二十六章第一题Word文档下载推荐.docx
《二十六章第一题Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《二十六章第一题Word文档下载推荐.docx（14页珍藏版）》请在冰豆网上搜索。
0.587
11.78
内蒙古
111.13
1.418
0.6772
0.5158
17.775
辽宁
389.6
1.9182
0.8541
0.5762
26.32
吉林
211.34
1.788
1.0798
0.4569
19.705
黑龙江
259
2.3059
0.3417
0.5076
23.48
苏沪
923.19
3.735
2.0572
0.6208
22.16
浙江
139.29
1.8712
0.8858
0.4536
12.67
安徽
102.78
1.2333
0.5326
0.3798
27.375
福建
108.5
1.7291
0.9325
0.4687
11.12
江西
129.2
3.2454
1.1935
0.4519
17.08
山东
173.35
1.0018
0.4296
0.4503
21.215
河南
151.54
1.4927
0.6775
0.4738
13.94
湖北
434.46
7.1328
2.4413
0.5282
19.19
湖南
2.3501
0.836
0.489
14.25
广东
336.54
3.5407
1.3863
0.402
22.195
广西
96.12
1.2288
0.6382
0.5
14.34
海南
45.43
2.1915
0.8648
0.4136
8.73
川渝
365.01
1.6801
1.1486
0.572
18.615
云南
146
6.6333
2.3785
0.5359
12.25
贵州
136.22
2.8279
1.2918
0.5984
10.47
西藏
11.79
4.1514
1.1798
0.6118
7.315
陕西
244.04
5.1194
1.9682
0.6287
17.8
甘肃
145.49
4.7515
1.9366
0.5806
11.65
青海
61.36
8.2695
0.8598
0.8098
7.42
宁夏
47.6
1.5078
0.9587
0.4843
9.73
新疆
128.67
3.8535
1.6216
0.4901
14.47
中国省、自治区的城市规模结构特征的数据表
Ⅱ问题分析
近年来，我国经济发展迅速，国力日益增强，城市建设也逐渐加快，但由于我国幅员辽阔，各地区在地理、人文等方面存在诸多差异，因而各省市的经济发展水平不均衡，最终导致各省及自治区的城市规模具有一定差异，且不同地区具有不同的特点。
对我国各省、自治区的城市规模结构进行聚类分析，明确各省、近自治区的城市规模结构的差异与特点，有利于管理和决策部门从宏观上把握我国城市建设的整体发展现状，分类制定相关政策，更好的指导和规划我国城市建设事业的整体健康发展。
城市规模结构主要由城市规模、城市首位度、基尼系数等构成，故分我们准备从这几个方面入手。
[1]
Ⅲ模型假设
Ⅳ符号说明
表示城市规模（万人）；
表示城市首位度；
表示城市指数；
表示基尼指数；
表示城市规模中位（万人）；
Ⅴ模型建立与求解
Ⅴ.1定性考察反映城市规模结构的五大特征指标数据，可以看出，某些指标之间可能存在较强的相关性。
比如城市首位度与城市指数之间可能存在较强相关性。
为了验证这种想法，运用MATLAB软件计算五个指标之间的相关系数，相关系数矩阵如表
（2）所示。
表
（2）
1
0.0329
0.3398
0.3654
0.4037
0.7038
0.4459
-0.2261
0.2127
-0.075
-0.3613
0.4037
相关系数矩阵表
Ⅴ.2.1可以看出某些指标之间确实存在很强的相关性，因此可以考虑从这些指标中选取几个有代表性的指标进行聚类分析。
为此，把十个指标根据其相关性进行R型聚类，再从每个类中选取代表性的指标。
首先对每个变量（指标）的数据分别进行标准化处理。
变量间相近性度量采用相关系数，类间相近性度量的计算选用类平均法。
我们采用MATLAB软件2014a版本编写程序，程序详见附录一，聚类树型图见图
（1）。
图
（1）
聚类树型图
Ⅴ.2.2从聚类图中可以看出，如果将5个指标分为3类，城市首位度、城市指数两个指标之间具有较大相关性，最先被聚到一起，其次城市规模（万人）与城市规模中位（万人）也具有一定相关性，被聚为第二类，基尼指数单独为一类。
这样就可以从五个指标中选定
、
和
三个指标进行分析。
根据这三个指标对27个地区进行聚类分析。
首先对每个变量的数据分别进行标准化处理，样本间相似性采用欧氏距离度量，类间距离的计算选用类平均法。
[2]我们采用MATLAB软件2014a版本编写程序，程序详见附录二，聚类树型图见图
（2）。
图
（2）
编程的结果如下，如果划分为3类的结果详见表（3）。
表（3）
第一类
17
第二类
23456891011121314151617181920212223242627
第三类
25
划分为3类的结果表
如果划分为4类的结果详见表（4）。
表（4）
2345689101112131516171819212627
1420222324
第四类
划分为4类的结果表
如果划分为5类的结果详见表（5）。
表（5）
7
第五类
划分为5类的结果表
Ⅴ.2.3若从五个指标中选定另外一种分法进行分析：
即选择
[3]我们采用MATLAB软件2014a版本编写程序，程序详见附录三，得聚类树形图见图（3）。
图（3）
各地区聚类树型图
编程的结果如下，如果划分为3类的结果详见表（6）。
表（6）
71420232427
2345689101112131516171819212226
125
如果划分为4类的结果详见表（7）。
表（7）
46912
23581011131516171819212226
如果划分为5类的结果详见表（8）。
表（8）
22122
358101113151617181926
Ⅴ.3若将5个指标分为四类，城市首位度和城市指数聚为第一类，城市规模（万人）单独为第二类，城市规模中位（万人）单独为第三类，基尼指数单独为第四类。
四个指标进行分析。
根据这四个指标对27个地区进行聚类分析。
我们采用MATLAB软件2014a版本编写程序，程序详见附录四，聚类树型图见图（4）。
图（4）
编程的结果如下，如果划分为3类的结果详见表（9）。
表（9）
如果划分为4类的结果详见表（10）。
表（10）
14
234568910111213151617181920212223242627
如果划分为5类的结果详见表（11）。
表（11）
Ⅴ.4案例研究结果
以上结果结合聚类图中的合并距离可以看出，在将所给的五个指标分为三类时，相同类之间的不同指标的选择进行聚类分析时，得出来的结果有明显差异。
因此判断在分三类时出现明显差异这种原因是由于分类过少，所给指标不足以区分城市间的不同差别，因此采用将五个指标分四类的分法最终得出的结果作为本事件的分析结论。
五个指标分四类的结果见表（12）。
京津冀、苏沪
其他地区
结合以上结果，可以看出京津冀城市规模结构相对于全国其他一些城市有明显的差异，这主要是因为北京与天津两个直辖市均在该区域，其中北京作为首都，是全国的政治、经济与文化中心，更决定了这种情况的发生；
苏沪是沿海城市，在全国经济贸易与金融方面均占有重要地位，因此城市规模也结构也相对较好；
其次就是湖北，由于处于中部，近几年来中部战略计划也推动湖北经济快速向前发展；
而青海由于地理环境条件的艰苦导致经济发展受限制，因此在城市规模建设方面比较落后；
其他地区也是根据各个地区的经济发展状况而决定其城市规模的，因为情况比较相似而归为一类。
针对这种情况，有关部门可以对青海进行扶持，发展当地的公共事业，带动旅游业，最终推动经济的发展，加快城市规模建设。
Ⅵ模型评价与改进
参考文献
[1]张友和，聚类分析之城市规模结构分析，
升级会员 