4.4.1 2005年与2010年对比分析
我们选取2005年和2010年的指标数据，依据上述方法，得到2005年和2010年35个大中城市的低碳发展综合指数。
上面表格反映的是2005年与2010年中国35个重点城市低碳发展水平的情况。若将其进行对比，在权重不变的情况下，实际反映了近6年来中国重点城市低碳发展水平和变动趋势。
通过上述表中数据，从整体上看，低碳发展水平主要体现以下几个特征：
第一，从低碳指数总得分来看，整体上中国35个重点城市的低碳化水平呈现出上升的良好趋势，35个重点城市的低碳指数得分平均增幅约5.9%。
第二，从地域分布来看，中西部城市低碳化水平提升幅度大于东部城市。西部城市平均低碳化水平提升幅度最大，为6.46%；中部次之，为5.93%；东部最小，为5.56%。2010年低碳综合指数得分较2005年增幅超过10%的两个城市为呼和浩特和重庆，全为西部城市，增幅分别为10.79%和10.04%，在35个重点城市提升幅度最大；中部城市长沙提升了8.93%，在中部城市提升幅度排名第一，其次为合肥，提升了8.16%；东部城市深圳的提升幅度最大，提升了9.85%，其次为石家庄，提升了8.65%。
第三，从2005年与2010年排名情况来看，2005年的低碳指数得分排名中，中西部城市只有乌鲁木齐和武汉市进入前15名，其余都是东部城市；2010年的低碳指数得分排名中，中西部城市也只有呼和浩特、石家庄和长沙进入前15名。东部城市的低碳发展水平保持了全面领先的态势。总体看来，低碳化水平存在一定的地域等系统性因素。
4.4.2 以一级指标变量进行快速聚类分析
在低碳城市评价参考体系中，共设置了经济支撑、社会发展、资源承载、消费方式和生活质量5个一级指标，本节以这5个一级指标变量分别对2005年和2010年35个重点城市进行聚类分析，重点研究以低碳城市评价参考体系的5个一级指标为考察对象的情况下，35个重点城市低碳发展水平和状态如何。
聚类分析是将个体或对象分类，使得同一类中对象之间的相似性比与其他类的对象的相似性更强，目的在于使类间对象同质性最大化和类与类间对象的异质性最大化。聚类分析给人们提供了众多丰富的分类方法，有系统聚类法、模糊聚类法、K-均值法、有序样品的聚类等，本小节采用K-均值法。K-均值法是一种非谱系聚类法，它是把样品聚集成个类的集合，类的个数可以预先给定或者在聚类过程中确定，应用方便且便于解释（潘家华等，2010）。本小节聚类分析过程由SPSS16.0软件辅助进行。
在上一小节中，利用评价模型分别得到了2005年和2010年35个大中城市的一级指标变量得分，在此利用这5个一级指标变量做快速聚类分析。为了便于分析，令k=5，把类别分为5类：总体低碳水平最好、总体低碳水平较高、总体低碳水平一般、总体低碳水平较差和总体低碳水平差。
（1）对2005年的35个重点城市做快速聚类分析（此过程由SPSS16.0软件执行）。经分析由SPSS导出如下几张表格。
据方差分析表可以看到，经济支撑、社会发展、资源承载和生活质量4个一级指标变量对分类结果贡献显著（应当注意F值只能作为描述使用，不能根据该值判断各类均值是否有显著差异），分类结果较理想。总体来看，第一类城市是低碳发展的佼佼者，低碳水平最高；第二类城市的低碳水平较高；第三类的5个城市低碳水平一般；而第四、第五类的城市数量最多，低碳发展水平较差。从5个层次的城市分布数量看，整体呈现金字塔的形态，低碳水平发展较好的城市数量稀少，而大量城市处于金字塔的底端，发展水平低下。
（2）对2010年的35个重点城市做快速聚类分析（过程同上）。
由SPSS导出的方差分析表可以看出：4个一级指标变量对分类贡献显著，结合低碳发展的因素，分类情况比较合理。总体来看，第一类的城市依然比较少，仅有深圳一家，是低碳发展的佼佼者，低碳水平最高；而进入第二、三、四类的城市比2005年的数量明显增加；第五类城市的数量大幅减少。从整体分布情况看，仍近似金字塔形态，不过基座部分变小，分布形态更为均衡，显示出国内城市在低碳发展方面有了较好的进步。
（3）根据快速聚类结果，综合上述分析可以得到如下结论：
在分为五类且方法相同的情况下，聚类结果中，第一类、二类和三类中城市大都为东中部城市，第四、五类中的城市大多是中西部城市，低碳发展水平显示出一定的地域性因素。对比2005年和2010年的各类最后重心表可以看出，各类重心值总体上增大，说明分类的标准提高，从5个一级指标变量方面印证了中国35个重点城市的低碳化水平总体上提升的趋势。
