基于因子分析的我国地级以上城市城镇化发展水平评价

柯斌武

(国家发展和改革委员会 培训中心，北京 100038)

基于因子分析的我国地级以上城市城镇化发展水平评价

柯斌武

(国家发展和改革委员会 培训中心，北京 100038)

城镇化过程是人类现代化过程的重要表现形式。改革开放以来，我国城镇化得到快速发展，而当下如何对城镇化发展水平进行客观、科学的分析已成为研究热点。以我国地级及以上城市为研究对象，采用因子分析法对城镇化发展水平进行综合评价。评价结果显示东部地区城市城镇化发展水平明显高于中西部地区城市，城市群应该是今后我国城镇化发展的趋势和方向。

城镇化；因子分析；城市群；评价

一、问题的提出

城镇化是人类生产和生活活动在区域空间上的聚集，城镇化过程是人类现代化过程的重要表现形式。生产活动向城市的聚集是深化分工与降低交易成本的内在要求。[1]由要素聚集带来的规模经济和范围经济以及对创新的促进作用，极大提高了生产率，使得城市成为经济增长的引擎和技术创新的源泉。[2]城镇化带来了生产方式的转变，同时又是生产方式变化的结果。城市为居住在其中的居民提供了公共基础设施、文化教育设施，创造了新的社区环境和社会交往的氛围，使人类生活条件得到极大的改善，带来了人类生活方式的根本转变。城镇化的过程，就是劳动力等生产要素从生产率较低的传统农业转向生产率较高的现代非农产业转移的过程，就是居民从农村分散居住向城市集中居住、获得更好的生活条件的过程，就是生产方式转变、人口素质提高和人类生活条件改善的过程。

改革开放以来，我国城镇化得到迅速发展，城镇化速度明显加快，水平明显提高。1978年—2011年，我国城镇化率由17.9%提高到51.3%，年均提高超过一个百分点。目前我国正处在工业化高速发展时期，经济快速增长和结构转型与效率提高，要求生产要素按照市场经济的内在要求在国内更大范围、以更快速度实现更有效率的集中，这客观上要求城镇化发展速度加快。另一方面，我国城镇化发展中存在一些问题，如有些地方把推进城镇化片面地理解为增加城镇数量、扩大城镇空间和提高城镇人口比重，相互攀比城镇化率的高低，片面追求城区的扩张等。因此，加快推进城镇化发展要求我们对城镇化发展水平进行客观、科学的分析，准确把握城镇化发展的现状和趋势，进而为制定科学合理的城镇化发展政策提供科学依据。

二、实证分析

(一)数据来源

本文使用的数据来源于《中国城市统计年鉴2011》。年鉴第二部分是地级及以上城市统计资料，列有：(1)城市人口、就业、资源资料，包括城市人口、劳动力资源和就业、土地资源；(2)城市经济发展主要指标统计资料，包括综合经济、农业、工业、固定资产投资、商业、对外贸易、利用外资、财政、金融、保险等方面内容；(3)城市社会发展主要统计资料，包括劳动工资、教育、文化、医疗卫生等方面内容；(4)城市环境与基础设施资料，包括交通运输、邮电、供水、供电、城市道路、交通状况和城市环境状况等方面内容。第三部分是县级城市资料。由于1997年开始对地级及以上城市和县级城市分别采用不同的指标体系进行统计，有些指标在两类城市之间不具有可比性，加之县级城市数据有较多缺失值，本文排除了370个县级市，仅包括4个直辖市、15个副省级市和除西藏自治区拉萨市外的267个地级市共286个城市。

因子分析的质量和原始数据的准确性息息相关，因此本文根据变量是否对研究课题意义重大，首先排除了一些不重要的变量；然后再根据Bartlett检验、反映像相关矩阵检验和Kaiser-Meyer-Olkin标准等统计标准，对多余的变量进行排除。这个过程导致总共25个变量必须从分析中提取。保留25个变量的检验结果如表1所示，具体的变量名称见表2。

表1 KMO和Bartlett的检验

取样足够度的Kaiser-Meyer-Olkin度量0.958Bartlett的球形度检验近似卡方20410.629df300Sig.0.000

(二)缺失值的处理

在《中国城市统计年鉴2011》中，三种情况导致相应栏目的空白：(1)该项数据较小，不够规定单位；(2)该项指标在当年没有统计任务，没有统计数据；(3)该项指标未掌握确切数据等。地级以上城市不太可能由于情况(1)导致数据缺失，因此本文使用邻近两个样本点的均值对缺失值进行替换。

(三)原始数据矩阵的标准化

为了消除量纲影响和变量自身变异大小的影响，将原始数据矩阵标准化，可以简化相关性计算和在因子分析框架下的计算步骤，达到简化解释的目的，使不同计算标准下变量的比较成为可能。

通过每个变量观察值和平均值的差，然后再除以标准差来使数据矩阵标准化，以此可以确保新的变量平均值为0，标准差为1。标准化的变量为：

(四)因子的提取

本文使用“主轴因子分解”法进行因子分析，使用Kaiser标准①确定提取两个因子，使用“最大方差法”进行因子模型旋转。[3]因子分析的结果由表2、表3和表4②给出。表2显示了累积方差贡献率的估计。公因子方差表示了变量中能够被公因子所解释的部分，公因子方差越大，变量能够被因子解释的程度越高。表2表明了每个变量方差的较大部分都能被找到的因子所解释。

表2 公因子方差

变量初始提取变量初始提取年末单位从业人员数0.9980.941医生数0.9610.928城镇私营和个体从业人员0.9580.926邮政业务总量0.8570.832城市建设用地面积0.9160.817电信业务总量0.9510.888地区生产总值0.9900.962本地电话年末用户数0.9790.954社会消费品零售总额0.9890.973移动电话年末用户数0.9630.873地方财政一般预算内收入0.9970.995供水总量0.9550.819地方财政一般预算内支出0.9960.990全社会用电量0.9400.837科学支出0.9890.967年末实有城市道路面积0.9160.856教育支出0.9910.953年末实有公共汽(电)车营运车辆数0.9680.862城乡居民储蓄年末余额0.9820.957全年公共汽(电)车客运总量0.9740.907在岗职工平均人数0.9970.939年末实有出租汽车数0.9500.855普通中学教师数0.9230.837建成区绿化覆盖面积0.9580.926公共图书馆图书总藏量0.9790.953

提取方法：主轴因子分解。

表3显示了提取的因子的特征值和方差解释部分。在25个标准化变量情况下，因为每个变量的方差值为1，总体方差为25。从表3可以看出，经旋转后的第一个因子的特征值(即表3中的“合计”)为11.686，与25相比，解释的部分大约为总体方差的46.74%。提取的旋转后的两个因子特征值和为22.692，与25相比，这两个因子总共解释了原始变量总体方差的90.98%，保留了原始变量的大部分信息。表3中旋转后的因子特征值和表4的因子得分是构造综合评价函数的基本要素。

表3 提取的因子的特征值和方差解释部分

因子初始特征值提取平方和载入旋转平方和载入合计方差的%累积%合计方差的%累积%合计方差的%累积%121.86887.47087.47021.78187.12487.12411.68646.74446.74421.0604.24191.7120.9643.85890.98211.06044.23890.98230.5702.28093.992………………………………240.0030.01099.995250.0010.005100.000

提取方法：主轴因子分解。

三、综合评价与政策建议

以提取的两因子F1和F2的特征值为权重，构建如下综合评价函数F：

用综合评价函数F计算各城市的综合得分，结果如表4所示。需要说明的是：在对表4的因子得分和综合得分进行阐释时应该注意，根据原始数据矩阵的标准化，因子得分同样也表示标准化的数值。这就是说，因子得分和综合得分的期望值均为0。对因子得分和综合得分的阐释也意味着：一个城市负的因子得分/综合得分说明，关于这个因子/综合评价与所有城市相比被表达为低于平均水平；因子得分/综合得分为0表明这个城市处在所有城市的平均水平上；一个城市正的因子得分/综合得分说明，关于这个因子/综合评价与所有城市相比被表达为高于平均水平。也就是说，由于原始数据的标准化处理将所有城市的平均水平定为零点，正负号仅表示该城市相对于所有城市平均水平的位置。根据综合得分就可以综合评价各个城市的城镇化发展水平。综合得分前十名依次是：北京市、上海市、深圳市、广州市、天津市、重庆市、成都市、杭州市、南京市、武汉市。综合得分为0左右的城市为排名在56～61名的淮安市、台州市、鞍山市、湛江市、海口市、泉州市。从综合得分可以看出高于平均水平的城市数量相对较少，但得分较高，如排名第一的北京市得分高达6.375，而低于平均水平的城市数量较多，但得分并不是很低，如排名最后的绥化市得分为-0.344。

综合得分前十名的城市中，上海、杭州、南京，北京、天津，深圳、广州分别是长三角、京津冀、珠三角三大城市群的核心城市；重庆、成都，武汉分别是川渝城市群和长江中游城市群的中心城市。城市群是国内外城镇化进程中一个重要的发展趋势和最显著的地域形态特征[4]，因此我国应实施积极的城市群发展战略，在特定地域范围内以一个或多个大城市作为地区经济的核心，发挥大城市的聚集效应、规模效应和龙头作用，带动中小城市发展，促进大中小城市协调发展，推进区域经济一体化。

从综合得分来看，东部地区城市城镇化发展水平明显高于中西部地区城市，如排名在11～20位的城市为沈阳市、大连市、西安市、东莞市、佛山市、济南市、宁波市、青岛市、哈尔滨市、苏州市，大多是东部地区城市。因此应该针对不同的城镇化发展水平出台相应的政策。在东部地区，应该鼓励京津冀、长三角、珠三角这三大城市群发展成为我国经济社会发展的制高点和应对全球竞争的主力军。中西部地区已经发展出一批具有较强综合竞争力的中心城市，应该大力发展以这些城市为中心的城市群。为了促进区域协调发展，应该对中西部地区城市群发展采取必要的倾斜政策，充分发挥中西部地区城市群后发优势的巨大潜力。

表4 因子得分与综合得分

城市因子得分F1F2综合得分排名城市因子得分F1F2综合得分排名北京7.5625.1216.3751烟台-0.1590.7330.27535上海13.777-2.0466.0832石家庄-0.4671.0330.26236深圳3.2243.6003.4063汕头-0.5741.1420.26037广州0.4645.7003.0104贵阳0.1280.3760.24938天津2.2993.0262.6525大庆-0.5521.0670.23539重庆-1.9906.4592.1186南昌-0.4820.9650.22140成都-0.4293.7341.5967淄博-0.6721.1110.19541杭州0.5072.5631.5068珠海-0.2160.5930.17742南京-0.5993.7101.4979温州-0.3160.6750.16643武汉-0.8723.7411.37110惠州-0.0800.3810.14444沈阳0.6731.7941.21811包头-0.6000.9260.14245大连0.7781.4651.11212中山-0.1940.4760.13246西安-0.4932.5170.97013南通0.386-0.1650.11847东莞0.2721.6380.93614临沂-0.3910.6040.09248佛山0.2751.5400.89015兰州-0.7690.9900.08749济南-0.7942.5900.85116岳阳0.745-0.6450.06950宁波0.9870.5370.76817吉林-0.0650.2050.06651青岛-0.0091.5460.74718洛阳-0.2870.4290.06152哈尔滨-0.8842.4370.73119呼和浩特-0.4770.6120.05353苏州0.3901.0020.68820鄂尔多斯0.279-0.2410.02654长沙0.1321.2580.67921潍坊-0.2590.3170.02155郑州0.7840.5450.66822淮安0.080-0.0430.02056长春-1.1582.4980.62023台州-0.0950.1410.02057无锡0.0461.2100.61224鞍山0.248-0.2310.01558厦门0.2830.9180.59225湛江0.186-0.225-0.01459合肥0.2890.6400.46026海口-0.2550.229-0.02060福州-0.2281.1450.44027泉州-0.3090.286-0.02061太原-0.4651.3380.41228抚顺-0.1530.112-0.02562昆明-0.9121.7960.40429扬州0.124-0.182-0.02563常州0.1370.6090.36730……………乌鲁木齐-0.1700.9100.35531……………唐山-0.5061.2030.32532……………南宁-0.3991.0620.31133金昌-0.217-0.459-0.334285徐州-0.1620.7610.28734绥化-0.386-0.299-0.344286

考虑到区域经济一体化和我国城镇化发展的现状及趋势，我国应积极促进城市群健康发展。首先，要加强城市群的总体规划，形成跨区域的协调机制。建立和完善城市群发展规划与经济社会发展规划、区域规划、城市总体规划、土地利用规划等相关规划的衔接和协调机制。其次，要大规模建设城市群内部的城际铁路和高速公路等交通设施网络，加快通信同城化步伐，为城市群高效运行奠定基础条件。高效、完善、统一的基础设施体系是实现城市群内部各种生产要素及产品在空间流动的必要保障，也是降低整个区域内交易成本，进一步促进区域间分工的重要途径。

注 释：

① 根据Kaiser标准提取的因子数量是因子特征值大于1的因子的数量。特征值是一个因子关于所有变量的因子载荷平方和。使用Kaiser标准的依据在于一个标准化变量的方差为1，如果一个因子关于所有变量的方差解释部分小于1，那么和各个单独的变量相比，它将解释较少的方差。从表3“初始特征值”这一列的第二个因子的特征值1.06(>1)，可以确定提取两个因子。

② 由于表格数量较多和表格数据量较大，在不影响文章完整性的前提下，本文只保留表3和表4的部分内容。如需完整数据，请和作者联系。

〔1〕 张平.“十二五”规划战略研究[M].北京:人民出版社，2010.

〔2〕 阿瑟·奥莎利文.城市经济学(第6版)[M].北京:北京大学出版社，2008.

〔3〕 巴克豪斯，埃里克森，普林克.多元统计分析方法[M].上海:格致出版社，2009.

〔4〕 国家发展改革委国地所课题组.我国城市群的发展阶段与十大城市群的功能定位[J].改革，2009(9):5-23.

(责任编辑 周吉光)

An Evaluation of China’s Urbanization Based on Factor Analysis

KE Bin-wu

(Training Center of National Development and Reform Commission, Beijing 100038)

The process of urbanization is an important manifestation of modernization. The level of China's urbanization has been significantly increased since 1978, and now how to objectively and scientifically analyze the level of China’s urbanization has become a hot topic. Based on factor analysis, a comprehensive evaluation of the levels of prefecture-level cities’ urbanization is conducted in this research. The results of the evaluation show that the levels of urbanization in eastern region are significantly higher than those in central and western regions, and the city cluster should be the trend and direction of the future development of China's urbanization.

urbanization; factor analysis; city cluster; evaluation

2013-10-28

柯斌武(1979—)，男，福建厦门人，硕士，国家发展和改革委员会培训中心经济师，主要研究方向为宏观经济管理研究。

F291.1

A

1007-6875(2014)01-0022-05