泛珠三角经济发展的比较分析

1、泛珠三角经济发展的比较分析广东商学院华商学院 伍静文、谢素娟、陈沁梓摘 要泛珠三角经济圈是中国区域经济的一个重要组成部分，在经过多年的发展之后，泛珠三角经济圈内的9个省份发展情况各不相同，这种差异会阻碍区域经济的发展。因此，分析如何促进区域内各经济体的协调、共同发展有重要的现实意义。本文选取经济、社会、人口和资源环境四个方面的指标，构建了分析经济发展差异的指标体系，通过建立聚类分析模型，因子分析模型和回归分析模型进行具体分析。在聚类分析模型中，利用spss17.0软件分别对2008年和2009年九个省份进行聚类，分成三类，清楚展示出泛珠三角九个省份经济发展差异的分类情况。在因子分析模型中，利用

2、spss17.0软件对2008年和2009年九个省份进行因子得分排名，得出影响各地区经济发展的主要影响因素，并且进行比较分析。在回归分析模型中，利用eviews6.0得出各个省份人均gdp的多元回归模型，并结合时间序列对未来三年做出预测。模型得出的结果和实际情况基本吻合。关键词：泛珠三角 聚类分析 因子分析 回归分析目 录一.问题的提出3二.区域经济发展差距影响因素分析3三.数据来源及分析软件3四.模型假设和符号说明4五.模型的建立、求解及结果分析5模型一：聚类分析模型51.聚类52.模型结果6模型二：因子分析模型61.模型建立62.模型结果分析73.因子得分分析114.因子分析模型的评价13

3、模型三：回归模型131.模型建立132.时间序列及回归模型预测153.模型的评价16六.结论与建议16参 考 文 献17附录：18一.问题的提出改革开放以来，中国经济实现了近30年的持续高速发展，不断增长的经济实力与竞争力，引来了世人的关注与瞩目，其中以泛珠三角区域的发展速度最为明显。但是，由于泛珠三角区域各省份的自然禀赋、地理位置、改革开放程度以及政策制度等方面具有较大差别、导致各省的发展很不均匀，区域差异问题日趋凸显，且某些方面，差距还有进一步扩大的趋势。例如，泛珠三角九个省的人均gdp差异很大，广东和福建两省的值分别比全国平均水平高87%、63%，其他7省均低于全国平均水平28%。因此区

4、域发展差距已经成为中国经济社会发展的重大挑战，成为中国政府和学术界关注的焦点。近年来，政府高度重视区域发展差距，提出了各种应对措施；学术界也围绕区域发展差距进行了很多研究，提出了不少有价值的观点，其中这些区域差异问题主要表现在各地经济指标、社会指标、人口指标和资源禀赋及变动。如何解决9个省份之间经济发展不平衡的问题,有效遏制经济发展差距扩大的势头,做到各个省份取长补短,互促经济快速发展，是摆在我们面前的严峻课题。当前，中央提出了“统筹区域发展”的战略布局，在此大背景下，利用最新数据重新深入分析研究泛珠三角区域发展差距具有现实而深远的意义。二.区域经济发展差距影响因素分析一般来说，影响一个地区或

5、区域经济发展的因素包括很多方面，例如，地理位置，居民消费水平，人均受教育程度，货运量，固定资本形成总额，家庭人均收入，科学技术水平，产业结构，国家政策，城市基础设施，医疗卫生水平，资源禀赋，环境气候等等。本文根据泛珠三角区域经济发展差异的实际情况，选取了经济，社会，人口及资源环境四个大指标来进行数据分析。三.数据来源及分析软件本文分析的数据均来自中国统计年鉴2010本文数据分析所使用的软件有正版spss 17.0, eviews6.0以及全国统计大赛专业软件马克威分析系统。四.模型假设和符号说明1.若干假设（1）区域经济增长主要是从一个地区的整体水平来考量，因此本文通过人均国内生产总值来度量全

6、国各区域的经济水平。（2）造成全国各区域经济差异的因素很多，本文仅考虑国内投资和消费、区域开放程度、教育水平以及资源环境四大因素，并认为它们是影响区域经济差异最重要的因素。（3）在模型建立的过程中，不考虑经济危机、政策变化等特殊因素或重大事件对经济产生的影响。（4）本文在数据处理时不考虑价格因素对各经济指标的影响。（5）在做因子分析及回归的的过程中，不考虑信息量损失对模型及预测结果的影响。2.指标的选取和符号说明目前来说，影响区域发展的因素有很多，我们把这些因素分为了经济指标、社会指标、人口指标和资源、环境指标四大类来分析区域发展差异的原因。具体指标的选取和符号说明见表1。表1-指标体系构建表

7、大类指标符号单位经济指标人均地区生产总值x1元地方财政收入x2万元固定资本形成总额 x3亿元外商投资企业年底注册登记投资总额x4亿美元社会指标等级公路里程x5公里邮电业务总量x6亿元基本养老保险参保人数x7万人货运量x8万吨人口指标居民消费水平x9元卫生技术人员数x10人高等学校普通本专科毕业生数x11人职工平均工资x12元资源、环境指标森林覆盖率x13%人均水资源量x14立方米/人工业废水排放总量x15万吨国际旅游外汇收入x16亿美元3.数据标准化 由于本文的16个指标的单位都不一样，为了能让后面的分析更加准确，在进行聚类分析和因子分析之前，对所有的数据进行标准化处理。五.模型的建立、求解及

8、结果分析模型一：聚类分析模型1.聚类物以类聚，人以群分，对事物进行分类，是人们认识事物的出发点，也就是人们认识世界的一种重要方法。因此，分类学已成为人们认识世界的一门基础科学。聚类分析指的就是如何对样品或者变量进行量化分类的问题。从统计学的观点看，聚类分析是通过数据建模简化数据的一种方法。传统的统计聚类分析方法包括系统聚类法、分解法、加入法、动态聚类法、有序样品聚类、有重叠聚类和模糊聚类等。采用k-均值、k-中心点等算法的聚类分析工具已被加入到许多著名的统计分析软件包中，如spss、sas等。本文根据所选出的十六个指标，对2008年和2009年泛珠三角九个省进行聚类分析，得到图1和表2如下：表

9、2-2008年聚类表案例号123456789地区福建 江西 湖南 广东 广西 海南 四川 贵州 云南 聚类232123233距离2.7911.8941.43202.2682.0182.1841.8351.647图1-2008年树状图表3-2009年聚类表案例号123456789地区福建江西湖南广东广西海南四川贵州云南聚类222123233距离2.681.7381.41401.5792.3792.5391.8681.512图2-2009年树状图2.模型结果从08年和09年的树状图、聚类表中的距离得出泛珠三角九个省份分成三类，分别为：表4-2008年聚类结果表第一类广东省第二类湖南省，四川省，江西

10、省，广西，福建省第三类贵州省，云南省，海南省表5-2009年聚类结果表第一类广东省第二类湖南省，四川省，江西省，广西，福建省第三类贵州省，云南省，海南省从2008年和2009年的对比来看，在泛珠三角区域中，广东省的经济水平是始终归回第一类，而其他省份在第二第三类的位置均没有改变。以上利用聚类分析对样品进行了分类，但此时仍然不能判断各类经济区域经济的好坏，还不能对它们进行质的判断。因此，为了弥补聚类分析的这个缺陷，我们引入因子分析方法，目的是要计算9个地区的经济的综合得分，从而判断每类地区的经济发展的差异。模型二：因子分析模型1.模型建立因子分析是一种降维、简化数据的技术，它通过研究众多变量之间

11、的内部依赖关系，探求观测数据中的基本结构，并用少数几个抽象的变量来表示其基本的数据结构。总而言之，因子分析就是一种通过显在变量测评潜在变量，通过具体指标测评抽象因子的统计分析方法。本文选取08年和09年的数据进行因子分析。在进行数据分析之前进行kmo检验，检验结果是显著的，表明数据之间具有一定的相关性，可进行因子分析。表6-2008年因子贡献率表解释的总方差成份初始特征值提取平方和载入旋转平方和载入合计方差的%累积%合计方差的%累积%合计方差的%累积%111.32970.80670.80611.32970.80670.8067.95549.72049.72022.12913.30584.111

12、2.12913.30584.1115.02831.42381.14331.1166.97491.0861.1166.97491.0861.5919.94391.086从表6可以看出：共有三个特征值大于1,因此提取三个公因子,第一个公因子可以解释49.720%方差。第二个公因子可以解释31.423%方差，第三公因子可以解释9.943%方差。共可以解释91.086%，说明这3个主因子基本包括了16指标变量的绝大部分信息量。表7-2009因子贡献率表解释的总方差成份初始特征值提取平方和载入旋转平方和载入合计方差的%累积%合计方差的%累积%合计方差的%累积%111.43971.49271.49211.

13、43971.49271.4927.47846.73746.73722.26514.15485.6462.26514.15485.6465.65835.36082.09731.1076.92092.5651.1076.92092.5651.67510.46892.565从表7（2009）得出：前3个因子所对应的特征值均大于1，且它们的累积方差贡献率已达到92.565%，前3个因子已经可以解析92.565%的方差，说明这3个主因子基本包括了16个指标变量的绝大部分信息量。2.模型结果分析通常初始提取的因子很难做出有效地解释，为了更好的解释因子，必须对负荷矩阵进行旋转，以改变每个变量在各个因子的负荷

14、量的大小，从而可以将指标归入各个因子。对2008年的数据进行分析，计算成分旋转矩阵，并从成份矩阵旋转后而得到旋转成份矩阵。见表8和表9。表8-2008年成份旋转矩阵指标成份123x1:人均地区生产总值.844.274.436x2:地方财政收入.874.438.062x3:固定资本形成总额.712.692.035x4:外商投资企业年底注册登记投资总额.934.187.168x5:等级公路里程).350.718-.434x6:邮电业务总量.890.429-.061x7:基本养老保险参保人数.770.608-.065x8:货运量.531.809-.120x9:居民消费水平.884.301.325x1

15、0:卫生技术人员.563.764-.275x11:高等学校普通本、专科毕业生数.170.964.102x12:职工平均工资.902.305-.223x13:森林覆盖率.199-.031.936x14:人均水资源量-.210-.763-.156x15:工业废水排放总量.617.430.100x16:国际旅游外汇收入.951.244.065从因子载荷矩阵中可以看出，经过旋转后的载荷系数已经明显地两极分化了。第一个公共因子f1在指标x2、x4、x6、x12、x16、x9、x3、x7上有较大的载荷，从侧面可以看出，经济发展都需要投资消费，且可以看出指标有较强的相关性，命名为投资收入消费因子。第二个公共

16、因子f2在指标x5、x8、x10、x11上有较大的载荷，从表看出，货运量、高等学校普通本专科生毕业数都在不同程度上影响着经济的发展，因此命名为基础设施因子。第三个公共因子f3在指标x1、x13、x15有较大的载荷，一个地区资源禀赋，也从不同程度影响着经济的发展，因此命名为资源占有因子。表9:2008年成份得分系数矩阵指标成份123x1:人均地区生产总值.112-.038.229x2:地方财政收入.129-.031-.011x3:固定资本形成总额.014.126.033x4:外商投资企业年底注册登记投资总额.200-.146.014x5:等级公路里程-.033.163-.240x6:邮电业务总量

17、.153-.059-.102x7:基本养老保险参保人数.069.055-.059x8:货运量-.049.205-.031x9:居民消费水平.132-.055.150x10:卫生技术人员-.005.151-.151x11:高等学校普通本、专科毕业生数-.231.411.201x12:职工平均工资.214-.145-.236x13:森林覆盖率-.066.080.623x14:人均水资源量.171-.316-.200x15:工业废水排放总量.049.042.051x16:国际旅游外汇收入.204-.141-.051因子得分表达式：同样，对2009年的数据进行分析，计算成分旋转矩阵，并从成份矩阵旋转后

18、而得到旋转成份矩阵。见表10和表11。表10-2009年成份旋转矩阵指标成份123x1：人均地区生产总值.807.249.474x2：地方财政收入.870.482-.026x3：固定资本形成总额.692.708.109x4：外商投资企业年底注册登记投资总额.965.170.151x5：等级公路里程.162.840-.364x6：邮电业务总量.883.459-.017x7：基本养老保险参保人数.792.585-.058x8：货运量.414.872.017x9：居民消费水平.867.323.346x10：万人卫生技术人员.551.809-.148x11：高等学校普通本、专科毕业生数.328.894

19、.058x12：职工平均工资.857.408-.104x13：森林覆盖率.099-.143.950x14：人均水资源量-.210-.760-.066x15：工业废水排放总量.462.648.451x16：际旅游外汇收入.944.267.114从旋转后的因子载荷阵可以看出，经过旋转后的载荷系数已经明显地两极分化了。第一个公共因子在指标x1，x2，x4，x6，x7，x9，x12，x16上有较大载荷，这些指标分别从不同的侧面反映了一个区域的经济，社会和人口状况，说明这6个指标有较强的相关性，可以归为一类，因此可把第一主因子f1命名为经济运行、社会发展和人口发展因子。第二个公共因子在指标x3，x5，x

20、8，x10，x11，x15上有较大载荷，这些指标反映了一个区域的社会发展状况和人才资源的丰富度，同样可以归为一类，因此可把第二主因子f2命名为社会发展和人口发展因子。第三个公共因子在指标x13，x14上有较大载荷，这些指标反映了一个区域的自然资源的丰富程度，因此可以归为一类，将第三主因子f3命名为资源丰富度因子。表11-2009年成份得分系数矩阵指标成份123x1：人均地区生产总值.110-.052.218x2：地方财政收入.161-.047-.113x3：固定资本形成总额.016.110.048x4：外商投资企业年底注册登记投资总额.244-.172-.050x5: 等级公路里程-.106.

21、240-.168x6：邮电业务总量.170-.058-.112x7: 基本养老保险参保人数.114.011-.106x8: 货运量-.103.238.058x9：民消费水平.134-.057.127x10：技术人员-.009.153-.093x11：学校普通本、专科毕业生数-.145.276.106x12：均工资.192-.084-.175x13：覆盖率-.106.050.630x14：资源量.149-.256-.115x15：废水排放总量-.107.197.322x16：旅游外汇收入.218-.133-.058因子分析表达式为：f1=0.110 x1+0.161 x2+0.016 x3+0.

22、244 x4-0.106 x5+0.117 x6+0.114 x7-0.103 x8+0.134 x9-0.009 x10-0.145 x11+0.192 x12-0.106 x13+0.149 x14-0.107 x15+0.218 x16f2=-0.052 x1-0.047 x2+0.110 x3-0.172 x4+0.240 x5-0.058 x6+0.011 x7+0.238 x8-0.057 x9+0.153 x10+0.276 x11-0.084 x12+0.050 x13-0.256 x14+0.197 x15-0.133 x16f3=0.218 x1-0.113 x2+0.04

23、8 x3-0.050 x4-0.168 x5-0.112 x6-0.106 x7+0.058 x8+0.127 x9-0.093 x10+0.106 x11-0.175 x12+0.630 x13-0.115 x14+0.322 x15-0.058 x163.因子得分分析08年综合得分的模型为：z=(54.6%*f1+34.5%*f2+10.9%*f3)/91.086%各地区的单因子、综合因子的得分和排名如下表所示：表12-2008年各省的因子得分排名地区第一主因子f1第二主因子f2第三主因子f3综合因子z得分名次得分名次得分名次得分名次福建0.3942-0.23551.73610.3232江

24、西-1.04790.87831.2292-0.1345湖南-0.65581.1331-0.02850.0303广东2.41310.4854-0.18761.4641广西0.0423-0.4356-0.3877-0.1706海南-0.0684-1.56890.5894-0.5138四川-0.50971.0712-0.9639-0.0144贵州-0.4396-0.5867-1.1373-0.5669云南-0.1305-0.7458-0.8538-0.4217投资消费主因子f1是影响gdp增长两架主要马车，从主因子得分和排名来看，广东得分最高，且远远超过其他的省份。接着是福建、广西、海南。该主因子对

25、地域发展影响最大，也就是说，比较地区发展的差异，很大程度上取决于该地区的投资收入和消费。基础设施主因子f2，是指为社会生产和居民生活提供公共服务的设施，是社会赖以生存发展的一般物质条件。从主因子得分和排名来看，湖南排名第一，接着是四川、江西、广东，从得分可以看出，广东稍微落后，由于广东省人口基数大，从侧面可以看出，在经济快速发展的背后，还需要很多设施需要完善的。居民生活质量主因子f3，体现了一个地区的生活环境和生活水平的情况，反映了该地区对经济发展的程度与生活质量的相关性。从得分和排名来看，排名前三位是福建、江西、贵州。从侧面开看，一个地区的发展除了发展经济外，还必须要保证居民的 生活质量从综

26、合因子z，其得分反映了区域经济发展差异的综合状况，综合了经济和社会发展、生活质量与环境三个方面对经济发展的影响。从综合得分来看，广东居于首位，接着是福建、湖南、四川。最差的是云南、海南和贵州。09年综合得分的模型为：z=(46.737%*f1+35.36%*f2+10.468%*f3)/92.565%各地区的单因子、综合因子的得分和排名如下表所示：表13-2009年各省的因子得分排名地区第一主因子第二主因子f2第三主因子f3综合因子z得分名次得分名次得分名次得分名次福建0.1993-0.22561.75110.2132江西-0.81490.34540.8422-0.1846湖南-0.66281

27、.1071-0.02850.0864广东2.34810.7223-0.11061.4491广西-0.48770.18450.6923-0.0975海南0.2932-2.02090.0334-0.6209四川-0.40061.0882-1.11980.0873贵州-0.2044-0.7638-1.4599-0.5188云南-0.2745-0.4397-0.6027-0.3747经济运行、社会发展和人口发展因子f1 是区域经济运行总量和质量，是经济发展、社会发展和人口协调情况的体现。从f1因子得分和排名来看，广东的得分最高，接着是海南，福建和贵州，而江西，湖南，广西则排名最后。从f1的方差贡献率可

28、以看出，该主因子对各省的经济发展分析的影响力是最大的，也就是说，一个地区的经济发展状况，很大程度上取决于改区域的经济实力、社会环境和人口状况。社会发展和人口发展因子f2表明了一个区域的经济发展状况与该区域的社会环境和人口状况有密切的联系。从f2因子得分和排名来看，湖南，四川，广东的得分占了前三位，而海南，贵州，云南则相对排名最后，这说明了排名前的三个省在公共基础设施、人口素质的提高和职工收入的增加等方面有较大的投入和努力。资源丰富度因子f3 体现一个区域的经济发展与它本身的自然资源有密切相关的联系，从f3得分和排名来看，前三名是分别福建，江西和广西，而贵州，四川和云南排名最后。综合因子z的得分

29、反映了区域经济发展的综合情况，综合了经济指标，社会指标，人口指标和资源、环境指标四个方面对经济发展的影响。从综合得分来看，广东最高，接着是福建，四川和湖南，最差的是海南，贵州和云南。综合2008年和2009年的因子分析做比较表14:2008年和2009年综合因子得分排名 综合因子地区2008年2009年得分名次得分名次福建0.32320.2132江西-0.1345-0.1846湖南0.03030.0864广东1.46411.4491广西-0.1706-0.0975海南-0.5138-0.6209四川-0.01440.0873贵州-0.5669-0.5188云南-0.4217-0.3747在20

30、08年与2009年的因子分析的综合因子得分和排名可以看出，广东依然居于首位，四川和贵州的排名在上升，福建和云南相对于2008年来讲，2009年的排名没有变化。而湖南、广西、海南相对于2008年来讲，2009年得排名下降了。而从得分可以看出，云南、贵州、四川、广西较为落后的地区综合得分都有上升的趋势，也从侧面可以看出，这些地区经济增长的速度较快再结合2009年的聚类分析的结果来看，第一类广东省，它的经济发展状况最好。从综合因子来看，广东的得分首位，且远大于第二名的得分。说明广东已经成为泛珠三角区域乃至中国内地经济发展发达的之一。第二类为福建是福建省、四川省、湖南省、广西、江西省。福建也是中国最早

31、实施对外开放政策的省份之一，经济增长速度和居民生活质量也是居全国前列，福建的区域经济优势和全方位的外向型经济显现出强劲的发展生机，对该地区的投资吸引力会有很大的增强作用。四川是中国西部经济大省，是全国优势资源的富集区之一。四川的主要经济指标均居西部第一位，在全国经济发展格局中处于重要地位，加上其区位优势具有多样性，这与其他省份有很强的互补性，从而使之成为投资者比较热衷的地区。湖南的自然资源、旅游资源以及人文资源都比较丰富，素以“有色金属之乡”、“非金属矿产之乡”和“旅游胜地” 等著称于世，故其第三主因子的得分相对较高。湖南积极抓住开放格局从沿海向沿江、内陆纵深的推进以及国家政策向中西部地区倾斜

32、的机遇，把经济发展和社会发展推上了新的台阶。要使该地区的经济发展更有活力，湖南要充分发挥其在资源上的优势，以吸引更多的资金投向湖南。第三类为云南、贵州和海南，这些省区在评价对象中居于中下位置，其自身发展条件相对恶劣，导致经济和社会的发展步伐比较滞后，对资金的吸引力也不足，形成恶性循环。但这些省区在发展上有一定的后发优势，应当充分发挥这些优势，并对已有资源进行合理开发利用，只有这样，才能在经济和社会发展上赶上先进省份，才会给投资者带来信心。如海南省，应抓住好亚洲论坛永久落户博鳌这一机遇，通过自身努力，牢牢吸引住投资者的眼球。4.因子分析模型的评价（1）优点将因子分析模型应用于泛珠三角地区经济发展

33、差异的分析，提取了影响经济发展地区差异的重要因子，一方面以多指标综合评价各省经济发展状况，另一方面可以比较经济发展水平不平衡的省份在各因子方面的得分高低，进而可以分析具体省份经济发展处于某一水平的原因以及为该地区提高经济发展、缩小地区差异提出针对性建议。（2）缺点本文的因子分析模型只采用了2008年和2009年泛珠三角九个省份的16个评价指标，在纵向比较地区经济发展差异方面有所欠缺。另外，因子分析受到数据结构的影响较大，不同年份采用同样指标进行分析可能会得到不同的因子划分，也不利于纵向的因子比较。模型三：回归模型1.模型建立回归分析是一种应用极为广泛的数量分析方法。它用于分析事物之间的统计关系

34、，帮助人们准备把握变量受其他一个或多个变量影响的程度，进而为预测提供科学依据。分别以每个省的人均gdp作为被解释变量,其他作为解释变量。由于有太多解释变量，在进行回归模型之前必须进行多重共线性检验，用方差扩大法进行检验是否存在多重共线性。然后逐步回归法进行对解释变量进行多重共线性进行补救措施。福建省= 0.842*+2.585*+4.912*+0.076*-0.000265*-1.841*+0.167*-78.059*从回归模型可以看出,固定资本形成总额每增加一亿元，人均gdp平均2.585元，且邮电业务总量每增加一公里，人均gdp平均4.912元，职工平均工资每增加一元，人均gdp平均增加0

35、.842元。江西省=0.753*+0.0000011978*+21.889*+4.974*-0.00248*-0.00117*+2052.192*从回归模型可以看出，职工平均工资每增加一元,人均gdp平均增加0.753元,邮电业务总量每增加一亿元,人均gdp平均增加21.899,基本养老保险每增加一万人,人均gdp平均增加4.974。而国际外汇收入每增加一亿美元，该地区人均gdp平均增加2052.192元。湖南省=0.360*+1.184*-0.000077278*+0.0265*从回归模型可以看出，职工平均工资每增加一元，人均gdp平均增加0.360，而固定资本形成总额每增加一亿元，人均gd

36、p平均增加1.184元。广东省 =0.000166*+0.455*+3.700*+0.021*+0.000000333*从回归模型可以看出，职工平均工资每增加1元，人均gdp平均增加0.455元，固定资本形成总额每增加一亿元，人均gdp平均增加3.7元。广西壮族自治区= 0.544*+286.706*-2.853*从回归模型可以看出，国际旅游外汇收入每增加一亿美元，人均gdp平均增加了286.706元。职工平均工资每增加一元，人均gdp平均增加0.544元。海南省=0.683*+26.373+0.00000714367*+0.0126-0.152-1206.82*-24.174+0.137从回

37、归模型可以看出，职工平均工资每增加一元，人均gdp平均增加0.683元，而基本养老保险参保人数每增加1万人，人均gdp平均增加26.373元。四川省=0.193*+1.112*+2.690*+0.00000024797*+122.354*从回归模型可以看出，固定资本形成总额每增加一亿元，人均gdp平均增加1.112元，而国际旅游外汇收入每增加一亿元，人均gdp平均增加122.354元。贵州省=1.899*+0.000000923*+0.319*-0.0382*从回归模型可以看出，职工工资每增加一元，人均gdp平均增加0.319元。云南省=0.183*+0.000688*+0.640*+0.00

38、00003767*+0.0148*-2.252*从回归模型可以看出，居民消费水平每增加一元，人均gdp平均增加0.64元。从9个省的回归模型中可以看出，福建主要影响人均gdp主要因素是固定资本形成总额、邮电业务总量、职工平均工资。江西主要是职工平均工资、邮电业务总量、基本养老保险、国际外汇收入。湖南省主要是职工平均工资、固定资本形成总额。广东省主要是职工平均工资、固定资本形成总额。广西壮族自治区影响人均gdp的主要因素是国际外汇收入和职工平均工资。海南省主要是职工平均工资和基本养老保险参保人数。四川省主要是固定资本形成总额和国际旅游外汇收入。贵州省主要是职工平均工资。云南省主要是居民消费水平。综合每个省的模型可以看出，影响一个地区的gdp主要职工平均工资和固定资本形成总额。从一个侧面可以看出，中国的经济发展主要受投资来拉动。综合每个省份在2009年的因子分析可以看出，在每个省的回归模型中，主要拉动人均gdp增长大部分都是第一主因子f1经济运行、社会发展和人口发展因子上的较大的因子载荷。也说明了，区域经济发展的差异主要受经济运行、社会发展和人口发展的因素影响。2.时间