基于因子分析的江苏区域经济差异发展研究

蒋梦婕

(上海工程技术大学 管理学院， 上海 201620)

0 引 言

自改革开放以来，江苏省的经济得以飞速发展并且取得了傲人的成绩，同时也令人堪忧，因为江苏省在区域经济发展上出现了较大的差距，经济格局逐步转变为“三足鼎立”的模式，即苏南、苏中、苏北。其中苏州、无锡、常州、南京、镇江立于苏南，泰州、南通、扬州位于苏中，宿迁、连云港、淮安、盐城、徐州是居于苏北。在江苏的整个经济贡献率中苏南高达58.4%，超过全省 GDP 总量的二分之一，苏中的经济贡献率占江苏GDP的20.4%，连苏南三市的二分之一还不到，苏北五个市GDP总值为23.6%，是苏南3个市的二分之一。由此可见江苏三个区域经济差异大，严重阻碍了江苏整体经济的健康高质量的发展 ，反映出江苏区域发展不协调问题依然很严峻。调整江苏的经济发展战略，使其健康平稳的增长成为重中之重。本文针对江苏地区的区域经济发展情况，运用因子分析，提取“经济总量因子”、“开放程度因子”、“人民生活质量因子”3个主因子，给出13市的综合经济社会发展的实力排序，根据实际情况提出相应的完善措施以调整江苏省经济发展策略，使其更健康的发展。

1 指标的设计和数据的获取

为了衡量城市的综合经济发展实力，运用评价指标体系，调研具有一定的系统性，典型性，动态性。因此本文从经济规模，经济结构，经济效益，开放程度，商业化程度，城市建设，基础设施7个方面中，选取12个指标，以反映江苏13个地级城市经济发展综合实力。建立的经济指标体系见表1，数据全部来自于2018年《江苏统计年鉴》。

表1 经济社会发展指标体系

2 实证分析

2.1 因子模型的建立

因子模型的建立采用了降维以及简化数据的技术—因子分析法。一般通过因子分析去探索变量存在的依赖关系，对于一些数据结构，本文用一部分抽象变量因子来表示。因子分析具有两大基本目的：其一是减少变量的个数，其二是将原始变量进行分类，即相关性高的变量分为一组，并且用共性因子代替该组变量[1]。模型表达式为式(1)：

(1)

其中，F是公共因子，ε被称为特殊因子,aij是因子载荷，aij的绝对值的大小(|aij|Fj)，表明xi与Fj的相互依赖程度。 其矩阵形式为式(2)：

X=AF+ε.

(2)

其中，A叫做因子的载荷矩阵，

在因子载荷中，变量共同度和公共因子的方差贡献两个统计量十分重要，变量共同为因子载荷矩阵A中第i行元素平方和记为hi2，它是全部公共因子对Xi的方差所做的贡献，反映了全部公共因子对变量Xi的影响。hi2越大，表明X的第i个分量对于F的每一分量F1,F2,……的共同依赖程度大[2]。

矩阵A的第j列的各元素的平方和记为gj2，也称作是公共因子的方差贡献，所表示的意义是第j个公共因子Fj对于X的每一分量Xi所提供的方差的总和，是衡量公共因子的相对重要性的指标[3]。gj2的大小决定着F对X的贡献程度，gj2越大,表明公共因子对X的影响和作用程度就越大。

2.2 数据 KMO 检验和 Bartlett 检验

KMO检验统计量用来比较变量间偏相关系数、简单相关系数和的指标[4]，主要应用于多元统计的因子分析，取值在0-1之间。一般来说，KMO度量标准为0.9以上，说明数据非常适合做因子分析，0.8-0.9表示很适合，0.7-0.8之间表示合适，0.6-0.7表示勉强合适，0.5以下的表示不合适。本文采用 KMOKMO和Bartlett的检验使用文，结果见表2。KMO=0.714>0.5，可以看出此类数据用因子分析非常适合，且Bartlett的检验中的P值sig<0.05，说明因子分析有效且各变量间具有一定的相关性。

表2 KMO 与 Bartlett 鉴定

2.3 因子载荷矩阵与公共因子的提取

2018年样本的数据，见表3。利用SPSS64的数据分析软件，采用因子分析法得到的前3个公因子的特征值都是大于1，故提取前3个公因子，它们的累计方差贡献率达到了94.3%，说明通过该方法提取的前3个因子可以解释原始变量的94.3%的信息，其他因子可以忽略不计。

表3 解释的总方差

2.4 因子旋转

为了合理的解释各公因子的含义，本文将初始因子载荷矩阵进行方差最大化旋转。因子旋转有利于给提取出来的公因子取一个特征性的名称，旋转的实质为让同一列上的载荷尽可能的向1或者0两极靠近[5]。目的是为了每一个变量仅在一个公共因子上有较大的载荷，而在其他公共因子上载荷较小。这就凸显出每个公因子和其载荷较大的变量的联系，该公因子的含义也就能通过这些载荷较大的变量做出合理的说明。旋转后的因子载荷量,见表4。

表4 旋转后的因子载荷量

由表4旋转后的因子载荷矩阵可以看出，X1,X2财政一般预算收入,X7外贸进出口总额,X8公路客运量,X12邮电业务总量这四个指标在F1上附有较大的载荷，而这四个指标都反映了城市的经济发展实力，因此将F1命名为经济发展因子，而X3,X5,X6在F1上载荷较小，尤其是X3即农林牧渔业为负值，说明经济总量与第一产业成反向的关系，第一产业的壮大不能带动经济的发展。经济的发展也没有给居民带来最终效益。

X4, X9, X10, X11分别表示第三产业占GDP的比重、公路货运量、社会消费品零售总额、全社会固定资产投资额，这四个指标都反映了城市的开放程度，同时都在第二公因子上有较大的载荷，因此F2反映了城市的开放性。X3, X4, X6在第三公因子上有较大的载荷，因此F3反映了人民的生活质量，其中X3的系数也为负数，说明第一产业对人民生活的提高起到了负面影响，从事第一产业的居民的生活质量比较低。

综上所述，通过因子分析把12个指标变量降维成3个公因子，即F1经济总量、F2城市开放程度、F3居民的生活质量，见表5。

表5 公共因子命名

2.5 综合得分

为了分析各地区经济发展水平状况得出排名，本文在因子分析的过程中，利用SPSS软件提取的因子载荷量，基于对因子分析法的描述，运用线性回归方法得到了各个城市的因子得分，并计算综合得分排序，见表6。

表6 综合得分

从表6可以看出，苏州市，南京市，无锡市，常州市，南通市综合得分都是正值，其余的8个城市都是负值，说明这5个城市的综合经济实力较其余地区有绝对的优势。证明了江苏省的各个区域经济差异很大，发展不平衡，结构不合理。苏南地区的经济实力和居民的生活质量水平明显高于苏中，苏中地区普遍高于苏北各个城市。

3 结束语

中国自深化改革以来，江苏金融业得到了迅速发展，但是各地区的经济发展水平有显著差异，本文使用2018年江苏统计年鉴数据，运用因子分析法以12个经济评价指标为基础，得出各省份经济发展的差异和不平衡性问题。即苏南的经济发展水平远比苏中经济发展水平要高，但是苏中地区经济发展水平又比苏北地区好。

为了江苏省经济稳步健康发展，本文将提出以下3点建议：

(1)促进苏中地区发展，形成增长极，即关键要发展扶持苏中地区经济的崛起，让苏中形成一个增长极，辐射苏北五市，用这一战略能实现江苏区域的协调发展。

(2)精准定位，挖掘各个城市的优势，对于地区发展，一定要因地制宜，大力挖掘地方特色，彰显独有的优势以带动经济的增长。

(3)推动科技创新水平，加快地区产业化进程。对于江苏省来说，科技创新水平的提高无疑是经济发展的重要环节，不管是对苏北、苏南还是苏中，自我创新意识加强企业的凝聚力以及市场的竞争力，对江苏的经济发展起到了强有力的保障作用。