基于因子分析的浙江省县域经济实力研究
本文作者(周继慧 郑敏),请您在阅读本文时尊重作者版权。
［摘要］浙江省是中国第一大城市群的重要组成部分，拥有优越的地理位置和极强的综合经济实力。本文以浙江省58个县域单元作为研究对象，通过简要回顾县域经济实力的相关研究，应用因子分析方法对各县（市）的综合经济实力进行定量分析。分析指出，浙江省县域经济实力强劲，有近一半的县（市）经济发展水平在全省平均水平之上，同时，浙江省县域经济空间差异显著，呈现明显的浙东北-浙西南的梯度特征。最后，根据分析的结果，提出相关的建议。
［关键词］因子分析县域经济浙江省
区域差异是区域经济发展中的一种普遍现象，也是区域经济学所探讨的一个核心主题。由于我国绝大多数省区人口众多、地域辽阔、地理环境与区域差异十分显著，因而研究省区内部的区域经济发展差异，不仅对深入认识我国区域经济差异十分必要，而且对各省区政府乃至中央政府调控区域经济发展有重要作用。浙江省历年来国内生产总值稳居全国第四，仅次于广东、山东以及江苏，省内强劲的县域经济实力是浙江省整体经济发展的重要支撑，本文通过对县域经济实力的相关研究进行简要回顾，对浙江省58个县（市）的综合经济实力进行定量分析，并结合分析结果提出促进浙江县域经济发展几点建议，以起抛砖引玉作用。
一、县域经济实力研究回顾
县域经济作为我国国民经济的基本单元，是构造地带经济、经济区、省区、城市（城市群、大都市区、一般城市）等区域经济的基础（彭宝玉，2007）。总体来看，20世纪90年代中国县域经济发展相对差明显变小，但沿海地区与内陆地区的差异则出现扩大的趋势，沿海发达区内存在十分不发达县域（李小建等，2001）。而中国东西、中、西部地区之间总的经济发展差距主要来源于三者之间县域经济发展不平衡，并且县域经济发展不平衡比地区之间总的经济不平衡扩散更快，城市经济发展不平衡不是经济发展不平衡的主因（郑炎成等，2004）。因此，深入研究各地区县域经济发展速度不同的原因和对策具有重要的现实意义。就特定省份而言，张小军等（2005）指出浙江省县域间经济发展水平存在巨大差异的原因在于，交通条件、经济基础、经济结构、全球化程度、科技支持能力等这五个方面。部分学者对一些省份的县域经济实力进行了评价，并对其存在的差异进行了分析与解释。黄飞飞等（2009）通过建立江苏省县域经济实力的指标，运用因子分析与空间自相关技术对江苏省县域经济实力进行了评价与解析，指出经济实力在江苏省之间存在弱的负相关，具有较强的空间异质性，空间集聚不明显，全省经济格局从南到北呈现“三峰两谷”的空间格局；苏南地区随着距上海距离的增加，经济实力空间集中度逐渐递减。其他学者如周慧秋（2000）、刘伟东（2009）、彭宝玉（2007）等也分别对黑龙江、辽宁省、河南省的县域经济进行了研究，并得出了宝贵的结论。
总体上，学术界对县域经济实力的研究主要集中在全国以及特定省市的研究，主要采用了因子分析、聚类分析、空间自相关等分析方法，内容主要是通过分析县域经济差异的现状、寻找影响县域经济的因素以及提出促进县域经济发展的相关建议。同时，关于浙江省县域经济实力分析的文献较少，因此以浙江省作为研究对象进行研究具有重要的意义。
二、浙江县域经济实力分析与评价
鉴于市辖区产业结构、经济密度等与县或县级市相比有很大不同，本文所指的县域经济是指以县或县级市为地域单元的经济体。目前，浙江省共辖35个县，22个县级市以及1个自治县，县域经济个体数共58个。2009年该58个县市GDP总值占全省GDP总值的52.0%，总人口的68.4%，从业人数的60.7%，在全省经济发展中处于举足轻重的地位。
1.评价指标的选取
多指标评价涵盖的信息会比较广，所以本文拟采用多指标来评价县域经济实力。县域经济实力主要体现在按人均指标衡量的经济发展水平，反映工业化的经济发展阶段或经济结构以及反映基础设施、文化教育等方面。本文对相关学者采用的指标进行综合分析，并根据数据的完整性、可行性等原则，指标体系如下：反映县域经济发展水平的指标有，国内生产总值、二产比重、三产比重、非农人口占总人口比重、地方财政收入、农村居民人均纯收入、社会消费品零售总额等；反映县域经济活力的指标有，全社会固定资产、城乡居民储蓄存款余额、金融机构年末贷款余额、GDP增长率；反映县域经济潜力的指标有，教育事业费、专利申请授权量、境内公路通车里程。
2.因子分析
因子分析的基本目的是，用少数几个随机变量去描绘许多变量之间的关系，被描述的变量一般都是实际观测的随机变量，而哪些因子是不可观测的潜在变量。它的主要原理是利用降维的思想,通过研究指标体系的内在结构关系,把多指标转化成少数几个相互独立而且包含原有指标大部分信息的综合指标的多元统计方法。其优点是它确定的权数是基于数据分析而得到的指标之间的内在结构关系，不受主观因素的影响，而得到的综合指标之间彼此独立，减少信息的交叉，使得分析评价结果具有客观性和准确性。通过分析，14个指标之间的KMo=0.83，表明各变量之间存在高度相关性，适合做因子分析。按照特征根大于1的主因子选择原则，选择的特征根分别是8.623、2.184和1.040，累计方差贡献度达84.6%，包含了绝大部分信息（表2-1），因此，这里提取前3个因子分别作为第一因子、第二因子和第三因子。