县域投资环境的差异性评估范文

本站小编为你精心准备了县域投资环境的差异性评估参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

一、模型构建

投资环境评价的研究一般认为起源于跨国公司为寻找理想投资区位，而对发展中国家投资气候进行的普遍研究。自1968年，美国学者伊西•特利法克和彼德•班廷提出“冷热评价法”来评价各国投资环境以来，各种投资环境评价方法层不穷，实证研究也不断跟进。投资环境评价的核心是指标体系的选取，而投资环境评价指标体系的选取一般应遵循以下原则：系统性、可比性和差异性。

在充分借鉴相关文献研究成果的基础上，结合皖北县域区位及经济发展特点，同时考虑到数据的可获得性，我们提出了包括经济环境、基础设施环境、自然资源、市场环境等在内的综合评价指标体系。并在此基础上运用主成分分析法对皖北县域投资环境进行研究，具体指标见表1。由于本文主要研究县域投资环境问题，因此在样本选取上只包含了皖北17个县而没有把地级市中的区包括进来。

二、数据分析及结果解读

对一项投资而言，X1、X2、X10通常应被看做负指标，因此做主成分分析时应使用其倒数1/X1、1/X2和1/X10来进行分析。由于数据大小及意义差异性较大，因此在运用SPSS软件进行主成分分析时，笔者选择了以相关系数矩阵为出发点的做法。具体运行结果如下：表2给出了各主成分的特征值、方差贡献率以及主成分的累积贡献率。从中可以容易看出按特征值由大到小排序前5个主成分的累积贡献率已经达到了87.891%，这说明原始数据的大部分信息用这5个主成分来反映效果已经比较理想，因此用这5个主成分来替代原始变量并进行下一步分析是合适的。表3是因子载荷矩阵，对因子载荷矩阵第i（i=1，…，5）列的每个元素分别除以第i个特征根的平根，就得到主成分分析的第i个主成分系数（表略）。

对原始数据进行标准化处理，然后按主成分系数表进行计算即可得到17个县的主成分得分（表4）。表3左半部是因子载荷矩阵，它反映了原始变量（经标准化）的信息在各主成分上的荷载情况。对因子载荷矩阵第i列的每个元素分别除以第i个特征根的平方根，就得到主成分分析的第i个主成分系数结果（表3右半部），它放映了各主成分被原始变量线性表示的情况。根据载荷矩阵，可以看出第一主成分主要包含原变量X4、X9、X12、X13、X16的信息，即：人均生产总值、县域总人口、县域乡村人口、人均工业增加值等，反映人口及人均经济情况，因此可称为人力资源因子。第二主成分主要包含原变量X3、X6、X7、X14的信息，即县域生产总值、社会商品零售总额、县域财政支出、年末金融机构贷款余额等，反映经济总量情况，可称为总量经济因子。第三主成分主要包含原变量X1、X8、X17的信息，即：与地级区域中心的距离、县域固定资产投资规模、人均耕地等，反映基础设施情况，可称为基础设施因子。在对原始数据进行标准化处理之后，依据表3的系数矩阵就可以分别计算出皖北17县的主成分得分情况见表4（F代表主成分）。根据各主成分的经济含义，就皖北县域投资环境而言，其影响因素主要有：人力资源充沛度、经济总量规模、区位条件等。

根据总得分大体可将皖北17县投资环境分为3类：第一类（总得分1分以上）包括：太和县、临泉县、颍上县和涡阳县；第二类（总得分0分以上1分以下）包括：蒙城县、阜南县、利辛县、萧县和怀远县；其余归为第三类。投资环境的排名也不是绝对的，以上结果是在本文指标体系框架内得到的。在笔者选取指标体系时，有些相关指标如交通等，由于不可得而不得不舍弃，有些指标如政府效率等由于不容易量化亦未能入选，这些都是今后有待完善的地方。

作者：赵现军单位：徽科技学院财经学院讲师