基于matlab的智慧省份的因子分析

摘要：文通过因子分析借助对城市智慧度的指标体系来对30个省份进行智慧度的排名。结果表明：表明尽管各省份的智慧发展的侧重方面有所不同;但是在这五年内的省份智慧排名变动不大，说明智慧省份的建设还是依赖于长期的积累。

关键词：智慧度;因子分析;指标体系

一、概述

随着经济的发展，“智慧城市”被提及的频次越来越高，因此城市的综合实力常常用智慧度来衡量。随着科技、交通的发展，城与城之间，省与省之间的距离越来近，因此通过衡量城市综合实力的智慧度来衡量省份。

二、数据来源和指标的选取

数据主要来源于14-18年的《中国统计年鉴》并通过文献研究从衡量智慧城市[1]的智慧度的智慧经济、智慧人群、智慧生活和智慧环境[2]四个维度通过因子分析[3]去分析各省份的智慧度，设立7个一级指标（经济基础、经济开放、科学技术、人力资本、生活水平、互联互通、环境保护）和10个二级指标的（人均地区生产总值、外资投资企业进出口额、国内专利申请受理、技术市场成交额、城镇单位人员平均工资、软件业务收入、每百人使用计算机数、每万人拥有卫生技术人员数、移动互联网数、生活垃圾无害化处理能力）评价体系（见表1）。

二、因子分析

（一）KMO和巴特利特检验

通过spss可以求得：KMO值为0.762，说明样本充足，巴特利特球形度检验结果显示在显著性水平0.000上拒绝原假设，样本之间存在较强的关系，适合做因子分析。

（二）因子的选取。

样本选取为30个省份（除西藏自治区以外）5年（2018-2014年），总样本数为30*5=150，评价指标为10个，总数据为1500个，并对数据进行标准化处理，程序为normal_X=（X-repmat（mean（X），m，1））./repmat（std（X），m，1）;%数据的标准化处理，然后计算累积贡献率选取因子。

通过matlab从中提取的因子，前2个因子累计贡献率达到了81.0642%，其2个因子包含的信息量足以包含9个指标反映的信息量;而且后一个因子的信息量不足5%，因此最终选取了2个因子，因子1：个体指标（X1：人均地区生成总值;X4：技术市场成交额X5：城镇单位人员平均工资;X7：每百万人使用计算机数;X8：每万人拥有卫生技术人员数）因子2：总体指标（X2：外资投资企业进出口额;X6：软件收入X9：移动互联网用户;X10：生活垃圾无害化处理能力）。

结果可得：

旋转后的因子载荷可以提炼出两个因子：个体经济生活水平（x1、x4、x5、x7、x8）、环境经济生活水平（x2、x3、x6、x6、x10），并根据因子载荷得到2个主因子的线性组合：

F1=0.3971X1+0.7747X2+0.9352X3+0.2202X4+0.1485X5+0.8125X6+-0.0521X7+0.1137X8+0.9220X9+0.9757X10F2=0.7578X1+0.2663X2+0.1844X3+0.8065X4+0.9029X5+0.5097X6+0.9115X7+0.8238X8+-0.0592X9+0.0886X10

又根据公式可：

因子前的系数：ai==为因子贡献率，即为Contribu

FS（因子总得分）=a1F1+a2F2

最终计算出了30个省份2014-2019年每年各省份的排名情況见表3。

有上述结果可得，尽管各省份经过五年的建设，其智慧度排名并没有太多的变化，特别是排名靠前的，而排名相对靠后有波动，但波动变化不大。

三、结论

本文从10个指标中提炼了2个因子为个体指标和总体指标进行省份智慧度的计算，发现各省份的名次比较稳定尤其是前四名，几乎没有变化，说明了省份的智慧建设是日积月累，长期作用的结果;排名越靠后波动越大，说明靠后省份之前的智慧度差异不大，竞争比较激烈，各省份都在不断的提高自己省份的综合实力，用评级城市的智慧度来评价省份，让智慧度也成为一个可以衡量省份综合实力的一个综合指标。

参考文献

[1]张建伟，李贝歌，毕东方，王灿.中国智慧城市发展水平空间差异研究[J].世界地理研究，2017，26（02）：82-90.

[2]任利成，张明柱.我国智慧城市发展水平的聚类分析[J].科技管理研究，2014，34（14）：58-62.

[3]丁烨.基于因子分析和聚类分析的我国各地区城市发展水平研究[J].上海对外经贸大学学报，2015，22（05）：90-96.

作者简介

朱毅（1995.08-）女，汉;籍贯：浙江;研究生在读，研究方向：企业管理。