• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看

      ?

      我國各省市經(jīng)濟(jì)發(fā)展質(zhì)量評價體系研究

      2020-03-18 01:15唐婉香楊華
      合作經(jīng)濟(jì)與科技 2020年6期
      關(guān)鍵詞:主成分分析

      唐婉香 楊華

      [提要] 本文構(gòu)建經(jīng)濟(jì)發(fā)展質(zhì)量評價指標(biāo)體系,從主成分及系統(tǒng)聚類后的空間分布特征分析和評價我國各省市經(jīng)濟(jì)發(fā)展質(zhì)量。結(jié)果表明:我國各省市在強(qiáng)盛創(chuàng)新性建設(shè)方面差異較大;各省市經(jīng)濟(jì)發(fā)展質(zhì)量可分為六個梯隊,呈現(xiàn)出一定的空間集聚效應(yīng),總體呈現(xiàn)由低到高的階梯狀分布。

      關(guān)鍵詞:經(jīng)濟(jì)發(fā)展質(zhì)量評價體系;主成分分析;系統(tǒng)聚類

      中圖分類號:F12 文獻(xiàn)標(biāo)識碼:A

      收錄日期:2020年1月8日

      黨的十九大報告指出,我國正面臨經(jīng)濟(jì)轉(zhuǎn)型時期,以經(jīng)濟(jì)質(zhì)量出發(fā)的發(fā)展目標(biāo)更強(qiáng)調(diào)經(jīng)濟(jì)與社會、人與自然之間的協(xié)調(diào)性。然而,我國區(qū)域經(jīng)濟(jì)社會發(fā)展程度差異問題突出,如何建立一種科學(xué)的經(jīng)濟(jì)發(fā)展質(zhì)量評價指標(biāo)體系,以更加全面真實地反映各省市間的經(jīng)濟(jì)發(fā)展質(zhì)量,從而更加有效且有針對性地提高各省市經(jīng)濟(jì)發(fā)展質(zhì)量具有一定的現(xiàn)實意義。

      一、經(jīng)濟(jì)發(fā)展質(zhì)量指標(biāo)的構(gòu)建

      根據(jù)經(jīng)濟(jì)發(fā)展質(zhì)量的重要影響因素及內(nèi)涵的界定,從強(qiáng)盛性、創(chuàng)新性、協(xié)調(diào)穩(wěn)定性、包容性、可持續(xù)性及開放性六個方面構(gòu)建一組具體評價指標(biāo)(其中包含6個一級指標(biāo)及13個二級指標(biāo)),如表1所示。(表1)

      二、基于主成分聚類分析的經(jīng)濟(jì)發(fā)展質(zhì)量評價

      (一)各省市經(jīng)濟(jì)發(fā)展質(zhì)量評價體系建立及分析

      1、主成分模型KMO檢驗及Bartlett球性檢驗。通過KMO檢驗及Bartlett球性檢驗結(jié)果顯示,KMO值為0.7849,大于0.6,Bartlett檢驗統(tǒng)計量為322.0814,相應(yīng)的概率值為2.0978×10-31,接近于0,檢驗結(jié)果表明指標(biāo)間存在高度相關(guān)性,適合進(jìn)行主成分分析。

      2、經(jīng)濟(jì)發(fā)展質(zhì)量主成分分析。主成分分析提取主成分因子,其具體信息如表2所示??芍?,前5個主成分累積貢獻(xiàn)率已經(jīng)達(dá)到85.17%,大于80%,即前5個主成分便已經(jīng)包含有原始指標(biāo)數(shù)據(jù)的絕大部分信息。(表2)

      為確定每個主成分所代表的實際意義,計算前5個主成分旋轉(zhuǎn)后的成分載荷矩陣,根據(jù)載荷系數(shù)大小、符號來對每個主成分進(jìn)行分析,計算結(jié)果如表3所示。(表3)

      根據(jù)表3結(jié)果,依據(jù)各主成分所包含的各指標(biāo)載荷系數(shù)進(jìn)行命名。第一主成分PC1主要綜合了人均GDP、居民消費水平、萬人專利授權(quán)量、每十萬人口高等學(xué)校平均在校人數(shù)及研發(fā)與試驗發(fā)展經(jīng)費投入強(qiáng)度5個指標(biāo)的信息,每個指標(biāo)的載荷系數(shù)均在0.3~0.4之間,且均成正向分布,均為為強(qiáng)盛性和創(chuàng)新性指標(biāo),故PC1可命名為強(qiáng)盛創(chuàng)新性因子。依次可繼續(xù)將PC2、PC3、PC4、PC5可命名為包容性因子、可持續(xù)性因子、開放性因子、協(xié)調(diào)性因子。通過主成分載荷矩陣對前5個主成分的實際意義解釋可發(fā)現(xiàn),除了PC1是綜合了強(qiáng)盛性及創(chuàng)新型2個一級指標(biāo)外,其他4個主成分均對應(yīng)剩余的4個一級指標(biāo),一方面體現(xiàn)出本文一級指標(biāo)界定的合理性,另一方面也驗證了主成分分析的正確性。

      進(jìn)一步的計算我國31個省市綜合得分及各個主成分得分的排名,結(jié)果如表4所示。(表4)

      由表4可知,從經(jīng)濟(jì)發(fā)展質(zhì)量的綜合得分上看,最高分為北京的3.923分,最低為西藏的-1.349分,跨度5.272分,體現(xiàn)出我國各省市經(jīng)濟(jì)發(fā)展質(zhì)量差異較大,省市之間發(fā)展不平衡、不協(xié)調(diào)。綜合得分達(dá)到1分以上的共有6個省市,且得分遠(yuǎn)高于其他省市,表明該6個省市的經(jīng)濟(jì)發(fā)展質(zhì)量非常高,而低于-1分的分別是貴州、新疆、甘肅、青海及西藏,該5個省區(qū)經(jīng)濟(jì)發(fā)展質(zhì)量最低;從主成分的得分及排名看,強(qiáng)盛創(chuàng)新因子PC1的排名與經(jīng)濟(jì)發(fā)展質(zhì)量的綜合得分排名均較為接近,這也驗證了前文中提到的強(qiáng)盛創(chuàng)新因子PC1的貢獻(xiàn)率最高,所包含的信息量最大,在所有主成分中起到?jīng)Q定性作用的結(jié)論,同時也可發(fā)現(xiàn),經(jīng)濟(jì)發(fā)展質(zhì)量排名第2位至第8位的省市在可持續(xù)性因子PC3的得分排名上普遍較低,這可能是近些年經(jīng)濟(jì)粗獷式發(fā)展留下的后遺癥,應(yīng)予以重視。

      (二)經(jīng)濟(jì)發(fā)展質(zhì)量聚類及空間分布分析。通過系統(tǒng)聚類理論,對我國31省市的5個主成分得分進(jìn)行聚類,聚類結(jié)果如圖1所示。(圖1)

      由圖1知,當(dāng)類高度值定為0.78時,我國31個省市的經(jīng)濟(jì)發(fā)展質(zhì)量可分為六個梯隊:北京第一梯隊,上海第二梯隊,天津、江蘇、浙江、廣東第三梯隊,福建、山東第四梯隊,河北、山西、內(nèi)蒙古、遼林、吉林、黑龍江、安徽、江西、河南、湖北、湖南、海南、重慶、四川、陜西、青海、新疆第五梯隊,廣西、貴州、云南、西藏、甘肅、寧夏第六梯隊??梢钥闯?,我國不同區(qū)域之間經(jīng)濟(jì)發(fā)展質(zhì)量差異較大,且呈現(xiàn)空間集聚效應(yīng),前四梯隊所有省市均位于東部沿海地區(qū),前三梯隊集中在首都北京、長三角及珠三角地區(qū),前四梯隊與后兩梯隊界限明顯,經(jīng)濟(jì)發(fā)展質(zhì)量從西部往東部總體呈階明顯的梯狀分布。因此,中西部地區(qū)的省份應(yīng)加強(qiáng)強(qiáng)盛創(chuàng)新性方面的建設(shè),加大創(chuàng)新研發(fā)的投資,促進(jìn)經(jīng)濟(jì)結(jié)構(gòu)優(yōu)化,在注重可持續(xù)性及分享性方面建設(shè)的同時,努力減少與東部地區(qū)省市的差距;東部地區(qū)省市則需注重全面發(fā)展、協(xié)調(diào)發(fā)展,并繼續(xù)提升自主創(chuàng)新能力,推動核心技術(shù)研發(fā),實現(xiàn)更大的突破。同時,前三梯隊的省市也要努力發(fā)揮“以點帶面”的聯(lián)動效應(yīng),積極帶動中西部省份的發(fā)展。

      三、結(jié)論

      對我國31個省市的經(jīng)濟(jì)發(fā)展質(zhì)量構(gòu)建了一個完整的評價指標(biāo)體系,并分別從主成分分析以及系統(tǒng)聚類后的空間分布特征三個角度對我國各省市的經(jīng)濟(jì)發(fā)展質(zhì)量進(jìn)行深入分析研究及評價,具體結(jié)論如下:(一)對我國各省市經(jīng)濟(jì)發(fā)展質(zhì)量評價指標(biāo)體系中的人均GDP等13個二級指標(biāo)共提取了5個主成分因子,分別為強(qiáng)盛創(chuàng)新性因子、包容性因子、可持續(xù)性因子、開放性因子及協(xié)調(diào)性因子。(二)經(jīng)濟(jì)發(fā)展質(zhì)量綜合得分排名前6的省市分別為北京、上海、江蘇、廣東、天津及浙江,該6個省市得分遠(yuǎn)遠(yuǎn)高于其他省市,得分最低省份為西藏。(三)通過系統(tǒng)聚類法將我國各省市的經(jīng)濟(jì)發(fā)展質(zhì)量分為六個梯隊,前四梯隊的所有省市均位于東部沿海地區(qū),而前三梯隊的所有省市又分別集中于首都北京地區(qū)、長三角地區(qū)及珠三角地區(qū)。(四)通過經(jīng)濟(jì)發(fā)展質(zhì)量空間分布圖發(fā)現(xiàn),我國不同區(qū)域之間經(jīng)濟(jì)發(fā)展質(zhì)量差異較大,呈現(xiàn)出一定的空間集聚效應(yīng),經(jīng)濟(jì)發(fā)展質(zhì)量較高的聚集地為首都地區(qū)、長三角地區(qū)及珠三角地區(qū),且經(jīng)濟(jì)發(fā)展質(zhì)量從西部往東部總體呈由低到高的階梯狀分布。

      主要參考文獻(xiàn):

      [1]習(xí)近平.決勝全面建成小康社會奪取新時代中國特色社會主義偉大勝利——在中國共產(chǎn)黨第十九次全國代表大會上的報告[J].黨建,2017.11.

      [2]魏博通,王圣云.中部六省經(jīng)濟(jì)發(fā)展質(zhì)量的綜合評價與比較分析[J].湖北社會科學(xué),2012.12.

      [3]范金,萬偉,袁小慧.長江經(jīng)濟(jì)帶經(jīng)濟(jì)發(fā)展質(zhì)量的演化趨勢與對策研究[J].數(shù)學(xué)的實踐與認(rèn)識,2019.49(13).

      猜你喜歡
      主成分分析
      Categorizing Compiler Error Messages with Principal Component Analysis
      關(guān)于AI上市公司發(fā)展水平評價
      基于NAR模型的上海市房產(chǎn)稅規(guī)模預(yù)測
      主成分分析法在大學(xué)英語寫作評價中的應(yīng)用
      江蘇省客源市場影響因素研究
      SPSS在環(huán)境地球化學(xué)中的應(yīng)用
      神木县| 定陶县| 镇坪县| 海城市| 邵武市| 临泽县| 井陉县| 洞头县| 卢氏县| 聂荣县| 塘沽区| 宝山区| 竹山县| 德州市| 阳春市| 四川省| 日喀则市| 射阳县| 偏关县| 府谷县| 阿尔山市| 积石山| 柏乡县| 那坡县| 双城市| 宁夏| 满洲里市| 安宁市| 宝应县| 天祝| 宣威市| 麻阳| 商城县| 剑河县| 曲松县| 裕民县| 吉林市| 南宁市| 涞源县| 柳林县| 中阳县|