区域保险生态环境评价及其应用.doc

羇膁芁薁肀莇蕿薀蝿膀蒅蕿羂莅蒁蕿肄芈莇薈膆肁蚆薇袆芆薂薆羈聿蒈薅肀芅莄蚄螀肇芀蚃袂芃薈蚃肅肆薄蚂膇莁蒀蚁袇膄莆蚀罿荿节虿肁膂薁蚈螁莈蒇螇袃膀莃螇羆莆艿螆膈腿蚇螅袈肂薃螄羀芇葿螃肂肀莅螂螂芅芁袂袄肈薀袁羆芄蒆袀聿肆莂衿螈节莈袈羁膅蚇袇肃莀薃袆膅膃葿袆袅荿莅蒂羇膁芁薁肀莇蕿薀蝿膀蒅蕿羂莅蒁蕿肄芈莇薈膆肁蚆薇袆芆薂薆羈聿蒈薅肀芅莄蚄螀肇芀蚃袂芃薈蚃肅肆薄蚂膇莁蒀蚁袇膄莆蚀罿荿节虿肁膂薁蚈螁莈蒇螇袃膀莃螇羆莆艿螆膈腿蚇螅袈肂薃螄羀芇葿螃肂肀莅螂螂芅芁袂袄肈薀袁羆芄蒆袀聿肆莂衿螈节莈袈羁膅蚇袇肃莀薃袆膅膃葿袆袅荿莅蒂羇膁芁薁肀莇蕿薀蝿膀蒅蕿羂莅蒁蕿肄芈莇薈膆肁蚆薇袆芆薂薆羈聿蒈薅肀芅莄蚄螀肇芀蚃袂芃薈蚃肅肆薄蚂膇莁蒀蚁袇膄莆蚀罿荿节虿肁膂薁蚈螁莈蒇螇袃膀莃螇羆莆艿螆膈腿蚇螅袈肂薃螄羀芇葿螃肂肀莅螂螂芅芁袂袄肈薀袁羆芄蒆袀聿肆莂衿螈节莈袈羁膅蚇袇肃莀薃袆膅膃葿袆袅荿莅蒂羇膁芁薁肀莇蕿薀蝿膀蒅蕿羂莅蒁蕿肄芈莇薈膆肁蚆薇袆芆薂薆羈聿蒈薅肀芅莄 蚂袂肈莅薈袂膁膈蒄羁袀莄莀羀羃膇蚈罿膅莂蚄羈芇芅薀羇羇蒀蒆羆聿芃螅羆膁葿蚁羅芄芁薇肄羃蒇蒃蚀肆芀荿蚀芈蒅螈虿羈莈蚄蚈肀薃薀蚇膂莆蒅蚆芅腿螄蚅羄莅蚀螄肇膇薆螄腿莃蒂螃袈膆蒈螂肁蒁螇螁膃芄蚃螀芅葿蕿蝿羅节蒅螈肇蒈莁袈膀芁虿袇衿蒆薅袆羂艿薁袅膄薄蒇袄芆莇螆袃羆膀蚂袂肈莅薈袂膁膈蒄羁袀莄莀羀羃膇蚈罿膅莂蚄羈芇芅薀羇羇蒀蒆羆聿芃螅羆膁葿蚁羅芄芁薇肄羃蒇蒃蚀肆芀荿蚀芈蒅螈虿羈莈蚄蚈肀薃薀蚇膂莆蒅蚆芅腿螄蚅羄莅蚀螄肇膇薆螄腿莃蒂螃袈膆蒈螂肁蒁螇螁膃芄蚃螀芅葿蕿蝿羅节蒅螈肇蒈莁袈膀芁虿袇衿蒆薅袆羂艿薁袅膄薄蒇袄芆莇螆袃羆膀蚂袂肈莅薈袂膁膈蒄羁袀莄莀羀羃膇蚈罿膅莂蚄羈芇芅薀羇羇蒀蒆羆聿芃螅羆膁葿蚁羅芄芁薇肄羃蒇蒃蚀肆芀荿蚀芈蒅螈虿羈莈蚄蚈肀薃薀蚇膂莆蒅蚆芅腿螄蚅羄莅蚀螄肇膇薆螄腿莃蒂螃袈膆蒈螂肁蒁螇螁膃芄蚃螀芅葿蕿蝿羅节蒅螈肇蒈莁袈膀芁虿袇衿蒆薅袆羂艿薁袅膄薄蒇袄芆莇螆袃羆膀蚂袂肈莅薈袂膁膈蒄羁袀莄莀羀羃膇蚈罿膅莂蚄羈芇芅薀羇羇蒀蒆羆聿芃螅羆膁 区域保险生态环境评价及其应用 以山东省为例高星星摘 要：目前山东省保险业要实现从保险大省向保险强省的新跨越，而面对现今保险业面临的诸多问题，转变保险产业增长方式，走可持续发展道路已经成为山东保险产业发展的迫切需要和内在要求。本文利用因子分析法对东部六省市的保险生态环境进行测算，进一步明确了山东省保险生态环境与保险强省之间的差距，并通过实证研究了保险生态环境对保险需求的影响。研究发现，基础设施环境对保险需求的影响很大，山东省应该着力于基础设施环境的建设，并进一步加强政府行为环境和金融环境建设，逐步缩小各市之间的保险生态环境差异，促进区域保险业的和谐发展。关键词：保险生态环境 因子分析 子系统一、前言山东是经济大省，近年来相继实现了经济总量和位次的跃升，2008年经济总量超过3万亿元。一方面，经济社会的快速发展，为保险发展奠定了坚实的经济基础。在地理位置上，山东地处东部沿海，是自然灾害多发省份，潜在保险需求较大。同时，山东经济社会发展正处于重要的转型期，社会保障体制正在进行深刻变革，商业性养老、医疗和健康保险等作为社会保障体系的重要组成部分，将大有可为。再次，山东是人口大省，有9400多万人口日益增长的保险保障要求。另一方面，山东省区域间存在一定的差异，以青岛、烟台、威海为代表的沿海城市的经济明显比其它各市发达。全国人大代表、山东保监局局长任建国表示，山东是一个保险大省，但不是一个保险强省。2008年，山东保费规模居全国第三位，低于全省经济总量在全国的排名；保险深度为1.93%，低于全国平均的2.85%；保险密度535.6元，与江苏、浙江、广东等省份差距较大。当然，不足就是机遇，落后就有赶追的空间。因此，从经济、人口以及保险发展现状来看，山东保险业发展潜力巨大。目前，山东省保险业要实现从保险大省向保险强省的新跨越，提出并实施了效益导向监管的创新思路。而山东省要实现保险强省目标，就必须根据各个城市的发展特点找出非均衡策略。本文将以北京、上海、江苏、浙江、山东、广东六地的保险市场为考察对象，找出影响各市保险发展的主要因素，评价各市保险业的特色和不足，为各个城市的保险业发展找到可行性的途径将是下文中主要阐述的内容。 二、文献综述1.保险生态环境的内涵目前，对金融生态的概念鉴定还没有一个统一的说法，“金融生态”是由中国人民银行行长周小川于2004年提出的，是对金融业的一种拟生化概括。周小川（2004）认为金融生态即微观层面的金融环境，包括法律、社会信用体系、会计与审计准则、中介服务体系、企业改革的进展及银企关系等方面的内容周小川.完善法律环境，打造金融生态.金融时报.2004年12月7日.。徐诺金（2005）认为“金融生态”应该理解为金融与其环境之间相互关系的总和，是各种金融组织为了生存和发展，与其生存环境之间及其内部金融组织相互之间在长期的密切联系和相互作用过程中，通过分工、合作所形成的具有一定结构特征，执行一定功能作用的动态平衡系统徐诺金.论我国的金融生态问题J 金融研究2005，(2)，35-45.。 周道许（2007）认为现代保险具有明显的生态特征，良好的保险生态是多元化保险主体为谋求生存和发展，在特定生存环境中共同构建的有序竞争、良性协作的动态平衡系统，表现为渐次演化、产品多样、联系普遍、动态平衡等特点。良好的保险生态是有利于发挥保险竞争优势的市场环境，是有利于保险业又好又快发展的社会诚信机制，是有利于保险业健康发展的动态监管思路周道许.优化保险生态，为构建和谐社会保驾护航J中国金融.2007，(5)，38-39.。 由此，我们可以把保险生态定义为：保险与其环境之间相互关系的总和，是各类保险活动主体之间、保险活动主体与其外部环境之间通过长期的密切联系和相互作用、相互影响而形成的具有一定结构特征，执行一定功能作用的动态平衡系统。2.保险生态环境构成要素的研究朱金伟（2008）提出保险生态环境是指与保险业生存、发展具有互动关系的社会、自然因素的总和，包括政治、经济、文化、地理、人口等一切与保险业相互影响、相互作用的方面，是保险业生存、发展的基础。从狭义上讲，是指微观层面的保险环境，包括法律体系、社会保障体系、会计与审计准则、保险中介服务体系及保企关系等方面的内容。保险生态环境中各因素相互联接、相互依赖、相互作用，共同构成一个有机整体，即保险生态链朱金伟.保险生态环境及其研究利用探索J.老区建设，2008，(8)，20-22.。李静在中国保险产业可持续发展的理论研究汪忠生.中国保险业改革与发展前沿问题M.机械工业出版社，2005，(9).一文中，阐述了保险产业可持续发展内涵及可持续发展条件，并提出保险产业可持续发展的条件包括：充足的保险资源、合理的产业结构、通畅的保险产业运行机制、有效的保险监管、良好的诚信环境。吕秀萍（2008）认为保险业效率水平的高低同时受多种因素的影响。其中宏观经济环境、保险市场结构、保险产权结构、保险创新水平、信息不对称以及国家对保险业的监管等是最为关键的几个因素吕秀萍.中国保险业效率的理论和实证分析M.冶金工业出版社，2008，(6)，29-48.。综上所述，可以看出国内外学者把影响金融（保险）生态环境的因素主要归结为：经济发展水平、金融发展水平、社会信用、政府行为、法治环境等方面。由于时间和篇幅的限制，本文所研究的保险生态环境是保险业赖以生存的外部环境，即狭义的保险生态环境。三、 目标城市保险生态环境优劣的测算 在文献综述的基础上，本章采用因子分析法及2007年我国北京、上海、江苏、浙江、山东、广东六地共64市的相关数据，对各地保险产业赖以生存的外部环境进行了测算，探讨各市的保险业务是否存在环境上的差异。本文假定，保险产业所处外部环境的得分的高低就代表一个保险产业所处的环境状况的好坏，得分越高，生态环境越好；反之越差。 为了评价目标城市保险生态环境的优劣，就需要找出影响目标城市保险生态环境的主要因素，那么首先需要对目标城市保险业的众多可能的影响因素进行因子分析以提取出主要的影响因子，进而得出其相应的环境得分。相比参数方法，作为非参数方法之一的因子分析方法具有不需要生产函数的确切形式、所需样本容量小等优点，且近年来被广泛应用于经济生活等方方面面的研究。因此本文采用因子分析对保险生态环境的相关指标进行测算,求得各市保险生态环境得分。 （一）变量设定和数据本文将区域保险的协调发展系统作为研究对象，考虑到保险业发展的地区差异等状况，因此本文选择少数不失一般性的指标构成保险业所处的外部环境的构成指标。 首先，根据前人的研究可以发现，大多数学者把决定保险业生态环境的因素归结为：经济发展水平、金融发展水平、社会信用、政府行为、法治环境等几个主要方面。考虑到数据的可得性以及分析的严谨性，本文把保险业所处的外部环境分为四个组成部分：经济发展环境、金融保险发展环境、政府行为环境、基础设施环境。其中，经济基础环境主要描述一个城市的经济实力以及经济发展潜力；金融保险发展环境主要描述各个城市的银行、保险业发展状况所决定的保险环境状况；政府行为通过描述政府对社会经济生活以及金融的干预程度反映其对保险生态环境的影响程度；基础设施环境通过描述与城市居民生活息息相关的基础生活环境来描述居民的生活状况，间接反映居民的健康意识、生态环保意识、安全意识，从而反映居民的保险意识。至于法治环境作为众多研究者的考察对象，本文并没有单独列出，主要是由于数据难于得到。表3.0 指标的设定经济发展环境经济开放度外商投资企业工业总产值当年使用外资可持续发展能力平均工资高校人数科学研究、技术服务和地质勘查业产业结构第三产业从业人数第一产业占GDP的比重第二产业占GDP的比重经济总量GDP人民生活水平社会消费品零售总额城乡居民储蓄年末余额投资建设水平固定资产投资基础设施环境城市面貌绿化面积城市道路交通、运输、信息化程度固定电话客运量货运总量公共汽车交通运输、仓储和邮政业文化、卫生状况剧场、影剧院数公共图书馆图书总藏量卫生社保从业人员金融保险环境金融业发展状况金融从业人员银行业规模金融机构年末贷款余额金融机构年末存款余额保险业对社会的贡献保险机构保险赔付支出政府行为环境政府的社会服务水平公共设施管理业从业人员居民服务和其他服务业政府对经济的干预程度财政收入财政支出政府科技文化建设力度教育支出科研支出各目标城市的保险数据来自历年的中国保险年鉴、其他数据来自于中国城市统计年鉴及各省统计局网站。 （二）目标城市保险生态环境得分的测算由于时间和篇幅所限，本文仅以保险产业比较发达的北京、上海、山东、江苏、浙江、广东六个地区的64个地级市为研究对象。根据2007年该64个地级市的相关数据，从基础设施环境、经济发展环境、政府行为环境、金融保险发展环境四个方面出发，运用SPSS15.0软件对保险业赖以生存的外部环境进行了测算，过程如下：1.基础设施环境(1)为了消除原来各指标量纲，使各指标之间具有可比性，对原始数据进行标准化处理。标准化的计算公式为： （i=1，2，n；j=1，2，p）其中, 和 分别是第j个变量的平均值和标准差。(2)因子相关性分析及适合性检验根据标准化后的变量求得相应的基础实施变量的相关矩阵表如表1.1所示：1.1 Correlation MatrixCorrelation绿化面积城市道路固定电话客运量公共汽车绿化面积1.000.815.591.554.695城市道路.8151.000.820.660.806固定电话.591.8201.000.644.878客运量.554.660.6441.000.413公共汽车.695.806.878.4131.000交通运输、仓储和邮政业.591.697.849.325.959剧场、影剧院数.279.472.619.371.589公共图书馆图书总藏量.467.680.852.244.897货运总量.475.640.771.481.715卫生社保从业人员.539.717.921.420.937从中看出，各个变量间存在着较为显著的相关关系，具备能够提出公因子的条件。同时得到Bartlett球形检验的结果，如表1.2所示：1.2 KMO and Bartletts TestKaiser-Meyer-Olkin Measure of Sampling Adequacy.843Bartletts Test of SphericityApprox. Chi-Square944.151df45Sig.000可以看出：应拒绝变量独立的假设，KMO统计量为0.7980.7，说明各变量间的信息的重叠程度比较高，可以进行因子分析。(3)因子提取：在因子提取过程中，得到变量共同度表，如表1.3所示：1.3 Communalities InitialExtraction绿化面积1.000.937城市道路1.000.901固定电话1.000.939客运量1.000.952公共汽车1.000.972交通运输、仓储和邮政业1.000.949剧场、影剧院数(个)1.000.963公共图书馆图书总藏量(千册、件)1.000.948货运总量(万吨)1.000.898卫生社保从业人员1.000.956Extraction Method: Principal Component Analysis.上表给出了该次分析从每个原始变量中提取的信息。可以看到，该次提取的主成分包括了各个变量至少90%（货运总量除外）的信息，因此这四个因子对基础设施环境的解释能力是比较强的。根据因子被提取的顺序，画出因子的特征值随因子变化的碎石图(图1)。从图中可以看出从第一个因子开始，曲线迅速下降，但从第4个因子开始曲线变得较平缓。因此，取前4个因子为公共因子，这4个因子已经对原变量的刻画具有显著作用，后面的因子包含了许多无关紧要的信息。图1 基础设施环境因子分析碎石图由因子相关矩阵R计算得到特征值、方差贡献率和累积贡献率，如表1.4所示： 1.4 Total Variance ExplainedComponentInitial EigenvaluesRotation Sums of Squared Loadings Total% of VarianceCumulative %Total% of VarianceCumulative %17.05970.59370.5934.48544.84844.84821.14311.43382.0262.06420.63765.4863.7067.05889.0841.56015.60581.0914.5065.06494.1481.30613.05794.1485.2792.79496.942 6.1631.63398.575 7.062.62099.194 8.042.41899.613 9.027.27199.884 10.012.116100.000 Extraction Method: Principal Component Analysis.由表1.4可知，第一因子的方差占所有因子方差的70.59%左右，前四个因子的累积贡献率达到94.15%，因此选择前四个因子已经足够描述基础设施环境的总体水平。由于初始的因子载荷矩阵不是太明显，为了使因子载荷矩阵中系数向01分布化，对初始因子载荷矩阵进行方差最大旋转，旋转后的因子载荷矩阵如表1.5所示：1.5 Rotated Component Matrix Component1234公共图书馆图书总藏量 .909 卫生、社保从业人员.857 交通运输、仓储和邮政业.818 货运总量(万吨).807 公共汽车.785 固定电话.739 绿化面积 .886 城市道路 .674 客运量 .888 剧场、影剧院数 .888从表1.5可以看出，第一公因子在除绿化面积、城市实有道路面积、客运量、剧场影院数外的其他七个变量上都有较大载荷，主要表现出文化、卫生、交通、通讯方面的综合影响，命名为公共服务因子；而第二因子在绿化面积、城市实有道路面积上有较大载荷，体现一个城市的市容市貌状况，命名为城市市容市貌因子；第三个因子只在客运量上具有较大载荷，而客运量一般能够体现一个城市的人员流动状况，表现一个城市与外界交往的状况，因此命名为人员流动因子；第四个因子只在剧场、影剧院数上有较大的载荷，命名为休闲娱乐因子。 为了考察各个城市的基础设施状况，并对其进行分析和综合评价，本文采用回归方法求出因子得分函数，得到函数的系数矩阵如表1.6所示： 1.6 Component Score Coefficient Matrix Component1234绿化面积(x1)-.230.792-.148-.110城市实有道路面积(x2)-.095.385.094-.031固定电话(x3).147-.127.231.015客运量(x4)-.221-.071.791.072公共汽车(x5).124.233-.227.033交通运输、仓储和邮政业（x6）.171.172-.312.075剧场、影剧院数（x7）-.261-.118-.0101.089公共图书馆图书总藏量（x8）.336-.116-.166-.072货运总量（x9）.455-.518.495-.502卫生社保从业人员（x10）.237-.068-.071.025由系数矩阵可以将四个公因子表示为10个指标的线性形式，因子得分函数为：再根据各个因子对应的方差贡献率为权重，计算得出各个城市的基础设施得分的综合统计量为：通过计算得出下表： 1.7 城市基础设施环境得分表 城市得分城市得分城市得分城市得分上海市4.65潍坊市0.04台州市-0.21宿迁市-0.31北京市2.82盐城市-0.01日照市-0.22中山市-0.32广州市1.09金华市-0.01衢州市-0.22清远市-0.32青岛市0.79泰安市-0.03茂名市-0.22揭阳市-0.32杭州市0.51湖州市-0.05德州市-0.22东莞市-0.33济南市0.46湛江市-0.11滨州市-0.23云浮市-0.35南京市0.4泰州市-0.12菏泽市-0.26阳江市-0.35烟台市0.34淄博市-0.13舟山市-0.27丽水市-0.35宁波市0.27扬州市-0.13韶关市-0.27珠海市-0.36深圳市0.26枣庄市-0.16汕头市-0.27潮州市-0.36徐州市0.19绍兴市-0.16嘉兴市-0.27莱芜市-0.37佛山市0.18连云港-0.16东营市-0.27河源市-0.38南通市0.17威海市-0.17肇庆市-0.28汕尾市-0.43临沂市0.15常州市-0.17无锡市-0.29镇江市-0.47济宁市0.1聊城市-0.19苏州市-0.29梅州市-0.69温州市0.09淮安市-0.19江门市-0.3惠州市-0.73从排名位于前16位的城市来看，这些城市一般都属于各省的经济强市，在基础设施建设方面表现比较突出，城市基础设施条件良好，排名具有相对合理性。在排名位于前32位的城市里，除北京、上海外，山东省共有11（11/17）市入选，江苏省共有9（9/12）入选，浙江省共有6（6/11）市入选，广东省共有4（4/22）市入选。总体上看来，山东省各个城市的经济城市环境在东部地区中比较优良。为了深入了解山东省的情况，本文把山东省的各个基础设施环境的主因子得分单独列出予以比较说明，如下表所示：1.8 山东省各市的基础设施综合得分及排名公共服务因子市容市貌因子人员流动因子休闲娱乐因子综合得分排名济南市0.579740.3820.3013-0.746230.462青岛市1.00359-0.506141.88359-0.878530.791淄博市-0.235540.101350.86201-0.55565-0.138枣庄市-0.09849-0.16037-0.45449-0.61393-0.169东营市-0.277610.04761-0.78041-0.19259-0.2716烟台市0.5436-0.517150.27759-0.531430.343潍坊市0.09622-0.327490.147280.014170.046济宁市0.23812-0.919610.313870.162920.15泰安市0.06505-0.13501-0.63699-0.33549-0.037威海市-0.135660.00673-0.51948-0.6365-0.1710日照市-0.17552-0.07651-0.62154-0.63571-0.2212莱芜市-0.382610.0823-0.97423-0.30433-0.3717临沂市0.26198-0.258480.1083-0.437270.154德州市-0.1792-0.22264-0.47928-0.35209-0.2212聊城市-0.14607-0.04377-0.86117-0.18265-0.1911滨州市-0.17145-0.2227-0.59382-0.4647-0.2314菏泽市-0.322350.07407-0.536330.2114-0.2615由于篇幅限制，本文只给出各市基础设施环境的综合得分。由上表可以看出，济南、青岛、烟台、临沂、济宁、泰安、潍坊在公共服务因子上的得分较高；济南、淄博、东营、威海、莱芜、菏泽在市容市貌因子上的得分较高；青岛、淄博、济宁、济南、潍坊等市的人员流动因子得分较高；在休闲娱乐因子上，潍坊、济宁、菏泽的得分较高。可见，各个城市基础设施环境的最终得分主要取决于第一因子得分，即公共服务因子得分。要改善一个城市的基础设施得分状况，就应该加大力度改善一个城市的公共服务系统。2.经济环境具体步骤与前面对基础设施环境进行分析一致，由于篇幅限制，本文仅就主要部分给予列出： 应用spss软件分析得到Bartlett球形检验的结果，如下表所示： 2.1 KMO and Bartletts TestKaiser-Meyer-Olkin Measure of Sampling Adequacy.843Bartletts Test of SphericityApprox. Chi-Square944.151df45Sig.000可以看出：应拒绝变量独立的假设，KMO统计量为0.8430.7，说明各变量间的信息的重叠程度比较高，可以进行因子分析。 由因子相关矩阵R计算得到表2.2： 2.2 Total Variance ExplainedComponentInitial EigenvaluesRotation Sums of Squared Loadings Total% of VarianceCumulative %Total% of VarianceCumulative %18.41270.09970.0994.35536.29336.29321.72714.39084.4903.38928.24264.5353.6915.75790.2472.03116.92181.4564.4743.95194.1981.52912.74294.1985.3482.90197.099 6.1251.04598.144 7.109.90799.051 8.061.51199.562 9.031.25999.821 10.015.12599.946 11.004.03699.982 12.002.018100.000 Extraction Method: Principal Component Analysis.由表2.2可知，第一因子的方差占所有因子方差的70 %左右，前四个因子的累积贡献率达到94.2%，因此选择前四个因子已经足够描述基础设施环境的总体水平。旋转后的因子载荷矩阵如表2.3所示： 2.3 Rotated Component Matrix(a) Component 1234外商投资企业工业总产值.943 当年使用外资.894 gdp.773 固定资产投资.728 城乡居民储蓄年末余额.653 社会消费品零售总额.651 科学研究、技术服务和地质勘查业从业人数 .912第三产业从业人数 .863高校人数 .807平均工资 .591第二产业占GDP的比重 .864第一产业占GDP的比重 -.789从表2.3可以看出，第一公因子在除科学研究、技术服务和地质勘查业、第三产业从业人数、高校人数、平均工资、第一、二产业占GDP的比重这六个因子外的其他六个变量上都有较大载荷，主要表现集中在外商投资企业工业总产值、当年实际利用外资、GDP、固定资产投资、城乡居民储蓄年末余额、社会消费品零售总额六个变量上，这六个变量分别从城市经济开放度、生产能力以及消费能力三个方面对城市经济环境进行描述，命名为生产能力因子；而第二个因子在科学研究、技术服务和地质勘查业人数、第三产业从业人数上有较大载荷，体现一个城市的第三产业投入情况，命名为第三产业因子；第三个因子高校人数和当地职工平均工资上具有较大载荷，而这两个变量前者是从人力资本供应的角度反映了一个城市的高级知识分子的供给状况，后者从人力资本价格的角度反映了一个城市劳动力的价格水平，能体现一个城市的劳动力状况，因此命名为人力资源因子；第四个因子第一产业占GDP比重、第二产业占GDP的比重上有较大的载荷，这两个因子主要反映一个城市工业、农业发展状况，因此命名为工农业因子。可以看出这四个因子的性质及其顺序较好地体现了其代表的产业对社会经济发展的影响及地位，也完全符合社会经济发展的规律，即第三产业的重要性在逐渐提升，而一二产业的重要性趋于下降。 为了考察各个城市的经济发展状况，并对其进行分析和综合评价，本文采用回归方法求出因子得分函数，得到函数的系数矩阵如表2.4所示： 2.4 Component Score Coefficient Matrix Component1234固定资产投资.172.032-.053.007当年使用外资.451-.230-.149-.079平均工资-.083-.094.462.137第三产业从业人数（万人）-.182.551-.220.064gdp.215-.017-.047-.009高校人数-.158-.336.939-.198第一产业占GDP的比重.228-.088-.316-.554第二产业占GDP的比重.005.120-.331.626科学研究、技术服务和地质勘查业-.253.695-.328.126社会消费品零售总额(万元).065.086.057-.029城乡居民储蓄年末余额.073.194-.111.010外商投资企业工业总产值.557-.294-.231-.135由系数矩阵可以将四个公因子表示为10个指标的线性形式，因子得分函数为：再根据各个因子对应的方差贡献率为权重，计算得出各个城市的经济发展环境得分的综合统计量为：通过计算得出下表：2.5 目标城市经济发展环境得分表城市得分城市得分城市得分城市得分 上海市4.07常州市0.06云浮市-0.25茂名市-0.35苏州市2.83潍坊市0温州市-0.25汕尾市-0.36深圳市1.55惠州市-0.01淄博市-0.27泰安市-0.37 北京市1.07盐城市-0.03徐州市-0.27日照市-0.37广州市0.93南京市-0.05宿迁市-0.27金华市-0.38青岛市0.77绍兴市-0.13德州市-0.27揭阳市-0.38无锡市0.69菏泽市-0.14镇江市-0.28东营市-0.4宁波市0.55临沂市-0.15阳江市-0.28枣庄市-0.41南通市0.5泰州市-0.19湛江市-0.29河源市-0.41东莞市0.42肇庆市-0.2聊城市-0.29韶关市-0.46烟台市0.38连云港-0.21清远市-0.3汕头市-0.47杭州市0.36济宁市-0.21淮安市-0.3潮州市-0.52佛山市0.33江门市-0.22湖州市-0.32衢州市-0.54济南市0.18中山市-0.24台州市-0.34莱芜市-0.55威海市0.11扬州市-0.24滨州市-0.34舟山市-0.58嘉兴市0.06珠海市-0.25梅州市-0.35丽水市-0.58从排名位于前21名（1/3）的城市来看，这些城市中包括北京上海两大经济中心、苏锡常三市、深圳、广州、青岛、宁波四个计划单列市、杭州、济南、南京三个省会城市、还有烟台、东莞等许多发展迅速的城市，上述各市都属于各省的经济强市，排名具有相对合理性。而且从第22名绍兴的得分的-0.13开始一直到位于最末的丽水得分为-0.58，之间的分值仅差0.45，可见后面各市和前面各市的差别较大，而与后2/3城市的差别并不是很大。其中，在排名位于前32位的城市里，除北京、上海外，山东省共有8（8/17）市入选，江苏省共有9（9/12）入选，浙江省共有4（4/11）市入选，广东省共有9（9/22）市入选。可见，总体上看来，山东省各个城市的经济城市环境在东部地区中表现不错，在前16席中占据4席。为了深入了解山东省的情况，本文把山东省的各个经济发展环境的主因子得分单独列出予以比较说明，如下表所示： 2.6 山东省各市的经济发展环境综合得分及排名生产能力因子第三产业因子人力资源因子工农业因子综合得分排名济南市0.09572-0.40653.33993-0.745680.183青岛市1.1021-0.611810.85883-0.160590.771淄博市-0.452570.11102-0.08961.33851-0.279枣庄市-0.582360.17156-0.696650.99295-0.4116东营市-0.706620.29212-0.318732.46082-0.415烟台市0.5103-0.06395-0.275270.59860.382潍坊市0.009410.09958-0.47230.1342305济宁市-0.274830.02976-0.191650.01663-0.218泰安市-0.47920.03175-0.312330.10238-0.3713威海市0.20758-0.23402-0.673870.69940.114日照市-0.39635-0.18275-0.42358-0.42966-0.3714莱芜市-0.802410.0302-0.32261.44494-0.5517临沂市-0.157060.08877-0.46221-0.3834-0.157德州市-0.311460.07687-0.78612-0.14572-0.279聊城市-0.331750.08771-0.974180.00194-0.2911滨州市-0.435720.04461-0.734240.59207-0.3412菏泽市0.03056-0.08064-1.26598-1.71064-0.146由上表可以看出，济南市、青岛市、烟台市、潍坊市在经济生产能力因子上的得分较高；而在生产能力因子上得分较低的部分市在第三产业因子上的得分比较高，说明这些城市的第三产业正处于快速发展的时期；济南市、青岛市在人力资源因子上的得分远高于其它市，这也证明了这两个城市的人力资本条件优越的事实；东营、威海、淄博、滨州等市的工农业因子得分较高。从最后的排名可见，青岛、济南、烟台、威海这四个城市的经济发展环境得分靠前，且主要依靠其比较优越的生产能力因子和人力资源因子获得了较高的综合得分。因此，要改善一个城市的经济发展环境得分状况，就应该加大力度改善一个城市的投入产出能力，提高人力资本质量。3.政府行为环境应用spss软件得到Bartlett球形检验的结果，如下表所示：3.1 KMO and Bartletts TestKaiser-Meyer-Olkin Measure of Sampling Adequacy.847Bartletts Test of SphericityApprox. Chi-Square1109.752 df15 Sig.000可以看出：应拒绝变量独立的假设，KMO统计量为0.8470.7，说明各变量间的信息的重叠程度比较高，可以进行因子分析。在因子提取的过程中，由因子相关矩阵R计算得到特征值、方差贡献率和累积贡献率，如表3.2所示：3.2 Total Variance ExplainedComponentInitial EigenvaluesRotation Sums of Squared Loadings Total% of VarianceCumulative %Total% of VarianceCumulative %15.63193.85493.8543.49158.18058.1802.2934.89098.7442.43440.56498.7443.054.89499.639 4.014.23799.876 5.006.10399.979 6.001.021100.000 Extraction Method: Principal Component Analysis.由表3.2可知，第一因子的方差占所有因子方差的70 %左右，前四个因子的累积贡献率达到94.2%，因此选择前四个因子已经足够描述基础设施环境的总体水平。旋转后的因子载荷矩阵如表3.3所示：3.3 Rotated Component Matrix(a) Component12财政收入.879财政支出.868教育支出.846科研支出.823居民服务和其他服务业人员.882公共设施管理业从业人员.777从表3.3可以看出，第一公因子在除居民服务和其他服务业人员、公共设施管理业从业人员外的其他四个变量上都有较大载荷，主要包含了政府的财政收入、财政支出以及政府对社会教育与科研的投入四个变量，这四个变量从不同的角度反映了政府对社会经济、文化、生活的干预程度，因此命名为政府行政能力因子；而第二个因子在居民服务和其他服务业人员、公共设施管理业从业人员上有较大载荷，体现一个城市的政府为社会提供服务情况的能力，命名为政府服务能力因子。 为了考察各个城市的政府行为环境状况，并对其进行分析和综合评价，本文采用回归方法求出因子得分函数，得到函数的系数矩阵如表3.4所示：3.4 Component Score Coefficient Matrix Component12公共设施管理业从业人员-.343.688居民服务和其他服务业-.7251.142财政收入.544-.390财政支出.497-.332教育支出.426-.246科研支出.324-.118由系数矩阵可以将四个公因子表示为10个指标的线性形式，因子得分函数为：再根据各个因子对应的方差贡献率为权重，计算得出各个城市的政府行为环境得分的综合统计量为：通过计算得出下表：3.5 目标城市政府行为环境得分表城市得分城市得分城市得分城市得分 上海市6.66莱芜市-0.13枣庄市-0.26清远市-0.32深圳市2.15珠海市-0.14丽水市-0.27徐州市-0.32 北京市1.21汕头市-0.15淮安市-0.28肇庆市-0.32东莞市0.72舟山市-0.16嘉兴市-0.28济宁市-0.33佛山市0.56日照市-0.19泰安市-0.28连云港-0.33宁波市0.55南通市-0.2云浮市-0.28临沂市-0.33南京市0.53衢州市-0.2河源市-0.29湛江市-0.33杭州市0.49台州市-0.21揭阳市-0.29聊城市-0.34苏州市0.39潍坊市-0.21韶关市-0.29镇江市-0.34无锡市0.24扬州市-0.21泰州市-0.29梅州市-0.35青岛市0.23滨州市-0.22潮州市-0.3金华市-0.36广州市0.2湖州市-0.23汕尾市-0.3盐城市-0.37常州市0