论文部分内容阅读
摘要：装备制造业具有资本和技术双重密集型特点，其产业集群化所释放的集群效应是竞争力提升的源泉。河北省装备制造业产业集群已显雏形，但在全国还不具备区位优势。集群竞争力不仅体现在规模优势上，而且受到科技创新和经济效益的重要影响。迅速提高装备制造业集群竞争力，是构建河北省现代产业体系，实现经济文明和生态文明共同繁荣的必经之路。
关键词：河北省；装备制造业；区位熵指数；集群竞争力； 产业集聚；比较优势
中图分类号：F426 文献标识码：A 文章编号：1007-2101（2014）03-0095-07
一、引言
从全球产业发展的趋势看，正在呈现全球化分工不断深化、产业集群化、信息化、服务网络化四大新特征；从生产要素密集类型的角度分类，相对于劳动密集型产业而言，资本密集型、技术密集型产业更容易具备集群化特征。装备制造业是为国民经济各部门提供技术装备的战略性产业，具有技术密集型和资本密集型双重特点，且由于产业链条长、关联度大，极易通过集群形式来发展，产业集群所释放的集群效应正是提升竞争力的源泉所在。
河北省自“十一五”时期开始，在着力构建现代产业体系的经济调整转型过程中，把装备制造业作为一个主攻方向，从多方面给予政策支持和大力推进。然而，改革开放以来河北省凭借资源优势形成了“一钢独大”的产业结构模式，装备制造业产业规模偏小、产业集群度低、科技创新能力不强的问题依然是突出的矛盾。因而，深入研究河北省装备制造业产业集群情况，进一步提高其产业集群竞争力，对于推动河北省现代产业结构体系的构建和优化升级具有积极的现实意义。
（一）相关研究综述
装备制造业是中国特有的概念，近年来关于装备制造业集群竞争力的研究成果较多。杨水根对产业集群竞争力进行了研究（2007），认为目前还没有统一的产业集群竞争力的概念，在产业集群竞争力评价指标的确定和模型的建立方面，是从定性描述到定量衡量的过程，很多集群竞争力评价指标的设计锁定在集群内部，与集群外部的经济发展相关指标设计较少，所以定量分析比定性分析少，因此要加大对产业集群外部相关指标进行设计。朱珠运用空间基尼系数对江苏省28个制造行业的产业集聚情况进行了分析（2007），认为江苏省制造业有明显的产业集聚现象，产业集聚程度在不断的提高。卢杰等人根据竞争力协同发展理论，提出了产业集群评价体系，包括集群企业竞争力、集群聚集竞争力、集群环境竞争力三个方面，认为产业集群竞争力的提高对产业的发展乃至整个产业链的聚集都会产生很好的促进作用（2008）。宗成峰对产业聚集水平测度方法进行了研究和梳理（2008）。齐华东等人采用空间基尼系数、区位熵和产业地理集中度模型，对东北三省制造业产业集中程度进行了研究，认为辽宁省的高技术制造业集中度较高，吉林、黑龙江两省传统制造业比较集中（2010）。从现有的对产业集群竞争力的研究来看，定性研究的结论相对比较笼统，而定量研究在指标选择上存在不规范和不全面性，尚未形成统一的研究模型。
（二）装备制造业的产业界定及数据口径
多年来关于装备制造业的概念及产业分类，在学术界有多种不同意见。基于数据的规范性和可操作性考虑，本文采用国家统计局新修订的标准——《国民经济行业分类》（GB/T4754-2011），根据这个标准分类，装备制造业具体包括8个子行业：金属制品业，通用设备制造业，专用设备制造业，汽车制造业，铁路、船舶、航空航天和其他运输设备制造业，电气机械及器材制造业，计算机、通信和其他电子设备制造业、仪器仪表制造业。数据来源主要是2013年《中国统计年鉴》《山东统计年鉴》《江苏统计年鉴》《广东统计年鉴》和2006—2013年的《河北经济年鉴》有关数据资料计算所得，指标口径为“规模以上工业企业”。
二、河北省装备制造业集群度识别与分析
（一）集群度识别方法的选择
在国内外关于产业集群的研究文献中，有许多方法运用于产业集群的识别中，既有定性分析方法，也有定量分析方法。其中，定量分析方法主要包括：区位熵指数、产业集群指数、空间基尼系数、赫希曼-赫芬达尔系数、哈莱-克依指数、信息熵和锡尔系数等。在众多的研究方法中，区位熵指数由于计算较为简捷，且能对某区域某产业的发展水平与全国平均发展水平进行充分比较，明确该地区的产业集群程度在全国的水平和位置，因而应用较为广泛。因此，在对各种方法进行比较的基础上，又充分考虑了方法的实用性和数据的支持度，本文采用了区位熵指数对河北省装备制造业的集群度进行识别与分析。区位熵指数的计算方法：
其中：CQij表示研究区域某一产业的区位熵；qij表示j地区i行业的产值或相关指标；Qj表示j地区全部工业总产值或相关指标；Qi表示i行业的全国总产值或相关指标；Q表示全国的工业总产值或相关指标。当CQij>1时，则表示i产业在j地区的专业化生产水平高于全国平均水平，值越大，则表明专业化程度越高，j地区i行业的集群度越高。当CQij<1，表明j地区的i产业的专业化生产水平低于全国的平均水平。当CQij=1时，表示j地区i产业的生产水平与全国平均水平相当。
（二）河北省装备制造业集群识别与分析
在众多的研究文献中，区位熵指数主要是基于产值计算的，虽然产值区位熵确实最能反映生产的集群度，但笔者认为不够全面，因为它没有考虑企业规模，因而有可能产生少数个别企业规模过大而导致的区位熵很高但实际并没有集群的假象。产业的聚集首先要有一定数量的企业，其次是企业的生产要达到一定的规模，第三是企业的经营要有好的效益，要有进一步发展的潜力。考虑到上述因素，为了弥补单个的产值区位熵指数的不足，我们筛选了企业个数、工业总产值、主营业务收入、资产总额和从业人数5个指标，计算了河北省装备制造业及其8个子行业各自的区位熵指数计算结果（如表1）。
表1数据结果显示，河北省装备制造业总体上看，所有5个指标的区位熵指数均小于1，反映出河北省装备制造业在全国不具备区位优势，产业集群度较低；从具体指标的数值比较看，5个指标从高到低依次为企业单位数、从业人数、工业总产值、主营业务和资产总额，这个结果表明河北省已有较多的企业进入装备制造业，但企业的生产规模、资产规模、经营业绩等尚不具备集群优势；从8个子行业来看，金属制品业的5个区位熵指数均大于1，其中产值区位熵最高为1.730 1，表明河北省的金属制品业具有较高的产业集群度和较强的规模优势，在全国具备明显的区位优势；专用设备制造业的企业单位数和从业人员的区位熵指数略大于1，另外3个指标值则小于1，这表明该行业具有一定的产业集群度和劳动力规模优势，但产值和资产规模以及经营业绩在全国还没有区位优势；其余6个子行业各项指标值均小于1，都不具有区位优势，集群度较低，其中，计算机、通信和其他电子设备制造业以及仪器仪表制造业两个子行业区位熵指数最小，前者最小的主营业务收入区位熵仅为0.092，反映出这两个行业完全不具备集群优势和区位优势。 （三）河北省装备制造业集群度变动趋势分析
进入“十一五”时期之后，河北省政府着力调整产业结构，构造现代产业体系，高度重视装备制造业的发展，出台了一系列大力推进装备制造业发展的政策，装备制造业进入快速发展时期，产值以超越两位数的速度增长，产值区位熵指数从2005年的0.4392逐步递增到2012年的0.5767，呈现出平稳增长的趋势，虽然在全国还不具备区位优势，但产业集群已显雏形。（见图1）
（四）部分省份装备制造业集群度对比分析
为了更进一步了解河北省装备制造业的集群度和区位优势，我们选择了相邻的山东省以及装备制造业比较发达的江苏省和广东省进行对比分析。
由于计算结果包括四省8个行业各自的5个指标的区位熵指数，表格过于庞大不便在论文中展示，这里截取一部分，以最有代表性的产值区位熵指数做成表2，进行代表性展示。计算的数据结果显示，从四省的装备制造业总体看，山东省的各项指标值均小于1，但除了企业单位数以外，其余4个区位熵值均大于河北省且都在0.76以上，而河北省的均在0.66以下，反映出山东省的装备制造业在全国还不具备区位优势，产业集群度也较低，但比河北省还是高出不少；江苏和广东两省各项区位熵值均大于1，反映出这两个省的装备制造业均在全国具有明显的区位优势和较强的产业集群度；其中，最强的广东省，除了企业个数以外，其余4个区位熵值均相当于河北省的3倍左右。
从区位熵指数的5个指标看，河北省在企业单位数方面略高于山东省，与江苏和广东两省的差异也不大，但在其余4个区位熵指数上的表现，不仅都低于山东省，更是大大低于江苏和广东两省，这种现象反映出河北省的装备制造业在企业个数上已经有一定的数量，开始呈现集群特征，但在企业的生产规模上还偏小，经营效益有待提高（见表2和图2）。
从装备制造业内部的8个子行业看，河北省的金属制品业具有较强的集群度和区位优势（区位熵指数>1.5），但与其他三省差异不大；山东省的专用设备制造业具有较强的集群度和区位优势，但与其他三省差异也不大；江苏省在仪器仪表制造业具有明显的区位优势和很强的集群度（区位熵指数>2），另外，在计算机、通信和其他电子设备制造业，电气机械和器材制造业，铁路、船舶、航空航天和其他运输设备制造业也具有较强的区位优势和集群度（区位熵指数>1.5）；广东省在计算机、通信和其他电子设备制造业上具有非常明显的区位优势和极强的集群度（区位熵指数>3），在电气机械和器材制造业中也具有较强的区位优势和集群度（区位熵指数>1.5）。
因此，从横向看，河北省与发达省份相比，装备制造业无论是在集群度还是区位优势上都有较大差异；而从装备制造业的行业内部看，只有金属制品业具有一定的集群度和区位优势，但在计算机、通信和其他电子设备制造业和仪器仪表制造业等科技含量较高的行业上，河北省与江苏、广东等发达省份差异很大（见表2、图2和图3）。
三、河北省装备制造业集群竞争力综合分析
通过基于区位熵指数的集群识别，可以初步观察河北省装备制造业的区位优势和集群特征，但各产业的集群竞争力表现还需考虑更多因素。笔者认为，由于装备制造业是为国民经济各部门提供技术装备的，是国民经济各部门实现技术创新的物质平台和载体，行业本身具有技术含量高、产业关联度大、资本密集和技术密集并存的特点，因此，对其集群竞争力的分析除了考虑规模因素以外，还需考虑到效益因素和科技创新因素，综合设计评价集群竞争力的指标体系。
（一）指标体系的设计和变量的定义
根据指标体系设置的一般原则，充分考虑装备制造业的产业特点，结合前人研究的成果，本文在指标体系设置时，从上述三大影响因素入手，并将其进行细化筛选，最终选取了15个二级指标作为分析变量（见表3）。
（二）研究方法
由于本文选择的变量较多，若笼统地将各指标统计数字相加进行比较，则无法客观、准确、有效地对装备制造业的集群竞争力进行综合分析，为此，要从数学角度建立一种“降维”思想，使用少数综合指标来反映原始指标所包含的大量信息，以降低变量之间的自相关性。因子分析是一种进行降维处理的有效方法，可以从众多的原始变量中提取出少数的相互独立的因子，以有效降低变量的维数并消除诸多原始变量相互之间的多元共线性，能够提炼出影响集群竞争力的主要因素（因子），并能综合评价装备制造业各子行业的集群竞争力。
（三）因子分析实证结果
1. 因子分析的适用性检验。因子分析法的基本思想就是通过对诸多变量的相关性研究，将众多原始变量浓缩成少数几个假想的因子变量，从而使这些因子变量具有更强的解析力；因此，该方法要求所选择的变量之间应存在较强的相关关系，否则就不适合做因子分析。因子分析适用度的常用检验方法是KMO和Bartlett球度检验，笔者根据所搜集的前述15个解释变量最近5年（2008—2012年）的数据，应用SPSS16.0计算得到KMO及球形检验见表4。
KMO（Kaiser-Meyer-Olkin）检验统计量是用于比较变量间简单相关系数和偏相关系数的指标，其取值在0到1之间。KMO值越接近于0，意味着变量间的相关性越弱，原有变量越不适合作因子分析；KMO值越接近于1，意味着变量间的相关性越强，原有变量越适合作因子分析。Kaiser给出了常用的KMO度量标准：0.9以上表示非常适合因子分析；0.9～0.7表示比较适合；0.7～0.5表示不太适合；0.5以下表示极不适合。表4数据显示，KMO值为0.733，原有变量较适合于做因子分析，检验通过。
2. 提取主因子。由于原始变量中有总量指标也有相对指标，因此应用SPSS对原始数据进行标准化处理（变量名不变），处理结果得到方差解释表（见表5）。表5显示了因子对原始变量总方差的解释情况，对主因子的提取主要依据两个标准：一是特征根数值大于1，二是累积方差贡献率大于85%。表5中旋转平方和载入的数据结果表明，前3个因子的特征根数值均大于1，且累积方差贡献率达到了总体方差的87.268%，故可提取的主因子有3个，分别记为F1、F2、F3，从图4也能得到相同的结果。
关键词：河北省；装备制造业；区位熵指数；集群竞争力； 产业集聚；比较优势
中图分类号：F426 文献标识码：A 文章编号：1007-2101（2014）03-0095-07
一、引言
从全球产业发展的趋势看，正在呈现全球化分工不断深化、产业集群化、信息化、服务网络化四大新特征；从生产要素密集类型的角度分类，相对于劳动密集型产业而言，资本密集型、技术密集型产业更容易具备集群化特征。装备制造业是为国民经济各部门提供技术装备的战略性产业，具有技术密集型和资本密集型双重特点，且由于产业链条长、关联度大，极易通过集群形式来发展，产业集群所释放的集群效应正是提升竞争力的源泉所在。
河北省自“十一五”时期开始，在着力构建现代产业体系的经济调整转型过程中，把装备制造业作为一个主攻方向，从多方面给予政策支持和大力推进。然而，改革开放以来河北省凭借资源优势形成了“一钢独大”的产业结构模式，装备制造业产业规模偏小、产业集群度低、科技创新能力不强的问题依然是突出的矛盾。因而，深入研究河北省装备制造业产业集群情况，进一步提高其产业集群竞争力，对于推动河北省现代产业结构体系的构建和优化升级具有积极的现实意义。
（一）相关研究综述
装备制造业是中国特有的概念，近年来关于装备制造业集群竞争力的研究成果较多。杨水根对产业集群竞争力进行了研究（2007），认为目前还没有统一的产业集群竞争力的概念，在产业集群竞争力评价指标的确定和模型的建立方面，是从定性描述到定量衡量的过程，很多集群竞争力评价指标的设计锁定在集群内部，与集群外部的经济发展相关指标设计较少，所以定量分析比定性分析少，因此要加大对产业集群外部相关指标进行设计。朱珠运用空间基尼系数对江苏省28个制造行业的产业集聚情况进行了分析（2007），认为江苏省制造业有明显的产业集聚现象，产业集聚程度在不断的提高。卢杰等人根据竞争力协同发展理论，提出了产业集群评价体系，包括集群企业竞争力、集群聚集竞争力、集群环境竞争力三个方面，认为产业集群竞争力的提高对产业的发展乃至整个产业链的聚集都会产生很好的促进作用（2008）。宗成峰对产业聚集水平测度方法进行了研究和梳理（2008）。齐华东等人采用空间基尼系数、区位熵和产业地理集中度模型，对东北三省制造业产业集中程度进行了研究，认为辽宁省的高技术制造业集中度较高，吉林、黑龙江两省传统制造业比较集中（2010）。从现有的对产业集群竞争力的研究来看，定性研究的结论相对比较笼统，而定量研究在指标选择上存在不规范和不全面性，尚未形成统一的研究模型。
（二）装备制造业的产业界定及数据口径
多年来关于装备制造业的概念及产业分类，在学术界有多种不同意见。基于数据的规范性和可操作性考虑，本文采用国家统计局新修订的标准——《国民经济行业分类》（GB/T4754-2011），根据这个标准分类，装备制造业具体包括8个子行业：金属制品业，通用设备制造业，专用设备制造业，汽车制造业，铁路、船舶、航空航天和其他运输设备制造业，电气机械及器材制造业，计算机、通信和其他电子设备制造业、仪器仪表制造业。数据来源主要是2013年《中国统计年鉴》《山东统计年鉴》《江苏统计年鉴》《广东统计年鉴》和2006—2013年的《河北经济年鉴》有关数据资料计算所得，指标口径为“规模以上工业企业”。
二、河北省装备制造业集群度识别与分析
（一）集群度识别方法的选择
在国内外关于产业集群的研究文献中，有许多方法运用于产业集群的识别中，既有定性分析方法，也有定量分析方法。其中，定量分析方法主要包括：区位熵指数、产业集群指数、空间基尼系数、赫希曼-赫芬达尔系数、哈莱-克依指数、信息熵和锡尔系数等。在众多的研究方法中，区位熵指数由于计算较为简捷，且能对某区域某产业的发展水平与全国平均发展水平进行充分比较，明确该地区的产业集群程度在全国的水平和位置，因而应用较为广泛。因此，在对各种方法进行比较的基础上，又充分考虑了方法的实用性和数据的支持度，本文采用了区位熵指数对河北省装备制造业的集群度进行识别与分析。区位熵指数的计算方法：
其中：CQij表示研究区域某一产业的区位熵；qij表示j地区i行业的产值或相关指标；Qj表示j地区全部工业总产值或相关指标；Qi表示i行业的全国总产值或相关指标；Q表示全国的工业总产值或相关指标。当CQij>1时，则表示i产业在j地区的专业化生产水平高于全国平均水平，值越大，则表明专业化程度越高，j地区i行业的集群度越高。当CQij<1，表明j地区的i产业的专业化生产水平低于全国的平均水平。当CQij=1时，表示j地区i产业的生产水平与全国平均水平相当。
（二）河北省装备制造业集群识别与分析
在众多的研究文献中，区位熵指数主要是基于产值计算的，虽然产值区位熵确实最能反映生产的集群度，但笔者认为不够全面，因为它没有考虑企业规模，因而有可能产生少数个别企业规模过大而导致的区位熵很高但实际并没有集群的假象。产业的聚集首先要有一定数量的企业，其次是企业的生产要达到一定的规模，第三是企业的经营要有好的效益，要有进一步发展的潜力。考虑到上述因素，为了弥补单个的产值区位熵指数的不足，我们筛选了企业个数、工业总产值、主营业务收入、资产总额和从业人数5个指标，计算了河北省装备制造业及其8个子行业各自的区位熵指数计算结果（如表1）。
表1数据结果显示，河北省装备制造业总体上看，所有5个指标的区位熵指数均小于1，反映出河北省装备制造业在全国不具备区位优势，产业集群度较低；从具体指标的数值比较看，5个指标从高到低依次为企业单位数、从业人数、工业总产值、主营业务和资产总额，这个结果表明河北省已有较多的企业进入装备制造业，但企业的生产规模、资产规模、经营业绩等尚不具备集群优势；从8个子行业来看，金属制品业的5个区位熵指数均大于1，其中产值区位熵最高为1.730 1，表明河北省的金属制品业具有较高的产业集群度和较强的规模优势，在全国具备明显的区位优势；专用设备制造业的企业单位数和从业人员的区位熵指数略大于1，另外3个指标值则小于1，这表明该行业具有一定的产业集群度和劳动力规模优势，但产值和资产规模以及经营业绩在全国还没有区位优势；其余6个子行业各项指标值均小于1，都不具有区位优势，集群度较低，其中，计算机、通信和其他电子设备制造业以及仪器仪表制造业两个子行业区位熵指数最小，前者最小的主营业务收入区位熵仅为0.092，反映出这两个行业完全不具备集群优势和区位优势。 （三）河北省装备制造业集群度变动趋势分析
进入“十一五”时期之后，河北省政府着力调整产业结构，构造现代产业体系，高度重视装备制造业的发展，出台了一系列大力推进装备制造业发展的政策，装备制造业进入快速发展时期，产值以超越两位数的速度增长，产值区位熵指数从2005年的0.4392逐步递增到2012年的0.5767，呈现出平稳增长的趋势，虽然在全国还不具备区位优势，但产业集群已显雏形。（见图1）
（四）部分省份装备制造业集群度对比分析
为了更进一步了解河北省装备制造业的集群度和区位优势，我们选择了相邻的山东省以及装备制造业比较发达的江苏省和广东省进行对比分析。
由于计算结果包括四省8个行业各自的5个指标的区位熵指数，表格过于庞大不便在论文中展示，这里截取一部分，以最有代表性的产值区位熵指数做成表2，进行代表性展示。计算的数据结果显示，从四省的装备制造业总体看，山东省的各项指标值均小于1，但除了企业单位数以外，其余4个区位熵值均大于河北省且都在0.76以上，而河北省的均在0.66以下，反映出山东省的装备制造业在全国还不具备区位优势，产业集群度也较低，但比河北省还是高出不少；江苏和广东两省各项区位熵值均大于1，反映出这两个省的装备制造业均在全国具有明显的区位优势和较强的产业集群度；其中，最强的广东省，除了企业个数以外，其余4个区位熵值均相当于河北省的3倍左右。
从区位熵指数的5个指标看，河北省在企业单位数方面略高于山东省，与江苏和广东两省的差异也不大，但在其余4个区位熵指数上的表现，不仅都低于山东省，更是大大低于江苏和广东两省，这种现象反映出河北省的装备制造业在企业个数上已经有一定的数量，开始呈现集群特征，但在企业的生产规模上还偏小，经营效益有待提高（见表2和图2）。
从装备制造业内部的8个子行业看，河北省的金属制品业具有较强的集群度和区位优势（区位熵指数>1.5），但与其他三省差异不大；山东省的专用设备制造业具有较强的集群度和区位优势，但与其他三省差异也不大；江苏省在仪器仪表制造业具有明显的区位优势和很强的集群度（区位熵指数>2），另外，在计算机、通信和其他电子设备制造业，电气机械和器材制造业，铁路、船舶、航空航天和其他运输设备制造业也具有较强的区位优势和集群度（区位熵指数>1.5）；广东省在计算机、通信和其他电子设备制造业上具有非常明显的区位优势和极强的集群度（区位熵指数>3），在电气机械和器材制造业中也具有较强的区位优势和集群度（区位熵指数>1.5）。
因此，从横向看，河北省与发达省份相比，装备制造业无论是在集群度还是区位优势上都有较大差异；而从装备制造业的行业内部看，只有金属制品业具有一定的集群度和区位优势，但在计算机、通信和其他电子设备制造业和仪器仪表制造业等科技含量较高的行业上，河北省与江苏、广东等发达省份差异很大（见表2、图2和图3）。
三、河北省装备制造业集群竞争力综合分析
通过基于区位熵指数的集群识别，可以初步观察河北省装备制造业的区位优势和集群特征，但各产业的集群竞争力表现还需考虑更多因素。笔者认为，由于装备制造业是为国民经济各部门提供技术装备的，是国民经济各部门实现技术创新的物质平台和载体，行业本身具有技术含量高、产业关联度大、资本密集和技术密集并存的特点，因此，对其集群竞争力的分析除了考虑规模因素以外，还需考虑到效益因素和科技创新因素，综合设计评价集群竞争力的指标体系。
（一）指标体系的设计和变量的定义
根据指标体系设置的一般原则，充分考虑装备制造业的产业特点，结合前人研究的成果，本文在指标体系设置时，从上述三大影响因素入手，并将其进行细化筛选，最终选取了15个二级指标作为分析变量（见表3）。
（二）研究方法
由于本文选择的变量较多，若笼统地将各指标统计数字相加进行比较，则无法客观、准确、有效地对装备制造业的集群竞争力进行综合分析，为此，要从数学角度建立一种“降维”思想，使用少数综合指标来反映原始指标所包含的大量信息，以降低变量之间的自相关性。因子分析是一种进行降维处理的有效方法，可以从众多的原始变量中提取出少数的相互独立的因子，以有效降低变量的维数并消除诸多原始变量相互之间的多元共线性，能够提炼出影响集群竞争力的主要因素（因子），并能综合评价装备制造业各子行业的集群竞争力。
（三）因子分析实证结果
1. 因子分析的适用性检验。因子分析法的基本思想就是通过对诸多变量的相关性研究，将众多原始变量浓缩成少数几个假想的因子变量，从而使这些因子变量具有更强的解析力；因此，该方法要求所选择的变量之间应存在较强的相关关系，否则就不适合做因子分析。因子分析适用度的常用检验方法是KMO和Bartlett球度检验，笔者根据所搜集的前述15个解释变量最近5年（2008—2012年）的数据，应用SPSS16.0计算得到KMO及球形检验见表4。
KMO（Kaiser-Meyer-Olkin）检验统计量是用于比较变量间简单相关系数和偏相关系数的指标，其取值在0到1之间。KMO值越接近于0，意味着变量间的相关性越弱，原有变量越不适合作因子分析；KMO值越接近于1，意味着变量间的相关性越强，原有变量越适合作因子分析。Kaiser给出了常用的KMO度量标准：0.9以上表示非常适合因子分析；0.9～0.7表示比较适合；0.7～0.5表示不太适合；0.5以下表示极不适合。表4数据显示，KMO值为0.733，原有变量较适合于做因子分析，检验通过。
2. 提取主因子。由于原始变量中有总量指标也有相对指标，因此应用SPSS对原始数据进行标准化处理（变量名不变），处理结果得到方差解释表（见表5）。表5显示了因子对原始变量总方差的解释情况，对主因子的提取主要依据两个标准：一是特征根数值大于1，二是累积方差贡献率大于85%。表5中旋转平方和载入的数据结果表明，前3个因子的特征根数值均大于1，且累积方差贡献率达到了总体方差的87.268%，故可提取的主因子有3个，分别记为F1、F2、F3，从图4也能得到相同的结果。