基于STATA的浙江城市经济发展实力研究

杨乐乐 徐超毅

（安徽理工大学经济与管理学院，安徽 淮南 232001）

在全球经济飞速发展的同时，中国经济已经成为国际经济中不可或缺的一部分。城市经济作为中国的核心经济，均衡的发展能促进中国经济的协同发展。作为中国的经济强省，每年各大省市排行榜一出，浙江都是头部梯队的常客，属于城市经济发展较为均衡的省份，研究浙江城市经济发展对国家经济发展有着重要意义。通过国内外研究发现，城市经济可以用很多种方法来研究：陈金强[1]以投影法对浙江省城市经济实力做了深入的研究，认为建立基于投影法的区间数综合评价模型相对于已有的综合评价方法，具有更简洁，更科学，更直观等优点；Shaleen Singhal[12]等采用德尔福技术，运用多标准层次分析方法，构建了城市竞争力层次分析模型，该模型用于评估英国四个城市的竞争力表现，认为城市经济与城市竞争力息息相关；Emmanuel Petit[23]通过比较中国和法国的人口差异以及在城市经济开放给私人经营者的行业，得出了法国的经济发展和制度是一个有着定性目标的风险规避工，而中国的制度优先考虑的是经济增长的定量目标的结果；何叶荣[3]等运用多元统计综合评价方法对皖江城市群综合经济发展能力进行比较研究，得出了皖江城市群各个城市的经济发展优势。还有鲁萌[4]，应辉[5]，顾文超[6]和赵春胜[7]等人以相关性分析法、因子分析法、线性回归法为研究方法撰写的关于经济发展的论文，这些论文都在城市经济方面有了一定的研究成果。因此为了更好地分析浙江的经济协同发展现状，文章就在这些学者研究的基础上利用相关的经济指标来分析浙江省11个城市的经济发展水平。

一、研究设计

（一）样本选择与数据来源

本文选取2019 年浙江省11 个城市作为研究样本，统计研究所需的所有变量，并剔除相应的缺失值。其研究变量和数据均来源于浙江省统计局官网的《2020年浙江省统计年鉴》。

（二）主要变量的选取与分析方法

为了对浙江城市经济有更好的研究，本文通过阅读并借鉴国内外的相关文献，将浙江省11个城市作为观测样本点，从合理、全面以及科学的遴选标准出发，摘取了9 个经济指标作为研究变量，这9 个变量分别被定义为N1－N9。本文使用Stata16.0，通过相关性分析法、多重线性回归分析法、因子分析法等来分析浙江各市的发展实力。具体变量，样本点和收集到的数据如下所示：

二、分析过程

（一）描述性统计分析

将收集好的数据和变量导入到Stata中，根据下列步骤操作：首先，将收集的数据制成Excel 表格导入到Stata 软件后，在命令框中输入命令：sum N2 N3 N4 V5 N6 N7 N8 N9，就能得到数据的描述性统计结果。从中可以看出浙江各市的每个关键指标的均值、标准差、最大值以及最小值，能清晰发现浙江各市之间的经济实力相差比较大，特别体现在地区生产总值和社会消费品零售总额水平上，省内地区生产总值最低的丽水市只有最高的杭州市的十分之一，在全部财政收入上丽水市只有杭州市的十六分之一。

表2 描述性分析结果

接着，我们进一步研究一下浙江省11个样本城市的地区生产总值（N2）情况，在命令框中输入：sum N2，detail，通过Stata运算得到下列的结果：

表3 地区生产总值分析

由上述结果可知，在百分位数上，N2 的第一个四分位数是1573.52，接下来两个百分位数分别是5134.05、 6606.11； 四 个 最 小 值 分 别 为 1371.6、1476.61、1573.52、3122.43；四个最大值分别为5780.74、 6606.11、 11985.12、 15373.05； 均 值 为5668.496，标准差为4425.605，方差为1.96e+07，偏度为1.121782，为正偏态；峰度为3.279493，有厚尾现象。由上表结果可以分析出，除了地区生产总值外的其它变量的各数据的平均值的偏差都没有高于两倍标准差，且各个数据之间的量纲差距也在可承担的范围之内。

（二）数据相关性分析

在Stata16.0 软件中输入命令，依据得出的结果分析8个变量间在可靠度为99%时其显著性是否明显。

由表4 可以看出，各个城市地区生产总值与全部财政收入的相关性最高，为0.9816；其次是第三产业值与地区生产总值的相关性仅次于全部财政收入；再然后是社会消费品零售总额，相关性是0.9691；规模以上工业生产总产值与其之间的相关性相对小了一点，只有0.9098，不过也都在0.9000 以上；而农、林、牧、渔业总产值与地区生产总值的相关性就明显下降了，只有0.7740；城镇以及农村居民人均可支配收入与其之间的相关性则相对较弱，在0.5000 上下。因此N3‐N6 这5 个变量在置信水平为99%时，与地区生产总值之间的相关性比较明显，而其余的变量在置信水平为99%时的相关性不是特别明显。

表4 相关性分析结果

（三）回归性分析

1.建立线性模型

考虑到N7、N8、N9 三个变量与地区生产总值(N2)之间相关性较小，本文将“地区生产总值（N2）”当作回归分析的因变量，将其余变量作为自变量进行多重线性回归。

线性模型：

N2=a*N3+b*N4+c*N5+d*N6+u （a、 b、 c、 d 是未知的回归系数，u是随机误差项）

表5 多重线性回归分析结果(1)

表7 多重线性回归分析结果(3)

2.模型修正

该模型 N6 变量的 P 值=0.5228＞0.1000，模型经过一次剔除变量（N6）后得到最后的回归模型。

从上述结果中可以看出模型的F 值(3，7)=890.71，P 值(Prob＞F)=0.0000，说明该模型整体十分显著。模型修正可决系数(Adj R—sqnared)=0.9963，模型可决系数(R—squared)=0.9959，说明模型诠释变量的能力很不错。

在表 6 中变量 N3 的95% 的置信区间为[0.1828577，0.3135338]，Std.Err 值=0.0276315，t 值=8.98，P值=0.005，系数的概率水平十分明显，综上可知N4 和N5 也是如此。常数项的Std.Err 值=181.0217，t值=0.23，P值=0.826，系数是显著的，95%的置信区间为[‐386.7713，469.3255]。

表6 多重线性回归分析结果(2)

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

3.异方差的检验

继续进行异方差检验，在Command 命令框中输入口令：estat imtest，white，得到怀特检验结果。

表8 怀特检验结果

由上表可得P 值=0.2789，远远超过0.05，这就说明该方程已经不存在异方差的现象，故可接纳原假定。

（四）主成分因子分析

1.因子分析

在命令框中继续输入命令，得出因子分析结果，如表9所示：

表9 因子分析结果

由上表可得，表中8 个因子中只有N1 和N2 的特征值大于1，将其指定为新的变量，LR test的卡方值=157.68，P 值(Prob＞chi2)=0.0000，模型的概率水平十分明显。N2 的特征值(Eigenvalue)为6.22078，方差贡献率(Proportion)为77.76%;N3特征值为1.07121，方差贡献率为13.39%。N2和N3的Cumulative(贡献率波动情况的累计)为91.15%，诠释了初始数据的91.15%的信息，由此可看出总体的解释力度非常大。

2.主成因子表达式

为了进一步将因子结构进行简化，对于相互独立因子，采用最大方差正交旋转法对因子结构进行旋转，由此得出旋转结果如下：

表10 因子旋转结果(1)

表11 因子旋转结果(2)

表12 因子旋转结果（3）

表中Factor1、Factor2 这两列各自表示前两个主因子对各个变量的诠释力度。Uniqueness（唯一性）表示除N2、N3以外的其他主因子的诠释部分。

Factor1 解释的是 N2‐N7 的信息,Factor2 解释的是N8、N9 的信息。将因子运算出来的得分根据权重进行求和，求出每个因子的线性模型，将因子的Propor‐tion 值作为权重根据比重对因子进行求和，以此得到所有样本的因子评价得分。

表13 因子得分系数矩阵

由上述矩阵，写出各因子的表达式如下：

3.KMO检验

在Stata指令框中输入命令estat kmo，由此得出检验结果如下：

表14 KMO检验结果

KMO检验的取值范围是0～1，主要作用是为了判断数据是否能够进行因子分析。其中，0.9～1 表示极好、0.8～0.9 表示可奖励、0.7～0.8 表示还好、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。检验得出总体(Overall)KMO=0.7007，在0.7～0.8之间，所处状态为还好，所以可以进行因子分析。

（五）各城市综合得分

根据上述分析所提取的主因子进行运算，对浙江省各市经济发展能力做出整体评分。在命令框中输入指令 generate F=0.6162*F1+0.2953*F2，即 F1、F2 分别与对应的主因子的方差贡献率相乘之后进行相加，运算得到的值就是浙江省各市经济发展能力的综合得分，并对其进行排名。

（六）结果分析

通过相关性分析可以看出，浙江省各个市地区生产总值与全部财政收入的相关性最高；其次是第三产业值和社会消费品零售总额；规模以上工业生产总产值与地区生产总值的相关性相较于前三位明显低了很多，只在0.9000 上徘徊，由分析可得出N3‐N6 在0.01概率水平上明显。农、林、牧、渔业总产值虽然比城镇居民人均可支配收入以及农村居民人均可支配收入的相关性高，但都处于0.9000 以下，所以这三个变量的概率水平不太明显。

通过回归分析，说明了地区生产总值与第三产业值、规模以上工业生产总产值、全部财政收入、社会消费品零售总额等经济指标对浙江各城市经济发展起到了积极的促进作用。

通过主成分因子分析，能分析出杭州市在各个市的综合能力排名中实力最强，第一因子得分为2.264013，实力领先其他城市，但是第二因子得分只有0.141521，位居第六，说明居民可自由支配的收支还不够好。但杭州是省会城市又是长江三角洲重要中心城市，在区位及资源方面都有很大优势，所以经济上的综合实力还是让杭州稳居榜首；而宁波属于沿海地区，有舟山群岛为天然屏障，属于真正的江南水乡兼海港城市，综合排名仅次于杭州，属于省内的第一梯队。温州市的综合得分虽然只比杭州和宁波低，但从各项经济指标和综合得分来看，其与杭州、宁波的发展水平相差还是比较大的，而且第二因子的得分为负值，这是因为温州的农林牧渔业经济实力过低，居民可自由支配的收支情况不容乐观。绍兴的F2 得分位列第三，反映了居民可自由支配的收入还算可以，但是在第一因子上得分很低，可能是因为其行政区规划偏小，只有3 个区、1 个县，人口规模较小。台州总体经济实力排名排在中间，在第一因子的排名为第四，较为靠前，这是因为台州制鞋业比较发达，有很多淘宝村，带动了台州市经济的提升。嘉兴市的第二因子得分排名第二，和绍兴一样其居民可支配收入位居前列，但第一因子的排名却在第八位，说明其他六项指标都很低，所以嘉兴和绍兴需要大力发展旅游业，提升自己的经济实力。金华市的综合排名为第七名，得分均为负值，但第一因子排名第五，第二因子排名第九，说明其人均可支配收入情况很差，但义乌作为浙江省的第四个大都市区，给金华带来了不少经济收入，所以其他几项指标的情况相对较好。湖州市和舟山市作为排名第八、第九的城市有相同的情况，即第一因子得分为负，第二因子得分为正，说明这两个城市的人均可支配收入情况比较好。但值得一提的是：舟山市的F1 评分虽然居于倒数第一，但F2 排名最高，经过分析，其原因是以下所促成的：舟山市历史悠久，共拥有1000 余处自然景点，分别包括普陀山、岱山、桃花岛等景点。但由于舟山市人少、地小等因素，其第一个主因子得分较低，使之总体得分情况位于浙江省的倒数。最后是排名末尾的衢州市和丽水市，它们相对综合经济实力较差，综合经济实力排名位于最后两名，所有得分均为负值。

三、研究结论

本文借助STATA16.0 软件，使用多元统计分析方法，对浙江省11个城市的经济发展实力进行分析，通过分析得出各个城市综合得分和排名（表15），由表可将浙江省11个城市分为四类：

表1 2020年浙江省各项指标

表15 城市综合得分

第一类是指杭州市和宁波市。这两个城市的综合得分均在1.0000 以上，属于经济发展较为均衡、全面的城市。这类城市人口比重较大，人均GDP 较高，农、林、牧、渔业总产值较低，城市建设完善，对外经济发达，城市经济实力位居前列，属于浙江省经济实力第一梯队。

第二类包括温州市、绍兴市和台州市三个城市。这三个城市的综合得分在0.0000—1.0000 之间，且综合得分相差不大，属于省内经济发展实力较好的城市。通过表15可以发现，温州的农林牧渔业经济实力过低，居民可自由支配的收支情况不容乐观；而绍兴与之相反，居民可自由支配的收入还算可以，但地区生产总值、财政收入等方面数值过低；台州市属于高端制造竞争力不强，但民营经济发展较好。这三个城市综合经济发展实力在浙江省属于第二梯队。

第三类是指嘉兴市、金华市、湖州市以及舟山市。这四个城市虽然综合得分都为负，但负值较小，经济实力与温州市、绍兴市以及台州市也相差不大。且因为义乌小商品市场的发展，金华与杭州、宁波、温州一起被称为四大都市区，而舟山是浙江的自贸区，经济发展潜力比较大，因此这类城市在浙江省属于第三梯队。

第四类包括衢州市和丽水市。由表15可看出，这2 个城市的综合得分都为负，且负值较大，综合经济实力与其他城市差距过大，属于省内经济发展较差的城市。这类城市农业人口比重较大，城市建设稍微落后，基础设施不完善，各种经济政策不健全，经济水平属于浙江省第四梯队。

根据上述研究所得出的结果，对浙江省各市的经济发展提出一些建议：

第一，加强都市区战略合作，协同发展经济。作为浙江经济发展的领头羊，杭州和宁波应该突出自身竞争优势，围绕核心竞争力，发挥两地数字经济，创新活力以及港口开放等优势，提升各自的科技创新策源力，高端制造竞争力等，进行合作联动，齐头并进，利用自身的经济优势来带动周围城市的发展，促进浙江经济协同发展。

第二，加强进出口贸易，开展招商引资。温州和台州都属于民营企业发展比较好的城市，但在外贸经济上发展得并不好，应该加快培育出口竞争新优势，优化出口产业结构，坚持出口贸易与进口贸易并举，实施“走出去”战略；同时加强自主品牌建设，深入开拓新兴市场，加强区域合作以及开展重要的国际招商引资。

第三，完善城市建设，发展旅游业经济。嘉兴的城市轨道交通建设还不完善，上海、杭州、苏州等周边城市的轨道交通到嘉兴成了断点，嘉兴应该尽快完善城市功能建设，通过轨道交通带来人流、物流、资金流；同时加强对科技人才的重视，促进嘉兴数字经济发展。舟山是旅游城市，但交通建设很落后，导致经济发展上不去，因此舟山应该完善岛与岛之间的交通建设，例如火车、地铁等等；同时完善旅游景点的设施设备，在每个景点都装上游玩设施，吸引游客过来游玩，促进舟山的旅游业经济增长。

第四，重视高层次人才的培养，加大人才引进力度。根据所有经济强市的共同经验发现，高层次人力资本是发展城市经济的关键。杭州和宁波人才引进政策比较完善，同时交通便利，生活休闲场所较多，因此吸引大批高层次人才常驻。而绍兴靠近杭州都市区有利有弊，虽然能够借助都市区的优势发展自身经济，但同时人才流失也较为严重，很多人才都流向了杭州。绍兴应该突出自身生态优势，相比杭州等大城市，绍兴生态环境更好，应该借此打造更适合居住的环境，吸引高层次人才过来工作居住。同时加大人才引进的力度，提高现有人才的生活保障待遇：在社会保险、子女就学、配偶安置等方面妥善安排，解决他们的后顾之忧。这样既吸引人才又留住人才，减少周边大城市的虹吸效应。