(江西農業大學 江西 南昌 330000)
經濟發展一直都離不開四個必要條件:人口、產業、資源和交通,江西省作為一個有4600萬人口的中部省份,坐擁中國最大的淡水湖鄱陽湖,周邊地區多為山區、中部多為丘陵平原,在歷史上就被當成是“魚米之鄉”,江西的地下貯藏著大量礦產資源和稀有金屬,在近代工業起步時期發揮了重大作用,這些也帶動了江西的經濟發展。隨著中部崛起戰略的實施,近年來,江西省規模以上工業增加值增速持續穩居全國第一方陣。
目前,正值我國重點調整產業結構、優化產業格局之際,江西省作為近年來經濟增速始終位于第一梯隊的省份,不乏有學者對江西省經濟發展能力做出分析,主要集中在以下方面:分析城鎮化水平和經濟發展的關系(徐展峰 2012),農村消費潛力對江西經濟發展的影響分析(萬國京 2014)以及人才資源對江西經濟發展的影響分析(閔蕓芝,周明 2013)。目前江西省工業面臨著穩增長與提質量的雙重挑戰,要實現江西省工業高質量跨越式發展,必須牢牢把握工業強省戰略,針對各個城市不同的情況,因地制宜發展最佳產業,構建現代化產業體系,本文具體研究了江西省11個城市的經濟發展能力。
城市經濟發展能力指標體系的構建除了考慮地方的經濟總量之外,還要考慮到經濟質量和經濟效能,因此本文提取了8個變量,分別是城市、人口、2019年前三季度GDP、人均GDP、財政總收入、社會消費品零售總額、城鎮和農村人均可支配收入,8個變量分別定義為V1-V8,選取的11個觀測樣本分別是江西省的11個地級市。
在搜集好數據、選擇好變量和模型之后,接下來就是將數據錄入Stata軟件中進行處理,得到最后的實證結果。第一步,在將數據從Excel導入Stata后,在Stata14的Command文本框中輸入命令:summarize V2-V8,就能考察所有變量的統計特征,也就是數據的描述性統計結果。
從統計結果中可以得出江西省11個城市的各項經濟指標的平均數、標準差、最小值以及最大值,可以看出江西各市間的經濟發展水平差距較大,尤其體現在GDP和社會消費品零售總額水平上,省內GDP最高的南昌市是最低的鷹潭市的6.5倍,社會消費品零售總額最高的南昌市是最低的鷹潭市的9.5倍。那么我們具體分析一下江西省各市的GDP情況,在Command文本框中繼續輸入命令:summarize V3,detail,得到以下具體的GDP描述性統計結果:

由圖可以看出,GDP這一變量百分位數的第一個四分位數是804.2,第二個百分位數是1374.8;四個最小值分別為627.1、666.7、804.2、808.8;四個最大值分別為1764.6、2072、2158、103.5;均值為1562.027,標準差為1011.852,偏度為1.442676,為正偏態;峰度為4.620764,有一個比正態分布較短的尾巴。通過描述性分析可以看出,其它各個變量的所有數據都沒有極端值和異常值,數據間的量綱差距也在可接受范圍之內。
接下來進行數據相關性分析,在Stata14的Command文本框中輸入命令:pwcorr V2-V8,sidak sig star(0.01),分析7個變量間相關性在置信水平為99%時是否顯著。
由此分析可以得出GDP與財政總收入之間的相關系數為0.9869,與社會消費品零售總額之間的相關系數為0.9774,具有很強的相關性;財政總收入與社會消費品零售總額之間的相關系數為0.9484,具有很強的相關性;此外GDP與人口數的相關性較強,與人均GDP、城鎮、農村人均可支配收入的相關性都較弱。
由上可以看出,江西省各市的經濟發展水平并不是完全和人口成正相關的,總的來看省會南昌的各項經濟數據都領先全省,但南昌人口只有554.6萬,因此人均水平更是遙遙領先,贛州人口高達864萬,GDP卻只有南昌的一半,城鎮、農村人均可支配收入也比南昌低很多,經濟發展水平有待提高。
1.建立回歸模型
考慮到GDP與人均GDP、城鎮人均可支配收入和農村人均可支配收入變量間相關性較弱,本文把GDP作為因變量,把人口數、財政總收入和社會消費品零售總額作為自變量進行多重線性回歸,在Command文本框中輸入如下命令:sw regress V3 V2 V5 V6,pr(0.1),得到如下結果:

建立線性模型:V3=a*V2+b*V5+c*V6+u,即:GDP=a*人口數+b*財政總收入+c*社會消費品零售總額+u,式中a、b、c是未知的回歸系數,u是隨機誤差項。
2.模型修正
模型經過一次剔除變量后得到最終結果,該模型V2變量的系數顯著性P值高達0.9778,被剔除,之后得到最終回歸模型。
從上述分析結果中看出模型的F值(2,8)=437.87,P值(Prob>F)=0.0000,說明該模型整體非常顯著。模型可決系數(R-squared)是0.9959,模型修正可決系數(Adj R-squared)=0.9887,說明模型解釋能力非常優秀。
在回歸線性模型中變量V6的系數標準誤是0.260812,t值為3.88,P值為0.005,系數比較顯著,95%的置信區間為[0.4112879,1.614155],同理可知V5的同類數據。常數項的系數標準誤是76.37432,t值為-0.05,P值是0.959,系數是顯著的,95%的置信區間為[-180.1473,172.0916]。
因此線性模型:V3=6.337621*V5+1.012722*V6-4.027856
即GDP=6.337621*財政總收入+1.012722*社會消費品零售總額-4.027856。
3.因變量擬合值的預測
因變量預測擬合值是根據自變量的值和得到的回歸方程計算出來的,主要用來預測未來。在Command文本框中輸入rvfplot后得到殘差與擬合值的散點圖。結果是殘差并隨著擬合值的大小的不同而不同,圍繞0值上下隨機波動,數據很可能是存在異方差。
4.異方差的檢驗
在Command文本框中輸入estat imtest,white,得到懷特檢驗結果,可得P值=0.3497,拒絕原假設,不存在異方差。
1.因子分析
在Command文本框中輸入factor V2-V8,pcf,得出因子分析結果如下:

7個因子中只有2個因子特征值(Eigenvalue)大于1,選取這2個因子分別作為新的綜合評價指標,LR檢驗的卡方值為113.36,P值(Prob>chi2)為0.0000,模型非常顯著。第一個因子的特征值(Eigenvalue)為3.72538,方差貢獻率(Proportion)為53.22%;第二個因子特征值為2.81352,方差貢獻率為40.19%,前2個因子的累計方差貢獻率(Cumulative)為93.41%,解釋了原始數據的93.41%的信息。
2.因子結構旋轉
采用最大方差正交旋轉法對因子結構進行旋轉,在Command文本框中輸入rotate,再輸入predict F1 F2,得出因子得分系數矩陣,由此寫出主因子的表達式:
F1=0.23126*V2+0.27428*V3+0.01049*V4+0.27748*V5+26291*V6-0.07617*V7-0.03646*V8;F2=-0.24475*V2+0.01493*V3+0.31063*V4-0.01946*V5+0.05270*V6+0.27597*V7+0.32536*V8
3.KMO檢驗
在Command文本框中輸入estat kmo進行KMO檢驗,判斷數據是否適合進行因子分析,其取值范圍是0~1,其中,0~0.5表示不可接受,0.5~1表示可以接受。檢驗得出總體(Overall)KMO的取值為0.5739,因子分析處于可以接受狀態。
4.各城市綜合得分
接下來依據提取的主因子對西藏各城市經濟發展能力給出綜合得分并進行排名。在Command中輸入命令generate F=0.6147*F1+0.3307*F2可求出江西各城市經濟發展能力的綜合得分,其中F1、F2是在進行因子分析時候對提取的主因子保存的變量,系數是主因子的方差貢獻率。可以得出各市綜合得分:

城市綜合得分排名南昌1.9464121九江0.1441762新余-0.068463上饒-0.077394宜春-0.164525萍鄉-0.17656贛州-0.237067吉安-0.247238景德鎮-0.28019鷹潭-0.3162410撫州-0.5230911
經過主成分因子分析后,可以看出南昌作為江西的省會,各項經濟指標明顯領先全省,綜合得分和兩個主因子得分均是第一,屬于省內的第一梯隊城市。九江的綜合得分僅次于南昌,但從各項指標和得分情況來看和南昌的差距較大,第三名新余和第四名上饒綜合得分差距不大,都屬于省內發展水平較好的城市。值得關注的是,贛州作為省內人口最多的城市,雖然目前經濟發展水平不高,但從另一方面來講,在人口紅利逐漸消失的未來,人口資源將是一個城市發展最重要的資源,在這一點上贛州有著絕對的優勢,未來務必要出臺政策留住人才甚至吸引人才。
宜春、上饒、萍鄉這個城市綜合得分差距不大,這幾個城市發展質量有待提高,經濟總量和人均水平都屬于較低的水平。萍鄉、鷹潭和撫州由于人口較少,導致綜合得分較低。這些城市的當務之急是優先發展第二產業,適當發展第三產業,總量提高了,人均水平自然也隨之上漲
最后對提升江西省的整體綜合經濟發展能力提出以下建議:
1.首先要加強基礎設施建設,完善交通網,為提高綜合經濟能力的發展提供保障。
2.堅持開放和創新的思想,重點解決發展不平衡、不協調、不可持續等突出問題,因地制宜發展特色產業,統籌兼顧,縮小貧富差距。
3.加強與國內其他城市的協同發展,積極整合省內、國內及國外的各種資源,資源共享從而發揮信息優勢。
4.完善人才政策,經濟發展離不開人才,南昌去年頒布的落戶政策值得全省推廣,江西要發展必須減少人才外流甚至吸引外省人才。