基于突變級(jí)數(shù)的知識(shí)密集型制造業(yè)技術(shù)創(chuàng)新能力動(dòng)態(tài)綜合評(píng)價(jià)
——變化速度特征的視角

陳 偉， 楊早立， 周 文， 朗益夫,2

(1.哈爾濱工程大學(xué) 經(jīng)濟(jì)管理學(xué)院，黑龍江 哈爾濱 150001； 2.哈爾濱學(xué)院 經(jīng)濟(jì)管理系，黑龍江 哈爾濱 150086)

?

基于突變級(jí)數(shù)的知識(shí)密集型制造業(yè)技術(shù)創(chuàng)新能力動(dòng)態(tài)綜合評(píng)價(jià)
——變化速度特征的視角

陳 偉1， 楊早立1， 周 文1， 朗益夫1,2

(1.哈爾濱工程大學(xué) 經(jīng)濟(jì)管理學(xué)院，黑龍江 哈爾濱 150001； 2.哈爾濱學(xué)院 經(jīng)濟(jì)管理系，黑龍江 哈爾濱 150086)

為了進(jìn)一步測(cè)度評(píng)價(jià)對(duì)象整體的變化速度發(fā)展態(tài)勢(shì)，結(jié)合已有關(guān)于評(píng)價(jià)對(duì)象靜態(tài)評(píng)價(jià)模型、變化速度狀態(tài)和趨勢(shì)測(cè)量模型的研究，以信息集結(jié)視角和“激勵(lì)與懲罰”手段，運(yùn)用變化速度趨勢(shì)對(duì)變化速度狀態(tài)進(jìn)行修正，構(gòu)建了融合變化速度狀態(tài)和趨勢(shì)等變化速度特征的變化速度動(dòng)態(tài)綜合評(píng)價(jià)模型。并以我國(guó)30個(gè)省區(qū)作為樣本進(jìn)行實(shí)證研究，得出各省區(qū)2005年～2011年間知識(shí)密集型制造業(yè)技術(shù)創(chuàng)新能力截面靜態(tài)和變化速度動(dòng)態(tài)綜合評(píng)價(jià)結(jié)果，結(jié)果表明：知識(shí)密集型制造業(yè)技術(shù)創(chuàng)新能力較高的東部發(fā)達(dá)省份，其變化速度上升趨勢(shì)微弱，甚至不少省份呈現(xiàn)遞減狀態(tài)；而知識(shí)密集型制造業(yè)技術(shù)創(chuàng)新能力較低的中西部省份，多數(shù)地區(qū)變化速度上升趨勢(shì)顯著，且上升趨勢(shì)幅度高于多數(shù)東部省區(qū)。

技術(shù)經(jīng)濟(jì)及管理；動(dòng)態(tài)綜合評(píng)價(jià)；突變級(jí)數(shù)；變化速度特征；知識(shí)密集型制造業(yè)

0 引言

隨著知識(shí)經(jīng)濟(jì)時(shí)代漸趨凸顯，信息擴(kuò)散，知識(shí)密集，人才素質(zhì)的不斷提高，越來(lái)越多的傳統(tǒng)產(chǎn)業(yè)向知識(shí)密集型產(chǎn)業(yè)轉(zhuǎn)化，知識(shí)經(jīng)濟(jì)的一個(gè)重要特點(diǎn)是知識(shí)密集型產(chǎn)業(yè)在國(guó)民經(jīng)濟(jì)中發(fā)揮著越來(lái)越重要的作用。知識(shí)密集型產(chǎn)業(yè)是在生產(chǎn)和服務(wù)過(guò)程中以知識(shí)或知識(shí)的載體為主要投入的產(chǎn)業(yè)[1,2]，具有密集技術(shù)和密集人力投入等特征，可分為知識(shí)密集型制造業(yè)和知識(shí)密集型服務(wù)業(yè)兩個(gè)類別[3]。近年來(lái)，知識(shí)密集型產(chǎn)業(yè)，尤其是知識(shí)密集型制造業(yè)的發(fā)展已成為世界經(jīng)濟(jì)中發(fā)展速度最快、增長(zhǎng)最顯著的產(chǎn)業(yè)，成為全球經(jīng)濟(jì)發(fā)展的支柱。知識(shí)密集型制造業(yè)技術(shù)創(chuàng)新能力體現(xiàn)了一個(gè)國(guó)家的科學(xué)技術(shù)發(fā)展水平，其技術(shù)創(chuàng)新能力的增強(qiáng)對(duì)于提高經(jīng)濟(jì)效益、培養(yǎng)高科技人才、應(yīng)用最新高科技成果和引進(jìn)消化吸收外國(guó)的先進(jìn)技術(shù)具有重要的作用。全面科學(xué)地評(píng)價(jià)知識(shí)密集型制造業(yè)技術(shù)創(chuàng)新能力對(duì)于客觀地反映本國(guó)科技發(fā)展水平、制定合理地科技發(fā)展戰(zhàn)略、推進(jìn)國(guó)家創(chuàng)新體系建設(shè)具有重要的意義。

從已有文獻(xiàn)來(lái)看，關(guān)于產(chǎn)業(yè)技術(shù)創(chuàng)新能力評(píng)價(jià)的問(wèn)題，國(guó)內(nèi)外學(xué)者主要運(yùn)用粗糙集[4]、Fuzzy-TOPSIS[5]、灰色系統(tǒng)[6]、因子分析[7]、AHP-DEA[8]、DEA-bootstrap[9]、Non-Additive Fuzzy測(cè)度模型[10]、競(jìng)賽圖法[11]、Weaver-Thomas模型[12]、密切值法[13]、微粒群算法[14]、主成分集成法[15]等方法進(jìn)行研究。通過(guò)研究發(fā)現(xiàn)類似評(píng)價(jià)方法為產(chǎn)業(yè)技術(shù)創(chuàng)新能力評(píng)價(jià)提供了廣泛思路，拓展了相關(guān)研究脈路，然而上述研究也存在不可避免的缺陷和不足：第一，在指標(biāo)權(quán)重計(jì)算方面主要基于人為主觀的判斷，計(jì)算過(guò)程存在嚴(yán)重的主觀偏袒性及隨意性，從而降低評(píng)價(jià)研究結(jié)果的客觀性及可信度；第二，在產(chǎn)業(yè)技術(shù)創(chuàng)新能力的評(píng)價(jià)中多以靜態(tài)評(píng)價(jià)為主，對(duì)于動(dòng)態(tài)評(píng)價(jià)的研究?jī)H僅是在靜態(tài)評(píng)價(jià)結(jié)果基礎(chǔ)上考慮不同時(shí)序截面的簡(jiǎn)單對(duì)比，而鮮有涉及對(duì)某時(shí)序區(qū)間內(nèi)變化速度特征的剖析，以致無(wú)法全面反應(yīng)評(píng)價(jià)對(duì)象整體速度變化發(fā)展趨勢(shì)。為此，本文在借鑒以往研究基礎(chǔ)上，首先采用熵值法計(jì)算評(píng)價(jià)指標(biāo)的權(quán)重值并進(jìn)行排序，根據(jù)指標(biāo)權(quán)重排序，應(yīng)用突變級(jí)數(shù)法對(duì)我國(guó)各省域2005年～2011年知識(shí)密集型制造業(yè)技術(shù)創(chuàng)新能力做出截面靜態(tài)評(píng)價(jià)；其次結(jié)合靜態(tài)評(píng)價(jià)結(jié)果，求出用于測(cè)度知識(shí)密集型制造業(yè)技術(shù)創(chuàng)新能力變化速度狀態(tài)及趨勢(shì)的數(shù)理模型；最后以信息集結(jié)視角和“激勵(lì)與懲罰”手段，綜合考慮變化速度狀態(tài)和趨勢(shì)等變化速度特征，對(duì)某時(shí)間跨度內(nèi)的知識(shí)密集型制造業(yè)技術(shù)創(chuàng)新能力變化速度進(jìn)行動(dòng)態(tài)綜合評(píng)價(jià)，從而進(jìn)一步反映我國(guó)知識(shí)密集型制造業(yè)技術(shù)創(chuàng)新能力的整體發(fā)展?fàn)顩r，以期為政府部門和相關(guān)企業(yè)的決策提供參考。

1 知識(shí)密集型制造業(yè)技術(shù)創(chuàng)新能力動(dòng)態(tài)綜合評(píng)價(jià)

1.1 基于突變級(jí)數(shù)的知識(shí)密集型制造業(yè)技術(shù)創(chuàng)新能力靜態(tài)評(píng)價(jià)

(1)突變理論

突變理論(Catastrophe Theory)由Renethom于1972年提出，是以系統(tǒng)結(jié)構(gòu)穩(wěn)定性理論、拓?fù)鋵W(xué)及奇點(diǎn)理論為基礎(chǔ)，用于研究非連續(xù)現(xiàn)象的數(shù)學(xué)方法[16]。突變理論基于勢(shì)函數(shù)，對(duì)臨界點(diǎn)進(jìn)行分類，從而探討各類臨界點(diǎn)附近非連續(xù)性狀態(tài)的特征。

突變級(jí)數(shù)中的勢(shì)函數(shù)f(x)，全部臨界點(diǎn)匯合成一個(gè)整體平衡曲面，對(duì)f(x)進(jìn)行一階求導(dǎo)，并令其一階導(dǎo)數(shù)f(x)′=0，從而計(jì)算出該平衡曲面方程，則其方程的奇點(diǎn)集由f(x)的二階導(dǎo)數(shù)f(x)″=0獲得。根據(jù)f(x)′=0及f(x)″=0可獲得以狀態(tài)變量表示的體現(xiàn)狀態(tài)變量和各控制變量間關(guān)系的分解形式的分歧方程?；诜制绶匠毯湍：龜?shù)學(xué)模型推導(dǎo)出突變模糊隸屬函數(shù)，然后由歸一公式做出綜合量化計(jì)算，歸一為一個(gè)最終參數(shù)，即為所求的總隸屬函數(shù)，并對(duì)評(píng)價(jià)目標(biāo)進(jìn)行排序，最后進(jìn)行綜合評(píng)價(jià)分析[17]。

(2)對(duì)突級(jí)數(shù)進(jìn)行改進(jìn)

突變級(jí)數(shù)法要求對(duì)評(píng)價(jià)目標(biāo)進(jìn)行多層次分組，在評(píng)價(jià)過(guò)程中，只需給出最低層指標(biāo)的數(shù)據(jù)。此外，由于常規(guī)突變系統(tǒng)某狀態(tài)下控制變量不多于4個(gè)，因此，層次結(jié)構(gòu)中的各層指標(biāo)相應(yīng)的不超過(guò)4個(gè)[17]。同時(shí)，為客觀地對(duì)突變級(jí)數(shù)中同一層級(jí)的指標(biāo)進(jìn)行評(píng)價(jià)，應(yīng)用熵值法計(jì)算出指標(biāo)的權(quán)重，根據(jù)權(quán)重值排序?qū)Ω髦笜?biāo)進(jìn)行先后評(píng)價(jià)，把重要控制變量置于前面，次重要控制變量置于后面，改進(jìn)后主要三種常見突變模型的勢(shì)函數(shù)表達(dá)式如下[18,19]：

當(dāng)上層指標(biāo)由2個(gè)下層指標(biāo)表示，可視其為尖點(diǎn)突變系統(tǒng)，勢(shì)函數(shù)為：

f(x)=x4+ax2+bx

(1)

若a比b重要，則同層控制變量的左右順序?yàn)閍、b。

當(dāng)上層指標(biāo)由3個(gè)下層指標(biāo)表示，可視其為燕尾突變系統(tǒng)，勢(shì)函數(shù)為：

(2)

若a>b>c重要，則同層控制變量的左右順序?yàn)閍、b、c。

當(dāng)上層指標(biāo)由4個(gè)下層指標(biāo)表示，可視其為蝴蝶突變系統(tǒng)，勢(shì)函數(shù)為：

(3)

若b>c>a>d,則同層控制變量的左右順序?yàn)閎、c、a、d。

此外，基于多目標(biāo)模糊決策理論，在同一個(gè)方案的m種目標(biāo)情形下，假設(shè)A1,A2,…,Am為模糊目標(biāo)，從而得到理想的策略：C=A1∩A2…∩Am，則其相應(yīng)的隸屬函數(shù)為：μ(x)=μA1(x)∧μA2(x)∧…μAm(x)，其中μAi(x)為Ai的隸屬函數(shù)，把其定義為此方案中的隸屬函數(shù)，即為各目標(biāo)隸屬函數(shù)的最小值[16,19]。

對(duì)于如G1,G2,…Gn等不同方案，設(shè)Gi的隸屬函數(shù)為μ(Gi)。在同一個(gè)系統(tǒng)模型中，如控制變量間的作用無(wú)法替代，則按“非互補(bǔ)準(zhǔn)則”，在“大中取小”原則下取值；如控制為量間的作用可替代，則按“互補(bǔ)準(zhǔn)則”，用平均數(shù)取值，最后對(duì)評(píng)價(jià)對(duì)象依據(jù)總評(píng)價(jià)指標(biāo)分?jǐn)?shù)值大小做出排序。

1.2 知識(shí)密集型制造業(yè)技術(shù)創(chuàng)新能力的動(dòng)態(tài)綜合評(píng)價(jià)

根據(jù)改進(jìn)突變級(jí)數(shù)計(jì)算出p個(gè)評(píng)價(jià)對(duì)象S1,S2,…,Sp，在連續(xù)n+1個(gè)時(shí)期(t1,t2,…,tn+1)內(nèi)評(píng)價(jià)結(jié)果為rij=ri(tj)，(i=1,2,…p;j=1,2,…n),形成如下的截面靜態(tài)評(píng)價(jià)結(jié)果時(shí)序信息矩陣為：

(4)

基于式(4)的靜態(tài)評(píng)價(jià)結(jié)果，假設(shè)評(píng)價(jià)對(duì)象si在[tj,tj+1]時(shí)間內(nèi)的變化速度值為υij(i=1,2,…p;j=1,2,…n)，從而求出相應(yīng)的變化速度時(shí)序信息矩陣為：

(5)

根據(jù)式(5)的評(píng)價(jià)對(duì)象變化速度時(shí)序信息結(jié)果和信息集結(jié)視角可分別求其變化速狀態(tài)和變化速度趨勢(shì)，并基于變化速度趨勢(shì)對(duì)變化速度狀態(tài)進(jìn)行修正。

(6)

式(6)展現(xiàn)了評(píng)價(jià)對(duì)象在[tj,tj+1]時(shí)序內(nèi)變化速度的正負(fù)情況和在[tj,tn]跨時(shí)間段內(nèi)的變化速度軌跡。

同時(shí)，由式(5)也可得υi(tj)和υi(tj+1)，其中υi(tj)表示Si在第j時(shí)刻的變化速度值，υi(tj+1)則表示Si在第j+1時(shí)刻的變化速度值，從而可設(shè)：

(7)

由式(7)可知aij為Si變化速度在[tj,tj+1]時(shí)間跨度內(nèi)的線性增長(zhǎng)速率。同時(shí)設(shè)λ是關(guān)于aij的函數(shù)，則我們可建立如下變化速度趨勢(shì)測(cè)量模型為[20]：

(8)

式(8)中，函數(shù)λ(aij)為單調(diào)遞增，隨aij值的增減而增減。當(dāng)aij→+∞，函數(shù)λ(aij)→ε；當(dāng)aij→-∞，函數(shù)λ(aij)→0；由以上分析可知，λ(aij)存在一個(gè)拐點(diǎn)，在拐點(diǎn)前，λ(aij)的增長(zhǎng)速度快速遞增，而在拐點(diǎn)后，λ(aij)增長(zhǎng)速度遞減。因λ(aij)函數(shù)存在的上述特質(zhì)，可用于描述si進(jìn)行變化速度激勵(lì)。因此，我們可設(shè)定當(dāng)aij=0時(shí)，λ(aij)=1，則可求得ε=2，表明Si的變化速度在沒無(wú)變化時(shí)期內(nèi)不做趨勢(shì)激勵(lì)[21]。然后，根據(jù)式(6)和式(8)得到如下三種變化速度趨勢(shì)激勵(lì)情況：

最后，根據(jù)上述三種變化速度趨勢(shì)激勵(lì)方式，并結(jié)合牛頓第二定律∑F=kma，其中F代表力，m為質(zhì)量，a為加速度，k系數(shù)。最終求出si在[tj,tj+1]時(shí)間段融合變化速度狀和趨勢(shì)的動(dòng)態(tài)綜合評(píng)價(jià)公式為：

(9)

(10)

根據(jù)式(10)，進(jìn)而求出si在[tj,tn]跨時(shí)間段內(nèi)的變化速度動(dòng)態(tài)綜合評(píng)價(jià)值為：

(11)

2 實(shí)證分析

2.1 指標(biāo)體系的構(gòu)建

知識(shí)密集型制造業(yè)集成了大量高端技術(shù)和智力成果[22]，囊括了醫(yī)藥制造業(yè)、航空航天器制造業(yè)、電子及通信設(shè)備制造業(yè)、電子計(jì)算機(jī)及辦公設(shè)備制造業(yè)、交通運(yùn)輸設(shè)備制造業(yè)、化學(xué)原料及化學(xué)制品制造業(yè)等行業(yè)[3,23]。因此，在其產(chǎn)業(yè)投入方面反應(yīng)了投入要素的知識(shí)密集程度，在產(chǎn)出方面則集中體現(xiàn)了知識(shí)生產(chǎn)的成果[1,24]。參照許強(qiáng)[24]、Guan[25]、韓晶[26]等人關(guān)于知識(shí)密集型相關(guān)產(chǎn)業(yè)的指標(biāo)體系設(shè)計(jì)，并同時(shí)遵循指標(biāo)設(shè)計(jì)的數(shù)據(jù)可獲取和可操作性原則，本文確定如表1的知識(shí)密集型制造業(yè)技術(shù)創(chuàng)新能力評(píng)價(jià)指標(biāo)體系：一級(jí)指標(biāo)由投入、產(chǎn)出和環(huán)境三類指標(biāo)組成；投入指標(biāo)劃分為研發(fā)投入、非研發(fā)投入，產(chǎn)出指標(biāo)劃分為專利產(chǎn)出和產(chǎn)品產(chǎn)出，和環(huán)境匹配共同構(gòu)成了二級(jí)指標(biāo)體系；三級(jí)指標(biāo)是對(duì)二級(jí)指標(biāo)的具體測(cè)度，一共為14個(gè)指標(biāo)。

表1 知識(shí)密集型制造業(yè)技術(shù)創(chuàng)新能力評(píng)價(jià)指標(biāo)體系

注：一、二級(jí)指標(biāo)尾隨字母為相對(duì)應(yīng)指標(biāo)代碼，各指標(biāo)括號(hào)內(nèi)為指標(biāo)權(quán)重值。

2.2 基于突變級(jí)數(shù)的知識(shí)密集型制造業(yè)技術(shù)創(chuàng)新能力靜態(tài)評(píng)價(jià)

(1)數(shù)據(jù)的來(lái)源

本研究在綜合考慮數(shù)據(jù)的非保密性、時(shí)效性及權(quán)威性，根據(jù)指標(biāo)體系中的所要獲取數(shù)據(jù)均來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒》(2005年至2012年)、《中國(guó)科技統(tǒng)計(jì)年鑒》(2005年至2012年)、《中國(guó)高技術(shù)產(chǎn)業(yè)統(tǒng)計(jì)年鑒》(2005年至2012年)和《中國(guó)高技術(shù)產(chǎn)業(yè)發(fā)展年鑒》(2005年至2012年)，并選取了全國(guó)30個(gè)省級(jí)區(qū)域在2005年至2011年7年間的數(shù)據(jù)。

(2)靜態(tài)評(píng)價(jià)

應(yīng)用改進(jìn)熵值法計(jì)算出各層級(jí)指標(biāo)的權(quán)重值大小，根據(jù)權(quán)重值進(jìn)行排序。以2005年至2011年全國(guó)整體數(shù)據(jù)平均水平作為參考點(diǎn)，根據(jù)文獻(xiàn)[18]和[19]中熵值法計(jì)算過(guò)程確定了各指標(biāo)的權(quán)重值，如表1所示，各指標(biāo)括號(hào)內(nèi)數(shù)值代表其權(quán)重值大小，如一級(jí)指標(biāo)的重要程度由大到小為產(chǎn)出指標(biāo)、環(huán)境指標(biāo)和投入指標(biāo)；而投入指標(biāo)所屬的二級(jí)指標(biāo)的重要程度從大到小為研發(fā)投入、非研發(fā)投入；而對(duì)于研發(fā)投入所隸屬的三級(jí)指標(biāo)的重要程度由大到小的順序?yàn)镽&D人員全時(shí)當(dāng)量、產(chǎn)業(yè)年R&D經(jīng)費(fèi)投入、R&D人員占該產(chǎn)業(yè)總從業(yè)人數(shù)的比例。

在確立了指標(biāo)體系及其權(quán)重值大小順序后，根據(jù)式(1)～式(3)及其歸一方程對(duì)每年度我國(guó)各省域知識(shí)密集型制造業(yè)技術(shù)創(chuàng)新能力進(jìn)行靜態(tài)評(píng)價(jià)?？紤]到篇幅的限制，我們以2011年數(shù)據(jù)為例，評(píng)價(jià)我國(guó)30個(gè)省份2011年的知識(shí)密集型制造業(yè)技術(shù)創(chuàng)新能力。為避免各評(píng)價(jià)指標(biāo)間統(tǒng)計(jì)量綱單位不同所帶來(lái)的差異，根據(jù)突變理論的要求，需將控制變量的原始數(shù)據(jù)轉(zhuǎn)化成[0,1]區(qū)間內(nèi)的數(shù)值，從而利用公式(12)對(duì)各指標(biāo)數(shù)據(jù)做出標(biāo)準(zhǔn)化處理[16]：

(12)

上式中，i表示評(píng)價(jià)指標(biāo)的數(shù)量，j為評(píng)價(jià)對(duì)象的數(shù)量。根據(jù)(12)式對(duì)2011年數(shù)據(jù)做出標(biāo)準(zhǔn)化處理，結(jié)果如表2所示。

表2 標(biāo)準(zhǔn)化處理的2011年各指標(biāo)數(shù)據(jù)

我們以2011年北京地區(qū)數(shù)據(jù)為例，計(jì)算過(guò)程如下：

(1)三級(jí)指標(biāo)中A11、A12、A13構(gòu)成了互補(bǔ)性的燕尾突變模型，相應(yīng)的控制變量重要程度由大到小排序?yàn)锳11、A13、A12，指標(biāo)計(jì)算如下：

(2)三級(jí)指標(biāo)中A21、A22、A23構(gòu)成了非互補(bǔ)性的燕尾突變模型，控制變量重要程度排序?yàn)锳21、A22、A23，得到如下計(jì)算值：

(3)三級(jí)指標(biāo)中B11、B12構(gòu)成了互補(bǔ)性的尖點(diǎn)突變模型，控制變量重要程度排序?yàn)锽12、B11，通過(guò)計(jì)算可得：

(4)三級(jí)指標(biāo)中B21、B22、B23、B24構(gòu)成了互補(bǔ)性的蝴蝶突變模型，控制變量重要程度排序?yàn)锽21、B22、B23、B24，通過(guò)計(jì)算可得：

XB2=average(XB21,XB22,XB23,XB24)=0.49957

(5)三級(jí)指標(biāo)中C11、C12構(gòu)成了非互補(bǔ)性的尖點(diǎn)突變模型，控制變量重要程度排序?yàn)镃11、C12，通過(guò)計(jì)算可得：

(6)二級(jí)指標(biāo)中A1、A2構(gòu)成了互補(bǔ)性的尖點(diǎn)突變模型,控制變量重要程度排序?yàn)锳1、A2,通過(guò)計(jì)算可得：

(7)二級(jí)指標(biāo)中B1、B2構(gòu)成了互補(bǔ)性的尖點(diǎn)突變模型,控制變量重要程度排序?yàn)锽1、B2，通過(guò)計(jì)算可得：

(8)由于環(huán)境一級(jí)指標(biāo)只分成一個(gè)二級(jí)指標(biāo)C1，因此，可直接進(jìn)行傳遞得：XC=XC1=0.74493。

(9)一級(jí)指標(biāo)A、B、C構(gòu)成了互補(bǔ)性的燕尾突變模型，相應(yīng)控制變量的重要程度排序?yàn)锽、C、A，可得到北京地區(qū)2011年知識(shí)密集型制造業(yè)技術(shù)創(chuàng)新能力最終評(píng)價(jià)值為：

同理，我們可得到其他年份各省評(píng)價(jià)值，如表3所示。

表3 知識(shí)密集型制造業(yè)技術(shù)創(chuàng)新能力截面靜態(tài)評(píng)價(jià)結(jié)果

同時(shí)，我們根據(jù)表3數(shù)據(jù)可生成如下圖1，更為直觀地看出各地區(qū)在2005年至2011年間知識(shí)密集型制造業(yè)技術(shù)創(chuàng)新能力截面靜態(tài)評(píng)價(jià)結(jié)果的情況。從圖1顯示的靜態(tài)評(píng)價(jià)結(jié)果可知，近幾年北京、上海、江蘇、廣東等東部發(fā)達(dá)地區(qū)知識(shí)密集型制造業(yè)技術(shù)創(chuàng)新能力整體上處于高水平狀態(tài)，湖北、安徽、四川、陜西等中西部地區(qū)次之，而青海、內(nèi)蒙古等西部地區(qū)發(fā)展后勁相對(duì)不足，這與多數(shù)相關(guān)研究結(jié)論一致，也和實(shí)際情況相吻合。此外，從圖1可進(jìn)一步看出，內(nèi)蒙古、吉林等省區(qū)近幾年的知識(shí)密集型制造業(yè)技術(shù)創(chuàng)新水平波動(dòng)較大，海南省上升趨勢(shì)較明顯，青海省下降趨勢(shì)較突出。

圖1 2005～2011年知識(shí)密集型制造業(yè)技術(shù)創(chuàng)新能力靜態(tài)評(píng)價(jià)

2.3 變化速度動(dòng)態(tài)綜合評(píng)價(jià)

僅根據(jù)我國(guó)各地區(qū)在不同年份知識(shí)密集型制造業(yè)技術(shù)創(chuàng)新能力截面靜態(tài)評(píng)價(jià)結(jié)果，不能很好地反映我國(guó)知識(shí)密集型制造業(yè)技術(shù)創(chuàng)新能力的整體變化發(fā)展趨勢(shì)，需進(jìn)一步分析近幾年的變化速度動(dòng)態(tài)綜合狀況。首先，根據(jù)式(5)和式(6)求出各地區(qū)的變化速度狀態(tài)，如表4所示。

表4 知識(shí)密集型制造業(yè)技術(shù)創(chuàng)新能力變化速度狀態(tài)

從表4可知，我國(guó)各省在不同年份區(qū)間內(nèi)知識(shí)密集型制造業(yè)技術(shù)創(chuàng)新能力變化速度狀態(tài)有正負(fù)不同情況。其次，根據(jù)式(7)和式(8)計(jì)算出各地區(qū)的變化速度趨勢(shì)，如表5所示。

表5 知識(shí)密集型制造業(yè)技術(shù)創(chuàng)新能力變化速度趨勢(shì)

地區(qū)2006～20072007～20082008～20092009～20102010～2011北京1．000430．983120．994961．000731．03686天津0．99211．006480．96981．045651．00377河北0．994040．996041．00251．009620．98726山西0．996670．959161．036760．967611．00791內(nèi)蒙古0．981650．996880．964141．172350．88492遼寧0．990070．994420．994071．012341．02052吉林1．020570．962781．040430．92851．11066黑龍江1．058360．979641．001411．012720．97787上海0．988530．995020．997751．01610．98686江蘇1．005180．990110．992071．013590．99881浙江0．987121．002361．007670．987731．0289安徽1．004020．977071．024830．979341．03842福建0．984851．00331．003120．996361．01571江西0．998680．973471．045910．999840．98364山東1．007270．988491．003121．002091．021河南0．992570．99741．010120．990410．99672湖北0．975430．987921．019330．98351．01736湖南0．975791．026771．012350．965321．03067廣東0．9941．00460．992621．011161．00332廣西0．996360．995771．005271．012120．99809海南0．99041．020551．04830．886251．07808重慶1．002530．99761．004850．981．02778四川0．994250．982321．009780．984671．03855貴州0．968571．032920．986251．016020．98046云南0．988391．007830．970941．03330．99827陜西0．998320．992080．995781．023030．9914甘肅1．027770．977920．988811．013621．01094青海0．966180．976011．007920．986421．03863寧夏0．995170．986180．985581．01131．00198新疆0．99030．984771．01641．005951．01856

表5表明，我國(guó)各省在不同年份區(qū)間內(nèi)知識(shí)密集型制造業(yè)技術(shù)創(chuàng)新能力變化速度趨勢(shì)既有上升也有下降，進(jìn)一步反映出知識(shí)密集型制造業(yè)技術(shù)創(chuàng)新能力變化情況。通過(guò)計(jì)算出知識(shí)密集型制造業(yè)技術(shù)創(chuàng)新能力變化速度狀態(tài)和趨勢(shì)后，最后應(yīng)用式(9)～式(11)求出知識(shí)密集型制造業(yè)技術(shù)創(chuàng)新能力變化速度動(dòng)態(tài)綜合評(píng)價(jià)值，如表6所示：

表6 知識(shí)密集型制造業(yè)技術(shù)創(chuàng)新能力變化速度動(dòng)態(tài)綜合評(píng)價(jià)值

根據(jù)表6可知，北京、江蘇、浙江、安徽、湖北、湖南、廣西、海南、云南、甘肅等地區(qū)的知識(shí)密集型制造業(yè)技術(shù)創(chuàng)新能力變化動(dòng)態(tài)綜合評(píng)價(jià)結(jié)果為正值，說(shuō)明上述地區(qū)的知識(shí)密集型制造業(yè)技術(shù)創(chuàng)新能力整體上呈現(xiàn)遞增趨勢(shì)，而其它省區(qū)的知識(shí)密集型制造業(yè)技術(shù)創(chuàng)新能力整體上呈現(xiàn)遞減趨勢(shì)。在遞增趨勢(shì)的省區(qū)中，安徽、湖北、甘肅、云南、海南等中、西及西南部地區(qū)的遞增趨勢(shì)幅度要高于北京、江蘇、浙江等東部地區(qū)。在遞減趨勢(shì)的中西部省區(qū)中，除青海、四川、黑龍江、吉林的遞減幅度較大外，其它省區(qū)與東部地區(qū)的遞減幅度相差不大。

圖2 知識(shí)密集型制造業(yè)技術(shù)創(chuàng)新能力靜態(tài)評(píng)價(jià)和變化速度動(dòng)態(tài)綜合評(píng)價(jià)對(duì)比

我們通過(guò)進(jìn)一步比照我國(guó)各省近幾年知識(shí)密集型制造業(yè)技術(shù)創(chuàng)新能力靜態(tài)評(píng)價(jià)平均值和變化速度動(dòng)態(tài)綜合評(píng)價(jià)結(jié)果，如圖2，靜態(tài)評(píng)價(jià)平均值顯示天津、遼寧、山東、上海、福建、廣東等東部發(fā)達(dá)地區(qū)的近幾年知識(shí)密集型制造業(yè)技術(shù)創(chuàng)新能力水平較高，然而其變化速度動(dòng)態(tài)綜合評(píng)價(jià)結(jié)果均為負(fù)值，反應(yīng)出上述省份知識(shí)密集型制造業(yè)技術(shù)創(chuàng)新能力整體變化速度趨勢(shì)是下降的；安徽、湖北、湖南、廣西、海南、云南、甘肅等中西部地區(qū)的知識(shí)密集型制造業(yè)技術(shù)創(chuàng)新能力靜態(tài)評(píng)價(jià)值較低于東部發(fā)達(dá)省份，但其整體變化速度狀態(tài)趨勢(shì)為上升，說(shuō)明中西部有關(guān)省區(qū)該產(chǎn)業(yè)發(fā)展勢(shì)頭緊追東部省份。綜上分析可知，雖然東部地區(qū)在發(fā)展知識(shí)密集型制造業(yè)方面具有一定的基礎(chǔ)和實(shí)力，但地總體增長(zhǎng)趨勢(shì)卻出現(xiàn)轉(zhuǎn)緩狀況，而基礎(chǔ)相對(duì)薄弱的中西部地區(qū)，其總體的增長(zhǎng)趨勢(shì)較好，發(fā)展前景較為樂觀。其主要原因是：一方面，2008年的全球經(jīng)濟(jì)危機(jī)對(duì)東部沿海地區(qū)的知識(shí)密集型產(chǎn)業(yè)發(fā)展產(chǎn)生較大沖擊，雖然技術(shù)創(chuàng)新能力依然維持較高水平，但整體增長(zhǎng)勢(shì)頭卻趨于緩和，甚至負(fù)增長(zhǎng)；另一方面，近幾年國(guó)家相關(guān)政策加大對(duì)中西部地區(qū)的關(guān)注，進(jìn)一步吸引外商及東部地區(qū)企業(yè)的投資，中西部地區(qū)的知識(shí)密集型制造業(yè)得到逐步發(fā)展，表明國(guó)家宏觀調(diào)控政策的合理性及其發(fā)揮作用的有效性。

3 結(jié)論

本文結(jié)合以往關(guān)于評(píng)價(jià)對(duì)象靜態(tài)和動(dòng)態(tài)評(píng)價(jià)模型研究基礎(chǔ)上，基于信息集結(jié)視角和“激勵(lì)與懲罰”手段，將變化速度狀態(tài)和變化速度趨勢(shì)等變化速度特征進(jìn)行整合，構(gòu)建評(píng)價(jià)對(duì)象變化速度動(dòng)態(tài)綜合評(píng)價(jià)模型，以進(jìn)一步反映出評(píng)價(jià)對(duì)象整體的變化速度發(fā)展趨勢(shì)。通過(guò)選取全國(guó)30個(gè)省區(qū)作為樣本進(jìn)行實(shí)證研究，研究結(jié)果顯示：知識(shí)密集型制造業(yè)技術(shù)創(chuàng)新能力靜態(tài)評(píng)價(jià)值較高的北京、天津、遼寧、山東、江蘇、浙江、上海、福建、廣東等東部發(fā)達(dá)地區(qū)，其知識(shí)密集型制造業(yè)技術(shù)創(chuàng)新能力整體速度變化遞增趨勢(shì)幅度較小，甚至天津、遼寧、上海、福建等省區(qū)處于下降態(tài)勢(shì)；相比之下，知識(shí)密集型制造業(yè)技術(shù)創(chuàng)新能力靜態(tài)評(píng)價(jià)值較低的安徽、湖北、甘肅、云南、海南等中西部地區(qū)，其知識(shí)密集型制造業(yè)技術(shù)創(chuàng)新能力整體速度變化遞增幅度要強(qiáng)于東部省份，且變化速度遞增趨勢(shì)較為緩慢的湖南、廣西、甘肅等省份的遞增幅度也接近東部平均水平?？傮w表明，近幾年我國(guó)中西部地區(qū)知識(shí)密集型制造業(yè)技術(shù)創(chuàng)新能力整體發(fā)展態(tài)勢(shì)良好，而東部地區(qū)知識(shí)密集型制造業(yè)技術(shù)創(chuàng)新能力整體發(fā)展呈現(xiàn)弱化趨勢(shì)，應(yīng)引起有關(guān)政府部門和企業(yè)的重視，分析其原因，適時(shí)調(diào)整相關(guān)政策，應(yīng)對(duì)未來(lái)發(fā)展變化。由此可見，了解我國(guó)各省區(qū)知識(shí)密集型制造業(yè)技術(shù)創(chuàng)新能力截面靜態(tài)評(píng)價(jià)值排序的高低固然重要，而進(jìn)一步認(rèn)識(shí)各省區(qū)知識(shí)密集型制造業(yè)技術(shù)創(chuàng)新能力整體速度變化發(fā)展趨勢(shì)也同樣關(guān)鍵，有助于我們更為全面和科學(xué)地掌握我國(guó)知識(shí)密集型制造業(yè)技術(shù)創(chuàng)新能力的整體發(fā)展?fàn)顩r，為政府部門制定區(qū)域科技發(fā)展政策、企業(yè)確定合理的發(fā)展戰(zhàn)略提供借鑒。

[1] Liao S H, Chang W J, Wu C C. An integrated model for learning organization with strategic view: benchmarking in the knowledge-intensive industry[J]. Expert Systems with Applications, 2010, 37(5): 3792-3798.

[2] 孫冰，襲希.知識(shí)密集型產(chǎn)業(yè)技術(shù)的適應(yīng)性演化研究[J]．科學(xué)學(xué)研究，2012，30(8)：1272-1280.

[3] OECD. The knowledge based economy[R]. OECD/GD, 1996.7.

[4] Wang C H, Chin Y C, Tzeng G H. Mining the R&D innovation performance process for high-tech firms based on rough set theory[J]. Technovation, 2010, (30): 447- 458.

[5] Gholamhossein M, Hamid R R, Peyman A, Ali R G. Prioritization of intellectual capital indicators in knowledge-based industries: Evidence from pharmaceutical industry[J]. International Journal of Information Management, 2013, (33): 209-216.

[6] Che T T, Yu J L. The innovative performance evaluation model of grey factor analysis: a case study of listed biotechnology corporations in taiwan[J]. Expert Systems with Applications, 2010, (37): 7844-7851.

[7] Canbas S, Cabuk A, Kilic S B. Prediction of commercial bank failure via multivariate statistical analysis of nancial structure: the turkish case[J]. European Journal of Operational Research, 2005, (166 ): 528-546

[8] Lee S K, Mogi G, Lee S K, Hui K S, Kim J W. Econometric analysis of the R&D performance in the national hydrogen energy technology development for measuring relative effciency: the fuzzy AHP/DEA integrated model approach[J]. International Journal of Hydrogen Energy, 2010, (35): 2236-2246.

[9] Claudio C C, Cristina B S, Teresa G M. You can’t manage right what you can’t measure well: technological innovation efficiency[J]. Research Policy, 2013, (42): 1239-1250.

[10] Chun H W, Iuan Y L, Chie B C. Evaluating firm technological innovation capability under uncertainty[J]. Technovation, 2008, (28): 349-363.

[11] 蘇屹，李柏洲.基于競(jìng)賽圖法的區(qū)域科技創(chuàng)新能力評(píng)價(jià)研究[J].科研管理，2011，32(10)：27-35.

[12] 賀正楚,吳艷.戰(zhàn)略性新興產(chǎn)業(yè)的評(píng)價(jià)與選擇[J].科學(xué)學(xué)研究，2011，29(5)：678-721.

[13] 玄兆輝，呂永波，羅亞非.區(qū)域科技綜合實(shí)力評(píng)價(jià)研究[J].中國(guó)科技論壇，2012，(10)：31-37．

[14] 趙琳，范德成.我國(guó)裝備制造業(yè)技術(shù)創(chuàng)新能力評(píng)價(jià)及提升對(duì)策研究——基于微粒群算法的實(shí)證分析[J]．科技進(jìn)步與對(duì)策，2012，29(14)：107-112.

[15] 胡彥蓉，吳沖，劉洪久，李梅.基于主成分集成方法的上市公司創(chuàng)新能力評(píng)價(jià)研究[J].運(yùn)籌與管理，2012，21(5)：208-216.

[16] 李柏洲，蘇屹.基于改進(jìn)突變級(jí)數(shù)的區(qū)域科技創(chuàng)新能力評(píng)價(jià)研究[J].中國(guó)軟科學(xué)，2012，(6)：90-101.

[17] 陳曉紅，彭佳，吳小瑾.基于突變級(jí)數(shù)法的中小企業(yè)成長(zhǎng)性評(píng)價(jià)模型研究[J].財(cái)經(jīng)研究，2004，30(11)：5-15.

[18] 郭顯光.改進(jìn)的熵值法及其在經(jīng)濟(jì)效益評(píng)價(jià)中的應(yīng)用[J].系統(tǒng)工程理論與實(shí)踐，1998，(12)：98-102.

[19] 孟凡生，李美瑩.我國(guó)能源消費(fèi)影響因素評(píng)價(jià)研究——基于突變級(jí)數(shù)法和改進(jìn)熵值法的分析[J].系統(tǒng)工程，2012，30(8)：10-15.

[20] 劉微微，石春生，趙圣斌.具有速度特征的動(dòng)態(tài)綜合評(píng)價(jià)模型[J].系統(tǒng)工程理論與實(shí)踐，2013，33(3)：705-710.

[21] 易平濤，張丹寧，郭亞軍.基于泛激勵(lì)控制線的多階段信息集結(jié)方法[J].運(yùn)籌與管理，2010，19(1)：49-55.

[22] Ricarda B, Bouncken Sascha K. Innovation in knowledge-intensive industries: the double-edged sword of coopetition[J]. Journal of Business Research, 2013, (66): 2060-2070.

[23] 陳禹,謝康.知識(shí)經(jīng)濟(jì)的測(cè)度理論與方法[M].中國(guó)人民大學(xué)出版社，1998.121-122.

[24] 許強(qiáng).知識(shí)密集型產(chǎn)業(yè)評(píng)價(jià)和發(fā)展研究[D].復(fù)旦大學(xué)，2007：45- 47.

[25] Guan J C, Chen K. Measuring the innovation production process: a cross-region empirical study of China’s high-tech innovations[J]. Technovation, 2010, (30): 348-358.

[26] 韓晶.中國(guó)高技術(shù)產(chǎn)業(yè)創(chuàng)1新效率研究——基于SFA方法的實(shí)證分析[J].科學(xué)學(xué)研究，2010，28(3)：467- 472.

Dynamic Comprehensive Evaluation on Technological Innovative Ability of Knowledge-intensive Manufactures Based on Catastrophe Progression——Perspective of Change Speed

CHEN Wei1, YANG Zao-li1, ZHOU Wen1, LANG Yi-fu1,2

(1.SchoolofEconomyandManagement,InstituteofIntellectualPropertyManagement,HarbinEngineeringUniversity,Harbin150001,China; 2.SchoolofEconomyandManagement,HarbinCollege,Harbin150086,China)

In order to deeply estimate the change speed development trend, combining with the existed research on the model of static evaluation、change speed state and change speed trend, from the perspective of information gathering and the way of incentive or punishment, we modify the change speed state and change speed trend model, and propose the dynamic comprehensive evaluation model. Then the samples of 30 provinces in china are used to make an empirical study. we find out the results of static evaluation and dynamic comprehensive evaluation on technological innovative ability of knowledge-intensive manufactures of the 30 Chinese provinces between the the year of 2005～2011. The results indicate: the high technology innovation ability of knowledge～intensive manufactures in the eastern developed provinces, is weak in the rising trend of change rate; the low technology innovation ability in central and western provinces, is outstanding in the rising trend of change rate in the majority of provinces, and higher than eastern provinces in rising amplitude.

technology economy and management; dynamic comprehensive evaluation; catastrophe series; change speed characteristics; knowledge-intensive manufactures

2013- 07-18

國(guó)家軟科學(xué)基金資助項(xiàng)目(2010GXS513173)；國(guó)家自然科學(xué)基金資助項(xiàng)目(70903015)；高等學(xué)校博士點(diǎn)基金資助項(xiàng)目(20102304110008)；黑龍江省自然科學(xué)基金資助項(xiàng)目(G201209)(71071033)

陳偉(1957-)，男，黑龍江哈爾濱人，教授，博士生導(dǎo)師，研究方向?yàn)榧夹g(shù)創(chuàng)新與知識(shí)產(chǎn)權(quán)管理；楊早立(1986-)，男，江西九江人，博士生，研究方向技術(shù)創(chuàng)新與知識(shí)產(chǎn)權(quán)管理；周文(1984-)，男，廣東羅定人，博士生，研究方向知識(shí)產(chǎn)權(quán)管理與復(fù)雜網(wǎng)絡(luò)；朗益夫(1961-)男，黑龍江哈爾濱人，教授，碩士生導(dǎo)師，研究方向?yàn)橹R(shí)管理與教育管理。

F427；F403.6

A

1007-3221(2015)01- 0191-11