亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于多元統(tǒng)計(jì)的國(guó)家經(jīng)濟(jì)發(fā)展水平比較分析

        2019-07-23 08:05:46朱兆欽
        關(guān)鍵詞:百分比人口聚類

        朱兆欽

        (中山大學(xué)嶺南學(xué)院 經(jīng)濟(jì)學(xué)系,廣東 廣州 510000)

        一、引言

        (一)研究背景及意義

        評(píng)價(jià)一個(gè)國(guó)家的發(fā)展有許多維度,而如何將國(guó)家分類則更加困難。例如,將國(guó)家分為發(fā)展中國(guó)家和發(fā)達(dá)國(guó)家只是一種粗略的分類方法。而評(píng)價(jià)和分類的片面性對(duì)完整客觀地總結(jié)改革開放以來(lái)的成果和不足的嘗試會(huì)產(chǎn)生不利影響。然而,運(yùn)用多元統(tǒng)計(jì)的方法,[1]我們可以同時(shí)將大量評(píng)價(jià)指標(biāo)納入考慮范圍,并對(duì)其進(jìn)行歸類和化簡(jiǎn)。我們還可以對(duì)國(guó)家之間的相似性進(jìn)行合理度量,從而將不同國(guó)家更恰當(dāng)?shù)胤诸?。另外,多元統(tǒng)計(jì)方法還可以顯示各項(xiàng)指標(biāo)間的內(nèi)在聯(lián)系,有利于我們找出紛繁復(fù)雜的發(fā)展現(xiàn)象背后的原動(dòng)力。

        本文選取了中國(guó)和其他54個(gè)隨機(jī)選取的國(guó)家和地區(qū),嘗試運(yùn)用多元統(tǒng)計(jì)方法對(duì)國(guó)家發(fā)展的11個(gè)指標(biāo)進(jìn)行分析,并根據(jù)這些指標(biāo)將國(guó)家分類。從而找出和我國(guó)情況最為相近的國(guó)家,并嘗試解釋指標(biāo)背后的原動(dòng)力。相比于其他國(guó)家,情況相近國(guó)家的各項(xiàng)變革可以作為更有效政策參考。此外,對(duì)指標(biāo)的分析可以加強(qiáng)我們對(duì)經(jīng)濟(jì)發(fā)展的理解。

        (二)變量篩選

        本文主要研究世界各國(guó)發(fā)展?fàn)顩r的分類和比較,并對(duì)國(guó)家間的相似性進(jìn)行度量。數(shù)據(jù)來(lái)源為世界銀行數(shù)據(jù)庫(kù)①世界銀行數(shù)據(jù)庫(kù)網(wǎng)址https://data.worldbank.org.cn/。選取的變量為:0~14歲的人口(占總?cè)丝诘陌俜直龋?5~64歲的人口(占總?cè)丝诘陌俜直龋?、農(nóng)業(yè)增加值(占GDP的百分比)、城鎮(zhèn)人口(占總?cè)丝诒壤?、人口超過(guò)100萬(wàn)的城市群中的人口(占總?cè)丝诘陌俜直龋?、耗電量(人均千瓦時(shí))、二氧化碳排放量(人均公噸數(shù))、通電率(占人口的百分比)、能源使用量(人均千克石油當(dāng)量)、工業(yè)增加值(占GDP的百分比)、國(guó)民出生時(shí)的預(yù)期壽命。其中,為了保證數(shù)據(jù)充足,部分國(guó)家的部分變量選取年份為2014—2018年。由于這些變量一般來(lái)說(shuō)在幾年內(nèi)變化不大,故本文在除原始數(shù)據(jù)展示外,不再特殊標(biāo)注。

        這些指標(biāo)的選定是為了從多方面反映國(guó)家的發(fā)展情況和福利水平,而不僅限于傳統(tǒng)的三產(chǎn)業(yè)劃分和人均產(chǎn)出等維度。這些指標(biāo)強(qiáng)調(diào)了人口結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)、能源結(jié)構(gòu)、環(huán)境保護(hù)和國(guó)民福利水平五個(gè)方面。[2]其中,0~14歲的人口(占總?cè)丝诘陌俜直龋?5~64歲的人口(占總?cè)丝诘陌俜直龋?qiáng)調(diào)人口結(jié)構(gòu)因素;農(nóng)業(yè)增加值(占GDP的百分比)、工業(yè)增加值(占GDP的百分比)強(qiáng)調(diào)產(chǎn)業(yè)結(jié)構(gòu);耗電量(人均千瓦時(shí))、通電率(占人口的百分比)、能源使用量(人均千克石油當(dāng)量)強(qiáng)調(diào)能源結(jié)構(gòu);二氧化碳排放量(人均公噸數(shù))強(qiáng)調(diào)環(huán)境保護(hù);國(guó)民出生時(shí)的預(yù)期壽命強(qiáng)調(diào)福利水平。盡可能多地包含各類指標(biāo),有利于我們更全面地評(píng)價(jià)國(guó)家的發(fā)展程度,并且更好地測(cè)量國(guó)家間的相關(guān)性,最后按照這些指標(biāo)把上述國(guó)家分類。

        二、聚類分析

        本文的目的之一是對(duì)樣本國(guó)家進(jìn)行分類,并說(shuō)明國(guó)家之間的相似和不同。因此,聚類分析是一項(xiàng)基礎(chǔ)性的工作。對(duì)上述所有變量的聚類分析可以揭示國(guó)家之間的相似性,并找出和我國(guó)發(fā)展階段相似的國(guó)家。因此,本文的聚類分析為Q型聚類分析,即對(duì)樣本而非變量聚類。

        (一)類平均聚類法

        圖1 聚類數(shù)準(zhǔn)則

        類平均聚類方法的譜系聚類如圖2所示:

        圖2 類平均聚類分析

        (二)離差平方和(ward)聚類法

        1.協(xié)方差矩陣特征值

        其中第一類到第四類特征值為6.36438423,1.55825111,1.20035901,0.80417123,與后面一系列值差距懸殊,且特征值占總方差的90.25%。因此第一到第四聚類為主要聚類。

        2.復(fù)相關(guān)系數(shù)R2統(tǒng)計(jì)量

        表1 聚類歷史

        聚類數(shù) 連接聚類 頻數(shù) 半偏R方 R方 偽F統(tǒng)計(jì)量 偽t方22 21 20 19 18 17 16 15 14 13 12 11 10 2 3 6 9 7 4 2 3 5 6 1 0.澳大利亞CL39 CL47 CL24 CL44 CL45安哥拉CL30 CL17 CL32 CL25 CL19 CL29阿拉伯聯(lián)CL23 CL11 CL7 CL10 CL6 CL16 CL9 CL3大韓民國(guó)蒙古CL33 CL38 CL26 CL35剛果(布)南非柬埔寨CL28 CL20 CL21 CL14 CL22 CL15 CL12 CL8 CL13 CL18 CL5 CL4 CL2 12 9 8 7 6 5 4 3 2 1 8 3 7 2 2 29 14 36 16 39 55 0.0046 0.0046 0.0054 0.0064 0.0067 0.0071 0.0081 0.0087 0.0093 0.0131 0.014 0.0172 0.0203 0.0208 0.0216 0.0318 0.0461 0.0471 0.0494 0.0557 0.1326 0.4082 0.934 0.93 0.924 0.918 0.911 0.904 0.896 0.887 0.878 0.865 0.851 0.834 0.813 0.793 0.771 0.739 0.693 0.646 0.597 0.541 0.408 0 22.4 22.5 22.5 22.4 22.4 22.4 22.4 22.5 22.7 22.4 22.3 22.1 21.8 22 22.6 22.7 22.1 22.8 25.1 30.6 36.6.2.7 3.7 4 4.3 4.4.3.3 2.7 6.2 6.5 7.1 4.9 4.5 5.3 8.8 8.5 8.5 8.1 6.4 17.4 36.6

        3.半偏R2統(tǒng)計(jì)量

        該統(tǒng)計(jì)量用以評(píng)價(jià)合并GK和GL的效果,半偏R2是上一步R2值與該步R2值之差,因此半偏R2值越小,說(shuō)明上一次聚類效果越好。本例中倒數(shù)第二次的半偏R2值為0.1326,倒數(shù)第三次半偏R2為0.0557,最后一次聚類的半偏R2上升至0.4082(見表1),綜合來(lái)看,樣本國(guó)家可以分為2類或3類:第一類是安哥拉,喀麥隆,剛果(布),阿拉伯埃及共和國(guó),埃塞俄比亞,加納,洪都拉斯,肯尼亞,柬埔寨,莫桑比克,尼泊爾,巴基斯坦,菲律賓,南亞,塞內(nèi)加爾,坦桑尼亞,共16國(guó);第二類是阿拉伯聯(lián)合酋長(zhǎng)國(guó),澳大利亞,大韓民國(guó),共3國(guó);阿根廷,奧地利,阿塞拜疆,保加利亞,玻利維亞,巴西,瑞士,智利,中國(guó),哥倫比亞,哥斯達(dá)黎加,古巴,厄瓜多爾,西班牙,法國(guó),英國(guó),格魯吉亞,希臘,哈薩克斯坦,黎巴嫩,摩洛哥,墨西哥,蒙古,馬來(lái)西亞,巴拿馬,波蘭,葡萄牙,巴拉圭,羅馬尼亞,俄羅斯聯(lián)邦,泰國(guó),突尼斯,土耳其,烏克蘭,烏拉圭,南非被歸為第三類,共36國(guó)(如圖3)。

        圖3 Ward離差平方和聚類分析

        (三)結(jié)論

        綜上,55國(guó)可以被初步劃分為3類,第一類發(fā)展情況相對(duì)較差,共16國(guó),第二類只有阿拉伯聯(lián)合酋長(zhǎng)國(guó)、澳大利亞、韓國(guó),共3國(guó)。第三類則是包括我國(guó)在內(nèi)的其他剩余國(guó)家,共36國(guó),這些國(guó)家發(fā)展水平普遍遠(yuǎn)強(qiáng)于第一類國(guó)家。

        三、主成分分析

        主成分分析也稱主分量分析,利用降維的方法,把多指標(biāo)轉(zhuǎn)化為少數(shù)幾個(gè)綜合指標(biāo),是一種分析、簡(jiǎn)化數(shù)據(jù)集的技術(shù),根據(jù)這些變量能夠獲得主成分的背景解釋。在反映樣本國(guó)家的11個(gè)變量中,可能某些變量之間存在共同之處、相關(guān)性,集中、共同地體現(xiàn)經(jīng)濟(jì)增長(zhǎng)質(zhì)量評(píng)價(jià)的某些方面,故本部分對(duì)所選的55個(gè)國(guó)家2017年的11個(gè)反映發(fā)展情況的指標(biāo)做主成分分析,從而對(duì)國(guó)家發(fā)展的主要方面進(jìn)行初步探究。

        (一)主成分的提取

        在對(duì)樣本數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理后,首先需要對(duì)11個(gè)變量的相關(guān)系數(shù)矩陣、特征值、特征向量等進(jìn)行具體計(jì)算,得出以下結(jié)果(見表2):(省略了占比極小的第7—11主成分):

        表2 主成分結(jié)果

        主成分分析的目的是為了減少變量的個(gè)數(shù),因此,一般不會(huì)使用所有主成分,忽略一些較小方差的主成分將不會(huì)對(duì)總方差帶來(lái)大的影響。我們稱為主成分yk的貢獻(xiàn)率。第一主成分的貢獻(xiàn)率最大,即綜合原始變量X1,X2,…,Xk的能力最強(qiáng),y1,y2,…,yk的綜合能力依次減弱。只取m(m<p)個(gè)主成分,稱為主成分y,y,…,y的累計(jì)貢獻(xiàn)率,它表示y1,y2,…,yk綜合x1,x2,…,xk的能力,通常我們選取m,使得累計(jì)貢獻(xiàn)率達(dá)到85%以上。本文中我們提取了4個(gè)主成分(見圖4),累計(jì)貢獻(xiàn)率為90.25%,四個(gè)主成分的表達(dá)式可以寫為如下:

        觀察第一主成分,我們發(fā)現(xiàn)變量被分為三類,0~14歲人口占比和農(nóng)業(yè)人口占比被分為一類,工業(yè)增加值占比被忽略,剩下的其他變量被分為一類。而在實(shí)際情況中,科技水平低的國(guó)家更依賴于農(nóng)業(yè),且必須依靠高生育率保證有效勞動(dòng)的供給。這樣一來(lái)第一主成分就更小。科技水平高的國(guó)家對(duì)農(nóng)業(yè)的依賴度下降,且在高預(yù)期壽命和低生育率的雙重作用下0~14歲人口占比變小,而其他變量數(shù)值(如城鎮(zhèn)人口占比,人均能源消耗)更大,可見第一主成分說(shuō)明的是科技水平,或者說(shuō)生產(chǎn)效率水平。觀察第二主成分,我們發(fā)現(xiàn)低端制造業(yè)發(fā)達(dá)的國(guó)家得分會(huì)高一些,這些國(guó)家剛剛從農(nóng)業(yè)國(guó)發(fā)展為工業(yè)國(guó),因此工業(yè)產(chǎn)值比較重要,但通電率卻有待提升,因此第二主成分說(shuō)明的是低端制造業(yè)水平。第三主成分是能源系數(shù),人均能耗高的國(guó)家得分高,而城市化通過(guò)集中供暖等手段增大了能源使用效率,在同等福利水平的條件下減少了人均能耗。而發(fā)達(dá)工業(yè)國(guó)則更可能有較高水平的第四主成分:人口構(gòu)成相對(duì)偏向中老年,而且電網(wǎng)覆蓋率水平極高,此外由于能源利用效率高,人均的二氧化碳排放量和能源使用量也相對(duì)較小。

        圖4 陡坡圖和已解釋方差圖

        (二)主成分分析

        根據(jù)第一主成分從小到大的順序排列(見表3)可以看出,莫桑比克是樣本55國(guó)中生產(chǎn)效率最低的國(guó)家,而阿拉伯聯(lián)合酋長(zhǎng)國(guó)則是生產(chǎn)效率最高的國(guó)家。這一結(jié)論部分源于阿聯(lián)酋的產(chǎn)品較為單一,因此其石油產(chǎn)業(yè)的科技水平極大地決定了整體生產(chǎn)效率。相比之下,我國(guó)工業(yè)品種類極多,跨度極大,因此提升整體生產(chǎn)效率所需的努力也更多。

        而第二主成分排列后尼泊爾得分最低,說(shuō)明其最不可能是一個(gè)新興工業(yè)國(guó)。阿聯(lián)酋則得分最高,這是因?yàn)槠溥^(guò)于單一的產(chǎn)業(yè):能源產(chǎn)業(yè)恰好和低端制造業(yè)同屬產(chǎn)業(yè)鏈的底層,因此阿聯(lián)酋具有一定低端制造國(guó)的特性,比如產(chǎn)品附加值少,工業(yè)(能源行業(yè))十分重要。我國(guó)在這一主成分的得分反映了我們?cè)诋a(chǎn)業(yè)鏈上仍有不小的上升空間。

        此外,我國(guó)在第三和第四主成分上的得分處于中間水平。這與經(jīng)濟(jì)體處于結(jié)構(gòu)轉(zhuǎn)型的事實(shí)相對(duì)應(yīng):一方面我國(guó)正在發(fā)展為發(fā)達(dá)工業(yè)國(guó),另一方面我國(guó)農(nóng)業(yè)部門仍雇傭大量的勞動(dòng)人口。能耗方面,一方面我國(guó)經(jīng)濟(jì)的發(fā)展促進(jìn)了能源消費(fèi),但另一方面我國(guó)能源利用效率有待提高。

        (三)結(jié)論

        上述分析表明:評(píng)價(jià)國(guó)家發(fā)展的四個(gè)主成分之間沒(méi)有必然聯(lián)系。農(nóng)業(yè)國(guó)的生產(chǎn)效率不一定低,而發(fā)達(dá)工業(yè)國(guó)的人均能耗水平也可能不高。此外,一些單一產(chǎn)業(yè)國(guó)家的總體生產(chǎn)效率會(huì)極大地受其支柱產(chǎn)業(yè)的影響。而我國(guó)在四個(gè)主成分上的得分也體現(xiàn)出經(jīng)濟(jì)體處于結(jié)構(gòu)轉(zhuǎn)型的事實(shí),一方面我們具有發(fā)達(dá)工業(yè)國(guó)的特征,而另一方面農(nóng)業(yè)部門仍然雇傭了大量的勞動(dòng)力。[3]

        表3 樣本國(guó)家主成分得分

        四、總結(jié)

        以上的分析既對(duì)國(guó)家間的相似性進(jìn)行了測(cè)量,同時(shí)也對(duì)經(jīng)濟(jì)發(fā)展的內(nèi)在因素進(jìn)行了初步探究。在參考不同國(guó)家的政策時(shí)不僅要關(guān)注政策本身,更要關(guān)注不同國(guó)家間的差異。例如,在聚類分析中,韓國(guó)與我國(guó)的距離較遠(yuǎn),則我們?cè)趨⒖柬n國(guó)的政策時(shí)更要充分考慮國(guó)情差異。此外,以上分析也有利于我們?cè)u(píng)價(jià)我國(guó)當(dāng)前的發(fā)展程度:農(nóng)業(yè)國(guó)向工業(yè)國(guó)的轉(zhuǎn)變?nèi)栽谶M(jìn)行。

        猜你喜歡
        百分比人口聚類
        《世界人口日》
        人口轉(zhuǎn)型為何在加速 精讀
        人口最少的國(guó)家
        1723 萬(wàn)人,我國(guó)人口數(shù)據(jù)下滑引關(guān)注
        基于DBSACN聚類算法的XML文檔聚類
        普通照明用自鎮(zhèn)流LED燈閃爍百分比測(cè)量不確定度分析
        電子制作(2017年20期)2017-04-26 06:57:46
        肝癌患者外周血Treg、Th17百分比及IL-17水平觀察
        基于改進(jìn)的遺傳算法的模糊聚類算法
        一種層次初始的聚類個(gè)數(shù)自適應(yīng)的聚類方法研究
        自適應(yīng)確定K-means算法的聚類數(shù):以遙感圖像聚類為例
        亚洲中文字幕精品乱码2021| 日韩成人无码v清免费| 99久久99久久精品免观看| 亚洲麻豆av一区二区| 日韩av一区二区不卡| 国产色系视频在线观看| 18禁裸男晨勃露j毛免费观看| 91人妻无码成人精品一区91| 久久久精品亚洲懂色av| 亚洲国产精品av麻豆网站| 日韩av无码一区二区三区| 国产在线精品一区二区在线看| 日韩秘 无码一区二区三区| 扒开非洲女人大荫蒂视频 | 亚洲AV无码久久久一区二不卡 | 成人无码视频| 亚洲国产综合精品久久av| 午夜影院免费观看小视频| 国产无遮挡aaa片爽爽| 国产青草视频在线观看| 久久免费视亚洲无码视频| 白色橄榄树在线阅读免费| 国产一区二区三区不卡在线观看| 波多野结衣爽到高潮大喷| 亚洲精品国产第一区二区尤物| 蜜芽尤物原创AV在线播放| 侵犯了美丽丰满人妻中文字幕| 国产色视频一区二区三区qq号| 极品粉嫩小泬无遮挡20p| 亚洲区偷拍自拍29p| 羞涩色进入亚洲一区二区av| 国产在线一区二区三区四区| 欧美性色黄大片手机版| 国产午夜福利精品| 日韩色久悠悠婷婷综合| 人妻中文字幕在线中文字幕| a级毛片100部免费观看| 动漫在线无码一区| 蜜臀精品一区二区三区| 漂亮人妻洗澡被公强 日日躁| 熟女精品视频一区二区三区|