1、1目录摘要 2ABSTRACT21 引言 22 研究现状 33 研究思路和资料收集 33.1 研究思路 43.2 资料收集 54 主成分分析方法理论 55 结果分析 75.1 主成分确定 75.1.1 数据标准化处理 .75.1.2 巴特利特球度检验和 KMO 检验 .75.1.3 主成分确定 . 5.2 各地城市主要指标综合得分确定 95.3 聚类分析 .116 结论与讨论 .126.1 结论 .126.2 讨论 . 13参考文献 .14附表一 .16附表二 .17致谢 .182城市主要指标完成情况分析摘要：经济是国家发展的基础，而很多因素都在一定程度上影响着国家经济的发展。城市主要指标就是
2、其中之一，它是经济发展的晴雨表，反映了一个城市的状况和水平。文章通过对城市主要指标完成情况的分析，从全国选取 35 个地区城市，七个指标，采用主成分分析法进行分析，并对各地区作综合评价得分，反映中国各大城市之间的差异及地域发展状况，了解城市发展先进与落后地区的不同分布情况，以便为相关政策的制定提供决策依据。关键词: 主成分 地区城市 综合评价ABSTRACT：Economy is the national development foundation, and many factors in a certain extent influence the development of natio
3、nal economy. Urban main index is one of them, it is a barometer of economic development, reflects the status quo and level of a city. Based on the main index of city, analyzes the complete national selection 35 areas city, seven indicators, using principal component analysis are analyzed, and compre
4、hensive assessment of each area in response, scoring the difference between big cities in China and regional development condition, understand the urban development advanced and underdeveloped regions, the different distribution for the establishment of related policies to provide decision-making ba
5、sis.KEYWORDS：principal component distric turban economic construction 1 引言改革三十多年来，我国经济取得了重大成就，尤其是城市经济的发展。城市的发展对整个地区经济的崛起有着推动作用。而城市主要指标是经济发展的3晴雨表，反映了一个城市的状况和水平，城市指标有很多，文章主要就地产类指标进行了分析。作为一个基础的行业，它的发展已经与人类的利益息息相关，更是国民经济发展的支柱 1。文章中根据统计年鉴，共选取房地产本年完成投资、施工房屋面积、竣工房屋面积、商品房销售面积、商品房销售价格、本年土地开发面积、本年购置土地面积等六个指标来
6、反映中国各地区城市完成指标情况.其中商品房销售面积和竣工房屋面积反映了地区市场的供需状况，本年开发土地面积和购置面积反映了地区市场指标完成进度情况，而本年完成投资则显示了地区的经济实力 1。文章主要是对中国 35 个大中城市主要指标完成情况进行分析，就各项要素指标进行主成分分析，最后通过指标加权来对各个地区情况进行综合评价，权数是由各个变量的方差贡献率，得出排名。其中方差贡献率很大程度上反映了各个主成分的的信息含量，这也相对的减少了综合评价的主观影响 。文章对城市主要指标的研究，已经不再仅仅的局限在文学研究领域，它已经深入到实际经济建设当中。理论的成熟才能更好的服务于实际。借此以观察中国各大城
7、市之间的完成指标情况，了解地区城市之间的差异及地区经济发展的差异，以便更好的开发中国市场，发展地区经济。2 研究现状关于城市地产类指标，目前国内研究者对城市地产指标也有较多的研究。房地产指标作为城市发展的主要指标，国民经济发展的支柱，它就显示出其重要的一面。而类似这样关于地产的研究也越来越多，刘亚臣（2008）的基于主成分分析法的沈阳市房地产供求协调度分析 3、郭涛（2007）的基于主成分分析法对房地产供求协调关系的分析 4、余凯（ 2008）的基于主成分分析与灰色预测的房地产预警研究 5等。我国从20世纪 80年代兴起房地产，虽然起步较之国外晚，但是经济的发展促使它快速的跟上国际的脚步。其研
8、究有姚先国和黄炜伟华（2001）进行的地价与房价的研究，主要研究需求与房地产价格的影响。梁桂用年商品房销售面积来刻画中国不动产供给与需求相互产生的4波动情况。 随着科学的发展，我国研究专业人才的增加，对于城市主要指标的研究方法已经不再单一，主成分分析法、灰色预测、线性回归预测、模糊识别、因子分析等层出不穷。翁少群的基于模糊模式识别理论模型 。它就是运用模糊模式识别方法来研究中国房地产市场发展阶段，利用这种模型对房地产市场未来发展趋势做出预测 6。刘亚臣、王欢的基于主成分分析法的沈阳市房地产供求协调度分析，主要用的就是主成分分析法，它以商品房销售面积、竣工房面积、房地产投资额、商品房均价增长率等
9、指标来反映市场供求平衡研究 3。近年来，我国对于城市主要指标完成情况所做的调查研究，指出了我国城市之间存在的一些问题，并提出了很多具有实际意义的参考指导，这对提高我国城市发展，降低城市之间的差异，实现共同发展，共同富裕有着深远的指导意义。但是现有的调查研究依旧还是有许多不足之处。很多数据更多的只是体现出表面上的现象，而各个城市之间，有着自己独有的特性：地域特征、风俗民情、等特有情况。 使之无法深入、实质性的解决问题。3 研究思路和资料收集3.1 研究思路本文主要对城市主要指标完成情况进行分析，以我国 2009 年统计的各城市指标数据为本，以 SPSS 软件为工具进行数据处理分析，采用主成分析方
10、法，实现最终对各个城市进行综合排名得分的目的。具体研究路线见下图：5将原始数据标准化 建立变量的相关系数阵求 R 的特征根及相应的特征向量由累积方差贡献率确定主成分的个数并写出主成分综合评价得分评价方法定量评价主成分分析法聚类归纳图 3-1 技术路线图3.2 资料收集本文采用 2009 年统计年鉴城市主要指标完成情况数据 7 ，其中选取的是全国各地区具有代表性的城市，东部北京、上海、厦门、福州、天津、杭州等，中部地区有成都、重庆、武汉、南京等，西部地区有兰州、乌鲁木齐、西安、西宁等 35 个地区城市。数据详见附表一。4 主成分分析方法理论主成分分析法又称主分量分析法，是由Hotelling于1
11、933年首先提出的。它是利用降维的思想，在损失很少信息的前提下，把多个指标化为几个综合指标的多元统计方法 8 。在实证问题研究中，必须考虑众多影响因素在不同程度上反映了所研究问题的某些信息并且指标之间一定的相关性因而所得的统计数据反映的信息在一定程度上有重叠。在各领域，为了客观的分析问题，往往需要多方面观察所研究的对象，收集指标数据。如果对数据进行逐一单独分析，经常会造成片面的认识。要解决问题，就要通过构造综合指标，反映指标6的整体影响 2 。设有n个样本，每个样本观测P项变量：X 1 ，X 2， ，Xp 则原始数据的矩阵为其一般数学模型为 2：X= npnpxxxx212211式中：x ij
12、 为第i个样本、第j个指标的观测值。为使主成分分析能够消除由不同单位造成的影响，文章中将其作标准化处理：xi*=（x i-E(Xi)）/ )(XiD得到最新的标准化矩阵：x *=*21.pxx求 特 征 值 i及 其 特 征 向 量 矩 阵 tij而 方 差 贡 献 率 定 义 为 i j,一般 要 求 提 取 的 主 成 分 的 数 量 k满 足 k j0.85。 当累积贡献率达到85则该前m个主成分的解释能力可以接受。并写出主成分。作如下新的一组变量y 1，y 2， y i： *2*1 *2*2*122 111 pppp pxtxtxty ttt xxx并且满足 ， （k=1，2，p） ，
13、其中 满足下列原则：.22kktt ijt与 （ ； i， j=1， 2， ， p）相互独立。y 的各分量是不相关的，并iyjji且 y 的方差依次递减。这样决定的综合指标因子 ， ，, 分别被称为1y2my原变量的第一、第二、第 m 个主分量。对 m 个主成分进行综合评价 ，对 m 个主成分进行加权求和，即得最终评价值，权数为每个主成分的方差贡献率，记7为： )(21 pwwy1,y2,yp 是所求的 P 个主成分。构造综合评价函数： pyyk321主成分分析把原来较多的评价指标用较少的综合指标代替综合指标保留了原始变量的绝大部分信息且彼此互不相关，使问题简单化，在一定程度下避免主观随意性。
14、但是当主成分的因子负荷的符号有正有负时，综合评价函数意义就不明确，命名清晰性低，因此也要注意。5 结果分析5.1 主成分的确定5.1.1数据标准化处理将原始数据输入软件窗口，并将七个变量等别命名为 x1x7.X1 代表本年完成投资，X2 代表施工房屋面积，X3 竣工房屋面积，X4 代表商品房面积，X5代表商品房平均销售价，X6 代表本年购置土地面积，X7 代表本年开发土地面积。将原始数据标准化处理，得到标准化数据，见附表二。5.1.2 巴特利特检验和 KMO 检验在 SPSS 窗口中选择 analyzedata reductionfactor，并将 x1*x7*移入 variables 得到如
15、下表所示的特征根和方差贡献率表 1、因子载荷阵表 2、表 3 巴特利特球度检验和 KMO 检验。8表 1 特征根和方差贡献率表Initial EigenvaluesExtraction Sums of Squared LoadingsRotation Sums of Squared LoadingsComponentTotal % of VarianceCumulative %Total % of VarianceCumulative %Total % of VarianceCumulative %1 4.693 67.044 67.044 4.693 67.044 67.044 3.805
16、54.360 54.3602 1.337 19.101 86.145 1.337 19.101 86.145 1.331 19.012 73.3723 .366 5.227 91.372 .366 5.227 91.372 1.260 18.000 91.3724 .331 4.729 96.102 5 .157 2.247 98.349 6 9.500E-02 1.357 99.707 7 2.054E-02 .293 100.000 Extraction Method: Principal Component Analysis.表 2 因子载荷阵Component1 2 3Zscore(X
17、1) .896 .290 -2.450E-02Zscore(X2) .974 3.359E-02 -7.039E-02Zscore(X3) .954 5.754E-02 -9.098E-02Zscore(X4) .946 3.285E-02 -.118Zscore(X5) .377 .851 .275Zscore(X6) .761 -.420 -.167Zscore(X7) .645 -.589 .485表 3 巴特利特球度检验和 KMO 检验Kaiser-Meyer-Olkin Measure of Sampling Adequacy:.0.823Approx. Chi-Square257.
18、857df 219Sig. .000从表三可以看到，巴特利特球度检验统计量值为 257.857，相应的概率 P-值为 0.同时 KMO 值为 0.823，可知原有变量适合进行因子分析。5.1.3 主成分的确定将表 2 中的数据输入编辑窗口，并分别命名为 a1、a 2、a 3。在 SPSS 菜单项中 transformcompute，在对话框中输入公式：z 1=a1/SQRT(4.693),获得以 z1为命名的第一特征向量。依次输入公式：z 2=a2/SQRT（1.337） 、z3=a2/SQRT（0.366）分别获得以 z2、z 3 为变量名的第二特征向量。这样本文就获得如下所示的特征向量矩阵
19、：z1 z2 z3Zx1 .41 .25 -.04Zx2 .45 .03 -.12Zx3 .44 .05 -.15Zx4 .44 .03 -.20Zx5 .17 .74 .45Zx6 .35 -.36 -.28Zx7 .30 -.51 .80根据表格可以得到主成分的表达式：Y1=0.41ZX1+0.45ZX2+0.44ZX3+0.44ZX4+0.17ZX5+0.35ZX6+0.3ZX7Y2=0.25ZX1+0.03ZX2+0.05ZX3+0.03ZX4+0.74ZX5-0.36ZX6-0.51ZX7Y3=-0.04ZX1-0.12ZX2-0.15ZX3-0.2ZX4+0.45ZX5-0.28Z
20、X6+0.8ZX7主成分分析的目的是为了减少变量的个数，忽略一些较小方差的主成分，而这将不会咯总方差带来太大的影响。本文第一主成分的贡献率最大，为67.044%，能力最强。第二主成分的贡献率为 19.101%，第三个主成分贡献率为5.227%，累计超过 91.372%.。其他的主成分能力依次减弱，本文取三个主成分。105. 2 各地城市主要指标综合得分的确定根据主成分公式求取个因素得分。其中综合得分是由各影响因素的方差贡献率乘以各因素得分：321 057.90.6704. yyyki 计算求得 2009 年各地区综合得分并据此排名。y1 y2 y3 综合得分 排名北京 5.4 2.31 0.1
21、3 4.09 2天津 1.85 -0.06 0 1.24 5石 家庄 -1.45 -0.45 -0.07 -1.07 27太原 -1.87 -0.32 0.46 -1.3 30呼和浩特 -1.77 -0.21 -0.44 -1.26 28沈阳 1.69 -0.17 -0.82 1.06 6大连 0.19 -0.46 0.53 0.07 13长春 -0.82 -0.33 -1.01 -0.67 22哈 尔滨 -1.09 -0.5 -0.39 -0.85 23上海 3.71 2.91 -0.4 3.04 3南京 0.46 0.68 -0.33 0.42 11杭州 0.61 1.54 -0.16 0
22、.7 8宁波 -0.45 0.62 1.08 -0.13 18合肥 -0.04 -0.13 -0.65 -0.09 17福州 -1.04 0.45 -0.24 -0.63 21厦门 -1.1 0.96 -0.1 -0.57 20南昌 -1.82 -0.23 -0.19 -1.28 29济南 -1.64 0.25 -0.16 -1.06 26青岛 0.18 -0.42 0.43 0.07 12郑州 0.29 -0.79 -0.13 0.04 14武汉 0.98 -1.25 2.15 0.54 10长沙 1.27 -1.5 0.68 0.6 9广州 1.38 0.6 -0.04 1.04 7深圳
23、-0.92 2.9 1.18 -0.01 16南宁 -1.4 -0.09 -0.03 -0.96 25海口 -2.49 0.25 0.22 -1.62 34重庆 7.18 -3.12 -0.36 4.23 1成都 2.31 0.16 -0.57 1.56 4贵州 -1.18 -0.17 -0.52 -0.85 24昆明 0.06 -1.55 0.43 -0.24 19西安 0.12 -0.44 0.09 0.01 15兰州 -2.22 -0.31 -0.31 -1.57 33西宁 -2.48 -0.54 -0.07 -1.78 3511银川 -1.89 -0.3 -0.36 -1.35 31乌
24、鲁木齐 -2 -0.33 -0.01 -1.41 325.3 聚类分析C A S E 0 5 10 15 20 Label Num +-+-+-+-+-+聚类分析是能够根据变量特征、性质上的亲疏程度进行自动分类，并产生分类结果。各分类内部特征具有相似性，而各分类之间却有不同的差异性，如12此也便于分析。观察上图可知，各地城市分为四类，第一类总共有大连、青岛、昆明、南京、深证等 12 个城市，这几个城市在本年度完成投资等方面具有一定的相似之处。第二类包括沈阳、广州、成都、天津等 4 个城市。第三类长春、福州、厦门、西宁、呼和浩特等 16 个城市。在本年完成投资，施工房面积方面具有相似性。第四类北
25、京、重庆、上海三个城市，在各方面均都高于其他地区。而从综合得分表可得知，重庆、北京、上海三地在所有地区中得分远远高出，其中重庆得分 4.23，为最高，表明重庆地区指标完成的最好。重庆第一因子得分为 7.26 最高，而第二因子较低，比平均值更低，表明施工房屋面积这一影响因素与其他地区差异不明显。北京地区第一因子得分 5.4，第二因子得分2.31，表明本年完成投资高于其他地区。上海第一因子得分 3.71，第二因子得分 2.91 也是高于其他地区，与其他地区差异明显。对于排名最末的西宁、兰州、乌鲁木齐，这也能看出内陆地区与沿海地区的差异、东部地区与西部地区的差异。我国经济文化中心多在东部沿海地区，经
26、济发展状况也高于内陆地区。所以相对而言东部完成情况会好于西部内陆。由以上分析可以看出，重庆、北京、上海等地综合得分远远高于其他地区，而排在最后的是西宁、西安、海口等地。总体上呈现出东部指标完成的比中部、西部来的更好，但是也不是说所有东部城市都完成的很好。6 结论与讨论6.1 结论城市主要指标完成情况在一定程度上显示了地区经济的发展状况，文章通过主成分分析，得到如下结论：(1)在计算主成分分析，确定主成分变量个数，本文得到三个主成分，累积贡献率达到 91%以上，其中第一主成分贡献率最大，达到 67%以上。(2)各个地区城市完成指标差异明显。地产开发，除了其固定性外，还有的就是地区城市的经济实力。
27、本文分析中可以看到排名靠前的大部分都是东部沿13海，经济较发达的地区，比如排名第二和第三的北京、上海等一线城市， 。当然也有例外的厦门、福州等地因为历史、政治的因素，导致投资力度，资源开发相对同是沿海地区城市来讲来的较小，致使排名相对靠后。(3)我国中西部地域广阔，但是人口相对于东部少，有发展空间，而东部人口众多，呈现出一种人多地少的局面。因此缘故，在商品房售价方面东部城市都比中西部地区来的更高。北京地区 13799 元/平方米的销售价格，呼和浩特地区为 3887 元/平方米。以此就可以看出东、中、西之间的差异。也从另一方面体现出三方之间的贫富差距。6.2 讨论国家要发展，要致富，就不可避免要
28、从整体上了解地区城市之间的差距。地产业作为国民经济的基础，虽然不能全面解释经济的发展状况，但是也能部分反映出一些基础性的地区状况。为国家经济建设提供一些参考依据。由于地区水土风貌、地理人情、经济发展都有或多或少的差异，中西部处于内陆，经济发展状况不如东部沿海，导致投资额度相比于东部沿海来的少，整体上也就处于弱势。对此，应整体投资上作一协调规划 9：（1）加快区域发展，缩小城市间的差距。一个人富裕不能代表所有人都富裕，不能代表国家的富裕，但是所有人都富裕却能代表国家的富强，城市之间也一样，加快区域经济的发展，有规划的投资于欠发达地区，使城市间差距减小，才能使国民经济整体发展起来。（2）坚持地域文
29、化特色。每个地区都有自己的文化风俗，有自己的特色，只有把这些特色发展起来，打造自身文化特色，地域特色，吸引外地投资，来使自身得到迅猛发展。（3）粗放式发展向集约式。过去的经验显示，粗放式发展带来的不是真正的发展，它带来的是浪费资源、破坏环境的恶果。只有集约式发展，节约资源，节约土地，才是城市发展的必由之路。14参考文献1 吴文 刘芳 .基于主成分分析法的城市房地产综合预警指标分析J. 贵州大学管理学院2007级研究生贵州贵阳550000, 20092何晓群多元统计分析M 中国人民大学出版社，20043刘亚臣 王欢.基于主成分分析法的沈阳市房地产供求协调度分析J.沈阳建筑大学， 20084郭涛
30、孟周济 马静基于主成分分析法对房地产供求协调关系的分析J西安建筑科技大学土木工程系, 20075 余 凯 .基于主成分分析和灰色预测方法的房地产预警体系研究J.福建工程学院，福建福州350108, 20086翁少群,张红;基于模糊模式识别理论的中国房地产市场发展阶段判别研究J;土木工程学报;2004年05期7国家统计局中国统计年鉴 2009M北京：中国统计出版社，20098胡永宏.综合评价方法J.北京科学出版社 , 2000:22-399 tizleeph国内外研究现状 J南京财经大学2010-09-13 2011-5-28 http:/ 天津市房地产市场主成分分析及金融相关问题研究 J.中国
31、人民银行天津分行天津市 300040,200911刘飞飞.基于主成分分析的我国城市经济指标研究J.武汉理工大学管理学院 湖北武汉 43007012杨村点.商洛市房地产业发展水平综合评价J.商洛学院城乡发展与管理工程系陕西商洛 726000 ,201013薛薇.统计分析与 SPSS 的应用M.中国人民大学出版社 , 200714朱建平.应用多元统计M.北京科学出版社,200615夏青.基于房地产上市公司业绩评价体系的构建J西安工程大学学报， 2009（5）：64-7016.王志江.主成分分析法在地区企业经济效益评价中的应用J华侨大学学报,152005（2）：54-5617 Jenen Micha
32、dlandWiliam Meckling：Theory of the Firm： M an agerial Behavior，AgencyCosts and Cap ital Structure JJournal of FinancialEconomics，1976(3)18David ZetlandThe Real Este Market IndexJJELJune 2，200819 Honohan PBanking system failures in developing and tran sitioncountries：diagnosis and predictionJ Economi
33、c Notes by Montedei PasehisienaSpa，2000，29(1)20Joseph F,Hair J R.Factor analysis and arbitrage pricing in large asset economics.Journal of economics theory,199816附表一 09 统计年鉴 城市主要指标完成情况数据本年完成 施工房屋 竣工房屋 商品房销 售 商品房平均 本年购置 本年开发投 资 面 积 面 积 面 积 销售价格 土地面积 土地面积(万元) (万平方米) (万平方米) (万平方米) (元/平方米) (万平方米) (万平方米)
34、北 京 23377124 9719.08 2678.55 2362.25 13799 625.01 364.02天 津 7351836 6052.16 1902.06 1590.02 6886 444.78 369.81石 家 庄 3782171 2345.33 291.50 349.76 3765 249.61 163.08太 原 1650122 1772.70 176.67 183.80 4830 181.60 214.88呼和浩特 1789909 1837.76 461.09 379.58 3887 226.97 36.61沈 阳 11887007 6847.89 1293.55 153
35、2.93 4464 475.73 216.86大 连 5789421 3489.06 549.65 1152.68 6249 427.04 393.08长 春 4439252 2377.10 580.66 715.72 4142 485.17 0哈 尔 滨 2792251 1926.63 529.32 705.28 4226 377.00 127.47上 海 14620724 9949.45 2104.98 3372.45 12840 184.92 87.85南 京 5956796 4366.07 1516.28 1186.94 7185 284.92 114.11杭 州 7046752 51
36、40.80 836.95 1456.38 10555 371.44 37.16宁 波 3745119 3104.34 665.96 815.18 8992 196.14 323.67合 肥 6703559 4751.29 600.55 1297.95 4228 324.46 118.96福 州 3617991 2626.72 485.90 690.13 6625 295.89 39.66厦 门 2674171 3094.96 711.08 529.29 7951 210.45 0南 昌 1982468 1782.03 365.21 494.69 3774 153.27 91.27济 南 332
37、5576 2131.75 467.22 441.06 4897 128.14 51.22青 岛 4594829 4309.94 814.24 1261.86 5576 301.83 378.59郑 州 5123150 5196.50 642.97 1197.10 4298 437.07 314.75武 汉 7785946 4487.38 945.05 1086.99 5329 228.78 884.98长 沙 4973492 6167.29 1314.71 1406.58 3648 392.60 640.19广 州 8173449 5551.91 1078.72 1375.42 9351 57
38、6.92 224.34深 圳 4374590 3112.36 402.01 762.15 14615 30.42 20.58南 宁 2267250 2620.22 439.71 731.74 4557 149.40 136.56海 口 784406 675.61 118.91 191.78 5344 72.75 59.81重 庆 12389125 13052.60 2907.05 4002.89 3442 1227.79 1050.88成 都 9451356 8405.64 1740.61 2708.76 4925 215.91 297.95贵 阳 2103225 3094.20 739.80
39、 818.22 3762 184.28 67.79昆 明 3821456 2877.58 741.64 853.27 3807 537.94 492.74西 安 6942341 5683.31 542.81 1256.02 3890 214.94 320.78兰 州 990776 1259.19 209.58 244.03 3624 197.09 40.67西 宁 638393 723.64 146.23 154.68 2900 135.17 103.0917银 川 999584 1283.90 525.71 511.43 3523 175.12 61.42乌鲁木齐 1132955 1288.
40、66 398.88 537.27 3446 90.59 131.54附表二原始数据标准化本年完成 施工房屋 竣工房屋 商品房销售 商品房平均 本年购置 本年开发投 资 面 积 面 积 面 积 销售价格 土地面积 土地面积(万元) (万平方米) (万平方米) (万平方米) (元/平方米) (万平方米) (万平方米)北 京 3.87161 1.97796 2.65334 1.45627 2.58913 1.44802 .56378天 津 0.41992 0.68976 1.5235 0.56823 0.33272 0.62246 .58776石 家 庄 -0.34895 -0.61246 -0.8
41、1996 -0.85803 -0.68597 -0.27154 -.26845太 原 -0.80817 -0.81362 -0.98704 -1.04888 -0.33836 -0.58306 -.05391呼和浩特 -0.77806 -0.79077 -0.5732 -0.82374 -0.64615 -0.37524 -.79224沈 阳 1.39675 0.9693 0.63808 0.50258 -0.45782 0.76423 -.04571大 连 0.08339 -0.21066 -0.44434 0.0653 0.12481 0.5412 .68414长 春 -0.20742 -
42、0.60129 -0.39921 -0.43719 -0.56292 0.80747 -.94387哈 尔 滨 -0.56217 -0.75955 -0.47392 -0.44919 -0.5355 0.31199 -.41593上 海 1.98557 2.05889 1.81876 2.61798 2.27611 -0.56785 -.58002南 京 0.11944 0.09744 0.96217 0.1047 0.43032 -0.1098 -.47126杭 州 0.35421 0.3696 -0.0263 0.41455 1.53029 0.28652 -.78997宁 波 -0.35
43、693 -0.34581 -0.2751 -0.32281 1.02012 -0.51646 .39666合 肥 0.28029 0.23276 -0.37027 0.23236 -0.53485 0.07132 -.45118福 州 -0.38431 -0.5136 -0.5371 -0.46662 0.24753 -0.05955 -.77961厦 门 -0.5876 -0.34911 -0.20945 -0.65158 0.68034 -0.45091 -.94387南 昌 -0.73659 -0.81034 -0.71271 -0.69137 -0.68304 -0.71283 -.5
44、6586济 南 -0.44729 -0.68749 -0.56428 -0.75304 -0.31649 -0.82794 -.73173青 岛 -0.17391 0.07772 -0.05934 0.19086 -0.09486 -0.03234 .62412郑 州 -0.06011 0.38917 -0.30855 0.11638 -0.512 0.58714 .35972武 汉 0.51343 0.14005 0.13099 -0.01024 -0.17548 -0.36695 2.72142长 沙 -0.09235 0.73021 0.66887 0.35728 -0.72416 0.
45、38344 1.70758广 州 0.59689 0.51402 0.32549 0.32145 1.1373 1.22774 -.01473深 圳 -0.22135 -0.343 -0.65916 -0.3838 2.85548 -1.27556 -.85863南 宁 -0.67525 -0.51589 -0.60431 -0.41877 -0.42746 -0.73056 -.37828海 口 -0.99464 -1.19903 -1.07109 -1.03971 -0.17059 -1.08166 -.69616重 庆 1.5049 3.14903 2.98582 3.34296 -0.
46、7914 4.20911 3.40852成 都 0.87214 1.51655 1.28858 1.85475 -0.30735 -0.4259 .29014贵 阳 -0.71058 -0.34938 -0.16766 -0.31932 -0.68695 -0.57079 -.66311昆 明 -0.34049 -0.42547 -0.16498 -0.27901 -0.67226 1.04919 1.09689西 安 0.33172 0.56018 -0.45429 0.18414 -0.64517 -0.43035 .38469兰 州 -0.95019 -0.99402 -0.93916
47、-0.97962 -0.732 -0.51211 -.77543西 宁 -1.02609 -1.18216 -1.03134 -1.08237 -0.96831 -0.79574 -.5169118银 川 -0.94829 -0.98534 -0.47917 -0.67212 -0.76496 -0.61274 -.68949乌鲁木齐 -0.91956 -0.98367 -0.66372 -0.6424 -0.7901 -0.99994 -.39908致谢在论文完成之际，我才有点明白其实我真的很差，我可以独立做完很多事情，即使我之前从没接触过，但是我未必会做的很好。因此，我得向我的导师、同学致以最衷心的感谢，尤其是我的导师。余老师的深切教诲，我铭记在心，余老师的话也让我触目惊心。至今我还记得“你都没去做，又怎么会做。 ”发人深醒啊。在此我衷心感谢。所谓一语惊醒梦中人，原来真有此事啊。我真的很差，让您每次都发火，看见您发火，我心如刀绞，我恨不得能给自己更高的智慧，更强的能力，这样您就少操心，少失望。我还要感谢我得授课教师们，是他们不以余力，谆谆教诲，让我迷途知返。还有我得同室舍友，是他们的支持，是他们的鼓励，更是我们的友谊，让我们同舟共济，同进同退。我深深感谢他们。最后我表达一下对我母校，农
