在进行指标筛选前选择驱动层一级准则，又分为公共交通驱动力、经济发展驱动力2个大类，下设12个二级指标；压力层一级准则，选择了1个大类，下设20个二级指标；状态层一级准则，又分3个大类，下设10大二级指标；响应层一级准则，又分为人文响应、环境响应2个大类，下设11个二级指标。指标的来源严格参照权威部门和权威参考文献获得，以期对城市生活环境做出合理的评价，检验本书提出的指标筛选理论。由于文章所选取的指标较多，为了方便后文的叙述，在此给出全书指标对应的符号表示形式。
（一）反映城市生活环境竞争力驱动层的指标选取
驱动层是作为城市生活环境竞争力的动力层，对整个评价体系具有正向的推动作用，这里主要包含了2个大类：公共交通驱动力、经济发展驱动力，共计12个因素。对于这类因素，目前已有的文献研究相对比较丰富，采用的指标基本上是共性的指标，所以，在该指标层没有新增其他的指标因素。在12个指标中经济类的因素占了7个，充分说明在目前的经济发展水平下，经济因素在城市居民的生活环境中占有重要的比重，这在整个竞争力评价体系中占有重要的作用。
表3-1 城市生活环境驱动层指标的选取
（二）反映城市生活环境竞争力压力层的指标选取
压力层在城市环境竞争力中作为抑制因素，这类指标在目前资源节约型社会、环境友好型社会中扮演着重要的角色，这类因素大多和节能减排密切相关，是我国进入工业化社会后给城市环境造成影响的重要因素。因此，这类指标对于城市环境评价至关重要。压力层指标反映了在城市生活空间的空气污染与噪音污染。在压力层，本书给出了环境与生产压力这1个大类，下设20个指标，主要包括工业污染、空气污染、噪音污染三大类。但是从目前的主要参考文献来看，将工业化学需氧量排放量、工业氮氧化物排放量这两个指标作为环境指标的相对较少，因此，环境学中的氮氧化物一般就指这二者的总称。将该因素选作指标之一，其在城市生活环境竞争力中也是十分重要的因素。综上所述，本书选用了目前已有研究体系中使用频率最高的因素，又考虑了在两型社会中核心的压力因素，同时引入了工业化学需氧量排放量、工业氮氧化物排放量这两个因素来作为压力层的因素。
表3-2 城市生活环境压力层指标的选取
（三）反映城市生活环境竞争力状态层的指标选取
在本书中对状态层指标的选取主要有三大类：自然状态、资源状态、人文状态。在自然状态下选取了10大因素，关于年平均气温和全年降水量这两个指标，选取它们的主要原因是，这两个指标是城市生活环境最直观的体现，与城市居民的日常息息相关。
表3-3 状态层指标的选取
（四）反映城市生活环境竞争力响应层的指标选取
城市生活环境竞争力的响应层包含两大类：人文响应、环境响应，共有11个影响因素，这里的指标体系在已有的文献中较少涉及，因此本书增加了R4至R11这7个因素，这7个因素主要集中在空气环境质量方面。选择这类因素主要在于目前社会普遍关注的环境问题——城市雾霾，过去我国过度强调经济的发展速度，没有重视空气污染问题，因此本书在响应层除了强调已有文献的指标，更多地加入了反映城市空气质量的因素，这样由11个评价指标构成了响应层。相应指标选取如表3-4所示。
表3-4 城市生活环境响应层指标的选取
综上所述，使用目前全球公认的DPSIR模型对城市生活环境竞争力的评价研究，充分考虑了影响城市居民城市生活环境竞争力的各种因素，不仅包含居民直观感受的指标，比如平均气温、PM2.5、空气质量达到及好于二级的天数等，也考虑了非直观的指标，比如万元地区生产总值能耗、第三产业从业人员比重等隐性指标，较好地兼顾了主观与客观，较好地体现了以人为本的科学发展观，符合建设资源节约型和环境友好型社会的“两型”社会要求，因此，该指标体系能够较好地反映现阶段普遍关注的城市生活环境，原始数据如附表1所示。
（五）城市生活环境评价指标筛选
对于综合评价问题来说，首先需要解决的是确立合理的评价指标体系，通过海选指标建立的指标体系存在共线性，造成信息冗余，多余的指标不仅增加了赋权和评价方法的难度，也影响了最终评价结果的可信度，并且对于样本量不大的评价客体来说，过多的评价指标导致结果几乎不令人信服，因此需要筛选指标，降低指标的共线性，进而达到最优评价的目的。
首先，对城市生活环境竞争力的评价指标进行无量纲化处理，处理结果如附表2所示，接着进行相关性分析，对指标信息冗余进行处理。其次，利用主成分分析法对信息显著性低的指标进行删除，这里所选的指标若在主成分分析中载荷系数大于0.7，则认为该指标显著，就予以保留。但是仅仅进行数学方法的筛选很难保证与客观实际相符，还需要进行客观实际的指标筛选，这样综合整体的情况给出整体的最终评价指标体系。
1.相关性分析
状态类指标（S块）运行结果如表3-5所示，利用相关性分析删除冗余信息指标。本书设定的相关性临界值M为0.7，为便于研究，表中仅显示相关性大于0.7的值，小于0.7的用0代替，原始运行的全部相关分析数据如附表3～附表6所示。
表3-5 状态类指标相关系数分析
注：小于0.7的用0代替。(www.xing528.com)
结果分析：S1年平均气温与S2全年降水量的相关系数为0.87。同时分别横向比较二者与其他指标的最高相关性可知：S1年平均气温与R5二氧化硫年平均浓度的相关系数为0.74；S2全年降水量与R10细颗粒物（PM2.5）年平均浓度的相关系数为0.8。显然，S2全年降水量指标与其他指标的冗余重复程度高于S1年平均气温指标，所以删除S2全年降水量指标，保留S1年平均气温。其余以此类推。
表3-6 评价指标相关分析留存情况
2.城市生活环境指标的最小均方差方法筛选
根据相关性原则，本书已删除14个信息冗余程度较高的指标，因此，再根据剩余的指标数据，利用最小均方差计算公式得到的结果如附表7所示。
3.城市生活环境指标的主成分分析
经过相关性分析删除信息冗余的指标，将剩余的标准化后的指标代入主成分分析，在主成分中按绝对值留取较大系数所对应的指标，删除对主成分影响不大、可忽略不计的冗余信息，最终主成分分析得到的结果如表3-7所示。
表3-7 主成分分析解释的总方差
由附表9可知有关分析因子负荷系数均大于0.7，表明该类指标对评价结果的影响显著，应予以保留。
根据主成分分析的思路，建立相应的评价标准。如果用30%以下的指标反映了90%以上的全部指标信息，则认为指标体系构建成功。由最终筛选结果可知：经过筛选最终剩下12个核心指标，由解释方差累计贡献率可知，筛选后的指标对全部指标的信息贡献率为99.99%，即从全部指标中筛选出14.5%（12/53＝22.6%）的指标反映了99.99%的原始信息，证明建立的指标体系是合理的，在指标选择时就选取在前10个主成分中因子负荷绝对值大于0.7的指标。
4.基于信息敏感性对常规主成分分析方法的城市生活环境指标进行优化
对于已经进行了相关性分析和一般主成分分析的12个评价指标，重新按照信息敏感性分析的步骤进行计算求解。有关计算过程如附表10所示。
由表3-8可以看出，前6个主成分的累积方差贡献率已经达到了92%，超过了设置的临界值0.9，所以只需要保留前6个主成分即可。
表3-8 指标主成分贡献率
利用这种方法还可以直接进行权重的计算，通过权重的计算就可以直接看到哪一个因素是主要的指标，哪一个是次要的因素，进一步量化指标的存留问题。这种方法相对于其他的方法更加合理，因为一般的指标筛选，仅仅是从数据出发，很少考虑到指标对整体评价体系的信息贡献率的情况，所以，考虑了信息敏感性的指标筛选，其效果和合理性均较高。
表3-9 基于信息敏感性的方法指标的留存情况
5.基于客观实际因素的指标分析与筛选
经过相关性分析，保留S1、S4、S9、P1、P2、P7、P14 7个指标，但是这仅仅是依靠模型进行分析，虽然保证了客观性，但是这种客观性无法考虑到城市生活环境竞争力的具体实际情况，因此，可能会导致部分指标很重要但是却被模型删除，也有可能导致部分指标对评价体系不是很重要但却予以保留。基于此，本书将其有必要进行一轮人工的指标分析。
在驱动力这类指标中，本书将其分为两类：公共交通驱动力和经济发展驱动力。由于在前面已经介绍过，为了体现指标的全面性，必须保证每一大类中均有指标保留，这样才能保证评价体系的合理性，这也是综合评价公平性的重要体现。但是，如果仅从数据分析角度，则该类指标会全部被删除。所以，这对于评价体系的公平性会造成影响，基于此，在人工筛选环节分别在公共交通驱动力和经济发展驱动力中保留了一个指标，即D5人均城市道路面积和D11市辖区人均GDP。其余操作与其类似。
6.城市生活环境竞争力最终指标筛选结果分析
经过以上五轮主客观方法的筛选，最终得到城市环境评价体系指标的筛选情况，最终保留的指标如表3-10所示，其余指标均被删除。对于综合评价而言，越少的指标评价结果可信度越高，因此筛选完指标后，需要后续章节对指标体系的合理性进行检验，若指标体系合理性通过检验，则转向赋权研究；若指标体系合理性没有通过检验，则需要对指标体系重新优化分析，可以加入评价专家的意见并对指标体系进行修正。
表3-10 城市生活环境评价最终指标存留情况
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
