基于Clementine的不同省份经济发展水平综合实力分析

(北京物资学院 北京 101149)

一、引言

我国的经济实力不断提高，城市化进程飞速前行，城市的规模和数量不断扩大，城乡比例不协调。乡镇正逐渐向小型城市演变，而中小城市也同样顺应趋势，在各行各业向大城市跟进。城市可以带动周围的乡镇发展，是其周围的政治经济文化中心，在推动相关地区全方面发展的起到了不可代替的重要作用。国家的经济水平的体现是由各个区域的经济发展状况来决定，换而言之，各个城市的经济发展状况是国家整体经济发展的重要体现。在我国，由于区域之间的不协调发展，导致我国东西部城市经济发展水平参差不齐。也就是说，南北方连同沿海和内陆城市也会由于各种因素的限制和影响产生经济发展水平不均衡发展。所以，正是由于不同城市间存在经济发展水平的差异化，才促使我们去运用科学的方法去分析、比较和研究不同城市的经济指标，通过聚类分析得出差异化背后的原因，据此来有针对性的提出促进城市经济发展的对策，对我国经济整体的协调发展具有重大意义

二、构建评价我国各地区经济发展水平的指标体系

在一定时期，一个地区的经济发展水平可以反映该地区不同的方面，包括政治经济文化等综合发展状况，最重要的是它也在一定程度上反映了地区的国民经济持续发展水平。因此，地区的经济发展水平指标体系的改进是为更好的反映该地区现有的经济实力，也是为了更好的反映未来的发展状况，同样能够更好的分析我国31个省市地区的经济发展状况。本文主要是为了对各地区各行业的经济发展情况进行分析，指导各地区的经济社会发展。遵循系统性全面性、科学性、可比性的原则，在《中国城市统计年鉴2017》，选取了能够了反映2016年各城市经济发展情况的9个指标：X1-地区生产总值；X2-农林牧渔业；X3-工业；X4-建筑业；X5-批发零售；X6-交通运输、仓储和邮政业；X7-住宿和餐饮业；X8-金融业；X9-房地产业。

三、clementine聚类以及神经网络模型的建立

(一)clementine聚类以及神经网络分析模型介绍

clementine聚类分析法是多元统计分析的范畴聚类分析法的一种，其主要的思想为在所有的统计样本中，由于样本之间具有一定的不同程度的相似性。因此可以对一批样本进行不同程度的观测，进行相关性分析，找到其中具有代表性的相似程度的统计量，依据这些要素进行一定程度的聚类分析。[1]Clementine神经网络应用的主要目是在所有的样本中，以不同的层面进行分析，找到其中具有价值的相关规律，并且可以运用其进行恰当的单元件处理网络结构分析，实现分类预测和聚类分析。Clementine聚类分析是数据挖掘的主要任务之一。在这方面，聚类能够用分析方法获得数据的的分布状况，通过对不同数据集的观察，找到他们不同的特征。也可以对特定的数据集进行更加深层的分析。

(二)构建分析我国各地区经济发展水平模型

1.模型构建过程

将我国31省市地区生产总值文件拖拽至数据流区域，获取EXCEL表格数据。应用“分类”对数据进行处理以便于聚类分析，引入“K-means”模型，对执行后的模型数据按照km-means进行升序排列并输出表，同时建立km-k-means分布图，以便于观察我国31省市地区在各类中的分布情况，为了研究影响地区生产总值的主要影响指标，建立了地区生产总值神经网络模型。我国各地区经济发展水平模型，见图1.

图1我国各地区经济发展水平模型

2.聚类分析输出结果以及分析

将聚类模型展开，整理各分类记录中各指标的均值，整理结果如表1所示，根据聚类模型输出的结果，对各类数据指标对于地区生产总值的影响程度进行分析。

表1 各分类各行业指标均值(单位：亿元)

根据均值数据、各项指标数据以及K-means重要性分析结果，分析各个类的特征

类1：省市为云南、陕西、重庆、广西、江西、安徽、黑龙江、辽宁、内蒙古、上海、北京、天津，除金融业以及房地产业外各项指标均值均排在第三位，大部分地区经济发展水平相对较低。近年来，北京、上海、天津三座城市经济增速放缓，由于北京正在推进非首都功能疏解，许多金融等企业外迁，经济增速缓慢。上海经济增速较慢可能由于动能转换造成的，天津经济增速慢可能由于部分行业产能过剩有关。北京、上海两座城市金融业以及房地产业经济发展水平较高，工业排在第三梯队，上海市的批发零售业排在第一梯队。北京、天津、上海三座城市由于农业用地较少，农林牧渔业发展缓慢，其他产业经济发展水平相对较低。黑龙江、辽宁是我国重工业以及农业发展基地，可以通过改造良田，提高土壤质量，改善农业基础设施，提高农业经济活力，改善农产品销售模式，提高地区经济活力。黑龙江省主要发展方向主要为重工业，轻工业的发展的劣势成为了其制约因素。

类2：省市为广东、山东、江苏，综合经济实力较强，广东省工业、批发零售业、金融业、房地产业均处于第一位，各项指标均处于最好的状态，是经济最活跃的地区。山东、江苏，除工业外所有的经济指标的均值排在第二位，各类行业经济发展情况较好，山东省以及江苏省的地理位置和气候环境，比较适合农作物水果种植，饲养牲畜以及发展水产品产业，山东与江苏农林牧渔业的产值比广东地区产值要高。

类3：四川、湖南、湖北、河南、福建、浙江、河北，第三类城市的未来重点发展方向可以主要集中于工业，交通运输、仓储和邮政业以及农林牧渔业。由于该类城市大多属于长江、黄河等河域的密集分布地区，船运及农牧业较为发达；另外，该类城市的陆路交通网分布密集，所以陆上物流运输业也较为发达。第三类各地区各行业经济发展水平要比第一、第四类整体发展水平要高，处于经济发展的中间地带，发展前景较为广阔。

类4：新疆、宁夏、青海、甘肃、西藏、贵州、海南、吉林、山西，所有指标的均值都位于最后梯队，除于经济发展缓慢地区。其中新疆、宁夏、青海、甘肃位于我国西北部地区，贵州、西藏位于我国西南部地区。近年来，西部地区经济增速快于中东部地区，但是其经济增长方式主要以投资驱动为主，房地产等行业市场内生投资力不足，新兴行业产业规模相对较小。西部地区发展还受交通以及市场资源的限制，物流运输成本相对较高，众多农产品销售价格攀升。民营经济发展缓慢，缺乏市场主体的支撑。未来西部地区发展应当积极采取措施，促进当地民营经济的发展，改变政府投资模式，加强科学技术研究研发。[2-3]

3.神经网络分析结果

通过神经网络分析模型输出图可以看出影响各地区地区生产总值的主要因素有四个：房地产业、金融业、批发零售业、工业。

四、结论

我国正处于经济转型期，市场转型发展期，发展潜力巨大，有不错的前景。但是，由于区域间的不协调发展，我国各区域间出现了相当程度的发展不协调，沿海地区相对于内陆发展较好，东北地区相对于西部地区发展较好。2020年，我国要全面建成小康社会，对于这一伟大要求，我们必须协调好区域间的经济发展，对于不同地区侧重不同的经济发展，取长补短，共同促进。只有这样才能更好的使国民经济朝着更好的方向发展。

本文通过对全国31城市的相关重要经济指标建立模型并进行聚类分析，通过分析可以得出各个城市在不同行业的宏观表现，针对不同的表现及结果分析，相应的政府部门便可以发挥政府宏观调控的职能，进行决策分析并更好地引导城市经济朝着良性发展下去。