تحليل رتبه رقابت پذيري مكاني شهري مراكز استان هاي ايران بر پايه تحليل مولفه اصلي (pca)

Analyze the ranking of the urban locatinal competitiveness of the centers of the provinces of Iran based on the Principal Component Analysis (PCA)

باوجود پيچيده بودن مفهوم رقابت پذيري، هدف آن تا حدودي مشخص و قابليت برتري يافتن بر ساير رقبا مي باشد. چهار مولفه رقابت پذيري شهري عبارتند از: اقتصادي، اجتماعي فرهنگي، محيطي و مكاني. هدف كلي در اين تحقيق شناسايي عوامل موثر بر ارتقاء رقابت پذيري مكاني شهري مي باشد. از ديدگاه سازمان ملل سه روش مختلف براي معلوم كردن عوامل واقعي رقابت پذيري شهري وجود دارند. با توجه به پارادايم تحقيق، كه اثبات گرايي است، روش كمي/آماري از ميان سه روش مطرح شده انتخاب گرديد. شاخص هاي مكاني رقابت پذيري شهري عبارتند از هيپسوگرافي، شرايط مكان، دسترسي، و زيرساخت داده مكاني. تحليل مولفه اصلي، روش تحليل داده هاي تحقيق با استفاده از نرم افزارهاي spss، minitab و xlstat مي باشد. پنج مولفه اصلي اول 0.87 واريانس را توضيح مي دهند؛ لذا بررسي پنج مولفه اصلي اول كفايت مي كند و رتبه بندي بر اساس مولفه اصلي اول صورت مي پذيرد. از جمله پيشنهادهاي اين تحقيق براي تحقيقات آتي اين است كه با توجه به وجود تفاوت در مدل مديريت شهري در سطوح مختلف شهرهاي كشور، معيارها و ملاك هاي رقابتي آن ها با توجه به شرايط جمعيتي، اقليمي، فرهنگي و سياسي آن به طور خاص تهيه و تنظيم شود

In spite of the complexity of the concept of competitiveness, its goal is, to some extent clear to be able to outperform other competitors. The four components of urban competitiveness are economic, socio-cultural, environmental and locational. The general objective of this research is to identify the factors influencing the promotion of urban locational competitiveness. From the UN perspective, there are three different ways of identifying the real factors of urban competitiveness. With regard to the research paradigm, which is positivist, a quantitative/statistical method was chosen among the three methods proposed. Urban competitiveness locational indicators are Hypsography, Location Conditions, Accessibility, and Spatial Data Infrastructure. The main component analysis is the data analysis method using SPSS and Minitab software and XLSTAT. The first five main components explain 0.87 variance; therefore, the examination of the five main components is sufficient, and the ranking is performed based on the first component. Among the suggestions of this research for future researchers is that due to the difference in the urban management model at different levels of the cities in the country, their criteria get prepared and set with regard to their demographic, climatic, cultural and political conditions.