李娜

(榆林学院 政法学院， 陕西 榆林 719000)

0 引言

改革开放三十年,伴随着中国经济增速不断稳步提高，社会、生活和环境等多方面均发生了翻天覆地的变化。同时，地区发展不均衡，经济发展差异也尤为突出。主要表现在：(1)经济方面，社会主义市场经济体制初步建立，但是经济结构性矛盾和粗放式增长依然存在，人均生产力水平无法与发达国家相比。(2)社会方面，虽然人民生活达到了基本小康，但是存在十分明显的城乡发展不平衡，区域发展不平衡和收入分配不平衡问题，改变城乡和区域社会发展差距任务十分艰巨。(3)环境发展方面，北方部分省份经济发展过程中环境牺牲过大，带来较为严重的空气污染问题，东部省份各种高投入、低产出的产业模式导致大量的水环境污染。

如何实现区域经济协调发展是世界各国均十分重视的课题，关于这方面的研究开始于上个世纪80年代，例如：Baumol(1986)提出最小命题论[1]，认为发展中国家经济要想发展，必须首先冲破低水平均衡状态，让一部分区域先获得发展；Harald(2002)提出了马尔萨斯经济发展理论[2]，将数学模型融入到发展中国家的资本收入评价中，该理论认为发展中国家会在低水平收入中反复轮回，才能慢慢达到平衡。

关于中国区域经济的协调发展研究,目前研究成果较多，例如范敬雅等[3]利用EM算法改进高斯混合模型，对中国31个省份的GDP进行了分类择优，验证了该模型在特定情况下的可靠性；其他研究学者例如李泽宇、樊星和倪鹏飞等[4-7]从地理学角度、经济学角度和传统聚类分析角度对我国的GDP发展情况、物流产业发展情况和城市竞争力情况等进行了研究和实践，均取得了较好的效果。本文依据改进的DEA聚类分析方法，对中国各地区的经济发展状况进行了分析和研究，提出了针对性评价建议。

1 基于改进聚类分析法

聚类算法是一种可以用于寻找数据之间内在联系的计算方法，同时该方法也被称为无监督学习法，在计算过程中聚类分析可以分成若干类别，主要为Q型聚类和R型聚类。考虑到中国区域地方经济的相似性与经济结构体系的复杂性和系统性，本文的研究采用聚类分析中的系统聚类法。系统聚类法主要采用如下步骤进行,如图1所示。

图1 系统聚类法工作步骤

一般数据样品中，假定该样品具有m个特性指标，那么将该样品作为一个矩阵来进行观测。数据标准化过程中，n个样品，每个样品具有m个特性指标，因为无法进行直接分类处理，需进行标准化转换,如式(1)。

(1)

经过数据变换后可以消除样品内部的不同指标单位的差异，对于每个样品的特征值，其平均值为0，标准差是1。

点间距指的是两个样品之间的绝对值距离，假定样品A和样品B的特征值分别为一个n维向量空间，对于A和B的距离进行定义，如式(2)。

(2)

类间距的计算过程与点间距类似，不再赘述。

本研究的聚类过程采用中间距离法，基于SAS软件进行相关数据的融合分类，进行聚类分析时所采用的算法,如图2所示。

图2 聚类分析时采用的算法

2 区域协调发展评价指标建设

2.1 评价指标建设

依据经济协调发展过程中的内涵问题，本文将经济、社会、资源以及可持续发展能力作为协调发展的首要位置，尤其是城乡区域发展协调性问题，并将其纳入经济协调性整体发展体系中。最后，提出了基于4个1级指标和15个2级指标的评价体系，如表1所示。

表1 区域经济协调发展评价指标分类

2.2 数据处理

利用聚类分析中的AHP分析法(层次分析法)，该方法首先由美国运筹学家所提出来的一种多层次权重因子决策方法[8-9]，后来逐步被应用到经济学分析中。基于层次分析的经济协调发展评价步骤如下。

(1) 阶梯层次结构建立。从一级指标开始，对每一级指标的下级分层情况进行分解至最后一层可以量化的指标，根据目标层级进行矩阵式排列，标明相近层级直接的逻辑关系，从而形成一个清晰的层次结构图。

(2) 判断矩阵建立。采用专家打分或者决策者回答，将目标层对于下一层级的影响程度进行量化打分，并赋予重要程度为1—9层级的标准值。

(3) 求解判断矩阵。利用积分法进行求解判断矩阵的向量和特征根，并将判断矩阵进行归一化处理。

(4) 各指标层的权重求解。根据判断矩阵所求解出来的成果，对每一层次元素的重要性全脂进行一致性检验并求出量化标准值。

(5) 协调度计算。将五个一级指标的协调度以协调度系数进行表征，式如式(3)。

(3)

式中，C代表经济协调度系数；A代表一级指标的权重量化标准值；N代表调节系数。本文中N取值为4，只有当A1—A5协同发展时C才能够取得最大值，某一个指标偏低均会影响协调度系数C的大小。本文所划定的经济发展协调度等级，如表2所示。

表2 经济协调性分级标准划分

3 基于聚类分析法的成果分析

通过查阅中国2018年的各省级机构经济发展基本状况，采用本文第2节所拟定的4个一级指标，15个二级指标均衡发展评价指标体系，利用AHP法获取不同省市的经济发展协调度,如图3所示。

图3 全国经济发展协调度指标(按%换算)

然后利用聚类分析法对其发展状况进行评估,如表3所示。

表3 全国各省级城市经济协调性聚类分析表

其中，由于香港、澳门和台湾的经济发展模式与政策导向与内陆省份差别较大，资料不容易收集，本文并未将其纳入评价范围。

从表3可以看出，经济协调发展能力最为突出的是深圳、上海，其次为北京和广州，同时还可以发现处于经济发展失调类别的省份大多为西北部地区(约占47.2%)，处于失调和协调临界范围内的省份多为中东部省份，目前来看仅有15%左右的省份经济发展处于协调状态。说明我国目前在经济发展协调性上依然处于低位，尤其是西部地区依然有很大改善空间。

为验证该模型计算结果的准确性，本文对比2017年中国省市经济发展的综合得分情况以及基于PSO聚类分析方法的分析成果[4]，可以看出本文的研究成果与2017年中国经济发展均衡性成果基本一致，说明本文的研究模型基本合理，如表4所示。

4 总结

我国目前存在的经济发展不协调问题极大阻碍了我国社会主义现代化进程，如何对经济发展过程中的平衡性进行合理评价是十分重要的课题。基于这一问题，本文提出基于AHP层次分析结合聚类分析的方法，对我国各省市五个方面的经济均衡性发展指标进行了综合评价并量化分析，得出如下结论。

表4 2017年中国区域经济聚类分析发展水平

(1) 将聚类分析方法和AHP层次分析法结合为中国地区经济协调发展的评价提供了一种更为精确和合理的评价方法，相比较传统方法具有明显优势。

(2) 从分析结构来看，中国目前区域经济协调性依然不容乐观，大型直辖市经济发展协调性良好，基本能够实现社会、经济、文化和生态等同步发展；中东部虽然处于协调和失调的临界位置，但是具有非常好的经济良性发展势头；西北部地区产业结构单一，经济发展协调性差，统筹协调发展任务紧迫。

(3) 本文的研究基于历史数据的反演，考虑的指标因此具有一定局限性，基本能够合理评价中国区域经济协调性中的状态，希望今后的研究应从模型降维和算法智能化方向进一步深入。