康 超 ，何 佳

（1.內(nèi)江師范學(xué)院 a.政治與公共管理學(xué)院，b.經(jīng)濟(jì)與管理學(xué)院，四川 內(nèi)江 641100；2.韓國牧園大學(xué) a.公共政策系，b.國際貿(mào)易系，大田 西區(qū) 35349）

成渝地區(qū)雙城經(jīng)濟(jì)圈建設(shè)是習(xí)近平總書記親自謀劃、親自部署、親自推動的國家重大區(qū)域發(fā)展戰(zhàn)略[1]。2020 年 10 月 16 日 ，習(xí)近平總書記主持召開中央政治局會議審議《成渝地區(qū)雙城經(jīng)濟(jì)圈建設(shè)規(guī)劃綱要》，為成渝地區(qū)形成優(yōu)勢互補(bǔ)、高質(zhì)量發(fā)展的區(qū)域經(jīng)濟(jì)布局，打造帶動全國高質(zhì)量發(fā)展的重要增長極和新的動力源描繪了宏偉藍(lán)圖。十九屆四中、五中全會，中共四川省委第十一屆七次、八次全會以及《中共中央關(guān)于制定國民經(jīng)濟(jì)和社會發(fā)展第十四個(gè)五年規(guī)劃和二〇三五年遠(yuǎn)景目標(biāo)的建議》中提及成渝地區(qū)雙城經(jīng)濟(jì)圈建設(shè)共有62 處。黨的十九大首次明確提出的高質(zhì)量發(fā)展，是在新形勢下對我國經(jīng)濟(jì)增長方式的科學(xué)判斷，報(bào)告中提出的“建立健全綠色低碳循環(huán)發(fā)展的經(jīng)濟(jì)體系”為新時(shí)代下高質(zhì)量發(fā)展指明了方向，同時(shí)也提出了一個(gè)極為重要的時(shí)代課題。因此，為綜合反映成渝地區(qū)雙城經(jīng)濟(jì)圈各地區(qū)發(fā)展水平和質(zhì)量，對各地的高質(zhì)量發(fā)展水平給出排名和聚類，發(fā)現(xiàn)區(qū)域內(nèi)各地發(fā)展差距，具有重要的理論意義和現(xiàn)實(shí)意義。

一、指標(biāo)構(gòu)建、數(shù)據(jù)來源與研究方法

（一）高質(zhì)量發(fā)展指標(biāo)體系構(gòu)建

高質(zhì)量發(fā)展是新時(shí)代的新課題，也將是我國在一段時(shí)間乃至更長時(shí)期經(jīng)濟(jì)社會發(fā)展的主題。構(gòu)建高質(zhì)量發(fā)展指標(biāo)體系，至少要考慮經(jīng)濟(jì)、社會、生態(tài)、民生、可持續(xù)發(fā)展等方面內(nèi)容。王薔等基于對縣域產(chǎn)業(yè)升級、要素激活、城鄉(xiāng)融合以及制度創(chuàng)新等方面，在考慮經(jīng)濟(jì)活力、發(fā)展?jié)摿?、城鄉(xiāng)合力以及生態(tài)實(shí)力等指標(biāo)基礎(chǔ)上，構(gòu)建了科學(xué)合理的縣域經(jīng)濟(jì)高質(zhì)量發(fā)展水平評價(jià)體系[2]。徐銀良等從五大發(fā)展理念出發(fā)，構(gòu)建了包含經(jīng)濟(jì)、創(chuàng)新、協(xié)調(diào)、綠色、共享和保障等共6 大層次25 個(gè)子層次的高質(zhì)量發(fā)展指標(biāo)體系，并對山東省各地高質(zhì)量發(fā)展水平進(jìn)行了綜合評價(jià)[3]。黃敏等從人民中心出發(fā)，構(gòu)建了包括收入、健康、教育、創(chuàng)新、綠色、民生等6 大維度在內(nèi)的高質(zhì)量發(fā)展指標(biāo)體系并對中國2017 年的數(shù)據(jù)進(jìn)行了實(shí)證分析[4]。在綜合考慮構(gòu)建指標(biāo)體系的科學(xué)性、系統(tǒng)性、可比性以及可操作性等原則基礎(chǔ)上，以市（州、區(qū)、縣）為研究范圍，選取如表1 所示的成渝地區(qū)雙城經(jīng)濟(jì)圈地區(qū)發(fā)展指標(biāo)，以此評價(jià)各地高質(zhì)量發(fā)展水平。

表1 成渝地區(qū)雙城經(jīng)濟(jì)圈各地區(qū)高質(zhì)量發(fā)展指標(biāo)體系

（二）數(shù)據(jù)來源與處理

文章研究數(shù)據(jù)主要根據(jù)各地2020 年統(tǒng)計(jì)年鑒、國民經(jīng)濟(jì)和社會發(fā)展統(tǒng)計(jì)公報(bào)綜合整理而成。運(yùn)用SPSS25.0 對數(shù)據(jù)進(jìn)行處理和分析。

（三）研究方法

1.因子分析法

因子分析最早由英國心理學(xué)家C.E.斯皮爾曼提出，是一種簡化、分析高維數(shù)據(jù)的統(tǒng)計(jì)方法，其基本原理是通過對數(shù)據(jù)進(jìn)行降維，達(dá)到從變量群中提取公共因子的目的，從而實(shí)現(xiàn)用提取的少數(shù)幾個(gè)公共因子來表示復(fù)雜的指標(biāo)體系的數(shù)據(jù)結(jié)構(gòu)。因子分析過程中，還可以對初始因子載荷矩陣進(jìn)行旋轉(zhuǎn)，使得因子和原始變量間的關(guān)系重新分配，讓提取的公共因子具有現(xiàn)實(shí)意義，讓實(shí)證研究的解釋更加科學(xué)合理[5-8]。

2.聚類分析法

聚類分析最早源于分類學(xué)，又叫做“群分析”，主要基于“物以類聚”原理，將物理或抽象對象的集合分為多個(gè)相同類的過程，其本質(zhì)是一種重要的人類行為。此分析過程中，研究人員將數(shù)據(jù)分類到不同類，從而同一個(gè)類的對象相似，不同類相異。為保證比較客觀的進(jìn)行分類，研究往往采用系統(tǒng)聚類法[5-8]。

二、實(shí)證分析結(jié)果

（一）因子分析

1.原始數(shù)據(jù)的標(biāo)準(zhǔn)化處理

高質(zhì)量發(fā)展綜合評價(jià)體系中，由于指標(biāo)之間的單位和數(shù)量級差較大，因此在進(jìn)行數(shù)據(jù)處理前需要對原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，通常有Min-Max 歸一化方法和Z-score 標(biāo)準(zhǔn)化兩種方法。本研究中主要采用Z-score 方法對原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，它是一個(gè)數(shù)與平均數(shù)的差再除以標(biāo)準(zhǔn)差的過程，公式如下：

2.因子分析適宜性檢驗(yàn)

檢驗(yàn)變量之間是否存在相關(guān)，是進(jìn)行因子分析的前提。因此，需要進(jìn)行因子分析適宜性檢驗(yàn)，常用的是Bartlett 球形檢驗(yàn)和KMO 檢驗(yàn)[9]。研究過程中，我們使用SPSS25.0 軟件對標(biāo)準(zhǔn)化處理后的42 個(gè)地區(qū)的13 項(xiàng)指標(biāo)進(jìn)行因子分析適宜性檢驗(yàn)，即KMO 檢驗(yàn)和Bartlett 球形檢驗(yàn)。結(jié)果顯示：KMO 值為0.730，根據(jù)統(tǒng)計(jì)學(xué)家Kaiser 給出的KMO 度量標(biāo)準(zhǔn)可知，原始變量適合進(jìn)行因子分析。Bartlett 球形檢驗(yàn)得出的相伴概率為0.000，小于顯著性水平0.05，因此拒絕Bartlett球形檢驗(yàn)的零假設(shè)，認(rèn)為變量間存在較強(qiáng)的相關(guān)性，適合做因子分析。

表2 KMO 和巴特利特球形檢驗(yàn)

3.公因子的提取

同樣，我們使用SPSS25.0 軟件對標(biāo)準(zhǔn)化后的數(shù)據(jù)進(jìn)行因子分析，根據(jù)特征值大于1 的判斷標(biāo)準(zhǔn)，我們可提取3 個(gè)公共因子，各公共因子的特征值、貢獻(xiàn)率和累計(jì)貢獻(xiàn)率如表3 所示。經(jīng)過最大方差旋轉(zhuǎn)后的方差貢獻(xiàn)率分別為38.002%、23.723%和14.538%，累計(jì)方差貢獻(xiàn)率達(dá)76.263%，表明這3 個(gè)公因子已經(jīng)反映了全部13 項(xiàng)評價(jià)指標(biāo)的絕大部分信息，因此可以選取這3 個(gè)因子作為成渝雙城經(jīng)濟(jì)圈地區(qū)高質(zhì)量發(fā)展水平的綜合評價(jià)指標(biāo)。

表3 提取因子的特征值、貢獻(xiàn)率和累計(jì)貢獻(xiàn)率

為了更加突出提取公因子的作用，將因子進(jìn)行方差最大正交旋轉(zhuǎn)，得到旋轉(zhuǎn)后的公因子載荷矩陣如表4 所示。

通過各因子旋轉(zhuǎn)后的載荷矩陣可以看出：具有較高載荷的因子變量分布在若干關(guān)鍵評價(jià)指標(biāo)上，說明它們之間有著明確的結(jié)構(gòu)關(guān)系。公因子所包含的指標(biāo)因子載荷若為正，表明該因子對公因子產(chǎn)生正向影響；因子載荷若為負(fù)，表明該因子對公因子產(chǎn)生負(fù)向影響。對比圖1、表4，我們可以直觀地解釋各指標(biāo)對3 個(gè)公因子的貢獻(xiàn)。第一公因子F1主要是由X1（人均GDP）、X2(經(jīng)濟(jì)密度)、X3(規(guī)模以上工業(yè)增加值增長率)、X4(第三產(chǎn)業(yè)占GDP 比重)、X6(固定資產(chǎn)投資增長率)、X7(人均金融機(jī)構(gòu)本外幣各項(xiàng)存款)、X12(城鄉(xiāng)人均社會消費(fèi)品零售總額)7 個(gè)因子綜合作用的指標(biāo)，主要反映該地區(qū)經(jīng)濟(jì)發(fā)展整體動力、經(jīng)濟(jì)發(fā)展整體效率、工業(yè)企業(yè)經(jīng)濟(jì)發(fā)展活力、服務(wù)業(yè)發(fā)展?fàn)顩r、資本運(yùn)行情況以及消費(fèi)狀況；第二公因子F2主要由X8(人均可支配收入)、X10(常住人口城鎮(zhèn)化率)、X11（城鄉(xiāng)收入比）和X13（進(jìn)出口總額增長情況），主要反映該地區(qū)消費(fèi)實(shí)力、城鎮(zhèn)化發(fā)展水平、城鄉(xiāng)收入差距等方面情況；第三公因子F3主要由X5(一般公共預(yù)算收入占GDP 比重)和X9（人均可支配收入占人均GDP 比重）2 個(gè)因子作用的指標(biāo)，主要反映該地區(qū)經(jīng)濟(jì)發(fā)展風(fēng)險(xiǎn)水平或可控風(fēng)險(xiǎn)水平。

圖1 旋轉(zhuǎn)后各評價(jià)指標(biāo)在空間的分布

表4 旋轉(zhuǎn)后的因子載荷系數(shù)矩陣

4.公因子得分及綜合發(fā)展水平的量化評價(jià)

旋轉(zhuǎn)后各公因子得分系數(shù)如表5 所示，42 個(gè)地區(qū)各公因子的得分根據(jù)公式（2）進(jìn)行計(jì)算；42個(gè)地區(qū)的綜合評價(jià)得分，根據(jù)3 個(gè)公因子旋轉(zhuǎn)后的方差貢獻(xiàn)率及對應(yīng)的公因子得分計(jì)算，見公式（3）。結(jié)果如表5 所示。

表5 旋轉(zhuǎn)后公因子得分系數(shù)矩陣

從綜合因子F得分的情況可以看出：各地區(qū)高質(zhì)量發(fā)展水平存在較大差異，各因子及綜合因子得分和排序如表6 所示。

表6 成渝雙城經(jīng)濟(jì)圈各地區(qū)高質(zhì)量發(fā)展因子得分及排序表

從單個(gè)公共因子得分來看：渝中區(qū)、江北區(qū)、黔江區(qū)、九龍坡區(qū)、萬州區(qū)、渝北區(qū)、南岸區(qū)、資陽市、成都市和大渡口區(qū)10 個(gè)地區(qū)第一公因子（F1）得分較高，表明這10 個(gè)地區(qū)在經(jīng)濟(jì)與發(fā)展?jié)摿Ψ矫婢幱谇傲小６洗▍^(qū)、梁平區(qū)、江津區(qū)、永川區(qū)、德陽市、大足區(qū)、長壽區(qū)、銅梁區(qū)、潼南區(qū)和榮昌區(qū)則得分較低，這些地區(qū)在發(fā)展經(jīng)濟(jì)的同時(shí)，還應(yīng)該注意發(fā)展?jié)摿?。江北區(qū)、南岸區(qū)、成都市、九龍坡區(qū)、沙坪壩區(qū)、大渡口區(qū)、北碚區(qū)、巴南區(qū)、渝北區(qū)和永川區(qū)10 個(gè)地區(qū)第二公因子（F2）得分較高，表明這10 個(gè)地區(qū)在城鄉(xiāng)合力發(fā)展方面處于領(lǐng)先地位，而內(nèi)江市、豐都區(qū)、廣安市、萬州區(qū)、雅安市、忠縣、資陽市、達(dá)州市、黔江區(qū)和南充市10個(gè)地區(qū)則得分較低，這些地區(qū)在發(fā)展經(jīng)濟(jì)時(shí)，還應(yīng)該切實(shí)貫徹“五大發(fā)展”理念，落實(shí)“協(xié)調(diào)”“共享”，統(tǒng)籌城鄉(xiāng)發(fā)展，縮小城鄉(xiāng)差距。渝中區(qū)、榮昌區(qū)、長壽區(qū)、梁平區(qū)、涪陵區(qū)、墊江縣、潼南區(qū)、永川區(qū)、銅梁區(qū)和綦江區(qū)10 個(gè)地區(qū)在第三公因子(F3)得分較高，表明這10 個(gè)地區(qū)在人均經(jīng)濟(jì)活力和抗風(fēng)險(xiǎn)能力方面處于領(lǐng)先地位，而北碚區(qū)、眉山市、萬州區(qū)、沙坪壩區(qū)、成都市、樂山市、南岸區(qū)、資陽市、大渡口區(qū)和黔江區(qū)10 個(gè)地區(qū)則得分較低，這10 個(gè)地區(qū)還應(yīng)在地區(qū)財(cái)政收入水平和總體經(jīng)濟(jì)發(fā)展、地區(qū)收入水平與總體經(jīng)濟(jì)發(fā)展的協(xié)調(diào)上下功夫。

（二）基于聚類分析的各地區(qū)高質(zhì)量發(fā)展水平評價(jià)

在上述因子分析的基礎(chǔ)上，利用因子分析產(chǎn)生的新變量(因子綜合得分F值)進(jìn)行聚類分析，即采用以組間聯(lián)接聚類方法，平方歐氏距離為度量標(biāo)準(zhǔn)，對42 個(gè)地區(qū)進(jìn)行聚類（如圖2 所示），系統(tǒng)聚類結(jié)果如下：

圖2 成渝地區(qū)雙城經(jīng)濟(jì)圈地區(qū)高質(zhì)量發(fā)展聚類譜系圖

第一類地區(qū)（1 個(gè)）：渝中區(qū)；

第二類地區(qū)（8 個(gè)）：江北區(qū)、巴南區(qū)、南岸區(qū)、九龍坡區(qū)、渝北區(qū)、成都市、沙坪壩區(qū)、大渡口區(qū)；

第三類地區(qū)（33 個(gè)）：其他地區(qū)。

三、結(jié)論與建議

本文通過因子分析和聚類分析發(fā)現(xiàn)，綜合高質(zhì)量發(fā)展水平較好的地區(qū)不多，絕大多數(shù)地區(qū)的綜合發(fā)展水平偏低?，F(xiàn)就如何提高成渝雙城經(jīng)濟(jì)圈各地區(qū)的高質(zhì)量發(fā)展水平提出幾點(diǎn)建議。

（1）因地制宜，發(fā)揮優(yōu)勢，實(shí)現(xiàn)區(qū)域經(jīng)濟(jì)協(xié)調(diào)發(fā)展。從聚類分析結(jié)果來看，一類地區(qū)僅有重慶市渝中區(qū)，二類地區(qū)也僅有8 個(gè)，其他均為三類地區(qū)；而且，經(jīng)濟(jì)圈內(nèi)四川省只有成都市進(jìn)入二類地區(qū)。經(jīng)濟(jì)圈內(nèi)各地應(yīng)齊頭并進(jìn)，綜合發(fā)展水平較好的地區(qū)要利用發(fā)展優(yōu)勢反哺發(fā)展劣勢和短板，各地區(qū)之間還應(yīng)進(jìn)行優(yōu)勢互補(bǔ)，實(shí)現(xiàn)共同發(fā)展。

（2）產(chǎn)業(yè)優(yōu)化，結(jié)構(gòu)升級，尤其是第三類地區(qū)想要改變自身發(fā)展滯后的現(xiàn)狀，就要大力發(fā)展第三產(chǎn)業(yè)，進(jìn)一步優(yōu)化地區(qū)產(chǎn)業(yè)結(jié)構(gòu)；要加大固定資產(chǎn)投資力度，促進(jìn)國際國內(nèi)雙循環(huán)構(gòu)建；同時(shí)，要進(jìn)一步控制地區(qū)發(fā)展風(fēng)險(xiǎn)。

（3）成渝地區(qū)雙城經(jīng)濟(jì)圈各地區(qū)要加大招商引資力度，大力扶持發(fā)展相對落后的地區(qū)，充分挖掘其自身地理、人文、環(huán)境等有利因素以實(shí)現(xiàn)全面發(fā)展。