区域合作与城市发展战略.docx
《区域合作与城市发展战略.docx》由会员分享,可在线阅读,更多相关《区域合作与城市发展战略.docx(49页珍藏版)》请在冰豆网上搜索。
区域合作与城市发展战略
区域合作与城市发展战略
摘要
区域合作与城市发展战略是我国经济协调发展面临的课题。
在处理问题一时,首先对表1进行填补缺失数值及剔除异常数值的处理。
城市GDP数值通过网络搜索可得到确切值,查阅中国城市统计年鉴2009和2008可获得2007年城市产业结构比重,因产业结构在短期内变化不大,故可暂用07数据补缺。
再利用MATLAB7.0中的回归分析预测的方法来计算人均GDP缺失值的替代值。
计算得多项式回归模型(*)P5的回归分析检验参数为
=0.8110,接近1,并且残差分析图中数据的残差离零点均较近,且残差的置信区间均包含零点,说明它能较好的符合原始数据。
整合所有数据以表1给出。
在处理问题二时,本文将影响经济带动作用的6种因素量化为GDP
(2),人均GDP(3)及产业结构(4)三大影响因子,构建一个由GDP、人均GDP、产业结构比三个因子决定的决策变量——经济带动系数
(1)P10,从而可由它来衡量城市合作的经济带动作用。
运用MATLAB7.0编程可求出A中所有城市对于B中所有城市的带动系数。
在处理问题三时,考虑到要将A,B中20个城市分别形成一对一的帮扶关系,可将问题转化为一个最佳匹配问题,即引入0-1变量,采用匈牙利算法将A中的城市在经济效益总和最大的前提下分配给B中的各城市,建立最佳匹配模型(#)P11。
通过MATLAB7.0编程实现模型的算法。
最终得到最大经济带动系数总和为2912.7,由返回的0-1匹配矩阵整理出A,B集合中城市的一对一关系,以表3(P12)给出。
在处理问题四时,首先对每一配对城市今后合作重点和发展前景做了分析,然后综合评价,找出其配对存在不合理性的三大因素,并针对存在的问题,将筛选城市集合的标准由GDP改为人均GDP,并将仅考虑最大经济效益的单目标0-1规划匹配模型,拓展为同时考虑产业结构影响因子总和最大与经济带动系数总和最大的多目标决策模型(&),采用线性加权和法计算出两影响因子的权值分别为
和
,再用MATLAB7.0编程求解模型,得到最大经济带动系数总和为4818.5,由返回的0-1匹配矩阵整理出新的A,B集合中城市的一对一关系,以表4(P17)给出。
比较新旧方案知,新方案更优。
在处理问题五时,引入盈余系数(5)和落后系数(6)来量化发达城市的帮助能力(即能帮助的城市个数)n(7),通过计算机运用公式(5)、(6)、(7)得到各个发达城市的n值,并在总经济效益最大的目标下建立分配优化模型(@),通过将效率矩阵由20阶变成27阶,把问题由一对多简化为一对一的分配问题,通过再用MATLAB7.0编程求解模型(解法同3),得到最大经济带动系数总和为,由返回的0-1匹配矩阵整理出新的A,B集合中城市的对应关系,以表5(页码)给出。
在模型推广中,利用分析因子模型将得出了拥有更全面的影响因素时带动系数的求法。
并就区域合作战略提出一些建议。
关键词:
回归分析预测层次分析法线性加权和匈牙利算法经济带动系数
一.问题重述
改革开放30年来,中国经济取得了巨大的发展,但是我国区域经济发展存在不平衡现象,东部沿海城市与中西部地区差距过大,严重制约了国民经济的进一步发展。
调整经济结构促进区域合作则为促进经济发展的重要战略。
根据中国统计信息网公布的2009年度GDP数据及其它网上信息,选择各省几个具有代表性的城市,加上所有直辖市,考察这些城市的经济数据和产业结构。
选择其中GDP(生产总值)排在较靠前的城市组成城市集合A,将GDP排在较靠后的城市组成城市集合B,考虑建立一种经济合作和技术援助的关系,通过较发达地区和欠发达地区的人才流动、教育与技术支援、经济合作交流以及国家的一些税收政策等带动和促进欠发达地区的经济繁荣与城市化进程。
问题一:
试把表1中的数据尽可能补充完整。
补充数据应说明来源或依据,并说明是原始数据还是估计值(估计值需说明计算方法)。
问题二:
如果我们选择的城市集合
A={北京,上海,天津,广州,深圳,厦门,济南,青岛,沈阳,大连,长沙,武汉,成都,南京,无锡,常州,杭州,宁波,呼和浩特,鄂尔多斯};
B={邢台,大同,贵阳,六盘水,海东,海北,定西,拉萨,曲靖,开封,九江,上饶,齐齐哈尔,百色,蚌埠,桂林,来宾,黄石,琼海,中卫}。
试对城市集合A中的每一个城市i,评价其关于城市集合B中的每一个城市j的经济带动作用与互利效应并进行量化。
问题三:
试建立A中城市与B中城市的一一对应关系,即结成20个城市对,每个城市对包含一个A中城市和一个B中城市,使总效益(总经济带动作用)达到最大。
问题四:
指出每一对城市今后合作重点和发展前景,评价上述对应关系的优缺点。
重新选择集合A和集合B中的城市是否更合理?
请提出城市集合A和B的选择标准和对应法则。
问题五:
如果不作一对一的限制,可以是A中一个城市对B中多个城市,也可以是A中多个城市对B中一个城市建立互助合作关系,那又应该怎样建立这种关系,才能使总效益达到最大?
二.问题分析
在面对问题一,首先对表1进行填补缺失数值及剔除异常数值的处理。
城市GDP数值通过网络搜索可得到确切值,查阅中国城市统计年鉴2009和2008可获得2007年城市产业结构比重,因产业结构在短期内变化不大,故可暂用07数据补缺。
再利用MATLAB7.0中的回归分析预测的方法来计算人均GDP缺失值的替代值。
在面对问题二时,要将影响经济带动作用的6种因素量化为GDP,人均GDP及产业结构三大影响因子,构建一个由GDP、人均GDP、产业结构比三个因子决定的决策变量——经济带动系数从而可由它来衡量城市合作的经济带动作用。
运用MATLAB7.0编程可求出A中所有城市对于B中所有城市的带动系数。
在面对问题三时,考虑到要将A,B中20个城市分别形成一对一的帮扶关系,可将问题转化为一个最佳匹配问题,即引入0-1变量,采用匈牙利算法将A中的城市在经济效益总和最大的前提下分配给B中的各城市,建立最佳匹配模型。
通过MATLAB7.0编程实现模型的算法。
在面对问题四时,首先对每一配对城市今后合作重点和发展前景做了分析,然后综合评价,找出其配对存在不合理性的三大因素,并针对存在的问题,将筛选城市集合的标准由GDP改为人均GDP,并将仅考虑最大经济效益的单目标0-1规划匹配模型,拓展为同时考虑产业结构影响因子总和最大与经济带动系数总和最大的多目标决策模型,采用线性加权和法计算出两影响因子的权值,再用MATLAB7.0编程求解模型,得到最大经济带动系数总和,由返回的0-1匹配矩阵整理出新的A,B集合中城市的一对一关系,比较新旧方案即可。
在面对问题五时,引入盈余系数和落后系数来量化发达城市的帮助能力(即能帮助的城市个数)n,通过计算机计算得到各个发达城市的n值,并在总经济效益最大的目标下建立分配优化模型。
通过再用MATLAB7.0编程求解模型,得到最大经济带动系数,由返回的0-1匹配矩阵整理出新的A,B集合中城市的对应关系。
三.模型假设
1.假设区域合作中城市之间的距离不影响带动关系
2.假设此种区域合作以经济援助为最主,忽略其他因素
四.符号说明
五.模型的建立与求解
5.1问题一
因表1给的数据是一组实际值,就有必要对数据进行填补缺失数值及剔除异常数值的处理。
数据缺失无疑会对数据分析的准确性和合理性造成损失,利用数学方法补缺数据通常有两种方法,其一为删除含有漏失数据的个案,其二为用一定的数据方法得到缺失值的替换值,将缺失的数据补起来。
因为所给数据的总量相对较少,而缺少部分数据的数据项相对较多,所以采用第二个方法来处理缺失数据。
表1中的缺失值包含两种情况:
一是缺少相关城市的国内生产总值,一是缺少部分产业结构比重的值。
下面利用MATLAB中的回归分析预测
的方法来找出缺失值的替代值。
在数据处理过程中,分别尝试了对GDP和人均GDP两组数据进行一元线性回归分析及多项式回归分析,并经过一些异常数据的剔除,做了回归分析检验及残差分析图,发现多项式回归分析具有更好的效果。
运用MATLAB7.0的统计工具箱求出的多项式回归模型如下:
y=
+15.063*
-
*
(*)
程序执行后返回的stats参数,相关系数
为:
0.8110,接近1,但稍有差距,说明所得的回归模型显著性较好。
所做残差分析图如下:
图1残差分析图
由残差分析图看出,剔除异常数据后,数据的残差离零点均较近,且残差的置信区间均包含零点,说明回归模型
y=
+15.063*
-
*
能较好的符合原始数据。
运用此模型预测所缺人均GDP数据的处理结果(见附录1-1)。
其中表1中各城市GDP值,可由网络搜索获得,即为精确值,其数值补充于表中,等待用来计算人均GDP。
至于三产业比重,未找到2009年的原始数据,因各城市的产业结构比重在短期内不会有太大的变动,对比07年与09年已知的产业比数据,也能说明这一点。
故可暂用07年的产业比数据补缺。
其中2007的数据是由中国城市统计年鉴2008
得出。
由于在预测数据,做回归模型时剔除了部分异常数据,并且检验得模型对于中小城市的预测结果较为准确,而对于个别大城市则不完全适用,通过搜索得到的部分中国城市统计年鉴2009,由于GDP是准确值,故根据09统计年鉴上08年的城市人口数据计算得到人均GDP,因人口在一年内有所增长,故计算所得数据可能略偏高,但相差不大。
最终补充完整的数据以表1给出:
补缺数据后的表1:
序号
城市
GDP(亿元)
人均GDP(元)
三产业比重
1
北京
11865.9
68788
1:
23.2:
75.8
2
天津
7500
62403
1.7:
54.8:
43.5
3
上海
14900.93
111107
0.7:
45.56:
52.73
4
重庆
6528.72
22916
9.3:
52.8:
37.9
5
石家庄
3114.9
32229
12.9:
52.17:
34.93
6
唐山
3781.44
50706
9.5:
55.9:
34.6
7
秦皇岛
887.01
30606
11.4:
36.8:
51.8
8
廊坊
1160.4
28512
11.9:
53.9:
34.2
9
邢台
1056
15170
15.0:
56.7:
28.3
10
呼和浩特
1643.99
61108
4.7:
36.1:
59.2
11
通辽
1003
32494
15.0:
53.1:
31.9
12
乌海
311.21
64147
1:
68.8:
30.2
13
鄂尔多斯
2161
134361
2.8:
58.3:
38.9
14
沈阳
4359.2
55816
4.5:
50.8:
44.7
15
大连
4417.7
71833
7.1:
52.4:
40.5
16
鞍山
1915
54493
4.55:
55.79:
38.75
17
长春
2919
38789
9.57:
50.23:
40.2
18
吉林
1500
32843
13.45:
49.28:
39.75
19
四平
700.3
20697
25.8:
39.9:
34.3
20
哈尔滨
3258.1
32886
12.8:
37.7:
49.5
21
齐齐哈尔
703.8
12958
24:
35.4:
40.6
22
鸡西
353.8
18547
26.6:
39.1:
34.3
23
太原
1545.24
44319
2.0:
43.7:
54.3
24
大同
596.1
18705
5.1:
47.7:
47.2
25
阳泉
348.71
26383
1.88:
59.07:
39.05
26
南京
4230.26
55290
3.1:
45.6:
51.3
27
无锡
4992
81151
1.43:
58.48:
40.10
28
徐州
2390.16
27514
10.5:
52.3:
37.2
29
苏州
7400
76106
1.73:
63.71:
73.56
30
南通
2872.8
40231
8.2:
56.0:
35.8
31
常州
2518.7
56861
3.6:
56.8:
39.6
32
镇江
1672.08
54732
4.5:
58.1:
37.3
33
杭州
5098.66
74924
3.7:
47.8:
48.5
34
宁波
4214.6
73998
4.4:
53.3:
42.3
35
温州
2527.88
32595
3.2:
50.9:
45.9
36
绍兴
2375.46
54309
5.2:
58.1:
36.7
37
合肥
2102.12
41543
5.2:
52.6:
42.2
38
芜湖
902
39142
1.73:
57.01:
37.96
39
蚌埠
532.09
14803
19.6:
44.4:
35.9
40
福州
2524.28
36851
9.6:
47.4:
43.0
41
厦门
1623.21
64413
1.3:
48.4:
50.3
42
莆田
691.72
24271
11.1:
57.5:
31.4
43
南昌
1837.5
39669
6.0:
55.4:
38.6
44
上饶
728.5
11184
18.6:
49.1:
32.3
45
九江
831.36
17420
11.0:
53.1:
35.9
46
萍乡
421.49
18396
8.8:
61.6:
29.6
47
济南
3351.4
50376
5.6:
43.4:
51.0
48
青岛
4890.33
65095
4.7:
50.1:
45.2
49
淄博
2473.1
54846
3.6:
62.8:
33.6
50
烟台
3728.68
53066
8.3:
60.97:
30.73
51
威海
1969.36
70047
6.92:
60.56:
32.52
52
郑州
3300.4
44000
3.1:
54.6:
42.3
53
开封
777.05
16523
21.7:
44.8:
33.5
54
洛阳
2075
32314
9.03:
60.79:
30.17
55
武汉
4560.62
62853
3.2:
47.0:
49.8
56
黄石
597.78
24640
7.57:
52.55:
39.88
57
襄樊
1201.01
22071
16.7:
47.9:
35.4
58
长沙
3744.76
56620
2.1:
52.1:
45.8
59
株洲
1022.6
27474
10.5:
54.8:
34.7
60
湘潭
739.38
26608
12.1:
52.4:
35.5
61
广州
9112.76
77338
2.11:
39.48:
58.41
62
深圳
8201.23
77317
0.1:
50.06:
49.84
63
珠海
1037.69
26898
2.8:
51.7:
45.5
64
佛山
4814.5
80579
2.0:
62.9:
35.1
65
东莞
3763.26
56591
0.4:
47.1:
52.5
66
南宁
1492.38
21479
14.16:
35.34:
50.50
67
百色
442.77
12119
22.15:
50.37:
33.15
68
桂林
940.55
18443
18.9:
43.8:
37.3
69
来宾
299.36
13016
38.84:
39.54:
26.61
70
海口
489.55
26366
7.0:
24.5:
68.5
71
三亚
489.55
26366
7.0:
24.5:
68.5
72
琼海
83.22
19052
37.89:
25.51:
36.6
73
成都
4502.6
62418
5.9:
44.5:
49.6
74
自贡
541.05
20097
18.35:
47.59:
34.06
75
攀枝花
424.08
36562
4.8:
70.8:
24.4
76
绵阳
820.2
23972
19.1:
45.8:
35.1
77
贵阳
902.61
25090
5.5:
44.6:
49.9
78
六盘水
430.16
14422
6.15:
60.75:
33.1
79
遵义
719.79
22594
17.79:
46.36:
35:
85
80
昆明
1808
36597
6.69:
46.02:
47.30
81
曲靖
861.8
14860.7
18.25:
54.52:
27.23
82
玉溪
644.4
28245
10.4:
61.0:
28.6
83
拉萨
25.16
5272
12.3:
34.7:
53.0
84
西安
2719.1
32351
4.68:
43.8:
51.52
85
榆林
1302.31
38906
7.15:
74.69:
18.16
86
宝鸡
806.56
21525.5
10.6:
60.9:
28.5
87
兰州
925.98
25405
3.3:
46.83:
49.87
88
嘉峪关
160.05
14590
1.24:
81.59:
17.17
89
金昌
194.75
41060
4.23:
84.39:
11.38
90
定西
131.94
14173
38.07:
22.92:
39.01
91
西宁
501.07
22865
3.83:
49.76:
46.41
92
海东
135.31
8548
18.6:
36.33:
45.07
93
海北
42.57
15261
21.5:
44.1:
34.4
94
银川
578.15
34453
5.6:
49.4:
45.0
95
中卫
135.74
11977
20.58:
42.67:
36.75
96
吴忠
185.89
14971
16.08:
53.55:
30.37
97
乌鲁木齐
1095
27655
1.46:
41.28:
57.26
98
克拉玛依
480
19232
0.6:
86.7:
12.7
99
吐鲁番
158
25879
12.7:
57.3:
30.0
5.2问题二:
由题设分析得两个不同城市的经济带动和促进作用主要与以下6种因素有关:
(1)经济规模、
(2)产业结构、(3)地缘关系、(4)生态地理环境、(5)资源与市场互补性、(6)交通便利程度。
其中A.经济规模即经济总量,反映在数据上表现为GDP值;经济规模越大GDP值相对越高。
B.市场的发展和交通便利情况与人均GDP息息相关,一般人均GDP高的地区其交通也较为便利,人民生活水平也相对较高,故用人均GDP值来衡量市场交通因素带来的拉动作用。
C.产业结构分为三个层次,不同城市三大产业比重不同,A,B城市集合中应该存在两个城市可以相互弥补彼此的不足,以达到相互促进,先进带动落后的效果。
因此可以用它们产业比重之差的绝对值来量化产业结构差异的带动作用。
D.地缘关系、生态地理环境、资源市场是城市本身所处地理环境决定的。
将40个城市的位置在地图中标示出来:
图2城市地理位置分布图
它们按地理位置划分,不同位置所占的优势不同,从图中看出,发达城市几乎都处于东部沿海地区,对内陆城市施以帮助时距离遥远,故在保证资源与市场互补的前提下,尽量使互助城市距离相近。
综上,可构建一个由GDP、人均GDP、产业结构比三个因子决定的决策变量——带动系数
从而可由它来衡量城市合作的带动和互利效应。
带动系数
的表达式如下:
(1)
其中,
为第
个影响因子系数,
为第
个影响因子所占权重。
影响因子一为GDP值,A中城市i对B中城市j的带动作用用i的GDP与j的GDP的比值表示,
越大或
越小都能起到促进经济带动作用。
因此可用其比值来作为量化指标。
即
(2)
影响因子二为人均GDP值,A中城市i对B中城市j的带动作用可用i的人均GDP与j的人均GDP的比值表示,原理同上。
(3)
影响因子三为产业结构比,将三大产业分开来看,若A中城市i的某项产业比重大于B中城市j的该项产业比重,则
对
有经济带动作用;若小于,则
对
有资源互补作用,故用两城市每项产业之差的绝对值与被带动城市即B中城市的产业相关数据的比值来表示每种产业的带动互补作用。
由于一,二,三产业对城市的发达程度的贡献依次递增,根据实际的经验判断,可将三个产业在带动作用中的权重比例设为1:
2:
3。
所以
(4)
其中,表达式中的符号在前述符号说明中已给出。
最后用层次分析法
来确定三大影响因子的权重比例,用Saaty的1~9及其倒数作为标度的方法构造
判断矩阵
,其最大特征值为
。
通过一致性检验,计算一致性指标
,查找相应的平均随机一致性指标
123456789
000.580.901.121.241.321.411.45
此时
,故查表得到相应的
=0.58,计算一致性比例
:
故一致性成立。
,作归一化处理后得到三大影响因子的权重比例如下:
现以北京对邢台为例计算,根据公式
(2),(3),(4),带入数据,分别计算出
的值,带入公式
(1),即得到
;
再如北京对大同的带动作用,同理可计算得到
。
二者比较显见北京与邢台的经济带动作用与互利效应优于大同。
运用MATLAB7.0编程可求出A中所有城市对于B中所有城市的带动系数。
具体程序(见附录1-2),所求得的数据结果以表格形式给出,即表2(见附录1-2)。
5.3问题三
对于问题三涉及到要将A,B中20个城市分别形成一对一的帮扶关系,由此可将问题转化为一个最佳匹配问题,即引入0-1变量,采用匈牙利算法将A中的城市在经济效益总和最大的前提下分配给B中的各城市,形成最优匹配。
建立的城市最佳匹配模型如下:
st
(#)
其中,
为0-1变量,
为前面所求的经济带动系数,在第二个问题时已经求出,可参考表2数据结果,构造一个20×20的矩阵,第i行第j列为A中第i个城市对B中第j个城市的带动系数
。
故题设要求总经济效益最大,可用城市配对后,经济带动系数总和达到最大来衡量。
而约束条件
和
是用来限制一对一的条件,即程序实现算法时,前面选中的后面就不能再选。
针对以上构思,设计了分配城市的MATLAB程序算法,由程序运行结果返回一个20×20的0-1矩阵和经济带动系数总和最大值,所得矩阵中0-1变量即清晰地表示了A,B集合中城市的一对一关系。
最大经济效益(即经济带动系数总和最大值)为:
2912.7。
所得A,B集合中城市的一对一关系整理如下表3所示:
表3A,B集合城市配对关系
北京-海北
上海-拉萨
天津-