（区域）基于面板数据的辽宁省城市发展水平聚类研究.docVIP

基于面板数据的辽宁省城市发展水平聚类研究 城市发展水平综合反映一个地区经济、文化、科技等方 本文选取代表辽宁省城市发展水平的11项指标，选取14个地 一、面板数据聚类分析理论 面板数据聚类分析与传统聚类分析最大不同之处在于t=i期截面数据的样本距离可用传统的欧式距离（1）式表示： xik，xjk分别表示样本i和样本j在第k个指标上的取值，i，j=1，…，M；k=1，…，N。 该距离公式包含固定时期两样本各指标绝对水平差异， (2)式是“全时绝对距离”，反映整个时期内两样本各个指 (3)式是“全时增长速度距离”，反映整个时期内两样本各 面板数据的样本距离是“全时绝对距离”和“全时增长速 (4)式不但度量了整个时期内样本各指标间绝对水平差(3)式存在一个缺陷，它只度量两样本各指标变的符号对距离的影响。对此，本文根据xikt(或Xjkt)在相邻两时期的取值数据，的符号就为正，否则为负。基于此重新计算(4)式距离。 此外，(4)式需满足α+β=1，α、β取值可以结合研究的实1/2。 本文采用系统聚类法，类距离用最短距离法计算。 二、实证分析 1.指标选取。 基 兼顾数据可获得性，本文选取人均GDP等11项指标(见1)。作为科技发展的基础，高等教育的地位不容忽视，故本2008～2010年，其中2008～2009年人均可支配收2010》，2010年人均可支配收 2.指标“降维”处理。 为消除以上11个指标的信息重叠，本文采用主成分分 是第i个样本的第k个指标在所有时期的均是第i个样本的第k个指标所有作为权重，对原来数据求加权平均，得到变量新值为至此，初始的面板数据转化为了截面数据。该过程用SAS9.2编程完成。 对新生成的截面数据做主成分分析，结果显示，前3个85.008%的信息，故选取3个主成 表2是因子载荷矩阵，主成分y1在x1x2、x3、x8、x9、x10、x110.8，故主成分y1是人均GDP、人均固定资产总额、人均社会消费品零售额、每万人拥y1命名为居民生活水平因子。主成分y2在x5x5表示第二、三产业产值占GDP的y3在x6上的因子载荷值比较大，x6y3命名为基础设施建设水平因子。这三个 (5)、(6)、(7)式是主成分关于原始变量的表达式，将原始面3个变量的面板数据。 3.聚类结果及分析。 对“降维”后的面板数据做聚类分析，该过程采用SAS9.2EXCEL2007软件完成，将城市分为3类时，分类结果如3所示。 聚类结果显示，沈阳与大连聚为一类，营口自成一类，其 为比较不同类城市发展水平的差异，计算出面板数据聚4所示。 X1、Y1、Z1分别代表2008～2010年的居民生活水平指数变量，X2、Y2、Z2分别代表2008～2010年的产业结构水平指数，X3、Y3、Z3分别代表2008～2010年的基础设施建设水平指数。由于对数据进行过标准化处理，因此表中数值是与全省平均水平差值。 由表4可知： (1)第一类城市(沈阳与大连)的居民生活水平始终远高 (2)第二类城市(营口)居民生活水平一直处于全省最低2008年略低于全省平均水平，但在样本期间保持上升趋势， (3)第三类城市(鞍山等城市)的居民生活水平在2008年2009与2010年得到提升，最终高2008～2010年间，第三类城市群的基础设施建设平均230%。 三、结论及政策建议 本文选取代表辽宁省城市发展水平的11项指标，用主 进一步对三类城市各指标求均值又得到如下几点结论： 1.辽宁省居民生活水平与 从表4可以看出，除了沈阳与大连外，辽宁省其它城市 从表4还可以看出，辽宁省大部分城市的基础设施建设 2.辽宁省产业结构不合理。 从表4可以看出，除沈阳、大连、铁岭外，省内其他城市 (作者：马健 东北财经大学)