省会城市及计划单列城市综合经济实力评价指标统计分析
- 格式:doc
- 大小:510.00 KB
- 文档页数:21
东方企业文化·天下智慧 2011年6月236辽宁省城市综合实力评价分析田美香(沈阳理工大学经济管理学院,沈阳,110159)摘 要:本文以辽宁省14个城市为样本,通过主成分分析法,建立评价指标体系对14个城市进行综合实力评价,计算各城市综合实力得分并进行排名,通过聚类分析进行区域划分。
关键词:综合实力评价 主成分分析法 指标体系 中图分类号:F299.27 文献标识码:A 文章编号:1672—7355(2011)06—0236—01 一、引言改革开放以来,辽宁省各城市的综合实力显著增强,但各城市的经济差异也逐渐凸显,这将影响辽宁省整体的发展。
对辽宁省各城市的综合实力进行评价分析将有助于正确评价辽宁省各城市的发展现状,为政府制定发展战略以促进经济协调发展提供科学依据。
同时也有助于省内各城市认清自己的定位与现状,促进城市间的优势互补,从而实现各城市的协调发展和综合实力的稳步提高。
二、评价指标体系的建立 1、设计评价指标体系框架评价城市综合实力应遵循科学性、全面性、可行性的原则,设计一个较为全面的评价指标体系框架,作为建立最终评价指标体系的基础。
故本文首先对近些年来部分学者在进行城市综合实力评价时所运用的指标体系进行整理,并结合辽宁省的实际情况,依据数据的可得性,整理出地区生产总值、城镇人口比重等28个指标作为本文所需的指标体系框架。
2、建立评价指标体系由于所选指标个数较多且相关性较强,且相对来说有部分指标影响并不大,故为了使指标体系更具有科学性、可行性和简洁性,有必要对上述指标体系框架作进一步筛选。
一般做法是:先将累积贡献率达到85%的主成分找出来,由于主成分是各指标的线性组合,故保留在主成分组合中载荷系数大于0.7的指标,将其他指标删除。
在剩余的指标中继续进行主成分分析,采取同样的删除方法。
这样经过有限次的主成分分析后,使所有余下的指标都达到保留的标准,则这些保留下来的指标就构成最终的指标体系。
27个省会城市的“首位度”排行榜——谁是中国最富裕的省城?文|孙不熟今天制作的排行榜是《27个省会城市的首位度排行榜》,以及《27个省会城市的“强势指数”排行榜》。
“城市首位度”是美国学者马克·杰斐逊于1939年提出的一个概念,指一个国家(或区域)首位城市与第二位城市的人口规模之比。
不过,鉴于中国特殊的国情,这个概念还不能直接拿来用:一是因为中国城市的人口统计数据往往失真,二是因为大小城市之间的人均GDP差异很大,用人口规模来衡量城市首位度,显然没有用GDP 来衡量更符合中国国情。
下面,我们根据GDP数据,来计算27个省会城市的首位度排行榜。
计算方法是“省会城市”/“非省会城市中GDP最大的城市”。
(以下数据均来自公开数据,图表由城市战争制作)如图,成都、武汉、长沙是主要经济大省中“首位度”最高的省会城市,尤其是成都的首位度高达6.4,说明成都GDP是省内第二大城市绵阳的6.4倍,武汉则是省内第二大城市宜昌的3.2倍,长沙是省内第二大城市岳阳的2.95倍。
沈阳、福州、石家庄、呼和浩特、南京与济南几个省会,在省内都不是第一名。
两个经济大省,山东与江苏的省会城市(济南与南京)的首位度更是垫底。
不过,光看首位度,还不能完全体现一个省会城市在省内的强势指数,另一个指标也比较重要,就是省会城市GDP占全省比例,可以反映出一个省会城市对全省经济的重要性。
如图,省会占全省比重最高的是银川,高达50.8%。
在GDP超过一万亿的经济大省中,长春、武汉、成都、西安、长沙占全省的比重是最高的。
成都与武汉再次名列前茅,说明二者不仅首位度高,对全省经济的重要性也很高。
南京与济南再次垫底。
城市战争认为,“强势指数”应该综合统计这两个排行榜,所以我们简单粗暴地将“城市首位度”与“GDP占全省比重值”相乘,得出如下榜单:如图,综合两个指标得出的统计结果显示,成都是27个省会城市中最强势的省会,银川、武汉、兰州次之。
南京与济南再次垫底。
2008年全国100个城市GDP排名1、上海市13698亿元增% (沪)感觉造假逆向造假2、北京市10488亿元增长9% (京)3、广州市8215亿元增% (广东1)4、深圳市7806亿元增% (广东2)5、苏州市6701亿元增长13% (江苏1)6、天津市6354亿元增% (津)7、重庆市5096亿元增% (渝)8、杭州市4781亿元增11% (浙江1)9、青岛市4409亿元(山东1)10、无锡市4400亿元(江苏2)11、佛山市4300亿元% (广东3)12、宁波市3964亿元% (浙江2)13、武汉市3960亿元% (湖北1)14、成都市3901亿元% (四川1)15、大连市亿元增%(辽宁1)16、沈阳市3855亿元(辽宁2)17、南京市3775亿元增% (江苏3)18、东莞市3710亿元(广东4)19、唐山市3560亿元增13% (河北1)21、济南市3017亿元同比增13%(山东3)22、郑州市3002亿同比增% (河南1)23、长沙市3000亿元同比增15%(湖南1)24、哈尔滨市2800亿元增长%(黑龙江1)25、石家庄市2770亿元同比增11%(河北2)26、泉州市2700 同比增14% (福建1)27、长春市2588亿元(吉林1)28、南通市2550亿元(江苏4)29、潍坊市2500亿元(山东4)30、温州市2430亿元8% (浙江3)31、淄博市2300亿元(山东5)32、福州市2296亿元同比增% (福建2)33、绍兴市2223亿元(浙江4)34、大庆市2220亿元(黑龙江2)35、常州市2200亿元(江苏5)36、西安市2190亿元同比增% (陕西1)37、东营市2065亿元(山东6)38、徐州市2000亿元(江苏6)39、济宁市2000亿元(山东7)41、台州市亿元10% (浙江5)42、临沂市1958亿元(山东8)43、洛阳市1919亿元% (河南2)44、嘉兴市亿元% (浙江6)45、威海市1795亿元(山东9)46、包头市1700亿元(内蒙古1)47、金华市亿元10% (浙江7)48、沧州市1678亿元13% (河北4)49、南昌市1650亿元% (江西1)50、合肥市亿元增% (安徽1)51、南阳市1620亿元% (河南3)52、鞍山市1608亿元(辽宁3)53、盐城市1600亿元(江苏7)54、昆明市1600亿元12% (云南1)55、扬州市1580亿元(江苏8)56、厦门市1560亿元(福建3)57、鄂尔多斯1560亿元% (内蒙古2)58、保定市1534亿元% (河北5)59、太原市1468亿元增% (山西1)61、中山市1409亿元(广东5)62、德州市1400亿元(山东10)63、泰安市1398亿元(山东11)64、泰州市1394亿元(江苏10)65、南宁市1300亿元同比增% (广西1)66、吉林市1300亿元(吉林2)67、呼和浩特1294亿元% (内蒙古3)68、惠州市1280亿元% (广东6)69、江门市1277亿元11% (广东7)70、滨州市1230亿元(山东12)71、茂名市1200亿元% (广东8)72、聊城市1200亿元(山东13)73、岳阳市亿元(湖南2)74、枣庄市1100亿元(山东14)75、湛江市1050亿元(广东9)76、许昌市1050亿元(河南4)77、常德市1050亿元13% (湖南3)78、廊坊市1050 12% (河北6)79、平顶山1050亿元(河南5)81、湖州市亿元(浙江8)82、焦作市1031亿元15% (河南7)83、宜昌市亿元(湖北2)84、乌鲁木齐1020亿元增长15% (新疆1)85、襄樊市1020亿元(湖北3)86、漳州市亿元(福建4)87、榆林市1010亿元24% (陕西2)88、衡阳市亿元(湖南4)89、珠海市亿元(广东10)90、邢台市989亿元10% (河北7)91、汕头市977亿元(广东11)92、周口市916亿元12% (河南8)93、淮安市910亿元(江苏11)94、株州市910亿元% (湖南5)95、桂林市亿元% (广西2)96、柳州市亿元% (广西3)97、商丘市900亿元12% (河南9)98、新乡市886亿元% (河南10)99、信阳市860亿元(河南11)中国大陆最佳商业城市100强1、杭州2、宁波3、大连4、上海5、温州6、北京7、苏州8、无锡9、绍兴 10、深圳南方7个11、中山 12、常州 13、东莞 14、广州 15、南京 16、泉州 17、福州 18、沈阳 19、台州 20、珠海南方16个21、济南 22、威海 23、长沙 24、金华 2、5海口 26、成都 27、青岛28、湖州 29、厦门 30、佛山31、烟台 32、哈尔滨 33、包头 34、鞍山 35、天津 36、镇江 37、吉林 38、南昌 39、武汉 40、锦州41、昆明 42、秦皇岛 43、黄石 44、增城 45、柳州 46、南宁 47、重庆 48、扬州 49、郑州 50、嘉兴51、太原 52、西安 53、漳州 54、襄樊 55、湘潭 56、九江 57、长春 58、江门 59、株洲 60、乌鲁木齐61、岳阳62、汕头 63、大庆 64、瓦房店 65、上虞 66、合肥 67、咸阳 68、慈溪 69、昆山 70、义乌71、十堰 72、湛江 73、惠州 74、石狮 75、桂林 76、东营 77、温岭 78、张家港 79、太仓 80、洛阳81、芜湖 82、盘锦 83、常德 84、宜昌 85、晋江 86、南阳 87、莆田 88、舟山 89、徐州 90、衡阳91、茂名 92、连云港 93、富阳 94、库尔勒 95、海宁 96、淄博 97、济宁 98、吴江 99、呼和浩特 100贵阳最佳商业城市前十名及评价1.浙江省杭州市省会城市市区人口387万,人均可支配收入增长率%作为中国民营经济最发达的省份浙江省的首府,杭州的国内生产总值已经突破1,000亿元。
基于因子分析的陕西省各城市综合经济实力评价【摘要】本文利用多元统计的分析方法,对陕西省各城市2014年的12项统计数据进行因子分析,得出陕西省各城市的经济发展状况的综合排名,真实、客观地反映了陕西省各城市综合经济实力,从而为陕西省的城市经济建设提供了理论依据。
【关键词】因子分析法综合经济实力经济发展一、引言二、陕西省各城市经济发展水平的评价(一)因子分析法因子分析是指利用降维的方法从一组具有复杂关系的原始变量出发,将原始变量分解为公共因素与特殊因素两种因子,之后公共因子与特殊因子对数据加以解读的一种多元统计分析方法[1]。
因子分析的分析步骤为:①根据所要探析的问题选取出相关指标与数据;②用kmo方法检验原始变量是否适合做因子分析;③构造因子变量,建立因子模型,求解初始因子载荷矩阵;④对初始因子载荷矩阵进行正交旋转变换,得到理想的因子载荷矩阵;⑤计算因子得分。
(二)指标体系的建立城市综合经济实力是指城市所拥有的全部实力、潜力及其在国内外经济社会中的地位和影响力,根据中国城市经济发展研究中心所提出的这一概念,为了全面、系统的总结出陕西省各城市的经济发展水平,依据合理性、科学性与全面性的指标遴选原则,兼顾统计年鉴中所能提供的统计数据,本文选取出了12项经济指标建立指标体系,它们分别是:x1国内生产总值(gdp)(亿元)、x2人均gdp(元/人)、x3全社会固定资产投资(亿元)、x4地方一般预算收入(万元)、x5城镇居民人均可支配收入(元)、x6农村居民人均纯收入(元)、x7进出口总值(万美元)、x8非公有制经济增加值(亿元)、x9实际外商投资(万美元)、x10规模以上工业企业工业总产值(亿元)、x11公路里程(公里)、x12公共图书馆(个)。
这12项指标分别从宏观经济总量、固定资产状况、人民生活水平、国际贸易、财政收入与精神文化等方面反映了城市的综合经济实力,各项指标的统计数据均来源于《陕西统计年鉴》(2015)[2]。
基于因子分析的各省市综合经济实力评价以全国31个省市、自治区的综合经济实力为研究对象,选取了21项指标,应用因子分析、主因子分析方法,利用SPSS软件对各省市2014年的各项指标进行了统计分析,计算因子得分和综合因子得分,并进行综合经济实力排名。
从结果中可以看出各省市的综合经济实力有较大的差异,因此应制定合理的政策建议,提高区域发展水平,促进各地区共同发展。
标签:因子分析;因子得分;经济实力1 引言改革开放以来,我国经济发展突飞猛进,成为世界第二大经济体,综合国力增强,国际地位显著提高。
聚焦我国经济整体发展水平的同时,各省市经济的发展也值得我们关注。
虽然各省市、自治区在经济发展等方面也取得了巨大成就,但是由于资源水平、地理位置、政策方针等诸多原因,各省市的经济发展状况存在失衡现象。
本文主要通過借助《中国统计年鉴2015》中的指标数据,运用因子分析的方法,通过计算因子得分对中国各省市、自治区的经济发展状况进行评价,分析各省市综合经济水平失衡的原因,制定合理的政策建议,以提高各省市的经济发展综合水平,促进各省市共同发展、协调发展。
2 因子分析模型其中X1、X2、X3……、Xp为p个原有变量,是均值为0、标准差为1的标准化变量,F1、F2、F3……、FP为m个因子变量,m小于p,表示成矩阵形式为:X=AF+aε其中A为因子载荷矩阵,aij为因子载荷,是第i个原有变量在第j个因子变量上的负荷,反应第i 个变量对第j 个公因子的重要性。
ε为特殊因子,表示了原有变量不能被因子变量所解释的部分,相当于多元回归分析中的随机误差项。
F为因子变量或公共因子,公共因子Fj的方差贡献:表示第j 个公因子Fj 对X 所提供方差的综合,它是测量公因子相对重要性的指标。
方差贡献率越大,公因子对X的贡献越大。
3 各省市综合经济实力评价在进行分析的过程中,采用主成分法,将特征值大于 1 的主成分看作公共因子,得到方差最大的正交旋转后的特征值、贡献率、因子载荷矩阵、累计贡献率表,如表1。
各地区经济发展排名分析地理环境、资源禀赋、政策法规等多重因素影响着各地区经济的发展水平。
随着经济全球化的深入发展,各地区经济间的差距逐渐显现,人们对各地区经济发展排名的关注也日益增加。
本文将以此为出发点,对各地区经济发展排名进行分析。
首先,各地区的经济发展排名一般是通过对经济指标进行综合评价得出的。
这些指标包括但不限于地区生产总值、人均收入、工业增加值、固定资产投资等。
这些指标可以反映一个地区经济发展水平的多个方面,从而为排名提供了依据。
不同指标的权重可能存在差异,因此,我们需要注意评价指标的准确性和合理性。
其次,各地区经济发展排名的结果可能会受到统计口径的影响。
在数据统计过程中,不同地区的统计口径可能会存在不同,这会对排名结果产生一定的影响。
同时,经济数据的真实性和客观性也是一个需要关注的问题。
在实际统计中,一些地区可能会进行数据的美化或者虚报等行为,这将影响到排名的准确性。
此外,各地区的经济发展排名也受到政策因素的影响。
不同地区的政策环境、发展规划以及政府支持政策的不同,都会直接影响到经济的发展水平。
政策稳定、可持续发展的地区相对于政策不稳定的地区,在经济发展上会具有一定的优势。
政策的制定和执行对于各地区的经济发展排名有着重要的作用。
最后,在分析各地区经济发展排名时,需要考虑到各地区的特色和潜力。
不同地区的资源禀赋和特色产业将直接影响到其经济发展的潜力。
对于资源丰富的地区,可以通过优势产业的培育和发展来提升经济发展水平。
同时,各地区之间的经济联系和合作也是促进经济发展的重要方式,通过跨地区的协同发展,可以实现资源优势的互补和共享,提升整体的经济竞争力。
总之,各地区经济发展排名反映了地区经济发展水平的相对差异。
通过对经济指标的综合评价,我们可以了解各地区经济的整体情况。
然而,在进行排名分析时,需要注意数据的准确性和客观性,考虑到统计口径和政策因素的影响,同时重视各地区的特色和潜力。
只有全面了解各地区的实际情况,才能制定出具有针对性的发展策略,推动各地区经济的可持续发展。
多元统计分析课程设计题目:我国各地区经济发展的统计分析学院:理学院专业:统计学学号:姓名:指导老师:2013-4-25摘要:采用因子分析的思想和聚类分析方法对2011年我国内地31 个省、市、自治区的20项社会经济发展指标数据进行主成分因子分析,提取2个综合因子,累积贡献率达87.689%再计算综合得分,并对我国内地各地区的经济给出综合排名,最后对各地区经济进行聚类分析,将31 个省市分为4 类,分析其结果。
在评价结果的基础上,对我国内地各地区经济的发展,科学规划产业布局,优化产业结构等方面提出了相应的政策建议。
关键词:因子分析;聚类分析;综合得分;经济排名0 引言衡量一个省(自治区或直辖市)经济发展的基本状况,应该从多方面比如从该省(自治区或直辖市)的工业生产总值、固定资产投资、居民消费水平、进出口等指标去考察。
而由于这些指标都是对经济发展基本状况的反映,它们自身之间就存在着较强的相关性,这样在用这些指标反映经济发展状况时就造成了信息的大量重叠,这种信息的大量重叠有时甚至会抹杀经济发展状况的内在规律,所以如果能找到一组较少的但却包含着较多信息量的变量来研究这个问题,就更容易使人抓住主要矛盾,同时使问题得到简化。
因子分析正是解决这样问题的有效方法。
本文就是先运用因子分析方法,对20011年全国内地31个省、市、自治区选取影响经济发展的20项指标进行分析,提取了2个综合因子,再用这2个综合因子进行分析,从而使复杂的问题得以简化。
在运用聚类分析(快速聚类)将20个指标进行分成4类,即将各地区的经济强弱分成4类分析,在给出对应的分类。
选取的20项指标分别为:农、林、牧、渔业总产值(亿元);地区生产总值(亿元);粮食产量(万公斤);居民消费水平(万元);进出口(万美元);最终消费支出(亿元);财政收入(亿元);支出财政(亿元);人口(万人);城乡居民人民币储蓄存款(亿元);国有企业工业总产值(亿元);私营企业工业总产值(亿元);建筑业总产值(万元);客运量(万人);旅游收入(百万美元);教育经费(万元);城镇基本医疗保险参保人数(万人);公共图书馆个数医疗卫生机构床位(个);教职工人数(人)。
【摘要】辽宁省作为东北地区的重要省份,近年来一直致力于老工业基地的振兴。
根据二〇二一年辽宁十四个市的截面数据,并结合辽宁省的经济发展特点,从五个方面选择九个指标体系,建立了辽宁各市的国民经济综合能力评估指标体系。
并利用SPSS 26.0软件系统,通过主要成分分析方法测算辽宁各市的国民经济综合能力分值。
结果表明:总体而言,辽宁省的整体发展速度比较平稳,大连沈阳发展利好,城市之间经济实力存在明显差异。
在这个基础上,提出相应的发展意见。
【关键词】辽宁省;SPSS;主成分分析;经济高质量发展;综合评价一、引言辽宁省位于东北地区南部,全省综合经济实力较强。
对应规模以上工业、投资、消费、对外贸易、财政收入等经济指标位居领先地位,经济综合竞争力也强于周边省份,其战略地位和影响力更是如此。
城市的经济综合实力水平主要由人口与劳动力、经济发展、社会发展、基础设施、环境等各方面因素构成,而区域经济实力的强弱,又直接影响着全市经济社会发展的整体质量。
辽宁省经济结构持续调整优化,全省经济运行在合理区间,从总体上看,经济社会发展稳中向好推进,发展韧性得到展现。
党的二十大报告指出,我们要坚持以推动高质量发展为主题,把实施扩大内需战略同深化供给侧结构性改革有机结合起来,增强国内大循环内生动力和可靠性,提升国际循环质量和水平,着力推进城乡融合和区域协调发展,推动经济实现质的有效提升和量的合理增长。
近年来,随着“东北振兴”战略的进一步深入,辽宁贯彻落实新型发展模式,城市猛速发展,综合能力进一步增强,居民生活条件日益改善,在全面建设小康社会发展中发挥举足轻重的作用。
尽管如此,辽宁与部分先进地区相比仍具有很大差异,同时各城市间存在发展不均衡、基础建设不健全的现象。
所以,对辽宁各城市的整体能力做出衡量和评估,从而做出精准施策,协调各城市的发展,有着重大意义。
二、指标构建城市的经济综合实力评价涉及面较多,往往包含社会、经济、生态、科技以及城市建设等诸多方面。
v .. . .. . . . 资 料. . 基于城市综合经济实力评价指标的统计分析 张三 摘要 本文采用中国2010年省会城市和计划单列市主要经济指标统计数据,首先利用相关分析对地区生产总值各产业间进行了简单相关分析,以及控制了年末总人口对客运和货运量等进行了偏相关分析;接着利用各种经济指标对地区生产总值进行多元线性回归,利用逐步回归方法获知社会商品零售总额、剧场影剧院、普通高等学校在校学生数、固定资产投资总额、货物进出口总额、三废综合利用产品产值、客运量等和地区生产总值有显著关系;最后利用因子分析对各地区进行因子分析,通过计算综合得分,获得各地区综合排名,其中北京、上海一枝独秀,重庆、深圳、天津与北京、上海构成前五强。
关键词 地区生产总值;相关分析;回归分析;因子分析 1 研究背景及目的 2009年10月17日,第六届中国城市论坛北京峰会在朝阳规划艺术馆召开。这次峰会不仅吸引了城市发展领域内几百位专家的专注和参与,跟让来自全国各个城市的会议代表们受益匪浅。会议指出,“十二五”期间既是全球经济复苏的关键时期,也是我国加快城市化进程的关键时期。 以前我国采取的城市外延式扩张战略导致城市发展中出现了资源浪费、环境污染、不注重保护城市历史文脉和特点等各种各样的问题。城市发展将呈现出五个新变化:一是城市发展开始从外延式扩张向内涵式发展转变;二是城市软实力成为城市发展的核心竞争力;三是城乡统筹和城乡一体化成为城市发展的新格局;四是综合配套改革实验区的示范意义进一步凸显;五是城市群对城市建设与v .. . .. . . . 资 料. . 发展的作用日益增强。 在这种大背景下对我国各城市的综合经济实力进行研究,不论是对于促进我国城市本身又好又快地发展,还是对于充分发挥城市在社会经济生活中所起的主导作用,都有着极为重要的意义。 本研究的目的如下:通过对描述我国各城市综合经济实力的各种指标进行各种分析,一方面找出用来衡量我国城市综合经济实力的各个指标之间的内在联系,另一方面找出各城市综合经济实力的差异,为城市的发展提供政策建议[1]。 2 研究方法 对城市综合经济实力的概念,中国城市经济发展研究中心指出:城市综合经济实力是指城市所拥有的全部实力、潜力及其在国内外经济社会中的地位和影响力。据此概念我们可以看出,评价城市综合经济实力应该包括人口、地区生产总值、拥有的交通运输以及通讯能力、地方财政预算内收支、固定资产投资总额、城乡居民工资水平及储蓄水平、环境污染治理投资总额、商贸市场水平、人才状况及社会医疗保障水平等方面。所以我们采用的数据指标有:年末总人口、地区生产总值、第一产业、第二产业、第三产业、客运量、货运量、地方财政预算内收入、地方财政预算内支出、固定资产投资总额、城乡居民储蓄年末余额、在岗职工平均工资、年末邮政局数、年末固定电话用户数、社会商品零售总额、货物进出口总额、年末实有公共(汽)电车运营车辆数、剧场、影剧院数、普通高等学校在校学生数、医院、卫生院个数、执业(助理)医师、三废综合利用产品总值等22个指标。 本研究采用的数据是《中国2010年省会城市和计划单列市主要经济指标统计(包括直辖市)》,数据摘自《中国统计年鉴2011》11-3。 v .. . .. . . . 资 料. . 采用数据分析方法主要有回归分析[2]、相关分析、因子分析等。 基本思路是:首先使用回归分析、相关分析等分析方法研究构成城市综合经济实力的各个变量之间的关系;然后使用因子分析对构成城市综合经济实力的各个变量提取公因子;最后使用一些简单的SPSS数据处理技巧依据提出的公因子对各城市进行分类及排序。
3 实证分析 由于从国家统计局网站下载的数据为EXCEL格式,可以将数据导入成SPSS数据,我们设置了共23个变量,分别是“城市名称”、“年末总人口”、“地区生产总值”、“第一产业”、“第二产业”、“第三产业”、“客运量”、“货运量”、“地方财政预算内收入”、“地方财政预算内支出”、“固定资产投资总额”、“城乡居民储蓄年末余额”、“在岗职工平均工资”、“年末邮政局数”、“年末固定电话用户数”、“社会商品零售总额”、“货物进出口总额”、“年末实有公共(汽)电车运营车辆数”、“剧场、影剧院数”、“普通高等学校在校学生数”、“医院、卫生院数”、“执业(助理)医师”、“三废综合利用产品总值”等。样本是中国2010年省会城市和计划单列市主要经济指标统计的相关数据。数据参见附表1。
3.1 相关分析 对于相关分析,主要有以下几个部分: 第一,对“地区生产总值”的三个组成部分:“第一产业”、“第二产业”和“第三产业”进行简单相关分析; 第二,在控制“地区生产总值”的前提下,对“第一产业”、“第二产业”、“第三产业”进行偏相关分析; v .. . .. . . . 资 料. . 第三,在控制“年末总人口”的前提下,对“客运量”和“货运量”进行偏相关分析; 第四,在控制“年末总人口”的前提下,对“地方政府预算内收入”和“地方政府预算内支出”进行偏相关分析; 第五,对“年末总人口”、“地区生产总值”、“三废综合利用产品总值”这三个变量进行简单相关分析。 3.1.1 地区生产总值的简单相关分析 通过使用主菜单分析下的相关工具条,可以获得分析结果,见表1。 表1 产业相关分析结果 相关性 第一产业 第二产业 第三产业
第一产业 Pearson 相关性 1 .295 .063 显著性(双侧) .085 .718 N 35 35 35 第二产业 Pearson 相关性 .295 1 .820** 显著性(双侧) .085 .000 N 35 35 35
第三产业 Pearson 相关性 .063 .820** 1 显著性(双侧) .718 .000 N 35 35 35 **. 在 .01 水平(双侧)上显著相关。 易见只有“第二产业”和“第三产业”之间具有很强的相关关系并且在0.01
的显著性水平上显著。这是因为“第二产业”和“第三产业”本身就具有很大的相关性。 3.1.2 第一产业、第二产业和第三产业的偏相关分析 表2 偏相关分析结果 v .. . .. . . . 资 料. . 相关性 控制变量 第一产业 第二产业 第三产业
地区生产总值 第一产业 相关性 1.000 .321 -.517 显著性(双侧) . .064 .002 df 0 32 32 第二产业 相关性 .321 1.000 -.977 显著性(双侧) .064 . .000 df 32 0 32
第三产业 相关性 -.517 -.977 1.000 显著性(双侧) .002 .000 . df 32 32 0
从分析结果可以看出,在控制“地区生产总值”的前提下,构成“地区生产总值”的3个组成部分中,“第二产业”和“第三产业”的相关关系依然显著。但相关系数却变成了负值,这是由于总额是一定。 3.1.3 客运量和货运量的偏相关分析 表3 偏相关分析结果 相关性 控制变量 客运量 货运量
年末总人口 客运量 相关性 1.000 .127 显著性(双侧) . .474 df 0 32
货运量 相关性 .127 1.000 显著性(双侧) .474 . df 32 0
可见在控制“年末总人口”的前提下,“客运量”和“货运量”之间的相关关系不显著。 3.1.4 地方财政预算内收入和地方财政预算内支出的偏相关分析 分析结果如表4所示: v .. . .. . . . 资 料. . 表4 偏相关分析结果 相关性 控制变量 地方财政预算内收入 地方财政预算内支出
年末总人口 地方财政预算内收入 相关性 1.000 .994 显著性(双侧) . .000 df 0 32
地方财政预算内支出 相关性 .994 1.000 显著性(双侧) .000 . df 32 0
可见,在控制“年末总人口”的前提下,“地方财政预算内收入”和“地方财政预算内支出”之间的相关系数很大,而且相关关系非常显著。 3.1.5 年末总人口、地区生产总值、三废综合利用产品总值的相关分析 表5 简单相关分析结果 相关性 年末总人口 地区生产总值 三废综合利用值
年末总人口 Pearson 相关性 1 .524** .128 显著性(双侧) .001 .479 N 35 35 33 地区生产总值 Pearson 相关性 .524** 1 .153 显著性(双侧) .001 .394 N 35 35 33
三废综合利用值 Pearson 相关性 .128 .153 1 显著性(双侧) .479 .394 N 33 33 33 **. 在 .01 水平(双侧)上显著相关。 分析结果如表5所示,可见,“年末总人口”与“地区生产总值”正相关而
且这种相关关系十分显著;“地区生产总值”与“三废综合利用产品总值”之间v .. . .. . . . 资 料. . 也存在显著的相关关系;“年末总人口”与“三废综合利用产品总值”之间的相关关系不显著。
3.2 回归分析 对于回归分析,以“地区生产总值”为被解释变量,“年末总人口”、“客运量”、“货运量”、“地方财政预算内收入”、“地方财政预算内支出”、“固定资产投资总额”、“城乡居民储蓄年末余额”、“在岗职工平均工资”、“年末邮政局数”、“年末固定电话用户数”、“社会商品零售总额”、“货物进出口总额”、“年末实有公共(汽)电车营运车辆数”、“剧场、影剧院数”、“普通高等学校在校学生数”、“医院、卫生院数”、“执业(助理)医师”、“三废综合利用产品总值”等为解释变量,进行多元线性回归,采用逐步回归法。得到输出结果参见表6—表8所示。
表6 模型拟合情况表 模型汇总h 模型 R R 方 调整 R 方 标准 估计的误差 Durbin-Watson
1 .975a .951 .949 837.3241 7 .998g .995 .994 288.4556 1.595 a. 预测变量: (常量), 社会商品零售总额。 g. 预测变量: (常量), 社会商品零售总额, 剧场、影剧院, 高等学校学生数, 国内资产投资总额, 货物进出口, 客运量, 三废综合利用值。 h. 因变量: 地区生产总值
表7 方差分析表 Anovaa 模型 平方和 df 均方 F Sig.