宏观经济区划既是区域经济研究的传统课题之一,也是一个具有实践性的规划问题,是合理布局生产力与开展区域经济合作的重要依据。宏观经济区划工作在国家的经济发展中占有重要地位,一个科学合理的经济区划,可以分析经济现状,制定经济规划,促进经济发展。在有着长期计划经济传统和巨大区域差距的中国,尤其注重经济区划的工作。从五十年代开始,我国就出台了一系列的经济区划方案,这在我国计划经济体制下的经济发展发挥了积极地作用。随着我国经济的迅猛发展,越来越多的学者意识到数值分类方法划分经济区域的重要性。本文基于全国宏观经济统计数据,分别利用传统的层次聚类方法和目前性能相对突出的定性双聚类方法,对我国各省份经济区域划分方案以及各省份经济增长模式等问题做了深入的研究探讨和大胆的预测。研究结果表明,层次聚类算法对于全国经济区划的整体分析结果相对直观并且应用方便,双聚类算法的结果在挖掘各省在某些属性集合下的共性具有其独特的优势。本文首先概述了已有的经济区划的研究方法与结果,指出现有研究方法的局限性并在此基础上提出了本文的思路和方法。接下来本文对聚类分析方法和双聚类分析方法的基本原理和分类做了简要介绍,特别的,重点阐述了目前非常流行的一种双聚类算法-QUBIC的步骤和特点,并结合经济区划的特征对算法做了一定的改进。然后论文使用层次聚类方法和改进的定性双聚类方法对我国31个省市的1999-2007年间的宏观经济数据做了聚类分析,并对结果做了多方位的讨论。最后,通过对结果的分析讨论,给出了我国经济区划的方案并提出了一些政策建议。特别指出,本文在以下方面有所创新：1.本文针对宏观经济数据的自身特点,采用了两种降维的方法,结果中保留了数据中的年份特征。一种是将每年的各项指标加上年份标识作为新的指标,这样就将数据降到了新指标、省份的二维空间上。另外一种是将各年各省的数据加上年份标识作为新的省份,这样将数据降到了指标、新省份的二维空间上。这样的降维方法可以克服由于对某时间段对某项指标求平均值所带来的信息缺失。对于得出的两组数据,分别采用两种聚类方法并系统的对结果进行了比较研究,为经济区域划分领域的研究开拓了新的研究思路。2.一般的聚类方法是基于所有属性比较的聚类,用相似度量函数确定相似程度,从而将对象进行分类,而如果数据中的属性太多,聚类的对象并不一定在所有的属性下都有很好的相关性,从而导致分类结果的特异性降低。为突破一般聚类方法在此问题上的局限性,本文首次把双聚类方法应用到经济区划中来,结果表明,同一省份会出现在不同的双聚类当中,解决了传统聚类当中每个对象只能属于一个聚类的问题；原来聚类结果中不在一类的省份在双聚类结果中可能会被分到一起,说明有些省份虽然整体发展水平有差距,但是在某些属性上会表现出相似性。3.改进了QUBIC双聚类算法。考虑到经济数据与生物信息数据的差异性,针对经济数据的自身特点和算法的原理,作者改进了原有算法中的数据离散方法,从而使对象间的比较更加合理,提高了分析结果的实用价值。4.创新性的将热度图应用到宏观经济区划的分析中来,使得分析结果可视化,直观化。图中的树状图给出聚类对象之间的亲疏关系,由红、黑、绿三色构成的热度图直接显示了经济的好、中、差三个水平。