论文摘要:中部六省工业竞争力总体水平较差,且各省发展不平衡,本文选取中部地区主要工业指标,利用统计软件SPSS17.0进行主成分分析和聚类分析,分析结果显示可将中部六省分为三大类。
论文关键词:工业竞争力,中部地区,主成分分析,聚类分析
引言:
中部地区跨经两湖平原、黄淮平原及鄱阳湖平原,包括山西、安徽、江西、河南、湖北和湖南六省,81个地级市,土地面积102万km2,占全国10.7%;人口3.61亿,占全国28.1%。东接长三角,西连大西南,北傍京津唐,南临珠三角,是资源要素西进、东出、北上和南下的必经通道和枢纽。尽管中部地区资源丰富,地理位置得天独厚,但中部经济发展却相对滞后,为实现我国区域经济均衡发展和全国经济的持续快速增长,2004年国家提出促进中部地区崛起战略,成为国家促进区域协调发展总体战略的重要组成部分。要实现中部崛起,工业发展是核心,据2007年统计数据计算,从产业结构来看,中部地区第一、第二、第三所占比重分别为:14.50%、49.45%、35.95%,第二产业所占比重相对较大,但要落后于东部地区(51.76%),且中部地区各省第二产业所占比重各省水平差异明显:山西占60%、安徽占44.7%、江西占51.7%、河南占55.2%、湖南占43%、湖北42.6%。工业化发展水平的差异直接影响各省经济发展水平,因此,研究中部六省的工业竞争力,客观评价各省工业发展差距及其原因,可为实现中部崛起提供理论依据。
1样本选取
选取山西、安徽、江西、河南、湖北和湖南等中部六省作为研究对象,以2007年部分工业主要统计数据为研究基础,用计量方法对中部地区工业竞争力进行综合分析与评价。
2研究方法
选取各省主要工业指标的统计数据,利用SPSS17.0统计软件对数据进行主成分分析。主成分分析法的原理是利用降维的思想,把原来众多具有一定相关性的n个指标,重新组合成一组新的综合指标(即主成分)来代替原来的指标,新的指标体系可很好的解释原来n个指标,并通过新的指标体系构建评价各省工业竞争力的数学模型,通过这个模型可计算出各省工业竞争力的排名,最后对计算结果进行聚类分析,将各省按不同工业竞争力分为3大类,最后在此基础上对各省工业发展进行分析与评价,并提出建设性意见。
3分析过程
3.1对各工业指标进行主成分分析
第1步:选取各省主要工业指标,分别为记为X-X:企业单位数(X)、工业总产值(X)、工业增加值(X)、资产总计(X)、流动资产合计(X)、流动资产年平均余额(X)、固定资产原价(X)、固定资产净值年平均余额(X)、负债合计X)、所有者权益合计(X)、主营业务收入(X)、利润总额(X)、全部从业人员年平均人数(X),构建原始数据距阵,并对数据进行标准化处理,可得表1。
省份
|
X
|
X
|
X
|
X
|
X
|
X
|
X
|
X
|
X
|
X
|
X
|
X
|
X
|
山西
|
-1.2815
|
-0.4389
|
-0.3209
|
0.4425
|
0.4086
|
0.4325
|
0.4205
|
0.4007
|
0.8498
|
-0.1191
|
-0.4167
|
-0.2437
|
-0.0303
|
安徽
|
-0.1388
|
-0.4094
|
-0.4467
|
-0.4307
|
-0.3360
|
-0.3050
|
-0.5090
|
-0.6122
|
-0.3130
|
-0.5395
|
-0.4138
|
-0.5870
|
-0.4838
|
江西
|
-0.7929
|
-0.7462
|
-0.8211
|
-1.3504
|
-1.2422
|
-1.2583
|
-1.3529
|
-1.2760
|
-1.3796
|
-1.2024
|
-0.7675
|
-0.6723
|
-0.9296
|
河南
|
1.5565
|
1.9947
|
1.9812
|
1.2777
|
1.5122
|
1.5234
|
1.3127
|
1.2252
|
1.1703
|
1.3499
|
1.9908
|
1.9970
|
1.9428
|
湖北
|
0.1391
|
-0.0907
|
-0.0930
|
0.7923
|
0.4736
|
0.4115
|
0.7722
|
0.9376
|
0.4895
|
1.0605
|
-0.0833
|
-0.1166
|
-0.2205
|
湖南
|
0.5175
|
-0.3095
|
-0.2995
|
-0.7314
|
-0.8161
|
-0.8040
|
-0.6436
|
-0.6754
|
-0.8169
|
-0.5495
|
-0.3095
|
-0.3774
|
-0.2785
|
表1:各省份标准化后的工业水平指标(数据来源:《中国2008年统计年鉴》)
第2步:利用标准化后的数据排成的矩阵进行分析,取特征值大于1且累计贡献率达到了85%的成分为主成分,由表2可知有2个因子的特征值大于1,而且前2个主成分的累计贡献率达到了96.693%(﹥85%)。
成份
|
初始特征值
|
提取平方和载入
|
旋转平方和载入
|
合计
|
方差的 %
|
累积 %
|
合计
|
方差的 %
|
累积 %
|
合计
|
方差的 %
|
累积 %
|
1
|
11.015
|
84.732
|
84.732
|
11.015
|
84.732
|
84.732
|
6.945
|
53.419
|
53.419
|
2
|
1.555
|
11.961
|
96.693
|
1.555
|
11.961
|
96.693
|
5.626
|
43.274
|
96.693
|
3
|
.351
|
2.697
|
99.390
|
|
|
|
|
|
|
4
|
.059
|
.452
|
99.843
|
|
|
|
|
|
|
5
|
.020
|
.157
|
100.000
|
|
|
|
|
|
|
6
|
4.840E-16
|
3.723E-15
|
100.000
|
|
|
|
|
|
|
7
|
3.665E-16
|
2.819E-15
|
100.000
|
|
|
|
|
|
|
8
|
2.360E-16
|
1.816E-15
|
100.000
|
|
|
|
|
|
|
9
|
9.042E-17
|
6.956E-16
|
100.000
|
|
|
|
|
|
|
10
|
-8.517E-17
|
-6.551E-16
|
100.000
|
|
|
|
|
|
|
11
|
-1.580E-16
|
-1.215E-15
|
100.000
|
|
|
|
|
|
|
12
|
-3.049E-16
|
-2.345E-15
|
100.000
|
|
|
|
|
|
|
13
|
-5.034E-16
|
-3.873E-15
|
100.000
|
|
|
|
|
|
|
表2:解释的总方差
第3步:再用方差最大化正交旋转法得到旋转后各因子对2个主成分的解释比例,见表3,得出可对主成分起主要解释作用的两大类因子:
因子
|
成分
|
因子
|
成份
|
1
|
2
|
1
|
2
|
X
|
.110
|
.915
|
X
|
.927
|
.341
|
X
|
.460
|
.884
|
X
|
.954
|
.251
|
X
|
.501
|
.861
|
X
|
.818
|
.484
|
X
|
.931
|
.357
|
X
|
.471
|
.878
|
X
|
.880
|
.465
|
X
|
.502
|
.847
|
X
|
.874
|
.470
|
X
|
.555
|
.807
|
X
|
.918
|
.386
|
|
|
|
表3:因子负载距阵
第一类为显在竞争力因子,反应各省工业竞争力的目前状态表现。按照成分1得分,此类因子主要包括:资产总计(X)、流动资产合计(X)、流动资产年平均余额(X)、固定资产原价(X)、固定资产净值年平均余额(X)、负债合计X)、所有者权益合计(X)等。
第二类为潜在竞争力因子,反应各省工业市场份额持续扩张的潜力。按照成分2得分,此类因子主要包括:企业单位数(X)、工业总产值(X)、工业增加值(X)、主营业务收入(X)、利润总额(X)、全部从业人员年平均人数(X)等。
第4步:根据旋转后的因子得分系数距阵(见表4)可得出工业竞争力主要解释因子的得分数学模型,设为Y、Y,分别代表第一、第二主成分,则有:
因子
|
成分
|
因子
|
成份
|
1
|
2
|
1
|
2
|
X
|
-.214
|
.341
|
X
|
.211
|
-.115
|
X
|
-.090
|
.232
|
X
|
.245
|
-.159
|
X
|
-.071
|
.212
|
X
|
.136
|
-.027
|
X
|
.208
|
-.110
|
X
|
-.085
|
.227
|
X
|
.162
|
-.052
|
X
|
-.067
|
.206
|
X
|
.158
|
-.048
|
X
|
-.038
|
.175
|
X
|
.196
|
-.095
|
|
|
|
表4:因子得分系数距阵
Y=-0.214X+(-0.90)X+(-0.071)X+0.208X+0.162X+0.158X+0.196X+0.211X+0.245X+0.136X+(-0.085)X+(-0.067)X+(-0.038)X
Y=-0.341X+0.232X+0.212X+(-0.110)X+(-0.052X+(-0.048)X+(-0.095)X+(-0.115)X+(-0.159)X+0.027X+0.227X+0.206X+0.175X
根据以上模型,把表1相关数据代入计算,可得各省在主成分Y和Y得分及排名,见表5。
省份
|
主成分Y 得分
|
排名
|
主成分Y 得分
|
排名
|
山西
|
0.974962
|
1
|
-1.06556
|
6
|
安徽
|
-0.38005
|
4
|
-0.27395
|
3
|
江西
|
-1.27612
|
6
|
-0.29234
|
4
|
河南
|
0.707429
|
3
|
1.836401
|
1
|
湖北
|
0.928149
|
2
|
-0.49402
|
5
|
湖南
|
-0.95435
|
5
|
0.289451
|
2
|
表5:各省份主成分得分及排名
由排名可知,在显在竞争力(Y)排名较前的省份有山西、湖北、河南,在潜在竞争力(Y)排名较前的省份有河南、湖南、安徽。
第5步:将各主成分的贡献率作为权重,建立各省工业竞争力综合分析数学模型。公式为:F=0.84732Y+0.11961Y,计算出各省综合得分及排名,见表6
省份
|
综合得分
|
排名
|
山西
|
0.698653
|
3
|
安徽
|
-0.35479
|
4
|
江西
|
-1.11625
|
6
|
河南
|
0.819071
|
1
|
湖北
|
0.727349
|
2
|
湖南
|
-0.77402
|
5
|
表6:各省份工业竞争力综合得分
3.2对各省按各工业指标进行聚类分析
利用SPSS17.0软件对各省工业指标进行分层聚类分析,可以得出如下聚类树型图:
CASE0510152025
LabelNum+---------+---------+---------+---------+---------+
安徽òûòø
湖南ò÷ùòòòòòø
江西òòò÷ùòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòø
山西òûòòòòòòò÷ó
湖北ò÷ó
河南òòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòò÷
4结论与建议
由以上主成分分析及分层聚类分析可以将中部各省按其工业竞争力可分为三大类:
第一类为工业实力雄厚,发展潜力大的省份:河南。 1/2 1 2 下一页 尾页 |