7离差分析法
聚类分析
聚类分析（一）聚类分析基本概念（1）有若干个变量（或指标），例3-1的2个变量是样本均值和样本标准差；例3-2的变量是对式样、图案、颜色、材料的态度；例3-3的变量是销售增长、销售利润和新客户销售额；例3-4的变量是出生率、死亡率和婴儿死亡率；…。
这些变量称为自变量或聚类变量。
（2）有若干次观测，每次观测值由若干个数值组成，每次观测值称为1个个体或1个样品：例3-1其观测次数共有4次（甲、乙、丙、丁），其观测值都是2个值组成：第1次观测（第1个样品）是向量,第2次观测（第2个样品）是，……。
例3-2有5次观测（5位顾客），每人4项指标；例3-3、3-4、3-5，的变量各有50、97、39次观测值；而例3-6将许多次原始观测整理为协方差阵，并未提供原始观测数据。
（3）要求分类（或分组）：例3-3、3-4要求把观测值分为3类，而例3-1和例3-2则不限定观测值分为几类；例3-1、3-2、3-3、3-4要求按观测值分类，而例3-5，3-6要求按变量分类。
因为是把大量的样品变为少量的类，通常这种分类称为聚类。
（二）聚类原理1）聚类原则选定观测值（点）间距离，类间距离，按照距离最近两类合并在一起的原则合并。
（也有用相似远离）。
常用聚类方法分为：（1）系统聚类MINITAB译为观测值聚类（得到谱系图或树状图）（2）动态聚类MINITAB译为K均值聚类。
可由统计>多变量>观测值聚类，统计>多变量>K均值聚类分别进入。
2）常用点间距离（距离度量）有时先把数据标准化再聚类以免单位影响，例如x1观测值3，2，1，0，-1；x2取值30，20，10，0，-10。
X1均值1，样本标准差；将x1观测值减去平均值1，除以，得到，，，，；，，，，是3，2，1，0，-1的标准化。
X2标准化后也得到，，，，。
标准化后的数与单位无关。
系统聚类从“统计>多变量>观测值聚类”进入观测值聚类框；点间距离，类间距离根据情况选取。
聚类分析
聚类分析聚类分析又称群分析，它是研究（样品或指标）分类问题的一种多元统计方法，所谓类，通俗地说，就是指相似元素的集合。
聚类分析内容非常丰富，按照分类对象的不同可分为样品分类（Q-型聚类分析）和指标或变量分类（R-型聚类分析）；按照分类方法可分为系统聚类法和快速聚类法。
1. 系统聚类分析先将n 个样品各自看成一类，然后规定样品之间的“距离”和类与类之间的距离。
选择距离最近的两类合并成一个新类，计算新类和其它类（各当前类）的距离，再将距离最近的两类合并。
这样，每次合并减少一类，直至所有的样品都归成一类为止。
系统聚类法直观易懂。
1.1系统聚类法的基本步骤：第一，计算n 个样品两两间的距离 ，记作D= 。
第二，构造n 个类，每个类只包含一个样品。
第三，合并距离最近的两类为一新类。
第四，计算新类与各当前类的距离。
第五，重复步骤3、4，合并距离最近的两类为新类，直到所有的类并为一类为止。
第六，画聚类谱系图。
第七，确定类的个数和类。
1.2 系统聚类方法：1.2.1最短距离法1.2.2最长距离法1.2.3中间距离法1.2.4重心法1.2.5类平均法1.2.6离差平方和法（Ward 法）上述6种方法归类的基本步骤一致，只是类与类之间的距离有不同的定义。
最常用的就是最短距离法。
1.3 最短距离法以下用ij d 表示样品i X 与j X 之间距离，用ij D 表示类i G 与j G 之间的距离。
定义类i G 与j G 之间的距离为两类最近样品的距离，即ij G G G G ij d D j J i i ∈∈=,min设类p G 与q G 合并成一个新类记为r G ，则任一类k G 与r G 的距离是：ij G X G X kr d D j j i i ∈∈=,min ⎭⎬⎫⎩⎨⎧=∈∈∈∈ij G X G X ij G X G X d d q j k i p j k i ,,min ,min min {}kq kp D D ,min = 最短距离法聚类的步骤如下：ij d {}ij d（1）定义样品之间距离，计算样品两两距离，得一距离阵记为)0(D ，开始每个样品自成一类，显然这时ij ij d D =。
多指标综合评价分析方法综述
的计量模型， 为下一步的实证分析奠定基础。 参考文献：
【１】韩廷春 金融发展与经济增长： 基于中国的实证分析 经济科学 ２００１ ３ 【２】戈德史密斯 金融结构与金融发展 上海三联出版社 １９９０ 年版 【３】肖 经济发展中的金融深化 上海三联出版社 １９８８ 年版 【４】麦金农 经济发展中的货币与资本上海三联出版社 １９８８ 年版 【５】张军洲 中国区域金融分析 中国经济出版社 ２０００ 年版
【６】周立 中国各地区金融发展与经济增长 清华大学出版社 ２００３ 年版 【７】陈茹 欠发达地区金 融发展与经 济 增 长 的 实 证 研 究 ： 基 于 面 板 数 据 模 型 的 ＧＭＭ 估计结果 贵州财经学院学报 ２００７ ３ 【８】王文博 计量经济学 西安交通大学出版社 ２００４ 年出版
注： 本文为教育部人文社科研究项目（ ０５ＪＤ７９０１３５）《西部 地 区 金 融 发 展 与 经 济 增 长 研 究》的 阶 段 性 成 果
成一个递阶层次， 同一层中各元素相互独立， 从而形成了由一 应对判断矩阵作适当修正。
个 总 目 标 层 和 若 干 个 子 准 则 层 组 成 的 递 进 的“ 金 字 塔 ”型 层 次
５．计算各层 指标 的 组 合权 重 。将 满足 一 致 性检 验 的 相同 模
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
４．计算主成分 Ｚ１， Ｚ２， ．．．， Ｚｍ， Ｚｉ＝ ＹＣ（ｉ ｉ＝ １， ２， ．．．， ｍ）
（ ９）
５． 计算主成分 Ｚｉ 的贡献率
（ １０）
６． 计算前 ｐ 个主成分的累计贡献率
（ １１）
７． 给定 Ｖ＜ １， 当 ｖｐ 达到 Ｖ 值 时 ， 则取 前 ｐ 个 主成 分 Ｚ１， Ｚ２， ． ．．， Ｚｐ 为 所需 。
判别分析论文
判别分析论文中国各地区消费价格指数聚类判别分析摘要: 消费价格指数结构作为城市的重要组成部分, 对于城市经济发展起着至关重要的影响, 而消费价格指数结构的合理性又是城市经济发展的核心要素, 直接影响到居民生活水平的高低，本文利用聚类分析对于中国各个城市消费价格指数进行分析, 将其分为5类,并对其进行分析;再聚类分析的基础上进行判别分析，检验聚类分析的正确性，最后提出可行性的优化政策。
关键词: 消费价格指数; 消费结构;经济发展;聚类分析一、研究背景:消费者物价指数是Consumer Price Index，英文缩写为CPI。
反映居民生活中的产品和劳务价格所统计出来的物价变动指标，通常是作为观察通货膨胀水平的重要指标。
用於衡量消费者经常购买的确定的一篮子商品和劳务的价格变化，每月公布一次。
其中能源和食品专案的价格变化很大，因此将它们扣除以后得到“核心资料(Core Rate)”，能更为真实地反映价格的变化。
消费价格指数的变化反映了零售水平的通胀压力。
消费价格指数在国外被称为消费指数或生活费用指数,是度量一组代表性消费品及服务项目价格水平随时间而变动的相对数,反映居民家庭所购买的生活消费品和服务的价格水平对职工货币工资的影响,是研究具名生活、宏观经济分析和决策、价格总水平监测和调空的依据。
今年以来与居民生活息息相关的消费价格屡创新高，今年一月份食品类价格同比上涨10(3%，烟酒类价格同比上涨1(8%，衣着类价格同比下降0(2%。
家庭设备用品及维修服务类价格同比上涨1(4%，医疗保健和个人用品类价格同比上涨3(2%，交通和通信类价格同比下降0(1%，娱乐教育文化用品及服务类价格同比上涨1(0%，居住类价格同比上涨6(8%。
而消费者的工资水平基本不变的情况下，消费价格指数普遍上涨，对居民的生活压力和生活水平满意度有很大的影响。
虽然消费价格指数结构上涨没有引发全面的通货膨胀，但结构增长的危害也不小，这会导致资本一定范围内的转移，引起再分配效应，进而有可能加大贫富差距，贫富差距过大会造成财富的过度集中，不利于社会稳定，有悖于共同富裕的宗旨。
各个变量离差矩阵
各个变量离差矩阵1. 引言在统计学和数据分析中，离差矩阵是一种用于衡量变量之间差异的方法。
离差矩阵可以帮助我们了解各个变量之间的关系以及它们在整体数据集中的表现。
本文将介绍离差矩阵的概念、计算方法和应用场景，并通过示例来说明如何使用离差矩阵进行数据分析。
2. 离差矩阵的概念离差矩阵是一种用于度量变量之间差异的矩阵。
它可以帮助我们了解不同变量之间的相似性或差异性，从而揭示数据背后的模式和规律。
离差矩阵通常是一个对称矩阵，其中每个元素表示两个变量之间的差异程度。
离差矩阵的对角线上的元素表示每个变量自身的差异程度，而非对角线上的元素表示不同变量之间的差异程度。
3. 离差矩阵的计算方法离差矩阵的计算方法有多种，常见的方法包括以下两种：3.1. 欧几里得距离法欧几里得距离法是一种常见的计算离差矩阵的方法。
该方法使用欧几里得距离来度量变量之间的差异程度。
对于一个包含n个变量的数据集，欧几里得距离法的计算步骤如下：1.选择一个变量作为基准变量。
2.对于其他的变量，计算其与基准变量之间的欧几里得距离，得到一个距离向量。
3.将距离向量作为矩阵的一行或一列。
4.重复步骤1-3，直到计算完所有变量之间的距离。
5.最终得到的矩阵即为离差矩阵。
3.2. 相关系数法相关系数法是另一种常见的计算离差矩阵的方法。
该方法使用相关系数来度量变量之间的差异程度。
对于一个包含n个变量的数据集，相关系数法的计算步骤如下：1.计算每对变量之间的相关系数。
2.将相关系数矩阵的对角线上的元素设置为0，表示每个变量自身的差异程度。
3.最终得到的矩阵即为离差矩阵。
4. 离差矩阵的应用场景离差矩阵在数据分析和统计学中有广泛的应用场景，以下列举了几个常见的应用场景：4.1. 聚类分析离差矩阵可以用于聚类分析，通过度量变量之间的差异程度，可以将相似的变量聚类在一起，从而揭示数据中存在的模式和规律。
4.2. 变量选择离差矩阵可以用于变量选择，通过分析变量之间的差异程度，可以选择出与目标变量相关性较高的变量，从而提高模型的预测能力。
7 风险度量模式评析
R ISK MANAGEMENT风险管理·综合（中）2009年第9期一、风险本质风险是由不确定性所引起的，风险的本质是由于对未来结果予以期望所带来的无法符合期望结果的可能性，换言之，风险是结果差异引起的结果偏离，即期望结果的可能偏离。
也就是说，没有对未来结果的预期，就没有风险，对未来结果的期望是风险产生的根源。
期望结果往往是人们认为最有可能的结果，也是人们衡量事件结果有利或不利的标准。
超过这一标准期望结果的正向偏离即认定为有利结果，低于这一标准的负向偏离即为不利结果。
风险作为偏离期望结果的可能性，就不仅仅表现为损失，只要是与期望结果有偏离都可以认定为风险，包括风险收益和风险损失。
但是，由于大多数人都是风险厌恶者，从风险回避的观念看，风险一般是损失的机会或可能性。
二、主要风险度量模式及其评价正是由于人们对于风险的看法不同，风险度量方法也不同，下面介绍三种现行的风险度量模式。
第一，方差模式。
这种方法认为风险以偏离期望的形式出现，包括有利和不利情况，波动性越强，风险越大。
以标准差衡量风险，公式为：Var=σ2=∞t=1Σ［r j -E （r ）］2P j其中，r j 为第j 种可能的收益率，P j 为第j 种收益率出现的概率。
经济生活中，随机变量的单位通常是货币单位或以百分率形式表示的收益率，而方差形式不能满足，所以一般用标准差形式表示。
方差模式是马柯维茨在1952年进行投资组合分析时提出的，是用来衡量一个随机变量波动大小的指标，当随机变量的波动呈对称性分布时，收益波动越大的随机变量，其潜在的损失也就越大。
方差模型的最大优点在于有很好的数学特性，能够很好地反映“风险与损失均等”的思想，且能考虑到均值以上的正向变动部分，即高于和低于期望值的情况都考虑了。
此外，在人们对未来结果没有共同而恰当的预期时，以平均值作为期望值成为人们共同的选择。
就目前情况来看，以方差度量风险的方法影响最大，应用也最为广泛。
精益改善中用于分析解决问题的七种统计工具
精益改善中用于分析解决问题的七种统计工具精益管理理念里，解决问题有两种不同的手段。
第一种手段用于有数据可用且通过分析数据就能解决问题的情况中。
生产相关领域出现的问题大多数属于这一类别。
分析解决问题的七种统计工具包括：1.帕累托图（pareto)。
此图表将问题按原因和现象分类。
根据优先级，用一个条形图将问题表现在图表中，用100%表示损失总值。
2.因果图（cause-and-effectdiagrams)。
此图用于分析某个过程或某种情况的特征，以及造成这些特征的因素。
因果图也被叫做“鱼骨图”或“哥斯拉骨架图”。
3.直方图（histograms)。
用测量得到的频率数据表现某一数值的峰值。
质量特征的波动被称做“分布”（distribution),以极性图表示的频率数据被称做直方图。
此图主要用在通过检查“离差”(dispersion)的形状、中值以及“散布”（dispersement)的本质来确认问题。
4.控制图（controlcharts)。
变动分为两种类型：一种是在正常状态下发生的不可避免的波动，另一种是由某种原因造成的变动。
后一种被称作“异常”。
控制图借助折线图（linegraph)探测异常趋势。
与标准的折线图不同，这里的折线图的控制线位于中央、顶端和底层。
样品数据以点的形式标注在图上，用来评估过程状况与趋势。
5.散点图（scatterdiagrams)。
散点图上标注出两组相对应的数据。
标注出的点之间的关系显示对应数据之间的关系。
6.分层法（graphs)。
可用的图形有很多种，取决于想要什么形状以及分析目的。
条形图（bargraph)通过并列的条形柱来比较数值，而折线图则用来表示一段时间内的变化波动。
扇形图（circlegraph)表示数值的分类统计，雷达图（radarchart)帮助分析以往评估项目。
7.检查表（checksheets)。
设计表格，针对某一情况进行日常记录，将结果列在表中。
这些工具被质量控制小组、工程师、经理广泛使用，用来发现和解决问题。
水资源评价复习总结
水资源评价复习总结第一章绪论1.水资源是指可资利用或有可能被利用的水源，这种水源应当具有足够的数量和可用的质量，并在某一地点为满足某种用途而得以利用。
（联合国教科文组织）2.水资源的基本特性：可再生性（水循环）不可替代性有限性（存在更替周期）多用途性（工业发电灌溉饮用）不均匀性（分布不均）利、害两重性（洪涝灾害）脆弱性（水易污染）3.我国水资源的特点（1）总量丰富，人均占有量少，水资源供需矛盾突出（2）地区分布不均，与生产力布局不匹配（3）水资源时间分配不均匀，年际、年内变化大4.我国四大水问题水多水少水脏水浑5.水资源评价的定义，内容，步骤定义：联合国教科文组织（UNESCO）和世界气象组织(WMO)推荐：水资源评价是指对水的来源、数量范围及其可依赖程度、水的质量等方面的确定，并在此基础上评估水资源利用和控制的可能性。
内容：（1）水资源区划；（2）水资源量的计算；（3）水质评价；（4）水资源供需分析；（5）水资源开发规划；（6）水资源系统分析；（7）水资源管理步骤：1. 背景与基础资料收集调查2. 水资源量的估算与评价3. 水资源质量评价4.水资源开发利用及其影响评价5. 水资源综合评价6. 对策分析6.水资源评价分区的目的：把区内错综复杂的自然条件和社会经济条件，根据不同的分析要求，选用相应的特征指标，通过划区进行分区概化，使分区单元的自然地理、气候、水文和水利设施等各方面条件基本一致，便于因地制宜有针对性地进行开发利用。
水资源评价分区的主要原则：水系统一致，同一供水系统划在同一区内。
边界条件尽可能保持水系、流域的完整性。
供清楚，区域基本封闭，有一定的水文测验或调查资料可供计算和验证。
同一区内自然地理因素、水资源特点、水资源开发利用条件和水利建设发展方向基本相同或相似。
尽可能保持行政区划的完整。
中国水资源评价分区：10个一级区——按流域水系划分，以松花江、辽河、海河、黄河、淮河、长江、东南诸河、珠江、西南诸河和西北诸河等江河为主体，并入其邻近单独入海或出境的河流各成一个一级区；80个二级区——一级区以下划分二级区，基本保持河流水系完整性；214个三级区——在二级分区的基础上，考虑流域分区与行政区划相结合的原则；计算分区——各项资料成果的统计单元。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
离差分析法离差分析法（ANOVA）又称变异数分析或F 检验，其目的是推断两组或多组资料的总体均数是否相同，检验两个或多个样本均数的差异是否有统计学意义。
针对统计诊断中强影响点的挖掘这一重要方向，从数据分析的角度提出了一种新的度量方法———基于关联分析的离差度量法.理论分析和对比实验表明：该方法对数据服从的模式要求严格，不改变量纲，数值大小与原来指标是一致的；等于平均值的城市，离差值为零。
设各城市某一发展条件或潜力指标的具体统计数值为X i （i=1,2,3,···，n；n 为城市个数），这一指标统计数值的平均值：X 的平均值=X 的总和除以n各城市该指标的离差值：d i =X i -X 的平均值人均GDP 的离差评价成渝经济区各城市（区、县）人均GDP 水平：1999年，可以明显看出成渝经济区中的人均gdp 水平较高，发展较好的是围绕成都市和重庆沙坪、北碚区为主的两个地方，其次在该区域西南部人均gdp 水平较高，经济发展较早。
相比1999年，从2000年到2007年中，成渝经济区中部及西南部的多个县市人均gdp 出现持续增长，但是相反绵阳市出现了下降的情况，东北部的重庆万州区出现了gdp 的迅速增长，在图中显示出明亮的黄色，到2006年位于成都与重庆之间的多个县市人均gdp 也实现增长，同样，万州区经济发展良好。
到2011年出现，从成渝两城市之间的县市人均gdp显著提高，经济发展明显，重庆万州区的人均gdp持续升高，四川雅安市却出现了人均gdp的轻微下降。
从上面4幅图可以看出成渝经济区1999年，2003年，2007年和2011年四年的人均GDP 情况，通过对比和分析，人均GDP在逐年的增加。
四川省境内成都市处于领导地位，一直保持人均GDP水平最高，而其他地区人均GDP发展却很慢。
重庆境内渝中区一直处于领导地位，为成渝经济区的发展起到了带头作用，其它地区在它的影响下，发展速度也逐步加快。
下面来分析一下2011年的数据。
成渝经济区总共分为44个市区县，2011年总人均GDP为1469906元，人均GDP为33406.95元。
按照离差分析法的计算方法进行计算，离差值计算结果见表市、区、县人均GDP生产总值／元离差值成都市49438+16031.05达州市18474-14932.95德阳市31562-1844.95广安市20572-12834.95乐山市28339-5063.95泸州市21339-12067.95眉山市22791-10615.95绵阳市25755-7651.95南充市16388-17018.95内江市23062-10344.95遂宁市18528-14878.95雅安市23153-10253.95宜宾市24433-8970.95资阳市22931-10475.95自贡市29102-4304.95巴南区42635+9228.05北碚区43244+9837.05璧山区35254+1847.05大渡口48590+15183.05大足区32235-1171.95垫江县20986-12420.95丰都县15484-17922.95涪陵区51838+18431.05合川区23517-9889.95江北区68206+34799.05江津区30926-2480.95九龙坡62757+29350.05开县17214-16192.95梁平县19171-14235.95南岸区56042+22635.05南川区31496-1910.95綦江区24796-8610.95荣昌区31253-2153.95沙坪坝54833+21426.05石柱土19396-14010.95铜梁区32576-830.95潼南区22912-10494.95万州区39715+6308.05永川区36750+3343.05渝北区56216+22809.05渝中区104844+71437.05云阳县11983-21423.95长寿区40916+7509.05忠县18254-15152.95从评价结果统计表可以看出，渝中区是人均GDP生产总值最大的地区，其年人均生产总值为104844元，高出平均GDP生产总值71437.05元。
云阳县是人均GDP生产总值最小的地区，其年人均生产总值为11983元，比平均GDP生产总值少了21423.95元。
还可以发现四川省内地区除成都市以外，其他地区都比平均GDP生产总值低，而重庆市境内大部分地区都比平均GDP生产总值高。
人均年工资的离差评价成渝经济区各城市（区、县）人均年工资从上面4幅图可以看出成渝经济区1999年，2003年，2007年和2011年四年的人均年工资情况，通过对比和分析，总的来说人均年工资都在逐年上升，但重庆境内地区比四川境内地区上升较快且人均年工资更高。
成都市，德阳市等地非常明显就能看出人均年工资上升很慢，然而重庆渝中区为核心的地区人均年工资上升都很快。
下面我们详细的看一下2011年的数据。
成渝经济区总共分为44个市区县，2011年总人均年工资为1538192元，平均人均年工资为34958.91元。
按照离差分析法的计算方法进行计算，离差值计算结果见表市、区、县人均年工资／元离差值成都市34008-950.91达州市27507-7451.91德阳市32325-2633.91广安市27819-7139.91乐山市28001-6957.91泸州市27053-7905.91眉山市27782-7176.91绵阳市31717-3241.91南充市27409-7549.91内江市28126-6829.91遂宁市27316-7642.91雅安市28061-6897.91宜宾市30068-4890.91资阳市27627-7331.91自贡市27975-6983.91巴南区36672+1713.09北碚区41615+6656.09璧山区37965+3006.09大渡口43550+8591.09大足区35123+164.09垫江县35363+404.09丰都县38325+3366.09涪陵区34005-953.91合川区34648-310.91江北区45620+10661.09江津区38048+3089.09九龙坡43401+8442.09开县36283+1324.09梁平县39935+4976.09南岸区45053+10094.09南川区30091-4867.91綦江区30384-4574.91荣昌区36190+1231.09沙坪坝42899+7940.09石柱土31317-3641.91铜梁区35785+826.09潼南区33758-1200.91万州区34680-278.91永川区36650+1691.09渝北区42456+7497.09渝中区53149+18190.09云阳县40312+5353.09长寿区39093+4134.09忠县33028-1930.91从评价结果统计表可以看出，渝中区是人均年工资最多的地区，其人均年工资为53149元，高出平均人均年工资18190.09元。
泸州市是人均年工资最少的地区，其人均年工资为27053元，比平均人均年工资低7905.91元。
四川省内所有地区人均年工资都比平均人均年工资低，而重庆境内大部分地区人均年工资都比平均人均年工资高。
固定资产投资离差评价成渝经济区各城市（区、县）固定资产投资1999年，可以明显看出成渝经济区固定资产投资投入度较高，其中四川境内西南和西北地区固定资产投资较高，而重庆境内地区固定资产投资较低。
与1999年相比,从1999年到2007年中，成渝经济区大部分地区固定资产投资都逐渐增加，其中四川省境内的南充市等地区明显增加，而重庆境内地区的江津区，万洲区和涪陵区固定资产投资投入度明显下降，其它地区固定资产投资投入度缓慢下降。
到2011年，成渝经济区固定资产投资显著增加，其中四川境内大部分地区固定资产投资都显著较高，而重庆境内除渝北地区外其余地区固定资产投资投入度都显著减少，但固定资产投资额增加缓慢。
从上面4幅图可以看出成渝经济区1999年，2003年，2007年和2011年四年的固定资产投资情况，通过对比和分析，总体来看，各地区固定资产投资都逐年增加，但四川境内地区固定资产投资要比重庆境内地区固定资产投资要多的多，相反重庆境内地区固定资产投资却很少。
四川境内地区固定资产投资上升速度快且上升量大，重庆境内地区固定资产投资上升速度慢且上升量小。
说明同一经济区中的两个不同区域经济的发展方式不同。
下面就详细的看一下2011年的数据。
成渝经济区总共分为44个市区县，2011年总固定资产投资19440.90亿元，平均固定资产投资为441.84亿元。
按照离差分析法的计算方法进行计算，离差值计算结果见表市、区、县固定资产投资／亿元离差值成都市4995.65+4553.81达州市676.84+235德阳市650.06+208.22广安市425.08-16.76乐山市539.32+97.48泸州市524.36+82.52眉山市450.35+8.51绵阳市880.90+439.06南充市713.60+271.76内江市382.82-59.02遂宁市536.38+94.54雅安市340.97-100.87宜宾市607.25+165.41资阳市462.78+20.94自贡市352.84-89巴南区341.07-100.77北碚区310.39-131.45璧山区221.36-220.48大渡口138.27-303.57大足区175.27-266.57垫江县94.01-347.83丰都县163.23-278.61涪陵区316.70-125.14合川区251.49-190.35江北区369.19-72.65江津区300.33-141.51九龙坡333.44-108.4开县145.29-296.55梁平县105.30-336.54南岸区342.02-99.82南川区148.26-293.58綦江区234.32-207.52荣昌区178.18-263.66沙坪坝385.89-55.95石柱土108.31-333.53铜梁区201.81-240.03潼南区96.88-344.96万州区341.01-100.83永川区331.19-110.65渝北区524.18+82,34渝中区200.33-241.51云阳县119.64-322.2长寿区311.62-130.22忠县112.72-329.12从评价结果统计表可以看出，成都市是固定资产投资最多的地区，其固定资产投资为4995.65亿元，多出平均固定资产投资4553.81亿元。
垫江县是固定资产投资最少的地区，其固定资产投资为94.01亿元，比平均固定资产投资少347.83亿元。