基于空间维的湖北省水运竞争力评价

来源:期刊VIP网所属分类:农业科技发布时间:2019-11-25浏览:

  【摘 要】 为提升湖北省水运发展水平,加快武汉航运中心建设,在明确水运竞争力概念的基础上,从空间维角度选取湖北省、湖南省、江西省为研究对象,将因子分析法应用于水运竞争力评价,建立评价指标体系,评价结果更具有客观性。结果表明,三省中湖北省水运竞争力处于领先地位,但基础竞争力和环境竞争力相对薄弱,应重点从探索水運与经济融合发展、提高政府对水运发展的支持力度等方面提高湖北省水运竞争力。

  【关键词】 湖北省;水运竞争力;空间维;因子分析法

水利工程论文

  推荐阅读:水利工程规划设计中环境影响评价探究

  湖北省具有得天独厚的水运资源优势。自“十三五”期以来,湖北省水运基础设施得到进一步完善,水运运量在综合运输中的占比稳步增长。但湖北省水运资源集中利用程度相对较低,水运基础设施难以发挥整体聚集力,与“水运强省”有一定的差距。2016年,国务院提出建设长江黄金水道,发挥内河航运作用,为湖北省水运发展提供了契机。因此,研究湖北省水运竞争力,找出湖北省水运发展面临的薄弱环节,具有重要的理论和现实意义。

  目前学术界对水运竞争力的研究已取得一定成果,现有文献研究对象集中在国家、单一省份、某一流域等层面,如:张华[1]从生产要素等多个角度对国际水运竞争力进行比较,徐斌等[2]分析了浙江省水运业发展的薄弱环节。研究方法主要集中在主成分分析法、系统聚类法、灰色关联分析法等方面,如:邓国清等[3]在建立评价指标体系的基础上,运用主成分分析法对湖北省水运竞争力进行评价;李清等[4]通过构建综合运输体系比较优势的AHP-TOPSIS组合评价模型,分析不同运输距离、运输方式中水运具备的相对优势;陈静等[5]建立水运低碳竞争力的指标体系,结合灰色关联分析法分析江苏省水运低碳竞争力水平;李志等[6]运用F-AHP模型分析内河港口竞争力。目前尚未有从空间维角度选取与水运发展关联密切的几个省份为研究对象的文献,且研究方法大多采用传统方法,而因子分析法可将几个公共因子方差贡献率作为权重来构造综合评价函数更具有客观性。因此,本文运用因子分析法对湖北省水运竞争力进行评价。

  1 水运竞争力概念及评价指标体系的构建

  1.1 水运竞争力概念

  竞争力可以理解为一个相对的概念,需要通过比较显现。结合区域经济、地理经济等相关理论,水运竞争力可以理解为:在市场竞争环境下,水运业及其相关和支持产业通过整合自身的功能要素,合理配置相关水运资源,并在不断优化与经济、社会、生态等外部环境交互关系的过程中,逐渐呈现出在占有水运市场、拉动经济和推动自身可持续发展等方面所具有的生存能力和优势。

  不同区域水运业发展的程度不同,因此水运发展在空间上具有可比性,可以借助评价方法及模型对不同区域之间的差异进行量化和对比。本文基于空间维的湖北省水运发展竞争力评价思路见图1。

  1.2 评价对象选择

  国家宏观战略及区域的区位优势、航运资源、经济综合实力等要素对区域水运发展均有较大影响。考虑到湖北、湖南、江西三省均处于长江中游,以武汉、长沙、南昌三大城市为中心的超大城市群构成“中三角”格局,将“中三角”建设成为长江经济带重要支撑和全国经济新增长极,三省面临同样的发展机遇。在考虑以上可比性、实际意义的基础上,本文选取湖南省、江西省作为竞争对象。

  1.3 评价指标体系的构建

  根据水运发展竞争力的区域可比性,综合考虑水运竞争力影响因素及指标的可得性和可操作性,以湖北省、湖南省、江西省三省水运发展竞争力为目标层,构建基于空间维水运发展竞争力的指标体系(见表1),采取专家打分法,评分等级标准见表2。

  2 湖北省水运竞争力空间维评价

  2.1 数据处理及相关性分析

  整理参考有关资料、综合专家打分的结果得到2012―2017年湖北省、湖南省、江西省各评价指标相关数据。为消除量纲及数量级的影响,采用标准差标准化方法计算相关系数矩阵,并进行统计量(KMO)和球度检验(Bartlett)原始变量的相关性。若KMO检验大于0.5、Bartlett的球形显著性小于0.01,则表示适合作因子分析。相关性计算检验结果见表3。

  从表3可以看出,KMO值为0.679(>0.5),Bartlett球度检验的显著性概率为0.000(<0.05),即相关矩阵不是单位矩阵,有共同因素存在。综合以上考虑,样本变量适合进行因子分析。

  2.2 因子提取及旋转

  2.2.1 因子提取

  本文进行因子分析所采用的变量数和样本量都比较大,未加权最小平方法提取的公共因子能够包含最多的原始信息,故采用此方法。

  (1)变量共同度。变量共同度用以表示公共因子对原始变量信息的反映程度,具体结果见表4。大部分变量的变量共同度分布于0.8~0.9,表示公共因子能够比较充分地反映原始变量的信息。

  (2)总方差解释。总方差解释表中的数据指的是标准化数据进行因子分析后的因子提取的结果,见表5。表5共提取出特征值大于1的公共因子3个。

  各因子的初始特征值是衡量因子重要程度的指标,其中:特征值的大小反映公共因子的方差贡献;方差贡献率为因子特征值占方差的百分数;累计贡献率为因子特征值占方差百分数的累加值。提取后特征值表示该列中提取特征值大于1的3个因子的特征值、占方差百分数及其累加值。该因子占方差百分数的累加值为96.564,比较全面地反映了所有的信息。旋转后特征值表示旋转之后得到的特征值大于1的3个因子的特征值、占方差百分数及其累加值。

  (3)因子载荷矩阵。观测变量与提取的公共因子之间的相关程度大小可以用因子载荷矩阵来表示。某一公共因子上载荷大的变量对该因子的影响较大,说明可以将这个变量纳入该因子。因子载荷矩阵见表6。

  根据表6可以写出因子分析模型,如下:

  从因子分析模型中可以看出,第一个公共因子主要由变量x1、x3、x5、x7、x8、x9、x10、x11、x12、x14、x16、x17来决定,因子载荷分别为0.896、0.935、0.806、0.650、0.888、0.777、0.930、0.881、0.883、0.916、0.846、0.884、0.849;第二个公共因子主要由变量x4、x6、x13来决定,因子载荷分别为0.814、0.915、0.998;第三个公共因子主要由变量x2、x15来决定,因子载荷分别为0.641、0.869。

期刊VIP网,您身边的高端学术顾问

文章名称: 基于空间维的湖北省水运竞争力评价

文章地址: http://www.qikanvip.com/nongyekeji/49501.html