貴州經(jīng)濟協(xié)調(diào)增長的聚類分析研究

唐晨添 繆輝 孫一飛

【摘 要】近年來，我國西南地區(qū)正在實現(xiàn)整體崛起，不僅體現(xiàn)在重慶、成都這些基礎(chǔ)較好的特大城市迅速躋身于新一線城市前列，更體現(xiàn)在長期處于非常落后狀態(tài)的貴州、云南、西藏實現(xiàn)了超常規(guī)增長。我國區(qū)域經(jīng)濟協(xié)調(diào)增長和理論研究開啟了歷史新征程，回顧總結(jié)歷史經(jīng)驗，進一步針對區(qū)域協(xié)調(diào)發(fā)展，將新時期區(qū)域經(jīng)濟增長的綜合水平提升至新高度。要實現(xiàn)區(qū)域經(jīng)濟協(xié)調(diào)增長，就要全面整合常規(guī)化經(jīng)濟運營管理要素，在發(fā)揮政府引導(dǎo)作用的基礎(chǔ)上，提高各區(qū)域經(jīng)濟發(fā)展水平之間的協(xié)調(diào)性，從而達到社會效益與經(jīng)濟效益的雙贏。對于全面協(xié)調(diào)增長區(qū)域經(jīng)濟的方式，則需要科學(xué)的指導(dǎo)和理性的發(fā)展。

【關(guān)鍵詞】貴州經(jīng)濟;聚類分析;協(xié)調(diào)增長

【中圖分類號】F127;F224 【文獻標(biāo)識碼】A 【文章編號】1674-0688（2020）10-0004-03

1 研究背景及意義

1.1 研究背景

黨的十九大報告提出要堅定實施區(qū)域協(xié)調(diào)發(fā)展戰(zhàn)略，構(gòu)建更高層次的開放型經(jīng)濟，我國的區(qū)域經(jīng)濟發(fā)展方式自此將發(fā)生質(zhì)的轉(zhuǎn)變。協(xié)調(diào)在組織管理中是作為調(diào)節(jié)組織個體之間的相互關(guān)系達到最終目標(biāo)的一種職能，它可以使這些個體組織在一個整體中，減少相互之間的矛盾，促使整體目標(biāo)的實現(xiàn)[1]。

當(dāng)前，利用協(xié)調(diào)度開展研究的學(xué)者有很多，蘇靜等人[2]利用空間計量的方法分析了中國能源—經(jīng)濟—環(huán)境（3E）系統(tǒng)協(xié)調(diào)度的地理空間分布特征，研究發(fā)現(xiàn)中國3E系統(tǒng)協(xié)調(diào)水平總體上不容樂觀的現(xiàn)狀;李江蘇等人[3]采用協(xié)調(diào)度模型評價了河南省城鎮(zhèn)化水平與質(zhì)量的協(xié)調(diào)情況，發(fā)現(xiàn)省內(nèi)各地城鎮(zhèn)化水平整體呈上升的態(tài)勢;謝傳勝等人[4]基于層次分析法-距離協(xié)調(diào)度組合模型對低碳電源電網(wǎng)規(guī)劃的協(xié)調(diào)度進行了評價，以南方兩省為例，分析其協(xié)調(diào)程度及其內(nèi)在原因，給出了相應(yīng)的指導(dǎo)建議;童玉芬等人[5]基于主成分法對北京市人口、經(jīng)濟和環(huán)境系統(tǒng)進行綜合評價，建立了變異系數(shù)協(xié)調(diào)度模型對北京市1996—2010年協(xié)調(diào)度進行定量分析。由此可以看出，協(xié)調(diào)度在很多方面的研究都有成功的應(yīng)用。

協(xié)調(diào)的本意為“和諧一致，配合得當(dāng)”[6]。張遼（2013）[7]認(rèn)為依靠地區(qū)間的要素流動能夠優(yōu)化空間結(jié)構(gòu)并實現(xiàn)區(qū)域協(xié)調(diào)發(fā)展，從而達到促進經(jīng)濟增長的目的。陸善勇等人（2015）[8]認(rèn)為勞動、資本、技術(shù)3種生產(chǎn)要素流動對區(qū)域外貿(mào)增長有積極作用。盛斌等人（2011）[9]認(rèn)為提高國內(nèi)市場一體化水平能有效促進經(jīng)濟增長。

聚類分析是多元統(tǒng)計分析的一種，也是無監(jiān)督模式識別的一個重要分支，在模式分類圖像處理和模糊規(guī)則處理等眾多領(lǐng)域中獲得最廣泛的應(yīng)用，它把一個沒有類別標(biāo)記的樣本按照某種準(zhǔn)則劃分為若干子集，使相似的樣本盡可能地歸于一類，而把不相似的樣本劃分到不同的類中。

模糊聚類算法是一種基于函數(shù)最優(yōu)方法的聚類算法，使用微積分計算技術(shù)求最優(yōu)代價函數(shù)，在基于概率算法的聚類方法中將使用概率密度函數(shù)，為此要假定合適的模型，模糊聚類算法的向量可以同時屬于多個聚類，從而擺脫上述問題。

1.2 研究意義

區(qū)域協(xié)調(diào)發(fā)展戰(zhàn)略作為指導(dǎo)地區(qū)經(jīng)濟和社會發(fā)展的戰(zhàn)略導(dǎo)向而提出，經(jīng)過20多年的形成和完善，對我國經(jīng)濟社會發(fā)展起到了重要作用。深入實施區(qū)域協(xié)調(diào)發(fā)展戰(zhàn)略，提升新時代區(qū)域發(fā)展的理論和實踐水平[10]，仍是未來西南地區(qū)需要著重考慮的內(nèi)容。通過聚類分析對貴州各城市進行分類。所構(gòu)建的評價指標(biāo)體系可以為下一步貴州經(jīng)濟協(xié)調(diào)增長評價研究做準(zhǔn)備。

2 聚類分析方法

2.1 系統(tǒng)聚類法

系統(tǒng)聚類法是目前國內(nèi)外使用比較多的一種聚類方法，其實現(xiàn)方式如下：首先將每個樣本單獨看成一類，在規(guī)定類間距離的條件下，選擇距離最小的一對合并成一個新類，并計算新類與其他類之間的距離，再將距離最近的兩類合并，這樣每次會減少一個類，直到所有的樣本合為一類為止。

2.1.1 系統(tǒng)聚類實現(xiàn)的一般步驟

系統(tǒng)聚類法（自下而上）先將聚類的樣本或變量各自看成一群，然后確定類與類間的相似統(tǒng)計量，并選擇最接近的兩類或若干個類合并成一個新類，計算新類與其他各類間的相似性統(tǒng)計量，再選擇最接近的兩群或若干群合并成一個新類，直到所有的樣本或變量都合并成一類為止。以n個樣本的聚類分析為例，系統(tǒng)聚類法的步驟如下：定義k維空間中一種距離，k為樣本維度;計算n個樣本兩兩之間的距離;將每個樣本歸為一類，根據(jù)計算出的樣本間的距離合并距離最近的兩類為一個新類;計算新類與其他各類的距離，同樣再根據(jù)計算出的距離合并距離最近的兩類為一個新類;循環(huán)以上過程直至類別個數(shù)為1。

2.1.2 常用的距離

常用的距離包括絕對值距離、歐氏距離、明氏距離、切比雪夫距離、馬氏距離、蘭氏距離、余弦距離（見表1和表2）。

選擇適當(dāng)?shù)臉颖揪嚯x和類間距離計算方法，便可從每樣本作為單獨類開始逐漸合并，最終合為一類。

2.2 模糊C均值聚類法

在很多分類問題中，分類對象之間沒有明確的界限，往往具有亦此亦彼的表現(xiàn)。諸如此類的問題，如果用傳統(tǒng)的聚類方法（如K值聚類法等）進行分類，把每個待分類的對象嚴(yán)格的劃分到某個類中，這也存在一定的不合理性。模糊聚類分析呼之欲出。

模糊C均值算法（FCM）是一種聚類方法，它允許一個數(shù)據(jù)屬于兩個或多個聚類。該方法（由Dunn在1973年開發(fā)，并在1981年由Bezdek改進）經(jīng)常用于模式識別。

具體步驟如圖1所示。

3 實證分析

3.1 評價指標(biāo)體系的構(gòu)建

此次分析包括貴州各市2011—2018年的相關(guān)數(shù)據(jù)。指標(biāo)包括以下幾個方面。

{1}城鄉(xiāng)結(jié)構(gòu)：二元對比分析、工業(yè)化率;{2}產(chǎn)業(yè)結(jié)構(gòu)：第一產(chǎn)業(yè)對比系數(shù)、第二產(chǎn)業(yè)對比系數(shù)、第三產(chǎn)業(yè)對比系數(shù);{3}投資消費結(jié)構(gòu)：消費率;{4}金融結(jié)構(gòu)：存款占比、貸款占比。其中：城鄉(xiāng)二元對比=城鎮(zhèn)人均收入/鄉(xiāng)村人均收入。該指標(biāo)反映的是城鎮(zhèn)與農(nóng)村人均收入的比值，比值越大，城鄉(xiāng)差異越大。工業(yè)化率=工業(yè)增加值/地區(qū)生產(chǎn)總值。該年工業(yè)增加值占該年總值的比重，值越大，工業(yè)增加值相比其他產(chǎn)業(yè)增長速度更快。第一產(chǎn)業(yè)占比=第一產(chǎn)業(yè)增加值/地區(qū)生產(chǎn)總值;第二產(chǎn)業(yè)占比=第二產(chǎn)業(yè)增加值/地區(qū)生產(chǎn)總值;第三產(chǎn)業(yè)占比=第三產(chǎn)業(yè)增加值/地區(qū)生產(chǎn)總值。這3項指標(biāo)反映的是該產(chǎn)業(yè)于地區(qū)生產(chǎn)總值的占比。消費率=社會消費品零售總額/地區(qū)生產(chǎn)總值;存款占比=金融機構(gòu)存款余額/地區(qū)生產(chǎn)總值;貸款占比=金融機構(gòu)貸款余額/地區(qū)生產(chǎn)總值。消費率、存款、貸款占比反映隨著地區(qū)生產(chǎn)總值的增加，消費、存款、貸款的增長幅度。該值越大，則消費、存款、貸款的增長幅度比地區(qū)生產(chǎn)總值增加速度越快。

3.2 R聚類分析

本文分別采用系統(tǒng)聚類法和模糊聚類法依據(jù)貴州相關(guān)經(jīng)濟指標(biāo)對各城市進行了分類（A：貴陽;B：六盤水;C：遵義;D：安順;E：畢節(jié);F：銅仁;G：黔東南;H：黔西南;I：黔南）。具體結(jié)果見表3、表4。

在系統(tǒng)聚類法分類中，貴陽均被單獨分為一類，而六盤水穩(wěn)定出現(xiàn)在第二類中，遵義、畢節(jié)等偶爾在第二類中出現(xiàn)，其余城市主要出現(xiàn)在第三類中，結(jié)果見表5。

在模糊C聚類法中分類層次不清，效果并不顯著。可見，關(guān)于貴州經(jīng)濟協(xié)調(diào)增長的聚類分析中系統(tǒng)聚類法是優(yōu)于模糊聚類法的。

4 總結(jié)

本文研究的要點在于：從評價指標(biāo)信息出發(fā)，對貴州各城市進行R聚類，保證聚類后不同類間指標(biāo)信息相關(guān)性較小，而同類指標(biāo)間相關(guān)性較大，確保篩選后的指標(biāo)體系信息重復(fù)性小。

本文以統(tǒng)計年鑒所提供2011—2018年的數(shù)據(jù)為基礎(chǔ)，通過對數(shù)據(jù)的選擇篩選與R聚類，初步構(gòu)建了包含各產(chǎn)業(yè)勞動生產(chǎn)率、工業(yè)化率等關(guān)鍵指標(biāo)的貴州經(jīng)濟協(xié)調(diào)增長評價指標(biāo)體系。如今，國家的目光仍讓放在西部地區(qū)一帶，不僅是基礎(chǔ)扎實的成都、西安和重慶，對于基礎(chǔ)薄弱的云南、貴州也不會忽視。貴州經(jīng)濟的崛起只是時間問題，那么貴州能否經(jīng)濟協(xié)調(diào)增長將是這個問題的重點。本文通過Matlab中的聚類分析對貴州各城市進行了分類，所構(gòu)建的評價指標(biāo)體系為下一步貴州經(jīng)濟協(xié)調(diào)增長評價研究提供了準(zhǔn)備。

參 考 文 獻

[1]張竟竟，陳正江，楊德剛.城鄉(xiāng)協(xié)調(diào)度評價模型構(gòu)建及應(yīng)用[J].干旱區(qū)資源與環(huán)境，2007，21（2）：5-11.

[2]蘇靜，胡宗義，唐李偉.我國能源—經(jīng)濟—環(huán)境（3E）系統(tǒng)協(xié)調(diào)度的地理空間布與動態(tài)演進[J].經(jīng)濟地理，2013，33（9）：19-24.

[3]江蘇，王曉蕊，苗長虹，等.城鎮(zhèn)化水平與城鎮(zhèn)化質(zhì)量協(xié)調(diào)度分析——以河南省為例[J].經(jīng)濟地理，2014，34（10）：70-77.

[4]謝傳勝，董達鵬，段凱彥，等.基于層次分析法-距離協(xié)調(diào)度的低碳電源電網(wǎng)規(guī)劃協(xié)調(diào)度評價[J].電網(wǎng)技術(shù)，2012，36（11）：1-6.

[5]童玉芬，劉長安.北京市人口、經(jīng)濟和環(huán)境關(guān)系的協(xié)調(diào)度評價[J].人口與發(fā)展，2013，19（1）：44-51.

[6]張曉東，池天河.90年代中國省級區(qū)域經(jīng)濟與環(huán)境協(xié)調(diào)度分析[J].地理研究，2001，20（4）：506-515.

[7]張遼.要素流動、產(chǎn)業(yè)轉(zhuǎn)移與區(qū)域經(jīng)濟發(fā)展[D].武漢：華中科技大學(xué)，2013.

[8]陸善勇，李國英.生產(chǎn)要素流動、區(qū)域外貿(mào)增長與轉(zhuǎn)型升級——基于PVAR的實證分析[J].經(jīng)濟管理，2015，37（12）：31-38.

[9]盛斌，毛其淋.貿(mào)易開放、國內(nèi)市場一體化與中國省際經(jīng)濟增長：1985—2008年[J].世界經(jīng)濟，2011（11）：44-66.

[10]劉霜，李敬.區(qū)域協(xié)調(diào)發(fā)展新征程、新戰(zhàn)略、新機制——“2019年中國區(qū)域經(jīng)濟年會”綜述[J].西部論壇，2019（12）：1-5.