1、 統(tǒng)計分析與行業(yè)應(yīng)用論文報告 江西省各市綜合經(jīng)濟(jì)實力分析評估 -基于因子分析法 目 錄序 言11問題的提出32理論基礎(chǔ).32.1方法的選用32.2因子分析法的簡介42.2.1 因子分析數(shù)學(xué)模型42.2.2 因子分析法的原理43江西省各城市社會發(fā)展水平分析53.1 建立評價指標(biāo)體系53.2 因子分析的適宜性檢驗73.3確定提取的公因子數(shù)83.4 求因子載荷陣并確定各因子的性質(zhì)93.5 各公共因子的得分以及賦權(quán)123.6 因子的地區(qū)排名144結(jié)果評價與分析155政策建議16參考文獻(xiàn)17摘 要 城市綜合經(jīng)濟(jì)實力是指城市所擁有的全部實力、潛在力及其在國內(nèi)外經(jīng)濟(jì)社會中的地位和影響力。城市社會發(fā)展的綜合評

2、價對推動地市社會經(jīng)濟(jì)有序、均衡發(fā)展等具有重要意義。利用因子展水平進(jìn)行綜合評價，結(jié)果表明，各地市社會發(fā)展同經(jīng)濟(jì)發(fā)展?fàn)顩r密切相關(guān)，且各地市社會發(fā)展水平差異較大，內(nèi)部發(fā)展不均衡。所以，各地市要在大力發(fā)展經(jīng)濟(jì)分析法對江西省各地市的社會發(fā)的基礎(chǔ)上，結(jié)合自身優(yōu)勢，有針對性地采取措施提高本市社會發(fā)展水平，最終實現(xiàn)江西省區(qū)域經(jīng)濟(jì)的和諧發(fā)展。關(guān)鍵詞：社會發(fā)展水平；因子分析；綜合評價Abstract：Urban comprehensive economic strength is refers to the city with all the strength, potential force, and its

3、status and influence in the domestic and international economic society. Comprehensive evaluation of urban social development to promote local social and economic order, balanced development is of great significance. Use factor show level comprehensive evaluation, the result shows that around the ci

4、ty closely related with economic development, social development and social development level differences around the city, internal development imbalance. So, every city to develop the economic analysis of jiangxi province around the city, on the basis of social hair, combined with their own advanta

5、ges, targeted measures to improve the level of social development in the city, eventually realize the harmonious development of regional economy in jiangxi province.Key words：social development; factor analysis; comprehensive evaluation1序 言改革開放后的中國經(jīng)濟(jì)建設(shè)事業(yè)取得了飛躍的進(jìn)步，人民的生活質(zhì)量得到了極大的改善。而在倡導(dǎo)和諧社會的今天，僅僅是經(jīng)濟(jì)的發(fā)展已

6、不足以滿足人們的精神文化要求，更多的人們著眼于社會的綜合發(fā)展。加快社會發(fā)展，是促進(jìn)人的全面發(fā)展和保障改善民生的內(nèi)在要求，是提升社會公平正義與和諧穩(wěn)定的重要保障，是轉(zhuǎn)變經(jīng)濟(jì)發(fā)展方式和擴(kuò)大內(nèi)需的必然途徑，是全面建成惠及全省人民的小康社會的戰(zhàn)略任務(wù)。中國幅員遼闊，各地區(qū)發(fā)展水平極不平衡，這既是國家宏觀經(jīng)濟(jì)政策導(dǎo)向的結(jié)果，又是各地區(qū)資源環(huán)境條件差異的結(jié)果。目前，我國的東部沿海、珠三角地區(qū)，渤海灣地區(qū)的經(jīng)濟(jì)日益繁榮，江西省作為一個中部城市，當(dāng)其他省份經(jīng)濟(jì)正在飛速發(fā)展的時候，江西省的經(jīng)濟(jì)卻在原地踏步甚至是負(fù)增長，雖然城市的經(jīng)濟(jì)發(fā)展已經(jīng)取得了一下成就，然而，由于傳統(tǒng)的生產(chǎn)力布局上的不同，以及在地域、資源、人

7、文和政策上的差異，江西省各地區(qū)之間的社會綜合發(fā)展仍然存在很大差異，各地區(qū)內(nèi)部的發(fā)展也出現(xiàn)了不均衡性。因此，如何客觀、準(zhǔn)確地評價江西省各城市的社會綜合發(fā)展現(xiàn)況，分析各城市的差異以及造成差異的主要原因，為各城市能針對性地制訂相應(yīng)的政策和措施提供理論依據(jù)，進(jìn)而促進(jìn)江西省各城市社會的協(xié)調(diào)發(fā)展，具有重要的理論和實踐意義。本文通過選取反映城市綜合發(fā)展水平的12個指標(biāo)作為原始變量，對江西省的11個地級市的綜合發(fā)展水平進(jìn)行分析，并給出排名結(jié)果、評價以及適當(dāng)?shù)恼呓ㄗh。1 問題的提出社會發(fā)展是指整個人類社會的向前運(yùn)動過程。包括兩個方面：縱向，指人類社會由低級向高級的運(yùn)動和發(fā)展過程；橫向，指在特定的社會發(fā)展階段中

8、一個社會各方面整體的運(yùn)動和發(fā)展過程。一個地區(qū)社會發(fā)展水平的高低，不僅說明了該地區(qū)的經(jīng)濟(jì)發(fā)展水平，更概括了人民生活中各方面領(lǐng)域的水平，是衡量一個地區(qū)綜合能力的重要指標(biāo)。對地區(qū)的社會發(fā)展水平進(jìn)行排序和綜合評價，有利于展示各地社會經(jīng)濟(jì)發(fā)展中的優(yōu)勢和不足，能夠明確引導(dǎo)各地財政資金投入方向，推動各地社會經(jīng)濟(jì)有序、均衡和健康發(fā)展；有利于形成有效的社會發(fā)展競爭機(jī)制，提高社會發(fā)展速度；能夠為社會監(jiān)督提供監(jiān)督標(biāo)的，促進(jìn)政府更加努力地改善社會發(fā)展中的不足。江西省地處中國中部地區(qū)，北臨安徽省，東、南各臨經(jīng)濟(jì)發(fā)達(dá)的福建省、廣東省，西靠湖南省。改革開放以來，江西省經(jīng)濟(jì)增長并不明顯，經(jīng)濟(jì)發(fā)展處于滯后水平，GDP位列中部第

9、六位，中部藍(lán)皮書指出，江西經(jīng)濟(jì)發(fā)展在全國乃至中部仍處于滯后水平，2005年江西省GDP為4070億元，在中部位列第六位，人均GDP為9440元(1180美元)，在中部位列第五位。 藍(lán)皮書認(rèn)為，在正確的發(fā)展戰(zhàn)略指導(dǎo)下，在“十五”時期，江西實現(xiàn)了持續(xù)、快速、穩(wěn)定的發(fā)展，實現(xiàn)了在全國和中部地區(qū)的位次前移。所以從縱向看，江西的發(fā)展是令人矚目的，但從橫向看，仍有較大差距，江西經(jīng)濟(jì)發(fā)展在全國乃至中部仍處于滯后水平。2005年江西省GDP為4070億元，在中部位列第六位；人均GDP為9440元(1180美元)，在中部位列第五位；財政收入425億元，列中部6省之末，只有湖南的57%，山西的56%，湖北的40%

10、。那么，江西省地級市的社會發(fā)展?fàn)顩r排名如何呢？這都是本文要探討的問題，本文從實證角度利用因子分析法對江西省各地級市的社會發(fā)展水平進(jìn)行評價，并由此概括全省的社會發(fā)展水平。2 理論基礎(chǔ)2.1 方法的選用社會發(fā)展水平的評價方法有多種，傳統(tǒng)的多指標(biāo)綜合評價方法中的指標(biāo)權(quán)重的設(shè)置往往帶有一定的主觀隨意性，雖然多指標(biāo)大樣本可以為綜合評價提供豐富的信息，但在一定程度上增加了評價工作的復(fù)雜性，每個指標(biāo)都在不同的角度和層面反映評價目標(biāo)的某一信息，而各個指標(biāo)之間往往存在一定的相關(guān)關(guān)系，反映的信息將產(chǎn)生重疊，導(dǎo)致統(tǒng)計分析失真。因子分析法是用較少個數(shù)的公共因子的線性函數(shù)和特定因子之和來表達(dá)原來觀測的每個變量，在減少分

11、析指標(biāo)的同時，盡量減少原指標(biāo)包含信息的損失，對所收集的資料作全面的分析，從研究相關(guān)矩陣內(nèi)部的依賴關(guān)系出發(fā)，把一些具有錯綜復(fù)雜的變量歸納為少數(shù)幾個綜合因子的一種多變量統(tǒng)計分析方法。因此本文選用因子分析法作為理論的基礎(chǔ)，并結(jié)合SPSS軟件進(jìn)行分析判斷的工具。2.2 因子分析法的簡介2.2.1 因子分析數(shù)學(xué)模型通常在作因子分析時，針對變量作因子分析，稱為R型因子分析；針對樣品作因子分析，稱為Q型因子分析。 R型因子分析數(shù)學(xué)模型為：可表示為 ：其中X為可實測的P維隨機(jī)向量，X的每個分量代表一個指標(biāo)或變量。F =(Fl，F(xiàn)2，F(xiàn)m) T為不可觀測的m (mP）維隨機(jī)向量，它的各個分量將出現(xiàn)在每個變量之中

12、，所以稱它們?yōu)楣惨蜃?。矩陣A稱為因子載荷矩陣，aij稱為因子載荷，表示第i個變量在第j個公共因子上的載荷，向量e稱為特殊因子，其中包括隨機(jī)誤差。它們滿足：(1）Cov (F,e)0，即F與e不相關(guān)。(2）Cov（Fi, Fj）=0, ij；Var（Fi）=Cov（Fi, Fi）1。i，j=1，2，m。即向量F的協(xié)差陣為m階單位陣。(3）Cov (ei,ej）=0, ij；Var (ei) =，i，j=1，2,，p。即向量e的協(xié)差陣為p階對角陣。2.2.2 因子分析法的原理因子分析通過對變量的相關(guān)系數(shù)矩陣內(nèi)部結(jié)構(gòu)的分析，從中找出少數(shù)幾個能控制原始變量的隨機(jī)變量Fi（i =1,，m），選取公共因

13、子的原則是使其盡可能多地包含原始變量中的信息，建立模型X=A*Fe，通過F再現(xiàn)原始變量X的眾多分量xi（i =1,p)之間的相關(guān)關(guān)系，達(dá)到簡化變量降低維數(shù)的目的。值得指出的是，為了消除指標(biāo)間數(shù)量級的差異，因子分析是基于將數(shù)據(jù)標(biāo)準(zhǔn)化的基礎(chǔ)上做的。本文利用SPSS17.0軟件作為工具，軟件中對于數(shù)據(jù)的因子分析，已將變量（即指標(biāo)）和各公共因子進(jìn)行了標(biāo)準(zhǔn)化處理，不需先將數(shù)據(jù)標(biāo)準(zhǔn)化。3 江西省各城市社會發(fā)展水平分析3.1 建立評價指標(biāo)體系社會發(fā)展水平的高低體現(xiàn)了各地全面協(xié)調(diào)發(fā)展的程度,與居民的收入水平、生活水平和生活環(huán)境密切相關(guān)，對社會發(fā)展水平進(jìn)行綜合評價涉及到收入層次、居住條件、生活環(huán)境以及設(shè)施等各個

14、方面。在遵循數(shù)據(jù)客觀性、代表性和可得性的原則下, 本文選取中國區(qū)域經(jīng)濟(jì)統(tǒng)計年鑒2014、中國城市(鎮(zhèn))生活與價格年鑒2015以及江西統(tǒng)計年鑒2014、中國城市統(tǒng)計年鑒2014中收錄的2014年江西省的一些數(shù)據(jù)作為評價指標(biāo)。選取的12項指標(biāo)分別如下：X1-人均GDP（元）；X2-總戶數(shù)（戶）；X3-工業(yè)增加值（億元）；X4-公路里程（公里）；X5-貨運(yùn)量（萬噸）；X6-醫(yī)院數(shù)（個）；X7-批發(fā)零售貿(mào)易社會消費品零售總額（萬元）；X8-客運(yùn)量（萬人次）；X9-城鎮(zhèn)居民消費水平（元）X10-基本養(yǎng)老保險參保人數(shù)（萬人）X11-衛(wèi)生機(jī)構(gòu)數(shù)(個)X12-城鎮(zhèn)居民消費水平（元）城市X1X2X3X4X5X6

15、X7X8X9X10X11X12南昌市5302314479001223.72102738843.661801275671375551115.97311039671736351萍鄉(xiāng)市35350495400399.2364539230804784322885231.7002618533419204新余市68155362300470.74413110289462564425934927.2993204322615784贛州市158952174200548.43265381789637893972135984665.4384955113938075宜春市198231476400576.331719013

16、30822111175460494061.5529772681110860上饒市168131719500505.42185291564334312950148024466.880315753105112213撫州市189071076727329.331320699202104505351981346.22345544416715吉安市182021304100404.3220729.3632792776985944618542.9354411264212324鷹潭市37834309526260.43799540862953725747916.7334528637113445九江市26464128

17、2943618.5518206.4106812638848144855972.09741132878713729景德鎮(zhèn)市35421449121315.2542932014712446677181836.2478189434816072 表1 江西省各地級市社會發(fā)展水平綜合評價指標(biāo)值3.2 因子分析的適宜性檢驗如表2（下頁）所示：成份得分協(xié)方差矩陣成份1211.000.0002.0001.000提取方法 :主成分分析法。 旋轉(zhuǎn)法 :具有 Kaiser 標(biāo)準(zhǔn)化的正交旋轉(zhuǎn)法。 構(gòu)成得分。 表2 變量相關(guān)系數(shù)矩陣由此表可以看出，多數(shù)變量之間存在著較高的相關(guān)關(guān)系，說明變量間存在著一定的信息重疊，需要利用

18、因子分析進(jìn)行精簡和分類。另外，因子分析的適宜性檢驗通常采用KMO統(tǒng)計量和Bartletts 球型檢驗法，利用軟件得到表3的檢驗結(jié)果。表3 KMO 和 Bartlett 的檢驗取樣足夠度的 Kaiser-Meyer-Olkin 度量。.699Bartlett 的球形度檢驗近似卡方89.13df28Sig.000KMO統(tǒng)計量用于檢驗變量間的偏相關(guān)性，它比較各變量的簡單相關(guān)和偏相關(guān)的大小，取值范圍在01 之間。如果各變量間存在內(nèi)在聯(lián)系，則由于計算偏相關(guān)時控制其他因素就會同時控制潛在變量，導(dǎo)致偏相關(guān)系數(shù)遠(yuǎn)遠(yuǎn)小于簡單相關(guān)系數(shù)。本文KMO檢驗值為0.699，因此認(rèn)為這些指標(biāo)比較適宜做因子分析。Bartle

19、tts 球型檢驗用于檢驗相關(guān)矩陣是否為單位陣，即各變量是否相互獨立。檢驗值小于0.01 說明各變量相互獨立,本文Bartletts 球型檢驗值為0.000，證明適合做因子分析。3.3 確定提取的公因子數(shù)首先，從SPSS的輸出結(jié)果中得出如表4（下頁）所示的矩陣R的特征值和方差貢獻(xiàn)率，可以看到，公共因子達(dá)到3個時，其方差累積貢獻(xiàn)率已達(dá)到96.294%，這表示提取前3個公共因子已足以概括所有因子的解釋能力；另外，從圖1（下頁）的碎石圖中看出，開始時圖中折線陡峭，從第4個因子以后，折線變得非常平緩，因此，認(rèn)為選擇3個公共因子是恰當(dāng)?shù)?。再看?的變量共同度，當(dāng)取3個因子時，每個變量的共同度都非常大。根據(jù)

20、變量共同度的統(tǒng)計意義，它刻劃了全部公共因子對于變量X的總方差所作的貢獻(xiàn)。因此，每個變量的共同度都達(dá)到了0.9以上，說明所有變量都能被這3個公共因子所解釋。表4 公因子方差表公因子方差原始重新標(biāo)度初始提取初始提取人均GDP28338148981.000.525總戶數(shù)3834113834111.0001.000工業(yè)增加值68476.75930290.5941.000.442公路里程60777552371.000.909貨運(yùn)量27418609271.000.222醫(yī)院數(shù)13634.01812976.0401.000.952農(nóng)村用電000.728批發(fā)零售貿(mào)易業(yè)社會消費品零售總

21、額1645111645111.0001.000基本養(yǎng)老保險參保人數(shù)760.818482.4751.000.634客運(yùn)量182279814816.0371.000.539衛(wèi)生機(jī)構(gòu)數(shù)125437.455112768.7201.000.899城鎮(zhèn)居民消費水平62807222671.000.354提取方法：主成份分析。通過以上的分析，確定了將要提取的公共因子數(shù)為2個，并得提取因子后解釋的總方差如表6。3.4 求因子載荷陣并確定各因子的性質(zhì)因子的載荷矩陣如表7所示，多數(shù)因子的典型代表變量并不突出，不能對因子的性質(zhì)做出很好的解釋，因此，需要對載荷矩陣實施旋轉(zhuǎn)。對因子載荷陣作旋轉(zhuǎn)，是為了使因子載荷陣的結(jié)構(gòu)簡

22、化，便于對公共因子進(jìn)行解釋。所謂的結(jié)構(gòu)簡化，就是使每個變量僅在一個公共因子上有較大的載荷，而在其余因子上的載荷比較小。因子載荷陣旋轉(zhuǎn)的方法有多種，筆者選用的是方差最大正交旋轉(zhuǎn)法。得到的旋轉(zhuǎn)后的因子載荷陣如表8（下頁）所示。旋轉(zhuǎn)成份矩陣a成份12人均GDP.032-.902總戶數(shù).675.723工業(yè)增加值.941-.258公路里程.395.893貨運(yùn)量-.071.523醫(yī)院數(shù).476.868農(nóng)村用電量.850.406批發(fā)零售貿(mào)易業(yè)社會消費品零售總額.769.084基本養(yǎng)老保險參保人數(shù).973.072客運(yùn)量.688.411衛(wèi)生機(jī)構(gòu)數(shù).606.730城鎮(zhèn)居民消費水平.608-.713提取方法 :主成

23、分分析法。 旋轉(zhuǎn)法 :具有 Kaiser 標(biāo)準(zhǔn)化的正交旋轉(zhuǎn)法。a. 旋轉(zhuǎn)在 3 次迭代后收斂。利用旋轉(zhuǎn)的因子載荷陣所提供的信息，可將12項指標(biāo)分為如表5所示的2類性質(zhì)的因子：表5 因子成分與性質(zhì)成份得分系數(shù)矩陣成份12人均GDP.081-.226總戶數(shù).089.124工業(yè)增加值.227-.140公路里程.014.188貨運(yùn)量-.058.135醫(yī)院數(shù).034.176農(nóng)村用電量.153.031批發(fā)零售貿(mào)易業(yè)社會消費品零售總額.162-.042基本養(yǎng)老保險參保人數(shù).207-.061客運(yùn)量.117.045衛(wèi)生機(jī)構(gòu)數(shù).073.131城鎮(zhèn)居民消費水平.191-.226提取方法 :主成分分析法。 旋轉(zhuǎn)法 :

24、具有 Kaiser 標(biāo)準(zhǔn)化的正交旋轉(zhuǎn)法。 構(gòu)成得分。因子一主要描述的是居民生活中的經(jīng)濟(jì)發(fā)展和收入狀況，因此概括地稱其為經(jīng)濟(jì)因子；因子二描述的是居民擁有的物質(zhì)條件和生活質(zhì)量，因此概括地稱其為條件因子；3.5 各公共因子的得分以及賦權(quán)從表10所示的因子得分系數(shù)矩陣，可得每個因子的得分關(guān)于變量的回歸方程式為：F1=0.081*X1+0.089*X2+0.227*X3+0.014*X4-0.058*X5+0.034*X6+0.153*X7+0.162*X8+0.207*X9+0.073*X10+0.191*X11+0.073*X12F2=0.135*X1+0.176*X2+0.031*X3-0.42*

25、X4+0.214*X5+0.289*X6+0.171*X7-0.61*X8+X9*0.45+X10*0.131*X11-0.226*X12通過以上的3個因子得分方程式，可以將任意城市的指標(biāo)帶入，便可得到該城市某因子的得分。公因子方差初始提取人均GDP1.000.856總戶數(shù)1.000.951工業(yè)增加值1.000.889公路里程1.000.971貨運(yùn)量1.000.859醫(yī)院數(shù)1.000.950農(nóng)村用電量1.000.941批發(fā)零售業(yè)茂業(yè)社會消費品總額1.000.862基本養(yǎng)老保險參保人數(shù)1.000.959客運(yùn)量1.000.777衛(wèi)生機(jī)構(gòu)數(shù)1.000.936城鎮(zhèn)居民消費水平1.000.901提取方法

26、：主成份分析。當(dāng)然，分析并比較各城市的社會發(fā)展水平，僅僅單獨地看每個因子的得分顯然是不足夠的，必須從整體去比較城市之間的綜合水平。因此，必須要計算出每個城市的綜合得分以比較城市之間的社會發(fā)展水平。因子分析綜合評價采用客觀賦權(quán)法，利用表6中的數(shù)據(jù)，將各公共因子的方差貢獻(xiàn)在方差累計貢獻(xiàn)中所占的比重作為權(quán)重，即公共因子權(quán)重=單個因子方差貢獻(xiàn)/ 所有因子方差累計貢獻(xiàn)，分別得到各個公共因子的權(quán)重。例如：F1的權(quán)重=59.965%/96.294%=62.273%。經(jīng)計算， 各公共因子權(quán)重分別為：W(F1)= 62.273%，W(F2)= 24.250%，W(F3)=13.376%。3.6 因子的地區(qū)排名利

27、用公式：F = 0.62273*F1 + 0.2425*F2 + 0.13376*F3計算各地區(qū)的綜合得分，得到的每個城市的因子得分和綜合得分如表11所示：表11 因子得分城市F1F2F 南昌0.990301.634311.23景德鎮(zhèn)1.313690.542471.03萍鄉(xiāng)-0.448150.84424-0.21九江0.59802-0.271610.16新余0.01800-0.61173-0.24鷹潭0.75501-0.171510.29贛州-0.586050.54644-0.32吉安-1.24284-0.70524-0.85宜春0.78413-2.227230.09撫州-0.290770.2

28、0897-0.17上饒-1.891340.21089-1.00需要注意的是，表11中的所有得分都是標(biāo)準(zhǔn)化后的。由此得到因子的地區(qū)排名如表12所示：表12 浙江省各地市分項及總體社會發(fā)展排名情況名次經(jīng)濟(jì)因子條件因子報酬因子綜合排名1景德鎮(zhèn)南昌新余南昌1.232南昌吉安南昌景德鎮(zhèn)1.033新余南昌撫州萍鄉(xiāng)0.294萍鄉(xiāng)景德鎮(zhèn)鷹潭九江0.165九江上饒景德鎮(zhèn)新余0.096宜春鷹潭鷹潭鷹潭-0.177鷹潭萍鄉(xiāng)上饒贛州-0.218吉安九江宜春吉安-0.249景德鎮(zhèn)宜春吉安宜春-0.3210撫州撫州萍鄉(xiāng)撫州-0.8511上饒新余贛州上饒-1.00按照綜合排名的順序從左到右描繪的各城市的綜合得分的散點圖如圖

29、2所示：經(jīng)過對綜合得分進(jìn)行分析，可以很明顯的看到，可將江西省11個地市按社會發(fā)展水平分為3類：第一類：水平最好的城市，有南昌和景德鎮(zhèn)；第二類：水平較好的城市，有萍鄉(xiāng)、九江、新余、鷹潭、贛州、吉安、宜春；第三類：水平較弱的城市，有撫州和和上饒。4 結(jié)果評價與分析社會發(fā)展水平與經(jīng)濟(jì)發(fā)展?fàn)顩r密切相關(guān)。雖然社會發(fā)展水平不是由單一指標(biāo)決定,但經(jīng)濟(jì)的發(fā)展對社會發(fā)展水平具有較其他因素而言更重要的貢獻(xiàn)。將各地市社會發(fā)展水平排名與生活條件水平排名相比較后也可發(fā)現(xiàn)，兩者具有較大的相似性。從排名中可以發(fā)現(xiàn)：通過對各市綜合得分進(jìn)行分析，系數(shù)大于0的設(shè)區(qū)市經(jīng)濟(jì)社會發(fā)展?fàn)顩r良好，且分值越高越好；綜合得分超過0.6可認(rèn)為是

30、發(fā)展?fàn)顩r優(yōu)良的地區(qū)，得分小于-0.5可認(rèn)為發(fā)展?fàn)顩r欠佳地區(qū)。結(jié)果顯示，南昌、贛州、九江、上饒的得分大于0，其中得分大于0.9的只有南昌。 從經(jīng)濟(jì)實力因子系數(shù)角度看，南昌、贛州、九江、上饒的也大于0，其余的為負(fù)值；居民因子系數(shù)方面，南昌、景德鎮(zhèn)、萍鄉(xiāng)、新余、鷹潭的得分大于0，其余的均為負(fù)值。同時，南昌是唯一在這兩大系數(shù)中得分均大于0的市（遠(yuǎn)大于0.9）；得分均小于0的市為吉安、宜春、撫州。5 政策建議基于以上評價結(jié)果,筆者提出如下建議：首先，對于江西省整體?；诮?jīng)濟(jì)發(fā)展水平同社會發(fā)展的緊密相關(guān)性，江西各地應(yīng)首先發(fā)展地方經(jīng)濟(jì)，努力增加財政收入，以健全基礎(chǔ)設(shè)施的建設(shè)和完善社會保障的制度，提高人民生活水平等各方面的需求。其次，針對不同發(fā)展水平的地市有不同的建議。1、 作為社會發(fā)展水平較高的南昌市和鷹潭市，在經(jīng)濟(jì)發(fā)展和人民基本生活發(fā)展較高的前提下，進(jìn)行技術(shù)創(chuàng)新，提高GDP產(chǎn)出效率，并著力優(yōu)化本市就業(yè)結(jié)構(gòu)，改善生活環(huán)境。2、 對于發(fā)展水平中等的幾個城市，萍鄉(xiāng)、九江和新余應(yīng)從分利用與杭州臨近的地理優(yōu)勢，跟隨南昌市的發(fā)展步伐，加快經(jīng)濟(jì)發(fā)展，盡快提高各方面的能力；