各省份对于“美丽中国”建设的符合程度调查

　　一、引言

　　在2012年的十八大报告中提出把生态文明建设放在突出地位,融入经济、政治、文化、社会建设各方面和全过程,努力建设美丽中国,实现中华民族永续发展。由此,中国特色社会主义事业总体布局由经济建设、政治建设、文化建设、社会建设“四位一体”拓展为包括生态文明建设的“五位一体”,这是总揽国内外大局、贯彻落实科学发展观的一个新部署。面对资源约束趋紧、环境污染严重、生态系统退化的严峻形势,把生态文明建设放在突出地位,融入经济、政治、文化、社会建设各方面和全过程,体现了尊重自然、顺应自然、保护自然的理念。

　　可以预见,“美丽中国”的提出,将在今后的数十年里不断影响和激励我国的经济、政治、文化、社会、生态文明的建设与发展,人民大众将切实感觉到社会的进步,公民的素质将得到进一步的提升,中国的国际地位和形象将不断巩固和强化,对促进世界的和平发展也将起到深远的影响。

　　本文围绕“美丽中国”的建设方针和目标,旨在评价中国各个省份对于“美丽中国”建设的符合程度。通过对各个省份的经济、政治、文化、社会,生态文明建设的量化指标分析,运用因子分析和聚类份详细方法,实现对该省份的综合评价,找到相近省份的发展共同点和不足点,对于改进各省建设,改善省份面貌,加快各省发展,促进各省和谐,真正实现“美丽中国”建设的目标提出可靠的意见和建议。

　　二、文献述评

　　美丽中国是一个较新的概念,是具有中国特色的概念,目前对于美丽中国概念的阐述已经比较的透彻 ,但是如何评价这个较为抽象的概念,在目前国内的研究中几乎没有。虽然没有前人研究美丽中国的评价指标,但我们认为这项研究还是可行的。

　　第一,对于评价体系的方法研究已经很成熟,特别是对于城市的评价可以采用因子分析,聚类分析等方法。

　　朱顺泉 提出了适合我国区域竞争力的评价指标体系,构建了华东地区7省市区域竞争力的因子评价模型,并应用该模型对其竞争力进行了合理的评价。饶从军运用综合因子分析法建立了城市设施水平综合评价模型,对9个样本地区的城市设施水平进行了综合评价。

　　徐建中 在灰色聚类相关概念的基础上建立了评价城市综合经济实力的灰色聚类分析方法,并对黑龙江省13个主要城市的综合经济实力进行了评价。段利忠从知识创新、技术创新、制度创新、服务创新和宏观发展等几方面出发,用灰色聚类分析法对我国东部具有代表性的12个城市的创新能力进行了聚类分析。

　　第二,城市各项指标的科学性和可获得性使得美丽中国抽象概念的具体化,可视化。目前研究的城市的各项指标主要包括经济指标,收入指标,生态指标,文化指标等。

　　经济和收入指标方面,王祥健等利用GDP和CPI作为衡量经济增长的指标,对中国特色社会主义经济的特色与优势问题进行了研究。顾海兵等利用GDP来分析中国经济的安全问题。周江梅 确立了衡量生态文明综合评价指标体系3个层次,并在经济指标中用人均GDP(5%)、人均绿色GDP(5%)、绿色生产覆盖率(4%)、农民人均纯收入(4%)、城镇人均可支配收入(3%)、非农业劳动力占总劳动力比重(4%)、科技进步贡献率(5%)、劳动力人均受教育年限(5%)为三级指标进行衡量,表明生态文明建设对各指标元素的依赖程度,而经济发展仍是生态文明建设的核心与关键。

　　生态指标方面,何天祥等从生态文明理念出发界定城市生态文明概念及特征,在借鉴“压力—状态—响应”(PSR)概念模型基础上设置了城市生态文明状态、压力、整治和支撑四个方面的评价指标体系。杨开忠用生态效率定义经济发展的生态水平,对中国各省市自治区的生态文明水平进行了排序。中央编译局与厦门市联合课题组提出了生态文明建设城镇指标体系,客观反映人们在发展生态经济、改善生态环境、维护生态安全、提高生态意识和实行生态善治等方面的努力程度与实际成果。朱玉林等建立了基于生态经济、民生改善、生态环境、生态治理、生态文化等五类一级指标的城市生态文明程度灰色关联综合评价指标体系。

　　此外,杨晓梅认为中国社会主义建设的价值取向强调共同富裕、以人为本和公平正义,这就涉及人口,就业,教育等方面的问题。而民生问题作为重中之重,在改革开放30年来取得了很大成就,其中重点领域为医疗、教育、就业和社保问题。王伟光,傅崇兰等瑏�灛幵诓煌�角度、不同视点论述了城市文化建设的重要性、现实性、问题、途径等,取得丰硕的研究成果。

　　三、指标选取

　　影响美丽中国评价的因素繁多且复杂,本文在遵守完备性、综合性、科学性、简洁性、动态性和可操作性等原则前提下,采用综合评价指标对中国31个省或直辖市进行分析评价。依据2010及2011年的《中国统计年鉴》、《“美丽中国”省区建设水平(2012)研究报告》选取了包括经济、生态、政治、社会、文化五个方面24个具体指标的美丽中国研究指标体系。这些指标包括X1人均生产总值,X2居民消费价格指数,X3社会消费品零售总额;选取X4森林覆盖率,X5空气质量,X6人均水资源量,X7环境保护投入;选取X8公共安全支出,X9一般公共服务支出,X10住房保障支出,X11农林水事务支出,X12交通运输事务支出,X13商业/服务业等事务支出,X14国土资源/气象等事务支出,X15粮油物资储备管理事务支出;X16社会保障和就业投入,X17城镇家庭恩格尔系数,X18农村家庭恩格尔系数,X19失业率,X420医疗卫生投入;X21教育投入,X22文化体育与传媒投入,X23科学技术投入,X24教育普及化程度。

　　四、因子分析和聚类分析

　　(一)因子分析过程及结果评价

　　1.因子分析过程及结果

　　

　　从表1可以看出KMO值为0.698,Bartlett球形检验显著性水平P<0.001,表明相关系数矩阵非单位阵,故可以实施因子分析。

　　因子分析过程中,以特征值大于1为标准提取因子,采用方差极大化方法对因子荷载矩阵进行旋转,可得到旋转后的因子贡献率以及旋转后的因子载荷矩阵(见表2)。

　　

　　从表2可以看出所提取的五个公因子累积贡献率为82.307%,所以所提取公因子有效,可以认为原来的各指标可以综合成五个主因子F1、F2、F3、F4和F5。根据因子分析原理可知,五个主因子之间不具有相关性,而每个因子与其所包含的变量之间具有高度相关性。表2正是表示了每个主因子与它所包含的原始指标之间的相关性系数。

　　由表2可以看出第一公因子F1在环境保护投入、公共安全支出、一般公共服务支出、住房保障支出、农林水事务支出、交通运输事务支出、商业/服务业等事务支出、国土资源/气象等事务支出上有较大载荷,这几个个指标从总体上反映了政府的这方面的投入,因此可以暂且命名为“政治”因子;第二公因子F2在社会保障和就业投入、城镇家庭恩格尔系数、农村家庭恩格尔系数、失业率上有较大载荷,这几个指标从总体上反映了各地区的社会建设情况,因此可以命名为“社会”因子;第三公因子F3在医疗卫生投入、教育投入、文化体育与传媒投入、科学技术投入、文盲率上有较大载荷,这几个指标从总体上反映了各地区的文化建设情况,因此可以命名为“文化”因子;第四公因子F4在人均生产总值、居民消费价格指数、社会消费品零售总额上有较大载荷,这几个指标从总体上反映了各地区的经济建设情况,因此可以命名为“经济”因子;第五公因子F5在森林覆盖率、空气质量、人均水资源量上有较大载荷,这几个指标从总体上反映了各地区的生态情况,因此可以命名 为 “生 态”因子,。由此可以用“政治”因子(F1)、“文化”因子(F2)、“社 会”因 子(F3)、“经 济”因 子(F4)、“生态”因子(F5)来代表原始指标对各地区进行分析与评 价。根据因子载荷矩阵,可以写出F1、F2、F3、F4和F5的因子得分表达式为:

　　

　　因子Xi对应的因子载荷。

　　根据以上各式即可算得各公因子得分和名次(见表3)。以各因子的方差贡献率占三个因子总方差贡献率的比重作为权重进行加权汇总,可以计算出公共因子的综合得分和总名次(见表3)。其综合得分计算公式如下:

　　F=(22.411F1+18.681F2+16.377F3+14.139F4+10.699F3)/82.3072.

　　因子分析结果评价根据各地区美丽程度因子得分(D)、排名(P)的结果,可得出如下结论:表3中五个公共因子得分和因子综合得分越大,说明社会文化、生态环境、经济水平越好,综合美丽程度越高。由于原始数据的标准化处理意味着将各公共因子和综合因子的平均水平定为零点,表中的负值仅表示该地区的社会文化、生态环境、经济水平以及综合美丽程度低于全国平均水平,正值的意义则相反。分析发现,广东、江苏、山东、四川、河南等15个地区的美丽程度在全国平均水平之上,其他地区在全国的平均水平之下。

　　从公共因子Fl得分可以看出,广东、江苏、山东、四川等14个地区在政治方面具有较明显优势,其余地区政治水平有待提高。通过图1可知,第一个主因子Fl得分的曲线与综合因子得分排序曲线较接近,验证了第一个公共因子包含了全部初始变量信息的大部分。对第二个主因子进行纵向比较发现:吉林、内蒙古、北京、黑龙江等地区社会因子得分排名相对其综合得分排名靠前,表明了上述地区的社会方面的指标水平较高。对第三个主因子F3进行纵向比较时,发现四川、黑龙江、河南、云南等20个地区文化因子得分高于全国平均水平。对第三个主因子F4进行纵向比较时,发现江苏、福建、广东、山东、浙江等14个地区经济因子得分高于全国平均水平。对第三个主因子F5进行纵向比较时,发现西藏、内蒙古、江西、福建等17个地区生态因子得分高于全国平均水平 。

　　

 

　　(二)聚类分析过程及结果评价

　　1.按指标进行聚类

　　将各指标作为自变量,聚类方法选择类平均法,距离测度采用欧氏距离,利用SPSS16.0的系统聚类法(Q型聚类)进行聚类分析,得到如表3和表4所示的分类情况。

　　2.按因子得分进行聚类

　　将因子分析得到的我国31个地区的五个公因子得分作为自变量,聚类方法选择类平均法,距离测度采用欧氏距离,利用SPSS16.0的系统聚类法(Q型聚类)进行聚类分析,同样得到如表3和表4所示的分类情况。

　　3.聚类结果评价聚类分析结果发现中国31个地区不论是按各项指标还是按因子得分都可以分为四类(如表4)。

　　

　　从评价结果来看,美丽中国还倾向于沿海经济发达的省份,但是像上海、北京、天津等这样的大城市却不在其列,说明虽然财富是评价美丽中国的一个重要因素,但是要靠全面发展。生活水平不断提高的今天,人们可能更愿意逃离特大城市,而去发达省份的中小城市。

　　(三)综合分析评价

　　通过因子分析与聚类分析结果可知,除了浙江、海南、青海、西藏四个省份的聚类分析结果排序与因子分析得分先后顺序有所不同外,其他省份排序结果具有较好一致性。这是因为聚类方法以各样本间的距离(离差平方和)为分析依据,将“距离”较近的对象划归为一类,而非独立计算各样本得分做出比较,划为一类的对象间具有更多的“相似”处。

　　为了深入分析美丽中国的区域差异,根据因子分析和聚类分析结果,将美丽中国按区域分为四个层次。

　　此外,两种聚类方式得出的结论也略有不同。其中较为显著的是浙江、海南、青海几个省份的分类差异。例如,浙江按指标聚类居第二层次,按因子得分聚类居第一层次。究其原因,是由于因子得分提取了原有数据以综合因子为代表的核心信息,而忽略了次要信息的干扰,因此其聚类结果也是数据核心特征的体现,因此其聚类判别过程更为细致。但总体来说两种聚类方式的结果还是比较稳定的。

　　五、结语

　　本文以2010年31个省、市、自治区为研究对象,按照评价美丽中国的指标框架,尝试应用多元统计的因子分析和聚类分析方法,对中国各区域作了一个较完整的评价。我们得出了评价美丽中国的五个因子,即经济因子、政治因子、社会因子、文化因子和生态因子。他们对美丽中国评价的总体贡献分散,其表达意义较为明显,基本涵盖了评价的关键因素,因此有助于简化评价指标体系,为研究提供了新的依据。同时以评价美丽中国的24项指标以及5项因子的因子得分为依据,使用系统聚类的类平均法将各地区划分为4个层次。

　　对于以上数据结果的分析处理,我们不仅得到了各个指标下城市的发展排名情况,还得到了综合排名,以及我国美丽地区的分布。这对于接下来各省市为更好地了解自身建设,有目标地建设美丽中国提供了参考,为更深入的对美丽中国的评价研究提供了方法和模板。