主成份分析法下广东省第三产业发展水平的实证研究

合集下载

广东省数字经济发展水平测度及影响因素分析

收稿日期:2023-02-13项目来源:广州华商学院青年学术课题数字经济时代制造业转型升级路径研究以珠三角为例 (2022HSXS 065)作者简介:陈婷(1996-),女,助教,硕士,研究方向:数字经济与产业经济㊂广东省数字经济发展水平测度及影响因素分析陈婷(广州华商学院,广东广州511399)摘要:采用全局主成分分析法对广东省21个地级市的数字经济发展程度进行综合评分,并通过固定效应模型分析广东省数字经济发展的影响因素,结果发现:第一,深圳市数字经济发展水平相对较高,广州市㊁珠海市㊁东莞市的发展势头突出;第二,广东省数字经济发展主要受城镇化率及经济发展水平影响;第三,珠三角数字经济发展主要受技术进步及人力资本水平影响,珠三角以外其他地区的数字经济发展主要受地区经济发展水平影响㊂关键词:数字经济;全局主成分分析;自主创新;广东中图分类号:F 061.5㊀㊀㊀㊀文献标志码:A ㊀㊀㊀㊀文章编号:2096-5095(2023)02-0040-09The Development Degree Measurement and Influence Factors Analysis ofDigital Economy in GuangdongCHEN Ting(Guangzhou Huashang College ,Guangzhou 511399,China)Abstract This paper uses the global principal component analysis method to comprehensively score the development degree of digitaleconomy in 21cities in Guangdong and analyzes the influencing factors of digital economy development through a fixed-effectmodel.The results show that Firstly the digital economy development level of Shenzhen is relatively high and the developmenttrend of Guangzhou Zhuhai and Dongguan is outstanding.Secondly the development of Guangdong s digital economy is mainlyaffected by the urbanization rate and economic development level.Thirdly the development of digital economy in the PRD is mainlyaffected by technological progress and the level of human capital and the development outside the PRD is mainly affected by thelevel of regional economic development.Key words digital economy global principal component analysis innovation Guangdong0㊀引言自2008年金融危机以来,贸易保护主义㊁逆全球化形势逐渐显现,全球化经济的发展受到巨大阻碍㊂2020年暴发的新型冠状病毒感染疫情席卷全球200多个国家和地区,深刻影响着全球治理的格局,也使我国经济发展面临着不确定性与不稳定性的双重压力㊂在此背景下,党的二十大报告指出,加快发展数字经济,促进数字经济和实体经济深度融合,打造具有国际竞争力的数字产业集群㊂数字经济有利于缓解国内循环不畅的问题,2023年4月科技创新发展战略研究Apr 2023第7卷第2期Strategy for Innovation and Development of Science and TechnologyVol .7No .2为我国经济发展新格局提供强大的支撑[1]㊂2021年,我国数字经济逆势增长,规模达到了45.5万亿元,占国内生产总值(GDP)的比重为39.8%,同比名义增长16.2个百分点,约为GDP增速的3倍[1]㊂在特殊的经济环境下,我国数字经济依然能保持较快增长,占GDP的比重和对GDP增长的贡献率逐年升高,已成为推动我国经济持续稳定增长的关键动力[2]㊂能否抓住数字经济的发展优势,实现区域经济的迅猛增长,是广东省当下发展的重要突破口㊂基于此,本文采用全局主成分分析法,计算广东省21个地级市的数字经济综合得分,分析广东省数字经济的发展情况以及影响因素,为广东省数字经济发展提供参考㊂1㊀文献综述回顾已有文献,数字经济最早是由Tapscottz[3]在‘数字经济:网络智能时代的希望和危险“一书中提出,其指出了数字经济的发展和影响,随后各个国家的学者开始注意到数字经济发展的巨大潜力并对此展开研究㊂学者对于数字经济的研究主要集中在3个方面㊂一是对数字经济内涵的界定㊂国际上对于数字经济的内涵界定有多种,其中影响较大的是经济发展与合作组织(OECD)㊁美国经济和统计管理局(ESA)㊁中国信息通信研究院㊁腾讯研究院㊁中国信息化百人会等对数字经济的定义,他们都强调了信息通信技术(ICT)是数字经济的核心要素[4],认为数字经济是数字技术与实体经济的深度融合,是信息化带来的继农业经济㊁工业经济之后的第3种新经济形态[5]㊂二是数字经济水平的测度㊂由于测算口径不同,许多国际组织㊁政府统计机构和学者关于数字经济水平的测度方式不尽相同,主要从数字经济增加值核算数字经济规模㊁基于数字经济综合评价指标构建数字经济指数(EDI)和设计数字经济卫星账户等方面进行测度㊂其中,中国信息通信研究院将数字经济分为产业数字化和数字化产业,基于增长核算账户框架,通过数字产业化部分增加值和产业数字化部分增加值测算数字经济指数[1];柏培文等[6]将数字经济分为数字产业㊁数字创新㊁数字用户及数字平台4个维度,采用主成分分析法合成综合数字经济指数㊂总体来看,目前学术界对数字经济并未形成统一的测度方法㊂三是数字经济对经济发展的影响㊂有学者对数字经济推动经济增长的机制展开研究,如荆文君等[7]基于索洛增长模型,从微观上指出数字经济从投入要素的数量和质量㊁生产函数和全要素生产率3个方面促进了经济增长;裴长洪等[8]认为数字经济促进了全要素生产率的提升,成为了推动产业结构调整和实现经济可持续发展的强大力量;戚聿东等[9]㊁何大安等[10]则基于经济结构转型视角,从宏观上研究数字经济发展推动经济增长的理论机理,指出数字经济推动了供给侧结构性改革并拉动了需求,扩大数字经济的发展规模有助于我国经济跨过中等收入陷阱㊂综上所述,已有研究多从理论的视角对数字经济的内涵进行界定,或从实证的角度对数字经济进行测度,针对数字经济对经济发展存在影响的研究尚不充分,而数字经济是一个庞大的系统,难以用单一的因素衡量,且驱动数字经济发展的因素存在较强的区域异质性㊂基于此,本文从多维度测度广东省数字经济发展水平,分析广东省数字经济发展现状及影响因素,为推动广东省数字经济高质量发展提供参考㊂2㊀广东省数字经济发展现状近年来,数字经济以其强大的渗透优势融合于各个行业,成为经济发展的重要推手㊂广东省2023年4月陈婷:广东省数字经济发展水平测度及影响因素分析Apr2023内广州市积极打造数字经济产业集群中心,深圳市拥有强劲的数字技术创新能力,东莞市㊁惠州市㊁中山市㊁佛山市等城市具备的雄厚技术及产业基础,大力推动了数字经济与实体经济融合,实现了数字经济迅猛发展㊂中国信息通信研究院[1]将数字经济分为数字产业化和产业数字化两个部分,其中数字产业化主要包括软件㊁信息技术㊁互联网及其他相关信息服务,产业数字化主要包括数字技术及数字产品带来的增加值,因此,本文采用软件和信息技术服务业及互联网和相关服务业的营业收入衡量广东省数字产业化,采用计算机㊁通信和其他电子设备制造业增加值衡量广东省产业数字化,以分析广东省数字经济发展现状㊂本文结合2017 2021年‘广东省统计年鉴“中的相关数据开展分析㊂2.1㊀数字产业化规模持续扩大近年来,广东省电信业务持续快速发展,2020年电信业务总量达到1.5万亿元,为2016年电信业务总量的3倍,其中广州排名第一,达到3030.39亿元;深圳紧随广州之后,达到2941.07亿元;东莞㊁佛山排名第三㊁第四,分别为1940.02亿元㊁1111.90亿元㊂2021年,广东省累计光纤接入用户数达到4019万户㊂从广东省数字产业内部细分来看,广东省软件和信息技术服务业保持稳步增长,截至2020年达到规模以上的企业数量3984家,营业收入达6218.1亿元, 2020年营业收入同比增长20.2%;互联网和相关服务业发展趋势明显,截至2020年达到规模以上的企业达722家,企业营业收入达4180.9亿元,2017年㊁2018年㊁2020年营业收入的同比增长率分别为54.0%㊁49.3%和20.2% (见图1)㊂2.2㊀地级市产业数字化规模差异明显由于数字鸿沟及马太效应,广东省21个地图1㊀广东省软件和信息技术服务业及互联网和相关服务业营业收入年度分布级市的产业数字化规模存在明显的极核效应㊂2020年广东省计算机㊁通信和其他电子设备制造业增加值达到8583.9亿元,创历年新高㊂值得注意的是,广东省各地市的计算机㊁通信和其他电子设备制造业增加值差异明显,其中深圳遥遥领先,东莞㊁惠州紧随其后,超过广州,其他地级市的增加值较小(见图2)㊂图2㊀2020年广东省各地级市计算机㊁通信和其他电子设备制造业增加值比较第7卷科技创新发展战略研究第2期3㊀基于全局主成分分析的广东省各地级市数字经济发展水平综合得分3.1㊀研究方法本文借鉴培柏文等[6]的方法,考虑到数据的可获得性,将数字经济发展水平以数字用户和数字产出两方面衡量,通过主成分分析对数字经济综合指数进行测算㊂主成分分析是一种常见的数据降维方法,通过减少数据中信息量的损失,将数据进行降维处理,从而降低模型的复杂度㊂主成分分析的本质是通过将多个原始变量合成生成新的变量,用少数的指标代表大多数的信息㊂全局主成分分析则是将时间序列与经典的主成分分析结合,用新的综合变量替换最初的变量,从而更加动态地㊁系统地分析不同时间㊁不同区域的综合态势㊂3.2㊀变量选取及数据来源本文从数字用户和数字产出两个方面选取指标分析广东省数字经济发展情况,具体变量描述如表1所示㊂选取2016 2020年广东省各地级市相关数据,数据均来自相应年份的‘广东省统计年鉴“㊂为了防止数据由于单位及量纲的不一致导致误差,对数据进行标准化处理㊂表1㊀变量描述维度经济含义数字经济指数构成符号数字用户互联网普及率每百人互联网宽带用户数internet 移动互联网用户数每百人移动电话用户数mobile 潜在互联网用户数每百人固定电话用户数fixedline数字产出互联网相关产出人均电信业务总量teleservice 数字技术从业人员计算机和软件从业人员数占城镇就业人员数比重information3.3㊀全局主成分分析结果分析本文通过Stata软件对2016 2020年广东省21个地级市的初始数字经济指标进行主成分分析㊂首先,进行了KMO检验,结果显示,KMO统计量的值为0.686,变量之间存在较强的相关性,适合因子分析㊂通过数据分析得到特征根及方差贡献率(见表2),若特征根大于1,累计方差贡献率在80%左右,或者当累计方差小于80%时,特征值可放宽至0.8,则满足要求㊂综合判断有两个主成分满足要求,其中第一个主成分的方差贡献率为0.612,表示其可以解释所有指标的61.19%的信息;第二个主成分的方差贡献率为0.163,表示其可以解释所有指标的16.27%的信息㊂根据主成分确定指标权重(见表3),其中数字技术从业人员所占权重最大,为0.330;互联网普及率所占权重最小,为0.064㊂表2㊀质量的特征根及方差贡献率成分特征值方差贡献率累积方差贡献率1 3.0600.6120.612 20.8140.1630.775 30.6460.1290.904 40.3510.0700.974 50.1300.026 1.000表3㊀评价指标权重成分主成分得分/分12指标权重information0.2060.8560.330internet0.247-0.6090.064mobile0.302-0.0190.225fixedline0.275-0.2700.155teleservice0.2370.2270.226 3.4㊀数字经济得分排序根据数字经济综合得分,深圳市㊁珠海市及广州市的数字经济发展水平始终保持在前3名,且自2018年起深圳市数字经济发展水平稳居首位㊂从横向来看,广东省整体数字经济发展水平逐年递增;从纵向来看,珠三角数字经济发展水平明显高于其他地区且地区间差距非常明显,粤西㊁粤北地区数字经济发展相对整体落后于其他地区㊂值得注意的是,潮州市数字经济发展水平紧随珠三角城市,在2019 2020年均保持排名第七㊂具体情况见表4㊂2023年4月陈婷:广东省数字经济发展水平测度及影响因素分析Apr2023表4㊀2016 2020年广东省各地级市的数字经济发展水平综合得分及排序排序/位2016城市得分/分2017城市得分/分2018城市得分/分2019城市得分/分2020城市得分/分1珠海 2.789珠海 2.221深圳 2.924深圳 3.418深圳 3.671 2深圳 2.699深圳 2.098广州 2.889珠海 3.086广州 3.157 3广州 2.031广州 1.910珠海 2.381广州 3.017珠海 2.835 4中山0.809东莞0.717东莞 1.192东莞 1.551东莞 1.635 5东莞0.805中山0.531中山0.933中山 1.460中山 1.330 6佛山0.345佛山0.135佛山0.552佛山0.894佛山0.928 7江门-0.042江门-0.026江门0.368潮州0.633潮州0.637 8潮州-0.377潮州-0.243潮州0.214惠州0.531惠州0.615 9汕头-0.449惠州-0.544惠州0.010江门0.419汕头0.354 10惠州-0.606汕头-0.677汕头-0.379汕头0.085江门0.344 11阳江-1.079阳江-1.064阳江-0.588阳江-0.228阳江-0.106 12韶关-1.138韶关-1.141肇庆-0.803肇庆-0.471韶关-0.449 13肇庆-1.196肇庆-1.149汕尾-0.844韶关-0.490肇庆-0.453 14云浮-1.436云浮-1.240韶关-0.850汕尾-0.540梅州-0.460 15梅州-1.441汕尾-1.251揭阳-0.857梅州-0.589河源-0.569 16汕尾-1.482梅州-1.289梅州-0.897河源-0.653汕尾-0.586 17河源-1.626揭阳-1.398云浮-1.025云浮-0.686云浮-0.612 18揭阳-1.663河源-1.410河源-1.055湛江-0.721湛江-0.672 19清远-1.693湛江-1.452湛江-1.115揭阳-0.840揭阳-0.780 20湛江-1.724清远-1.645清远-1.346茂名-0.930茂名-0.945 21茂名-1.912茂名-1.787茂名-1.372清远-1.077清远-0.9904㊀广东省数字经济影响因素分析4.1㊀模型构建本文利用2016 2020年广东省21个地级市的面板数据构建计量模型,分析广东省数字经济发展的影响因素,并检验地区之间的差异㊂首先,对基准面板模型进行设定检验,确定面板固定效应模型的合理性;其次,检验模型的内生性,并对模型进行稳健性检验㊂为了避免数据较大差异带来的影响,对人均地区生产总值进行取对数处理㊂基准计量模型如下:Digital it=β0+β1LnPgdp it+β2Tech-inv it+β3Tech-int it+β4Mark it+β5Urban it+β6Hum it+δi+εit(1)其中,Digital it代表i市在t年的数字经济发展情况;Pgdp it代表i市在t年的经济发展水平; Tech-inv it代表i市在t年的自主创新水平; Tech-int it代表i市在t年的技术引进水平;Mark it 代表i市在t年的市场化水平;Urban it代表i市在t 年的城镇化水平;Hum it代表i市在t年的人力资本水平;δi㊁εit分别是个体效应及随机扰动项㊂4.2㊀变量说明参考现有研究,本文选取自主创新水平(Tech-inv)㊁技术引进水平(Tech-int)㊁人力资本水平(Hum)㊁经济发展水平(Pgdp)㊁城镇化水平(Urban)㊁市场化水平(mark)作为解释变量,分析影响广东省数字经济发展的因素㊂4.2.1㊀被解释变量数字经济发展水平㊂采用全局主成分分析法计算得出的广东省各地市数字经济综合得分作为衡量数字经济发展水平的指标㊂4.2.2㊀解释变量(1)技术进步水平㊂技术进步是数字经济发展的核心,参考傅元海等[11]的研究方法,从自主创新和技术引进两个方面来评估技术进步,并采用每万人拥有的有效发明专利数量衡量地区自主创新水平,采用外资参与度即外资企业总产值占地第7卷科技创新发展战略研究第2期区工业总产值衡量技术引进水平㊂(2)人力资本水平㊂数字经济的发展离不开高素质人才,人力资本的积累影响数字技术的创新能力及数字技术的进步,因此,采用普通本科㊁专科学历及以上人数占地区常住人口数量衡量人力资本水平㊂(3)经济发展水平㊂采用人均GDP衡量地区经济发展程度㊂(4)城镇化水平㊂采用城镇人口数占常住人口数衡量地区城镇化水平㊂(5)市场化水平㊂采用非国有工业总产值占地区工业总产值衡量市场化水平㊂4.3㊀数据说明本文选取2016 2020年广东省21个地级市的面板数据进行分析㊂其中,技术引进及自主创新数据来自2017 2021年的‘广东科技统计年鉴“,市场化程度数据来自2017 2021年的‘广东工业统计年鉴“,其余数据均来自2017 2021年的‘广东省统计年鉴“㊂相关变量描述性统计见表5㊂4.4㊀模型检验尽管面板模型具有控制个体异质性的优势,但由于个体效应的假设不同,因此需要进行假设检验以确定基准回归模型的合理性㊂首先,通过F统计量检验模型为混合模型的原假设,结果显示P值为<0.001,拒绝原假设,表明模型适合固定效应模型㊂其次,通过LM检验混合回归与随机效应,结果同样拒绝原假设,表明随机效应比混合回归更合理㊂最后,通过Hausman检验固定效应与随机效应,结果表明固定效应模型更好(见表6)㊂因此,基准回归模型选择固定效应模型㊂4.5㊀基准回归结果分析根据基准回归结果(见表7),自主创新水平对数字经济发展有显著的正向促进作用,自主创新水平每上升一个单位,数字经济水平上升0.009个单位,原因可能在于数字经济以数字技术为核心,自主创新水平推动数字技术的提升从而促进了数字经济的发展;技术引进对数字经济发展有显著的负向影响,原因可能在于中美摩擦加剧使得广东省各地区对外贸易受阻,对外贸易水平整体下降,尤其是粤东㊁粤西及粤北地区,技术引进受阻㊁成本加剧,导致经济负担加大,不利于数字经济发展;城镇化水平和经济发展水平均对数字经济的发展有显著的正向影响,而市场化程度则对表5㊀变量描述性统计结果变量名称符号样本/个均值标准差最小值最大值数字经济水平Digital105 1.89e-08 1.395-1.912 3.672经济发展水平Pgdp10563943.7737001.7925402.00159883.00技术引进水平Tech-int1050.2930.1500.0310.582自主创新水平Tech-inv10512.16519.6100.46990.761市场化水平Mark1050.8070.1620.3500.965城镇化水平Urban1050.6370.1940.3750.999人力资本水平Hum105 1.382 1.7110.1767.533表6㊀模型设定检验模型选择检验原假设检验统计量P值结论混合回归与固定效应混合效应F(20,78)=15.54F>Prob=0.000固定效应模型混合回归与随机效应混合效应chibar2(01)=25.26Prob>chibar2=0.000随机效应模型随机效应与固定效应随机效应chi2(7)=39.48Prob>chi2=0.000固定效应模型2023年4月陈婷:广东省数字经济发展水平测度及影响因素分析Apr2023表7㊀基准回归结果与稳健性检验变量基准回归(全样本)稳健性检验P-2SLS 系统GMM Tech-inv0.009∗(0.071)0.011(0.206)0.018∗∗∗(0.055)Tech-int-2.552∗∗∗(0.001)-2.418∗∗∗(0.003)-2.473(0.132)Hum-0.222(0.106)-0.213(0.125)0.137(0.395)LnPgdp2.197∗∗∗(<0.001)2.128∗∗∗(<0.001)4.797∗∗∗(<0.001)Mark-0.877∗∗(0.039)-0.939∗∗(0.040)-1.347∗(0.066)Urban7.481∗∗∗(0.001)7.470∗∗∗(0.001)-7.985∗∗(0.040)L.digital 0.163(0.143)_cons -27.130∗∗∗(<0.001)-26.397∗∗∗(<0.001)-46.045∗∗∗(<0.001)过度识别检验P =0.695Partial R2(第一阶段F 统计量)0.535(12.68)可识别检验(P 值)25.525(<0.001)弱IV 检验40.871[19.93]R20.7770.777观测值/个10510584㊀㊀注:1)通过Kleibergen-Paap rk Wald F 进行弱工具变量检验,其中[]中为Stock-Yogo 弱工具变量检验;2)在10%显著水平上的临界值;3)括号内是P 值,∗㊁∗∗㊁∗∗∗分别表示P <0.1㊁P <0.05㊁P <0.01㊂数字经济发展具有显著的负向影响,原因可能在于广东省数字经济发展尚不充分,需要政府调控与支持㊂4.6㊀稳健性检验一方面,自主创新水平有利于数字经济发展,随着数字经济的发展,自主研发水平逐渐提高,进而推动自主创新水平提高,因此,回归模型可能存在双向因果关系,导致估计系数存在偏差㊂另一方面,基于数据限制,上述数字经济的综合测算指标可能存在测量偏差,导致存在内生性问题,因此,将通过面板工具变量法解决模型内生性问题㊂以自主创新为核心解释变量,通过Hausman 检验对模型进行内生性分析,检验结果显示chi 2(7)=76.54,且强烈拒绝所有解释变量均外生的原假设,表明自主创新水平为内生变量㊂选取对外开放程度和财政支出作为工具变量,通过过度识别检验工具变量的有效性,结果显示Score chi 2(1)=0.153(P =0.695),接受原假设,表明对外开放程度和财政支出是外生变量㊂通过Kleibergen-Paap rk Wald 检验进行弱工具变量检验,检验结果显示F 统计量大于Stock-Yogo 在10%显著水平的临界值(19.93),即上述两个工具变量均通过弱工具变量检验㊂最后,通过Kleibergen-Paap rk 检验工具变量可识别性,检验结果显示,LM 统计量P 值均<0.001,在1%显著水平下拒绝原假设,即工具变量满足可识别性㊂根据稳健性检验结果,无论是面板工具变量回归结果还是系统GMM 回归结果,均与固定效应模型分析结果基本一致,佐证了上述研究结论,即区域经济发展水平及城镇化率均显著促进广东省数字经济的发展,对现阶段广东省数字经济的发展具有至关重要的作用㊂4.7㊀区域异质性分析本文进一步将广东省分为珠三角㊁粤东㊁粤北㊁粤西地区进行区域异质性分析,回归结果见表8㊂结果显示,粤东㊁粤西㊁粤北地区数字经济发展主要受地区经济发展水平及城镇化水平的影响;自主创新㊁技术引进㊁人力资本㊁城镇化发展水平均对珠三角地区数字经济发展有显著的正向影响,即技术进步㊁人力资本水平提高㊁城镇化率提高有利于珠三角地区数字经济的发展㊂第7卷科技创新发展战略研究第2期表8㊀区域异质性分析结果变量珠三角粤东粤西粤北Tech-inv0.032∗∗∗(<0.001)-0.190(0.437)-0.035(0.943)-0.160∗∗(0.040)Tech-int 2.255∗∗∗(0.005)-4.453∗(0.064)0.372(0.779)-0.856(0.279)Hum0.175∗∗∗(0.002)1.034(0.316)0.028(0.942)-0.426∗∗(0.037)LnPgdp0.086(0.904)2.947∗(0.083)2.315(0.129)3.025∗∗∗(<0.001)Mark -0.291(0.863)2.010(0.728)-0.885∗(0.084)0.570(0.276)Urban 3.078∗∗∗(0.002)3.718(0.828)7.070(0.254)9.772∗∗∗(0.002)_cons-4.269(0.582)-34.936∗∗(0.035)0.968∗(0.093)-37.165∗∗∗(<0.001)R20.9370.8600.9680.974观测值/个45201525㊀㊀注:1)括号内是P值;2)∗㊁∗∗㊁∗∗∗分别表示P<0.1㊁P< 0.05㊁P<0.01㊂5㊀结论及对策建议5.1㊀结论随着信息技术的不断发展,广东省数字经济水平逐年提升,但广东省各地级市的数字经济发展差异性明显,其中深圳市数字经济发展处于遥遥领先的地位,广州市㊁珠海市㊁东莞市紧随其后,稳步发展;广东省数字经济发展存在明显的地区差异性,其中珠三角数字经济发展水平明显高于其他地区,主要受技术进步及人力资本水平的影响,珠三角以外的其他地区数字经济发展的基础设施不完备㊁技术落后㊁人力资本水平较低,数字经济主要受地区经济发展水平的影响㊂值得注意的是,城镇化水平对广东省数字经济的发展具有显著的正向影响,城镇化率提高有利于数字经济基础设施建设,推动数字经济发展㊂5.2㊀建议5.2.1㊀提高自主创新水平自主创新水平是推动珠三角数字经济快速发展的重要因素,因此应加强珠三角地区自主研发投入,提高技术自主创新水平,为广东省数字经济的发展提供源动力;给予企业技术创新优待,增强企业创新活力和动力;健全科技评估和竞争机制,规范评估体系和流程,为个人创新提供公平公正的环境;增强专利意识和专利归属荣誉感,保护知识产权和个人创新成果产权㊂5.2.2㊀提高人力资本技术水平人力资本是推动技术进步㊁促进数字经济可持续发展的中坚力量,应大力培养数字经济专业人才,为珠三角数字经济发展提供人才储备;加强企业与高校之间的合作,定向培养信息化高技术专业人才,为企业定向输出数字技术专项人才;组织企业员工参加数字技术培训,提高专业技术技能;鼓励和推动人才前往有关发达国家或地区进行数字技术进修,增强技术外溢效应㊂5.2.3㊀强化数字技术基础设施建设相较于珠三角地区,粤东㊁粤西㊁粤北地区的数字经济发展相对落后,而数字经济在一定程度上受到技术基础设施的影响,因此,应积极推动基础设施薄弱的地区完善数字技术基础设施建设,加大地区数字㊁通信公共基础设施投入,为数字经济的发展提供扎实基础㊂5.2.4㊀发挥两极辐射带动效应大力推动深圳㊁广州数字经济发展,将其作为广东省数字经济的增长极,充分发挥其对广东省区域内数字经济的辐射带动作用,通过扩散效应带动其周边区域的技术水平㊁发展模式㊁管理方式等创新发展进步,促进广东省各地区数字经济均衡协调发展㊂参考文献:[1]中国信息通信研究院.中国数字经济发展白皮书[EB/OL].(2021-04-23)[2021-05-20].http /// kxyj/qwfb/bps/202104/P020210424737615413306.pdf.2023年4月陈婷:广东省数字经济发展水平测度及影响因素分析Apr2023[2]姜舸,安同良,陈孝强.新发展格局下的互联网与数字经济研究:第二届互联网与数字经济论坛综述[J].经济研究, 2021,56(4):198-200.[3]TAPSCOTT D.The digital economy:promise and peril in the age of networked intelligence[M].New York:McGraw Hill,1996.[4]刘航,伏霖,李涛,等.基于中国实践的互联网与数字经济研究:首届互联网与数字经济论坛综述[J].经济研究, 2019,54(3):204-208.[5]焦帅涛,孙秋碧.我国数字经济发展测度及其影响因素研究[J].调研世界,2021(7):13-23.[6]柏培文,张云.数字经济㊁人口红利下降与中低技能劳动者权益[J].经济研究,2021,56(5):91-108.[7]荆文君,孙宝文.数字经济促进经济高质量发展:一个理论分析框架[J].经济学家,2019(2):66-73.[8]裴长洪,倪江飞,李越.数字经济的政治经济学分析[J].财贸经济,2018,39(9):5-22.[9]戚聿东,褚席.数字经济发展㊁经济结构转型与跨越中等收入陷阱[J].财经研究,2021,47(7):18-32,168. [10]何大安,许一帆.数字经济运行与供给侧结构重塑[J].经济学家,2020(4):57-67.[11]傅元海,叶祥松,王展祥.制造业结构变迁与经济增长效率提高[J].经济研究,2016,51(8):86-100.第7卷科技创新发展战略研究第2期。

主成分分析法全

• 如果我们将xl 轴和x2轴先平移，再同时按逆时针方向旋转角度，得到新坐标轴Fl和 F2。Fl和F2是两个新变量。
根据旋转变换的公式：
y y1 1 x1xc1soin sx2 xs2cio ns
y y 1 2 cs o in sc si o n s x x 1 2 U x
设有P维正交向量 a1 a11, a21,, ap1
F1 a11X1 L ap1X p aX
1
V
(F1)
a1a1
a1U
2
Ua1
p
1
a1
u1
,
u2
,L,
up
2
O
u1
u2 M
a1
p
up
p
iauiuia i1
p
i (aui )2 i1
1ip1(aui )2
1）贡献率：第i个主成分的方差在全部方差中所占
比重
i
p
i 1
i
，称为贡献率
，反映了原来P个指标多大
的信息，有多大的综合能力。
2）累积贡献率：前k个主成分共有多大的综合能力，用这k个主成分的方差和在全部方差中所占比重
k
p
i i
i1
i1
来描述，称为累积贡献率。
我们进行主成分分析的目的之一是希望用尽可能少的主成分F1，F2，…，Fk（k≤p）代替原来的P个指标。到底应该选择多少个主成分，在实际工作中，主成分个数的多少取决于能够反映原来变量80%以上的信息量为依据，即当累积贡献率≥80%时的主成分的个数就足够了。最常见的情况是主成分为2到3个。
F 1
主成
F2
•• • • •
分分析的几何

主成分分析法及其应用

主成分分析法及其应用一、本文概述主成分分析法（Principal Component Analysis，简称PCA）是一种广泛应用于数据降维和特征提取的统计方法。

它通过正交变换将原始数据集中的多个变量转换为少数几个互不相关的主成分，这些主成分能够最大程度地保留原始数据集中的信息。

本文旨在全面介绍主成分分析法的基本原理、实现步骤以及在各个领域中的应用案例。

我们将详细阐述主成分分析法的数学基础和算法流程，包括协方差矩阵、特征值、特征向量等关键概念的计算方法。

然后，我们将通过实例演示如何使用主成分分析法进行数据降维和特征提取，以及如何通过可视化工具展示降维后的数据效果。

我们将探讨主成分分析法在机器学习、图像处理、生物信息学、社会科学等多个领域中的实际应用，展示其在数据分析和处理中的重要价值和潜力。

二、主成分分析法的基本原理主成分分析法（Principal Component Analysis，简称PCA）是一种在多个变量中找出主要影响因素，并通过降维技术把多个变量转化为少数几个互不相关的综合变量的统计方法。

这种方法在保持数据信息损失最小的原则下，通过正交变换将原始数据转化为一个新的坐标系统，使得在这个新的坐标系统中，任何数据的最大方差都投影在第一主成分上，第二大的方差都投影在第二主成分上，以此类推。

变量降维：在多数情况下，原始数据集中可能存在多个变量，这些变量之间可能存在相关性。

主成分分析通过构造新的变量（即主成分），这些新变量是原始变量的线性组合，并且新变量之间互不相关，从而将原始的高维数据空间降维到低维空间，实现数据的简化。

方差最大化：主成分分析的另一个重要原理是方差最大化。

这意味着，第一个主成分将捕获数据中的最大方差，第二个主成分捕获第二大方差，以此类推。

通过这种方式，主成分分析能够识别出数据中的主要变化方向和模式。

数据解释性：主成分分析生成的主成分是对原始数据的线性变换，因此，每个主成分都可以被解释为原始变量的某种组合。

学术研究的实证研究与主成分分析

学术研究的实证研究与主成分分析学术研究一直都是推动知识进步和科学发展的重要手段。

而实证研究作为一种常见的研究方法，被广泛应用于不同领域的学术研究中。

在实证研究的基础上，主成分分析作为一种常用的数据分析方法，为研究者提供了宝贵的洞察力和决策依据。

本文将介绍学术研究的实证研究方法以及主成分分析，并探讨其在学术研究中的应用。

一、实证研究方法实证研究是一种利用事实数据进行分析和推断的科学研究方法。

它注重从观察和实验中获得数据，并通过统计方法来分析和解释这些数据。

实证研究的目标是发现事实、揭示规律，从而对现象进行解释、预测和控制。

实证研究通常包括以下几个步骤：1. 研究问题的确定：确定需要研究的问题或现象。

该问题应该明确、具体，并可以通过实证研究进行回答。

2. 收集数据：采用适当的方法和工具进行数据的收集。

常见的数据收集方法包括问卷调查、实地观察和实验等。

3. 数据处理与分析：对收集到的数据进行整理、清洗和转换，以便进行后续的统计分析。

这些统计分析方法包括描述性统计、回归分析和主成分分析等。

4. 结果解释与推断：根据数据分析结果进行科学解释和推断。

通过对统计结果的解读和分析，研究者可以对研究问题给出科学的解答，并从中得出结论。

二、主成分分析主成分分析是一种常用的多变量分析方法，其主要目标是通过线性变换将原始的相关变量转化为一组无关的主成分。

这些主成分能够尽可能地保留原始数据中的信息，并能够解释数据中的方差。

主成分分析过程主要包括以下几个步骤：1. 数据标准化：将原始数据进行标准化处理，以消除变量之间的量纲差异。

2. 计算协方差矩阵：通过对标准化后的数据计算协方差矩阵，来研究变量之间的相关性。

3. 计算特征值和特征向量：通过对协方差矩阵进行特征值分解，计算出特征值和对应的特征向量。

4. 选择主成分：根据特征值的大小选择前几个特征值对应的特征向量作为主成分。

5. 主成分旋转（可选）：为了解释性更强和更易理解，可以对主成分进行变换，使其更具解释性。

基于主成分分析的我国城乡收入差距研究

＝一
００Ｘｌ．３２十Ｏ．８｛一０．８８０４一００１Ｘ０９Ｘ２Ｘ￣一Ｏ．０６０Ｘ＋Ｏ４７Ｌ＂￣
一０１８￣＋Ｏ．６６￣９Ｘ０Ｘ。÷Ｏ．５ｉ１５十０．６Ｘ７９
一
０ｉ９．５
主成分分析是研究如何通过原来变量的少数几个线性组合来解释原始变量绝大多数信息的一种多元统计方法。其原理是设法将原来众多具有一定相关性的指标，重新组成一组新的相互无关的综合指标来代替原来的指标。综合指标保留了原始变量的主要信息，同时彼此之间没有相关性，易除对经济过程影响微弱的部０分，比原始变量具有更优越的性质，从而达到对原始变量进行经济分析的目的。为了消除由于量纲的不同可能带来的一些不合理的影响，在进行主成分分析之前一般先对数据进行标准化处理。本文通过运用主成分分析法对影响居民收入差距的众多因素进行降维处理，以揭示其中重要影响因素。１２城乡收入差距影响因素选择及数据来源．经济生活中影响城乡收入差距的因素很多，如政策、消费、教育等方面，本文以城镇居民可支配收入与农村人均纯收入的比值来衡量城乡收入差距（），选取教育支出占财政支出比重Ｙ（１、第一产业比重（２）、第二产业比重（３、非农人口ｘ）ｘｘ）比重（４、农业支出占财政收入比重（５、金融机构规模ｘ）ｘ）（６、农村金融发展规模（７ｘ）ｘ）、农村就业人员比重（８、ｘ）商品零售价格指数（９）、人均耕地亩数（１ｘｘ０）、外贸开放度（ｌ）、人均ＧＰ长率（１）共１项指标作为居民收入差距ｘ１Ｄ增ｘ２２的影响因素，其中金融机构规模指标用多数学者采纳的金融机构总贷款额与国内生产总值的比值来衡量，农村金融发展规模表示为农业存款与农业贷款的和占金融机构总贷款的比重，数据来自１７— ００９９２１中国统计年鉴及ＣＥ中国经济金融数据库，个别年份数ＣＲ据缺失根据历年数据变化趋势经数学处理得到。１３实证分析．本文实证分析过程采用ＳＳｌ．进行计算，首先将影响因素ＰＳ６０进行标准化处理，然后进行主成分分析，结果见下表。

因子分析案例

因子分析案例---城市第三产业发展水平综合评价（一）案例教学目的因子分析是一种数据简化的技术。

它通过研究众多变量之间的内部依赖关系，探求观测数据中的基本结构，并用少数几个假想变量来表示其基本的数据结构。

这几个假想变量能够反映原来众多变量的主要信息。

原始的变量是可观测的显在变量，而假想变量是不可观测的潜在变量，称为因子。

本案例运用因子分析方法从反映城市第三产业发展水平的20个指标（变量）中抽出5个因子变量对44个城市的第三产业发展水平进行综合评价，分别计算出其因子得分和总得分，揭示出城市第三产业发展的发展状况。

通过本案例的教学，力图使学生加深对因子分析的统计思想和实际意义的理解，明确因子分析方法的适用环境，掌握因子分析软件实现操作方法，提高学生思考、分析和解决实际问题的能力。

（二）案例研究背景近年来，我国城市化进程不断发展，第三产业对经济增长的贡献也不断增大。

城市的第三产业发展状况是城市发展的一个重要方面，也是整个国民经济第三产业的一个重要部分。

对主要城市的第三产业发展状况进行比较和综合评价，可以了解城市第三产业发展状况，为制订相关的产业发展政策，促进地区经济发展提供依据。

（三）案例研究过程1、建立综合评价指标体系城市第三产业发展表现在多个方面，下面选取20项评价指标，具体如下：x1: 人口数x2: GDPx3: 第三产业增加值x4: 货运总量x5: 批、零、商品销售总额x6: 外贸收购总额x7: 年末银行贷款余额x8: 社会零售物价指数x9: 实际利用外资x10: 万名职工拥有科技人员数x11: 旅游外汇收入x12: 第三产业的就业比例x13: 邮电业务总量x14: 职工人均工资x15: 人均居住面积x16: 用水普及率x17: 煤气普及率x18: 人均道路面积x19: 人均公用绿地面积 x20: 政策体制2、数据资料以上20个指标的原始数据取自《城市统计年鉴1993-1994》。

3、因子分析将20个原始指标表示为少数m 个因子与特殊因子的线性组合，因子分析模型为：1111122112211222222020,1120,2220,20m m m m m m X l F l F l F X l F l F l F X l F l F l F εεε=+++⎧⎪=+++⎪⎨⎪⎪=+++⎩ （1） ()1,,m F F F '=称为公共因子，是不可观测向量； ()120,,εεε'=称为特殊因子；()20ij mL l ⨯=称为因子载荷（矩阵），称为第i 个变量在第j 个因子上的载荷。

广东省经济可持续发展的统计测度——基于主成分分析法

区域经济可持续发展是一个动态发展的复杂系统，【收稿日期】２０１３ — １２ — ２０
区域经济可持续发展不是单纯追求经济增长的单一系统，而是涉及经济、社会以及资源环境等多个方面协调发展的复杂系统。显然，对一个地区经济可持续发展进行评价分析时，单一指标的评价方法不可取，建立综合评价体系是比较科学的做法。就目前对经济可持续发展的研究成果来看，权重的确定方法主要有两种：一种是主观赋
区域经济可持续发展的综合评价指标体系。
表１广东省经济可持续发展综合评价指标体系
一
级指标（目标层）
二级指标
置级指标
ｘ．：人均ＧＤＰ（元）
地域空间范围内的现有资源约束下，实现区域资源的可持续利用和生态环境良性循环下经济的持续、健康发展。
广东省经济可持续发展的统计测度
基于主成分分析法
贺建风，曹瑞萍，郭少婷，刘丽君，王曼莲
（１．华南理工大学经济与贸易学院，广东
计算科学学院，广东
广州
５１０００６；
２．仲恺农业工程学院【摘
广州５１０２２５）
第２０１４年第１期（总第４３８期）
商业经济
ＳＨＡＮＧＹＥＪＩＮＧＪＩ
Ｎｏ．１。２０１４Ｉｂｔａ１Ｎｏ．４３８
【文章编号】１００９ — ６０４３（２０１４）０１ — ００３０ — ０３

利用主成会合析法分析我国35个中心城市的综合发展水平

所以选取Ｙ为第一主成分，２】Ｙ为第二主成分，而且这两个主成分之方差和占全部总方差的鹞．４％．５８即基本上保留了原来指标Ｘ。２ …，ｌ１ｘ，ＸＯ的信息，样由原来这的１０个指标转化为两个新指标。起到了降维的作用。前两个主成分ｙ．２的线性组合为：１ｙ
．
一
、
客观准确地描速砸区社会经济现状是制定新的发展战略∞肇础和前提。因此．分析评
价３个中心城市的综合发展水平．论对城市自身的发展．５无还是对周边地区的进步．都
有十分重要的意义。二、主成分分析法１主成分分析法简介。主成分分析法（．．
其中：１ｘ代表年底总人口，２ｘ代表国内生产总值，３ｘ代表工业总产值，４）代表客运ｃ总量．５ｘ代表货运总量。６】代表地方财政预算内收入．７ｃｘ代表固定资产投资总额．代表城乡居民年底储蓄额．９代表在岗工人数。１）ｃｘｎ代表在岗职工工资总额。
：一ｌｌ１一ｋ一１
性即可加性。
（）３客观性（科学的确定权重）。在层次分析法计算得过程中．其权重是通过专家打分来确定权重的．也就是说在确定权重的问题上具有了人为色彩。而在主成分分析法的计算过程中，在确定综合因子的权重时，克服了某些评价方法中人为确定权重的缺陷。使得综合评价结果唯一。（）４简单性（计算简介．方便）。随着电子计算机技术的发展．ＰＳＳＳ等计算机ＳＳ．Ａ软件的推与使用．使得主成分分析法在综合评价实践中的广泛应用成为现实三、主成分分析法在３个中，城市发展水平分析中的应用５在城市综合发展水平评价中，及的指标往往很多。为了简化系统结构．涉抓住综合发展水平的主要问题．我们可由原始数据矩阵出发求主成分。在评价全围３个中心城５市的综合发展水平中，涉及到１Ｏ项指标．原始数据见下表．即样品效ｎ３，＝５变量效ｐ＝

主成分分析法评价我国各地区循环经济发展水平

主成分分析法评价我国各地区循环经济发展水平摘要循环经济是基于系统生态原理和市场经济规律组织起来的，具有高效的资源代谢过程、完整的系统耦合结构及整体、协同、循环、自生功能的网络型、进化型复合生态经济。

我国地域辽阔，各地区在自然条件、资源禀赋、经济发展水平上存在着较大的差异，因而各地区循环经济发展水平存在较大的差异性，各地区发展循环经济的对策也应有所区别。

为全面评价分析我国2011-2012年各地区循环经济发展水平，根据我国地理位置和区域经济发展状况，在东部、中部和西部各选取3个省份作为评价对象，同时为了与全国平均水平比较也将全国平均作为一个评价对象。

使用主成分分析法对各地区循环经济发展情况进行分类与评价。

结果表明：甘肃省循环经济水平最差。

上海市循环经济水平最高。

上海、北京、广东、重庆、安徽五省市的循环经济水平位于全国前列，超过了全国的平均水平。

而山西、湖北、内蒙古、甘肃四省循环经济水平较差，低于全国平均水平。

关键词：主成分分析，循环经济，评价1.引言循环经济是基于系统生态原理和市场经济规律组织起来的，具有高效的资源代谢过程、完整的系统耦合结构及整体、协同、循环、自生功能的网络型、进化型复合生态经济。

作为一种新的经济发展模式，其推行和应用受到政策、经济实力、科技发展水平等方面的制约。

为全面评价分析我国2011-2012年各地区循环经济发展水平，根据我国地理位置和区域经济发展状况，在东部、中部和西部各选取3个省份作为评价对象，如表1。

同时为了与全国平均水平比较也将全国平均作为一个评价对象。

使用主成分分析法对各地区循环经济发展情况进行分类与评价。

表1 原始数据省份单位GDP能耗（吨标煤/万元）万元GDP用水量（m3/万元）单位面积土地GDP产出（万元/km2）三废综合利用产品产值占工业产值比例%环境污染治理投资占GDP比例（%）北京 1.29 80.78 2610.02 0.37 1.53 上海 1.07 158.52 9042.69 0.22 0.94 广东0.96 289.79 892.29 0.38 0.70 山西 4.23 183.74 194.14 0.83 1.48 安徽 1.47 435.72 343.45 0.67 0.86湖北 1.42 384.63 339.45 1.45 0.71重庆 1.32 253.25 323.98 0.54 1.81内蒙古 2.43 632.36 23.68 0.61 1.63甘肃 2.70 781.31 38.58 0.76 1.06全国平均1.43 405.32 143.98 0.64 1.402.数据标准化由于影响各城市循环发展的各指标的浓度不同，需要将数据进行标准化。

广州市经济发展实力分析

广州市经济发展实力分析广州市是广东省的省会，也是广东省经济、文化、政治的中心，将主成分分析法应用于分析广州市综合实力。

从几个方面在简要介绍广州市经济发展状况，并在之后运用主成分分析法，将广州市在全国20个城市各方面的数据比较，进行定位。

标签：主成分分析;广州市;发展实力1 概述1.1 城市简介广州市是广东省的省会，也是广东省经济、文化、政治的中心，广州作为京广、广深、广茂和广梅汕铁路的交汇点和华南民用航空交通中心，与全国各地的联系非常密切。

因此，广州有中国“南大门”之称。

在这样一个交通、经济的中心城市，作为连通外界的枢纽，广州市的经济飞速发展。

尤其是改革开放以来，广州市的经济建设取得了瞩目共度的成就，工农业、对外经贸等方面的发展都在处于全国领先地位。

1.2 工业广州市在“珠江三角洲”，是全国重要的工业基地，随着国民经济的持续稳定发展，在已经有多年发展基础的广州市工业在其加快企业技术革新的脚步中有了更快的发展，珠江三角洲聚集了重要的科技人才以及资源，是高新科技的发展中心，正是在科技进步的带领下，工业企业技术革新的同时促进了工业的发展。

1.3 农业现在所谓的农业是指“农林牧渔业”的总称。

商品经济迅速发展的同时，农业稳步前进，农、林、牧、渔也均在不同程度上有所增长。

广州市的乡镇企业也发展迅速，为农村经济的发展提供了重要渠道，在过去几年中，广州市农业已经向城市化农业转化。

1.4 对外贸易随着对外贸易的比重逐渐增强，其核心作用已然凸显出来，广州市交通发达、行业覆盖全面、信息化程度高、商业分布较广，其作为中国最早的对外通商贸易口岸，在多年发展的过程中，在我国乃至世界上都有非常重要的地位。

对外开放逐步深化，于是跨国企业经营水平也不断提高，企业走出去获得重大的突破。

商品结构优化的同时，对外经贸前景无限。

1.5 社会投资投资来源广泛，产业结构优化，经营者素质逐步提高。

文化体制改革进展顺利，文化产业蓬勃发展，涌现了一批具有地方特色的文化品牌，对外文化交流频繁。

计量地理试题答案

一、选择题1.地理问题研究的核心环节是A 地理数据采集B 地理数据教学方法C 地理数据描述D 地理数据的处理答案：D 参考课本P26页2.在单峰负偏态的分布上,下列叙述正确的是A 算数平均数=中位数=众数B 算数平均数<中位数<众数C 算数平均数> 众数>中位数D 算数平均数>中位数>众数答案：B 参考课本P33页3.下列哪个数据不是属性数据A 人口数量B 村庄河流的分布C 国内生产总值D 土地面积答案：B 参考课本P20页4.偏相关系数的性质有①偏相关系数分布的范围在-1到1之间；②__________；③偏相关系数的绝对值必小于或最多等于由同一系列资料所求得的复相关系数;A.偏相关系数的绝对值越大,表示其偏相关程度越大B.偏相关系数的绝对值越大,表示其偏相关程度越小C.偏相关系数的绝对值越小,表示其偏相关程度越大D.偏相关系数的绝对值越小,表示其偏相关程度越小答案：A 参考课本P57页5. 时间序列的组合成分包括长期趋势T 、__________循环变动C 和不规则变动I ; A季节变动 B.灰色模型C马尔科夫 D.乘法模型答案：A参考课本P72-P73页6. 主成分分析是在的基础上进行的;A.回归分析B.时间序列分析C.相关分析D.系统聚类分析答案：C参考课本P95页7．在地理学中,主要对于“状态”的预测方法是 A.主成分分析法 B.马尔可夫预测法 C.灰色模型分析法 D.趋势面分析发答案：B 参考课本P108页8．建立在变异函数理论及结构分析基础之上的空间插值法是A．RBF神经网络方法B．克里格插值法C．反距离权重倒数插值法D．三次样条函数插值法答案：B 参考课本P141页9. 下面哪一个不是AHP决策的基本步骤A．明确问题B．建立层次结构模型C．分层计算特征值D．层次总排序答案：C参考课本227—230页10. 下列属于图G=V,E所必须包含的基本要素的是A．边集 B. 子图 C. 关联边 D. 基础图答案：A 参考课本P57页11.下列不属于一个网络图的基础指标的是A．连线数目B．结点数目C．网络中亚图数目D．回路数答案：D 参考课本P281页12.下列哪个数据不是属性数据A 人口数量B 村庄河流的分布C 国内生产总值D 土地面积答案：B 参考课本P20页二、填空题1.锡尔系数,就说明分配差异越大;反之,锡尔系数,说明收入分配越均衡;答案：越大、越小参考课本P43页2.地理数据的统计处理内容包括哪两个方面：;答案：一是进行统计整理；二是计算有关统计指标和参数; 参考课本P27页3. 标准正态分布的峰度系数；,表示地理数据分布的集中程度高于正态分布；表示地理数据分布的集中程度低于正态分布答案：g1>0、g1<0, 参考课本P33页4. 地理现象的分布格局,常常用地理数据分布的_________与______来描述;答案：集中化程度、均衡度参考课本P355. 回归分析方法,就是研究要素之间_________的一种强有力的工具,运用这种方法能够建立反映地理要素之间具体数量关系的数学模型,即_________;答案：具体数量关系、回归模型参考课本P596.趋势面分析是利用数学曲面模拟地理系统要素在＿及变化趋势的一种数学方法; 答案：空间上的分布参考书课本本P1007.常见的聚类分析方法有、模糊聚类法、动态聚类法等;答案：系统聚类法参考课本P828.空间局部自相关分析方法包括三种分析方法：、、;答案：LISA、G统计、Moran散点图参考课本P123页9变异函数四个非常重要的函数：、、、;答案：基台值、变程空间依赖范围、块金值区域不连续性值、分维数参考课本P137 10. 最短路径的三方面含义：、、;答案：纯距离意义上的最短距离、经济距离上的最短距离、时间意义上的最短距离; 参考课本P283页11. 中心选址问题的质量判断依据：;答案：使最佳位置所在的顶点的最大服务距离最小; 参考课本P286页12.地理系统本身的从本质上决定着地理数据的不确定性;答案：复杂性参考课本P23名词解释1.地理数据：用一定的测度方式描述和衡量地理对象的有关量化标志2.有序数据：当测度标准不是连续的量,而是指表示其顺序关系的数据,则称为有序尺度或等级尺度数据;3.洛伦兹曲线：使用累计频率曲线研究工业化集中化程度的曲线被称之为罗伦次曲线;4. 秩相关系数：又称等级相关系数,或顺序相关系数,是将两要素的样本值按数据的大小顺序排列位次,以各要素样本值的位次代替实际数据而求得的一种统计量;5. 马尔可夫过程：在事件的发展过程中,若每次状态的转移都只仅与前一时刻的的状态有关,而与过去的状态无关,或者说状态转移过程是无后效性的,则这样的状态转移过程就称为马尔可夫过程;6.聚类分析：亦称群分析或点群分析,它是研究多要素事物分类问题的数量方法; 7．AHP决策分析法：是一种将决策者对复杂问题的决策思维过程模型化、数量化的过程;8. 地统计学：以区域化变量理论为基础,以变异函数为主要工具,研究那些在空间分布上既有随机性又有结构性或空间相关和依赖性的自然现象的科学;9. 最小支撑图：在一个图的所有支撑图中权重之和最小的那个叫做该图的最小支图;10. 基础图：从一个有向图D中去掉所有边上的箭头所得到的无向图;问答题1. 为什么进行主成分分析它的几何意义和数学意义是什么答案：变量太多,增加分析问题的难度与复杂性一些变量之间是具有一定的相关性从几何意义看,找主成分的问题,就是找出p维空间中椭球体的主轴问题；从数学上看,主成分是初始变量的相关矩阵中m个较大特征值所对应的特征向量;2.回归分析研究的范式老师补充的内容答案： 1. 确定研究目标与变量2．进行相关分析因变量与自变量,自变量间3．制作散点图判断线性或非线性4．计算回归常数与回归系数5．回归模型的检验6．建立回归方程与模型解释3. 简述主成分分析的计算步骤;1计算相关系数矩阵2计算特征值与特征向量3计算主成分贡献率及累计贡献率4计算主成分载荷;答案：优点：思路简单明了,它将决策者的思维过程条理化、数量化,便于计算,容易被人们所接受,所需要的定量化数据较少,对问题的本质,问题所涉及的因素及其内在联系分析的比较透彻、清楚; 缺点：过于粗略,存在较大的随意性,带有较强的主观性;5.地理学中的经典统计分析方法有哪些答案：相关分析,回归分析,时间序列分析,系统聚类分析,主成分分析,趋势面分析方法,马尔科夫预测方法;6. 对计量地理学的评价1世界上的任何事物都可以用数值来度量;2在现代地理学中,传统方法是数学方法的基础,数学方法是传统方法的重要补充;3数学方法是人们进行数学运算和求解的工具,能以严密的逻辑和简洁的形式描述复杂的问题、表述丰富的实质性思想;4地理学研究中,数学方法有其局限性; 5现代地理学中数学方法的形成和发展与计算机应用技术密切相关;计量地理学期末考试样卷一单项选择题本题共10小题1、近代主要由美国地理学家发起的计量运动中,主要形成了三种学派,下列选项中哪一个不是A 依阿华的经济派B 威斯康星的统计派C 普林斯顿的社会物理派D 由赫特纳首倡的区域学派答案：D2、计量地理学发展的四个阶段中,不包括下列选项中的哪一个A 20世纪40年代末到50年代末B 20世纪50年代末到60年代末C 20世纪60年代末到70年代末D 20世纪70年代末到80年代末答案：A 参照教材第一章第5—6页3、空间数据主要用于描述地理实体、地理要素、地理现象、地理事件及地理过程产生、存在和发展的地理位置、区域范围和;A. 区域联系B. 地理范围C. 地理属性D. 空间联系答案：D 参照教材第二章第19页4、下列地理数据哪一组分别属于空间数据和属性数据A.有台基值模型B.无台基值模型C.抛物线模型D.孔穴效应模型答案：C 参照教材第四章第138页二填空题1、空间相互作用分析,主要是定量地分析各种“地理流”在不同区域之间流动的________; 答案：方向和强度参照教材第一章第4节第13页2、相互关系分析这类研究主要是对_________、________之间的相互关系进行定量分析; 答案：地理要素、地理事物参照教材第一章第4节第12页3、根据测度标准,可以将数量标志数据划分为＿＿＿＿＿和比例尺度数据;答案：间隔尺度数据参照教材第20页4、地理数据的基本特征有数量化、形式化、逻辑化＿＿、＿＿、;答案：不确定性、多种时空尺度、多维性参照课本24页5、地理现象的分布格局,常常用地理数据分布的和来描述;答案：集中化程度；均衡度参照教材第35页第一段6、地理要素之间相互关系密切程度的测定,主要是通过来完成的;答案：对相关系数的计算和检验参照教材第47页第三段7、＿＿＿是事物之间差异性的度量,差异性越大,则相似性越小;答案：距离参照课本第84页第一段8、在事件的发展过程中,若每次状态的转移都只仅与前一时刻的装态,而与过去的发展的状态;这样的状态转移过程就叫马尔可夫过程;答案：有关；无关参照教材第108页第五段9、为揭示现象之间的空间关系,首先需要定义空间对象的;答案：相互邻接关系参照教材第120页最后一段10、局部空间自相关分析方法包括三种分析方法、、;答案：LISA；G统计；Moran散点图参照课本第123页第三段三、名词解释1、现代地理学：______________________________________答案：是一门研究地理环境及其与人类活动之间相互关系的综合性、交叉性学科; 参照教材第一章第4节第12页2、地理学：__________________________________________答案：研究地球表面的地理环境中各种自然现象和人文现象,以及它们之间相互关系的学科; 参照计量地理学全PPT的第4张幻灯片第一章第1节3、属性数据：＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿答案：用于描述地理实体、地理要素、地理现象、地理事件、地理过程的有关属性特征; 参照课本第20页4、二元数据：＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿答案：用0、1两个数据表示地理事物、地理现象或地理事件的是非判断问题; 参照课本第21页5、集中化指数：＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿答案：是一个描述地理数据分布的集中化程度的指数参照课本第36页第一段回归模型：＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿答案：运用回归分析方法建立的能反映地理要素之间具体数量关系的数学模型参照课本第59页第三段状态转移概率：＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿答案：在事件的发展变化过程中,从一种状态出发,下一时刻转移到其他状态的可能性,称为状态转移概率;参照教材第108页第六段8、主成分分析：＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿答案：主成分分析是把原来多个变量划为少数几个综合指标的一种统计分析方法,从数学角度来看,这是一种降维处理技术; 参照课本第95页第三段9、地理学第一定律：＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿答案：在地理空间中邻近的现象比距离远的的现象更相似参照教材第120页第一段10,区域化变量：＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿答案：当一个变量呈现为空间分布时,就称之为区域化变量参照教材第132页第五段四、问答题1、问：计量地理学发展的四个阶段的时间各阶段的特征第一阶段：20世纪50年代末—60年代末特征：统计学方法的应用第二阶段：20世纪60年代末—70年代末特征：多元统计分析方法和电子计算机技术在地理学研究中的广泛应用第三阶段：20世纪70年代末—80年代末特征：运筹学、投入产出分析方法、GIS 等第四阶段：20世纪90年代初至今由传统计量地理学开始向现代计算地理学发展特征：GPS、RS、GIS技术、神经网络、遗传算法模型、细胞自动模型、模糊逻辑模型、改进了的地理加权回归等高性能计算所依赖的计算方法与理论模型;2、写出对地理数据进行统计处理时常用到的统计指标与参数;并解释偏度系数和峰度系数的含义;描述地理数据一般水平的指标：平均值、中位数、众数;描述地理数据分布的离散程度的指标：极差、离差、离差平方和、方差与标准差、变异系数;描述地理数据分布特征的参数：偏度系数、峰度系数;偏度系数测度了地理数据分布的不对称情况,刻画了以平均值为中心的偏向情况;峰度系数测度了地理数据在均值附近的集中程度; 参照教材第29—33页3、简述回归分析法的一般步骤;答案：1确定研究目标与变量2进行相关分析因变量与自变量、自变量之间3制作散点图判断线性与非线性4计算回归常数与回归系数5回归模型的检验6建立回归方程模型解释参照计量学地理PPT第176页4、简述主成分分析法的计算步骤答案：⑴计算相关系数矩阵⑵计算特征值和特征向量⑶计算主成分贡献率及累计贡献率⑷计算主成分载荷参照教材第96—97页5、简述AHP决策分析方法的基本过程并举例说明答案：⑴明确问题⑵建立层次结构模型⑶构造判断矩阵⑷层次单排序⑸层次总排计量地理学期末试卷A参考答案2013——2014学年第一学期1.填空题本题20分1．一般而言,地理数据具有以下几个方面的基本特征：数量化、形式化、逻辑化,不确定性,多种时空尺度, 多维性;2.描述地理数据一般水平的指标有平均值、中位数、众数；描述地理数据分布的离散程度的指标有极差、离差、离差平方和、方差与标准差、变异系数；描述地理数据分布特征的参数有标准偏度系数、标准峰度系数;3.什么是秩相关系数：是将两要素的样本值按数据的大小顺序排列位次,以各要素样本值的位次代替实际数据而求得的一种统计量4.多元线性回归模型中常数b0及偏回归系数bi的求解公式请用矩阵形式表达b=5. 线性规划问题的可行解：在线性规划问题中,满足约束条件的一组变量x=x1,x2,…,xnT 为可行解1分,最优解：使目标函数取最大或最小值的可行解称为最优解;1分6.在目标规划模型中,除了决策变量外,还需引入正、负偏差变量,其中,正偏差变量表示决策值超过目标值的部分,负偏差变量表示决策值未达到目标值的部分每空0.5分7.网络图中的三个基础指标为连线边或弧数目m,节点顶点数目n,网络中互不连接的亚图数目p,由它们产生的更为一般性的测度指标为β指数=m/n,回路数k=m-n+p,α指数=m-n+p/2n-5p,γ指数=m/{3n-2p}每空0.5分8.主成分分析的计算步骤：①计算相关系数矩阵,②计算特征值与特征向量,③计算主成分贡献率及累计贡献率,④计算主成分载荷;每空0.5分9.多元线性回归模型的显著性检验中,回归平方和U的自由度为自变量的个数k ,剩余平方和的自由度为n-k-1,n为样本个数每空0.5分2.聚类分析20分①聚类第一步,在9×9阶距离矩阵中,非对角元素中最小者是d94=0.04,故首先将第4区与第9②地理解释3.树型决策法20分1画出决策树10分4.地统计方法20分1结合自己的专业特点,简述该方法应用于地理学、生态学、环境科学等学科研究之中,解决具体的问题;52变异函数的四个基本参数分别是,基台值、变程或空间依耐范围、块金值或区域不连续值、分维数;地统计学的理论模型分为三大类：①有基台值的模型,包括球状模型、指数模型、高斯模型、线性有基台值模型和纯块金效应模型；②无基台值模型,包括幂函数模型、线性无基台值模型、抛物线模型；③孔穴效应模型;该模型是球状模型的一般形式;5分3下面模型1为球状模型;球状模型的四个参数分别为：块金值是0C,一般为常数；基台值为CC0；变程为；其中C为拱高;当c0=0,c=1时,称为标准球状模型;球状模型是地统计分析中应用最广泛的理论模型,许多区域化变量的理论模型都可以用该模型去拟合;10分5.随机型决策分析20分随机型决策问题指决策者所面临的各种自然状态将是随机出现的; 随机型决策问题,必须具备以下几个条件：①存在着决策者希望达到的明确目标；②存在着不依决策者的主观意志为转移的两个以上的自然状态；E4>E5 7③存在着两个以上的可供选择的行动方案；④不同行动方案在不同自然状态下的益损值可以计算出来; 3分随机型决策问题可进一步分为风险型决策问题和非确定型决策问题;1风险型决策问题：每一种自然状态发生的概率是已知的或者可以预先估计的;2非确定型决策问题：各种自然状态发生的概率也是未知的和无法预先估计的;解决风险型决策问题的方法有：1最大可能法——将大概率事件看成必然事件,小概率事件看成不可能事件的假设条件下,通过比较各行动方案在那个最大概率的自然状态下的益损值进行决策;2期望值决策法——计算各方案的期望益损值,并以它为依据,选择平均收益最大或者平均损失最小的方案作为最佳决策方案;3树型决策法——树型决策法的决策依据是各个方案的期望益损值;计算过程一般从每一个树梢开始,经树枝、树杆、逐渐向树根进行;决策的原则一般是选择期望收益值最大或期望损失成本或代价值最小的方案作为最佳决策方案;4灵敏度分析法——由于状态概率的预测会受到许多不可控因素的影响,因而基于状态概率预测结果的期望益损值也不可能同实际完全一致,会产生一定的误差;对可能产生的数据变动是否会影响最佳决策方案的选择进行分析,这就是灵敏度分析;5效用分析法——考虑决策者个人的主观因素对决策过程产生影响,即决策者的主观价值概念效用值,并将其应用于决策过程的方法;解决非确定型决策问题的方法有：乐观法——其决策原则是“大中取大”; 悲观法——其决策原则是“小中取大”; 折衷法——特点是,既不乐观,也不悲观,而是通过一个系数10,表示决策者对客观条件估计的乐观程度;等可能性法——以各状态发生的概率相等为假设的期望值决策分析方法;后悔值法——后悔值,是后悔值法决策的主要依据;所谓后悔值,是指某状态下的最大效益值与各方案的效益值之差;后悔值法,也称最小最大后增值法;计量地理学期末试卷B参考答案2013——2014学年第一学期1.填空题本题20分1地理网络中,关联矩阵是对网络图中顶点与边的关联关系的一种描述；邻接矩阵是对图中各顶点之间的连通性程度的一种描述;2请写出线形规划问题：Min Z=2X1+3X2+4X3 满足X1+2X2+X3≥32X1-X2+3X3≥4X1,X2,X3≥0 的对偶问题3变异函数有四个非常重要的参数,分别为：基台值,变程或称空间依赖范围,块金值或称区域不连续性值, 分维数;每空0.5分4克里格方法是建立在变异函数理论及结构分析基础上的,它是在有限区域内对区域化变量的取值进行无偏最优估计估计的一种方法;每空0.5分5全局空间自相关的度量指标有Moran指数, Geary系数；局部空间自相关分析方法包括：LISA空间联系的局部指标,G统计量, Moran散点图. 每空0.5分7将非线性关系y=debx,转化为线性形式： 2.5分8描述地理数据一般水平的指标有平均值、中位数、众数；描述地理数据分布的离散程度的指标有极差、离差、离差平方和、方差与标准差、变异系数；描述地理数据分布特征的参数有标准偏度系数、标准峰度系数;每空0.5分9主成分分析的计算步骤：①计算相关系数矩阵,②计算特征值与特征向量,③计算主成分贡献率及累计贡献率,④计算主成分载荷;每空0.5分2. 最短路径计算：3. 回归模型4.线性规划方法20分5.随机型决策分析20分随机型决策问题指决策者所面临的各种自然状态将是随机出现的; 随机型决策问题,必须具备以下几个条件：②存在着决策者希望达到的明确目标；②存在着不依决策者的主观意志为转移的两个以上的自然状态；③存在着两个以上的可供选择的行动方案；④不同行动方案在不同自然状态下的益损值可以计算出来;随机型决策问题可进一步分为风险型决策问题和非确定型决策问题;1）风险型决策问题：每一种自然状态发生的概率是已知的或者可以预先估计的;2）非确定型决策问题：各种自然状态发生的概率也是未知的和无法预先估计的;解决风险型决策问题的方法有：1最大可能法——将大概率事件看成必然事件,小概率事件看成不可能事件的假设条件下,通过比较各行动方案在那个最大概率的自然状态下的益损值进行决策;2期望值决策法——计算各方案的期望益损值,并以它为依据,选择平均收益最大或者平均损失最小的方案作为最佳决策方案; 3树型决策法——树型决策法的决策依据是各个方案的期望益损值;计算过程一般从每一个树梢开始,经树枝、树杆、逐渐向树根进行;决策的原则一般是选择期望收益值最大或期望损失成本或代价值最小的方案作为最佳决策方案; 4灵敏度分析法——由于状态概率的预测会受到许多不可控因素的影响,因而基于状态概率预测结果的期望益损值也不可能同实际完全一致,会产生一定的误差;对可能产生的数据变动是否会影响最佳决策方案的选择进行分析,这就是灵敏度分析; 5效用分析法——考虑决策者个人的主观因素对决策过程产生影响,即决策者的主观价值概念效用值,并将其应用于决策过程的方法;解决非确定型决策问题的方法有：乐观法——其决策原则是“大中取大”; 悲观法——其决策原则是“小中取大”; 折衷法——特点是,既不乐观,也不悲观,而是通过一个系数10,表示决策者对客观条件估计的乐观程度;等可能性法——以各状态发生的概率相等为假设的期望值决策分析方法;后悔值法——后悔值,是后悔值法决策的主要依据;所谓后悔值,是指某状态下的最大效益值与各方案的效益值之差;后悔值法,也称最小最大后增值法;。

基于主成分聚类分析的区域经济发展水平测度及分区研究

人均地区生产总值第一产业增加值第二产业增加值第三产业增加值地区生产总值增长率人均财政收入
单位 Unit
万元万元万元万元 % 万元
指标含义 Indicators meaning
地区的综合经济实力地区农林牧渔业发展水平地区工业化水平地区服务业和城镇化水平地区经济增长速度经济实力与公益设施建设能力
6.60
8.20 13.10 16.60
0.86
1.53 2.05 1.08
1.62
2.04 1.68 0.42
2.87
3.68 4.50 1.47
16427
14515 18251 12806
0.29
0.54 0.75 0.19
26.60
26.90 26.30 18.30
12.15
8.81 3.09 2.42
调整后的检验结果
KMO值为0.670，巴特利球形度检验的P值为 0.000，说明该指标体系适用于主成分分析法。
引言
方法与指标
主成分聚类分析
结论与建议
正文 2
第 17 页
3
指标的调整
表2 修正后的区域经济发展指标体系指标代码 Indicators code
X1 X2
类别 Category
经济水平
指标名称 Indicators
3
主成分聚类分析法
将主成分分析与聚类分析相结合的一种新的综合评价方法，即先做主成分分析，再取若干主成分对样本进行聚类分析，结合综合得分排序得到关于样本的科学而合理的分类排名。
引言
方法与指标
主成分聚类分析
结论与建议
正文 2
第 11 页
4
主成分分析法基本思想

主成分分析法研究及其在特征提取中的应用

主成分分析法研究及其在特征提取中的应用一、本文概述本文旨在深入研究和探讨主成分分析法（Principal Component Analysis, PCA）的理论基础及其在特征提取领域中的广泛应用。

主成分分析作为一种强大的统计分析工具，已经广泛应用于各个领域，特别是在高维数据处理和降维、模式识别、数据挖掘、图像处理、生物医学、经济学等领域中发挥着重要作用。

本文首先将对主成分分析法的基本原理进行详细介绍，包括其数学基础、算法流程以及主要特点。

随后，本文将重点探讨主成分分析法在特征提取中的应用，包括其在特征降维、特征选择、特征融合等方面的具体实践。

本文还将对主成分分析法的优缺点进行分析，并探讨其在实际应用中可能面临的挑战和未来的发展趋势。

通过本文的研究，我们期望能够为读者提供一个全面而深入的主成分分析法及其在特征提取中的应用的理解，为相关领域的研究和实践提供有益的参考和启示。

二、主成分分析法理论基础主成分分析（Principal Component Analysis, PCA）是一种广泛使用的多元统计分析方法，其理论基础主要基于线性代数和概率论。

PCA通过正交变换将原始数据中的多个变量（即特征）转换为新的、互不相关的变量，这些新的变量称为主成分。

这些主成分按照其解释的原始数据中的方差大小进行排序，第一主成分解释最大的方差，第二主成分解释次大的方差，以此类推。

方差最大化原理：PCA通过最大化每个主成分的方差来提取数据中的主要特征。

这是因为方差是衡量数据离散程度的一个重要指标，方差越大，说明该主成分所代表的特征在数据中的变化越明显，越能反映数据的核心信息。

正交性原理：PCA要求提取出的主成分之间相互正交，即它们的协方差为零。

这样做可以消除原始特征之间的相关性，使得每个主成分都代表一个独立的、互不干扰的特征。

降维原理：PCA通过保留方差最大的几个主成分，可以实现对原始数据的降维处理。

这种降维处理不仅简化了数据结构，还有助于消除数据中的噪声和冗余信息，提高后续分析的准确性和效率。

基于主成分-_聚类分析法的31_个省市经济发展水平的综合评价

2023年7月第26卷第14期中国管理信息化China Management InformationizationJul.,2023Vol.26,No.14基于主成分-聚类分析法的31个省市经济发展水平的综合评价何远霞，王兰，焦登丹（贵州财经大学数统学院，贵阳550025）［摘要］文章主要以我国31个省、自治区和直辖市的经济发展水平为研究对象，选取能反映经济发展水平的18个经济指标，运用主成分分析法（Principal Component Analysis，PCA）和系统聚类分析法，对31个省市的经济发展水平进行综合评价。

［关键词］主成分分析；系统聚类法；经济发展水平；综合评价doi：10.3969/j.issn.1673 - 0194.2023.14.058［中图分类号］F124 ［文献标识码］A ［文章编号］1673-0194（2023）14-0177-030 引言我国部分地区因地理环境及气候条件等因素的制约，发展速度较慢，导致我国整体经济发展受到影响。

此外，研究发现，我国各省市间经济发展存在严重的不平衡现象。

研究各省市间的经济发展情况，对促进各省市更快更好地发展和充分发挥城市在经济社会生活中的主导作用都具有重要意义。

1 数据来源和指标选取本文数据源于《2022中国统计年鉴》，由Matlab软件完成数据分析。

为更加全面地评价2021年我国31个省、自治区和直辖市（以下简称31个省市）的经济发展状况，本文结合各省市经济发展实际情况和数据的科学性、可得性及可操作性等原则，选取能够反映我国31个省市经济发展水平的18个指标：人均国内生产总值（Gross Domestic Product，GDP）（元）、地方一般公共预算收入（亿元）、社会消费品零售总额（亿元）、固定资产投资（不含农户）同比增长率（%）、地区生产总值（亿元）、在岗职工人均工资额（元）、房地产开发投资额（亿元）、地方财政预算支出（亿元）、城乡居民年底储蓄余额（亿元）、客运总量（万人）、货运总量（万吨）、货物进出口总额（亿元）、人均拥有公共图书馆藏量（册/人）、公共图书馆电子阅览室终端数（台）、普通高等学校数（所）、每十万人口高等学校平均在校生数（人）、人均公园绿地面积（平方米/人）、农林牧渔业总产值（亿元）。

主成分分析法

1.759
0.858 2.096 … -0.337 …
2
3 1 … 23 …
Bartlett 值= 313.417， P<0.0001，即相关矩阵不是一个单位矩阵，故考虑进行因子分析。
特征值、贡献率及累积贡献率
Total Variance Explained Initial Eigenvalues Extraction Sums of Squared Loadings % of Variance Cumulative % Total % of Variance Cumulative % 61.638 61.638 4.315 61.638 61.638 27.917 89.554 1.954 27.917 89.554 5.138 94.692 2.644 97.335 1.978 99.313 .473 99.786 .214 100.000
r1 p r2 p ... r pp
2、计算特征值和特征向量解特征方程
|λE-R|=0
求出特征值 λi(i=1，2，…，p) 将这P个特征值按大小顺序排列，即 λ1≥λ2≥…≥λp≥0 然后按公式
| λi E-R|ei=0
分别求出对应于λi的特征向量ei(i=1，2，…，p)
3、计算主成分贡献率及累计贡献率
从上表知：前三个主成分累计贡献率达92.273%，因此，这三个主成分Z1、Z2、Z3能够充分反映31个区域第三产业发展的综合水平。
4、计算主成分载荷
主成分载荷lij
原变量xi
x1 x2 x3 x4 x5 x6 x7
第一主成分l1i 0.946 0.971 0.220 0.795 0.930 -0.0763 0.899
5 计算各省区在一二三主成分上的综合得分

第三产业经济运行分析报告

第三产业经济运行分析报告随着现代经济的增长,各种行业层出不穷,简单来说可以概括为三个产业。

现代社会上的第三产业已经越来越崭露头角,许多行业都离不服务,这个产业就是第三产业,也称为服务业。

我们随便进一家商店,他们的服务真的是一流,比产品,比质量,更要比服务。

收集了广州市第三产业经济运行分析报告。

广州市统计局初步核算并经广东省统计局核定,xx年广州市地区生产总值(GDP)18100.41亿元,同比增长8.4%,增速高于全国(6.9%)和全省(8.0%);比前三季度(8.3%)、上半年(8.1%)、一季度(7.5%)分别提高0.1个、0.3个和0.9个百分点,呈现稳中有升的趋势。

其中第一、二、三次产业分别完成增加值228.09亿元、5786.21亿元和12086.11亿元,分别增长2.5%、6.8%和9.5%。

产业结构更趋优化,三次产业结构为1.26:31.97:66.77,第三产业增加值比重较上年同期(65.22%)提高1.55个百分点,对经济增长的贡献率达到70.6%,首度超过七成。

一、从三大供给看,农业、工业发展稳定,第三产业保持平稳较快增长农业生产保持平稳。

xx年,广州市实现农业增加值246.89亿元,增长2.8%。

现代农业稳步发展,新增农民专业合作社和市级以上示范社124家和6家。

圆满完成6个名镇和86条名村创建任务,第三批47条美丽乡村试点中的市财政出资项目全面完工。

工业生产稳中提质。

广州市实施工业转型升级攻坚战三年行动方案,设立工业发展资金支持机器换人等制造业高端化、智能化发展和工业技术改造。

xx年,全市完成规模以上工业总产值18712.36亿元,同比增长6.4%,全年增速呈稳中有升态势。

支柱产业带动发展,三大支柱产业总产值9119.25亿元,增长8.7%,增速比全市平均水平高2.3个百分点。

其中汽车制造业持续回暖,增长6.0%。

汽车产、销分别增长12.0%、14.9%,分别高于全国汽车产、销增速8.7个和10.2个百分点;电子产品制造业保持较好增势,增速达20.6%。

中国各省第三产业发展水平的主成分分析

ｙ
业＿蚕
推动各地区第三产业和经济的全面发展。本文对全国３１个省、直辖市和自治区的第三产业发展水平进行了综合评价，根据评价结果得出了我国第三产业并
发展的几个特征及其分类。
１０４７元，２８亿占国内生产总值的比重为４．。我０１国第三产业的发展增速明显高于国内生产总值的增速。由于各地区的特性，们在第三产业的规模、它速
度和效益等方面的发展并不均衡，因此，我国各地对区的第三产业发展状况进行综合评价，助于正确认有识我国各地区第三产业的发展水平，以便更好地根据
实际情况制定适合各地区的发展政策和战略，效地有
第１Ｏ卷第１期
２００拄１
ＶｏＬ１０，Ｎ０．１
１月
Ｊｎ，ａ．
２１Ｏ０
中国各省第三产业发展水平的主成分分析
李苗苗，姜照华
（大连理工大学２１世纪发展研究中心，辽宁大连１６２）ｌ０３
∞ ∞ ∞ ∞ ∞ ｛如；｝
ｅ运用该指标体系对我国３１个省、直辖市和自治区的第三产业的发展水平运用改进的主成分分析法进行了综合评价。
科Ｔ：三产业；合评价；价指标体系愀关键词第综评
中图分类号：Ｆ１７９技文献标志码：Ａ

《中国学术期刊影响因子年报》发布

《中国学术期刊影响因子年报》发布近日，中国知网发布了《中国学术期刊影响因子年报》。

这份权威的学术评估报告，对于我们深入理解国内学术期刊的影响力和学术研究水平具有重要意义。

本篇文章将围绕这个话题展开，通过梳理关键词、分析数据等方式，为大家详细解读这份年报背后的含义。

让我们来明确一下本文的关键词：中国学术期刊、影响因子、年报。

通过搜索这些关键词，我们可以找到许多相关的研究论文、报告等资料。

在这个过程中，我们要注意确保所选取的资料与本文的主题和类型相符合，以保证文章的连贯性和严谨性。

接下来，我们来梳理一下相关的内容。

根据《中国学术期刊影响因子年报》的报告，今年的影响因子较往年有了显著的提升。

这一结果意味着国内学术期刊的影响力在逐步提高，也从一定程度上反映了国内学术研究的进步。

但是，我们也必须看到，与国际顶尖期刊相比，国内期刊的影响力还有很大的提升空间。

为了更好地理解这一现象，我们可以通过分析数据的方式来进一步探讨。

从《中国学术期刊影响因子年报》中，我们可以找到许多具体的数据和图表，例如各类期刊的影响因子排名、论文被引情况等等。

通过这些数据，我们可以看到国内期刊在各个学科领域的影响力情况，以及哪些期刊和论文是影响力的主要来源。

在总结部分，我们要对本文的研究进行回顾，并从中得出一些启示。

从《中国学术期刊影响因子年报》中，我们可以看到国内学术期刊影响力的提升，但也必须承认与国际顶尖期刊的差距。

为了进一步提高国内期刊的影响力，我们需要加强学术研究的质量和原创性，推动学术研究的国际化合作，同时也要重视期刊编辑和审稿工作的规范化和专业化。

建议各学科领域的研究者、学术机构和政府部门更多地和支持国内期刊的发展，提高国内期刊的整体水平和国际知名度。

我们也可以从这份年报中看到不同学科领域之间的差异。

例如，一些自然科学领域的期刊影响因子普遍较高，而一些社会科学领域的期刊影响因子相对较低。

这提示我们在未来的研究中，可以更加跨学科的合作和交流，推动不同学科之间的融合和发展。

广东高质量发展评价指标的构建与影响因素分析

广东高质量发展评价指标的构建与影响因素分析王婷,刘耘,廖柔玲,陈昕宇(佛山科学技术学院,广东佛山528000)摘要:我国已进入经济高质量发展阶段,在此背景下,文章以五大发展理念为内核,选取创新活力、协调开放、绿色环保、合作共享、对外开放作为评估城市高质量发展的一级指标,并采用15个二级指标,以此确立广东高质量发展评价指标体系。

采用主成分分析法和聚类方法,基于广东省2010-2018年统计年鉴数据,测算出广东省21个城市高质量发展综合得分和排名,并根据聚类分析结果分成三大类。

最后基于聚类分析结果对广东各城市的高质量发展水平差异进行横向和纵向比较分析,为广东高质量平衡发展提出可操作性的建议。

关键词:广东省;高质量发展;指标体系;影响因素中图分类号:F061.3文献标识码:A 文章编号:1005-913X (2022)03-0120-06收稿日期:2021-10-20基金项目:广东省普通高校特色创新项目(2017W T SC X 115);佛山科学技术学院研究生自由探索基金项目(2020Z Y T S53)作者简介:王婷(1998-),女,江苏无锡人,硕士研究生,研究方向:国际投资与风险控制;刘耘(通讯作者)(1966-),女,湖南永兴人,教授,研究方向:跨国公司经营及财税政策;廖柔玲(1998-),女,广东梅州人,硕士研究生,研究方向:国际投资与风险控制;陈昕宇(1996-),女,甘肃平凉人,硕士研究生,研究方向:国际投资与风险控制。

一、文献综述(一)高质量发展的内涵自党的十九大以来,关于高质量发展的研究众多。

余泳泽、胡山(2018)认为,高质量发展是能够满足人民日益增长的美好生活需要、体现新发展理念的发展。

[1]从当前我国社会的主要矛盾出发,张军扩(2020)等认为,高质量发展是高效、公平、可持续的发展,涵盖了经济、政治、文化、社会和生态文明五位一体的协调发展。

[2]王永昌(2019)则认为,高质量发展就是依据五大发展理念,形成生产要素投入少、资源配置效率高、资源环境成本低、经济社会效益好的可持续发展新局面。

利用主成分分析法对我国各地区普通高等教育的发展水平进行综合评价。

第3题. 利用主成分分析法对我国各地区普通高等教育的发展水平进行综合评价。

近年来，我国普通高等教育得到了迅速发展，为国家培养了大批人才。

但由于我国各地区经济发展水平不均衡，加之高等院校原有布局使各地区高等教育发展的起点不一致，因而各地区普通高等教育的发展水平存在一定的差异，不同的地区具有不同的特点。

对我国各地区普通高等教育的发展状况进行聚类分析，明确各类地区普通高等教育发展状况的差异与特点，有利于管理和决策部门从宏观上把握我国普通高等教育的整体发展现状，分类制定相关政策，更好的指导和规划我国高教事业的整体健康发展。

遵循可比性原则，从高等教育的五个方面选取十项评价指标，具体见下图图1. 高等教育的十项评价指标指标的原始数据取自《中国统计年鉴，1995》和《中国教育统计年鉴，1995》除以各地区相应的人口数得到十项指标值，具体数值见下表见表6，其中：1x 为每百万人口高等院校数；2x 为每十万人口高等院校毕业生数；3x 为每十万人口高等院校招生数；4x 为每十万人口高等院校在校生数；5x 为每十万人口高等院校教职工数；6x 为每十万人口高等院校专职教师数；7x 为高级职称占专职教师的比例；8x 为平均每所高等院校的在校生数；9x 为国家财政预算内普通高教经费占国内生产总值的比重；10x 为生均教育经费。

建模与求解：一构造原始数据矩阵X=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡1021x x x二使矩阵X标准化（程序见附录1）Z= 4.3685 3.9057 4.0909 4.1392 4.5401 4.5748 2.4120 0.39541.98622.6869 2.3854 2.4187 2.0965 1.9157 0.8299 1.13461.0221 1.4520 1.5048 1.3575 0.9509 1.0406 1.4024 1.09910.0952 0.2331 0.1895 0.2072 0.1326 0.1823 0.0558 0.53750.2342 0.3453 0.3790 0.3951 0.0988 0.1823 0.7080 0.72190.3918 0.3133 0.2898 0.2270 0.1495 0.1823 0.5775 -0.2813-0.0717 -0.0556 -0.0111 -0.0169 -0.0536 -0.0533 0.8638 0.2482 -0.1829 0.0086 -0.0223 -0.0136 -0.0649 -0.0701 0.4691 0.7675 -0.2756 -0.0396 0 -0.0466 -0.1383 -0.1374 0.2405 1.0602 -0.5166 -0.4405 -0.2564 -0.3168 -0.3696 -0.3899 0.7418 1.0264 -0.6371 -0.4245 -0.4124 -0.4091 -0.3696 -0.4067 0.4234 1.2987 -0.6279 -0.1358 -0.3344 -0.3959 -0.3922 -0.4235 0.4793 1.3884 -0.4981 -0.3924 -0.3567 -0.3663 -0.3414 -0.3562 -0.3371 0.4664 -0.4703 -0.3924 -0.3678 -0.3531 -0.3696 -0.3899 0.4979 0.4005 -0.3590 -0.3924 -0.2564 -0.3201 -0.3414 -0.3562 -0.0305 -0.03090.0396 -0.3122 -0.2341 -0.1191 -0.0705 -0.0196 -0.7098 -0.5435-0.1922 -0.2160 -0.2564 -0.2740 -0.3584 -0.3562 -0.1881 -0.4775 -0.3683 -0.2160 -0.3233 -0.2740 -0.2850 -0.2889 -0.7606 0.2939 -0.4054 -0.3764 -0.3121 -0.3729 -0.3696 -0.4067 -0.0509 -0.1155 -0.6093 -0.5047 -0.5239 -0.5113 -0.4543 -0.4572 0.4590 0.1806 -0.5444 -0.4886 -0.6019 -0.5640 -0.4656 -0.4740 -0.2660 -0.6889 -0.4425 -0.3764 -0.3455 -0.3531 -0.3358 -0.4067 -0.2220 0.2262 -0.5074 -0.5367 -0.4793 -0.4487 -0.4486 -0.4909 -0.4709 -0.0630 -0.3776 -0.3764 -0.5128 -0.4289 -0.3471 -0.3057 -0.4184 -0.59080.4103 -0.6490 -0.5462 -0.5410 -0.2906 -0.2384 -3.0524 -2.6580-0.6464 -0.5528 -0.5350 -0.5640 -0.4656 -0.5077 -0.2897 -0.0681 -0.6001 -0.6169 -0.5685 -0.5673 -0.4938 -0.5077 0.3065 -0.39800.1322 -0.2962 -0.3567 -0.3070 -0.2793 -0.2216 -1.2569 -1.4908-0.5630 -0.6971 -0.6911 -0.6860 -0.5051 -0.5245 -0.3388 -1.54320.2157 -0.4565 -0.5350 -0.4948 -0.3584 -0.2889 -2.0750 -2.2960三构造矩阵相关系数矩阵R（程序见附录2）R= 1.0000 0.9434 0.9528 0.9591 0.9746 0.9798 0.4065 0.06630.9434 1.0000 0.9946 0.9946 0.9743 0.9702 0.6136 0.35000.9528 0.9946 1.0000 0.9987 0.9831 0.9807 0.6261 0.34450.9591 0.9946 0.9987 1.0000 0.9878 0.9856 0.6096 0.32560.9746 0.9743 0.9831 0.9878 1.0000 0.9986 0.5599 0.24110.9798 0.9702 0.9807 0.9856 0.9986 1.0000 0.5500 0.22220.4065 0.6136 0.6261 0.6096 0.5599 0.5500 1.0000 0.77890.0663 0.3500 0.3445 0.3256 0.2411 0.2222 0.7789 1.00000.8680 0.8039 0.8231 0.8276 0.8590 0.8691 0.3655 0.11220.6609 0.5998 0.6171 0.6124 0.6174 0.6164 0.1510 0.0482四求出R的特征值和累积贡献率（程序见附录3）λ1= 7.5022贡献率τ1=λ1/10=75.0216%λ2= 1.577累积贡献率τ1+τ2=90.7915%λ3= 0.5362累积贡献率τ1+τ2+τ3=96.1536%λ4= 0.2064累积贡献率τ1+τ2+τ3+τ4=98.2174%可以看出，前两个特征根的累计贡献率就达到90%以上，主成分分析效果很好。