我国城市第三产业发展水平综合评价统计报告--调整版

1我国城市第三产业发展水平综合评价统计报告1研究背景与现实意义1.1研究背景21世纪以来，随着科学技术的发展和经济水平的提高，人类社会正在由工业经济时代走向服务经济时代，衍生出新的经济发展格局。第三产业作为一个国家和地区经济增长中最具创新性和活力的战略性产业，已成为衡量生产社会化程度和市场经济发达程度的重要标志。我国政府于2007年3月19日在《国务院关于加快发展服务业的若干意见》中提出了服务业发展总体方向和基本思路：加快服务业发展，提高服务业在三次产业结构中的比重，尽快使服务业成为国民经济的主导产业。由此可见第三产业在当今经济社会中的重要作用和地位。因此，如何综合评价和准确衡量一个城市的第三产业发展水平，成为很多学者关注的问题。我国对第三产业发展水平综合评价的研究有很多,例如郭万山，叶天勇（1996）运用主成分分析法对辽宁省各市第三产业发展水平从产业的规模、速度、结构和效益等4个不同方面，进行综合评价。黄京鸿等（2001）根据1997年统计数据，对我国各地区第三产业发展状况，从规模和结构两方面进行了综合评价，并划分了五个分类区域。李淑芳（2005）以第三产业发展理论为依据，运用定量与定性分析相结合的方法，对我国各地区第三产业综合发展水平和内部行业结构发展进行实证研究，探讨影响各省区直辖市第三产业发展的因素，并总结我国不同第三产业发展的特征和启示。胡霞（2005）运用因子分析法对2001年中国各地区的第三产业发展水平做出综合评价和分析。李苗苗，姜照华（2010）以2008年的数据，确定了5个二级指标，14个三级指标，运用了主成分分析法，对各地区的第三产业发展水平做出了综合评价。1.2研究的现实意义由统计年鉴和第三产业发展研究可以看出：虽然我国第三产业总体发展较快，并且取得了较大的进步，但是由于各地区产业结构，经济水平等差异导致我国各城市第三产业发展水平极不均衡。然而，要改善并解决这一问题，首先应该对不同城市的第三产业发展水平进行客观准确的综合评价。基于此，我们通过对所选城市第三产业发展水平的衡量和对比，试图建立一套可供参考的评价体系和评价2方法，用于综合评价和衡量不同城市的第三产业发展水平，对提高我国第三产业发展水平和缩小地区差距具有重要作用和现实意义。2研究方案设计2.1研究目的在对我国19个城市1的第三产业发展水平进行综合评价的基础上，分析引起各城市第三产业发展差距的原因和因素，建立完善准确的第三产业综合评价体系，最后针对性地提出缩小第三产业发展差距、提高第三产业发展水平的建议。2.2研究方法整个研究过程主要借助于SPSS17.0软件，另外加入了其他统计软件（如Clementine）的功能进行补充研究。具体包括：描述性分析，因子分析，信息熵法，灰关联法，聚类分析，判别分析等。2.3研究过程（1）通过查找文献，确定初始指标；（2）通过描述分析，对指标进行初步了解；（3）因子分析，提炼综合因子；（4）用不同方法确定权重，计算综合得分及排名；（5）聚类分析，对19个样本城市进行合理分组。（6）判别分析，对有异议的城市分组进行反判。3数据分析3.1描述性分析3.1.1评价体系指标选取通过查阅相关文献并分析，最终选取指标为：X1---第三产业增加值占GDP1本文中19个城市分别是：成都、上海、重庆、深圳、杭州、青岛、宁波、南京、武汉、大连、沈阳、济南、哈尔滨、长春、西安、厦门、北京、广州、天津3比重（%），X2---第三产业从业人员占整个社会从业人员比重（%），X3---第三产业人均增加值（元），X4---第三产业人均固定投资额(元)，X5---第三产业增加值增长速度，X6---第三产业从业人员增长速度(%)，X7---人均GDP（元），X8---国内生产总值增长速度，X9---非农业人口占总人口比重（%）。3.1.2指标数据描述性分析表1描述性分析指标N最小值最大值中位数均值标准差偏度峰度X11937.9473.2546.2947.508.381.674.05X21932.4674.9546.2147.619.801.072.25X3193.7329.9411.2012.706.341.151.68X4194495.53519948767633.05194828380526834.3619X5199.9017.1013.8013.602.15-0.16-0.83X6190.8930.595.407.457.522.054.52X7191802589814.0055473.0053368.0619095-0.07-0.46X8199.0016.5013.0013.142.430.03-1.12X91927.8678.0056.0654.6014.29-0.17-0.72由表1可知：（1）对比最大值和最小值发现，19个城市的指标数值相差比较大，说明各个城市第三产业发展的水平差距比较大。（2）对比中位数和均值发现，除X4外其他指标差距比较小，说明有个别城市第三产业人均固定投资额很大，但大多数城市第三产业人均固定投资额却比较小。（3）对比偏度和峰度发现，X5,X7,X9这三个指标的数据右偏，其他指标均是左偏，并且X4,X1,X3左偏的程度比较大，X4的峰值特别大，说明19个城市第三产业发展水平基本不呈现标准的正态分布，左偏指标的个数比右偏指标多，且左偏的程度大于右偏的程度，说明19个城市第三产业发展的水平总体还普遍偏低。3.2因子分析表2KMO和Bartlett的检验取样足够度的Kaiser-Meyer-Olkin度量0.604Bartlett的球形度检验近似卡方256.419Sig.0.000由表2所示，KMO值=0.602，表明可以做因子分析，另外Bartlett的球形4度检验的近似卡方值比较大，且P值为0.0000.05，说明适合做因子分析。从因子分析的共同度中，我们取大于85%的指标进行因子分析，故删除了指标X6---第三产业从业人员增长速度(%)。表3因子分析的解释总变量提取因子因子个数初始因子解的情况提取后的因子对总方差的解释情况旋转后的因子解特征根解释总方差比（%）累计解释方差比（%）特征根解释总方差比（%）累计解释方差比（%）特征根解释总方差比（%）累计解释方差比（%）15.3266.4566.455.3266.4566.454.9361.6461.6421.3516.9083.351.3516.9083.351.5018.7180.3531.1013.7097.051.1013.7097.051.3416.7097.0540.162.0099.0450.040.5699.6060.020.2799.8870.010.1099.9780.000.03100.00分析表3，我们觉得取3个因子比较满意，对总方差的解释度达到97.05%，能较好的反应原始数据的信息。表4因子得分系数矩阵指标FACT_1FACT_2FACT_3X1---第三产业增加值占GDP比重（%）-.168.801.107X2---第三产业从业人员占整个社会从业人员比重（%）.190.023.0495X3---第三产业人均增加值（元）.131.196-.017X4---第三产业人均固定投资额(元).252-.213.018X5---第三产业增加值增长速度-.031-.245.646X7---人均GDP（元）.219-.077.018X8---国内生产总值增长速度.030.135.736X9---非农业人口占总人口比重（%）.237-.146.042由表4得到：FACT1=−0.168𝑋1+0.19𝑋2+0.131X3+0.252𝑋4−0.031𝑋5+0.219𝑋7+0.03𝑋8+0.237𝑋9FACT_2=0.801𝑋1+0.023𝑋2+0.196X3−0.213𝑋4−0.245𝑋5−0.077𝑋7+0.135𝑋8−0.146𝑋9FACT_3=0.107𝑋1+0.049𝑋2−0.017X3+0.018𝑋4+0.646𝑋5+0.018𝑋7+0.736𝑋8+0.042𝑋9由表3得到：ℱ=66.45%FACT_1+16.90%FACT_2+13.70%FACT_3我们选择旋转后因子比例为80%以上的结果发现，因子1主要解释了发展结构水平，因子2主要解释了发展规模水平，因子3主要解释了发展速度水平，得到表5。表5旋转后因子提取结果指标发展结构水平发展规模水平发展速度水平X1---第三产业增加值占GDP比重（%）0.98X2---第三产业从业人员占整个社会从业人员比重（%）0.96X3---第三产业人均增加值（元）0.88X4---第三产业人均固定投资额(元)0.98X5---第三产业增加值增长速度0.84X7---人均GDP（元）0.99X8---国内生产总值增长速度0.96X9---非农业人口占总人口比重（%）0.993.3指标权重的确定确定权重的方法有很多，例如层次分析法（AHP），模糊评判法，评分系统确6定权重法，基于粗糙集理论的权重确定方法，信息熵法及离差最大化法等。考察各地区综合预警系统权重的确定方法并结合实际情况，我们使用信息熵法及灰关联度法来确定第三产业评价体系中各指标的权重，两种方法的基本原理如下。3.3.1信息熵法熵的概念最初产生于热力学，它被用来描述运动过程中的一种不可逆现象，后来在信息论中用熵来表示事物出现的不确定性。基于信息熵的权重确定方法具体步骤如下：步骤1、对于某一多属性问题，构造决策矩阵，并利用适当的方法把它规范化为。步骤2、计算矩阵，得到列归一化矩阵，其中步骤3、计算属性Xj输出的信息熵当时，规定=0。步骤4、计算属性权重向量，其中利用信息熵法确定的权重具体结果如下表6所示。表6信息熵法确定权重指标X1X2X3X4X5X7X8X9权重(%)7.2111.599.1119.836.6115.6510.4619.553.3.2灰关联法设X={X0,X1…,Xm}为灰关联因子集，X0为系统特征行为序列，Xi为相关因素为序列，X0(k)(k=1,2,…,m),Xi(k)分别为X0与Xi的第k个点的数，即mnijaA)(mnijrR)(mnijrR)(mnrR)(..0.ijr..lnijijrr),^,,(21n.,,1.MjNirrrniijijijMjrrnEijniijj,lnln1.1.)E(1E1wm1kkjj7步骤1：求初值像，即用每个序列第一个数据去除其他各个数据后得到新的序列其中i=0,1,2,…,m步骤2：求差序列步骤3：求灰关联度设称r(X0(k),Xi(k))为X0和Xi的灰关联系数r（X0,Xi）为X0对Xi的灰关联度ρ一般取0.5，0≤ω≤1。步骤4：权重本报告中，X={X0,X1…,X9}，其中x0为第三产业增加值，{X1…,X9}为所确定的指标体系。利用灰关联度法确定的权重具体结果如下表7所示。表7灰关联法确定权重指标X1X2X3X4X5X7X8X9权重(%)11.6512.2513.5312.4111.3315.2011.6012.03mkkjjxxxxrrw1,00)(),(83.4综合排名在对原始数据进行归一化处理的基础上，分别用信息熵法和灰关联法确定的权重计算综合得分，并对综合得分代表的不同城市第三产业发展水平进行排序。表8综合排名信息熵法灰关联法城市综合得分排名城市综合得分排名深圳88.211深圳84.101沈阳82.002沈阳83.762北京81.813北京82.203广州79.984广州80.484大连78.105大连78.705天津76.456长春78.276上海76.407青岛76.597长春75.818天津76.478厦门74.759西安76.459南京74.7210上海76.0210西安74.3211南京75.4311青岛73.5312济南73.7412济南73.1213武汉73.7313杭州72.0614厦门73.2714武汉71.9815杭州72.6215哈尔滨70