统计分析案例 课件 案例2-1：长三角城市一体化发展状况分析-基于面板数据的聚类分析

案例2-1：长三角城市一体化发展状况分析

——基于面板数据的聚类分析目录123案例背景测度方法与理论模型指标选取与数据来源数据分析4案例结论501案例背景0302背景长三角地区作为我国经济规模最大的地区，并已经上升为国家战略位置，有着重要的战略意义。同时，2019年国家颁布新的一体化规划文件，提升长三角一体化进程，带来新的机遇与挑战。长三角城市群一体化有助于解决区域内发展不平衡、不协调等问题，促进资金、人才等生产要素充分流动。然而，在新时代的发展浪潮下，长三角城市群受到疫情的冲击，城市群内部来自自身的发展不足，缺少有效协调发展机制。

本案例将在构建长三角城市群一体化水平指数的基础上，对长三角城市群一体化水平进行基于面板数据的聚类分析，研究的结论将有利于深入研究长三角城市群一体化发展水平，为政府部门制定发展规划提供依据，为其他城市群提供发展经验，促进国家经济发展。02测度方法与理论模型面板数据测度指标体系的熵值法（1）数据标准化。（2）计算指标体系中的比重矩阵。比重矩阵的元素为（3）计算出第j项指标的信息熵。（5）计算综合得分。（4）计算出第j项指标的熵权wj面板数据的聚类分析模型面板数据聚类方法面板数据聚类方法是充分考虑指标水平值、增长速度和波动情况后的聚类法。面板数据特性面板数据兼具截面数据和时间序列数据特性，近年来在经济管理领域应用广泛。传统聚类分析传统的聚类分析方法一般针对截面数据或单指标时间序列数据，无法体现指标的时序发展特征。

面板数据聚类分析在度量样品相似性时采用绝对量距离、增长速度距离和波动距离的加权，该聚类分析过程为：首先，计算绝对量距离、增长速度距离和波动距离；然后，计算出三类距离的权重，求出三类距离的综合距离；最后，基于综合距离采用经典的系统聚类法。具体过程如下。1.计算三种距离。2.计算距离权重及综合距离。客观权重可以采用熵权值法，在参考李因果（2020）的基础上进行了细微修改，具体步骤如下。3.基于综合距离的系统聚类。03指标选取与数据来源指标选取在参考谈肸(2017)和李琳等(2016)文献的基础上，结合长三角城市2010至2019年指标数据，从能找到的指标数值出发，根据几个指标选取原则，构建了包含38个指标的体系。构建指标体系所选的指标体系具有科学性、代表性、综合性和可行性几个特点，确保了指标的准确性和可靠性，为后续的研究提供了坚实的基础。指标体系的特点数据来源与预处理数据来源选取长三角的26个城市38个指标2010-2019年的年度数据，数据来源包括三省一市的省与地市级的统计局里的统计年鉴、统计公报和《中国城市统计年鉴》。数据处理对极个别缺失的数据通过平均值等方法进行了填补，将数据作了标准化处理，处理的方法见熵权TOPSIS模型中提到的标准化处理方法。负向指标处理工业废水排放量和工业废气排放总量两个指标是负向指标，按照负向指标的处理方法处理，市场分割指数的价格指数视为正向指标，并连同其他正向指标都按照正向指标的标准化处理。04数据分析聚类分析在反映城市一体化水平的38个指标中，由于“X4_5生活垃圾无害化处理率”指标在连续几年中取值均为100%，无波动，无法计算波动矩阵，因此该指标被剔除。指标选择根据面板数据聚类方法，计算绝对量距离矩阵、增长速度距离矩阵和波动矩阵，并将其标准化。然后采用熵权值法计算客观矩阵，并计算出综合距离矩阵。聚类分析基于综合距离矩阵，采用Ward系统聚类法，得到树形图。结合树图和半偏控制在0.1以内，将26个城市聚成4类，聚类结果见表2-1-3。聚类结果聚类分析城市一体化水平的熵值测度由表2-1-4可知，城市群一体化水平评价指标体系权重赋值中，权重较大的是经济和公共服务，其次是交通，市场和生态环境的较小。这说明较好的经济、公共服务和便利的交通是提升城市群一体化水平的关键，但也不能忽视市场和生态环境。城市一体化水平的类特征1.描述性统计量。由表2-1-6可知，在均值方面，第4类城市的城市群一体化水平综合和各分项的均值都是最大的，其次是第3类城市，最小的是第2类城市。在增长速度方面，第4类城市的综合、市场、交通一体化水平的增长速度都是最大的，而公共服务一体化水平的增长速度是最小的；第3类城市的生态环境一体化水平的增长速度是最小的；第2类城市的经济、生态环境和公共服务一体化水平的增长速度都是最大的，而综合一体化水平的增长速度是最小的；第1类城市的市场和交通一体化水平的增长速度都是最小的。在波动值方面，第4类城市的综合、经济、市场、交通一体化水平的波动值是最小的，但其生态环境和公共服务一体化水平的波动值达到第二大；第3类城市的交通和公共服务一体化水平的波动值最大，其他波动值居中，处于第二或第三大；第2类城市的综合和经济一体化水平的波动值是最大的，生态环境和公共服务一体化水平的波动值是最小的；第1类城市的市场和生态环境一体化水平的波动值最大。2.时序图。由图2-1-2至图2-1-6可知，从整体上看，城市群综合一体化水平具有上升的趋势。将图2-1-2至图2-1-6结合表2-1-6可知，上海（第4类城市）的综合一体化水平最高，增长速度最快，波动最小；南京等第3类城市的综合一体化水平较高，增长速度较快，波动较小；合肥等第1类城市的综合一体化水平较低，增长速度较慢，波动较大；芜湖等第2类城市的综合一体化水平最低，增长速度最慢，波动最大。由图2-1-12至图2-1-16可知，从整体上看，城市群市场一体化水平具有上升的趋势。将图2-1-12至图2-1-16结合表2-1-6可知，上海（第4类城市）的市场一体化水平最高，增长速度最快，波动最小；南京等第3类城市的市场一体化水平较高，增长速度较快，波动较小；合肥等第1类城市的市场一体化水平较低，增长速度最慢，波动最大；芜湖等第2类城市的市场一体化水平最低，增长速度较慢，波动较大。由图2-1-17至图2-1-21可知，从整体上看，长三角城市群交通一体化水平在2018年之前的上升趋势不明显，在2018年之后有上升的趋势。将图2-1-17至图2-1-21结合表2-1-6可知，上海（第4类城市）的交通一体化水平最高，增长速度最快，波动最小；南京等第3类城市的交通一体化水平较高，增长速度较快，波动最大；合肥等第1类城市的交通一体化水平较低，增长速度最慢，波动较大；芜湖等第2类城市的交通一体化水平最低，增长速度较慢，波动较小。由图2-1-22至图2-1-26可知，从整体上看，城市群生态环境一体化水平无明显上升趋势，且有较大的波动。将图2-1-22至图2-1-26结合表2-1-6可知，上海（第4类城市）的生态环境一体化水平最高，波动较大；南京等第3类城市的生态环境一体化水平较高，波动较小；合肥等第1类城市的生态环境一体化水平较低，波动最大；芜湖等第2类城市的生态环境一体化水平最低，波动最小。由图2-1-27至图2-1-31可知，从整体上看，城市群公共服务一体化水平有明显的上升趋势。将图2-1-27至图2-1-31结合表2-1-6可知，上海（第4类城市）的公共服务一体化水平最高，增长速度最慢，波动较大；南京等第3类城市的公共服务一体化水平较高，增长速度较慢，波动最大；合肥等第1类城市的公共服务一体化水平较低，增长速度最快，波动较小；芜湖等第2类城市的公共服务一体化水平最低，增长速度最快，波动最小。05案例小结本案例基于长三角城市群26个城市在经济、市场、交通、生态环境、公共服务5个方面38个指标的2010—2019年数据，对长三角城市群一体化水平进行统计分析。首先，利用除X4_5（生活垃圾无害化处理率）之外的37个指标的原始数据，做了面板数据的聚类分析；然后，采用熵值法获得了26个城市的综合一体化水平，以及经济、市场、交通、生态环境和公共服务5个分项的一体化水平；最后，结合聚类分析的结果，探索出长三角城市群的一体化水平特征。最终得到以下结论。（1）根据长三角城市群一体化水平的发展情况，26个城市可以聚成4类，其中，第1类城市={合肥、常州、南通、盐城、扬州、镇江、泰州、嘉兴、湖州、绍兴、金华、台州}；第2类城市={芜湖、马鞍山、铜陵、安庆、滁州、池州、宣城、舟山}；第3类城市={南京、无锡、苏州、杭州、宁波}；第4类城市={上海}。（2）较好的经济、公共服务和便利的交通是提升城市综合一体化水平的关键。（3）各类城市的综合一体化水平、增长速度和波动值存在差异，整体而言：第4类城市的综合一体化水平最高，增长速度最快，波动最小；第3类城市的综合一体化水平较高，增长速度较快，波动较小；第1