江苏省统计年鉴2011
历年各地区地区生产总值(统计年鉴更新后正确数据)
V 地区生产总值 海南省 年 亿元 260.41 331.98 363.25 389.53 409.86 438.92 471.23 518.48 558.41 621.97 693.2 798.9 897.99 1044.91 1254.17 1503.06 1654.21 2064.5 2522.66 2855.54 3177.56 3500.72 3702.76 4044.51
W 地区生产总值 重庆市 年 亿元 553.05 755.96 1016.25 1179.09 1350.1 1429.26 1479.71 1589.34 1765.68 1990.01 2272.82 2692.81 3467.72 3907.23 4676.13 5793.66 6530.01 7925.58 10011.37 11409.6 12783.26 14262.6 15717.27 17558.76
J 地区生产总值 上海市 年 亿元 1519.23 1990.86 2499.43 2902.2 3360.21 3688.2 4034.96 4551.15 5210.12 5741.03 6694.23 8072.83 9247.66 10572.24 12494.01 14069.86 15046.45 17165.98 19195.69 20181.72 21818.15 23567.7 25123.45 27466.15
K 地区生产总值 江苏省 年 亿元 2998.16 4057.39 5155.25 6004.21 6680.34 7199.95 7697.82 8582.73 9456.84 10606.85 12442.87 15003.6 18598.69 21742.05 26018.48 30981.98 34457.3 41425.48 49110.27 54058.22 59753.37 65088.32 70116.38 76086.2
城乡居民消费结构变动影响江苏产业结构升级的实证分析
城乡居民消费结构变动影响江苏产业结构升级的实证分析【摘要】本文基于var模型分别考察了城镇居民消费结构与农村居民消费结构对产业结构升级的影响。
研究结果显示，城乡居民消费结构与产业结构存在长期的均衡关系。
城市居民家庭恩格尔系数上升，有利于产业结构升级；而农村居民家庭恩格尔系数上升，反而不利于产业结构升级。
这可能是由于城镇居民逐渐由生存型向发展型与享受型转变，这种消费结构的变动能够有效促进产业结构升级。
而农村居民用于发展型与享受型消费占总消费的比重不足，且增长缓慢，导致其消费结构的变动不能有效促进产业结构升级。
并且，我们还发现，城乡居民家庭恩格尔系数对产业结构升级的冲击作用在较长时间内有效。
【关键词】消费结构；产业结构升级；实证分析1.引言如何促进产业结构升级，是目前我国面临的重大难题之一。
改革开放30多年来，中国经历了快速工业化的过程，保持了长期高速的经济增长。
但是，一方面，目前中国正处于由中上等收入水平向高收入水平阶段迈进的关键时期，根据国际的经验教训，拉美与中东的许多经济体在这一发展阶段，停滞不前，即陷入“中等收入陷阱”。
而要想成功的跨越中等收入陷阱，必须调整产业结构，实现经济转型。
另一方面，随着经济全球化的进一步加深，国与国之间的贸易往来更加密切，竞争日益激烈，而中国要在国际竞争中处于不败之地，也要求其进行产业结构升级。
施振荣对国际分工提出了一个“微笑曲线”，根据他的观点，这条曲线的左端是研究与开发、制定品牌标准，右端是营销服务市场、供应零部件，中间是加工组装。
左端和右端的利润率都比较高，可以达到20%-25%，而中间的加工组装利润率最低。
而中国在国际分工却处于中间这一部分，承担着加工组装的任务。
所以中国一直以来都只能靠大规模来赚得一点毛利。
例如，美国的苹国手机大多数都是在中国的富士康等企业进行加工组装的，但一部600美元利润的手机，美国苹果公司获得利润的60%，韩国公司获得13%，日本等其他东亚国家获得26%，而中国只能获得利润的1%，即6.54美元，正是这种国际分工的劣势地位，也要求我国必须进行产业结构的调整。
2011-2018年江苏省区域常住人口数_中国县域统计年鉴
41 常住人口数
42 常住人口数
B 地区 江阴市 宜兴市 丰县 沛县 睢宁县 新沂市 邳州市 溧阳市 常熟市 张家港市 昆山市 太仓市 海安市 如东县 启东市 如皋市 海门市 东海县 灌云县 灌南县 涟水县 盱眙县 金湖县 响水县 滨海县 阜宁县 射阳县 建湖县 东台市 宝应县 仪征市 高邮市 丹阳市 扬中市 句容市 兴化市 靖江市 泰兴市 沭阳县 泗阳县 泗洪县
74 98.79
75.2 56.2
74 96.76 33.78 61.91 125.43 68.54 107.51 154.7
84.3 91.6
F 2012
162.43 124.8 94.93
111.31 102.49
90.83 143.36
76.03 150.71 124.18 163.89
70.68 86.6 98.6 96 126
J
K
L
1
2016
2017
2018
2
164.15
165.02
165.18
3
125.44
125.47
125.61
4
94.89
95.17
95.05
5
111.68
111.97
111.88
6
102.59
102.83
102.8
7
91.09
91.36
91.19
8
143.86
144.29
144.21
9
76.16
76.25
73.7 98.66 75.45
56.4 73.91 97.86 34.16 62.41 125.47 68.65 107.68 155.2
基于集中指数和泰尔指数的江苏省卫生资源配置公平性分析
基于集中指数和泰尔指数的江苏省卫生资源配置公平性分析孙健;文秋林【摘要】目的通过分析2010-2014年江苏省卫生资源配置公平性,为卫生资源配置的优化提供参考依据.方法利用集中指数和泰尔指数相结合的方法对江苏省卫生资源配置公平性进行分析.结果 2010-2014年,江苏省各卫生资源的集中指数介于-0.152 9～0.077 4,各卫生资源的总泰尔指数介于0.001 6～0.020 3.结论江苏省卫生资源配置较公平;卫生资源配置呈改善状态;卫生资源配置地区间、地区内差异明显.【期刊名称】《现代医院管理》【年(卷),期】2016(014)005【总页数】3页(P41-43)【关键词】卫生资源配置;公平性;集中指数;泰尔指数;江苏省【作者】孙健;文秋林【作者单位】广西医科大学人文社会科学学院,南宁市530021;广西医科大学人文社会科学学院,南宁市530021【正文语种】中文【中图分类】R197卫生资源配置公平性是实现医疗卫生服务利用公平的前提条件，也是实现人人享有基本医疗卫生服务的基础［1］。
因此，合理配置卫生资源意义重大。
本研究利用集中指数和泰尔指数相结合的方法对江苏省卫生资源配置公平性进行分析，以期为卫生资源配置优化提供参考依据。
1.1 资料来源本研究的数据来源于2011—2015年《江苏统计年鉴》，以江苏省13个地级市的卫生资源配置状况为研究对象，本文选取的指标包括卫生机构数、床位数、卫生技术人员数。
1.2 研究方法1.2.1 区域划分。
根据区域经济发展状况、自然地理状况，本研究将江苏省13个地级市分为苏北、苏中、苏南3个地区，苏南地区包括镇江市、常州市、南京市、无锡市、苏州市，苏中地区包括泰州市、南通市、扬州市，苏北地区包括宿迁市、连云港市、淮安市、盐城市、徐州市［2］。
1.2.2 集中指数。
集中指数是世界银行推荐的用于评价不同社会经济条件下医疗卫生服务不公平性的指标，已被广泛用于评价卫生资源配置公平性［3］。
分组主成分法的应用
分组主成分法的应用谷伟伟;程坤【摘要】分别利用正交因子法和分组主成分法,对2010年江苏省13个市的经济发展水平进行对比分析,发现分组主成分法分析的结果更加合理,并分析了原因,最后对江苏未来的经济发展提出了建议,供有关部门决策参考.【期刊名称】《湖南师范大学自然科学学报》【年(卷),期】2014(037)001【总页数】5页(P76-80)【关键词】因子分析模型;分组主成分分析;SPSS【作者】谷伟伟;程坤【作者单位】中国矿业大学理学院,中国徐州 221116;南京航空航天大学理学院,中国南京 210016【正文语种】中文【中图分类】F224.9主成分分析和因子分析是重要的多元统计方法，它们的研究及应用一直是热点问题．文献[1]从矩阵的特征值和特征向量出发，揭示了主成分分析和奇异值分解的关系，并给出了一个物理应用．文献[2～3]给出了主成分法在人脸识别中的应用．文献[4～8]给出了因子分析在不同领域中的应用，但有时公因子解释只满足统计意义而不满足经济意义．在文献[9]中陈希镇运用了正交因子模型，取得了很好的效果．但并不是所有的数据运用正交因子模型分析都能得到满意的结果．有时公因子得分会受相关性较低变量的影响，这样就会影响综合得分．目前，分组主成分法的应用较少．虽然文献[10～11]运用了分组主成分方法，但是文章中的综合模型中有两处值得商榷：(1)Fi的表达式中也不含有i；(2)ωj不一定是由旋转因子载荷阵算得(1.2中有解释)．本文从变量间的相关性出发，先用正交因子模型中的载荷矩阵对变量进行分组，将相关性较强的变量放在一起，然后再对各组变量分别进行主成分分析，最后算出综合得分，提高了综合评价的合理性．1.1 正交因子模型设有n个样品，每个样品观测p个变量，这p个变量具有较强的相关性．为了消除量纲不同造成的影响，将样本观测数据进行标准化处理的变量为X=(x1,x2,…,xp)′，其相关矩阵R的秩为r．设λ1,λ2,…,λr，0，…，0为R的p个特征值，不失一般性，设λ1≥λ2≥…≥λr>0.主成分系数矩阵为L=(l1,l2,…,lp).则设主成分Y=(y1,y2,…,yp)′，则主成分模型为Y=L′X[4]，且LL′=Ip．则X=LY，即记Ar=(l1,l2,…,lr).对主成分进行标准化：Fr=(,,…,).这里取r个，是使得特征值做分母有意义．设因子载荷矩阵为A=(aij)p×m，m≤r，公因子为F=(f1,f2,…,fm)′. 误差项为ε=(ε1,ε2,…,εp)′.取′.′.ε=Aε·Fε.又Cov(Y)=Cov(L′X)=L′Cov(X)L=L′RL=diag(λ1,λ2,…,λr,0,…,0)，故(yr+1,yr+2,…,yp)′=0，即yr+1=yr+2=…=yp=0.则(2)式变为正交因子模型即X=AF+ε.不难证明E(ε)=0，E(F)=0，Cov(F)=Im，Cov(F,ε)=0．旋转后的因子载荷阵和公因子可以类似地证明，详细内容参见文献[12]．作者发现这样取的ε并不完全满足因子模型的条件，因为把(2)式中主成分系数和主成分的第m+1项到第r项看成了ε(第r项之后全为0)，而它们之间是有关联的，即Cov(ε)不是对角阵．但从文献[13]可知ε的影响是最小的．因此这从理论上和SPSS操作上来说都是没有影响的．1.2 分组主成分法的基本思想先用正交因子分析法计算出初始载荷阵和旋转载荷阵，取它们在变量命名中较清晰者(理想的情况是每个变量只在一个因子上有较大的载荷，其余因子载荷较小)作为分组的依据．通常把p个变量分为k组，分别进行主成分分析，一般只选取每组第一主成分Yi,i=1,2,…,k，因为第一主成分已经含有原始变量的大量信息．以各组主成分得分的熵权为权重，记为ωi，综合得分为本文选取的数据来自《江苏省统计年鉴2011》中8个国民经济指标，具体指标如下：x1: 地区生产总值GDP(亿元)；x2:第一产业产值(亿元)；x3:进出口总额(亿元)；x4: 社会消费品零售总额(亿元)；x5:城镇居民人均收入(元)；x6:农村居民人均收入(元)；x7: 全社会固定资产投资(亿元)；x8:公路里程(km)．这8个指标都是正向化指标．为了消除量纲的影响，作者对原始数据进行标准化，标准化变量为Zx1～Zx8(见表1)．经过SPSS计算，KMO值为0.670>0.6，Bartlett球形检验值为0.000，说明适合进行因子分析．旋转前的方差贡献为66.006、25.135，旋转后的方差贡献为63.158、27.982(因篇幅有限，此处图表从略)．本例中以旋转后载荷矩阵为分组的依据．表2中的f1和f2为SPSS中提出的公因子，矩阵中的数字表示公因子对变量的载荷．从旋转因子载荷阵中不难发现：f1对变量x1,x3,x4,x5,x6,x7的载荷较高，f2对变量x2,x8的载荷较高，不妨将f1命名为城市发展和居民生活因子，f2命名为第一产业和交通因子．公因子f1和f2的因子得分分别记为F1和F2，由成分得分系数矩阵可知因子得分：F1=0.206x1+0.038x2+…+0.086x8，F2=0.066x1+0.448x2+…+0.472x8.在F1表达式中，x1,x3,x4,x5,x6,x7前的系数都为正；在F2表达式中，x2,x8前的系数都为正．说明它们是正相关关系．对那些和F1，F2相关性较低的变量，它们前面的系数则有正有负．综合得分：F=F1+F2.下面用分组主成分法分析.将x1,x3,x4,x5,x6,x7作为第1组，将x2,x8作为第2组．分别对第1组和第2组进行主成分分析，分别提出第一主成分，它们的特征值分别为5.122和1.946，第一组中因子载荷分别为0.981，0.958，0.923，0.922，0.903，0.852；第二组为0.986，0.986.因为SPSS中没有直接计算主成分的功能，所以要根据每组已算出的初始载荷矩阵A，利用即lij=,j=1,2,…,m;i=1,2,…,p，进而得主成分系数．设各组的第一主成分分别为Y1，Y2，则，Y1=(ZGDP×0.981 + Z社会消费品零售总额×0.958 + Z城镇居民人均可支配收入×0.923 + Z全社会固定资产投资×0.922 + Z农村人均纯收入×0.903+Z进出口总额×0.852) / ．Y2=(Z第一产业产值×0.986 + Z公路里程×0.986) /．把Y1与Y2的表达式输入SPSS中，利用“转换”中的“计算变量”功能进行计算．最后利用文献[14]中的熵值法计算总得分，为了使对数有意义，先将Y1，Y2得分矩阵的各个元素都加上2.6，得2010年Y1，Y2的熵权，即ω1=0.0117,ω2=0.004 4.注意：谢智聪在文献[15]中，先对各组主成分的得分值进行了标准化，然后将各组得分值放在一起进行主成分分析，进而算出综合得分．但本例中没有运用这种方法，如果对Y1和Y2进行标准化处理，那么Y1和Y2就不是主成分得分，而是因子得分(见预备知识)．另外，本文将Y1和Y2的得分值进行主成分分析发现：Bartlett 球形检验值为0.49(远大于0.05)，说明不适合做主成分分析，其原因：虽然Y1和Y2不是完全无关的，但是它们的相关性已经非常弱了．将以上两种方法的计算结果放在一起对比分析．结果见表3.CLU5表示用聚类方法将样本分为5类．F1，F2，F，CLU5-1是正交因子模型做出的结果；Y1，Y2，Y，CLU5-2是用分组主成分法做出的结果．从常规上判断：苏南工业发达，苏北农业发达，苏中介于两者之间．F1和Y1对比：南通的得分应该小于苏南的常州，盐城的得分应小于扬州，镇江．Y1较合理．F2和Y2对比：苏州是发达的工业城市，尤其是工厂很多，但它的农业相对不发达，因此苏州的得分不应该比农业经济占很大比重的连云港、淮安高许多．因此，F2不合理．之所以出现F1，F2的部分数据不合理的情况，是因为F1，F2受相关性较低变量的影响，由上文可知f1在变量x1,x3,x4,x5,x6,x7上的载荷较高，f2在变量x2,x8上的载荷较高．但F1=0.206x1+0.038x2+…+0.086x8，F2=0.066x1+0.448x2+…+0.472x8中，F1的值受相关性较低的x2，x8值影响，F2的值受相关性较低的x1,x3,x4,x5,x6,x7值影响，具体情况见表1中的因子得分系数矩阵．相反，Y1，Y2则不受相关性较低的变量影响，因此比较准确．F和Y对比：由F和Y的表达式和上面的F1，F2和Y1，Y2的对比讨论，我们发现Y的得分较为合理．例如：徐州的综合得分应该低于苏南的常州；镇江、泰州的综合得分不应该比苏北的连云港、淮安低；盐城的综合得分不能比无锡高，比常州高很多．另外，Y的表达式不能是Y=Y1+Y2.徐雅静在文献[16]中证明了D(Y1)>D(Y2),因此不能通过计算各个主成分的线性组合求出Y.但可以利用熵值法算出Y.即Y=Y1+Y2=72.67Y1+27.33Y2．以F1和F2为变量进行聚类得CLU5-1，以Y1和Y2为变量进行聚类得CLU5-2．在CLU5-2中：①苏州在Y1上的得分最高，这和它显著的区位优势(受到上海经济的辐射带动作用)和发达的个体私营经济是分不开的，而且工业十分发达(尤其是昆山)，在Y2上的得分也高于平均水平，在Y上的得分最高，所以把它单独分为一类较合理；②南京(江苏省省会，拥有良好的地理环境和悠久的历史，高等教育又在全省遥遥领先)和无锡(太湖流域的交通枢纽)在Y1上的得分都较高，基础设施十分完善，无锡在Y2上得分比南京低些，所以将南京，无锡分为一类较合理；③常州、扬州、镇江、泰州的制造业较发达，在Y1上的得分也较高，但远不如苏州、无锡、南京；它们在Y2上的得分不是很高，尤其是镇江最低，所以把它们分为一类较合理；④徐州、南通在Y2上的得分很高，在Y1得分也高于平均水平，因此它们在Y上得分也很高．盐城在Y2上得分达最大，因为盐城的面积很大，农业用地很多，公路里程长．农村经济发展较快，农村产业结构发生很大变化，但和苏南相比，工业产业结构层次还有差距[17]，所以将它们分为一类较合理；⑤淮安、连云港、宿迁在Y2上的得分较高，但在Y1上的得分很低，工业主要以劳动密集型为主，轻工业中以农产品为原料，所占比重依然很高[17]，高等教育发展程度全省最低，所以将它们分为一类较合理．显然CLU5-1中将连云港，淮安，扬州，泰州，宿迁分为一类是不合理的．江苏发展的主要问题是经济发展不均衡．苏南是江苏发展水平最高的地区，苏中次之，苏北最低．对于苏北：“没有苏北的小康，就没有江苏的小康”．由上述统计分析可知，苏北整体在Y1上得分不高，而在Y2上得分很高，所以应努力加快农村城镇化进程，着力提高居民的收入水平和改善人民的就业层次，逐步推进产业结构调整．省政府应该加强宏观调控，适当有些政策倾斜．当地政府也应该因地制宜，发展当地的特色产业．同时，要注重基础设施建设，过去支持苏北基础设施建设主要指交通、水利、电力等硬件设施．今后，基础设施建设支持范围扩展到信息化、城乡社会服务体系、环境设施等方面．最后，还要注重提高苏北的教育水平，尤其是苏北的广大农村地区．对于苏中，苏南：在保持传统优势的情况下，加大科研投入，改变目前的研究成果转化率不高的情况，加大人才引进力度，逐步依靠劳动者素质的提高来促进经济发展．【相关文献】[1] JONATHON S. A tutorial on principal component analysis[EB/OL].(2007-01-01)[2012-12-01]./cosc453.[2] RAJKIRAN G, ASARI V K. An improved face recognition technique based on modular PCA approach [J]. Pattern Recog Lett, 2004,25(4)：429-436.[3] YANG J, ZHANG D, FRANGI A F, et al. Two-dimensional PCA: A new approach to appearance-based face representation and recognition [J]. IEEE Trans Pattern Anal Machine Intell, 2004,26(1)：131-137.[4] 张珍花. 运用多元统计分析综合评判江苏省经济效益[J]. 统计与决策， 2001(9):23,43.[5] 孟莹，谢守祥，彭潇. 江苏省区域经济差异的多元统计分析[J]. 特区经济， 2010(4)：51-52.[6] 钱存阳，李丹青. 多元统计分析在课堂教学质量评价元中的应用[J]. 数理统计与管理， 2005，24(6):40-43.[7] 吴栋，李乐夫，李阳子. 近年居民消费结构统计分析的研究综述[J]. 数理统计与管理， 2007，26(5):776-781.[8] 刘晓娥，康艳芳，王立. 河南省区域经济发展比较的因子分析[J]. 统计与决策， 2010(5):119-121.[9] 陈希镇，林俊涛. 用多元统计方法分析浙江省各地区的经济结构[J]. 数理统计与管理， 2010，29(6)：1043-1051.[10] 殷明娥. 分组主成分评价法及其应用[J]. 辽宁师范大学学报， 2005，28(4)：408-409.[11] 侯文. 对应用主成分法进行综合评价的探讨[J]. 数理统计与管理， 2006，25(2):211-214.[12] 汪东华. 多元统计分析与SPSS应用[M]. 上海：华东理工大学出版社， 2010.[13] 林海明. 因子分析模型的改进与应用[J]. 数理统计与管理， 2009，28(6):998-1012.[14] 孙刘平，钱吴永.基于主成分分析法的综合评价方法的改进[J].数学的实践与认识， 2009，39(18):17-20.[15] 谢智聪. 运用因子载荷阵分组变量的新主成分法及应用[J]. 统计与决策， 2008(12):19-22.[16] 徐雅静，汪远征. 主成分分析应用方法的改进[J].数学的实践与认识， 2006，36(6):68-75.[17] 李载成. 江苏省各市区域经济发展水平聚类分析[J]. 全国商情(理论研究)， 2011(3):13-14.。
FDI对江苏城乡收入差距的影响--基于江苏省面板数据的实证分析
FDI对江苏城乡收入差距的影响--基于江苏省面板数据的实证分析周雅;徐金海【摘要】FDI是江苏经济的重要组成部分，对江苏经济的发展产生了巨大的影响，但经济的快速发展也带来了苏南、苏中、苏北三区域经济差距呈现阶梯式发展。
文章基于江苏省13个市2000到2011年的面板数据，分析了FDI对江苏省城乡收入差距的影响，并对江苏省发展FDI，缩小城乡收入比提出了相关的政策建议。
%As an important part of Jiangsu economy, FDI has brought huge influence on economic development in Jiangsu. However, the rapid development of economy also brought in the serious challenge of uneven development. Based on panel data of 13 cities from the year 2000 to 2011, this paper analysis the influence of FDI on the income gap between urban and rural areas of Jiangsu province. At last, the paper also puts forward relevant policy suggestions to develop FDI in Jiangsu province and narrow the urban-rural income gap.【期刊名称】《价值工程》【年(卷),期】2013(000)020【总页数】2页(P171-172)【关键词】FDI;城乡收入差距;贸易效应;就业效应【作者】周雅;徐金海【作者单位】扬州大学，扬州225000;扬州大学，扬州225000【正文语种】中文【中图分类】F124.70 引言随着经济全球化的加深和中国国内改革开放的逐步深入，江苏省实际利用的外商直接投资（FDI）总量急剧增加，对江苏经济的发展产生了巨大的影响。
江苏省城市化水平聚类分析
关于江苏省城市化水平的聚类分析摘要：本文结合江苏省具体情况，收集相关资料，运用聚类分析法建立模型来研究江苏省13个城市的城市化进程，选取11个反映城市化进程的典型指标进行聚类分析，将13个城市进行分类，反映出江苏省各城市的城市化发展水平和进程，并对分类结果进行分析，提出相关可行性建议，也为政府制定相关决策提供理论依据。
关键词：江苏省各市；城市化；主要指标；聚类分析一、城市化主要特征城市化是一个非常复杂的社会经济现象，它是城镇数量和市镇人口不断增加，并引起产业结构、就业结构和人们生活方式日趋现代化的历史过程，其主要特征：在城市数量、规模和密度方面，表现为城市数量不断增加，城市规模逐渐扩大，城市密度不断提高。
在人口方面，表现为市镇人口比重不断上升，乡村人口比重逐步下降。
在就业结构方面，表现为农业从业人员比重下降，非农业从业人员比重上升。
在产值结构方面，表现为第一产业产值比重逐渐下降，第二、三产业产值比重逐渐上升。
在居民生活质量和环境方面，表现为人们收入水平和消费水平不断提高，消费结构日趋优化，生活服务设施日益健全，生活环境逐步改善。
本文运用聚类分析法建立模型来研究江苏省13个城市的城市化水平。
二、聚类分析的含义聚类分析又称群分析，它是对样品或指标进行分类的一种多元统计方法。
聚类分析是将分类对象置于一个多维空间中，按照它们空间关系的亲疏程度进行分类。
通俗的讲，聚类分析就是根据事物彼此不同的属性进行辨认，将具有相似属性的事物聚为一类，使得同一类的事物具有高度的相似性。
在实际研究中，既可以对样本个体进行聚类，也可以对研究变量进行聚类，对样本个体进行聚类，在市场研究中，聚类常用于市场细分研究，寻找不同目标市场及其构成者特征，也可以用于确定产品各属性的同质性。
三、江苏省城市化水平的聚类分析一个地区的城市化发展水平，主要由该地区的经济发展、社会发展、基础设施建设和环境保护等方面反映。
因此我们从人口城市化、经济城市化、生活质量城市化、地域景观城市化、环境状态城市化这几个方面构建城市化发展水平评价指标体系。
江苏13市消费与出口对经济增长影响差异性比较
江苏13市消费与出口对经济增长影响差异性比较摘要：江苏经济总量和发展速度一直居于全国前列，但省域内经济发展却存在较大的地区不平衡性。
本文利用江苏省13个地级市1997-2011年经济数据，就消费与出口对各市经济增长的影响进行了实证分析。
研究发现，消费对江苏各市经济增长均有明显的作用，而出口对各市的作用则表现出较大差异性。
在此基础上，提出了相应的政策建议。
关键词：消费出口投资经济增长一、引言江苏是我国经济发达省份，在江苏经济快速发展的同时，省域内经济发展又存在较大的地区不平衡性。
2011年，苏南、苏中、苏北三大经济区域人均gdp分别为61823、33735和19555元，苏南地区人均gdp是苏北地区的3.16倍。
从地级市层面看，这种差异表现得更加显著，2011年江苏经济最发达的苏州人均gdp为106863元，而经济发展水平最低的宿迁仅为12289元，前者是后者的8.7倍之多。
由于江苏各市经济增长速度也存在差异，具有发达地区经济增速较快，不发达地区经济增速相对缓慢的特点，江苏省区域经济差异总体上将一直处于发散态势，只有积极采取有效的政策措施才能缩小不断扩大的地区经济发展差距。
二、理论及文献回顾消费、出口和投资从需求方面共同拉动国民经济发展。
其中，消费是经济整体增长的最终动力。
消费的机理表明，消费运行的良莠，对国民经济的整体运行和功效有着决定性的意义。
投资是扩大内需的有效手段，但从长久来看，投资如果得不到消费导向和支持，投资结构和投资规模就难以优化，经济效益就得不到保障和提高，资源配置就谈不上有效率。
消费的需求效应，是拉动经济增长的最终和最关键的动力源。
出口增加意味着国际市场对本国产品的国需求增加，从而导致产出增加；出口增加会推动出口产品生产专业化，增加出口部门生产力，使资源从相对无效的部门转移到生产力更高的出口部门，这种生产力变化会导致经济增长；基于比较优势的出口会带来规模经济的扩张，有助于经济增长；出口增加可以增加外汇，使出口国可以购买更多进口品来满足国内生产和产出扩大的需要；出口也有利于高新技术的引进，获取“干中学”的收益以及更好的管理能力，从而通过刺激经济中的技术溢出来增加产出。
江苏省承接国际金融服务外包的SWOT
Finance金融视线0922013年1月 江苏省承接国际金融服务外包的SWOT分析江苏大学财经学院 江心英 吴金君摘 要：本文对江苏省承接国际金融服务外包进行了SWOT分析，从而得出了江苏省在优势、劣势、机会和威胁方面的具体情况，经过SWOT分析，选取了适宜江苏省发展的战略，即在短期采用扭转型战略(WO)克服自身不足，而在长期采取增长型战略(SO)，从而依靠内部优势，利用外部机遇快速承接国际金融服务外包。
关键词：江苏省 国际金融服务外包 SWOT 中图分类号：F752 文献标识码：A 文章编号：1005-5800(2013)01(b)-092-03近年来，在各级政府大力推动下，江苏承接服务外包收入增加较快，2007 年江苏省服务外包收入达到2.6 亿美元。
其服务外包企业主要分布在软件外包、工业设计、研发、国际物流、财务管理、人力资源管理、政府或企业运作管理、金融证券等领域。
“十二五规划”明确提出了要大力发展江苏省的国际金融服务外包，在国际和国内都在发展金融服务外包的大环境下，江苏省发展国际金融服务外包是必然趋势。
因此，有必要对江苏省承接国际金融服务外包进行SWOT 分析，望能为江苏省承接国际金融服务外包起到一定的指导作用。
1 江苏省承接国际金融服务外包的swot分析对江苏省承接国际金融服务外包作简要的SWOT 分析，通过优势、劣势、机遇和威胁四个方面综合考察江苏省承接国际金融服务外包的情况。
1.1 优势分析(S)1.1.1 集聚效应明显国内首家金融服务外包基地——昆山花桥国际商务城，坐落于江苏省昆山市，从中可以看出江苏省的金融服务外包集聚效应十分明显。
经过近年来的发展，花桥国际商务城已经集聚了以法国凯捷、柯莱特信息为代表的KPO 企业；以中银商务、华道数据、远洋数据为代表的BPO 企业；以万国数据、中金数据为代表的ITO 企业，初步形成了企业集群、产业集聚的格局。
花桥成功举办了中国首届金融外包峰会，与美国麦肯锡合作推出了中国首份金融业服务外包报告，与美国TPI 合作建立了中国首个国际服务外包运营标准，首创了金融BPO 基金，成立了国内首家金融外包研究中心，为金融服务外包发展营造了最优良的产业生态环境(资料来源：/article/d848490,d1fd15,d1*******,1.html)。
FDI对出口贸易结构影响的实证分析--以江苏省为例
FDI对出口贸易结构影响的实证分析--以江苏省为例陈丽珍;唐文轩【摘要】本文利用江苏省1993-2011年的样本数据，实证分析了FDI与工业制成品出口额总体和内部结构两个层面之间的关系以探究FDI对出口贸易结构的影响。
文章通过协整检验、 Granger因果检验以及误差修正模型实证分析得出了：FDI促进了江苏工业制成品的出口额、内部的资本和技术密集型工业制成品出口额的增长，反映出FDI促进了江苏出口贸易结构的优化，即FDI是江苏出口贸易结构优化的一个重要影响因素。
最后，文章提出了一些江苏合理利用外资以促进出口贸易结构优化的政策建议。
%In order to analysis the impact of FDI to the export trade structure of Jiangsu , this paper conduct an empirical analysis into the relationship of FDI between the export of manufactured goods from both overall and inside aspects , by making use of the sample data from 1993 to 2011 in Jiangsu. By making use of Co-integration test , Granger Causality test and ECM model, it concludes that FDI has promoted the export of manufactured goods and capital and technology intensive manufactured goods, so FDI promotes the optimization of the export trade structure of Jiangsu. That is to say FDI is one of the important factors which influence the optimization of the export trade structure of Jiangsu. Finally some suggestions are made to the policy of properly using FDI to promote the optimization of the export trade structure of Jiangsu.【期刊名称】《技术经济与管理研究》【年(卷),期】2013(000)011【总页数】5页(P119-123)【关键词】外商投资;直接投资;出口贸易;贸易结构;结构优化【作者】陈丽珍;唐文轩【作者单位】江苏大学财经学院，江苏镇江 212013;江苏大学财经学院，江苏镇江 212013【正文语种】中文【中图分类】F752.62一、引言随着改革开放的日益深化，江苏的经济取得了巨大的成就。
苏南、苏中、苏北医疗保险模式之比较
苏南、苏中、苏北医疗保险模式之比较夏永祥;陈群【摘要】苏南、苏中和苏北存在着明显的发展差距,医疗保险模式也有所不同.三者的医疗保险模式呈现出“覆盖范围扩大化”、“筹资机制多元化”、“管理规范化”的共性特色,但在缴费标准、财政补贴力度、待遇水平以及对健康和寿命的影响等方面,也有不小差异.今后,江苏应积极推进医疗保险体系一体化建设,逐步实现农保城保“两险合一”,缩小地区间的差异,不断提高人民群众满意度.【期刊名称】《南通大学学报（社会科学版）》【年(卷),期】2013(029)001【总页数】9页(P26-34)【关键词】江苏;医保;模式;比较【作者】夏永祥;陈群【作者单位】苏州大学商学院,江苏苏州215021;苏州市发改委,江苏苏州215006【正文语种】中文【中图分类】R197.1;D632.1江苏省各地经济发展水平不平衡。
最近几年，根据各地特点，省内各地市都开展了医疗保险新模式的探索，取得有益的成果，其中最具有典型性的是苏南地区的苏州模式、苏中地区的南通模式和苏北地区的淮安模式。
本文试对这三种模式进行比较，以探索不同发展水平地区的医疗保险模式。
一、苏州模式苏州市位于长江三角洲中部，东临上海，南接浙江，全市面积8488平方公里。
2011年，全市户籍人口642.3万人，市区居民人均可支配收入33 070元，比上年增长13.2%，农村居民人均纯收入17 070元，比上年增长13.2%。
①苏州市统计局：《2011年苏州市国民经济和社会发展统计公报》，《苏州日报》，2012年1月8日。
苏州市围绕保障惠民和改善民生，按照“统筹城乡，全民保障”的指导思想，设置“建立人人享有医疗保险制度”的目标，不断创新、完善现行的医疗保险制度，积极扩大医疗保险覆盖面，稳步提高保障水平，已经初步建立起覆盖城乡居民的多层次的医疗保险体系。
（一）苏州基本医疗保险制度的发展沿革苏州是“苏南模式”板块的典型代表，早在1983年，就开始探索社会保险制度改革。
盐城市农业碳排放时空特征及趋势研究
当前，CO 2等温室气体的大量排放引起全球气候变暖，导致旱涝等极端气候事件频繁发生，控制CO 2排放已成为国际关注的热点[1]。
目前，包括中国在内的多个国家已通过2016年的《巴黎协定》承诺对温室气体进行减排，中国多次在重要场合向世界郑重承诺“30·60”双碳减排目标，并就具体的碳减排措施发布了一系列行动方案。
农业作为我国国民经济发展的基础，兼具碳源和碳汇两种特征。
据联合国粮农组织（FAO ）数据统计，全球农业CO 2排放量超过了全球排放总量的30%[2]。
我国作为世界第一大CO 2排放国，每年碳排放量约占全球的1/4，而农业碳排放量约占全国碳排放的17%[3-4]。
尤其自化肥正式投入使用以来，农业碳排放问题逐渐凸显，在实现“双碳”目标上，我国农业减排机遇与挑战并存。
常用的碳排放核算方法有排放因子法、物料平衡法及实地测量法，其中，排放因子法是基于政府间气候变化专门委员会（IPCC ）提出的一种碳排放估算的方法，其基本思路为理清各排放源数据清单，以排放源活动水平和排放系数的乘积来计算该排放源的碳排放量[5]。
相比其他两种方法，排放因子法在国际上更通用，计算过程简单方便，得出的碳排放量准确性较高。
而常见的碳排放影响因素和预测模型有环境库兹涅茨曲线（ECK 曲线）、灰色GM （1,1）模型和STIRPAT 模型等。
EKC 曲线显示的是环境质量与收入间的倒“U ”字形关系[6]；灰色GM （1,1）模型是通过那些时间比较短、数据较少甚至不全的情况下构建的预测方法[7]；STIRPAT 模型是在Ehrlich 等[8]提出IPAT 模型的基础上，York 等[9]改进的模型，是一种非线性扩展模型，在人口因素、富裕程度和技术因素基础上，还可对该模型进行拓展。
相比前两种预测方法，STIRPAT 模型建模简单，实用性较强，可针对碳排放收稿日期：2023-03-21基金项目：盐城市科技计划项目（YCBR2022020）；盐城市自然科学软课题（yckxrkt2022-32）。
江苏省利用外商直接投资的经济效应实证
Regional Economy区域经济江苏省利用外商直接投资的经济效应实证分析盐城纺织职业技术学院 侯同娣摘 要： 随着市场经济开放程度的加大以及改革开放步伐的进一步加大， 江苏省不断完善投资环境， 健全投资制度， 在吸收外商直接投 资方面,取得了相当成绩。
本文在1990～2011年统计数据的基础上， 利用模型， 对FDI与国内生产总值、 工业总产值、 对外贸易及产业结构 的关系进行分析， 总结分析结果并提出可借鉴的对策建议。
关键词： 外商直接投资 经济效应 实证分析 中图分类号： 文献标识码： 文章编号： F207 A 1005-5800(2012)12(b)-196-02 自1990年以来， 特别是改革开放后， 江苏省经济发展的速度、 规模都一直位于全国前列。
自2001中国加入WTO后， 为了进一步扩 大对外开放， 江苏省通过吸收外商直接投资促进外向型经济的发 展， 其发展速度及发展规模一直处全国前列， 尤其是经过近几年调 整产业结构、 改善外商投资环境、 健全制度以及完善市场运行机制 等一系列措施后， 江苏利用外商直接投资无论是规模还是质量都 发生了质的改变， 从2003年到2008年， 江苏实际到账注册外资251.2 亿美元， 比上年增长14.7%， 连续六年位居中国第一， 截止2011年12 月底， 全省实际利用外资已高达321.3亿美元。
在发展速度上苏北 地区要快于苏南， 但总量和绝对数量上苏南仍处于优势地位。
变 动趋势如图1所示。
长期影响表现为供给效应， 因此， 以FDIn(当年实际利用外商直接 投资)和FDIn-1sum(截至上一年底止的实际利用外商直接投资累 计总额)两个指标为解释变量， 考虑到由于汇率变化引起的价格变 化， 因此将GDP换算成美元分析。
建立计量模型如下： GDPn=β0+β1FDIn+β2FDIn-1sum+εn 结果如下： GDPn=100.954+1.796FDIn+3.299FDIn-1sum F= R 2= 0.9728, D.W=0.355， 304.2567 模型结果显示， 每增加1亿美元的外商直接投资， 短期可带来 1.796亿美元的国内生产总值增加,长期可带来3.299亿美元的增 加， 结果表明长期效应大于短期效应， 这与对外商直接投资的预 期结果是一致的。
江苏省人口老龄化研究
江苏省人口老龄化研究作者：颜文顾敏焦眉来源：《文化产业》2015年第02期摘要：主要依据2007年至2013年江苏省统计年鉴，对江苏省人口老龄化的成因、特点、现状、以及由人口老龄化引起的问题进行分析，针对江苏省人口老龄化这一现象以及产生的问题，提出解决对策和改进措施。
关键词：人口老龄化；社会保障；中图分类号：C92 文献标识码：A 文章编号：1674-3520（2015）-02-00-03人口老龄化对社会和经济发展的影响是巨大的。
它产生的影响有两面性。
首先，积极的是人口老龄化有利于减慢人口的快速增长，有利于提高人的整体素质；消极的是劳动力抚养系数增大，加大了财政的负担，此外人口老龄化还会导致劳动力不足，生产效率低下，制约经济快速发展。
与此同时，人口老龄化还会对产业结构的调整产生影响，实行的养老保险制度、社会福利制度都必须以此为前提[1]。
因此，我们应该认识人口老龄化的发展过程，特点，现状，成因，发展趋势，所产生的问题和矛盾，以及人口老龄化的对策，本文是以江苏省的人口老龄化为例，主要依据江苏省统计局（2007年-2013年）最新数据进行研究[2]。
江苏省人口老龄化的成因分析：社会经济的发展必然会导致江苏人口老龄化的发生。
江苏人民生活水平和生活质量提高了，人们不再单纯的追求物质生活，也要求精神上的充实。
医疗卫生水平也随之提高，近些年国家实行医疗改革，江苏省的医疗卫生水平又上一个台阶。
新中国成立以前人口发展模式是高出生率、高死亡率、低自然增长率，随着医疗水平的发展，人的体质逐渐增强，死亡率的下降，人的生命增长。
老年人口数量占总人口的比重很大。
生育政策的变化使得江苏省人口老龄化进程加快[3]。
一般情况下，导致人口老龄化的原因有两种，一是寿命增长，引起数量的增加，老年人口比重增加。
二是出生率的下降，导致少儿数量减少。
上世纪70年代，国家推行计划生育，优生、少生的观念被人们接受，苏南地区大都家庭是独生子女。
江苏省三大区域经济和生活水平差异分析
江苏省三大区域经济发展与生活水平差异分析摘要改革开放以来，作为沿海地区的江苏省经济发展迅速，全省各项经济指标都居全国领先水平，至2012年，江苏省GDP稳居全国第二位，在全国百强县更是中占有30席。
但是，由于历史原因、区位条件、经济政策等原因，江苏省各地区却呈现出不同的发展状态和趋势。
苏南（苏州、无锡、南京、镇江、常州）、苏中（扬州、泰州、南通）、苏北（徐州、淮安、盐城、连云港、宿迁）三个地区分别属于较发达、次发达和欠发达三个不同的层次。
同时，江苏省居民生活水平有了很大程度的提高，分配格局也发生了重大变化，苏南、苏中、苏北三大区域间农民收入差距的逐步扩大。
对影响区域差距的因素进行分析，缩小各地市经济发展与生活水平差距，对实现地区间的协调发展具有重要的意义，关键词苏南、苏中、苏北经济发展生活水平差异1、江苏三大地区之间差距现状（一）经济规模国内生产总值是衡量一个地区经济发展规模的主要指标。
据统计，2010年江苏 GDP 总量为 41850亿元，苏南、苏中、苏北的 GDP 分别为 25185亿元、7743亿元和 8920亿元，在全省所占的比重为 60%、19%和 21%（如图一）。
而同期三地区的人口分别以占全省人口的 31.7%、23.1%、45.2%（如图二）。
财政收入是地方经济实力的反映，2010年三地区的财政总收入分别为 2355 亿元、624 亿元和786亿元，三者所占比重分别为 62.6%、16.6%和 20.8%（如图三）。
由三地区国内生产总值和财政收入的对比可知，苏南经济实力最强，苏中次之，苏北较弱。
图一图二图三（2）经济差距图四江苏省各区域人均 GDP（单位：元）资料来源：2003年——2011年《江苏统计年鉴》通过2010年三大区域的社会经济状况对比可见，三大区域表现出巨大的差距，苏南的社会经济状况明显优于苏中、苏北地区，苏南2010年的人均GDP是苏中1.67倍，是苏北的2.67倍。
江苏人口地域分布
江苏人口地域分布 WTD standardization office【WTD 5AB- WTDK 08- WTD 2C】江苏省人口地域分布及其原因分析1前言人口地域分布是人口发展过程在地理空间中的表现形式。
任何人口过程和人口现象及其影响因素，不仅属于一定的历史范畴，发生和发展有其时间上的阶段性，而且又都离不开特定的地理空间，其演变过程和组合类型均有其鲜明的地域差异。
从整个中国来看，人口地域分布是以“胡焕庸线”即“黑河—腾冲”一线为界，东南半壁人口密度大，西南半壁人口面密度小。
人口分布的趋势明显的趋向于沿海低地平原，并且海拔越高，人口越稀疏，距海距离越大，人口越稀疏。
江苏位于中国东部沿海地带的中心, 与上海市共扼长江入海之门户。
东濒黄海, 西连安徽, 北与山东相接, 东南与上海和浙江毗邻, 全省国土面积为万Km2, 占全国总面积的% , 2010 年底人口总数为万人, 约占全国总人口的% , 是全国人口密度最大的地区之一。
江苏省经济发展水平的地区差异较大, 这种较大的南北差异造成了人口分布的南北差异。
因此，我利用江苏省统计年鉴2005年至2010年人口密度数据，对江苏省人口地域分布进行了研究。
因人口密度指标提供的是一个平均值，对江苏省而言，以13个地级市人口密度为研究对象，所以该指标的使用具有一定的地理意义。
同时，这个研究可以看出江苏省人口空间格局的演化及特征，并依此研究成果可进一步分析城市化进程、预测就业需求和消费需求等，进而指导相关部门进行人口空间规划。
2 江苏省人口地域分布现状图1 2010年江苏省人口密度分布图从图1可以看出，2010年江苏省人口地域分布不均匀，按照地区分布来看，人口主要分布在苏南和苏中地区，苏北地区人口密度相对于苏南和苏中地区来说总体比较低。
苏南地区，人口主要集中于苏锡常地区，并以无锡市为圆心，形成一个都市圈。
另外，南京市人口密度也比较高。
苏中地区人口密度最高的是南通市，其次是泰州市，扬州市人口密度最低。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
8.76
6123
新浦区
45.89
462
78.01
72.72
12.72
3611
海州区
23.32
159
38.85
30.49
4.58
4006
淮安市
清河区
23.14
29
66.65
65.32
15.25
10047
楚州区
118.25
1522
199.40
85.78
13.70
10403
淮阴区
90.85
1264
28.18
221.80
187.41
42683
111.1
淮安市区
872.67
88.32
421.76
362.59
32897
113.4
盐城市区
625.76
59.88
344.17
221.71
38785
115.2
扬州市区
989.45
21.98
562.68
404.80
71681
114.8
镇江市区
844.87
17.79
32.66
28
162.25
35.62
18.72
657
平江区
22.82
23
120.39
34.54
12.22
1350
金阊区
20.39
33
116.98
29.61
10.56
609
虎丘区
33.57
335
650.13
260.46
57.10
76525
吴中区
60.05
2043
602.30
136.99
60.04
45342
486.97
340.11
70994
113.2
泰州市区
566.52
13.74
346.24
206.54
67072
114.9
宿迁市区
374.60
44.80
192.40
137.40
26150
114.6
18-22 市辖区主要指标 （2010年）
市辖区
年末户籍
人口
（万人）
土地面积
(平方公里)
地 区
生产总值
(亿元)
83.58
11.02
8770
泰州市
海陵区
42.13
237
269.87
108.58
25.11
8473
高港区
26.04
302
199.75
85.13
12.90
14982
宿迁市
宿城区
79.56
854
150.70
61.55
13.92
2563
宿豫区
64.49
1254
156.38
68.80
9.66
538
22601
邗江区
50.16
699
400.58
125.49
24.75
33260
维扬区
22.96
111
139.47
86.38
13.31
19207
镇江市
京口区
33.01
118
260.46
130.61
10.03
6611
润州区
24.51
130183.01131源自2411.314164
丹徒区
28.40
749
190.58
190.60
99.14
16.79
10029
清浦区
32.07
296
82.52
47.25
11.04
10061
盐城市
亭湖区
87.22
732
225.14
112.66
24.41
14344
盐都区
76.06
1047
257.61
120.94
27.11
12980
扬州市
广陵区
31.80
78
169.83
93.51
18.25
城镇固定
资产投资
(亿元)
地方财政一
般预算收入
(亿元)
实际外商
直接投资
(万美元)
南京市
玄武区
51.49
75
372.82
91.60
26.57
8757
白下区
46.31
26
348.78
94.23
26.39
8430
秦淮区
25.34
23
117.54
61.06
10.61
8224
建邺区
24.02
83
237.96
174.68
25.47
31
184.47
73.02
15.97
935
锡山区
41.41
399
402.82
217.06
36.08
35053
惠山区
41.81
325
443.54
224.64
47.85
18004
滨湖区
46.25
629
492.52
241.51
55.19
16375
徐州市
鼓楼区
47.66
68
112.25
128.33
52.12
967.37
759.98
57742
116.1
常州市区
2316.26
47.64
1316.20
952.42
71812
113.3
苏州市区
3572.75
31.02
1948.71
1593.02
94270
113.0
南通市区
1392.81
45.94
750.27
596.59
62132
113.3
连云港市区
437.39
186.36
20.58
9612
江宁区
93.60
1578
678.58
489.89
90.30
72733
六合区
88.80
1471
575.99
356.48
33.61
37389
无锡市
崇安区
18.55
16
321.58
91.42
19.63
10353
南长区
33.21
24
172.10
76.31
16.75
19714
北塘区
城 市
地区
生产总值
(亿元)
人均地区生产总值(按户籍人口计算,元)
地区生产
总值指数
(上年=100)
第一产业
第二产业
第三产业
南京市区
4633.23
96.45
2029.97
2506.80
66032
112.8
无锡市区
2986.56
32.36
1577.40
1376.80
86582
113.0
徐州市区
1779.47
相城区
37.50
490
360.06
69.35
37.06
31442
南通市
崇川区
53.60
100
350.03
203.65
41.42
9092
港闸区
18.82
134
178.10
115.27
19.18
5375
通州区
124.64
1166
508.00
122.95
33.89
7976
连云港市
连云区
24.38
535
55.89
201.73
29.42
24303
钟楼区
35.38
67
280.26
214.98
27.02
24003
戚墅堰区
7.92
32
69.48
49.76
6.93
7036
新北区
45.05
453
500.47
218.59
56.08
80884
武进区
100.29
1246
1163.90
348.82
85.19
80405
苏州市
沧浪区
22.93
32091
鼓楼区
65.88
25
401.04
83.10
38.08
11205
下关区
30.91
28
207.84
102.45
15.07
7840
浦口区
56.45
910
369.10
358.80
46.24
32024
栖霞区
42.91
381
681.11
287.08
33.30
38494
雨花区
22.66
132
214.87
9.24
2639
云龙区
30.52
118
132.34
137.64
12.43
4218
贾汪区
50.55
834
135.79
92.70
7.27
4549
泉山区
54.71
108
264.69
138.55