基于因子分析和聚类分析的山东省小康建设进程评价研究
张晓昱, 綦雪飞 (郑州大学 商学院,河南 郑州 450001)
摘要:本研究结合山东省的发展特点和实际状况建立了山东省全面小康社会统计指标体系,并基于2016年山东省17地市各指标数据,应用因子分析和聚类分析方法对山东省各地市小康建设进行了实证分析,研究结果表明:山东省17地市的小康建设进程基本可以分成三大类,其中青岛、济南、淄博和东营小康建设完成度较高,威海和烟台的小康建设程度一般,而日照、枣庄、聊城、德州、泰安、潍坊、莱芜、滨州、济宁、临沂和菏泽这11地市的小康建设程度较差。此外,研究结果还表明,山东省东西部地区小康建设存在一定不均衡的情况。最后,研究简要分析了山东省各市小康社会建设进程的主要制约因素并据此提出了有关对策建议。
关键词: 评价指标;山东各地市;因子分析;聚类分析;对策建议
Evaluation of the Construction Process of Well-off Society in Shandong Province Based on Factor Analysis and Cluster Analysis
Zhang xiao yu Qi XueFei ( Business School Of Zhengzhou University)
窗体顶端
Abstract:Based on the development characteristics and actual conditions of Shandong Province, this study establishes a statistical index system for comprehensive well-off society in Shandong Province, and based on the 2016 index data of 17 cities in Shandong Province, applying factor analysis and cluster analysis methods to the construction of well-off cities in Shandong Province. The empirical analysis shows that the construction of the well-off construction in 17 cities in Shandong Province can be basically divided into three categories, among which Qingdao, Jinan, Zibo and Dongying Xiaokang have a higher degree of construction, and Weihai and Yantai have a moderate degree of construction. The well-off construction of Rizhao, Zaozhuang, Liaocheng, Dezhou, Tai'an, Weifang, Laiwu, Binzhou, Jining, Linyi and Heze is relatively poor. In addition, the research results also show that there is a certain imbalance in the construction of a well-off society in the eastern and western regions of Shandong Province. Finally, the study briefly analyzes the main constraints of the construction of a well-off society in various cities in Shandong Province and proposes relevant countermeasures accordingly.
Keywords: evaluation index; cities in Shandong; factor analysis; cluster analysis; countermeasure suggestion
一、引言
根据国情,党的十九大明确提出“从现在到2020年,是全面建成小康社会的决胜期”。党的十六大指出,我国已基本达到小康水平,然而这种水平是低层次的,并提出“全面建设小康社会”的奋斗目标。党的十八大提出了更高的要求,对经济、文化、民主、环境、人民生活五方面提出更高的标准,并首次提出全面“建成”小康社会。党的十九大指出,在十六大、十七大、十八大提出的全面建成小康社会的基础上,还应紧扣我国社会主要矛盾,统筹推进经济、政治、文化、社会和生态文明建设。因此,全面建设小康社会成为新的历史时期重要研究课题。
张碧星(2006)运用云南省统计数据,并考虑地区结构因素对云南省的全面小康社会进程进行实证分析,提出云南省经济和社会发展还较为落后,区域发展存在不均衡的问题,还应努力协调城乡发展,实现区域和谐发展;赖昭瑞,汪冬梅(2006)采取国家统计局发布的相关资料中的全面小康监测指标体系,对山东省农村全面小康社会建设进行实证研究,并提出城乡之间存在较大差距,应采取措施缩小城乡系统各方面存在的差距,从而加快山东省农村的小康进程;刘建永(2015)通过对2011年-2015年内蒙古全区的小康社会构建指标数据进行统计分析,建立了评价指标体系,对各指标进行标准化处理,并利用主成分分析法计算出内蒙古十二个盟市的小康社会综合得分,并将全部的盟市分类绘制成树谱图,最终提出农村区域建设应集中发展,并以经济发展为关键。
本文在新的时代背景下,对山东省居民小康发展进行跟踪研究,通过统计的相关资料以及国内外学者的研究成果,收集到能够较好衡量小康社会的标准,科学地建立山东省的小康建设指标体系,从而对山东省各地市小康进程差异进行研究分析,把握山东省居民小康建设的关键和难点,找出山东省全面小康社会发展的不足之处,并根据山东省出现制约因素提出相应的建议和措施,从而帮助加快山东省全面建设小康社会的进程。
二、山东省小康社会综合评价指标体系
(一)十九大要求
党的十九大报告丰富了我国社会主义小康社会的内涵,并提出了更高的要求,其评价指标体系也得到了修正和完善,本文参照十九大报告中提出的要求,从经济、民主法制、人民生活、文化和生态文明建设等5个方面构建指标体系。
(二)指标数据可获得性
由于山东省各市的小康建设监测系统并不十分完善,有的指标不容易监测且无法通过计算得到,因此,为了使结果不会有太大偏差,本文在建立指标体系时,有些指标需要用含义相近的且数据可获得的其他指标代替。
为了科学的建立指标体系,本文按照十九大提出的要求从五个方面构建,但由于民主法制方面缺失具体数据,因此本文仅从4个方面进行指标体系的构建,再结合山东省的发展状况和省情,同时参考了以前其他省市的小康研究成果,建立了包含4个一级指标和15个二级指标指标体系。
表1 山东省小康社会综合评价指标体系
四个子系统 |
监测指标 |
单位 |
一、经济发展指标 |
1.人均GDP |
元 |
2.第三产业增加值占GDP比重 |
% |
|
3.城镇化率 |
% |
|
4.居民消费支出占GDP比重 |
% |
|
5.每万人口发明专利拥有量 |
件 |
|
二、人民生活指标 |
1.居民人均可支配收入 |
元/人 |
2.恩格尔系数 |
% |
|
3.城镇职工基本养老保险参保率 |
% |
|
三、文化建设指标 |
1.人均公共文化财政支出 |
元/人 |
2.城乡居民文化娱乐服务支出占家庭消费支出比重 |
% |
|
四、生态文明建设指标 |
1.单位GDP建设用地占用面积 |
公顷/亿元 |
2.单位GDP二氧化硫排放量 |
吨/亿元 |
本文本着科学合理的宗旨,构建了山东省建设小康社会指标体系,旨在评价2016年山东省居民小康社会的进程以及质量,利用2016年各项指标的数据纵向比较山东省居民小康的建设情况,横向比较山东省各市的小康建设状况,要求选取的指标应在山东省统计年鉴或各市的统计公报上有体现,这增加了指标的选取难度,导致最终入选的指标较少,例如各市的自然增长率、基尼系数等均没有数据,不能体现在指标体系中。
三、山东省17地市小康社会建设因子分析
本文根据相应的指标体系,从《山东统计年鉴2016》以及山东省各市的统计公报选取了山东省17地市的2016年的相关数据。
在做因子分析前,由于12个指标中既存在正向指标又有逆向指标,因此首先对原始数据做正向化处理,这样使得到的所有指标都为正向指标。将恩格尔系数转换为“1—恩格尔系数”,将“单位GDP二氧化硫排放量”和“单位GDP建设用地面积”的数据取倒数。然后,对处理后的数据用SPSS统计软件进行因子分析。
(一)因子提取
表2 解释的总方差
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 |
7.252 |
60.437 |
60.437 |
7.252 |
60.437 |
60.437 |
4.475 |
37.290 |
37.290 |
2 |
1.760 |
14.664 |
75.100 |
1.760 |
14.664 |
75.100 |
3.089 |
25.744 |
63.034 |
3 |
1.437 |
11.972 |
87.072 |
1.437 |
11.972 |
87.072 |
2.885 |
24.038 |
87.072 |
4 |
.486 |
4.053 |
91.125 |
|
|
|
|
|
|
5 |
.374 |
3.118 |
94.243 |
|
|
|
|
|
|
6 |
.319 |
2.657 |
96.899 |
|
|
|
|
|
|
7 |
.140 |
1.171 |
98.070 |
|
|
|
|
|
|
8 |
.091 |
.761 |
98.831 |
|
|
|
|
|
|
9 |
.068 |
.564 |
99.395 |
|
|
|
|
|
|
10 |
.037 |
.308 |
99.703 |
|
|
|
|
|
|
11 |
.025 |
.204 |
99.908 |
|
|
|
|
|
|
12 |
.011 |
.092 |
100.000 |
|
|
|
|
|
|
注:提取方法:主成份分析
表4中可看出前三个因子特征值大于1,按照特征值大于1的原则,我们将这三个公共因子提取出来,各个主成分的方差贡献率分别为37.29%、25.744%、24.038%,累计贡献率为87.072%,可以认为效果较好。
(二)因子载荷矩阵
本文采用Kaiser标准化对因子载荷矩阵进行正交旋转,结果如表5:
表3 旋转因子载荷矩阵
|
成份 |
||
1 |
2 |
3 |
|
X1 |
.260 |
.886 |
.312 |
X2 |
.869 |
-.232 |
.228 |