(江西農(nóng)業(yè)大學 江西 南昌 330000)

經(jīng)濟發(fā)展一直都離不開四個必要條件：人口、產(chǎn)業(yè)、資源和交通，江西省作為一個有4600萬人口的中部省份，坐擁中國最大的淡水湖鄱陽湖，周邊地區(qū)多為山區(qū)、中部多為丘陵平原，在歷史上就被當成是“魚米之鄉(xiāng)”，江西的地下貯藏著大量礦產(chǎn)資源和稀有金屬，在近代工業(yè)起步時期發(fā)揮了重大作用，這些也帶動了江西的經(jīng)濟發(fā)展。隨著中部崛起戰(zhàn)略的實施，近年來，江西省規(guī)模以上工業(yè)增加值增速持續(xù)穩(wěn)居全國第一方陣。

目前，正值我國重點調(diào)整產(chǎn)業(yè)結(jié)構(gòu)、優(yōu)化產(chǎn)業(yè)格局之際，江西省作為近年來經(jīng)濟增速始終位于第一梯隊的省份，不乏有學者對江西省經(jīng)濟發(fā)展能力做出分析，主要集中在以下方面：分析城鎮(zhèn)化水平和經(jīng)濟發(fā)展的關(guān)系(徐展峰 2012)，農(nóng)村消費潛力對江西經(jīng)濟發(fā)展的影響分析(萬國京 2014)以及人才資源對江西經(jīng)濟發(fā)展的影響分析(閔蕓芝，周明 2013)。目前江西省工業(yè)面臨著穩(wěn)增長與提質(zhì)量的雙重挑戰(zhàn)，要實現(xiàn)江西省工業(yè)高質(zhì)量跨越式發(fā)展，必須牢牢把握工業(yè)強省戰(zhàn)略，針對各個城市不同的情況，因地制宜發(fā)展最佳產(chǎn)業(yè)，構(gòu)建現(xiàn)代化產(chǎn)業(yè)體系，本文具體研究了江西省11個城市的經(jīng)濟發(fā)展能力。

一、分析過程

(一)變量選擇

城市經(jīng)濟發(fā)展能力指標體系的構(gòu)建除了考慮地方的經(jīng)濟總量之外，還要考慮到經(jīng)濟質(zhì)量和經(jīng)濟效能，因此本文提取了8個變量，分別是城市、人口、2019年前三季度GDP、人均GDP、財政總收入、社會消費品零售總額、城鎮(zhèn)和農(nóng)村人均可支配收入，8個變量分別定義為V1-V8，選取的11個觀測樣本分別是江西省的11個地級市。

(二)數(shù)據(jù)描述性分析

在搜集好數(shù)據(jù)、選擇好變量和模型之后，接下來就是將數(shù)據(jù)錄入Stata軟件中進行處理，得到最后的實證結(jié)果。第一步，在將數(shù)據(jù)從Excel導入Stata后，在Stata14的Command文本框中輸入命令：summarize V2-V8，就能考察所有變量的統(tǒng)計特征，也就是數(shù)據(jù)的描述性統(tǒng)計結(jié)果。

從統(tǒng)計結(jié)果中可以得出江西省11個城市的各項經(jīng)濟指標的平均數(shù)、標準差、最小值以及最大值，可以看出江西各市間的經(jīng)濟發(fā)展水平差距較大，尤其體現(xiàn)在GDP和社會消費品零售總額水平上，省內(nèi)GDP最高的南昌市是最低的鷹潭市的6.5倍，社會消費品零售總額最高的南昌市是最低的鷹潭市的9.5倍。那么我們具體分析一下江西省各市的GDP情況，在Command文本框中繼續(xù)輸入命令：summarize V3,detail，得到以下具體的GDP描述性統(tǒng)計結(jié)果：

由圖可以看出，GDP這一變量百分位數(shù)的第一個四分位數(shù)是804.2，第二個百分位數(shù)是1374.8；四個最小值分別為627.1、666.7、804.2、808.8；四個最大值分別為1764.6、2072、2158、103.5；均值為1562.027，標準差為1011.852，偏度為1.442676，為正偏態(tài)；峰度為4.620764，有一個比正態(tài)分布較短的尾巴。通過描述性分析可以看出，其它各個變量的所有數(shù)據(jù)都沒有極端值和異常值，數(shù)據(jù)間的量綱差距也在可接受范圍之內(nèi)。

(三)數(shù)據(jù)相關(guān)性分析

接下來進行數(shù)據(jù)相關(guān)性分析，在Stata14的Command文本框中輸入命令：pwcorr V2-V8,sidak sig star(0.01)，分析7個變量間相關(guān)性在置信水平為99%時是否顯著。

由此分析可以得出GDP與財政總收入之間的相關(guān)系數(shù)為0.9869，與社會消費品零售總額之間的相關(guān)系數(shù)為0.9774，具有很強的相關(guān)性；財政總收入與社會消費品零售總額之間的相關(guān)系數(shù)為0.9484，具有很強的相關(guān)性；此外GDP與人口數(shù)的相關(guān)性較強，與人均GDP、城鎮(zhèn)、農(nóng)村人均可支配收入的相關(guān)性都較弱。

由上可以看出，江西省各市的經(jīng)濟發(fā)展水平并不是完全和人口成正相關(guān)的，總的來看省會南昌的各項經(jīng)濟數(shù)據(jù)都領(lǐng)先全省，但南昌人口只有554.6萬，因此人均水平更是遙遙領(lǐng)先，贛州人口高達864萬，GDP卻只有南昌的一半，城鎮(zhèn)、農(nóng)村人均可支配收入也比南昌低很多，經(jīng)濟發(fā)展水平有待提高。

(四)數(shù)據(jù)回歸分析

1.建立回歸模型

考慮到GDP與人均GDP、城鎮(zhèn)人均可支配收入和農(nóng)村人均可支配收入變量間相關(guān)性較弱，本文把GDP作為因變量，把人口數(shù)、財政總收入和社會消費品零售總額作為自變量進行多重線性回歸，在Command文本框中輸入如下命令:sw regress V3 V2 V5 V6,pr(0.1)，得到如下結(jié)果：

建立線性模型：V3=a*V2+b*V5+c*V6+u，即：GDP=a*人口數(shù)+b*財政總收入+c*社會消費品零售總額+u，式中a、b、c是未知的回歸系數(shù)，u是隨機誤差項。

2.模型修正

模型經(jīng)過一次剔除變量后得到最終結(jié)果，該模型V2變量的系數(shù)顯著性P值高達0.9778，被剔除，之后得到最終回歸模型。

從上述分析結(jié)果中看出模型的F值(2,8)=437.87，P值(Prob>F)=0.0000，說明該模型整體非常顯著。模型可決系數(shù)(R-squared)是0.9959，模型修正可決系數(shù)(Adj R-squared)=0.9887，說明模型解釋能力非常優(yōu)秀。

在回歸線性模型中變量V6的系數(shù)標準誤是0.260812，t值為3.88，P值為0.005，系數(shù)比較顯著，95%的置信區(qū)間為[0.4112879,1.614155]，同理可知V5的同類數(shù)據(jù)。常數(shù)項的系數(shù)標準誤是76.37432，t值為-0.05，P值是0.959，系數(shù)是顯著的，95%的置信區(qū)間為[-180.1473，172.0916]。

因此線性模型：V3=6.337621*V5+1.012722*V6-4.027856

即GDP=6.337621*財政總收入+1.012722*社會消費品零售總額-4.027856。

3.因變量擬合值的預測

因變量預測擬合值是根據(jù)自變量的值和得到的回歸方程計算出來的，主要用來預測未來。在Command文本框中輸入rvfplot后得到殘差與擬合值的散點圖。結(jié)果是殘差并隨著擬合值的大小的不同而不同，圍繞0值上下隨機波動，數(shù)據(jù)很可能是存在異方差。

4.異方差的檢驗

在Command文本框中輸入estat imtest,white，得到懷特檢驗結(jié)果，可得P值=0.3497，拒絕原假設(shè)，不存在異方差。

(五)主成分因子分析

1.因子分析

在Command文本框中輸入factor V2-V8,pcf，得出因子分析結(jié)果如下：

7個因子中只有2個因子特征值(Eigenvalue)大于1，選取這2個因子分別作為新的綜合評價指標，LR檢驗的卡方值為113.36，P值(Prob>chi2)為0.0000，模型非常顯著。第一個因子的特征值(Eigenvalue)為3.72538，方差貢獻率(Proportion)為53.22%；第二個因子特征值為2.81352，方差貢獻率為40.19%，前2個因子的累計方差貢獻率(Cumulative)為93.41%，解釋了原始數(shù)據(jù)的93.41%的信息。

2.因子結(jié)構(gòu)旋轉(zhuǎn)

采用最大方差正交旋轉(zhuǎn)法對因子結(jié)構(gòu)進行旋轉(zhuǎn)，在Command文本框中輸入rotate,再輸入predict F1 F2，得出因子得分系數(shù)矩陣，由此寫出主因子的表達式：

F1=0.23126*V2+0.27428*V3+0.01049*V4+0.27748*V5+26291*V6-0.07617*V7-0.03646*V8；F2=-0.24475*V2+0.01493*V3+0.31063*V4-0.01946*V5+0.05270*V6+0.27597*V7+0.32536*V8

3.KMO檢驗

在Command文本框中輸入estat kmo進行KMO檢驗，判斷數(shù)據(jù)是否適合進行因子分析，其取值范圍是0～1，其中，0～0.5表示不可接受，0.5～1表示可以接受。檢驗得出總體(Overall)KMO的取值為0.5739，因子分析處于可以接受狀態(tài)。

4.各城市綜合得分

接下來依據(jù)提取的主因子對西藏各城市經(jīng)濟發(fā)展能力給出綜合得分并進行排名。在Command中輸入命令generate F=0.6147*F1+0.3307*F2可求出江西各城市經(jīng)濟發(fā)展能力的綜合得分，其中F1、F2是在進行因子分析時候?qū)μ崛〉闹饕蜃颖４娴淖兞浚禂?shù)是主因子的方差貢獻率?？梢缘贸龈魇芯C合得分：

城市綜合得分排名南昌1.9464121九江0.1441762新余-0.068463上饒-0.077394宜春-0.164525萍鄉(xiāng)-0.17656贛州-0.237067吉安-0.247238景德鎮(zhèn)-0.28019鷹潭-0.3162410撫州-0.5230911

二、結(jié)論與建議

經(jīng)過主成分因子分析后，可以看出南昌作為江西的省會，各項經(jīng)濟指標明顯領(lǐng)先全省，綜合得分和兩個主因子得分均是第一，屬于省內(nèi)的第一梯隊城市。九江的綜合得分僅次于南昌，但從各項指標和得分情況來看和南昌的差距較大，第三名新余和第四名上饒綜合得分差距不大，都屬于省內(nèi)發(fā)展水平較好的城市。值得關(guān)注的是，贛州作為省內(nèi)人口最多的城市，雖然目前經(jīng)濟發(fā)展水平不高，但從另一方面來講，在人口紅利逐漸消失的未來，人口資源將是一個城市發(fā)展最重要的資源，在這一點上贛州有著絕對的優(yōu)勢，未來務必要出臺政策留住人才甚至吸引人才。

宜春、上饒、萍鄉(xiāng)這個城市綜合得分差距不大，這幾個城市發(fā)展質(zhì)量有待提高，經(jīng)濟總量和人均水平都屬于較低的水平。萍鄉(xiāng)、鷹潭和撫州由于人口較少，導致綜合得分較低。這些城市的當務之急是優(yōu)先發(fā)展第二產(chǎn)業(yè)，適當發(fā)展第三產(chǎn)業(yè)，總量提高了，人均水平自然也隨之上漲

最后對提升江西省的整體綜合經(jīng)濟發(fā)展能力提出以下建議：

1.首先要加強基礎(chǔ)設(shè)施建設(shè)，完善交通網(wǎng)，為提高綜合經(jīng)濟能力的發(fā)展提供保障。

2.堅持開放和創(chuàng)新的思想，重點解決發(fā)展不平衡、不協(xié)調(diào)、不可持續(xù)等突出問題，因地制宜發(fā)展特色產(chǎn)業(yè)，統(tǒng)籌兼顧，縮小貧富差距。

3.加強與國內(nèi)其他城市的協(xié)同發(fā)展，積極整合省內(nèi)、國內(nèi)及國外的各種資源，資源共享從而發(fā)揮信息優(yōu)勢。

4.完善人才政策，經(jīng)濟發(fā)展離不開人才，南昌去年頒布的落戶政策值得全省推廣，江西要發(fā)展必須減少人才外流甚至吸引外省人才。