩設施，吸引游客過來游玩，促進舟山的旅游業(yè)經(jīng)濟增長。

第四，重視高層次人才的培養(yǎng)，加大人才引進力度。根據(jù)所有經(jīng)濟強市的共同經(jīng)驗發(fā)現(xiàn)，高層次人力資本是發(fā)展城市經(jīng)濟的關鍵。杭州和寧波人才引進政策比較完善，同時交通便利，生活休閑場所較多，因此吸引大批高層次人才常駐。而紹興靠近杭州都市區(qū)有利有弊，雖然能夠借助都市區(qū)的優(yōu)勢發(fā)展自身經(jīng)濟，但同時人才流失也較為嚴重，很多人才都流向了杭州。紹興應該突出自身生態(tài)優(yōu)勢，相比杭州等大城市，紹興生態(tài)環(huán)境更好，應該借此打造更適合居住的環(huán)境，吸引高層次人才過來工作居住。同時加大人才引進的力度，提高現(xiàn)有人才的生活保障待遇：在社會保險、子女就學、配偶安置等方面妥善安排，解決他們的后顧之憂。這樣既吸引人才又留住人才，減少周邊大城市的虹吸效應。