FDI对江苏省城市化影响.docVIP

FDI对江苏省城市化影响 　　【摘要】本文从人口，城市建设，科教等角度选取了十个指标来构建城市化综合指标评价体系，运用因子分析法得出1990-2011年江苏省的城市化水平。然后选取了1990-2011年的时间序列数据，对FDI对江苏省城市化的影响进行实证分析。实证结果表明FDI与江苏省城市化水平存在长期均衡关系，FDI的流入会促进江苏省城市化水平的提高。基于上述结论，本文就如何吸引外资，减小区域发展差异，提高江苏省城市化水平提出了若干政策建议。 　　【关键词】外商直接投资；城市化 　　江苏省是中国经济增长最快的省份之一，历来走在对外开放的前沿地带，其每年吸引的外资一直位居全国前列，同时也是城市化水平最高的省份之一，本文试图研究FDI对江苏省城市化水平的影响。 　　一、城市化综合指标体系的构建 　　（一）指标的建立 　　衡量一个国家或地区的城市化水平不能仅仅通过城市人口占总人口的比重来判断，城市化不仅表现为农业人口转化为非农业人口，农村人口向城市的集聚，而且是城市区域规模的扩大，产业结构由第一产业向第二，三产业的转变，城市职能和设施的完善，居民生活方式的改变和生活质量的提高。因此，对于城市化水平的衡量应该采用能综合反映城市化的指标。 　　本文基于数据的可获得性，从经济，社会，城市建设，人口角度共选取了四个指标对江苏省1990-2011年的城市化水平进行衡量，如下： 　　经济指标：人均国内生产总值，人均固定资产投资额，职工平均工资，第三产业占GDP的比重； 　　社会指标：每万人中专业技术人员数，每万人拥有的卫生机构床位数，每万人中在校学生数； 　　城市建设指标：人均铺路面积，人均公园绿地面积； 　　人口指标：城镇人口占总人口的比重。 　　（二）因子分析 　　1.数据的预处理 　　本文首先借助Z-score技术，利用统计软件SPSS18.0对原始数据进行了标准化处理，以消除各指标间数量级的悬殊。 　　2.因子分析的适用性检验 　　因子分析的潜在要求是原有变量之间要有比较强的相关性。因此因子分析前首先需确定待分析的变量是否适合于因子分析。本文借助KMO测度来判断数据是否适合做因子分析。KMO值的变化范围从0到1，通常按以下标准解释该指标值：0.9以上，非常适合做因子分析；0.8以上，适合做因子分析；0.7，一般；0.6，差；0.5，很差；0.5以下，不适合做因子分析。对本文的数据进行检验后得到KMO=0.829，说明本文所选取的指标数据适合做因子分析。 　　3.提取公因子 　　本文采用因子分析法提取公因子，提取的因子数为特征值大于1的因子数，由表1可以看出一共有2个因子的特征值大于1，它们的累计方差贡献率达到了95.256%，即这三个公因子能够解释15个原始变量95.256%的信息量。可见选取这两个公因子进行因子分析的效果比较理想。 　　同时，采用四次方最大法求解旋转后的因子载荷矩阵来保证公因子具有可解释的经济意义。旋转后的因子载荷矩阵由表2所示。表2显示，公因子1在人均国内生产总值，人均固定资产投资额，每万人中专业技术人员数，职工平均工资，每万人拥有的卫生机构床位数，人均铺路面积，人均公园绿地面积，城镇人口占总人口的比重，第三产业占GDP的比重等指标上载荷较大。因此，公因子1可以称为综合实力因子。公因子2在每万人中在校学生数上有较大的载荷，因此公因子2可以称为教育因子。 　　4.计算因子得分及城市化综合水平得分 　　根据表3，得到因子得分函数如下： 　　F1=0.117X1+0.112X2+…+0.131X10（1） 　　F2=-0.05X1-0.105X2+…+0.274X10（2） 　　其中，F1和F2分别为公因子1，2的得分；X1，X2……X10分别为经过标准化后的人均国内生产总值，人均固定资产投资额，每万人中专业技术人员数，职工平均工资，每万人拥有的卫生机构床位数，人均铺路面积，人均公园绿地面积，每万人中在校学生数，城镇人口占总人口的比重，第三产业占GDP的比重。 　　为对江苏省1990-2011年的城市化水平进行综合评价，以各因子的方差贡献率为权重进行加权计算，则综合统计量为： 　　F=0.8196F1+0.13296F2（3） 　　其中，F为江苏省城市化水平的综合得分。 　　通过上述公式，计算江苏省1990-2011年城市化水平的综合得分，结果如表4所示： 　　从表4可见江苏省的城市化水平综合得分从1990年的-1.17609逐年增大，到2011年，江苏省城市化水平得分增加至1.47123，城市化水平逐年增高。 　　二、FDI对江苏省城市化综合水平的影响实证分析 　　（一）数据来源 　　为了全面考察FDI对江苏省城市化水平的影响，本文首先通过SPSS软件利