基于主成分和熵值分析的市政設(shè)施水平研究
——以2013年江西省22個(gè)城市為例

潘 華 華

(上饒師范學(xué)院 歷史地理與旅游學(xué)院，江西 上饒 334001)

基于主成分和熵值分析的市政設(shè)施水平研究
——以2013年江西省22個(gè)城市為例

潘 華 華

(上饒師范學(xué)院 歷史地理與旅游學(xué)院，江西 上饒 334001)

以江西省22個(gè)城市為樣本，借助SPSS17.0統(tǒng)計(jì)分析軟件，從11個(gè)影響市政設(shè)施水平指標(biāo)中選取出4個(gè)主成分，計(jì)算各城市綜合分值。研究發(fā)現(xiàn)：主成分賦值非常接近，說明重要程度相當(dāng)，反映了城市發(fā)展的相對(duì)均衡性；最高分(九江)0.049 049和最低分(共青城)0.041 891之差僅為0.007 158，水平差距總體較??；設(shè)區(qū)市市政設(shè)施總體水平明顯優(yōu)于縣級(jí)市。排前11位的有9座，排后11位僅有2座，縣級(jí)市情況正好完全相反，反映了江西市政設(shè)施總體水平還處于初級(jí)階段。

市政設(shè)施；22設(shè)區(qū)市縣級(jí)市; 主成分分析；熵值；江西

城鎮(zhèn)市政設(shè)施是城鎮(zhèn)經(jīng)濟(jì)和社會(huì)發(fā)展的載體[1]。它是城市社會(huì)經(jīng)濟(jì)發(fā)展不可或缺的一部分，而市政設(shè)施水平是體現(xiàn)城市綜合發(fā)展階段和現(xiàn)代化程度的重要指標(biāo)之一。市政設(shè)施運(yùn)行管理不僅關(guān)乎一座城市的外在形象，還與區(qū)域內(nèi)居民的生活和工作密切相關(guān)，是城市現(xiàn)代化建設(shè)和文明程度的重要體現(xiàn)[2]。劉征兵(2006)認(rèn)為隨著城市污水排放量的逐年增大,增建和擴(kuò)建城市污水處理設(shè)施成為當(dāng)務(wù)之急；陳偉東等(2007)認(rèn)為生活服務(wù)設(shè)施和市政設(shè)施歷來也是城市規(guī)劃的重點(diǎn)；蔡建升等(2012)認(rèn)為作為城市系統(tǒng)的重要組成部分，市政設(shè)施養(yǎng)護(hù)的優(yōu)劣直接影響著其使用性能和壽命。劉應(yīng)明等(2013)認(rèn)為城市更新項(xiàng)目中市政設(shè)施應(yīng)注重集約化、環(huán)?；约吧鷳B(tài)化建設(shè)；羅曉娟(2014)認(rèn)為典型市政設(shè)施具有資源稀缺性和很強(qiáng)的房?jī)r(jià)帶動(dòng)效應(yīng)和社會(huì)經(jīng)濟(jì)效應(yīng)；市政設(shè)施項(xiàng)目類別繁多，不同地區(qū)和級(jí)別的城市標(biāo)準(zhǔn)和發(fā)展階段亦不相同。如何尋找較少的因子來描述影響市政設(shè)施發(fā)展眾多影響因子之間的關(guān)系，進(jìn)而揭示城市發(fā)展水平的內(nèi)在規(guī)律，是研究亟待解決的問題。參考文獻(xiàn)[3-5]，本研究以2013年江西省22個(gè)設(shè)區(qū)市和縣級(jí)市為研究對(duì)象，運(yùn)用SPSS17.0軟件對(duì)篩選后的11個(gè)市政設(shè)施因子進(jìn)行了主成分分析，并用熵值法進(jìn)行了權(quán)重賦值和各城市的綜合得分計(jì)算。

1 材料與方法

1.1 材料

研究區(qū)的22個(gè)城市即江西省現(xiàn)有行政區(qū)劃的11個(gè)設(shè)區(qū)市和11個(gè)縣級(jí)市，設(shè)有11個(gè)設(shè)區(qū)市市政工程管理處。江西省統(tǒng)計(jì)年鑒將市政設(shè)施水平列為城市建設(shè)12大板塊之一。2013年全省市政公用設(shè)施建設(shè)固定資產(chǎn)投資總計(jì)約27 849 023×104元，主要情況如下：城市市區(qū)面積32 230.01 km2、城區(qū)面積1 949.64 km2、城區(qū)戶籍人口829.89×104人、建成區(qū)面積1 077.61 km2、城市建設(shè)用地面積1 034.27 km2；人口密度4 663人/km2、人均生活用水量175.69 L、用水普及率97.67%、燃?xì)馄占奥?4.40%、人均城市道路面積14.99 %、排水管道8.80 km /km2、污水處理率84.25%、人均公園綠地面積14.10%、建成區(qū)綠化覆蓋率45.95%、建成區(qū)綠地率42.74%、公共車輛運(yùn)營數(shù)9 894輛、橋梁550座。

1.2 主成分分析

地理系統(tǒng)受諸多因素影響，是一復(fù)雜的現(xiàn)實(shí)系統(tǒng)，為便于研究，需利用主成分分析法進(jìn)行變量降維處理。它能最大化地保留原變量信息，以新選取的較少的新變量來代替原來較多的舊變量，有助于觀察影響結(jié)果的主要規(guī)律，同時(shí)大大簡(jiǎn)化計(jì)算過程。新變量，即通過以原變量線性組合方式得出的綜合性指標(biāo)，可以通過調(diào)整系數(shù)值使其具代表性且相互獨(dú)立。借助該法，用較少幾個(gè)彼此獨(dú)立的主成分線性組合來反映初始因子，并最大化保留原來因子信息，得出不同城市市政發(fā)展水平等級(jí)。一般處理步驟如下：(1)數(shù)據(jù)標(biāo)準(zhǔn)化處理后，計(jì)算相關(guān)系數(shù)矩陣。(2)計(jì)算特征值與特征向量。(3)計(jì)算主成分貢獻(xiàn)率及累計(jì)貢獻(xiàn)率。(4)計(jì)算主成分載荷，利用原變量和主成分線性組合方程組進(jìn)行推導(dǎo)，算出各主成分得分值。

一般情況下，各新變量累計(jì)貢獻(xiàn)率達(dá)85%～95%時(shí)，其特征值λ1，λ2，…λm正好對(duì)應(yīng)第1，第2，…，第m(mp)個(gè)主成分。 以上步驟可以借助SPSS17.0軟件實(shí)現(xiàn)。

1.3 熵值分析

信息處理中，經(jīng)常用熵值來度量事件的不確定性。樣本數(shù)量和不確定性呈負(fù)相關(guān)關(guān)系，不確定性和熵值呈正相關(guān)關(guān)系。所以，熵值大小能很好判斷事件的隨機(jī)性、無序性及指標(biāo)離散程度。主要步驟有：

1.3.1 非負(fù)化處理主成分因子數(shù)據(jù)。目的是使得求熵值時(shí)對(duì)數(shù)有意義，見公式①。

①

1.3.2 計(jì)算因子比重。公式②代表第i城市第j項(xiàng)因子占所有城市該因子和的比重，即

②

式中:Qij為第i城市第j項(xiàng)因子占所有城市該因子和的比重；n為區(qū)域個(gè)數(shù);m為影響因子個(gè)數(shù)。其余同上。

1.3.3 求各因子權(quán)重。借鑒文獻(xiàn)[6]可知， 熵值計(jì)算出的價(jià)值系數(shù)越高，對(duì)評(píng)價(jià)愈重要。j項(xiàng)指標(biāo)權(quán)重見公式③：

③

式中：wj為各個(gè)影響因子權(quán)重；fj為第j項(xiàng)因子的熵值的多項(xiàng)式。

其中，

1.3.4 計(jì)算各個(gè)城市市政設(shè)施水平的綜合得分。得分反映了市政設(shè)施水平的高低，可以作為判斷不同城市市政設(shè)施水平有序或無序變化的依據(jù)，見公式④。

④

式中：di為各個(gè)城市綜合得分。其余同上。

2 結(jié)果與分析

2.1 江西城市市政設(shè)施水平現(xiàn)狀

加強(qiáng)城市基礎(chǔ)設(shè)施現(xiàn)代化建設(shè)，提高城市社會(huì)經(jīng)濟(jì)系統(tǒng)運(yùn)行效率，已經(jīng)引起了社會(huì)各階層的普遍關(guān)注[7]。對(duì)城鎮(zhèn)市政設(shè)施投資項(xiàng)目進(jìn)行環(huán)境影響評(píng)價(jià)日漸成為當(dāng)今人們所關(guān)注的焦點(diǎn)問題[8]。市政設(shè)施水平與當(dāng)?shù)馗黝愒O(shè)施的開發(fā)程度和潛力關(guān)系緊密。江西經(jīng)濟(jì)發(fā)展實(shí)力有待提升，境內(nèi)多丘陵山地，城市正處于快速城市化發(fā)展階段，城市市政設(shè)施水平總體上受諸多影響因素的制約，突出表現(xiàn)在人口密度不斷增大，水資源、燃?xì)馐褂寐侍嵘司G化面積等在不斷減少，環(huán)境污染日益嚴(yán)重，公共用地和交通需求不斷攀升?？紤]到影響市政設(shè)施水平的各個(gè)因子間的相互聯(lián)系與制約，其復(fù)雜的耦合關(guān)系可采用主成分分析法找出研究區(qū)的主成分因子。

2.2 指標(biāo)選擇及主成分因子計(jì)算分析

參照文獻(xiàn)[9-11]，根據(jù)江西省2013年統(tǒng)計(jì)年鑒和各縣市的有關(guān)城市建設(shè)部分的數(shù)據(jù)，統(tǒng)計(jì)分析研究區(qū)的人口、用水、道路、綠化、交通等指標(biāo)，選取了11個(gè)影響因子進(jìn)行分析：人口密度X1/人·km2、人均日生活用水X2/L、用水普及率X3/%、燃?xì)馄占奥蔢4/%、人均道路面積X5/m2、污水處理率X6/%、人均公園綠地面積X7/%、建成區(qū)綠化覆蓋率X8/%、建成區(qū)綠地率X9/%、公共交通X10/輛、橋梁X11/座(見表1)。

表1 2013年江西省22個(gè)城市市政設(shè)施水平統(tǒng)計(jì)指標(biāo)[10]

應(yīng)用SPSS17.0軟件進(jìn)行主成分分析，市政設(shè)施水平影響因子相關(guān)系數(shù)矩陣和特征值及主成分貢獻(xiàn)率見表2、表3。

表3 主成分特征值及貢獻(xiàn)率

由數(shù)據(jù)可知，前4個(gè)主成分的累積貢獻(xiàn)率達(dá)到了85.773%，符合主成分分析的累計(jì)貢獻(xiàn)率大于85%的要求，較好地體現(xiàn)了研究區(qū)市政設(shè)施水平發(fā)展情況。因此，選取前4個(gè)主成分(分別用Z1、Z2、Z3、Z4表示)進(jìn)行分析。最大化旋轉(zhuǎn)載荷因子方差，計(jì)算各因子主成分載荷(表4)。

分析表4可知，Z1和人均日生活用水、燃?xì)馄占奥?、公共交通、橋?個(gè)因素呈現(xiàn)明顯正相關(guān)，可以考慮它主要代表了居民生活和出行基礎(chǔ)設(shè)施的水平；Z2與用水普及率、建成區(qū)綠化覆蓋率、建成區(qū)綠地率3個(gè)因素呈顯著正相關(guān)，主要代表了用水指標(biāo)和綠化水平；Z3與用水普及率和燃?xì)馄占奥?個(gè)因素呈明顯正相關(guān)，與人均公園綠地面積1個(gè)因素呈明顯負(fù)相關(guān)，這主要是由于城市化的不斷發(fā)展，城市人口不斷增加，用水和燃?xì)獾壬钤O(shè)施的普及率越來越高，而相應(yīng)地，相對(duì)于有限的城市公園綠地來說，面積自然會(huì)減少；Z4與污水處理率1個(gè)因素呈明顯正相關(guān)，可以認(rèn)為是主要反映污水處理水平的指標(biāo)。4個(gè)主成分較全面地概括了市政設(shè)施水平的影響因子，較好地反映了市政設(shè)施水平。因此，考慮用這4個(gè)主成分的變化來反映江西省22個(gè)城市市政設(shè)施水平的變化狀況，見表5。

受到了上述環(huán)節(jié)老師的啟發(fā)，學(xué)生匯集上來比較有價(jià)值的觀點(diǎn)，如：散文、小說、古詩鑒賞的審美藝術(shù)手法，很多是相通的，如都要指出手法；結(jié)合文本分析；明確表達(dá)效果和表達(dá)的情感。

表4 旋轉(zhuǎn)后的各因子載荷

注：采用 Kaiser 標(biāo)準(zhǔn)化四分旋轉(zhuǎn)法，5 次迭代后旋轉(zhuǎn)收斂。

表5 主成分得分矩陣

2.3 熵值權(quán)重及綜合得分計(jì)算分析

把22個(gè)城市4個(gè)主成分因子得分按1.3中熵值分析步驟代入計(jì)算，得出每個(gè)因子的權(quán)重(表6)和各個(gè)城市市政設(shè)施水平綜合得分(表7)。表6的數(shù)據(jù)為了看出細(xì)微的差別，特別將精度提升了1位。容易看出，4個(gè)主成分的賦權(quán)值都在0.25附近，相差極小，反映其重要程度非常接近，也從側(cè)面反映了各城市發(fā)展的相對(duì)均衡性。

表6 各主因子權(quán)重

表7 22個(gè)城市市政設(shè)施水平綜合得分及排名

由表7顯示的最終綜合得分可知：一是分值總體偏低且差距不大，如最低分(共青城)0.041 891和最高分(九江)0.049 049之差僅為0.007 158，發(fā)展水平和建設(shè)進(jìn)度接近；二是設(shè)區(qū)市市政設(shè)施總體水平明顯優(yōu)于縣級(jí)市。具體表現(xiàn)如下：如設(shè)區(qū)市位列前11位的(前一半)有9座，分別是九江、南昌、新余、上饒、景德鎮(zhèn)、撫州、萍鄉(xiāng)、宜春、吉安，排在后11位(后一半)僅有2座，分別是鷹潭和贛州?？h級(jí)市情況正好完全相反，前一半僅2座，分別是瑞昌和豐城，后一半則有9座，即樂平、德興、樟樹、南康、井岡山、高安、貴溪、瑞金、共青城；三是九江市政設(shè)施水平憑借其優(yōu)質(zhì)的政策技術(shù)服務(wù)以微弱優(yōu)勢(shì)0.000 269分超過南昌，位列全省榜首。南昌排名九江之后，只排第2位，和其省會(huì)城市地位稍顯不符，而贛州作為省第二大設(shè)區(qū)市卻總排名第16位，設(shè)區(qū)市最后1位，與其著力打造省域副中心城市的目標(biāo)也不匹配；四是瑞昌作為一個(gè)縣級(jí)市能躋身前六位，縣級(jí)市中排行第一，相比之下，貴溪、瑞金、共青城三市的市政水平還有較大提升空間。出現(xiàn)上述現(xiàn)象的原因分析如下：

首先，表4中4個(gè)主成分涵蓋了燃?xì)馄占奥?X4)、污水處理率(X6)、人均公園綠地面積(X7)、公共交通(X10)、橋梁建設(shè)(X11)等要素，較綜合地反映了影響市政設(shè)施水平的因子，但表1中每一個(gè)指標(biāo)的極值(即最大值和最小值)差別不大，導(dǎo)致基于主成分分析推導(dǎo)的表6、表7計(jì)算出的熵值權(quán)重和最終得分較低且各分值很接近。

其次，從表1可以看出，設(shè)區(qū)市在絕大多數(shù)指標(biāo)上皆占有優(yōu)勢(shì)，尤其是人均日生活用水、燃?xì)馄占奥?、污水處理率、人均道路面積、橋梁等方面較縣級(jí)市優(yōu)勢(shì)明顯，這導(dǎo)致了設(shè)區(qū)市的市政設(shè)施水平綜合得分整體優(yōu)于縣級(jí)市，設(shè)區(qū)市的整體排名靠前(鷹潭、贛州除外)，縣級(jí)市(瑞昌、豐城除外)的整體排名靠后。

再次，九江11大影響因子排名都名列前茅，綜合實(shí)力很強(qiáng)，尤其是用水普及率(X3)、燃?xì)馄占奥?X4)、人均道路面積(X5)和污水處理率(X6)四項(xiàng)分值皆排第一，從而排行榜首。南昌和九江相比較，雖然實(shí)力也很強(qiáng)，但除了人口密度(X1)、人均日生活用水(X2)、公共交通(X10)和橋梁(X11)4個(gè)指標(biāo)外，其余7個(gè)皆不及九江，最終排在九江之后。設(shè)區(qū)市排名在第11名之后的是鷹潭(第14位)和贛州(第16位)。鷹潭長(zhǎng)期以來以道教圣地和交通樞紐為城市特色，轄區(qū)范圍較小，市政水平一般尚可理解。贛州正積極打造省域副中心城市，GDP在全省排名第二位，綜合得分卻排11個(gè)設(shè)區(qū)市最后1位。分析表1可知，贛州的污水處理率(X6)僅為63.14%，人均道路面積(X5)僅有10.11 m2，這兩個(gè)影響因子遠(yuǎn)遠(yuǎn)低于其它設(shè)區(qū)市，其它方面如建成區(qū)綠化覆蓋率(X8)、建成區(qū)綠地率(X9)也存在差距。表4中主成分Z1的主要影響因子包含了X5，Z4的主要影響因子正是X6，Z2的主要影響因子包含了X8、X9,因而贛州的市政設(shè)施水平綜合得分排名第16位也就不難理解了。

最后，縣級(jí)市里排名在前半段的是瑞昌(第6位)和豐城(第9位)。以瑞昌作為分析樣本，該縣級(jí)市在燃?xì)馄占奥?99.23%)、人均道路面積(20.6 m2)、污水處理率(95.45%)和橋梁(38座)這幾個(gè)影響因子方面較其它縣級(jí)市優(yōu)勢(shì)明顯，排在縣級(jí)市的首位是必然的。排行最后三位的貴溪、瑞金、共青城則主要是由于各項(xiàng)指標(biāo)(由表1可知)都處在較低值，市政水平總體低下的緣故。

3 結(jié)論與討論

3.1 城市分為三大等級(jí)，影響市政設(shè)施水平高低的因子有待挖掘

市政設(shè)施在不同區(qū)域、不同時(shí)段的發(fā)展進(jìn)程存在差異，4個(gè)主成分較全面反映了研究區(qū)當(dāng)時(shí)的市政設(shè)施水平。熵值法對(duì)各主成分賦值并計(jì)算各城市得分，從而對(duì)市政設(shè)施水平進(jìn)行了更為詳細(xì)合理的闡述。11個(gè)指標(biāo)中選取了4個(gè)主成分，不足之處是主成分累計(jì)貢獻(xiàn)率剛達(dá)到85 %，稍顯精度不夠，希望能在后續(xù)研究中有更多的數(shù)據(jù)支撐，使得分析結(jié)果更具說服力。

3.2 縣級(jí)市應(yīng)加快污水處理設(shè)施建設(shè)

分析表明，縣級(jí)市的污水處理水平普遍偏低，工業(yè)污水主要從技術(shù)革新、排放和終端處理上下功夫；生活污水基本沒有處理設(shè)施而直接排入江河，既污染水體又浪費(fèi)水資源，而再生水的合理利用則是解決生活污水的有效途徑之一。在大力加快生活污水凈化設(shè)備更新的同時(shí)，推廣中水系統(tǒng)的使用?？傮w而言，江西中水道建設(shè)及利用水平仍較落后，尤其是縣級(jí)市基本未能普及，可借鑒周邊省份同類型城市(如義烏、泉州等)的中水應(yīng)用處理技術(shù)，特別是對(duì)共青城、貴溪、南康、高安這四個(gè)污水處理水平小于等于50%的縣級(jí)市的污水處理更應(yīng)重視。

3.3 城市人口增加，公共交通設(shè)施建設(shè)不足

隨著社會(huì)經(jīng)濟(jì)的發(fā)展，人民生活水平有所提高，需要增加原有基礎(chǔ)設(shè)施的承載力[12]。這類問題在22個(gè)城市不同程度皆存在。就人口密度而言，最高的南昌高達(dá)10 179/人·km2，最低的貴溪也有1 424/人·km2，不斷增加的人口勢(shì)必會(huì)帶來該類問題。城市交通擁堵主要從統(tǒng)一規(guī)劃、增加用地、建立完善的立體交通網(wǎng)絡(luò)等方面進(jìn)行。對(duì)新區(qū)可進(jìn)行統(tǒng)一規(guī)劃評(píng)估，對(duì)老區(qū)進(jìn)行階段性、分批次的整改。重視發(fā)展運(yùn)能強(qiáng)大的新型綠色交通體系，緩解公共交通、城市綠地等方面的壓力，以適應(yīng)快速發(fā)展的城市化進(jìn)程需求，如南昌、贛州軌道交通的規(guī)劃和建設(shè)正是在此背景下應(yīng)運(yùn)而生的，亦可借鑒杭州等城市的“快速公交系統(tǒng)”，打造無障礙公交線路，適應(yīng)低碳環(huán)保的現(xiàn)代公共交通需求。

3.4 市政設(shè)施建設(shè)應(yīng)打破常規(guī)，管養(yǎng)分離

市政設(shè)施管理養(yǎng)護(hù)工作是城市建設(shè)的基礎(chǔ)，對(duì)城市社會(huì)經(jīng)濟(jì)發(fā)展起著基礎(chǔ)性的作用[13]。如在現(xiàn)有條件下設(shè)立“省會(huì)+1設(shè)區(qū)市+1縣級(jí)市”試點(diǎn)，實(shí)現(xiàn)政府管理監(jiān)督、企業(yè)修建維護(hù)，全面提升設(shè)施建設(shè)速度和水平。市政建設(shè)資金投入應(yīng)加大，如九江從2010年開始，兩年投入200億的舉措，收效顯著，這也是九江市政建設(shè)水平排名全省首位的重要原因。南昌市2013年投入資金也超過600億。總體而言，平衡經(jīng)濟(jì)發(fā)展、人口增長(zhǎng)、工業(yè)用地、城市建設(shè)用地與綠地之間的矛盾，是提高市政設(shè)施水平的根本出路。

[1] 張飛漣,張濤.城鎮(zhèn)市政設(shè)施投資項(xiàng)目社會(huì)影響后評(píng)價(jià)內(nèi)容及指標(biāo)體系的構(gòu)建[J].改革與戰(zhàn)略,2006(11):6-8.

[2] 武斌.加強(qiáng)市政設(shè)施運(yùn)行管理 維護(hù)城市安全命脈[J]. 城市管理與科技,2016(2):28-29.

[3] 葉衣廣,周蕾.長(zhǎng)江三角洲各城市綜合實(shí)力的主成分分析[J].長(zhǎng)江流域資源與境,2004,13 (3):197-202.

[4] 周亮廣,梁虹.基于主成分分析和熵的喀斯特地區(qū)水資源承載力動(dòng)態(tài)變化研究——以貴陽市為例[J].自然資源學(xué)報(bào)，2006,21(5):827-833.

[5] 趙麗,朱永明,付梅臣，等.主成分分析法和熵值法在農(nóng)村居民點(diǎn)集約利用評(píng)價(jià)中的比較[J].農(nóng)業(yè)工程學(xué)報(bào).2012,28(7):235-242.

[6] 張衛(wèi)民.基于熵值法的城市可持續(xù)發(fā)展評(píng)價(jià)模型[J].廈門大學(xué)學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版)，2004(2):109-115.

[7] 蔡龍,章波,黃賢金，等.我國城市基礎(chǔ)設(shè)施現(xiàn)代化水平綜合評(píng)價(jià)研究[J].城市發(fā)展研究，2004,11(4):50-54.

[8] 張飛漣,張濤.基于GIS的城鎮(zhèn)市政設(shè)施投資項(xiàng)目環(huán)境影響后評(píng)價(jià)方法研究[J].城市勘探，2007(1):28-31.

[9] 羅瑞雪,蔡雪雄.福建省城市化水平綜合評(píng)價(jià)動(dòng)態(tài)研究——基于全局主成分分析[J].福建論壇(人文社會(huì)科學(xué)版)，2013(12):135-139.

[10] 張哲,汪波,楊占民.基于主成分聚類分析的城市基礎(chǔ)設(shè)施建設(shè)水平評(píng)價(jià)研究[J].西安電子科技大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版)，2008,18(5):27-32.

[11] 江西省統(tǒng)計(jì)局.江西統(tǒng)計(jì)年鑒2013[EB /OL].[2014-10-04].http://www.jxstj.gov.cn/ Resource/nj/2013CD/indexch.htm.

[12] 鐘雷.空間與機(jī)制:北京城市道路市政設(shè)施改造[J].北京規(guī)劃建設(shè),2015(3):48-49.

[13] 王苗.市政設(shè)施建設(shè)養(yǎng)護(hù)管理[J].住宅與房地產(chǎn),2016(6):34.

Study on the Level of Municipal Facilities Based on Principal Component and Analysis ——Taking 22 Cities of Jiangxi Province as an Example in 2013

PAN Hua-hua

(School of History Geography and Tourism ,Shangrao Normal University,Shangrao Jiangxi 334001,China)

Taking 22 cities in Jiangxi Province as a sample, the paper uses principal component analysis method and selects the 4 principal components from the 11 indicators influencing municipal facilities level by SPSS17.0 and calculates comprehensive score of each city. Study finds the principal components weight values very close and have fair importance. It reflects the relative balance of city development. Score difference is small. The difference between the highest score (Jiujiang) 0.049049 and the lowest score (Gongqingcheng) 0.041891 is only 0.007158, the gap is small. The municipal facilities overall level of cities divided into districts is obviously better than that of the county-level cities. The number in the top 11 is 9 and after the row in the 11 is only 2. While the county-level cities situation is just the opposite. All reflects the overall level of Jiangxi municipal facilities is still at the primary stage.

municipal facilities； 22 cities divided into districts and county-level cities； Principal component analysis； Entropy； Jiangxi

2015-04-02

潘華華(1980-)，女，江西婺源人，講師，碩士，從事城市環(huán)境保護(hù)與開發(fā)研究。E-mail：paradisedog@sina.com

K928.5

A

1004-2237(2016)06-0100-08

10.3969/j.issn.1004-2237.2016.06.022