同理，計算出北京其他準則層的綜合評價值。
4.4中國35個重點城市低碳發展狀況分析
4.4.12005年與2010年對比分析
我們選取2005年和2010年的指標數據，依據上述方法，得到2005年和2010年35個大中城市的低碳發展綜合指數。
從整體上看，低碳發展水平主要體現以下幾個特征：
第一，從低碳指數總得分來看，整體上中國35個重點城市的低碳化水平呈現出上升的良好趨勢，35個重點城市的低碳指數得分平均增幅約5.9%。
第二，從地域分布來看，中西部城市低碳化水平提升幅度大於東部城市。西部城市平均低碳化水平提升幅度最大，為6.46%；中部次之，為5.93%；東部最小，為5.56%。2010年低碳綜合指數得分較2005年增幅超過10%的兩個城市為呼和浩特和重慶，全為西部城市，增幅分別為10.79%和10.04%，在35個重點城市提升幅度最大；中部城市長沙提升了8.93%，在中部城市提升幅度排名第一，其次為合肥，提升了8.16%；東部城市深圳的提升幅度最大，提升了9.85%，其次為石家莊，提升了8.65%。
第三，從2005年與2010年排名情況來看，2005年的低碳指數得分排名中，中西部城市隻有烏魯木齊和武漢市進入前15名，其餘都是東部城市；2010年的低碳指數得分排名中，中西部城市也隻有呼和浩特、石家莊和長沙進入前15名。東部城市的低碳發展水平保持了全麵領先的態勢。總體看來，低碳化水平存在一定的地域等係統性因素。
4.4.2以一級指標變量進行快速聚類分析
在低碳城市評價參考體係中，共設置了經濟支撐、社會發展、資源承載、消費方式和生活質量5個一級指標，本節以這5個一級指標變量分別對2005年和2010年35個重點城市進行聚類分析，重點研究以低碳城市評價參考體係的5個一級指標為考察對象的情況下，35個重點城市低碳發展水平和狀態如何。
聚類分析是將個體或對象分類，使得同一類中對象之間的相似性比與其他類的對象的相似性更強，目的在於使類間對象同質性最大化和類與類間對象的異質性最大化。聚類分析給人們提供了眾多豐富的分類方法，有係統聚類法、模糊聚類法、K-均值法、有序樣品的聚類等，本小節采用K-均值法。K-均值法是一種非譜係聚類法，它是把樣品聚集成個類的集合，類的個數可以預先給定或者在聚類過程中確定，應用方便且便於解釋（潘家華等，2010）。本小節聚類分析過程由SPSS16.0軟件輔助進行。
在上一小節中，利用評價模型分別得到了2005年和2010年35個大中城市的一級指標變量得分，在此利用這5個一級指標變量做快速聚類分析。為了便於分析，令k=5，把類別分為5類：總體低碳水平最好、總體低碳水平較高、總體低碳水平一般、總體低碳水平較差和總體低碳水平差。
4.5城市低碳發展水平的影響因素分析
4.5.1采用偏相關分析法對一級指標分析
通過2010年35個城市的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相關係數，探究各準則層對低碳發展綜合指數的影響。為了剔除五個準則層變量和低碳綜合指數變量之間的相互影響，此處采用偏相關分析。偏相關分析是指，當有多個變量存在時，為了研究任何兩個變量之間的關係，而使與這兩個變量有關係的其他變量都保持不變。即在控製了其他一個或多個變量的影響下，計算兩個變量的相關性。偏相關係數是用來衡量任何兩個變量之間關係的大小。本小節分析過程通過SPSS輔助進行。
利用SPSS計算低碳綜合指數得分排名和五個準則層指標得分排名的偏相關係數。