一、相关背景简介
　　
　　对经济区域的分类是在统计的研究基础上，对大量错综复杂的经济特征进行归类，进而对区域进行分类，以便找出内在的规律，目前在经济领域中用到的分类方法包括主成分分析法因子分析法以及神经网络分析方法，本文着力用聚类方法根据区域经济的各个指标进行分类，从而为采用其他方法分类的提供一个参照和基准。
　　
　　三、分类结果和对结果讨论
　　
　　最后分类结果如上图所示：北京、天津、吉林、辽宁、上海、江苏、浙江和广东为一类；其余地区为另一类。这里与GDP地区生产总值作为对照，广东、山东、江苏、浙江、河南、河北、上海，辽宁排在前8位，由此我们可以得到以下与按GDP分类出现不一致的区域，其中天津这个GDP不高的地区被分到经济发达一组，山东，河南，河北，吉林等GDP较高的地区被分类到经济欠发达地区。本文使用聚类算法所依据的是如下几个指标，包括地区生产总值、资本形成总额等八个指标，下面我们对处于分类边界的几个地区分别进行讨论：
　　天津是直辖市，仅从GDP来看，天津并不高，但人均GDP还是非常高的，仅仅落后上海、北京排在第三位，因此可以看到，其人均各个方面的指数都是非常高的，也就是说其总量虽然不大，但说人均值是非常高的；山东和河北的地区GDP总值虽然排在前面，但按照聚类的分类可以看到，这几个城市应该属于经济发达地区中相对比较落后的地区，特别是山东与河北，这两个地区的人均指标和总量指标排名都比较靠前，但在分类时还是被分到了欠发达地区，可以说明两个问题：一个是山东和河北还有较大的差距，另外聚类分类对分类的各层次之间的分类点的辨识能力还是有缺陷的；河南虽然经济总量比较大，但人均值排名中下游，因此河南被分类到欠发达地区是比较合适的。
　　
　　四、结语
　　
　　用聚类方法对经济区域进行分类基本能达到要求，这就为其他分类方法给出了一个重要的参照的算法；另一方面，聚类算法还有不完善的地方需要与其他算法来进行改进。
　　
　　参考文献：
　　[1]吕琦:《基于主成分分析法和神经网络算法的资源位模型》.集团经济研究,2007年9月
　　[2]中华人民共和国统计局:《2006中国统计年鉴》.中国统计出版社,2006年