本科生毕业设计（论文）外文资料译文

（ 21 届）

外文资料译文规范说明

一、外文资料译文：

影响不同地区经济发展水平的经济因素

经济发展是一个复杂的、多维度的概念。探究经济发展过程中的相关性和依赖性需要进行适当的多元分析。主成分分析法和因子分析法被广泛应用于研究与48个相邻州的多地区经济发展相关的社会经济相互依存关系。本文总结了该研究的一些结果，并解释了数学恒等相关因子分析在主成分分析中的应用。这种方法能够解释不同因素对经济发展水平的影响程度。

经济发展水平

我们假设了12个变量来共同衡量美国大陆489个多地区在1960年代早期的经济发展水平。选择多地区作为观察单位，而不是城市、县或州，因为发展问题在地理上通常与这些政治划分不一致。接着会采用主成分分析法将12个变量简化为一个连续变量，将其称为经济发展指标。由主成分分析法得出的被用于指标权重构建的数据写在了表一的第二列。每个地区所得的经济发展指标由12个乘积相加所得；其中乘积通过权重乘以给定多区域的12个标准化变量得到。指数是规模化的，所以所有地区的平均值都为100。（指数被缩放，所以所有区域的平均值是100。）

主成分分析法根据发展指标方差大小的方式来分配变量权重。在这项研究中，第一个主成分解释了12个变量中大约56%的方差。其中两个变量的权重值为负，分别为收入低于3000美元家庭的比例以及农业人口比例。因此，当一个地区的农业人口相对较多或贫困程度相对较高或两者兼之时，该地区的经济发展水平就会降低。正权重最大的变量是人均收入和健康住房的相对数量。这两个变量是经常被用于衡量经济是否良好发展的常用指标，在经济发展指数的计算中有较大影响。

图1显示了各地区经济发展指数的地理分布。大多数发展水平最高的地区（指标值在120及以上）都毗邻并包括纽约、克利夫兰、华盛顿特区、达拉斯、丹佛、拉斯维加斯、西雅图、迈阿密等大城市，以及加利福尼亚州的大多数大城市。发展水平次高的区域(110-119)要么位于指标值在120以上的区域附近，要么在地理上与其他城市中心分开。后一类地区的例子包括明尼阿波利斯-圣保罗、保罗明尼苏达州、印第安纳波利斯、印第安纳州、宾夕法尼亚州匹兹堡、爱荷华州得梅因、内布拉斯加州、奥马哈、亚利桑那州图森市、新墨西哥州阿尔伯克基以及犹他州的盐湖城。

指数值在100至109之间的地区似乎是被相对不发达地区包围的经济发达岛屿。指标数为90-99的地区往往集中在中北部、大湖以及南部各州。与这些地区相邻的是经济指标为下一水平的地区，指标数在80-89不等。这些地区主要在南方，包括许多以农业为主的地区。与这些地区交织在一起的是那些经济发展水平最低的地区——指数低于80。最不发达地区主要是在沿海平原、阿巴拉契亚中部、密西西比三角洲和欧扎克地区。除了阿巴拉契亚中部的煤矿矿区外，这些地区也以农业为主。

1959年收入低于3000美元家庭，1960

影响发展水平的因素

主成分分析在描述美国不同地区的经济发展水平及其地理分布时非常有用。然而，我们需要进一步进行多元分析，以确定与不同的经济发展水平有关的因素。因此，我们使用因子分析来辨别所选变量之间潜在的相互依赖性。

对表1中的12个变量进行因子分析，发现变量之间隐含着两个不同的因素，为一般商业活动和人口聚集。这两个因素共同解释了489个多地区12个变量中70%的变化。

表1的第三和第四列包含因子分析得出的权重，随后用于确定一般商业活动因子和人口集聚因子。这些变量是按照它们对一般商业活动（因素一）的贡献的重要性顺序列出的。其中8个变量对第一个因素影响很大，一种是是当前的收入和支出指标，如零售和人均收入，另一种是对总体商业活动高水平的反映，如住房质量、教育水平和地方政府支出水平。而收入低于3000美元的家庭所占百分比的负权重表明，收入分配的巨大不平等降低了一般商业活动的水平。

表1第四栏中最后四个变量的较大权重表明，这些变量与地方经济的聚集关系有关。集聚经济是指人们和经济的活动聚集在城市区域。这个因素是衡量地区城镇化程度的指标，反之，则是衡量乡村化程度的指标。农场人口占比负权重较大，而城市人口占比正权重较大。另外两个变量是对职业和产业组合的描述:白领就业的百分比和金融服务业的百分比。这些变量在某一地区的值越高，集聚程度就越高。

一般商业活动和集聚与发展的关系

利用表1中第(3)和第(4)栏中的权重，用相同的方法计算一般业务活动指数和聚集指数。这些指数也进行了缩放，使区域的平均值为100。图2是两个索引的散点图，显示了一般业务活动和聚集通常是一起移动的，可以看出一般商业活动随着聚集的增加而增加。但是，在一定的发展水平上，这些因素之间有一些替代的空间。

主成分分析和因子分析的数学模型都是线性的，两者都是初始变量的线性组合。当在因子分析模型中使用统一的共通性时，可以推导出将主成分与因子分析结果关联起来的数学恒等式。这种关系可以通过数学的形式来描述了图2中隐含的经济结构。这个关系的推导可以很容易地通过联立方程来表示，其中一个多地区的经济发展水平(DEV)可以被假设为一个一般商业活动(GBA)和集聚(A)相关的函数，并满足以下线性关系:

因此，我们有三个未知数K、x和y，其中K是常数项，x和y是系数。选择任意三个区域数据，我们可以求解这组联立方程，结果如下：

这个方程中的常数项通过缩放三个指标得到的平均值为100 [1 pp. 39,45]。如果它们被缩放到0，我们就会得到一个有两个方程两个未知数的方程组。

由此得出的方程表明，通过不同数量的一般业务活动和集聚，可以获得给定的发展水平。换句话说，在一定限度内，这些因素是可替代的。例如，有些地区的集聚指数低于全国平均水平，但一般商业活动指数高于全国平均水平，这使得这些地区的发展水平高于全国平均水平。这些地区一般都是人口稀少的农村地区，但零售总额和教育程度均高于平均水平，农业商业化、现代化程度高，人均收入高于平均水平。相反，大多数城市地区在聚集指数上排名较高，但其一般商业活动水平低于平均水平，因此与一些农村地区的发展水平相同。

图3是图2的三维表示，它显示了DEV和GBA与A之间的关系。上面的方程代表了三维空间中的一个平面。图3显示了“平面”从A-GBA这个地板上升的情况，在这个平面上有一个无阴影区域，它近似于指标GBA, A和DEV的经验变化范围。正如预期的那样，发展水平向上和向右倾斜，并随着GBA索引或A索引的增加而增加。在没有阴影的区域是一系列的线，每一条线都是经济发展水平相同的线，其中右上角的线条描述了比左下角更高的发展水平。

替代因素组合举例

图3

这里选择了四个地区来说明如何解释图2和图3，并展示了两大主要因素即一般商业活动和集聚如何结合起来决定经济发展水平。这四个区域的索引列在表2中，并在图3中表示为数字1到4。四个地区配对代表两个经济发展水平，其中每对的一般商业活动和集聚水平都不同。

第一对区域位于得克萨斯州拉雷多(Laredo)以及诺福克-哥伦布(Norfolk-Columbus)，代表经济发展水平低于全国平均水平的情况(区域1和区域2，图3)。它们已经达到了差不多相同的发展水平，但是达到这一水平所使用的资源组合是不同的。从集聚指数93可以看出，诺福克-哥伦布地区的农村化程度较高。但是诺福克-哥伦布多地区的一般商业活动指数(98)高于德克萨斯州拉雷多地区(93)。在一般商业活动的所有组成部分中，诺福克-哥伦布地区的排名高于拉雷多，而在所有与集聚相关的组成部分中排名较低。诺福克-哥伦布地区在大型商业农场和人均零售额方面排名最高，这表明该地区在商业农业和贸易活动方面表现强劲。拉雷多地区总体商业活动水平相对较低，但强烈的聚集性因素弥补了这一点，这表现在居住在城市的人口比例大，生活在农场的人口比例小。

第二对地区的发展水平均高于全国平均水平。这两个区域分别为德克萨斯州加尔维斯顿

和道奇城花园城堪萨斯州。它们的发育指数分别为111和110（图3，区域3和区域4）。这些区域再次被选中，以显示在聚集和一般商业活动之间权衡以保持给定的发展水平的潜在可能性。德克萨斯州加尔维斯顿市更加城市化，有较少的商业农场，有更多的金融服务，因此，集聚指数会高于道奇城花园城堪萨斯州。然而，道奇城花园城堪萨斯州拥有更高的人均收入、贫困程度低、教育水平更高、商业农业更强大、零售和人均银行存款更多，因此会导致总体商业活动指数更高。在一定范围内队各种因素之间进行权衡的想法，也可以通过选择一般商业活动聚集程度相当的两个地区，改变聚集程度，并观察其对发展水平的影响来说明解释。这两个因素之间的关系可以由上面的数学公式推出，两个因素之间的权重可以直接得出。例如，如果保持聚集指数(A)不变，那么发展指数(DEV)的1.3289个单位变化将导致一般业务活动指数(GBA)的1个单位变化。

总结

主成分分析和因子分析是多维度分析经济发展的有效工具。当变量高度相关时并且需要数据精简细分时，主成分分析和因子分析会更有效。从这两种分析法所得出的结果来看，发展政策即使在发展水平相似的地区之间也要有所不同，因为两个发展水平相同的地区也可能具有不同的集聚程度和一般性商业活动指标的组合。但实证结果表明，在某一特定地区，这两个因素之间的差距并不会太大。因为从成本的角度来看，如果超出了成本限度，就不可能只扩大其中一个因素而不扩大另一个因素。因此，一般商业活动水平较高的地区会需要更多地集中精力去扩大集聚水平，如改善交通设施、提供金融和批发服务、提高中心城市服务的可用性等；另一方面，集聚程度较高的地区需要更多地集中精力扩大一般商业活动，这一般可以通过改善产业结构、提高劳动力受教育水平和技能水平、提高劳动力参与率、扩大就业、提高总收入水平等方面入手。

参考文献

[1] 爱德华·克拉克·罗伯特·科尔特兰，斯坦·达伯科，以农村地区为重点的经济增长和区域发展差异的研究，美国农业部，经济学.第205号报告.1971年5月

[2] 兰德·麦克纳利商业地图集和营销指南，芝加哥，1971

[3] 城市群分析及其对农村人口的意义，中国农业大学出版社，经济学.第96号报告.1966年6月

外文原文资料信息

[1] 外文原文作者：Stan Daberkow

[2] 外文原文所在书名或论文题目： ECONOMIC FACTORS INFLUENCING THE LEVEL OF ECONOMIC DEVELOPMENT OF MULTICOUNTY AREAS

[3] 外文原文来源：

出版社或刊物名称、出版时间或刊号、译文部分所在页码：SOUTHERN JOURNAL OF AGRICULTURAL ECONOMICS,1972,July,45-52

二、外文原文资料：

ECONOMIC FACTORS INFLUENCING THE LEVEL OF ECONOMIC DEVELOPMENT OF MULTICOUNTY AREAS

Economic development is an elusive, multidimensional concept. Identification of the interdependencies and inter

剩余内容已隐藏，支付完成后下载完整资料

ECONOMIC FACTORS INFLUENCING THE LEVEL OF ECONOMIC DEVELOPMENT OF MULTICOUNTY AREAS

Economic development is an elusive, multidimensional concept. Identification of the interdependencies and interactions underlying the development process seem to call for appropriate multivariate analysis. Principal component and factor analyses were used in a study of socioeconomic interdependencies associated with economic development in multicounty areas in the 48 contiguous States [1]. This paper summarizes some results from that study and explains the use of a mathematical identity relating factor analysis to principal component analysis. This identity explains the level of economic development in terms of alternative levels of factors.

THE LEVEL OF ECONOMIC DEVELOPMENT

Twelve variables were postulated to collectively measure the level of economic development in the early 1960s for 489 multicounty areas in the continental United States (Table 1).1 Multicounty areas were selected for observation units rather than cities, counties, or States because development problems are not usually aligned geographically with these political delineations. Principal component analysis was employed to reduce the 12 variables to a single continuous variable called an index of economic development. 2 The weights derived from principal component analysis and used in the index construction are in the second column of Table 1. An index number for a given multicounty area is the sum of 12 products; where the products were obtained by multiplying the weights by the 12 respective standardized variables for the given multicounty area.The index was scaled so that the mean for all areas was 100.

Principal component analysis assigns weights in such a manner that the variance of the development

index is maximized. In this study the first principal component explained approximately 56 percent of the variance of the 12 variables. Two variables have negative weights; the percentage of families with less than $3,000 income, and the percentage of farm population. Hence the level of economic development of an area is lowered when an area has a relatively large farm population or a relatively large amount of poverty or both. The variables with the largest positive weights are income per capita and the relative amounts of sound housing. Both of these variables are popular measures of economic well-being and seem to warrant a relatively heavy influence in the calculation of the index of economic development.

Figure 1 shows the geographic distribution of the index of economic development by multicounty areas. The majority of areas which had the highest level of development (an index value of 120 or more) were adjacent to and included such large cities as New York, Cleveland, Washington, D.C., Dallas, Denver, Las Vegas, Seattle, Miami, and most large cities in California. Those areas with the next highest level of development (110-119) seemed either to be (1) located near the group of areas with index values of 120 or more, or (2) geographically set apart from other urban centers. Examples of areas in this latter category include Minneapolis-St. Paul, Minn.; Indianapolis, Ind.; Pittsburgh, Pa.; Des Moines, Iowa; Omaha, Nebr.; Tucson, Ariz.; Albuquerque, N.M.; and Salt Lake City, Utah. The areas with index values of 100 to 109 seemed to be economically developed islands surrounded by relatively underdeveloped areas. Those areas in the 90-99 classification tended to be concentrated in the North Central,Great Lake, and Southern States.

Contiguous to many of these areas were areas with the next lowest level of economic activity, with indexes ranging from 80 to 89. These areas were mainly in the South and included many agriculturally oriented areas. Intermingled with these areas were those with the lowest level of economic development-with indexes below 80. The least developed areas were primarily in the coastal Plains, Central Appalachia, Mississippi Delta, and Ozarks regions. These areas were also agriculturally oriented, with the exception of the coal mining areas in Central Appalachia.

FACTORS AFFECTING THE LEVEL OF DEVELOPMENT

Principal component analysis was quite useful in depicting areas with different levels of economic development and their geographic distribution in the United States. However, we needed to carry the multivariate analysis further in order to identify factors associated with differing levels of economic development. Hence, we used factor analysis to discern underlying interdependence among selected variables.

Applying factor analysis to the 12 variables in Table 1 revealed two distinct factors implicit among the variables; general business activity and agglomeration. Together the two factors explained 70 percent of the variation in the 12 variables among the 489 multicounty areas.

The third and fourth columns of Table 1 contain the weights derived from the factor analysis and subsequently used to identify the general business activity factor and agglomeration factor. The activity factor and agglomeration factor. The variables are listed in order of importance in their contribution to general business activity (factor one). The eight variables heavily weighted on factor one are either current measures of income and spending, such as retail sales and income per capita, or a reflection of high levels of general business activity such as quality of housing, education level, and level of spending of local governments. The negative weight on the percentage of families with less than $3,000 income,indicates that a large inequity of distribution of income detracts from the level of general business activity.

The large weights on the last four variables in the fourth column of Table 1 indicate these variables are associated with agglomerative relationships in the local economy. Agglomeration economies develop w

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[269684]，资料为PDF文档或Word文档，PDF文档可免费转换为Word