低碳綜合指數得分排名和經濟支撐指標得分排名、資源承載得分排名、社會進步得分排名、環境保護得分排名、生活質量得分排名的偏相關係數分別為0.885、0.701、0.641、0.728和0.654，五個準則層指標變量與低碳綜合指數都存在較強的相關關係。可以看出，對低碳綜合指數得分排名影響由大至小的變量依次為經濟支撐、環境保護、資源承載、生活質量和社會進步。低碳綜合指數得分排名和經濟支撐指標得分排名的偏相關係數最大，經濟支撐指標得分是影響低碳綜合指數的最重要因素，由Spearman秩係數也可以看出，經濟支撐指標得分和低碳綜合指數的高度相關關係。
4.5.2利用主成分分析法對二級指標分析
本研究中，低碳城市評價參考指標體係共設置了20個客觀評價指標，基本上涵蓋了低碳城市發展可評價的各個方麵。
本小節試圖通過分析，研究各個二級指標變量對低碳化水平評價的貢獻，找出貢獻大的指標確定城市低碳化發展的著力點。
本小節借助於主成分分析。主成分分析（principalcomponents analysis）也稱主分量分析，由霍特林（Hotelling）在1933年首先提出。主成分分析法是利用降維的思想，在保留原始變量主要信息的前提下，把多個指標轉化為幾個綜合指標的多元統計方法，用原始變量的線性組合形成幾個綜合指標（所謂的主成分）且不相關，從而研究問題時，既能揭示內部變量之間的規律性，又能使問題得到簡化，大大提高分析效率。由於主成分分析法不像其他分析方法含有較強的主觀性，而是更多地依賴於分析過程、公共因子和主成分的方差貢獻率，且不要求數據的分布情況，對多維數據隻要涉及降維處理，都可以嚐試主成分分析，分析結果較為客觀，解釋性也比較強。本小節對2010年35個大中城市低碳城市評價參考指標數據，利用主成分分析法求低碳城市評價參考指標體係中各基礎指標權係數（此小節中，並不對提取主成分後的各城市最終低碳綜合指數結果進行計算分析，隻是利用主成分思想由各指標的原始數據探究驗證各基礎指標在此套評價體係中的權重地位）。
以低碳城市評價參考指標體係的20個基礎變量進行主成分分析，確定基礎指標變量的貢獻率。在此選取2010年數據，過程由SPSS16.0輔助執行。
（1）數據標準化處理
主成分分析中常對數據進行正態標準化，這種方法借助於統計分析軟件比較方便，但是標準化後變量取值範圍不確定，且在本文中不利於解釋。根據低碳城市評價參考指標體係中基礎指標的性質，有正向型指標（指標值越大越好）和負向型指標（指標值越小越好），本文采用下麵公式對數據進行標準化。
主成分個數的確定是一個很實際的問題，通常以所取的個數使得方差累積貢獻率達到85%以上為宜。由導出的主成分分析結果可以看出，前10個主成分的方差累積貢獻率達到了88.797%，因此筆者提取了前10個主成分。在提取10個主成分的情況下，各基礎指標變量共同度（各基礎指標變量所含原始信息能被提取的公因子所表示的程度）幾乎都達到80%以上，提取的公因子對各基礎指標變量的解釋能力非常強。
（3）利用主成分求各基礎指標變量權係數
計算各基礎指標的權係數，根據的公式為：
其中，為第個基礎指標變量的權係數；為第i個主成分的特征向量在j個基礎指標變量的分量；為第個主成分因素在所有主成分中的方差相對貢獻率；為提取的主成分個數。在本小節中。
經過計算各基礎指標變量的權係數並排序，顯示出各基礎指標變量在無主觀因素的情況下低碳城市評價參考指標體係中的地位排序。
（4）結果分析
由表4-23可以看出，人均城市建設用地、城鎮居民人均可支配收入、人均單位GDP碳排放量、人均GDP、每萬人擁有執業（助理）醫師數、城鄉收入比、研發投入占財政收入比重、城市化率、土地開發強度、人均城市道路麵積、教育投入占財政支出比重、人均用水量等基礎指標權係數大於平均值。這些指標都是現階段影響和衡量城市低碳發展水平的重要因素。