新疆城鎮(zhèn)化水平影響因素分析摘要：近年來，新疆的快速發(fā)展，城鎮(zhèn)化的發(fā)展取得了顯著地成績。本文主要通過線性回歸的方法來簡單觀測(cè)新疆地區(qū)城鎮(zhèn)化率的發(fā)展水平以及今后的發(fā)展預(yù)測(cè)值，對(duì)新疆現(xiàn)在的城鎮(zhèn)化水平有一個(gè)簡單的了解，然后運(yùn)用因子分析中的主成分分析方法研究探討影響新疆城鎮(zhèn)化率的影響因素，我們選取了2000年—2016年新疆地區(qū)的人均GDP、城鎮(zhèn)登記失業(yè)率、進(jìn)出口總額、人均固定資產(chǎn)投資額、城鎮(zhèn)收入差距、非農(nóng)產(chǎn)業(yè)就業(yè)比重、非農(nóng)產(chǎn)業(yè)產(chǎn)值比重、城鎮(zhèn)居民消費(fèi)差距、人均社會(huì)消費(fèi)品零售總額九個(gè)因素進(jìn)行分析，從而提出加快新疆地區(qū)城鎮(zhèn)化的建議。一、引言：城鎮(zhèn)化是指隨著一個(gè)國家或地區(qū)社會(huì)生產(chǎn)力的發(fā)展、科學(xué)技術(shù)的進(jìn)步以及產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整，其社會(huì)由以農(nóng)業(yè)為主的傳統(tǒng)鄉(xiāng)村型社會(huì)向以工業(yè)（第二產(chǎn)業(yè)）和服務(wù)業(yè)（第三產(chǎn)業(yè)）等非農(nóng)產(chǎn)業(yè)為主的現(xiàn)代城市型社會(huì)逐漸轉(zhuǎn)變的歷史過程。一個(gè)地區(qū)的城鎮(zhèn)化率是指這個(gè)地區(qū)城鎮(zhèn)常住人口占地區(qū)總?cè)丝诘谋壤?，是衡量一個(gè)地區(qū)城鎮(zhèn)化水平的一個(gè)重要指標(biāo)。當(dāng)前，我們正處于中華民族偉大復(fù)興的大好時(shí)機(jī)，城鎮(zhèn)化的快速發(fā)展有利于拉動(dòng)內(nèi)需，擴(kuò)大消費(fèi)，有著促進(jìn)經(jīng)濟(jì)快速發(fā)展的不可替代的作用。同時(shí)，一個(gè)地區(qū)的城鎮(zhèn)化率也代表著一個(gè)地區(qū)的經(jīng)濟(jì)實(shí)力，城鄉(xiāng)之間差距越小，經(jīng)濟(jì)發(fā)展水平越好，地區(qū)的GDP相對(duì)來說也就越高，可以說提高城鎮(zhèn)化率也是地區(qū)經(jīng)濟(jì)快速發(fā)展的一個(gè)努力方向。新疆維吾爾自治區(qū)在我國西部大開發(fā)的戰(zhàn)略決策中起到了無可替代的作用，新疆維吾爾自治區(qū)面積廣闊，約占我國領(lǐng)土面積的六分之一，農(nóng)產(chǎn)品種類豐富，煤炭、石油、天然氣等各種自然資源豐厚，享有極大的自然優(yōu)勢(shì)。新疆維吾爾自治區(qū)周圍與俄羅斯、哈薩克斯坦、吉爾吉斯斯坦、塔吉克斯坦、巴基斯坦、蒙古、印度、阿富汗斯坦八國接壤，是歷史上的重要的古絲綢之路、交通要道，特別是我們現(xiàn)在一帶一路戰(zhàn)略的快速實(shí)行，新疆又一次迎來了騰飛的機(jī)遇。數(shù)據(jù)與方法通過查詢收集2017年新疆維吾爾自治區(qū)統(tǒng)計(jì)局發(fā)布的統(tǒng)計(jì)年鑒的數(shù)據(jù)，我們選取2000—2016年的人均GDP、城鎮(zhèn)登記失業(yè)率、進(jìn)出口總額、人均固定資產(chǎn)投資額、城鎮(zhèn)收入差距、非農(nóng)產(chǎn)業(yè)就業(yè)比重、非農(nóng)產(chǎn)業(yè)產(chǎn)值比重、城鎮(zhèn)居民消費(fèi)差距、人均社會(huì)消費(fèi)品零售總額九個(gè)數(shù)據(jù)作為研究影響新疆地區(qū)的城鎮(zhèn)化率的影響因素。人均GDP體現(xiàn)了新疆地區(qū)經(jīng)濟(jì)發(fā)展與人口的關(guān)系；城鎮(zhèn)登記失業(yè)率體現(xiàn)了城鎮(zhèn)的就業(yè)狀況；進(jìn)出口總額體現(xiàn)了地區(qū)外向經(jīng)濟(jì)規(guī)模；人均固定資產(chǎn)投資額反映了地區(qū)經(jīng)濟(jì)發(fā)展水平和投資水平；城鎮(zhèn)收入差距反映了城鄉(xiāng)生活差距；非農(nóng)產(chǎn)業(yè)就業(yè)比重反映就業(yè)結(jié)構(gòu)對(duì)城鎮(zhèn)化發(fā)展的影響；非農(nóng)產(chǎn)業(yè)產(chǎn)值比重體現(xiàn)了產(chǎn)業(yè)結(jié)構(gòu)對(duì)城鎮(zhèn)化的推動(dòng)作用；城鎮(zhèn)居民消費(fèi)差距反應(yīng)了城鄉(xiāng)消費(fèi)差距；人均社會(huì)消費(fèi)品零售總額反應(yīng)城市居民消費(fèi)狀況。1、驗(yàn)證數(shù)據(jù)相關(guān)性首先，我們研究我們事先選取的單一指標(biāo)對(duì)新疆城鎮(zhèn)化率的影響程度，通過運(yùn)用SPSS統(tǒng)計(jì)軟件一元線性回歸的分析研究說明城鎮(zhèn)化率是否與我們所選取的指標(biāo)都分別存在明顯的線性關(guān)系。經(jīng)統(tǒng)計(jì)軟件分析，我們得出表2-1：表2-1模型非標(biāo)準(zhǔn)化係數(shù)標(biāo)準(zhǔn)化係數(shù)T顯著性R平方B標(biāo)準(zhǔn)錯(cuò)誤Beta1（常數(shù)）31.347.49263.730.000.965人均GDP.000.000.98220.189.0002（常數(shù)）90.23211.1348.104.000.576城鎮(zhèn)登記失業(yè)率-13.9823.095-.759-4.518.0003（常數(shù)）33.2231.14129.109.000.768進(jìn)出口總額（萬美元）4.806E-6.000.8777.054.0004（常數(shù)）34.573.68050.858.000.880人均固定資產(chǎn)投資額.000.000.93810.485.0005（常數(shù)）29.951.73840.590.000.938城鎮(zhèn)收入差距.001.000.96915.108.0006（常數(shù)）31.828.50563.075.000.959人均社會(huì)消費(fèi)品零售總額.001.000.98018.837.0007（常數(shù)）-137.58741.637-3.304.005.548非農(nóng)產(chǎn)業(yè)產(chǎn)值比重2.175.510.7414.267.0018（常數(shù)）-15.5793.477-4.480.000.945非農(nóng)產(chǎn)業(yè)就業(yè)比重1.122.070.97216.058.0009（常數(shù)）32.916.53861.176.000.944城鎮(zhèn)居民消費(fèi)差距.012.001.97215.907.000我們對(duì)所研究的9個(gè)指標(biāo)與城鎮(zhèn)化率分別做了一元線性回歸分析，根據(jù)我們上述的統(tǒng)計(jì)分析表明：第一、9個(gè)指標(biāo)的分析結(jié)果顯示8個(gè)指標(biāo)的顯著性均小于0.05，說明我們事先選取的指標(biāo)可信度較高，城鎮(zhèn)化率與這9個(gè)指標(biāo)都有著十分顯著的的一元線性關(guān)系；第二、在人均GDP、進(jìn)出口總額、人均固定資產(chǎn)投資額、城鎮(zhèn)收入差距、人均社會(huì)消費(fèi)品零售總額、非農(nóng)產(chǎn)業(yè)就業(yè)比重、城鎮(zhèn)居民消費(fèi)差距這7個(gè)影響因素方面，指標(biāo)的R平方的值都很高，說明這7個(gè)因素與城鎮(zhèn)化率做一元線性回歸的結(jié)果模型整體擬合度很高，所以說明我們所選取的大多數(shù)指標(biāo)對(duì)城鎮(zhèn)化率的變化有著明顯的影響。我們還可以發(fā)現(xiàn)城鎮(zhèn)登記失業(yè)率和非農(nóng)產(chǎn)業(yè)產(chǎn)值比重兩個(gè)指標(biāo)的R平方的值相對(duì)來說比較低，這兩個(gè)指標(biāo)與城鎮(zhèn)化率做一元線性回歸的結(jié)果模型擬合度較低，說明這兩個(gè)指標(biāo)對(duì)城鎮(zhèn)化率的變化相對(duì)解釋較弱，這種情況是由多種原因造成的，由于西部大開發(fā)的政策，政府積極引進(jìn)人才、創(chuàng)造就業(yè)崗位、較為重視就業(yè)工作，新疆地區(qū)的失業(yè)率低，所以城鎮(zhèn)登記失業(yè)率對(duì)城鎮(zhèn)化的影響較低；由于新疆地區(qū)還較為落后，各項(xiàng)工業(yè)發(fā)展不是很平衡，農(nóng)業(yè)，服務(wù)業(yè)等工業(yè)發(fā)展較為發(fā)達(dá)，所以非農(nóng)產(chǎn)業(yè)產(chǎn)值比重對(duì)城鎮(zhèn)化的影響不明顯。簡單曲線估計(jì)及函數(shù)關(guān)系預(yù)測(cè)我們選取進(jìn)行線性回歸研究，簡單觀測(cè)新疆地區(qū)城鎮(zhèn)化率的發(fā)展水平以及今后的發(fā)展預(yù)測(cè)值，我們選用SPSS中線性中曲線估計(jì)進(jìn)行簡單的驗(yàn)證，將年份作為自變量，將城鎮(zhèn)化率作為因變量進(jìn)行線性回歸，通過線性回歸分析我們可以對(duì)以及今后新疆城鎮(zhèn)化率的發(fā)展有一個(gè)簡單的預(yù)測(cè)。分析數(shù)據(jù)，利用SPSS軟件中的線性回歸進(jìn)行分析，結(jié)果如表2-2表2-2模型總計(jì)及參數(shù)評(píng)估因變數(shù):城鎮(zhèn)化率方程式模型摘要參數(shù)評(píng)估R平方Fdf1df2顯著性常數(shù)b1b2b3線性.981794.953115.000-1928.122.980對(duì)數(shù).981788.544115.000-14926.5791968.028二次曲線模型.982801.355115.000-944.108.000.000三次曲線模型.982807.748115.000-616.103.000.0008.104E-8成長模式.984900.617115.000-45.519.025指數(shù)模式.984900.617115.0001.703E-20.025自變數(shù)為年份。由SPSS軟件分析可知指數(shù)模式R平方值最高，且顯著性為0.000，所以模型建立擬合優(yōu)度較好，可以用來進(jìn)行簡單的預(yù)測(cè)，指數(shù)模式分析結(jié)果如下，如表2-3，函數(shù)關(guān)系圖如表2-4：表2-3模型總計(jì)及參數(shù)評(píng)估因變數(shù):城鎮(zhèn)化率方程式模型摘要參數(shù)評(píng)估R平方Fdf1df2顯著性常數(shù)b1指數(shù)模式.984900.617115.0001.703E-20.025自變數(shù)為年份。表2-4由指數(shù)模型分析得到了年份與新疆城鎮(zhèn)化率的簡單函數(shù)：y=1.702948711798599e-020*exp(0.02450321544029619*x)根據(jù)指數(shù)模型函數(shù)對(duì)2016年新疆城鎮(zhèn)化率預(yù)測(cè)結(jié)果為48.38，而2016年新疆城鎮(zhèn)化率計(jì)算值為48.35，預(yù)測(cè)值與真實(shí)值誤差相差0.062%，較為可信。2017年我國城鎮(zhèn)化率為58.52，而根據(jù)我們所得出的預(yù)測(cè)函數(shù)，直到2024年新疆城鎮(zhèn)化率才能達(dá)到58.86，可以說新疆地區(qū)與全國城鎮(zhèn)化水平相差7年。3、影響因素分析我們所選取的9個(gè)因素都對(duì)新疆地區(qū)城鎮(zhèn)化率產(chǎn)生了顯著的影響，為了能夠表明對(duì)城鎮(zhèn)化的主要影響方面，究竟是社會(huì)因素，還是經(jīng)濟(jì)因素，還是投資因素，我們這里進(jìn)行因子分析。運(yùn)用因子分子對(duì)我們?cè)瓉磉x取的指標(biāo)進(jìn)行整合調(diào)整，將我們?cè)瓉磉x取的9個(gè)指標(biāo)重疊的關(guān)鍵信息提取成一個(gè)或幾個(gè)綜合因子。在對(duì)數(shù)據(jù)做因子分析之前，我們需要驗(yàn)證各個(gè)因子變量之間有沒有較強(qiáng)的相關(guān)性。只有各個(gè)因子變量之間有較強(qiáng)的相關(guān)性，我們才可以對(duì)數(shù)據(jù)指標(biāo)進(jìn)行因子分析。利用SPSS統(tǒng)計(jì)軟件，對(duì)上述所選。取的指標(biāo)進(jìn)行因子分析，得出9個(gè)影響因素的相關(guān)性矩陣表。由表可以得出，我們所選取的指標(biāo)之間有較強(qiáng)的相關(guān)性關(guān)系，所以可以進(jìn)行因子分析。同時(shí)，我們運(yùn)用了SPSS中的KMO和Bartlett球體檢驗(yàn)對(duì)數(shù)據(jù)變量是否適合做因子分子進(jìn)行檢驗(yàn)。如表2-5、2-6：表2-5相關(guān)性矩陣人均GDP城鎮(zhèn)登記失業(yè)率進(jìn)出口總額（萬美元）人均固定資產(chǎn)投資額城鎮(zhèn)收入差距非農(nóng)產(chǎn)業(yè)就業(yè)比重非農(nóng)產(chǎn)業(yè)產(chǎn)值比重城鎮(zhèn)居民消費(fèi)差距人均社會(huì)消費(fèi)品零售總額相關(guān)人均GDP1.000-.782.893.973.972.943.734.985.994城鎮(zhèn)登記失業(yè)率-.7821.000-.682-.741-.735-.631-.426-.781-.780進(jìn)出口總額（萬美元）.893-.6821.000.789.792.858.784.821.848人均固定資產(chǎn)投資額.973-.741.7891.000.978.898.671.979.983城鎮(zhèn)收入差距.972-.735.792.9781.000.939.704.992.990非農(nóng)產(chǎn)業(yè)就業(yè)比重.943-.631.858.898.9391.000.778.924.940非農(nóng)產(chǎn)業(yè)產(chǎn)值比重.734-.426.784.671.704.7781.000.701.721城鎮(zhèn)居民消費(fèi)差距.985-.781.821.979.992.924.7011.000.995人均社會(huì)消費(fèi)品零售總額.994-.780.848.983.990.940.721.9951.000表2-6KMO與Bartlett檢定Kaiser-Meyer-Olkin測(cè)量取樣適當(dāng)性。.689Bartlett的球形檢定大約卡方338.115df36顯著性.000我們運(yùn)用SPSS統(tǒng)計(jì)軟件對(duì)數(shù)據(jù)變量進(jìn)行KMO和Bartlett球體檢驗(yàn)，得出以下結(jié)果；1、KMO的檢驗(yàn)值為0.689。當(dāng)所有變量間的簡單相關(guān)系數(shù)平方和遠(yuǎn)遠(yuǎn)大于偏相關(guān)系數(shù)平方和時(shí)，KMO值接近1.KMO值越接近于1，意味著變量間的相關(guān)性越強(qiáng)，原有變量越適合作因子分析；當(dāng)所有變量間的簡單相關(guān)系數(shù)平方和接近0時(shí)，KMO值接近0。KMO值接近0，意味著變量間的相關(guān)性越弱，原有變量不適合作因子分析。Kaiser給出了常用的KMO度量標(biāo)準(zhǔn)：0.9以上表示非常適合；0.8表示適合；0.7表示一般；0.6表示不太合適；0.5表示極不合適。根據(jù)SPSS檢驗(yàn)結(jié)果表明，KMO值為0.689＞0.5，Bartlett球形檢驗(yàn)的顯著性值為0.000＜1%。有相關(guān)性矩陣與KMO和Bartlett球體檢驗(yàn)兩項(xiàng)檢驗(yàn)表明，變量之間存在較強(qiáng)的相關(guān)性，適合作因子分析。接下來，我們以時(shí)間為序列對(duì)選取指標(biāo)進(jìn)行因子分析。我們運(yùn)用SPSS統(tǒng)計(jì)軟件中的因子分析的主成分分析，選取最大方差法進(jìn)行因子旋轉(zhuǎn)，進(jìn)而提取計(jì)算得到的各因子總方差解釋表、旋轉(zhuǎn)后因子載荷矩陣和因子協(xié)方差矩陣，得出影響新疆城鎮(zhèn)化發(fā)展的主要綜合因子。我們將選取的9個(gè)影響新疆城鎮(zhèn)化的因素運(yùn)用SPSS統(tǒng)計(jì)軟件中的主成分因子分析方法進(jìn)行因子分析，運(yùn)用最大方差方法對(duì)變量數(shù)據(jù)進(jìn)行分析得出了因子載荷和貢獻(xiàn)值，如表2-7：表2-7說明的變異數(shù)總計(jì)元件起始特徵值擷取平方和載入總計(jì)變異的%累加%總計(jì)變異的%累加%17.75686.17886.1787.75686.17886.1782.6367.06893.2453.3493.88097.1254.1631.81298.9375.071.78999.7276.018.19899.9257.005.05599.9798.002.01799.9969.000.004100.000擷取方法：主體元件分析。由表2-7可知，當(dāng)因子的方差累計(jì)貢獻(xiàn)值達(dá)到93.245%時(shí)，兩個(gè)公因子能夠較好的包含所有選取指標(biāo)因素包含的信息內(nèi)容。由此可知，我們?cè)谶M(jìn)行主成分因子分析時(shí)，可以將要提取的因子固定數(shù)量設(shè)定為2，得到最大方差法下旋轉(zhuǎn)后的因子載荷矩陣表，如表2-8、2-9：表2-8說明的變異數(shù)總計(jì)元件起始特徵值擷取平方和載入循環(huán)平方和載入總計(jì)變異的%累加%總計(jì)變異的%累加%總計(jì)變異的%累加%17.75686.17886.1787.75686.17886.1784.64451.60051.6002.6367.06893.245.6367.06893.2453.74841.64693.2453.3493.88097.1254.1631.81298.9375.071.78999.7276.018.19899.9257.005.05599.9798.002.01799.9969.000.004100.000擷取方法：主體元件分析。表2-9旋轉(zhuǎn)元件矩陣a元件12人均GDP.773.628城鎮(zhèn)登記失業(yè)率-.907-.157進(jìn)出口總額（萬美元）.545.732人均固定資產(chǎn)投資額.795.558城鎮(zhèn)收入差距.775.598非農(nóng)產(chǎn)業(yè)就業(yè)比重.614.743非農(nóng)產(chǎn)業(yè)產(chǎn)值比重.212.934城鎮(zhèn)居民消費(fèi)差距.804.577人均社會(huì)消費(fèi)品零售總額.791.605擷取方法：主體元件分析。轉(zhuǎn)軸方法：具有Kaiser正規(guī)化的最大變異法。a.在3疊代中收斂循環(huán)。經(jīng)過因子旋轉(zhuǎn)后的矩陣，我們可以提取出兩個(gè)公因子：將人均GDP、城鎮(zhèn)登記失業(yè)率、人均固定資產(chǎn)投資額、城鎮(zhèn)收入差距、城鎮(zhèn)居民消費(fèi)差距、人均社會(huì)消費(fèi)品零售總額指標(biāo)歸結(jié)為第一公因子，第一公因子的方差累計(jì)貢獻(xiàn)率為51.600%；進(jìn)出口總額、非農(nóng)產(chǎn)業(yè)就業(yè)比重、非農(nóng)產(chǎn)業(yè)產(chǎn)值比重指標(biāo)歸結(jié)為第二公因子，第一公因子主要反映了社會(huì)城鎮(zhèn)發(fā)展差距水平，所以定義為發(fā)展差距因子；第二公因子主要反映了非農(nóng)產(chǎn)業(yè)經(jīng)濟(jì)發(fā)展情況，所以將其定義為非農(nóng)產(chǎn)業(yè)因子。結(jié)論文章首先對(duì)城鎮(zhèn)化有一個(gè)詳細(xì)的了解，并結(jié)合新疆地區(qū)實(shí)際情況進(jìn)行了簡單的論述分析。之后，根據(jù)專家學(xué)者的研究情況與本文對(duì)新疆地區(qū)的實(shí)際情況的分析，我們選取了人均GDP、城鎮(zhèn)登記失業(yè)率、進(jìn)出口總額、人均固定資產(chǎn)投資額、城鎮(zhèn)收入差距、非農(nóng)產(chǎn)業(yè)就業(yè)比重、非農(nóng)產(chǎn)業(yè)產(chǎn)值比重、城鎮(zhèn)居民消費(fèi)差距、人均社會(huì)消費(fèi)品零售總額九個(gè)影響因素對(duì)新疆地區(qū)的城鎮(zhèn)化率進(jìn)行分析。根據(jù)一元線性回歸分析表明，我們所選取的九個(gè)影響指標(biāo)均對(duì)新疆地區(qū)的城鎮(zhèn)化率均有相關(guān)影響作用；本文運(yùn)用因子分析法將九個(gè)指標(biāo)分為兩個(gè)公因子，將人均GDP、城鎮(zhèn)登記失業(yè)率、人均固定資產(chǎn)投資額、城鎮(zhèn)收入差距、城鎮(zhèn)居民消費(fèi)差距、人均社會(huì)消費(fèi)品零售總額指標(biāo)歸結(jié)為第一公因子，將其定義為發(fā)展差距因子。進(jìn)出口總額、非農(nóng)產(chǎn)業(yè)就業(yè)比重、非農(nóng)產(chǎn)業(yè)產(chǎn)值比重指標(biāo)歸結(jié)為第二公因子，將其定義為非農(nóng)產(chǎn)業(yè)因子。根據(jù)我們的統(tǒng)計(jì)分析得出的結(jié)果，人均GDP、人均固定資產(chǎn)投資額、城鎮(zhèn)收入差