【摘要】本文運(yùn)用23個(gè)重要指標(biāo)來量化我國31個(gè)省市經(jīng)濟(jì)社會發(fā)展綜合水平，通過對數(shù)據(jù)的分析揭示發(fā)展現(xiàn)狀和存在的問題。首先運(yùn)用因子分析方法得到了反映各地經(jīng)濟(jì)社會發(fā)展水平的四個(gè)因子：生活美好程度因子、發(fā)展?jié)摿饬恳蜃?、?jīng)濟(jì)及科技進(jìn)步因子和生活與經(jīng)濟(jì)可持續(xù)發(fā)展因子；之后從地區(qū)間發(fā)展差距、可持續(xù)發(fā)展與人口控制等方面分析了目前各地發(fā)展情況并提出建議。研究結(jié)果較全面地展示了各地發(fā)展綜合水平，得到了因子得分排名與綜合因子得分排名，對明確經(jīng)濟(jì)發(fā)展階段、掌握當(dāng)前發(fā)展的優(yōu)點(diǎn)和不足有積極意義。

【關(guān)鍵詞】經(jīng)濟(jì)社會發(fā)展水平因子分析

一、研究背景及問題的提出

（一）研究背景

黨的十七大以來，我國各項(xiàng)事業(yè)全面發(fā)展，發(fā)展協(xié)調(diào)性日益增強(qiáng)，經(jīng)濟(jì)社會實(shí)現(xiàn)又好又快發(fā)展。在十八大召開之際，本文希望利用23個(gè)能夠基本反映我國經(jīng)濟(jì)、社會、生活質(zhì)量、收入與消費(fèi)等情況的指標(biāo)來量化我國31個(gè)省市社會經(jīng)濟(jì)發(fā)展建設(shè)情況。相信建立科學(xué)的評價(jià)體系，對于各地把握自身社會經(jīng)濟(jì)狀況，了解發(fā)展優(yōu)勢和不足之處、明確與國內(nèi)其他地區(qū)的差距有良好作用。

（二）問題的提出

在綜合評價(jià)各個(gè)地區(qū)社會經(jīng)濟(jì)發(fā)展之前，需要圍繞以下幾個(gè)問題展開討論：

1. 如何構(gòu)造評價(jià)指標(biāo)體系。由于單一指標(biāo)只能反映經(jīng)濟(jì)社會的某一個(gè)方面，為反映經(jīng)濟(jì)全貌就必須構(gòu)造指標(biāo)體系，這就必須充分考慮應(yīng)該選擇哪些指標(biāo)及選擇的角度。體系構(gòu)造將會直接影響到評價(jià)結(jié)果的準(zhǔn)確性和科學(xué)性。

2. 如何選擇綜合評價(jià)方法。不同的指標(biāo)在不同的地區(qū)之間各有長短，可能導(dǎo)致在進(jìn)行對比分析時(shí)難以直接得出結(jié)論。因此，在確定評價(jià)指標(biāo)體系后，還需要選擇科學(xué)的綜合評價(jià)方法以把分散的個(gè)別指標(biāo)綜合在一個(gè)高度概括的指標(biāo)中，用它來評價(jià)一地的綜合發(fā)展、建設(shè)水平，并據(jù)此做出總體性的判斷。

3. 如何具體實(shí)現(xiàn)綜合評價(jià)過程。由于給定評價(jià)過程一般比較復(fù)雜，尤其是當(dāng)評價(jià)對象的范圍較大、評價(jià)指標(biāo)較多時(shí)更是如此。所以在確定了評價(jià)指標(biāo)體系及綜合評價(jià)方法后，還需要考慮應(yīng)以何種手段實(shí)現(xiàn)。

4. 如何對結(jié)論進(jìn)行分析和說明，即如何借助相關(guān)統(tǒng)計(jì)理論知識對綜合評價(jià)結(jié)論進(jìn)行分析和說明的問題，比如，對于因子分析方法，應(yīng)該如何解釋因子的含義及綜合得分的含義等。

二、本文使用的統(tǒng)計(jì)方法簡介

在本文的分析中主要使用到因子分析方法。

（一）因子分析的思想

人們在對現(xiàn)象進(jìn)行觀測時(shí)，往往會得到大量指標(biāo)（變量）的觀測數(shù)據(jù)，這些數(shù)據(jù)在帶來信息的同時(shí)，也給數(shù)據(jù)的分析帶來了一定困難；另外，這眾多的變量之間可能存在著相關(guān)性，實(shí)測到的數(shù)據(jù)包含的信息有一部分可能是重復(fù)的。因子分析法就是在盡可能不損失信息或者少損失信息的情況下，將多個(gè)變量減少為少數(shù)幾個(gè)潛在的因子，這幾個(gè)因子可以高度地概括大量數(shù)據(jù)中的信息。這樣既減少了變量個(gè)數(shù)，又同樣地能再現(xiàn)變量之間的內(nèi)在聯(lián)系。本文基于因子分析的思想，根據(jù)各指標(biāo)相關(guān)性大小將它們分組，使得同組內(nèi)的指標(biāo)之間相關(guān)性較高，不同組的變量之間的相關(guān)性較低，通過對相關(guān)矩陣內(nèi)部結(jié)構(gòu)關(guān)系的研究，找出影響城市經(jīng)濟(jì)發(fā)展?fàn)顩r的幾個(gè)綜合指標(biāo)，稱之為主因子。以主因子為評價(jià)指標(biāo)體系，進(jìn)行綜合評價(jià)與分析。

（二）因子分析的數(shù)學(xué)模型

用p個(gè)經(jīng)濟(jì)指標(biāo)變量x1、x2、x3、…、xp對某個(gè)經(jīng)濟(jì)系統(tǒng)進(jìn)行評價(jià)。在p個(gè)經(jīng)濟(jì)變量中，每個(gè)變量都含有該經(jīng)濟(jì)系統(tǒng)的m個(gè)方面，這m個(gè)方面稱為p個(gè)經(jīng)濟(jì)變量的公因子。而在每個(gè)經(jīng)濟(jì)變量中m 個(gè)公因子不能說明的方面稱為該經(jīng)濟(jì)變量的特殊因子。因子分析的模型為：

（1）

其中μi為xi的平均值，fi為公因子，εi為特殊因子（i=1，2，…，p），它們都是不可觀測的隨機(jī)變量。公因子出現(xiàn)在每一個(gè)經(jīng)濟(jì)變量xi的表達(dá)式中，可理解為每個(gè)經(jīng)濟(jì)變量共同具有的公共因素。每個(gè)公因子 （至少對兩個(gè)經(jīng)濟(jì)變量有作用，否則它將歸入特殊因子。每個(gè)特殊因子）僅僅出現(xiàn)在與之相應(yīng)的第i個(gè)經(jīng)濟(jì)變量的表達(dá)式中，它只對這個(gè)經(jīng)濟(jì)變量有作用，稱為第i個(gè)變量在第j 個(gè)公因子上的載荷，即第i個(gè)經(jīng)濟(jì)變量能說明經(jīng)濟(jì)系統(tǒng)第j個(gè)方面的程度。

（三）因子分析法的步驟

1.建立關(guān)于指標(biāo)體系的原始矩陣Z；

2.原始數(shù)據(jù)標(biāo)準(zhǔn)化，得到標(biāo)準(zhǔn)化矩陣X；

3.計(jì)算X的相關(guān)系數(shù)矩陣R；

4.解出特征方程|R-λE|=0，計(jì)算相關(guān)矩陣的特征值λi，若，則根據(jù)方差累計(jì)貢獻(xiàn)率（一般取值在85%以上）確定因子P的個(gè)數(shù)；

5.計(jì)算特征向量和初始因子載荷矩陣A；

6.找出因子載荷系數(shù)絕對值大于0.4的量。在某個(gè)因子上的得分，就等于把所有載荷的系數(shù)絕對值大于0.4的變量的觀測數(shù)據(jù)（標(biāo)準(zhǔn)化）與對應(yīng)因子載荷的乘積的代數(shù)和；

7.如果因子意義不明顯，不妨對初始因子進(jìn)行旋轉(zhuǎn)，一般采用方差極大（Varimax）旋轉(zhuǎn)，得到旋轉(zhuǎn)后的主因子解B；

8.構(gòu)造主因子得分和綜合因子得分；

9.根據(jù)主因子和綜合因子得分情況，給出相應(yīng)的評價(jià)。

（四）因子分析法的特點(diǎn)

首先，因子分析法通過對原始變量的標(biāo)準(zhǔn)化處理和數(shù)字變換，消除了指標(biāo)間的相互影響，消除了由于指標(biāo)分布不同，數(shù)值本身差異造成的不可比。從數(shù)據(jù)源頭保證了評價(jià)的質(zhì)量。

第二，因子分析法能將構(gòu)成指標(biāo)體系的眾多原始所載信息濃縮并轉(zhuǎn)存到因子中，并可根據(jù)實(shí)際問題所需要求的精度，通過對主因子數(shù)目的控制，調(diào)轉(zhuǎn)存信息量的大小。

第三，因子分析法進(jìn)行綜合評價(jià)，可以估計(jì)出評價(jià)結(jié)果的準(zhǔn)確程度及誤差大小，通過對主因子的確定可以找出影響各單位經(jīng)濟(jì)效益的主要方面及提高經(jīng)濟(jì)效益的對策取向。

第四，因子分析法科學(xué)性強(qiáng)，其數(shù)據(jù)處理全過程的電算化，可以方便地得出客觀的評價(jià)結(jié)果，從而易于抓住主要矛盾，達(dá)到對事物的認(rèn)識，以更好地支持決策，同時(shí)也大大提高了評價(jià)本身的效率。

三、我國31省市社會經(jīng)濟(jì)發(fā)展建設(shè)綜合水平的因子分析

（一）指標(biāo)及數(shù)據(jù)的建立

根據(jù)2011年中國統(tǒng)計(jì)年鑒，本文利用因子分析法綜合評價(jià)我國31省市2010年社會經(jīng)濟(jì)發(fā)展的綜合水平，采用的指標(biāo)體系是根據(jù)社會發(fā)展和現(xiàn)代化的內(nèi)涵，參照美國社會學(xué)家英格爾斯提出的十個(gè)現(xiàn)代化指標(biāo)，并根據(jù)我國具體情況確定的，基本能夠全面反映社會發(fā)展進(jìn)步的各個(gè)方面，突出反映了以人為本的全面發(fā)展，也反映發(fā)展與人口的增長有密切的關(guān)系。具體指標(biāo)如表一所示。

表1 我國31省市社會經(jīng)濟(jì)發(fā)展建設(shè)綜合水平評價(jià)指標(biāo)體系

指標(biāo)代碼 具體指標(biāo)內(nèi)容 指標(biāo)代碼 具體指標(biāo)內(nèi)容

X1 人均GDP（萬元） X13 互聯(lián)網(wǎng)普及率（%）

X2 人均全社會固定資產(chǎn)投資（萬元） X14 預(yù)期壽命（2000年數(shù)據(jù)）

X3 電力消費(fèi)量占發(fā)電裝機(jī)容量比（%） X15 初中及以上文化水平比例（%）

X4 單位地區(qū)生產(chǎn)總值能耗（等價(jià)值） （噸標(biāo)準(zhǔn)煤/萬元） X16 失業(yè)率（%）

X5 第三產(chǎn)業(yè)產(chǎn)值占總產(chǎn)值比重（%） X17 生活垃圾無害化處理率（%）

X6 人均資本形成總額（萬元） X18 按地區(qū)分大中型工業(yè)企業(yè)研究與試驗(yàn)發(fā)展經(jīng)費(fèi)（萬元）

X7 貨物進(jìn)出口總額（萬美元） X19 “三廢”綜合利用產(chǎn)品產(chǎn)值占GDP比重（%）

X8 城鎮(zhèn)居民平均每人全年家庭收入（元） X20 萬人專利授權(quán)數(shù)（個(gè)）

X9 城鎮(zhèn)居民家庭平均每人全年消費(fèi)性支出（元） X21 人均城市綠地面積（公頃/萬人）

X10 農(nóng)村居民家庭人均純收入（元） X22 有線廣播電視入戶率（%）

X11 人均人民幣儲蓄存款（萬元） X23 每千人口醫(yī)療衛(wèi)生機(jī)構(gòu)床位（個(gè)）

X12 人口自然增長率（‰）

（二）數(shù)據(jù)處理

數(shù)據(jù)的中心標(biāo)準(zhǔn)化由SPSS自動完成。按照上述因子分析法的步驟，首先看對數(shù)據(jù)進(jìn)行因子分析是否合適。在表一看到，KMO檢驗(yàn)與Bartlett's Test檢驗(yàn)的結(jié)果均表明本文采用的數(shù)據(jù)完全可以進(jìn)行因子分析。

表2 KMO檢驗(yàn)與巴氏球檢驗(yàn)結(jié)果

KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .734

Bartlett's Test of Sphericity Approx. Chi-Square 918.442

df 253

Sig. .000

表3 各指標(biāo)的特征值與方差比

Total Variance Explained

Component Initial Eigenvalues Extraction Sums of Squared Loadings

Total % of Variance Cumulative % Total % of Variance Cumulative %

1 13.23 57.53 57.53 13.23 57.53 57.53

2 2.27 9.85 67.38 2.27 9.85 67.38

3 1.65 7.17 74.55 1.65 7.17 74.55

4 1.47 6.41 80.96 1.47 6.41 80.96

5 0.98 4.25 85.22

6 0.92 4.00 89.22

7 0.67 2.89 92.11

8 0.54 2.34 94.45

9 0.35 1.51 95.96

10 0.25 1.10 97.06

11 0.15 0.65 97.71

12 0.14 0.61 98.32

13 0.08 0.36 98.68

14 0.08 0.36 99.03

15 0.07 0.32 99.35

16 0.05 0.22 99.57

17 0.04 0.16 99.73

18 0.03 0.11 99.84

19 0.02 0.07 99.91

20 0.01 0.05 99.96

21 0.00 0.02 99.98

22 0.00 0.01 99.99

23 0.00 0.01 100.00

Extraction Method： Principal Component Analysis.

從表三和圖一的結(jié)果可見，前四個(gè)特征值的累計(jì)貢獻(xiàn)率為81%，大于80%。因此這里可以選擇四個(gè)公共因子。為了使公因子的意義更清晰，先對因子載荷矩陣進(jìn)行方差最大旋轉(zhuǎn)變換，表四是旋轉(zhuǎn)后的因子載荷矩陣。

表4 旋轉(zhuǎn)后的因子載荷矩陣

Rotated Component Matrix（a）

Component

1 2 3 4

X1 0.558 0.694 0.380 0.185

X2 0.886

X3 0.788 0.257 0.260

X4 -0.186 -0.179 -0.700 0.142

X5 0.931 0.132 0.131

X6 0.271 0.848 0.224

X7 0.422 0.814

X8 0.618 0.420 0.541 0.342

X9 0.615 0.446 0.519 0.229

X10 0.618 0.517 0.495 0.189

X11 0.836 0.449 0.246

X12 -0.770 -0.219 0.224

X13 0.687 0.468 0.431 0.102

X14 0.418 0.565 0.549 -0.133

X15 0.469 0.647 0.309 -0.357

X16 -0.642 0.177 -0.305

X17 0.209 0.139 0.782

X18 0.892 0.101

X19 -0.475 -0.321 0.552

X20 0.531 0.323 0.631 0.338

X21 0.621 0.376 -0.206

X22 0.567 0.527 0.523 0.214

X23 0.698 0.589

Extraction Method： Principal Component Analysis.

Rotation Method： Varimax with Kaiser Normalization.

aRotation converged in 9 iterations.

從表四中可以看出，在第一公共因子中，指標(biāo)X3，X5，X8，X9，X10，X11，X13，X16，X21、X22和X23負(fù)荷相對較大，它們分別代表了電力消費(fèi)量占發(fā)電裝機(jī)容量比、第三產(chǎn)業(yè)產(chǎn)值占總產(chǎn)值比重、城鎮(zhèn)居民平均每人全年家庭收入、城鎮(zhèn)居民家庭平均每人全年消費(fèi)性支出、農(nóng)村居民家庭人均純收入、人均人民幣儲蓄存款、互聯(lián)網(wǎng)普及率、失業(yè)率、人均城市綠地面積、有線廣播電視入戶率和每千人口醫(yī)療衛(wèi)生機(jī)構(gòu)床位，這些變量與人民實(shí)際享有的生活水平與生活質(zhì)量有密切關(guān)系，于是我們可以將第一公因子命名為“生活美好程度因子”。

在第二個(gè)公因子中，指標(biāo)X12、X13、X14、X15、X16、X17、X18負(fù)荷相對較大，它們分別代表了當(dāng)?shù)氐娜司鵊DP、固定資產(chǎn)投資占財(cái)政一般支出與公共支出的比、人均資本形成總額、人口自然增長率、初中及以上文化水平比例。這些變量與經(jīng)濟(jì)發(fā)展的后勁與潛力有密切關(guān)聯(lián)，我們將第二個(gè)公因子命名為“發(fā)展?jié)摿饬恳蜃印薄?/p>

在第三個(gè)公因子中，指標(biāo)X4、X7、X14、X18和X20負(fù)荷相對較大。它們分別代表了單位地區(qū)生產(chǎn)總值能耗（等價(jià)值）、貨物進(jìn)出口總額、2000年預(yù)期壽命、按地區(qū)分大中型工業(yè)企業(yè)研究與試驗(yàn)發(fā)展（R&D）經(jīng)費(fèi)、萬人專利授權(quán)數(shù)?？蓪⑵涿麨椤敖?jīng)濟(jì)及科技進(jìn)步因子”。

在第四個(gè)公因子中，X17、X19負(fù)荷相對很大。它代表了生活垃圾無害化處理率和“三廢”綜合利用產(chǎn)品產(chǎn)值占GDP比重?？蓪⒃摴蜃又苯用麨椤吧钆c經(jīng)濟(jì)可持續(xù)發(fā)展因子”。

綜上所述，某一地區(qū)的社會經(jīng)濟(jì)發(fā)展建設(shè)水平，可以綜合地概括為表現(xiàn)在生活美好程度因子、發(fā)展?jié)摿饬恳蜃?、?jīng)濟(jì)及科技進(jìn)步因子和生活與經(jīng)濟(jì)可持續(xù)發(fā)展因子四個(gè)方面。

表5 因子得分系數(shù)

Component Score Coefficient Matrix

Component

1 2 3 4

X1 0.004 0.123 -0.007 0.075

X2 -0.141 0.301 -0.066 0.060

X3 0.189 -0.060 -0.068 -0.009

X4 0.105 0.018 -0.277 0.148

X5 0.299 -0.114 -0.180 0.054

X6 -0.057 0.248 -0.114 0.132

X7 -0.022 -0.122 0.273 -0.016

X8 0.033 0.006 0.061 0.160

X9 0.036 0.017 0.058 0.090

X10 0.031 0.043 0.045 0.067

X11 0.176 0.001 -0.101 0.012

X12 0.167 -0.253 -0.061 0.159

X13 0.080 0.019 0.011 0.015

X14 -0.053 0.089 0.132 -0.136

X15 0.007 0.126 0.024 -0.261

X16 -0.201 0.190 -0.020 0.069

X17 0.014 0.007 -0.070 0.483

X18 -0.186 -0.043 0.382 -0.005

X19 -0.134 -0.033 0.081 0.361

X20 -0.001 -0.020 0.127 0.153

X21 0.140 -0.104 0.051 -0.174

X22 0.004 0.053 0.065 0.082

X23 0.146 0.086 -0.160 -0.043

Extraction Method： Principal Component Analysis.

Rotation Method： Varimax with Kaiser Normalization.

Component Scores.

由表五，可以寫出因子得分函數(shù)：

F1=0.004X1-0.141X2+0.189X3+0.105X4+0.299X5-0.057X6 - 0.022X7 + 0.033X8+0.036X9+0.031X10+0.176X11+0.167X12+0.080X13-0.053X14+0.007X15-0.201X16+0.014X17 -0.186X18 -0.134X19 -0.001X20 +0.140X21 +0.004X22 +0.146X23（2）

F2、F3與F4同理可示。由因子分析的要求可知，因子之間相關(guān)性不大。

以各因子的貢獻(xiàn)率占四個(gè)主因子的貢獻(xiàn)率的比例作為權(quán)重，構(gòu)造綜合因子得分為：

將31個(gè)省市的觀測值中心標(biāo)準(zhǔn)化后代入上述因子得分函數(shù)，即樣本的因子得分，具體排名情況見表六。

表6 各省市四個(gè)因子及綜合因子得分排名

地區(qū) 省市 生活美好程度因子 發(fā)展?jié)摿饬恳蜃?經(jīng)濟(jì)及科技進(jìn)步因子 生活與經(jīng)濟(jì)可持續(xù)發(fā)展因子 綜合得分排名

華北地區(qū) 北京 排在前8名 排在前8名 排在前8名

天津 排在前8名 排在前8名 排在前8名

河北

山西

內(nèi)蒙古 排在前8名

東北地區(qū) 遼寧 排在前8名

吉林 排在前8名

黑龍江 排在前8名

華東地區(qū) 上海 排在前8名 排在前8名 排在前8名 排在前8名

江蘇 排在前8名 排在前8名 排在前8名

浙江 排在前8名 排在前8名 排在前8名

安徽 排在前8名

福建 排在前8名

江西

山東 排在前8名

華中地區(qū) 河南

湖北 排在前8名

湖南

華南地區(qū) 廣東 排在前8名 排在前8名 排在前8名

廣西 排在前8名

海南 排在前8名 排在前8名

重慶

西南地區(qū) 四川

貴州 排在前8名 排在前8名

云南 排在前8名

西藏 排在前8名 排在前8名 排在前8名

西北地區(qū) 陜西

甘肅

青海

寧夏 排在前8名 排在前8名

新疆 排在前8名 排在前8名

四、結(jié)論

（一）本文研究結(jié)論

本文首先運(yùn)用了因子分析方法對23個(gè)指標(biāo)進(jìn)行分析，得到了影響各地經(jīng)濟(jì)社會發(fā)展建設(shè)的四個(gè)因子：生活美好程度因子、發(fā)展?jié)摿饬恳蜃?、?jīng)濟(jì)及科技進(jìn)步因子和生活與經(jīng)濟(jì)可持續(xù)發(fā)展因子。研究結(jié)果較全面的展示了各地經(jīng)濟(jì)社會發(fā)展建設(shè)的全貌，并得到了各省市綜合排名?？偟目磥?，各省市發(fā)展?fàn)顩r呈如下幾方面特點(diǎn)：一是京、津、滬、廣東、江蘇、浙江等省市綜合表現(xiàn)好，多項(xiàng)因子得分位居前列，說明這些地區(qū)經(jīng)多年發(fā)展在經(jīng)濟(jì)建設(shè)、人民生活、科技進(jìn)步等方面都居于領(lǐng)先地位。二是經(jīng)濟(jì)及科技進(jìn)步比較快的省市集中在華東地區(qū)，反映出該地區(qū)在激發(fā)經(jīng)濟(jì)活力、提升科技水平等方面的不懈努力成果顯著。三是東北三省發(fā)展?jié)摿^大，表明老工業(yè)基地期待以跨越式發(fā)展收獲中遠(yuǎn)期經(jīng)濟(jì)社會發(fā)展的長足進(jìn)步。四是當(dāng)前天津的快速發(fā)展具有可持續(xù)性，在較高平臺上仍然具有較大的發(fā)展?jié)摿涂臻g。在今后的發(fā)展中，還需要繼續(xù)重視民生，使人民生活更加美好；同時(shí)，在經(jīng)濟(jì)創(chuàng)新和科技應(yīng)用等方面應(yīng)持續(xù)努力。

（二）就分析結(jié)果總結(jié)問題并給出建議

通過對數(shù)據(jù)結(jié)果的分析，31省市經(jīng)濟(jì)社會發(fā)展建設(shè)還存在著一些問題，現(xiàn)將問題與有關(guān)對策總結(jié)如下：一是地區(qū)差距仍然較大。由因子分析中各地綜合得分可知，由于各地在資源稟賦等方面的不同，其經(jīng)濟(jì)社會發(fā)展建設(shè)和現(xiàn)代化水平有很大差異。經(jīng)濟(jì)社會發(fā)展建設(shè)居前的6省市全部是東部地區(qū)，居后的省市大多為中西部地區(qū)。從具體指標(biāo)看，人均GDP差距顯著，科教相關(guān)指標(biāo)差距也很大。數(shù)據(jù)表明東部地區(qū)具備率先實(shí)現(xiàn)現(xiàn)代化的條件，這種地區(qū)差距將在較長時(shí)期內(nèi)會一直存在，但自“十一五”以來呈不斷縮小趨勢。年鑒數(shù)據(jù)顯示2006年上海人均GDP比貴州人均GDP高出近10倍，2010年僅高出4倍左右。只有逐步縮小差距才能實(shí)現(xiàn)優(yōu)勢互補(bǔ)、資源共享、全面發(fā)展。中西部地區(qū)也應(yīng)因地制宜，發(fā)揮自身特點(diǎn)和優(yōu)勢，向東部地區(qū)學(xué)習(xí)發(fā)展經(jīng)驗(yàn)，解放思想，力爭盡快縮小差距。二是在經(jīng)濟(jì)高速增長的同時(shí)必須繼續(xù)不斷追求與環(huán)境和諧共處的可持續(xù)發(fā)展。除綜合得分非常靠前的地區(qū)之外，包括經(jīng)濟(jì)發(fā)展水平較高的地區(qū)在內(nèi)，很多地區(qū)可持續(xù)發(fā)展水平還比較低。這表明資源高效利用和循環(huán)使用仍是經(jīng)濟(jì)發(fā)展過程中需要長期關(guān)注的重要方面。三是控制人口增長的基本國策不能放松。人口數(shù)量是各項(xiàng)指標(biāo)的分母，而近年來我國人口增長率仍然較高，如不嚴(yán)加控制將影響經(jīng)濟(jì)社會發(fā)展建設(shè)目標(biāo)的實(shí)現(xiàn)，影響人民生活質(zhì)量的提高。因此，無論是發(fā)達(dá)地區(qū)還是欠發(fā)達(dá)地區(qū)都應(yīng)嚴(yán)格控制人口總量，控制較好的地區(qū)應(yīng)鞏固防止回升。

五、本研究的不足之處及改進(jìn)方向

從數(shù)據(jù)方面來看，本文的數(shù)據(jù)來源是2011中國統(tǒng)計(jì)年鑒，其中預(yù)期壽命是2000年人口普查數(shù)據(jù)，該項(xiàng)數(shù)據(jù)比較陳舊。數(shù)據(jù)結(jié)構(gòu)的是根據(jù)前人研究結(jié)果，比照經(jīng)濟(jì)社會發(fā)展建設(shè)評測的特點(diǎn)和研究目的而設(shè)定的。由于在社會經(jīng)濟(jì)問題的研究中，研究結(jié)果對于研究方法和數(shù)據(jù)結(jié)構(gòu)的依賴性相對自然科學(xué)研究較大；因此本文結(jié)論、建議的給出完全根據(jù)基于本文使用的數(shù)據(jù)結(jié)構(gòu)的分析。

本研究的改進(jìn)包括以下兩方面的工作：一是建立更加有效、針對性更強(qiáng)的指標(biāo)體系，以便更清楚地反映、說明問題。二是與經(jīng)濟(jì)社會發(fā)展的不同階段相對應(yīng)，指標(biāo)體系的設(shè)計(jì)必須考慮動態(tài)適應(yīng)性和歷史銜接性，如何解決這個(gè)問題還需要進(jìn)一步分析研究。

參考文獻(xiàn)

[1]高惠旋. 應(yīng)用多元統(tǒng)計(jì)分析[M]. 北京：北京大學(xué)出版社， 2004.

[2]何曉群. 多元統(tǒng)計(jì)分析[M]. 北京：中國人民大學(xué)出版社， 2000.

[3]朱慶芳. 全面建設(shè)小康社會的發(fā)展目標(biāo)評價(jià)指標(biāo)體系與人口發(fā)展的關(guān)系.2005.

[4]薛薇. 統(tǒng)計(jì)分析與SPSS的應(yīng)用[M]. 中國人民大學(xué)出版社. 2005.

[5]易丹輝. 社會經(jīng)濟(jì)統(tǒng)計(jì)[M]. 中國人民大學(xué)出版社. 2003.

[6]黨的十六大報(bào)告全文http：//www.cs.com.cn/csnews/2002 1118/300508.asp

[7]黨的十七大報(bào)告全文http：//news.sina.com.cn/c/2007-10-24/205814157282.shtml

[8]中國統(tǒng)計(jì)年鑒-2011 http：//www.stats.gov.cn/tjsj/ndsj/2011/indexch.htm

作者簡介：楊光，女，任職于國家統(tǒng)計(jì)局天津調(diào)查總隊(duì)。

（責(zé)任編輯：李敏）