吴健辉，蒋丽萍

(1景德镇学院 信息工程学院， 江西 景德镇 333400；2上饶市康桥中学，江西 上饶 334100)

本文借助SPSS 22统计分析软件，以江西省11个设区市经济发展数据为依据，从经济量的增长、经济结构的改进和优化等含义入手进行聚类分析，通过8个主要经济指标分析全省各地区经济发展状况，提出缩小差距的措施及建议。

1 经济发展的含义

经济发展的含义比较丰富，一般主要有三方面内容[1]：一是经济社会结构性的转变；二是经济社会质的改善；三是国民经济量的增长和扩张。

2 全省各设区市经济发展分类

利用SPSS 22统计软件，对收集的2020年1月～12月各设区市的生产总值、财政总收入、一般公共预算收入、规模以上工业增加值、固定资产投资、限额以上消费品零售额、出口值、实际利用外商直接投资等8个主要经济指标数据(数据来源：江西省统计局)，先进行标准化处理，再采用主成分法进行因子分析，最后得到输出结果。

首先考察原有变量是否适合进行因子分析。从表1的Bartlett球形检定可以看出检验的P值很小，远小于0.05，表明各变量之间的相关性矩阵与单位阵有显著差异。同时KMO统计量为0.660，说明各变量间信息的重叠程度较高，适合做因子分析[2]。

表1 KMO与Bartlett 检定

从表2看到前三个公因子的累计方差贡献率为98.175%，因此抽取三个公因子。记F1作为第一公因子，F2为第二公因子，F3为第三公因子。

表2 说明的变异数总计

表3是变量共同度表，从表中看到变量的共同度都在90%以上，即所抽取的3个公因子对原始指标变量的解释能力都在90%以上，提取出的三个公因子对各变量的解释能力是较强的。

表3 变量共同度

表4 旋转后的因子载荷矩阵

表4为旋转后的因子载荷矩阵。从上表可以看出，公因子F1主要反映生产总值、财政总收入、一般公共预算收入、社会消费品零售总额、出口值、外商直接投资实际使用金额，这6个指标在公因子F1上的载荷值均在0.90以上，都是与城市对外经济与贸易有关的因子，反映11个设区市的贸易发展规模与发展水平，命名F1为贸易因子；公因子F2在固定资产投资增长上的载荷值为0.963，反映11个设区市的企业、居民建造和购买房产、建筑物、机器等固定资产的工作量以及与此相关的费用变化情况，命名F2为资产增长因子；公因子F3在规模以上工业增加值上的载荷值为0.981，反映全省年主营收入大于2000万的工业企业或者国有工业企业等规模以上企业在2020年1月～12月期间生产过程中新增加的价值增长率，命名F3为盈利增长因子。因子分析得到各样品的三个公因子得分，即表5中数据。

运用SPSS 22统计软件，根据公因子F1，F2，F3 对11个设区市进行系统聚类分析，得到一个凝聚顺序表，将表6中的聚合系数与对应的分类数绘制成一个表格，并以分类数为横轴，以聚合系数为纵轴绘制“碎石图”。

表5 江西省11个设区市的三个公因子得分

表6 聚合系数与分类数

从图1碎石图中看出，在分类数为5的时候，随着分类数的增大聚合系数没有骤降现象。所以，选取聚类数为5是合理的。

图1 碎石图

以因子分析得到的三个公因子为分类依据，将聚类数改为5，重新进行系统聚类分析，得到冰柱图。从图2冰柱图可以看出聚类结果为：G1={南昌市}，G2={萍乡市、景德镇市}，G3={九江、赣州}， G4={新余市、宜春市}， G5={鹰潭市、吉安市、抚州市、上饶市}。

图2 冰柱图

然后绘制各类的三个公因子得分的均值对比图，得到图3，计算各类的三个公因子得分的平均数，得到表7。

图3 均值对比图

从图3与表7看到，聚类后第一类的公因子F1得分的平均数最高，但公因子F2得分的平均数为负值，第五类的公因子F2得分与公因子F3得分的平均数最高，但公因子F1得分的平均数为负值；第

表7 各类公因子得分的平均数

二类的三个公因子得分的平均数均为负值；第三类的公因子F3得分的平均数最低，公因子F1与F2得分的平均数均为正值；第四类仅有公因子F3得分的平均数为正值，而且公因子F2得分的平均值最低。

最后，利用方差分析法分析各类在哪些经济指标上存在显著差异。通过单因素方差分析，得到表8方差分析表。

表8 方差分析表

从表8可知，当显著性水平α=0.05时，三个公因子得分的平均数检验的P值分别为0.007、0.018、0.032，均小于0.05，所以拒绝原假设，即对全省11个设区市进行聚类分析得到的五个类别在三个公因子上均存在显著差异，分类结果是合理的。

3 江西省设区市经济发展现状及问题分析

3.1 设区市经济发展的现状分析

从各类的三个公因子得分的平均数表7可以看出，在公因子F1(贸易因子)得分的平均数最高的是第一类，包含的城市有南昌市，达到2.4257015，远高于第三组的0.6264714，第三组包含的城市有九江市与赣州市，除此之外其他三组的公因子F1得分的平均值均小于0，就贸易经济而言，南昌市是全省发展最好的城市，紧跟其后的是九江市与赣州市，为0.6264714，其他城市的经济贸易发展较慢。在公因子F2(资产增长因子)上得分最高的是第五类，包括鹰潭市、吉安市、抚州市、上饶市等城市，达到0.7653000，说明这些企业购买房产、建筑物、机器等固定资产相关的费用变化较大，企业的固定资产更新改造加速及居民居住环境、公共环境改善较大。第三组在公因子F2(资产增长因子)上得分位居第二，为0.6893326，南昌市在公因子F2上的得分低于0。在公因子F3(盈利增长因子)得分的平均数最大的也是第五类，达到0.7698970，说明鹰潭市、吉安市、抚州市、上饶市的规模以上企业盈利增长最大，其次是第四组，包括新余市、宜春市，为0.5172096，南昌市为0.2960059，其他两组的值为负。

公因子F1的方差贡献率为73.177%，说明公因子F1(贸易因子)是全省经济发展指标体系的主要方面。除了第一类南昌市与第三类的九江市和赣州市外，其余8个设区市的公因子F1得分的平均数均为负数，说明这8个设区市在对外经济贸易方面都有所欠缺，导致南昌市、九江市和赣州市与这些城市在经济发展方面差距较大；对于第五类城市与第三类城市，它们在公因子F2得分的平均数最高，也就是说这两类城市的企业、居民建造和购买房产、建筑物、机器等固定资产的工作量以及与此相关的费用在2020年1月到12月增长最大，企业的发展后劲有显著提高，居民的生活水平和幸福指数也有显著提升；第三类城市在公因子F1上与F2上的表现均衡，反映九江与赣州在经济发展过程中兼顾经济贸易发展与固定资产投资增长。而第五类城市虽然在公因子F2得分平均数最大，但可能由于历史的原因，在公因子F1上得分较低，反映出在经济贸易发展方面要做较大努力；其他三类城市公因子F2得分的平均数为负数，说明萍乡市、景德镇市、宜春市、吉安市以及南昌市的企业、居民建造和购买房产、建筑物、机器等固定资产投入在2020年1月到12月增长不大；第五类城市在公因子F3(盈利增长因子)得分平均数是最大的，达到0.7698970，说明第五类城市的规模以上企业在2020年1月到12月内的盈利增长最多；其次为第四类城市，达0.5172096，第一类南昌市在公因子F3(盈利增长因子)得分的平均数达到0.2960059，其他两类城市在公因子F3得分的平均数为负，反映出萍乡市、景德镇市、九江、赣州要提高规模以上企业的盈利增长能力。

3.2 设区市经济发展存在的主要问题

⑴南昌市固定资产投资增长以及规模以上企业盈利增长发展缓慢，城市基础投资需要加强。

⑵鹰潭市、吉安市、抚州市、上饶市等城市在对外经济贸易方面发展较为缓慢。

⑶九江市与赣州市规模以上企业的盈利增长能力较低，降低企业经济贸易发展的质量。

⑷新余和宜春固定资产投产增长缓慢。

⑸萍乡市、景德镇市固定资产投资、企业盈利等均需提高。

4 缩小全省各设区市经济发展差距的具体措施

根据聚类分析的结果，针对不同类别城市存在的问题，提出缩小各地区经济发展差距的解决措施：

⑴南昌市对外经济贸易方面发展较好，但固定资产投资以及规模以上企业盈利相对而言发展缓慢，可在保持对外经济贸易方面发展态势的基础上，适当加大城市基础建设投资力度，提高城市的人居环境，提高城市对企业与人才的吸引力。鼓励企业加大固定资产的更新改造力度，提高政府的服务能力，加大吸引外资的力度，加快产业升级，提高规模经济效益，提高企业的发展后劲。要带动周边地区等对外经济贸易方面的发展，提高省会城市在经济方面的辐射功能。

⑵九江市可充分发挥其交通便利、港口、人才及所处的区域优势，提升企业的盈利增长能力，在自身发展的同时带动周边城市联动发展。

⑶赣州市是连接珠三角的桥头堡城市，未来在保持现有的固定资产发展优势之外，应努力提升规模以上企业的盈利增长能力，带动周边城市联动发展。

⑷鹰潭、吉安、抚州、上饶、新余、宜春、景德镇、萍乡可与南昌、九江、赣州等城市形成优势互补，加大城市基础建设，提升城市管理水平，吸引新兴产业人才落户城市创业。

⑸各地区要制定优惠政策吸引各类人才落户创业，鼓励自主创业，鼓励外出打工人员回乡创业，将当地低廉的劳动力与经济发达区域的先进生产技术和管理经验相结合，大力发展工业企业，促进区域经济的发展[3]。

⑹省政府可制定政策统筹区域经济发展，促使各城市协调发展，以缩小城市经济发展差距。加大城市基础建设投资，提升城市管理水平，增强城市软实力，通过政策优惠或财政的转移支付等手段扶持经济欠发达的城市建设，发展优势产业，在全省范围内布局新兴优势产业群，促使各城市协调发展。