贵州经济协调增长的聚类分析研究

唐晨添 缪辉 孙一飞

【摘 要】近年来，我国西南地区正在实现整体崛起，不仅体现在重庆、成都这些基础较好的特大城市迅速跻身于新一线城市前列，更体现在长期处于非常落后状态的贵州、云南、西藏实现了超常规增长。我国区域经济协调增长和理论研究开启了历史新征程，回顾总结历史经验，进一步针对区域协调发展，将新时期区域经济增长的综合水平提升至新高度。要实现区域经济协调增长，就要全面整合常规化经济运营管理要素，在发挥政府引导作用的基础上，提高各区域经济发展水平之间的协调性，从而达到社会效益与经济效益的双赢。对于全面协调增长区域经济的方式，则需要科学的指导和理性的发展。

【关键词】贵州经济;聚类分析;协调增长

【中图分类号】F127;F224 【文献标识码】A 【文章编号】1674-0688（2020）10-0004-03

1 研究背景及意义

1.1 研究背景

党的十九大报告提出要坚定实施区域协调发展战略，构建更高层次的开放型经济，我国的区域经济发展方式自此将发生质的转变。协调在组织管理中是作为调节组织个体之间的相互关系达到最终目标的一种职能，它可以使这些个体组织在一个整体中，减少相互之间的矛盾，促使整体目标的实现[1]。

当前，利用协调度开展研究的学者有很多，苏静等人[2]利用空间计量的方法分析了中国能源—经济—环境（3E）系统协调度的地理空间分布特征，研究发现中国3E系统协调水平总体上不容乐观的现状;李江苏等人[3]采用协调度模型评价了河南省城镇化水平与质量的协调情况，发现省内各地城镇化水平整体呈上升的态势;谢传胜等人[4]基于层次分析法-距离协调度组合模型对低碳电源电网规划的协调度进行了评价，以南方两省为例，分析其协调程度及其内在原因，给出了相应的指导建议;童玉芬等人[5]基于主成分法对北京市人口、经济和环境系统进行综合评价，建立了变异系数协调度模型对北京市1996—2010年协调度进行定量分析。由此可以看出，协调度在很多方面的研究都有成功的应用。

协调的本意为“和谐一致，配合得当”[6]。张辽（2013）[7]认为依靠地区间的要素流动能够优化空间结构并实现区域协调发展，从而达到促进经济增长的目的。陆善勇等人（2015）[8]认为劳动、资本、技术3种生产要素流动对区域外贸增长有积极作用。盛斌等人（2011）[9]认为提高国内市场一体化水平能有效促进经济增长。

聚类分析是多元统计分析的一种，也是无监督模式识别的一个重要分支，在模式分类图像处理和模糊规则处理等众多领域中获得最广泛的应用，它把一个没有类别标记的样本按照某种准则划分为若干子集，使相似的样本尽可能地归于一类，而把不相似的样本划分到不同的类中。

模糊聚类算法是一种基于函数最优方法的聚类算法，使用微积分计算技术求最优代价函数，在基于概率算法的聚类方法中将使用概率密度函数，为此要假定合适的模型，模糊聚类算法的向量可以同时属于多个聚类，从而摆脱上述问题。

1.2 研究意义

区域协调发展战略作为指导地区经济和社会发展的战略导向而提出，经过20多年的形成和完善，对我国经济社会发展起到了重要作用。深入实施区域协调发展战略，提升新时代区域发展的理论和实践水平[10]，仍是未来西南地区需要着重考虑的内容。通过聚类分析对贵州各城市进行分类。所构建的评价指标体系可以为下一步贵州经济协调增长评价研究做准备。

2 聚类分析方法

2.1 系統聚类法

系统聚类法是目前国内外使用比较多的一种聚类方法，其实现方式如下：首先将每个样本单独看成一类，在规定类间距离的条件下，选择距离最小的一对合并成一个新类，并计算新类与其他类之间的距离，再将距离最近的两类合并，这样每次会减少一个类，直到所有的样本合为一类为止。

2.1.1 系统聚类实现的一般步骤

系统聚类法（自下而上）先将聚类的样本或变量各自看成一群，然后确定类与类间的相似统计量，并选择最接近的两类或若干个类合并成一个新类，计算新类与其他各类间的相似性统计量，再选择最接近的两群或若干群合并成一个新类，直到所有的样本或变量都合并成一类为止。以n个样本的聚类分析为例，系统聚类法的步骤如下：定义k维空间中一种距离，k为样本维度;计算n个样本两两之间的距离;将每个样本归为一类，根据计算出的样本间的距离合并距离最近的两类为一个新类;计算新类与其他各类的距离，同样再根据计算出的距离合并距离最近的两类为一个新类;循环以上过程直至类别个数为1。

2.1.2 常用的距离

常用的距离包括绝对值距离、欧氏距离、明氏距离、切比雪夫距离、马氏距离、兰氏距离、余弦距离（见表1和表2）。

选择适当的样本距离和类间距离计算方法，便可从每样本作为单独类开始逐渐合并，最终合为一类。

2.2 模糊C均值聚类法

在很多分类问题中，分类对象之间没有明确的界限，往往具有亦此亦彼的表现。诸如此类的问题，如果用传统的聚类方法（如K值聚类法等）进行分类，把每个待分类的对象严格的划分到某个类中，这也存在一定的不合理性。模糊聚类分析呼之欲出。

模糊C均值算法（FCM）是一种聚类方法，它允许一个数据属于两个或多个聚类。该方法（由Dunn在1973年开发，并在1981年由Bezdek改进）经常用于模式识别。

具体步骤如图1所示。

3 实证分析

3.1 评价指标体系的构建

此次分析包括贵州各市2011—2018年的相关数据。指标包括以下几个方面。

{1}城乡结构：二元对比分析、工业化率;{2}产业结构：第一产业对比系数、第二产业对比系数、第三产业对比系数;{3}投资消费结构：消费率;{4}金融结构：存款占比、贷款占比。其中：城乡二元对比=城镇人均收入/乡村人均收入。该指标反映的是城镇与农村人均收入的比值，比值越大，城乡差异越大。工业化率=工业增加值/地区生产总值。该年工业增加值占该年总值的比重，值越大，工业增加值相比其他产业增长速度更快。第一产业占比=第一产业增加值/地区生产总值;第二产业占比=第二产业增加值/地区生产总值;第三产业占比=第三产业增加值/地区生产总值。这3项指标反映的是该产业于地区生产总值的占比。消费率=社会消费品零售总额/地区生产总值;存款占比=金融机构存款余额/地区生产总值;贷款占比=金融机构贷款余额/地区生产总值。消费率、存款、贷款占比反映随着地区生产总值的增加，消费、存款、贷款的增长幅度。该值越大，则消费、存款、贷款的增长幅度比地区生产总值增加速度越快。

3.2 R聚类分析

本文分别采用系统聚类法和模糊聚类法依据贵州相关经济指标对各城市进行了分类（A：贵阳;B：六盘水;C：遵义;D：安顺;E：毕节;F：铜仁;G：黔东南;H：黔西南;I：黔南）。具体结果见表3、表4。

在系统聚类法分类中，贵阳均被单独分为一类，而六盘水稳定出现在第二类中，遵义、毕节等偶尔在第二类中出现，其余城市主要出现在第三类中，结果见表5。

在模糊C聚类法中分类层次不清，效果并不显著。可见，关于贵州经济协调增长的聚类分析中系统聚类法是优于模糊聚类法的。

4 总结

本文研究的要点在于：从评价指标信息出发，对贵州各城市进行R聚类，保证聚类后不同类间指标信息相关性较小，而同类指标间相关性较大，确保筛选后的指标体系信息重复性小。

本文以统计年鉴所提供2011—2018年的数据为基础，通过对数据的选择筛选与R聚类，初步构建了包含各产业劳动生产率、工业化率等关键指标的贵州经济协调增长评价指标体系。如今，国家的目光仍让放在西部地区一带，不仅是基础扎实的成都、西安和重庆，对于基础薄弱的云南、贵州也不会忽视。贵州经济的崛起只是时间问题，那么贵州能否经济协调增长将是这个问题的重点。本文通过Matlab中的聚类分析对贵州各城市进行了分类，所构建的评价指标体系为下一步贵州经济协调增长评价研究提供了准备。

参 考 文 献

[1]张竟竟，陈正江，杨德刚.城乡协调度评价模型构建及应用[J].干旱区资源与环境，2007，21（2）：5-11.

[2]苏静，胡宗义，唐李伟.我国能源—经济—环境（3E）系统协调度的地理空间布与动态演进[J].经济地理，2013，33（9）：19-24.

[3]江苏，王晓蕊，苗长虹，等.城镇化水平与城镇化质量协调度分析——以河南省为例[J].经济地理，2014，34（10）：70-77.

[4]谢传胜，董达鹏，段凯彦，等.基于层次分析法-距离协调度的低碳电源电网规划协调度评价[J].电网技术，2012，36（11）：1-6.

[5]童玉芬，劉长安.北京市人口、经济和环境关系的协调度评价[J].人口与发展，2013，19（1）：44-51.

[6]张晓东，池天河.90年代中国省级区域经济与环境协调度分析[J].地理研究，2001，20（4）：506-515.

[7]张辽.要素流动、产业转移与区域经济发展[D].武汉：华中科技大学，2013.

[8]陆善勇，李国英.生产要素流动、区域外贸增长与转型升级——基于PVAR的实证分析[J].经济管理，2015，37（12）：31-38.

[9]盛斌，毛其淋.贸易开放、国内市场一体化与中国省际经济增长：1985—2008年[J].世界经济，2011（11）：44-66.

[10]刘霜，李敬.区域协调发展新征程、新战略、新机制——“2019年中国区域经济年会”综述[J].西部论坛，2019（12）：1-5.