论文部分内容阅读
【摘 要】为探究我国城市绿化建设水平的区域差异及影响因素，本文利用2019年中国城市统计年鉴的数据资料，使用全国297个城市的截面数据作为样本，探究影响城市绿地建设水平的各个影响因素。在城市规模、社会经济发展水平、建成区面积和政府经济行为四个基础研究因子上，本文探究尝试加入两个新影响因素——创新能力与科技水平和城镇化水平，并运用主成分分析法对代表这两个影响因素的多个变量进行主成分分析，提取出两个主因子。最后，在已有四个基础因子的基础上加入提取出的新因子进行多元回归分析，构建以城市绿地面积为被解释变量的回归模型。
【关键词】城市绿地建设;多元线性回归分析;主成分分析;SPSS软件
一、引言
城市绿化建设是生态文明建设中的国土绿化的重要组成部分，也是城市现代化建设的重要内容。但受限于城市规模、经济发展等众多影响因素，我国各城市的绿化建设水平呈现出较大的差异。想要对这种差异做出进一步科学的解释，就需要对造成差异的影响因素进行分析。
本文选取了2019年统计年鉴中297个城市的截面数据，使用文献研究和实证研究结合的方法，探究我国绿地建设水平的影响因素，并通过主成分分析法和多重线性回归法定量地分析各因子对绿地建设水平的效用水平及影响机制。
二、文献综述
近年来，对城市绿地建设水平进行研究的学者数量有限。如伍伯妍和钟全林（2012）[1]得出建成区绿化覆盖率在空间上呈现由东南至西北逐渐降低，与我国的城市化程度、经济发展水平及人口密度的分布方向基本一致的结论，并发现了建成区绿化覆盖面积与地区生产总值、人口数量、建成区土地面积均呈正相关的规律。叶骏骅（2013）[2]利用Spearman秩相关检验，将我国分为东、中、西三个地区进行差异性分析，同时将城市规模、社会经济发展水平、建成区面积和政府经济行为这四项列为影响因素，着重对社会经济发展水平这一因素进行分析。周文（2015）[3]基于对京津冀城市群县级市横截面数据的分析，发现建成区绿地面积与建成区面积、地区人均GDP有密切关系。
根据已有文献中学者对于城市绿化建设影响因素研究的结论，我们从2019年城市统计年鉴选取了297个城市的城市规模（人口）、社会经济发展水平（生产总值）、建成区面积（城市用地面积）和政府经济行为（公共预算支出）四个影响因素作为基础研究因子。
在通过皮尔逊相关性检验确定了变量人口、城市用地面积、生产总值、公共预算支出均与城市绿地面积存在显著的正相关关系后，我们对四个因子分别取对数处理并建立多元线性回归模型，模型形式为：
三、数据来源
（一）数据出处
本文的原始数据来源于《中国城市统计年鉴——2019》，该年鉴收录了全国地级以上城市（不包括香港、澳门和台湾）2018年社会经济发展方面的主要统计数据。我们选择其中的297个城市作为分析的样本，但是由于统计问题，一些城市的相关变量数据缺失，在这里我们采用将0设为缺失值的方法解决缺失数据的问题。
（二）变量描述
本文采用城市绿地面积来衡量城市绿化建设水平，各市的年平均人口来衡量该地区的城市规模，各市的地区生产总值来衡量各地区的社会经济发展状况，各市的城市建设用地面积来衡量建成区面积，各市政府的地方一般公共预算支出（全市）来衡量政府消费情况，专利申请数、专利授权数、发明件数三项来衡量城市的创新能力和科技水平，商品房销售面积、实有道路面积、工业用电三项测量城市城镇化水平。
我们按照李孝聪在《中国区域历史地理》一书中提到对中国区域划分为“三大地带”的方法，将各城市分别归入西部、中部和东部地带。
四、主成分分析
（一）其他影响因素探索
除了已有研究成果中的城市规模、经济发展水平、建成区域面积和政府经济行为四個方面，我们认为城市的创新能力和科技水平、城镇化水平对城市绿化建设水平也有所影响。为了探究这两项是否对城市绿化建设水平有影响，我们首先选取了多个变量，对城镇化、创新能力和科技水平进行度量。
1.创新能力和科技水平测度
我们认为专利申请数、专利授权数、发明件数可以测量一个城市的创新能力和科技水平。专利申请数和授权数大，说明该城市的创新能力强，能够推动科技水平的提高;且只有在一定的科技水平上，才能够获得有效专利和发明。
2.城镇化水平测度
商品房销售面积和实有道路面积可以测度城市建设范围，工业用电可以测度工业实际运行情况，因此我们认为这三个变量可以包含城市城镇化信息。
（二）主成分分析
1.主成分适用性检验
在对变量进行标准化之后，计算的相关性矩阵显示，所选择的6个变量间的相关系数在0.409-0.992区间，在0.01水平下均显著，相关性较高，可以进行主成分分析。通过主成分分析得出KMO值为0.829，Bartlett球形检验概率值为0.000，由此可以判断相关系数矩阵不是单位矩阵，原始变量存在相关关系，可以进行主成分分析。通过主成分分析法对公因子方差提取，使绝大多数的变量信息被提取到，可以使用主成分因子代替原始因子。
2.主成分提取
第一个主成分的特征值4.468，解释6个原始变量总方差的74.464%，累计方差贡献率为74.464%;第二个主成分的特征根0.797，解释 6个原始变量总方差的13.283%，累计方差贡献率为87.748%。我们使用特征根和累计方差贡献率两种方法来确定主成分的数量，提取累计方差贡献率>85%的成分。从下表可以看出，经过主成分分析，有2个主成分被提取，它们对应的累计方差贡献率为87.748%，表明提取的主成分涵盖了原始变量的足够信息。
3.主成分因子的解释 由初始成分矩阵得出，第一个主成分有与所有变量呈正相关，专利申请数贡献率是0.957，专利授权数贡献率是0.953，发明件数的贡献率是0.854，商品房销售面积的贡献率是0.702，城市道路面积的贡献率是0.899，工业用电的贡献率是0.783。第二个主成分与城镇化水平测度指标成正相关，商品房销售面积的贡献率是0.619，城市道路面积的贡献率是0.232，工业用电的贡献率是0.242，;与创新能力与科技水平测度指标成负相关，专利申请数贡献率是-0.237，专利授权数贡献率是-0.256，发明件数的贡献率是-0.424，。
4.主成分因子计算
将初因子载荷矩阵中的每列的系数除以其相应主成分的特征根的平方根后才能得到主成分系数向量。设置两个成分系数变量。
五、多元线性回归
在四个基础因子的基础上，再加入主成分分析法中得到的主成分因子作为自变量，对绿地面积进行线性回归。
由于政府支出变量的存在导致多重共线问题，剔除政府支出后，。从对系数进行T检验的结果可以看出，除人口外的所有变量都在5%水平下显著。在多重线性检验中，都小于10，模型不存在多重共线性关系。在独立性检验中，DW-value=1.510，可以认为自相关性低。
从上表中标准化的系数表示，生产总值和第二个主成分因子与绿地面积负相关，而人口、政府支出、建筑面积、第一个主成分因子与绿地面积正相关。结合变量所测度的概念，初步分析绿地面积的影响因素和作用机制如下：
（1）城市规模：模型中人口的系数为正，说明城市规模的扩大，将会导致城市绿地面积上升。居民人数越大，对绿地需求越大，对绿地面积有正向影响。但由于人口变量在回归中的显著性一直不显著，推广到总体可以认为其系数为0，对绿地面积没有影响。
（2）社会经济发展水平：模型中生产总值的系数为负，说明一个地区的经济发展水平提高，会导致城市绿地面积下降。一个地区的工业越发达，地区生产总值会越高，但是受限于资源利用率和土地利用率，更多的资源和土地投入经济生产中，使公共产品绿地面积下降。
（3）建成区面积：模型中城市用地面积的系数为正，说明城市绿地面积和建成区面积呈现相同的变化趋势。由于城市绿化建设受限于当地的土地面积及其利用情况，所以对于建成区面积小的城市，其土地面积一般较小或土地的利用程度较低，难以提高绿地建设水平。
（4）创新能力：由于在第一成分中创新能力系数为正，在第二主成分中创新能力系数为负，且在模型中第一主成分的系数为正、第二主成分的系数为负，说明创新能力的提高，将会导致绿地面积上升。创新能力一定程度说明了社会生产效率的提高速度，创新能力越强，预示着生产工具的迭代速度越快，生产效率提高也越快，这有助于社会经济结构转型，从资源密集型和劳动密集型转化为知识密集型和资金密集型。这使社会资源除了投入生产满足居民生活的必需品外，还能投入到居住环境的改善，打造更健康的生活环境，创建人与自然更和谐的关系。
（5）城镇化水平：第一主成分和第二成分都测度了城镇化水平，在第一成分和第二主成分中城镇化水平系数都为为正，因此第一主成分的系数为正而第二成分的系数为负，说明城镇化水平提高，将导致绿地面积上升，但城镇化水平的影响小于创新能力。用商品房和城市道路以及工业用电来说明城镇化，是一个比较综合的指标，反映了城市的基礎建设水平和工业繁荣程度。工业繁荣为城市建设提供了经济基础和资金支持，同时也会促进城镇化范围的扩大和城市建设的完善，而城市基础建设，通常伴随着绿化建设，如道路建设会伴随着行道树和绿化带的建设，因此城市基础设施建设，会促进城市绿化。
综上所述，对绿地有影响作用的因素主要是生产总值、城市建设面积、创新能力与科技水平、城镇化水平。
六、总结与结论
为了加强我国城市绿地建设、提高我国城市绿地总体水平，我国应当扩大建成区面积，从而降低建成区土地整体利用强度，为提高建成区绿化覆盖面积提供更多的空间，推动城市绿地建设稳步前进。
同时还应该稳步推进城镇化建设，加强基础设施建设，完善城市功能，扩大城市容量，合理、节约地利用资源，保护和珍惜生态环境，提升城市绿地水平。
科技创新保障高质量发展，其带来的技术变革和质量提升，可以驱动城市绿地建设的新发展。因此我国应紧跟或积极引领当今科技发展与创新的趋势，把握高质量发展的规律，重视科技创新在国家发展和生态建设中的重要地位。
参考文献：
[1]伍伯妍;钟全林;程栋梁;孙晓媚;张佩生.中国城市绿地空间分布特征及其影响因素研究[J].沈阳大学学报（社会科学版），2012，v.14，17-20.
[2]叶骏骅.我国城市绿化建设水平的区域差异及影响因素研究[J].生产力究，2013，No.251，100-102.
[3]周文.试论京津冀县级市“建成区绿地率”指标的实现[J].经济论坛，2015，No.535，5-11.
（作者单位：对外经济贸易大学）
【关键词】城市绿地建设;多元线性回归分析;主成分分析;SPSS软件
一、引言
城市绿化建设是生态文明建设中的国土绿化的重要组成部分，也是城市现代化建设的重要内容。但受限于城市规模、经济发展等众多影响因素，我国各城市的绿化建设水平呈现出较大的差异。想要对这种差异做出进一步科学的解释，就需要对造成差异的影响因素进行分析。
本文选取了2019年统计年鉴中297个城市的截面数据，使用文献研究和实证研究结合的方法，探究我国绿地建设水平的影响因素，并通过主成分分析法和多重线性回归法定量地分析各因子对绿地建设水平的效用水平及影响机制。
二、文献综述
近年来，对城市绿地建设水平进行研究的学者数量有限。如伍伯妍和钟全林（2012）[1]得出建成区绿化覆盖率在空间上呈现由东南至西北逐渐降低，与我国的城市化程度、经济发展水平及人口密度的分布方向基本一致的结论，并发现了建成区绿化覆盖面积与地区生产总值、人口数量、建成区土地面积均呈正相关的规律。叶骏骅（2013）[2]利用Spearman秩相关检验，将我国分为东、中、西三个地区进行差异性分析，同时将城市规模、社会经济发展水平、建成区面积和政府经济行为这四项列为影响因素，着重对社会经济发展水平这一因素进行分析。周文（2015）[3]基于对京津冀城市群县级市横截面数据的分析，发现建成区绿地面积与建成区面积、地区人均GDP有密切关系。
根据已有文献中学者对于城市绿化建设影响因素研究的结论，我们从2019年城市统计年鉴选取了297个城市的城市规模（人口）、社会经济发展水平（生产总值）、建成区面积（城市用地面积）和政府经济行为（公共预算支出）四个影响因素作为基础研究因子。
在通过皮尔逊相关性检验确定了变量人口、城市用地面积、生产总值、公共预算支出均与城市绿地面积存在显著的正相关关系后，我们对四个因子分别取对数处理并建立多元线性回归模型，模型形式为：
三、数据来源
（一）数据出处
本文的原始数据来源于《中国城市统计年鉴——2019》，该年鉴收录了全国地级以上城市（不包括香港、澳门和台湾）2018年社会经济发展方面的主要统计数据。我们选择其中的297个城市作为分析的样本，但是由于统计问题，一些城市的相关变量数据缺失，在这里我们采用将0设为缺失值的方法解决缺失数据的问题。
（二）变量描述
本文采用城市绿地面积来衡量城市绿化建设水平，各市的年平均人口来衡量该地区的城市规模，各市的地区生产总值来衡量各地区的社会经济发展状况，各市的城市建设用地面积来衡量建成区面积，各市政府的地方一般公共预算支出（全市）来衡量政府消费情况，专利申请数、专利授权数、发明件数三项来衡量城市的创新能力和科技水平，商品房销售面积、实有道路面积、工业用电三项测量城市城镇化水平。
我们按照李孝聪在《中国区域历史地理》一书中提到对中国区域划分为“三大地带”的方法，将各城市分别归入西部、中部和东部地带。
四、主成分分析
（一）其他影响因素探索
除了已有研究成果中的城市规模、经济发展水平、建成区域面积和政府经济行为四個方面，我们认为城市的创新能力和科技水平、城镇化水平对城市绿化建设水平也有所影响。为了探究这两项是否对城市绿化建设水平有影响，我们首先选取了多个变量，对城镇化、创新能力和科技水平进行度量。
1.创新能力和科技水平测度
我们认为专利申请数、专利授权数、发明件数可以测量一个城市的创新能力和科技水平。专利申请数和授权数大，说明该城市的创新能力强，能够推动科技水平的提高;且只有在一定的科技水平上，才能够获得有效专利和发明。
2.城镇化水平测度
商品房销售面积和实有道路面积可以测度城市建设范围，工业用电可以测度工业实际运行情况，因此我们认为这三个变量可以包含城市城镇化信息。
（二）主成分分析
1.主成分适用性检验
在对变量进行标准化之后，计算的相关性矩阵显示，所选择的6个变量间的相关系数在0.409-0.992区间，在0.01水平下均显著，相关性较高，可以进行主成分分析。通过主成分分析得出KMO值为0.829，Bartlett球形检验概率值为0.000，由此可以判断相关系数矩阵不是单位矩阵，原始变量存在相关关系，可以进行主成分分析。通过主成分分析法对公因子方差提取，使绝大多数的变量信息被提取到，可以使用主成分因子代替原始因子。
2.主成分提取
第一个主成分的特征值4.468，解释6个原始变量总方差的74.464%，累计方差贡献率为74.464%;第二个主成分的特征根0.797，解释 6个原始变量总方差的13.283%，累计方差贡献率为87.748%。我们使用特征根和累计方差贡献率两种方法来确定主成分的数量，提取累计方差贡献率>85%的成分。从下表可以看出，经过主成分分析，有2个主成分被提取，它们对应的累计方差贡献率为87.748%，表明提取的主成分涵盖了原始变量的足够信息。
3.主成分因子的解释 由初始成分矩阵得出，第一个主成分有与所有变量呈正相关，专利申请数贡献率是0.957，专利授权数贡献率是0.953，发明件数的贡献率是0.854，商品房销售面积的贡献率是0.702，城市道路面积的贡献率是0.899，工业用电的贡献率是0.783。第二个主成分与城镇化水平测度指标成正相关，商品房销售面积的贡献率是0.619，城市道路面积的贡献率是0.232，工业用电的贡献率是0.242，;与创新能力与科技水平测度指标成负相关，专利申请数贡献率是-0.237，专利授权数贡献率是-0.256，发明件数的贡献率是-0.424，。
4.主成分因子计算
将初因子载荷矩阵中的每列的系数除以其相应主成分的特征根的平方根后才能得到主成分系数向量。设置两个成分系数变量。
五、多元线性回归
在四个基础因子的基础上，再加入主成分分析法中得到的主成分因子作为自变量，对绿地面积进行线性回归。
由于政府支出变量的存在导致多重共线问题，剔除政府支出后，。从对系数进行T检验的结果可以看出，除人口外的所有变量都在5%水平下显著。在多重线性检验中，都小于10，模型不存在多重共线性关系。在独立性检验中，DW-value=1.510，可以认为自相关性低。
从上表中标准化的系数表示，生产总值和第二个主成分因子与绿地面积负相关，而人口、政府支出、建筑面积、第一个主成分因子与绿地面积正相关。结合变量所测度的概念，初步分析绿地面积的影响因素和作用机制如下：
（1）城市规模：模型中人口的系数为正，说明城市规模的扩大，将会导致城市绿地面积上升。居民人数越大，对绿地需求越大，对绿地面积有正向影响。但由于人口变量在回归中的显著性一直不显著，推广到总体可以认为其系数为0，对绿地面积没有影响。
（2）社会经济发展水平：模型中生产总值的系数为负，说明一个地区的经济发展水平提高，会导致城市绿地面积下降。一个地区的工业越发达，地区生产总值会越高，但是受限于资源利用率和土地利用率，更多的资源和土地投入经济生产中，使公共产品绿地面积下降。
（3）建成区面积：模型中城市用地面积的系数为正，说明城市绿地面积和建成区面积呈现相同的变化趋势。由于城市绿化建设受限于当地的土地面积及其利用情况，所以对于建成区面积小的城市，其土地面积一般较小或土地的利用程度较低，难以提高绿地建设水平。
（4）创新能力：由于在第一成分中创新能力系数为正，在第二主成分中创新能力系数为负，且在模型中第一主成分的系数为正、第二主成分的系数为负，说明创新能力的提高，将会导致绿地面积上升。创新能力一定程度说明了社会生产效率的提高速度，创新能力越强，预示着生产工具的迭代速度越快，生产效率提高也越快，这有助于社会经济结构转型，从资源密集型和劳动密集型转化为知识密集型和资金密集型。这使社会资源除了投入生产满足居民生活的必需品外，还能投入到居住环境的改善，打造更健康的生活环境，创建人与自然更和谐的关系。
（5）城镇化水平：第一主成分和第二成分都测度了城镇化水平，在第一成分和第二主成分中城镇化水平系数都为为正，因此第一主成分的系数为正而第二成分的系数为负，说明城镇化水平提高，将导致绿地面积上升，但城镇化水平的影响小于创新能力。用商品房和城市道路以及工业用电来说明城镇化，是一个比较综合的指标，反映了城市的基礎建设水平和工业繁荣程度。工业繁荣为城市建设提供了经济基础和资金支持，同时也会促进城镇化范围的扩大和城市建设的完善，而城市基础建设，通常伴随着绿化建设，如道路建设会伴随着行道树和绿化带的建设，因此城市基础设施建设，会促进城市绿化。
综上所述，对绿地有影响作用的因素主要是生产总值、城市建设面积、创新能力与科技水平、城镇化水平。
六、总结与结论
为了加强我国城市绿地建设、提高我国城市绿地总体水平，我国应当扩大建成区面积，从而降低建成区土地整体利用强度，为提高建成区绿化覆盖面积提供更多的空间，推动城市绿地建设稳步前进。
同时还应该稳步推进城镇化建设，加强基础设施建设，完善城市功能，扩大城市容量，合理、节约地利用资源，保护和珍惜生态环境，提升城市绿地水平。
科技创新保障高质量发展，其带来的技术变革和质量提升，可以驱动城市绿地建设的新发展。因此我国应紧跟或积极引领当今科技发展与创新的趋势，把握高质量发展的规律，重视科技创新在国家发展和生态建设中的重要地位。
参考文献：
[1]伍伯妍;钟全林;程栋梁;孙晓媚;张佩生.中国城市绿地空间分布特征及其影响因素研究[J].沈阳大学学报（社会科学版），2012，v.14，17-20.
[2]叶骏骅.我国城市绿化建设水平的区域差异及影响因素研究[J].生产力究，2013，No.251，100-102.
[3]周文.试论京津冀县级市“建成区绿地率”指标的实现[J].经济论坛，2015，No.535，5-11.
（作者单位：对外经济贸易大学）