2018年四川省各市州經(jīng)濟綜合發(fā)展水平比較分析

摘? ?要：采用因子分析和K均值聚類（K-means）算法，以四川省21個地市州為研究對象，基于2018年四川省統(tǒng)計年鑒的數(shù)據(jù)和軟件SPSS22.0，構(gòu)建了以10個指標(biāo)為基礎(chǔ)的評價體系，通過實證分析將四川省各地市州經(jīng)濟綜合發(fā)展水平分為經(jīng)濟發(fā)達、經(jīng)濟較發(fā)達、經(jīng)濟欠發(fā)達、經(jīng)濟落后等四個層次，其中成都市經(jīng)濟綜合發(fā)展水平最發(fā)達，而甘孜藏族自治州和阿壩藏族羌族自治州的經(jīng)濟綜合發(fā)展水平最不發(fā)達。針對各市州具體情況，要打破條塊分割、信息不共享的局面，實現(xiàn)對省域內(nèi)經(jīng)濟資源的優(yōu)化整合與合理配置，通過各市州聯(lián)動競爭來促進區(qū)域協(xié)同發(fā)展，縮小成都市與其它市州的差距，使四川經(jīng)濟再上協(xié)調(diào)平衡的新高度。

關(guān)鍵詞：因子分析;K-means;經(jīng)濟發(fā)展水平;比較分析;結(jié)論建議

中圖分類號：F32? ? ? ? ?文獻標(biāo)識碼：B? ? ? ? ?doi：10.3969/j.issn.1009-6922.2019.03.007

文章編號：1009-6922（2019）03-43-06

一、引言

2018年12月，四川省委經(jīng)濟工作會議指出：“面對錯綜復(fù)雜的內(nèi)外環(huán)境，四川經(jīng)濟保持總體穩(wěn)定，穩(wěn)中有進……產(chǎn)業(yè)結(jié)構(gòu)調(diào)整發(fā)生積極變化，干支聯(lián)動、競相發(fā)展局面加快形成。”四川省的經(jīng)濟雖然面臨著向內(nèi)和向外兩個方面的挑戰(zhàn)，但依然保持穩(wěn)中有進的態(tài)勢，這得益于21個地市州各自的貢獻和作為一個整體的合力發(fā)展。改革開放40年來，四川省經(jīng)濟結(jié)構(gòu)不斷轉(zhuǎn)型升級，產(chǎn)業(yè)發(fā)展勢頭迅猛，經(jīng)濟發(fā)展的速度、規(guī)模和質(zhì)量均取得了驕人的成績。從1978年到2018年，四川省實現(xiàn)了地區(qū)生產(chǎn)總值從184.61億元到40678.13億元的巨大跨越，綜合實力更是升至西部地區(qū)首位，成為名副其實的西部崛起“領(lǐng)頭雁”。但同時我們發(fā)現(xiàn)，四川省東西地貌差異巨大，自然資源豐富卻分布不均，21個地市州經(jīng)濟綜合實力也參差不齊。作為西部農(nóng)業(yè)和經(jīng)濟大省，要統(tǒng)籌經(jīng)濟協(xié)調(diào)發(fā)展，就必須持續(xù)優(yōu)化省內(nèi)各地區(qū)的經(jīng)濟結(jié)構(gòu)，合理配置各類要素資源，充分發(fā)揮各個地區(qū)的比較優(yōu)勢，合力推動21個地市州協(xié)同一致可持續(xù)發(fā)展。雖然從2018年的四川省統(tǒng)計年鑒中可以大致看出各個地市州的發(fā)展水平，但是在省域角度，這些地市州發(fā)展水平是否均衡協(xié)調(diào)，哪些地市州發(fā)展水平是領(lǐng)先的、哪些是相近的、哪些處于相對落后階段，則需要我們進一步展開研究和分析。為了更加全面、深入了解四川省經(jīng)濟發(fā)展水平和現(xiàn)狀，方便各地市州政府對癥下藥制定發(fā)展政策，本文將針對各市州經(jīng)濟綜合發(fā)展不平衡不協(xié)調(diào)的問題做出分析和評價。

二、研究方法、變量與數(shù)據(jù)

（一）研究方法

本文主要使用因子分析和K-means聚類分析兩種方法。

因子分析主要是通過研究眾多變量的相關(guān)關(guān)系，將具有類似性質(zhì)的變量并入少數(shù)幾個互不相關(guān)的可以觀測的因子，這幾個因子在保留絕大部分信息的基礎(chǔ)上，排除主觀影響，降低數(shù)據(jù)維度，從而合理、客觀地解釋原先各變量之間的相關(guān)性。這些因子被稱為公共因子，雖然不能直接觀測，但可以用線性方式來標(biāo)出原來的變量。

K均值聚類算法（簡稱“K-means”）是聚類分析中的經(jīng)典算法，它在首次粗糙分類后可以不斷進行分類調(diào)整，直至達到滿意的條件。K-means的原理是先隨機選取K個凝聚點，計算其它點到各個凝聚點的距離，然后將其分配給離它最近的凝聚點，每個凝聚中心和分配給它的點就代表一個聚類。當(dāng)點全部分配完，每個聚類又會被重新計算重心，得到新的凝聚點再重新分類，不斷重復(fù)直至滿足終止條件。本文首先通過因子分析找出公因子，將其作為K-means分析的凝聚點，然后再進行分類和分析，最終達到“物以類聚”的目的。

（二）研究變量與數(shù)據(jù)

本文采用的樣本包括四川省21個地市州，使用SPSS22.0統(tǒng)計軟件來進行實證分析。基于客觀性、可比性、數(shù)據(jù)可得性以及實用性等原則，本文擬選取的指標(biāo)和實證數(shù)據(jù)主要來自于2018年的四川省統(tǒng)計年鑒和各地市州的統(tǒng)計局發(fā)布的數(shù)據(jù)。一共選取了地區(qū)生產(chǎn)總值（X1）、年末常住人口（X2）、就業(yè)人員平均工資（X3）、城鎮(zhèn)化率（X4）、固定資產(chǎn)投資（X5）、公共預(yù)算支出（X6）、消費品零售總額（X7）、出口總額（X8）、年末存款余額（X9）、糧食總產(chǎn)量（X10）這10個能夠反映四川省各市州經(jīng)濟發(fā)展現(xiàn)狀的國民經(jīng)濟指標(biāo)。由于本文篇幅限制，10個指標(biāo)的原始數(shù)據(jù)從略。指標(biāo)的符號和代表的含義如表1所示：

三、實證分析

（一）因子分析

1.適當(dāng)性檢驗。在進行因子分析時，由于各個指標(biāo)的量綱不統(tǒng)一，我們首先要對原始數(shù)據(jù)進行標(biāo)準化，修正為統(tǒng)一量綱，然后再對數(shù)據(jù)進行適當(dāng)性檢驗，即KMO檢驗和Bartlett's球形檢驗。一般來說，KMO值大于0.6，Bartlett's球形檢定的P值小于0.5，則表明適合做檢驗分析。本文數(shù)據(jù)經(jīng)軟件SPSS22.0檢驗顯示，KMO=0.750，P值=0.000，表明本文數(shù)據(jù)完全適合做因子分析。

2.提取公因子。因子分析第二步是要根據(jù)主成分分析后的累計方差貢獻率來獲取公因子。一般來說，特征值大于1且公因子方差貢獻率之和達到85%以上才認為是對原有指標(biāo)做出了很好的解釋。根據(jù)軟件運行結(jié)果我們可以將特征值大于1，累計貢獻率為97.041%的前三個因子提取出來作為公因子（將這三個因子設(shè)為F1、F2和F3），可以認為這三個彼此獨立、互不相關(guān)的公因子可以解釋原有數(shù)據(jù)97.041%的信息，這達到了降維的目的，完全符合分析要求。

3.提取公因子。根據(jù)提取出來的三個公因子和SPSS22.0統(tǒng)計軟件給出的旋轉(zhuǎn)因子載荷矩陣，我們可以發(fā)現(xiàn)，公因子F1在X1、X2、X5、X6、X7、X8、X9上均具有很高的得分，因此，我們可以將F1命名為“經(jīng)濟綜合實力因子”;公因子F2在指標(biāo)X10上具有較高得分，因此命名為“糧食增量因子”;同理，可將公因子F3命名為“城鎮(zhèn)發(fā)展因子”。

根據(jù)得到的因子評分數(shù)據(jù)矩陣，我們可以列出三個公因子的線性表達式如下：

通過計算三個公因子各自的方差貢獻率，除以累計方差貢獻率可以得出三個權(quán)重系數(shù)，從而得到綜合因子的評分公式：F綜=0.762F1+0.156F2+0.111F3。運用SPSS22.0我們可以計算出21個地市州在三個公因子和綜合因子上的得分和排名情況，如下表所示：

在代表經(jīng)濟綜合實力的公因子F1上，成都市的得分為4.150，遠高于其它市州，說明成都市的經(jīng)濟綜合發(fā)展水平領(lǐng)先于其它市州，這也與實際相符合。在糧食增量因子F2的得分上，達州最高，南充次之，說明這兩市的農(nóng)業(yè)較其它產(chǎn)業(yè)更為發(fā)達，兩市糧食產(chǎn)量較高。甘孜州、阿壩州、攀枝花和成都是F2因子上得分最低的四個城市，但導(dǎo)致這一結(jié)果的原因是不同的：甘孜州和阿壩州是四川省經(jīng)濟最落后的兩個地方，經(jīng)濟綜合實力最低，這也與因子分析得出的綜合排名相符合;攀枝花市得分較低的主要原因是其主導(dǎo)產(chǎn)業(yè)為第二產(chǎn)業(yè)，第一產(chǎn)業(yè)對經(jīng)濟的拉動作用很小。從2017年的經(jīng)濟數(shù)據(jù)來看，攀枝花市第一、二、三產(chǎn)業(yè)對經(jīng)濟增長的貢獻率分別為：1.9%、65.2%、32.9%。成都市得分較低的原因是成都的經(jīng)濟綜合水平最為發(fā)達，其經(jīng)濟增長不依賴于第一產(chǎn)業(yè)，而是第三產(chǎn)業(yè)占據(jù)了半壁江山，成都2017年的三次產(chǎn)業(yè)結(jié)構(gòu)之比為：3.6：43.2：53.2。在城鎮(zhèn)發(fā)展因子F3上攀枝花、雅安和成都得分較高，在一定程度上表明這三個市的城鎮(zhèn)化進程取得了相應(yīng)的成績，而甘孜州、阿壩州、涼山州得分較低也表明了這三個市州的城鎮(zhèn)化進度緩慢、程度較低。

從綜合得分和排名可以看出，四川省21個地市州的經(jīng)濟綜合發(fā)展水平參差不齊，區(qū)域經(jīng)濟發(fā)展不平衡不協(xié)調(diào)。成都市作為全省的政治、經(jīng)濟、科技、交通和文化等發(fā)展中心，其第二、三產(chǎn)業(yè)最為發(fā)達，是我國重要的高新技術(shù)產(chǎn)業(yè)基地。近年來成都市也一直保持著高昂的創(chuàng)新態(tài)勢，發(fā)展速度和發(fā)展質(zhì)量并重，其它地市州與其經(jīng)濟差異也越拉越大。南充、達州、綿陽、宜賓、瀘州和涼山彝族自治州的綜合得分均為正，這些市州近年來發(fā)展速度較快，這得益于產(chǎn)業(yè)結(jié)構(gòu)的順利轉(zhuǎn)型升級和地方政府政策資金的大力支持。但仍需注意到，這些市州的第一產(chǎn)業(yè)仍然具有一定的占比。其它市州綜合得分為負，甘孜州和阿壩州得分最低，這些地方經(jīng)濟基礎(chǔ)較為薄弱，各類生產(chǎn)要素投入不夠，第一產(chǎn)業(yè)產(chǎn)值占比較重，市場化程度較低，經(jīng)濟發(fā)展還需投入更大力度。

（二）K-means聚類分析

為了進一步分析四川省21個地市州經(jīng)濟綜合發(fā)展水平以及綜合競爭力的排名情況，也驗證上述因子分析的正確程度，我們借助SPSS22.0軟件，將因子分析后提取的三個公因子F1、F2和F3作為K-means聚類分析的初始凝聚點，選擇歐式距離平方來計算，假設(shè)K=4，即將這21個地市州細分為4個簇群，經(jīng)過多次迭代收斂等相關(guān)操作，我們得出了如下K-means聚類結(jié)果：

根據(jù)以上結(jié)果，我們可以將四川省21個地市州劃分為以下四類：

第一類，即經(jīng)濟發(fā)達地區(qū)，占比4.76%，共1個城市：成都。成都市經(jīng)濟發(fā)展綜合水平最高，是各行各業(yè)英才的聚集地。特別需要指出的是成都市的生產(chǎn)總值、固定資產(chǎn)投資、公共預(yù)算支出、消費品零售總額、出口總額和年末存款余額等指標(biāo)數(shù)值更是遠遠高于其它地市州。這也是成都作為省會城市所具有的、其它市州無法比擬的優(yōu)勢。

第二類，即經(jīng)濟較發(fā)達地區(qū)，占比61.9%，共13個城市：南充、達州、綿陽、宜賓、瀘州、涼山彝族自治州、德陽、廣安、內(nèi)江、巴中、眉山、資陽、廣元。這些城市的各類經(jīng)濟指標(biāo)在全省中大都處在中等水平，工業(yè)發(fā)展較好但產(chǎn)業(yè)鏈還不夠完善，發(fā)展速度較快但經(jīng)濟效益還有待提高。

第三類，即經(jīng)濟欠發(fā)達地區(qū)，占比23.8%，共5個城市：樂山、遂寧、自貢、攀枝花、雅安。這些城市的經(jīng)濟發(fā)展還處在成長之中，地方生產(chǎn)的均值為1140.99億元，是成都市生產(chǎn)總值的十分之一還不到。第一產(chǎn)業(yè)占比過重，產(chǎn)業(yè)結(jié)構(gòu)不合理，還沒有充分利用當(dāng)?shù)氐馁Y源優(yōu)勢。

第四類，即經(jīng)濟落后地區(qū)，占比9.52%，共2個城市：阿壩藏族羌族自治州、甘孜藏族自治州。這兩個州處于四川省西部和西北部，山區(qū)較多，也是脫貧攻堅戰(zhàn)中最難啃的兩塊“硬骨頭”，地方生產(chǎn)的均值僅為278.33億元，只有成都市的2%左右，此外，這兩個地區(qū)的各項經(jīng)濟指標(biāo)也大都處于落后狀態(tài)。盡管如此，兩地都具有豐富的生態(tài)旅游資源，還有待進一步打造符合實際的特色產(chǎn)業(yè)。

由此可以看出，基于K-means聚類分析的結(jié)果與因子分析得出的結(jié)果基本一致，兩種分析方法得出的結(jié)論與實際也基本符合。因此，這兩種分析方法相輔相成，用來分析四川省21個地市州的經(jīng)濟發(fā)展綜合水平是合理的。

四、結(jié)論與建議

本文首先選取了與四川省各市州經(jīng)濟發(fā)展綜合水平相關(guān)聯(lián)的10個經(jīng)濟指標(biāo)，利用SPSS22.0軟件進行因子分析，提取出三個公因子：“經(jīng)濟綜合實力因子”“糧食增量因子”和“城鎮(zhèn)化發(fā)展因子”，并進行打分和排名。隨后我們利用K-means聚類分析，將21個地市州分為四類，即：經(jīng)濟發(fā)達地區(qū)、經(jīng)濟較發(fā)達地區(qū)、經(jīng)濟欠發(fā)達地區(qū)和經(jīng)濟落后地區(qū)，深入比較和評價地方經(jīng)濟綜合發(fā)展水平，也為更加有針對性的發(fā)展地方經(jīng)濟提供了參考。需要指出的是本次研究還存在不完善之處，指標(biāo)的選取還不夠全面、規(guī)范和精準，還有待建立更符合四川省現(xiàn)實的指標(biāo)體系。現(xiàn)針對各市州經(jīng)濟發(fā)展不平衡不協(xié)調(diào)的問題，本文給出如下對策建議：

對于經(jīng)濟發(fā)達地區(qū)，在保持一定經(jīng)濟增長速度的前提下，大力發(fā)展第二、三產(chǎn)業(yè)，開拓國際視野和資本市場，加強與國際上優(yōu)質(zhì)產(chǎn)能的合作，提升融資能力，促進產(chǎn)業(yè)邁上高質(zhì)量新臺階。經(jīng)濟較發(fā)達地區(qū)要不斷開拓自己的產(chǎn)業(yè)鏈，上中下游持續(xù)完善，并營造良好的招商引資氛圍，這樣才能提供源源不斷的經(jīng)濟增長動力。經(jīng)濟欠發(fā)達地區(qū)要夯實基礎(chǔ)，加大農(nóng)業(yè)資源投入，培育具有地方特色的新型產(chǎn)業(yè)鏈，并通過長期優(yōu)質(zhì)人才引進注入新鮮血液。經(jīng)濟落后地區(qū)首先要大力完善基礎(chǔ)設(shè)施建設(shè)，加大扶貧力度，打造具有地方特色的山區(qū)生態(tài)旅游產(chǎn)業(yè)鏈。總而言之，各市州要打破條塊分割、信息不共享的局面，實現(xiàn)對省域內(nèi)經(jīng)濟資源的優(yōu)化整合與合理配置，通過各市州聯(lián)動競爭來促進區(qū)域協(xié)同發(fā)展，縮小成都市與其它市州的兩極分化，使四川經(jīng)濟再上協(xié)調(diào)平衡的新高度。

當(dāng)前正處在經(jīng)濟下行階段，經(jīng)濟求穩(wěn)難度加大、工業(yè)支持經(jīng)濟增長動力不足、轉(zhuǎn)型升級挑戰(zhàn)巨大、產(chǎn)能過剩威脅迫切……這些現(xiàn)實無一不要求政府基于各市州的實際情況，制定有針對性的差別化的經(jīng)濟發(fā)展政策，加大資金投入和政策引導(dǎo)，順應(yīng)形勢采取靈活的宏觀調(diào)控政策。特別是對經(jīng)濟落后地區(qū)，要給予政策上的鼓勵和優(yōu)惠幫扶，例如加大人才引進力度并提高紅利、對地方產(chǎn)業(yè)的融資發(fā)展予以特殊照顧等。各地方政府應(yīng)立足于整體欠發(fā)達、不平衡的省域?qū)嶋H，因地施策、精準施策，在保證經(jīng)濟穩(wěn)定增長的基礎(chǔ)上，制定各種福利政策，打造寬松積極的融資環(huán)境，通過提高整體競爭力來促進省域經(jīng)濟可持續(xù)發(fā)展。

參考文獻：

[1]高偉，周敏.江蘇省區(qū)域經(jīng)濟發(fā)展水平實證分析[J].數(shù)理統(tǒng)計與管理，2005（1）.

[2]殷林森.上海市經(jīng)濟發(fā)展水平綜合測試與發(fā)展對策研究[J].軟科學(xué)，2008（9）.

[3]趙文亮，陳文峰，孟德友.中原經(jīng)濟區(qū)經(jīng)濟發(fā)展水平綜合評價及時空格局演變[J].經(jīng)濟地理，2011（10）.

[4]葛成軍，俞花美，焦鵬.海南省經(jīng)濟—資源—環(huán)境協(xié)調(diào)發(fā)展探析（Ⅰ）[J].生態(tài)經(jīng)濟，2012（10）.

[5]丁紅艷，陳建，張敏.基于因子分析和聚類分析的新疆各地區(qū)經(jīng)濟發(fā)展水平綜合評價[J].數(shù)學(xué)的實踐與認識，2016（4）.

[6]楊月鋒，賴永波.31個省域物流發(fā)展水平聚類分析與評價[J].沈陽農(nóng)業(yè)大學(xué)學(xué)報，2018（4）.

責(zé)任編輯：康? ?璇

[收稿日期]2019-04-10

[作者簡介]吳嬌（1994—），女，安徽合肥人，中共四川省委黨校區(qū)域經(jīng)濟學(xué)教研部金融學(xué)專業(yè)碩士研究生，主要研究方向：農(nóng)村金融方向。