前言：中文期刊網精心挑選了地區經濟發展水平范文供你參考和學習，希望我們的參考范文能激發你的文章創作靈感，歡迎閱讀。

地區經濟發展水平范文1

關鍵詞：三次產業 經濟發展水平 因子分析 聚類分析

一、構建評價指標體系

產業結構是隨著經濟增長而不斷變化的，經濟增長是產業結構演變的基礎。產業結構的及時、合理變動又是經濟總量獲得新增長的必要條件。本文基于我國三次產業地區分布與經濟發展水平的情況，選取了如下：人均GDP（元）[x1] ，第一產業增加值比重（%）[x2]，第二產業增加值比重（%）[x3]，第三產業增加值比重（%）[x4]，第一產業從業人員比重（%）[x5]，第二產業從業人員比重（%）[x6]，第三產業從業人員比重（%）[x7]，人均農產品占有量（億元/萬人） [x8]，人均工業品占有量（億元/萬人）[x9]，人均服務產品占有量（億元/萬人）[x10]，農業密度（億元/萬公頃）[x11]，工業密度（億元/萬公頃）[x12]，服務密度（億元/萬公頃）[x13]，第一產業增加值（億元）[x14]，第二產業增加值（億元）[x15]，第三產業增加值（億元）[x16]，人口密度（人/公頃）[x17]，城市化率（%）[x18] 18個指標，來構成評價指標體系。

上述有關指標的統計數據均來自《中國統計年鑒》（2008版）。

二、基于我國三次產業地區分布與經濟發展水平的因子分析

（一）確定因子分析的可行性

在對原始數據進行計算和標準化后，先檢驗其是否符合因子分析方法的，得到KMO取樣適當度量及Bartlett球形檢驗的統計參數估計值，結果顯示，KMO檢驗值為0.643，指標之間有較多的共同因素，Bartlett球形檢驗近似卡分布值為1081.34，顯著性小于0.01，表明拒絕單位相關的原假設，通過了因子分析的適用性檢驗；而且有相關系數矩陣也可以看出這些因素之間有很強的相關性，因此可以采用因子分析的方法。指標數小于樣本數，而且設公共因子F和特殊因子εi的相關系數為0，公共因子之間不相關，且方差皆為1，特殊因子εi之間不相關。

（二）構造因子變量

借助 SPSS11.0forWindowS統計分析軟件，首先計算出18個變量的相關矩陣，并得到碎石圖，從碎石圖中可以看出：前三個因子的特征值均大于1，且大于后面的因子，所以提取前三個因子是比較合理的，然后進行方差最大化因子旋轉，得到旋轉后主因子的特征值、貢獻率及以載荷表，從中可知提取的主因子[F1]在[x1]、[x3]、 [x6]、[x9]、[x12]、[x16]和[x18]這幾個指標上有較高的負載，該主因子主要反映了各地區第二產業整體發展的水平和綜合經濟發展的水平，說明經濟發展水平中有33.553%是由因子[F1]影響的，稱為第二產業因子；主因子[F2]在[x4]、[x14]、[x7]、[x10]、[x13]和[x17]這幾個指標上有較高的負載，該主因子主要反映了各地區第三產業發展的相對水平，代表了第三產業對國民生產總值貢獻大小的重要信息，且經濟發展水平中33.186%是由因子[F2]影響的，該因子稱為第三產業因子；主因子[F3]在[x2]、[x5]、[x8]、[x11]和[x15] 這幾個指標上有較高的負載，該主因子主要反映了各地區第一產業發展的相對水平，代表了第一產業對國民生產總值貢獻大小的重要信息，且經濟發展水平中有17.767%的成分是由第一產業因子影響的。提取的三個主因子累計貢獻率達到了84.506%，即這三個主因子累計解釋了原數據所反映信息的84.506%。因此，認為這三個主因子[F1]、[F2]、[F3]能夠科學地反映各地區三產業發展的水平及各地區經濟發展水平。

（三）建立因子提取模型

建立因子分析模型的目的不僅要找出公共因子，更重要的是要明確每個公共因子的涵義解釋，以便對實際背景做出科學的分析。

1.初始因子模型為：

設Xi（i=1，2，3…p）為p個變量 ，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是因子載荷，[m]=3，εi表示特殊因子。

2.因子旋轉模型為：

Xi=bi1F1+ bi2F2+ bi3F3+…+ bimFm+εi其中bim代表旋轉后的因子載荷矩陣。

經過旋轉后，bi應該向0和1分化。

3.因子得分模型為：

Fi=βi1X1+βi2X2+βi3X3+…+βipXp其中βip為因子得分系數矩陣，通過此模型，帶入數據可以算出2007年各個地區的公共因子得分。

4.綜合評價模型為：

Wi=λi1F1+λi2F2+λi3F3+…+λimFm

其中[λi]代表權數，通過這個模型還我們可以算出其的綜合得分。

（四）因子模型中各公共因子及綜合得分的說明

各省的公共因子和綜合得分，從總體上說明了我國各地區經濟發展水平極不平衡，地域差異比較明顯，具體情況如下：

1.在公因子[F1]上得分大于O的有13個省份，是上海、天津、廣東、浙江、江蘇、山東、福建、遼寧、河北、山西、河南、重慶、內蒙古，其取值較高的且大于0.5的有9個省份，是上海、天津、廣東、浙江、江蘇、山東、遼寧、山西、河南，這些地區在經濟發展水平較高，對帶動的就業較好，且多數為東部地區；在公因子[F1]上得分較低（小于-0.5）的地區有 11個省份，是湖北、海南、黑龍江、湖南、貴州、、四川、新疆、甘肅、廣西和云南，說明我國近三分之一地區的經濟發展水平較低，經濟基礎薄弱，其中大部分地區為西部地區。

2.在公因子[F2]上得分大于O的省份有13個，取值較高大于0.5的地區為北京、上海、天津、浙江、廣東、江西和湖南共7個省份，說明這些地區在第三產業方面的發展較好；在公因子[F2]上得分小于0的地區包括青海、內蒙古、甘肅、山西、新疆、寧夏、陜西、貴州、廣西、云南共10個省份，說明我國將近三分之一的省區在經濟增長過程中第三產業發展存在問題。

3.在公因子[F3]上得分大于O的省份有11個，取值較高（大于0.5）的有9個，分別是：內蒙古、山東、廣東、江蘇、廣西、山西、天津、河南和浙江，說明目前我國約三分之一的地區農業增長活力較強；在公因子3上得分較低（小于-0.5）的省份有海南、新疆、云南、北京、貴州、江西、遼寧、四川、甘肅和寧夏10個省份，說明我國還有近三分之一的省份經濟增長過程中的第一產業的貢獻率較小。

4.綜合因子得分上大于O的省份有16個，其中綜合得分大于0.5的有6個省份，分別是北京、上海、天津、廣東、浙江、江蘇，說明這些地區經濟發展水平較高；在綜合得分小于0的有安徽、海南、黑龍江、寧夏、陜西、湖南、江西、青海、貴州、、四川、廣西、新疆、甘肅、云南共15個省份，說明我國近一半的地區經濟發展水平不高。

三、基于我國三次產業地區分布與經濟發展水平的聚類分析

根據綜合得分，將31個地區利用聚類分析的方法劃分為五類：第一類北京、天津、上海，這三個城市化進程快，很好地帶動了三次產業結構的優化升級；第二類廣東、山東、江蘇、福建、浙江、遼寧，它們的分數雖落后于前一個地區，但是均為正值，經濟水平處于全國平均水平以上；第三類湖北、吉林、重慶、黑龍江、湖南、河北、海南、內蒙古，除重慶以外，均是東部和中部地區；第四類四川、安徽、河南、江西、、新疆、陜西中西部地區，由于區位條件限制等原因，經濟發展水平一直比較落后，阻礙了當地產業結構的優化升級，從而影響了經濟的發展水平；第五類廣西、青海、寧夏、貴州、甘肅、云南，全是西部地區，經濟發展水平嚴重滯后，極大制約第三產業發展。

由上述分析可以看到，我國各地區三次產業發展差距明顯，但呈現出微弱的收斂趨勢。東部地區的第一產業比重低于全國水平，第二、第三產業比重高于全國水平；中、西部地區的第一產業比重高于全國水平，第二、第三產業比重低于全國水平。也就是說，根據產業結構變動的一般趨勢可知，東部地區的整體產業結構發展水平領先于中部地區，中部地區的產業結構發展水平領先于西部地區。

隨著經濟的發展，產業結構的優化升級，第二產業和第三產業在經濟發展過程中所做的貢獻越來越大，而第一產業的比重則應該逐漸降低。

地區經濟發展水平范文2

關鍵詞：縣域經濟；因子分析；綜合評價

縣域經濟是一個極為復雜的概念，它屬于區域經濟學研究的范疇，通常說來它是一種行政區劃型的區域經濟，它以縣城為中心、鄉鎮為紐帶、農村為腹地，是城市經濟與農村經濟的連接點，是宏觀經濟和微觀經濟的結合部，在國民經濟和社會發展中處于重要的基礎地位，縣域經濟的發達與否最能折射地區的經濟發展程度。

本文采用因子分析法對江蘇省蘇北地區5個省轄市，24個縣的縣域經濟可持續發展水平進行評價分析。根據江蘇省蘇北地區的特點，充分考慮資料的可得性及客觀性，建立體現縣域經濟發展水平的經濟實力、基礎設施、開放程度、人才資源和環境保護這五方面內容共18個具體指標構成的縣域經濟發展評價指標體系（見表1）。

一、因子分析的基本原理

因子分析的基本步驟如下：

一是原始數據進行標準化處理，計算指標（變量）間的相關系數矩陣。二是確定因子變量。文章利用主成分分析，根據特征值大于1，因子累計方差貢獻率大于80%的原則來確定主因子的個數。三是進行因子旋轉。使每個變量在盡可能少的因子上有比較高的載荷，一個因子變量就能夠成為某幾個變量的典型代表，因子實際含義就更容易解釋。四是計算各縣、市綜合得分。以因子變量方差貢獻率作為權數，計算綜合得分。

二、數據處理和分析

根據SPSSl6.0運行結果，KMO和球形Bartlett檢驗情況如表2所示。KMO給出了抽樣充足度的檢驗，是用來比較相關系數數值和偏相關系數是否適中的指標，其值越接近1，表明對這些變量進行因子分析的效果越好，Bartlett檢驗用來檢驗相關系數矩陣時是否是單位陣，如果結論是不拒絕假設，則表示各個變量是各自獨立的。從表中可以看出此時的KMO值為0.771，說明因子分析的結果是可以接受的，Bartlett球形檢驗Sig.的取值是.000，表示拒絕該假設。

三、確定公共因子和載荷矩陣

對上述選取的18個指標，運用軟件分析可得到18個指標的相關矩陣及特征值，方差貢獻率和累計方差貢獻率（見表3）。按照特征值大于1、累計方差貢獻率大于80%的原則，選出三個主因子。計算結果為：旋轉前的3主因子的方差貢獻率為80.677%，其中第1個公共因子F1的方差貢獻率為61.998%，第2個公共因子F2的方差貢獻率為9.586%，第3個主因子F3的方差貢獻率為9.092%。

由于計算原始指標的初始載荷矩陣發現各個因子的典型代表指標不是很突出，其實際意義難以得到合理解釋。故需對因子進行旋轉，采用方差最大正交旋轉法，經過25輪正交旋轉，因子旋轉不改變模型對數據的擬合。旋轉后的3個主因子的方差貢獻率為80.677%，其中第1主因子F1的方差貢獻率為53.582%，第2個公共因子F2的方差貢獻率為35.653%，第3個主因子F3的方差貢獻率為18.281%。

據旋轉后的因子載荷矩陣，第1主因子在X4、X6、X7、X8、X9、X10、X11、X14、X15指標上載荷較高，這些指標依次是反映縣域經濟發展水平指標中的經濟實力、基礎設施、人才資源，統稱之為縣域經濟實力因子；第2主因子在X14上載荷較高，這指標是反映縣域經濟的對外開放程度稱之為縣域經濟活力因子；因此我們第3主因子在X17指標上載荷較高，稱之為縣域經濟環境因子。

四、縣域經濟可持續發展水平綜合評價

縣域經濟可持續實力因子F1的特征根解釋了原有18個變量總方差37.811%，故其權重為0.37811；縣域經濟可持續活力因子F2的特征根解釋了原有18個變量總方差的35.653%，故其權重為0.35653；縣域經濟可持續環境因子F3的權重同理為0.18281，3大主因子累計解釋方差貢獻率為80.677%，分別計算各個縣、市的綜合因子得分并排序，得到江蘇省蘇北地區的縣域經濟可持續發展水平的綜合得分。

F=（37.811*F1+35.653*F2+18.281*F3）/80.677

從總得分來看，連云港市、徐州市、鹽城市、淮安市排在前4名，得分為正。其中連云港市、徐州市、鹽城市的得分又遙遙領先于第4名淮安市，領先幅度分別在1.1和0.9分以上。從因子來看，鹽城市是29個縣、市中唯一3個主因子得分均為正的城市，可以說縣域經濟可持續發展在各方面發展都十分均衡。連云港市除了在第3 因子得分不甚理想、其余因子得分均較高，尤其是在第2因子得分可以說是遙遙領先，而第2因子主要反映的是城市開放程度，從這個角度看來與連云港市特殊地理位置不無關系。而徐州市在權重最高的第1因子得分極高，領先于鹽城市2分左右，由于在第2因子上的落后，也使徐州市在總分上稍稍遜色于連云港市，但是還是能見徐州市經濟實力的優勢（見表4）。

蘇北縣域經濟之間產業結構、產業構成都有著較大的相似性。要充分考慮原有產業基礎、產業結構和產業布局，充分利用縣域資源、地緣、資金、技術、人才等優勢，尋求新的經濟增長點。依靠項目推動技術進步，推動特色經濟，大力推廣先進技術和工藝，注重增加科技含量，由過去的初級加工向深度加工延伸，提高產品的附加值。區域產業競爭優勢又依靠區域企業、產品競爭力的提高。各縣主導產業之間形成互補、聯動。這種基于不發達縣域之間的集群可以有效地培育縣域工業基礎，改善投資環境，優化產業結構，是蘇北縣市之間打破行政區劃，形成統一市場的必由出路，也是蘇北縣域經濟發展的合理途徑。

參考文獻：

1、李小建，喬家君.20世紀90年代中國縣際經濟差異的空間分析[J].地理學報，2001(2).

2、沈正平，翟仁祥，李九全.中國新亞歐大陸橋沿線縣域經濟發展差異研究[J].經濟問題探索，2004(4).

3、趙瑩雪.廣東省縣際經濟差異與協調發展研究[J].經濟地理，2003(4).

4、陳俐謀.重慶市縣域綜合實力研究[J].重慶師范大學學報·自然科學版，2005(3).

5、樓海淼，孫秋碧.基于因子分析的我國各省經濟活力評價研究[J].福州大學學報(哲學社會科學版)，2005(3).

地區經濟發展水平范文3

關鍵詞：廣西北部灣經濟區；低碳城市；灰色關聯度；評價指標體系

基金項目：2014年度廣西高等學校科研項目：“廣西北部灣經濟區低碳城市發展評價與對策研究”（項目編號：YB2014602）；2015年國家社科基金一般項目：“西南邊疆民族地區絲綢之路經濟帶建設中城鎮化多元格局實現路徑研究”（項目編號：15BMZ080）

中圖分類號：F127 文獻標識碼：A

收錄日期：2017年3月8日

城市作為人們從事生產經營活動及生活的重要地域單元，其碳排放問題已引起全社會及國內外的廣泛關注，并已成為社會各界共同面對和亟待解決的重大問題。早在2003年英國政府就在其發表的能源白皮書《我們能源的未來：創建低碳經濟》中提到了“低碳”概念，并隨著社會各界對全球氣候環境變化給予的高度關注，低碳發展理念已儼然成為一種新的推動經濟可持續發展、能源循環利用和生態環境可持續發展的重要理念和思想，并得到世界各國的廣泛認同。低碳城市發展倡導的是在低碳理念的指導下，通過廣泛應用各種新能源技術，積極推動經濟、社會和環境等的低碳化轉型，從而減少城市二氧化碳等溫室氣體排放，努力營造一個經濟發展低碳化、社會發展低碳化、生活低碳化、環境低碳化的可持續發展城市，從而更好地促進城市的健康長遠發展。本文試圖從低碳經濟、低碳技術、低碳社會、低碳資源和環境四個層面構建廣西北部灣經濟區低碳城市發展水平評價指標體系，然后采用灰色關聯評價法對其進行評價分析，為把握廣西北部灣經濟區低碳城市發展的特征和影響因素，進而采取相應對策措施更好地推動廣西北部灣經濟區低碳城市的發展具有重要的理論和實踐意義。

一、廣西北部灣經濟區低碳城市發展水平評價指標體系的構建

廣西北部灣經濟區低碳城市發展水平評價，涉及到低碳城市的經濟、技術、社會、資源和環境等影響因素方面，是一個復雜的多因素綜合評價體系。為了綜合評價廣西北部灣經濟區低碳城市發展水平，進一步分析廣西北部灣經濟區低碳城市發展水平的影響因素及^域差異特征，本文在結合廣西北部灣經濟區低碳城市發展水平的發展實際及在堅持科學性、系統性、可操作性、層次性及數據可獲得性等原則的基礎上，建立了廣西北部灣經濟區低碳城市發展水平評價指標體系，詳見表1。該指標體系從低碳經濟、低碳技術、低碳社會、低碳資源和環境4個二級指標層共29項三級指標來評價廣西北部灣經濟區低碳城市發展水平狀況。（表1）

二、灰色關聯評價分析法

灰色關聯評價分析法來源于我國鄧聚龍教授在1982年提出的灰色關聯理論，該評價分析方法是一種可以對系統影響因素的重要性次序及區域發展水平高低進行綜合性評判的一種重要分析方法，目前已被廣泛應用到我國經濟社會發展的相關研究當中。灰色關聯度是通過分析兩個或兩個以上因素之間的關聯性程度來反映其關聯度或差異性程度，關聯度越大，表明其相似度越高；關聯度越小，表明其相似度越低。其中，灰色關聯度的計算，可以通過如下公式（1）至公式（4）求得。其中，公式（1）是對評價指標體系的指標數據進行無量綱化處理，經處理后的數據的取值范圍為[0，1]；X0（k）為參考序列，經無量綱化處理后的參考序列的每個值均為1。

三、廣西北部灣經濟區低碳城市發展水平灰色關聯評價

采用2014年廣西北部灣經濟區低碳城市發展水平評價的指標數據，采用公式（1）～（4），計算得到廣西北部灣經濟區低碳城市發展水平的各項影響指標的灰色關聯度及其權重。（表2）

首先，廣西北部灣經濟區低碳城市發展水平的各項影響指標的灰色關聯度及權重較大的前三個指標分別是C17人口增長率、C21生活垃圾無害化處理率、C23人均節能環保支出，其灰色關聯度分別為0.8396、0.8035、0.7146，權重分別為0.0503、0.0482、0.0428，表明人口增長情況、生活垃圾無害化處理情況和人均節能環保支出水平這三個影響指標對廣西北部灣經濟區低碳城市發展水平的影響較大。

其次，C16第三產業從業人員比重（0.6617）、C34人均住房建筑面積（0.6579）、C48城市污水處理率（0.6432）、C25教育支出占財政支出的比重（0.6393）、C38每萬人擁有公共汽車（0.6186）、C46每萬人液化石油氣供氣總量（0.6014）、C11人均地區生產總值（0.6008）等影響廣西北部灣經濟區低碳城市發展水平的指標的灰色關聯度介于0.6000～0.7000之間，其大小僅次于C17、C21、C23三個指標，這部分指標主要從第三產業服務人員規模、人均住房建筑面積、城市污水處理情況、教育支出比重、公共汽車數量、液化石油氣供氣數量、人均地區生產總值等角度影響廣西北部灣經濟區低碳城市發展水平。

再次，C36建成區排水管道密度（0.5909）、C32居民人均生活用電量（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節能環保支出占財政支出的比重（0.5548）、C42人均公園綠地面積（0.5510）、C13第三產業占GDP的比重（0.5495）、C35人均城市道路面積（0.5462）、C44城市氣象站點年平均降雨量（0.5384）、C33人均日生活用水量（0.5189）、C12 GDP增速（0.5175）、C14人均工業總產值（0.5105）等影響指標的灰色關聯度介于0.5000～0.6000之間，這部分指標主要從排水管道建設、居民生活用電用水狀況、人均可支配收入、城市化率、節能環保支出比重、公園綠地建設、降雨量、GDP和工業發展狀況等角度對廣西北部灣經濟區低碳城市發展水平產生影響。

最后，C43建成區綠化覆蓋率（0.4907）、C41人均水資源量（0.4824）、C47污水處理廠日集中處理能力（0.4760）、C37每萬人均路燈盞數（0.4732）、C24科學技術支出占財政支出的比重（0.4730）、C18建成區面積（0.4695）、C41每萬人綠化覆蓋面積（0.4564）等影響指標的灰色關聯度相對較小，介于0.4000～0.5000之間，但其仍然是衡量廣西北部灣經濟區低碳城市發展狀況，推動低碳城市實現可持續發展的重要指標。

可見，表2在一定程度上反映了各項指標與廣西北部灣經濟區低碳城市發展水平之間的單一關聯程度，但是仍難以從總體上反映出廣西北部灣經濟區低碳城市發展水平的發展特點。為進一步了解廣西北部灣經濟區低碳城市發展水平的四大影響因素的灰色關聯度，在采用公式（1）～（3）求得廣西北部灣經濟區低碳城市發展水平的各大影響因素得分及其排序（詳見表3）的基礎上，采用公式（2）～（4）進一步求得廣西北部灣經濟區低碳城市發展水平的四大影響因素的灰色關聯度和排序（詳見表4）。（表3、表4）

從表3可以看到，廣西北部灣經濟區低碳城市發展水平各大影響因素的綜合得分最高的地區是南寧，綜合得分為0.6626；得分較高的是防城港，得分為0.6346；得分僅次于南寧和防城港的城市是北海、欽州和玉林，其得分分別為0.6258、0.6166、0.4861；而得分最低的是崇左，其得分為0.4608。其中，南寧、防城港、北海和欽州的影響因素得分均大于0.6000，而玉林和崇左的影響因素得分均低于0.5000，可見，這六個城市之間的影響因素得分之間具有一定的差距，并且南寧、防城港、北海和欽州這四個城市處于一個相對較高層次的發展水平之上，而玉林、崇左又處于同一低層次的發展水平上。此外，四大影響因素的地區得分中，低碳經濟因素的得分最高的地區是南寧（0.7785），其次是防城港（0.6414），最低的是玉林（0.4489）；低碳技術因素的得分最高的地區是欽州（0.8203），其次是北海（0.7408），最低的是南寧（0.5044）；低碳社會因素的得分最高的地區是防城港（0.7421），其次是北海（0.6368），最低的是崇左（0.3505）；低碳能源和環境因素的得分最高的地區是南寧（0.7438），其次是防城港（0.5449），最低的崇左（0.3991）。

從表4來看，廣西北部灣經濟區低碳城市發展水平的四大影響因素中：低碳經濟的灰色關聯度最大，其數值是0.7293，表明低碳經濟因素對廣西北部灣經濟區低碳城市發展水平的影響最大；其次是低碳社會，其灰色關聯度是0.6569，表明低碳社會因素對廣西北部灣經濟區低碳城市發展水平也產生了重要影響，其影響程度僅次于低碳經濟因素；第三是低碳能源和環境，其灰色關聯度是0.5701，推進低碳能源和環境的建設是實現廣西北部灣經濟區低碳城市發展的重要組成部分；第四是低碳技術，其灰色關聯度是0.5086，雖然其關聯程度較低，但是鑒于低碳技術的發展對低碳城市發展的重要性，可以看到，低碳技術由于其技術的研發、吸收、創新以及推廣具有一定的時間階段性，導致其對低碳城市發展的推動作用具有一定的滯后性。由此可見，影響廣西北部灣經濟區低碳城市發展水平的四大因素的影響程度從強到弱的順序依次為低碳經濟、低碳社會、低碳能源和環境、低碳技術。

四、結論

通過對廣西北部灣經濟區低碳城市l展水平進行灰色關聯評價，研究發現：廣西北部灣經濟區低碳城市發展水平的區域差距較突出，南寧、防城港等地區的低碳城市發展水平相對較高，北海、欽州、玉林的低碳城市發展水平僅次于南寧和防城港，而崇左的低碳城市發展水平最低。其中，崇左的得分僅為南寧的得分的69.54%，各城市之間的發展差距仍較明顯；與此同時，南寧、防城港、北海和欽州等城市的低碳城市發展水平處于一個相對較高層次上，而玉林、崇左則處于一個相對較低層次的水平上。并且從四大影響因素對廣西北部灣經濟區低碳城市發展水平的重要性來看，低碳經濟是其最重要的因素。可見，低碳經濟的發展程度仍然是影響廣西北部灣經濟區低碳城市發展水平高低的最重要因素；其次是低碳社會因素，低碳社會的資源消耗和碳排放的數量及其程度，對廣西北部灣經濟區低碳城市發展水平產生重要影響；第三是低碳能源和環境，其反映了低碳能源的提供及生態環境狀況，是衡量廣西北部灣經濟區低碳城市發展水平的又一重要因素；最后是低碳技術因素，低碳技術對推動產業發展技術升級、產業結構優化和城市低碳化發展發揮著重要的作用，但其對推動低碳城市的發展具有一定的滯后性。

結果表明：低碳經濟、低碳社會分別是影響廣西北部灣經濟區低碳城市發展水平高低的重要方面，為進一步提高廣西北部灣經濟區低碳城市發展水平，應積極提倡低碳經濟和低碳社會的發展。而人口增長率、第三產業從業人員比重、人均地區生產總值和城市化率等因素是影響低碳經濟發展的主要因素，因此要努力推進廣西北部灣經濟區城市人口規模的擴大，不斷擴大第三產業從業人員數量，推動地區生產總值的提高以及加快提升城市化水平。同時，人均住房建筑面積、每萬人擁有公共汽車、建成區排水管道密度、居民人均生活用電量等因素是影響低碳社會的重要因素，應注重從改善居民住房狀況、公共交通出行狀況、排水設施狀況、居民生活用電狀況等角度提升廣西北部灣經濟區低碳城市發展狀況。與此同時，城市污水處理率、每萬人液化石油氣供氣總量、人均公園綠地面積、城市氣象站點年平均降雨量、建成區綠化覆蓋率等因素是影響低碳資源和環境的重要因素，應進一步加強城市污水處理，改善液化石油氣供氣狀況，加強公園綠地建設和提升城市綠化覆蓋率等，進而不斷改善城市環境，推動低碳資源的可持續利用和環境的可持續發展。此外，生活垃圾無害化處理率、人均節能環保支出、教育支出占財政支出的比重等因素是影響低碳技術的重要因素。因此，應進一步加大對城市生活垃圾的無害化處理，提升城市人均環保支出，合理擴大教育支出和強化人才培養力度，不斷推動廣西北部灣經濟區低碳城市的可持續發展。

主要參考文獻：

[1]湯光華.灰色關聯綜合評價方法評析[J].江蘇統計，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，何小貞.我國各地區公共圖書館服務水平的灰色關聯評價[J].圖書館學研究，2014.8.

地區經濟發展水平范文4

[關鍵詞] 農民工；收入滿意度；有序多分類；數據；分層線性模型

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2013 . 23. 022

[中圖分類號] F126.2；F224.9 [文獻標識碼] A [文章編號] 1673 - 0194（2013）23- 0046- 02

1 引 言

目前中國已有超過1.6億農民離開家鄉外出打工，同時這個數字以每年570萬人的速度不斷增加。盡管如此，自2004年開始，中國南方部分省市出現“民工荒”，最重要的原因是農民工對不公正的待遇表示不滿，其中主要是對收入表示不滿。因此提高農民工的收入滿意度已是當務之急。但提高農民工的收入滿意度僅依靠提高農民工的收入水平就足夠了嗎？是否存在其他影響農民工收入滿意度的因素呢？

本文通過農民工與城鎮職工對比，分兩個層次探討農民工收入滿意度的影響因素：一是在個體層次上探討個體屬性特征對收入滿意度的影響，二是在省市層次上探討地區經濟發展水平對個體屬性特征與收入滿意度關系的影響，以全面分析農民工收入滿意度的影響因素，并提出提高農民工收入滿意度的有效途徑。

2 數據來源、研究方法和變量說明

2.1 數據來源

本文分析使用的個體層次數據全部來源于北京大學“985”項目資助、北京大學中國社會科學調查中心執行的中國家庭動態跟蹤調查（CFPS 2008），共包括8 036個有效樣本，覆蓋25個省市。

2.2 研究方法

針對本文的研究目的，采用多層線性模型進行分析。多層線性模型是專門處理嵌套結構數據的一種新型統計分析技術，在方法上類似于“回歸的回歸”，目的是把高層次的變異從低層次的變異中分解出來，不僅可以分析兩個層次變量與因變量的關系，也可以分析第二層變量對第一層變量與因變量關系的影響。

2.3 變量說明

本文采用二層組織模型，所有個體構成第一層，即個體層次，個體層次變量包括性別、職業、學歷、年齡、收入；25個省市構成第二層，即省市層次，省市層次變量包括人均GDP。

3 模型構建及結果分析

本文使用HLM 6.08進行分析，分析過程設計如下。

3.1 模型適用性分析

為了估計在沒有協變量情況下的省市之間的差異，定義零模型：在個體層次和省市層次均不加入自變量。

由零模型運行結果發現，城鎮職工和農民工的第二層方差在0.01的顯著性水平下顯著不為零，即省市層次的方差顯著存在，也就是說城鎮職工和農民工的收入滿意度在省市層次上存在顯著差異，因而采用多層線性模型分析是有必要的。

3.2 個體屬性特征對收入滿意度的影響分析

在零模型的基礎上，在第一層納入個體層次的全部變量，構建隨機效應模型，以探究城鎮職工與農民工的個體屬性特征對收入滿意度影響的差異。

3.2.1 職業對城鎮職工與農民工的收入滿意度影響的對比分析

結果表明，城鎮職工中在國有部門和私營部門工作的人的收入滿意度低于在政府部門工作的人，而在外資部門和其他部門工作的人的收入滿意度與在政府部門工作的人無明顯差別。

農民工在國有部門、私營部門、外資部門以及其他部門工作的人與在政府部門工作的人相比，收入滿意度均沒有顯著差異，換句話說，對農民工而言，收入滿意度與工作部門沒有關系。這主要是由于在城市工作的農民工絕大多數為非正規就業，工資收入基本上由農民工的供求關系決定，而與所處的工作部門沒有直接關系。

3.2.2 學歷對城鎮職工與農民工的收入滿意度影響的對比分析

城鎮職工中，初中、高中、大專及以上學歷的收入滿意度均高于小學學歷，而農民工中，初中、高中、大專及以上學歷的收入滿意度均低于小學學歷。進一步觀察發現，初中和高中學歷的農民工的收入滿意度依次下降，之后，大專及以上學歷的收入滿意度有所提高，基本上回升到與小學學歷相當的水平，但仍稍低于小學學歷。

3.3 經濟發展水平對個體屬性特征與收入滿意度關系的影響分析

以截距、收入斜率為因變量，以人均GDP為自變量在省市層次上建立回歸方程，考察地區經濟發展水平分別對居民平均收入滿意度、收入與收入滿意度關系的影響。

3.3.1 經濟發展水平對城鎮職工與農民工的平均收入滿意度影響的對比分析

地區經濟發展水平對城鎮職工平均收入滿意度有顯著正影響。與此形成對比的是，地區經濟發展水平對農民工的收入滿意度影響不顯著，但單從系數上來看，地區經濟發展水平對農民工收入滿意度有輕微負影響，即地區的經濟發展水平越高，農民工的收入滿意度越低。

3.3.2 經濟發展水平對城鎮職工與農民工的收入與收入滿意度關系影響的對比分析

地區經濟發展水平對城鎮職工與農民工的收入與收入滿意度的關系均起到弱化作用，即地區經濟發展水平越高，收入對收入滿意度的正向影響越弱。相對而言，地區經濟發展水平對農民工收入與收入滿意度關系的弱化效應更強。

4 主要結論

農民工收入滿意度影響因素可以從以下兩方面來看：

在個體層次上，農民工絕大多數是非正規就業，收入水平主要由農民工的供求關系決定，因此職業類型對農民工的收入滿意度沒有影響。同時小學及以下、初中、高中學歷的農民工的收入滿意度隨學歷升高而下降，之后大專及以上學歷的農民工的收入滿意度有所回升。

在省市層次上，主要探討了經濟發展水平對農民工的平均收入滿意度和收入與收入滿意度關系的影響，發現農民工不僅沒能享受地區經濟發展帶來的好處，經濟發展反而對農民工的收入滿意度造成了不利影響。

主要參考文獻

[1]姚少英.有序Probit模型的非參貝葉斯統計——關于工作滿意度的實證分析[D].上海：華東理工大學，2012.

[2]張賢.收入滿足度差距研究[D].上海：上海師范大學，2008.

地區經濟發展水平范文5

我國高等教育資源配置存在顯著區域差異由來已久。根據王善邁先生研究，全國30多個省市地區劃分為四類：一類地區人均教育經費始終是三四類地區教育經費的2到3倍，二類地區的人均教育經費要高出三類地區的五分之二。[2]同時從全國整體來看，我國高等教育資源的去向主要集中在東南沿海一線和橫貫東西的長江水系和隴海鐵路一線的地區或城市中。形成有趣的側“π”形狀。由此可見，在高等教育資源配置上，我國區域經濟發展水平和人口區域分布的狀況影響我國高等教育資源配置是否合理。

一、從我國經濟區域發展水平看我國高等教育資源配置的不合理性

經濟發展水平是我國高等教育發展的物質依托，是高等教育發展的硬實力，也是我國高等教育長遠發展的后盾。[3]相通，區域經濟發展的水平也決定了地方高等教育的發展。

影響高等教育資源配置首先要看區域經濟發展水平，就應該以國內生產總值（GDP）、人均GDP、地方財政收入等指標評價一個地區經濟發展水平和實力。根據《中國統計年鑒-2014》數據測算，2014年大陸百億元GDP負擔0.398所高校，億元GDP和地方財政負擔43.1名和194.7名大學生，每萬人口和每千名從業人員分別負擔199.8名和35.4名在校生。與以上數據對比，我國的西北、東北、華北地區和湖北地區的教育資源配置程度大，教育資源的數量與其經濟發展程度不成比例，無論高校數還是在校生占全國比重、百億元GDP負擔的高校數、億元GDP和地方財政收入負擔的大學生數都低于全國平均水平，該地區所擔負的高等教育發展任務與地區經濟實力、水平很不相稱。

綜上可知，我國高等教育資源配置與各地區經濟發展水平存在明顯的不協調現象，經濟比較發達的地區的教育資源配置數量較少，而一些相對落后地區教育資源配置的數量卻較多。

二、從我國人口區域分布看高等教育資源配置的不合理性

高等教育資源配置也受到人口區域分布狀況影響，涉及每百萬人口負擔高校數、每萬人口負擔在校生數等指標。這些指標既體現地區高等教育發展水平，又體現高等教育支撐社會發展的程度。

根據《中國統計年鑒?D2014》數據2014年底我國每百萬人口負擔1.83所高校，每萬人負擔200.8個在校大學生，我國高等教育資源配置與人口分布不協調，部分地區（東北、西北、華北地區）高校和在校生數超出全國平均水平，部分地區（華南、華東、山東）顯著低于全國平均水平，與其占有較高教育資源相一致。

上述兩個方面表明，我國高等教育的布局及資源配置趨向存在顯著不合理狀態，有的地區經濟發展水平低，人口負擔重，高等教育資源占有量大，負擔偏重，有的地區經濟發達，人口眾多。高等教育規模偏小不利于經濟發展對人才的需要的滿足。其主要原因在于長期以來我國高等教育布局主要考慮戰備需要而忽視地方經濟建設和社會發展的需要，只強調自上而下的指令性計劃而缺乏必要的彈性。[4]高等教育資源的配置不協調不利于區域經濟發展，不利于我國高等教育布局的合理化，同時也消耗了我國的教育資源。

三、優化高等教育資源配置途徑，實現高等教育資源合理開發和利用

1、市場引導，注重教育資源配置不足地區的教育資源的配置

堅持以市場配置資源為主，輔以計劃配置，這樣既有效的發揮市場配置資源的優勢，擴大了配置高等教育資源的程度和力度，也避免了市場配置的盲目性等缺點，更加有效合理的利用了有限的高等教育資源，為我國經濟建設儲備人才，推動我國綜合國力的持續發展。

我國必須注意華東華南等經濟發達地區的高等教育資源配置。這些地區經濟發達，需要大量有知識、創新能力的建設者。這些地區在滿足本地區經濟發展所需人才問題上不僅要注意大力吸引區域外的人才等，還要注重培養人才，加大地區高等教育資源投入，提高教育教學質量，擔負起發展高等教育的責任，推動本地區經濟的發展。

2、吸納更多社會資源投向教育行業，鼓勵社會力量興辦高等教育

地區高等教育資源分配不均影響地區教育發展，需另辟途徑增加高等教育資源投入。吸引社會力量投向高等教育不失為一種好辦法。

在我們國家把民辦教育概括為社會力量辦學，社會力量舉辦的高等教育，民辦高等教育的興起和發展改變了國家辦學的單一模式，形成了政府辦學和民間辦學兩種教育體制，兩條腿走路的辦學格局。推動了我國高等教育的發展，有利于經濟建設和社會進步。

3、鼓勵支持高等學校自主辦學的積極性

擴大高校辦學自主性是我國高等教育改革的一大成果，有利于發揮高校在利用教育資源、培養人才方面的積極性。

地區經濟發展水平范文6

關鍵詞：房地產價格；影響因素；主成分分析；多元回歸

一、引言

住房是人民生活的基本必需品，隨著人們生活水平的不斷提高，人們對購房的需求也不斷增大，以及對住房的質量要求也有所提高，不僅包括內部構造，外部環境也是重要條件。然而房地產需求的增加會引起房地產價格的大幅度上升，如今房價的上升已超出許多人的承受能力，為此我們有必要探究出房價的影響因素甚至可能潛在的因素，本文就采用山西省2015年數據研究影響山西省房地產價格的影響因素。

二、實證分析

（一）指標選取：

本文主要從需求因素、供給因素和地區因素三個角度選取影響房價的因素的指標：

居民消費水平（元/人）、人均可支配收入（元/人）、總戶數（戶）、當年完成投資（萬元）、開發施工房屋面積（平方米）、年竣工價值（萬元）、建筑業企業總產值（萬元）、建筑業企業利潤（萬元）、建筑業企業成本（萬元）、建筑業企業稅金總額（萬元）、地區生產總值（萬元）和財政總收入（萬元）總共12個指標，并分別命名為X1、X2、X3、X4、X5、X6、X7、X8、X9、X10、X11、X12變量，將商品房屋平均價格（元/平方米）作為Y變量來進行分析。

（二）數據分析：

1.主成分分析

經過分析，這12個指標之間都存在一定相關性，且大部分相關系數在0.8以上，因此滿足主成分分析的前提。首先通過因子分析發現：前兩個主成分累積方差貢獻率為87.811%，能夠包含大部分原始變量的信息，因此選取前2個主因子來代替全部12個因子，我們將提取的主因子分別命名為：F1、F2。再結合因子載荷陣我們可以看出，第一個公共因子F1在指標X4、X5、X6、X7、X8、X9、X10、X11、X12上有較大載荷，說明這9個指標有較強的相關性，可以歸為一類，從指標上來看，這9個指標包含了房地產供給因素和地區因素，可以歸結為反映地區經濟發展狀況和房地產供給方面狀況，因此將第一個主因子F1命名為地區經濟發展水平和房地產供給因子；第二個公共因子F2在指標X1、X2、X3上的因子載荷值較大，且這三個指標屬于需求方面狀況，因此將這類因子命名為需求因子。然后利用因子分析結果進行主成分分析得到相應地特征向量矩陣如下表1。

根據表1可以得到2個主成分的表達式：

第一主成分：

第二主成分：

其中F1主要反映了地區經濟發展水平和房地產供給對房地產價格的影響，F2主要反映了房地產需求因素對房地產價格的影響。

2.多元回歸分析

由于主成分分析只是對原始自變量的線性組合，并不能解釋自變量對因變量房地產價格的影響程度，因此以2個變量F1、F2為自變量，標準化之后的房地產價格為因變量作回歸分析，其結果如下表2。

根據上表，我們可以得出回歸方程表達式

Y=0.903F1-0.015F2

從表達式中可以看出：自變量F1的系數最大，對因變量Y的影響程度也就最大，而且遠遠大于F2。也就是說因變量Y（商品房屋的平均價格）主要是受自變量F1（地區經濟發展水平和房地產供給因素）的影響，需求因素F2則對因變量Y的影響程度則很小。另外，從值（0.815）以及調整后的值（0.769）可以看出該模型擬合度較好，說明該回歸模型可以較好地反映房地產價格的主要影響因素。

三、結論

本文根據山西省2015年房地產發展的情況，通過對主成分分析把影響房價波動的因素最終分成兩類：地區經濟發展水平和房地產供給狀況共同作用和房地產需求因素對房地產價格的影響。基于多元回歸分析法進行分析可以得出：地區經濟發展水平和房地產供給狀況這兩個方面共同的作用對房價的影響最大。因此，結合回歸分析結果我們做出以下建議：

（一）促進地區經濟發展水平

結合當地特色（例如我省的老陳醋、汾酒）努力搞好經濟，只有經濟發展好了，房地產業才有更多的資金促進本行業的發展。