河南省城市经济社会发展水平的实证研究

鲁萌

摘 要：本文以河南省内18个城市为研究样本，依据2018年《河南统计年鉴》相关数据，借助STATA15软件工具，摘取了12项指标，采用相关分析、回归分析、因子分析中的主成分因子法等对河南省18个城市的经济发展能力进行比较和评价，并进行综合评价，评价结果与实际情况相符。

关键词：河南各城市;经济发展能力;STATA;实证分析

0 引言

2016年河南GDP稳居中国第5位、中西部地区首位，在我国占据经济大省的称号。除此以外河南还是中国重要的人口大省。虽然近年来经济得到了快速发展，但是发展过程的不均衡特征表现较为突出，基于此问题，本文利用经济数据来分析河南省18个城市的经济发展能力。

1 模型准備

1.1 变量的选择

众所周知要想分析一个省的经济动态数列水平，除却考虑地区经济发展总量，还应考虑到发展的速度和平衡性。故本文基于国内外的相关研究，提取了12个变量，分别是城市名称（v1）、地区生产总值（v2）、消费支出（v3）、固定资产投资（v8）、公共预算收入（v5）、城镇居民人均可支配收入（v10）、社会消费品零售总额（v7）、第三产业值（v4）、失业人数（v9）、规模以上工业总产值（v6）、国内旅游总人数（v12）和农村居民人均可支配收入（v11），其中括号内表示将12个变量分别定义为v1-v12，用于软件Stata15中分析经济发展能力的简单替换。本文选取的18个观测样本分别是郑州市、洛阳市、南阳市、新乡市、焦作市、安阳市、开封市、平顶山市、周口市、许昌市、商丘市、驻马店市、信阳市、三门峡市、濮阳市、漯河市、鹤壁市、济源市。

1.2 分析方法与数据来源

本文通过借助Stata15软件，采用相关分析、回归分析、主成分因子法来分析河南省18个城市的经济发展能力。具体步骤如下：首先通过前两种方法来研究河南省各城市经济发展能力变量间的关系;然后使用最后一种方法对消费支出和第三产业值等变量进行因子分析，从因子分析模型中提取最具代表性的主因子;接着通过最大方差正交旋转法得到每个因子的综合得分;最后应用Stata15数据处理技巧，按照提取的主因子对河南城市的经济发展本领进行分类排序。其中数据来源于《河南统计年鉴—2018》。

2 分析过程

在Stata15的Command文本框中输入命令：pwcorr_

v2_v3，star（.01）bonfe-rroni。依据输出结果分析变量间相关性在置信水平为0.99时是否显著。即可以看出，v2即地区生产总值与第三产业值、公共预算收入、规模以上工业总产值、社会消费品零售总额、固定资产投资、失业人数和国内旅游总人数之间有较强的相关性，在1%的显著性水平上显著，且这八个变量相互间的相关性很强，与消费支出、城镇居民人均可支配收入和农村居民人均可支配收入变量之间相关性很小。

3 回归分析

3.1 建立线性模型

因为城镇居民人均可支配收入、农村居民人均可支配收入、消费支出与地区生产总值变量间相关性小，所以本文以地区生产总值为因变量，将固定资产投资、公共预算收入、社会消费品零售总额、第三产业值、规模以上工业总产值和国内旅游总人数为自变量进行多重线性回归。

建立线性模型：

即：地区生产总值= a*第三产业值+b*公共预算收入+c*规模以上工业总产值+d*社会消费品零售总额+e*固定资产投资+f*失业人数+g*国内旅游总人数+u

式中，小写字母（除去u）代表未知的回归系数，u是随机误差项。

3.2 模型修正

在Stata15的Command文本框中输入如下命令：sw regress v2 v4- v9 v12，pr（0.10），从分析结果中看出共选取了18个样本分析，模型的F值（5，12）=1388.24，P 值（Prob>F）= 0.0000，说明该模型整体非常显著。且该模型的可决系数为0.9983，修正可决系数是0.9976，说明模型诠释能力非常优秀。于是根据输出结果可知模型经过2次剔除变量后得到最终结果。即第1个模型包含全部自变量的全模型，该模型v9（失业人数）变量的系数显著性P值高达0.9572，被剔除;第2个模型为包含全部自变量的全模型，该模型v7（社会消费品零售总额）变量的系数显著性 P 值为0.1941，被剔除，剔除上述自变量后得到最终回归模型。故根据输出结果接下来的回归过程中应剔除v7（社会消费品零售总额）和v9（失业人数）。

在回归线性模型中变量v4（第三产业值）的系数标准误是0.2474448，t值为8.11，P值为0.0000，0.95的置信区间为[1.467948，2.54622]。v5（公共预算收入）的系数标准误是0.9655961，t值为-3.91，P值为0.0020，系数较为显著，0.95的置信区间为[-5.877853，-1.670146]。v6（规模以上工业总产值）的系数标准误是0.04500076，t值为3.67，P值为0.003，0.95的置信区间为[0.0672356，0.2633617]，系数较为显著。v12（国内旅游总人数）的系数标准误是0.0147554，t值为-4.58，P值为0.001，0.95的置信区间为[-0.0111076，-0.0354973]，系数较为显著。v8（固定资产投资）的系数标准误是0.0834648，t值为2.31，P值为0.039，0.95的置信区间为[0.0111076，0.3748162]。常数项的系数标准误是61.4813，t值为4.33，P值是0.001，0.95的置信区间为[132.1657，400.0782]，系数比较显著。

那么建立线性模型：

即地区生产总值=2.007084*第三产业值-3.773999*公共预算收入+0.1652987*规模以上企业资产总额-0.0676464*

国内旅游总人数+0.1929619*固定资产投资

3.3 因变量拟合值的预测

在主界面的“Command”文本框中输入命令：predict vv2，便可以看到v2的值与vv2的值是比较接近的，所以，拟合的回归模型还是不错的。

3.4 异方差的检验

通过检验得出怀特检验P值为 0.3888，BP检验的P值均大于0.05，即认为不存在异方差，所以我们不必用稳健的标准差进行回归。经过以上最小二乘回归分析，可以发现固定资产投资对河南省城市地区生产总值起正向促进作用。

4 主成分因子分析

4.1 主成因子

在Stata15的Command号令框中输入号令factor_v2-v12，pcf，得出因子分析成果，11个因子中只有2个因子特征值大于1，故选取作为新的综合评价指标，P值（Prob>chi2）为0.0000，LR检验的卡方值为380.61，模型很是明显。第一个因子的特征值为8.44373，方差贡献率为76.76%;第二个因子特征值为1.19457，方差贡献率为10.86%。前2个因子的累计方差贡献率为87.62%，解释了原始数据的87.62%的信息，总体诠释力度较大。

4.2 因子表达式

采用最大方差正交旋转法对因子布局举行扭转，Factor（f1）主要解释的是v2、v4-v9 、v12这8个变量信息，Factor（f2）主要解释v3、v10、v11这3个变量信息。根据因子得分系数矩阵，写出主因子的表达式，得到结果如下所示：

SMC检验是判断数据是否适合进行因子分析，其取值范围是0～1。为验证本文是否能继续进行因子分析，故对其进行SMC检验，经检验可得，其v2-v12的取值均较高，因子分析属于较好状态，可以进行因子分析。

5 河南各城市经济发展能力综合评价排名

为了求出河南各城市经济发展本领的综合得分，在Stata15的Command中输入号令generate f = 0.6375* f1+0.2387* f2，此中f1、f2是在因子分析时对提取的主因子保留的变量，0.6375和0.2387分别是主因子的方差贡献率。结果如下所示。

郑州以f1、f2和f均高于其他河南省的地级市的优势位列第一，洛阳市以f1和f均高于其他地级市位列于第二位，第三位是南阳市，新乡市位列第四，接着按照顺序依次是焦作市、安阳市、开封市、平顶山市、周口市、许昌市、商丘市、驻马店市、信阳市、三门峡市、濮阳市、漯河市、鹤壁市、济源市。

6 结论与建议

经过相关分析，河南各城市的地区生产总值与第三产业值、公共预算收入、规模以上工业总产值、社会消费品零售总额、固定资产投资、失业人数和国内旅游总人数等变量之间有较强的相关性，并且这八个变量之间两两的相关性也很强。

经过回归分析，说明了第三产业值、公共预算收入、规模以上工业总产值、固定资产投资、和国内旅游总人数对河南各城市经济发展起到了积极的促进作用。

经过主成分因子分析后，可以看出郑州的两个主因子得分均是第一，其城市生产总值十三项经济指标位居第一。洛阳不仅有5A级景区（龙门石窟，白云山，老君山和鸡冠洞），另有3A级以上景区数量位居全国之首，而且另有世界地质公园两家：黛眉山世界地质公园，伏牛山世界地质公园。故洛阳不仅是河南省主要的游览胜地，更是中国主要的游览目的地，即其国内游览总人数位于河南省首位，本地游览又提高了住民的经济收入，则其第二个主因子f2得分也位于前列，综合排名仅次于郑州。南阳近年来工业“双高”产业得到积极培育发展、基础设施投资高速增长以及现代服务业快速增长，其综合排名位于第三。另外值得一提的是焦作市的第二个主因f2（居民可支配收入）仅位于郑州和济源之后，排在第三位，经过分析，其原因是以下所促成的：社会就业稳定扩大，政策保障惠及全民，务工人员工资提高，财产交易增加收入。济源市第二个主因子得分较高即居民可支配收入较高，因为其旅游资源也比较丰富，比如众所周知的小浪底，但由于济源市人少、地小等因素，其第一个主因子得分较低，使之总体得分情况位于河南省的末尾。

参考文献：

[1]李璐琼.用STATA 进行房价影响因素的分析[J].经济研究导刊， 2018，（31）：133-136.

[2]刘博雷.中国 36 个主要城市经济社会发展水平的实证研究——基于 STATA 的面板数据分析[J].经济与社会发展，2014，12（3）：105-108.

[3]張甜，李爽. Stata 统计分析与行业应用案例详解（第2版）[M].北京：清华大学出版社，2017.