基于主成分和熵值分析的市政设施水平研究——以2013年江西省22个城市为例

潘 华 华

(上饶师范学院 历史地理与旅游学院，江西 上饶 334001)

基于主成分和熵值分析的市政设施水平研究
——以2013年江西省22个城市为例

潘 华 华

(上饶师范学院 历史地理与旅游学院，江西 上饶 334001)

以江西省22个城市为样本，借助SPSS17.0统计分析软件，从11个影响市政设施水平指标中选取出4个主成分，计算各城市综合分值。研究发现：主成分赋值非常接近，说明重要程度相当，反映了城市发展的相对均衡性；最高分(九江)0.049 049和最低分(共青城)0.041 891之差仅为0.007 158，水平差距总体较小；设区市市政设施总体水平明显优于县级市。排前11位的有9座，排后11位仅有2座，县级市情况正好完全相反，反映了江西市政设施总体水平还处于初级阶段。

市政设施；22设区市县级市; 主成分分析；熵值；江西

城镇市政设施是城镇经济和社会发展的载体[1]。它是城市社会经济发展不可或缺的一部分，而市政设施水平是体现城市综合发展阶段和现代化程度的重要指标之一。市政设施运行管理不仅关乎一座城市的外在形象，还与区域内居民的生活和工作密切相关，是城市现代化建设和文明程度的重要体现[2]。刘征兵(2006)认为随着城市污水排放量的逐年增大,增建和扩建城市污水处理设施成为当务之急；陈伟东等(2007)认为生活服务设施和市政设施历来也是城市规划的重点；蔡建升等(2012)认为作为城市系统的重要组成部分，市政设施养护的优劣直接影响着其使用性能和寿命。刘应明等(2013)认为城市更新项目中市政设施应注重集约化、环保化以及生态化建设；罗晓娟(2014)认为典型市政设施具有资源稀缺性和很强的房价带动效应和社会经济效应；市政设施项目类别繁多，不同地区和级别的城市标准和发展阶段亦不相同。如何寻找较少的因子来描述影响市政设施发展众多影响因子之间的关系，进而揭示城市发展水平的内在规律，是研究亟待解决的问题。参考文献[3-5]，本研究以2013年江西省22个设区市和县级市为研究对象，运用SPSS17.0软件对筛选后的11个市政设施因子进行了主成分分析，并用熵值法进行了权重赋值和各城市的综合得分计算。

1 材料与方法

1.1 材料

研究区的22个城市即江西省现有行政区划的11个设区市和11个县级市，设有11个设区市市政工程管理处。江西省统计年鉴将市政设施水平列为城市建设12大板块之一。2013年全省市政公用设施建设固定资产投资总计约27 849 023×104元，主要情况如下：城市市区面积32 230.01 km2、城区面积1 949.64 km2、城区户籍人口829.89×104人、建成区面积1 077.61 km2、城市建设用地面积1 034.27 km2；人口密度4 663人/km2、人均生活用水量175.69 L、用水普及率97.67%、燃气普及率94.40%、人均城市道路面积14.99 %、排水管道8.80 km /km2、污水处理率84.25%、人均公园绿地面积14.10%、建成区绿化覆盖率45.95%、建成区绿地率42.74%、公共车辆运营数9 894辆、桥梁550座。

1.2 主成分分析

地理系统受诸多因素影响，是一复杂的现实系统，为便于研究，需利用主成分分析法进行变量降维处理。它能最大化地保留原变量信息，以新选取的较少的新变量来代替原来较多的旧变量，有助于观察影响结果的主要规律，同时大大简化计算过程。新变量，即通过以原变量线性组合方式得出的综合性指标，可以通过调整系数值使其具代表性且相互独立。借助该法，用较少几个彼此独立的主成分线性组合来反映初始因子，并最大化保留原来因子信息，得出不同城市市政发展水平等级。一般处理步骤如下：(1)数据标准化处理后，计算相关系数矩阵。(2)计算特征值与特征向量。(3)计算主成分贡献率及累计贡献率。(4)计算主成分载荷，利用原变量和主成分线性组合方程组进行推导，算出各主成分得分值。

一般情况下，各新变量累计贡献率达85%～95%时，其特征值λ1，λ2，…λm正好对应第1，第2，…，第m(mp)个主成分。 以上步骤可以借助SPSS17.0软件实现。

1.3 熵值分析

信息处理中，经常用熵值来度量事件的不确定性。样本数量和不确定性呈负相关关系，不确定性和熵值呈正相关关系。所以，熵值大小能很好判断事件的随机性、无序性及指标离散程度。主要步骤有：

1.3.1 非负化处理主成分因子数据。目的是使得求熵值时对数有意义，见公式①。

①

1.3.2 计算因子比重。公式②代表第i城市第j项因子占所有城市该因子和的比重，即

②

式中:Qij为第i城市第j项因子占所有城市该因子和的比重；n为区域个数;m为影响因子个数。其余同上。

1.3.3 求各因子权重。借鉴文献[6]可知， 熵值计算出的价值系数越高，对评价愈重要。j项指标权重见公式③：

③

式中：wj为各个影响因子权重；fj为第j项因子的熵值的多项式。

其中，

1.3.4 计算各个城市市政设施水平的综合得分。得分反映了市政设施水平的高低，可以作为判断不同城市市政设施水平有序或无序变化的依据，见公式④。

④

式中：di为各个城市综合得分。其余同上。

2 结果与分析

2.1 江西城市市政设施水平现状

加强城市基础设施现代化建设，提高城市社会经济系统运行效率，已经引起了社会各阶层的普遍关注[7]。对城镇市政设施投资项目进行环境影响评价日渐成为当今人们所关注的焦点问题[8]。市政设施水平与当地各类设施的开发程度和潜力关系紧密。江西经济发展实力有待提升，境内多丘陵山地，城市正处于快速城市化发展阶段，城市市政设施水平总体上受诸多影响因素的制约，突出表现在人口密度不断增大，水资源、燃气使用率提升，人均绿化面积等在不断减少，环境污染日益严重，公共用地和交通需求不断攀升。考虑到影响市政设施水平的各个因子间的相互联系与制约，其复杂的耦合关系可采用主成分分析法找出研究区的主成分因子。

2.2 指标选择及主成分因子计算分析

参照文献[9-11]，根据江西省2013年统计年鉴和各县市的有关城市建设部分的数据，统计分析研究区的人口、用水、道路、绿化、交通等指标，选取了11个影响因子进行分析：人口密度X1/人·km2、人均日生活用水X2/L、用水普及率X3/%、燃气普及率X4/%、人均道路面积X5/m2、污水处理率X6/%、人均公园绿地面积X7/%、建成区绿化覆盖率X8/%、建成区绿地率X9/%、公共交通X10/辆、桥梁X11/座(见表1)。

表1 2013年江西省22个城市市政设施水平统计指标[10]

应用SPSS17.0软件进行主成分分析，市政设施水平影响因子相关系数矩阵和特征值及主成分贡献率见表2、表3。

表3 主成分特征值及贡献率

由数据可知，前4个主成分的累积贡献率达到了85.773%，符合主成分分析的累计贡献率大于85%的要求，较好地体现了研究区市政设施水平发展情况。因此，选取前4个主成分(分别用Z1、Z2、Z3、Z4表示)进行分析。最大化旋转载荷因子方差，计算各因子主成分载荷(表4)。

分析表4可知，Z1和人均日生活用水、燃气普及率、公共交通、桥梁4个因素呈现明显正相关，可以考虑它主要代表了居民生活和出行基础设施的水平；Z2与用水普及率、建成区绿化覆盖率、建成区绿地率3个因素呈显著正相关，主要代表了用水指标和绿化水平；Z3与用水普及率和燃气普及率2个因素呈明显正相关，与人均公园绿地面积1个因素呈明显负相关，这主要是由于城市化的不断发展，城市人口不断增加，用水和燃气等生活设施的普及率越来越高，而相应地，相对于有限的城市公园绿地来说，面积自然会减少；Z4与污水处理率1个因素呈明显正相关，可以认为是主要反映污水处理水平的指标。4个主成分较全面地概括了市政设施水平的影响因子，较好地反映了市政设施水平。因此，考虑用这4个主成分的变化来反映江西省22个城市市政设施水平的变化状况，见表5。

受到了上述环节老师的启发，学生汇集上来比较有价值的观点，如：散文、小说、古诗鉴赏的审美艺术手法，很多是相通的，如都要指出手法；结合文本分析；明确表达效果和表达的情感。

表4 旋转后的各因子载荷

注：采用 Kaiser 标准化四分旋转法，5 次迭代后旋转收敛。

表5 主成分得分矩阵

2.3 熵值权重及综合得分计算分析

把22个城市4个主成分因子得分按1.3中熵值分析步骤代入计算，得出每个因子的权重(表6)和各个城市市政设施水平综合得分(表7)。表6的数据为了看出细微的差别，特别将精度提升了1位。容易看出，4个主成分的赋权值都在0.25附近，相差极小，反映其重要程度非常接近，也从侧面反映了各城市发展的相对均衡性。

表6 各主因子权重

表7 22个城市市政设施水平综合得分及排名

由表7显示的最终综合得分可知：一是分值总体偏低且差距不大，如最低分(共青城)0.041 891和最高分(九江)0.049 049之差仅为0.007 158，发展水平和建设进度接近；二是设区市市政设施总体水平明显优于县级市。具体表现如下：如设区市位列前11位的(前一半)有9座，分别是九江、南昌、新余、上饶、景德镇、抚州、萍乡、宜春、吉安，排在后11位(后一半)仅有2座，分别是鹰潭和赣州。县级市情况正好完全相反，前一半仅2座，分别是瑞昌和丰城，后一半则有9座，即乐平、德兴、樟树、南康、井冈山、高安、贵溪、瑞金、共青城；三是九江市政设施水平凭借其优质的政策技术服务以微弱优势0.000 269分超过南昌，位列全省榜首。南昌排名九江之后，只排第2位，和其省会城市地位稍显不符，而赣州作为省第二大设区市却总排名第16位，设区市最后1位，与其着力打造省域副中心城市的目标也不匹配；四是瑞昌作为一个县级市能跻身前六位，县级市中排行第一，相比之下，贵溪、瑞金、共青城三市的市政水平还有较大提升空间。出现上述现象的原因分析如下：

首先，表4中4个主成分涵盖了燃气普及率(X4)、污水处理率(X6)、人均公园绿地面积(X7)、公共交通(X10)、桥梁建设(X11)等要素，较综合地反映了影响市政设施水平的因子，但表1中每一个指标的极值(即最大值和最小值)差别不大，导致基于主成分分析推导的表6、表7计算出的熵值权重和最终得分较低且各分值很接近。

其次，从表1可以看出，设区市在绝大多数指标上皆占有优势，尤其是人均日生活用水、燃气普及率、污水处理率、人均道路面积、桥梁等方面较县级市优势明显，这导致了设区市的市政设施水平综合得分整体优于县级市，设区市的整体排名靠前(鹰潭、赣州除外)，县级市(瑞昌、丰城除外)的整体排名靠后。

再次，九江11大影响因子排名都名列前茅，综合实力很强，尤其是用水普及率(X3)、燃气普及率(X4)、人均道路面积(X5)和污水处理率(X6)四项分值皆排第一，从而排行榜首。南昌和九江相比较，虽然实力也很强，但除了人口密度(X1)、人均日生活用水(X2)、公共交通(X10)和桥梁(X11)4个指标外，其余7个皆不及九江，最终排在九江之后。设区市排名在第11名之后的是鹰潭(第14位)和赣州(第16位)。鹰潭长期以来以道教圣地和交通枢纽为城市特色，辖区范围较小，市政水平一般尚可理解。赣州正积极打造省域副中心城市，GDP在全省排名第二位，综合得分却排11个设区市最后1位。分析表1可知，赣州的污水处理率(X6)仅为63.14%，人均道路面积(X5)仅有10.11 m2，这两个影响因子远远低于其它设区市，其它方面如建成区绿化覆盖率(X8)、建成区绿地率(X9)也存在差距。表4中主成分Z1的主要影响因子包含了X5，Z4的主要影响因子正是X6，Z2的主要影响因子包含了X8、X9,因而赣州的市政设施水平综合得分排名第16位也就不难理解了。

最后，县级市里排名在前半段的是瑞昌(第6位)和丰城(第9位)。以瑞昌作为分析样本，该县级市在燃气普及率(99.23%)、人均道路面积(20.6 m2)、污水处理率(95.45%)和桥梁(38座)这几个影响因子方面较其它县级市优势明显，排在县级市的首位是必然的。排行最后三位的贵溪、瑞金、共青城则主要是由于各项指标(由表1可知)都处在较低值，市政水平总体低下的缘故。

3 结论与讨论

3.1 城市分为三大等级，影响市政设施水平高低的因子有待挖掘

市政设施在不同区域、不同时段的发展进程存在差异，4个主成分较全面反映了研究区当时的市政设施水平。熵值法对各主成分赋值并计算各城市得分，从而对市政设施水平进行了更为详细合理的阐述。11个指标中选取了4个主成分，不足之处是主成分累计贡献率刚达到85 %，稍显精度不够，希望能在后续研究中有更多的数据支撑，使得分析结果更具说服力。

3.2 县级市应加快污水处理设施建设

分析表明，县级市的污水处理水平普遍偏低，工业污水主要从技术革新、排放和终端处理上下功夫；生活污水基本没有处理设施而直接排入江河，既污染水体又浪费水资源，而再生水的合理利用则是解决生活污水的有效途径之一。在大力加快生活污水净化设备更新的同时，推广中水系统的使用。总体而言，江西中水道建设及利用水平仍较落后，尤其是县级市基本未能普及，可借鉴周边省份同类型城市(如义乌、泉州等)的中水应用处理技术，特别是对共青城、贵溪、南康、高安这四个污水处理水平小于等于50%的县级市的污水处理更应重视。

3.3 城市人口增加，公共交通设施建设不足

随着社会经济的发展，人民生活水平有所提高，需要增加原有基础设施的承载力[12]。这类问题在22个城市不同程度皆存在。就人口密度而言，最高的南昌高达10 179/人·km2，最低的贵溪也有1 424/人·km2，不断增加的人口势必会带来该类问题。城市交通拥堵主要从统一规划、增加用地、建立完善的立体交通网络等方面进行。对新区可进行统一规划评估，对老区进行阶段性、分批次的整改。重视发展运能强大的新型绿色交通体系，缓解公共交通、城市绿地等方面的压力，以适应快速发展的城市化进程需求，如南昌、赣州轨道交通的规划和建设正是在此背景下应运而生的，亦可借鉴杭州等城市的“快速公交系统”，打造无障碍公交线路，适应低碳环保的现代公共交通需求。

3.4 市政设施建设应打破常规，管养分离

市政设施管理养护工作是城市建设的基础，对城市社会经济发展起着基础性的作用[13]。如在现有条件下设立“省会+1设区市+1县级市”试点，实现政府管理监督、企业修建维护，全面提升设施建设速度和水平。市政建设资金投入应加大，如九江从2010年开始，两年投入200亿的举措，收效显著，这也是九江市政建设水平排名全省首位的重要原因。南昌市2013年投入资金也超过600亿。总体而言，平衡经济发展、人口增长、工业用地、城市建设用地与绿地之间的矛盾，是提高市政设施水平的根本出路。

[1] 张飞涟,张涛.城镇市政设施投资项目社会影响后评价内容及指标体系的构建[J].改革与战略,2006(11):6-8.

[2] 武斌.加强市政设施运行管理 维护城市安全命脉[J]. 城市管理与科技,2016(2):28-29.

[3] 叶衣广,周蕾.长江三角洲各城市综合实力的主成分分析[J].长江流域资源与境,2004,13 (3):197-202.

[4] 周亮广,梁虹.基于主成分分析和熵的喀斯特地区水资源承载力动态变化研究——以贵阳市为例[J].自然资源学报，2006,21(5):827-833.

[5] 赵丽,朱永明,付梅臣，等.主成分分析法和熵值法在农村居民点集约利用评价中的比较[J].农业工程学报.2012,28(7):235-242.

[6] 张卫民.基于熵值法的城市可持续发展评价模型[J].厦门大学学报(哲学社会科学版)，2004(2):109-115.

[7] 蔡龙,章波,黄贤金，等.我国城市基础设施现代化水平综合评价研究[J].城市发展研究，2004,11(4):50-54.

[8] 张飞涟,张涛.基于GIS的城镇市政设施投资项目环境影响后评价方法研究[J].城市勘探，2007(1):28-31.

[9] 罗瑞雪,蔡雪雄.福建省城市化水平综合评价动态研究——基于全局主成分分析[J].福建论坛(人文社会科学版)，2013(12):135-139.

[10] 张哲,汪波,杨占民.基于主成分聚类分析的城市基础设施建设水平评价研究[J].西安电子科技大学学报(社会科学版)，2008,18(5):27-32.

[11] 江西省统计局.江西统计年鉴2013[EB /OL].[2014-10-04].http://www.jxstj.gov.cn/ Resource/nj/2013CD/indexch.htm.

[12] 钟雷.空间与机制:北京城市道路市政设施改造[J].北京规划建设,2015(3):48-49.

[13] 王苗.市政设施建设养护管理[J].住宅与房地产,2016(6):34.

Study on the Level of Municipal Facilities Based on Principal Component and Analysis ——Taking 22 Cities of Jiangxi Province as an Example in 2013

PAN Hua-hua

(School of History Geography and Tourism ,Shangrao Normal University,Shangrao Jiangxi 334001,China)

Taking 22 cities in Jiangxi Province as a sample, the paper uses principal component analysis method and selects the 4 principal components from the 11 indicators influencing municipal facilities level by SPSS17.0 and calculates comprehensive score of each city. Study finds the principal components weight values very close and have fair importance. It reflects the relative balance of city development. Score difference is small. The difference between the highest score (Jiujiang) 0.049049 and the lowest score (Gongqingcheng) 0.041891 is only 0.007158, the gap is small. The municipal facilities overall level of cities divided into districts is obviously better than that of the county-level cities. The number in the top 11 is 9 and after the row in the 11 is only 2. While the county-level cities situation is just the opposite. All reflects the overall level of Jiangxi municipal facilities is still at the primary stage.

municipal facilities； 22 cities divided into districts and county-level cities； Principal component analysis； Entropy； Jiangxi

2015-04-02

潘华华(1980-)，女，江西婺源人，讲师，硕士，从事城市环境保护与开发研究。E-mail：paradisedog@sina.com

K928.5

A

1004-2237(2016)06-0100-08

10.3969/j.issn.1004-2237.2016.06.022