基于主成分分析和层次分析法的某市投资环境评价模型建立
基于层次分析法的房地产投资评估
基于层次分析法的房地产投资评估作者：于淼李雨潇张昆明来源：《科技创新导报》2011年第22期摘要:房地产由于存在风险,给开发带来很大的不确定性。
所以房地产投资评估建模具有明显的现实意义。
本文基于层次分析法进行定性与定量相结合的分析,建立了考虑多种因素的房地产投资评估建模。
另外,本文以青岛市的一个房地产项目为例详细展示了了层次分析法AHP 在评估房地产投资,并从宏观上分析了结果的合理性和可靠性。
关键词:房地产层次分析法投资评估中图分类号:F224 文献标识码:A 文章编号:1674-098X(2011)08(a)-0225-011房地产投资模型建立(1)数据归一化与标准化。
为了综合考虑房地产的各个因素,建立综合的评估模型。
首先要对数据进行归一化和标准化。
为了消除量纲影响和变量自身变异大小和数值大小的影响,在这里我们采用离差标准化:(2)层次分析法的原理。
根据人的思维规律,将问题房地产投资评估分解成各个组成因素,再将这些因素按支配关系分组形成树状的递阶层次结构,通过两两比较的方式确定层次中诸多因素的相对重要性,然后综合决策者的判断,确定决策方案相对重要性的总的排序,从而做出选择和判断。
这一思维过程的关键是层次的划分、权重的确定和排序的并合规则。
(3)模型的建立。
1)层次结构:考虑房地产评估的实际情况,建立如下的三级树状结构。
以房地产项目为目标层,选取准则层,每层下面又有一系列具体的影响因素。
（如图1)2)计算各个子因素的权重的计算以及矩阵的一致性检验:设为判断矩阵,其计算步骤如下:①将矩阵A的每个列向量归一化得到,,i,j=1,2,...,n②,i=1,2,...,n③④计算一致性指标CI和选定平均随机一致性指标RI,其中;RI见表1。
⑤计算一致性指标比率:,当CR2 算例分析青岛市积极实施各项宏观调控政策,推动经济发展方式转变和经济结构调整。
全市经济回升向好势头得到进一步加强。
为此,我们用上面的模型目来评估房地产投资一个待建项。
指标体系的评估与赋权方法
指标体系的评估与赋权方法1.引言概述部分的内容可以如下所示：1.1 概述在现代社会中，为了对一个系统或者一个组织的发展与运营情况进行全面、科学的评估，人们常常需要建立一个完善的指标体系。
指标体系可以帮助我们了解和衡量一个系统或组织在各个方面的表现和效果，从而为决策提供科学依据。
而对于评估指标体系的有效性和客观性，以及对于各个指标之间的相对重要性进行准确赋权，又是一个重要的问题。
本文就指标体系的评估与赋权方法展开讨论。
首先，我们将介绍指标体系的作用和意义，以及为什么需要对其进行评估和赋权。
其次，我们将详细探讨指标体系评估的方法，包括定性评估方法和定量评估方法。
定性评估方法主要是通过专家评估和主观判断来对指标进行评估，而定量评估方法则基于数据分析和统计模型来进行量化评价。
除了评估指标体系的有效性外，对指标进行赋权也是评估过程中的一个重要环节。
赋权方法可以根据指标的相对重要性为其赋予相应的权重，从而更准确地反映其在评估体系中的贡献度。
本文将介绍两种常用的指标体系赋权方法：层次分析法和主成分分析法。
层次分析法通过构建层次结构、建立判断矩阵和计算特征向量来进行赋权，而主成分分析法则通过降维和构造新指标来进行赋权。
通过本文的论述，我们希望能够更全面地了解指标体系的评估与赋权方法，从而在实际应用中能够更科学地构建和运用指标体系，提高评估的准确性和可信度。
同时，我们也希望通过深入研究和探讨，为指标体系评估与赋权方法的改进和创新提供一定的参考和启示。
1.2文章结构文章结构部分的内容如下：1.2 文章结构本文将围绕指标体系的评估与赋权方法展开讨论。
文章分为三个主要部分：引言、正文和结论。
引言部分首先对指标体系的概念进行简要介绍，包括指标的定义和作用。
接着，文章将说明本文的结构和目的，为读者提供清晰的阅读路线和预期。
正文部分将重点探讨指标体系的评估和赋权方法。
在指标体系评估方法部分，将介绍定性评估方法和定量评估方法的原理和应用情况。
基于层次分析法的城市精明增长程度评价模型
基于层次分析法的城市精明增长程度评价模型摘要：随着人口增长和社会发展，精明增长已经成为新城市主义的新兴研究方向。
本文结合可持续发展的三个要求和精明增长的十个原则，基于居住、社会、环境、经济、土地和交通共六个方面建立模型来衡量城市精明增长的程度，然后采用层次分析法，以意大利的佛罗伦萨和美国的亚特兰大两座城市为例进行实证分析，最后，对本文进行评价与总结。
关键词：精明增长;层次分析法;基尼系数;恩格尔系数一、引言精明增长（Smart Growth）一词最早于1997年由美国马里兰州州长格伦迪宁提出。
作为一种城市规划和交通理论，其主要用于遏制城市中心的肆意扩张，有利于国家和政府公平合理地分配城市发展的成本和收益、保护和加强自然和文化资源、促进公众健康卫生政策的改良等。
因此，其概念自被提出以来，便成为一个新兴的研究方向，衍生出许多相应的理论。
2005年，Downs A就分析了在一个框架内实施精明增长政策的障碍，以及它的主要目标[1]。
而在我国，有关精明增长的学术型论文，还未发展成型。
因此，本文建立评价模型来研究城市精明增长，并选取两个中型城市进行实证分析。
由于城市发展到一定程度才能讨论精明增长，因此本文案例均选自发达国家，而美国作为第一个郊区化的国家，具有代表性，因此其中一个城市来自美国。
二、模型假设（一）本文收集的数据真实有效。
（二）假设人均居住面积不变。
（三）预测时间内，不考虑洪水、干旱、地震等自然灾害或其他非可预见的灾害。
三、模型建立本文选择意大利的佛罗伦萨和美国的亚特兰大两座城市。
佛罗伦萨人口为383084，亚特兰大人口为463878①。
（一）衡量精明增长程度的指标选取与建立令x0表示基准年，研究x年后指标值随时间的变化。
因此，每个带有下标x的参数都表示了该城市x年后的参数值。
根据精明增长的十大原则[2]，本文构建以下指标。
1.住房指标基于人均居住面积不变的假设，用居住区增长率Rl表明人口增长与城市住房建设用地利用之间的关系。
基于主成分分析与熵值法结合的多元评价模型的研究
基于主成分分析与熵值法结合的多元评价模型的研究作者：张祥国丁瑞蒋幸幸来源：《新教育时代·教师版》2017年第18期摘要：为了全面、系统地分析问题，必须考虑众多影响因素，这也常对进行多元评价的相应背景。
这些涉及的因素一般称为指标，在多元统计分析中也称为变量。
多元评价模型常用方法有层次分析法，但该方法定量数据较少，定性成分多，不易令人信服。
本文利用主成分分析与熵权法的结合，对多元评价模型进行新的探究，使多元评价模型建立的更加精准。
关键词：多元评价模型结合主成分分析熵值法一、多元评价模型中评价指标体系框架的构建与评价指标的确定对于一个待评价对象的评价指标体系由反应该对象内涵的指标集及其标准和量化符号构成。
“评价对象”与“指标”是相对而言的。
在评价体系中，指标的级数越往下，指标越具体。
假设一个待评价对象已经建立好了两级的评价指标。
第一层评价指标是直接作用于评价对象的，评价指标A，B，C，D等。
第二级评价指标是作用于第一层评价指标，有a，b，c，d，e，f，g等，共N个样本。
为了对多元评价模型更加精准的建立，我们没有采用普通的分层模式，而是采用了第二层中的每一个指标与第一层中的每一个指标都有关系的模式。
二、利用主成分分析优化指标1.原始度量数据的标准化收集p维随机向量，N个样本，构建样本阵列并归一化到下面的样本元素：（1）其中，（2）得到归一化阵列Z。
由归一化阵列Z得到的相关系数矩阵：（3）2.确定主成分，样本相关矩阵R特征方程的求解：（4）获取特征根P，确定主成分：根据（5）标准化的指标变量被转换成主成分：（6）称为第一主成分，称为第二主成分，…，称为第p主成分。
P指标是从第一层指标中选出，从而利用这一P指标来取代第一层指标，将多指标转化为少数几个综合指标，直接用于评价对象。
二、利用熵值法客观计算指标权重并综合评价熵是对不确定性的一种度量。
信息量越大，不确定性就越小，熵也就越小；信息量越小，不确定性越大，熵也越大。
评价模型中权重的确定方法
评价模型中权重的确定方法在评价模型中，确定权重是一个非常重要的过程，它决定了不同指标在综合评价中的重要性。
权重的确定方法有很多种，以下我将介绍其中几种常用的方法。
1.主观赋权法2.层次分析法层次分析法是一种定量的权重确定方法，它能够帮助决策者通过分层的方式对不同指标的重要性进行比较和判断。
具体的步骤如下：（1）建立层次结构：将评价指标划分为不同的层次，并建立它们之间的关系。
（2）构建判断矩阵：通过专家调查或问卷调查的方式，构建判断矩阵，评价不同指标之间的相对重要性。
（3）计算特征向量：通过特征值法或逼近法，计算出判断矩阵的最大特征值和相应的特征向量。
（4）计算权重向量：将特征向量进行归一化，得到权重向量，即不同指标的权重。
层次分析法的优点是能够考虑到不同指标之间的相对重要性，适用于指标比较复杂、相互影响较大的情况。
3.主成分分析法主成分分析法（PCA）是一种基于统计学的权重确定方法，它通过对原始数据进行变换，将高维数据转化为低维数据，并提取出对原始数据变异性解释最多的主成分。
具体的步骤如下：（1）标准化数据：对评价指标进行标准化处理，使得各个指标具有相同的量纲和权重。
（2）计算协方差矩阵：计算标准化后的数据的协方差矩阵。
（3）计算特征值和特征向量：对协方差矩阵进行特征值分解，得到特征值和特征向量。
（4）选择主成分：选择特征值较大的特征向量作为主成分。
（5）计算权重向量：将选择的主成分进行归一化，得到权重向量，即不同指标的权重。
主成分分析法的优点是能够保留数据的主要信息，减少冗余的指标，并能够考虑到不同指标之间的相关性。
除了以上几种方法，还有一些其他的权重确定方法，如熵权法、模糊综合评价法、灰色关联分析法等。
这些方法在不同的评价场景中有不同的适用性，可以根据具体情况选择合适的方法。
此外，在确定权重时，还需要考虑到评价指标的可行程度、数据可获得性和对决策目标的贡献度等因素，以保证权重的有效性和可靠性。
基于TOPSIS及主成分分析方法的学科评价
0.1699
0.2118
0.0295
0.1222
0.1068
0.0445
0.2939
0.1051
0.0859
0.4497
0.2279
0.0079
0.0335
0.1431
0.0058
0.0389
0.1169
0.0696
0.3732
0.2336
0.0003
0.0012
0.0833
0.0603
0.1950
0.1159
0.0277
0.1931
0.1319
0.0211
0.1378
0.2095
0.0245
0.1049
0.1430
0.0077
0.0512
0.1327
0.0225
0.1453
0.2120
0.0551
0.2064
0.0877
0.0559
0.3892
0.1322
0.0210
0.1369
0.1780
0.9074
0.0588
0.0356
0.3768
0.1306
0.0280
0.1764
0.0836
0.0131
0.1359
0.0545
0.1717
0.7591
0.0520
0.0354
0.4049
0.1359
0.0239
0.1498
科研经费（万元）
成果奖项（项）
科研成果
正理想距离
负理想距离
综合指标值
0.2224
0.0125
0.0531
生态学中的生态环境质量评估及其计算方法
生态学中的生态环境质量评估及其计算方法随着人类对自然环境的破坏越来越严重，生态环境质量评估越来越重要。
生态环境质量评估是通过科学的方法对某一特定区域内的生态环境质量进行综合评价，是保护生态环境、实现可持续发展的重要手段之一。
本文将探讨生态学中的生态环境质量评估及其计算方法。
一、生态环境质量评估的意义生态环境质量评估主要是为了科学地认识和权衡人类对生态环境的影响，为合理规划和有效实施生态保护和修复工程提供可靠的依据，保护生态系统生态安全和环境健康，为经济社会发展提供坚实的生态保障。
通过生态环境质量评估，可以对生态环境质量现状和发展趋势进行全面、系统、定量的分析和评估，为科学制定环境规划、优化资源配置、合理产业布局、开展环境保护和修复提供重要依据。
同时，也可以为监测和预测生态环境变化提供科学依据，预测环境质量变化趋势和程度，提出保护和优化环境的措施，指导环境管理和决策，完善生态环境保护法规和政策。
二、生态环境质量评估的指标体系生态环境质量评估要想建立起客观、科学、合理的评价体系，需要从不同方面、不同维度对生态环境进行评价，建立较为全面的指标体系。
生态环境质量评估的指标体系包括生态环境素质指标、生态环境品质指标和生态环境功能指标。
1、生态环境素质指标生态环境素质指标是用来反映生态环境的基本状况的指标，主要包括土壤、水质、大气、生物多样性等。
2、生态环境品质指标生态环境品质指标是表征生态环境质量的指标，包括等级指标（如水质类别、土地质量等级）、指标均值（如生态系统服务价值、生态敏感区数目等）和指标标准差（如pH值、表层土壤有机质量的分布差异等）等。
3、生态环境功能指标生态环境功能指标是表征生态系统功能的指标，如土地覆盖变化、景观破碎化、生态系统服务功能等。
三、生态环境质量评估的计算方法生态环境质量评估涉及到许多指标和数据的收集和分析，因此需要采用科学的计算方法来完成。
1、主成分分析法主成分分析法是一种统计方法，它通过将原始指标进行线性变换，将多个变量转化为少数几个主成分来描述数据的结构和关系。
主成分分析法与层次分析法
99.9
山 东 101.1
98.6
98.7
102.4
96.9
108.2 101.7
河 南 100.4
98.6
98.0
100.7
99.4
102.4 103.3
湖北
99.3
96.9
94.0
98.1
99.7
109.7
99.2
湖南
98.6
97.4
96.4
99.8
97.4
102.1 100.0
广东
98.2
98.2
99.4
99.3
99.7
101.5
99.9
广西 海南 重庆 四川 贵州 云南 西藏 陕西 甘肃 青海 宁夏 新疆
98.5 98.4 99.2 101.3 98.5 98.3 99.3 99.2 100.0 102.2 100.1 104.3
96.3 99.2 97.4 97.9 97.8 96.3 101.1 97.3 99.9 99.4 98.7 98.7
主成分分析的具体推导
若m个主成分的累计贡献率超过85%，那我们 认为前m个主成分基本包含了原来指标信息。
例：各地区居民消费情况主成分分析 （2001年全国各地区消费情况指数）
地区
食品 X1
衣着 X2
家庭设备 用品及服
务
X3
医疗保健 和个人用
品
X4
交通和通 信
X5
娱乐教育 文化X6居住 X7 Nhomakorabea北京
基本思想：
主成分分析就是设法将原来众多具有一定相关性的 指标（比如p个指标），重新组合成一组相互无关的综 合指标来代替原来指标。通常数学上的处理就是将原来 p个指标作线性组合，作为新的综合指标。
- 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)。
基于主成分分析和层次分析法的某市投资环境评价模型建立研究
1 关于因子分析
围绕浓缩原有变量提取因子的核心目标，因子分析主要涉及以下内容： 1.1因子分析的前提条
件；
1.2因子载荷矩阵的求解和因子提取；
1.3因子命名
1.4计算因子得分。
2层次分析法
运用层次分析法建模，大体上可按下面四个步骤进行：
2.1建立递阶层次结构模型；
2.2构造出各层次中的所有判断矩阵； 2.3层次单排序及一致性检验；
2.4层次总排序及一致性检验。
3指标体系的建立与评价模型的构建
3.1指标体系的建立 X市投资环境评价分为三个层次：第一层是目标层；第二层准则层包括发
展与效率综合指标、基础设施与配套能力综合指标、人力资源与社会责任综合指标、环境保护与
节能减排综合指标、技术创新综合指标等五个二级指标；第三层是具体的评估指标。按照指标选
取的全面性、科学性、目的性、可操作性以及最少性的原则，本研究引入22个指标变量以反映
综合投资环境水平。 3.2评价模型的构建
3.2.1准则层评价模型的构建
为把各具体投资环境评价指标项聚合成为准则层的综合得分，采用主成分分析法进行处理。使用
主成分法作综合评价时，主成分量选择的原则是其累计概率≥８５％。 在主成分分析法确定各
综合评价因子权重的基础上，构造评价模型，即：
pjU
i1miVj(j1,2,3,4,5) (1)
其中ｐｊ代表各子竞争力得分，Ｕｉ为各子竞争力相应的因子的主成分得分，Ｖｉ为各子竞争力
相应的因子的权重值（即为主成分贡献率），ｍ 为综合因子数。
3.2.2目标层评价模型的构建
在已求得的准则层综合得分的基础上，我们选择层次分析法（ＡＨＰ）来确定准则层的权重。本
研究运用层次分析法建模时，具体步骤为：第一步，建立层次分析模型；第二步，构造判断矩阵
Ａ；第三步，计算层次权重及一致性检验。
目标层投资环境评价模型为：
SIjPj （2）
j1n
其中Ｓ 为研究对象投资环境评价综合得分，Ｉｊ为准则层各综合指标的权重值，Ｐｊ为准则层
各综合指标得分，ｎ为5。
4 某市投资环境评价的实证分析
4.1利用主成分分析计算各准则层综合得分
利用SPSS软件对准则层其下属指标层各变量系统进行主成分分析，其综合得分及排名如表1
所示。
以准则层发展与效率指标为例，利用SPSS软件来实现该系统变量的主成分分析。 第一，采用
Ｚ－Ｓｃｏｒｅ方法对原始数据进行标准化处理［６］。本文采用ＳＡＳ软件中的ｐｒｏｃ、ｓ
ｔａｎｄａｒｄ命令对数据进行标准化处理，变换后所得的新数据，ｍｅａｎ＝０，ｓｔｄ＝１，
变化幅度大大缩小，从而实现了对原始数据的标准化处理。
第二，建立指标之间的相关系数矩阵Ｒ。由SPSS程序输出结果知c1与c2、c3、c4、c5这些
指标之间存在很强的相关性，所以必须在这些具有重复性情报信息的变量中，选择能够说明大部
分情报信息的几个主成分。
第三，计算相关矩阵Ｒ的特征值λｉ和特征向量ｈｊ及方差贡献率（如表２所示）。表２是SPSS
程序输出样本相关矩阵的特征值、差值、贡献率以及累积贡献率的结果。Ｅｉｇｅｎｖａｌｕｅ
是样本相关矩阵的特征值（即主成分的方差），Ｄｉｆｆｅｒｅｎｃｅ为相关矩阵的差值，Ｐｒ
ｏｐｏｒｔｉｏｎ为各主成分的贡献率，Ｃｕｍｕｌａｔｉｖｅ为主成分的累积贡献率。主成分
方差越大，主成分的贡献率越大，则主成分对情报的说明力越强，从表２我们可以看出，第一主
成分的特征值是４．９１８４５０９１，而第一主成分的贡献率也已达到了５４．６５％。
第四，确定主成分个数。由表２知前四个主成分的累计贡献率已达到９３．７０％，说明前四个
主成分基本包含了全部指标具有的信息，即完全能够反映大部分情报，所以取前四个主成分即可，
并计算出相应的特征向量（即主成分负载值，见表３）
第五，利用公式Ｃｉ＝ｅｉＺ＝ｅ１ｉＺ１＋ｅ２ｉＺ２＋Ｋ＋ｅπＺｐ计算各主成分得分。其
中ｅｉ为个主成分负载值，Ｚ 为原始数据经过标准化后的数据（各主成分得分结果略）。
第六，数据解释。各地区得分有负值出现，这是因为在主成分分析中，由于各指标均进行了标准
化处理，得分无满分概念，综合得分数值的大小只是反映了样本在经济及产业结构竞争力水平的
高低，３１个地区的平均水平为零，正分为高出平均水平的程度，负分为低于平均水平的的程度。
4.2利用ＡＨＰ计算综合竞争力得分１．构造判断矩阵
首先，组织专家利用Ｔ．Ｌ．Ｓａａｔｙ提出的（１～９）九标度方法对四大子竞争力系统进行
打分，然后在此基础上，再构造判断矩阵，并由此计算出比较元素间的相对权重［５］。判断矩
阵如表４所示。在判断矩阵的基础上，利用Ｍａｔｌａｂ软件计算矩阵最大特征值λｍａｘ及相
应的特征向量（各子系统的相应权重），结果如下：λｍａｘ ＝４．１０２ ２，Ｗ％ｉ ＝（ｗ
１，ｗ２， ｗ３， ｗ４ ） ＝ （０．４９６ ５， ０．３１３ ２，０．１３９ ３，０．０
５０ ９）。
２．一致性检验
对判断矩阵的一致性检验的步骤如下：
（１）计算一致性指标ＣＩ。ＣＩ＝λｍａｘ－ｎ
ｎ－１ ＝４．１０２２－４３ ＝０．０３４０６
（２）查找相应的平均随机一致性指标ＲＩ。对ｎ＝１，Λ，９，Ｓａａｔｙ给出了ＲＩ的值，
如表５所示。
（３）计算一致性比例ＣＲ。当ＣＲ＜０．１０时，认为判断矩阵的一致性是可以接受的，否则
应对判断矩阵作适当修正。
本文中，ＣＲ＝ＣＩＲＩ＝０．０３４ ０６０．９ ＝０．０３７ ８５＜０．１０
所以，矩阵Ａ 满足一致性检验，即各子系统权重Ｗ％ｉ＝（ｗ１，ｗ２，ｗ３，ｗ４）＝（０．４
９６ ５，０．３１３ ２，０．１３９ ３，０．０５０ ９）是成立的。 3 确定河北省综合竞
争力得分及排名
利用评价模型式２计算中国３１省市综合竞争力得分及排名，如表６所示。
5.3结果分析
上述３１省市综合竞争力得分及排名结果基本上反应了我国地区竞争力的格局。其中，第一集团
包括上海、广东、北京、江苏、浙江、天津、山东、辽宁、福建９个地区，这９个地区得分均为
正数，说明竞争力处于平均水平之上，而该９地区的前６名得分更是高于１，是中国省域竞争力
实力的领跑者。第二集团主要包括重庆、内蒙古、河北、湖北、吉林、山西、河南、湖南、四川
等１２个地区，该集团主要特点就是地区得分相差不大，综合竞争力水平不相上下。第三集团包
括新疆、江西、甘肃、贵州等１０地区，由得分可知，该类地区竞争力水平较低，从地理位置上
看，这一阵营的地区基本上都是属于我国西部地区，因此，国家还是应该继续加大力度支持西部，
以缩小地区之间差距。
由表６可知，河北省综合竞争力在中国３１省市中排名第１２位，处于第二集团，属于中等发展
水平。但是，虽然河北省竞争力名次不太落后，而得分却只有－０．４８８分，说明竞争力实力
水平处于序列域的平均水平之下，发展水平仍需提高。下面我们就各子系统竞争力做详细分析。
经济及产业结构竞争力，河北省得分－０．６４５，
排名第１５位。按照国际惯例，三次产业之间的协调
比例应为１∶４∶５，而河北省这一比例为１．５∶５．２
∶３．３，与上述要求还有距离，因此，产业结构需要进
一步调整与优化。
国际竞争力，河北省得分－０．６４５，排名第１０
位，较其它子竞争力有相对优势，这主要是因为河北
省地处环京津、环渤海经济圈，位于渤海地区的中心
地带，与日本、韩国隔海相望，是中国东北地区与国
内其它省区联系的通道和西北诸省区的北方出海通
道，具有较好的地区优势。
科学文化竞争力，河北省得分－０．２４５，排名第
６位，是四个子系统中竞争实力最弱的一个。地区
的文化是城市可持续发展和有效竞争的保障，而科学技术则是地区竞争力的直接推动力，地区的
发展
潜力取决于地区的文化和科技竞争力，由此可见科
教文化的重要性。因此，河北省应该加大力度发展
科教文化事业，以推动区域竞争力的尽快提升。
基础设施与环境竞争力，河北省得分０．０４１，排
名第１１位，是四个子系统竞争力中唯一一个竞争实
力高于平均水平的系统。基础设施是地区社会经济
活动的基本载体，是社会经济发展的基本前提和保
证，最近几年以来，河北省努力发展城市建设事业，
不断提高城镇化发展水平，使得河北省的环境竞争
力发展水平有了很大提高。
综上所述，河北省竞争力虽有值得肯定的地方，
但是总体来说，其在经济发展水平、产业结构、科技
文化事业、基础设施等诸多方面与发达地区如上海、
广东的差距明显。在现代化建设的今天，一个地区
的竞争力水平很大程度上反映了该地区社会经济的
发展。因此，面对知识经济时代的挑战，应如何抓住
机遇，努力提高竞争力发展水平是河北省目前经济
发展的首要问题。
参考文献：
［１］ 鲁继通．国内区域竞争力问题研究综述［Ｊ］．科技风，２００８（２）．
［２］ 金浩．经济统计分析与ＳＡＳ的应用［Ｍ］．北京：经济科学出版社，２００２． ［３］
左继红，胡树华．区域竞争力的指标体系及评价模型研究［Ｊ］．商业研究，２００５（１６）．
［４］ 余瑞娟，吴广谋．基于主成分分析的区域产业竞争力评价［Ｊ］．价值工程．２００８
（７）．
［５］ 王连月，韩立红．ＡＨＰ法在区域竞争力综合评价中的应用［Ｊ企业经济，２００４（６）．
［６］ 中华人民共和国统计局．中国统计年鉴［Ｍ］．北京：中国统计出版社，２００９．