呂巖威，樓賢駿，李 平

（1.山東大學(xué)（威海）商學(xué)院，山東威海 264209；2.中國(guó)社會(huì)科學(xué)院 數(shù)量經(jīng)濟(jì)與技術(shù)經(jīng)濟(jì)研究所，北京100732）

0 引言

作為數(shù)據(jù)挖掘領(lǐng)域的重要分支，聚類(lèi)分析技術(shù)近年來(lái)正得到蓬勃發(fā)展。聚類(lèi)分析是通過(guò)數(shù)學(xué)方法研究樣本數(shù)據(jù)在內(nèi)在特征上的相似性與差異性，將樣本劃分成若干個(gè)不同的類(lèi)型，從而發(fā)現(xiàn)樣本數(shù)據(jù)的分布規(guī)律和數(shù)據(jù)屬性之間相互關(guān)系的多元統(tǒng)計(jì)方法。作為一種無(wú)監(jiān)督學(xué)習(xí)方法，如何在沒(méi)有任何先驗(yàn)信息的指導(dǎo)下，實(shí)現(xiàn)高效率、高質(zhì)量分類(lèi)是學(xué)者們關(guān)注的重點(diǎn)。目前學(xué)術(shù)界已從不同角度提出了多種聚類(lèi)分析方法，在眾多聚類(lèi)分析方法中，傳統(tǒng)聚類(lèi)分析方法假設(shè)條件較多，要求樣本指標(biāo)之間權(quán)重相同并且相互獨(dú)立，在實(shí)際應(yīng)用中存在諸多局限。于是許多學(xué)者關(guān)注于對(duì)傳統(tǒng)聚類(lèi)分析方法的改進(jìn)研究。呂巖威和李平（2016）提出了加權(quán)主成分距離聚類(lèi)分析法[1]，從理論層面解決了上述聚類(lèi)分析方法存在的問(wèn)題，但尚未將該方法應(yīng)用于實(shí)踐檢驗(yàn)。有鑒于此，本文擬進(jìn)一步運(yùn)用該方法對(duì)2014年中國(guó)各省份經(jīng)濟(jì)發(fā)展質(zhì)量進(jìn)行分類(lèi)，從可解釋性與統(tǒng)計(jì)檢驗(yàn)兩個(gè)層面檢驗(yàn)該方法在實(shí)踐應(yīng)用中的分類(lèi)效果，最后以該方法所得分類(lèi)結(jié)果為基準(zhǔn)，對(duì)各類(lèi)別省份經(jīng)濟(jì)發(fā)展質(zhì)量進(jìn)行主成分評(píng)價(jià)，指出其發(fā)展的側(cè)重點(diǎn)，為各地區(qū)經(jīng)濟(jì)發(fā)展提供參考和借鑒。

1 指標(biāo)體系構(gòu)建與主成分因子選取

1.1 指標(biāo)體系構(gòu)建

對(duì)經(jīng)濟(jì)發(fā)展質(zhì)量的評(píng)估是一個(gè)動(dòng)態(tài)過(guò)程，唯有以經(jīng)濟(jì)發(fā)展的階段性特征為基礎(chǔ)，選擇科學(xué)的評(píng)價(jià)指標(biāo)和評(píng)價(jià)方法，才能有針對(duì)性地對(duì)我國(guó)各省份經(jīng)濟(jì)發(fā)展質(zhì)量進(jìn)行科學(xué)評(píng)價(jià)。當(dāng)前，中國(guó)經(jīng)濟(jì)發(fā)展正步入以“中高速、優(yōu)結(jié)構(gòu)、新動(dòng)力、多挑戰(zhàn)”為特征的新常態(tài)，結(jié)合經(jīng)濟(jì)新常態(tài)的基本特征，分別從經(jīng)濟(jì)水平、產(chǎn)業(yè)結(jié)構(gòu)、需求結(jié)構(gòu)、城鄉(xiāng)區(qū)域結(jié)構(gòu)、創(chuàng)新效率、可持續(xù)發(fā)展六大方面著手，構(gòu)建中國(guó)各省份經(jīng)濟(jì)發(fā)展質(zhì)量評(píng)價(jià)指標(biāo)體系①指標(biāo)體系中各二級(jí)指標(biāo)數(shù)據(jù)均來(lái)源于2015年《中國(guó)統(tǒng)計(jì)年鑒》、《中國(guó)科技統(tǒng)計(jì)年鑒》和《中國(guó)環(huán)境統(tǒng)計(jì)年鑒》。，指標(biāo)體系中的一級(jí)指標(biāo)和二級(jí)指標(biāo)如表1所示。

表1 中國(guó)各省份經(jīng)濟(jì)發(fā)展質(zhì)量評(píng)價(jià)指標(biāo)體系

對(duì)表1中各級(jí)指標(biāo)的具體說(shuō)明如下：

（1）經(jīng)濟(jì)水平：采用人均GDP指標(biāo)衡量。人均GDP是衡量一國(guó)（地區(qū)）經(jīng)濟(jì)水平的基本指標(biāo)，人均GDP處于不同階段的地區(qū)，其經(jīng)濟(jì)發(fā)展驅(qū)動(dòng)力也有顯著差異。

（2）產(chǎn)業(yè)結(jié)構(gòu)：根據(jù)佩蒂—克拉克定律，隨著經(jīng)濟(jì)的發(fā)展，勞動(dòng)力將呈現(xiàn)首先由第一產(chǎn)業(yè)向第二產(chǎn)業(yè)轉(zhuǎn)移，再向第三產(chǎn)業(yè)轉(zhuǎn)移的演進(jìn)趨勢(shì)。因此以第一產(chǎn)業(yè)增加值占GDP比重、第三產(chǎn)業(yè)增加值占GDP比重反映產(chǎn)業(yè)結(jié)構(gòu)指標(biāo)。

（3）需求結(jié)構(gòu)：當(dāng)前中國(guó)經(jīng)濟(jì)結(jié)構(gòu)存在的一個(gè)重要問(wèn)題就是消費(fèi)需求不足，經(jīng)濟(jì)增長(zhǎng)過(guò)于依賴(lài)投資需求。因此以居民消費(fèi)占GDP的比重反映需求結(jié)構(gòu)的協(xié)調(diào)狀況。

（4）城鄉(xiāng)區(qū)域結(jié)構(gòu)：城鄉(xiāng)區(qū)域協(xié)調(diào)發(fā)展是實(shí)現(xiàn)經(jīng)濟(jì)發(fā)展方式轉(zhuǎn)變的內(nèi)在要求和重要內(nèi)容，因此以農(nóng)村與城鎮(zhèn)人均收入比和城市化率反映各地區(qū)城鄉(xiāng)區(qū)域結(jié)構(gòu)。

（5）創(chuàng)新效率：促進(jìn)經(jīng)濟(jì)發(fā)展應(yīng)由主要依靠增加物質(zhì)資源消耗向主要依靠科技進(jìn)步、勞動(dòng)者素質(zhì)提高、管理創(chuàng)新轉(zhuǎn)變。因此以R&D經(jīng)費(fèi)投入占GDP比重、單位資本產(chǎn)出與千人專(zhuān)利申請(qǐng)量反映科技投入與產(chǎn)出狀況。

（6）可持續(xù)發(fā)展：實(shí)現(xiàn)可持續(xù)發(fā)展必須降低物質(zhì)、資源消耗，全面促進(jìn)資源節(jié)約和環(huán)境保護(hù)。因此以單位二氧化硫排放產(chǎn)值、萬(wàn)元GDP能耗降低率反映可持續(xù)發(fā)展指標(biāo)。

1.2 主成分因子選取

考慮到指標(biāo)之間量綱不同且數(shù)量級(jí)相差較大，首先對(duì)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，并進(jìn)行KMO檢驗(yàn)和BARTLETT檢驗(yàn)，計(jì)算出BARTLETT檢驗(yàn)統(tǒng)計(jì)量為282.449，相應(yīng)的概率值接近0，可認(rèn)為相關(guān)系數(shù)矩陣與單位矩陣有顯著差異。同時(shí)，KMO值為0.701，表明指標(biāo)之間確實(shí)存在高度相關(guān)性，適合進(jìn)行主成分分析。應(yīng)用主成分分析法提取主成分因子，特征值大于1的主成分因子共有3個(gè)，其累計(jì)的方差貢獻(xiàn)率達(dá)到80.356%，說(shuō)明3個(gè)主成分因子能夠解釋原指標(biāo)變量的絕大多數(shù)信息。所提取主成分因子的特征值、方差貢獻(xiàn)率和因子載荷矩陣見(jiàn)表2。

表2 主成分因子分析結(jié)果

表2結(jié)果顯示，第一主成分因子在人均GDP、第一產(chǎn)業(yè)增加值占GDP比重、第三產(chǎn)業(yè)增加值占GDP比重、城市化率、農(nóng)村與城鎮(zhèn)人均收入比、R&D經(jīng)費(fèi)投入占GDP比重、單位資本產(chǎn)出、千人專(zhuān)利申請(qǐng)量8個(gè)指標(biāo)上的荷載值都很大，這些指標(biāo)主要反映了經(jīng)濟(jì)水平、產(chǎn)業(yè)結(jié)構(gòu)、城鄉(xiāng)區(qū)域結(jié)構(gòu)和創(chuàng)新效率狀況，因此將其命名為綜合因子。第二主成分因子在單位二氧化硫排放產(chǎn)值、萬(wàn)元GDP能耗降低率上的荷載值很大，主要反映了資源節(jié)約與環(huán)境保護(hù)狀況，因此將其命名為可持續(xù)發(fā)展因子。第三主成分因子在居民消費(fèi)占GDP比重指標(biāo)上的荷載值很大，主要反映了消費(fèi)狀況，因此將其命名為需求結(jié)構(gòu)因子。就3個(gè)主成分因子所含信息量來(lái)看，第一主成分因子的方差貢獻(xiàn)率為51.892%，是第二、三主成分因子方差貢獻(xiàn)率的3倍以上，說(shuō)明第一主成分因子與第二、三主成分因子對(duì)分類(lèi)重要性的差異較大，如果不考慮各主成分因子對(duì)分類(lèi)重要性的客觀差異，將會(huì)導(dǎo)致分類(lèi)結(jié)果精度降低。

2 分類(lèi)結(jié)果的定性比較與統(tǒng)計(jì)檢驗(yàn)

2.1 分類(lèi)結(jié)果的定性比較

為增強(qiáng)不同聚類(lèi)分析方法之間的可對(duì)比性，統(tǒng)一以歐氏距離作為樣本間相似程度的統(tǒng)計(jì)量、以Ward方法測(cè)度類(lèi)間距離，并將31個(gè)省份分為5類(lèi)地區(qū)，各聚類(lèi)分析方法所得分類(lèi)結(jié)果如表3所示。分類(lèi)結(jié)果顯示，各聚類(lèi)分析方法基本均能夠?qū)⒈本?、上海、天津、江蘇、浙江、廣東與其他省份分開(kāi)，其原因在于上述六省市的各項(xiàng)指標(biāo)數(shù)值總體上均遠(yuǎn)遠(yuǎn)領(lǐng)先于其他省份，與其他省份之間的界限較為明顯。另一方面，各聚類(lèi)分析方法基本均將海南、西藏、青海、新疆歸為第五類(lèi)地區(qū)，說(shuō)明這些省份的各項(xiàng)指標(biāo)數(shù)值總體上落后于其他省份，與其他省份之間的差距較大。而其余21個(gè)省份的各項(xiàng)指標(biāo)數(shù)值離散程度較小，在聚類(lèi)空間的分布密集，各聚類(lèi)分析方法的分類(lèi)結(jié)果也存在較大的差異，具體體現(xiàn)在歸屬第三類(lèi)地區(qū)的省份數(shù)量很多，且歸屬類(lèi)別的規(guī)律性不明顯。

從各聚類(lèi)分析方法分類(lèi)結(jié)果的差異看，第一主成分聚類(lèi)分析方法與加權(quán)主成分聚類(lèi)分析方法的分類(lèi)結(jié)果十分相似，兩種方法只是在對(duì)山東、河南和寧夏3個(gè)省份的分類(lèi)上產(chǎn)生差別。即在第一主成分聚類(lèi)分析方法的分類(lèi)結(jié)果中，山東被劃為第三類(lèi)地區(qū)，河南和寧夏被歸為第五類(lèi)地區(qū)，但在加權(quán)主成分聚類(lèi)分析方法的分類(lèi)結(jié)果中，山東被劃為第四類(lèi)地區(qū)，河南和寧夏被歸為第三類(lèi)地區(qū)，兩種方法對(duì)其余省份的分類(lèi)結(jié)果完全一致。究其原因在于加權(quán)主成分聚類(lèi)分析方法放大了第一主成分因子對(duì)分類(lèi)的重要性，而削弱了其他主成分因子對(duì)分類(lèi)的作用，從而使得加權(quán)主成分聚類(lèi)分析方法的分類(lèi)結(jié)果近似于第一主成分聚類(lèi)分析方法。

表3 中國(guó)各省份經(jīng)濟(jì)發(fā)展質(zhì)量的分類(lèi)結(jié)果

另一方面，加權(quán)主成分距離聚類(lèi)分析方法與傳統(tǒng)聚類(lèi)分析方法的分類(lèi)結(jié)果較為相似，加權(quán)主成分距離聚類(lèi)分析方法只是將傳統(tǒng)聚類(lèi)分析方法分類(lèi)結(jié)果中的廣西和青海由第三類(lèi)地區(qū)分別歸類(lèi)到第四類(lèi)地區(qū)和第五類(lèi)地區(qū)，兩種方法對(duì)其余省份的分類(lèi)結(jié)果完全一致。這說(shuō)明加權(quán)主成分距離聚類(lèi)分析方法科學(xué)、準(zhǔn)確地賦予了各主成分因子對(duì)分類(lèi)結(jié)果的權(quán)重分配系數(shù)，從而使得其分類(lèi)結(jié)果顯著不同于其他主成分聚類(lèi)分析方法，反而與傳統(tǒng)聚類(lèi)分析方法的分類(lèi)結(jié)果更為接近。這也說(shuō)明了由于其他主成分聚類(lèi)分析方法放大或縮小了各主成分因子對(duì)分類(lèi)重要性的作用，在各主成分因子特征權(quán)重差異較大時(shí)，傳統(tǒng)聚類(lèi)分析方法的分類(lèi)效果并不一定劣于其他主成分聚類(lèi)分析方法。

尤需引起注意的是，一般主成分聚類(lèi)分析方法的分類(lèi)結(jié)果與其他所有聚類(lèi)分析方法的分類(lèi)結(jié)果均有較大差異。一是，一般主成分聚類(lèi)分析方法將北京、上海、江蘇、浙江、廣東歸為第一類(lèi)地區(qū)，將天津、河北等8個(gè)省份歸為第二類(lèi)地區(qū)。而其他聚類(lèi)分析方法則均將北京、上海與天津、江蘇、浙江、廣東區(qū)分開(kāi)，分別作為第一、二類(lèi)地區(qū)。結(jié)合原始數(shù)據(jù)不難發(fā)現(xiàn)，除農(nóng)村人均收入/城鎮(zhèn)人均收入、R&D經(jīng)費(fèi)投入占GDP比重指標(biāo)外，北京、上海的其他指標(biāo)基本都領(lǐng)先于天津、江蘇、浙江和廣東，將這些省份劃歸為一類(lèi)地區(qū)不盡合理。二是，一般主成分聚類(lèi)分析方法所劃分的第二、三類(lèi)地區(qū)內(nèi)的各省份絕大部分為其他聚類(lèi)分析方法所劃分的第三類(lèi)地區(qū)內(nèi)的省份，這些省份之間的各項(xiàng)指標(biāo)數(shù)值相差不大，將其劃分為兩類(lèi)地區(qū)難以解釋。導(dǎo)致上述分類(lèi)結(jié)果出現(xiàn)的原因在于，一般主成分聚類(lèi)分析方法以等權(quán)的主成分因子代替原始指標(biāo)直接進(jìn)行聚類(lèi)，未區(qū)分各主成分因子對(duì)分類(lèi)重要性的差異，從而產(chǎn)生了明顯不合理的分類(lèi)結(jié)果。

2.2 分類(lèi)結(jié)果的統(tǒng)計(jì)檢驗(yàn)

進(jìn)一步對(duì)加權(quán)主成分距離聚類(lèi)分析方法的分類(lèi)結(jié)果進(jìn)行統(tǒng)計(jì)檢驗(yàn)，從定量角度考察該方法的分類(lèi)質(zhì)量。根據(jù)系統(tǒng)聚類(lèi)法的指導(dǎo)思想，一個(gè)合理的聚類(lèi)應(yīng)當(dāng)以保持類(lèi)內(nèi)相似性最大化以及類(lèi)間相似性最小化為目標(biāo)，使得類(lèi)內(nèi)樣本之間的離差平方和盡可能小，類(lèi)與類(lèi)之間的離差平方和盡可能大。因此，本文運(yùn)用方差分析法測(cè)算了加權(quán)主成分距離聚類(lèi)分析方法分類(lèi)結(jié)果的總類(lèi)內(nèi)離差平方和、總類(lèi)間離差平方和和F檢驗(yàn)統(tǒng)計(jì)量，進(jìn)而與其他聚類(lèi)分析方法分類(lèi)結(jié)果的F檢驗(yàn)統(tǒng)計(jì)量相比較，結(jié)果如表4所示。

表4 各種聚類(lèi)分析方法分類(lèi)結(jié)果的統(tǒng)計(jì)檢驗(yàn)

F檢驗(yàn)統(tǒng)計(jì)量為經(jīng)自由度調(diào)整之后的總類(lèi)間離差平方和與總類(lèi)內(nèi)離差平方和之比，其值越大，表明分類(lèi)結(jié)果的類(lèi)間距離相對(duì)較大、類(lèi)內(nèi)距離相對(duì)較小，分類(lèi)準(zhǔn)確度越高；反之，則分類(lèi)準(zhǔn)確度越低。根據(jù)表4中F檢驗(yàn)統(tǒng)計(jì)量的計(jì)算結(jié)果，可以得出以下結(jié)論：

（1）一般主成分聚類(lèi)分析方法分類(lèi)結(jié)果的F值最低，僅為46.825，分類(lèi)效果明顯劣于其他聚類(lèi)分析方法。這再次說(shuō)明在各主成分因子信息含量相差較大的情況下，如果忽略不同主成分因子對(duì)分類(lèi)重要性的客觀差異，以等權(quán)的主成分因子代替原始指標(biāo)直接進(jìn)行聚類(lèi)，并不必然提高分類(lèi)的質(zhì)量。事實(shí)上，由于指標(biāo)之間往往存在高度相關(guān)性，所提取的第一主成分因子的方差貢獻(xiàn)率通常會(huì)遠(yuǎn)大于其他主成分因子，因而一般主成分聚類(lèi)分析方法更多地表現(xiàn)為低效率的分類(lèi)結(jié)果。

（2）加權(quán)主成分聚類(lèi)分析方法和第一主成分聚類(lèi)分析方法分類(lèi)結(jié)果的F值分別為52.022和48.179，高于一般主成分聚類(lèi)分析方法分類(lèi)結(jié)果的F值46.825，但卻低于傳統(tǒng)聚類(lèi)分析方法分類(lèi)結(jié)果的F值（58.589）。這一方面說(shuō)明加權(quán)主成分聚類(lèi)分析方法考慮了各主成分因子信息含量的差異性，較已有主成分聚類(lèi)分析方法的分類(lèi)效果有所提高。另一方面也說(shuō)明加權(quán)主成分聚類(lèi)分析方法放大了第一主成分因子對(duì)分類(lèi)的重要性，而削弱了其他主成分因子對(duì)分類(lèi)的作用，其分類(lèi)結(jié)果同樣也存在失真問(wèn)題，因此該方法的分類(lèi)結(jié)果也并不一定優(yōu)于傳統(tǒng)聚類(lèi)分析方法。

（3）相比其他聚類(lèi)分析方法，加權(quán)主成分距離聚類(lèi)分析方法分類(lèi)結(jié)果的F值最高，為60.887，其分類(lèi)效果明顯優(yōu)于其他聚類(lèi)分析方法。這主要是由于加權(quán)主成分距離聚類(lèi)分析方法一方面簡(jiǎn)化了數(shù)據(jù)結(jié)構(gòu)，消除了指標(biāo)相關(guān)性帶來(lái)的影響，另一方面又考慮了各主成分因子信息含量的差異，并科學(xué)、準(zhǔn)確地賦予了各主成分因子對(duì)分類(lèi)結(jié)果的權(quán)重分配系數(shù)，因此其所得分類(lèi)結(jié)果更為客觀、可信。

2.3 分類(lèi)結(jié)果的綜合評(píng)價(jià)

鑒于加權(quán)主成分距離聚類(lèi)分析方法的優(yōu)勢(shì)，以此方法所得分類(lèi)結(jié)果為基準(zhǔn)，對(duì)中國(guó)各省份經(jīng)濟(jì)發(fā)展質(zhì)量進(jìn)行主成分綜合評(píng)價(jià)。為便于分析，這里將這五類(lèi)地區(qū)劃分為三個(gè)梯隊(duì)：第一梯隊(duì)包括第一類(lèi)地區(qū)和第二類(lèi)地區(qū)的省份；第二梯隊(duì)包括第三類(lèi)地區(qū)的省份；第三梯隊(duì)包括第四類(lèi)地區(qū)和第五類(lèi)地區(qū)的省份。從而計(jì)算出各梯隊(duì)主成分因子得分均值和主成分綜合得分均值，結(jié)果如表5所示。

表5 中國(guó)各省份經(jīng)濟(jì)發(fā)展質(zhì)量的主成分得分結(jié)果

結(jié)合表5結(jié)果，分別從各主成分因子得分和主成分綜合得分兩個(gè)方面分析不同梯隊(duì)省份經(jīng)濟(jì)發(fā)展質(zhì)量的特征和異同，并指出其發(fā)展的側(cè)重點(diǎn)。

2.3.1 主成分因子得分分析

在綜合因子方面，第一、二、三梯隊(duì)的省份得分均值分別為4.253、-0.435、-2.264，第一梯隊(duì)的得分遠(yuǎn)高于第二梯隊(duì)和第三梯隊(duì)。這反映了第一梯隊(duì)的省份市場(chǎng)經(jīng)濟(jì)起步較早，在經(jīng)濟(jì)水平、產(chǎn)業(yè)結(jié)構(gòu)、城鄉(xiāng)結(jié)構(gòu)和創(chuàng)新效率等方面均保持了較高的水平。同時(shí)由第一梯隊(duì)的省份以點(diǎn)帶面輻射，由北向南依次形成了以北京為中心的首都經(jīng)濟(jì)圈、以上海為中心的長(zhǎng)三角經(jīng)濟(jì)圈及以廣東為中心的珠三角經(jīng)濟(jì)圈。另一方面，從梯隊(duì)內(nèi)各省份的差異性來(lái)看，第一梯隊(duì)綜合因子得分的標(biāo)準(zhǔn)差為1.312，高于第二梯隊(duì)的0.656和第三梯隊(duì)的0.325，說(shuō)明第一梯隊(duì)內(nèi)各省份離散程度較大，這是由于北京和上海的綜合因子分值遠(yuǎn)高于天津、江蘇、浙江、廣東，這兩個(gè)省市的綜合經(jīng)濟(jì)水平更為突出。

在可持續(xù)因子方面，第一、二、三梯隊(duì)的省份得分均值分別為0.178、-0.407、0.731，第三梯隊(duì)得分遠(yuǎn)高于其他梯隊(duì)，表面上呈現(xiàn)出最好的資源利用和環(huán)境保護(hù)狀況。但結(jié)合現(xiàn)實(shí)不難發(fā)現(xiàn)，導(dǎo)致該結(jié)果產(chǎn)生的原因在于第三梯隊(duì)的省份經(jīng)濟(jì)發(fā)展落后，資源開(kāi)發(fā)不充分，從而使得其在可持續(xù)發(fā)展方面較為突出。另一方面，從梯隊(duì)內(nèi)各省份的差異性來(lái)看，第三梯隊(duì)的標(biāo)準(zhǔn)差為1.724，高于第一梯隊(duì)的1.460和第二梯隊(duì)的0.541，說(shuō)明第三梯隊(duì)內(nèi)各省份離散程度較大，這是由于第三梯隊(duì)內(nèi)的新疆、西藏和海南可持續(xù)因子分值遠(yuǎn)高于其他省份，具有最好的資源開(kāi)發(fā)潛力和自然環(huán)境條件。

在需求結(jié)構(gòu)因子方面，第三梯隊(duì)得分（0.743）同樣遠(yuǎn)遠(yuǎn)高于第一梯隊(duì)得分（0.195）和第二梯隊(duì)得分（-0.419）。這一結(jié)果符合蔡躍洲和王玉霞（2010）對(duì)我國(guó)消費(fèi)率演進(jìn)的判斷[2]，也同錢(qián)納里（Chenery,1975）關(guān)于消費(fèi)率與經(jīng)濟(jì)增長(zhǎng)關(guān)系的測(cè)算結(jié)論一致[3]。即隨著經(jīng)濟(jì)由較低水平向較高水平階段演進(jìn)，消費(fèi)率將呈現(xiàn)先下降后上升的U型趨勢(shì)。另一方面，從梯隊(duì)內(nèi)各省份的差異性來(lái)看，第一梯隊(duì)的標(biāo)準(zhǔn)差為1.749，高于第二梯隊(duì)的0.724和第三梯隊(duì)的1.132，說(shuō)明第一梯隊(duì)內(nèi)各省份離散程度較大，這是由于北京和上海的需求結(jié)構(gòu)分值遠(yuǎn)高于天津、江蘇、浙江、廣東，是典型的消費(fèi)拉動(dòng)型省市。

2.3.2 主成分綜合得分分析

就主成分綜合得分和梯隊(duì)分布而言，第一梯隊(duì)的省份普遍位于東部沿海發(fā)達(dá)地區(qū)，主成分綜合得分均值為2.813，遠(yuǎn)高于第二梯隊(duì)和第三梯隊(duì)省份的主成分綜合得分均值，經(jīng)濟(jì)發(fā)展質(zhì)量整體較好。結(jié)合各主成分因子得分發(fā)現(xiàn)，這主要是由于第一梯隊(duì)的省份綜合因子得分很高，而可持續(xù)發(fā)展因子得分則相對(duì)較低。故第一梯隊(duì)的省份應(yīng)摒棄粗放型經(jīng)濟(jì)發(fā)展方式，切實(shí)當(dāng)好加快轉(zhuǎn)變經(jīng)濟(jì)發(fā)展方式的排頭兵，提供本地區(qū)發(fā)展經(jīng)驗(yàn)供其他省份借鑒，發(fā)揮本地區(qū)對(duì)其他省份的輻射帶動(dòng)作用。

而第二梯隊(duì)的省份大多位于我國(guó)東北地區(qū)和中部?jī)?nèi)陸地區(qū)，其主成分綜合得分均值為-0.429，經(jīng)濟(jì)發(fā)展質(zhì)量相對(duì)一般。結(jié)合各主成分因子得分發(fā)現(xiàn)，這主要是由于第二梯隊(duì)的省份在綜合因子得分不高，且在可持續(xù)發(fā)展因子得分和需求結(jié)構(gòu)因子得分很低。故第二梯隊(duì)的省份一方面應(yīng)根據(jù)該地區(qū)居民消費(fèi)特征制定消費(fèi)政策，提高居民的邊際消費(fèi)傾向，另一方面還應(yīng)增強(qiáng)可持續(xù)發(fā)展意識(shí)，推行綠色改革，提高可持續(xù)發(fā)展能力。

第三梯隊(duì)的省份則全部位于我國(guó)西部地區(qū)，主成分綜合得分均值為-1.2，與其他梯隊(duì)綜合得分均值存在較大差距，經(jīng)濟(jì)發(fā)展質(zhì)量相對(duì)較差。結(jié)合各主成分因子得分發(fā)現(xiàn)，其主要原因是第三梯隊(duì)的省份綜合因子得分很低，在經(jīng)濟(jì)水平、產(chǎn)業(yè)結(jié)構(gòu)、城鄉(xiāng)區(qū)域結(jié)構(gòu)和創(chuàng)新效率方面較為落后。故第三梯隊(duì)的省份應(yīng)“提升存量，做優(yōu)增量”，在保持經(jīng)濟(jì)快速增長(zhǎng)的同時(shí)，提高經(jīng)濟(jì)增長(zhǎng)的質(zhì)量和效益。

3 結(jié)論

指標(biāo)之間的相關(guān)性及其重要性差異導(dǎo)致了已有聚類(lèi)分析方法往往無(wú)法獲得良好的分類(lèi)效果。加權(quán)主成分距離聚類(lèi)分析方法系統(tǒng)集成了多個(gè)方法的優(yōu)點(diǎn)，既簡(jiǎn)化了數(shù)據(jù)結(jié)構(gòu)，消除了指標(biāo)相關(guān)性帶來(lái)的影響，又考慮了各主成分因子信息含量的差異，科學(xué)、準(zhǔn)確地賦予了各主成分對(duì)分類(lèi)結(jié)果的權(quán)重分配系數(shù)，因而能夠有效解決已有聚類(lèi)分析方法在特定情形下的失效問(wèn)題。本文運(yùn)用加權(quán)主成分距離聚類(lèi)分析方法對(duì)中國(guó)各省份的經(jīng)濟(jì)發(fā)展質(zhì)量進(jìn)行分類(lèi)，從可解釋性與統(tǒng)計(jì)檢驗(yàn)兩個(gè)層面檢驗(yàn)該方法在實(shí)踐應(yīng)用中的分類(lèi)效果。研究結(jié)論表明，與已有聚類(lèi)分析方法相比，加權(quán)主成分距離聚類(lèi)分析法的分類(lèi)結(jié)果可解釋性最強(qiáng)，F(xiàn)檢驗(yàn)值最高，分類(lèi)效果明顯優(yōu)于其他聚類(lèi)分析方法。

進(jìn)一步以該方法所得分類(lèi)結(jié)果為基準(zhǔn)，對(duì)各類(lèi)別省份經(jīng)濟(jì)發(fā)展質(zhì)量進(jìn)行主成分評(píng)價(jià)，評(píng)價(jià)結(jié)果表明，北京、上海、天津、江蘇、浙江、廣東被劃歸為第一梯隊(duì)，應(yīng)摒棄粗放型經(jīng)濟(jì)發(fā)展方式，切實(shí)當(dāng)好加快轉(zhuǎn)變經(jīng)濟(jì)發(fā)展方式的排頭兵；廣西、貴州、云南、甘肅、海南、西藏、青海、新疆被劃歸為第三梯隊(duì)，應(yīng)“提升存量，做優(yōu)增量”，在保持經(jīng)濟(jì)快速增長(zhǎng)的同時(shí)，提高經(jīng)濟(jì)增長(zhǎng)的質(zhì)量和效益。其余省份被劃歸為第二梯隊(duì)，應(yīng)提高居民的邊際消費(fèi)傾向及增強(qiáng)可持續(xù)發(fā)展能力。