【摘 要】 為提升湖北省水運發展水平，加快武漢航運中心建設，在明確水運競爭力概念的基礎上，從空間維角度選取湖北省、湖南省、江西省為研究對象，將因子分析法應用于水運競爭力評價，建立評價指標體系，評價結果更具有客觀性。結果表明，三省中湖北省水運競爭力處于領先地位，但基礎競爭力和環境競爭力相對薄弱，應重點從探索水運與經濟融合發展、提高政府對水運發展的支持力度等方面提高湖北省水運競爭力。

　　【關鍵詞】 湖北省;水運競爭力;空間維;因子分析法

　　推薦閱讀：水利工程規劃設計中環境影響評價探究

　　湖北省具有得天獨厚的水運資源優勢。自“十三五”期以來，湖北省水運基礎設施得到進一步完善，水運運量在綜合運輸中的占比穩步增長。但湖北省水運資源集中利用程度相對較低，水運基礎設施難以發揮整體聚集力，與“水運強省”有一定的差距。2016年，國務院提出建設長江黃金水道，發揮內河航運作用，為湖北省水運發展提供了契機。因此，研究湖北省水運競爭力，找出湖北省水運發展面臨的薄弱環節，具有重要的理論和現實意義。

　　目前學術界對水運競爭力的研究已取得一定成果，現有文獻研究對象集中在國家、單一省份、某一流域等層面，如：張華[1]從生產要素等多個角度對國際水運競爭力進行比較，徐斌等[2]分析了浙江省水運業發展的薄弱環節。研究方法主要集中在主成分分析法、系統聚類法、灰色關聯分析法等方面，如：鄧國清等[3]在建立評價指標體系的基礎上，運用主成分分析法對湖北省水運競爭力進行評價;李清等[4]通過構建綜合運輸體系比較優勢的AHP-TOPSIS組合評價模型，分析不同運輸距離、運輸方式中水運具備的相對優勢;陳靜等[5]建立水運低碳競爭力的指標體系，結合灰色關聯分析法分析江蘇省水運低碳競爭力水平;李志等[6]運用F-AHP模型分析內河港口競爭力。目前尚未有從空間維角度選取與水運發展關聯密切的幾個省份為研究對象的文獻，且研究方法大多采用傳統方法，而因子分析法可將幾個公共因子方差貢獻率作為權重來構造綜合評價函數更具有客觀性。因此，本文運用因子分析法對湖北省水運競爭力進行評價。

　　1 水運競爭力概念及評價指標體系的構建

　　1.1 水運競爭力概念

　　競爭力可以理解為一個相對的概念，需要通過比較顯現。結合區域經濟、地理經濟等相關理論，水運競爭力可以理解為：在市場競爭環境下，水運業及其相關和支持產業通過整合自身的功能要素，合理配置相關水運資源，并在不斷優化與經濟、社會、生態等外部環境交互關系的過程中，逐漸呈現出在占有水運市場、拉動經濟和推動自身可持續發展等方面所具有的生存能力和優勢。

　　不同區域水運業發展的程度不同，因此水運發展在空間上具有可比性，可以借助評價方法及模型對不同區域之間的差異進行量化和對比。本文基于空間維的湖北省水運發展競爭力評價思路見圖1。

　　1.2 評價對象選擇

　　國家宏觀戰略及區域的區位優勢、航運資源、經濟綜合實力等要素對區域水運發展均有較大影響。考慮到湖北、湖南、江西三省均處于長江中游，以武漢、長沙、南昌三大城市為中心的超大城市群構成“中三角”格局，將“中三角”建設成為長江經濟帶重要支撐和全國經濟新增長極，三省面臨同樣的發展機遇。在考慮以上可比性、實際意義的基礎上，本文選取湖南省、江西省作為競爭對象。

　　1.3 評價指標體系的構建

　　根據水運發展競爭力的區域可比性，綜合考慮水運競爭力影響因素及指標的可得性和可操作性，以湖北省、湖南省、江西省三省水運發展競爭力為目標層，構建基于空間維水運發展競爭力的指標體系(見表1)，采取專家打分法，評分等級標準見表2。

　　2 湖北省水運競爭力空間維評價

　　2.1 數據處理及相關性分析

　　整理參考有關資料、綜合專家打分的結果得到2012―2017年湖北省、湖南省、江西省各評價指標相關數據。為消除量綱及數量級的影響，采用標準差標準化方法計算相關系數矩陣，并進行統計量(KMO)和球度檢驗(Bartlett)原始變量的相關性。若KMO檢驗大于0.5、Bartlett的球形顯著性小于0.01，則表示適合作因子分析。相關性計算檢驗結果見表3。

　　從表3可以看出，KMO值為0.679(>0.5)，Bartlett球度檢驗的顯著性概率為0.000(<0.05)，即相關矩陣不是單位矩陣，有共同因素存在。綜合以上考慮，樣本變量適合進行因子分析。

　　2.2 因子提取及旋轉

　　2.2.1 因子提取

　　本文進行因子分析所采用的變量數和樣本量都比較大，未加權最小平方法提取的公共因子能夠包含最多的原始信息，故采用此方法。

　　(1)變量共同度。變量共同度用以表示公共因子對原始變量信息的反映程度，具體結果見表4。大部分變量的變量共同度分布于0.8～0.9，表示公共因子能夠比較充分地反映原始變量的信息。

　　(2)總方差解釋。總方差解釋表中的數據指的是標準化數據進行因子分析后的因子提取的結果，見表5。表5共提取出特征值大于1的公共因子3個。

　　各因子的初始特征值是衡量因子重要程度的指標，其中：特征值的大小反映公共因子的方差貢獻;方差貢獻率為因子特征值占方差的百分數;累計貢獻率為因子特征值占方差百分數的累加值。提取后特征值表示該列中提取特征值大于1的3個因子的特征值、占方差百分數及其累加值。該因子占方差百分數的累加值為96.564，比較全面地反映了所有的信息。旋轉后特征值表示旋轉之后得到的特征值大于1的3個因子的特征值、占方差百分數及其累加值。

　　(3)因子載荷矩陣。觀測變量與提取的公共因子之間的相關程度大小可以用因子載荷矩陣來表示。某一公共因子上載荷大的變量對該因子的影響較大，說明可以將這個變量納入該因子。因子載荷矩陣見表6。

　　根據表6可以寫出因子分析模型，如下：

　　從因子分析模型中可以看出，第一個公共因子主要由變量x1、x3、x5、x7、x8、x9、x10、x11、x12、x14、x16、x17來決定，因子載荷分別為0.896、0.935、0.806、0.650、0.888、0.777、0.930、0.881、0.883、0.916、0.846、0.884、0.849;第二個公共因子主要由變量x4、x6、x13來決定，因子載荷分別為0.814、0.915、0.998;第三個公共因子主要由變量x2、x15來決定，因子載荷分別為0.641、0.869。