基于因子 聚类分析的四川省区域城市化水平 - 西南
基于聚类分析因子分析企业信用评级的探索的步骤
基于聚类分析因子分析企业信用评级的探索的步骤1.数据收集：首先，需要收集企业的财务数据和其他相关信息，如负债比率、偿债能力、盈利能力、运营能力等。
这些数据可以从年度报告、财务报表和其他可靠的信息源中获取。
2.数据预处理：在进行聚类分析和因子分析之前，需要对数据进行预处理。
这包括处理缺失值、异常值和离群值，以及进行数据标准化或归一化，使得不同指标的数据具有可比性。
3.因子分析：在进行聚类分析之前，可以对数据进行因子分析。
因子分析可以帮助识别并提取最具代表性的因子，减少数据的维度，并提高模型的可解释性。
通过因子分析，可以将多个相关的指标归纳为少数几个无关的因子。
4. 聚类分析：在因子分析之后，可以使用聚类分析方法来将企业划分为不同的组别。
聚类分析是一种无监督学习方法，可以根据数据的相似性将样本划分为不同的簇。
常用的聚类算法包括K-means、层次聚类和DBSCAN等。
通过聚类分析，可以找出具有相似财务和经营特征的企业。
5.簇的质量评估：在完成聚类分析后，需要对每个簇的质量进行评估。
常用的质量评估指标包括簇内差异度和簇间差异度。
簇内差异度越小，簇间差异度越大，说明聚类的效果越好。
6.信用评级的划定：基于聚类分析的结果和簇的质量评估，可以确定不同簇的信用等级。
可以根据簇的质量评估指标和实际的信用违约情况来为每个簇划定相应的信用评级。
7.验证和调整：最后，需要对模型进行验证和调整。
可以通过历史数据的回测和实际信用违约情况的监测来评估模型的准确性和稳定性，并根据需要对模型进行调整和改进。
总结起来，基于聚类分析和因子分析的企业信用评级是一个多步骤的过程，包括数据收集、数据预处理、因子分析、聚类分析、簇的质量评估、信用评级的划定和验证、调整等。
这种方法可以帮助评估企业的信用风险，并为投资和决策提供重要的参考依据。
成都市县域经济发展水平聚类分析
成都市县域经济发展水平聚类分析成都市是中国西南地区的经济中心和交通枢纽，也是四川省的省会城市。
近年来，成都市的经济发展迅速，各个县域经济也取得了不俗的成绩。
本文将运用聚类分析方法，对成都市各县域经济发展水平进行分析。
我们需要选择一些代表县域经济发展水平的指标。
常用的指标包括人均GDP、财政收入、固定资产投资等。
在本文中，我们选择了人均GDP、财政收入、城镇化率作为代表指标。
接下来，我们需要收集成都市各县域的数据。
根据数据的获取情况，我们选择了2019年成都市统计年鉴中的相关数据作为分析的数据来源。
然后，我们将数据进行预处理，主要包括数据清洗和数据标准化。
数据清洗是指对数据进行去除异常值、缺失值处理等操作，以确保数据的准确性和完整性。
数据标准化是将不同指标的数据转化为无量纲化的数据，以便进行综合分析。
接下来，我们使用聚类分析方法对数据进行分类。
聚类分析是一种无监督学习方法，旨在将数据集中的对象划分为若干个类别，使得同一类别内的数据相似度较高，不同类别之间的数据相似度较低。
常用的聚类算法包括K-means算法、层次聚类算法等。
在本文中，我们选择了K-means算法进行聚类分析。
我们将聚类结果进行解释和分析。
根据聚类结果，我们可以对成都市各县域的经济发展水平进行分类和评估，进而为经济决策提供参考。
通过对成都市县域经济发展水平的聚类分析，可以对各县域的经济发展进行综合评估，为经济决策提供科学依据。
由于实际情况的多样性和数据的限制，该分析结果仅供参考，实际情况需要综合考虑各种因素进行综合评估。
西南区域城市化发展的问题与对策
西南区域城市化发展的问题与对策作者：杨林来源：《中国集体经济》2017年第20期摘要：改革开放以后，我国城市化水平快速提高，目前已经达到10.64%的水平，于2011年实现了全国范围的城市化。
但是从全国各区域来看，东中西部城市化水平存在较大差距。
文章以中国西南地区包括四川省、云南省、贵州省、重庆市、西藏藏族自治区为对象进行研究，分析西南五省（区、市）城市化发展现状、存在的区域性特点，并提出该区域城市化健康发展的对策。
关键词：西南五省（区、市）；城市化；工业化；产业带动一、前言城市化是衡量一个国家或地区现代化的重要指标。
2011年，我国城市化水平达到51.27%，标志着我国已经成为城市化国家。
但是城市化水平整体提高的背后，东西部城市化发展不均衡现象早已成为不争的事实。
城市化发展不均衡带来的诸多问题也逐渐引起社会的关注，比如一、二线城市房价居高不下，三、四线城市房地产去库存压力巨大，大城市病，农村劳动力流失等问题。
诸类问题严重制约我国社会稳定和经济健康发展。
为此，中国亟需加快解决区域间城市化发展不均问题，实现各区域之间协调发展，共享发展成果。
（一）城市化的衡量指标关于城市化内涵，目前学术界还没有统一的界定，不同学科都从各自角度进行了解释。
经济学意义上的城市化更加注重生产要素（人口、生产力）在城市化过程中的作用。
主要指随着工业的发展，人口、生产力等生产要素向城市集中或者原本的农村区域变为城市区域，使得城市人口所占全国总人口的比重不断增加的过程。
城市化水平也称为城市化率。
衡量城市化水平的常用指标是人口指标法，即用城市人口占全国总人口的百分比来作为衡量城市化的标准，用公式表示为城市化水平=■×100%（二）中国西南区域的自然与经济特征分析中国西南地区在行政区划上主要包括四川省、云南省、贵州省、重庆市、西藏藏族自治区，因此也被称作西南五省（区、直辖市），以下简称西南五省区市。
西南五省区市面积总共250万平方公里，总人口1.9671亿人，占全国总人口的14.4%。
全国30市自治区经济发展水平综合评价——基于因子分析和聚类分析
全国30市自治区经济发展水平综合评价——基于因子分析和聚类分析近年来，我国经济发展迅速，全国各地区也呈现出不同程度的经济发展水平。
为了对全国30个市自治区的经济发展水平进行综合评价，基于因子分析和聚类分析的方法被广泛应用。
首先，我们通过因子分析的方法对数据进行降维和综合评价。
因子分析将多个变量综合为少数几个因子，并可以解释这些因子与原始变量之间的关系。
我们选择了GDP总量、人均GDP、产业结构、基础设施建设、外资吸引等指标作为评价经济发展水平的变量。
通过因子分析，我们可以得到几个综合指标，用于评价各个市自治区的经济发展水平。
接着，我们可以利用聚类分析的方法进行分类。
聚类分析是将样本划分为几个相似的类别，每个类别内的样本相似度高，而类别间的相似度较低。
我们可以通过聚类分析得到若干个类别，这些类别可以代表不同的经济发展水平。
通过将市自治区进行分类，可以更加直观地展示各地区之间的差异，也可以为地方政府提供参考。
最后，我们可以将因子分析和聚类分析的结果进行综合。
通过对因子得分和聚类结果的比较，可以得到更加准确的综合评价。
在综合评价的过程中，我们可以进一步分析各个市自治区的优势和劣势，以及存在的问题和潜在的发展机会。
这些分析结果可以为地方政府提供经济发展策略和政策的参考。
在实施全国30市自治区经济发展水平综合评价的过程中，我们需要充分考虑指标的选择和权重的确定。
指标的选择应当代表经济发展的各个方面，权重的确定应当根据实际情况和专家意见综合考虑。
另外，我们需要注意数据的可靠性和准确性，以及分析方法的合理性和可操作性。
总之，基于因子分析和聚类分析的方法可以对全国30市自治区的经济发展水平进行综合评价。
这种方法能够降低数据的维度，提取出关键的因子，并对样本进行分类。
通过综合分析和评价，可以为决策者提供参考，促进经济发展水平的提高。
我国31省区人力资源状况比较研究——基于因子分析和聚类分析
Ａｂｓｒ ｃ ： ｅ ｌｖ ｌ ｆｈ ｍ ａ ｅ ｏ ｒ ｅ ｄ ｖ ｌ ｐ ｎｔｖ ｒ ｎ ｄ ｆｅ ｅ ｔｐ ｏ ｉ ｃ ｓａ ｄ ｒｇｏ ｓ ｗｉ ｅ ｐ ｃｉｅ ｆａｕ ｅ ． ｔａ ｔ Ｔｈ ｅ ｅｓｏ ｕ ｎ ｒ ｓ ｕ ｃ ｅ ｅｏ ｍｅ ａｙ ｉ ｉｆｒ ｎ ｒｖ ｎ ｅ ｎ ｅ ｉｎ ｔ ｒ ｓ ｅ ｔ ｅ ｔ ｒ ｓ ｈ ｖ
第１ ２卷 第 ５期
２ １ 年 ９月 ００
科 技
与 管 理
ＶＯ ． ２ Ｎｏ ５ Ｉ １ ．
Ｓｅｐ． ，２０１ ０
Ｓｃｅｎ ｅ Ｔｅ ｎ ｏ ｄ ｉ ｃ — ｃｈ ｏｌｇｙ ａｎ Ｍ ａ ａｇ ｎ ｅｍ ｅｎ ｔ
人 资 源管 理 力
文 章编 号 ：０ ８ ７ ３ （０ ０ ０ 一 １ — ５ １０ — １３ ２ １ ）５ 叭 ７ ０
我国 ３ 省区人力资源状况比较研究 １
基于 因子分析 和聚 类分析
陆远 权 ， 马 垒信 ， 何 倩 倩
（ 重庆 大 学 贸 易 与行 政 学 院 ， 庆 ４０ ３ ） 重 ０ ０ ０
摘 要 ： 国各 省 区具 有 不 同 的人 力 资 源 发 展 水 平 和 发 展 特 征 。文 章 以 ２ ０ 年 我 国 ３ 省 区 相 关 统 计 数 据 为 我 ０８ ｌ 基 础 ， 用 因 子 分 析 法 计 算 出各 省 区 人 力 资 源 状 况 的 总 体 得 分 ， 通 过 聚 类 分 析 将 各 省 区人 力 资 源 状 况 分 利 并
Ｌ ｕ ｎｑ ａ ， ＭＡ Ｌ ｉ ｉ ， ＨＥ Ｑ ａ —ｉｎ Ｕ Ｙ ａ —ｕ ｎ ｅ— ｎ ｘ ｉｎｑａ
（ ｏ ｅｅｏ ＴａｅａｄＡ ｍ ｎｓａｉ ， ｈ ｎｑｎ ｎｖｒｔ， ｈｎｑｎ ０ ０ ０ Ｃ ｉａ Ｃ ｌ ｇ ｆ ｒｄ ｎ ｄ ｉｉｒｔ ｎ Ｃ ｏｇｉｇＵ ｉｅｓｙ Ｃ ｏｇ ｉ ４ ０ ３ ， ｈｎ ） ｌ ｔ ｏ ｉ ｇ
区域城市化地图编制——以四川省为例
区域城市化地图编制——以四川省为例
王桂晨;徐京华
【期刊名称】《测绘》
【年(卷),期】2008(031)002
【摘要】文章在对城市化地图的涵义、制图目的、制图内容以及分类进行论述的基础上,对传统制图方法在城市化制图中的运用进行了探讨,其中重点从人口结构方面讲述了如何运用分区统计图表法(具体图型选用曲线图)来表示城市动态变化.【总页数】4页(P73-76)
【作者】王桂晨;徐京华
【作者单位】西南交通大学土木工程学院,四川,成都,610031;西南交通大学土木工程学院,四川,成都,610031
【正文语种】中文
【中图分类】P285
【相关文献】
1.基于因子—聚类分析的四川省区域城市化水平综合测度研究 [J], 穆兰
2.健康经济理念的区域城市化质量时空演变分析——以江西省为例 [J], 王亚男;许永华
3.省区城市化动态地图编制--以四川省为例 [J], 曾鸿程
4.区域城市化程度与大气污染的相关性研究\r——以河南省为例 [J], 王明仕;何向东;曹景丽;桂晨露;宋党育
5.健康经济理念的区域城市化质量时空演变分析——以江西省为例 [J], 王亚男;许永华;
因版权原因，仅展示原文概要，查看原文内容请购买。
基于STIRPAT模型的区域城市化碳排放影响因素差异分析
基于STIRPAT模型的区域城市化碳排放影响因素差异分析赵涛;张思聪【摘要】研究7种不同城市化因素对二氧化碳排放的影响,包括人口、经济、能源强度、能源结构、能源清洁度,服务水平和研发强度,采用基于FE-DK回归模型的STIRPAT模型来评估不同元素对中国三大区域(高度城市化、发展中城市化和城市化相对落后区域)的碳排放影响.结果表明,服务业水平在高度城市化地区的产业发展中发挥着越来越重要的作用.此外,发展中的城市化地区人口因素的影响高于其他2个地区.同时,在城市化相对落后地区,提高化石燃料的使用效率比其他地区更为重要.总体而言,经济城市化是影响3个地区碳排放的最重要影响因素.具体的解决方案取决于不同区域的具体情况.【期刊名称】《甘肃科学学报》【年(卷),期】2019(031)003【总页数】6页(P125-130)【关键词】二氧化碳排放;城市化;区域差异分析;扩展的STIRPAT模型【作者】赵涛;张思聪【作者单位】天津大学管理与经济学部,天津 300072;天津大学管理与经济学部,天津 300072【正文语种】中文【中图分类】F205作为世界上最大的发展中国家,中国自1978年改革开放以来,实现了经济的快速增长以及城市化进程的加速发展。
目前中国已成为世界第二大经济体,同时也是碳排放量最大的国家。
预计到2020年,中国碳排放量将占世界碳排放总量的三分之一,并在2025—2030年期间达到峰值。
中国政府承诺到2020年,每单位GDP产生的碳排放量要削减60%～65%左右。
此外,“十三五”国民经济与社会发展规划纲要明确表示,在“十三五”期间要完成能源消耗降低15%,能源强度降低18%的减排目标。
而城市地区对整个中国碳排放总量贡献率为75.5%,这也意味着城市化的发展给节能减排带来了巨大的压力和挑战[1]。
综上,中国在城市化进程中的减排形势非常严峻,因此,研究城市化对碳排放的影响有助于政府制定一系列相对应的政策来实现节能减排的目标。
基于因子-聚类分析的我国各地区国际旅游发展现状评价
基于因子-聚类分析的我国各地区国际旅游发展现状评价引言国际旅游是指人们跨越国界进行的旅行活动，包括出境旅游和入境旅游。
我国自改革开放以来，国际旅游业发展迅速，成为经济发展的重要支柱产业。
由于我国地域广阔，各地区的旅游资源、旅游文化和旅游发展水平存在较大差异，因此对各地区国际旅游发展现状进行评价和分析，可以帮助政府和企业更好地制定发展策略和规划，促进旅游业的健康可持续发展。
本文将采用因子-聚类分析的方法，对我国各地区国际旅游发展现状进行评价，旨在为各地区的国际旅游发展提供参考和建议。
一、因子分析—提取国际旅游发展指标在对我国各地区的国际旅游发展现状进行评价时，需要选取合适的评价指标。
国际旅游发展的评价指标包括但不限于国际旅游人数、国际旅游收入、旅游设施和服务水平等。
为了进一步明确评价指标，我们采用因子分析的方法，从众多指标中选取出具有代表性和权重较大的几个指标。
我们收集了我国各地区的国际旅游人数、国际旅游收入、旅游设施和服务水平等15个指标，然后利用SPSS软件进行因子分析。
在因子分析的结果中，我们选取了累积方差贡献率大于70%的因子作为代表性指标。
最终，我们确定了国际旅游发展的四个主要因子：国际旅游人数、国际旅游收入、旅游设施水平和服务水平。
二、聚类分析—划分国际旅游发展类型基于因子分析提取的主要指标，我们进一步采用聚类分析的方法，将我国各地区的国际旅游发展水平进行分类。
聚类分析通过计算不同样本之间的距离，将样本划分成若干个类别，每个类别内部的样本相似度较高，类别之间的样本相似度较低。
为了进行聚类分析，我们先对选取的四个主要因子进行标准化处理，然后利用K均值聚类算法对各地区进行聚类。
经过聚类分析，我们最终将我国各地区的国际旅游发展水平分为三类：发达地区、中等地区和欠发达地区。
发达地区包括北京、上海、广东等地，国际旅游人数和收入较高，旅游设施和服务水平较好；中等地区包括湖南、四川、浙江等地，国际旅游发展处于中等水平；欠发达地区包括西藏、青海、贵州等地，国际旅游发展水平较低。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
上原有变量所包含绝大部分信息。观察公因子旋转成分 环境的城市化。
矩阵表（限于篇幅，省略），第一主因子在市区人口密度 、
利用方程（１）和（２），根据表 ２ 以各因子方差贡献率为权
第二三产业产值密度、建成区占市区面积比重、建成区绿 重，分别计算公因子得分和区域城市化水平综合评价得分，
化覆盖率等方面有较高的载荷，这些指标主要反映区域人 口和经济的城市化。第二个主因子在第二三产业从业人 员比重、万人拥有在校大学生数 、万人拥有医院床位数 、
涵。因此有必要构建一个更全面、更真实的反映城市化水平 价体系对四川省的区域城市化水平进行测度评价。指标体
的测评指标体系。为进一步全面提高区域城市化水平、制定 系（如表 １ 所示）。
表１
城市化水平综合评价指标体系
类型
指标层（单位）
类型
指标层（单位）
Ｘ１ 城镇人口比重（％）
Ｘ９ 人均社会消费品零售总额（元 ／ 人）
第四类城市为低城市化地区。其特点是城市地处全省核 心发展地区以外，受自然条件、基础设施、人文环境等制约， 经济发展起步晚，大部分城市化水平指标处于远低于全省平 均水平，城市经济职能比较薄弱。
三、结论与讨论
采用复合指标法对四川省 １８ 个城市的综合评分进行综 合分析，研究结果全面，包涵的信息丰富客观，体现了城市化 发展应遵循的质与量的统一。通过定量分析发现四川省区域 城市化水平是极其不平衡的，区域城市化水平差异明显，城 市化水平与区域经济差距具有很大的相关性，经济发达地区 集中以成都为中心，辐射到外围的近十个城市群。经济落后 地区集中在山区边缘这种不利于城市发展的区域，这说明四 川省协调区域城市化水平工作任重而道远。通过对城市化进 行动态分析可以发现，经济发达地区城市化进程较为稳定； 经济落后地区发展潜力很大，城市化相对发展速度较快。这 与社会经济发展格局是相一致的，反映了区域城市化进程各 个阶段的特点和不同。区位优势是这些地区城市化水平高的 一个重要因素，因此有必要制定适当的政策措施和体制框 架，加快程度及绵羊等较高城市化以外的那些城市化水平还 较低的地区的城市化进程，以缩小区域间差距，为其经济健 康快速发展提供良好的载体环境，这也是四川区域发展的目 标和方向，分析结果显示四川省城市化发展水平可以分为四 种类型，其城市化发展特征各异，存在的问题和发展趋势也 不尽相同。需要结合城市自身发展的实际情况，因地制宜的 制定城市发展战略。
表３
2010 年广东省区域城市化水平综合评价
城市
公因子 １
公因子 ２
公因子 ３
综合评分
排名
成都市
０．５８８５６
３．８３３１６
－ ０．１１１４５
１．５３６１５６
１
自贡市
－ ０．３７４１６
０．１７７４５
０．２７９３１
－ ０．０５９４５
９
攀枝花市
１．８２７０８
－ ０．５４６８５
１．３８６４１
０．６６２５９２
其中 Ｆｊ 为第 ｊ 个因子得分，ｊ 为因子个数，ｊ＝１，２，…，Ｎ；
收稿日期：２０１２－ ０５－ １８ 作者简介：穆兰（1985-），女，贵州息烽人，助教，硕士，从事发展经济与政府规划研究。
— １２３ —
Ｘ１，Ｘ２，…，Ｘｐ 为变量，ｐ 为变量个数，Ｂｊｐ 为第 ｊ 个因子所对应 的第 ｐ 个变量的因子成分得分。
合得分。即： Ｆｉ＝ ３９．２９２％Ｆ１＋３４．３２％ Ｆ２＋９．５４８％ Ｆ３。其中，Ｆｉ 为 各城市综合得分（ ｉ ＝ １，２，３ …１８），Ｆ１，Ｆ２ ，Ｆ３ 分别为各因子得 分，系数分别为各因子权重。据此计算出四川省区域城市化
第二三产业产值比重等方面有较高载荷，这些指标反映 水平综合得分，并根据综合得分进行排位，结果（见表 ３）。
巴中市
第一类城市为高城市化地区。其特点是地区地理位置 优越，经济和社会地位高，是全省的经济和政治中心。经济 发展快，城市建设起步早于省内其他城市。成都作为省会 城 市 和 西 南 的 特 大 中 心 城 市 ，科 教 文 卫 水 平 高 ，经 济 实 力 雄厚，城市建设基础好。具有吸引外来投资的优势，生产、 加工和贸易企业发达，经济的快速发展也加速了地区城市 化的进程。
采用城市人口占总人口的比重。城市化是一个人类社会经济 评估，所得出的结论才能全面且真实的反映目标区域的情
转型的过程，包括人口、经济、社会、综合环境等各方面的因
况。本文在参考现有研究的基础上［１￣３］并结合数据获取的可
素，单一的人口城市化水平并不能衡量出城市化的各方面内 行性，从人口、经济、社会、综合环境四个方面构建综合评
一、评价指标体系与模型的构建
［１］，城市化水平是一个国家或地区经济发展水平的重要标志。
（一）评价指标体系
国内很多学者对中国城市化进程个方面作了较为深入的探
综合评价指标体系的构建要考虑错综复杂的变量，遵
讨和分析。但是这些研究在测评城市化水平的指标体系大多 循全面性、客观性、层次性、可行性等原则，在基础上进行
合得分为正，表明城市化综合水平高于全省平均水平，反之 城市化水平的综合得分作为进行聚类分析的聚类指标 。
则低于全省平均水平。
（２）采用欧氏距离测速 １８ 个城市之间的样本距离 。（３）
（二）城市化等级水平的划分
选 取 组 平 均 法 计 算 类 间 的 距 离 ，并 对 样 本 进 行 归 类（聚 类
2012 年第 25 期 总第 171 期
经济研究导刊 ECONOMIC RESEARCH GUIDE
No．25，2012 Serial No．171
基于因子 — 聚类分析的四川省区域城市化水平综合测度研究
穆兰
（中共贵州省黔南州委党校，贵州 都匀 ５５８０００）
摘 要：以四川省 18 个地级市为研究地域单元，参考传统城市化水平测度指标体系的基础上选取人口、经济、社 会文化和环境为代表的四大类 16 项评价指标体系，采用统计分析中的因子分析和聚类分析，对四川省区域城市化水 平进行了综合测度。结果表明四川省城市发展状况为四种类型，并据此分析各城市发展的优劣势和问题，提出加速四 川区域城市化发展的途径和发展方向，促上页表 ２ 中的各个城市综合得分
化水平的差异类型及其变化，通过分层聚类的方法对各个城 数据进行分类，绘制聚类谱系图，然后根据距离进行分类合
市的城市化水平进行等级划分，并按等级分为四种类别：高 并四种类别。具体结果（如表 ４ 所示）。
城市化城市、较高城市化城市、中等城市化城市和低城市化
为克服多变量间信息重叠及认为确定指标的主观性，运 用因子分析测算四川省城市化水平。因子分析是一种把原来
计算目标层综合得分的方程为：ｚＦ＝Ａ１Ｆ１＋Ａ２Ｆ２＋…＋ＡｊＦｊ（２） 其中 Ａｊ 为第 ｊ 个公因子所解释的方差贡献率。
二、四川省区域城市化水平分析与评价
多个变量划为少数几个综合指标，并尽可能保留原来较多变 量所反映的信息的一种非统计分析方法［５］。对上述指标数据 进行主成分因子分析，根据因子分析中的 ＫＭＯ 值和 Ｂａｒｔｌｅｔｔ 显著性水平检验可知进行因子分析是可行的。以累计方差贡
２
泸州市
０．０６２６１
－ ０．２１２２５
０．３６３８７
－ ０．０１３５
８
德阳市
０．５９８４９
０．２１６４９
０．２００５７
０．３２８６０８
４
绵阳市
１．１３４４１
－ ０．２３１３７
－ ０．４３４０６
０．３２４８８２
５
广元市
０．０９１３６
－ ０．９１８７１
０．２１６３
－ ０．２５８７５
１３
遂宁市
－ ０．８９４９５
Ｘ１４ 建成区占市区面积比重（％）
经济
Ｘ６ 人均财政收入（元 ／ 人） Ｘ７ 第二、三产业产值比重（％） Ｘ８ 第二、三产业产值密度（万元 ／ｋｍ２）
环境
Ｘ１５ 市区园林绿地面积覆盖率（％） Ｘ１６ 市区人均铺设道路面积（ｍ２／ 人）
（二）评价模型 文章所使用的数据全部来源于 ２０１１ 年四川省统计年鉴［４］， 部分数据在原始数据的基础上计算获得。为了使数据具有可比 性，避免指标量纲的不一致影响评价结果，在进行分析前，先对 原始数据进行标准化处理。因子分析能把错综复杂的诸多变量 综合起来为少数几个公因子，并在初始变量和公因子之间建立 某种联系，根据变异的累计贡献率提取一定个数的公因子，对
关键词：四川省；城市化；因子分析；聚类分析 中图分类号：Ｆ１２７ 文献标志码：Ａ 文章编号：１６７３－ ２９１Ｘ（２０１２）２５－ ０１２３－ ０３
中国城市化进程，可以分为 １９８１—１９９５ 年的稳步发展阶 城市发展战略提供有效依据。
段和 １９９６—２００６ 年的高速发展阶段，其动力因子主要有市 场力、外向力、行政力和内源力，其中市场力是最主要的驱动力
７３．６１２
８３．１６０
根据表 ２，第一主因子的贡献率 ３９．２９２％，第二主因子 区域社会的城市化。第三个主因子在市区人均铺设道路
的贡献率 ３４．３２０％ 第二个主因子的贡献率 ９．５４８％，累计 面积、人均生活用电量 、建成区占市区面积比重 、人均社
方差贡献率 ８３．１６０％，说明这 ３ 个公因子可以解释 ８３％以 会消费品零售总额等方面载荷较高，这些主要反映区 域
载荷矩阵实施因子旋转，通过计算公因子得分可以对评价指标 进行比较分析［５］。将前文所述的指标，采用 ＳＰＳＳ１７．０ 分别进行 因子分析，通过主成分分析法，提取公因子，然后根据各个公因 子的方差贡献率，计算出所要评价目标层的综合得分。
计 算 公 因 子 得 分 的 方 程 为 ：Ｆｊ＝Ｂｊ１Ｘ１＋Ｂｊ２Ｘ２＋ … ＋ＢｊｐＸｐ （１）
（一）城市化水平的综合评价 表２
献率大于 ８３％为原则，提取公因子（见表 ２）。
各公因子方差贡献率表
％
年份数据