王炸官宣！上海稳居第一，谁能脱颖而出为第二城
2019-12-13 16:39:22
次
12月1日傍晚，备受期待的《长江三角洲区域一体化发展规划纲要》终于官宣。
对比千年大计和粤港澳大湾区全面启动，长三角这个大礼包，似乎有点晚。
之所以姗姗来迟，更说明它的重要。就像当年浦东在深圳后面开发，快从来不是长三角的追求。它的亮相，一定要经过国家的深思熟虑。
作为占全国经济总量1/4的最大城市群，长三角无疑是中国参与国际竞争的那张王炸。
今天小T就来聊聊长三角区域一体化这张王炸。
如果问长三角城市群中最具实力的城市，肯定非上海莫属。长三角城市群经过不断扩容之后，目前共有41个城市，上海是无可置疑的龙头老大，那么老二会花落谁家呢？杭州、苏州还是南京？比拼一下，结果立马知晓。
长三角第二城谁的胜算比较大？2018年，苏州GDP达到1.85亿元，可以说是一马当先；杭州GDP为1.35亿元，南京、无锡、宁波均在1万亿至1.3万亿之间。再来看人均GDP，苏州和无锡最高，在17.4万元左右，接着便是南京、杭州、宁波了。
从单个指标来看，每个城市都有自己的核心竞争力。那么从多个维度综合考虑，到底哪个城市在此轮比拼中更胜一筹呢？
为了使结论更具说服力，小T选取长三角第一批16个城市为研究对象,筛选了具有代表性的11个相关指标,运用因子分析的方法对该区域各个城市的经济发展水平做定量分析。数据来自于上海市、浙江省、江苏省统计年鉴。
01数据说明
衡量一个城市的经济效益,不仅要看该城市的现有经济产出,还应该从社会的各个方面去考察,为此,本案例选用下列十个指标来全面衡量一个城市经济实力。
表结构（共16行，18列）
表预览
02分析方案
此次分析主要采用的是因子分析法，因子分析是通过对原始数据研究其相关矩阵的内部依赖关系，把一些原本错综复杂关系的多个变量表示成少数几个反映共性的因子，并给出原始数据变量和综合因子之间相关关系的一种多元统计分析方法。
因子分析常用的两种方法：一种是通过对变量相关矩阵或者协方差内部结构，研究变量之间相关关系的R型因子分析；另一种是通过对样品相似矩阵的内部结构研究样品之间相关关系的Q型因子分析。在分析处理多个变量之间的问题时，变量之间往往相关密切，因此导致观测数据所反映出来的信息是有重叠。于是，人们希望可以找到较少的综合变量尽可能全的反映原始变量的信息。
这些不可直接观测的少数综合变量称为公共因子或者潜在因子，通过相关系数矩阵及其逆矩阵、各变量的共同度、各个特征根的方差贡献率、因子载荷矩阵、因子得分系数矩阵。
利用TempoAI的因子分析节点，选择主成分方法构建分析流程如下：
基于TempoAI的挖掘建模流程
03分析结果
以下是旋转因子得分矩阵表
从上表中可以看出，因子1主要涵盖了地区生产总值，利税总额，居民人均可支配收入，接待国际旅游人次，邮电业务总量，因子2主要涵盖了工业废水排放达标率。将第一因子称为总量因子，主要代表经济总量相关指标的信息；工业废水排放达标率的权重较大，第二因子影响经济总量较小。
利用因子1计算各城市综合经济实力得分及实力排名：
根据以上分析方案，可以得到长三角城市群中各城市综合实力的粗略排名，从强到弱依次是:上海、苏州、无锡、杭州、宁波、南京、常州、绍兴、嘉兴、镇江、湖州、台州、舟山、南通、扬州和泰州。上海作为超一线城市，其龙头老大的地位依然稳如泰山，紧随其后的是苏州和无锡，苏锡无论是历史文化底蕴还是工业基础，都堪称雄厚。民营经济和县域经济发达，其苏南模式一度让国人侧目。杭州作为近年的明星城市，乘着互联网新经济的东风，越来越有一线城市的气象；宁波坐拥世界最大港口之一，地理位置优越，和上海遥相呼应。
另一方面，通过各城市因子得分及排名表,我们可以看出，长三角的经济发展总体水平较高,但内部仍然存在着发展不均衡现象，得分最高的上海(58577.94分)和得分最低的泰州(14058.12)相差明显。
此次分享案例主要讲解了因子分析在实际场景中的应用，因子分析可在许多变量中找出隐藏的、具有代表性的因子，其在市场调研中有着广泛的应用，如：消费者习惯和态度研究、品牌形象和特性研究、服务质量调查、顾客、产品和行为分类。借助Tempo数据分析平台，不仅可以高效简化数据，掌握数据降维的方法；而且用户能够基于平台内置的数据处理、算法节点，以拖曳式迅速完成机器学习、深度学习、自然语言处理等算法模型构建，实现数据的关联分析、未来趋势预测等多种分析，帮助用户探索数字世界的价值和规律。
Tempo商业智能平台
Tempo人工智能平台
Tempo数据工厂平台
Tempo指标平台
Tempo数据资产管理平台
Tempo主数据管理平台
首页
陕公网安备 61019002000171号
