（三）结果分析
鉴于产业协同指标体系数据的量纲之间存在巨大差异，为减少评估中因数据量纲差异可能对评价结果产生的影响，通常在进行分析前，需要对原始数据进行无量纲化处理。对数据进行无量纲化处理的方法有很多，比如极值化、标准化、均值化以及标准差化等方法，其中标准化法是最常用的方法之一，本书采用标准化法对数据进行处理，具体如下：
第一步，将原始数据按照下面公式指数化：
上式中，Xi表示指数化后的数值，xi表示样本的原始数据，max（x）表示样本原始数据中最大的一个。
第二步，将指数化后的数据进一步标准化，其计算公式如下所示：
上式中，Xi表示标准化处理后的取值，xi表示原始数据指数化后的取值，x—表示样本数据指数化后的均值，σ（x）表示指数化后数据的标准差。经过标准化处理后，就得到一组均值为0、方差为1的样本数据。
对数据进行标准化处理后，接下来采用因子分析进行分析。先把各指标变量与9个城市数据组成一个9×19的综合评价矩阵，其中19列代表19个指标变量，以此来对该矩阵中各变量间的相关性进行分析，以此检验因子分析是否显著；然后，利用主成分法对评价矩阵进行原始数据运算，找出分析模型中的公因子数量，并利用正交旋转法得出各因子变量的负荷值，给出因子释义；最后，以公因子为自变量、产业指标为因变量建立回归方程进行回归分析，得到各城市的回归因子值，并以因子贡献率为计算权重，采用加权平均法得出珠三角各城市的产业协同得分。
根据上述计算过程，以2020年珠三角9个城市的相关数据为基础，得到如表7-10所示珠三角产业协同综合评价指数。
表7-10 2020年珠三角9市产业协同综合评价指数
数据来源：相关城市历年统计年鉴。
从产业结构合理性来看，排在前三位的分别是广州、深圳和珠海，广州得分最高，说明其产业结构在珠三角9市中最优，最低的是肇庆，得分为-0.218，与排在第一的广州差距巨大。从产业结构效益水平来看，其排名与产业结构合理性指标相比，深圳取代广州成为第一，而广州下滑至第4名，其他城市排名变动不大。得分大于0的城市有4个，它们是广州、深圳、珠海和佛山，其他城市得分都在0之下。虽然广州的产业结构最优，但是其产业结构效益却低于深圳，说明深圳产业的单位产出要高于广州，产业的生产效率较高。从产业的空间布局来看，排在前四位的分别是广州、珠海、深圳和肇庆，基本符合预期。比较让人意外的是肇庆，前面两个指标都垫底，但是在产业的空间布局方面却处于前列。说明肇庆虽然在产业集中度上表现不错，但是在产业结构转型升级和产业生产效率方面表现不佳。从产业可持续发展潜力来看，与前面3个指标相比，排名出现较大变化，作为核心城市的广州和深圳首次没有出现在第一名，取而代之的是经济发展相对落后的肇庆，广州和深圳只取得第三和第二的位置，并且前几个指标相对落后的惠州也首次进入前四名。这说明广州和深圳作为经济高度发达的一线城市，其土地利用密度高，资源开发力度大，生态保护形势严峻，已严重影响到自身经济的可持续发展，面临较大的经济转型压力。与此对应的是，经济相对落后的肇庆和惠州，由于工业化水平较低，生态环境得到更好的保护，环保压力较小，反而表现出了更大的可持续发展潜力。此外，经济相对发达的其他城市如佛山、东莞、中山和珠海的得分都偏低，更加证明了经济越发达，其面临的生态保护形势越严峻，经济发展受制于环境保护的压力也越大。
最后，从综合评价结果来看，排在前四位的分别是广州、深圳、珠海和佛山，在地理位置上都处于珠三角的核心经济圈，反观离核心区较远的江门、中山和惠州，则占据最后三名的位置，这表明珠三角产业布局呈现出明显的圈层结构。从得分来看，除了排在前四位的城市得分大于0，其他城市的得分皆小于0，中山居于最后一名。由于负值较多，导致整个珠三角的产业协同综合评价得分不高，仅有0.129。综上所述，当前珠三角9市的产业协同发展水平仍然偏低，尤其在产业结构效益和产业的空间布局方面得分较低，说明珠三角在产业集聚的空间布局优化和产业提质增效方面仍有较大进步空间。