各地区城市范文

各地区城市范文（精选9篇）

各地区城市 第1篇

城市化的定义众多,本文参照《中华人民共和国国家标准城市规划术语》,认为城市化是“人类生产与生活方式由农村型向城市型转化的历史过程,主要表现为农村人口转化为城市人口及城市不断发展完善的过程。”城市化是一个系统的动态过程,包含了人口、经济、社会、城市建设等各方面变化的影响。它是经济发展和社会进步的必然结果,反过来也推动了经济的发展和社会的进步。

中国大陆的城市化进程在不同的时期具有不同的特点,总的来看城市化水平普遍较低,并已成为制约国家经济、社会和谐发展的主要原因之一。因而,各地区普遍把推进城市化进程作为经济、社会发展战略的一项重要目标选择。当前中国大陆已经进入了城市化水平的持续上升发展时期,此时对这样一个过程实施有效、客观、科学、动态的监测,从而及时发现并解决城市化进程中出现的难题,就必须加强对中国大陆城市化水平质与量等方面的考察和研究。这对于我们这样一个人口众多、区域经济发展不平衡的国家尤为重要。

总揽中国城市化的研究现状,学者们测度城市化发展水平时所使用的方法、考虑的因素通常较为单一,大多使用城市人口占总人口的比重来测度城市化水平,东北师范大学的刘艳军、李诚固在《城市化综合水平测度初探》中主要强调的是经济因素[1];而重庆师范大学的张海永在《基于因子分析和聚类分析的江苏省13个城市社会发展水平研究》中,更多地利用社会人文关怀因素进行了分析[2]。本文认为:第一,城市化是一个复杂的问题,很难用某一个指标概括其发展水平;第二,当前利用城市基础建设因素对城市化水平影响的研究较少。因此本文将通过构建一个指标体系来全面衡量、评价全国各地区的城市化水平,并且在构建的指标体系中强调了城市基础建设因素对城市化的影响作用。

二、中国大陆城市化发展水平评价指标体系的建立

衡量城市化水平的因素可以从多方面进行考虑,而建立评价指标体系还应遵循客观性、系统性、代表性和可操作性等原则[3]。根据提到的城市化的四个因素,并参考厦门大学狄旸在《城市化水平的因子分析及评价》中对江西11个地级市城市化水平所作的分析,本文在对全国各地区的城市化水平进行研究时,设计构建了四个决定因素:经济因素、公共服务因素、城建因素和人口因素[4]。四个决定因素下共包含12项指标,分别体现了生产、生活方式、人口城市化的水平以及城市不断完善的过程。由于中国大陆各地区人口的数量差异较大,如果从总量数据上分析比较必然会带来偏差,因而各指标均采用了相对数形式。具体如下:

1.经济因素:人均GDP、第二、三产业产值占GDP比重、城镇居民人均消费性支出、城镇居民人均可支配收入,这四项指标综合反映了经济发展水平、城镇产业的聚集能力和城镇居民的生活水平。

2.公共服务因素:万人医疗床位数、万人医疗技术人员数、万人高校在校学生数,这三个指标代表了城镇的医疗保障水平和教育水平。

3.城建因素:城市人均居住面积、城市燃气普及率、人均城市道路面积、人均公园绿地面积,这四项指标反映了城镇的基础设施建设水平。

4.人口因素:非农业人口占总人口比重,这个指标反映了人口向城市聚集的程度,直观地体现了人口城市化的程度。

三、实证分析

(一)数据预处理

实证分析的全部数据均来源于《2008年中国统计年鉴》[5]。由于各指标之间的数量级相差悬殊,为了在分析中合理体现各个指标及因素的重要性,确保研究结果更加科学、合理,需要先对数据进行标准化处理以消除量纲的影响。本文采用了较为常用的Z-score技术,利用统计软件SPSS16.0,对各指标的原始数据进行了标准化处理[6]。

(二)因子分析

因子分析是降维方法中应用较多的一种方法,其基本思想是根据相关性大小把原始数据分组,使得同组内变量之间相关性较高,而不同组变量之间相关性较低。每组变量代表一个基本结构,并用一个不可观测的综合变量表示,这个基本结构就称为公共因子。因子分析的目的是研究如何用少数几个因子变量来解释较多原始变量,同时又尽量减少信息丢失[7]。

1. 因子分析的适用性检验。

首先使用因子分析的KMO测度值检验选取的指标数据是否适合因子分析,若KMO>0.9则说明非常适合作因子分析;0.8<KMO<0.9则说明适合作因子分析;0.7<KOM<0.8则是一般水平;0.6<KMO<0.7则表示不太适合作因子分析;而KMO<0.5时则表示不适于作因子分析。对本文数据进行检验,结果得到KMO=0.776,即适于因子分析的一般水平,可以对其进行因子分析。

2. 构造公因子。

构造公因子也就是公因子的提取过程,本文采用主成分法提取公因子。各公因子的特征值和方差贡献率如表1所示:

表1显示,特征值大于1的有前三个公因子;由特征值的碎石图(如图1)可以看到,在第三个公因子之后,其余公因子特征值的变化趋于平缓。综上所述,本文提取前三个公因子,其累计方差贡献率达到了85.415%,即这三个公因子能够解释11个原始变量85.415%的信息量。同时为了便于解释,对因子采用四分位最大正交旋转法旋转因子,旋转后的因子载荷矩阵如表2所示:

表2显示,第一个公因子在除去人均公园绿地面积、人均居住面积和人均道路面积上不明显外,在其他变量上的系数都较高,因此第一个公因子综合体现了城市化水平,故命名为综合水平因子。第二个公因子在人均公园绿地面积和人均道路面积两个变量上的系数较高,第三个公因子则只在人均居住面积上系数较高,这3个变量是城建水平的具体指标,故将其手动组合为1个公因子,命名为城建水平因子。

3. 计算公因子得分。

利用主成分法提取公因子,按特征值累计贡献率大于85%的原则,共提取4个公共因子[8]。

公式如下:

其中:λij为第j个公因子在第i个变量的载荷系数。

手动组合的因子得分:F'=(α2F2+α3F3)/(α2+α3),其中:α2,α3分别为公因子二、三的方差贡献率。因子综合得分:Fs=[α1F1+(α2+α3)F']/(α1+α2+α3)由上述公式及数据,各地区城市化水平的因子得分如表3所示:

第1个公因子F1体现了各地区城市化的综合水平,在综合得分中的比重为73.61%。在此公因子上得分较高的是北京市、上海市、天津市,即其城市化的综水平较高;在此公因子上得分较低的是广西、甘肃、云南、西藏、贵州等省份,即其城市化的综合水平落后。

第2个公因子F′是通过手动组合第二公因子F2和第3个公因子F3获得,主要体现的是城市基础建设方面。在此公因子上得分排名较为靠前的是江苏、山东、浙江、福建等沿海东部地区,即这些地区的城市基础建设较好;而中、西部地区普遍得分低、排名靠后,即其城市基础建设落后;北京、上海与天津等直辖市在该公因子得分上并不高,这说明其虽然在经济、生产、生活方式、人口方面城市化水平较高,但在城市基础建设方面存在问题。

因子综合得分Fs体现了城市化的发展水平。其中,上海、北京、天津排名位居全国前三位;浙江、江苏、广东等沿海省份紧随其后;广西、云南、贵州则在末位。可以看出这与各地区的经济发展状况较为相似。

(三)聚类分析

为了进一步划分各地区城市化水平的等级,从而掌握全国各地区城市化发展的特征与规律,本文采用Q型系统聚类法,以上文两个公因子得分为变量,对中国大陆31个地区进行了聚类分析。由散点图和聚类分析图,得到以下分类结果,如表4所示:

表4显示,中国大陆31个地区被划分为三类。第一类为首都北京和上海、天津两个直辖市,第二类是江苏、浙江、福建、山东、广东等东部沿海省份,第三类是剩余的23个地区,大多为中西部地区。结合前文因子分析的结果,可以总结出如下结论:

1.北京是中国的首都,是中国的政治、经济、文化中心,经济发展水平高。其城市化综合水平因子F1得分为2.96,一枝独秀,远超其他地区;但其城建水平因子F′得分仅为-1.05,在全国范围内排名倒数。上海、天津作为中国的老牌直辖市,经济发展水平一直位于全国前列,城市发展水平仅次于北京。其综合水平因子F1得分分别达到了2.82和1.75;而在城建水平因子F′上,其得分分别为-0.29和-0.24,在全国排名位居中游,且远低于其综合水平因子得分。由上述分析可知,北京、上海、天津城市化发展水平具有相似的特征。即这三个城市的基础建设未能与其城市化的生产、生活方式及城市人口规模相匹配,阻碍了城市化水平的进一步提高,其城市硬件设施仍需进一步完善。

2.江苏、浙江、福建、山东、广东等东部沿海省份被划分为一类,由于其地理优势和优惠的经济发展政策,这几个省份的城市化水平仅次于北京、上海、天津,与内地的大多数省份相比也具有较大差距。其中在城市化综合水平因子F1上的得分在全国位居中等;在城建水平因子F′上的得分则高居全国前几名,平均达1.22,可见其在城市基础建设方面发展水平较高。由上述分析可知,这些地区提高其城市化发展水平的关键在于城市化综合水平的提高,即需进一步从经济、公共服务、人口等要素的角度出发提高城市化程度。

3.剩余的23个地区被划分在一起,可以看出其中多数为中西部地区。虽然发展状况千差万别,但是城市化的总体发展水平和特点具有相似性,即综合水平因子F1和城建水平因子F'的得分均普遍偏低。这个类别涵盖了中国大陆大部分的省份,因此可以认为中国整体的城市化发展水平有待提高[9]。

通过以上的总结可以看出:第一,中国整体的城市化发展水平较低,尚待进一步提高;第二,现阶段各地区的城市化发展水平差距明显,先进地区的带动作用没有得到充分发挥;第三,城市化水平的合理提高应当是城市化各方面因素水平的全面提高与平衡、协调发展。

四、政策建议

通过上文的分析可知中国在城市化发展过程中存在一些困难和问题,针对这些问题笔者提出以下建议:

(一)经济的发展是确保城市化水平提高的充分必要条件

因子分析显示,中国城市化发展水平排名靠前的都是经济发展较好的地区。经济的发展能够为城市化水平的提高提供必需的建设资金,能够增强城镇产业的聚集能力,能够改善城镇居民的生活水平从而促进居民生活方式的转变,能够为人口的聚集提供必需的条件从而促进农村人口向为城市人口的转化。而城市化水平的提高也能进一步促进地区经济实力的提高、产业结构的优化调整、地区开放水平进一步提高,从而促进国民经济的持续增长。因而城市化水平较低的地区更应当不遗余力地大力发展区域经济,为城市化水平的提高打下坚实的经济基础。

(二)大力发展城市基础设施建设能有效促进城市化水平的提高

北京、上海、天津三个直辖市的城市化发展水平位居全国前列,但是通过分析发现,各因素的发展并不协调,其城市基础建设相对落后,并成为制约其城市化水平进一步提高的瓶颈。而沿海的浙江、江苏、广东等地区正是通过启动大规模的基础设施建设,为经济社会发展奠定了坚实的基础,也促进了其城市化水平的提高。城市基础建设是城市经济增长和城市化水平提高的硬性条件,城市基础设施的改善也可提升居民的生活质量。因此,应加强对基础建设在城市化发展中重要性的重视,并予以正确的政策指引,大力发展城市基础设施建设,从而健全城市功能,确保城市化水平的有效提高。

(三)城市化水平高的地区应发挥带动作用以促进中国整体城市化水平的提高

北京、上海、天津这三个城市化水平高的直辖市及浙江、江苏等城市化水平较高的东部沿海省份应以强大的经济实力和地域优势带动周边地区经济的发展,从而促进中西部地区城市化水平的提高。同时中西部的省份也应结合当地的实际情况,发展自己的特色,争取最大力度的发展。同时在优势地区的带动下,摒弃行政划分的观念,做好交流,取长补短。中国城市化水平的提高应该是城市化各方面因素的全面提高,也应当是各地区水平的全面提高,地区之间城市化的水平的差距不应进一步扩大。因此,国家也应出台相应的政策,以协调好全国城市化水平的整体发展,促进全国城市化水平上一个新的台阶。

参考文献

[1]刘艳军,李诚固.城市化综合水平测度初探[J].世界地理研究,2005,(6).

[2]张海永.基于因子分析和聚类分析的江苏省13个城市社会发展水平研究[J].西南民族大学学报.自然科学版,2007,(3).

[3]程如轩,李澄清.中国城市化水平的评价及预期分析[J].经济问题探索,2005,(1).

[4]狄旸.城市化水平的因子分析及评价[J].市场论坛,2005,(5).

[5]国家统计局.中国统计年鉴[M].北京:中国统计出版社,2009.

[6]何晓群.现代统计分析方法与应用[M].北京:人民大学出版社,2007.

[7]陈晓毅.广西区域城市化综合水平评价和类型分析[J].广西社会科学,2009,(9).

[8]余强毅,周旭英,陈佑启.中国城市化水平区域分异研究[J].安徽农业科学,2009.37(12).

重庆各地区名字由来（精选） 第2篇

从结构来看：千里为重，广大为庆，千里广大，是为重庆！

单从地名来讲，重庆主城及各区县的名字也都是各有特色的，每一个区县都有着非常 隽永的名字，词旨优美、意味深长。

重庆：

三千多年前，巴人都江州（重庆），即江中之岛。以后又称巴郡，南北朝时，巴郡改为楚 州。隋文帝开皇元年(581年)，以渝水(嘉陵江古称)绕城，改楚州为渝州。这就是重庆简称 “渝”的来历。北宋徽宗崇宁元年(1102年)，因渝人赵谂叛诛事，朝廷虑“渝”有“变” 之意，改渝州为恭州。孝宗淳熙十六年(1189年)，皇子赵接踵于正月封恭王，二月受内禅 即帝位，自诩“双重喜庆”，遂将恭州升格命名为重庆府。渝北：

重庆古称渝州（因嘉陵江古称渝水），以位于重庆城区北部得名。

江北：

以位于长江、嘉陵江之北得名。渝中：

重庆古称渝州（因嘉陵江古称渝水），以位于重庆城区中部得名。南岸：

以其位于重庆市区长江南岸得名。

巴南：

巴南区的前身是千年历史名邑巴县。早在3000多年前的商代，巴人就在此繁衍生息，立国 建都。秦代置巴郡，南朝齐代置垫江县，北周时改称巴县并沿袭至1995年。1995年经国务 院批准撤县建区，成立巴南区。“巴”由来，据《巴县志》：“巴之得名，以阆白二水曲 折如巴字。”最初巴既是地名，又是族名。另一说，古代巴人崇拜蛇，巴字宛如蛇形，以 此造字。沙坪坝：

1939年建置重庆市沙磁区，1950年建置为重庆市第三区，1955年正式定名为沙坪坝区。

九龙坡：

据说南宋光宗在重庆即位当皇帝时，天上飞来九条龙，盘踞在一高坡上，后来这高坡就被 人们称为“九龙坡” 大渡口：

清朝道光、光绪年间，有一士绅在长江以北设义渡，该渡口为沿江数十里渡口之首，大渡 口由此而得名。

璧山：

“川中有一孤山，西、北二面险峻，东南面稍平，土人号为重璧山，至德二年置县，因山 为名”。还有一说：因境内有山形似玉璧，故名。北碚：

因有巨石伸入嘉陵江中，曰碚，又因在渝州之北，故名北碚。南川：

南川之名始于元世祖时期。南川者南江之别名也。南江在綦，而其一源出自南川，遂以南 川之名名其发源县。万州：

长江在蜀中的各支流汇集于此，东出夔门。以“万川毕汇”、“万商毕集”得名。杜甫有 诗云“众水会涪万，瞿塘争一门”。奉节：

唐贞观23年，因旌表蜀丞相诸葛亮奉昭烈皇帝刘备“托孤寄命，临大节而不可夺”的品质，改名奉节县（奉公守节）。（“朝辞白帝彩云间，千里江陵一日还”。诗城夔州，不用 多说，“长江三峡的起点”就够有意境~）云阳：

北周更县名为云安。宋开宝六年（973年）升县为军。宋熙宁四年（1041年）升云安监为安 义县。八年（1075年）撤安义县，户口归属云安县。宋末，云安军废。元代至元十五年（1278年）复立云安军，属夔州路。至元二十年（1283年）改军为州，名云阳州。明洪武六 年（1373年）降州为县，名云阳县至今。因位于长江之北，古有“北阴南阳”、“水北为 阳”之说，故名。巫溪：

远在唐虞，即以“巫”称。以巫咸为首的“十巫升降”于巫山（巫溪沿岸诸山原本巫山），以 采“百药”；巫咸民赖盐业而兴，“百谷所聚”。春秋时，巴联秦楚灭庸，得巫盐；战国时，楚取巴巫盐立巫郡，后秦取楚巫郡立巫县。史载万顷池（今巫溪红池坝）即为春申君故居。巫山： 以上古唐尧时代巫咸（尧帝的御医）而得名，春秋战国为楚国巫郡，秦汉改郡为县，时名 巫县，距今2235年。城口：

城口名缘山形地势。“据三省之门户名城，扼四方之咽喉称口”。（旧志作者误以为城口 毗邻陕鄂，实际不与湖北接界）开县：

开县历史悠久，古属梁州之域。秦、汉属巴郡朐忍县地。东汉建安二十一（216）蜀先主划 朐忍西部地置汉丰县，以汉土丰盛为名。后因境内南河古称开江，州、县由此得名。（开 县是中国的锦橙之乡，刘伯承、刘帅的故乡，重庆两个开国元帅~！）忠县：

为纪念战国时期为保城池而自刎的巴国巴蔓子将军（忠州人），唐贞观八年(634年)置忠州，以意怀忠信为名。（忠县出了三个大忠臣：战国巴蔓子、三国严颜、明末秦良玉。不辱 其名！）梁平：

西魏元钦二年（553），置梁山县，以境内高粱山为名。解放初，因县名与山东省梁山县同 名，遂以境内有平坝而更名为梁平县。（梁平是平原，有小成都之称~）石柱：

从唐武德二年（公元619年）开始建县，因县城南宾镇东部万寿山上有一对巨石酷似少男少 女、分别称“男女石柱”而得名。（石柱是个好地方~《太阳出来喜洋洋》的发源地，明末秦 良玉在石柱任土司，抗清剿匪、保境安民。忠、丰、石三地老百姓至今仍然怀念她）垫江：

“垫江”地名的由来，历史悠久。早在巴国时已有垫江之名。秦国在江洲设置巴郡，下辖 有垫江县（今合川市合阳镇），是“垫江”作为县名之始。（垫江县已被正式认定为“中 国地名文化遗产--千年古县”）

今之垫江得名有三种说法，经考证正确的理解应是“垫”字从土，有“下”、“隘” 之义。其一，《说文解字》：“垫，下也。《春秋传》曰„垫，隘。从土从声。‟”有淹 没、下陷的意思。《书•益稷》载：“洪水滔天，浩浩怀山襄陵，下民昏垫。”等义 项，均系“下”的引申之义。其二，从地理形势看，与“垫”的含义甚为符合，因此处山 山之间的狭长槽谷地带，地势低下，溪水汇流，每遇暴雨山洪，沙水并行，以致下流淤塞 汜溢。因此，垫江县名的由来，系取其地势低夷，下湮垫隘之义。酆都（丰都）：

因境内有平都山，东汉始设县称“平都县”。隋朝时，隋文帝巡游到此见江中有一沙洲，土地肥沃，物产丰富，非常喜爱。于是将沙洲赐名为“丰稳坝”，将“平都县”改称为“ 丰都县”。（历史上著名的鬼城，神曲之乡~）彭水：

隋置彭水县。因彭水得名．彭为鼓声，黔江峡水澎湃之声似彭，因名。1983年改为彭水苗 族土家族自治县。《黔之驴》的“黔”是指古代“黔州”即今四川“黔江”流域（据彭水 县作协主席，黔中文化研究先行者蔡盛炽的观点，“黔之驴”的“黔”当指今之彭水。唐 代之“黔驴”不是贵州驴。）黔江：

邑有黔江，自思州发源，凡五百余里，与岷江会于涪州之东，水常湛然流底，以其出于黔 州，呼为黔江•。县以江命名。酉阳：

因县在酉水之阳，故名。1983年改为土家族苗族自治县。（《湘行散记》里经常提到酉水 啊~《黄杨扁担》里面唱的“柳州”其实是“酉阳”，方言的缘故，“都说酉州的姑娘好哇 ~~个个姑娘会梳头啊~~”）秀山：

因境内秀美山峰“高秀山”而得名，乾隆元年（1736年）以邑梅、平茶、石耶、地坝四洞疆 域并割酉阳东南境石堤、打妖、宋农、晚森等土司据地，始置秀山县（县治今中和镇）。长寿：

唐代武德二年置乐温县（即今长寿区域），隶属涪州。“因其地常温，禾稼早熟，民乐之 ”，故定名为乐温县。元末明玉珍及其子明升踞蜀十年（公元1361--1371年），建立农民 政权，国号夏，都重庆。明代洪武六年九月，明玉珍将乐温县改名长寿县。以县北有长寿 山，居其下者，多长寿老人，因此得名。一说长寿山独平衍曲折，形如寿字而言，取以名 县。涪陵：

因乌江古名涪水，巴国君王陵墓多葬于此而得名。（涪陵是重庆之前的巴国故都）武隆：

据《寰宇记》载：“以邑界武龙山为名”。《明一统志》载：今核桃乡内，一山“逶迤如 龙，下有空洞，即武隆山也”。明洪武十三年（公元1380年），因与广西省一县同名，故 改“龙”为“隆”，寓兴旺发达之意，更名武隆县，相沿至今。万盛：

1955年1月21日，由贵州省桐梓县第十区及四川省南川县第十区的1个镇6个乡及綦江县青年

乡、建设乡、金灵乡（包括南桐煤矿、东林煤矿区域），建立重庆市市辖区重庆市南桐矿 区。1993年4月18日，经国务院批准，重庆市南桐矿区更名为重庆市万盛区。綦江：

綦江（河流）在县南，即夜郎溪也。自南川县流入，亦曰南江。至县，色如苍帛，因名綦 江。县因綦江为名。江津：

以斯地在江之津为名。“津”就是渡口。（开国元帅聂荣臻的故乡~！）铜梁：

因县城东铜梁山而得名。其右梁横亘，形如五屏，每当阳光照射，石梁呈古铜色，故名铜 梁。（小陈楠的故乡。这座铜梁山在合川，因为铜梁以前归合川管辖。）合川：

合州“以涪江自梓、遂州来，至州南与嘉陵江合流，因名合州”。今合川区亦取涪江与嘉 陵江合流之意。合川古名垫江（原为亵江，取嘉、涪二江在城北鸭咀的汇合之水如衣重叠 之意，《汉书•地理志》误记为垫江并沿袭至今）。（其实合川是三江合流的宝地： 嘉陵江、涪江、渠江。钓鱼城就位于三江合流之处，神奇的英雄之城！）

潼南：

该县设置于梓潼镇，归潼川府（原治四川三台，后移至泸州）辖，地居府南，因名潼南。（潼南为杨尚昆同志的故乡）双桥：

双桥区由两个镇组成，双路镇和通桥镇，一个街道办事处（龙滩子街道），“双路”、“ 通桥”各取一字，故名双桥。1975年从大足分离出来的独立区。因为复杂的经济原因，与 重汽有关。

永川：

一说，山川阔远，因名永川县。另有一说，因县治有三河汇流（今三岔河），形如篆文“ 永”字，永川故名。（意境深远~~~与大足、荣昌同为“棠城”“海棠香国”。唐《百花谱 》：海棠为花中神仙，色甚丽，但花无香无实。西蜀昌州产者，有香有实，土人珍为佳果。古昌州辖永川、大足、昌元【今荣昌县】、静南四县，永川于776年置县，是昌州最大的 县，后静南792年撤县并入永川、大足、荣昌。）大足：

大足县始建于唐肃宗乾元元年，取“大丰大足”之意而得名。界内有大足川。（与永川、荣昌同为“棠城”“海棠香国”。大足石刻于1999年12月1日正式列入世界文化遗产，这也 是我国的洞窟石刻类遗产在1987年莫高窟之后的第二次入选，重庆两个世界遗产之一。）荣昌：

2011年各地区节能目标完成情况 第3篇

根据《中华人民共和国节约能源法》、《国务院关于印发“十二五”节能减排综合性工作方案的通知》 (国发[2011]26号) 和《国务院批转节能减排统计监测及考核实施方案和办法的通知》 (国发[2007]36号) , 发展改革委会同国务院有关部门, 对各地区2011年度节能目标完成情况和节能措施落实情况进行了现场评价考核, 考核结果公告如下:

单位:%

注:1.2011年万元GDP能耗降低目标依据各省、区、市人民政府确认函;2.2011年万元GDP能耗降低率依据国家统计局核定数 (西藏自治区数据暂缺) ;3.负号表示单位GDP能耗上升。

中国银行各地区面试试题 第4篇

中国银行各地区面试试题

资料来源：南京天梯金融培训中心（.cn）银招网（yinzhao.net）

北京

1、你对成为中国银行的员工的个人条件有什么看法，写出5个词语总结，准备一分钟，陈述一分钟

2、辩论环节，男生女生谁更需要被关怀

福建

1、自我介绍

2、你骄傲的一件事情

3、你爱好是什么

4、专业情况如何

5、为什么选金融行业

6、在实习中都做什么工作，学到了什么，遇到过什么挫折

7、自己有什么缺点

8、最近在看什么书?有什么感想?

9、职业规划

10、针对专业提问，如为什么不做会计?(求职者专业是会计)

11、还有什么可以和大家分享的上海

1、自我介绍

2、学理工科的为何要到银行发展?

3、有没有想过去证券行业

4、有没有想过要读研?(针对本科生)

南京鼓楼区广州路5号君临国际2幢402室（南大广州路大门对面）

.cn

电话 025-84448356 58995775、做过什么实习?

6、讲一下团队经历

7、对什么职务感兴趣

8、银行业务或者金融相关问题

9、你觉得自己对于数字和汉字，哪个比较有感觉?

10、那你在自己的应聘过程中，怎样挑选公司呢?比较看重的是什么?

11、你的兼职和社会实践大部分是属于市场和服务行业，有没有想过自己在风险管理部每天默默无闻地处理雷同的事务会不会厌烦。(针对实习经验提问)

12、对哪门课程感兴趣?老师叫什么名字?你们校长叫什么名字?

金华

1、介绍自己的学习、实践经历

2、自己的优点和缺点各3点

3、你觉得什么性质的岗位比较适合你

4、说一件结果于预期的落差比较大的经历

5、说一件自己与别人意见不同，说服别人的经历

6、如何用学习到的新方法、新技术完成任务的经历

7、在不违反规定的条件下，解决困难的经历

8、在别人违反规定的时候，阻止别人的经历

9、说一件本来不愿意承担，但又承担下来的任务

10、说一件学习、实践中最遗憾的经历，你从中学习到什么

11.短片题：4人小组完成一个project的时候，小王毛遂自荐当leader，project进行到一半的时候，其他两个同事跟小周说：“小王能力不行，你去当leader吧。”如果你是小周，你会怎么做?

江西

1、请用一分钟从个人及家庭情况简单介绍下自己?家庭情况呢?

2、说下自己的缺点?

3、你有责任心吗?

4、说说你的实习情况?

5、做了几项课题?课题的名称是?发表了几篇论文?论文的题目是?

6、你的研究方向是?有哪些战略分析工具?知道价值链分析吗?

安徽

1、在大学都学会了什么?

2、你的专业和别人相比起点低，学到的东西和岗位也不大相符，对于大学学的东西无用你有什么看法

四川

1、你如何调解人际冲突

2、如何主动请缨完成困难的任务

3、你如何创新方法完成任务

4、银行调银行卡年费，你如何做调查工作

湖北1、7个人分粥的问题，7个人平凡而又平等，而且难免分粥时会自私自利，问题是我们如何分配这一锅粥?

2、你为何选择这个分行，还有一些对你自我介绍当中提及的内容进行提问!

厦门

1、发表的论文结论，有哪些出彩的地方，从中引发了什么思路

2、参加的实践中有印象最深刻的事件吗

3、由2引发的，这件事由你来做与由别人来做有什么区别

4、继续由3引发，你提出过什么建设性意见?取得什么结果

5、由4引发，这个不是特别突出。还能再举一个例子吗，突出你的出彩之处

6、由5引发，做这件事你遇到特别困难的地方吗，如何解决

7、转换话题，你的弱点是什么

8、你有没有投其他的银行或公司

云南

1、无领导小组讨论，题目是：有的人说成功对人有益，有的人说失败对人有益，谈谈你们的看法。

2、请谈谈你对中国银行的了解

各地区城镇居民家庭消费结构分析 第5篇

关键词：线性回归分析法,消费情况

一、引言

(一) 研究背景

20世纪90年代, 中国城镇住户的消费水平产生了极大的变革, 具体表现为:城镇居民住户的消费水平有很大幅度的升高;食品消费仍占相当大的比重, 发展性和享受性消费比重提高;服务性消费的需求持续上升;城镇居民家庭的教学投入增加迅猛。文化消费的增长仍然缓慢, 比例太小了。所以, 价格上涨充满了每一个中国人的心。人们的消费方式和投资观念影响着通胀预期。

(二) 研究现状

随着2008年爆发的金融危机, 我国政府便意识到我国应更多依靠拉动内需来促进经济增长。第一, 广大人民的生活水平提高, 居民的消费逐渐的向高档靠近。第二, 我国成功取代“亚洲四小龙”及日本, 成为世界奢侈品转向的市场。第三, 贫富差距逐渐拉大, 资产的分配并不是很均匀。有的人利用现有优势占有越来越多的资产, 使自己越来越富有。其他一部分人, 逐渐被瓜分资产占有量。第四, 随着居民生活水平的提高, 人们更加重视保健和健康型商品的消费, 特别是绿色商品备受欢迎, 考虑到目前我国一些食品的安全标准制度建设远落后于其他国家, 今后与健康保健有关系的产品销量会大幅度增长。

(三) 研究的目的和意义

一般来说, 消费情况的区域差异是集中表现和区域经济发展的不平衡性, 同时, 根据基本的常识, 消费是主体的需要和社会生产的最终目的, 所以从这两个角度来分析, 对我国居民人均消费的研究、以及区域差异在中国居民消费支出的金额, 具有十分重要的意义。而消费情况作为消费的具体内容, 他的公道与否, 又是消费的要害问题。因此, 本文采用线性回归分析方法、因子分析方法和聚类分析方法, 分析、考虑了城市居民的消费情况, 正确引导居民消费行为, 从而形成合理的消费, 为促进生产力发展具有很重要的意义。

(四) 研究的方法和创新点

首先, 以“消费支出”为自变量, 以“食品”为因变量, 进行简单线性回归。再以“食品”、“服饰”、“住房”、“家庭设备及用品”、“交通通信”、“文教娱乐”、“医疗健康”、“其他商品和服务”为自变量, 以“家庭总收入”为因变量, 进行多重线性回归。

其次, 针对于消费情况, 把以下8项:“食品”、“服饰”、“住房”、“家庭设备及用品”、“交通通信”、“文教娱乐”、“医疗健康”、“其他商品和服务”进行因子分析。

再次, 以“地区”为“个案标记依据”, 选择“食品”、“服饰”、“住房”、“家庭设备及用品”、“交通通信”、“文教娱乐”、“医疗健康”、“其他商品和服务”, 8个进行聚类分析。

二、研究理论和方法

(一) 建立回归预测模型

根据具体情况对自变量和因变量进行计算, 在此基础上建立回归分析预测出模型。

(二) 进行相关分析

回归分析为可变因素, 作为一个结果, 预测的对象变量相关, 多少, 判断了硕士学位, 成为回归分析所要解决的问题。通过相关分析, 一般要求之间的关系, 以确定变量的大小和程度的相关变量的相关系数。

(三) 检验回归预测模型, 计算预测误差

回归预测模型可以用来预测与否, 取决于预测模型的预测误差的回归测试和计算。回归方程只有通过各种检验, 且预测误差较小, 才能将回归方程进行预测。

(四) 计算并确定预测值

使用回归预测模型计算预测值, 进行综合分析, 确定最终的预测值。

三、数据的来源和指标的选举

关于我国各地区城镇居民消费情况, 本文采用中国统计数据库中的《中国统计年鉴2013》, 2012年各地区城镇居民家庭平均每人全年现金消费支出的11项数据为例进行分析, 选择的11项指标如下:

四、对我国各地区消费情况的实证分析

(一) 简单线性回归

以“消费支出”为自变量, 以“食品”为因变量, 进行简单线性回归。

1. 模型拟合情况

由表1可知:可决系数 (调整的R方) 为0.814, 说明模型的解释能力很强。

2. 方差分析

从表2可知:SIG值为0, 小于0.05, 该模型是非常重要的。

3. 回归方程的系数以及系数的检验结果

由表3可知, 模型的表达式为:食品=812.571+0.317*消费支出。模型中Sig值小于0.05, 所以两个系数都是显著的。

结论:经过对数据做以上的简单线性回归分析, 可以看出我国城镇居民的食品消费与消费支出之间的关系, 可以看出食品在消费所占比重。

(二) 多重线性回归

以“食品”、“服饰”、“住房”、“家庭设备及用品”、“交通通信”、“文教娱乐”、“医疗健康”、“其他商品和服务”为自变量, 以“家庭总收入”为因变量, 进行多重线性回归。根据回归分析法的步骤, 运用统计分析软件SPSS进行数据处理:

“分析———回归———线性”

1. 模型的拟合情况

由表4可知:3个模型中调整R方在依次递增, 都在0.895以上, 所以模型的拟合情况非常好。

2. 方差分析

由表5可知:3种模型SIG值是0, 因此该模型是非常重要的。

3. 回归方程的系数以及系数的检验结果

由表6可知:三个模型中各个变量的Sig都是非常显著的。可以看出, 三个模型中模型3最具表达性, 因此, 选择了模型3, 其模型的表达式为:家庭总收入=8009.370+3.567*交通通信+3.087*文教娱乐+5.918*其他商品和服务。

五、研究结论

通过我国城镇住户消费情况的多重线性回归, 可以看出我国城镇住户家庭总收入的组成, 交通通信、文教娱乐、其他商品和服务对家庭总收入有明显的影响。其中, 其他商品和服务每增长1元会给家庭总收入带来5.918元的增长, 文教娱乐每增长1元会给家庭总收入带来3.087元的增长, 交通通信每增长1元会给家庭总收入带来3.567元的增长。这也跟目前我国消费高、交通拥堵、教育压力大等事实相符。从数据上看出, 我国城镇住户人民的生活水平已经很富裕了, 在未来发展中, 刺激消费的重点应侧重于中小城市和农村。我国消费者消费倾向整体呈下降趋势, 这恰恰反映了消费者的消费倾向和愿望。

我国城镇住户消费情况的各个组成部分与消费之间有密切关系, 这说明我国消费者的消费倾向都与随着可支配收入的增加而增大, 当收入分配不断扩大, 对城镇住户消费情况的影响也越来越大。所以, 一方面要加强西部建设, 拉动经济增长, 增加西部消费;另一方面要根据各地区之间的差异引导正确的消费行为, 从而形成更合理的消费情况。

参考文献

[1]王海波.我省农民消费与农村市场探析[J].山东经济战略研究, 2012 (08) .

[2]唐琼.中国农村居民消费对经济发展的影响研究[D].湖南农业大学, 2014.

[3]白雪.临汾市不同收入阶层城镇居民消费结构实证分析[D].山西师范大学, 2015.

[4]单良.辽宁省人力资源与区域经济发展协调性研究[D].辽宁师范大学, 2012.

各地区接收中央短波广播情况的预测 第6篇

我国不同于任何其他国家, 在这样一个特定位置、幅员、形状的范围内满足各地区的短波广播接收, 存在客观独特性。以无线电台管理局现有发射覆盖实力, 对不同地区的需求我们能在多大程度上予以保障, 是否存在薄弱点。这就需要我们统筹考虑频率分配、设备投入、服务可靠度、综合效益等因素, 这些因素之间相互交织, 彼此制约。最终目标就是充分合理利用分布在全国各地的发射台站, 谋取最大化的播出效益, 这就是我们尝试进行此项工作的初衷。现就我国一些有代表性的地区的短波接收情况进行预测性分析。

1 北京、上海和重庆地区短波接收预测分析

短波广播是进行远距离广播的主要手段, 在现阶段各种广播手段迅猛发展的时代, 短波广播还具有十分重要的现实意义, 尤其是一些大城市在突发事件时当地电力缺失其他广播手段失效的情况下, 短波广播更加凸显出重要地位。现以我国北京、上海和重庆作为分析对象, 介绍我国现有短波播出条件下的短波接收情况做一预测分析。

我们将北京、上海和重庆三地作为短波广播接收点, 在全部样本中选取在不同太阳黑子数、不同频段的24个时点可接收到的最高场强数据, 以两季和白天、夜晚划分为4个数据表格进行分析。通过提取最高预测场强值, 构建了电子表格。由于汇总的数据量较大, 在保证数据分析有效性的前提下, 我们通过间隔删除了12个时点和部分白天、夜间很少使用的频段的方式进行数据截取。

表1是B季 (冬季以1月为代表月份) 白天在北京、上海和重庆三个接收点收测13个发射点, 在不同太阳黑子数、不同时间和频段, 分别选取最高预测场强。经对表中的数据计算, 可得北京、上海和重庆三地的数学期望值分别为67.12dB、66.89dB和66.65dB, 标准偏差分别为1.03dB、1.36dB和0.88dB。从得出的这些数据显示我对北京、上海和重庆三地的短波广播, 在冬季日间各频段无论太阳活动性强弱, 三地可接收到的最高场强预测值均可长期稳定保持高期望值的水平。

表2是B季 (冬季以1月为代表月份) 夜间在北京、上海和重庆三个接收点收测13个发射点, 在不同太阳黑子数、不同时间和频段, 分别选取最高预测场强。经对表中的数据计算, 可得北京、上海和重庆三地的数学期望值分别为45.42dB、46.24dB和44.43dB, 标准偏差分别为8.89dB、8.95dB和7.29dB。此表中用黄色填充的数据标示预测场强值<50dB。表2中未列夜间较少使用的部分高频段数据, 这部分数据预测值更低。从表中黄色填充的分布趋势可看出, 高频段预测场强值与夜间时点和太阳黑子数密切关联。特别在太阳活动平静期, 整个夜间高频段频率传输极差。由于太阳活动性的强弱差异, 我对北京、上海和重庆三地短波广播, 在冬季夜间距60dB的期望值会出现较大偏差, 尤其是在太阳活动平静时频段越高, 接收场强受到的影响越大。

表3是A季 (夏季以7月为代表月份) 白天在北京、上海和重庆三个接收点收测13个发射点, 在不同太阳黑子数、不同时间和频段, 分别选取最高预测场强。经对表中的数据计算, 可得北京、上海和重庆三地的数学期望值分别为64.67dB、64.70dB和64.55dB, 标准偏差分别为1.27dB、1.41dB和1.20dB。表3中全部数据均在52dB以上, 与表1对照, 三地夏季白天预测情况比冬季白天预测情况平均下降近2dB。这些数据显示我对北京、上海和重庆三地的短波广播, 在夏季日间各频段无论太阳活动性强弱, 三地均可长期稳定保持高期望值的覆盖水平。夏季夜间太阳黑子数的高低不会对我们使用频率产生大的制约。所以在整个A季夜间对三地较容易制定一个比较可靠的短波方案。

表4是A季 (夏季以7月为代表月份) 夜间在北京、上海和重庆三个接收点收测13个发射点, 在不同太阳黑子数、不同时间和频段, 分别选取最高预测场强。经对表中的数据计算, 可得北京、上海和重庆三地的数学期望值分别为67.20dB、65.71dB和66.88dB, 标准偏差分别为1.23dB、1.85dB和0.78dB。表4中全部数据均在50dB以上, 与表2对照, 三地夏季夜间预测情况比冬季夜间预测情况有平均20dB的大幅提升。与表3对照, 三地夏季夜间预测情况比夏季白天预测情况有近2dB的提升。这些数据显示我对北京、上海和重庆三地的短波广播, 在夏季夜间各频段无论太阳活动性强弱, 三地接收场强预测值均可长期稳定保持高期望值的覆盖水平。夏季夜间太阳黑子数的高低不会对我们使用频率产生大的制约。对不同频率值, 总能优选出适宜的发射地点, 保障整个季节夜间对三地都有一个比较可靠的短波方案。

通过对上述四个表格的对比, 我们可以发现无论A季或B季, 北京、上海和重庆三地全年白天的可接收到的最高场强预测值无大的起伏。可接收到的最高场强预测值差异在夜间不同季节表现明显, 其最低期望值出现在冬季夜间, 最高期望值出现在夏季夜间。此种情况在太阳活动性弱的年度, 可能造成冬季广播接收效果出现季节性起伏, 但对全年广播接收效果的影响不大。实际上造成短波广播接收效果的季节性差异的主因还是不同季节白天、夜间可开频段高低分布情况的不同, 以上因素也是最大程度上制约短波广播接收效果的主因。

上面表格和所做的分析, 虽然仅为北京、上海和重庆三地的短波广播接收情况, 按照此法, 全国其他地区亦可做出类似的展示和分析。

2 冬季夜间不同纬度下短波接收预测分析

无线局从国内中部、东部发射点对西部的新疆、西藏短波覆盖实力强且可用设备均衡。我们将拉萨和日喀则 (纬度较低) 、阿勒泰和乌鲁木齐 (纬度较高) 四地 (经度接近) 作为短波广播接收点, 在全部样本中选取在不同太阳黑子数、不同频段的夜间可接收到的最高场强数据表格进行分析。由于汇总的数据量较大, 在保证数据分析有效性的前提下, 我们通过间隔删除时点和部分夜间很少使用的频段的方式进行数据截取。

表5是1月夜间在拉萨和日喀则、阿勒泰和乌鲁木齐四个接收点收测13个发射点, 在不同太阳黑子数、不同时间和频段, 分别选取最高预测场强。经对表中的数据计算, 可得拉萨、日喀则、阿勒泰、乌鲁木齐四地的数学期望值分别为58dB、59.44dB、50.78dB、52.81dB, 标准偏差分别为8.73dB、8dB、5.86dB和6.62dB。此表中用黄色填充的数据标示预测场强值<50dB。表5中未列夜间较少使用的部分高频段数据, 这部分数据预测值更低。我们对比拉萨和日喀则、阿勒泰和乌鲁木齐四地的数学期望值可以发现拉萨和日喀则两地的数值比阿勒泰和乌鲁木齐高出很多 (超6 dB) , 说明冬季夜间在我国疆域内接收点所处纬度对可接收的最高场强预测值有明显影响, 纬度越低接收点可接收到的最高场强预测值越高。

3 从东至西不同地方时导致短波传输状况的时间差异

使用短波预测的目标是保证接收点能够可靠接收到短波信号, 我们在全部样本中通过数据计算和对比, 发现在地域上从东向西随各地日出、午时、日落的时序演进, 各地短波接收最高场强预测值存在时间上的差异。表6是我们选取哈尔滨和喀什两地7月份在11M频段下, 不同太阳黑子数24个时点可接收到的最高场强数据。为更加直观的说明从东向西各地时间不同, 产生短波接收最高场强预测值的差异, 我们根据表6中的均值数据制作出图1。

通过图1, 我们可以清晰地看出哈尔滨接收点最高场强预测值与喀什接收点最高场强预测值在趋势上基本一致, 但喀什接收点明显比哈尔滨滞后3个小时。

4 接收点地形环境对短波接收的影响

短波广播接收效果除受到短波传输距离、传输环境、频率干扰等因素影响, 还有接收点环境的影响。在接受环境影响因素中地形因素是十分突出因素。下面我们以兰州和林芝地区为例介绍地形因素对短波接收的影响。

在兰州市居民区收测短波广播时, 我们发现海南发射台对兰州的短波广播接收效果较差, 而新疆发射台对兰州的短波广播接收效果较好。分析原因我们发现兰州市是一个峡谷型地形城市海拔1500米, 南面山脉海拔2100米, 北面山脉海拔1600-1700米, 峡谷呈东西走向。我国短波广播频段波长10-100米, 而短波在经过电离层反射到达覆盖服务区时, 若地形落差达到100米以上, 将对短波传输信号产生遮挡影响接收效果。因海南发射台位于兰州南偏东13°距离2000km, 兰州市区与南面山脉海拔落差达600米, 从海南发射到兰州的短波信号基本被兰州南面山脉遮挡造成接收效果较差。而新疆发射台位于兰州北偏西64°距离1600km, 该台发射短波信号经电离层反射到达兰州覆盖服务区时, 正好符合兰州市区的地形走势, 所以新疆发射台对兰州市的短波广播覆盖效果较好。

林芝地区的地形和兰州市近似, 是一个峡谷型地形城市海拔2900米, 南面山脉海拔4400米, 北面山脉海拔4600米, 峡谷呈西北向东南走向。在居民区进行短波广播收测时, 我们发现新疆发射台对林芝地区的短波广播接收效果较差, 而海南发射台对林芝地区的短波广播接收效果较好。归其原因和兰州市原因相同, 新疆发射台位于林芝地区北偏西30°距离1800km, 林芝地区与南北面山脉海拔落差达1500-1700米, 从新疆发射到林芝地区的短波信号基本被林芝南北面山脉遮挡造成接收效果较差。而海南发射台位于林芝地区南偏东48°距离1800km处, 该台发射短波信号经电离层反射到达林芝地区覆盖服务区时, 正好符合林芝地区的地形走势, 所以海南发射台对林芝地区的短波广播覆盖效果较好。

通过上述两个实例的分析, 提示我们:在制定短波广播方案时, 为提高一个地区 (特别是多山的地区和高楼林立的大城市) 基本广播可靠度 (BBR) , 不仅要求我们采用频段的高低搭配, 在有不同发射地点可选择的情况下, 对同一地区同时考虑从不同方向对其覆盖, 可达到更优的实际效果。

摘要：本文基于中央短波广播样本空间数据库, 对我国现有短波播出条件下一些地区接受中央短波广播的情况做一预测分析。这些地区既有普遍性又有特殊性, 通过分析使大家了解和掌握我国现有短波广播的覆盖能力, 文中还介绍了地形因素对短波广播覆盖效果的影响。

关键词：短波广播,样本空间,覆盖效果,预测

参考文献

我国各地区民生发展现状综合评价 第7篇

随着我国社会经济的快速发展,人们的生活水平不断提高,但人们日益增长的物质文化需求和落后的社会生产力不匹配的矛盾依然存在, 表现在日益凸显的民生问题上,因此民生发展备受公众的关注,成为政府施政的重中之重。 习总书记在一次讲话中说到:“ 民生连着民心,民心关系国运。 保障和改善民生是一项系统工程,需要进行长期不懈的努力, 总的要求是坚定不移走共同富裕道路,让发展成果更好更公平惠及全体人民”。 由此可见民生建设不仅让人们过上幸福生活,能够安居乐业,而且对和谐社会建设具有重要的意义。 本文选取统计指标对我国31个地区的民生发展进行因子分析,在此基础上对各地区的民生发展进行综合评价, 分析各地区民生发展存在的问题, 为我国民生建设提出相关建议。

二、民生发展指标体系的构建

民生问题涉及到就业、社会保障、收入分配、教育、资源环境、公共安全等多个方面,本文从就业、收入、消费、住房、交通、医疗以及教育等领域选取30个指标构建生存民生、安全民生、发展民生、公共服务民生指标体系,见表1所示。

三、我国各地区民生发展实证分析

1、各地区民生发展综合评价

本文选取2013年各指标数据( 数据源于《 中国统计年鉴2014》) ,将逆向指标正向化处理后,分别对我国31个地区的生存民生、安全民生、发展民生及公共服务民生进行因子分析,计算其得分,按其重要性分别赋予30%、25%、 25%和20%的权重,据此计算综合得分,见表2所示。

从表2可见,北京、浙江、上海、江苏、天津的民生发展状况最好,云南、甘肃、贵州及西藏等西部地区的民生发展落后。 东北三省中,辽宁民生发展状况较好,吉林、黑龙江两省的民生发展分列22、24位,原因是其生存民生、安全民生比较落后。 在生存民生方面,吉林的城镇居民人均可支配收入、城镇人均住房建筑面积、农村居民人均住房面积、城镇登记失业率、城市每万人拥有公交车辆数全国排名落后,黑龙江的城镇居民人均可支配收入、城镇人均住房建筑面积、农村居民人均住房面积、城镇登记失业率全国排名落后;在安全民生方面,吉林的交通事故死亡率、农村社会养老保险参保率、新农合参合率、生活垃圾无害化处理率全国排名落后, 黑龙江的农村社会养老保险参保率、新农合参合率、空气质量优良率、生活垃圾无害化处理率全国排名落后。

从生存民生角度看,北京、上海、浙江的生存民生状况最好,云南、甘肃、贵州等西部地区的生存民生发展落后。 就业、收入消费、住房、医疗、交通都与经济发展水平密切相关,加快经济发展是改善生存民生的关键。

从安全民生角度看,安徽、福建、重庆的安全民生状况最好,吉林、黑龙江、甘肃、上海的安全民生发展落后。 北京、上海的民生发展综合得分分列第1、3位,安全民生却分列第25、31位,北京的农村社会养老保险参保率、新农合参合率、空气质量优良率全国排名靠后,其空气质量优良率在全国排名第30位, 上海的交通事故死亡率、农村社会养老保险参保率、新农合参合率全国排名落后,其交通事故死亡率全国最高。

从发展民生角度看,北京、上海、天津的发展民生状况最好,甘肃、贵州、西藏等地的发展民生状况落后。 只有大力发展教育,营造公平的社会环境,提升居民的文化娱乐水平,发展民生水平才会得到提升。

从公共服务角度看,北京、重庆、河北的公共服务民生状况最好,新疆、贵州、西藏等地的公共服务民生发展落后。 上海的民生发展列第3位,公共服务民生发展却排在第17位, 上海的科教文卫支出占财政支出的比重、人均公园绿地面积、环保支出占财政支出的比重全国排名落后,其中后两项均排在第31位。

2、各地区民生与经济发展关系分析

经济发展是民生建设稳步推进的关键,经济发展水平的高低直接关系到民生发展,为了解各地区经济发展与民生建设是否同步,选取2013年各地区的人均GDP作为经济发展水平的衡量指标。

从表2可见,上海、江苏、河北的民生与经济同步发展;安徽、江西的民生发展明显快于经济发展,表明其民生建设投入力度较大,对民生发展的重视程度较高。 内蒙古、 吉林、宁夏、黑龙江、新疆的民生发展明显慢于经济发展, 在发展经济的同时要提高民生建设重视程度,加大民生建设的投入力度,找准经济发展与民生发展的契合点,促进经济与民生同步发展。

四、结论及建议

1、结论

( 1) 我国民生发展不均衡 。 从各地区民生发展综合得分来看, 我国过半数地区的民生发展低于全国平均水平, 表明各地区的民生发展极不均衡,各地区经济发展水平以及民生建设投入力度的不同是民生发展存在差异的主要原因。

( 2) 东、中、西部地区民生发展差异显著 。 东部地区民生发展领先,前十中有9个东部地区,这是由于东部是我国最发达地区,经济基础雄厚,民生各方面发展好。 中部地区民生发展处于中等水平, 多数排在十至二十之间,吉林、黑龙江排名靠后,主要是其生存民生及安全民生发展比较落后。 西部地区的民生发展落后,多数排在后十位, 由于地理位置以及资源禀赋等因素, 西部地区的经济发展一直处于落后水平,其制约着民生的发展。

( 3) 部分地区民生发展滞后于经济发展 。 通过比较可见,天津、辽宁、内蒙古、吉林、宁夏、黑龙江、新疆的经济发展快于民生发展, 因此在追求经济发展的同时要提高民生建设的重视程度,加大民生建设投入,促进经济发展与民生建设同步推进。

2、建议

( 1) 促进经济发展 ,加大民生投入 。 经济发展是民生建设的先决条件,改善民生也会促进经济不断发展,经济发展落后地区可以通过完善基础设施建设、 发展特色经济、提高自主创新能力、大力发展教育等措施提高经济发展水平,为民生发展提供坚实的物质基础;与此同时,各地政府应加大民生建设的投入力度, 要重点投向就业培训、义务教育、环境保护以及公共服务建设等领域,进而提高我国整体民生发展水平,提高人们的幸福指数。

( 2) 缩减经济发展区域差异。 经济发展制约着民生建设, 要缩减民生发展的区域差异就必须缩小地区间的经济发展差异,各地区要综合考虑自身的条件,制定适合自身经济发展的政策, 政府采取措施促进各地区经济民生协调发展,缩减地区间的经济发展差异,进而缩减民生发展的区域差异。

参考文献

[1]王静敏、张玉坤:和谐社会下建立民生统计指标体系[J].当代经济,2011(5).

[2]王娜:辽宁省民生发展水平的统计分析及综合评价[D].辽宁:辽宁大学,2013.

江苏省各地区经济趋同的动态演变 第8篇

一、数据来源说明

依据国际趋同文献的最新进展,结合Quah及Aroca等的研究思路,采用高斯核,其中X1,,Xi,X为独立同分布的随机变量,其概率密度为f(x),(k1)为非负且积分为1的核函数)作为随机核估计的核函数方法,从市域及县域人均GDP的分布形状这个角度考察1978-2005年江苏省13个市域及64个县域相对人均GDP空间分布的动态演化模式。

本文使用人均GDP衡量江苏省各市域及县域的经济发展水平。选取1978-2005年的13个市域及64个县域的数据,并经平减指数处理得到实际人均GDP。数据来自《江苏50年》及《江苏统计年鉴》,所有分析都将采用相对人均GDP,即区域人均GDP与全省人均GDP之比,以此考察江苏省各市域及县域经济水平在江苏省所处的位置。

二、江苏省市域相对人均GDP分布描述

运用高斯核估计得到反映江苏省1978、1985、1990、1995、2000、2005年市域经济增长分布形态状况的核密度图(图1),核密度图中横轴为相对人均GDP,1代表全省平均水平,2代表平均水平的2倍,以次类推。

由图1可以看出,所有主峰都主要位于全省平均水平的左侧,表明江苏省绝大多数市域的经济水平都低于全省平均水平,其中,1978年分布图呈“单峰”分布,峰顶在0.75左右。1978-1995年,主峰逐渐向右侧移动,表明随着经济的增长,市域经济差距逐渐缩小,分布图形主峰的核密度随时间的推移在逐渐上升,也表明主峰内部市域间的经济差距在缩小;1995-2005年,主峰又开始逐渐向左侧移动,表明随着经济的增长,市域经济差距开始逐渐扩大,分布图形上主峰的核密度随时间的推移也开始逐渐下降,同样表明主峰内部市域间的经济差距开始趋于扩大。从具体形态来看,1985、1990年的经济分布图与1978年非常相似,其相对人均GDP分布图形也呈“单峰状”,且主峰右侧均呈现一个小峰顶,只是1985年主峰右侧相对于1978、1990年比较显著,说明随着时间的推移,江苏省市域经济有可能形成向上趋同俱乐部,只是由于市域GDP均化了各地区的差异,导致向上趋同俱乐部不是很明显。1995-2000年,主峰右侧变得比较平坦,市域经济出现了趋同现象。2000-2005年,相对人均收入分布开始由“单峰”分布转向“双峰”分布,出现了两个趋同俱乐部,地区主要向两个收入水平集群,主峰峰顶位于0.6左右,而次峰峰顶位于1.6左右,第二个地区集群的人均收入水平是第一个集群的2.7倍,说明江苏省市域间经济增长差距开始趋于扩大。

总体而言,1978-2005年江苏省市域人均收入的分布动态变化经历了单峰双峰状的变化过程:地区经济首先呈现“单峰”分布,除了南京、无锡等苏南的人均收入高于全省平均水平的1.5之外(表现为主峰右侧有所凸起),其余大部分地区的人均收入均介于全省平均水平的0.6-1.2之间,到2000年市域经济出现了明显的趋同现象;随后随着经济的增长,地区经济差异逐步扩大,人均收入水平开始出现分化,部分地区经济开始迅速增长,且到2005年,出现了两个趋同俱乐部,经济开始向高水平区域与低水平区域趋同。

三、江苏省县域相对人均GDP分布描述

中国经济在向城市经济侧重近20年后,正进入向县域经济侧重的阶段转换。最近几年,中央重新审视“重城轻乡”的非均衡经济发展态势,首次突破性地提出“县域”概念,并将“县域经济”正式纳入国家经济建设和经济体制改革的范畴;宏观经济部署也走出“重城轻乡”的非均衡阶段,宏观经济政策呈现出向县域侧重的明确的方向性变化。这些转折性信号表明中国县域经济大发展时代的到来。江苏省作为我国东部沿海的经济、文化、教育大省,县域经济的发展壮大是其经济腾飞的基础,为此,使用县级资料对江苏省进行地区差异分析已显的尤为重要。

运用高斯核估计得到反映江苏省1978、1985、1990、1995、2000、2005年县域经济增长分布形态状况的核密度图(图2),同样核密度图中横轴为相对人均GDP,1代表全省平均水平,2代表平均水平的2倍,以次类推。

(根据资料的可得性,2005年只有52个县域,除去江宁、江浦、六合、锡山市、武进市、吴县市、淮阴县、淮安市、盐都县、邗江县、丹徒县、宿豫县)

由图2可以看出,所有主峰都主要位于全省平均水平的左侧,表明江苏省绝大多数县域的经济水平都低于全省平均水平,1978-1990年,江苏省县域经济差距比较小,且在1990年、1995年出现了明显的趋同现象。但1995年以后,随着时间的推移,主峰逐渐向左移动,说明随着经济的增长,江苏省县域经济差距在逐步扩大;同时1995-2000年,分布图形主峰的核密度随时间的推移在逐渐下降,且主峰形态变得比较平缓,也同样表明主峰内部县域间的经济差距在扩大。从具体形态分布来看,1978、1985、1990、1995年的相对人均收入分布均呈“单峰”分布,且1985的分布图与1978年非常相似,1995年的分布图与1990年非常相似,到1990年,趋同现象更加明显。从2000年开始,相对人均收入分布图已经有了很大变化,人均收入分布开始由“单峰”分布转向“多峰”分布,大部分地区仍然停留在较低的人均收入水平状态,但具有较高人均收入水平的地区开始出现分化:一部分人均收入相对保持不变,另外一部分人均收入增长迅速,形成了三个峰顶:第一个峰顶在0.5左右,第二个在1.7左右,第三个在2.7左右。地区主要向三个收入水平集群,同时第三个地区集群的人均收入水平是第一个集群的5.4倍,第二个地区集群的人均收入水平是第一个集群的3.4倍,三个收入水平间的差异很大。2005年的相对人均收入分布有所稳定,形成了3个具有稳定特征的峰极,与2000年相比第一个峰顶向左移动到0.4左右,第二个峰顶向右移动到1.9左右,第三个峰顶向左移动到2.5左右,但第三个地区集群的人均收入水平是第一个集群的6.25倍,第二个地区集群的人均收入水平是第一个集群的4.75倍,表明2005年起三个趋同俱乐部间的经济差距在不断扩大。同时2000-2005年,分布图形主峰与次峰的核密度随时间的推移在逐渐上升,说明每一个趋同俱乐部内的县域间的经济差距在缩小。

总体来讲,江苏省县域人均收入的分布动态变化表现为:地区经济首先呈现“单峰”分布,除了少数地区如灌云县、灌南县、涟水县、洪泽县、滨海县、阜宁县等人均收入小于全省平均水平的0.5,吴江、太仓等人均收入高于全省平均水平的1.1之外,其余大部分地区的人均收入均介于全省平均水平的0.5-1.1之间,县域经济出现了趋同现象;随后随着经济的增长,地区经济差异逐步扩大,到2000年,具有较高人均收入水平的地区开始出现分化:一部分保持不变,如常州地区的金坛市、武进市、南通地区的海安、镇江地区的丹阳、丹徒县、扬中,扬州地区的邗江县等,这些地区逐步形成了中间趋同俱乐部;一部分地区经济开始迅速增长,如无锡地区的江阴市、锡山市,苏州地区的常熟市、张家港市、昆山市、吴江、太仓,镇江地区的扬中市等,人均收入均远远高于其它地区,这些地区逐渐形成了向上趋同俱乐部;还有一部分地区经济则开始迅速下降,如徐州地区的新沂市,扬州地区的宝应县、兴化市,盐城地区的金湖县,东台市、盱眙县、沭阳县等,这些地区与本身经济水平就很低的灌云县、灌南县、涟水县、洪泽县、滨海县、阜宁县等地区形成了向下趋同俱乐部。至此,形成了三个趋同俱乐部,且随着时间的推移,三个俱乐部趋同县域内部的经济发展差距在逐步缩小,而三个趋同俱乐部间的经济发展差距在逐步扩大。

由以上实证研究我们发现:存在苏南、苏中、苏北三个趋同俱乐部。它表明在苏南、苏北、苏中三大区域内部存在绝对趋同的现象。即在三大区域内部,越穷的区域经济增长相对越快,而相对较为富裕的区域经济增长相对较慢。这一结果意味着在各个区域内部存在着一个经济趋同的趋势;其次,各个俱乐部之间的经济增长并不存在趋同的迹象,反而表现出穷者越穷、富者越富的现象。

参考文献

[1]Danny T.Quah.Empirics for Growth and Distribution:Stratifica-tion,Polarization and Covergence Clubs[J].Journal of Economic Growth,1997,(02):27-59.

[2]杨明洪,孙继琼.中国地区差距时空演变特征的实证分析:1978—2003,复旦学报(社会科学版),2006,(01).

我国各地区环境状况的主成分分析 第9篇

关键词：主成分分析,环境污染,相关矩阵,特征向量

我国是一个发展中国家, 在追求国民经济增长的同时, 工业中的废水、废气、烟尘、粉尘和固体废物以及生活中的污染给我们的环境带来潜在的危机。本文运用多元统计中的主成分分析法, 对我国31个地区的环境污染状况进行了分析和研究, 并结合当前的实际情况, 做出合理的解释与分析, 对我国的经济与环境的可持续发展提供了现实依据。

1主成分分析法

主成分分析也称主分量分析, 主要思路是:将分散在一组变量上的信息集中到几个综合指标 (主成分) 上, 所得的综合指标是原来变量的线性组合, 以便于利用主成分描述数据集内部结构。它是通过降维方法把多指标转化为少数几个综合指标 (即主成分) 的一种多元统计分析方法。

主成分分析法的步骤如下:

1.1原始指标数据的标准化

设有n个样本, p项指标, 可得数据矩阵X= (Xij) np, i=1, 2, , n表示n个样本, j=1, 2, , p表示p个指标, xij表示第i个样本的第j项指标值。

对数据进行标准化变换:undefined。

1.2求指标数据的相关矩阵

R= (rjk) pp j=1, 2, , p k=1, 2, , p rjk为指标j与指标k的相关系数

undefined

1.3求相关矩R的特征根特征向量, 确定主成分

由特征方程式|λIp-R|=0, 可求得的p个特征值λg (g=1, 2, , p) , 它是主成分的方差, 它的大小描述了各个主成分在描述被评价对象上所起作用的大小。由特征方程式, 每个特征根对应一个特征向量Lg (Lg=Lg1, Lg2, , Lgp) g=1, 2, p将标准化后的指标变量转换为主成分:

F1称为第一主成分, F2称为第二主成分, Fp称为第p主成分。

1.4求方差贡献率, 确定主成分个数

一般主成分个数等于原始指标个数, 如果原始指标个数越多, 进行综合评价时就比较麻烦, 主成分分析法就是选取尽量少的k个主成分 (k

1.5对k个主成分进行综合评价

先求每一个主成分的线性加权值Fg=lg1Z1+lg2Z2++lgpZpg=1, 2, k再对k个主成分进行加权求和, 即得最终评价值, 权数为每个主成分得方差贡献率:undefined, 最终评价值undefined。

2实证分析

本文从中华人民共和国的2008年统计年鉴中选取了6个反映环境污染状况的指标 (原数据来源于《中国统计年鉴2008》) , 分别用x1, x2, x3, x4, x5, x6来表示指标工业废气排放总量、工业废水排放总量、工业二氧化硫排放量、工业烟尘排放量、工业粉尘排放量和生活污水排放量。

对数据的主成分分析具体步骤如下所示:

(1) 通过spss软件对原始数据进行标准化处理, 求出相关矩阵, 如表1所示。

(2) 用spss软件对标准化值进行分析, 计算主成分的特征值和贡献率。结果如表2所示。

取累计率为85%的前2个主成分, 这2个主成分可以代表这6个指标的86.879%的信息量, 为对所选出的主成分进行解释。我们取得2个主成分的因子载荷量 (几个主成分与原始指标的相关系数) , 计算因子载荷矩阵。通过分析可知, 第一个主成分与6个环境指标成正相关, 反映了各个地区的环境污染的综合情况, 而第二主成分在x2和x6前有较大的系数, 主要反映了各地区的污水对环境造成的影响。

(3) 构建主成分模型。由因子载荷矩阵计算结果可得主成分如下:

注意这里的x值是经过标准化处理之后的标准值, 通过spss软件可求得。

(4) 计算综合评价值。从主成分的特征值和贡献率计算构造供应商的评价综合指标F, F是主成分F1和F2线性组合:F=0.674F2+0.195F2。此式即为综合评价值的计算公式, 根据此式计算出综合得分数据。

3结论分析

在对各个地区的环境污染的主成分分析中, 我们选取了两个主成分, 采取了加权的思想, 给出了各个地区环境污染状况的综合评价表达式。在对其进行排名的结果中, 我们发现排在前面的分别是:山西、山东、河北、江苏和河南, 排在后面的分别是:天津、北京、青海、西藏和海南。排在前面的说明环境污染较重, 反之, 排在后面的说明环境污染较轻。

山西、山东、河北、江苏和河南都是全国有名的工业区, 工业污染严重的企业较多, 中小型企业对环境污染的治理并不重视, 工业“三废的”的排放给这些地区的环境造成了很严重的后果。以第三产业为主导的北京并非全国的工业区, 而天津对环境污染高度重视, 并卓有成效。青海和西藏属西部地区经济较落后, 已有的工业也很少。海南由于地理位置的因素, 属于亚热带地区, 也是一个非工业化地区, 所以这些地区的环境较其它地区好, 人为的经济污染也较少。

面对我国经济发展与环境污染的现状, 我们应该坚持经济与环境可持续发展的基本政策。按照可持续发展的战略要, 制定科学的城市环境综合治理规划, 制定有利于城市污水集中处理和生活垃圾安全处置的政策, 加强城市绿化、美化及其保护工作。

参考文献

[1]何亮.主成分分析在SPSS中的运用[J].山西农业大学学报, 2007, (6) :20-22.

[2]徐建.主成分分析在企业评价中的运用[J].江苏统计, 2004, (3) :8-9.