第三产业区域竞争力研究论文

内容摘要：我国第三产业在经济中的地位和作用日渐凸出，第三产业竞争力的高低直接影响地区经济发展水平。本文在回顾竞争力理论发展的基础上，对我国各地第三产业的竞争力进行实证分析。为准确评价各地区第三产业竞争力的真实水平，本文构造出一个多层次的指标体系，并利用因子分析法建立了相应的综合评价模型，通过数据分析得出各地区第三产业竞争力评分和排序结果。并以此为依据，对各地区第三产业的发展给出建议。

关键词：第三产业因子分析法竞争力

竞争是市场经济的常态，任何经济主体要想在社会中生存都必须具备一定的竞争力。在经济一体化的浪潮和市场经济激烈的竞争压力下，各区域也不例外。区域之间的经济竞争体现于区域产业之间的竞争，后者将成为决定区域经济发展的主要因素。在近代经济发展进程中，第三产业的发展越来越受到人们的重视，其在国民经济中的地位和作用日渐凸出。在实现第三产业快速健康发展的过程中，如何正确评价各地区第三产业的竞争力、准确把握区域第三产业在国内市场或国际市场的地位、制定合理的发展方针和政策，是各区域面临的重要任务，因此对各地区的竞争力的研究成为迫切的课题。

国际竞争力研究现状

世界经济论坛（WEF）和瑞士洛桑国际管理发展学院（IMD）最早对国际竞争力进行了详细科学的研究，并总结出一套评价体系。IMD认为国际竞争力是“一国或一公司在国际市场上均衡地生产出比其竞争对手更多财富的能力”，WEF则从经济增长的前提研究竞争力，其定义竞争力为“在人均实际收入方面达到持续高增长的能力，就像以不变价来测定人均GDP一样”。它们共同协作的评价各国竞争力的体系包括了8大要素：国家经济实力、国际化、政府管理、金融体系、基础设施、企业管理、科学技术和国民素质，由290个指标来反映。

随着对国际竞争力分析研究的深入发展，一些学者逐渐把视角转到了更广泛的领域，如竞争力在产品、产业、区域这些层面所发挥的重要性。迈克尔•波特是第一位从产业角度来研究竞争力的学者，经过对许多国家的产业国际竞争力比较研究后，他提出钻石模型来判断一国特定产业是否具有国际竞争力。该模型包括六个因素：生产要素的状况、相关及辅助产业的状况、需求状况、企业的经营战略结构与竞争方式、政府行为及机遇。

我国学术界从20世纪80年代开始研究国际竞争力，在国际竞争力和产业国际竞争力（主要是工业的国际竞争力）方面的研究已日渐成熟，而在产业区域竞争力和第三产业竞争力方面还是处于初期发展阶段，特别是第三产业区域竞争力。国外研究的重点是第三产业的国际竞争力，主要在WEF和IMD每年公布的《世界竞争力报告》中体现。此报告对第三产业国际竞争力的评价侧重项目和资产过程，评价的指标中软指标较多，所以获得的数据不太客观。国内也大多侧重于第三产业的国际竞争力，如国家体制改革研究院、中国人民大学和综合开发研究院联合研究的成果——《中国国际竞争力报告（1997）-产业结构主题研究》。也有少数学者如吴士元对省级服务业竞争力做了分析，但还有待进一步的深入。我国第三产业区域竞争力评价体系构建

服务业的区域竞争力是特定区域第三产业综合能力的体现，是其在一定的政治、经济、科技、文化、人才等环境和条件下，相对于其它区域所表现出来的生存能力和可持续发展能力的总和。

第三产业的区域竞争力是一个综合指标，它不仅涵盖第三产业本身的发展规模和结构状况，还包括经济基础条件对第三产业发展的支持、技术发展水平对未来第三产业的促进和第三产业可持续发展的能力等因素，因此对第三产业区域竞争力的评价要从多角度、多方面进行综合考察。按照研究的科学性、全面性、可操作性、选取指标的真实性和可获性，笔者利用2006、2005、2004、2003年中国统计年鉴和中国人口统计年鉴构造一个多层次的指标体系，从不同侧面反映我国31个地区第三产业竞争力水平和发展态势。为消除各项指标之间可能的相关性，采用因子分析法对各项指标进行综合分析，以反映各地第三产业竞争力的真实水平和在全国的位次。

（一）第三产业区域竞争力评价体系

指标：本文设计六个方面的指标来综合反映第三产业区域竞争力：经济基础；第三产业总量水平；第三产业内部结构状况；第三产业产出效率；技术发展水平；第三产业可持续发展状况。每个方面又由一些具体的指标构成，具体如表1所示。

构建评价模型。以上选取14项指标构成的综合评价指标体系，由于数量较多，并各指标之间可能存在相关关系，所以不能直接用其进行第三产业竞争力的判断。因子分析法是在主成分分析法的基础上发展起来的一种处理多因子变量的科学的经济计量方法。该方法从大量的可观测因子变量中通过因子分析计算，把众多因子变量概括、析取和综合为少数重要因子（这些因子对综合变量有较大的解释力和承载荷力），并通过对各因子变量的综合得分值进行次序排位，还可进一步研究影响综合得分次序的因素。

（二）因子分析过程

借助SPSS11.0进行因子分析，过程如下：

1.求各指标间的相关系数矩阵，如表2所示。由表2的相关系数矩阵知，原始变量数据中，很多指标的相关度都非常高。如人均GDP与人均消费支出、人均第三产业增加值、第三产业从业人员比重、第三产业劳动生产率和专业技术人员比重之间具有极其强的相关关系。

经KMO和BARTLETT检验表明：近似卡方值为476.381，自由度为66，检验的显著性概率为0.000，即相关矩阵不是一个单位矩阵，故可以进行因子分析。KMO（KAISER-MEYEROFOLKINMEASUREOFSAMPLINGADEQUACY）是用于比较观测相关系数与偏相关系数值的一个指标，其值越接近1，表明对这些变量进行因子分析的效果越好。在本文的实证分析中，KMO值为0.733，结果比较理想，因此因子分析的结果应可以接受。

2.按照特征根大于1的原则选取公共因子（也称为主因子）：按照特征根大于1的原则，本文选取两个公因子，其累计方差贡献率为76.677%。用两个公因子代替12个原始变量，可以概括原始变量所包含信息的76.677%。两个公因子代表了12个指标的大部分信息，可以充分反映31个地区第三产业竞争力的评价信息。各主因子的对应特征根及方差贡献率见表3。

3.采用主成分分析法计算出因子载荷矩阵。为了便于对主因子解释，本文采用方差极大正交旋转对主因子载荷矩阵进行旋转，经过旋转后，得到主因子正交旋转载荷矩阵，见表4。

由旋转后的因子载荷矩阵知，第一主因子在人均GDP、人均消费支出、人均第三产业增加值、第三产业增加值比重、第三产业就业比重、第三产业劳动生产率和专业技术人员比重方面具有很大的载荷和解释能力，从各指标的经济含义可知它们反映了经济发展状况和第三产业产出效率，所以本文将这个主因子定义为第三产业发展基础条件和未来发展潜力。第二主因子在第三产业增加值、二产比重、金融房地产和其他服务业上具有很大的载荷和解释能力。对原始数据进行标准化处理，以消除各指标单位大小的影响，然后按下列公式计算各主因子：