营商环境综合评价

毕凌燕　廖子慧

[提要] 良好的营商环境有利于经济发展和城市创新。本文从软环境、市场环境、社会服务、商务成本、基础设施、生态环境六个维度构建指标体系，基于时序全局因子分析评价广东省21个地级市的营商环境。结果表明：10年间各城市营商环境有所改善，广深两市明显优于其他城市。经济总量与人才资源支撑因子和企业发展与生活基础设施因子是影响营商环境的主要因素。

关键词：营商环境;时序全局因子分析

中图分类号：F127 文献标识码：A

收录日期：2020年3月10日

营商环境是一个国家和地区经济软实力的重要体现，是推动城市创新创业活力，提高城市社会经济发展水平和国际竞争力的重要途径。本文通过构建营商环境评价体系，以广东省21个地级市为例进行时序全局因子分析，对广东省营商环境进行评价，并为其优化营商环境提供建议。

一、营商环境指标体系构建与检验

基于科学性、综合性和可行性等指标选取原则，参考《2017中国城市营商环境报告》的六大维度构建营商环境评价体系。结合前人研究选取各维度的二级指标如下：（1）软环境：固定资产投资总额、税负水平、执业律师数、刑事案件万人发案数、刑事案件破案率;（2）市场环境：私营企业数增长率、外资企业数、私营企业数、GDP总量、人均GDP、GDP增速（名义）、实际利用外资金额、进出口总额、社会消费品零售额;（3）社会服务：每万人床位数、本外币贷款占GDP比例、城镇职工基本养老保险参保人数、教育经费;（4）商务成本：商品房平均售价、城镇单位在岗职工年平均工资;（5）基础设施：人均道路面积、货运量、港口货物吞吐量、万人拥有公共交通车辆数、每万人拥有出租车、移动电话用户;（6）生态环境：单位土地面积废水排放量、生态环境指数、人均公园绿地面积、城市污水处理率、生活垃圾无害化率。

以广东省21个地级市为例，从统计年鉴、EPS中国城市数据库以及网络资料中收集整理2009～2018年间的指标数据对营商环境进行综合评价，对于缺失数据，采用算数平均值法或预测值法进行填补。

为获取更可靠的评价结果，对构建的指标体系进行信度和效度检验。根据检验结果，删除A21（私营企业数增长率）、A26（GDP增长率）、A51（人均拥有道路面积）、A65（生活垃圾无害化率）等不符合要求的指标。对A15（刑事案件破案率）、A62（生态环境指数）的原始数据取相反数，使其与营商环境整体系统呈正相关。

二、广东省营商环境综合评价与分析

时序全局因子分析将时间的动态变化考虑在内，以因子分析为基础，综合连续的时间截面，形成一个时序全局數据表，各年份的因子具有相同的构成和计算方法，然后再将原始的全局数据表变换计算，即可反映出全部城市的时序动态特性和系统整体随时间的变化轨迹。

对指标数据进行标准化处理后，通过SPSS对营商环境进行因子分析。得到Bartlett球形检验统计量为11828.972，sig为0.000，KMO统计量为0.910，远高于0.7，说明变量非常适合进行因子分析。

按照特征根大于1的标准提取公因子，提取的5个公因子的总方差解释结果为87.372%，表示所提取的5个公因子共解释了原有变量总方差的87.372%，从总体上反映了原始变量的大部分信息，因子分析效果较好。方差最大正交旋转法对因子进行旋转后，5个因子的方差贡献率之间的差距缩小，信息量进行了重新分配，但累积的方差贡献率不变。

通过方差最大正交旋转法可以最大限度保证旋转得到的因子之间不相关，采用此方法得到旋转后的因子载荷矩阵，矩阵中的系数既因子载荷xij，表示第i个变量对第j个因子的重要性，实质是两者之间的相关系数。将指标体系中第i个维度中第j个指标表示为Aij，由因子旋转结果可知，公因子1在A52、A29、A53、A11、A24、A13、A34、A56、A33上有较大载荷，说明公因子1主要从货运量、港口货物吞吐量、社会消费品销售、GDP总量、教育支出、移动电话用户数、养老保险参保人数、执业律师等9个方面反映城市的营商环境发展状况，将公因子1命名为经济总量与人才资源支撑因子。公因子2在A41、A28、A12、A32、A54、A23、A27、A25、A55、A22上有较大载荷，说明公因子2主要从进出口总额、本外币贷款占GDP比例、实际利用外资金额、税负水平、私营企业数、外资企业数、人均GDP、万人拥有公交车数、万人拥有出租车数、商品房平均售价等9个方面反映营商环境的发展状况，将公因子2命名为企业发展与生活基础设施因子。公因子3在A42、A31、A64、A63上有较大的载荷，说明公因子3在职工工资、万人床位数、人均公园绿地面积、城市污水处理率等4个方面反映了城市的营商环境，将公因子3命名为居民健康与绿色生活环境因子。因子4在A62、A61上有较大的载荷，说明其主要反映营商环境的生态环境及废水排放量，将因子4命名为城市生态环境因子。因子5在A15、A14上有较大的载荷，说明其主要反映刑事案件破案率与万人发案数，将因子5命名为社会安全治理因子。

将公因子表达为各变量的线性形式，称为因子得分函数。因子得分的系数可通过回归法估计得到，各因子得分即因子得分与标准化变量的乘积和。综合考虑提取的5个公因子，对营商环境进行评价，各因子的权重由其对应的方差贡献比例决定，由此得到营商环境综合得分方程为：

FACA_total=（28.875/87.372）×FACA_1+（28.655/87.372）×FACA_2+（13.182/87.372）×FACA_3+（8.668/87.372）×FACA_4+（7.993/87.372）×FACA_5 （1）

FACA_total表示由因子分析得到的营商环境综合得分;FACA_1表示经济总量与人才资源支撑因子的因子得分;FACA_2表示企业发展与生活基础设施因子的因子得分;FACA_3表示居民健康与绿色生活环境因子的因子得分;FACA_4表示城市生态环境因子的因子得分;FACA_5表示社会安全治理因子的因子得分。通过公式1可得到广东省各地级市在2009～2018年的营商环境综合得分。整体来看，2009～2018年间，广东省各市的营商环境综合得分随时间递增，说明营商环境每年都在不断发展。10年间综合得分较高的5个城市分别为广州、深圳、佛山、东莞、珠海，说明2009～2018年间这5个城市的营商环境要优于其他城市。

将2018年广东省排名前5的城市的营商环境因子得分与排名单独列出得到表1，结果与第三方评价机构得出的排名相近，说明具有可信度。由因子分析得到的方差百分比可知，公因子FACA_1和FACA_2的方差贡献率较大，在进行综合评价时两个因子占有较大权重。以综合排名前五的城市为例，对5个公因子排名进行分析：（1）对于FACA_1（经济总量与人才资源支撑因子），广州、深圳和佛山依次排在前三，说明这三个城市的经济总量与人才资源支撑的整体情况优于其他城市。（2）对于FACA_2（企业发展与生活基础设施因子），深圳、珠海和东莞依次排在前三位，说明这3个城市的企业发展与生活基础设施的整体发展状况优于其他城市，而广州排在第19名，表明广州在进出口总额、本外币贷款占GDP比例、实际利用外资金额、税负水平、私营企业数、外资企业数、人均GDP、万人拥有公交车数、万人拥有出租车数、商品房平均售价等9个方面有待改善。（3）对于FACA_3（居民健康与绿色生活环境因子），珠海和佛山分别排在第1、第2名，东莞第5名，广州（14）和深圳（21）的排名都很靠后，表明广州和深圳的整体营商环境排名虽然很高，但还可以通过改善在职工工资、万人床位数、人均公园绿地面积、城市污水处理率等4个方面，进一步优化营商环境。（4）对于FACA_4（城市生态环境因子），由于FACA_4代表城市的废水排放量和负向的生态环境指数，表示废水排放量越大、生态环境指数越低，FACA_4的值越大，对营商环境有更大的正向贡献。东莞和佛山分别排在第1、2名，而深圳排在第20名，这与城市的優势产业有较大的关系。东莞的优势产业包括造纸、化工、电子器械、玩具等，佛山的优势产业包括家具、灯饰、机械设备等，大部分产业都会导致废水排放量增加，影响生态环境，因此东莞和佛山的FACA_4值较其他城市高，整体营商环境也较好。深圳的优势产业包括新能源、互联网、科技服务等新兴产业，这些产业对生态环境影响较小，废水排放量相对也较少，从而导致深圳的FACA_4值较小。对比东莞、佛山与深圳，三者整体营商环境都较好，但深圳在保持营商环境良好发展的同时，生态环境也得到较好的保护，属于可持续发展方式。东莞和佛山等营商环境较好但生态环境较差的城市，在保持自身产业优势的同时，也应逐渐优化产业结构，实现经济与生态同步发展。（5）对于FACA_5（社会安全治理因子），由于FACA_5代表负向的刑事案件破案率与万人刑事案件发案数，表明FACA_5值越大，城市的刑事案件破案率越低、万人刑事案件发案数越大。深圳和佛山的排名分别为第21名和第20名，说明这两个城市的社会安全治理情况优于其他城市。而广州排名首位，说明通过刑事案件发案数和刑事案件破案率反映的社会安全治理情况较其他城市差，这可能由刑事案件破案时间、破案人力资源投入、城市流动人口等多种潜在因素导致。（表1）

三、结论

本文基于时序全局因子分析对2009～2018年间广东省21个地级市营商环境进行评价，结果表明：10年间各城市营商环境有所改善，广州、深圳、佛山、东莞、珠海等城市拥有较好的营商环境。经济总量与人才资源支撑因子和企业发展与生活基础设施因子是影响营商环境的重要因素，要优化城市营商环境，需重视人才资源及企业发展。政府应更好地完善医疗、教育、养老服务，保障城市生态环境、社会安全，从而优化营商环境。

主要参考文献：

[1]朱鹤，刘家明.中国东部地区旅游业竞争力研究——基于时序全局主成分分析法[J].地域研究与开发，2015.34（5）.

[2]任若恩，王惠文.多元统计数据分析——理论、方法、实例[M].北京：国防工业出版社，1997.

[3]张文彤，董伟.SPSS统计分析高级教程[M].高等教育出版社，2013.