三 评价指标体系设计、研究方法与数据来源说明

（一）评价指标体系设计

1．评价指标体系

制造业发展应当是以科技创新、环境友好、能源节约等为导向，各个生产环节与生产部门之间协调、可持续的发展。基于系统性、独立性、完备性和可操作性原则，本章将要素指标、效率指标、显性指标、技术指标、环境与能源指标五个一级指标纳入评价指标体系。其中，要素指标衡量地区制造业获取劳动力资源、资本要素的能力；效率指标衡量地区制造业规模效应、集聚效应、产出效率和管理效率等；显性指标衡量地区制造业市场表现、成长性；技术指标衡量地区制造业技术现状、产业结构高级化程度和技术创新潜力；环境和能源指标衡量地区制造业环境保护能力与能源节约水平。各个一级指标所度量的发展水平维度见表1-6。整体上，本章构建由5个一级指标、27个二级指标组成的地区制造业发展水平评价指标体系，具体如表1-7所示。

2．指标计算方式说明

根据地区制造业全部费用、2012～2014年不同省份地区生产总值与制造业企业数目、地区制造业“三废”排放、污染治理投资和能源消耗等数据的可得性原则，本章对部分指标的计算方式进行调整。具体如下。

（1）负债比=地区制造业负债总计/地区制造业资产总计。

（2）平均产值=地区制造业销售产值/地区制造业企业数目。

（3）

（4）人均产值=地区制造业销售产值/年平均用工人数。

（5）产出效率=地区制造业主营业务收入/地区制造业主营业务成本。

（6）管理效率=地区制造业管理费用/地区制造业主营业务成本。

（7）国外市场占有率=地区制造业出口交货值/全国制造业出口交货值。

（8）固定资产更新度=地区制造业新增固定资产/地区制造业固定资产余额。

（9）地区高技术产业比重=地区高技术产业主营业务收入/地区制造业主营业务收入。

（10）使用调整因子，对地区高技术产业相关指标进行调整，可得地区制造业相关测度值，进而计算部分技术现状和技术创新潜力指标如下：

新产品比重=地区制造业新产品销售收入/地区制造业销售产值× factor1；

新产品开发效率=地区制造业新产品销售收入/地区制造业新产品开发费用× factor1；

R&D人员比重=地区制造业R&D人员人数/地区制造业年平均用工人数× factor1；

R&D费用比重=地区制造业R&D费用/地区制造业主营业务成本× factor1。

（11）使用调整因子对地区单位产值的“三废”排放、环境治理和能源节约指标进行调整，可得地区制造业“三废”排放指标如下：

（二）研究方法

在评价模型中，采用AHP-熵值组合赋权方法，可以兼顾主观偏好和客观信息对指标权重的影响；采用灰色关联投影方法，可以综合衡量不同个体指标向量在大小、方向上的差异。本章采用上述方法对我国的30个省份（不含港澳台以及西藏，下同），尤其是中部地区制造业发展水平进行纵向、横向比较，研究地区制造业发展水平的空间分布格局和时空变化趋势。

1．基于AHP-熵值的组合赋权方法

确定评价指标权重的现有方法，主要分为主观权重和客观权重两类：主观权重基本上由相关领域的专家进行评定，可以较好地反映评价对象内部的运行机制、各指标之间的联系与制约，体现的是人们对于评价对象的主观认知；客观权重则衍生于信息论，利用数据所包含信息量的大小来确定指标相对重要性，主要包含熵值法、主成分分析法，体现的是数据质量对其自身重要性的客观影响。本章采用AHP-熵值组合赋权方法，兼顾主观权重和客观权重优点，以保证评价指标体系的系统性、科学性和实用性。

（1）主观权重确定。层次分析法（AHP）是一种定量分析定性问题的多维度、多层次决策方法。其主要特点在于通过构建两两比较的主观判断矩阵，在满足个体、整体一致性检验的前提下，可以得出不同层次、不同要素对于决策总目标的相对重要性，即主观权重。在实际应用中，为了简化运算，AHP一般可以分为和法、积法两种运算方式。本章直接计算判断矩阵的最大特征值、对应的特征向量以求解主观权重，所得结果更为精确。同时，本章构建的各个判断矩阵、准则层和总目标层的一致性指标CR均小于0.1，满足一致性要求。

（2）客观权重确定。熵值法是根据数据本身包含的信息量大小进行赋权的一种客观方法。一个评价指标所能提供的信息量越大（方差较大），其熵值越小，与之相对应的信息冗余度和指标的客观权重就越大。具体方法如下。

建立评价矩阵。设评级指标体系中zij表示i地区在第j个指标下的得分，则评级矩阵可以表示为Z=（zij）m × n（其中m表示地区数，n表示指标数）。

评价矩阵标准化。采用极差标准化方式处理评价矩阵，具体如下：

评价矩阵归一化。计算各个地区标准化指标值yij在全国指标值中所占的

比重。由于本评价体系的指标具有可加性，故公式可表述为：（j = 1,2,3, …, n）。

计算各指标熵值。熵值计算公式为，其中k=1/lnm，且若pij=0, pijlnpij=0。

计算信息冗余度、指标权重。信息冗余度大小与数据本身所含信息量成

正比，其计算公式为dj=1-ej；因而，各指标权重计算公式为。

（3）组合权重的确定。分别以W1、W2、ω表示主观权重、客观权重以及对主观权重的偏好程度，则组合权重W=ωW1+（1-ω）W2。本章取ω=0.5，以综合衡量主观认知、客观信息量对评价指标的影响。27个二级指标权重如表1-8所示。

2．灰色关联投影方法

（1）灰色关联方法。灰色关联度是灰色系统理论中测度数据相关性的重要指标，其主要原理在于测度比较序列（不同省份数据向量）与参考序列（各指标最优值的集合向量）几何形状的相似程度。灰色关联度的计算采用绝对值形式，仅注重不同指标的大小差异，而未考虑指标向量方向的不同对两者相关性的影响。以y0j表示第j个指标在全国范围内的最优值，则y0表示参考序列，在给定分辨系数δ的情况下，灰色关联度的计算方式如下：

本章将分辨系数δ设定为0.5。

（2）投影法。如果将比较序列看作一个向量，那么比较序列与参考序列之间方向的差异同样影响比较序列与参考序列之间的相似程度，即影响不同地区的得分、排序。然而，正如上文中所提到的，灰色关联度不受序列方向差异的影响。因此，我们引入投影法来保证评价模型的科学性、合理性。

令每一个指标权重为Wj，则比较序列（Yi）和参考序列（Y0）的夹角余弦

由此，比较序列在参考序列上的投影值为

（3）灰色关联投影法。在建立组合权重W和灰色关联度矩阵g的基础上，第i个地区的灰色关联投影值为

（三）数据来源与处理

评价指标体系所用数据主要来源于《中国统计年鉴》（2005～2016年）、《中国工业经济统计年鉴》（2005～2012年）、《中国工业统计年鉴》（2013～2016年）、《中国高技术产业统计年鉴》（2005～2016年）、各省份统计年鉴、第二次经济普查数据以及国泰安数据库等。

数据缺失、统计口径不一致是基础数据收集、处理中经常遇到的问题。本章在处理数据缺失问题时，首先寻找相关度较高的指标进行替代（如采用销售产值替代总产值）；其次，对连续缺失指标使用线性时间序列技术进行估计；最后，对随机缺失指标使用样条插值法。对于统计口径不一致指标，采用新统计口径对原有指标进行调整。

同时，为了对地区制造业发展水平进行精准的纵向比较，本章以2004年为基期，采用30省份居民消费价格指数对基础数据进行调整。居民消费价格指数来源于《中国统计年鉴》（2005～2016年）、30省份的统计年鉴。