摘要：市政公用设施是城市生产、生活服务的技术性的城市基础设施。在查阅文献时发现使用因子分析法对市政公用设施的分析文献较少，本文采用因子分析的统计方法对我国市政公用设施水平进行分析，可以对市政规划有一定的积极作用，采用的数据是从国家统计局的《统计年鉴2020》的数据。经过分析发现市政公用设施水平存在差异，华东地区、华南地区、华中地区和华北地区综合因子得分高于西北地区和西南地区。并且市政公用设施与各个城市的经济水平息息相关，紧密联系的。
关键词：市政公用设施、因子分析、经济水平、因子得分
引言
近年来，国家、省先后制定《城市市政公用设施网建设行动计划》，出台推动基础设施高质量发展的政策措施，城市市政公用设施是基础设施的重要组成部分，对于促进经济社会发展、提高群众生活水平、改善城市环境质量具有重要作用。我国经济飞速发展的情况下，市政公用设施水平的发展情况是不可忽略的。
有不少学者对城市市政公用设施进行研究，但都是对市政公用部分设施的研究错误！未找到引用源。，或者对市政公用设施建设思路的研究；因此本文选取我国城市市政公用设施综合水平进行研究，发现市政公用设施水平存在差异，且市政公用设施与各个城市的经济水平息息相关，紧密联系的。
赵盼欣错误！未找到引用源。错误！未找到引用源。在《基于TOPSIS方法的西南地区县城市政公用设施水平综合评价》中对西南地区的市政公用设施进行研究，虽然西南地区较之于东部沿海， 发展相对缓慢， 但是加大投入公共设施建设工作已经成为县城建设的一个重要部分。公共设施的使用也成为城市发挥其功能的必不可少的条件， 它和城市经济发展水平息息相关， 是决定广大市民生活水平和幸福指数的重要指标。
我国学者李剑飞错误！未找到引用源。在《浅谈市政公用设施建设管理现状和思考》中对合理运用城市资源优势，让城市的市政公用设施为城市经济发展提供便利是各地区政府部门值得深思，因此本文使用因子分析对各地区市政公用设施水平的综合评价进行研究，通过对定量数据的研究结果来对各地区的市政公用设施提出看法，科学解决制约城市发展中的市政公用设施是城市高品质发展的前提。
上述文献均为定性分析或者单一指标评价，因此本文选取多个指标对我国市政公用设施水平进行了定量分析、综合评价。
1.基本理论
1.1. 因子分析的原理及实现步骤
因子分析有主要两个问题：1、如何构造因子变量；2、如何对因子变量进行解释。因子分析的具体步骤如下错误！未找到引用源。～错误！未找到引用源。：
（1）进行KMO和Bartlett’s球形检验，判断数据是否适合做因子分析。
（2）确定公因子的个数，并建立因子模型，设原始变量指标共有 个因子，其中前 个因子包含的数据信息总量（即其方差积累贡献率）大于85%时，则用这 个因子来反映原始变量指标 。
（3）计算因子载荷矩阵。
（4）进行正交因子旋转，若找出的 个主因子的代表性没有具体突出，这时采用方差最大正交因子旋转法进行旋转，旋转后的公因子能更好的解释其实际含义。
（5）通过各公因子得分情况，列出因子得分公式，，计算出因子得分。并根据因子得分进行排名比较。
实证研究
1.2. 数据来源及数据预处理
本文数据来源于《中国统计年鉴2020》的市政公用设施水平，选取选取2019年全国31个省份的市政公用设施的代表性指标，本文是依据科学性、客观性、代表性的原则错误！未找到引用源。，来选取数据指标的。
《中国统计年鉴2020》中北京、天津、上海的数据是缺失，从北京统计局、天津统计局、上海统计局中寻找，但是从它们的统计局中找不全这些指标。因此对数据进行缺失值的处理，本文采用的缺失值处理方法是多重插补法，本文采用的缺失值估算方法是默认的自动，实际采用的是全条件定义多重插补策略对缺失后的数据集进行处理。
1.3. 实验分析
由表可以知，Bartlett检验的统计量值为375.97，相应的概率P值为0。根据显著性水平，应拒绝原假设，认为相关系数矩阵与单位矩阵存在显著差异。同时KMO值为0.，648，根据Kaiser给出的度量KMO的标椎可知该数据适合做因子分析。
1.4. 提取公因子
从上表可看出5个公因子的方差贡献率已达82.121%，说明它们能充分的体现原始数据量所提供的信息，所以提取这5个公因子的效果是非常的合理。
1.5. 方差最大化作因子正交旋转
由表可知，第一个公因子Factor1在 上具有较大的载荷和解释能力；第一个公因子Factor2在 上具有较大的载荷和解释能力;第一个公因子Factor3在 第一个公因子Factor4在 上具有较大的载荷和解释能力；第一个公因子Factor5在 上具有较大的载荷和解释能力。
1.6. 因子得分系数矩阵
综合评价模型以每个主成分对应的旋转因子贡献率为权重，对4个主成分加权平均，构建我国县城市政设施水平评价模型函数如下：
1.7. 综合得分
把经过标准化处理的样本数据代入评价模型函数，可以得到市政设施水平5个主成分的得分值、综合因子得分值、综合排名（Z1是综合因子得分，Z2是得分排名；）：
通过综合因子得分进行排名，选取前五名和后五名进行分析。从单因子得分来看，第二因子对市政公用设施水平综合评价的影响是最大的，因此第二因子在市政公用设施中的影响也是较大的；前五名城市为江西、北京、福建、浙江、上海。并且第二因子都是影响最大的。后五名城市的第二因子得分较少，第二因子为管道密度，主要是由建成区供水管道密度和建成区排水管道密度。
相对而言第四因子的影响就较少，证明有待改善，第四因子主要是生活垃圾的处理，前五个城市中做的最好的是上海，而排在第一第二的城市为负值。后五个城市只有辽宁是正值，其他为负值。
结论
从综合因子得分来看，结论有：
1、本文数据中共有31座城市，市政公用设施水平存在差异，华东地区、华南地区、华中地区和华北地区综合因子得分高于西北地区和西南地区；
2、得分为正值（处于平均水平之上）的有江西、福建、上海、北京、浙江、重庆、河北、江苏、海南、湖南、广西、新疆、宁夏、山西、天津、湖北、山东、安徽、云南，江西市政公用设施水平综合评价最高，排名倒数三位的是青海、辽宁、西藏这三个城市，与这3座城市的经济不发达，整体发展水平相对落后有关，其他综合因子得分处于负值的城市市政公用设施水平不理想，有待改善。
参考文献：
[1]赵盼欣.基于TOPSIS方法的西南地区县城市政公用设施水平综合评价[J].太原城市职业技术学院学报，2016（02）：26-27.DOI：10.16227/j.cnki.tycs.2016.0103.
[2]李剑飞.浅谈市政公用设施建设管理现状和思考[J].低碳世界，2016，（33）：231-232.
[3]申丽华.城市公用设施运行安全精细化管理研究[J].智库时代，2020（10）：7-9.
[4]丘任小美. 城市空间发展过程中的市政公用设施建设研究[D].山东大学，2011.
[5]林海明.因子分析模型的改进与应用[J].数理统计与管理，2009，28（06）：998-1012.DOI：10.13860/j.cnki.sltj.2009.06.004.
[6]刘照德，詹秋泉，田国梁.因子分析综合评价研究综述[J].统计与决策，2019，35（19）：68-73.
[7]高惠璇编著.应用多元统计分析[M].北京：北京大学出版社，2005