内蒙古经济活力的影响因素与决策研究论文_陶钰禧1 刘天朔2,华烨3

在研究中，我们首先收集了内蒙古12个城市地区的25个经济活力指标，对所提供的数据进行了预处理，使用SPSS20.0，统计软件和其他分析工具建立了相关的统计模型。成分分析对该系统进行了评估，并给出了内蒙古12个城市的经济活力排名。在改革经济政策后，使用时间序列方法来预测每个城市的经济活力。

我们使用SPSS软件收集了内蒙古的相关影响指标数据，然后对其进行了预处理，以进行主要成分分析。我们发现人均GDP，雇员的年平均工资和存活的企业数量。结果是，人均财政预算成为代表因素。最后，我们得出了人口统计趋势和企业活力的观点，并分析了对经济活力的影响。此外，纸上还显示了经济实力和人口趋势的正态分布拟合图和线图，以及存活企业的数量。

经过综合分析后，已使用SPSS软件预测短期和长期发展中的城市经济活力值。预测结果表明，短期内的经济转型将导致城市经济活力的增加。长期的经济活力会在不久的将来增加，但在进一步的将来会减少，然后又一次又一次地增长。因此，要保持城市经济的健康和稳定发展。

关键词: 城市经济活力 主成分分析 时间序列预测 模糊评价分析

一、问题提出

1.1 问题背景

如今，中国经济已经进入新常态转型发展的关键时期。 随着第三产业的快速发展，经济增长速度已从高速增长逐步过渡到中高速增长。 但是，城市发展差距在逐步扩大，两极分化严重，不同地区的发展不平衡，区域经济差异也存在。 经济活力主要体现在经济的发展潜力、对资金、人才、企业的吸引力，科技创新以及使用这些因素的未来趋势。 经济活力决定着一个国家或地区维持经济增长的能力。 因此，对一个国家或地区经济活力的分析和评价，可以准确地定位其经济活力的现状，对进一步激发经济活力具有重要的指导意义。

1.2 问题分析

本文的重点是分析和处理收集到的数据，建立数学模型以分析影响经济活力的因素，建立合理的评估模型。

三、数据预处理和模型建立

3.1 确定主要成分的数量

利用《内蒙古统计年鉴》，《中国统计年鉴》，《内蒙古信息统计网》以及2012年至2016年各个城市的统计公告，收集了12个城市的相关指标数据。多个因素综合影响下的城市经济活力，不能直接定量比较各种因素的单位和尺寸上的不一致，也没有统一的比较标准。如果直接引用原始数据，将无法进行比较，或者获得的结果将无法准确地偏离实际情况。因此，必须对数据进行处理，以消除属性的尺寸，数量级和属性类型，以便可以对数值进行数值计算。指标矩阵是标准化的，并且在[0,1]范围内计算。 SPSS可以自动标准化，此处仅强调。对原始数据进行处理后，获得内蒙古12个城市的相关因子指数数据，如下图所示：（这里仅列出了4个城市的25个均值数据）

表 2 ：提取方法：主成分分析

根据上表中对总方差的解释，可以通过分析获得七个综合因素。总方差贡献率为93.692％，符合相应要求，表明因子分析在提取原始变量信息方面更为有效。

四、 模型检查和预测

4.1 模型检查

据文献了解，内蒙古2003年至2018年第一季度的总产量，并获得了内蒙古自治区人民消费指数和内贸与外商投资的数据，均为季度数据。 说明。 首先检查是否缺少数据。 我们使用的数据均不会丢失，因此无需使用相邻点的均值或中值。

该表的R.square得分为0.986，拟合效果很好，接近实际情况。 实际上，只要大于0.7，就证明拟合效果良好。 为了达到拟合效果，我们再次构建模型，并得到如图所示的图片。 它不超过布线即可再次证明其良好的拟合效果。

表 4 ：数据模型4.2内蒙古未来长期和短期的经济预测

根据SPSS时间序列的建立步骤，我们得到以下图表：

从图中可以清楚地看到短期内经济活力值的变化。 由于我们在现阶段从文献中搜索的数据是2013年至2018年第一季度的数据，因此我们实际上预期从2018年第一季度开始。接下来几年的经济活力将发生变化。 根据SPSS的时间序列预测，我们获得了2020年第一季度的经济活力变化。具体表现为：经济政策改革后，经济活力呈上升趋势，经济活力呈变化趋势。 波动趋势，动态范围与前几年的变化相似。

图 7 区域经济活力预测示意

参考文献

[1]Xiao-Lin Li,Xin Li,Deng-Kui Si. Investigating asymmetric determinants of the CNY–CNH exchange rate spreads: The role of economic policy uncertainty[J]. Economics Letters,2020,186.

[2]Patricia Guarnieri,Jorge A. Cerqueira-Streit,Luciano C. Batista. Reverse logistics and the sectoral agreement of packaging industry in Brazil towards a transition to circular economy[J]. Resources, Conservation & Recycling,2020,153.

[3]Nikolaos Antonakakis,David Gabauer,Rangan Gupta. Greek economic policy uncertainty: Does it matter for Europe? Evidence from a dynamic connectedness decomposition approach[J]. Physica A: Statistical Mechanics and its Applications,2019,535.

[4]Dario Caldara,Matteo Iacoviello,Patrick Molligo,Andrea Prestipino,Andrea Raffo. The Economic Effects of Trade Policy Uncertainty[J]. Journal of Monetary Economics,2019.

[5]Tien Manh Vu,Hiroyuki Yamada. Convergence of public and private enterprise wages in a transition economy: Evidence from a distributional decomposition in Vietnam, 2002–2014[J]. Economic Systems,2019.

[6]Canh Phuc Nguyen,Thai-Ha Le,Thanh Dinh Su. Economic policy uncertainty and credit growth: Evidence from a global sample[J]. Research in International Business and Finance,2020,51.

[7]Markovic Dejan,Soldatovic Ivan,Vukovic Rade,Peric Tamara,Campus Guglielmo Giuseppe,Vukovic Ana. How Much Country Economy Influences ECC Profile in Serbian Children-A Macro-Level Factor Analysis.[J]. Frontiers in public health,2019,7.

论文作者:陶钰禧1 刘天朔2,华烨3

论文发表刊物:《工程管理前沿》2020年2月4 期

论文发表时间:2020/4/30