苏南苏北城市经济发展比较

苏南苏北城市经济发展比较

作者：彭琳玲

来源：《金融经济·学术版》2010年第12期

摘要：江苏的苏南和苏北地区自然条件相差不大，但经济发展一直存在着较大差异，造成全省发展不均衡的局面。文章用因子分析的方法，将江苏各城市经济发展做综合的排名，并根据因子分析结果寻找出导致苏南苏北城市经济发展差异形成的主要原因。最后，为各城市经济发展特别是落后苏北城市发展以启示和相关政策建议。

关键词：苏南苏北；经济发展；因子分析

改革开放以来，随着江苏的经济快速发展，人民生活水平不断提高，多项经济指标都位居全国前列。不少学者关注到以长江为线划分的苏南和苏北的城市经济发展情况有着很大的差异，苏南地区经济发展迅速，苏北地区则相对缓慢。苏南苏北经济差距的原因错综复杂，既存在历史基础、地理位置、自然资源、人才资源、基础设施、发展政策等各种不同条件长期作用的结果，同时也包含人口素质、技术水平、管理经验、政策环境等多种因素在市场经济条件下综合影响的表现。评价某个地区的经济发展情况当然不能仅仅看人均GDP，需要采用一种综合评价的方法从社会生产的各方面来分析，并且能够通过分析结果找到限制经济发展的主要因素，为政府部门制定相关经济政策提供理论支持。本文将通过选取经济发展的特征变量，利用因子分析法来揭示2007年江苏不同地区经济发展上的差异，给各城市经济发展特别是落后苏北城市发展以启示。

1、变量选取

本文选取了江苏省的13 个主要城市作为样本进行分析，包括苏南的苏州市、无锡市、常州市、南京市、镇江市; 苏北的扬州市、南通市、泰州市、连云港市、徐州市、盐城市、宿迁市和淮安市。根据可比性分析筛选条件，兼顾完备性和可操作性，共选取了16个特征变量，依次为：

x1年末总人口数(万人)，x2土地面积(平方公里)，x3地区生产总值（GDP）(亿元)，x4人均地区生产总值(元)，x5第三产业占GDP比重，x6第二产业占GDP比重，x7第一产业占GDP比重，x8职工平均工资(元)，x9固定资产投资总额(万元)，x10房地产开发投资额(万元)，x11社会消费品零售总额(万元)，x12实际利用外资金额(万美元)，x13地方财政预算内收入(万元)，x14城乡居民储蓄年末余额(万元)，x15年末金融机构各项贷款余额(万元)，x16年末金融机构各项存款余额(万元)

这16个变量从城市基本情况，经济效益、财政金融、生活质量等多方面反映城市的综合经济发展实力，为后面因子分析的可靠性打下基础。各项数据来自于中国经济统计数据库2007年城市年度数据。

2、因子分析的数据结果和分析

2.1 因子分析简介

（1）基本原理：

因子分析方法是从研究相关矩阵内部的依赖关系出发，把许多具有复杂关系的变量归结为少数几个综合因子的一种多变量统计分析方法。因子分析的基本目的就是用少数几个因子去描述许多指标或因素之间的联系，即将相关性较强的几个变量归在同一类中，每一类变量就成为一个因子。因子分析方法把多个变量(指标)化为少数几个综合变量(指标)，而这几个综合变量可以反映原来多个变量的大部分信息，且使用这种方法得出的结果更具客观性，这能在一定程度上避免赋值的主观性。近年来这种方法备受重视，被广泛运用于企业的经济效益分析、绩效评估及竞争力研究等领域。因子分析的基本模型如下所示：

其中Xi为指标，Fi为公共因子，εi为Xi的特殊因子，若令

，则（1）式可写成矩阵形式：X=AF+ε，其中aij为因子载荷， A为因子载荷阵。

（2）基本步骤：

①为了消除原始数据不同量纲对因子分析的影响，我们首先对数据进行标准化处理，标准化的公式为：

，其中xij为第i个上市公司的第j个财务指标值；和sj分别是第j个指标的样本均值和样本标准差，标准化后的矩阵仍用X表示。

②估计因子载荷矩阵A。估计因子载荷矩阵的方法有很多，目前普遍使用的方法为主成份法，主成份法估计因子载荷阵的步骤为：第一步，计算样本相关系数矩阵R；第二步，求R 的特征根及相应的单位特征向量，分别记为和，根据累计贡献率的要求，一般要求超过85%，即，取前m个特征根及相应的特征向量写出因子载荷阵：

。

③对A进行旋转并解释因子。为了得到每个公共因子的实际意义，便于对公共因子进行解释，应对A进行旋转从而使A的结构简化，即使载荷矩阵的每一列元素的平方值向0或1两极分化，从而利于对每个公共因子的实际意义进行解释。

④计算各公共因子的得分。估计因子得分的方法有很多，如加权最小二乘法、回归法等。我们一般采用Thomson于1939提出的回归方法。其估计因子得分的公式为：F=ATR-

1X，其中A为因子载荷矩阵，R为样本相关矩阵， X为标准化的后原始数据矩阵。

⑤计算各样本的综合得分。计算方法为：以提取的各公共因子的方差贡献率占提取公共因子的总方差贡献率为权重，将各公共因子得分加权汇总。

2.2 因子分析结果及分析

应用spss17软件，首先计算出变量的相关系数矩阵大部分相关系数都大于0.5，可见符合因子分析条件。

进一步，计算求得相关系数矩阵的特征值、因子旋转前方差贡献率及因子旋转后方差贡献率。主因子个数选取2就可，累积方差贡献率已经达到90.861%，且由共同度大都超过0.9，说明这两个主因子能很好的解释特征变量。

计算出旋转后因子载荷矩阵，按照第一主因子对应特征向量的各分量值大小排序。第一主因子方差贡献率为56.199%，说明在所有因子中起主导作用，其中年末总人口数、土地面积、年末金融机构各项贷款余额、社会消费品零售总额、年末金融机构各项存款余额、固定资产投资总额、房地产开发投资额、地方财政预算内收入、地区生产总值、第二产业占GDP比重、第三产业占GDP比重等指标有较大的载荷，且第二产业占GDP比重载荷为负，说明工业是负影响的。这些绝大部分与城市规模、投资消费总量和财政金融总量有关，定义为总量因子。总量因子得分越高，城市规模越大，经济发展水平越高。

第二主因子方差贡献率为34.641%，其中人均地区生产总值、第一产业占GDP比重、职工平均工资、实际利用外资金额等指标有较大载荷，且第一产业占GDP比重为负载荷，说明农业是负影响的。故第二主因子定义为人均因子，反映城市经济发展的潜力。

为了便于分析各个城市经济发展差异所在, 实现全省经济平稳、均衡、持续高速地向前发展，利用SPSS软件计算出所有城市的各个因子得分F1、F2，并以各因子方差贡献率作为加重权数 , 计算各城市的综合得分，公式如下：

S=8.992/(8.992+5.543)*F1+5.543/(8.992+5.543)*F2

=0.61866*F1+0.38134*F2

排序结果见表1。

从表1可以看出，总量因子是南京位处第一，这和南京的城市规模大以及作为江苏政治、经济、教育、文化和科研中心的区位优势是分不开的。人均因子位居前列的是苏州，无锡，常