我国建筑业各区域发展水平的研究——基于因子分析和聚类分析

杨 苏，王晓虎

我国建筑业各区域发展水平的研究——基于因子分析和聚类分析

杨 苏1，王晓虎1,2

（1.安徽建筑大学 经济与管理学院，安徽 合肥 230601；2.安徽省建筑经济与房地产管理研究中心，安徽 合肥 230601）

基于《中国统计年鉴2020》的数据，构建区域建筑业发展水平指标体系，以我国各省份为研究单元，采用因子分析和聚类分析法对我国31个省(市)的建筑业发展水平进行分析，将我国各区域划分为3大类型。第一个类型的地区建筑产业规模较大，第二个类型的地区技术效率较高，第三个类型的地区2方面都较弱势。从地区分布来看，沿海发达地区建筑产业规模较大，北方地区技术效率较高，中西部地区总体实力偏弱。最后对分类结果进行了分析并给出相关建议。

建筑业；发展水平；因子分析；聚类分析

建筑行业在我国实体经济中有着极其重要的地位，但是，由于我国各区域间发展不平衡、不充分，建筑业在各省(市)之间的发展水平差距过大，不利于我国建筑业各区域的协调发展。因此，有必要对我国各省(市)的建筑业发展水平进行科学评价，为国家层面的宏观调控与地方政府因地制宜地制定产业发展策略提供参考。

关于建筑业发展水平的评价，国内学者已经用了不同的方法进行了大量的研究。沙凯逊等[1-3]通过对我国建筑业规模与绩效的反复分析，提出了一种面向双对象的分析框架，以期解决我国建筑业的结构、行为与绩效之间的关系有悖于产业组织理论的问题，并提出建筑行业在管理、治理和体制之间存在脱节现象。这是造成建筑企业规模扩大，绩效反而降低的原因。在中国加入WTO后，中国建筑企业面临逐渐与国际建筑企业竞争的新局面。李启明等[4]提出了固定权重排序法评价建筑企业的竞争力，并对江苏省大型建筑企业进行了模拟评价，最终得到了各项指标排名，并与竞争力第一的企业做比较，便于企业认识到自身的优势与劣势，且有助于让企业选择与自己优势互补的合作伙伴。刘炳胜等[5]借鉴波特教授的“钻石模型”的分析理论，结合中国建筑业的特点，设计了建筑业竞争力评价模型，并在此基础上结合了主成分分析法和DEA-DA判别模型。得出结论，我国各个地区建筑业的发展水平受空间位置的限制，从东部地区到西部地区呈梯次分布。王旭等[6]结合产业竞争优势和可持续发展理论，从资源条件、发展与支撑条件、产业结构与效益、可持续效应4个方面构建了评价体系。然后运用DEA模型对我国区域建筑业竞争力进行了评价。结果表明，我国大多数地区的建筑业竞争力处于第三或第四级，区域间的差异较为明显。

通过众多学者对我国建筑业发展水平的研究和分析，可以看出，建筑业作为我国实体经济的支柱性产业，弄清我国建筑业发展水平现状，了解国内外各区域间建筑业发展水平的差异，对提高国际竞争力和国内各区域均衡发展有着重要的参考价值。但是，参考众多文献后，发现能够反映出建筑业发展水平的指标数量繁多，并且有些指标间存在着相关性，这很容易使评价的过程变得复杂，而因子分析法能够通过各个指标间的相关性，简化指标数量，实现降维，保留足够信息的基础上，简化评价过程。因此，本研究利用因子分析理论对我国各区域建筑业发展水平进行评价，以期在一定程度上完善我国各区域建筑业发展水平的评价研究。

1 实证分析

1.1 建筑业发展水平评价指标的确定

本文在查阅众多文献后，结合国内各省(市)建筑业发展的现状，考虑数据的来源必须可靠且数据尽可能便于获取，选择了《中国统计年鉴》(2020)的公开数据[7]，建立中国各省(市)建筑业发展水平评价指标体系，见图1。

图1 建筑业发展水平评价指标体系

1.2 因子分析过程及结果分析

1.2.1 相关系数矩阵计算及检验

通过SPSS 26.0对数据进行因子分析，分析结果中首先得到各个指标之间的相关系数矩阵(见表1)与KMO和巴特利特球形度检验结果(见表2)。可以看出，一些指标间(如1与2，1与3)相关性比较高，表明它们所反映的信息有一定的重叠，所以进行因子分析进行降维是必要的。从检验的结果看，KMO取样适切性量数为0.761，超过了0.7，根据凯撒给出的度量标准，可以进行因子分析，此外，巴特利特球形度检验统计量为331.607，显著性水平为0.000，表示相关系数矩阵和单位阵之间有着显著的差异。因此，应用因子分析法对中国各省建筑业发展水平进行分析是必要且可行的。

表1 相关系数矩阵表格

X1X2X3X4X5X6X7X8 X110.9450.9810.1020.971-0.2510.824-0.129 X20.94510.9820.2890.923-0.2380.733-0.064 X30.9810.98210.2210.965-0.2080.773-0.066 X40.1020.2890.22110.1460.223-0.0060.195 X50.9710.9230.9650.1461-0.2010.741-0.089 X6-0.251-0.238-0.2080.223-0.2011-0.1730.381 X70.8240.7330.773-0.0060.741-0.1731-0.165 X8-0.129-0.064-0.0660.195-0.0890.381-0.1651

表2 KMO和巴特利特检验表格

KMO取样适切性量数0.761 巴特利特球形度检验 近似卡方331.607 自由度28 显著性0

1.2.2 提取公因子

通过主成分分析法计算相关系数矩阵的特征值、方差百分比及方差累积贡献率，结果如表3所示。其中，特征值是因子分析的初始解，是衡量因子重要性的指标，表3中前2个因子1、2特征值均大于1，且表示1、22个因子包含指标信息量的方差百分比分别为58.214%、19.283%；从表中反映的信息可以看到，前2个因子包含所有指标77.497%的信息量。因此，根据相关标准可以把前2个因子提取，作为公共因子。

表3 总方差解释表格

成分初始特征值 提取载荷平方和 旋转载荷平方和 总计方差百分比累积/%总计方差百分比累积/%总计方差百分比累积/% 14.65758.21458.2144.65758.21458.2144.63857.9757.97 21.54319.28377.4971.54319.28377.4971.56219.52777.497 30.80310.03987.535 40.637.86995.405 50.2863.57598.98 60.0640.899.78 70.0140.16999.949 80.0040.051100

1.2.3 因子旋转载荷矩阵

由于原因子载荷矩阵计算得出的结果中各因子的载荷数值没有显著拉开差距，容易使因子的含义模糊不清，因此对得到的荷载矩阵进行因子旋转，期望找到意义更为明确、实际意义更明显的公共因子(见表4)。从表中能够看到，公共因子1在营业收入、建筑业总产值、合同总额、利税总额上的载荷都超过了0.95，在7自有施工机械年末台数

表4 旋转后的因子载荷矩阵表格

成分 12 X3营业收入/万元0.9920.024 X1建筑业总产值/万元0.986-0.085 X2合同总额/万元0.9730.043 X5利税总额/万元0.965-0.02 X7自有施工机械年末台数/台0.831-0.149 X8技术装备率/(元·人-1)-0.0930.745 X6动力装备率/(kW·人-1)-0.2270.732 X4劳动生产率/(元·人-1)0.2280.662

上的载荷超过了0.8，可以解释为1代表了建筑业的规模和产值，所以命名为产业规模因子。公共因子2在技术装备率、动力装备率、劳动生产率上的载荷相对较大，可以解释为2代表了建筑业技术动力和劳动生产效率，所以命名为技术效率因子。

1.3 因子得分计算及分析

1.3.1 因子得分计算

为对我国31省(市)建筑业发展水平进行排名并比较，通过SPSS 26.0，采用回归法计算各省(市)建筑业发展水平的公共因子1和2得分，得到因子得分向量1、2，再根据表3中前2个因子的方差百分比及方差累计贡献率，计算各区域建筑业发展水平的综合因子得分综，综合因子得分向量综计算公式为：

综=(58.214%1+19.283%2)/77.497%

经计算，因子1、2和综合因子综得分及排名情况如表5所示。

表5 综合得分排名表格

地区F1F1排名F2F2排名F综排名地区F1F1排名F2F2排名F综排名 江 苏3.065091-0.32213192.211山 西-0.49382190.426629-0.2617 湖 北1.5585331.1761541.462天 津-0.4981620-0.0436814-0.3818 北 京0.917152.3799921.293重 庆-0.1315616-1.1485330-0.3919 浙 江1.851552-1.20571311.084新 疆-0.88512250.678456-0.4920 广 东1.3883540.11863111.075云 南-0.3282917-0.9648626-0.4920 山 东0.7808460.32776100.676青 海-1.03666291.017315-0.5222 河 南0.745927-0.28962180.487贵 州-0.5973721-0.5014421-0.5723 河 北-0.11351141.9611730.418内蒙古-0.9338260.428288-0.5924 上 海0.24116110.5489470.329广 西-0.468518-1.0033729-0.625 四 川0.644188-0.87209250.2610吉 林-0.7927423-0.199515-0.6426

续表

1.3.2 排名结果描述

各省(市)在公共因子上得分越高，说明其在产业规模、产业技术领域发展水平越高。每个省(市)在公共因子得分和综合得分都为正，意味着在2个指标维度上的发展水平和综合发展水平都高于全国平均水平，反之亦然。

(1)建筑业发展水平前10名的地区大多集中在中东部经济人口大省，东北、西北地区未有省(市)列入。建筑业发展水平后10名的地区，大多来自我国西部和东北部地区，其中宁夏、西藏综合得分小于-1，建筑业发展水平较低。从整体上看，建筑业发展水平与地区经济实力基本保持一致。

(2)江苏、浙江等11个省(市)的建筑产业规模因子得分为正，高于全国平均发展水平，其中，江苏省的产业规模优势极其明显，得分为3.06509，远高于其他地区。建筑业规模排名前10位的省(市)主要集中在沿海及中部与北部地区，东北、西部地区未有省(市)列入；排名后10位的省(市)主要集中在西北、东北地区，其中，宁夏、西藏2地区劣势明显。相较于技术效率因子，产业规模因子得分与经济发展水平大致呈正相关。

(3)辽宁、北京等13个省(市)的建筑业技术效率因子得分为正，高于全国平均发展水平。排名前10位的省(市)大多来自我国北部地区，其中，辽宁和北京的技术因子得分都超过了2，位居前两名，而中南、西南地区未有省(市)列入。技术效率因子得分排名后10位的省(市)大多来自南方地区，其中，江苏、浙江等发达地区的技术效率因子排名相较于其综合排名远远落后，这些地区需加大装备技术的资金投入，以期进一步提升其建筑业综合发展水平。

2 基于因子分析结果的聚类分析过程

2.1 确定类别数目

为了进一步了解我国建筑业的发展水平情况，根据前面得到的2个公因子得分，即产业规模因子1和技术效率因子2的得分作为自变量对31省(市)进行系统聚类分析，具体方法采用最远邻元素法(furthest neighbor)，距离测度方法采用平方欧式距离法(squared euclidean distance)，根据合理的聚类准则和实际的分类需求，将我国31省(市)分为3类(见图2)。

图2 地区分类图

2.2 聚类结果分析

根据图2中所包含的地区，可以总结如下特点。

第一类包括江苏、上海、广东、浙江、四川、湖南、福建、河南、山东这些产业规模较大的地区。这些地区相对富裕。沿海地区作为我国改革开放的前沿地带，率先享受到了巨大的改革红利，经济发展迅速，人口大量流入，因此激发了大量建筑业及其相关产品的需求，建筑业规模迅速扩张，因而有着较高的城镇化率。山东、河南、四川、湖南是我国的传统人口大省，现代社会中建筑业的规模与人口、经济息息相关，较高的人口与较高的经济水平，带来建筑业规模的不断扩大。但是，以上地区建筑业技术水平还比较低，说明这些地区属于建筑业大省却不是建筑业强省，整体现代化、信息化程度不高，所拥有的仍是粗放式的、劳动密集型的产业。并且这些地区建筑企业市场同质化竞争过度，阻碍了当地建筑业企业总体实力的提高。因此，当地企业应当加大对科技创新、技术人才的资金投入，增强建筑业企业的创新活力，避免同行业间的同质化竞争，推动实现建筑业强省目标。

第二类包括湖北、北京、辽宁、河北、山西、青海、内蒙古、新疆这些技术效率较高的地区。其中新疆、青海、内蒙古等西部地区技术效率较高归功于最近几年政府对西部地区基础设施建设的重视，大力对各项基础设施进行投资建设，增强了这些省份在技术效率方面的竞争力。但是随着各项基础设施的完善，这种竞争力不具有持续性[8]。冀辽两省有着我国最早的重工业基地，在建筑业技术效率发展水平上比较突出。但是由于我国经济增长上升到了一个新的阶段，迫切需要对产业结构进行改革，冀辽两省传统重工业的发展面临着转型难题，并且如今这2个地区经济增长乏力，势必会减缓建筑业的发展。以上地区要利用好国家的经济政策，深化供给侧结构性改革，推动产业转型升级，努力实现建筑业高质量发展。北京和湖北两地不仅建筑产业规模大，而且技术水平也比较高，应带头加强建筑业创新体系、创新平台、创新能力的建设，培育数字化、信息化的新型建筑业发展模式，带领我国建筑业技术水平走向国际顶尖行列。

第三类包括吉林、甘肃等余下的14个内地省(市)。该类型的建筑业规模相对较小，技术装备水平也相对较低，这些地区的建筑业发展水平处于全国中下水平。过去几年在西部大开发、东北振兴、中部崛起等战略的提出后，经济实力得到了一定的提升，建筑业快速发展的趋势已经开始显现，东部沿海产业向着中西部地区转移，外出务工人员已经逐步开始回流，更加促进了建筑业的发展。这些地区政府、企业要满足人民对建筑业及相关产业的需求，扩大产业规模，加大对科技创新、技术人才的资金投入，提高建筑业企业创新活力，并扶持和培育中小建筑业企业的发展，避免地区垄断和企业同质化竞争，努力壮大建筑产业整体规模和技术水平，早日实现建筑业更大更强发展。

3 结语

区域建筑业发展水平的提高应从地方政府开始入手，以地区经济建设为中心，制定合理的产业发展政策，提高区域经济发展水平，良好的经济基础能够支撑起更多与建筑业相关的需求，从而有助于当地建筑业的发展。建筑业的发展又将促进经济的增长，形成良性循环；其次，中国的建筑业仍然是劳动密集型产业，劳动力是建筑业发展的关键因素，因此，建筑企业在招收从业人员的同时，应注重员工的培养、提高员工的专业素质，并积极引入先进技术装备，以增强企业的综合实力。此外，应更加重视资源投入的优化配置，最大限度地提高产出，保持建筑业发展的适度规模，从而在生产效率上获得竞争优势。对于具有较好发展水平的地区，政府应鼓励当地企业积极创新，领导我国建筑业整体水平的提升，以增强我国建筑业国际竞争力。

[1] 沙凯逊, 杨杰.“规模-绩效之谜”初探——谁动了建筑业的奶酪[J]. 建筑经济, 2009(4): 5-7.

[2] 沙凯逊.“规模-绩效之谜”再探——建筑业为什么“大而不强”?[J]. 建筑经济, 2009(8): 9-11.

[3] 沙凯逊, 杨杰.“规模-绩效之谜”三探——利润中心为何失灵?[J]. 建筑经济, 2009(9): 5-7.

[4] 李启明, 谭永涛, 张二伟. 建筑企业竞争力评价指标体系实证研究[J]. 东南大学学报: 自然科学版, 2003(5): 652-655.

[5] 刘炳胜, 王雪青, 李冰, 等.基于主成分分析与DEA-DA组合的中国区域建筑产业竞争优势系统评价[J]. 土木工程学报, 2011, 44(2): 143-150.

[6] 王旭, 李林, 邓鸿星. 我国区域建筑业竞争力综合评价研究——基于PP-DEA模型[J]. 技术经济与管理研究, 2013(8): 23-28.

[7] 中华人民共和国国家统计局. 2020中国统计年鉴[M]. 北京: 中国统计出版社, 2020.

[8] 黄桂林, 魏修路, 张闯. 区域建筑业发展竞争力动态评价研究——基于时序全局主成分分析[J]. 工程管理学报, 2019, 33(6): 6-11.

Research on the Regional Development Level of China’s Construction Industry Based on Factor Analysis and Cluster Analysis

YANG Su1, WANG Xiao-hu1,2

（1. School of Economics and Management, Anhui Jianzhu University, Heifei 230601, China;2. Anhui Construction Economy and Real Estate Management Research Center, Heifei 230601, China）

Based on the data of China Statistical Yearbook 2020, the index system of regional construction development level is constructed, and the development level of construction industry in 31 provinces (cities) in China is analyzed by factor analysis and cluster analysis, which divides the regions into three main types. The first type of regional construction industry is larger, the second type of regional technology efficiency is higher, the third type of region is more vulnerable in both aspects. From the regional distribution point of view, the construction industry in the developed coastal areas is large in scale, the technical efficiency in the northern region is high, and the overall strength of the central and western regions is weak. Finally, the classification results are analyzed and suggestions are given.

construction industry; development level; factor analysis; cluster analysis

10.15916/j.issn1674-3261.2021.06.011

F407.9

A

1674-3261(2021)06-0400-05

2020-12-23

国家自然科学基金项目(71802003)；教育部人文社科青年基金项目(18YJC630040)；安徽省教育厅人文社科重点项目(SK2020A0258)

杨苏(1981-)，女，安徽芜湖人，副教授，博士。

责任编辑：孙 林