数据结构效度评价结果及分析

进行相关性验证。以标准城市的计算结果为基准，用研究所选取的山东省煤炭资源性样本城市的各项指标与评价基准进行标准化处理，得出各项指标规范化之后的分值即其中Pij（point）代表规范化后第i个城市第j项指标的分值，Cij（coal-city）为样本中第i个煤炭资源型城市第j项指标的原始值，Sj（standard）为标准化城市第j项指标的评价基准值。将规范后的数据输入SPSS16.0进行主成分分析，进而形成综合得分和城市排序。因为主成分分析法旨在降低数据的维度，消除重叠的繁冗信息，所以本研究对于数据的相关性进行了Bartlett球形检验、Pearson相关性检验和KMO（Kaiser-Meyer-Olkin）检验。

表4-5　Bartlett球形检验与KMO验证

通过读表，Barlett球形检验中卡方统计量的显著概率＜0.5，同时KMO检验值为0.559＞0.5，表明数据集的结构效度可用于研究。同时，Pearson相关性检验的结果也表明多数指标在0.05水平上显著相关。因此整体看来，该样本适宜于进行主成分分析。

表4-6　指标相关性矩阵

（续表）

由表4-7可知，特征值大于1的因子可以提取成为进行转型灵活性评价的新成分。

表4-7　特征值与累计贡献率统计(www.xing528.com)

Extraction Method：Principal Component Analysis.

表4-8　主成分矩阵

读取表4-8所示的主成分矩阵可以发现，通过主成分分析对重复信息进行过滤剔除后，我们可以重新提取二级指标进行一次新的聚类。

Z1主成分在变量X1（经济发展层级指标）、X5（产业多元化发展能力指标）、X6（工业高度指标）中荷载较大，这与山东省煤炭资源型城市目前第二产业占比高的特点关联较大，主要体现的是目标城市的经济发展水平；Z2主要代表了目标城市目前发展中所展现出的动力，即发展环境。因为其在X2（经济增长水平指标）、X3（财政支撑能力指标）和X4（产业转换能力指标）中荷载较大，所以可视为城市在不依赖外界自我发展的能力。Z3主成分在X10（社会稳定度指标）和X11（城市化水平指标）中荷载较大，这两项指标主要代表了城市在转型过程中能否提供一个稳定和吸引外界资源的社会环境，可以视为社会发展的层次。Z4主成分在X12（劳动力质量指标）、X13（创新能力指标）中荷载较大，可考虑为在现有人力资源约束下的科技创新能力。另外，我们可以看出X4（产业转换能力指标）和X12（劳动力质量指标）之间存在明显的反比关系，说明在煤炭资源型城市中，单位面积上的固定资产投入越高，劳动力的质量越差，印证了煤炭资源型产业对教育的挤出性效应，从侧面显示了煤炭行业劳动密集型的特点。另外X14（环境治理能力指标）在各个主成分中均体现出正相关性，并在经济发展水平主成分Z1中得分最高，城市发展环境主成分Z2中得分第二，可见环境治理主要由城市的经济基础和自我发展能力决定。认为经济建设必然会带来生态环境破坏的论调是片面的，要解决煤炭资源型城市所面对的生态环保问题，最终还是要通过加强城市的经济建设和加强城市自身的经济独立性以及自我发展的能力来完成。

剔除重叠信息后得出新的指标聚类：

表4-9　主成分矩阵