2-1 京津冀地区商务服务业驱动因素及差异研究.doc

京津冀地区商务服务业驱动因素及差异研究
——基于经济普查数据的随机森林与lasso探索分析
北京市统计局、国家统计局北京调查总队 李刚、范静、李冬浩
摘要
 商务服务业发展是京津冀地区协同发展的重要载体。在当前京津冀一体化背景下,研究京津冀地区商务服务业的驱动因素及差异,有助于明确本区域未来发展方向与思路。本文利用第二次经济普查商务服务业企业微观数据,选取了人员、资产、信息技术等指标,经过数据筛选和分箱预处理后,进行相关性分析、分布探索和可视化描述。在前期分析基础上,利用两种分箱数据对随机森林、boosting等六种挖掘方法进行十折交叉验证,经过比较筛选,选取MDLP熵分箱数据、随机森林及lasso回归,确定两种模型的最优参数,并对模型的预测精度和计算效率进行比较。
本文的主要结论有:京津冀地区商务服务业的驱动因素重要性排序基本一致,人力资本和资产是最主要的驱动因素;驱动因素对不同地区的影响程度差异较大,各因素对北京的影响程度均高于天津和河北,信息技术和人员素质差异更为明显;京津冀地区协同发展程度低于江浙沪地区,实现京津冀地区商务服务业一体化发展还有很长的一段路要走。本文对优化资源配置,实现地区差异化、协同化发展具有可借鉴性,并为普查资料的开发利用提供了一种新的思路。
关键词:京津冀,商务服务业,交叉验证,MDLP熵分箱,随机森林,lasso回归
目录
一、问题的提出及研究综述 1
(一)问题的提出 1
(二)研究综述 1
二、变量选取及数据预处理 1
(一)基础数据情况 1
(二)变量的选取 3
3
3
(三)数据预处理 3
三、数据探索分析及可视化 5
(一)相关性探索 5
(二)分布探索 6
6
8
四、京津冀地区商务服务业发展的驱动因素及差异性分析 9
(一)北京市商务服务业驱动因素建模 9
9
9
10
12
13
(二)京津冀地区商务服务业差异分析 14
14
14
(三)模型的结果分析 15
(四)模型意义及下一步研究计划 16
五、京津冀地区商务服务业发展存在的问题及政策建议 16
(一)存在的问题 16
(二)政策建议 17
一、问题的提出及研究综述
(一)问题的提出
我国商务服务业发展起步较晚,但随着国际化程度的提高和产业化进程的加快,探讨如何推动商务服务业健康快速发展具有重要意义。同时,由于商务服务业兼具知识密集型、资金密集型和劳动密集型特征,属于低耗、高效的绿色产业,符合我国现阶段的经济发展方向。本文在京津冀一体化的大趋势下,研究该地区商务服务业发展的驱动因素及差异,探讨三地如何因地制宜发展商务服务业,促进区域商务服务业协同发展。
(二)研究综述
国内以往研究商务服务业的文献主要集中于对于单个城市商务服务业发展状况的描述、发展驱动机制的分析,以及区域城市间协作发展模式的探讨等方面。浙江树人大学课题组(2007)通过问卷调研的方式对浙江商务服务业发展状况进行调查研究,其运用的问卷调研属于传统统计分析方法,不能深入探索挖掘商务服务业发展规律。顾乃华,李雨珣(2009)提出促进粤港澳商务服务业合作宜从丰富合作模式、建立健全粤港澳政府间的合作机制等方面入手,该研究缺乏对于不同城市商务服务业发展状况差异及影响因素差异的分析,不能够指导城市在竞争过程中因地制宜、差异化发展。饶小琦,钟韵(2010)从行业内、行业间和城市间三个层面对广州商务服务业进行了分析,所利用的数据为营业收入、利润总额、增加值等宏观数据,没有从企业个体出发,利用微观企业数据,研究影响该行业企业经营的内部因素,损失了微观企业数据所包含的丰富信息。
本文对以往文献研究不足的部分进行补充研究,基于企业微观数据,利用随机森林、lasso回归等数据挖掘方法对京津冀地区影响商务服务业发展的因素进行定量分析,试图找到不同区域影响商务服务业发展的主要因素和影响因素的区域差异,进而找到各地商务服务业发展的最优思路,推动京津冀地区商务服务业的整体发展。
二、变量选取及数据预处理
(一)基础数据情况
经济普查的企业微观数据是核算经济总量的原始依据,相较于汇总数据包含了更为丰富的信息。本文采用2008年第二次全国经济普查抽样数据中服务业数据
作为数据源。数据共包含90多万个样本,每个企业样本数据中包含56个指标。指标包含分类变量和连续变量两类。分类变量包括行政区划代码、行业代码、登记注册类型、执行