煤炭资源型城市可持续发展主因子聚类分析.docVIP

煤炭资源型城市可持续发展主因子聚类分析 　　【摘 要】由于资源枯竭、产业结构调整、市场需求的变化等问题，煤炭资源型城市面临着继续提供国民经济发展所需的资源和保持城市自身持续发展的双重挑战，城市类型的定位就尤为重要。本文首先建立了23个可持续发展评价指标，然后运用SPSS软件进行因子分析，得到六个综合指标并且重新定义。最后根据这六个综合指标进行层次聚类分析，将25个煤炭资源型城市分为成熟型、发展型、新建型、衰退型、枯竭型五种类型，从而为制定适合城市可持续发展的措施提供依据。 　　【关键词】因子分析；聚类分析；煤炭资源型城市 　　中图分类号：F290 文献标识码：A 　　 　　一、引言 　　煤炭资源型城市是指主要在煤炭资源开发的基础上兴起的城市。这类城市占中国资源型城市总数的一半以上，是资源型城市的主体类型。中国是一个以煤炭资源为主要消费能源的国家，为了掌握煤炭资源型城市可持续发展的状态，制定资源型城市可持续发展策略，在资源型城市可持续发展评价指标体系设计的基础上，进行与之相对应的综合分析的研究是十分必要的。 　　我国煤炭资源需求量大，开发地域广。在资源型城市可持续发展评价指标体系中含有不同类型的指标，指标数目繁多，而且指标的重要程度不同。SPSS中的因子分析方法可以将资源型城市可持续发展评价指标简化，将一个复杂的综合评价问题转化为简单结构，并且能有效地利用统计数据，最终找出影响资源型城市可持续发展的关键因素，较好地解决资源型城市可持续发展评价问题。 　　二、建立指标体系 　　煤炭资源型城市可持续发展系统指标体系主要由资源指标、经济指标、社会指标、环境指标四个子系统构成，各个子系统又建立各自的可持续发展指标，如图1所示。 　　 　　 　　三、因子分析 　　（一）因子分析简介 　　因子分析（factor analysis）是从多个实测的原变量中提取出较少数的、互不相关的、抽象的综合指标，即因子（factor），每个原变量可用这些提取出的公共因子的线性组合表示。[2]因子分析是多元统计分析技术的一个分支，其主要目的是浓缩数据，即研究如何以最少的信息丢失把众多的观测变量浓缩为少数几个因子。 　　因子分析通常包括一下四个主要步骤： 　　（1）计算所有变量的相关矩阵。相关矩阵是因子分析直接要用的数据，根据计算出的相关矩阵还应该进一步判断应用因子分析方法是否合适。 　　（2）提取因子。在这一步中要确定因子的个数和求因子解的方法。 　　（3）进行因子旋转。这一步的目的是通过坐标变换使因子解的实际意义更容易理解。 　　（4）计算因子值。因子值是各个因子在每个案例上的得分值，有了因子值可以在其他的分析中使用这些因子。 　　（二）因子分析的应用 　　按照国家计委宏观经济研究院课题组的研究，全国主要的煤炭资源型城市主要有唐山、邯郸、邢台、大同、阳泉、长治、晋城、朔州、乌海、抚顺、阜新、鸡西、鹤岗、双鸭山、七台河、淮南、淮北、萍乡、枣庄、平顶山、鹤壁、焦作、六盘水、铜川、石嘴山25个城市，所有的数据均为2009年数据。数据资料来自《中国城市统计年鉴2009》、中国宏观数据挖掘分析系统和中国统计信息网。 　　1.综合指标的确立 　　经过SPSS13.0的主成分分析，可以得到如下的表1。 　　 　　为确定主因子个数和顺序，SPSS软件在“决定提取因子的个数”Extract对话框中有两种方法可供选择：Eigenvalue over指定要提取因子的最小特征值，系统默认值为1；Number of factors直接指定提取的因子的个数。本文选择系统默认的Eigenvalue over方法，只有大于1的特征根才会被SPSS提取。从表1中可以看出，1-6因子的特征根值大于1，这六个综合指标可确定为煤炭资源型城市可持续发展的主成分因子。 　　2.综合指标的定义 　　表2显示了因子载荷矩阵，是因子分析的核心内容，可以根据此表写出相应的因子分析模型，每一个列载荷值都是各个变量和有关主成分的相关系数。从表中相关系数的值可以看出，人均流动资产年平均余额、人均固定资产净值年平均余额、第三产业从业人员比重、人均铺装道路、人均GDP、人均教育事业费支出在第一因子上的载荷较高，意味着它们与第一个因子的相关程度高，根据这些变量的原始含义将它们定义为基础建设；人均邮电业务总量、第一产业占GDP比重、第二产业占GDP比重在第二个因子上的载荷较高，可定义为产业结构；人均耕地面积、人均资源储量、人口自然增长率、工业固体废物综合利用率、绿化覆盖率、工业废水排放达标率在第三个因子上的载荷较高，可定义为资源与环境；城市职工失业率、在岗职工人数在第四个因子上的载荷较高，可定义为职工就业；第三产业占GDP比重、恩格尔系数、GDP增长率在第五个因子上的