时间：2023-10-26 11:27:05
引言：易发表网凭借丰富的文秘实践，为您精心挑选了九篇地区经济发展水平范例。如需获取更多原创内容，可随时联系我们的客服老师。
关键词：因子分析；聚类分析；判别分析：经济发展
一、引言
当今社会是一个信息爆炸的时代，社会中存在多种不确定性，所以要正确使用数据分析方法进行数据分析，有效提取信息是生活中决策的关键。我国经济发展水平是大家都很关心的问题，它关系到人民的生活水平，社会的发展程度以及国家的综合国力，因此研究我国各地区的经济发展水平非常有必要。
因子分析、聚类分析和判别分析是多元统计分析中三个重要的分析方法。本文针对2005年全国31个省市自治区直辖市(除港澳台地区外)的主要经济发展指标，先后运用因子分析方法、聚类分析方法和判别分析方法，进行分析评价。
二、文献综述
目前，针对区域经济的研究很多，随着研究地不断深入，越来越多的定量方法被引入进来。吴玉鸣在采用因子分析法对我国31个行政区划的第三产业综合发展水平进行了评估，提出实施第三产业非均衡协调发展战略。梁晓俐对全国30个行政区划的经济发展水平进行了主成分分析，根据因子加权综合得分进行分类排序，得到全国的经济发展水平总体上呈现东高西低的地域分布。这几篇文章都只是对各地区经济发展水平进行了排序，并没有很好地进行分类，不利于看出各个地区经济发展的快慢情况。陈佳、吴润衡、刘喜波先后运用因子分析方法和聚类分析方法针对2004年全国31个省市自治区直辖市(除港澳台地区外)的26个主要经济发展指标进行分析评价。王维、李仕明、肖磊先后运用因子分析方法和聚类分析方法，对全国31个省、市、自治区的地区经济发展水平进行动态分析。这几篇文献使用的数据都已经比较陈旧，不能反映近几年的经济发展。为了弥补以上不足，本文对全国2006年的经济数据进行分析，首先对所选的经济指标做因子分析，科学有效地缩减指标规模，得出三个意义较为明确的公共因子，再用聚类分析方法，得到各地区经济发展层次分布状况，最后用判别分析方法看所选方法的判断准确性。
三、样本数据
本文选取了2005年全国地区23个主要经济发展指标(数据来源：《中国国家统计年鉴2006》)：年底人口数(万人)；就业人员(万人)；职工人数(万人)；地区生产总值(亿元)；人均地区生产总值(元)；商品房销售额(万元)；竣工房屋面积(万平方米)；房屋住宅销售面积(万平方米)；职工平均工资(元)；旅游外汇收入(百万美元)；社会消费品零售总额(亿元)；各地区货物周转量(亿吨公里)；各地区货运量(万吨)；各地区客运量(万人)；城镇居民平均每人全年总收入(元)；农村居民平均每人全年总收入(元)；城镇居民全年最终消费支出(亿元)；农村居民全年最终消费支出(亿元)；城镇固定资产投资(亿元)；外商投资总额(亿美元)；税金总额(万元)；利润总额(亿元)；工业增加值(亿元)。
四、统计分析
本文采用SPSS11.5进行统计分析。
(一)对原始数据的因子分析和主成分分析
1、KMO检验与Bartlett球度检验(见表1)。KOM值是用于比较观测相关系数值与偏相关系数值的一个指标，其值越逼近于1，表示对这些变量进行因子分析的效果越好。本样本的KOM值为0.792，适合因子分析，而且可以得到比较满意的结果。而且，Bartlett球度检验的显著性概率为0.000小于显著性水平0.05，也说明适合因子分析。
2、旋转后的因子载荷矩阵。利用SPSS提取了三个因子，因为未经旋转的载荷矩阵中，因子变量在许多变量上都有较高的载荷，为了使因子更具直观含义，所以运用方差极大法对因子载荷矩阵旋转。因子1包括年底人口数、就业人员、职工人数、地区生产总值、房屋住宅销售面积、社会消费品零售总额、各地区货运量、各地区客运量、城镇居民全年最终消费支出、农民居民全年最终消费支出、城镇固定资产投资、利润总额和工业增加值，主要反映经济总量和人民生活水平，所以可以命名为经济总量因子；因子2包括人均地区生产总值、商品房销售额、竣工房屋面积、职工平均工资旅游外汇收入、城镇居民平均每人全年总收入、农村居民平均每人全年总收入、外商投资总额和税金总额，反映的是全社会各方面收入情况，可以命名为收入因子；因子3只有各地区货物周转量这一个变量，这个变量对于我国经济发展具有重要作用，所以可以命名为经济发展因子。
3、因子得分函数。根据因子得分矩阵，可以得到因子得分函数：
(二)对综合得分数据的聚类分析
对全国各地区经济发展水平进行3－6类的聚类分析，类间距离为类间平均链锁法，样本间距离为欧式距离平方法。通过对比发现分为四类是比较恰当的，能够体现各省市经济发展的快慢情况。分成四类时：北京和上海属于第一类；江苏、浙江和山东属于第三类；广东属于第四类；其他属于第二类。我们分析不同类的地区时同样采用指标平均值。
通过分析各类均值结果，可以得出各类地区所选取的经济指标方面发展的水平情况，综合分析就可得出各类地区的发展水平。
(三)对各类进行判别分析
因为本身所选的样品就比较少，所以没有从中抽调一些分析，这样我们可以用交互验证的方法来判别聚类效果优劣(见表2)。
表2显示了交互验证结果。可以看到该判别函数的准确率为100％，交互验证的结果和自身验证的结果完全相同，因此该判别函数是较为稳定的。
五、结论
应该说本文的分析结果对于宏观地考察地区经济发展状况以及对各地区制定和调整经济发展战略是具有一定的实际意义的。
从因子分析的结果来看，因子l包含了全部信息的65.136％，这说明我国经济的发展主要是经济总量的增长。
以下几个问题值得我们注意：城镇固定资产投资额的载荷较高，所以投资热问题是我们一直比较关注的；人口因素的载荷也是比较高，说明人口因素在中国经济增长中所起的作用不容忽视；交通运输量相关指标的载荷很大，这说明交通在经济发展中起了很重要的作用，而且从目前来看，各个城市都比较重视交通的发展。
因子2反映了一个我们现在比较关注的问题――城乡差距问题。此外，商品房和住房指标的载荷也很突出，说明2005年我国的房地产业的发展非常突出，从目前的形式来看，房地产仍然是非常热门的。
从聚类分析的结果，可以得出如下结论：2005年，经济发展最快的省份是广东；其次是江苏、浙江、山东三省；发展中等的是北京、上海；其他省份发展相对比较慢。
从判别分析的结果来看，以上分类的结果是比较理想的。
关键词：三次产业 经济发展水平 因子分析 聚类分析
一、构建评价指标体系
产业结构是随着经济增长而不断变化的，经济增长是产业结构演变的基础。产业结构的及时、合理变动又是经济总量获得新增长的必要条件。本文基于我国三次产业地区分布与经济发展水平的情况，选取了如下：人均GDP（元）[x1] ，第一产业增加值比重（%）[x2]，第二产业增加值比重（%）[x3]，第三产业增加值比重（%）[x4]，第一产业从业人员比重（%）[x5]，第二产业从业人员比重（%）[x6]，第三产业从业人员比重（%）[x7]，人均农产品占有量（亿元/万人） [x8]，人均工业品占有量（亿元/万人）[x9]，人均服务产品占有量（亿元/万人）[x10]，农业密度（亿元/万公顷）[x11]，工业密度（亿元/万公顷）[x12]，服务密度（亿元/万公顷）[x13]，第一产业增加值（亿元）[x14]，第二产业增加值（亿元）[x15]，第三产业增加值（亿元）[x16]，人口密度（人/公顷）[x17]，城市化率（%）[x18] 18个指标，来构成评价指标体系。
上述有关指标的统计数据均来自《中国统计年鉴》（2008版）。
二、基于我国三次产业地区分布与经济发展水平的因子分析
（一）确定因子分析的可行性
在对原始数据进行计算和标准化后，先检验其是否符合因子分析方法的，得到KMO取样适当度量及Bartlett球形检验的统计参数估计值，结果显示，KMO检验值为0.643，指标之间有较多的共同因素，Bartlett球形检验近似卡分布值为1081.34，显著性小于0.01，表明拒绝单位相关的原假设，通过了因子分析的适用性检验；而且有相关系数矩阵也可以看出这些因素之间有很强的相关性，因此可以采用因子分析的方法。指标数小于样本数，而且设公共因子F和特殊因子εi的相关系数为0，公共因子之间不相关，且方差皆为1，特殊因子εi之间不相关。
（二）构造因子变量
借助 SPSS11.0forWindowS统计分析软件，首先计算出18个变量的相关矩阵，并得到碎石图，从碎石图中可以看出：前三个因子的特征值均大于1，且大于后面的因子，所以提取前三个因子是比较合理的，然后进行方差最大化因子旋转，得到旋转后主因子的特征值、贡献率及以载荷表，从中可知提取的主因子[F1]在[x1]、[x3]、 [x6]、[x9]、[x12]、[x16]和[x18]这几个指标上有较高的负载，该主因子主要反映了各地区第二产业整体发展的水平和综合经济发展的水平，说明经济发展水平中有33.553%是由因子[F1]影响的，称为第二产业因子；主因子[F2]在[x4]、[x14]、[x7]、[x10]、[x13]和[x17]这几个指标上有较高的负载，该主因子主要反映了各地区第三产业发展的相对水平，代表了第三产业对国民生产总值贡献大小的重要信息，且经济发展水平中33.186%是由因子[F2]影响的，该因子称为第三产业因子；主因子[F3]在[x2]、[x5]、[x8]、[x11]和[x15] 这几个指标上有较高的负载，该主因子主要反映了各地区第一产业发展的相对水平，代表了第一产业对国民生产总值贡献大小的重要信息，且经济发展水平中有17.767%的成分是由第一产业因子影响的。提取的三个主因子累计贡献率达到了84.506%，即这三个主因子累计解释了原数据所反映信息的84.506%。因此，认为这三个主因子[F1]、[F2]、[F3]能够科学地反映各地区三产业发展的水平及各地区经济发展水平。
（三）建立因子提取模型
建立因子分析模型的目的不仅要找出公共因子，更重要的是要明确每个公共因子的涵义解释，以便对实际背景做出科学的分析。
1.初始因子模型为：
设Xi（i=1，2，3…p）为p个变量 ，本文中p=18
[X1=a11F1+a12F2+…+a1mFm+ε1X2=a12F1+a22F2+…+a2mFm+ε2………………………………………Xp=ap1F1+ap2F2+…+apmFm+εp]
其中Fi表示公共因子， aim是因子载荷，[m]=3，εi表示特殊因子。
2.因子旋转模型为：
Xi=bi1F1+ bi2F2+ bi3F3+…+ bimFm+εi其中bim代表旋转后的因子载荷矩阵。
经过旋转后，bi应该向0和1分化。
3.因子得分模型为：
Fi=βi1X1+βi2X2+βi3X3+…+βipXp其中βip为因子得分系数矩阵，通过此模型，带入数据可以算出2007年各个地区的公共因子得分。
4.综合评价模型为：
Wi=λi1F1+λi2F2+λi3F3+…+λimFm
其中[λi]代表权数，通过这个模型还我们可以算出其的综合得分。
（四）因子模型中各公共因子及综合得分的说明
各省的公共因子和综合得分，从总体上说明了我国各地区经济发展水平极不平衡，地域差异比较明显，具体情况如下：
1.在公因子[F1]上得分大于O的有13个省份，是上海、天津、广东、浙江、江苏、山东、福建、辽宁、河北、山西、河南、重庆、内蒙古，其取值较高的且大于0.5的有9个省份，是上海、天津、广东、浙江、江苏、山东、辽宁、山西、河南，这些地区在经济发展水平较高，对带动的就业较好，且多数为东部地区；在公因子[F1]上得分较低（小于-0.5）的地区有 11个省份，是湖北、海南、黑龙江、湖南、贵州、、四川、新疆、甘肃、广西和云南，说明我国近三分之一地区的经济发展水平较低，经济基础薄弱，其中大部分地区为西部地区。
2.在公因子[F2]上得分大于O的省份有13个，取值较高大于0.5的地区为北京、上海、天津、浙江、广东、江西和湖南共7个省份，说明这些地区在第三产业方面的发展较好；在公因子[F2]上得分小于0的地区包括青海、内蒙古、甘肃、山西、新疆、宁夏、陕西、贵州、广西、云南共10个省份，说明我国将近三分之一的省区在经济增长过程中第三产业发展存在问题。
3.在公因子[F3]上得分大于O的省份有11个，取值较高（大于0.5）的有9个，分别是：内蒙古、山东、广东、江苏、广西、山西、天津、河南和浙江，说明目前我国约三分之一的地区农业增长活力较强；在公因子3上得分较低（小于-0.5）的省份有海南、新疆、云南、北京、贵州、江西、辽宁、四川、甘肃和宁夏10个省份，说明我国还有近三分之一的省份经济增长过程中的第一产业的贡献率较小。
4.综合因子得分上大于O的省份有16个，其中综合得分大于0.5的有6个省份，分别是北京、上海、天津、广东、浙江、江苏，说明这些地区经济发展水平较高；在综合得分小于0的有安徽、海南、黑龙江、宁夏、陕西、湖南、江西、青海、贵州、、四川、广西、新疆、甘肃、云南共15个省份，说明我国近一半的地区经济发展水平不高。
三、基于我国三次产业地区分布与经济发展水平的聚类分析
根据综合得分，将31个地区利用聚类分析的方法划分为五类：第一类北京、天津、上海，这三个城市化进程快，很好地带动了三次产业结构的优化升级；第二类广东、山东、江苏、福建、浙江、辽宁，它们的分数虽落后于前一个地区，但是均为正值，经济水平处于全国平均水平以上；第三类湖北、吉林、重庆、黑龙江、湖南、河北、海南、内蒙古，除重庆以外，均是东部和中部地区；第四类四川、安徽、河南、江西、、新疆、陕西中西部地区，由于区位条件限制等原因，经济发展水平一直比较落后，阻碍了当地产业结构的优化升级，从而影响了经济的发展水平；第五类广西、青海、宁夏、贵州、甘肃、云南，全是西部地区，经济发展水平严重滞后，极大制约第三产业发展。
由上述分析可以看到，我国各地区三次产业发展差距明显，但呈现出微弱的收敛趋势。东部地区的第一产业比重低于全国水平，第二、第三产业比重高于全国水平；中、西部地区的第一产业比重高于全国水平，第二、第三产业比重低于全国水平。也就是说，根据产业结构变动的一般趋势可知，东部地区的整体产业结构发展水平领先于中部地区，中部地区的产业结构发展水平领先于西部地区。
随着经济的发展，产业结构的优化升级，第二产业和第三产业在经济发展过程中所做的贡献越来越大，而第一产业的比重则应该逐渐降低。
本文采用《丽水统计年鉴2012》的数据，运用主成分分析测度丽水市各地区经济发展潜力。研究表明，丽水市各地区的经济发展潜力存在明显的空间异质性：莲都区发展潜力最强；缙云县、青田县、龙泉市、松阳县、云和县、遂昌县为处于中间水平；松阳县、云和县、遂昌县庆元县、景宁县发展潜力较差。
【关键词】
主成分分析；经济发展潜力
丽水市是浙江省辖地级市，位于该省西南部、南邻福建，古称处州，始名于589年（隋文帝开皇九年），是浙西南的政治、经济、文化中心。全市总面积17298平方公里，常住人口211.70万，是浙江省面积最大而人口最稀少的地区。下辖莲都区及景宁畲族自治县、缙云、青田、遂昌、云和、庆元、松阳七县，代管县级龙泉市。
地区经济发展潜力能反映一个地区社会经济系统的发展水平，也是评价一个地区社会经济系统发展状况的重要指标。由于丽水市各地区经济规模、经济结构、经济发展质量、可持续发展等方面还存在着差异，对各地区经济综合实力进行客观评价，可以为丽水市今后经济又好又快发展提供决策依据。因此，本文首先以丽水市为基本空间单元收集区域发展影响因素，在此基础上通过主成分分析，提取并分析各主因子的空间分布状况，在此基础上进行以下处理主因子得分综合，得到区域空间发展潜力。
一、主成分分析法
主成分分析法是一种考察多个变量间相关性的多元统计方法，由皮尔逊首先提出并使用，之后经众多统计学家不懈努力逐步发展和成熟起来。主成分分析是将原来众多具有一定相关性的指标，重新组合成一组新的互相无关的综合指标来代替原来的指标。
在建立县城单元评价指标选择的基础上，运用主成分分析方法（PCA），提取影响县域乡镇地域空间差异的主因子。对各县城的综合实力进行评价。
本文选取2011年丽水市13项反映社会经济发展水平的主要统计指标，分别为镇域户籍人口、县域暂住人口、第一产业就业人口比例、第三产业就业人口比例、财政收入、工业产值、农业产值、农民人均收入、旅游收入、镇域面积、建成区绿化覆盖面积、工业固体废物综合利用率、医院卫生院床位数。
运用统计分析软件stata对对数据进行因子分析，采用主成分法提取特征值大于1的主成分作为公共因子，得到方差最大正交旋转后的因子载荷矩阵、特征值、贡献率和累计贡献率。特征值大于1的前三个公因子的累计贡献率超过80%，可见提取三个因子后，它们反映了原始变量的大部分信息。
二、主因子得分及空间分布
根据因子荷载矩阵分析主因子含义，并根据因子得分系数矩阵，计算各乡镇主因子得分，分析各主因子的空间分布特征。
从表1可知：第一主因子主要解释镇域户籍人口、镇域暂住人口、财政收入、工业产值、农业产值、农民人均收入、旅游收入、建成区绿化面积及医院卫生院床位数等指标，可命名为社会经济发展因子。空间分布值排名为莲都区、缙云县、青田县、松阳县、龙泉市、云和县、遂昌县、庆元县、景宁县。
第二主因子主要解释镇域面积、第一产业就业比例，可命名为传统产业因子。其值排名为遂昌县、龙泉市、青田县、莲都区、景宁县、缙云县、庆元县、松阳县、云和县。
第三主因子主要解释第三产业就业人口比例、工业固体废物综合利用率，可以名为现代服务业发展因子。其值排名为莲都区、缙云县、云和县、松阳县、龙泉市、庆元县、青田县、景宁县、遂昌县。
三、发展潜力评估
依据主因子得分乘以贡献率权重得到的发展潜力是基于现状的发展潜力或空间格局。其结果如下表：
从表2的得分和排名可以看出：丽水市各地区经济发展不平衡的现象较为明显。莲都区是丽水市综合发展潜力最强，以绝对的优势名列第一；缙云县、青田县、龙泉市、松阳县、云和县、遂昌县为处于中间水平，松阳县、云和县、遂昌县庆元县、景宁县发展条件较差。
参考文献：
[1]张吉献.基于主成分分析法的河南省各城市综合实力评价[J].河南科学，2009（01）
关键词：经济增长；资源丰裕度；资源诅咒
中图分类号：F291 文献识别码：A 文章编号：1001-828X（2015）024-000-01
我国是资源大国，但从资源分布情况上来看，我国的自然资源主要分布在西部地区，是我国矿产资源以及能源的主要集中地。理论上来说，丰裕的自然资源储备可以作为经济发展的有力支撑，带动经济的全面快速发展，但是由于存在资源陷进，西部地区的发展水平并不及资源相对贫瘠的东部沿海地区。这一现实情况，从主观上也说明了在我国西部地区，资源的丰裕程度与经济的发展水平并不成正相关关系，也初步的说明了我国的确存在“资源诅咒”理论中的一些经济现象。
为了探讨我国西部地区资源丰裕而经济发展水平相对落后的客观现实，本部分通过建立省际面板数据来实证检验我国西部地区资源丰裕度与经济发展水平的相关性，为本次课题进一步的研究打下基础，为资源开发利用与经济发展的关系做出理论解释。
一、自然资源制约我国经济增长的传导机制
中国区域的发展水平呈现出比较明显的差异性的重要特征，自然资源是相对于丰裕的中西部的地区而方，这其中的经济发展水平以及于增长速度大大不如资源匮乏的东部的一部分地区。深入的来分析在于市场经济条件之下自然资源制约着我国地区经济增长的各类的传导机制，是离不开投资、创新、人力资本、腐败等这四类重要的渠道的。
是以自然资源做为主要的经济结构导致投资水平的下降问题。对于我国大部分资源的丰裕的地区而言，资源开采以及于加工行业都占有着比较大的一部的份额。严重的依赖于自然资源阻碍着人力资本的积累以及于科技创新水平的不断的提高。
我国的矿产资源产权的相关的制度是不合理，更加容易滋生腐败的现象。在国内，矿产资源的全部的所有权并未得到优化的重要保障，资源采掘业的产权制度存在着一定的弊端，地方政府以及于各级资源管理部门行使事实上的所有权，这样更加容易引发出地方政府官员以及于资源开采方进行勾结，滋生出一部分的腐败的个人行为。我国资源丰裕地区也形成了的以初级部门为主的产业的相关结构，无法进行充分的发挥着人力资本的重要作用，不能够提供比较良好的创新性的环境，因此，这样也不能够吸引、培养出比较高层次的人才以及于企业家。
二、模型实证结果与分析
模型实证结果扩散型自然资源和集中型自然资源两个变量，可以看出集中型自然资源的系数为-0.15025，虽然不显著，但也能说明扩散型自然资源对经济增长有着遏制作用。而扩赛型自然资源对经济增长有显著的正向关系。究其原因正如前文所分析的西部地区中大部分地区主要依靠一产来拉动经济的增长。所以森林，土地和水资源能够促进经济的增长。而集中型自然资源没有发挥它应有的对经济的促进作用。一方可能是因为像煤炭、石油等集中型自然资源更容易产生寻租行为。二是像煤炭资源，自从九三年以来，我国逐步的放开了除电煤之外的所有的煤炭的价格的管制，并且实行随行就市、企业自主的协商定价的煤价相关政策以来，虽然还是存在着短暂的下跌的情况，但是总体而言煤炭的价格上涨势头也是比较明显的。
国内投资以及于教育对于经济增长都有着比较显著的正向的促进性的作用。比较符合在现阶段的固定资产是我国各地区经济增长的主要推动力的事实。而人力资本更是经济增长至关重要的因素。当加入这两个变量时，集中型自然资源资源仍然呈现负向不显著，扩散型自然资源与经济增长有显著的正向关系。
模型中创新与对外开放度对经济增长都呈现出正向不显著关系。由于西部地区受地理位置影响对外贸易方面一直较为落后。同时可能因为资源型城市的产业的结构比较单一、科技进步水平也比较低，因而破坏性的开采的操作行为造成了一系列的破坏生态的环境问题比较突出， 可见投资坏境不尽如人意。将这两个变量加入到模型中，集中型自然资源仍然对经济增长负向不显著，扩散型自然资源呈现显著的正向影响。
因此，通过将西部地区2003-2010年面板数据进行回归，证明了前面的分析：扩散型自然资源有助于第一产业发展，西部地区排名第一的产业仍是做为经济增长的主要性的源泉，但是集中型的自然资源未能够发挥其应有的对经济增长的促进作用。
参考文献：
[1]马宏.社会资本、金融发展与经济增长――基于中国东中西部省际数据的实证检验比较[J].经济问题.2013（09）
关键词：县域经济；因子分析；综合评价
县域经济是一个极为复杂的概念，它属于区域经济学研究的范畴，通常说来它是一种行政区划型的区域经济，它以县城为中心、乡镇为纽带、农村为腹地，是城市经济与农村经济的连接点，是宏观经济和微观经济的结合部，在国民经济和社会发展中处于重要的基础地位，县域经济的发达与否最能折射地区的经济发展程度。
本文采用因子分析法对江苏省苏北地区5个省辖市，24个县的县域经济可持续发展水平进行评价分析。根据江苏省苏北地区的特点，充分考虑资料的可得性及客观性，建立体现县域经济发展水平的经济实力、基础设施、开放程度、人才资源和环境保护这五方面内容共18个具体指标构成的县域经济发展评价指标体系（见表1）。
一、因子分析的基本原理
因子分析的基本步骤如下：
一是原始数据进行标准化处理，计算指标（变量）间的相关系数矩阵。二是确定因子变量。文章利用主成分分析，根据特征值大于1，因子累计方差贡献率大于80%的原则来确定主因子的个数。三是进行因子旋转。使每个变量在尽可能少的因子上有比较高的载荷，一个因子变量就能够成为某几个变量的典型代表，因子实际含义就更容易解释。四是计算各县、市综合得分。以因子变量方差贡献率作为权数，计算综合得分。
二、数据处理和分析
根据SPSSl6.0运行结果，KMO和球形Bartlett检验情况如表2所示。KMO给出了抽样充足度的检验，是用来比较相关系数数值和偏相关系数是否适中的指标，其值越接近1，表明对这些变量进行因子分析的效果越好，Bartlett检验用来检验相关系数矩阵时是否是单位阵，如果结论是不拒绝假设，则表示各个变量是各自独立的。从表中可以看出此时的KMO值为0.771，说明因子分析的结果是可以接受的，Bartlett球形检验Sig.的取值是.000，表示拒绝该假设。
三、确定公共因子和载荷矩阵
对上述选取的18个指标，运用软件分析可得到18个指标的相关矩阵及特征值，方差贡献率和累计方差贡献率（见表3）。按照特征值大于1、累计方差贡献率大于80%的原则，选出三个主因子。计算结果为：旋转前的3主因子的方差贡献率为80.677%，其中第1个公共因子F1的方差贡献率为61.998%，第2个公共因子F2的方差贡献率为9.586%，第3个主因子F3的方差贡献率为9.092%。
由于计算原始指标的初始载荷矩阵发现各个因子的典型代表指标不是很突出，其实际意义难以得到合理解释。故需对因子进行旋转，采用方差最大正交旋转法，经过25轮正交旋转，因子旋转不改变模型对数据的拟合。旋转后的3个主因子的方差贡献率为80.677%，其中第1主因子F1的方差贡献率为53.582%，第2个公共因子F2的方差贡献率为35.653%，第3个主因子F3的方差贡献率为18.281%。
据旋转后的因子载荷矩阵，第1主因子在X4、X6、X7、X8、X9、X10、X11、X14、X15指标上载荷较高，这些指标依次是反映县域经济发展水平指标中的经济实力、基础设施、人才资源，统称之为县域经济实力因子；第2主因子在X14上载荷较高，这指标是反映县域经济的对外开放程度称之为县域经济活力因子；因此我们第3主因子在X17指标上载荷较高，称之为县域经济环境因子。
四、县域经济可持续发展水平综合评价
县域经济可持续实力因子F1的特征根解释了原有18个变量总方差37.811%，故其权重为0.37811；县域经济可持续活力因子F2的特征根解释了原有18个变量总方差的35.653%，故其权重为0.35653；县域经济可持续环境因子F3的权重同理为0.18281，3大主因子累计解释方差贡献率为80.677%，分别计算各个县、市的综合因子得分并排序，得到江苏省苏北地区的县域经济可持续发展水平的综合得分。
F=（37.811*F1+35.653*F2+18.281*F3）/80.677
从总得分来看，连云港市、徐州市、盐城市、淮安市排在前4名，得分为正。其中连云港市、徐州市、盐城市的得分又遥遥领先于第4名淮安市，领先幅度分别在1.1和0.9分以上。从因子来看，盐城市是29个县、市中唯一3个主因子得分均为正的城市，可以说县域经济可持续发展在各方面发展都十分均衡。连云港市除了在第3 因子得分不甚理想、其余因子得分均较高，尤其是在第2因子得分可以说是遥遥领先，而第2因子主要反映的是城市开放程度，从这个角度看来与连云港市特殊地理位置不无关系。而徐州市在权重最高的第1因子得分极高，领先于盐城市2分左右，由于在第2因子上的落后，也使徐州市在总分上稍稍逊色于连云港市，但是还是能见徐州市经济实力的优势（见表4）。
苏北县域经济之间产业结构、产业构成都有着较大的相似性。要充分考虑原有产业基础、产业结构和产业布局，充分利用县域资源、地缘、资金、技术、人才等优势，寻求新的经济增长点。依靠项目推动技术进步，推动特色经济，大力推广先进技术和工艺，注重增加科技含量，由过去的初级加工向深度加工延伸，提高产品的附加值。区域产业竞争优势又依靠区域企业、产品竞争力的提高。各县主导产业之间形成互补、联动。这种基于不发达县域之间的集群可以有效地培育县域工业基础，改善投资环境，优化产业结构，是苏北县市之间打破行政区划，形成统一市场的必由出路，也是苏北县域经济发展的合理途径。
参考文献：
1、李小建，乔家君.20世纪90年代中国县际经济差异的空间分析[J].地理学报，2001(2).
2、沈正平，翟仁祥，李九全.中国新亚欧大陆桥沿线县域经济发展差异研究[J].经济问题探索，2004(4).
3、赵莹雪.广东省县际经济差异与协调发展研究[J].经济地理，2003(4).
4、陈俐谋.重庆市县域综合实力研究[J].重庆师范大学学报·自然科学版，2005(3).
5、楼海淼，孙秋碧.基于因子分析的我国各省经济活力评价研究[J].福州大学学报(哲学社会科学版)，2005(3).
关键词：DEA；低碳经济；聚类分析；收敛检验
中图分类号：F124.5 文献标识码：A 文章编号：1001-8409（2012）11-0085-05
The Measurement and Analysis about the Level of Low-Carbon Economy Development in Jiangsu Province
DONG Feng， LONG Ru-yin
（School of Management， China University of Mining and Technology， Xuzhou 221116）
Abstract： This paper is firstly based on the accurate measurement and analysis aboutthe level of the low-carbon economy development currently.Firstly Author makes low-carbon economy development index by means of DEA to measurethe level of regional low-carbon economic development in Jiangsu Province， and the results show Southern Jiangsu is the best， Central Jiangsu is in the second， and Northern Jiangsu is the last.Then， based on the low-carbon economic development index， author analyzes the level of regional low-carbon economy development in Jiangsu. The clustering results indicate that better development area of low-carbon economic include Wuxi， Changzhou， Suzhou， Nantong， Yancheng and Suqian. The Convergence test indicates that regional differences of low-carbon economic development become larger. The influencing factors analysis shows the impact direction of the economic development and industrial structure to the low-carbon economic development index is positive， and the impact direction of the energy intensity （unit GDP energy consumption） to the low-carbon economic development index is negative.
Key words： DEA； low-carbon economy； clustering analysis； convergence test
低碳经济的提法最早源自于2003年英国的能源白皮书《我们未来的能源：创建低碳经济》，目前国际上对于低碳经济的公认定义为人类通过技术手段和制度设计，降低化石能源的消耗，减少温室气体的排放，遏制全球气候变暖，从而减少由此带来的各类自然灾害的发生和生态环境的恶化，保护人类的生存安全[1]。景跃军和刁巍杨通过对东北地区低碳经济发展路径的研究发现东北地区碳减排成本与能源排放强度、能源消费结构和能源利用效率高度相关[2]；刘鸿渊和孙丽丽以新自由主义的理论为基础，从中观层面分析了低碳经济在异质性地区的生成条件和微观基础[3]；Zhou等从生产理论的角度，综合考虑能源、资本、劳动力等相关要素，利用环境生产技术和Malmquist 生产率指数比较了18个OECD国家的二氧化碳排放绩效[4]；王群伟等利用动态变化的 Malmquist 指数测度了 1996～2007 年我国 28 个省区市二氧化碳的排放绩效，并借助收敛理论和面板数据回归模型分析区域差异及影响因素[5]；Dong等构造了连续Malmquist–Luenberger生产率指数（SMLI）用其测算考虑技术可变性的环境敏感生产率[6]；胡宗义和刘亦文用动态CGE模型来模拟分析低碳经济对中国经济发展的产出影响。研究结果表明：发展低碳经济对我国各产业影响不尽相同，在一定程度上推动了我国经济的发展，但会导致企业削减就业岗位[7]。
关于江苏低碳经济的研究不是很多，主要有以下几篇代表性文献，聂锐等利用环境负荷模型与脱钩理论， 对江苏未来中长期的经济发展、能源需求与二氧化碳排放进行了情景分析， 并结合当前的环境政策， 对三种情景下主要指标的参数和结果进行了设计与分析[8]；赵荣钦和黄贤金采用2003～2007年江苏能源消费和土地利用等数据，通过构建能源消费的碳排放模型对江苏能源消费碳排放进行了核算[9]；张秀梅等对江苏1996～2007年的碳排放效应及时空格局进行了分析，得出江苏全省碳排放量、地均碳排放强度和地均建设用地碳排放都呈现苏南大于苏中大于苏北的分布格局的结论[10]；刘慧等通过设定基准情景（BAU）、低碳经济政策情景（LES）、推进低碳发展的国际合作与技术转移情景（ICS）三种政策情景对江苏未来中长期能源需求与二氧化碳排放强度进行分析[11]。
自从我国政府在哥本哈根年会上提出2020年单位GDP二氧化碳排放强度相较2005年降低40%～45%目标后，国内外学者对于中国二氧化碳排放问题的研究越来越多，大家的一致意见是低碳经济是实现碳减排目标、实现可持续发展的唯一路径，并从碳排放绩效、因素分解、情景模拟等角度进行了分析。对江苏碳排放的研究更多集中于江苏全省，缺乏对13地级市及苏南、苏中、苏北三大经济区域二氧化碳排放和低碳经济发展状况的系统梳理分析。制定低碳经济发展战略和实施路径首先要建立在对当前低碳经济发展状况的正确测评和认识的基础之上，本文正是基于这一现实，先以IPCC碳排放系数计算方法准确测算江苏各区域二氧化碳排放数据，然后用DEA方法设计低碳经济发展指数对江苏各区域低碳经济发展水平进行测度，并在此基础上进行聚类分析、收敛性检验和影响因素分析。
一、江苏区域二氧化碳排放测算及现状分析
《中国能源统计年鉴》将最终能源消费划分为9类，分别为煤炭、汽油、柴油、天然气、煤油、燃料油、原油、电力和焦炭，国内二氧化碳排放计算一般计算公式为：
C=∑iaiEi （1）
其中ai为IPCC提供的各种能源碳排放系数，Ei为终端能源消费量（标准煤）。本文没有将电力作为终端能源放入碳排放总量计算中，原因在于IPCC确定的电力碳排放系数为发电所导致的碳排放，我国2008年火力发电占总发电量的80.48%根据《中国统计年鉴2010》电力平衡表相关数据计算得到。 ，火力发电所用能源绝大部分为煤炭，各区域所消耗的电力可以分为自发电和买入电，自发电所消耗的煤炭已经在最终煤炭消耗中计算，买入电由于发电所产生的碳排放并不在本区域，而水电、核电等清洁能源碳排放系数为0资料来源：国家发展和改革委员会能源研究所.中国可持续发展能源暨碳排放情景分析[R].2003。 ，所以如果在碳排放总量计算中再加入电力会造成重复计算问题，而且重复的比率相当高，所以本文在最终能源消费中没有考虑电力，各区域八种最终能源消费量数据来自各地级市统计年鉴，碳排放系数采用IPCC数据。
根据式（1）计算的江苏全省和三大经济区域苏南包括南京、无锡、常州、苏州、镇江；苏中包括南通、扬州、泰州；苏北包括徐州、连云港、淮安、盐城、宿迁。 2001～2009年二氧化碳排放总量、单位GDP二氧化碳排放量、人均二氧化碳排放量图如下：
2001～2009年二氧化碳排放总量年均增长速度苏南为10.7%、苏中为9.2%、苏北为11.8%，三大经济区域及全省单位GDP二氧化碳排放量下降缓慢，在有些年份还出现反弹增长，2001年三大区域单位GDP二氧化碳排放量从高到低排位为苏南、苏中、苏北，2009年的排位为苏北、苏南、苏中，9年间苏南单位GDP二氧化碳排放量由2.52吨/万元下降为2.00吨/万元，苏中由2.35吨/万元下降为1.77吨/万元，苏北下降幅度很小。人均二氧化碳排放量一直是苏南最高，苏北最低，与经济发展水平呈高度正相关，2001～2009年三大经济区域及全省人均二氧化碳排放增长都比较迅速，苏南增长1.07倍、苏中增长1.04倍、苏北增长1.32倍。
二、江苏区域低碳经济发展水平测度
（一）研究方法与指标
DEA（Date Envelopment Analysis 数据包络分析）是研究同类型决策单元相对效率的常用方法之一。1957年Farrell在研究英国农业生产力中首先提出数据包络思想，1978年运筹学家Rhode、Cooper和Chames正式提出了这一相对效率的研究方法[12]。
假设有n个受评估单元，每个评估单元共有m种投入要素xij，共有s种产出yir，则决策单元O的相对效率衡量指标ho（u，v）可以表示为：
max ho（u，v）=∑sr=1uryor∑mj=1vjxoj
s.t. ∑sr=1uryor∑mj=1vjxoj≤1
∑ni=1λi=1 （2）
本文基于上述DEA模型设计低碳经济发展指数，投入产出共四个指标，分别如下：
（1）GDP
GDP数据来自各地级市统计年鉴，根据GDP平减指数转换为2000年价格。
（2）资本存量
张军等[13]采用永续盘存法来估计各个省和全国的资本存量，计算公式为：
Kt=Kt-1（1-α）+It （3）
其中Kt为基期资本存量、Kt-1为上期资本存量、It为本年度固定资产投资总额、α为固定资本折旧率，本文沿用张军的思想方法估算江苏13个地级市的资本存量。方法为用各地级市GDP与江苏全省GDP之比乘以张军所测算的江苏省2000年资本存量估算出各地级市2000年基期资本存量，然后根据式（3）算出各地级市2001～2007年资本存量，其中α根据张军研究结论取9.6%。各地级市固定资本投资总额数据来自各地级市统计年鉴，所得资本存量数据根据GDP平减指数统一转换为2000年价格。
（3）人力资本
人力资本取各地级市年末从业人数。
（4）二氧化碳排放总量
二氧化碳排放总量计算方法见“江苏区域二氧化碳排放测算及现状分析”。
（二）低碳经济发展指数计算结果
本文所设计的低碳经济发展指数投入变量为资本存量和人力资本，产出变量为GDP，二氧化碳排放总量既可以作为投入指标也可以取倒数作为非期望产出指标，通过规划求解，可以得到江苏13地级市及苏南、苏中、苏北三大经济区域2001～2009低碳经济发展指数，结果见表1。
从结果来看：二氧化碳排放总量分别作为投入和非期望产出得出的江苏区域低碳经济发展指数差别不大，本文主要以二氧化碳排放总量作为投入来进行分析。从全省范围来看：除2009年外，江苏低碳经济发展指数是逐年下降的，2001年为0.966，2009年为0.83，由于当时没有2010年的相关数据，本文无从了解在哥本哈根联合国气候大会后我国各级政府日益重视碳排放问题背景下江苏2010年的低碳经济发展指数是否有所提高。
就区域来看，比较9年平均值和绝大部分年份，苏南低碳经济发展指数最高、苏中其次、苏北最低，这种排位与三大区域的经济实力相对应，根据区域低碳经济发展指数平均值排名前三个城市分别是苏州、盐城和无锡，其中两个位于苏南，一个位于苏北，平均值排名后三个城市分别是连云港、淮安、南京，其中两个位于苏北、一个位于苏南。盐城低碳经济发展指数较高与其工业化和人民生活水平较低有关，盐城2009年第二产业比重只有48.2%，远低于全省平均水平，人均GDP为25553元，排在江苏13个地级市第10位，较低的工业化和人民生活水平减少了二氧化碳排放总量从而提高了低碳经济发展指数。苏南低碳经济发展指数在三大区域最高，而位于苏南的南京低碳经济发展指数位于江苏全省倒数第三位令人意外，但是分析单位GDP 二氧化炭排放量和人均二氧化碳排放量数据就会理解本文所设计的区域低碳经济发展指数的合理性和准确性，南京2009年单位GDP 二氧化炭排放量和人均二氧化碳排放量在13个地级市中都排第2位，而低碳经济发展指数排第2位的盐城单位GDP 二氧化炭排放量和人均二氧化碳排放量在13个地级市都排在第12位。经济发展和人民生活水平的提高会增加二氧化碳排放，但是通过调整产业结构和提高能源效率可以提高碳排放效率从而提升低碳经济发展指数，同处苏南的苏州和无锡为南京作出了榜样。
依据DEA方法的BCC模型将区域低碳经济发展指数分解为纯技术效率指数和规模效率指数，结果见表2。
表2显示了江苏及各区域纯技术效率和规模效率指数的分布情况。苏南和全省纯技术效率为1，比较9年平均值，纯技术效率苏南最高、苏北最低，规模效率相反苏北最高、苏南最低。纯技术效率为1或接近1，而规模效率小于1时，这说明被评价单元本身的技术效率而言没有投入需要减少、没有产出需要增加，被评价单元的综合效率没有达到有效（即1），是因为规模、投入、产出不相匹配，需要增加规模或减少规模，规模效率与我国的产业结构、工业结构、能源消费结构都有很大关系。
三、江苏区域低碳经济发展水平分析
（一）聚类分析
根据上文得到的江苏13地级市2001～2009年低碳经济发展指数进行聚类分析，聚类树形（图4）。
按照聚类分析结果将江苏13地级市分为三类，其中低碳经济发展较好地区为无锡、常州、苏州、南通、盐城、宿迁；低碳经济发展居中地区为扬州、镇江、泰州；低碳经济发展较差地区为南京、徐州、连云港、淮安。从中可以看出低碳经济发展水平较高的地级市还是集中在经济发展水平较好的苏南地区。
（二）收敛性分析
技术创新理论认为一种新技术渗透到新市场，必然经历发明、创新和扩散三个阶段[14]，如果落后地区能够吸收和学习先进地区的技术，这样技术知识的扩散效应会使落后地区获益，因为技术的模仿总比创新成本高，因此当落后地区比先进地区在技术学习上处于更有利位置时，两地经济增长就会出现收敛的趋势[15]。利用收敛理论检验江苏13地级市低碳经济发展指数是否有收敛趋同的趋势。
借助Barro和Sala-i-matin[16]的研究成果，本文设计的β收敛公式如下：
lnEEit-lnEEi0T=C+βlnEEi0+ε （4）
其中lnEEi0表示期初相关指数（低碳经济发展指数、纯技术效率指数、规模效率指数）自然对数值，lnEEit表示第t期相关指数自然对数值，T表示时间跨度。如果β
收敛检验表明：低碳经济发展指数、纯技术效率指数、规模效率指数均不存在收敛，表明江苏13个地级市2001～2009年的低碳经济发展存在不均衡现象，各市低碳经济发展存在差异变大趋势。
（三）影响因素分析
前文分析了江苏低碳经济发展指数及组成，但是并未对指数变动的影响因素进行分析，本部分以低碳经济发展指数作为因变量，引进相关影响因素作为自变量进行分析。基于已有的研究成果和数据可得性，本文从经济发展、经济结构、能源效率三个方面考察各因素对资源型城市转型绩效的影响，表4给出了相关影响因素变量的定义及说明。
从式（5）可以看出：经济发展和产业结构对江苏低碳经济发展指数的影响为正方向，能源强度对江苏低碳经济发展指数的影响为负方向，即人均GDP和第三产业比重越高，江苏低碳经济发展指数越高，能源强度（单位GDP能耗）越高，江苏低碳经济发展指数越低。这些结果都符合本文的理论预期，经济发达地区由于先进的技术和管理，碳排放效率较高，低碳经济发展水平也较高；第三产业单位GDP二氧化炭排放量远低于第二产业，积极发展第三产业和现代服务业是实施低碳经济的必由之路；高能源强度带来的必然是高碳排放和较低的低碳经济发展指数。
四、结论与建议
本文利用数据包络分析方法设计低碳经济发展指数对江苏各区域低碳经济发展水平进行测度，投入指标为资本存量、人力资本和二氧化碳排放总量，产出指标为GDP，测评结果显示三大经济区域苏南低碳经济发展最好、苏中其次、苏北最低，13地级市低碳经济发展前三名为苏州、盐城和无锡。利用低碳经济发展指数的聚类分析结果表明低碳经济发展较好地区为无锡、常州、苏州、南通、盐城、宿迁。低碳经济发展指数收敛分析表明各区域低碳经济发展存在差异变大趋势，影响因素分析表明经济发展和第三产业比重对低碳经济发展指数影响方向为正，而能源强度对低碳经济发展指数影响方向为负。
结合分析结果，本文提出以下建议：（1）积极调整产业结构，发展现代服务业。第三产业单位能耗低、碳排放低，同时第三产业比重的提高也是经济发展、转型的重要标志，发达国家第三产业比重都在2/3以上，我国2010年底也只有43%。据测算，服务业单位增加值能耗仅为工业单位能耗的1/7，碳密度只有能源行业碳密度的1/10左右，发展现代服务业既能提升产业层次、优化三大产业比例，又能降低单位GDP碳排放量。（2）调整能源结构，积极开发新能源。江苏可再生资源较为丰富，地热资源地势优越地区面积占全省总面积的38%，开发后全部资源量折合标准煤量达到56亿吨；风场资源量居全国第七，可开发量约2100万千瓦；全省森林覆盖率达到16.9%，湿地面积占全省面积的21.5%，滩涂面积占全国总面积的1/4，这些可再生资源为江苏发展低碳经济提供了有利的现实条件。（3）政府要建立相应的管理体制，给予政策支持，为低碳经济的发展提供制度、法律保障，支持企业发展先进技术，鼓励企业对低碳技术进行引进和自主研发。（4）企业应抓住低碳产业转型升级的机遇，重视低碳技术更新和自主知识产权研发，将能源消耗列入企业预算，实行节能计划，以市场为导向，以技术为支撑，谋取更为广阔的发展空间。
参考文献：
[1]徐南，陆成林.低碳经济的丰富内涵与主要特征[J].经济研究参考，2010（60）：32-33.
[2]景跃军，刁巍杨.东北一次能源消费的碳排放及低碳经济发展路径研究[J].管理评论，2010（8）：109-113.
[3]刘鸿渊，孙丽丽.跨区域低碳经济发展模式与机制研究[J].软科学，2011，25（8）：45-48.
[4]Zhou P， Ang B W， Han J Y. Total Factor Carbon Emission Performance： A Malmquist Index Analysis [J]. Energy Economics， 2010，32（1）.
[5]王群伟，周鹏，周德群.我国二氧化碳排放绩效的动态变化、区域差异及影响因素[J].中国工业经济，2010（1）：45-54.
[6]Dong H O， Almas H. A Sequential Malmquist–Luenberger Productivity Index： Environmentally Sensitive Productivity Growth Considering the Progressive Nature of Technology[J].Energy Economics， 32（6）： 1345-1355.
[7]胡宗义，刘亦文.低碳经济的动态CGE研究[J].科学学研究，2010，28（10）：1470-1475.
[8]聂锐，张涛，王迪. 基于 IPAT模型的江苏省能源消费与碳排放情景研究[J].自然资源学报， 2010，25（9）：1557-1564.
[9]赵荣钦，黄贤金. 基于能源消费的江苏省土地利用碳排放与碳足迹[J].地理研究，2010，29（9）：1639-1649.
[10]张秀梅，李升峰，黄贤金等. 江苏省1996年至2007年碳排放效应及时空格局分析[J].资源科学，2010，32（4）：768-775.
[11]刘慧，张永亮，毕军.中国区域低碳发展的情景分析——以江苏省为例[J].中国人口·资源与环境，2011，21（4）：10-18.
[12]盛昭瀚，朱乔，吴广某. DEA理论、方法与应用[M].北京：科学出版社，1996.
[13]张军，吴桂英，张吉鹏.中国省际物质资本存量估算：1952～2000[J].经济研究，2004（10）：35-44.
[14]Josef S. Capitalism， Socialism and Democracy [M]. New York： Harper， 1942.
保税区亦称保税仓库区，是一国海关设置的或经海关批准注册、受海关监督和管理的可以较长时间存储商品的区域。保税区是中国继经济特区、经济技术开发区、国家高新技术产业开发区之后，经国务院批准设立的新的经济性区域，是我国目前开放度和自由度最大的经济区域。1990年6月，中国批准设立了第一个保税区――上海外高桥保税区后，其后陆续设立了天津、深圳沙头角、深圳福田、大连、广州、厦门、张家港、海口、宁波、福州、青岛、汕头、珠海、盐田等共计15个保税区。保税区设立可分为两期：第一期为1990-1993年的13个，第二期为1996年的2个，之后，国家没有再批建新的保税区。15个保税区均设在我国东部沿海的九个省和直辖市，上海、天津、辽宁、江苏、海南、浙江、山东各建1个，福建有2个，广东多达6个，其中深圳市有3个（成思危，2004）。
保税区最初的功能定位是出口加工、国际贸易、转口贸易、保税仓储和商品展示。经过十多年的发展，全国15个保税区的保税仓储、转口贸易、商品展示功能有了不同程度的发展，有的更侧重于贸易物流功能，而有的则更侧重于加工功能，自由贸易功能发展不足（刘辉群，2005）。但从目前的发展来看，保税区贸易功能相对较强，在吸引外资和发展出口制造业方面类似于经济技术开发区。根据我国保税区的发展现状，我们可以将保税区分为以下类型：综合型、工贸型、物流型和生产加工型。未来，保税区的功能定位将更倾向于与国际接轨，保税区实现区港联动，促进现代国际物流和高科技产业的发展，保税区向自由贸易区转型将成为基本趋势（张世坤，2005）。
从1990年以来，我国保税区建设取得了长足的发展，经济规模增长较快，经济效益明显提高。本文根据现有统计数据，计算了2006年保税区主要经济指标（见表1）。从保税区目前发展现状看，暂不考虑各保税区管理体制、区位等差别，仅从功能定位角度看，可以初步发现，功能越齐全的保税区的经济效益往往越高，表现在产值密度、税收密度、进出口密度等指标领先于其他保税区。特别地，在引入保税物流功能后，往往会使得保税区的经济效益明
显改善。
二、我国保税区发展水平的评价
对保税区综合经济规模和经济效益评价进行定量分析，是在单指标评价的基础上进行加权综合评价，该模型强调指标的群体性，指标之间具有替代作用，即个别指标的落后对系统整体功能不会造成太大影响。
由于各指标的量纲不同，不能进行相互比较和计算，在综合分析前必须对各指标进行无量纲化处理，所谓的指标无量纲化就是清除量纲和数量级的影响，将指标的实际值转化为可以综合的指标评价值，从而解决评价指标的可综合性。本研究采用的无量纲化的方法如下：
某行业某指标的标准化数值＝（该行业该指标值－所有行业该指标的最小值）/（所有行业该指标的最大值－所有行业该指标的最小值）。
在运用综合评价模型时，按照加权求和的计算方法，设第i个指标的无量纲化指标值为xi，对应的权重为wi，则加权求和计算模型为：
ρ=Σwixi(1)
其中，综合经济规模的单项评价指标包括：工业产值、税收、进出口贸易额；综合经济效益的单项评价指标包括：单位面积的工业产值、税收、进出口贸易额。基于数据的可得性和计算的便利性，采用改进的三标度层次分析法（IAHP）计算权重wi。根据以上模型计算保税区经济规模和经济效益的综合得分，结果见图1。从中可以看出，深圳、上海保税区的综合经济规模和经济效益最高，汕头、珠海保税区综合得分最低，海口保税区居中。可见，综合型的保税区往往可以获得较高的综合经济规模和经济效益，单一的生产加工型保
税区在综合经济规模和经济效益方面的表现往往差强人意。
三、保税区发展对腹地经济的依赖
保税区作为中国对外开放的窗口，在发展国际贸易、吸引外商投资等方面发挥了重要作用，有力地促进了腹地经济的发展（王莉，2005）。本部分利用计量模型考察保税区综合经济规模与腹地城市经济之间的关系，利用计量软件EVIEWS6.0进行回归分析，模型的回归结果见表2。
注：表中单元格给出了相应的回归系数，括号内为t值。显著性水平**代表p-value＜0.05。
1.腹地城市经济规模。回归模型采用腹地城市GDP指标代表经济规模，回归结果表明，腹地城市GDP的回归系数在5%的水平上通过了显著性检验，而封关面积的回归系数并不显著。可见，保税区的综合经济规模与腹地城市的经济总量显著正相关，腹地城市经济总量越大，保税区综合经济规模越大。上海、深圳保税区依托所在城市的经济增长，扩大了自身的产业规模。这表明：保税区经济规模的水平更多的受到当地综合经济发展水平的影响，而保税区已开发面积虽然对其经济规模有正向影响，但在引入腹地城市变量之后，其影响变得不再显著。因此，未来保税区的开发和经济发展更有赖于腹地经济增长，只有腹地城市经济的迅速扩张才能支撑保税区的快速发展（赵榄，常勇，2008）。
2.腹地城市工业化水平。回归模型采用腹地城市工业产值代表工业化水平，回归结果表明，腹地城市工业产值的回归系数在5%的水平上通过了显著性检验，模型的拟合度较高。可见，保税区的综合经济规模与腹地城市的工业规模显著正相关，腹地城市工业规模越大，保税区综合经济规模越大。上海、深圳的工业化程度较高，工业规模较大，推动了两地保税区经济的较快增长。虽然张家港保税区所在城市苏州的工业产值规模很大，但是它并没有带动保税区相应的经济规模，其可能的原因是保税区与周边地区没有形成密切的产业关联。这说明：一方面，未来保税区的开发和经济发展还有赖于腹地工业化的快速推进，另一方面，保税区的产业定位必须充分考虑腹地城市的产业基础，只有与腹地城市形成紧密的产业关联，形成产业链的互动延展才能推动保税区的产业可持续发展。
3.腹地城市对外开放水平。回归模型采用腹地城市进出口贸易额代表对外开发水平，回归结果表明，腹地城市进出口贸易额的回归系数在1%的水平上通过了显著性检验，模型的拟合度较高。可见，保税区的综合经济规模与腹地城市的进出口贸易额显著正相关，腹地城市进出口贸易额越大，保税区综合经济规模就越大。可见，上海、深圳经济的外向度高，进出口规模大，推动了两地保税区经济的较快增长，而张家港保税区的综合经济规模与苏州的进出口规模并不相称。
四、保税区进一步发展的对策
1.整合产业链，推动保税区招商引资。产业链招商对于壮大一个地方的产业，促进地方经济的发展作用越来越大。从保税区的发展看，在招商引资中贯彻产业链的整合方法，就是要围绕产业定位，按照“龙头项目――产业链――产业集群――制造业基地”的发展思路，参与主导产业链各环节分工、截取高附加值环节、打造完整产业链、延伸创新产业链。要以国际产业转移为契机，引进一批投资规模大、辐射带动作用强、科技含量高、市场前景好的大项目；做好产业配套，积极承接周边区域大项目的辐射，催生特色产业链；全面提升保税区对接和控制区内外产业链的能力，建立整合产业链的集群竞争优势。
2.打造物流平台，推动国际物流业发展。保税区国际物流设施平台的构建，主要是用于解决区内进出口货源基地、各层级仓库网点及设施技术、货物流动过程、货物流动的方向和速度等重大战略问题，应该涉及对外交通运输体系、区内交通运输体系、复合运输体系、集装箱装载系统，以及仓库、堆场、转运站、成组装载系统和保税查验场地等方面，为保税区货物进出、通关监管，区港联动运作机制的建立创造有利条件。要构筑和完善以多式联运体系为核心的国际物流联运体系；要吸引航运集团共同建设国际物流园区；要构建保税区国际物流信息平台，主要包括货物跟踪子系统、电子数据交换子系统（EDI）、综合服务子系统、物流运作支持子系统等4个部分；要引进和培养优秀的物流管理人才；要选择培育国际物流运作主体及发展物流主体形式；要创新保税物流园区海关监管模式；要健全保税区物流产业政策法规。
3.加强区域合作创新，推动保税区与腹地经济互动发展。树立“大市场、大作为”的观念，了解、收集市场信息，利用各种经贸洽谈会等平台，制定保税区企业和产品的外向推广计划，支持、鼓励企业实施“走出去”、“请进来”的战略。进一步加强保税区与腹地城市产业合作与互动，推动生产要素的跨地区高效流动和资源的优化整合。保税区要围绕保税区主导产业，促进区域创新发展。创新平台是以产学研合作平台为主体、技术创新平台为核心、创新服务平台为保障的大系统。保税区要大力推进产学研结合，积极引导保税区企业与大学、科研院所按照现代企业制度的要求或联合协作的方式，合资、合作兴办各类技术创新机构。大力支持立足本区域覆盖腹地城市的重点产业和重点企业，组建行业技术创新中心和企业内部重点工程中心，以增强主导产业的自我创新能力，改造传统产业，带动腹地城市相关产业发展。
关键词：广西北部湾经济区；低碳城市；灰色关联度；评价指标体系
基金项目：2014年度广西高等学校科研项目：“广西北部湾经济区低碳城市发展评价与对策研究”（项目编号：YB2014602）；2015年国家社科基金一般项目：“西南边疆民族地区丝绸之路经济带建设中城镇化多元格局实现路径研究”（项目编号：15BMZ080）
中图分类号：F127 文献标识码：A
收录日期：2017年3月8日
城市作为人们从事生产经营活动及生活的重要地域单元，其碳排放问题已引起全社会及国内外的广泛关注，并已成为社会各界共同面对和亟待解决的重大问题。早在2003年英国政府就在其发表的能源白皮书《我们能源的未来：创建低碳经济》中提到了“低碳”概念，并随着社会各界对全球气候环境变化给予的高度关注，低碳发展理念已俨然成为一种新的推动经济可持续发展、能源循环利用和生态环境可持续发展的重要理念和思想，并得到世界各国的广泛认同。低碳城市发展倡导的是在低碳理念的指导下，通过广泛应用各种新能源技术，积极推动经济、社会和环境等的低碳化转型，从而减少城市二氧化碳等温室气体排放，努力营造一个经济发展低碳化、社会发展低碳化、生活低碳化、环境低碳化的可持续发展城市，从而更好地促进城市的健康长远发展。本文试图从低碳经济、低碳技术、低碳社会、低碳资源和环境四个层面构建广西北部湾经济区低碳城市发展水平评价指标体系，然后采用灰色关联评价法对其进行评价分析，为把握广西北部湾经济区低碳城市发展的特征和影响因素，进而采取相应对策措施更好地推动广西北部湾经济区低碳城市的发展具有重要的理论和实践意义。
一、广西北部湾经济区低碳城市发展水平评价指标体系的构建
广西北部湾经济区低碳城市发展水平评价，涉及到低碳城市的经济、技术、社会、资源和环境等影响因素方面，是一个复杂的多因素综合评价体系。为了综合评价广西北部湾经济区低碳城市发展水平，进一步分析广西北部湾经济区低碳城市发展水平的影响因素及^域差异特征，本文在结合广西北部湾经济区低碳城市发展水平的发展实际及在坚持科学性、系统性、可操作性、层次性及数据可获得性等原则的基础上，建立了广西北部湾经济区低碳城市发展水平评价指标体系，详见表1。该指标体系从低碳经济、低碳技术、低碳社会、低碳资源和环境4个二级指标层共29项三级指标来评价广西北部湾经济区低碳城市发展水平状况。（表1）
二、灰色关联评价分析法
灰色关联评价分析法来源于我国邓聚龙教授在1982年提出的灰色关联理论，该评价分析方法是一种可以对系统影响因素的重要性次序及区域发展水平高低进行综合性评判的一种重要分析方法，目前已被广泛应用到我国经济社会发展的相关研究当中。灰色关联度是通过分析两个或两个以上因素之间的关联性程度来反映其关联度或差异性程度，关联度越大，表明其相似度越高；关联度越小，表明其相似度越低。其中，灰色关联度的计算，可以通过如下公式（1）至公式（4）求得。其中，公式（1）是对评价指标体系的指标数据进行无量纲化处理，经处理后的数据的取值范围为[0，1]；X0（k）为参考序列，经无量纲化处理后的参考序列的每个值均为1。
三、广西北部湾经济区低碳城市发展水平灰色关联评价
采用2014年广西北部湾经济区低碳城市发展水平评价的指标数据，采用公式（1）～（4），计算得到广西北部湾经济区低碳城市发展水平的各项影响指标的灰色关联度及其权重。（表2）
首先，广西北部湾经济区低碳城市发展水平的各项影响指标的灰色关联度及权重较大的前三个指标分别是C17人口增长率、C21生活垃圾无害化处理率、C23人均节能环保支出，其灰色关联度分别为0.8396、0.8035、0.7146，权重分别为0.0503、0.0482、0.0428，表明人口增长情况、生活垃圾无害化处理情况和人均节能环保支出水平这三个影响指标对广西北部湾经济区低碳城市发展水平的影响较大。
其次，C16第三产业从业人员比重（0.6617）、C34人均住房建筑面积（0.6579）、C48城市污水处理率（0.6432）、C25教育支出占财政支出的比重（0.6393）、C38每万人拥有公共汽车（0.6186）、C46每万人液化石油气供气总量（0.6014）、C11人均地区生产总值（0.6008）等影响广西北部湾经济区低碳城市发展水平的指标的灰色关联度介于0.6000～0.7000之间，其大小仅次于C17、C21、C23三个指标，这部分指标主要从第三产业服务人员规模、人均住房建筑面积、城市污水处理情况、教育支出比重、公共汽车数量、液化石油气供气数量、人均地区生产总值等角度影响广西北部湾经济区低碳城市发展水平。
再次，C36建成区排水管道密度（0.5909）、C32居民人均生活用电量（0.5788）、C31城市居民年人均可支配收入（0.5658）、C15城市化率（0.5601）、C22节能环保支出占财政支出的比重（0.5548）、C42人均公园绿地面积（0.5510）、C13第三产业占GDP的比重（0.5495）、C35人均城市道路面积（0.5462）、C44城市气象站点年平均降雨量（0.5384）、C33人均日生活用水量（0.5189）、C12 GDP增速（0.5175）、C14人均工业总产值（0.5105）等影响指标的灰色关联度介于0.5000～0.6000之间，这部分指标主要从排水管道建设、居民生活用电用水状况、人均可支配收入、城市化率、节能环保支出比重、公园绿地建设、降雨量、GDP和工业发展状况等角度对广西北部湾经济区低碳城市发展水平产生影响。
最后，C43建成区绿化覆盖率（0.4907）、C41人均水资源量（0.4824）、C47污水处理厂日集中处理能力（0.4760）、C37每万人均路灯盏数（0.4732）、C24科学技术支出占财政支出的比重（0.4730）、C18建成区面积（0.4695）、C41每万人绿化覆盖面积（0.4564）等影响指标的灰色关联度相对较小，介于0.4000～0.5000之间，但其仍然是衡量广西北部湾经济区低碳城市发展状况，推动低碳城市实现可持续发展的重要指标。
可见，表2在一定程度上反映了各项指标与广西北部湾经济区低碳城市发展水平之间的单一关联程度，但是仍难以从总体上反映出广西北部湾经济区低碳城市发展水平的发展特点。为进一步了解广西北部湾经济区低碳城市发展水平的四大影响因素的灰色关联度，在采用公式（1）～（3）求得广西北部湾经济区低碳城市发展水平的各大影响因素得分及其排序（详见表3）的基础上，采用公式（2）～（4）进一步求得广西北部湾经济区低碳城市发展水平的四大影响因素的灰色关联度和排序（详见表4）。（表3、表4）
从表3可以看到，广西北部湾经济区低碳城市发展水平各大影响因素的综合得分最高的地区是南宁，综合得分为0.6626；得分较高的是防城港，得分为0.6346；得分仅次于南宁和防城港的城市是北海、钦州和玉林，其得分分别为0.6258、0.6166、0.4861；而得分最低的是崇左，其得分为0.4608。其中，南宁、防城港、北海和钦州的影响因素得分均大于0.6000，而玉林和崇左的影响因素得分均低于0.5000，可见，这六个城市之间的影响因素得分之间具有一定的差距，并且南宁、防城港、北海和钦州这四个城市处于一个相对较高层次的发展水平之上，而玉林、崇左又处于同一低层次的发展水平上。此外，四大影响因素的地区得分中，低碳经济因素的得分最高的地区是南宁（0.7785），其次是防城港（0.6414），最低的是玉林（0.4489）；低碳技术因素的得分最高的地区是钦州（0.8203），其次是北海（0.7408），最低的是南宁（0.5044）；低碳社会因素的得分最高的地区是防城港（0.7421），其次是北海（0.6368），最低的是崇左（0.3505）；低碳能源和环境因素的得分最高的地区是南宁（0.7438），其次是防城港（0.5449），最低的崇左（0.3991）。
从表4来看，广西北部湾经济区低碳城市发展水平的四大影响因素中：低碳经济的灰色关联度最大，其数值是0.7293，表明低碳经济因素对广西北部湾经济区低碳城市发展水平的影响最大；其次是低碳社会，其灰色关联度是0.6569，表明低碳社会因素对广西北部湾经济区低碳城市发展水平也产生了重要影响，其影响程度仅次于低碳经济因素；第三是低碳能源和环境，其灰色关联度是0.5701，推进低碳能源和环境的建设是实现广西北部湾经济区低碳城市发展的重要组成部分；第四是低碳技术，其灰色关联度是0.5086，虽然其关联程度较低，但是鉴于低碳技术的发展对低碳城市发展的重要性，可以看到，低碳技术由于其技术的研发、吸收、创新以及推广具有一定的时间阶段性，导致其对低碳城市发展的推动作用具有一定的滞后性。由此可见，影响广西北部湾经济区低碳城市发展水平的四大因素的影响程度从强到弱的顺序依次为低碳经济、低碳社会、低碳能源和环境、低碳技术。
四、结论
通过对广西北部湾经济区低碳城市l展水平进行灰色关联评价，研究发现：广西北部湾经济区低碳城市发展水平的区域差距较突出，南宁、防城港等地区的低碳城市发展水平相对较高，北海、钦州、玉林的低碳城市发展水平仅次于南宁和防城港，而崇左的低碳城市发展水平最低。其中，崇左的得分仅为南宁的得分的69.54%，各城市之间的发展差距仍较明显；与此同时，南宁、防城港、北海和钦州等城市的低碳城市发展水平处于一个相对较高层次上，而玉林、崇左则处于一个相对较低层次的水平上。并且从四大影响因素对广西北部湾经济区低碳城市发展水平的重要性来看，低碳经济是其最重要的因素。可见，低碳经济的发展程度仍然是影响广西北部湾经济区低碳城市发展水平高低的最重要因素；其次是低碳社会因素，低碳社会的资源消耗和碳排放的数量及其程度，对广西北部湾经济区低碳城市发展水平产生重要影响；第三是低碳能源和环境，其反映了低碳能源的提供及生态环境状况，是衡量广西北部湾经济区低碳城市发展水平的又一重要因素；最后是低碳技术因素，低碳技术对推动产业发展技术升级、产业结构优化和城市低碳化发展发挥着重要的作用，但其对推动低碳城市的发展具有一定的滞后性。
结果表明：低碳经济、低碳社会分别是影响广西北部湾经济区低碳城市发展水平高低的重要方面，为进一步提高广西北部湾经济区低碳城市发展水平，应积极提倡低碳经济和低碳社会的发展。而人口增长率、第三产业从业人员比重、人均地区生产总值和城市化率等因素是影响低碳经济发展的主要因素，因此要努力推进广西北部湾经济区城市人口规模的扩大，不断扩大第三产业从业人员数量，推动地区生产总值的提高以及加快提升城市化水平。同时，人均住房建筑面积、每万人拥有公共汽车、建成区排水管道密度、居民人均生活用电量等因素是影响低碳社会的重要因素，应注重从改善居民住房状况、公共交通出行状况、排水设施状况、居民生活用电状况等角度提升广西北部湾经济区低碳城市发展状况。与此同时，城市污水处理率、每万人液化石油气供气总量、人均公园绿地面积、城市气象站点年平均降雨量、建成区绿化覆盖率等因素是影响低碳资源和环境的重要因素，应进一步加强城市污水处理，改善液化石油气供气状况，加强公园绿地建设和提升城市绿化覆盖率等，进而不断改善城市环境，推动低碳资源的可持续利用和环境的可持续发展。此外，生活垃圾无害化处理率、人均节能环保支出、教育支出占财政支出的比重等因素是影响低碳技术的重要因素。因此，应进一步加大对城市生活垃圾的无害化处理，提升城市人均环保支出，合理扩大教育支出和强化人才培养力度，不断推动广西北部湾经济区低碳城市的可持续发展。
主要参考文献：
[1]汤光华.灰色关联综合评价方法评析[J].江苏统计，1997.6.
[2]Yang De-yun，Li Dong，Yang Xiang，et al.，Urban Tourism Competitive Power Difference and Grey Relational Analysis on Influencing Factors of the Urban Agglomeration in Central Plain.AISS：Advances in Information Sciences and Service Sciences，Vol.5，No.2，2013.
[3]Zeng Peng，Yang Sha-sha，Lian Chao.Grey Relational Synthetic Evaluation of Urban Competitive Power Influencing Factors of the Urban Agglomeration on the West Side of Taiwan Straits[J].Applied Mechanics and Materials，2011.
[4]廉超，何小贞.我国各地区公共图书馆服务水平的灰色关联评价[J].图书馆学研究，2014.8.
关键词：区域经济 经济发展水平 评价体系 层次分析法
中图分类号：F127 文献标志码：A文章编号：1673-291X（2011）28-0150-03
引言
1978年改革开放以来，中国的经济得到了迅猛的发展，取得了举世瞩目的成绩。① 全国各地区的经济面貌都得到了很大的改善。然而由于各自经济发展起点和地理环境等方面的原因，中国各地区的经济发展水平存在明显的差异。对于中国目前的经济发展而言，如何真实反映地区间经济发展差异已经成为经济研究的重点。
中国目前主要应用国民经济核算体系（SNA）对中国及中国各地区的经济发展进行评价，其核心指标是GDP。但是经济总量并不能完全概括经济发展的内涵，因而在衡量区域经济发展水平差异上GDP法存在一定的片面性，不能真实反映区域经济发展差异。
本文将应用层次分析法从经济发展内涵出发建立中国区域经济发展水平评价体系，该评价体系能更为全面、真实的反映中国区域经济发展差异，并且通过对2008年统计数据的实证研究，得到中国各地区现阶段经济发展水平。同时，以评价得分为依据，对中国31个地区经济发展类型和阶段进行分类，并从中得到中国区域经济发展特点。
一、中国区域经济发展水平评价体系的建立
（一）评价体系的理论基础
为评价一个地区的经济发展水平，本文将利用层次分析法（Analytic Hierarchy Process，AHP）构建中国区域经济发展水平评价体系。该方法主要依据决策者的主观判断，对决策进行量化描述，较多应用于结构复杂且指标不易量化的评价问题。由于经济发展内容广泛且不易从单一指标度量，因此本文将应用此方法，从经济总量、经济结构、制度水平、创新水平等四个方面进行构建区域经济发展水平评价体系。
1.经济总量是一个地区经济发展的重要体现，也是国际上较为公认的经济发展度量指标，因此在我们的评价体系中，包含这一指标。这里度量经济总量沿用现在国际主流标准，即地区生产总值（GDP）。
2.根据经济增长结构理论，经济结构变化也是经济发展的重要影响因素之一。比如产业结构、就业结构、消费结构和分配结构等方面的变化不仅是经济发展的决定因素，同时也是经济发展的重要表现。其中产业结构主要体现地区经济发展的协调性，就业结构用来说明地区劳动力需求大小，消费结构用来体现地区居民消费能力和市场潜力，分配结构则用来衡量城乡居民收入差距。
3.制度对经济发展发挥重要作用，特别是可以有效保护产权的制度不但可以促进有效的人力资本和物质资本投资，而且可以进一步促进经济的持续增长和发展。自1978年，中国的经济制度在所有制、市场和开放水平等方面均发生了颠覆性变化，因此我们必须将经济发展与制度联系起来作为衡量经济发展的一个标准。
4.经济增长与发展离不开技术进步和创新能力，并且根据Krugerman（1993） 和Young （1995）的研究，技术进步恰恰是很多新型产业国家经济发展和能否持续获得经济增长的主要动力。因此，为了衡量不同地区经济增长的持续性，我们将创新能力作为一个主要的经济指标，而创新能力的获得恰恰源于对人才的培养和对科研的投入。
（二）评价体系的建立
根据以上对于评价体系的理论描述，主要经济发展水平评价体系指标及计算公式（如表1所示）。
目标层A：以经济发展水平为核心，逐层构架系统的，有层次、有逻辑的评价体系。
子目标层B（4个）：是在整体上把握体现经济发展水平的四大方面，即经济总量水平、经济结构水平、制度水平和创新水平，从定性角度对经济发展水平进行整体的把握。
过渡层C（11个）：在四大准则的基础上，对各个准则进行扩展，更详细的概括出经济发展的各个方面，使得整个评价体系更全面和系统，连接定性指标与定量指标。
指标层D（15个）：以11个要素为基准，指标层采用具体化可测的指标数据，使指标体系从定性分析向定量分析进行转变，使评价体系更具有说服力。
（三）评价结果的形成
形成该评价体系评价结果的主要步骤依次是构建判别矩阵并通过一致性检验、得出15个指标层指标权重、无量纲化31个省份2008年原始数据以及利用公式得出评价结果。
1.根据层次分析法构建判别矩阵。层次分析法的判别矩阵是根据九级标度①将本层次要素Ai和Aj相对于上一层次的要素Ck（k=1…m）按重要程度进行两两比较构造而成。同时，判别矩阵必须通过一致性检验，② 即CI0.1，则说明判别矩阵未通过一致性检验，必须调整判别矩阵的标度。
2.确定指标权重。根据通过一致性检验的判别矩阵，利用YAAHP层次分析法计算软件，得出指标层15个指标的权重。
3.对指标进行无量纲化处理得出评价结果。由于需要用不同性质的指标来反映评价对象的不同侧面和特征，因此指标体系中有定量指标、定性指标、绝对指标（数额）和相对指标（比率）。为了能够在指标间建立起统一的计算、比较准则，需要将所有的指标进行转化和无量纲化处理，使指标转变为与权重表达相同的以百分数表示的无量纲的相对指标，进而进行加总处理。
具体的无量纲化的方法是标准化方法，即处理后的各指标的标准差为1，均值为0，使得处理后的数据具有同等的重要性，不与指标权重产生重叠。应用公式③得出最终中国各地区经济发展水平的评价结果。
二、实证结果及分析
对中国2008年31个地区15个指标层数据运用SAS软件进行标准化处理后结合注释①中的公式得到中国31个地区（除港、澳、台）的经济发展水平的评价结果[6] （数据来源《中国统计年鉴2009》、《中国贸易外经统计年鉴2009》、《中国工业统计年鉴2009》、《中国经济贸易年鉴2009》、《中国区域经济统计年鉴2009》）。
（一）评价结果有效性检验
作为重要的发展指标，人均GDP一般被用来衡量经济发展水平。本部分为了评价中国区域经济发展水平评价体系是否有效，将人均GDP和此评分结果做相关性检验，若相关系数达到0.5以上，且P值小于0.01，则说明，该评价体系的评价结果是有效的。
运用SAS对此评价体系的评价分数和人均GDP数据的标准化后并进行相关性检验，得到相关系数R=0.5842，P值=
0.000559
（二）评价结果分析
根据得分结果，可简单的将中国31个地区分为五部分：①第一部分（得分1~1.5）为广东、江苏；第二部分（得分0.5~1）为山东、浙江、上海；第三部分（得分0~0.5）为福建、北京、河南、河北、辽宁、湖南；第四部分（得分-0.5~0）为湖北、天津、四川、广西、安徽、云南、重庆、山西、江西、贵州、内蒙古、黑龙江、新疆、吉林、山西、甘肃、宁夏、海南；第五部分（-1~-0.5）为青海、。
从分类结果上看，中国各区域经济发展存在明显差距，经济发展最强的广州和最差的之间相差了2.5分。同时，经济较发达（得分大于0.5）地区仅占全国的16.13%，经济不发达地区得分小于-0.5）仅有两个，占总数的6.5%。中国60%地区经济发展具有较大潜力（评分结果介于-0.5~0之间），在未来的经济发展中会对中国整体经济发展发挥重大作用。
结论与讨论
利用层次分析法建立经济发展评价体系，使定性的问题定量化，过渡自然。建立该评价体系的数学方法为运筹学的层次分析法，简称AHP。该分析方法是将难于选择的定性问题，通过建立较主观的判别矩阵得出各指标的权重，即重要程度，再与进行无量纲化（标准化）后的指标数据进行加权得出评价结果。在这个过程中，判别矩阵的一致性检验和不同单位级的无量纲化（标准化）保证了评价结果的准确性。
中国各地区经济发展水平评价体系具有一定的应用价值。该评价体系从四大方面，15个指标对经济发展整体进行描述，使得评价结果具有一定的说服力。再者，可以通过对15个指标数据的深度分析，得出自身在经济发展中的优势和劣势，制定符合自身经济发展特点的政策，进而扬长避短，经济取得更好的发展。
但是，由于层次分析法的基础是较为主观的判别矩阵，所以该评价体系的评价结果也存在一定的主观性，不能达到完全的客观。若想该评价体系具有更广泛的说服力，就必须使得判别矩阵的主观性削弱，最好的方法就是在构造判别矩阵时，广泛听取专家的意见获得大部分人的认可。若能克服掉主观性对于指标权重的影响，那么该评价体系会取得更大的发展，可以进一步的应用到各省对于未来经济发展政策的设计，投资方向的选择和对各省各地市经济发展水平的界定。
参考文献：
[1]胡运权，等.运筹学基础及应用:第5版[M].北京:高等教育出版社，2008.
[2]梁炜，任保平.中国经济发展阶段的评价及现阶段的特征分析[J].数量经济技术经济研究，2009，(4):2-18.
[3]高敏雪，李静萍.经济社会统计[M].北京:中国人民大学出版社，2003.
[4]麦强盛.层次分析法在经济管理中的应用研究[J].江西金融职工大学学报，2002，(2):91-94.
[5]谢虹.基于层次分析法科技财政支出绩效评价[J].中央财经大学学报，2007，(4):12-16.
[6]岳朝龙，黄永兴，严忠.SAS系统与经济统计分析[M].北京:中国科学技术大学出版社，2003:7.
[7]蔡，都阳.中国地区经济增长的趋同与差异――对西部开发战略的启示[J].经济研究，2000，(10):30-37.
[8]王小鲁，樊纲.中国地区差距的变动趋势和影响因素[J].经济研究，2004，(1):33-34.
[9]陈秀山，徐瑛.中国区域差距影响因素的实证研究[J].中国社会科学，2004，(5):117-129.
[10]赵志耘，吕冰洋.中国经济增长过程中的资本积累趋势与地区差异[J].中国人民大学学报，2005，(4):63-70.
[11]徐康宁，韩剑.中国区域经济的“资源诅咒”效应:地区差距的另一种解释[J].经济家，2005，(6):96-102.
[12]胡大立.中国区域经济发展差距与民营经济发展差距的相关性分析[J].上海经济研究，2006，(2):17-25.
