-京津冀地区商务服务业驱动因素及差异研究资料要点.docVIP

京津冀地区商务服务业驱动因素及差异研究 ——基于数据的随机森林与lasso探索分析 摘 要 ?信息技术和人员素质关键词：京津冀商务服务业，交叉验证，随机森林，lasso 目 录 一、问题的提出及研究综述 1 （一）问题的提出 1 （二）研究综述 1 二、变量选取及数据预处理 1 （一）基础数据情况 1 （二）变量的选取 3 1.因变量的选取 3 2.自变量的选取 3 （三）数据预处理 3 三、数据探索分析及可视化 5 （一）相关性探索 5 （二）分布探索 6 1.单变量的分布探索 6 2.双变量的分布探索 8 四、京津冀地区商务服务业发展的驱动因素及差异性分析 9 （一）北京市商务服务业驱动因素建模 9 1.建模方法介绍 9 2.交叉验证评价建模方法 9 3.随机森林重要性分析 10 4.lasso回归系数分析 12 5.随机森林与lasso回归的优劣对比 13 （二）京津冀地区商务服务业差异分析 14 1.京津冀地区驱动因素差异 14 2.基于洛伦兹曲线的地区产业集中度差异分析 14 （三）模型的结果分析 15 （四）模型意义及下一步研究计划 16 五、京津冀地区商务服务业发展存在的问题及政策建议 16 （一）存在的问题 16 （二）政策建议 17 一、问题的提出及研究 （一）问题的提出 我国商务服务业发展起步较晚，但随着国际化程度的提高和产业化进程的加快，探讨如何推动商务服务业健康快速发展具有重要意义。同时，由于商务服务业兼具知识密集型、资金密集型和劳动密集型特征，属于低耗、高效的绿色产业，符合我国现阶段的经济发展方向。本文在京津冀一体化的大趋势下，研究该地区商务服务业发展的驱动因素及差异，探讨三地如何因地制宜发展商务服务业，促进区域商务服务业协同发展。 （二） 国内以往研究商务服务业的文献主要集中于对于单个城市商务服务业发展状况的描述、发展驱动机制的分析，以及区域城市间协作发展模式的探讨等方面。浙江树人大学课题组（2007）通过问卷调研的方式对浙江商务服务业发展状况进行调查研究，其运用的问卷调研属于传统统计分析方法，不能深入探索挖掘商务服务业发展规律。顾乃华，李雨珣（2009）提出促进粤港澳商务服务业合作宜从丰富合作模式、建立健全粤港澳政府间的合作机制等方面入手，该研究缺乏对于不同城市商务服务业发展状况差异及影响因素差异的分析，不能够指导城市在竞争过程中因地制宜、差异化发展。饶小琦，钟韵（2010）从行业内、行业间和城市间三个层面对广州商务服务业进行了分析，所利用的数据为营业收入、利润总额、增加值等宏观数据，没有从企业个体出发，利用微观企业数据，研究影响该行业企业经营的内部因素，损失了微观企业数据所包含的丰富信息。 本文对以往文献研究不足的部分进行补充研究，基于企业微观数据，利用随机森林、lasso回归等数据挖掘方法对京津冀地区影响商务服务业发展的因素进行定量分析，试图找到不同区域影响商务服务业发展的主要因素和影响因素的区域差异，进而找到各地商务服务业发展的最优思路，推动京津冀地区商务服务业的整体发展。 二、变量选取及数据预处理 （一）基础数据情况 经济普查的企业微观数据是核算经济总量的原始依据，相较于汇总数据包含了更为丰富的信息。本文2008年第二次全国经济普查抽样数据中服务业作为数据源。数据共包含90多万样本，每企业样本数据中包含56个指标。 我们选取上述数据中行业代码属于商务服务业的35多万条数据进行。基础数据情况如表1所示。表1 基础数据情况 单位：条 地区 服务业数据量 商务服务业数据量 全国 906904 355865 京津冀地区 141463 北京市 102094 42057 天津市 22357 8610 河北省 17012 5641 社会经济咨询（二）变量选取 1.变量选取 本文选取其中的“主营业务利润”作为变量，相较于“营业利润”更能反映方面的生产经营成果。 2.自变量的选取 商务服务业企业经营受到劳动力、资本、技术等生产要素影响。本文选取了企业物质投入、要素投入、信息技术投入、企业性质、资本性质等5方面16个指标作为自变量。 表2 自变量选取情况表 描述对象 测度指标 符号表示 企业利润的驱动因素 企业物质投入 资产总计 M66 人力资本要素投入 年末从业人员数合计本年应付工资、福利费总额 大专以上从业人员合计 M48 M25 M67 信息技术利用 年末在用计算机数 全年电子商务采购金额 全年电子商务销售金额 千元 千元 M31 M33 M34 企业性质（分类变量） 登记注册类型 控股情况 — M35 M63 隶属关系 M64 资本性质 国家资本 M6