因子分析和聚类分析在长江水污染综合评价中的应用（共9篇）
因子分析和聚类分析在长江水污染综合评价中的应用 篇1
基于因子分析和聚类分析的生态环境质量评价
从当前生态环境研究现状出发,采用因子分析法对影响生态环境质量的所有因素进行主成分分析及贡献大小评价、合成综合得分评估,同时利用聚类分析方法,对综合得分进行分类比较研究,确定生态环境质量的评价等级,为区域生态环境保护和规划治理提供依据.
作 者：汤姿 TANG Zi 作者单位：哈尔滨商业大学,旅游烹饪学院,黑龙江,哈尔滨,150076;北京师范大学,环境学院,北京,100875 刊 名：哈尔滨商业大学学报（自然科学版） ISTIC英文刊名：JOURNAL OF HARBIN UNIVERSITY OF COMMERCE(NATURAL SCIENCES EDITION) 年，卷(期)：2006 22(6) 分类号：X821 关键词：生态环境质量评价 因子分析 聚类分析 庄河市
因子分析和聚类分析在长江水污染综合评价中的应用 篇2
河南省地处中原腹地, 在国家中部崛起战略的引导下, 河南省的经济和社会民生得到了飞速发展。但同时, 河南省也存在人口众多、区域经济发展不平衡等问题。本文, 笔者通过对河南省辖县域经济进行综合研究, 探讨区域协调发展的对策, 以期为相关部门制定县域经济发展策略提供参考。
一、评价指标的选取
要对县域经济进行全面、客观的评价, 必须选取合适的指标体系。参照相关文献, 笔者遵循全面性、代表性、可比性和实际操作性原则, 综合考虑三大产业均衡发展的经济布局以及居民生产生活的基本需求, 选取了22个指标。分别为:X1, 总人口 (万人) ;X2, 农民人均纯收入 (万元) ;X3, 城镇居民人均可支配收入 (万元) ;X4, 人均生产总值 (万元) ;X5, 生产总值 (万元) ;X6, 第一产业生产总值 (万元) ;X7, 第二产业生产总值 (万元) ;X8, 第三产业生产总值 (万元) ;X9, 财政收入 (万元) ;X10, 财政支出 (万元) ;X11, 工业增加值 (万元) ;X12, 全社会固定资产投资 (万元) ;X13, 利税总额 (万元) ;X14, 主营业务收入 (万元) ;X15, 金融机构贷款余额 (万元) ;X16, 金融机构存款余额 (万元) ;X17, 居民储蓄存款 (万元) ;X18, 社会消费品零售总额 (万元) ;X19, 耕地面积 (公顷) ;X20, 农林牧副渔业增加值 (万元) ;X21, 粮食产量 (吨) ;X22, 农用机械总动力 (万千瓦) 。
二、河南省县域经济的因子分析
1. 因子分析模型。
因子分析是通过对变量的相关系数矩阵内部结构的研究, 找出能控制所有变量的少数几个变量, 并用这少数几个变量去描述多个变量之间的关系。这几个变量是不可观测的, 通常被称为公共因子。因子分析的数学模型为:
其中, X= (X1, X2, …, Xp) ', 为p个原始指标的数据;F= (F1, F2, …, Fm) ', 是提取m个公共因子;A为因子载荷矩阵;ε为特殊因子。
2. 因子的命名及其解释。
使用SPSS16.0统计分析软件对2008年河南省108个县 (市) 经济和社会发展的统计数据进行分析。这里使用主成分分析的方法提取公因子。
建立原始数据各指标间的相关系数矩阵, 计算其特征值和累计方差贡献率 (表1) 。
由表1可知, 前3个特征值的累计方差贡献率为85.046%, 可以选取这3个初始因子作为公共因子。为使各个指标在某个因子上产生较高的载荷, 采用方差最大的正交旋转变换, 同时计算旋转后各个因子的载荷矩阵, 如表2所示。
由表2可知, 各个因子只在少数几个主成分上的载荷较高。据此将所有指标分为3类, 结合相关专业知识对各个因子进行命名。
第1个主因子F1在指标X2、X3、X4、X5、X7、X8、X9、X11、X12、X13、X14和X18上的载荷较大, 上述各指标主要反映了一个地区经济发展的综合实力, 故而将因子F1命名为综合经济实力因子。
第2个主因子F2在指标X1、X6、X19、X20、X21和X22上的载荷较大, 这些指标主要反映一个地区的农业生产状况和发展程度, 故而将因子F2命名为农业发展因子。
第3个主因子F3在指标X16、X17和X10上, 尤其是X16和X17上的载荷较大。这些指标主要反映一个地区金融业的实力和居民的富裕程度, 故而将因子F3命名为经济发展潜力因子。
3. 县域经济的综合得分。
计算各个县 (市) 的因子得分。依据各个因子方差贡献率在总的方差贡献率中占的比例, 求出3个因子得分的加权值, 即为因子的综合得分。计算公式为:
4. 结果分析。
(1) 综合经济实力因子。河南省108个县 (市) 中综合经济实力因子得分大于0的有40个, 占全部县 (市) 的37.04%;得分大于1的仅有16个县 (市) , 占全部县 (市) 的14.81%。其中, 得分最高的为巩义市 (3.670 3) , 得分最低的为台前县 (-1.191 3) 。由此可见, 河南省部分县 (市) 的经济发展良好, 但大多数县 (市) 的经济实力依旧比较弱, 而且各个县 (市) 的经济发展水平不均衡, 区域差异比较严重。
另外, 需要指出的是, 综合经济实力因子得分最高的10个县 (市) 主要位于郑州、洛阳、开封等这些中心城市群的周围, 这些城市交通便利, 地理条件优越, 区位优势明显。得分最低的20个县 (市) 主要位于豫西 (南) 、豫北地区和黄淮地区, 这些地区交通条件相对较差, 大多是以农业为主的县域, 其综合经济实力远远落后于全省的平均水平。
(2) 农业发展因子。河南省108个县 (市) 中农业发展因子得分大于0的有53个, 占全部县 (市) 的49.07%, 其中最高为邓州市 (3.0 035) , 其次是滑县 (2.4 902) 和固始县 (2.4 672) 。这是在情理之中的。邓州市2008年的粮食总产量在河南省排名第6位, 滑县和固始县2008年的粮食总产量分别是河南省的第一、二名。该因子得分比较靠前的几个县 (市) , 如永城市、唐河县、太康县、淮阳县、夏邑县、郸城县、虞城县等, 都是传统的农业大县。
相反, 综合经济实力较强的县 (市) 如巩义市、新密市、新郑市等, 其农业发展因子的得分较低。这些地区的农业发展水平与上述县 (市) 相差较大, 工农业发展表现出了较为严重的不均衡性。
(3) 经济发展潜力因子。河南省108个县 (市) 中经济发展潜力因子得分最高的10个县 (市) 为鄢陵县、荥阳市、中牟县、新郑市、邓州市、武陟县、唐河县、新野县、滑县和孟州市。这些县域中既有综合经济实力很强的传统工业强县, 也有新兴的县市 (鄢陵县、孟州市和武陟县等) 。
三、河南省县域经济现状分类
依据河南省108个县域的因子综合得分, 运用分层聚类分析方法, 可将2008年河南省全省的县域经济分为发达地区、较发达地区和欠发达地区3种类型。
1.发达地区 (因子综合得分F≥0.55) 。该区域包括巩义市、新密市、永城市、新郑市、荥阳市、禹州市、偃师市、邓州市、登封市、林州市、灵宝市、固始县、安阳县、唐河县、中牟县和长葛市等19个县 (市) 。这些地区中, 除了邓州市和固始县外, 第1主因子 (综合经济实力因子) 的得分都比较高, 说明其经济实力都比较强;而第2主因子 (农业发展因子) 的得分普遍较低, 农业发展状况并不容乐观。
2.较发达地区 (因子综合得分0≤F<0.55) 。该区域包括濮阳县、沁阳市、辉县、新安县、项城市、鹿邑县、武陟县、新野县、镇平县、太康县、尉氏县、襄城县、许昌县、长垣县、郸城县、夏邑县、鄢陵县、上蔡县、淮阳县、虞城县、临颍县、沈丘县、杞县和栾川县等24个县 (市) 。这些县 (市) 几个主因子的得分较为均衡, 县域经济发展的潜力最大。
欠发达地区 (因子综合得分F) 。该区域包括个县市) , 主要位于豫西 (南) 、黄淮地区和豫北地区, 其3个主因子的得分都较低。这些地区的下一步发展, 需要从基础设施建设、工农业发展模式等各个方面进行全面系统的规划, 任重而道远。
四、结论及建议
河南省县域经济发展的总趋势良好, 但由于河南省是一个农业大省, 人口众多, 地域广阔, 各个县 (市) 的经济发展水平不均衡, 区域差异依旧比较严重。
1. 以郑州、洛阳和开封等城市为核心的中心城市群。
中心城市群经济实力雄厚, 产业结构较为合理。但是, 这些地区的农业发展水平却赶不上工业的进步程度。统筹城乡协调发展, 加快农业现代化进程, 落实工业反哺农业, 将是这些地区未来工作的重点。
2. 豫西、豫西南、黄淮和豫北地区。
因子分析和聚类分析在长江水污染综合评价中的应用 篇3
关键词:因子分析；聚类分析；现代贸易中心；竞争力
中图分类号：F23文献标识码：A文章编号：1006-4117（2011）04-0169-02
贸易中心，总体意义上是指零售批发交易中心、口岸贸易中心、物流配送中心等多项功能的综合体。当今时代，对外贸易的发展出现了新特点，区域贸易中心无论在内涵和外延上都得以拓展，中心城市要想在日趋激烈的贸易竞争中与其它城市抗衡，必须紧密依托经济的发展，加快构建现代贸易中心。贸易中心建设是一项综合性的建设任务，其不仅关系到中心城市在全国城市竞争中的地位，而且关系到城市如何为全国的贸易增长方式转变提供平台，为获得贸易利益服务。
因子分析将具有复杂关系的变量综合为数量较少的几个因子，以再现原始变量和因子之间的相关关系，而聚类分析则根据不同因子对变量进行分类，这不仅可以对贸易中心城市的竞争力进行综合评价，而且可以了解各城市发展的制约因素。本文应用因子分析对我国贸易中心城市的竞争力进行综合评价，并根据因子得分对各城市进行聚类分析，以进一步明确我国现代贸易中心的发展情况。
一、样本选择及变量定义
本文选取2006年集装箱吞吐量排名前10的10个具有代表性的贸易中心城市：天津，大连，中山，上海，连云港，厦门，宁波，青岛，广州，深圳。数据来源是2006年各地的《国民经济和社会发展统计公报》和2006年各地的《统计年鉴》，运用SPSSV13.0进行统计分析。
本文共选取了9个指标来进行贸易中心竞争力的比较，分别是第三产业占GDP比重（x1），限额上批发零售贸易业商品销售总额（x2），货运总量（x3），货物进出口总额（x4），货物进口额（x5），货物出口额（x6），外贸依存度（x7），进出口占本国比例（x8），港口集装箱吞吐量（x9）。
二、因子分析及其结果
（一）因子分析
本文使用因子分析方法提取10个样本中心综合竞争力指标主成分为F1，F2和F3及其对应的特征值和贡献率。从因子旋转后的载荷阵可以看出，第一个主成分对货物出口额，进出口占本国比例，进出口总额有绝对值较大的相关系数，这三个指标在第一因子上的负荷值最大，达到92%以上。第一公因子反映了贸易发展规模情况，因此定义第一个公因子为规模因子，主要解释贸易产业的发展规模情况（在这里虽然货物出口额的载荷值为94%，进出口总额的载荷值为92%，但考虑到实际生活中用进出口总额来衡量城市的贸易规模更贴切，这里的规模因子我们就用进出口总额来表示）。第二个因子相关系数绝对值最大的是货运总量，载荷为94.5%，它可以解释贸易中心城市的交通运输情况，因此定义第二因子为交通因子。第三个因子主要反映了第三产业的比重情况，因此定义第三公因子为服务贸易因子。取前3个主成分来代替原来9个变量，其累计贡献率达96.98%，能较好地评价中心城市的贸易竞争力。从因子得分系数矩阵，得出前3个主成分的线性组合方程。
以每一个主成分对应的贡献率为权数，对3个主成分加权平均，所选样本竞争力评价函数如下：
根据上述公式计算出相应的因子得分及综合竞争力得分，结果见表1。
（二）因子分析的結果
从综合竞争力指标来看，2006年我国样本中心城市的贸易竞争力呈现以下特征：
1、贸易竞争力排名前3的城市，都具有经济力量雄厚，贸易量巨大，对周边地区经济辐射力较强的优势。上海扼长江流域之龙头，居沿海经济带的心脏地域，优良的港口、广阔的腹地，使上海具备得天独厚的地理条件。此外，交通，通讯，航运和金融等基础设施和软环境都已具有一定的基础，是全国最大的经济中心和工业中心，产业体系完备，生产实力雄厚；深圳已经连续16年取得贸易出口额全国第一，包括深圳湾口岸、大铲湾码头等等在内的物流优势给深圳发展国际国内贸易提供了强大的支撑。而珠三角作为全球最大的生产型消费品基地为深圳发展贸易中心提供了强大的产业支持。
2、第三产业占GDP的比重即服务贸易亟需发展。在列表中，所有城市的F3得分都是负值。在现代贸易中心城市的发展过程中，服务贸易的重要性越来越突出，而我国这些城市的服务贸易发展还远远地低于要求，这是我们必须认识也务必要抓住的一个重点。促进服务贸易的发展，需要重点做好以下几个工作：第一，形成服务贸易推进机制。把推进服务贸易与建设贸易中心结合起来，与形成服务经济为主的产业结构调整结合起来，形成服务贸易发展的立体格局，形成服务贸易的推进机制。第二，营造有利于服务贸易发展的良好环境；第三，完善符合市场经济要求的服务贸易促进体系，加强服务贸易企业间和政府部门间的联系；第四，以“开放促发展”，但要把工作重点放在服务贸易的出口方面，在出口市场布局上，实现以点到面，从单个项目输出到产业转移的深度开发的战略转移。
3、两端城市的差距较大。排名在前的贸易带头城市上海，深圳与中山，连云港等的各项得分差距比较悬殊。其中上海为3926548，而连云港仅为247538.2，说明我国的各个贸易中心城市的竞争力水平参差不齐，很多城市的贸易业发展还是有乐观的追赶空间。
三、聚类分析及其结果
（一）聚类分析
聚类分析就是对研究样本或指标进行分类的一种多元统计方法，通过将一批数据的个案或者变量的诸多特征，按照关系的远近程度进行分类，以达到认识问题本质的作用。本文使用聚类分析中的逐步聚类分析法（K-means Cluster），选择规模、交通和服务贸易3个因子作为聚类变量，将10个样本城市分成3类，并对产生类的控制变量——3个因子得分作了单因素方差分析。从SPSS输出结果可知：3个类中心点进行了3次迭代，用于聚类分析的3个变量均呈现了显著性差异，说明聚类效果较好。聚类分析结果见表2。
（二）聚类分析的结果
第一类城市中包含上海和深圳。上海和深圳都是沿海城市，有较大的港口，又联系着广阔的腹地，因而是海陆交通的枢纽，是国内外经济、文化、技术交流的连接点，拥有雄厚的产业基础与技术力量，是经济和贸易的荟萃之地。这类城市规模因素，交通因素和服务贸易因素都拥有得天独厚的优势，继而综合排名名列前茅，分居第1和第2。尤其是在规模这个因子上，上海和深圳的货物进出口总额是遥遥领先于其它城市的。上海22750000（万美圆），深圳23723300（万美圆）的规模总额更是奠定了其我国一线贸易中心的地位。
天津，宁波，青岛，广州属于第二类城市。这几个城市都各有优势，特点突出，但劣势也不容忽视致使其综合得分达不到最高水平，排名在第3至第6位。天津，宁波，青岛3个城市都处于有利的交通位置，但是服务贸易的发展速度相对过缓，第三产业占GDP的比重远未达到一线现代贸易中心的水平。其中天津40.21，宁波40.06，青岛41.96，均只刚超出40%。广州是集加工和贸易于一体的港口城市，第三产业占GDP比重高达57.6%，居于10城市之首，然而有形贸易中的重要衡量指标进出口贸易总额和货运总量却列于上海和深圳之后，综合得分为4106579，排在第三位，和宁波，青岛，广州同属第二类城市。
大连，中山易绝对量来说，还是所拥有的交通地理资源和现代的贸易种类来说，这4个城市都是无法与前面几个城市抗衡的。进出口总额最多的厦门（3278961万美圆）比二类城市中的最小值青岛（3908243万美圆）都少将近600000万美圆；货运总量也仅为4550万吨（厦门）至27526万吨（大连）；第三产业占GDP比重最小的城市中山（35.33）也归属于此类。
结束语：通过对2006年我国现代贸易中心城市的研究表明，上海和深圳是我国目前最具贸易竞争力的城市，在规模和交通因子上占有绝对优势；但同时两极分化明显，如综合得分最高的上海，得分为11457274，而最差的连云港，得分为247538.2，两个城市的综合竞争力差值为11209735.8，两端的城市竞争力得分差异较大。最为凸显也最令人担忧的问题是，06年我国10个样本城市的服务贸易因子得分都是负值。这说明，我国贸易城市的竞争力在服务贸易这一块非常缺乏，要想建立真正的，有影响力的现代贸易中心城市，贸易方式急需转变。大力发展服务贸易，对城市经济和社会发展都具有重要的意义。
作者单位：华东政法大学
作者简介：肖芳（1988— ），女，汉族，湖南娄底人，华东政法大学商学院09级产业经济学硕士研究生，研究方向：产业经济学。
参考文献：
[1]刘振栋,刘丽,王中海.基于因子分析和聚类分析的钢铁行业绩效评价[J].公司理财.2009,5.
[2]李俊梅．区域性商贸中心评价指标体系的建立及应用[J]地域研究与开发价[J].地域研究与开发,1998,12.
[3]陶昌盛,沈雅琴.上海未来的选择:构建国际贸易中心[J]．经济纵横.2003,5.
[4]宋国良.建设国际贸易中心亟需发展服务贸易[J].上海企业,2009,7.
[5]许学武.加快建设国际贸易中心的几点建议[J].上海商业.2005,3.
[6]王火灿.国际贸易中心的形态与成因及上海的目标与对策[J]．国际商务研究,1995,3.
[7]黄强．现阶段论上海国际贸易中心的构建[J].市场论坛.2009,7.
因子分析和聚类分析在长江水污染综合评价中的应用 篇4
灰色聚类分析在土壤质量综合评估中的应用
土壤质量作为环境质量的一项重要指标,必然要对该项指标进行精确的评估.本文基于灰色聚类分析提出了一套新的土壤质量综台评价体系.与传统方法栩比,该方法把含有大量汞、镉、砷等污染的`土壤系统看作“灰色系统”,将注入土壤系统的化学及放射性污染物看作“灰色量”,利用灰色聚类分析加以评估.从而解决了传统方法在综合评估的过程因存在放射性污染而使评估指标的权值有较大主观性的问题,为土壤环境的综合评价提供了理论依据.
作 者：王h 作者单位：北京交通大学土木建筑工程学院,北京市,100044刊 名：中国科技博览英文刊名：CHINA SCIENCE AND TECHNOLOGY REVIEW年，卷(期)：“”(26)分类号：P关键词：土壤质量 综合评估 灰色聚类分析
因子分析和聚类分析在长江水污染综合评价中的应用 篇5
15份海岛棉品种产量品质的综合评价及聚类分析
调查了15份海岛棉品种的9项产量性状指标,5项品质性状指标和12个表型性状.分析结果表明,产量性状中单铃重、子指和衣分的变异系数最小;5项品质指标的变异系数都较小;形态性状的.聚类分析结果显示,15份品种在欧氏距离为2.90处可分为三大类,聚类结果与系谱分析结果较为一致.指出今后海岛棉育种应加强优异资源的引进和综合育种技术的应用,从而带来新疆海岛棉育种的突破.
作 者：董承光 肖光顺 李保成 林海 作者单位：新疆农垦科学院棉花研究所,新疆石河子,83刊 名：安徽农学通报英文刊名：ANHUI AGRICULTURAL SCIENCE BULLETIN年，卷(期)：15(14)分类号：S562关键词：海岛棉 综合评价 聚类分析
因子分析和聚类分析在长江水污染综合评价中的应用 篇6
都市圈一词衍生于戈特曼提出的Megalopolis思想,国内外学者基于此思想对都市圈的发展模式进行了大量研究。“都市圈”和“城市群”具有不同规模,但国内学者常用来来描述具有群体特征的发展模式,刘少丽等运用中心性指数和重力模型方法,针对研究对象构划出江苏沿江地区的南京、锡常泰、苏通等三大都市圈[1];张旭亮等结合城市等级、经济联系、经济隶属度等对长三角城市群的经济结构变化进行了分析[2];徐梦洁等[3]分析了行政区划调整对城市群空间影响等方面的问题;沈飞通过描述创新投入变量和创新产出绩效变量,运用结构方程分析二者的关联性[4];解学梅基于协同学和博弈论,分析产生技术创新“孤岛效应”的四方面原因[5];曹广喜等基于省级面板数据,实证分析了FDI对长三角、珠三角、京津冀和东北地区创新能力的溢出效应具有显著差异[6];施继元等在分析都市圈创新系统框架的基础上,从创新系统角度分析了都市圈创新效应的成因[7]。国外学者Pinto和Guerreiro运用因子分析法将区域创新能力评价指标提炼为技术创新、经济结构、人力资本和劳动力市场四个维度[8];Stefano Breschi实证分析了发明家在短距离空间及远距离空间均有流动,两部分比例相近[9];Bettencourt实证发现都市圈专利活动和人口规模呈现超线性关系,科研成果、其他创造行业的从业人员与都市圈人口规模也服从超线性比例关系[10];Lim验证了都市圈创新活动集聚与相邻都市圈创新活动集聚的空间关联,分析了都市圈创新活动的时空模式[11];Anselin等利用125个都市圈的重大创新指标,调查了由小型高科技企业在大学研究和创新活动间的知识溢出[12]。
由上述可知,国内学者对都市圈的研究较为关注地域构划、经济协调发展等方面的内容,涉及到创新的内容主要是创新投入与产出的关联性、创新的溢出效应及定性分析创新效应等方面的研究;国外学者主要关注都市圈创新活动(而不是创新能力)的研究,这与国内研究有较大的不同。而且国内学者对创新能力的研究更多的是基于区域范围,区域与都市圈的发展模式有很大的不同,不能直接套用在都市圈的发展研究中。创新能力作为竞争环境中能够获取发展优势的动力源,对都市圈社会经济各方面都产生着重要的影响,只有客观地评价都市圈中创新能力的构成状态,才能更好地指导都市圈如何从创新系统中获取发展先机。因此,本文将在界定都市圈创新能力定义的基础上,构建都市圈创新能力指标体系,并以上海都市圈为实证对象,运用因子分析方法和聚类分析方法对上海都市圈创新能力进行评价研究,为促进上海都市圈创新能力的协调发展、制定相关发展政策等提供科学依据。
2 都市圈创新能力的内涵
法国地理学家戈特曼首先在1957年出版的《Megalopolis:on the Urbanization of the Northeastern Seaboard》里提出“Megalopolis”,后来日本通过国土规划和实践在国际学术界使得“都市圈”一词传播开来。国内学者对都市圈的界定并未达成统一,较多学者倾向于“由一个或多个核心城市与若干相关周边城市组成的,在空间上密切联系、在功能上有机分工相互依存并且具有一体化倾向的城市复合体”,且部分学者以距离核心城市1小时交通时间法则来界定都市圈的范围[13]。创新是指通过流程的改进,将知识转变为新产品、新服务或产量增加的过程,这个过程对改变顾客的需求、提高竞争力和技术更新都非常重要[14]。全少莉等以“城市将知识、技术等资源要素重新整合创造出新知识和新技术,并将其转化为生产力创造出新产品的能力”界定城市创新能力[15]。结合都市圈的群体特征及创新能力相关研究,本文界定都市圈创新能力的概念为:在空间上密切联系且具有一体化倾向的城市复合体,能够利用群体资源将知识转化为新产品、新技术和新服务,推动城市复合体经济整体发展的能力。基于本文界定概念和创新能力评价相关研究,从经济环境、教育环境、创新资源与产出、邮电通信与网络规模等四个方面构建了都市圈创新能力指标体系,如表1。
3 上海都市圈创新能力的实证评价
都市圈创新能力是涉及经济、教育、科技、信息等多方面系统的综合体系,同时也表现出知识转化为有效资源的能力,为了较为全面、客观地评价上海都市圈的创新能力,本文结合运用因子分析方法和聚类分析方法进行实证评价。
3.1 上海都市圈创新能力的因子分析
依据表1所列指标,借鉴2011年版《中国城市统计年鉴》及16个城市的统计年鉴获取相关数据,并将数据输入软件SPSS18.0进行因子分析。输出结果中,Bartlett球形度检验的显著性水平为0.000,KMO值为0.754,表明指标数据适合作因子分析;根据特征值大于1和方差累积百分比大于85%的原则提取两个主因子,方差累积百分比达到93.788%,能够较为全面地反映原有数据信息。由于两个主因子的原始载荷不易于解释数据,因此运用最大方差法对数据进行旋转,旋转3次后数据收敛,旋转后的因子载荷如表2所示。
主因子F1中I5、I14、I9和I8等指标的载荷比较大,I5反映了城市对文化事业的重视程度和提供知识资源的能力,I14反映了创新所需的信息资源规模,I8和I9反映了创新活动所需的资金和人力资源,F1主要代表创新资源的投入;主因子F2中I2、I10、I11和I1的载荷比较大,I1和I2从整体和人均角度反映了城市经济的产出规模,I10和I11从申请和授权角度反映了拥有自主知识产权成果的情况,F2主要代表经济和创新的产出;F1和F2较为全面地从创新所需的资源投入(包括知识、信息、资金、人力等资源)、经济产出、创新产出等方面反映出上海都市圈将知识转化为新产品、新技术、经济产出的能力。基于方差贡献率构建因子得分函数为F=0.676F1+0.262F2,结合软件输出的两个主因子值计算因子得分并排序,具体见表3。
3.2 上海都市圈创新能力的聚类分析
为了使得后期的结论分析更具有针对性,将两个主因子得分值输入SPSS18.0中,基于平方Euclidean距离进行聚类分析,聚类树状图结果如图1所示。聚类得出四个类别:(1)上海,创新资源投入非常大,经济和创新的产出比较大,而且投入和产出均位于前列;(2)无锡和苏州,创新资源的投入非常小,处于上海都市圈城市排序的末端,而经济和创新的产出非常大,处于上海都市圈城市中的第一和第二位;(3)杭州和宁波,属于浙江省的两个核心城市,创新的投入与产出相对均衡,均位于前列;(4)南京、常州、南通、镇江、泰州、嘉兴、湖州、绍兴、舟山、台州,创新的投入与产出大多处于中间水平,而且大多数城市的创新投入与创新产出表现为非均衡状态。
4 结论
结合上述的上海都市圈创新能力实证评价结果,分析得出结论如下:
(1)上海都市圈应凭借经济水平与创新能力的关联,促进二者的相互汲取和联合发展。结合实证评价结果,上海市的创新能力在上海都市圈中列于首位,与其经济水平的核心地位匹配,在聚类分析中也被划为单独的一类,即投入与产出均较大,而投入的前提基础是经济平台提供的能量;同时,杭州、苏州的创新能力地位分别位于第二和第三,从侧面上反映出创新能力与经济水平的地位具有一定关联,创新能力的提高有助于促进经济水平的发展,经济水平反过来亦能提供创新能力所需的资源支持。
(2)经济发展水平对创新的投入力度具有一定影响,应开拓满足创新发展所需资金投入的途径。创新能力的构成中,“创新资源投入”的权重非常大,因子得分排名在前列的,说明该城市在创新资源投入方面的力度相对比较大;指标I3在创造资源投入中的载荷较大,指标I1和I2在经济和创新产出中的载荷较大,表明城市经济的发展水平对创新发展所需的资金投入层面有较大影响,除了从政府角度加强对创新发展的资金投入,也应该从行业、企业角度开拓资金的来源渠道,为创新能力的提升提供坚实的经济基础。
(3)邮电通信与网络规模对创新能力产生正向作用,有利于扩大创新技术的传播范围。国际互联网用户数和电信业务总量对创新能力的影响很大,亦是创新资源投入的中坚力量,体现了上海都市圈创新能力在很大程度上依赖通信网络的规模,即不仅创新能力需要以信息平台的建设来更新投入、转换、产出的模式,而且创新技术传播和实现在很大程度上依靠城市的信息化水平。
(4)主因子1的构成中,指标I5和I9的载荷较大,表明上海都市圈各城市对于公共知识资源投入的重视,而且较好地发挥了科技人员的能动效应,在创新能力中很好地实现了“思维”与“行动”的结合。主因子1的排序中,前列城市大多为距离核心城市上海较远的城市,这些城市对创新发展的投入较多,表明这些城市为了弥补自身具有的空间区位劣势,在加强信息平台建设的基础上,不断增强对创新发展的资源投入,以此获取在上海都市圈中的发展机遇。
(5)主因子2的构成中,专利申请数和专利授权数很好地实现了创新产出的描述,与很多其他学者的研究结果一致。将主因子1和主因子2的排序进行比较,发现各城市的创新投入与产出并非完全匹配:①部分城市创新资源投入的排名优于经济和创新产出,未能充分发挥资源优势,投入的创新资源没有很好地转化为新产品、新技术或新服务,尤其是南京、台州、泰州、湖州和扬州的经济和创新产出的排名非常靠后;②部分城市创新资源投入的排名劣于经济和创新产出,较好地利用了现有的创新资源,以较高的水平将投入转化为产出,尤其是无锡和苏州,经济和创新产出水平列于上海都市圈的前两位。创新资源投入的目的是为了获得更多的经济和创新产出,未能充分发挥创新资源的城市,应以聚类分析中的第(2)类城市的模式为借鉴、以经济和创新产出优于投入的城市为发展目标,通过转换管理模式、提升发展层次等途径,促进更多的经济和创新产出。
(6)上海都市圈各城市创新能力以上海为中心,近似圈层结构分布。结合各城市创新能力数值、聚类分析结果,上海以绝对核心位于中心;苏州、杭州、南京、宁波和无锡紧邻围绕着上海,属于聚类分析中的第(2)类、第(3)类,而南京是江苏省的经济、政治、文化中心;南通、嘉兴、常州、台州、绍兴和扬州则以第二圈层围绕上海,大部分城市是借助于上海的较近距离优势而位于第二圈层,台州虽然距离核心城市较远,但凭借其经济的发展、对创新资源的大力度投入,跃入第二圈层;其余城市大多未能高效地将资源投入转化为创新成果产出,仅能以相对的弱势分布于上海都市圈外层。
摘要：通过界定都市圈创新能力的定义,从经济环境、教育环境、创新资源与产出、邮电通信与网络规模等四个方面构建描述指标体系。以上海都市圈为研究对象,运用因子分析方法和聚类分析方法综合评价上海都市圈创新能力,分析得出经济发展对创新能力发展的影响、创新投入与产出的城市差别、上海都市圈创新能力以近似圈层结构分布等结论。
因子分析和聚类分析在长江水污染综合评价中的应用 篇7
我国经济社会的发展呈现出以大城市集聚发展为主导的现象,省会城市和计划单列城市是我国一定区域的政治、经济、科技、文化的中心,这些中心城市的建设水平是我国地区经济发展的重要指标,中心城市的经济发展是带动周边地区经济发展的重要动力,分析和评价我国各省中心城市的建设水平,对改善和提高各地区的城市建设水平,促进经济、社会的和谐发展具有重要意义。
1 分析方法
因子分析法是把一些具有错综复杂关系的变量归结为少数几个新的综合因子并给出原始变量与综合因子之间相关关系的一种多元统计分析方法,其基本思想是根据相关性大小对变量进行分组,使得同组内的变量之间相关性较高,不同组的变量相关性较低。每组变量代表一个基本结构,并用一个不可观测的综合变量表示,这个综合变量即为公共因子。通过SPSS软件计算出每个研究对象的各个因子的得分,然后计算出因子综合得分。
聚类分析又称为群分析,是根据观测值或者变量之间的关系程度将接近的对象结合在一起,以逐次聚合的方法将观测值分类,直到最后都聚于一类的一种多元统计分析方法。
2 相关统计指标与数据的选取
本文从人口规模、工业发展程度、收入水平等各个方面考虑选取13个经济指标,分别为年末总人口X1(万人)、地区生产总值X2(亿元)、第一产业X3、第二产业X4、第三产业X5、客运量X6(万人)、货运量X7(万吨)、地方财政预算内收入X8(万元)、固定资产投资总额X9(万元)、城乡居民储蓄存款年末余额X10(万元)、在岗职工平均工资X11(元)、社会消费品零售总额X12(万元)、货物进出口总额X13(万美元)。
本文选取我国36个城市上述13个经济指标的原始数据(见附录)进行分析,数据的选取均来源于《中国统计年鉴》。
3 基于因子分析的城市建设水平分析
本文运用SPSS统计分析软件,对我国中心城市建设水平进行实证研究。
首先对原始变量进行标准化处理,消除观测纲的差异及数量级不同所造成的影响。其次是对变量进行相关系数检验。最后,在求解因子载荷时,本文采用主成分分析法抽取因子来概括所给数据的特性,建立因子分析模型。
3.1 提取公共因子
一般情况下,根据公共因子选择标准,确定因子个数时,综合考虑和比较关于特征根大于1,累计方差贡献率达到85%以上,碎石图具有显著拐点这三个方面的原则[1]。
图1给出的是碎石图,实际上就是按特征值从大到小排列的主因子散点图。从图中可以看出前两个因子的特征值较大,皆大于1,图中折线陡峭,从第三个因子以后,折线平缓,因此本文选入2个公共因子,利用这2个公共因子代替原来的13个因子来进行相关分析。相关矩阵的特征值及其贡献率与累计贡献率如表1所示。方差分解(前两项)如表2所示。
从特征值方差贡献率看,选入两个公共因子时,累积方差贡献率达86.27%,满足提取足够信息量进行因子分析的要求。为更好的解释变量实际意义,须对公共因子进行方差最大化正交旋转。
3.2 因子旋转及公共因子命名
本文采用旋转因子模型的方法是方差最大旋转,由旋转后的因子载荷矩阵可以看出,公共因子F1在X2、X4、X5、X8、X10、X11、X12、X13上的载荷值很大,因此,F1可以称为城市规模和经济发展水平因子,在这个因子上的得分越高,城市经济发展水平越高。公共因子F2在X1、X3、X7、X9上的载荷值较大,反映了城市发展投资规模大小和交通运输量。公共因子F2得分越高,城市人口规模越大,交通运输量越高。
3.3 计算因子得分
根据旋转后的因子载荷矩阵,输出因子得分系数矩阵,并据此可以建立因子得分函数,计算出各个城市的各因子得分和综合得分。以各因子的方差贡献率占两个因子总方差贡献率的比重作为权重进行加权汇总,得出各个城市的综合得分[3]。即F=(0.862·F1+0.507·F2)/86.27
为考察个城市的建设水平,并对其进行分析和综合评价,求出因子得分的函数,由系数矩阵将2个主因子表示为13项指标的线性组合。因子得分函数为:
由此,可对表示城市规模和经济发展水平的F1因子、城市交通规模大小的F2因子,根据得分情况进行排序,如表4所示。
在城市规模和经济发展水平因子F1上,得分最高的城市依次是上海、北京、深圳、广州、天津。其中,上海的得分为3.37498,北京的得分为3.28742,远高于其他城市。这说明,上海、北京城市建设发展水平远远好于其他城市发展水平。
在城市交通规模大小因子F2上,得分最高的是重庆、成都等城市,其中,重庆得分最高,为4.39,远远高于排名第二的成都。排名较低的有拉萨、西宁,由于拉萨、西宁地理位置的关系交通不发达,城市规模小、人员少,从而排名靠后。
因子综合得分最高的城市依次是北京、上海、重庆、天津、广州、深圳。最低的城市依次是西宁、银川、拉萨、呼和浩特。由于上海、北京等排名靠前的城市,城市发展规模较大、经济发展水平较高,其所处地理位置好,交通运输方便,有利于经济更快发展。而西宁、银川等城市,城市规模小,经济发展水平较低,交通运输不发达,因此因子得分较低。
4 基于聚类分析的城市建设水平分析
上述仅对影响我国中心城市建设水平的因素,即13个经济指标进行了定量的因子分析,并根据各个城市的因子得分排名情况进行分析,得出城市间的建设水平差异。下面用组间连接法、选择欧氏距离的平方的聚类方法,在上述因子分析的基础上,将因子分析产生的新变量进行Ward聚类分析。研究各个城市整体建设水平的差异情况,进一步验证各个城市建设水平的区域分布情况[4]。
将标准化后的各个城市数据进行聚类分析,得到树状聚类图,如图2所示。
由图2得知,可以把这些城市分为四类:北京、上海为一类型,属于经济实力最强,城市规模最大,建设水平最高的一类城市;重庆属于城市建设水平较高的城市,由于交通运输的突出作用,单独归为一类;天津、广州、深圳建设水平较高,经济发展规模较大,城市所处位置重要,将其归为一类;其他城市建设水平相对较低,归为一类。
5 结论
本文应用因子分析法和聚类分析法分析评价了我国36个中心城市的建设水平,将我国中心城市建设水平的因子分析和聚类分析进行比较,可以看出,用因子分析法得出的结论和聚类分析图反映的基本一致,这说明用因子分析法评价城市建设水平是合理的,因子分析法的结果得到了聚类分析法的验证。
附录:
原始数据
参考文献
[1]吴雨蔓,范建全.基于因子分析和聚类分析的我国中心城市建设水平研究[J].财富网络,2010,11(22):90-92.
[2]刘林军,吴黎军.基于因子分析的我国西部12城市经济发展状况实证分析[J].重庆理工大学学报,2010,24(11):118-122.
[3]董梅生,张佳佳.基于因子分析与聚类分析的城市设施水平综合评价[J].安徽工业大学学报,2012,7.
因子分析和聚类分析在长江水污染综合评价中的应用 篇8
关键词：土地流转,影响因素,因子分析,聚类分析
一、问题提出及研究背景
随着《关于引导农村土地经营权有序流转发展农业适度规模经营的意见》的出台,与土地流转相关的“三权分置”、创新土地流转形式等也不断提上日程。作为农业大省的江西省也在积极探索土地流转的新途径,2011年江西省土地流转面积4530000亩,2012年达到4850000亩,土地流转面积不断增加。然而,更多的农民为了追求更高的收入水平选择从事非农行业,2012年江西省全省农村劳动力转移10566888人,占总人口的65.8%,农村剩余劳动力的大量转移导致“土地抛荒”、“丧失肥力”等不良现象。 一方面是农民收入的增加,另一方面是土地功能的衰退, 这种现象产生的原因在于农民没有有效发挥土地的作用, 没有把“最后的保障”真正发挥保障作用。其实,农民收入增加和土地之间并不存在矛盾,合理的土地流转既能增加农民收入,又能保障土地的用途和功能。当然,在土地流转的过程中有很多推动因素,也有很多阻碍因素,从土地流转的结果来看,就江西省而言,其推动因素的作用要大于阻碍因素的作用。本文以江西省11地市为例,分别研究土地流转的影响因素,并为土地流转的合理有序进行提出政策建议。
国内关于土地流转影响因素的研究主要集中在宏观因素和微观因素两个方面。很多学者从微观层面上农户的角度对土地流转影响因素进行了研究,洪名勇、关海霞 (2012)以贵州省为调研区域,以农户家庭为基本单元,探讨农户的土地流转行为特征,从农户的角度寻找出影响土地流转的微观因素。徐美银等(2012)在调查江苏省522户农户的基础上运用Logistic模型分析了农户土地流转意愿对土地流转的影响,地区经济发展水平、农村居民教育水平、农民在土地流转中的主体地位会影响农民土地流转的意愿。另外,一些学者也通过不同的研究方法,从不同的角度分别探讨了影响土地流转的主要因素。包宗顺等(2009) 从非农产业发展水平、农业生产结构、劳动力文化素质、农村居民人均纯收入、农村社会保障水平等五个方面分别分析了其对农村土地流转的影响程度。许恒周、郭忠兴 (2011)从农民阶级分化和产权偏好的角度,运用Logistic模型对农民职业分化、产权偏好与农村土地流转的关系进行了实证分析,探讨了二者对土地流转的影响。刘卫柏、李中(2012)运用灰色关联度的分析方法,分析了影响农村土地流转的主要因素。李秀霞等(2012)运用因子分析和灰色关联度相结合的方法,探讨了吉林省影响农村土地流转的主要因素,最后得出全社会住宅投资、农村城镇比较收益、 农业中间消耗是影响土地流转的主要因素。国外对土地流转影响因素的研究主要集中在制度因素和农户自身角度, Charles c.krusekopf(2002)认为阻碍土地流转的主要因素一方面在于土地产权制度变动性大、土地市场发展缓慢、 政府干预过多,另一方面则是土地交易费用,他认为农民对土地较为依赖,这会放慢国家的农村土地制度改革。 Bogaerts etal(2000)认为中欧国家由于制度因素导致土地交易费用的增加,进而阻碍了农村土地交易市场的发展。 Huang Xianjin等(2000)在对中国土地交易市场研究后发现,不同的农户由于其经济水平的差异,在土地依赖性和土地流转等方面都存在较大的差异。
本文在以往研究的基础上进一步研究土地流转的影响因素,除了涉及与土地流转直接相关的土地流转面积、 耕地面积、农业机械总动力以及农业生产结构等因素外, 还从宏观层面探讨农业生产总值等对土地流转的影响,采取因子分析和聚类分析相结合的研究方法,既得出主要影响因素,又对江西省不同地市的土地流转情况进行归类分析。最后,结合各地面临的实际情况提出政策建议,从而促进土地流转的合理有序的进行。
二、数据来源与指标选取
本文采用江西省11地市2012年的相关数据进行分析,数据主要来源于2012年《江西统计年鉴》、《中国区域统计年鉴》、《中国农村统计年鉴》等。
土地流转的影响因素有很多,结合江西省11地市的实际情况,并在以往关于土地流转影响因素研究的基础上,本文主要从农村经济发展水平、农业发展水平、农民自身生活水平三个角度选取影响土地流转的因素,并没有涉及到制度政策因素。具体指标选取如表1所示。
本文选取的18个反映土地流转影响因素的指标具有以下几个特点:一是指标涵盖与土地流转息息相关的农村、农业、农民,总体来说具有全面性;二是选取的指标分别代表江西省11地市,在具体分析的过程中可以在不同地区之间进行对比分析,具有可比性;三是选取的18个指标相关数据能够在相关统计年鉴及相关资料中获取,在实际操作中具有可行性。
三、因子分析
1、因子分析基本理论和分析步骤
因子分析的基本思想是把每个研究变量分解为几个影响因素变量,将每个原始变量分解成两部分因素,一部分是由所有变量共同具有的少数几个公共因子组成的,另一部分是每个变量独自具有的因素,即特殊因子。因子分析的模型为:
其中Xi=(X1,X2…,Xp)' 为原始数据,为了避免量纲不同造成结果的不准确性,本文通过对原始数据进行标准化的方法做无量纲化变换,因此,本文中Xi表示的是标准化后的数据。F=(F1,F2,…,Fm)' 为公共因子,E=(E1,E2,…Ep)' 为特殊因子。另外,本文采用主成分法,因子抽取个数取决于公因子对原始变量的方差贡献,一般选取累计方差贡献率达到或超过85%时的前几位因子。
提取方法:主成份分析
提取方法:主成分分析法:具有 Kaiser 标准化的正交旋转法 a.旋转在 6 次迭代后收敛
因子分析的步骤为:第一,选取指标;第二,对指标进行无量纲化处理,本文对数据进行的标准化处理;第三,利用旋转方法使因子变量更具有可解释性;第四,计算各主成分的得分及综合得分。
2、因子分析结果
本文运用spss17.0对江西省11地市的18种指标数据进行因子分析,首先对数据进行标准化,然后运用主成分分析的提取方法得到18个指标中可以提取的4个主成分,如表2所示。
对旋转后的成分矩阵表3进行分析, 并结合以往文献和专业知识分别对4个主成分进行命名。
第一主成分F1在乡村户数、多种经营产值、农业机械总动力、有效灌溉面积、农村劳动力转移人数、土地流转面积以及常用耕地面积上系数较大,其中乡村户数以及多种经营产值影响最大。这些因子都是与土地流转直接相关的因素,对土地流转总量都有直接的影响,可以归纳为农业生产经营基本情况因子。
第二主成分F2在城镇居民恩格尔系数和地区生产总值上的载荷较大。其中城镇居民恩格尔系数与土地流转成负相关,也就是说,城镇居民恩格尔系数越低,城镇居民生活水平越高,农村土地流转水平越高,反之,则越低。主要原因在于城镇居民生活水平的提高是区域经济发展水平提高和居民收入增加的结果,进而会为农村剩余劳动力提供更多的非农就业机会,使更多的农民放弃农业生产而从事非农业生产,最终导致土地流转的增加。结合地区生产总值的影响,可以将第二主成分归结为地区经济发展水平因子。
第三主成分F3在农业按固定资产投资上的系数最大。农业按固定资产投资越多,参与流转的土地越多。原因在于农业投资越多意味着农业生产越专业化和规模化,流转土地不仅有利于转入方的土地经营管理,也有利于增加转出方的流转收入。该主成分可以看做是农业投资因子。
第四主成分F4影响最大的是农村居民恩格尔系数, 与土地流转水平成正相关,即农村居民恩格尔系数越高,农村居民生活水平越低,则农村土地流转水平越高,反之则越低。这种现象出现的原因在于,农村居民生活水平较低的情况下,为了追寻较高的收入,更多的农村劳动力选择外出打工,而将土地简单的流转出去,使土地流转的总量增加。这里的流转一般是指在农民生活水平较低的情况下进行的非正式口头流转,这种流转往往不是以增加农民收入为目的而是为了避免因土地抛荒遭到惩罚而进行的。 因此,农村居民生活水平与土地流转并不是严格意义上的负相关,在健全的土地流转制度和完善的土地流转机制下,农民生活水平的提高有利于催生合理的土地流转。该主成分可以称为农村居民生活水平因子。
各地区主成分因子得分结果分析:
第一,对土地流转影响最大的因子是农业生产经营基本情况,其方差贡献率达到60.065%。该因子通过乡村户数、多种经营产值、农业机械总动力、有效灌溉面积等直接影响土地流转的总体状况。因此,在乡村户数较多、多种经营产值较高的赣州市,该因子评分最高。主要原因在于赣州市农村户数多,并且邻近广东、福建等发达地区,导致农村劳动力转移较多,最终对土地流转的影响较大。
第二,地区经济发展水平因子也对土地流转产生一定的影响,其影响作用的发挥主要是从宏观的经济环境和外在的经济条件两个角度进行的,其中也隐含了本文没有考虑到的制度政策因素。在该因子中省会城市南昌市评分最高,一方面是由于南昌市地区生产总值和居民生活水平高于其他地区,另一方面源于南昌市具有关于土地流转相对健全的制度政策机制。该因子虽然没有第一主成分贡献率高,但是在土地流转质量上具有不可忽视的影响作用。
第三,第三主成分农业投资因子和第四主成分农村居民生活水平因子对土地流转的影响作用相对较小。宜春市在农业投资因子上评分最高,由于宜春市的常用耕地面积在11地市中最多,达到470千公顷,平均到每公顷的单位农业投资相对较少,此时,农民更愿意通过土地流转进行规模生产经营以弥补单位农业投资较少带来的损失。抚州市在农村居民生活水平因子上评分最高,可以对比看出该市的农村居民恩格尔系数最高,即农村居民生活水平最低,根据本文之前的分析可知,土地流转水平较高。
第四,根据综合得分排名可以看出第一、二主成分排名较靠前的区域,其综合排名也较靠前。主要原因在于农业生产经营基本情况对土地流转的数量产生直接影响,而地区经济发展水平则对土地流转的质量产生直接影响。排名1—3的区域多是由于农业生产经营基础好导致土地流转数量的增加,而排名4—6的区域是由于外部经济发展环境的变化导致土地流转过程的完善和流转质量的提高,最后几名则在土地流转数量和质量上都没有较高的水平,急需通过采取措施改善土地流转状况。
四、基于因子分析主成分得分的聚类分析
为了分析不同地区在土地流转影响因素方面的共同点和差异,特对因子分析结果中的4个主成分得分进行聚类分析,本文采用Ward离差平方和聚类方法,距离测度采用平方欧式距离,选取聚类数为3,即结果可将11地区分为三类,如表6所示。
第一类为南昌市,虽然在第一主成分农业生产经营基本情况因子中,由于客观因素的影响,南昌的得分并不是很高。但是,在地区经济发展水平以及城乡居民生活水平方面,南昌市具有很大的优势。这些外部条件和因素的影响会对土地流转数量和质量产生较大的促进作用。
第二类包括景德镇市、萍乡市、九江市、赣州市以及吉安市,这五个地区实际土地流转面积要大于第三类地区, 原因在于其农业生产发展的基础好、农业生产技术进步快,并且外部经济环境的发展和居民生活水平的提高也为农村土地流转提供了相对优越的条件。
第三类包括新余市、鹰潭市、宜春市、抚州市、上饶市五个地区,在该类区域土地流转的影响因素的作用相对较小。一方面该类地区农业生产经营基础相对薄弱,不能为土地流转数量的增加提供有利条件。另一方面,该类地区外部经济环境也不能为农地流转质量的提高提供较好的宏观环境,主要是由于该类地区在经济发展过程中更多的注重工业的发展,在一定程度上忽视了农业的投资,影响了农民从事农业生产的积极性。
五、结论
因子分析和聚类分析在长江水污染综合评价中的应用 篇9
当前,全球企业发展面临着两种基本趋势:一种趋势是企业的大型化和巨型化,典型代表是世界500强企业,其中的大多数通过收购、兼并实现扩张;另一种趋势是企业的小型化和微型化。在众多适于分散生产经营的领域和风险性创新领域,活跃着大量中小企业,他们以灵活、创新、快速应变赢得了许多市场机会。在美国股票市场上,创业板以及与之密切相关的成长股投资,已经成为与以大型蓝筹股为主的价值型投资相辅相成的另一种重要投资方式。当前,我国人均GDP已经超越4 500美元关口,民间资本已基本完成原始积累过程,民企正值企业信息化、产业高端化、发展低碳化等转型升级的新阶段。可以相信,中小企业正扮演着越来越重要的角色。从某种程度上说,未来几年民营中小企业将迎接从量变走向质变、规模与品质同步齐飞的新机遇。与之相对应,中小企业板块也有望成为未来几年中国经济中最活跃的股票群体。
1 研究现状
近百年来,以美国为代表的西方国家对企业绩效评价问题进行不断探索,不仅引领了全球企业绩效评价理论的发展,还推动了企业绩效评价方法与技术的日趋完善。20世纪80 年代,美国管理会计委员会从财务效益的角度发布了“计量企业业绩说明书”,提出了净收益、每股盈余、现金流量、投资报酬率、剩余收益、市场价值、经济收益、调整通货膨胀后的业绩8 项计量企业经营绩效的指标。随着市场竞争的加剧,会计理论界进一步提出了企业绩效评价的权变理论,该理论认为,实践中没有一种不变的、普遍适用的管理原则可以遵守,企业必须随机应变,及时、有效地对社会环境的变化做出反应。伊曼纽尔博士和奥特利博士根据权变理论提出了由17项指标构成的“权变业绩计量”体系。这是一个定量评价和定性评价相结合的复合评价体系,首次将生存能力、应变能力纳入绩效评价的范围,从而使评价结果能够反映企业的生命力,是一种更加综合的评价方法。
我国对企业经营绩效评价问题的研究是在20 世纪90 年代以后才开始的,并且大多围绕着国有企业进行,目前已形成一套完整的国有企业效绩评价体系。但对上市公司的评价,目前的研究仍然薄弱,国内流行的上市公司评价体系主要有沃尔评价指标体系、EVA 评价法、上市公司财务绩效排序体系。
池国华、迟旭升[1]从外部投资者的角度探讨了上市公司的整体经营业绩评价问题,从评价程序的确立、指标体系的选择和评价方法的确定3 个方面对我国上市公司经营绩效评价系统提出建议。何慧婷、柳建民[2]选取了常用的41个财务指标进行主成分分析,从原有指标中提取了6 个综合指标,并通过它们来评价上市公司的绩效状况。温素彬、薛恒新[3]从经济、社会、生态3 方面设置公司绩效评价指标体系,构建了公司的三重绩效模式。由于绩效评价具有行业特征,所以分行业的研究逐渐显现。顾文炯[4]采用因子分析的方法,从企业经营能力、盈利能力、偿债能力、资产质量4 个方面对农业上市公司绩效进行了评价。朱正伟[5]运用主成分分析法对钢铁上市公司的业绩进行了综合评价,但是评价的结果局限于企业的排序,对引起绩效优劣的动因缺乏分析,难以指出改进绩效的途径,因此降低了评价的实用性。吴峰霞、吴锋伟[6]采用主成分分析法对我国钢铁上市公司2006 年的财务绩效进行了综合评价,并分析了引起绩效优劣的动因。杨军芳、郑少锋[7]运用熵权法对2006-2008年农业上市公司经营绩效进行评价, 通过对评价指标进行客观赋权, 比较分析了股权分置改革后的农业上市公司经营绩效。
近年来, 国内对于中小企业板上市公司经营绩效的评价基本上采用多指标综合评价方法,相关的研究有林略、邓作强[8]从净资产收益率、主营业务收入增长率和营业利润增长率三个指标出发, 研究了中小企业板上市公司IPO前后的业绩变化是否具有显著性,并对引起业绩变化的相关因素进行了回归分析。结果表明:流通股比例对中小企业板上市公司的相关经营绩效指标并无显著影响。肖晗[9]选取盈利能力、营运能力等五方面共15个指标,采用主成分分析和线性回归分析资本结构对其经营绩效的影响。经过分析,15个代表经营绩效的财务指标可以通过五个主成分表示,而且这五个主成分表示的经营绩效与代表资本结构的资产负债率和流动资产比率显著正相关,这说明我国中小企业上市公司资本结构与经营绩效的变动呈同向关系。
基于以上思考,本文拟从微观层面考察中小企业板上市公司的经营绩效。由于各种评价方法对原始数据的处理、权数的确定和计算方法不同,使评价结果存在着差异。本文在文献研究的基础上,试图通过构建公司绩效综合评价指标体系,运用因子分析法对上市公司经营绩效进行整体评价。同时使用偿债及发展能力、获利能力、经营能力三个因子进行聚类分析,以区别绩优、中等业绩、较差公司,由此可以帮助使用者科学地判断每类公司的绩效特征。
2 样本数据与指标体系构建
2.1 中小企业板经营绩效评价指标体系的建立
关于上市公司业绩综合评价,尽管国内外学术界已发展出比较成熟的理论,然而一般(主板)企业的评价指标体系却不一定适用于我国中小企业板,关于中小企业板评价指标的研究并不多。考虑到模型的简洁性和因子分析的前提条件限制——变量之间相关程度越大越适合作因子分析,本文选取了其中与主板上市公司评价相同的获利能力、经营能力、偿债能力和公司发展能力四方面的指标,(见表1)。
2.2 样本选择与数据来源
本文研究的样本数据来源于在深圳证券交易所中小企业板的中小规模公司。样本的筛选标准为2010年12月31日前上市的公司。截止2008年12月31日,中小企业板上市公司数量达到了273家;2009年底和2010年底分别达到327家和531家。
本文从深圳证券交易所中小企业板上市的531家公司中随机选取了37家上市公司作为样本,以所选样本公司3年财务数据的均值作为样本进入计算, 以消除不同发展阶段上市公司的差异性。样本选择的基本条件包括:①在2008-2010年期间持续上市,并发布较为完整的年报数据;②在2008-2010年期间未进行重大的资产重组或并购活动;③剔除出现严重亏损的公司。
3 中小企业板经营绩效评价的因子分析
3.1 因子分析法
本文在中小企业板上市公司经营绩效评价中主要是应用数理统计中的因子分析法(data reduction factor, DRF),它不是一种基于专家判断的主观方法,因此可以排除评价过程中人为因素的影响,并适宜于评价指标间彼此相关程度较大的综合评价。因子分析的基本思路是用少数几个因子来描述众多指标或因素之间的联系, 以较少几个因子反映原资料的大部分信息。其特点在于: ①因子变量的数量少于原有指标变量的数量, 对因子变量的分析能够减少分析中的计算工作量;②因子变量根据原始变量的信息进行重新组构, 它能够反映原有变量的大部分信息;③因子变量间不存在线性相关关系;④因子变量具有命名解释性, 即该变量是对某原始变量信息的综合反映;[10]⑤能够客观地对各个评价单元的实际情况进行多目标综合评价。
3.2 标准化处理
为了消除样本原始数据的影响及方便后续计算和分析,本文对所有原始数据按如下公式进行标准化:标准化指标= (原始指标- 该指标最小值) / (该指标最大值- 该指标最小值)。
3.3 KMO和Bartlett's检验
本文借助社会经济统计软件SPSS16.0,依据因子分析方法,对10个指标的原始数据进行分析。首先对数据进行KMO 和Bartlett's 检验,以判断数据是否适合进行因子分析。检验结果:KMO 抽样适度测定值统计量为0.648,大于0.5,基本达到因子分析的可行性标准。Bartlett 球度检验统计量为161.796,足够大(自由度为45),且其相应的伴随概
率值(Sig.= 0.000)<0.05,表示可以拒绝偏相关系数为0 和相关系数矩阵为单位阵的原假设,故所选数据适合进行因子分析(见表2)。
3.4 因子的提取
运用SPSS16.0对标准化后的数据进行相关系数矩阵的因子载荷估计,得到其特征根和方差贡献率(见表3)。从表3中可以看出3个主因子解释方差变异的累计数约为70%,也就是说这3个因子累计解释了原数据所反映信息的68.539%。找出4个主因子,这样就将10个原始变量通过因子分析转化为3个综合变量(注:旋转后主因子的方差贡献率可以作为计算主因子综合得分的加权平均值的权重)。
3.5 因子载荷的旋转
为了使3个主因子有明显的含义,需要对因子载荷矩阵进行正交旋转,使每一个原始变量在主因子上载荷向0和1分化,使因子结构更加简单,从而可以对每一个主因子的实际意义作出更加明确的解释。本文采用方差最大正交旋转法,旋转后的因子载荷矩阵(见表4)。
由表4可知:主营业务利润率(X1)、速动比率(X7)两个指标在主因子1上有较大的载荷(表中以方框标示);净资产收益率(X2)、每股收益(X3)和净利润增长率(X10)3个指标在主因子2上有较大的载荷,存货周转率(X5)和总资产周转率(X6)两个指标在主因子3上有较大的载荷。此时SPSS软件的主因子分类与本文建立的指标体系基本一致,本文将3个主因子分别命名为偿债及发展能力因子(F1)、获利能力因子(F2)、经营能力因子(F3)。
3.6 因子得分
本文在因子分析的基础上,以方差贡献率为权数进行加权平均,得到了各中小企业板上市公司成长性综合得分G的计算公式为:G=0.2678F1+0.4967F2+0.4967F2+0.6854F3
基于因子分析的实证结果通过对三个公共因子的合理解释,并结合上市公司在各个公共因子上的综合得分,就可以对37家上市公司业绩状况的综合水平进行评价。从综合业绩来看,精诚铜业、苏宁电器、传化股份、江南化工、江苏三友、南岭民爆、科大讯飞、大洋电机、兴化股份、沧州明珠、水晶光电、通产丽星、
横店东磁、石基信息等16家企业的综合得分为正数。
由于本文在进行因子分析时对数据进行了标准化处理,各主因子得分与综合得分的均值均为零,因此以0为参考基准,综合得分大于0的公司的综合业绩相对好一些,并且数值越大,实力越强;综合得分小于0的相对差一些,数值的绝对值越大,实力越弱。依此可对样本公司的综合业绩有一个基本的判断。(见表6)
4 聚类分析
本文选用层次聚类法(Hierarchical Cluster)对处理后的37组有效样本数据进行分层聚类分。先把每一个样本点各自看做一类。然后根据样本点间的距离把最近的两类(点)合并成一类,然后再把剩下的最近的两类合并成一类;这样逐步合并类,减少类的数目直至类别数目达到理想的水平。测量方法采用欧式距离的平方作为样品距离,类与类的合并采用类间平均连接法,得出将样本分为2-5个类的结果。根据类聚分析的树状图显示,我国中小企业板上市公司的经营绩效状况可以分为五类,类别及其对应的公司数量、名称如表7所示。
对上述五类公司在四个因子方面的平均得分进行计算,结果如表8所示:
从表9可以看出,我国中小企业板37家上市公司的经营绩效状况总体来看喜忧参半,以第二类公司最差,其偿债及发展能力、获利能力、经营能力都很不理想,其中获利能力是这五类公司中最差的;第三类公司经营能力最强,但偿债及发展能力一般,得分为-0.03;第一类公司的偿债及发展能力和获利能力均较强,而经营能力则较弱,得分仅为-0.31;第四类公司的偿债及发展能力、获利能力均较弱,但是其经营能力较好;第五类公司偿债及发展能力较强,说明企业的成长性较高,且有足够的能力偿还长期负债的本金和利息,其短期偿债能力一般,反映企业偿付日常到期债务的实力不足。
5 结论与建议
各类别公司的优劣因子可以为公司管理层和中小企业板投资者提供决策的参考依据:对于公司管理层而言,应当对自身的劣势因子引起足够重视,致力于提高对应方面的能力,同时也要发挥优势所在,从各方面提升公司的综合价值;对于投资者而言,可以考量公司所属类别及类别特点、在样本公司中的具体因子得分排名及投资者自身所关注的能力方面,找到在自己认为最重要的能力上具有优势,同时在自己认为最应当避免过差的能力上也不存在劣势的公司,纳入投资的选择范围。
进一步,考虑到创业板上市公司的投资价值主要在于其高成长性,公司管理层和投资者可重点关注发展能力因子:公司可以从发展能力因子的单项排名中明确自身发展能力在样本公司中所处位置,特别第二类和第四类公司,发展能力因子为劣势项,应对于提高自身发展能力引起足够重视;而从这一角度出发,投资者可以重点关注表3 中以发展能力见长的第一类和第五类公司。
理论和经验研究表明,基于因子分析和聚类分析的中小企业板上市公司经营绩效评价方法可以为持观望的投资者以理性的判断依据,同时也为上述公司的管理层提供分析依据,进一步改善财务状况,提高经营绩效。
摘要：从获利能力、经营能力、偿债能力、公司发展能力四个层面构建了我国中小企业板上市公司绩效评价指标体系,运用多元统计的分析方法,对中小企业板上市公司的37组有效样本数据进行经营绩效的分类研究和综合考评。首先进行因子分析,从10个指标中提取出反映四方面能力的三个公共因子;然后对样本公司进行分层聚类分析,利用SPSS社会统计软件聚合成为五类,分析各类公司在各个因子上的平均得分,找到其优势因子和劣势因子,在此基础上进行综合评价,并从公司管理层和中小企业板投资者的角度分别给出政策建议。
关键词：中小企业板,上市公司,经营绩效,因子分析,聚类分析
参考文献
[1]池国华,迟旭升.我国上市公司经营业绩评价系统研究[J].会计研究,2003(8):45-47.
[2]何慧婷,柳建民.构建上市公司财务比率指标评价体系[J].管理学报,2005(4):491-494.
[3]温素彬,薛恒新.企业“三重盈余”绩效评价指标体系[J].统计与决策,2005(3):126-128.
[4]顾文炯.用因子分析法对农业上市公司进行财务评价[J].安徽大学学报:哲学社会科学版,2005,5(3):136-139.
[5]朱正伟.主成分分析法在钢铁行业上市公司业绩评价中的应用[J].统计与信息论坛,2003,3(2):76-79.
[6]吴峰霞,吴锋伟.上市公司财务绩效评价研究[J].财会通讯,2008(6):93-95.
[7]杨军芳,郑少锋.2006-2008年农业上市公司经营绩效评价及比较[J].哈尔滨工业大学学报:社会科学版,2010,5(3):74-81.
[8]林略,邓作强.中小企业板公司上市前后绩效变动的实证研究[J].技术经济,2009(12):88-92.
[9]肖晗.中小企业资本结构与经营绩效关系研究[J].经济研究导刊,2009(35):30-32.
[10]迟宁,邓学芬,牟绍波.基于技术创新的中小科技企业成长性评价——我国中小企业板上市公司的实证分析[J].技术经济与管理研究,2010(5):46-49.
【因子分析和聚类分析在长江水污染综合评价中的应用】推荐阅读：
主成分分析在燕麦引种筛选中的应用评价07-03
业绩因子分析07-31
因子分析(FA)09-16
补充资料因子分析08-17
因子分析乡镇科学发展07-27
基于MATLAB/GUI的层次分析法在投资评价中的应用08-19
因子分析法的电子信息06-21
多因子综合评价10-04
农业面源污染聚类分析06-19
聚类分析的应用实例06-10