文摘

经济增长一直是经济研究的热点话题之一。背后的经济快速发展,区域之间的经济差距正在逐渐扩大,内部差距会影响经济增长的总体协调。研究经济发展的融合,其原因很有战略意义缩小区域之间的差异,提高经济。近年来,大数据所带来的影响越来越明显,经济分析,这一事实引起了学术界的注意。大数据是新的战略资源和工具来评估经济趋势。添加大数据技术来研究经济学的融合提高可以预测数据变更的法律,减少数据错误,优化研究成果,提供更科学的依据区域经济的协调发展。本文基于大数据的理论和技术,利用空间计量经济学模型实证分析区域经济增长的收敛性及其影响因素。实验结果表明,研究经济增长的收敛机制和空间关系在大数据的情况下可以提高经济增长的收敛性分析的准确性在一定程度上。通过建模分析,经济融合的精度提高了4.1%。利用大数据趋势的经济发展使分析结果更合理和更大的参考价值。

1。介绍

经济快速增长的同时,不同地区的经济发展也显示出明显的差异。理论上,经济增长的收敛性的研究可以提供实际的经济发展理论和发展经济学的知识,帮助识别经济体之间的区别。从实际的角度来看,它具有重要意义来实现实用和有效的宏观经济发展政策,认识到区域经济不平等的现状,找出该地区不平等问题的主要原因。大数据允许收集、整合、分类和处理的信息因素,如GDP、价格水平、就业率,家庭收入,钱,信贷的数量。它可以提供战略与经济意味着某些发展和监管的基础上,这是对经济收敛问题的研究具有重要意义。

最近,技术改进,使大数据技术的应用越来越广泛。许多科学家研究和分析大数据技术和获得良好的结果。张分析的概念和价值取向方面的大学教育质量管理体系建立的质量管理体系和服务的改进过程,并构建了一个基于大数据的大学教育质量管理体系。最后,进行系统的研究是评价质量管理体系的大学教育,而大学教育的发展提供了一定的参考(1]。Ni等人利用大数据技术进行流程优化利用案例推理(CBR)方法。结果表明,优化结果与使用CBR方法可以得到不同的优化目标和解决方案时间小于1秒2]。记者团队提出员工激励管理模式基于大数据的背景(3]。王等人提出了一种新的基于大数据平台的电网故障跟踪方法(4]。杜和赵提出一个数学网络教学技术,即基于大数据的融合构建教学模式,使教学资源的自适应分配和集成(5]。郭等人的团队设计了一个基于大数据的高速肖像模型。研究表明,肖像模型不仅便于存储和检索,也为传播和扩张6]。燕和王提出一种智能指挥系统通过大数据挖掘,为道路交通提供伟大的实用价值在解决交通系统的复杂性(7]。大数据的分析这些研究更具体,但不涉及经济增长的收敛性。

经济增长的收敛性是区域经济发展的一个重要组成部分。分析和研究经济增长的趋同有利于区域经济的健康发展。许多团队加入了这项研究。歌等人研究了经济增长的“俱乐部收敛”和使用动态面板阈值模型推导出非线性金融发展和经济增长之间的关系。结果表明,收敛的概率大大增加。当水平高于阈值越高,水平的积极影响稳态相对产量将逐渐削弱,和边际效用会降低显著(8]。Chakraborty计算公共资本支出对经济增长是正相关的通过财政不对称基于GMM模型(9]。美团队建模的可变性在每个新兴和发展中地区人均国内生产总值,然后开发一个综合能源效率和人均GDP模型。研究发现,当地人均GDP的增长反映了经济收敛的趋势,和能源消耗的收敛程度略低于人均国内生产总值(10]。易卜拉欣等人进行回归分析对区域经济增长收敛使用面板固定效应模型(快速眼动)。估计结果表明,经济增长的收敛性的分析和管理有利于区域经济的快速增长(11]。Godowsky应用描述性统计和多元回归的方法来研究经济增长和商业环境的上下文中的欧盟国家经济融合的过程。实验表明,整个欧盟的变化和上升趋势的商业环境正逐渐接近成员经济体的发展(12]。经济增长的收敛性研究对区域经济发展具有重要影响,但传统的研究方法不再能满足特定的分析需求的经济融合。

经济收敛指数是用来构造一个空间权重表,和领域和地区因素引入到经济增长收敛模型。真正的人均GDP是作为基准来衡量经济增长、人均收入和支出份额作为经济一体化分析的基准。通过大数据技术,经济增长收敛机制的模型构造和空间相关性,最后,仿真模型得出改善经济增长收敛性分析的准确性在一定程度上。这也显示了经济增长的收敛使分析结果更准确、合理和具有更大的参考价值。

2。基于大数据的统计分析

2.1。大数据技术

网络大数据可以自动记录事件发生时,和调查和收集的数据可以通过工程中直接提取方法(13]。图1是一个大的图数据统计模型。它包括并行处理技术、数据库共享,存储和编程,数据挖掘、云计算。

2.2。大数据的统计分析框架

统计数据处理的一个重要组成部分。由于大型统计样本和数据的复杂性,统计工作相对比较重。数据挖掘是一种统计模型,过程,分析,和有机地结合了相关的数据,准确地处理数据的大数据,然后将统计的概念引入到数据挖掘(14]。如图2Hadoop提供了一个强大的和可靠的分析引擎和共享内存的统计任务,包括两个关键技术,MapReduce和HDFS。MapReduce是负责数据处理和分析,HDFS负责共享数据存储。

2.3。建设大数据统计分析模型

大数据环境的统计分析系统是基于批量数据挖掘和采用常规数据处理和分析的方法来更新模型(15]。系统设计的关键是实时检索、统计分析、数据处理、和大规模存储和分布的统计数据来源。数据收集、聚合和运动的Hadoop集群,以及数据的分布式存储,满足需求的多样性统计分析,和任务调度管理和安排工作以统一的方式提交的所有用户。Hadoop-based计算模型如图3,包括云平台应用程序层、技术和接口层,电脑层,文件管理层和物理顶级源代码。

3所示。建设经济增长收敛的空间计量经济学模型

经济发展的理论是经济研究的一个重要课题。在国家或地区之间经济发展的差距及其变化趋势(经济发展)的收敛性的一个主要(已获得了高度的关注16]。经济增长收敛性是指一个国家,一个国家的增长率和人均产出与基线水平负相关。,落后地区的经济增长率高于发达地区,导致过程的静态指标的差异每个经济单位的开始时期逐渐消失。空间计量经济学模型的方法已经应用在许多领域,和经济增长的收敛性在不同的地区可以通过的方法研究和分析空间计量经济模型(17]。

3.1。经济收敛

经济收敛的概念来自于数学序列收敛性的概念。当 ,当n足够大,如果有吗 ,序列据说是一个收敛序列。最终,它会收敛,成为不断随着时间的推移,和不同地区之间的差距将会缩小。融合趋势的数据相关假设是指标准差不同经济体的人均实际产出减少。当考虑收敛现象,收敛收敛可以提供最直观的信息,主要以一视同仁的标准偏差(18]。融合类型如下: 我代表了该地区,t代表了。代表的人均产出我th地区时期t, 。如果有 在时代 ,然后据说这个地区k订单收敛(19]。

融合是一个时间序列假设所有地区最终将达到相同的人均收入或产量随时间(20.]。融合分为两种形式:绝对收敛和条件收敛 。所谓的绝对收敛意味着相似的地区基本特征等技术,系统,和文化有相同的经济增长路径和平衡状态,区域经济增长率是稳态的距离呈负相关。所谓的条件收敛意味着不同的经济区域有不同的技术、制度、文化、和其他特征,因此有不同的经济条件,所以没有绝对收敛。

绝对收敛的回归模型如下: 我代表了该地区,一开始, 就是终结。和代表人均产出的开始和结束我th地区,分别表示随机误差项。的分布在和 落后到一个独立的国家,改变在初始时间与技术条件的变化 ,和代表了收敛速度估计。

的条件收敛回归模型如下:

其中,X人口增长率,就业率,程度的城市化、工业化程度、透明度、政府公共支出、产业结构、和其他控制变量,以及可能影响收敛的几个因素。表示条件收敛率来衡量。

俱乐部收敛理论的内涵是经济发展水平,也就是说,国家或地区具有类似经济基本条件,将收敛于同一地方稳定的状态。不同系统之间存在俱乐部收敛检查收敛,在每个经济集团的结构特点与人力资本和市场开放处于初始阶段。例如,有一个俱乐部趋同的现象在M的三个主要区域国家,东部、中部和西部。对于每一个地市级城市和城市地区区域B,区域虚拟变量可以定义根据城市收敛回归。收敛模型如下:

每个变量的描述类似于前面的模型,的系数向量是假边缘变量来衡量,然后呢D表示假设域内的次区域。如果值是负的,区域显示俱乐部收敛。根据模型的收敛性和对比的俱乐部收敛性,它可以发现俱乐部收敛可以被看作是一种绝对的形式收敛,这发生在子域与同一区域内的稳定状态,而不是在整个经济。

3.2。模型建设和数据解释

在正式建模之前,人们第一次有初步了解的整体经济运行M B地区的国家。表1给出了描述性统计指标数据总人均收入的地区。从这个表可以看出,在过去的20年中,区B的人均收入已经大大提高,平均价值增加了近2倍,平均年增长率约为7.6%。从1998年到2011年底,人均收入增长了0.36倍,他指出,该地区经济增长差距逐渐拉大,标准差从1998年到2018年从1257.13增加到3065.02。

表2给出了描述性统计指标数据总人均支出的区域B,从表中可以看出,在过去的20年中,人均支出在B区已明显增加,平均价值近两倍,年均增长率约为5.8%。从1998年到2011年底,人均支出增加了1.28倍。

3.2.1之上。收敛指数

收敛指数是指事实之间的人均收入分散地区往往随时间减少。当指数会下降,经济融合。变化的时间序列B地区人均GDP从1998年到2018年已经绘制,如图4。地区经济收敛B可以直接观察分析了情节上的变异系数的变化。

在第一阶段(1998 - 2005),这一阶段的不稳定性逐渐下降随着时间的推移,和经济差距逐渐缩小。在第二阶段(2005 - 2010),这一阶段的变异系数逐渐增加随着时间的推移,差距扩大。第三阶段(2010 - 2012),这一阶段的变异系数显示随着时间的推移逐渐减少的趋势。第四阶段(2012 - 2018),这一阶段的变异系数随着时间的推移开始显示出上升趋势。

3.2.2。融合的趋势

收敛趋势指的是一个趋势,最初的一个国家或地区发展水平的发展速度成反比。除了变异系数、图形的经济增长率和输出水平大致也可以用来描述经济收敛的融合趋势21]。图5表明,该趋势线显示了一个下降的趋势,和区域的经济增长率B初始输出水平负相关,显示一个收敛的趋势。趋势线的斜率可以近似为收敛收敛。

模型是构造基于经济收敛性的相关概念。融合主要考察了经济发展水平的变化随着时间的推移,不同经济系统之间(22]。如果标准差往往减少,这意味着每个地区的经济增长是收敛的。相反,它表明,不同地区的经济发展是不同的。测试的类型介绍了收敛概念使用如下。方程的定义(1)可以通过构建回归模型,即 。的对数形式每个地区的人均GDPth周期是 ,和方差的无偏估计的随机误差项回归后 。回归模型如下:

其中,和正如上面括号中定义的,该地区是吗 时间是 。这个回归模型,因为这个回归模型假定标准正态分布,区域相互独立的在同一时间t,区域视为独立的个体,没有区域之间的空间相关性,这些都是真实的。后不断的回归方程(5),生成一个随机误差项。均方差估计量如下:

其中,剩余任期 根据方程(获得1),即均方误差在结果上执行占据回归得到的模型。使用数据从每个地区执行时间回归和计算一组值 ,设计的时间序列值如图6,区域经济增长的差异B显示了明显的波动。总的来说,方差匹配模式大致从描述性统计方差系数的变化趋势研究,也建议方差系数可以被测量和聚合来描述区域之间的经济差距。

3.2.3。融合模型

收敛收敛模型类似于分析,引入前的空间矩阵,融合建模区域的空间相关性是不考虑。绝对收敛现象分析了地区B使用方程定义收敛的概念。用于绝对收敛的回归模型如下:

使用占据软件进行回归分析方程,获得的回归方程如下:

括号中的值在第一行以下方程回归系数的标准差,第二行是统计t,^∗∗∗这意味着重要的1%置信水平。这表明,回归的结果,统计F在1%置信水平具有重要意义。建立了回归方程和回归系数的值是非常重要的信心。

从2003年的转折点,我们比较和分析的收敛情况2003年之前和之后。用于绝对收敛的回归模型从2003年到2018年,如下:

使用软件进行回归分析方程,获得的回归方程如下:

此时,方程仍然是重要的,但价值明显增加,收敛速度加快。回归模型用于绝对1998 - 2003是收敛性:

使用软件进行回归分析方程,获得的回归方程如下:

当前的收敛速度大约是每年2.1%。基于数据的可用性和可靠性分析条件收敛,数据以2003年为起点,进行收敛回归根据工业化程度和解释性变量影响收敛的程度。使用回归模型为:

代表人口的自然增长率我,是衡量人口对经济发展的影响。代表在该地区投资的比例,是衡量投资对经济发展的影响,地区政府支出的水平我,政府行为对经济发展的影响,然后呢地区的工业化水平吗我。是衡量比例的第二、三产业在产业结构、经济发展国际开放程度,是开放的程度对经济增长的影响。

运行示例数据估计模型。最后,它是发现,只有投资和对外开放的程度对经济增长产生影响,而人口增长率的三个因素,政府公共支出率,产业结构并不重要。人口增长率是0.5,P率是0.28,公共支出率是0.057,P率是0.763,工业结构率是0.038,P率是0.245。所以最终估计回归方程如下:

第一行是估计的标准偏差的因素,第二行是统计t,^∗∗∗在10%置信水平,这意味着重要的^∗∗意味着重要的5%置信水平,^∗意味着重要的1%置信水平。相比之下,绝对收敛,收敛速度明显加快。

3.3。空间计量经济学模型

空间计量经济模型主要分为两类:空间滞后模型、空间误差模型。这些模型都是基于空间的引入权重表修改基本模型(23]。空间滞后模型适用于邻近地区的行为,影响整个地区其他地区的行为,和空间误差模型适用于不确定性冲击对当地经济的影响变量在邻近地区。空间模型的估计采用最大似然估计法和广义最小二乘法。

3.3.1。空间滞后模型

为了让收敛,引入后不断回归(1)向表空间,空间滞后模型如下:

其中, 是向量模型,和是常数,是表空间重量,是重量的因素。写向量模型组件模型的形式:

是一个向量,行,是一个值行和列。通过这种方式,建立 平衡不仅是相关的区域t,而且该地区 。绝对收敛,用方程(2)到空间权重表,空间延迟模型如下:

这又是一个矢量方程,与当地一个列向量的增长率在左边,一个单位向量,一个表空间权重系数和估计。写方程的组件,它可以得到:

从这个方程可以看出,经济的增长率th地区不仅与时间有关和最初的水平 ,但同样的增长率th地区,所以空间滞后模型可以测试这个地区的空间扩散。

为条件收敛,一系列变量的基础上,介绍了绝对收敛模型构成了回归模型。

3.3.2。空间误差模型

空间误差模型分为两类:空间误差自相关模型和重叠的移动平均误差模型。空间误差自相关模型如下:

其中,空间自相关系数和错误是延迟空间误差项。移动平均线空间误差模型如下:

是空间的移动平均错误率错误,然后呢是空间延迟误差的概念。

为融合,不断回归(1)以模型的形式是相同的,所以只有移动平均模型需要考虑的比较分析。

绝对融合,空间误差自相关模型的方程如下:

这是一个矢量方程代表一个列的随机误差项地区和代表的力量回归残差之间的空间关系。

的条件收敛模型还引入额外变量的绝对收敛模型。上述描述的形式空间计量经济学模型和引入了两双的测试模型。与空间建模分析之前,首先检查空间相关性。

其中, 一个变量的观测值吗th地区;元素的值吗th行和列。

4所示。经济增长的收敛结果

从上述可以看出,只要每个地区在国家的国内生产总值(GDP) M而言,有相邻区域之间的空间相关性。数据7和8莫兰M的散点图里,国家的GDP在2010年和2015年。

散点图里,表现出积极的空间性的共同特征。大部分的国家分为第一和第三象限,展示空间的关系。在第三象限超过在第一象限,主要low-aggregation类型。第四象限代表了高和低聚集区域,和两个象限是负空间关系。

4.1。分析的收敛结果

如图9地区的人均GDP波动较大,但总体趋势是一个轻微的下降趋势,表明区域的经济发展趋于收敛。

4.2。绝对55收敛分析结果

使用OLS模型进行回归分析。从表3之间的回归系数的平均GDP增长率地区B和基线水平的人均GDP是负的。如果 处于一个重要的级别,通过显著性检验,B区有一个全球的经济增长相关性收敛下空间互动。

从图可以看出10,全球莫兰地区人均国内生产总值指数B是正的。除了三年的2006、2007和2008年,其他年份的莫兰指数价值并没有改变太多。都通过了显著性检验在0.05的显著性水平。结果表明,人均GDP的分布地区B有一个长期的空间相关性。

从图可以看出10,莫兰地区人均国内生产总值指数B总是正的。除了2006、2007和2008年,其他年份的莫兰索引值没有改变,和显著性水平为0.05。测试表明,人均GDP的分布显示,长期的空间相关性。

精度的比较的结果基于大数据的空间计量经济学分析模型和其他分析模型如图11。

图11显示了经济增长的收敛的结果在B地区从1998年到2018年,基于大数据下的空间计量经济学模型和通用模型。可以看出基于大数据的空间计量经济学模型和通用分析模型是大致相同的,但略高。这表明,大数据的引入大大增强经济收敛性分析的准确性,和准确性已增加了4.1%。

5。结论

大数据的基础上,本文运用空间计量经济模型来测试和分析经济增长的收敛机制。经济收敛指数是用来构造空间权重表,空间和地理因素引入到经济增长收敛模型,实际人均国内生产总值作为指标来衡量经济增长、人均收入和支出比率作为经济收敛的因素。研究表明,考虑区域之间的关系,尤其是经济之间的关系,地区之间的差异都显著降低。有地区之间的收敛性和周期性波动,但总的趋势仍是收敛的。随着大数据革命对经济分析的影响,也有经济政策制定者和学术界。研究经济增长的收敛时,添加大数据技术可以预测数据的变化规律,从而减少数据错误,优化研究结果,并提供更有力的科学依据协调区域经济的发展。

数据可用性

数据共享不适用本文没有生成数据集或在当前的研究分析。

的利益冲突

作者声明没有潜在的利益冲突。

作者的贡献

所有作者出版的手稿和批准。

确认

这项工作得到了国家自然科学基金(41930101),创新工程科学研究咨询项目的甘肃省委党校中共(甘肃学院公共管理)”研究碳峰和碳中和在甘肃省,“软科学项目甘肃省级科技部门”的社会力量参与应急管理机制的重大突发事件,“甘肃和科技项目(20 yf3ga013)。