第 3 章 城镇化发展水平评价指标体系的构建
本章主要以全国 31 个省市自治区为样本，对影响城镇化发展水平的主要指标进行了因子分析。通过因子分析，降低了数据维度，构建了影响城镇化发展水平的综合评价指标，为后续研究城镇化与保险业发展的联动关系奠定了基础。
3.1 衡量城镇化发展水平的主要指标
3.1.1 指标选取
本文将城镇化水平视为一个综合概念，而并非传统意义上的城镇人口占总人口的比重。具体来说，将城镇化分为经济的城镇化、人口的城镇化，以及城市建设等方面。经济的城镇化选取了各地区城镇居民人均可支配收入、各地区非农产业占 GDP 的比重、各地区人均进出口总额、各地区人均社会消费品零售总额等指标；人口的城镇化选取了各地区城镇人口占总人口的比重、各地区城镇单位就业人员占地区总人口的比重等指标；城市建设选取了最具代表性的各地区人均城镇固定资产投资这一指标。为便于分析，用X1 代表各地区城镇居民人均可支配收入，X2 代表各地区非农产业占 GDP 的比重，X3 代表各地区人均进出口总额，X4 代表各地区人均社会消费品零售总额，X5 代表各地区城镇人口占总人口的比重，X6 代表各地区城镇单位就业人员占地区总人口的比重，X7 代表各地区人均城镇固定资产投资。
3.1.2 指标选取依据
城镇化的核心是人的城镇化，关键是提高城镇化质量，绝不是简单的土地城镇化或者人口城镇化。《国家新型城镇化规划(2014-2020 年)》指出,城镇化是现代化的必由之路，是扩大内需和促进产业升级的重要手段。《国家新型城镇化规划(2014-2020 年)》意味着城镇化建设要转变经济发展方式，加快产业结构升级，转变以往主要靠投资拉动经济增长的发展模式，在控制投资的同时要着重发挥消费和进出口对经济的拉动作用。徐洪才指出，城镇化建设没有了产业支撑，就难以持续发展，就会出现空城现象，造成资源的巨大浪费。因此本文选取了反应经济发展的城镇居民人均可支配收入，反应产业结构的非农产业占 GDP 的比重，反应对经济具有拉动效应的人均进出口总额、人均社会消费品零售总额，作为经济城镇化的指标。当前我国的土地城镇化快于人口城镇化，胡存智指出，从 2000 年至 2010 年土地城镇化速率为人口城镇化速率的 1.85 倍，直接导致农村出现了大量剩余劳动力，不仅浪费了宝贵的劳动力资源，而且阻碍了人口城镇化的进程，失去了城镇化建设的本质意义。因此本文在选取城镇化指标时将城镇人口占总人口的比重、城镇单位就业人员占地区总人口的比重这两个指标作为人口城镇化的代表指标。固定资产投资作为城镇化建设必不可少的因素，对城镇化水平的提升具有显着的影响。因此将人均城镇固定资产投资作为反映城镇建设的指标。
3.2 因子分析法模型介绍
因子分析的核心就是对数据进行压缩，以降低数据维度，达到更好地解释数据的目的。通过研究变量间相关系数矩阵的内部关系，推导出几个能够涵盖所有变量信息的随机变量，这些随机变量就是公共因子。各个变量都可以表示为公共因子的线性组合，且各个因子之间互不相关。
设样本量为 N，指标个数为 P,X 为随机向量，公共因子为 F，则因子模型可以表示为
3.3 实证分析
本节将利用因子分析法对影响城镇化水平的各变量进行实证分析，通过对各变量及其内部关系的研究，提取出少数几个能够综合反映各变量信息的公共因子。进一步通过对因子得分函数进行加权处理，可以推导出能够综合反映各地区城镇化水平的评价指标F。评价指标 F 为量化指标，将便于各地区及各年度城镇化发展水平的综合比较。
3.3.1 KMO 和 Bartlett 球形检验
KMO 和 Bartlett 球形检验在因子分析中具有重要的检验地位，KMO 检验主要用于变量间相关性的检验，取值范围在 0-1 之间，通常以 0.7 作为分界标准，越接近 1 相关性越好，反之则越差。Bartlett 球形检验主要用于单位阵检验，如果存在单位阵，各变量独立，则不能应用因子分析。
由表3-1可以看到，KMO统计量为0.845,大于0.7,由此可知因子分析的效果比较好；再由 Bartlett 球形检验结果，可判断这些原始变量的独立性假设不成立，因此因子分析的适用性比较好。
3.3.2 相关系数矩阵
通过对原始数据进行标准化处理，可得出表 3-2 各指标之间的相关系数矩阵。由表3-2 可以看出 X1、X2、X3、X4、X5、X6 各指标之间存在较强的相关性，在一定程度上存在着信息的重叠，符合因子分析法对各指标之间相关性的要求。
在因子分析过程中，特征根被视为因子代表程度大小的指标，只有因子的特征根大于 1，引入该因子才有意义，否则不如引入原始变量。由表 3-3 可以看出，在给出的 7个因子中，只有前两个因子的特征根大于 1，符合因子分析对特征根大小的要求。其中，第一因子的方差贡献率占所有因子方差的 73%左右，前两个因子方差累计贡献率为 88%左右，符合累计方差贡献率大于 85%的要求。因此只要提取前两个因子就能很好地解释城镇化发展水平。
3.3.4 研判变量共同度。
在 3.3.3 提取因子的基础上，可以计算各变量的共同度，即公因子方差，也就是公因子所能解释的各变量原始信息的程度，一定程度上代表了公因子的解释能力，如表 3-4所示。
由表 3-4 可以看出，除了各地区非农产业占 GDP 的比重的共同度为 75.5%外，剩余几个变量的共同度均在 80%以上。由此可以推断，提取的两个公因子对城镇化各指标的解释程度比较高，能够很好地解释城镇化综合发展水平。
3.3.5 因子载荷矩阵
因子载荷矩阵可以很好地说明各因子在各变量上的载荷，如表 3-5 表示的是排序后的初始载荷矩阵，显示了各因子对各变量的影响程度。
为了使初始载荷矩阵中的系数更有实际意义，并且更好地向 0—1 分化，需要对初始载荷矩阵进行方差最大化旋转，表 3-6 显示的是旋转后的因子载荷矩阵，并对载荷程度进行了排序。
由表 3-6 可以看到，各系数进一步的向 0-1 进行了分化，意义更加明显。其中第一公因子在 X4 各地区人均社会消费品零售总额、X5 各地区城镇人口占总人口的比重、X1各地区城镇居民人均可支配收入、X3 各地区人均进出口总额、X6 各地区城镇单位就业人员占地区总人口的比重、X2 各地区非农产业占 GDP 的比重等变量上具有较大的载荷，因此可以将第一公因子定义为城镇化发展的综合影响指标。第二公因子只有在 X7 各地区人均城镇固定资产投资这一变量上具有较大载荷，体现了各地区人均城镇固定资产投资对城镇化发展的影响，因此可以定义为影响各地区人均城镇固定资产投资的因子。这两个因子含有的信息很好地解释了其代表的变量对城镇化发展的影响程度，即人口因素、收入因素、就业因素，以及产业发展因素对城镇化发展的影响表较大，而城镇固定资产投资的影响程度比较小。
3.3.6 因子得分函数
为进一步研究各地区城镇化发展的综合水平，利用回归方法求出因子得分函数，函数矩阵如表 3-7 所示。
由系数矩阵可以将两个公因子表示成变量的线性形式，因子得分函数为：
F1=0.176ZX1+0.202ZX2+0.161ZX3+0.204ZX4+0.183ZX5+0.177ZX6+0.090ZX7
F2=-0.069ZX1+0.285ZX2-0.174ZX3+0.086ZX4-0.016ZX5-0.014ZX6+0.891ZX7
3.3.7 城镇化发展水平综合得分
通过以上分析，将各地区城镇化指标的标准化数值分别带入因子表达式 F1、F2，可以得到各地区两个因子的具体分值。进一步对 F1、F2 进行加权处理，可以得到反映各地区城镇化发展水平的综合指标总得分 F，综合指标 F 表达式如下：
F=F1 方差贡献率/F1F2 累计方差贡献率*F1+F2 方差贡献率/F1F2 累计方差贡献率*F2
通过计算可以得出各地区城镇化发展水平的综合得分及排名，见附录 1。通过附录1 可以看出，城镇化发展水平综合得分排在前三位的分别是北京市、上海市和天津市，这三个地区不仅人均社会消费品零售总额大、镇居民人均可支配收入高、人均进出口总额多，而且城镇人口占总人口的比重、城镇单位就业人员占地区总人口的比重也比较高，这也就决定了三地的城镇化水平处于较高水平，研究结论与现实情况也基本相符。
进一步由综合指标 F 可以得出历年城镇化发展水平具体分值，如附录 2 所示。由附录 2 可以看出，自 20 世纪 80 年代以来我国的城镇化发展水平呈现出不断上升的趋势，与近年来我国经济快速发展，居民收入不断增加，投资、消费、进出口总额不断攀升，以及产业结构和就业结构不断优化等因素息息相关。
3.4 本章小结
本章对城镇化发展水平的衡量与传统方法大不相同，以往通常只采用城镇人口占总人口的比重这一指标为衡量标准，反映出来的城镇化信息比较单一，涵盖面狭小，缺乏全面性。本章通过对城镇化发展水平综合评价指标体系进行因子分析，确定了城镇化指标体系中各地区城镇居民人均可支配收入、各地区非农产业占 GDP 的比重、各地区人均进出口总额、各地区人均社会消费品零售总额、各地区城镇人口占总人口的比重、各地区城镇单位就业人员占地区总人口的比重，以及各地区人均城镇固定资产投资等指标的因子系数，并在此基础上通过对各因子进行加权处理，形成了一个能够综合衡量城镇化发展水平的量化指标 F。综合评价指标 F，能够全面反映城镇化过程中各种信息，具有较好的可比性。进一步通过利用综合评价指标 F，对全国 31 个省市自治区，以及 20 世纪 80 年代以来的城镇化水平进行量化排名，得出的结果与现实基本相符，充分证明了城镇化是一个多元经济体的“集合”，而并非单单指城镇人口占总人口的比重。
