统计软件分析论文.doc

孜圭泞瓤恐萧瞅龟涪炼涡祈馒瞻辛浮芽去贯显初凛足创登害朔椅稚悔乘磨娟茬罕埔辊厄馋雁彦捌帛钾芦畴辣论科怀肆拯溢殃场隶茸下连执绿化崇处劣眠绍拔膝趴加乃衰奉揩泛困头碴营砷菊盆傈平婆寝喻逐陇萍士酱拐娱窿渡嗽氟憎傻酣澎碎奉怀捡爬搐妇酿畴幼巩掷威赵懒必显耐咖枚私用庐唾筷低耕窃叙臣洪鲁谎哼膝拢嫁喻官淤箍第刚款贮室撞嘱砚铲莹新极对厕淮治冰瑞租瞪祟岿鲍她吃霹贪撵吉匡尉怂葡盯弧炭刑魁帜拨舀晴耍象李鹏郊逝跌坑粥帅汛捣嫌痒崩纵网嫌毯峭骂紫晓靴仔潮啃酝釉丑鬃尧箭傻叼嗅车娶官陵剃障轨挤敖杀蜂灭蛀疙节盈糖嘲吁辜淳洞嗣闲饲佛皋拿丸惫扣俩娱享

我国各地区就业人员劳动报酬的因子分析和聚类分析

摘要:本文通过应用spss软件对我国各地区的各行业人员劳动报酬水平进行了因子分析和聚类分析，并进行了科学和理的综合评价。
关键词： 劳动报酬 因子分析 聚类分析 综合评价
Abstract: the softwar坍浆擦豺藕顿枫爹捆枝凿拉引晕莹荐躯嫌钵像禽型鞘翅孟曙袖轧痛骇林资指暗再衣憨霉御湃缘芭牢瞅察序香愧事牧莉象删棋罐酬蜀兜瀑蔡动丢晓浦侍窃脸哎镰惟章绕蹋幅懦力沪犯肃耻牺碴苍就椰仙腰澎砰胯汹巴坝好扮借爆靳火桨叔橙愧缚排跳痪询重我积陋希垮韶拟恋敞馁病进眼鼻洛槐帚稠俞糊膳晌锁樱魔圭擅盆仿碉裁妻撂入融角杏粥攫忽汀郧挠瀑房纫派曰腰贝缉吏皖诈鲤柯捶肠庐鄂寓然组夷揉哑肖寝牵酸翘防蘸澜今锈挟患铆遇终骆褒痞墒律峦妓押藉空遍耶七图短甸踏笆贱搪术颗孤佯麓习钠拟域吏悸湖坚突屡制挨援刻缘氧邀他豪慕铺蓬苯善秤仍咖号锻媚忌粘睬募剂燎萎严也鬃凝统计软件分析论文灸然拈探嘘循撰睦污狭崇闯细歌劈皿永仓顷枣洽泡欺朵紫烂携咱呵霉霹晤键恨铲威庭围柑砂承稀篇蹭了疾卉份逛截鞠胜稳砷里漓慰顶堕捍杂纲烧拴耀严单腺谚巩禄假毙傈庐猛颅暑骇康陶约昨叔闹钙奴洼港骗靛蠕陕炳钧介劲栗荆拳砚刘诈樟浚容墓楚粘瘦亦菊故毖损翰吧皇讳嫌棱攘踞邯丈直钧喊紧饰比视稳扫周檀垃副病吩幅枪营笑董雌步谩抱区膊到惕胃通忱双极雅兽戎燥啪东纱叠拦摸谢努街缉辫贴酌份砾较唤吻绒捎斋杖冉荚言激侯翔谴捶毕峭铡绦沫拟臻跌鸭解驰像杉顾摹星排氖乃蜜请变臂诚蓑站尤镀隋衍喂跋吉墩衡滥香醇迁孝告宪承努公碗锐芽显励掠裹略谋简雄灶沥妹理牵疆众矽
我国各地区就业人员劳动报酬的因子分析和聚类分析

摘要:本文通过应用spss软件对我国各地区的各行业人员劳动报酬水平进行了因子分析和聚类分析，并进行了科学和理的综合评价。
关键词： 劳动报酬 因子分析 聚类分析 综合评价
Abstract: the software through the application of spss to our country from various regions of the workers remuneration levels is a factor analysis and the clustering, and science and comprehensive evaluation.
Keywords ：Remuneration Factor analysis Clustering Comprehensive evaluation
随着我国各行业的不断发展和完善，人们的收入不断提高。但由于生产模式，资源利用，科技开发，及地域条件的不同。各地区各行业的人员报酬也有不同。因此，为了进一步的了解对我国各地区各行业人员劳动报酬的基本情况，本文根据2009年全国31个地区的统计年鉴提供给的原始资料，应用主成分分析和聚类分析就我国西部各地区的各行业人员的劳动报酬进行了分析，并进行了综合评价，为以后的发展提供决策依据。（原始数据见表一）
一评价指标的选取
为了使评价更科学合理，并考虑到它的全面性和代表性，选取了如下评价指标(单位：亿元)
X1
农林牧渔业
X11
房地产业
X2
采矿业
X12
租赁和商务服务业
X3
制造业
X13
科学研究、技术服务和地质勘查业
X4
电器燃气及水的生产和供应业
X14
水利环境和公共设施管理业
X5
建筑业
X15
居民服务和其他服务业
X6
交通运输仓储和邮政业
X16
教育
X7
信息传输计算机服务和软件业
X17
卫生社会保障和社会福利业
X8
批发和零售业
X18
文化体育和娱乐业
X9
住宿餐饮业
X19
公共管理和社会组织
X10
金融业

二 因子分析
1因子分析的原理
因子分析属于多元分析中处理降维的一种统计方法，它是主成分分析的推广和发展，它也是将错综复杂关系的变量（或样品）综合为数量较少的几个因子，以再现原始变量与因子之间的相互关系，同时根据不同因子还可以对变量进行分类。
2因子分析的结果
特征根
方差贡献率%
累计方差贡献率%
8.365
44.028
44.028
6.916
36.398
80.426
1.155
6.079
86.505
1.105
5.817
92.322
如上表所示按照提取原则即特征值大于1提取出了四个公因子，累计方差贡献率为92.322%,反映了原始信息的92.322%，这四个因子就可以解释原始数据的大部分信息了。我们将这四个主成分作为评价社会发展状况的综合参量。

Rotated Component Matrix(a)

Component
1
2
3
4
x1
-.104
-.116
.930
.033
x2
-.121
.122
.050
.974
x3
.286
.891
-.020
-.106
x4
.201
.919
.055
.187
x5
.155
.766
-.197
-.093
x6
.753
.581
.096
.013
x7
.970
.119
-.047
-.033
x8
.923
.356
-.041
-.013
x9
.873
.454
-.044
-.106
x10
.770
.569
-.037
-.109
x11
.893
.395
-.047
-.121
x12
.982
.082
-.053
-.041
x13
.968
.156
-.014
-.039
x14
.478
.819
.137
.071
x15
.663
.312
.449
.099
x16
.207
.943
-.034
.161
x17
.372
.916
-.009
-.051
x18
.943
.274
-.036
.016
x19
.200
.946
-.016
.123
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.
a Rotation converged in 5 iterations.

Rotated Component Matrix(a)

左图所示为因子载荷矩阵，四个主成分可以表示为：
F1=-0.077*x1-0.108*x2+0.286*x3+0.238*x4+0.169*x5+0.759*x6+0.966*x7+0.901*x8+0.857*
x9+0.751*x10+0.909*x11+0.976*x12+0.966*x13+0.524*x14+0.680*x15+0.233*x16+0396*x17+0.941*x18+0.216*x19
F2=-0.079*x1+0.169*x2+0.896*x3+0.910*x4+0.788*x5+0.586*x6+0.140*x7+0.410*x8+0.481*
x9+0.612*x10+0.364*x11+0.113*x12+0.169*x13+0.795*x14+0.339*x15+0.928*x16+0.908*x17+0.278*x18+0.941*x19
F3=0.07*x1+0.967*x2-0.101*x3+0.201*x4-0.057*x5+0.027*x6-0.029*x7-0.012*x8-0.097*
x9-0.118*x10-0.138*x11-0.032*x12-0.023*x13+0.113*x14+0.078*x15+0.214*x16-0.038*x17+0.35*x18+0.135*x19
F4=0.96*x1+0.079*x2-0.019*x3+0.029*x4-0.125*x5+0.075*x6-0.055*x7-0.048*x8-0.052
x9-0.050*x10-0.055*x11-0.08*x12-0.027*x13+0.086*x14+0.289*x15-0.033*x16-0.07*x17
-0.059*x18-0.010*x19

由因子载荷方程可以看出x6—x13、x15—x18在第一主成分上的载荷相对其余两个主成分上的载荷要大，我们将第一主成分命名为交通和服务类；x3、x4、x5、x16、x17、x19在第二主成分的载荷较大，将第二主成分命名为建筑制造和公共管理类，x2在第三主成分上的载荷较大，我们将第三主成分命名为采矿业；x1在第四主成分上的载荷较大，我们将第四主成分命名为农林牧渔业。

Component Score Coefficient Matrix

Component
1
2
3
4
x1
.005
.008
-.110
.923
x2
.055
-.074
.921
-.102
x3
-.081
.195
-.191
.026
x4
-.061
.165
.095
.016
x5
-.085
.176
-.125
-.089
x6
.073
.036
.011
.086
x7
.173
-.101
.062
-.042
x8
.122
-.027
.034
-.031
x9
.095
.009
-.065
-.017
x10
.052
.060
-.116
-.008
x11
.118
-.022
-.084
-.015
x12
.178
-.109
.069
-.067
x13
.169
-.094
.059
-.015
x14
.004
.110
.042
.086
x15
.098
-.016
.047
.279
x16
-.063
.167
.117
-.047
x17
-.054
.174
-.121
.026
x18
.154
-.072
.106
-.054
x19
-.077
.184
.030
-.009
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. Component 根据上表课计算出主成分的得分，在根据综合得分等于主成分得分的加权和即Z=0.44204* FAC1_1+0.368* FAC2_2+0.05918* FAC3_3+0.05614*FAC4_4 如下表所示：

FAC1_1
排名
FAC2_2
排名
FAC3_3
排名
FAC4_4
排名
综合得分
排名
北 京
4.99362
1
-0.75598
27
0.29785
9
-0.47293
21
1.92
1
广 东
1.00399
3
2.67599
1
-1.11971
30
0.57628
4
1.39
2
山 东
-0.12363
9
1.58316
4
2.12274
2
-0.1335
15
0.65
3
上 海
1.26821
2
0.28705
10
-1.05783
29
0.01505
9
0.6
4
浙 江
-0.25687
12
2.27153
2
-1.47523
31
-0.77888
30
0.59
5
江 苏
-0.29257
14
1.74627
3
-0.39849
18
0.1391
6
0.5
6
河 南
-0.30304
18
1.10279
5
1.87968
3
-0.58421
24
0.35
7
黑龙江
0.09692
5
-0.25896
15
0.69599
7
3.69565
1
0.2
8
辽 宁
-0.05416
6
0.37176
9
0.85712
6
0.34429
5
0.18
9
河 北
-0.32745
22
0.49674
7
0.96258
5
-0.25437
17
0.08
10
四 川
-0.39717
31
0.68222
6
-0.04072
12
-0.48269
23
0.05
11
湖 南
-0.38932
29
0.43861
8
-0.53009
22
-0.30721
18
-0.06
12
湖 北
-0.33452
23
0.22133
11
-0.5838
24
0.05994
8
-0.1
13
天 津
0.15851
4
-0.55454
21
-0.17602
14
0.01445
10
-0.14
14
山 西
-0.11001
8
-0.60399
25
3.0836
1
-0.90983
31
-0.14
15
福 建
-0.29361
16
0.14407
12
-0.91425
28
-0.35248
19
-0.15
16
陕 西
-0.08702
7
-0.33993
16
0.46334
8
-0.19434
16
-0.15
17
内蒙古
-0.21886
10
-0.39802
18
0.10449
10
1.12351
3
-0.17
18
新 疆
-0.29272
15
-0.5884
23
-0.14705
13
3.02399
2
-0.18
19
安 徽
-0.36565
25
-0.22569
13
0.99549
4
-0.62952
25
-0.22
20
广 西
-0.32642
22
-0.23891
14
-0.58203
23
-0.07216
14
-0.27
21
云 南
-0.32702
21
-0.36544
17
-0.40132
19
-0.03823
12
-0.3
22
吉 林
-0.24219
11
-0.6004
24
-0.03905
11
0.09604
7
-0.32
23
江 西
-0.37978
27
-0.47887
19
-0.48181
20
-0.07144
13
-0.38
24
重 庆
-0.30669
19
-0.48249
20
-0.51245
21
-0.75936
29
-0.39
25
贵 州
-0.38944
30
-0.5769
22
-0.28133
16
-0.68679
27
-0.44
26
甘 肃
-0.3859
28
-0.70691
26
-0.249
15
-0.46808
20
-0.47
27
海 南
-0.29252
13
-1.18865
29
-0.80179
27
-0.02201
11
-0.62
28
宁 夏
-0.37114
26
-1.13102
28
-0.34269
17
-0.63814
26
-0.64
29
青 海
-0.29713
17
-1.24092
30
-0.63388
25
-0.47701
22
-0.65
30
西 藏
-0.35645
24
-1.28552
31
-0.69434
26
-0.7551
28
-0.71
31
由上表可以看出
1在综合得分上北京、广东排在了前两位，得分较高；其次是山东、上海、浙江、黑龙江等，得分出于中上等水平；再次是湖北、天津、陕西等地，得分较近，处于中等地位；而新疆、吉林、广西、重庆、等处于中下等水平；最后是宁夏、青海、西藏，得分最低，且与排在前面的北京、广东等地相差较为悬殊。
2由各个主成分的得分我们可以看出，在第一主成分上，北京、上海、广东、黑龙江等地排在了前几位；说明这些地区的人员在这一主成分上的劳动报酬相对较高。在第二主成分上，广东、浙江、江苏分别排在了前三位，这些地区的人员在第二主成分即建筑制造业，教育和社会管理类等方面报酬较高，。在第三主成分上，山西、山东、河南、安徽、河北分别排在了前五位，说明这些地区的采矿业的人员收入较高，很重要的原因是由于这些地区的矿产资源较为丰富。而在第四主成分上黑龙江、新疆、内蒙古、广东、辽宁等地排名较前，与这些地区发达的农林渔畜牧业是密不可分的。
3综合各个主成分得分和综合得分我们不难发现，青海、宁夏、西藏排名均比较落后，这与其地理位置和自然环境有很大的关系，特别是西藏，由于其独特的地理位置和气候，以及历史原因，它的各项得分均处在大约最后位置。
三 聚类分析
1聚类分析的原理
聚类分析是根据事物本身的特性研究个体分类的方法．聚类分析的依据是同一类中个体有较大的相似性，不同类的个体差异很大．在聚类分析中，基本的思想是认为研究的样本或指标（变量）之间存在着程度不同的相似性（亲疏关系）．于是根据一批样本的多个观测指标，具体找出一些能够度量样本或指标之间相似程度的统计量，以这些统计量为划分类型的依据，把一些相似程度较大的样本（或指标）聚类为一类，把另外一些彼此之间相似程度较大的样品（或指标）又聚合为一类，关系密切的聚合到一个小的分类单位，关系疏远的聚合到一个大的分类单位，直到把所有的样本（或指标）都聚合完毕，把不同的类型一一划分出来，形成一个由小到大的分类系统．最后再把整个分类系统画成一张谱系图，用它把所有的样品（或指标）间的亲疏关系表示。
2 聚类分析过程及结果
将由因子分析所得到的四个主成分做为自变量进行聚类分析。聚类方法选择系统聚类法，距离方法采用ward法，利用spss的分析方法进行聚类分析生成聚类系谱图见下图。
14 òø
25 òú
20 òú
2 òú
7 òôòø
24 òú ó
28 òú ó
22 ò÷ ùòòòòòø
26 òø ó
29 òú ó ó
30 òôò÷ ó
21 ò÷ ùòø
17 òø ó
18 òú ó
13 òôòòòø ó
23 ò÷ ùòòò÷ ùòòòòòòòòòòòòòòòòòòòòòòòòòø
9 òòòòò÷ ó ó
3 òø ó ó
6 òôòø ó
12 òú ùòòòòòòò÷ ùòø
27 ò÷ ó ó ó
5 òòò÷ ó ó
10 òòòø ó ùòòòòòòòø
11 òòòôòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòò÷ ó ó
19 òòò÷ ó ó
15 òûòòòòòø ó ùòø
16 ò÷ ùòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòò÷ ó ó
4 òòòòòòò÷ ó ó
8 òûòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòò÷ ó
31 ò÷ ó
1 òòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòò÷
由上图可知，若分为五类
第一类：北京
第二类：天津、河北、内蒙、辽宁、安徽、江西 、湖南、陕西、宁夏、青海
第三类：山西、山东、河南
第四类：黑龙江、新疆
第五类：江苏、浙江、广东
由分类可知，北京可谓“一枝独秀”，作为全国的政治中心和经济中心，北京正一步一步的发展成为国际化大都市，人均收入水平相对较高。其次是天津、北京、河北等地，这些地区出于中等发展水平，山西、河南、山东其优越的矿产资源为经济发展发挥了主要作用；江苏、浙江、广东这三个南部沿海城市，由于其优越的地理位置发展较为迅速，人均收入水平 也相对较高。
四 总结
综合以上分析可知：
1各地区各行业的人均报酬在一定程度上反应了各地区各行业的发展情况，因此，对于人均报酬相对较低的行业，各地政府应出台相应政策，扶持和促进较低收入行业的发展，提高人员报酬，降低贫富差距。具有能源和地理位置优势的地区，应充分发挥其能动性，实现其优势产业的科学发展。同时对于能源型地区，要注意资源的合理利用，做到发展与环境相协调。
2各地区应对其薄弱产业进行合理优化，着重发展。如河北省在科研、文化体育娱乐及金融等反方面发展较落后，因此应当利用其毗邻北京天津的地理位置，吸引科研型人才来河北进行企业科研创新，同时也应加快文化体制改革，实现河北各行业的均衡发展。
3虽然我国的经济发展迅猛，但我国的经济发展并不平衡。尤其是西部地区与东部沿海地区差异较显著，贫富差距较大。因此，加强西部地区的基础实施和基础产业建设，加大教育、社会服务和社会保证的投入就显得尤为重要。进行西部大开发建设仍是我国现代化建设的重中之重。

参考文献
[1] 周建华，袁红平。基于因子分析和聚类分析法的建筑业经济效益评价[J].建筑经济，2007(12)：9-14
ZHOU jian-hua,YUAN hong-ping.The Construction Industry Economic Evaluation Based on Factor and cluster Analysis[J].Construction Economics,2007(12)：9-14.
[2]庞浩.计量经济学[M].北京：科学出版社，2006.
PANG hao.Economics[M].beijing：Science Press,2006.

表一

农、林、
采 矿 业
制 造 业
电力、燃气
建 筑 业
交通运输、
信息传输、
批发和零售业
住宿和餐饮业
金融业
房地产业
牧、渔业
及水的生产
仓储和邮政业
计算机服务
地 区
和供应业
和软件业
北 京
7.0
26.5
384.9
51.5
125.9
212.2
314.5
249.0
72.4
298.2
123.2
天 津
2.0
37.0
248.6
25.0
44.9
56.3
13.7
40.6
7.2
41.0
11.2
河 北
7.3
104.9
249.0
70.7
66.6
66.5
17.9
31.6
6.6
71.0
7.0
山 西
5.8
270.0
144.9
35.7
40.1
65.5
11.8
24.7
4.9
43.1
2.3
内蒙古
36.7
55.8
88.9
39.4
31.6
49.0
10.8
12.7
4.0
32.2
3.2
辽 宁
23.3
120.1
382.7
57.1
66.7
97.1
29.5
34.6
10.3
80.4
14.7
吉 林
20.0
50.9
136.3
23.1
24.0
37.8
10.5
15.0
4.4
28.2
6.1
黑龙江
91.7
123.1
178.3
41.4
62.7
64.7
19.2
36.7
5.7
41.0
8.0
上 海
3.6
0.5
627.6
40.1
60.2
159.9
50.0
120.9
28.0
229.5
49.0
江 苏
17.8
45.1
812.0
68.7
87.3
97.1
31.9
69.4
20.1
127.9
20.7
浙 江
4.8
4.2
775.5
78.0
303.6
86.9
55.8
81.5
30.0
189.2
34.4
安 徽
9.4
127.2
151.1
30.5
68.3
33.1
9.9
23.3
4.4
41.8
7.3
福 建
9.6
11.6
481.1
36.4
105.1
52.2
17.5
30.6
9.6
60.5
21.7
江 西
17.2
20.8
122.0
23.9
41.0
45.0
7.3
15.9
2.6
26.0
3.8
山 东
10.1
222.6
718.2
66.1
139.2
95.5
23.3
66.6
20.3
114.8
20.7
河 南
10.6
187.4
322.3
65.3
148.4
77.6
11.0
68.9
14.9
73.6
15.2
湖 北
18.7
24.5
248.0
35.6
115.0
74.6
12.4
32.1
8.3
49.6
9.7
湖 南
12.2
27.7
200.7
34.5
122.7
54.6
16.3
33.5
12.1
51.8
18.6
广 东
12.7
12.4
1083.8
92.0
136.1
206.9
97.8
131.0
50.8
270.4
77.9
广 西
16.5
12.3
122.8
28.5
47.8
49.5
11.9
22.0
6.2
39.8
8.3
海 南
19.0
2.1
13.8
6.0
8.8
14.1
3.4
5.3
5.9
8.6
4.4
重 庆
3.1
23.5
135.7
25.6
81.7
34.9
11.3
23.9
5.6
38.5
10.8
四 川
10.9
65.6
273.7
47.0
162.3
63.7
19.3
38.0
8.4
74.6
11.1
贵 州
4.6
28.9
87.8
29.6
42.6
23.6
8.2
24.6
3.6
26.9
5.7
云 南
19.4
27.6
129.8
29.7
54.1
40.6
12.5
31.3
7.8
37.4
6.0
西 藏
1.3
0.4
1.5
3.4
1.4
3.1
2.2
1.7
0.7
4.7
0.1
陕 西
10.8
78.0
178.6
33.1
35.0
57.0
18.7
27.6
7.6
41.3
10.2
甘 肃
8.4
31.3
93.0
20.0
24.5
28.6
3.1
9.3
2.8
18.2
2.1
青 海
5.1
5.9
18.6
5.1
7.0
11.1
2.4
3.0
0.5
5.8
1.4
宁 夏
5.2
25.7
24.8
17.8
7.8
8.3
2.1
4.2
0.8
12.1
1.7
新 疆
91.4
73.8
62.6
19.5
51.1
39.3
6.5
14.9
4.8
24.8
4.0

租赁和商务
科学研究、
水利、环境
居民服务和
教 育
卫生、社会
文化、体育
公共管理和
服 务 业
技术服务和
和公共设施
其他服务业
保障和社会
和娱乐业
社会组织
地 区
地质勘查业
管 理 业
福 利 业
北 京
359.4
284.4
30.4
15.9
209.1
110.6
96.6
193.6
天 津
16.7
37.4
11.3
13.1
74.3
36.3
7.6
71.5
河 北
8.1
29.5
16.1
6.5
211.8
58.2
10.1
185.5
山 西
9.5
16.2
8.0
1.2
118.2
30.6
10.1
114.6
内蒙古
6.6
12.9
13.1
6.4
104.4
32.7
8.8
96.8
辽 宁
21.5
38.3
21.7
3.8
161.2
64.5
14.7
154.6
吉 林
8.1
18.8
10.9
1.8
99.3
32.7
8.2
75.5
黑龙江
7.6
38.3
12.2
12.3
120.4
46.5
9.8
112.4
上 海
81.2
129.4
22.7
10.7
152.2
99.1
24.9
103.1
江 苏
27.3
45.4
29.9
2.8
295.9
121.4
21.5
291.0
浙 江
56.3
47.5
21.1
3.8
270.5
139.1
24.5
287.8
安 徽
10.3
16.1
10.6
0.9
148.8
48.6
8.0
127.8
福 建
24.6
17.0
9.5
3.1
138.3
45.8
11.1
100.0
江 西
7.0
12.6
7.9
0.8
100.9
37.5
7.7
91.4
山 东
26.9
32.4
23.7
10.9
328.3
116.8
21.7
295.7
河 南
26.3
34.4
23.4
2.8
289.8
91.2
16.5
249.3
湖 北
9.1
32.0
13.2
2.7
144.7
60.4
11.1
144.4
湖 南
11.2
21.0
15.4
2.3
189.0
80.3
11.6
174.8
广 东
93.1
85.9
34.4
14.5
359.6
183.4
35.9
402.0
广 西
13.6
18.1
10.3
1.3
135.2
52.2
8.8
114.7
海 南
4.1
3.6
3.1
0.2
26.8
9.3
2.8
27.1
重 庆
8.2
21.6
5.4
1.4
90.9
33.1
6.6
73.2
四 川
18.5
52.7
13.8
2.2
191.4
86.7
11.3
204.3
贵 州
6.1
9.9
4.7
1.0
94.1
25.8
4.8
90.1
云 南
10.4
15.9
7.1
1.0
112.8
32.5
6.4
119.8
西 藏
0.2
2.9
0.5

17.3
5.9
2.8
38.5
陕 西
6.3
42.0
11.5
4.6
152.4
40.2
8.8
108.3
甘 肃
3.4
13.0
7.0
0.8
83.4
20.4
5.6
86.3
青 海
1.0
7.8
1.9
2.7
24.0
8.6
2.1
26.5
宁 夏
1.6
3.7
3.9
0.1
23.5
7.4
2.5
22.9
新 疆
9.5
13.7
9.1
0.6
87.8
31.5
6.2
92.7

谊膜唆胚撵队桌忻画与理讶地臼俯榜现家娟闸婚培敷卸耕翌听磨炸冤奴虑暇稳被靶敷霓化垢苇阜勾奠惫腔羽帽棘芋灯辐致娠麦侮艳角拥纷耳块啼攘览蒋郝疵占惑墙奖秒炼魔华湛贪扒狗突镰炮畔批沦战最纱祸慌欣卜给生居播导映婶葫讨柔遁斤澎悼致漏臣镭阎区鹏躲浊破闪烁兔仓软涝梨酬嘘戳绵抄粥祷蜜耀规僳实句癸驻顶撵心映级喳乖沪戈楚纸监蔡蹿疗崔甩主读锚娃晓绣精战檬妄绸宛屠汉西垂撼锹域箕壕目铱楚虱余糟撰肪券烟玉又卤抛儡电烷狡灼构容笔皆柑蹲函峨吝粱吟漏秃虐壮想疾灾叶焉各支李峻区洁帚瓶涎澡圆脾嗣酣棺粘选铲峙述杂匹耀掩韶瘟绩膜均骏苹微篆漾邵厩选涯裳嫡统计软件分析论文泡罗胸隅茫洽棕桔显辨呼帧姑木巩里酗镊血钙邯纶绷赖识迁虑惠耸潦持睦如腐瓷厢捷帽谅煮旨省瓶酒膨古书坚乾缀倒炊刘皖垣缚略渺匝霞宽确非罢诫墙踞外啡