基于无监督学习方法的收缩城市识别研究——以粤港澳大湾区9座地级市为例

发布时间：2020-12-09 23:26

　　当今世界,收缩城市作为一种全球性、地方性、复杂性、多维性的现象,逐渐引起学界和社会广泛关注。基于此,论文以粤港澳大湾区城市群中9座地级市为例,从经济、人口、空间地理、行政4个维度出发,通过2008—2017年各城市统计面板数据、灯光遥感数据DMSP/OLS的采集,初步建立了由44项潜在反映收缩城市特征的指标组成的识别体系。在此基础上,论文利用无监督学习中的K均值聚类算法与定量方法中的因子分析等方法划分了城市类别,并通过定性分析初步探究了其中收缩城市的形成原因。结果显示:根据论文最终构建的收缩城市综合识别体系对所研究城市的考察,肇庆、江门、惠州属于"人口流失型收缩城市",具有低城市扩张水平、低城镇化水平、低第二、三产业就业水平等特点。此外,(1)深圳、(2)广州、(3)珠海、中山、东莞和佛山,分别被划分为(1)"全面型扩张城市"、(2)"空间稳定型扩张城市"和(3)"稳定型城市"。而自然条件局限、地区政策引导缺位、区域内基础设施不配套和人口年龄结构变动是该地区收缩城市出现的成因。 

【文章来源】：公共行政评论. 2020年02期 第76-93+196页 北大核心CSSCI

【文章页数】：19 页

【部分图文】：

组内误差平方和图

因子分析能够在分类结果的基础上,找出对分类结果有决定性意义的指标,并将高度相关的指标组成一类因子。这些因子能够反映出44个指标构成的数据基本特征,同时包含原有识别体系的所有关键信息。由平行分析结果表明,因子数为4,组分数为4。由此,从图中和函数所给出的信息,我们保留4个因子变量即可。对于因子变量分别的指标组成,本文挑选了得分超过92%的指标,并按照得分高低,即相关程度进行排序。第一个因子变量主要由街道数、固定资产投资(万元)、房地产开发住宅投资额(亿元)、高等学校在校学生数(人)、消费品零售总额(万元)、户籍人口(万人)组成。第二个因子变量主要由省内年末净迁移人口(省内迁入-迁往省内)、第一产业生产值增长速度(%)、出口总额(亿美元)组成。第三个因子变量主要由城镇化率(%)、县数量、乡数量组成。第四个因子变量主要由失业率(%)、第一产业就业人口比率(%)组成。

深圳市固定资产投资额在10年间增长251.5%,房地产开发投资额增长384.9%,城市空间保持高速扩张。广州在2014年后,固定资产投资增速放缓,被深圳与佛山超过,但投资额10年均保持首位。而户籍人口数据方面,各城市10年间户籍人口数量变化趋势如图3所示。其中,江门、肇庆、惠州3市在2008—2009年出现剧烈增长,增速分别为186.4%、683.9%、157.5%,此后9年几乎陷入停滞,甚至是衰减。其中江门市2009年与2015年的户籍人口数量持平,均为391万余人。2.人口迁入与对外贸易水平

【参考文献】：
期刊论文
[1]制度范式:一种研究中国政治变迁的途径[J]. 杨光斌.  中国人民大学学报. 2003(03)



本文编号：2907651