一带一路倡议下对沿海港口城市多元统计分析.docVIP

一带一路倡议下对沿海港口城市多元统计分析 　　摘 要：首先，文章开头简要介绍了几种多元分析方法（包括因子分析、聚类分析以及偏最小二乘分析）的基本思想及其基本步骤，为后边的分析打下坚实的基础。并说明了选取的沿海城市以及选取指标的原则，并依据这些原则去筛选合适的指标。接下来，对样本进行了港口城市的经济发展的因子分析，通过分析找出了两个主要的影响因子：第三产业因子以及国际贸易因子。然后，计算出了各个城市的因子得分并根据得分对各个城市进行了综合排名，同时对排名的结果也进行了详细的分析。随后将因子总得分作为城市的指标，计算出来各个城市的距离，利用类平均法对12个沿海城市进行了系统聚类，得出了聚类图，并对聚类结果进行了简要分析。其后，通过对生产总值及进出口贸易额构成的变量向量进行偏最小二乘回归，得出回归系数后对其意义进行阐述。最后，综合三?N分析的结果，提出沿海港口要走信息化、多元化道路的建议。 　　关键词：研究思想 数据获取 港口经济 　　中图分类号：F127 文献标识码：A 　　文章编号：1004-4914（2017）10-169-03 　　2013年10月3日，中国国家主席习近平在印尼国会发表重要演讲表示中国愿同东盟国家加强海上合作，共同建设21世纪“海上丝绸之路”。自此之后，21世纪海上丝绸之路成为中国推动的一项重要议程。众所周知，港口在国民经济中居于十分特殊的地位，历来有国家“门户”、“窗口”、交通“枢纽”之称，处在中国对外开放的最前沿地带。因此，对港口城市经济发展状况进行客观全面的多元统计，对各港口城市发展及建立通畅安全高效的海上运输大通道、引领21世纪“海上丝绸之路”？建设的进程具有重要意义。 　　一、研究思路及数据获取 　　1.研究思路。首先对港口城市发展状况的指标进行因子分析，探究各类经济指标的内在联系；并在因子分析的基础上计算各城市的因子得分，运用因子分析综合评价法对港口城市发展进行了综合评价，给出不同城市的发展得分。进而，利用各城市的得分，我们对港口城市进行聚类分析，综合分析不同发展程度港口城市的发展现状。最后，我们尝试用偏最小二乘回归对一系列因变量指标进行回归分析，并对回归系数的意义进行了说明。 　　2.数据获取。为了全面反映沿海城市的经济发展状况，我们选取了12个沿海城市作为分析对象，包括天津、广州、海口、上海、宁波、深圳、湛江、汕头、青岛、大连、福州以及厦门。 　　为了对沿海港口城市进行全面的分析，根据代表性、可行性、可获得性及数据准确性原则，共选取了26个指标，包括：该城市的生产总值（亿元）、第一产业增加值（亿元）、第二产业增加值（亿元）、第三产业增加值（亿元）、年末常住人口（万人）、人均可支配收入（元/人）、人均消费支出（元/人）、居民消费价格指数（上年=100）、社会消费品零售总额（亿元）、国际旅游（外汇）收入（亿美元）、全市税收总收入（亿元）、家庭宽带接入用户（万户）、普通高等学校数、货物运输量（万吨）、旅客发送量（万人次）、保险费用收入（亿元）、信息传输与软件和信息技术服务业生产总值（亿元）、金融业生产总值（亿元）、交通运输、仓储和邮政业生产总值（亿元）、进口总额（亿美元）、出口总额（亿美元）、国际集装箱吞吐量（万TEU）、沿海泊位（个）、铁路运营里程（公里）。数据来源于中国”一带一路”网及2015年沿海港口城市的统计年鉴或统计公报。 　　二、港口经济发展的因子分析 　　由于因子分析要求数据为正定矩阵，在尽量不减少研究样本的原则下对研究指标进行筛选和剔除。通过对26个指标进行初步的聚类分析，将信息相近的指标剔除后，选取了12个港口城市的9个经济指标进行因子分析。 　　1.KMO检验和Bartlett球形检验。将原始数据标准化，对数据进行KMO检验和bartlett球形检验，KMO值为0.683，大于最低标准0.5，说明该数据可以做因子分析，BARTLETT的球形度检验的显著性水平小于0.01，表明标准化原始变量数值的相关系数矩阵间有共同元素存在，适合做因子分析。 　　2.因子分析。 　　表1揭示了因子分析提取公共因子的共同度，可以看到，各指标的提取度多在90%以上，说明各个变量的信息丢失都较少，提取的公因子效果较理想。 　　累计贡献率值可知，前两个因子的累计贡献率已达到89.871%，即选取这2个因子作为主因子就可解释原始变量89.871%的信息，也就是说可以通过选择两个主因子迸行分析，就能充分反映各个沿海城市经济发展的综合水平（见表2）。 　　3.因子旋转。由于各因子在原始变量上的因子载荷阵（略）不容易解释，为了更加明确各因子的经济含义，下面对因子载荷矩阵进行正交旋转，使得旋转之后的因子载荷值向极端值0和1靠近，得到的正交因子旋转成分矩阵见表3。 　　通过因子旋转