基于STATA的安徽省城市经济发展能力实证分析

周璐瑶 兰国辉

（安徽理工大学经济与管理学院 安徽淮南 232001）

一、评价指标体系的构建

（一）变量选择。构建城市经济发展能力的指标体系除了需要考虑到地方的经济总量外，还应将经济质量与效能纳入到考虑范围之中。鉴于指标的代表性、全面性和可操作性等原则，本文在借鉴了国内外相关评价理论和方法的基础上，选取了五大类16项指标构成的指标体系[1-6]。1.经济总量指标：V01-地区生产总值(亿元)、V02-地方财政收入(万元)、V03-第三产业占GDP的比重(%)。2.经济效能指标：V04-人均生产总值(元/人)、V05-城市污水处理率(%)、V06-商品进出口总额(万美元)。3.对外经济指标：V07-实际利用外资额(万美元)、V08-社会消费品零售总额(亿元)。4.人民生活水平指标：V09-农村居民人均可支配收入(元)、V10-城镇居民人均可支配收入(元)、V11-在岗职工工资总额(亿元)。5.基础设施指标：V12-高等学校个数(所)、V13-医疗卫生机构数(所)、V14-体育场馆数(个)、V15-年末公共交通运营数(辆)、V16-公共图书馆总藏量(千册、件)。

（二）数据来源与分析方法。文中数据来源于《安徽统计年鉴—2019》，首先运用了相关分析、回归分析及因子分析等方法，运用Stata15.1分析软件，在进行相关分析、回归分析的基础上，探索了安徽省16个城市经济发展能力关键变量之间的关系及其构成状况。其次对影响城市经济发展水平的各个变量进行因子分析，根据因子分析模型并从中提取出公共因子，即最具代表性的主因子，从而得出每个样本因子的综合得分。最后借助Stata15.1数据处理的方法与技巧，按照提取的主因子对安徽省16个城市的经济发展能力进行排序[7-8]。

二、实证分析过程

（一）相关分析。运用Stata15.1软件，在Command命令框中输入命令summarizeV01-V16，detail，即可得到V01-V16的描述性分析结果。通过对所得数据进行描述性分析可见，摘取的观测变量的所有数据均不存在极端值和异常值，且数据与数据之间量纲的差距也在可以被接受的区间范围之内，说明本文所选择的数据是具有一定研究价值的。

在Stata15.1的Command文本框中输入命令:pwcorr V01-V16，sidak sig star(0.01)。依据产生结果分析在置信水平为99%时16个变量间相关性是否显著。从结果来看，地区生产总值与年末公共交通运营数的相关性最强为0.9903，且在0.01的显著性水平上显著，与地方财政收入、商品进出口总额、社会消费品零售总额、在岗职工工资总额、高等学校个数、体育场馆数、年末公共交通运营数、公共图书馆总藏量具有很强的相关性，且在0.01的显著性水平上显著。地方财政收入与社会消费品零售总额的相关性最强为0.9739，且在0.01的显著性水平上显著，与商品进出口总额、在岗职工工资总额、高等学校个数、体育场馆数、年末公共交通运营数、公共图书馆总藏量具有很强的相关性，且在0.01的显著性水平上显著。人均生产总值与农村居民人均可支配收入、城镇居民人均可支配收入具有很强的相关性，且在0.01的显著性水平上显著。商品进出口总额与社会消费品零售总额、在岗职工工资总额、高等学校个数、体育场馆数、年末公共交通运营数、公共图书馆总藏量具有很强的相关性，且在0.01的显著性水平上显著。实际利用外资额与农村居民人均可支配收入有很强的相关性，且在0.01的显著性水平上显著。社会消费品零售总额与在岗职工工资总额、高等学校个数、体育场馆数、年末公共交通运营数辆、公共图书馆总藏有很强的相关性，且在0.01的显著性水平上显著。农村居民人均可支配收入与城镇居民人均可支配收入具有很强的相关性，且在0.01的显著性水平上显著。在岗职工工资总额与高等学校个数、体育场馆数、年末公共交通运营数、公共图书馆总藏量有很强的相关性，且在0.01的显著性水平上显著。高等学校个数与体育场馆数、年末公共交通运营数、公共图书馆总藏量有很强的相关性，且在0.01的显著性水平上显著。体育场馆数与年末公共交通运营数、公共图书馆总藏量有很强的相关性，且在0.01的显著性水平上显著。年末公共交通运营数与公共图书馆总藏量有很强的相关性，且在0.01的显著性水平上显著。与此同时，也对其它变量之间的相关性进行了分析，从分析结果看其它变量之间的相关性较不显著。

（二）回归分析。

1.模型构建。考虑到各种因素之间的影响较为复杂，本文以地区生产总值（V01)为因变量，地方财政收入(V02)-在岗职工工资总额(V11)为自变量，进行多重共线性回归。本文采用普通最小二乘回归法做逐步回归分析，通过在Stata15.1的Command文本框中键入：sw regress V01 V02-V11，pr(0.1)。取得的回归分析部分结果如表1所示。

表1 回归分析结果

2.模型修正。从分析结果中看出，本次回归共选取了16个样本进行分析，模型的F值(5，10)=449.50，P值(Prob＞F)=0.0000，说明从整体上看该模型的显著水平很高。该模型通过逐步回归，一共剔除了5次变量，得到了最终的回归结果。模型可决系数(R-squared)=0.9956，模型修正可决系数(Adj R-squared)=0.9934，说明模型对数据具有非常优秀的解释能力。

最小二乘回归模型方程为:

3.因变量拟合值预测。根据自变量的值和得到的回归方程可以计算出因变量预测的拟合值，通常用于预测未来。在Stata15.1的Command文本框中输入相应命令rvfplot后就得到了残差与拟合值的散点图，如图1所示。结果是残差围绕0值随机波动，没有随拟合值的大小的变化而发生大范围的波动，因此可以得出，此组数据极有可能不存在异方差。

图1 因变量残差拟合值散点图

4.异方差的检验。使用得到的拟合值，分别通过WHITE检验、BP检验，得到的检验结果如表2所示。此三种检验方法的原假设相同且均为数据为同方差。三种检验方法得到的结果均为检验P值＞0.05，表明接受同方差的原假设是非常显著的，也就是说这组数据是不存在异方差的，所以不再需要通过使用稳健的标准差的方法对其进行新的回归。

表2 异方差检验结果

经过以上最小二乘法逐步回归分析，可以发现安徽16个城市的地区生产总值与城市污水处理率(V05)、实际利用外资额(V07)、社会消费品零售总额(v08)、农村居民人均可支配收入(V09)、在岗职工工资总额(V11)有显著关系，且V07、V08、V11变量对地区生产总值起正向促进作用，当其每增加一个单位，地区生产总值将分别增加0.0052829、1.08871、3.135883个单位。V05和V09变量对地区生产总值起反向抑制进作用，当其每减少一个单位，地区生产总值将增加-97.19413、-0.0672831个单位。V02变量与其他指标变量之间虽有一定关系，但总体而言是不很显著的，因此我们不对其进行额外的研究。

（三）因子分析。通过在Stata15.1的Command命令框中输入如下命令：factor V01-V16，pcf，便可采用主成分因子法对构成城市经济发展实力的各个变量进行因子分析，所得结果如表3所示，可以看到选取的16个因子中有2个因子被选取作为新的综合评价指标，特征值(Eigenvalue)大于1。LR检验(LR test:independent vs.saturated:chi2(120))的卡方值为769.11，P值(Prob＞chi2)为0.0000，模型非常显著。因子的累计方差贡献率(Proportion)为82.63%，解释了原始数据82.63%的信息。

表3 因子分析结果

在主界面的“Command”命令框中写入如下命令:rotate，便得到采取最大方差正交旋转法对因子结构进行旋转的结果。部分结果如表4所示，旋转后的数据仍反映了原始指标中82.63%的信息。第一因子（Factor1）主要解释了V01、V02、V04、V06、V07、V08、V09、V10、V11、V12、V14、V15、V16等变量的信息；第二因子（Factor2）主要解释了V04、V05、V09、V10、V13等变量的信息。

表4 正交旋转后的因子分析结果

接着在主界面的“Command”文本框中输入如下命令:predict f1 f2和correlate f1 f2便得到了因子分析后各个样本的因子得分情况以及系统提取的2个主因子之间的相关系数矩阵，从相关系数矩阵可以看出，提取的2个主因子之间相关关系很小，这同时说明了对因子进行正交旋转是明智的方式。

在Stata15.1主界面的“Command”文本框中输入命令:generate f=0.7154*f1+0.2846*f2和sort f，便产生了由低到高排列的“综合得分”，最终f则为代表16个城市的经济社会发展水平的变量（表达式中的各个变量已经是进行标准化之后的变量，不再是原始变量，变量前的系数是各公因子经过转化后的累计方差贡献率），所得结果如表5所示。

表5 综合得分及排名

三、结论与建议

（一）结论。

1.从总体上看，安徽省16个城市存在的发展不平衡且落差明显现象可谓显而易见，作为省会的合肥凭借在f1方面的突出表现，与其它城市拉开了显著的差距，在综合得分中位列榜首毋庸置疑，竞争优势很是明显。芜湖虽然凭借在f2方面的高得分紧随其后，但从综合得分来看，其实力与合肥仍有不小的差距。其它城市在争夺安徽省经济第三名的位置上竞争激烈，滁州、蚌埠、马鞍山均是该席位的有力竞争者。

2.从主因子得分上看，各城市的得分呈现出多样化，各项排名有高有低，有正有负。在一个因子得分上的不足，并不影响其在另一因子上获得高分，这也恰好反映出各城市内部各领域间发展的不均衡。如阜阳市在f1因子上的得分排名位列第二，却在f2因子的得分上居最末位，这使得阜阳市在总得分f上只排在第六的位置，若是加强在f2影响因子方面重视程度，必将使阜阳市的经济发展取得突破性的进展。

3.从综合得分上看，排名前三的城市之间得分悬殊很大，蚌埠虽然在综合得分上位列第四，但是与位列二、三的芜湖、马鞍山仍存在不小的差距。综合排行5-9位的城市之间分差不大，竞争激烈；综合排行10-14位的城市之间差额也很小，你追我赶。从表格中只能看出细微的差别，但这两个梯队之间却存在一定综合实力上的落差。最后两名的综合得分较其它城市而言落后较多，需要投入更多的精力促进其经济的发展。

（二）建议。

1.充分发挥合肥作为省会城市的辐射作用，在不断增强自身实力保证自身发展的基础上，发挥表率作用并帮助带动周边城市的共同发展。[9]芜湖市地处长江下游，是安徽省经济、文化、交通、政治的次中心，其经济发展在除省会合肥外的15市中一直保持领先地位且发展势头良好，芜湖市在壮大发展传统优势产业的同时也应注重对新兴产业进行积极培育。[10]马鞍山与滁州位处南京都市圈核心圈层，滁宁城际铁路的建设进一步密切了两城与南京的联系，可通过对这一优势的合理利用，进而使这两地的经济发展获得长足的进步。充分发挥芜湖、滁州、马鞍山这三座城市优秀的地理位置以及国家政策的帮助，积极推进优秀产业走出去和引进来，推动战略性新兴产业集群发展，增强经济创新发展新活力。

2.安徽省的中等城市阜阳、宣城、铜陵、淮南等要针对自身的发展特点，转变传统发展理念，提高产业创新能力。[11]阜阳市可充分发挥其作为安徽省交通枢纽的重要作用，构建起层次多元、服务多样的枢纽体系；[12]淮南市、铜陵市可加快从资源型城市向多元型城市转型的进程，建设高质量、可持续的现代产业新体系[13]；宣城市邻近杭州，可充分汲取滁州、马鞍山两地发展的优良经验，借助自身地理优势，在杭州经济圈的辐射下取得经济上新的突破。总体来说，各城市可在平等互利的基础上，加强与周围城市之间的专业化分工合作，互相学习先进经验，推进区域联动发展。不仅能够实现双赢甚至多赢，还能够创造大量就业机会，提高居民生活水平，提升幸福感。

3.对于经济发展靠后的淮北市，政府应当给予足够的重视。一方面，加大政策扶持力度以加快其工业化进程；另一方面，积极引进高新科技人才，留住人才资源[14]。而经济基础较弱的黄山市和池州市，由于地方生态环境友好，拥有众多旅游景点，如黄山、西递宏村、九华山等，可通过加大对当地旅游业的宣传，打造一流的宜居型旅游城市，充分利用其在青山绿水方面的竞争优势带动第三产业的发展。与此同时，还应当着重加强城市交通与服务等基础设施的建设，营造良好的城市氛围环境，奠定旅游业繁荣发展的基础，以期带来整个城市经济的新飞跃。[15]