基于组合评价法的县域经济发展综合评价
——以遵义市为例
2020-03-24韦丹,汪磊
韦 丹,汪 磊
(贵州大学公共管理学院,贵州贵阳550025)
引言
改革开放以来,中国经济发展迅速,但也明显表现出区域发展的不平衡性。从空间层面来看,全国层面由1990年的东西部差异,南北差异,沿海与内陆的差异,省域层面是宏观尺度研究逐步微观化到地级市和县域的经济差异研究[1]。自2002年起县域经济被纳入到国家经济建设改革的范畴中后,县域经济发展日益成为经济地理学和区域经济学的研究热点。县域经济是国民经济的重要组成部分,县域面积占全国陆地面积90%以上,人口70%上,经济总量占50%以上,因而整体国民经济要想健康、稳定发展,县域经济是基础[2]。从研究对象上看,县域经济的研究大部分偏向东部沿海地区和中部的河南等发达地区,但鲜见对西部经济发展较慢的地区的县域经济进行研究,对贵州境内的研究更是鲜见。近年来,遵义市经济发展势头强劲,城镇化速度迅猛,对县域经济发展差异的研究具有很强的重要性和紧迫性。在已有的研究成果上,从评价指标体系看,在指标上多采用人均GDP来度量社会经济发展水平。事实上,仅采用GDP单项指标来衡量社会经济发展水平不足以全面刻画经济的综合发展状况,用单指标评价县域经济的发展水平和状况存在很大的局限性;从评价方法上看,在县域经济发展综合评价研究中应用广泛是综合指数分析法,比较成熟的赋权方法有主成分分析[3]、因子分析法[4]、层次分析法[5]、德尔菲法[6]、突变级数法[7]、灰色关联分析法[8]、聚类分析法[9]和TOPSIS[10]等。根据已有的研究成果,关于县域经济发展综合评价大多采用单一的评价方法,但是这些方法在运用上存在着一定的缺陷,如主观赋权法层次分析法和德尔菲法,这类方法的客观性较差。主成分分析因子分析、及TOPSIS属于客观赋权法,但是因子分析在快速提取主成分时,不可避免地会造成信息的流失,且损失的信息与指标数量成正相关,主成分分析法给定的权重与数据自身的质量高度相关,TOPSIS法则将各个评价指标的权重均等化[6]。因此文章将选取主成分分析—聚类分析组合评价模型,实现二者之间的优势互补,从而提高县域经济发展评价的精确性和有效性,即将主成分分析的结果(提炼出少数几个主分量)作为聚类分析的输入,一方面通过主成分分析实现有效降维、消除提炼出主成分之间的线性相关;另一方面,借助聚类分析可以从更大的空间尺度分析不同类别之间的差异性[11]。有助于从宏观层面分析县域之间的空间差异,为推进遵义市县域经济区经济协调发展提供理论参考。
1 研究区概况
遵义位于贵州省北部,南倚贵阳市,北临重庆市,西边与四川省接壤,遵义市地区生产总值仅次于省会贵阳市,稳居贵州省地区生产总值第二。自遵义到重庆高速公路及高铁开通后,在未来的发展中遵义市将积极融入一小时重庆经济圈,有效利用在贵阳、重庆之间的纽带优势,发展特色生态农业和旅游业。近几年,遵义市地区生产总值持续增长。但遵义市各个地区发展不协调,存在很大的空间差异,为直观、准确的了解地区差异性,对遵义市的县域经济综合发展水平进行评价,有助于了解当前遵义市县域经济的空间格局,为解决县域经济差异的对策提供辅助参考作用。
2 数据来源
文章所构建的遵义市县域经济发展综合评价指标体系所采用的截面数据主要来源于贵州省统计局、遵义市统计局以及各县域政府职能部门公布的官方公报或年鉴:《贵州省2018年统计年鉴》和《遵义市2018年统计年鉴》。
3 指标体系的构建
由于影响县域经济发展的因素具有多样性和复杂性的特征,为了合理、科学地评价县域经济综合发展水平,根据指标选取的全面系统性、可操作性等原则,并参考刘玉等[7,12,13]县域经济指标评价体系,由于数据的收集问题,对指标体系作稍微的修改。从县域经济发展水平、投资消费水平及人民富裕水平三个方面共选取11个指标来反映遵义市14个区县的经济发展情况。具体评价体系见表1。该指标主要包括人均 GDP(X1)、GDP 密度(X2)、人均财政一般预算收入(X3)、第二产业产值比(X4)、第三产业产值比(X5)、人均社会消费品零售总额(X6)、全社会人均固定资产投资(X7)、人均贷款余额(X8)、城乡居民人均储蓄存款(X9)、城镇人均纯收入(X10)和农民人均纯收入(X11),其中人均GDP以及GDP密度通过原始数据计算而来,即人均GDP是了解和把握一个国家或地区的宏观经济运行状况的有效工具,常用于经济发展中衡量经济发展状况的指标,GDP密度表示县域单位面积上经济活动的效率和土地利用的密集程度。
表1 遵义市县域经济发展水平评价指标体系
4 遵义市县域经济发展评价过程
4.1 主成分分析的过程
文章以SPSS20.0为软件基础,采用主成分分析—聚类分析组合评价模型对遵义市县域经济综合发展水平进行评价。为全面、系统反映研究区实际情况,选取的评价指标体系从不同维度反映遵义市县域经济实际发展情况,各指标的量纲和数量级不同,因此在做主成分分析之前必须对其进行标准化处理,以消除量纲差异和数量级的影响。同时得到了指标之间的相关系数矩阵R(表2)。由相关系数矩阵可知,指标之间既存在正负相关也存在强弱相关,且部分指标之间相关性很强,如ZX3与 ZX1、ZX9与ZX1之间的相关系数为0.97,说明指标之间所携带的信息有很大的重叠,若直接用于分析,会因为多重共线性导致分析结果不准确。ZX1表示的是原始指标X1经过标准化处理后所得到的对应变量,表中其他指标的含义也是如此。
由软件计算可得KMO统计值为0.651,表明指标体系的整体相关程度很高,Bartlett球形检验显著性P<0.0001,表明样本数量充足,相关系数矩阵R为非单位矩阵,故可以实施主成分分析。矩阵特征值与累计贡献率如表3所示,提取前2个主成分即提取了样本85.261%的数据信息(前2个特征值的累计贡献率为85.261%)。提取的2个主成分的成分得分系数矩阵如表4所示,其中F1、F2分别表示第1、2个主成分。
表2 各评价指标之间的相关系数矩阵
前2个主成分的得分表达式分别为:
通过主成分分析,在损失较小信息量的条件下,将原始指标降维成数量偏少的2个主分量,即主成分F1、F2。以主成分的方差贡献率作为权重进行加权汇总,得出各市土地生态安全综合得分F,即:
将各市的样本数据代入上述2个表达式,可得出各市的综合得分F,以综合得分F的大小进行排序,得出遵义市14个区县的综合排名(表5)。
4.2 聚类分析的过程
传统的聚类分析由于无法消除评价指标之间的相关性而导致聚类结果误差较大,以上述提炼的2个主成分F1、F2的分析结果作为聚类分析的输入(F1、F2之间线性无关)来消除这一缺陷,运用SPSS中的聚类分析模块,对遵义市14个区县经济发展情况进行聚类分析,得到遵义市14个区县经济发展聚类分析的谱系图(图1)。从实证分析的结果来看,聚类分析的类别结果与主成分分析的结果高度吻合,即在主成分分析结果中综合得分排在前3位的是红花岗区、仁怀市以及汇川区,聚类分析中第一类的是红花岗区、仁怀市以及汇川区。聚类结果与主成分的结果完全一致,从实证的角度表明文章所构建的主成分—聚类组合评价模型具有较高的科学合理性,从遵义市区县经济发展的情况来看,组合评价模型的分析结果与近年来遵义市县域经济发展实际高度相符。
表3 矩阵特征值与累计贡献率
表4 成分得分系数矩阵
由图1可知,将遵义市14个县域经济发展评价结果聚成3类比较合适。主成分综合得分排在第1、2、3位的红花岗区、仁怀市、汇川区聚为第Ⅰ类(综合得分最高且均在7分以上);将播州区、赤水市聚第Ⅱ类(综合得分大于0);其他县域余庆县、绥阳县、桐梓县、习水县、凤冈县、道真县、正安县、务川县、湄潭县聚为第Ⅲ类(综合得分小于0)。空间分布如图2所示。其中,第Ⅰ类属于经济相对发达地区;第Ⅱ类属于欠发达地区;第Ⅲ类属于经济不发达地区。
表5 各县域经济发展的综合得分
图1 基于主成分聚类遵义市县域经济发展谱系图
图2 遵义市县域经济发展空间分布图
5 结果分析
由表5和图1对比分析可知,将遵义市14个县域经济综合评价结果划分为相对发达地区、欠发达地区和不发达地区3种类型。聚类分析的结果与综合排名完全一致。其中红花岗区、仁怀市、汇川区属于经济相对发达地区;播州区、赤水市属于经济欠发达地区;湄潭县、余庆县、绥阳县、桐梓县、习水县、凤冈县、道真县、正安县、务川县属于经济不发达地区。
第Ⅰ类中,从主成分得分来看,红花岗区、仁怀市、汇川区在F1上的得分都非常高,他们的区位条件和资源优势都明显好于其他地区,从经济发展状况来看,仁怀市经济总量大,GDP总量位列全市第一。独特的自然环境、气候条件和优越的水资源使仁怀市酿酒业对经济增长贡献大。红花岗区、汇川区作为遵义市政治、经济、文化中心、交通枢纽以及历史名城使得辖区内的红色旅游、节假日旅游和乡村旅游持续升温,推动旅游基础设施建设进一步加快,为拉动红花岗区和汇川区经济发展提供动力,在大力发展旅游业的同时也带动其他产业的增长,以致加大第三产业对地区生产总值的贡献,2017年红花岗区、汇川区第三产业占比达到58%和47%。因此此类地区要继续利用和发挥比较优势,争取在全国的县域经济排名中向前跨越。
第Ⅱ类属于经济欠发达地区,由表5可知,赤水市和播州区的综合得分(2.27、1.24)远低于第Ⅰ类中的三个地区,赤水市和播州区经济发展处于遵义市的中间水平,他们的比较优势是区位条件和自然资源相对丰富一些,因此,利用好资源是提升其发展潜力的关键。可以根据区内自然资源以及历史沿革开展特设旅游,如赤水市被列为全国第八个、贵州第二个世界自然遗产地,先后获得了“中国优秀旅游城市”、“国家级生态示范区”、“国家生态市”等殊荣,被誉为“中国最美丽的地方”,且赤水区位优越,交通水陆空兼备,大力发展旅游业及配套产业促进现代旅游业的发展。在二三产业方面,播州区实行着力促进转型,夯实工业强区,大力投入对铝加工产业、高新技术产业园的基础建设,打造区域旅游和商贸物流平台,如乌江古村落旅游、苟坝红色文化等景区以及黔北物流新城大数据展示中心、电商快递仓库等投入使用。
第Ⅲ类属于经济不发达地区,包含遵义市9个县域,由表5可知这一类地区在F1和F2均为负值且综合得分也远低于第Ⅰ类和第Ⅱ类地区。主要原因在于这9个县域没有突出的区位条件和优势的自然资源环境,并且产业结构也不够合理,具体表现为:九个县域岩溶地貌发育典型,岩石裸露分布广泛;以高原、丘陵为主要类型的地势地貌以及耕地坡度大分布小块且广,不利于集中连片种植,这就导致第一产业受资源的限制发展的空间有限。对于第二和第三产业来说,九个县域在第二、三产业上的占比不高,主导地位不明显,导致这类地区经济不发达且2017年正安县还未脱贫。
6 结论
在已有关于县域经济发展综合评价中几乎都存在着数据收集困难、评价指标数量多、指标权重易被稀释等诸多问题,而本研究仅采用少量具有代表性的11项指标进行分析,得到的分析结果不仅两种方法结论高度一致,同时还与遵义市经济发展实际情况高度相符,表明文章构建的评价指标体系具有科学合理性。此外,现有的经济发展综合评价多采用单一评价方法展开,无法避免由单一评价方法带来的局限性。文章采用主成分分析和聚类分析的组合模型,充分利用主成分分析法的降维原理提取少数几个之间线性无关的主分量,在将该上述几个主分量的分析结果作为聚类分析的数据输入,在使用较少指标的前提下极大地提高了对经济发展综合评价的精度。结果表明:本研究使用主成分分析与聚类分析二者结合所得的分析结果高度一致,同时还与遵义市经济发展实际情况高度相符,从客观上证实了主成分分析法与聚类分析组合评价模型的科学合理性,可为其他地区开展经济发展综合评价提供方法上的借鉴。但是,经济发展是一个动态的发展过程,在之后的研究中应结合时间维度动态分析经济发展的演化过程。