地区绿色经济发展状况综合评价

张良勇，魏超男，闫晓铭

(河北经贸大学 数学与统计学学院，河北 石家庄 050061)

0 引言

自1978年改革开放以来，我国经济发展迅速，国民经济水平也有了显著提升，但高速增长的经济模式对环境造成了巨大负担，环境污染日益严重。在此背景下，习近平总书记提出“绿水青山就是金山银山”的科学论断。如今，我国生态环境质量持续好转，出现了稳中向好趋势，但成效并不稳固，稍有松懈就有可能出现反复，因此，大力发展绿色经济，实现可持续发展，对于提升我国综合国力，提高国际地位有重要意义。

绿色经济作为社会的热点，受到学者的广泛关注。张薇[1]运用因子分析法对我国30个省份绿色经济发展状况进行实证分析，指出各省份历年绿色经济发展总体呈上下波动态势，并得出绿色经济水平较高的省份大多为经济较发达地区，各省份绿色经济发展不平衡问题具有普遍性与差异性的结论。韩国莹等[2]采用R型聚类与因子分析方法对所选取的指标数据进行分析，以此构建出绿色经济发展评价指标体系。韩磊[3]采用熵值法确定指标权重并计算各年绿色经济水平得分，并利用因子分析法得出影响湖南省绿色经济发展的因素主要体现在经济社会发展度与生态文明实现度两方面。杜永强等[4]以我国30个省级行政区为研究对象，利用主成分分析、聚类分析等统计方法进行研究，得出绿色经济整体发展与经济发展和民生社会是同向的，各地区总排名与资源与环境排名是反向的结论。曾贤刚，毕瑞亨[5]采用主成分分析、聚类分析、多元线性回归等方法分析我国绿色经济发展状况，发现1997-2011年，我国绿色经济发展的总体水平呈现出上升态势，但地区间绿色经济发展不均衡，影响我国绿色经济发展的主要因素为资源利用和环境保护。邢艳春和王嘉策[6]利用R型聚类分析与因子分析相结合的方法构建了绿色经济发展指标体系。高春玲[7]采用熵值法确定所构建的绿色经济评价指标体系中各指标的权重，对2000-2010年湖北省绿色经济发展状况进行综合评价。刘西明[8]采用多元线性回归对我国绿色经济发展水平指数进行分析，得出2000-2011年我国绿色经济发展水平总体上逐年提高的结论。王佳佳，赵思棋[9]以辽宁省14座城市为实证对象，选取了2013-2017年的数据，采用动态因子分析法对辽宁省各市的绿色经济发展绩效水平进行实证分析，得出了辽宁省绿色经济发展不平衡的结论。

本文基于我国绿色经济的发展状况，同时阅读相关文献，经过考量与比较，选取了12个指标，对2019年我国31个省市区的绿色经济发展状况进行分析与比较。首先利用SPSS 24.0软件的因子分析功能得出了三个主因子：社会保障与环境保护因子、经济发展因子、资源储备因子，计算因子得分和综合得分，并根据二者对各地区进行排名。然后将因子得分作为分析变量，利用系统聚类方法对各地区进行聚类分析，从而得出东西部地区绿色经济发展存在区域差异，且不同地区存在不同短板的结论，根据分析结果，提出可行性建议。

1 数据来源与指标确定

在选取绿色经济发展状况评价指标时，要选择具有代表性并能全面反映绿色经济发展状况的指标。绿色经济发展的相关指标大部分是围绕经济增长、社会发展、资源状况、环境保护这几个方面展开。因此，本文在此基础上参考张薇、韩磊、杜永强等[1，3，4]研究成果，首先选取经济发展、资源环境和社会保障3个一级指标，从这3个一级指标出发，遵循科学性、代表性、可行性、数据真实性以及数据易收集整理性等原则，并借鉴张薇、韩国莹、韩磊等[1-5]的评价指标体系，结合绿色经济内涵和实际情况选取二级指标：在经济发展下选取人均GDP、居民人均可支配收入、居民人均消费支出和第三产业产值占GDP比重4个二级指标；在资源环境下选取森林面积、水资源总量、废水中总氨排放量和废气中氮氧化物排放量4个二级指标；在社会保障下选取普通高等学校在校学生数、卫生机构床位数、公共图书馆业机构数和公共汽电车运营数4个二级指标。为了对变量指标有一个整体清晰、直观的认识，特总结列表，具体如表1所示。

表1 各地区绿色经济评价指标体系

2 实证分析

2.1 各地区绿色经济发展状况因子分析

2.1.1 因子分析的适用性检验

通过考察原始变量是否适合因子分析，运用SPSS 24.0软件，采用KMO和Bartlett的球型度检验方法对31个地区的数据进行检验，具体结果如表2所示。KMO检验的计算结果值为0.724，大于0.7，说明原变量之间的公共信息较多，由因子分析原理可知数据适合做因子分析。同时，Bartlett球型检验的P值为0.000，小于0.05，说明数据通过适应性检验，即数据适合进行因子分析。

表2 KMO和Bartlett检验

2.1.2 确定公因子数目

各因子解释的总方差结果如表3所示。首先，综合原有变量能力最强的是第一公因子，占全部方差的比重最大，达到了40.690%；其次是第二公因子，占全部方差的32.875%；第三公因子的方差占全部方差的14.484%，最后三个公因子的方差累计贡献率达到88.049%，大于85%，表明这3个公因子符合因子分析的提取要求，它们的提取可以比较好地解释原变量，将原来的12项指标转化为3项综合指标。

表3 解释的总方差

2.1.3 旋转成分矩阵

为更好地理解各个公因子的含义以及公因子命名，利用最大方差法进行因子旋转。由表4旋转后的成份矩阵可以看出公因子一在X7、X8、X9、X10、X11和X12这几个变量上有较大的载荷，这几个变量主要体现各地区社会保障和环境保护状况，所以将第一公因子命名为“社会保障与环境保护因子”，用F1表示。公因子二中载荷较大的是X1、X2、X3和X4，反映的主要是各地区经济发展，将第二公因子命名为“经济发展因子”，用F2表示。公因子三中载荷较大的是X5和X6，这两个指标主要反映各地区资源储备状况，所以将第三公因子命名为“资源储备因子”，用F3表示。

表4 旋转成分矩阵

2.1.4 因子得分及排名

表5说明每个主因子与各个原始指标间的相关性系数，可以计算绿色经济的各因子得分数，并可以对各地区绿色经济发展状况进行进一步比较分析，旋转后的第一、二、三公因子分别用F1、F2、F3表示，表达式如下：

表5 因子得分系数矩阵

续表5 因子得分系数矩阵

F1=0.028X1+0.019X2+0.015X3-0.046X4-0.016X5-0.024X6+0.186X7+0.182X8+0.200X9+0.195X10+0.150X11+0.184X12

F2=0.256X1+0.261X2+0.262X3+0.224X4+0.046X5+0.124X6+0.060X7-0.083X8-0.007X9-0.007X10-0.071X11+0.109X12

F3=0.063X1+0.056X2+0.058X3+0.056X4+0.495X5+0.602X6+0.088X7-0.183X8-0.060X9+0.006X10+0.112X11+0.023X12

根据以上分析得出的各地区绿色经济发展状况的三个公因子得分以及它们所对应的方差贡献率，得到综合得分F的表达式：

F=(0.406 90F1+0.328 75F2+0.144 84F3)

/0.880 49

求出各地区绿色经济各因子得分F1、F2、F3以及综合得分F，最后得出各地区的因子得分及排名如表6所示。

表6 各地区绿色经济因子得分及排名

续表6 各地区绿色经济因子得分及排名

在各因子水平下，对我国31个地区的绿色经济发展状况进行比较，结果如下：社会保障与环境保护因子的贡献率为40.690%，所以各地区绿色经济发展状况受此因子的影响比较大，其中广东、山东、江苏位列前三名，这3个地区均位于我国东中部，表明我国东中部地区的社会保障与环境保护状况优于西部；经济发展因子的贡献率为32.875%，其中北京、上海、浙江位列前三名，这3个地区都是经济发达的地区；资源储备因子的贡献率为14.484%，其中排名前三名的为西藏、四川、云南，这3个地区均位于我国西部，且面积较大，相较位于东南部的地区，资源储备是较丰富的。

综合来看，位于我国东中部的部分地区以及位于西部的四川省在社会保障与环境保护、经济发展方面都表现较好，但有少部分地区虽然在经济发展方面表现突出，但在社会保障与环境保护方面靠后，导致总排名下滑，所以这些地区应在经济发展的基础上，加强对社会保障与环境保护的建设，而在资源储备方面，表现较好的均为面积较大的地区，这方面依赖于地理优势，但这些地区在其它方面表现欠佳，应努力提升。

2.2 各地区绿色经济发展状况聚类分析

2.2.1 聚类结果

根据因子分析结果，对31个地区进行分类。本文利用系统聚类方法，以31个地区三个公因子的得分为分析变量，用“平方欧式距离”法度量观测间的相似性，聚类方法为ward法，得到树状图，如图1所示。

图1 树状图

图1的树状图展现了聚类分析中每一类情况，根据树状图可知，将31个样本分为4类是比较合理的，分类结果如表7所示。

表7 聚类分析结果

2.2.2 方差分析

在系统聚类分析中，31个地区全部有效，无缺失值，聚类分析的方差分析结果如表8所示。可以看出，所有得分变量的P值均为0.000，表明在显著性水平为0.01时全部拒绝原假设，所有得分变量通过检验，即所有变量都对分类贡献显著，说明聚类分析结果有效。

表8 方差分析结果

2.2.3 各地区平均得分

为了分析各类地区的优势与劣势，计算了4类地区分别在各因子的平均得分，如表9所示。可以看出，在社会保障与环境保护因子平均得分上，3、4类地区得分为正，另外两类地区得分为负；在经济发展因子平均得分上，1、4类得分为正，且1类远高于其它3类，高达3.053，说明1类经济发展情况非常好；在资源储备因子平均得分上，只有4类为正数，所以4类地区在资源储备方面表现较好，其它地区平均得分均为负数，且3类最低；在综合平均得分上，1类地区平均得分最高，说明1类地区的绿色经济发展状况较好，只有2类地区综合平均得分为负数，且三个公因子平均得分也均为负数，表明2类地区的绿色经济发展状况较差。

表9 类均值结果

3 结论与建议

3.1 结论

因子分析显示，东中部地区的3个公因子得分排名都比较靠前，西部地区中3个公因子得分都比较靠前的是四川。

由分类结果看出，1类地区的经济发展因子平均得分很高，但其余2个公因子平均得分都为负数，所以这类地区经济发展状况好，但社会保障与环境保护、资源储备方面不佳，需在经济发达的基础上提高民生环境质量。2类地区大多位于我国西部，这类地区的3个公因子平均得分与综合平均得分均为负数，说明这些地区绿色经济发展状况较差，需在各个方面加大投入，争取提高绿色经济发展水平。3类地区社会保障与环境保护因子平均得分与综合平均得分为正数，且社会保障与环境保护因子平均得分高出其他3类较多，说明3类地区在社会保障与环境保护方面表现不错，但在经济发展和资源储备方面表现一般，所以这些地区应加强这两方面的建设。4类地区所有得分均为正数，其中前两个公因子平均得分都位于中间水平，资源储备因子得分排名第一，所以这类地区在资源储备方面较为优秀，在保持资源优势的前提下应提升经济状况与社会保障与环境保护状况。

综上所述，各地区绿色经济发展状况存在区域差异性，其中，东中部地区的绿色经济发展状况较好，而西部地区的绿色经济发展状况一般，这表明绿色经济发展状况较好的地区普遍为经济较发达的地区，这是由于绿色经济发展模式需要良好的经济作为支撑，所以发展绿色经济首先要打好经济基础。

3.2 建议

3.2.1 针对西部地区

在保持绿色前提下，大力促进经济发展。虽然西部地区在绿色方面表现较好，但是在经济方面落后，所以西部地区发展绿色经济的首先就是打好经济基础。政府应打破地域限制，与经济发达地区形成统一的绿色经济发展规划，提升地区间的开放合作水平；其次，在做好生态保护的前提下，充分利用地区优势，重点引进绿色、低碳、智能的企业投资建厂，在外力的支持下推动绿色经济持续发展。

3.2.2 针对东中部地区

东中部地区虽然经济较为发达，但是部分地区停留在高能耗、高物耗、高污染、高排放的粗放型经济发展模式，这一发展模式已经对环境造成了伤害。面对这种形势，政府需加大环境保护与恢复投入，并出台相应政策，对企业进行约束。同时，企业应做好管理，采取资源消耗低、环境污染少、产品附加值高的生产方式，并努力争取研发出“资源节约型，环境友好型”的最优生产方式，实现人与自然和谐共生，建立绿色经济发展模式。