东北三省经济发展水平及影响因素因子分析摘 要：东北三省在我国属经济欠发达地区，对于这个资源丰富、地理位置占有绝对优势的地区来讲，这是一个可悲的现象。东北三省有着太多的共同点，但又有着各自的特点，这对于东北三省发挥各自的优势以及进行经济合作都是非常有利的。作为东北土生土长的孩子,很希望能为家乡的经济发展献计献策，贡献一份自己的力量。本文通过对部分经济指标进行因子分析，判断出造成东北三省经济差距的潜在因素及三省各自的优势，并给出东北三省发挥各自优势以及共同合作的建议。关键词：经济比较，东北三省，因子分析（一）前言改革开放以来,我国的经济发展取得了举世瞩目的成就,综合国力日益增强,人民生活水平也显著提高，我国各个省的经济发展水平也都随着国力的增强而提高。但是，各个省的经济发展速度并不是同步的,导致省域经济发展水平不同,而且差距有日趋扩大的趋势。区域经济发展的不平衡性是世界经济、世界各国各地区经济发展中普遍存在的现象。就全世界而言，表现为发达国家与发展中国家之间的差距；就我国，则表现为东西部差距。这种不平衡发展会影响国民经济整体素质的提高以及国民经济的协调发展,关系到整个现代化的进程。在这种情况下,比较各省域的经济发展水平,明确各省域经济在整个国民经济中的位置,分析各省域的优势与劣势,对于各省域制定其最优发展策略以及对国家制定区域经济协调发展政策都有重大的意义。在各地区的经济蓬勃发展的同时,东北三省经济日益相对落后,已成为制约中国经济跃上新台阶、实现工业化与现代化的瓶颈。在中华人民共和国历史上,东北三省经济曾有过令人刮目相看的成就与辉煌。直到1978 年,东北三省的人均GDP 仅次于京、津、沪3 大直辖市,在全国处于领先地位。但是,从上个世纪90 年代开始,东北三省经济发展明显落后了。由于中国改革开放首先从东南沿海地区起步,各种优惠政策首先在那里实施,外国资本及先进技术与管理方法最先从那里引入,因而东南沿海地区经济快速增长。尤其是自1992 年春天起,在邓小平南巡讲话精神的鼓舞下,中国经济发展战略的重点更是明显地移向东南沿海地区,资本、技术和人才一并“东南飞”。而此时，东北三省几乎被冷落、被担负大量沉重包袱的国企所拖累、被落后且严重失衡的产业结构所困扰,发展步伐日益趋缓。可以肯定地讲,东北三省经济若不振兴,中国的工业化与现代化必然大受影响,甚至难以实现。因此,振兴东北三省经济是当今中国经济发展的大局,是全国人民的根本利益所在。我是一名土生土长的黑龙江人，虽然对家乡充满了无限的热爱，但也深知家乡的经济水平处在全国相对落后的位置。而黑龙江作为全国位置最东北的一个省，作为东北三省这个整体的重要组成部分，对于整个东北的发展也起到至关重要的作用。因此，我通过对本文的创作，对东北三省的经济进行综合的比较和分析，得到三个省各自的优势和劣势，为其各自的发展和东北三省彼此间的合作提出合理的意见和建议，希望能够为东北三省的经济发展提供一定的帮助。(二)东北三省的经济概况 自上个世纪80年代以来，历史上一度作为老工业基地的我国东北地区的经济地位在全国相对下降。东北三省的发展速度，特别是工业和经济总量的增长率渐渐落后于全国平均水平。下面将东北三省和北京、上海、江苏这三个经济发达地区进行比较。简单的选取城镇家庭人均实际月收入和城镇家庭人均可支配月收入为指标进行比较，虽然这两个指标并不能完整的说明问题，但也能反应出部分问题。数据见表1。表1城镇家庭人均实际月收入城镇家庭人均可支配月收入2008年12月（元）2008年12月（元）辽宁1583614393吉林1360612829黑龙江1226411581北京2767824725上海2975926675江苏2017618680(数据来源:中经网)数字对比不直观，下面用图表来更清晰的反应各指标间的差距。图表见图1。图 1由上图我们可以清晰看出，东北三省在经济上存在着一定的差距，表现为辽宁的各项指标最高，黑龙江最低。而且，这三个地区和经济发达地区的差距更是非常明显，其中差距最大的是黑龙江和上海，差距达到了一倍之多。从这个简单的例子我们可以看到东北三省和经济发达地区的差距有多么明显。对于这个资源丰富，地理位置占有优势的地区来讲，是一个多么可悲的事实。但是我们也应该看到，在东北这三个省中，辽宁的经济相对发达一些，与江苏的差距非常小，也就是说，辽宁发挥出了一定的优势，这也许值得吉林和黑龙江借鉴，又或者，可以以辽宁为龙头，带动整个东北三省的经济腾飞。结合本文选取数据的特点以及其他相关的文章，本文选择用因子分析来进行研究，找到造成东北三省经济差距的原因和各个省的优势，以给出对策，使三个省都能发挥各自的优势。（三）什么是因子分析因子分析法是将各项指标归纳为一项或多项综合指标的一种多元统计方法。多变量大样本资料无疑能为科学研究提供很多有价值的信息，但有时，有必要简化(降维)数据，即从多变量或大样本中选择少数几个综合独立的新变量或个案，用以反映原来变量的大部分信息。数据简化(降维)分析中的因子分析能实现这个目的。因子分析是从多个变量(指标)中选择出少数几个综合变量的一种降维多元统计分析方法，用以达到数据简化的目的。在分析处理多变量问题时，变量间往往相关极为密切，使得观测数据所反映的信息有重叠，因此，人们希望能找出较少的综合变量尽可能多地反映原来变量的信息，彼此之间又互不相关。这些不可观测的少数几个综合变量称为公共因子或潜在因子。因子分析可以根据用户选择的对象提取公因子方法与初始因子载荷矩阵的旋转方式，输出变量的特征值，方差百分比，累计方差百分比，旋转后的因子矩阵，碎石图，以及旋转因子空间成分图等。（四）东北三省经济发展差距的因子分析结合东北三省的特点以及其他相关文章的指标选取，本文选取人均国内生产总值、农业总产值、国际旅游收入、全社会固定资产投资总额、工业总产值、原煤产量、原油产量、天然气产量、钢产量共九个经济指标。以上指标体系尽管并不能覆盖东北三省经济发展的所有方面，但基本反映了东北三省的经济运行情况。由于选择了因子分析方法，所以数据选取了从1989年到2007年以保证因子分析的可行性。详细数据见表2。表2年份农业总产值工业总产值全社会固定资产投资总额辽宁吉林黑龙江辽宁吉林黑龙江辽宁吉林黑龙江1989109.8786.61111.481092.4530.36804.7788.85271.06170.641990146.2135.31781124.8552.36863.5193.22228.76164.021991158.3129.4170.91493.7539.35888.83113.99315.37189.71992176.1138.9199.91825.6662.93983.13151.3431.04244.291993250.3174.63235.362611.4890.431233.1248.29710.92330.551994301.35270.81381.453221.11084.81609.8288.61866.49404.941995391.9301.44462.163544.31233.51951.3320.27865.49517.621996455.14363.67558.683354.61232.61967.7362.99881.67568.641997433.62315.45571.13644.91355.52141.9361.17986.62669.861998534.7394.9517.63147.91225.51739.7431.81057.7770.11999510.9388.44603390.11366.91854.65001119.5751.72000463.5320.3414.44249.51679.92460.9603.51267.7832.62001503.1405.9450.64480.31876.72365.4701.71421.2963.62002540.1419.7487.548882171.22487.6834.21605.61046.22003497.3438.3502.961132662.329109692076.41166.22004611.3486.2620.28463.73227.13812.51169.12979.61430.82005640.1518.1718.61081537924714.91741.14200.41737.32006715.1597787.4141684752.75440.22594.35689.622362007837.5641.5971.91825064866143.23651.47435.22833.5表2续1年份原煤产量原油产量天然气产量辽宁吉林黑龙江辽宁吉林黑龙江辽宁吉林黑龙江19890.4980.2440.76171092.4342.245555.619.981.0222.4919900.5100.3610.82631124.8356.75562.220.420.9822.4719910.520.260.851493.7342.35562.320.551.2622.7319920.540.250.841825.6344.065565.821.11.6822.8719930.560.240.732611.4338.435590.520.782.0522.2819940.550.250.773221.1332560121.152.1623.219950.560.260.793544.3342.735601.521.121.8325.9119960.60.260.823354.6373.65601.719.622.123.3319970.590.270.853644.9405.15609.219.142.9523.4919980.580.210.713147.9397.075593.815.552.1223.319990.480.160.623390.1358.025450.514.282.422.3520000.450.160.54249.5348.465306.714.72.05