基于因子分析的我国中心城市宜居性水平评价

樊宁宁

河北经贸大学 河北石家庄 050062

摘要：中心城市生态与城市宜居性问题,是当前中国人民所面对的重大问题之一。宜居性城市主要体现在城市的政治、经济、人文、社会、自然环境等各方面和谐发展,这就需要的建筑不但要有利于民众宜居,而且还要充分考虑文化教育、就业、社会发展、出行、医疗卫生等诸多内容。因此本文通过使用因子分析的方式,来构建中心城市对宜居性问题的综合评价,然后通过对中心城市宜居性排序,并通过对面板数据做出横向分析,对中心城市宜居性水准的综合评估给出了相应的参考价值。

关键词：中心城市；因子分析；宜居性

中心城市的生态宜居性问题,是当前中国人民所面对的重大问题之一。宜居性城市,主要体现在城市的政治、经济、人文、社会、自然环境等各方面和谐发展,这就需要城市规划的建设不但要有利于民众宜居,而且还要兼顾文化教育、就业、经济发展、出行、医疗卫生等多方面内容。本文以经济、人文、社会、自然环境等因素为主,建立了十一个大中城市二级指数,首先采用因子分析的方式,确定出代表数据值的潜在因子,最后再经过统计部门综合评分,提出每一个宜居城市排序,并通过面板统计方法实行横向分类,结尾再通过聚合数据分析,得出宜居城市集群。

一、因子选取

1.文化因素

社区中人人都生存于特定的社区文化氛围里,并受到了自己的价值取向、道德、民俗习性等的洗涤。而一个优秀的都市人文环境对于市民的自身素质提高具有不可磨灭的意义。论文选择了普通高等教育在校学生数为主体的评估指标体系。

2.社会综合因素

社会因素反映了生存于当地城市中的普通民众的基本生活状况。大方面包括了基础设施建设状况、当地的医疗卫生状况、人口发展状况等。因此,本文选择了年末固定电话用户、医院卫生院总量、人口自然增长率三个指标。

3.生态环境因素

自然力量是人们赖以生存与发展的重要基石。一个良好的城市自然环境既能给中心城市增加色彩,又能给城市居民创造良好的经济效益。所以,本文选择的主要指数包括了空气质量一级良好以上数和城市绿色覆盖率。

二、数据来源及预处理

论文重点选择了北京、上海、广州、杭州、武汉等国内二十五个中心都市为主要调研对象。指标数据主要来自于2015—二零一九年统计局公布的《国家统计分析年鉴》《中国城市统计分析年鉴》、25个大中城市的大中城市统计分析年鉴,以及《国民经济和社会发展报告》。面对数据缺失问题,选择了均值法加以弥补。为克服量纲变化的影响,对原始数据实行了规范化管理。

三、实证分析

3.1 因子分析适用性检验

因子分析是对涉及的多变量群中的共性变量的统计分析方法。它的主要思路就是从多个变量中找出潜在的因子变量,并使用新的变量代替原变量,以此获得统计降维的结果。本文中采用了SPSS19.0统计软件,实现了多指标面板的数据因子分析。首先,通过影响因子分析法的适用性试验,结论表明,巴特利特球形检验的P值最接近零,而KMO值则为0.789>0.5,可通过影响因子分析。然后,通过降维分析方法,取公因子时,计算级别变量特征值,取四个因子时,其转换后的方差贡献率均超过了百分之八十三,其特征值也全部超过一,从而更加全面的诠释了原有指标的统计信息。

3.2 公因子提取及解释

通过转换后的成分矩阵解析,可得到如下结果。首个公因子F一包含了在岗工人平均工资(元)、地产研发投入(亿元)、社区生活消费品零售总额(亿元)、城市乡村住户(元)、GDP(亿元),基本上反应了中心的国民经济发展水平,所以可将这些组成因数定名为国民经济发展水准因子;第二公因子F二包含一般高等教育在校学生数(万人)、年度室内空气质量级别优秀以上天数、年末稳定电话使用者(万户)、公立医院健康数量个数(个),基本上反应的是中心城市居民高等教育、医疗技术水平等,据此把第二潜在因素定名为中心城市居民的公共服务水准因素;第三公因子F三为包含了人口自然增长率(%),体现城市人口现状,所以将其定名为人口状况基本因子;第四公因子F四为绿化覆盖率(%),不但体现了城市绿化现状,而且体现了中心的基础环境保护现状,将其定名为中心环境保护基础现状因子。将公因子F二与F四结合,由于城市公共服务中也涉及对大中城市的园林绿化管理工作,所以记为公因子F24,并定名为城市服务管理基本因子。

3.3计算因子综合得分

根据上述公因子提取结果，基于SPSS19.0输出三个公因子得分。在利用各公因子得分乘以其对应权重值加总得到中心城市宜居性评价的综合得分，即因子总分。具体的因子总分计算模型如下：

其中, Fi ( i =1,...,n)为各因子分数,ai为方差贡献,总得分F则为利用对各因子的方差贡献率将各因子分数加权后求和所得。通过对面板数的分解,将其压缩到一个截面数中,即求近五年的平均值。再通过计算因子综合分数,因子总得分高的全国前十个中心城市,分别为北京、上海、重庆、成都、广州、天津、苏州、杭州、南京、武汉,说明了五年间这十座核心城市的整体能力很强,宜居能力位列前十;名列后五位的城市依次为石家庄、无锡、徐州、厦门、连云港、桂林,说明了这五个城市成长速度较为迟缓。

3.4 中心城市的横向分析

将面板数据进行了数据横向压缩处理,得出了二十五个全国中心城市的各因子分数。并从各因子分数中,得出了在全国第一公因子的经济发展水平因子上,北京、上海、广州等城市相对领先,表明了这三个城市的经济社会发展水平均进展较快,这也与事实相吻合,北京、上海、广州一直是中国国民经济发展最好的城市;然后是杭州、南京、苏州,这三个城市尽管不及于北京、上海、广州等城,但经济社会发展水平却较全国其他大中城市稍快;在第二公因子的城市服务管理水平因子上,北京、成都、重庆等三个中心城市得分较高,表明这三个城市的服务管理工作相对超前,而厦门、桂林、昆明、连云港等四个城市得分较低,表明相对于其他城市,服务管理工作略有滞后;在第三公因子人口现状因子,大连、哈尔滨、上海、成都等中心城市比较优秀,说明四个城市的人口现状相对较好,相对适宜于落户,而郑州等大中城市表现相对欠佳,说明郑州市人口较为集聚。在经济因子的总成绩中,北京、上海、成都、广州分数较高,说明了这四个城市的综合情况都相对较好,也说明了第一公因子在经济因子的总成绩中贡献很大,而这些情况也表明了经济因素是判断一座城市是否宜居的关键指数。

3.5 中心城市的纵向分析

对二十五个城市加以纵向压缩,并分析了2014—二零一八年度指标的得分状况,第一公因子国民经济发展状况因子在逐渐递增,说明目前各城市的国民经济发展潜力也在逐渐增强;第二公因子城市服务管理水平因子也在逐渐减少,表明目前在这方面各核心城市都需要加强领导能力,在努力谋求国民经济高速成长的同时,也在尽力提高城市的服务管理水平;第三公因子人口情况因子呈现波浪式形状,指出了人口影响因素对核心城市的不稳定性,并表示除城市稳定居住人员数量和城市人口自身成长状况之外,还可能出现其他因素影响城市人口情况的影响。但总体而言,中国经济超前开发的城市人口总量确实较多,但流动性人数却很多。综合指标呈稳步增长态势,这说明了中心都市的整体工作条件正在逐渐改善,同时中心都市的总体管理水平也稳步提升,这一方面是由于党和政府的政策引导有方,但另一方面也离不开广大人民群众反映的坚持不懈。

对二十五个城市加以纵向压缩,并分析了2014—二零一八年度指标的得分状况,第一公因子国民经济发展状况因子在逐渐递增,说明目前各城市的国民经济发展潜力也在逐渐增强;第二公因子城市服务管理水平因子也在逐渐减少,表明目前在这方面各核心城市都需要加强领导能力,在努力谋求国民经济高速成长的同时,也在尽力提高城市的服务管理水平;第三公因子人口情况因子呈现波浪式形状,指出了人口影响因素对核心城市的不稳定性,并表示除城市稳定居住人员数量和城市人口自身成长状况之外,还可能出现其他因素影响城市人口情况的影响。但总体而言,中国经济超前开发的城市人口总量确实较多,但流动性人数却很多。综合指标呈稳步增长态势,这说明了中心都市的整体工作条件正在逐渐改善,同时中心都市的总体管理水平也稳步提升,这一方面是由于党和政府的政策引导有方,但另一方面也离不开广大人民群众反映的坚持不懈。

四、结语

本文通过建立在十一个国家二级指数下的中国城市宜居性评估系统,并通过大面板数据分析,运用因数分析法的方式,对我国二十五个中心都市的宜居性展开了整体综合评估排序,数据表明,北平市、大上海市、成都市、成都、香港市等五个都市均处于国内前五名。通过面板统计,并通过横纵向影响因子分析,经横向数据分析结果显示,北京市、上海市、成都、广州市分数较高,表明了这四个大中城市的整体综合情况良好,宜居性也排在前四名,同时,影响第一要素的经济因子中,北京市、上海市、广州三个大中城市分数较高,也说明了这三个大中城市的经济社会发展情况良好,这和中国现实状况也比较切合。纵向分析结果表明:影响因子总分随着持续时间在逐渐上升,表明了各大中城市的经济发展潜力也在逐渐增强,而中心的整合能力也在逐渐提高。文章的重要缺点:(1)没对中心城市政府措施具体情况予以统计分析,有所不同的大中城市对外来居住者有截然不同的政策措施及其优惠待遇,后续研究应该根据政策措施予以综合考虑;(2)由于文章中大多使用了客观方法展开深入研究,而没有将主体方法应用,且在指标选择上也具有一些限制性,因此后期的研究中可能采用主观与客观相结合的方法,综合考察指标体系的选择。

参考文献

[1] 张拓宇,周婧博.基于熵值法的中心城市宜居水平研究[J].未来与发展,2014,38(9):52-57.

[2] 姜欢.中国国家中心城市宜居性评价体系构建与测度研究[D].西安:陕西师范大学,2019.

[3] 崔媛,黑静,林晓晴,等.中心城市宜居水平评价与分析[J].科技创新导报,2020,17(17):236-238.