主成分分析方法在区域经济研究中的应用——以江苏为例开题报告

1. 研究目的与意义

随着经济全球化进程的加快，信息、资本、人力等各种生产要素在全球范围内加速流动。面对日益复杂的国际经济环境，我国出台了一系列经济政策，使国民经济保持#8220;稳中求进#8221;的发展。然而，由于历史基础、制度政策、区位条件等因素，我国的区域经济发展差距不断拉大，即使是江苏省内，也存在较大的区域差异。江苏省委、省政府高度重视#8220;区域经济共同发展#8221;。江苏政府曾先后采取#8220;积极提高苏南、加快发展苏北#8221;、#8220;提升苏南发展水平、促进苏中快速崛起、发挥苏北后发优势#8221;、#8220;区域协调发展和#8216;三沿#8217;战略#8221;等一系列战略,充分发挥了政府在区域经济共同发展中的推动作用。2017年是推进供给侧结构性改革的深化之年，依然面临去产能、去杠杆、降成本等任务中存在的难题和困境。协调区域经济发展，制定出有效的经济政策，需要找出影响区域经济发展的关键要素。如何科学的选取关键因子以及确定各因子的权重，对于准确合理评价当前区域经济的发展水平显得尤为重要。

不同的经济指标从不同的角度、层次、方位反映了经济发展中的某些特征，这些经济指标有些相互关联，有些彼此独立。如果想要从整体描述经济发展的现状特征、把握经济发展的变化趋势，简单的比较这些指标或是加权叠加，往往难以客观、综合反映现阶段经济发展的实际水平。运用主成分分析方法，通过降低维度，减小、消除经济指标间的相关影响，从而简化原有的分析指标系统，还能保留原有指标的统计特性。社会经济的发展，需要各个行业、各个部门相互协调，对社会经济这个综合系统统计分析，有利于对我国经济的整体把握，有利于宏观政策的制定，有利于协调各区域的发展，缩小区域间的差异。运用数学的方法对江苏省的经济数据进行全面系统的分析，发现其中存在的规律和问题，找出改进经济水平的方法与途径，为制定决策提供科学的依据。

2. 研究内容和预期目标

研究内容：

一、方法：通过降维，把影响经济水平的m个因素利用数学变换，化为n个主成分，这n个主成分是m个因素的一些特殊线性组合，从而产生新的坐标系，在新的坐标系中提供协方差的简洁表示，能够反映原来m个因素具备的重要特征，抓住影响经济水平的主要矛盾。

二、思路：通过对江苏地区的经济发展现状进行分析，确定经济指标，将收集的数据利用spss作标准化处理，提取并评价主成分，利用统计软件得出相关系数矩阵的特征值、贡献率和累积贡献率，主成分得分矩阵等结果，从而建立多指标综合评价模型，确立经济指标体系。

3. 国内外研究现状

统计推断的理论工作大多数都是基于总体为多元正态的假定,用一组高维的多变量的样本进行评估是比较困难的，而主成分分析法通过降维，简化数据，可以对指标进行综合评价，被广泛运用于各个领域。郭林^[16]使用主成分分析方法，建立了雷电灾害易损性综合评价模型，所建立综合评价模型的结果更接近实际情况。白慧强^[17]通过主成分分析法，对山西文峪河河岸带林下不同海拔草本群落进行排名。在区域经济研究中，贾万敬、何建敏^[11]结合主成分分析法和因子分析法，利用 spss 软件处理的结果来说明pca方法在评价江苏省各地市的经济发展水平中的应用。王成营^[12]利用主成分分析的方法对孝感市近5年的经济发展水平进行分析，以确定影响孝感市近5年经济发展水平的主要因素。

实践表明，主成分分析法有一定的发展前景，不仅简便实用，而且取得了很好的社会效益。目前，我国对于区域经济的研究视角主要是对区域经济影响因素研究、经济指标研究、敛散性研究等，研究方法侧重于面板数据分析、实证研究、建模并实证研究、理论探讨等。已有的文献在指标体系的建立和应用分析上做了很多研究，但指标的选取随意性较大，如何选取完整、科学的指标？fdi如何影响区域经济的发展？都是值得研究的问题。

现代区域经济发展呈现网络化的趋势，boix和trullen^[25]采用空间增长模型，用研究结果表明，城市网络通过空间知识溢出的方式进而推动了经济的增长。然而他们对于城市网络的增长效应没有做出进一步说明。plum和 hassink^[7]考察了区域经济中知识网络的行业差异，指出分析型知识网络比复合型知识网络具有更多节点，中心节点有更大的出度和入度。桑曼乘、覃成林^[23]指出，国外区域经济学者将复杂网络理论和方法引入到区域经济学中，对区域经济中的各类网络进行规范的定义和描述，研究这些网络的形成与演化，揭示区域经济增长和发展中的网络效应，分析知识、技术等要素在网络中的流动与扩散。从现有的文献来看，区域经济网络是一个新的研究领域，还存在有待深入讨论的问题。

4. 计划与进度安排

第一阶段：资料收集、文献学习12月下旬-2022年1月中旬

第二阶段：明确研究背景、研究意义，完成第一章内容1月中旬-1月底

第三阶段：运用软件处理数据，建立模型2月上旬-2月中旬

5. 参考文献

[1] lu cong -de，zhang chun -mei，zhang tai -yi，et al.kernel based symmetrical principal component analysis for face[j].classification ，neurocomputing，2006.

[2] boivin j，ng s.are more data always better for factor analysis?[j].journal of econometrics，2006.

[3]krugman p. r. increasing returns,monoplisticcompetitionandinternationaltrade[j]. journal of international economic,1979, (9): 469-479.