前言：中文期刊网精心挑选了地区经济发展水平范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
地区经济发展水平范文1
关键词：三次产业 经济发展水平 因子分析 聚类分析
一、构建评价指标体系
产业结构是随着经济增长而不断变化的，经济增长是产业结构演变的基础。产业结构的及时、合理变动又是经济总量获得新增长的必要条件。本文基于我国三次产业地区分布与经济发展水平的情况，选取了如下：人均GDP（元）[x1] ，第一产业增加值比重（%）[x2]，第二产业增加值比重（%）[x3]，第三产业增加值比重（%）[x4]，第一产业从业人员比重（%）[x5]，第二产业从业人员比重（%）[x6]，第三产业从业人员比重（%）[x7]，人均农产品占有量（亿元/万人） [x8]，人均工业品占有量（亿元/万人）[x9]，人均服务产品占有量（亿元/万人）[x10]，农业密度（亿元/万公顷）[x11]，工业密度（亿元/万公顷）[x12]，服务密度（亿元/万公顷）[x13]，第一产业增加值（亿元）[x14]，第二产业增加值（亿元）[x15]，第三产业增加值（亿元）[x16]，人口密度（人/公顷）[x17]，城市化率（%）[x18] 18个指标，来构成评价指标体系。
上述有关指标的统计数据均来自《中国统计年鉴》（2008版）。
二、基于我国三次产业地区分布与经济发展水平的因子分析
（一）确定因子分析的可行性
在对原始数据进行计算和标准化后，先检验其是否符合因子分析方法的，得到KMO取样适当度量及Bartlett球形检验的统计参数估计值，结果显示，KMO检验值为0.643，指标之间有较多的共同因素，Bartlett球形检验近似卡分布值为1081.34，显著性小于0.01，表明拒绝单位相关的原假设，通过了因子分析的适用性检验；而且有相关系数矩阵也可以看出这些因素之间有很强的相关性，因此可以采用因子分析的方法。指标数小于样本数，而且设公共因子F和特殊因子εi的相关系数为0，公共因子之间不相关，且方差皆为1，特殊因子εi之间不相关。
（二）构造因子变量
借助 SPSS11.0forWindowS统计分析软件，首先计算出18个变量的相关矩阵，并得到碎石图，从碎石图中可以看出：前三个因子的特征值均大于1，且大于后面的因子，所以提取前三个因子是比较合理的，然后进行方差最大化因子旋转，得到旋转后主因子的特征值、贡献率及以载荷表，从中可知提取的主因子[F1]在[x1]、[x3]、 [x6]、[x9]、[x12]、[x16]和[x18]这几个指标上有较高的负载，该主因子主要反映了各地区第二产业整体发展的水平和综合经济发展的水平，说明经济发展水平中有33.553%是由因子[F1]影响的，称为第二产业因子；主因子[F2]在[x4]、[x14]、[x7]、[x10]、[x13]和[x17]这几个指标上有较高的负载，该主因子主要反映了各地区第三产业发展的相对水平，代表了第三产业对国民生产总值贡献大小的重要信息，且经济发展水平中33.186%是由因子[F2]影响的，该因子称为第三产业因子；主因子[F3]在[x2]、[x5]、[x8]、[x11]和[x15] 这几个指标上有较高的负载，该主因子主要反映了各地区第一产业发展的相对水平，代表了第一产业对国民生产总值贡献大小的重要信息，且经济发展水平中有17.767%的成分是由第一产业因子影响的。提取的三个主因子累计贡献率达到了84.506%，即这三个主因子累计解释了原数据所反映信息的84.506%。因此，认为这三个主因子[F1]、[F2]、[F3]能够科学地反映各地区三产业发展的水平及各地区经济发展水平。
（三）建立因子提取模型
建立因子分析模型的目的不仅要找出公共因子，更重要的是要明确每个公共因子的涵义解释，以便对实际背景做出科学的分析。
1.初始因子模型为：
设Xi（i=1，2，3…p）为p个变量 ，本文中p=18
[X1=a11F1+a12F2+…+a1mFm+ε1X2=a12F1+a22F2+…+a2mFm+ε2………………………………………Xp=ap1F1+ap2F2+…+apmFm+εp]
其中Fi表示公共因子， aim是因子载荷，[m]=3，εi表示特殊因子。
2.因子旋转模型为：
Xi=bi1F1+ bi2F2+ bi3F3+…+ bimFm+εi其中bim代表旋转后的因子载荷矩阵。
经过旋转后，bi应该向0和1分化。
3.因子得分模型为：
Fi=βi1X1+βi2X2+βi3X3+…+βipXp其中βip为因子得分系数矩阵，通过此模型，带入数据可以算出2007年各个地区的公共因子得分。
4.综合评价模型为：
Wi=λi1F1+λi2F2+λi3F3+…+λimFm
其中[λi]代表权数，通过这个模型还我们可以算出其的综合得分。
（四）因子模型中各公共因子及综合得分的说明
各省的公共因子和综合得分，从总体上说明了我国各地区经济发展水平极不平衡，地域差异比较明显，具体情况如下：
1.在公因子[F1]上得分大于O的有13个省份，是上海、天津、广东、浙江、江苏、山东、福建、辽宁、河北、山西、河南、重庆、内蒙古，其取值较高的且大于0.5的有9个省份，是上海、天津、广东、浙江、江苏、山东、辽宁、山西、河南，这些地区在经济发展水平较高，对带动的就业较好，且多数为东部地区；在公因子[F1]上得分较低（小于-0.5）的地区有 11个省份，是湖北、海南、黑龙江、湖南、贵州、、四川、新疆、甘肃、广西和云南，说明我国近三分之一地区的经济发展水平较低，经济基础薄弱，其中大部分地区为西部地区。
2.在公因子[F2]上得分大于O的省份有13个，取值较高大于0.5的地区为北京、上海、天津、浙江、广东、江西和湖南共7个省份，说明这些地区在第三产业方面的发展较好；在公因子[F2]上得分小于0的地区包括青海、内蒙古、甘肃、山西、新疆、宁夏、陕西、贵州、广西、云南共10个省份，说明我国将近三分之一的省区在经济增长过程中第三产业发展存在问题。
3.在公因子[F3]上得分大于O的省份有11个，取值较高（大于0.5）的有9个，分别是：内蒙古、山东、广东、江苏、广西、山西、天津、河南和浙江，说明目前我国约三分之一的地区农业增长活力较强；在公因子3上得分较低（小于-0.5）的省份有海南、新疆、云南、北京、贵州、江西、辽宁、四川、甘肃和宁夏10个省份，说明我国还有近三分之一的省份经济增长过程中的第一产业的贡献率较小。
4.综合因子得分上大于O的省份有16个，其中综合得分大于0.5的有6个省份，分别是北京、上海、天津、广东、浙江、江苏，说明这些地区经济发展水平较高；在综合得分小于0的有安徽、海南、黑龙江、宁夏、陕西、湖南、江西、青海、贵州、、四川、广西、新疆、甘肃、云南共15个省份，说明我国近一半的地区经济发展水平不高。
三、基于我国三次产业地区分布与经济发展水平的聚类分析
根据综合得分，将31个地区利用聚类分析的方法划分为五类：第一类北京、天津、上海，这三个城市化进程快，很好地带动了三次产业结构的优化升级；第二类广东、山东、江苏、福建、浙江、辽宁，它们的分数虽落后于前一个地区，但是均为正值，经济水平处于全国平均水平以上；第三类湖北、吉林、重庆、黑龙江、湖南、河北、海南、内蒙古，除重庆以外，均是东部和中部地区；第四类四川、安徽、河南、江西、、新疆、陕西中西部地区，由于区位条件限制等原因，经济发展水平一直比较落后，阻碍了当地产业结构的优化升级，从而影响了经济的发展水平；第五类广西、青海、宁夏、贵州、甘肃、云南，全是西部地区，经济发展水平严重滞后，极大制约第三产业发展。
由上述分析可以看到，我国各地区三次产业发展差距明显，但呈现出微弱的收敛趋势。东部地区的第一产业比重低于全国水平，第二、第三产业比重高于全国水平；中、西部地区的第一产业比重高于全国水平，第二、第三产业比重低于全国水平。也就是说，根据产业结构变动的一般趋势可知，东部地区的整体产业结构发展水平领先于中部地区，中部地区的产业结构发展水平领先于西部地区。
随着经济的发展，产业结构的优化升级，第二产业和第三产业在经济发展过程中所做的贡献越来越大，而第一产业的比重则应该逐渐降低。
地区经济发展水平范文2
关键词：县域经济；因子分析；综合评价
县域经济是一个极为复杂的概念，它属于区域经济学研究的范畴，通常说来它是一种行政区划型的区域经济，它以县城为中心、乡镇为纽带、农村为腹地，是城市经济与农村经济的连接点，是宏观经济和微观经济的结合部，在国民经济和社会发展中处于重要的基础地位，县域经济的发达与否最能折射地区的经济发展程度。
本文采用因子分析法对江苏省苏北地区5个省辖市，24个县的县域经济可持续发展水平进行评价分析。根据江苏省苏北地区的特点，充分考虑资料的可得性及客观性，建立体现县域经济发展水平的经济实力、基础设施、开放程度、人才资源和环境保护这五方面内容共18个具体指标构成的县域经济发展评价指标体系（见表1）。
一、因子分析的基本原理
因子分析的基本步骤如下：
一是原始数据进行标准化处理，计算指标（变量）间的相关系数矩阵。二是确定因子变量。文章利用主成分分析，根据特征值大于1，因子累计方差贡献率大于80%的原则来确定主因子的个数。三是进行因子旋转。使每个变量在尽可能少的因子上有比较高的载荷，一个因子变量就能够成为某几个变量的典型代表，因子实际含义就更容易解释。四是计算各县、市综合得分。以因子变量方差贡献率作为权数，计算综合得分。
二、数据处理和分析
根据SPSSl6.0运行结果，KMO和球形Bartlett检验情况如表2所示。KMO给出了抽样充足度的检验，是用来比较相关系数数值和偏相关系数是否适中的指标，其值越接近1，表明对这些变量进行因子分析的效果越好，Bartlett检验用来检验相关系数矩阵时是否是单位阵，如果结论是不拒绝假设，则表示各个变量是各自独立的。从表中可以看出此时的KMO值为0.771，说明因子分析的结果是可以接受的，Bartlett球形检验Sig.的取值是.000，表示拒绝该假设。
三、确定公共因子和载荷矩阵
对上述选取的18个指标，运用软件分析可得到18个指标的相关矩阵及特征值，方差贡献率和累计方差贡献率（见表3）。按照特征值大于1、累计方差贡献率大于80%的原则，选出三个主因子。计算结果为：旋转前的3主因子的方差贡献率为80.677%，其中第1个公共因子F1的方差贡献率为61.998%，第2个公共因子F2的方差贡献率为9.586%，第3个主因子F3的方差贡献率为9.092%。
由于计算原始指标的初始载荷矩阵发现各个因子的典型代表指标不是很突出，其实际意义难以得到合理解释。故需对因子进行旋转，采用方差最大正交旋转法，经过25轮正交旋转，因子旋转不改变模型对数据的拟合。旋转后的3个主因子的方差贡献率为80.677%，其中第1主因子F1的方差贡献率为53.582%，第2个公共因子F2的方差贡献率为35.653%，第3个主因子F3的方差贡献率为18.281%。
据旋转后的因子载荷矩阵，第1主因子在X4、X6、X7、X8、X9、X10、X11、X14、X15指标上载荷较高，这些指标依次是反映县域经济发展水平指标中的经济实力、基础设施、人才资源，统称之为县域经济实力因子；第2主因子在X14上载荷较高，这指标是反映县域经济的对外开放程度称之为县域经济活力因子；因此我们第3主因子在X17指标上载荷较高，称之为县域经济环境因子。
四、县域经济可持续发展水平综合评价
县域经济可持续实力因子F1的特征根解释了原有18个变量总方差37.811%，故其权重为0.37811；县域经济可持续活力因子F2的特征根解释了原有18个变量总方差的35.653%，故其权重为0.35653；县域经济可持续环境因子F3的权重同理为0.18281，3大主因子累计解释方差贡献率为80.677%，分别计算各个县、市的综合因子得分并排序，得到江苏省苏北地区的县域经济可持续发展水平的综合得分。
F=（37.811*F1+35.653*F2+18.281*F3）/80.677
从总得分来看，连云港市、徐州市、盐城市、淮安市排在前4名，得分为正。其中连云港市、徐州市、盐城市的得分又遥遥领先于第4名淮安市，领先幅度分别在1.1和0.9分以上。从因子来看，盐城市是29个县、市中唯一3个主因子得分均为正的城市，可以说县域经济可持续发展在各方面发展都十分均衡。连云港市除了在第3 因子得分不甚理想、其余因子得分均较高，尤其是在第2因子得分可以说是遥遥领先，而第2因子主要反映的是城市开放程度，从这个角度看来与连云港市特殊地理位置不无关系。而徐州市在权重最高的第1因子得分极高，领先于盐城市2分左右，由于在第2因子上的落后，也使徐州市在总分上稍稍逊色于连云港市，但是还是能见徐州市经济实力的优势（见表4）。
苏北县域经济之间产业结构、产业构成都有着较大的相似性。要充分考虑原有产业基础、产业结构和产业布局，充分利用县域资源、地缘、资金、技术、人才等优势，寻求新的经济增长点。依靠项目推动技术进步，推动特色经济，大力推广先进技术和工艺，注重增加科技含量，由过去的初级加工向深度加工延伸，提高产品的附加值。区域产业竞争优势又依靠区域企业、产品竞争力的提高。各县主导产业之间形成互补、联动。这种基于不发达县域之间的集群可以有效地培育县域工业基础，改善投资环境，优化产业结构，是苏北县市之间打破行政区划，形成统一市场的必由出路，也是苏北县域经济发展的合理途径。
参考文献：
1、李小建，乔家君.20世纪90年代中国县际经济差异的空间分析[J].地理学报，2001(2).
2、沈正平，翟仁祥，李九全.中国新亚欧大陆桥沿线县域经济发展差异研究[J].经济问题探索，2004(4).
3、赵莹雪.广东省县际经济差异与协调发展研究[J].经济地理，2003(4).
4、陈俐谋.重庆市县域综合实力研究[J].重庆师范大学学报·自然科学版，2005(3).
5、楼海淼，孙秋碧.基于因子分析的我国各省经济活力评价研究[J].福州大学学报(哲学社会科学版)，2005(3).
地区经济发展水平范文3
关键词：广西北部湾经济区；低碳城市；灰色关联度；评价指标体系
基金项目：2014年度广西高等学校科研项目：“广西北部湾经济区低碳城市发展评价与对策研究”（项目编号：YB2014602）；2015年国家社科基金一般项目：“西南边疆民族地区丝绸之路经济带建设中城镇化多元格局实现路径研究”（项目编号：15BMZ080）
中图分类号：F127 文献标识码：A
收录日期：2017年3月8日
城市作为人们从事生产经营活动及生活的重要地域单元，其碳排放问题已引起全社会及国内外的广泛关注，并已成为社会各界共同面对和亟待解决的重大问题。早在2003年英国政府就在其发表的能源白皮书《我们能源的未来：创建低碳经济》中提到了“低碳”概念，并随着社会各界对全球气候环境变化给予的高度关注，低碳发展理念已俨然成为一种新的推动经济可持续发展、能源循环利用和生态环境可持续发展的重要理念和思想，并得到世界各国的广泛认同。低碳城市发展倡导的是在低碳理念的指导下，通过广泛应用各种新能源技术，积极推动经济、社会和环境等的低碳化转型，从而减少城市二氧化碳等温室气体排放，努力营造一个经济发展低碳化、社会发展低碳化、生活低碳化、环境低碳化的可持续发展城市，从而更好地促进城市的健康长远发展。本文试图从低碳经济、低碳技术、低碳社会、低碳资源和环境四个层面构建广西北部湾经济区低碳城市发展水平评价指标体系，然后采用灰色关联评价法对其进行评价分析，为把握广西北部湾经济区低碳城市发展的特征和影响因素，进而采取相应对策措施更好地推动广西北部湾经济区低碳城市的发展具有重要的理论和实践意义。
一、广西北部湾经济区低碳城市发展水平评价指标体系的构建
广西北部湾经济区低碳城市发展水平评价，涉及到低碳城市的经济、技术、社会、资源和环境等影响因素方面，是一个复杂的多因素综合评价体系。为了综合评价广西北部湾经济区低碳城市发展水平，进一步分析广西北部湾经济区低碳城市发展水平的影响因素及^域差异特征，本文在结合广西北部湾经济区低碳城市发展水平的发展实际及在坚持科学性、系统性、可操作性、层次性及数据可获得性等原则的基础上，建立了广西北部湾经济区低碳城市发展水平评价指标体系，详见表1。该指标体系从低碳经济、低碳技术、低碳社会、低碳资源和环境4个二级指标层共29项三级指标来评价广西北部湾经济区低碳城市发展水平状况。（表1）
二、灰色关联评价分析法
灰色关联评价分析法来源于我国邓聚龙教授在1982年提出的灰色关联理论，该评价分析方法是一种可以对系统影响因素的重要性次序及区域发展水平高低进行综合性评判的一种重要分析方法，目前已被广泛应用到我国经济社会发展的相关研究当中。灰色关联度是通过分析两个或两个以上因素之间的关联性程度来反映其关联度或差异性程度，关联度越大，表明其相似度越高；关联度越小，表明其相似度越低。其中，灰色关联度的计算，可以通过如下公式（1）至公式（4）求得。其中，公式（1）是对评价指标体系的指标数据进行无量纲化处理，经处理后的数据的取值范围为[0，1]；X0（k）为参考序列，经无量纲化处理后的参考序列的每个值均为1。
三、广西北部湾经济区低碳城市发展水平灰色关联评价
采用2014年广西北部湾经济区低碳城市发展水平评价的指标数据，采用公式（1）～（4），计算得到广西北部湾经济区低碳城市发展水平的各项影响指标的灰色关联度及其权重。（表2）
首先，广西北部湾经济区低碳城市发展水平的各项影响指标的灰色关联度及权重较大的前三个指标分别是C17人口增长率、C21生活垃圾无害化处理率、C23人均节能环保支出，其灰色关联度分别为0.8396、0.8035、0.7146，权重分别为0.0503、0.0482、0.0428，表明人口增长情况、生活垃圾无害化处理情况和人均节能环保支出水平这三个影响指标对广西北部湾经济区低碳城市发展水平的影响较大。
其次，C16第三产业从业人员比重（0.6617）、C34人均住房建筑面积（0.6579）、C48城市污水处理率（0.6432）、C25教育支出占财政支出的比重（0.6393）、C38每万人拥有公共汽车（0.6186）、C46每万人液化石油气供气总量（0.6014）、C11人均地区生产总值（0.6008）等影响广西北部湾经济区低碳城市发展水平的指标的灰色关联度介于0.6000～0.7000之间，其大小仅次于C17、C21、C23三个指标，这部分指标主要从第三产业服务人员规模、人均住房建筑面积、城市污水处理情况、教育支出比重、公共汽车数量、液化石油气供气数量、人均地区生产总值等角度影响广西北部湾经济区低碳城市发展水平。
再次，C36建成区排水管道密度（0.5909）、C32居民人均生活用电量（0.5788）、C31城市居民年人均可支配收入（0.5658）、C15城市化率（0.5601）、C22节能环保支出占财政支出的比重（0.5548）、C42人均公园绿地面积（0.5510）、C13第三产业占GDP的比重（0.5495）、C35人均城市道路面积（0.5462）、C44城市气象站点年平均降雨量（0.5384）、C33人均日生活用水量（0.5189）、C12 GDP增速（0.5175）、C14人均工业总产值（0.5105）等影响指标的灰色关联度介于0.5000～0.6000之间，这部分指标主要从排水管道建设、居民生活用电用水状况、人均可支配收入、城市化率、节能环保支出比重、公园绿地建设、降雨量、GDP和工业发展状况等角度对广西北部湾经济区低碳城市发展水平产生影响。
最后，C43建成区绿化覆盖率（0.4907）、C41人均水资源量（0.4824）、C47污水处理厂日集中处理能力（0.4760）、C37每万人均路灯盏数（0.4732）、C24科学技术支出占财政支出的比重（0.4730）、C18建成区面积（0.4695）、C41每万人绿化覆盖面积（0.4564）等影响指标的灰色关联度相对较小，介于0.4000～0.5000之间，但其仍然是衡量广西北部湾经济区低碳城市发展状况，推动低碳城市实现可持续发展的重要指标。
可见，表2在一定程度上反映了各项指标与广西北部湾经济区低碳城市发展水平之间的单一关联程度，但是仍难以从总体上反映出广西北部湾经济区低碳城市发展水平的发展特点。为进一步了解广西北部湾经济区低碳城市发展水平的四大影响因素的灰色关联度，在采用公式（1）～（3）求得广西北部湾经济区低碳城市发展水平的各大影响因素得分及其排序（详见表3）的基础上，采用公式（2）～（4）进一步求得广西北部湾经济区低碳城市发展水平的四大影响因素的灰色关联度和排序（详见表4）。（表3、表4）
从表3可以看到，广西北部湾经济区低碳城市发展水平各大影响因素的综合得分最高的地区是南宁，综合得分为0.6626；得分较高的是防城港，得分为0.6346；得分仅次于南宁和防城港的城市是北海、钦州和玉林，其得分分别为0.6258、0.6166、0.4861；而得分最低的是崇左，其得分为0.4608。其中，南宁、防城港、北海和钦州的影响因素得分均大于0.6000，而玉林和崇左的影响因素得分均低于0.5000，可见，这六个城市之间的影响因素得分之间具有一定的差距，并且南宁、防城港、北海和钦州这四个城市处于一个相对较高层次的发展水平之上，而玉林、崇左又处于同一低层次的发展水平上。此外，四大影响因素的地区得分中，低碳经济因素的得分最高的地区是南宁（0.7785），其次是防城港（0.6414），最低的是玉林（0.4489）；低碳技术因素的得分最高的地区是钦州（0.8203），其次是北海（0.7408），最低的是南宁（0.5044）；低碳社会因素的得分最高的地区是防城港（0.7421），其次是北海（0.6368），最低的是崇左（0.3505）；低碳能源和环境因素的得分最高的地区是南宁（0.7438），其次是防城港（0.5449），最低的崇左（0.3991）。
从表4来看，广西北部湾经济区低碳城市发展水平的四大影响因素中：低碳经济的灰色关联度最大，其数值是0.7293，表明低碳经济因素对广西北部湾经济区低碳城市发展水平的影响最大；其次是低碳社会，其灰色关联度是0.6569，表明低碳社会因素对广西北部湾经济区低碳城市发展水平也产生了重要影响，其影响程度仅次于低碳经济因素；第三是低碳能源和环境，其灰色关联度是0.5701，推进低碳能源和环境的建设是实现广西北部湾经济区低碳城市发展的重要组成部分；第四是低碳技术，其灰色关联度是0.5086，虽然其关联程度较低，但是鉴于低碳技术的发展对低碳城市发展的重要性，可以看到，低碳技术由于其技术的研发、吸收、创新以及推广具有一定的时间阶段性，导致其对低碳城市发展的推动作用具有一定的滞后性。由此可见，影响广西北部湾经济区低碳城市发展水平的四大因素的影响程度从强到弱的顺序依次为低碳经济、低碳社会、低碳能源和环境、低碳技术。
四、结论
通过对广西北部湾经济区低碳城市l展水平进行灰色关联评价，研究发现：广西北部湾经济区低碳城市发展水平的区域差距较突出，南宁、防城港等地区的低碳城市发展水平相对较高，北海、钦州、玉林的低碳城市发展水平仅次于南宁和防城港，而崇左的低碳城市发展水平最低。其中，崇左的得分仅为南宁的得分的69.54%，各城市之间的发展差距仍较明显；与此同时，南宁、防城港、北海和钦州等城市的低碳城市发展水平处于一个相对较高层次上，而玉林、崇左则处于一个相对较低层次的水平上。并且从四大影响因素对广西北部湾经济区低碳城市发展水平的重要性来看，低碳经济是其最重要的因素。可见，低碳经济的发展程度仍然是影响广西北部湾经济区低碳城市发展水平高低的最重要因素；其次是低碳社会因素，低碳社会的资源消耗和碳排放的数量及其程度，对广西北部湾经济区低碳城市发展水平产生重要影响；第三是低碳能源和环境，其反映了低碳能源的提供及生态环境状况，是衡量广西北部湾经济区低碳城市发展水平的又一重要因素；最后是低碳技术因素，低碳技术对推动产业发展技术升级、产业结构优化和城市低碳化发展发挥着重要的作用，但其对推动低碳城市的发展具有一定的滞后性。
结果表明：低碳经济、低碳社会分别是影响广西北部湾经济区低碳城市发展水平高低的重要方面，为进一步提高广西北部湾经济区低碳城市发展水平，应积极提倡低碳经济和低碳社会的发展。而人口增长率、第三产业从业人员比重、人均地区生产总值和城市化率等因素是影响低碳经济发展的主要因素，因此要努力推进广西北部湾经济区城市人口规模的扩大，不断扩大第三产业从业人员数量，推动地区生产总值的提高以及加快提升城市化水平。同时，人均住房建筑面积、每万人拥有公共汽车、建成区排水管道密度、居民人均生活用电量等因素是影响低碳社会的重要因素，应注重从改善居民住房状况、公共交通出行状况、排水设施状况、居民生活用电状况等角度提升广西北部湾经济区低碳城市发展状况。与此同时，城市污水处理率、每万人液化石油气供气总量、人均公园绿地面积、城市气象站点年平均降雨量、建成区绿化覆盖率等因素是影响低碳资源和环境的重要因素，应进一步加强城市污水处理，改善液化石油气供气状况，加强公园绿地建设和提升城市绿化覆盖率等，进而不断改善城市环境，推动低碳资源的可持续利用和环境的可持续发展。此外，生活垃圾无害化处理率、人均节能环保支出、教育支出占财政支出的比重等因素是影响低碳技术的重要因素。因此，应进一步加大对城市生活垃圾的无害化处理，提升城市人均环保支出，合理扩大教育支出和强化人才培养力度，不断推动广西北部湾经济区低碳城市的可持续发展。
主要参考文献：
[1]汤光华.灰色关联综合评价方法评析[J].江苏统计，1997.6.
[2]Yang De-yun，Li Dong，Yang Xiang，et al.，Urban Tourism Competitive Power Difference and Grey Relational Analysis on Influencing Factors of the Urban Agglomeration in Central Plain.AISS：Advances in Information Sciences and Service Sciences，Vol.5，No.2，2013.
[3]Zeng Peng，Yang Sha-sha，Lian Chao.Grey Relational Synthetic Evaluation of Urban Competitive Power Influencing Factors of the Urban Agglomeration on the West Side of Taiwan Straits[J].Applied Mechanics and Materials，2011.
[4]廉超，何小贞.我国各地区公共图书馆服务水平的灰色关联评价[J].图书馆学研究，2014.8.
地区经济发展水平范文4
[关键词] 农民工；收入满意度；有序多分类；数据；分层线性模型
doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2013 . 23. 022
[中图分类号] F126.2；F224.9 [文献标识码] A [文章编号] 1673 - 0194（2013）23- 0046- 02
1 引 言
目前中国已有超过1.6亿农民离开家乡外出打工，同时这个数字以每年570万人的速度不断增加。尽管如此，自2004年开始，中国南方部分省市出现“民工荒”，最重要的原因是农民工对不公正的待遇表示不满，其中主要是对收入表示不满。因此提高农民工的收入满意度已是当务之急。但提高农民工的收入满意度仅依靠提高农民工的收入水平就足够了吗？是否存在其他影响农民工收入满意度的因素呢？
本文通过农民工与城镇职工对比，分两个层次探讨农民工收入满意度的影响因素：一是在个体层次上探讨个体属性特征对收入满意度的影响，二是在省市层次上探讨地区经济发展水平对个体属性特征与收入满意度关系的影响，以全面分析农民工收入满意度的影响因素，并提出提高农民工收入满意度的有效途径。
2 数据来源、研究方法和变量说明
2.1 数据来源
本文分析使用的个体层次数据全部来源于北京大学“985”项目资助、北京大学中国社会科学调查中心执行的中国家庭动态跟踪调查（CFPS 2008），共包括8 036个有效样本，覆盖25个省市。
2.2 研究方法
针对本文的研究目的，采用多层线性模型进行分析。多层线性模型是专门处理嵌套结构数据的一种新型统计分析技术，在方法上类似于“回归的回归”，目的是把高层次的变异从低层次的变异中分解出来，不仅可以分析两个层次变量与因变量的关系，也可以分析第二层变量对第一层变量与因变量关系的影响。
2.3 变量说明
本文采用二层组织模型，所有个体构成第一层，即个体层次，个体层次变量包括性别、职业、学历、年龄、收入；25个省市构成第二层，即省市层次，省市层次变量包括人均GDP。
3 模型构建及结果分析
本文使用HLM 6.08进行分析，分析过程设计如下。
3.1 模型适用性分析
为了估计在没有协变量情况下的省市之间的差异，定义零模型：在个体层次和省市层次均不加入自变量。
由零模型运行结果发现，城镇职工和农民工的第二层方差在0.01的显著性水平下显著不为零，即省市层次的方差显著存在，也就是说城镇职工和农民工的收入满意度在省市层次上存在显著差异，因而采用多层线性模型分析是有必要的。
3.2 个体属性特征对收入满意度的影响分析
在零模型的基础上，在第一层纳入个体层次的全部变量，构建随机效应模型，以探究城镇职工与农民工的个体属性特征对收入满意度影响的差异。
3.2.1 职业对城镇职工与农民工的收入满意度影响的对比分析
结果表明，城镇职工中在国有部门和私营部门工作的人的收入满意度低于在政府部门工作的人，而在外资部门和其他部门工作的人的收入满意度与在政府部门工作的人无明显差别。
农民工在国有部门、私营部门、外资部门以及其他部门工作的人与在政府部门工作的人相比，收入满意度均没有显著差异，换句话说，对农民工而言，收入满意度与工作部门没有关系。这主要是由于在城市工作的农民工绝大多数为非正规就业，工资收入基本上由农民工的供求关系决定，而与所处的工作部门没有直接关系。
3.2.2 学历对城镇职工与农民工的收入满意度影响的对比分析
城镇职工中，初中、高中、大专及以上学历的收入满意度均高于小学学历，而农民工中，初中、高中、大专及以上学历的收入满意度均低于小学学历。进一步观察发现，初中和高中学历的农民工的收入满意度依次下降，之后，大专及以上学历的收入满意度有所提高，基本上回升到与小学学历相当的水平，但仍稍低于小学学历。
3.3 经济发展水平对个体属性特征与收入满意度关系的影响分析
以截距、收入斜率为因变量，以人均GDP为自变量在省市层次上建立回归方程，考察地区经济发展水平分别对居民平均收入满意度、收入与收入满意度关系的影响。
3.3.1 经济发展水平对城镇职工与农民工的平均收入满意度影响的对比分析
地区经济发展水平对城镇职工平均收入满意度有显著正影响。与此形成对比的是，地区经济发展水平对农民工的收入满意度影响不显著，但单从系数上来看，地区经济发展水平对农民工收入满意度有轻微负影响，即地区的经济发展水平越高，农民工的收入满意度越低。
3.3.2 经济发展水平对城镇职工与农民工的收入与收入满意度关系影响的对比分析
地区经济发展水平对城镇职工与农民工的收入与收入满意度的关系均起到弱化作用，即地区经济发展水平越高，收入对收入满意度的正向影响越弱。相对而言，地区经济发展水平对农民工收入与收入满意度关系的弱化效应更强。
4 主要结论
农民工收入满意度影响因素可以从以下两方面来看：
在个体层次上，农民工绝大多数是非正规就业，收入水平主要由农民工的供求关系决定，因此职业类型对农民工的收入满意度没有影响。同时小学及以下、初中、高中学历的农民工的收入满意度随学历升高而下降，之后大专及以上学历的农民工的收入满意度有所回升。
在省市层次上，主要探讨了经济发展水平对农民工的平均收入满意度和收入与收入满意度关系的影响，发现农民工不仅没能享受地区经济发展带来的好处，经济发展反而对农民工的收入满意度造成了不利影响。
主要参考文献
[1]姚少英.有序Probit模型的非参贝叶斯统计——关于工作满意度的实证分析[D].上海：华东理工大学，2012.
[2]张贤.收入满足度差距研究[D].上海：上海师范大学，2008.
地区经济发展水平范文5
我国高等教育资源配置存在显著区域差异由来已久。根据王善迈先生研究，全国30多个省市地区划分为四类：一类地区人均教育经费始终是三四类地区教育经费的2到3倍，二类地区的人均教育经费要高出三类地区的五分之二。[2]同时从全国整体来看，我国高等教育资源的去向主要集中在东南沿海一线和横贯东西的长江水系和陇海铁路一线的地区或城市中。形成有趣的侧“π”形状。由此可见，在高等教育资源配置上，我国区域经济发展水平和人口区域分布的状况影响我国高等教育资源配置是否合理。
一、从我国经济区域发展水平看我国高等教育资源配置的不合理性
经济发展水平是我国高等教育发展的物质依托，是高等教育发展的硬实力，也是我国高等教育长远发展的后盾。[3]相通，区域经济发展的水平也决定了地方高等教育的发展。
影响高等教育资源配置首先要看区域经济发展水平，就应该以国内生产总值（GDP）、人均GDP、地方财政收入等指标评价一个地区经济发展水平和实力。根据《中国统计年鉴-2014》数据测算，2014年大陆百亿元GDP负担0.398所高校，亿元GDP和地方财政负担43.1名和194.7名大学生，每万人口和每千名从业人员分别负担199.8名和35.4名在校生。与以上数据对比，我国的西北、东北、华北地区和湖北地区的教育资源配置程度大，教育资源的数量与其经济发展程度不成比例，无论高校数还是在校生占全国比重、百亿元GDP负担的高校数、亿元GDP和地方财政收入负担的大学生数都低于全国平均水平，该地区所担负的高等教育发展任务与地区经济实力、水平很不相称。
综上可知，我国高等教育资源配置与各地区经济发展水平存在明显的不协调现象，经济比较发达的地区的教育资源配置数量较少，而一些相对落后地区教育资源配置的数量却较多。
二、从我国人口区域分布看高等教育资源配置的不合理性
高等教育资源配置也受到人口区域分布状况影响，涉及每百万人口负担高校数、每万人口负担在校生数等指标。这些指标既体现地区高等教育发展水平，又体现高等教育支撑社会发展的程度。
根据《中国统计年鉴?D2014》数据2014年底我国每百万人口负担1.83所高校，每万人负担200.8个在校大学生，我国高等教育资源配置与人口分布不协调，部分地区（东北、西北、华北地区）高校和在校生数超出全国平均水平，部分地区（华南、华东、山东）显著低于全国平均水平，与其占有较高教育资源相一致。
上述两个方面表明，我国高等教育的布局及资源配置趋向存在显著不合理状态，有的地区经济发展水平低，人口负担重，高等教育资源占有量大，负担偏重，有的地区经济发达，人口众多。高等教育规模偏小不利于经济发展对人才的需要的满足。其主要原因在于长期以来我国高等教育布局主要考虑战备需要而忽视地方经济建设和社会发展的需要，只强调自上而下的指令性计划而缺乏必要的弹性。[4]高等教育资源的配置不协调不利于区域经济发展，不利于我国高等教育布局的合理化，同时也消耗了我国的教育资源。
三、优化高等教育资源配置途径，实现高等教育资源合理开发和利用
1、市场引导，注重教育资源配置不足地区的教育资源的配置
坚持以市场配置资源为主，辅以计划配置，这样既有效的发挥市场配置资源的优势，扩大了配置高等教育资源的程度和力度，也避免了市场配置的盲目性等缺点，更加有效合理的利用了有限的高等教育资源，为我国经济建设储备人才，推动我国综合国力的持续发展。
我国必须注意华东华南等经济发达地区的高等教育资源配置。这些地区经济发达，需要大量有知识、创新能力的建设者。这些地区在满足本地区经济发展所需人才问题上不仅要注意大力吸引区域外的人才等，还要注重培养人才，加大地区高等教育资源投入，提高教育教学质量，担负起发展高等教育的责任，推动本地区经济的发展。
2、吸纳更多社会资源投向教育行业，鼓励社会力量兴办高等教育
地区高等教育资源分配不均影响地区教育发展，需另辟途径增加高等教育资源投入。吸引社会力量投向高等教育不失为一种好办法。
在我们国家把民办教育概括为社会力量办学，社会力量举办的高等教育，民办高等教育的兴起和发展改变了国家办学的单一模式，形成了政府办学和民间办学两种教育体制，两条腿走路的办学格局。推动了我国高等教育的发展，有利于经济建设和社会进步。
3、鼓励支持高等学校自主办学的积极性
扩大高校办学自主性是我国高等教育改革的一大成果，有利于发挥高校在利用教育资源、培养人才方面的积极性。
地区经济发展水平范文6
关键词：房地产价格；影响因素；主成分分析；多元回归
一、引言
住房是人民生活的基本必需品，随着人们生活水平的不断提高，人们对购房的需求也不断增大，以及对住房的质量要求也有所提高，不仅包括内部构造，外部环境也是重要条件。然而房地产需求的增加会引起房地产价格的大幅度上升，如今房价的上升已超出许多人的承受能力，为此我们有必要探究出房价的影响因素甚至可能潜在的因素，本文就采用山西省2015年数据研究影响山西省房地产价格的影响因素。
二、实证分析
（一）指标选取：
本文主要从需求因素、供给因素和地区因素三个角度选取影响房价的因素的指标：
居民消费水平（元/人）、人均可支配收入（元/人）、总户数（户）、当年完成投资（万元）、开发施工房屋面积（平方米）、年竣工价值（万元）、建筑业企业总产值（万元）、建筑业企业利润（万元）、建筑业企业成本（万元）、建筑业企业税金总额（万元）、地区生产总值（万元）和财政总收入（万元）总共12个指标，并分别命名为X1、X2、X3、X4、X5、X6、X7、X8、X9、X10、X11、X12变量，将商品房屋平均价格（元/平方米）作为Y变量来进行分析。
（二）数据分析：
1.主成分分析
经过分析，这12个指标之间都存在一定相关性，且大部分相关系数在0.8以上，因此满足主成分分析的前提。首先通过因子分析发现：前两个主成分累积方差贡献率为87.811%，能够包含大部分原始变量的信息，因此选取前2个主因子来代替全部12个因子，我们将提取的主因子分别命名为：F1、F2。再结合因子载荷阵我们可以看出，第一个公共因子F1在指标X4、X5、X6、X7、X8、X9、X10、X11、X12上有较大载荷，说明这9个指标有较强的相关性，可以归为一类，从指标上来看，这9个指标包含了房地产供给因素和地区因素，可以归结为反映地区经济发展状况和房地产供给方面状况，因此将第一个主因子F1命名为地区经济发展水平和房地产供给因子；第二个公共因子F2在指标X1、X2、X3上的因子载荷值较大，且这三个指标属于需求方面状况，因此将这类因子命名为需求因子。然后利用因子分析结果进行主成分分析得到相应地特征向量矩阵如下表1。
根据表1可以得到2个主成分的表达式：
第一主成分：
第二主成分：
其中F1主要反映了地区经济发展水平和房地产供给对房地产价格的影响，F2主要反映了房地产需求因素对房地产价格的影响。
2.多元回归分析
由于主成分分析只是对原始自变量的线性组合，并不能解释自变量对因变量房地产价格的影响程度，因此以2个变量F1、F2为自变量，标准化之后的房地产价格为因变量作回归分析，其结果如下表2。
根据上表，我们可以得出回归方程表达式
Y=0.903F1-0.015F2
从表达式中可以看出：自变量F1的系数最大，对因变量Y的影响程度也就最大，而且远远大于F2。也就是说因变量Y（商品房屋的平均价格）主要是受自变量F1（地区经济发展水平和房地产供给因素）的影响，需求因素F2则对因变量Y的影响程度则很小。另外，从值（0.815）以及调整后的值（0.769）可以看出该模型拟合度较好，说明该回归模型可以较好地反映房地产价格的主要影响因素。
三、结论
本文根据山西省2015年房地产发展的情况，通过对主成分分析把影响房价波动的因素最终分成两类：地区经济发展水平和房地产供给状况共同作用和房地产需求因素对房地产价格的影响。基于多元回归分析法进行分析可以得出：地区经济发展水平和房地产供给状况这两个方面共同的作用对房价的影响最大。因此，结合回归分析结果我们做出以下建议：
（一）促进地区经济发展水平
结合当地特色（例如我省的老陈醋、汾酒）努力搞好经济，只有经济发展好了，房地产业才有更多的资金促进本行业的发展。
