论文部分内容阅读
[摘要] 国家级经济技术开发区的创建和发展是中国改革开放的缩影。本文运用主成分分析方法分析国家级经济开发区的综合实力，通过2005年度各经济开发区最新主要经济指标数据，对全国东中西部54个国家级经济开发区运用主成分分析法进行定性定量的分析，密切关注不同地区存在的问题，以求长期和谐发展。
[关键词] 主成分分析 主要经济指标 滨海新区 中部崛起
一、引言
从1980年第一个经济特区的建立起，经济特区、经济技术开发区和高新技术开发区等各类开发区的建设和发展，成为我国改革开放的助推器。位于环渤海地区的中心位置的滨海新区逐渐成为了人们关注的焦点。滨海新区的发展已经卓有成效；加快推进滨海新区的发展将有效拉动环渤海区域成为我国经济增长的“第三极”，进而加速东部地区的发展进程，使我国东部地区更有能力支持推动西部开发、中部崛起和东北等老工业基地的振兴，促进、形成东中西互动和全国经济协调发展良好局面。我们运用多元统计分析中的主成分分析法对2005年度各主要开发区多项主要经济指标进行综合分析，从而为政府管理者和决策者提供一种科学而合理的决策依据。
二、模型的建立以及主要步骤
1.主成分分析原理
主成分分析（Principal Components Analysis）也称主分量分析，主要是利用降维的思路，将原众多并具有一定相关性的指标，重新组合成一组新的、低维的、相互无关的综合指标体系来代替原来的指标体系。
将所考察的n个开发区视为n个样本，其中每个样本有p个指标。
步骤一，将原始样本矩阵X=(xij)n×p中的样本值xij标准化：从而得到标准化决策矩阵Y=（yij）n×p。
步骤二，计算所有样本的指标相关矩阵R=（rjk）p×p
步骤三，求相关矩阵R的特征值λ1≥λ2≥…≥λp≥0及特征向量αj=[αj1，αj2，…，αjp]T j=1，2，…p
步骤四，确定主成分表达式，选取满足条件的主成分向量Zj=Y×α （j=1，2，…，m），将得到的m的主成分作为新的指标，从而得到低维指标的主成分决策矩阵:Z=（zij）n×m=[Z1,Z2, …，Zm] n×m
步骤五，计算得分，得出排名。
2.主成分分析54个主要开发区综合实力
(1)东部地区
①选取指标及数据:在这里考察27个东部国家级经济技术开发区。根据《中国商务年鉴2005年》数据，筛选出具有代表性的八项指标，即样品数n=27，变量数p=8。
②进行指标数据标准化:因为在主要经济指标评价体系中，各个指标的计量单位有所差别，不具可比性。因此,需要对不同计量单位的指标数据进行同度量处理，转化为无量纲数值，并利用SPSS统计分析软件 计算得到标准化后的数据（这里我们使用Z标准化）。
③相关性判定：利用基于相关阵的主成分分析法，对于选取的主要经济指标标准化后的数据，利用SPSS统计分析软件，得到相关系数矩阵，我们可以得出，国内生产总值与工业总产值、工业增加值、税收收入、出口额、进口额、实际利用外资之间均有极其显著的关系，与合同外资金额存在显著关系。
④主成分提取：根据上面得到的相关系数矩阵，在SPSS中求出矩阵的特征值。根据最初几个特征值在全部特征值中的累积方差贡献率（cumulative%）大于等于一定的百分率的原则（实际应用中常取累积方差大于等于80%）,确定选取的主成分个数。在这里根据表1，我们可选取1个主成分，即m=1，根据表1可知，该主成分所包括的信息占原始变量即国内生产总值、工业总产值、工业增加值、税收收入、出口额、进口额、合同外资金额以及实际使用外资在内的八项经济指标所包含总信息的80.742%，其余七个变量对方差影响很小，因此可以用选取的这个主成分代替原来的八个变量。
⑤根据初始因子载荷矩阵，第一主成分在国内生产总值、工业增加值、工业总产值、税收收入、出口额、进口额以及实际利用外资金额等变量上均有绝对值较大的荷载系数，反映了东部开发区经济方面的综合发展。
⑥计算特征向量，确定主成分表达式:记特征向量为α1=(0.38，
0.38，0.38，0.35，0.35，0.35，0.26，0.35）T;即主成分表达式为：
T=0.38 Z1+0.38 Z2+0.38 Z3+0.35Z4+0.35Z5+0.35Z6+0.26Z7+0.35Z8。
⑦计算主成分值并进行评价：根据计算得出的主成分值进行排序，即可对各开发区进行综合评价比较，见表2：
我们可以得出以下几个结论：首先，天津开发区在2004年的数据分析中主成分得分为5.54，比位于第二名的广州（5.05）仅高出0.49，而在2005年的评价中，我们可以看到天津开发区的得分以高出2.4分的优势高居榜首。从统计数据中我们也可看出，天津开发区的工业总产值以及吸引外资的水平均高于广州和昆山，而在其他指标上也分别体现出不同程度的优势。天津开发区近些年来经济的迅猛发展与国家的扶持是紧密相关的。滨海新区秉承集约开发的宗旨，加大力度吸引高科技产业和公司的加入，使现有土地实现更大的技术和产出含量，为实现产业集聚、渐进式的产业转移提供了物质乃至技术支持。其次，广州和昆山开发区的建设和发展一直处于全国的前列，昆山凭借优越的地理位置，完善的服务体系，较发达的区内服务业获得较快速的发展；立足高新技术产业，积极吸引外资，产品以出口外销为主，在“十五”期间，经济得到了历史上最快的发展。
(2)中部地区
根据《中国商务年鉴2005》，我们可以查到中部9个国家级经济技术开发区主要经济指标。用同样的方法我们可得到中部开发区的载荷矩阵以及主成分。从中部开发区的数据中我们也可以得出一个主成分来代替之前的8个关联指标，进而9个中部开发区的经济发展状况得分见表3：
结论:由第一主成分得分以及排名可以看出：长春、哈尔滨在中部9个开发区中发展较好，对比2004年的数据可知，长春和哈尔滨也分别以得分2.26133和0.516778位列第一和第三名。积极实施开放带动战略，全方位扩大对外开放:依托资源优势，主动承接国内外产业转移，积极吸引域外资本和战略投资者，各方面的进展推进东北板块快速地融入到经济全球化的大潮之中。其他地区如郑州开发区以省市优先发展，产业布局上一个是信息产业，一个是汽车工业，也可以说是以汽车工业为主的高端制造产业，这两大产业是目前国际产业转移的两个主流。开发区的走向有了，走向是好的，但同时还需要政府更多的关注和支持，给予更优惠的政策，招商引资工作才能迅速发展；太原开发区虽然在排名上落后很多，可是经济的增速在中部地区确是可喜的，在工业总产值、税收收入、进出口等四项指标比2004年均有成倍的增长，实际使用外资金额增幅也是高居中部首位，发展潜力巨大。总之，郑州、太原等地区的发展是“中部崛起”的重要组成部分，除了继续全力吸引外资经济，还应该适时将自己做大做强并做好承接国内外产业转移的工作，根据自身情况选择适合自己的产业发展路线。
参考文献:
[1]A Review of the Manuals for BMDP and SPSS :Mervin E. Muller[J].Journal of the American Statistical Association > Vol. 73, No. 361 (Mar., 1978), pp. 71～80
[2]The New Statistical Analysis of Data. by T. W. Anderson[J].Vol. 55, No. 2 (Jun., 1999), p. 669 The Statistician .Vol. 48, No. 1 (1999), pp. 136～137
[3]张文霖:主成分分析在SPSS中的操作应用[J].理论与方法
[4]王立农:基于主成分分析的商业银行竞争力比较研究[J].金融经济
[5]原毅军李国锋:基于主成分分析的中国工业科技竞争力评价[J].科学技术与工程,第6卷 第13期
[6]郝黎仁樊元郝哲欧等:SPSS实用统计分析[M].北京：中国水利水电出版社，2003
[7]方开泰:实用多元统计分析[M].上海：华东师范大学出版社，1989
“本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文”
[关键词] 主成分分析 主要经济指标 滨海新区 中部崛起
一、引言
从1980年第一个经济特区的建立起，经济特区、经济技术开发区和高新技术开发区等各类开发区的建设和发展，成为我国改革开放的助推器。位于环渤海地区的中心位置的滨海新区逐渐成为了人们关注的焦点。滨海新区的发展已经卓有成效；加快推进滨海新区的发展将有效拉动环渤海区域成为我国经济增长的“第三极”，进而加速东部地区的发展进程，使我国东部地区更有能力支持推动西部开发、中部崛起和东北等老工业基地的振兴，促进、形成东中西互动和全国经济协调发展良好局面。我们运用多元统计分析中的主成分分析法对2005年度各主要开发区多项主要经济指标进行综合分析，从而为政府管理者和决策者提供一种科学而合理的决策依据。
二、模型的建立以及主要步骤
1.主成分分析原理
主成分分析（Principal Components Analysis）也称主分量分析，主要是利用降维的思路，将原众多并具有一定相关性的指标，重新组合成一组新的、低维的、相互无关的综合指标体系来代替原来的指标体系。
将所考察的n个开发区视为n个样本，其中每个样本有p个指标。
步骤一，将原始样本矩阵X=(xij)n×p中的样本值xij标准化：从而得到标准化决策矩阵Y=（yij）n×p。
步骤二，计算所有样本的指标相关矩阵R=（rjk）p×p
步骤三，求相关矩阵R的特征值λ1≥λ2≥…≥λp≥0及特征向量αj=[αj1，αj2，…，αjp]T j=1，2，…p
步骤四，确定主成分表达式，选取满足条件的主成分向量Zj=Y×α （j=1，2，…，m），将得到的m的主成分作为新的指标，从而得到低维指标的主成分决策矩阵:Z=（zij）n×m=[Z1,Z2, …，Zm] n×m
步骤五，计算得分，得出排名。
2.主成分分析54个主要开发区综合实力
(1)东部地区
①选取指标及数据:在这里考察27个东部国家级经济技术开发区。根据《中国商务年鉴2005年》数据，筛选出具有代表性的八项指标，即样品数n=27，变量数p=8。
②进行指标数据标准化:因为在主要经济指标评价体系中，各个指标的计量单位有所差别，不具可比性。因此,需要对不同计量单位的指标数据进行同度量处理，转化为无量纲数值，并利用SPSS统计分析软件 计算得到标准化后的数据（这里我们使用Z标准化）。
③相关性判定：利用基于相关阵的主成分分析法，对于选取的主要经济指标标准化后的数据，利用SPSS统计分析软件，得到相关系数矩阵，我们可以得出，国内生产总值与工业总产值、工业增加值、税收收入、出口额、进口额、实际利用外资之间均有极其显著的关系，与合同外资金额存在显著关系。
④主成分提取：根据上面得到的相关系数矩阵，在SPSS中求出矩阵的特征值。根据最初几个特征值在全部特征值中的累积方差贡献率（cumulative%）大于等于一定的百分率的原则（实际应用中常取累积方差大于等于80%）,确定选取的主成分个数。在这里根据表1，我们可选取1个主成分，即m=1，根据表1可知，该主成分所包括的信息占原始变量即国内生产总值、工业总产值、工业增加值、税收收入、出口额、进口额、合同外资金额以及实际使用外资在内的八项经济指标所包含总信息的80.742%，其余七个变量对方差影响很小，因此可以用选取的这个主成分代替原来的八个变量。
⑤根据初始因子载荷矩阵，第一主成分在国内生产总值、工业增加值、工业总产值、税收收入、出口额、进口额以及实际利用外资金额等变量上均有绝对值较大的荷载系数，反映了东部开发区经济方面的综合发展。
⑥计算特征向量，确定主成分表达式:记特征向量为α1=(0.38，
0.38，0.38，0.35，0.35，0.35，0.26，0.35）T;即主成分表达式为：
T=0.38 Z1+0.38 Z2+0.38 Z3+0.35Z4+0.35Z5+0.35Z6+0.26Z7+0.35Z8。
⑦计算主成分值并进行评价：根据计算得出的主成分值进行排序，即可对各开发区进行综合评价比较，见表2：
我们可以得出以下几个结论：首先，天津开发区在2004年的数据分析中主成分得分为5.54，比位于第二名的广州（5.05）仅高出0.49，而在2005年的评价中，我们可以看到天津开发区的得分以高出2.4分的优势高居榜首。从统计数据中我们也可看出，天津开发区的工业总产值以及吸引外资的水平均高于广州和昆山，而在其他指标上也分别体现出不同程度的优势。天津开发区近些年来经济的迅猛发展与国家的扶持是紧密相关的。滨海新区秉承集约开发的宗旨，加大力度吸引高科技产业和公司的加入，使现有土地实现更大的技术和产出含量，为实现产业集聚、渐进式的产业转移提供了物质乃至技术支持。其次，广州和昆山开发区的建设和发展一直处于全国的前列，昆山凭借优越的地理位置，完善的服务体系，较发达的区内服务业获得较快速的发展；立足高新技术产业，积极吸引外资，产品以出口外销为主，在“十五”期间，经济得到了历史上最快的发展。
(2)中部地区
根据《中国商务年鉴2005》，我们可以查到中部9个国家级经济技术开发区主要经济指标。用同样的方法我们可得到中部开发区的载荷矩阵以及主成分。从中部开发区的数据中我们也可以得出一个主成分来代替之前的8个关联指标，进而9个中部开发区的经济发展状况得分见表3：
结论:由第一主成分得分以及排名可以看出：长春、哈尔滨在中部9个开发区中发展较好，对比2004年的数据可知，长春和哈尔滨也分别以得分2.26133和0.516778位列第一和第三名。积极实施开放带动战略，全方位扩大对外开放:依托资源优势，主动承接国内外产业转移，积极吸引域外资本和战略投资者，各方面的进展推进东北板块快速地融入到经济全球化的大潮之中。其他地区如郑州开发区以省市优先发展，产业布局上一个是信息产业，一个是汽车工业，也可以说是以汽车工业为主的高端制造产业，这两大产业是目前国际产业转移的两个主流。开发区的走向有了，走向是好的，但同时还需要政府更多的关注和支持，给予更优惠的政策，招商引资工作才能迅速发展；太原开发区虽然在排名上落后很多，可是经济的增速在中部地区确是可喜的，在工业总产值、税收收入、进出口等四项指标比2004年均有成倍的增长，实际使用外资金额增幅也是高居中部首位，发展潜力巨大。总之，郑州、太原等地区的发展是“中部崛起”的重要组成部分，除了继续全力吸引外资经济，还应该适时将自己做大做强并做好承接国内外产业转移的工作，根据自身情况选择适合自己的产业发展路线。
参考文献:
[1]A Review of the Manuals for BMDP and SPSS :Mervin E. Muller[J].Journal of the American Statistical Association > Vol. 73, No. 361 (Mar., 1978), pp. 71～80
[2]The New Statistical Analysis of Data. by T. W. Anderson[J].Vol. 55, No. 2 (Jun., 1999), p. 669 The Statistician .Vol. 48, No. 1 (1999), pp. 136～137
[3]张文霖:主成分分析在SPSS中的操作应用[J].理论与方法
[4]王立农:基于主成分分析的商业银行竞争力比较研究[J].金融经济
[5]原毅军李国锋:基于主成分分析的中国工业科技竞争力评价[J].科学技术与工程,第6卷 第13期
[6]郝黎仁樊元郝哲欧等:SPSS实用统计分析[M].北京：中国水利水电出版社，2003
[7]方开泰:实用多元统计分析[M].上海：华东师范大学出版社，1989
“本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文”