王炸官宣！上海穩居第一，誰能脫穎而出為第二城
2019-12-13 16:39:22
次
12月1日傍晚，備受期待的《長江三角洲區域一體化發展規劃綱要》終于官宣。
對比千年大計和粵港澳大灣區全面啟動，長三角這個大禮包，似乎有點晚。
之所以姍姍來遲，更說明它的重要。就像當年浦東在深圳后面開發，快從來不是長三角的追求。它的亮相，一定要經過國家的深思熟慮。
作為占全國經濟總量1/4的最大城市群，長三角無疑是中國參與國際競爭的那張王炸。
今天小T就來聊聊長三角區域一體化這張王炸。
如果問長三角城市群中最具實力的城市，肯定非上海莫屬。長三角城市群經過不斷擴容之后，目前共有41個城市，上海是無可置疑的龍頭老大，那么老二會花落誰家呢？杭州、蘇州還是南京？比拼一下，結果立馬知曉。
長三角第二城誰的勝算比較大？2018年，蘇州GDP達到1.85億元，可以說是一馬當先；杭州GDP為1.35億元，南京、無錫、寧波均在1萬億至1.3萬億之間。再來看人均GDP，蘇州和無錫最高，在17.4萬元左右，接著便是南京、杭州、寧波了。
從單個指標來看，每個城市都有自己的核心競爭力。那么從多個維度綜合考慮，到底哪個城市在此輪比拼中更勝一籌呢？
為了使結論更具說服力，小T選取長三角第一批16個城市為研究對象,篩選了具有代表性的11個相關指標,運用因子分析的方法對該區域各個城市的經濟發展水平做定量分析。數據來自于上海市、浙江省、江蘇省統計年鑒。
01數據說明
衡量一個城市的經濟效益,不僅要看該城市的現有經濟產出,還應該從社會的各個方面去考察,為此,本案例選用下列十個指標來全面衡量一個城市經濟實力。
表結構（共16行，18列）
表預覽
02分析方案
此次分析主要采用的是因子分析法，因子分析是通過對原始數據研究其相關矩陣的內部依賴關系，把一些原本錯綜復雜關系的多個變量表示成少數幾個反映共性的因子，并給出原始數據變量和綜合因子之間相關關系的一種多元統計分析方法。
因子分析常用的兩種方法：一種是通過對變量相關矩陣或者協方差內部結構，研究變量之間相關關系的R型因子分析；另一種是通過對樣品相似矩陣的內部結構研究樣品之間相關關系的Q型因子分析。在分析處理多個變量之間的問題時，變量之間往往相關密切，因此導致觀測數據所反映出來的信息是有重疊。于是，人們希望可以找到較少的綜合變量盡可能全的反映原始變量的信息。
這些不可直接觀測的少數綜合變量稱為公共因子或者潛在因子，通過相關系數矩陣及其逆矩陣、各變量的共同度、各個特征根的方差貢獻率、因子載荷矩陣、因子得分系數矩陣。
利用TempoAI的因子分析節點，選擇主成分方法構建分析流程如下：
基于TempoAI的挖掘建模流程
03分析結果
以下是旋轉因子得分矩陣表
從上表中可以看出，因子1主要涵蓋了地區生產總值，利稅總額，居民人均可支配收入，接待國際旅游人次，郵電業務總量，因子2主要涵蓋了工業廢水排放達標率。將第一因子稱為總量因子，主要代表經濟總量相關指標的信息；工業廢水排放達標率的權重較大，第二因子影響經濟總量較小。
利用因子1計算各城市綜合經濟實力得分及實力排名：
根據以上分析方案，可以得到長三角城市群中各城市綜合實力的粗略排名，從強到弱依次是:上海、蘇州、無錫、杭州、寧波、南京、常州、紹興、嘉興、鎮江、湖州、臺州、舟山、南通、揚州和泰州。上海作為超一線城市，其龍頭老大的地位依然穩如泰山，緊隨其后的是蘇州和無錫，蘇錫無論是歷史文化底蘊還是工業基礎，都堪稱雄厚。民營經濟和縣域經濟發達，其蘇南模式一度讓國人側目。杭州作為近年的明星城市，乘著互聯網新經濟的東風，越來越有一線城市的氣象；寧波坐擁世界最大港口之一，地理位置優越，和上海遙相呼應。
另一方面，通過各城市因子得分及排名表,我們可以看出，長三角的經濟發展總體水平較高,但內部仍然存在著發展不均衡現象，得分最高的上海(58577.94分)和得分最低的泰州(14058.12)相差明顯。
此次分享案例主要講解了因子分析在實際場景中的應用，因子分析可在許多變量中找出隱藏的、具有代表性的因子，其在市場調研中有著廣泛的應用，如：消費者習慣和態度研究、品牌形象和特性研究、服務質量調查、顧客、產品和行為分類。借助Tempo數據分析平臺，不僅可以高效簡化數據，掌握數據降維的方法；而且用戶能夠基于平臺內置的數據處理、算法節點，以拖曳式迅速完成機器學習、深度學習、自然語言處理等算法模型構建，實現數據的關聯分析、未來趨勢預測等多種分析，幫助用戶探索數字世界的價值和規律。
Tempo商業智能平臺
Tempo人工智能平臺
Tempo數據工廠平臺
Tempo指標平臺
Tempo數據治理平臺
Tempo主數據管理平臺
首頁
陜公網安備 61019002000171號
