华中农业大学楚天学院本科毕业论文（设计）

市场上的份额。而本文用浙江的数据与全球的数据进行比较，因此表中的数值普遍较低，这是比较容易理解的。

（二）显性比较优势指数（RCA）

在分析产品出口竞争力时，显示性比较优势指数(RCA) 是较常用的一个指标。显示性比较优势指数(RCA) 常被用来分析一国的某类产品对世界各国或市场的比较优势。计算公式为：

这一指标反映了一个国家某一产品的出口与世界平均出口水平比较的比较优势。即某种商品在一国或地区的总出口中的比例与这种产品在世界市场总出口中的比例之比，说明出口专业化比率。一般而言，若RCAij值小于1，则表明 i 国的 j 产品在国际竞争中处于比较劣势地位。相反若RCAij值大于1，则表明 i国的 j 产品在国际竞争中处于比较优势地位， 取值越大优势越明显。RCA 指数与产品出口竞争力的对应关系如表 3-2。

本文用该指数来衡量浙江纺织品显示性比较优势，可以将其引申为浙江纺织品出口额占全省所有产品出口额与全国纺织品占全国所有产品出口的份额之比。即 Xij为浙江省纺织品出口总额， Xi是浙江省所有产品的出口额，Xwj为全国纺织品出口总额，Xw为全国所有产品的出口总额。2012-2015 年浙江省纺织品显示性比较优势指数见表3-3。

表3-2 RCA 指数与产品出口竞争的对应关系

表3-3 2012-2015 年浙江纺织品显示性比较优势指数( 单位： 亿美元)

从表3-3可以看出，浙江纺织品 RCA 指数大于1，2015年达到2.68，显示性比较优势比较显著，纺织品出口相对比较集中。从2012年到2015年，浙江纺织品RCA 指数总体上趋于稳定和稍微递增的趋势，但递增的幅度非常小。

（三）贸易竞争力指数（TC）

贸易竞争力指数(TC) 常用来测度出口产品竞争力的强弱，其计算公式为：

5

华中农业大学楚天学院本科毕业论文（设计）

表3-4具体列出了 TC 指数与产品出口竞争力的对应关系。

表3-4 TC 数值与出口竞争力对应关系

在本文中，Xij是浙江省纺织品出口额，Mij是浙江省纺织品进口额。根据2012-2015年浙江纺织品进出口统计数据，笔者计算了浙江纺织品贸易竞争力指数，具体测算结果见表3-5。

表3-5 2012- 215年浙江纺织品贸易竞争力指数(单位：亿美元)

从表3-5可以看出， 浙江纺织品进口额比较小， 在2014年进口额的比重只占出口额的13.32%， TC 指数>0，并且越来越接近1，2012-2015年平均的贸易竞争力指数达到了0.703，说明浙江省纺织品整体表现了较高的竞争力，同时浙江纺织品的出口竞争力也在逐年增加。

四、浙江省纺织品出口竞争力影响因素分析

国内不少学者对出口竞争力的评价指标进行了研究，他们的研究逐步完善了出口竞争力的评价指标体系，并且在这些研究之上，部分学者对我国某些产品的出口竞争力进行了实证分析。中国社会科学院张金昌指出，事实上，出口与国际竞争力的其他评价指标之间，存在着密切的关系，所以可以用进出口指标来评价国际竞争力。综合现有研究成果，本文选取以下指标来对浙江省纺织业的出口竞争力作定量分析，这些指标从不同角度来评价出口竞争力的强弱，它们之间是一种互补的关系。

（一）模型的建立

从指标体系的构成不难发现，综合评价方法必须能够处理多指标、多维度等诸多复杂问题，而主成分分析法以其科学降维、客观赋权的突出优点在多指标综合评价研究中被广泛应用。本文主要运用因子分析中的主成分分析与聚类分析，从以下几个方面考虑，从而对浙江纺织业的出口竞争力定量指标作进一步分析。

主成分分析是多元统计分析中一种重要的方法，可以用这种方法找到几个综合因子来代表原来众多的变量，并且这几个综合因子尽可能反映原来的信息。它既能克服定性方法的主观性和随意性，

6

华中农业大学楚天学院本科毕业论文（设计）

又能避免层次分析赋予指标权量的主观性，是一种比较好的研究出口竞争力的定量方法。

同时2014年我国纺织业出口省份靠前的分别为浙江、广东、江苏、上海。这些省份都是沿海省份，对某些市场出口颇具竞争性。同时还考虑到了出口较不发达省份陕西，用来进行对比。当然也把我国作为纺织业的竞争主体，因此，本文选取它们作为样本。为此本文通过主成分分析方法构建少数综合指标将定量指标压缩，并得出综合因子得分，依据综合得分的大小对比较对象进行分析，用来得出浙江省纺织业的出口竞争力的强弱。

笔者主要对6个指标进行处理，选择2个公因子，以每个公因子的方差贡献率作为权数与该公因子得分乘积之和构建综合评价函数：

其中，Fi是浙江省纺织业出口竞争力的综合得分，aij是浙江省第j个公因子的方差贡献率，Fij是浙江省第j个公因子的得分。

（二）模型经济意义的检验

计算结果如下：本文采用 SPSS19.0统计软件对相关数据进行处理，得到以下结果：

表4-1解释的总方差

从表4-1中可以看出，因子1和因子2对信息的累计贡献率已达 80.492%，说明这两个因子已经比较充分说明了数据波动的原因。

在作经济解释时，由于主成分矩阵中各变量的系数分布规律性不够明显，因此对数据进行旋转。在主成分中，第一主成分中系数绝对值较大的有出口贡献率、显示性比较优势指数和国际市场占有率，第二主成分中系数绝对值较大的有贸易竞争力指数、显示性比较优势指数和国际市场占有率，代表了现实的竞争力；竞争的态势；潜在的竞争力。

根据 SPSS 软件默认系统的提取原则即提取的因子的特征值应大于 1，在此提取公因子1和 2 代替6个原始变量，本文用 Kaiser 等量最大法进行正交旋转，得到如下因子负荷矩阵（见表4-2）。

表4-2旋转成分矩阵a

7

华中农业大学楚天学院本科毕业论文（设计）

表4-3因子得分的协方差矩阵

由表4-3可以看出，由于因子得分的协方差为单位矩阵，说明提取的两个公因子之间是不相关的。根据上述分析，基本上可以将6个变量按高载荷分成两类，与因子1相关性强的指标是国际市场占有率、进出口额、出口贡献率，所以因1主要由这三个指标来反映，它代表了竞争实力，用F1表示。与因子2相关性强的指标是出口增长优势指数 、NTB、RCA，所以因子2主要由这三个指标来反映，它代表了竞争态势，用 F2表示。如表4-4所示。

表4-4成份得分系数矩阵

因子模型将变量表示成公共因子的线性组合，自然也可以将公共因子表示成原始变量的线性组合。根据公因子得分系数矩阵表，建立公因子得分模型：

F1=0.341×国际市场占有率＋0.325×出口贡献率-0.115×NTB+0.088×RCA-0.024×出口增长优势指数+0.338×进出口额F2=-0.057×国际市场占有率＋0.010×出口贡献率+0.430×NTB+0.352×RCA+0.449×出口增长优势指数-0.037×进出口额

由于每个公因子只反映了各个地区（国家）纺织业出口竞争力的某个特征，因此，本文以各因子的方差贡献率为权重计算因子总得分，即对各因子得分（见表4-5）进行加权求和，得出如下计算公式：

表4-5单个因子及总因子得分排序

表4-5显示了样本中出口竞争力的评价结果和排名情况。在根据模型计算主成分得分时，有一部分为负值，这并不代表该样本的出口竞争力为负，而是说明该样本在被评价的总体中是处在平均水平之下的。从 F1 指标分析，浙江位于第二位置，这与其现实中的快速增长相吻合。而在 F2 指标分析上，浙江位于第一，这说明近几年在质量是呈上升趋势的，潜力巨大。但仍面临着挑战，出

8