城市设施水平的主成分分析.docVIP

城市设施水平的主成分分析 　　【摘 要】城市设施作为城市发展的基础，是一切城市活动的前提条件.本文围绕全国各地区城市设施水平的指标，进行评价与分析，对各地区城市进行一定标准的排名与分类，在分析的基础上提出一些关于城市设施建设的想法，以供管理者参考. 　　【关键词】城市设施；特征性指标；主成分分析 　　Evaluation of City Facilities Based on Principal Component Analysis 　　CHENG Long-fei 　　（College of Machine Engineering， Southeast University， Nanjing Jiangsu 211189， China） 　　【Abstract】City facilities is the basis of the development of the city， which all city activities depend on. Evaluation and analysis of the various regions’ city facilities will be made， in order to rank and classify all parts of cities. On the basis of the statistical analysis， some suggestions on the construction of city facilities will be put forward for managers. 　　【Key words】Level of urban facilities； Characteristics indexes； Principal component analysis 　　随着我国城市化进程的不断加快，城市建设越来越受到关注。公共设施是一个城市的基础保障，良好的城市设施水平才可以保证城镇居民生活质量，保证各项经济社会活动的有序，保证人与环境的和谐共处.由于我国区域间经济存在一定差距，各个地方政策、地理环境、社会现实等存在差异，导致城市间的设施水平存在距离.城市的发展建设都有其一定的经济社会实际背景，如何正确的评价一个城市的设施水平，如何了解不同区域间城市设施水平的差异，这正是本文的出发点.本文采用主成分分析法对全国各地区城市的设施水平，进行准确的量化，然后进行一定标准的排名与分类，归纳出我国城市设施水平的区域发展特点，为城市的管理者提供指导. 　　1 指标建立 　　本文中关于各个省份、直辖市的2011年城市设施数据均引自国家统计局网站.在广泛阅读文献基础上，本文针对城市设施水平的指标选取如下：x1为城市用水普及率%；x2为城市燃气普及率%；x3为每万人拥有公共交通数量（标台）；x4为人均城市道路面积（平方米）；x5为人均公园绿地面积（平方米）；x6为每万人拥有公共厕所数（座）；x7为每万人拥有医疗卫生机构床位数（张）；x8为每百万人拥有普通高等学校数（所）.以上指标从城市的生活设施、交通、环境、卫生医疗、教育等方面描述各地区城市的设施建设情况. 　　2 主成分分析法（Principal Component Analysis， PCA） 　　主成分分析法也称矩阵数据分析，通过变量变换的方法把相关的变量变成若干不相关的综合指标变量，运用这些综合指标对研究对象进行描述[1]. 　　假如某研究对象有两项指标ζ1和ζ2，从总体ζ（ζ1，ζ2，两者具有相关性）中抽取了N个样品，它们散布在椭圆平面内（如图1）.η1和η2分别是椭圆的长轴和短轴，η1⊥η2，故η1与η2互不相关.其中η1是点ζ（ζ1，ζ2）在长轴上的投影坐标，η2是该点在短轴上的投影坐标.从图1可以看出， η2轴上投影点的波动较小，点的N个观测值的波动大部分可以归结为η1轴上投影点的波动.若η1作为一个综合指标，则η1可较好地反映出N个观测值的变化情况，η2的起的作用相对次要.综合指标η1称为主成分，以上找出主成分的方法称为主成分分析法[2]. 　　综上所述，主成分分析法即选择恰当的投影方向，将高维空间的点投影到低维空间上，且使低维空间上的投影尽可能多地保存原空间的信息，避免信息过度失真。从数值角度来说，就是要使低维空间上投影的方差尽可能地大[3]. 　　3 主成分分析法在城市设施水平评价中的应用 　　3.1 数据处理 　　（1）原始数据标准化处理； 　　（2）建立x1至x8等8个变量的相关系数矩阵； 　　（3）求出特征值和特征向量； 　　（4）得出主成分及其关系式如公式（1）、（2）、（3）. 　　如下表1、表2，我们可以看出特征值大于1的主