数字经济背景下对各城市经济发展潜力的综合评价——以贵州省为例

Comprehensive Evaluation of the Economic Development Potential of Various Cities under the Background of Digital Economy—Taking Guizhou Province as an Example

摘要: 随着数字技术的不断发展和普及数字经济得到了迅速发展，对城市的发展带来了广阔的机遇。发展潜力分析对了解一个区域城市自身的产业发展规律和协助政府经济决策都具有相当重要的研究意义。我们可通过对比分析中国某省内在数字经济背景下的其它各个主要城市及其经济发展及其潜力，做出哪些对其各大城市发展最为有利的区域发展的计划方案以及具体决策，从而使之发展得到进一步的提高。以贵州省9个市为例，采用主成分分析法，得出各市县的经济综合价值。利于综合制定产业发展与对策，以期能够为贵州省近期的发展经济战略进一步制定以及区域间协调发展提供参考。

Abstract: With the continuous development and popularization of digital technology, the digital economy has developed rapidly, bringing vast opportunities to the development of cities. The analysis of development potential is of great research significance for understanding the industrial development laws of a regional city itself and assisting the government in economic decision-making. We can compare and analyze the economic development and potential of other major cities in a certain province of China under the background of digital economy, and make specific plans and decisions that are most beneficial for the development of its major cities, so as to further improve their development. Taking nine cities in Guizhou Province as an example, using principal component analysis, we can obtain the comprehensive economic value of each city and county, which is conducive to the comprehensive formulation of industrial development and countermeasures. This is hoped to provide reference for the further formulation of economic development strategies and coordinated development between regions in Guizhou Province in the near future.

1. 研究背景

贵州省东邻湖南，西邻云南，北靠云南，四川以及重庆，贵州地处西南云贵高原，面积仅17万平方公里，辖6个地级市和3个自治州。可以说，贵州的管辖范围并不大。贵州省山多且高、谷深、沟壑纵横，这些地势因素极大地制约了贵州省的各项发展。贵州作为我国一个既不属于沿海的也不叫沿江省的一个内陆小省份在祖国的一角很容易被忽视，从而导致经济不景气。党的第十八大以来，习近平总书记对涉及贵州省经济发展产业结构和调整、生态环境等的问题保护工作十分的关切。进入中国共产党二十大时代后，我国的社会主要矛盾已经发生重大变化，更加强调统筹和区域的协调的发展，最大程度地挖掘区域发展潜力。区域城市发展潜力通常指的应该是城市具有维持社会长期发展和所需要依赖自然资源的整体现状环境能力(包括经济环境、自然环境、政策环境、和社会环境)等的现有基础前提上，能够充分支持这个区域在未来获得稳定可持续发展的一种全面、协调发展的综合潜在的能力。城市发展的潜力通常也应该就是指这个城市能在长期维持当地经济、环境、社会、资源等的发展现状基础条件上，城市自身能够获得全面、可持续的发展战略的执行能力。城市发展空间潜力是一个较难获得精确的把握数据的概念，随着各项指标数据选取角度的有侧重，所能够表现到的指标内容和重要程度范围将会出现很多不同层次的结果，并往往不能完全被用于直接的测量或分析。城市发展潜力分析是按照一定的指标体系、采用一定的方法对城市发展潜力的大小进行定量测算与等级划分，进而对所评价城市的发展潜力予以全面综合分析。

数字经济对城市经济增长起到了重要的驱动作用，为城市带来了新的经济增长点。通过数字技术的应用和互联网等信息技术的发展，能够推动传统产业升级，并推动新兴产业的孕育和发展，进而促进城市经济的全面发展。数字经济的发展，需要大量专业技术人才。城市积极发展数字经济，可以促进就业增长，为市民提供更多就业机会和提高人才工资水平。随着数字经济的发展，城市经济互联互通、数字化水平不断提高，进一步助力城市数字化进程的推进，增强城市在全球数字竞争中的话语权，进而提高城市的整体竞争力，相较于其他领域，数字经济领域具有快速发展和较高附加值的特点，城市积极发展数字经济可以提升城市的国际竞争力。

本文主要是从贵州省影响各城市经济的指标这个方向来研究贵州省各城市经济发展潜力。城市发展潜力评价与其综合实力评价、竞争能力评价相比具有可持续性、潜在性和综合性特征。它立足城市发展现状着眼于未来发展，根据系统分析各指标对城市发展的影响，确定各城市发展潜力。尝试构建省域综合发展潜力区划方法，不仅能完善经济地理学等学科的相关理论研究，而且对促进贵州省人口、资源、环境、经济等的和谐发展以及省域协调发展具有重要现实意义。从而找准发展的重点，提出相关发展建议。

2. 文献综述

张建威(2019)将贵州省经济大系统分为经济发展、生态环保、社会进步三个子系统，构建了区域经济协调发展评价指标体系，通过对2002~2016年贵州省区域经济发展协调度分析，得到贵州省区域经济协调度阶段波动性明显并呈现下降趋势，最后，简要分析了贵州省区域经济协调发展的影响因素，结合分析结果提出了有针对性的对策建议[1]。武童(2019)基于因子分析对安徽省各城市经济发展水平进行了综合评价探究，结合安徽省各市的特点，对各个城市进行了综合分析，最后为了能够减少经济发展不平衡的现象，推动落后城市的经济快速发展提出了建议[2]。曹天培，李锦生(2021)对苏北五市的经济发展水平进行了综合评价，并提出了各个城市的弱点以及发展建议和规划[3]。杨丹丽(2023)以汉川市为例，运用经济数据分析法、GIS空间分析法等定性定量相结合的方法对汉川市村庄总体特征、城郊融合类村庄具体特征及其发展变化动力机制深入分析，并在此基础上构建了汉川市城郊融合类村庄发展潜力评价模型、计算评价结果，最后提出汉川市城郊融合类村庄未来发展建设思路[4]。张远景，王月等人(2021)选取黑龙江省14个对外开放的中俄边境口岸城市为研究对象，从社会经济、资源环境、基础支撑和口岸建设四个方面构建三级评价指标体系，采用层次分析法、极值法、线性加权法和德尔菲法对沿边口岸城市发展潜力评价分级[5]。张倩莎，张琪(2024)基于中国284个地级及以上城市面板数据进行实证分析，结果发现：数字经济对城市经济高质量发展具有显著正向作用；技术创新在二者之间存在中介效应；从门槛效应来看，当以市场化为门槛变量时，数字经济与城市经济高质量发展之间是一种非线性关系；技术创新的中介效应存在明显的区域异质性[6]。韩坚(2024)构建了数字经济发展水平指标与城市经济效率指数，实证研究了数字经济对城市经济效率的空间影响，并基于因果渠道检验对数字经济通过技术创新与产业结构升级影响城市经济效率的机制进行了检验，研究结果表明，数字经济能够直接驱动城市经济效率提升并且也能够提升城市经济效率的空间效应[7]。

在我国贵州这个处于全国经济实力相对最落后地位的省份，城市自身的长远发展将面临着的许多重大压力。深入了解分析了我省在数字经济背景下各地区城市发展的重大发展与潜力，重点突出关注那些潜力特别大的中心城市，将自身潜力充分转化提升为自身城市竞争力，有助于推动各大城市努力在快速城市化大进程浪潮中实现强化自身的优势，科学合理定位，将其静态上的相对比较优势尽快转化提升为城市动态竞争的绝对优势；认清弱点，找出发展短板，找准战略对策，在团结合作和互助双赢中努力走国际友好协调发展的之路；要确定未来发展目标重点，制定一系列切实可行具体的实施方案。在组织制定国家发展外交战略时，应在较短的时间内取得更快的进展。

3. 城市发展潜力综合评价

区域空间发展经济潜力分析评价系统是通过采用一整套科学完整的区域评价研究指标体系、方法来对城市区域的发展及潜在开发能力做出的有效测度。主要应用在spss等研究软件环境中应用主成分分析法与聚类分析法来对全国贵州省等6个省级中心城市区和3个州县进行中心城市发展区域潜力综合评价。

主成分分析(PCA)是通过降维的方法，把多个可能存在相关性的变量转化为少数线性不相关的变量，转化后的这些变量叫主成分，而且这些新变量尽可能保持原始变量的大部分信息。

Table 1. KMO and Bartlett’s Test

表1. KMO和巴特利特检验

KMO取样适切性量数		0.745
巴特利特球形度检验	近似卡方	215.308
	自由度	31
	显著性	0.000

由表1可知，近似矩阵的卡方值系数为215.30，自由度系数为31，相应的概率因子仅为0.000，即相关多变量矩阵实际上并都不是某一个单位阵，适合用于作主成分分析。KMO系数是我们又是一个观测的相关变量系数值与偏相关系数值的又最后一个指标，其值越能接近1，表明了我们对这些相关的变量进行主成分分析及预测时的统计效果会越好。在我们对本文进行的实证分析及研究计算中，KMO系数的值约仅为0.745，因此这些变量适合做主成分分析。

在选择指标体系之前，参考了大量的信息和相关文献。根据效率、全面性、代表性和普遍性的原则，并按照spss的KMO值，最终确定并选定了8个评价指标。X₁——地方税收收入，X₂——社会消费品零售总额、X₃——城乡居民储蓄剩余、X₄——城镇居民人均可支配收入、X₅——社会消费品零售总额、X₆——人均国内生产总值、X₇——固定资产投资、X₈——人均消费支出(数据来自贵州省城市统计年鉴)将数据标准化以消除量纲的影响得出相关系数阵(见表2)。

Table 2. Correlation coefficient matrix

表2. 相关系数矩阵

		X1	X2	X3	X4	X5	X6	X7	X8
相关性	X1	1.000	0.094	−0.898	1.000	0.991	0.995	0.984	0.996
	X2	0.094	1.000	0.269	0.087	0.087	0.017	0.230	0.062
	X3	−0.898	0.269	1.000	−0.902	−0.920	−0.920	−0.862	−0.892
	X4	1.000	0.087	−0.902	1.000	0.989	0.997	0.984	0.997
	X5	0.991	0.087	−0.920	0.989	1.000	0.982	0.983	0.976
	X6	0.995	0.017	−0.920	0.997	0.982	1.000	0.970	0.998
	X7	0.984	0.230	−0.862	0.984	0.983	0.970	1.000	0.972
	X8	0.996	0.062	−0.892	0.997	0.976	0.998	0.972	1.000

a. 此矩阵不是正定矩阵。

如表2，根据相关系数矩阵我们可以判断出这八项指标具有较强的相关性，这就说明这八项指标所反映的经济信息情况很大量重叠，计算相关系数阵的特征值及累积贡献率。

从表3可以观察到前两个指标特征值的信息累积损失贡献率可以达到约96.989%，也就是说仅用这前两个的主成分指标来分别代表了原来这几个指标其平均信息损失量贡献率约各为约3%这个值实际上是非常偏小了的，况且在经过了主成分分析后原来这前后两个指标主成分指标是几乎互相独立无关的，所以可选择两个主成分，设Y₁，Y₂分别代表第一、第二主成分。

Table 3. Total variance explanation

表3. 总方差解释

成分	初始特征值			提取载荷平方和
	总计	方差百分比	累积%	总计	方差百分比	累积%
1	6.780	84.751	84.751	6.780	84.751	84.751
2	1.139	14.239	96.989	1.139	14.239	98.989
3	.070	.874	99.864
4	.011	.136	100.000
5	4.605E−16	5.756E−15	100.000
6	1.522E−16	1.902E−15	100.000
7	−2.057E−16	−2.572E−15	100.000
8	−6.284E−16	−7.855E−15	100.000

提取方法：主成分分析法。

Table 4. Component matrix

表4. 成分矩阵

	成分
	1	2
X1	0.997	0.042
X2	0.956	0.0997
X3	−0.925	0.332
X4	0.998	0.034
X5	0.994	0.028
X6	0.983	−0.035
X7	0.983	0.173
X8	0.992	0.013

提取方法：主成分分析。

如表4，可以计算得出相关系数矩阵的特征根，得到第一主成分和第二主成分的特征值分别为7.664和0.115。

$Y_1=0.175{X^{\prime }}_1+0.058{X^{\prime }}_2+0.218{X^{\prime }}_3-0.069{X^{\prime }}_4+0.220{X^{\prime }}_5+0.221{X^{\prime }}_6+0.218{X^{\prime }}_7+0.226{X^{\prime }}_8$

$Y_2=0.083{X^{\prime }}_1-0.576{X^{\prime }}_2-0.040{X^{\prime }}_3+0.693{X^{\prime }}_4-0.042{X^{\prime }}_5-0.046{X^{\prime }}_6-0.047{X^{\prime }}_7+0.066{X^{\prime }}_8$

通过上式子可计算得第一第二主成分。式中的是${X^{\prime }}_i$ (i = 1, 2, ∙∙∙, 8)。$X_i$ 是各的标准化指标。进而算出各主成分得分以及综合得分(见表5)。

在表3中，从原来的因子载荷矩阵中提取了两个主成分，并代替了原来的八个指标，而不是两个

Table 5. Component score coefficient matrix

表5. 成分得分系数矩阵

	成分
	1	2
X1	0.175	0.083
X2	0.058	−0.576
X3	0.218	−0.04
X4	−0.069	0.693
X5	0.220	−0.042
X6	0.221	−0.046
X7	0.218	−0.047
X8	0.226	−0.066

Table 6. Comprehensive evaluation score

表6. 综合评价得分

城市	社会发展水平第一主成分	排名	经济发展水平第二主成分	排名	综合得分	排名
贵阳市	3.263	1	0.663	1	2.033	1
遵义市	0.753	2	0.432	2	0.405	2
六盘水市	0.411	3	−0.097	3	−0.004	3
安顺市	−0.721	6	−0.366	6	−0.223	4
毕节市	−0.865	8	−0.145	4	−0.278	5
黔南州	−0.765	7	−0.214	5	−0.339	6
黔西南州	0.312	4	−0.987	8	−0.449	7
黔东南州	0.133	5	−0.876	7	−0.459	8
铜仁市	−0.874	9	−0.934	9	−0.684	9

新的变量第一个主成分被定义为反映社会发展水平；第二个主成分被定义为反映经济发展水平；两个主成分的得分和总分的计算结果如表5所示。

在表6我们能够清楚的看见各个城市的每个成分得分以及综合得分情况。显然贵阳市仍是贵州省最具备发展潜力的城市，其次是遵义市和六盘水市。

4. 结果分析与建议

4.1. 结果分析

把处理原始经济数据后得出的这两个公因子的得分结果看成是综合反映了各地区城市经济实力情况的两个基本指标，由Y₁ (社会发展的第一个主成分)排名显示，贵阳、遵义和六盘水位居前三，表明这些城市得分很高。排名中间的是安顺、黔南州和黔东南州，这些城市的经济发展水平一般.毕节、黔东南和铜仁是发展相对缓慢的最后三个城市。Y₂ (经济发展的第二个主成分)显示，贵阳、遵义，六盘水是经济水平高、居民生活质量好的城市.安顺、黔南州和毕节是中等规模的城市，经济水平中等，而黔东南州，黔西南州和铜仁则排在后三位，表明了这些城市人民的实际经济水平仍较低，需要注意提高居民未来的实际生活质量。前三个城市是贵阳、遵义和六盘水，这意味着它们的整体经济发展很强，所以我们需要挖掘它们最大的潜力，进一步发展，以刺激其他城市的发展，互相帮助其中，贵阳市是贵州省省的省会级城市，占据了经济与贸易发展的重要优势位置；是国家贵州省中的主要政治、经济、文化、科教、交通中心地区和中国西南地区沿线重要区域的对外交通、通信和枢纽、工业基地城市及国家商贸旅游服务中心沿线，国家西南地区中的主要中心工业城市区域之一。遵义市是贵州的第二大城市，是贵州省北部的红色旅游城市，是全县的国家级旅游景点。它也是中国最著名的三大茅五剑酒之一的茅台酒的故乡，它的总排名值得第二。六盘水市是贵州省下辖市。六盘水市也称为凉都，地处贵州西部乌蒙山区，滇、黔两省结合部，长江、珠江上游分水岭，南盘江、北盘江流域两岸，是西南重要的铁路枢纽城市和物流集散中心之一，六盘水也是国家西电东送的主要城市。抓住这三个城市核心领域发掘最大潜力，以期得到更宏伟的发展。安顺市，毕节市，黔南州等省会城市作为带动贵州省地区中等以下城市县域经济发展引擎的经济综合拉动能力作用仍需有待巩固提升。寻找影响城市发展的原因，与附近城市相互支持。黔西南州，黔东南州，铜仁市即为贵州省的落后的地区。由于这里地理位置自然环境较差以及工业经济基础较薄弱，导致生产力发展极为落后，大量年轻的失业劳动力以及各类人才资源的急剧流失就更直接加剧到了这一现象的产生。

4.2. 建议

根据上述调研结论，结合贵州省在数字经济背景下中各市发展的一般特点，可以从中看出我省各市经济发展水平地区之间可能存在较明显区域差异。为了切实能够尽快减少城市这种社会经济发展极度不甚平衡状态的特殊现象，推动这些落后发展城市自身的特色经济实现快速跨越式发展，提出了以下这三点建议：

第一，在省域范围内重点建设以贵阳和遵义2个大城市为中心的都市区，带动其周边其它城市经济的同步发展。依靠着其自身优秀独特的优势地理位置优势以及国政策上的扶持帮助，让贵州省等优秀的产业品牌走出去，并同时引入其它好点的优势产业，不断地进行产品创新研发和品牌发展。最大程度挖掘贵阳市，遵义市，以及六盘水市的发展潜力，从而得到更好的发展，抓住机遇，带动省内其余一些城市的经济发展。

其次，贵州省中的各中等发达城市还应善于利用它们自身经济特点，提高区域产业技术创新服务能力，与其周边其它城市之间进行技术专业化与分工式合作，相互吸收学习，共同推进发展。这就不仅是可以进一步改善农业第一三产业体系的持续发展，促进了产业模式创新，而且还可以创造更多的就业机会，提高人民的收入，从而改善人民的生活质量。

第三，铜仁地区说明我国现在的农业县域经济总体水平发展状况还是有相对严重的阶段性滞后，政府和主管相关部门也应要抓紧着手制定一系列更加合理完善也更有效合理实用的宏观调控引导政策，加快新型农村综合工业化示范县建设工作进程。同为落后地区的黔东南州，生态环境基础较好，旅游业亦较城市发达，可以先通过发展推动城市旅游业建设来逐步鼓励城市餐饮服务业等相关其他服务产业领域的迅速发展。充分利用城市这一地理优势，打造世界一流品质的现代旅游城市，带动整个旅游城市产业的经济发展。

5. 结语

贵州未来的发展应继续立足于贵阳作为省会的区域优势，扩大其辐射范围和流动性。综合潜力大的城市可以更快地实现规模经济，为内陆城市的发展创造条件。结合一般的因素分类，可以得出结论，社会和经济发展将继续保持同步和一致。因此，在贵州的城市中，遵义是唯一能够在未来的城市综合发展方面与贵阳竞争的城市。同时，要因地制宜，根据目前的发展水平和市场经济的要求，在考虑地区差异的情况下，有计划、有步骤、有针对性地利用资源进行发展，经济制度的建立也决定着经济的发展方向，更深层地影响了经济发展的结构。

同时更需注重协调好生态文化的规划建设管理与湿地环境保护以及与湿地经济、社会发展政策的执行同步。在数字经济背景下驱动经济和资本市场机制有效推动前提下，城市区域与其它区域市场间资源的双向相互吸纳作用能力和市场互相竞争影响力还将被不断得到加强，所以还需要积极营造公平开放充分竞争创新的经济发展政策环境，加强与城市经济间资源的横向联系，使这些空间资源能够得到更加优化地配置。推动贵州发展，要因地制宜。推动高质量发展，从实际出发是重要前提。贵州要实现迅速发展、迈开更高质量跨越发展、新坚实发展的步伐，要着力于乡村文明振兴、数字经济、生态与文明、改革开放四个整体统筹推动，新型农村工业化、新型城镇化、农业生产现代化、旅游资源产业化和“开枝散叶”紧密结合，动力更加强劲,协调健康发展，实现量上的健康合理持续增长局面和质上的和谐稳步提升。每个城市科学找准定位，利用自身特点，提高产业创新，创造更多就业机会。

推动实现国民经济高质量地跨越式快速发展，要一直坚持并狠抓全部产业领域经济发展。经济高质量快的跨越发展，要长期持续和狠抓推动整个区域工业进步和地方经济发展，工业化区域又必须是推进其工业的主力军、主战场，又必要是经济社会发展重点排头兵企业群和全部产业的第一重要支撑区域方阵。经济高质量快速地跨越式发展，加速全面深入推进和实现推进新型城镇化、中国新工业化建设目标，才是个题中所应有之义。推动工业经济高质量的持续创新发展，要进一步突出和狠抓园区发展和数字经济。工业经济向数字化驱动发展方式变革转型催生出新一时期高质量的经济创新转型发展和强经济动能。全力扎实做好和推动我国工业高质量创新继续跨越发展，要重点突出并狠抓园区经济。园区经济发展是政府承接园区产业项目开发投资项目建设管理任务时的一块坚强发展主阵地，是企业着力加快推动现代企业高质量效益化发展机制建设进程的最坚强经济主战场。我们也同样要努力在园区实践建设中更深刻有效的学习把握围绕着绿水青山财富资源既是中国城市自然财富、生态财富同时又同样应是整个国家社会财富、经济财富之一的这个核心道理，积极稳妥加快的推进中国农业生态资源高效产业化、产业环境生态化，不断的扎实发展做好农村建设和绿水青山就是通过写在金山上和在银山中的这三篇好文章，让乡村建设与绿水青山得到充分利用，发挥最大的经济社会效益，推动我省农村经济高质量的健康发展。