杜文忠 崔艷麗
(桂林電子科技大學(xué),桂林 541004)
我國高新技術(shù)產(chǎn)業(yè)發(fā)展時空格局演變分析
——基于2010~2014年29個省市面板數(shù)據(jù)的實(shí)證研究
杜文忠崔艷麗
(桂林電子科技大學(xué),桂林541004)
〔摘要〕本文選取了我國高新技術(shù)產(chǎn)業(yè)2010~2014年29個省市的面板數(shù)據(jù),限于因子分析法只適用截面數(shù)據(jù)的不足,采用因子分析法和改進(jìn)的TOPSIS法結(jié)合,從生產(chǎn)經(jīng)營、固定資產(chǎn)投資、R&D活動3個方面,測算了我國各省域高新技術(shù)產(chǎn)業(yè)發(fā)展的綜合評價指數(shù),并對我國高新技術(shù)產(chǎn)業(yè)發(fā)展梯度變遷的時空格局演變進(jìn)行了分析。結(jié)果表明:基于時間維度,2010~2014年我國高新技術(shù)產(chǎn)業(yè)不同梯度省市的梯度變遷幅度不同;從空間格局看,我國29個省市高新技術(shù)產(chǎn)業(yè)發(fā)展水平存在著顯著的差異,我國大部分省市高新技術(shù)產(chǎn)業(yè)的發(fā)展水平處于較低階段且空間格局不平衡。
〔關(guān)鍵詞〕高新技術(shù)產(chǎn)業(yè)因子分析改進(jìn)的TOPSIS法梯度變遷
隨著經(jīng)濟(jì)的快速發(fā)展與科技創(chuàng)新腳步的加快,高新技術(shù)產(chǎn)業(yè)的發(fā)展對推動經(jīng)濟(jì)的發(fā)展進(jìn)程發(fā)揮著根本性的作用,并且逐漸成為了經(jīng)濟(jì)活動中最有活力的產(chǎn)業(yè)。國務(wù)院發(fā)布的《國家中長期科學(xué)和技術(shù)發(fā)展規(guī)劃綱要(2006~2020年)》確定,到2020年,全社會研究開發(fā)投入占國內(nèi)生產(chǎn)總值的比重提高到2.5%以上,力爭科技進(jìn)步貢獻(xiàn)率達(dá)到60%以上,對外技術(shù)依存度降低到30%以下,本國人發(fā)明專利年度授權(quán)量和國際科學(xué)論文被引用數(shù)均進(jìn)入世界前5位[1],表明了政府對高新技術(shù)產(chǎn)業(yè)的政策支持。因此,分析高新技術(shù)產(chǎn)業(yè)發(fā)展的時空格局演變,對促進(jìn)我國高新技術(shù)產(chǎn)業(yè)優(yōu)化空間布局和實(shí)現(xiàn)科技促進(jìn)經(jīng)濟(jì)發(fā)展的目標(biāo)有著一定的研究意義。
國內(nèi)外學(xué)者對高新技術(shù)產(chǎn)業(yè)的發(fā)展從不同角度進(jìn)行了時空演變研究,Marcel Hülsbeck和Elena N.Pickavé(2012)以德國區(qū)域空間為例,分析了區(qū)域知識生產(chǎn)對高新技術(shù)產(chǎn)業(yè)發(fā)展的影響,得出了產(chǎn)業(yè)和大學(xué)研究生產(chǎn)的新知識分布往往是跨區(qū)域的,區(qū)域化生產(chǎn)新知識是高新技術(shù)產(chǎn)業(yè)發(fā)展的前提[2]。David Han-Min Wang和Tiffany Hui-Kuang Yu等(2013)研究了高新技術(shù)產(chǎn)業(yè)發(fā)展對經(jīng)濟(jì)增長的影響,采用分位數(shù)回歸方法,根據(jù)23個經(jīng)合組織國家和臺灣在1991~2006年期間的面板數(shù)據(jù),得出在跨不同分位數(shù)條件下,高新技術(shù)產(chǎn)業(yè)發(fā)展對經(jīng)濟(jì)增長的效應(yīng)存在著顯著的差異[3]。關(guān)于高新技術(shù)產(chǎn)業(yè)時間演變趨勢的研究,楊清可、段學(xué)軍(2014)從綜合技術(shù)效率、純技術(shù)效率、規(guī)模效率3個指標(biāo)方面,測算了1996~2010年我國高新技術(shù)產(chǎn)業(yè)的發(fā)展趨勢,得出了其發(fā)展趨勢分為3個階段:1996~2000年技術(shù)效率處于上升階段,2000~2005年由于R&D投入為代表的技術(shù)要素投入不足,集約化水平較低,技術(shù)效率下降明顯;2005~2010年市場逐漸成熟,政府支持和企業(yè)的創(chuàng)新使得技術(shù)效率持續(xù)提高[4]?;诳臻g格局的研究,潘霞、鞠曉峰等(2013)從內(nèi)在競爭力和外在競爭力出發(fā),分別構(gòu)建了競爭力評價指標(biāo)體系,采用因子分析法得出了29個地區(qū)的綜合得分,然后進(jìn)行了K-均值聚類分析,分為三大集聚中心:珠江三角洲、長江三角洲、環(huán)渤海經(jīng)濟(jì)圈,且三大集聚中心內(nèi)部和外部都有著明顯的差異[5]。張同斌、范慶泉通過研究省域高新技術(shù)產(chǎn)業(yè)發(fā)展水平在2004~2008年間的梯度變遷,得出了第一梯度的高新技術(shù)產(chǎn)業(yè)基本分布在東部且發(fā)展水平變化不明顯,中西部地區(qū)高新技術(shù)產(chǎn)業(yè)發(fā)展水平相對落后且梯度變化較大[6]。劉昌年、張銀銀(2014)研究了中國高新技術(shù)產(chǎn)業(yè)競爭水平,從投入能力、產(chǎn)出能力和發(fā)展能力3個方面,采用了因子分析法和聚類分析法分析了30個省的競爭力,得出了高新技術(shù)產(chǎn)業(yè)投入和產(chǎn)出兩方面對高新技術(shù)產(chǎn)業(yè)競爭力水平的提高有著顯著的作用,而發(fā)展能力對高新技術(shù)產(chǎn)業(yè)競爭的促進(jìn)作用不顯著,最后得出了30個省的高新技術(shù)產(chǎn)業(yè)競爭力水平有著顯著的差異和分布不均衡,由東部到西部分了3個梯度[7]的結(jié)論。
1.1因子分析法
因子分析法是主成分分析的擴(kuò)展和推廣,最早由英國心理學(xué)家C.E斯皮爾曼提出。主要思路是通過原始變量的相關(guān)系數(shù)矩陣內(nèi)部結(jié)構(gòu)的研究,導(dǎo)出能控制所有變量的少數(shù)幾個不可觀測的綜合變量,通過這少數(shù)的幾個綜合變量去描述原始的多個變量之間的相關(guān)關(guān)系。因子分析模型的構(gòu)建[8]:
假設(shè)原始變量為X=(X1,X2,…,Xi)T,公共因子為F=(F1,F(xiàn)2,…,F(xiàn)m)T(m
Xi=ai1F1+ai2F2+ai3F3+…+aimFm+εi(j=1,2,3,…,n,?n為原始變量總數(shù))
(1)
矩陣形式:X=AF+ε,其中因子載荷矩陣。A=(ai1,ai2,…,aim)。
1.2改進(jìn)的TOPSIS法
TOPSIS(Technique for Order Preference by Similarity to an Ideal Solution)法是C.L.Hwang和K.Yoon于1981年首次提出,是系統(tǒng)多目標(biāo)決策分析中一種常用的有效方法,又稱為優(yōu)劣解距離法。其基本思想:基于歸一化后的原始數(shù)據(jù)矩陣,找出有限方案中的最優(yōu)向量和最劣向量,然后分別計算各評價對象與理想解和負(fù)理想解的距離,獲得各評價對象與最優(yōu)方案的相對接近程度,以此作為評價優(yōu)劣的依據(jù)。改進(jìn)的TOPSIS法具體算法如下[9]:
(1)實(shí)際值和該指標(biāo)的最小值之差與該指標(biāo)的極差的比值來表示規(guī)范化數(shù)據(jù),本文通過進(jìn)一步處理使得規(guī)范化后的數(shù)據(jù)取值范圍在0.1~0.9之間。
(2)
(2)對規(guī)范化后的數(shù)據(jù)進(jìn)行歸一化處理,并建立相應(yīng)的矩陣。
(3)
由此得出歸一化后的矩陣:
(4)
(3)根據(jù)歸一化后的矩陣確定最優(yōu)向量和最劣向量
(4)計算第i個省市綜合評價指數(shù)與理想解和負(fù)理想解的距離:
(5)
(6)
(5)測算各評價對象與最優(yōu)方案的相對接近程度:
(7)
式(7)中,Ci∈[0,1],Ci越大,表示第i個省市高新技術(shù)產(chǎn)業(yè)發(fā)展水平越高,Ci越接近1,表示第i個省市綜合評價指數(shù)越接近理想解;反之,Ci越接近0,表示第i個省市綜合評價指數(shù)越接近負(fù)理想解。
1.3數(shù)據(jù)來源
本文從高新技術(shù)產(chǎn)業(yè)生產(chǎn)經(jīng)營情況、固定資產(chǎn)投資情況、R&D及其相關(guān)活動情況3個方面選取了16個指標(biāo),所選的指標(biāo)數(shù)據(jù)來源于《中國高技術(shù)產(chǎn)業(yè)統(tǒng)計年鑒》并對原始數(shù)據(jù)進(jìn)行整理,由于西藏和青海數(shù)據(jù)缺失比較嚴(yán)重剔除這兩個省,其他省個別缺失值以臨近年份的滑動平均值來填補(bǔ),從而消除原始數(shù)據(jù)中0值導(dǎo)致的誤差[4]。通過選取2010~2014年29個省市的面板數(shù)據(jù),對我國高新技術(shù)產(chǎn)業(yè)發(fā)展時空格局演變進(jìn)行分析。
2.1指標(biāo)體系的建立
為了測度我國高新技術(shù)產(chǎn)業(yè)的綜合發(fā)展水平,需要選取多指標(biāo)對高新技術(shù)產(chǎn)業(yè)發(fā)展綜合評價指數(shù)進(jìn)行測算,根據(jù)指標(biāo)的系統(tǒng)性、可操作性、數(shù)據(jù)可獲得性等原則構(gòu)建規(guī)范合理的指標(biāo)體系。從高新技術(shù)產(chǎn)業(yè)生產(chǎn)經(jīng)營情況、固定資產(chǎn)投資情況、R&D及其相關(guān)活動情況3個方面構(gòu)建了16個評價指標(biāo)(見表1)對我國高新技術(shù)產(chǎn)業(yè)的綜合發(fā)展水平進(jìn)行評價。
表1 高新技術(shù)產(chǎn)業(yè)發(fā)展評價指標(biāo)體系
2.2我國高新技術(shù)產(chǎn)業(yè)發(fā)展綜合評價指數(shù)的測算
運(yùn)用SPSS(19.0)統(tǒng)計軟件對2010~2014年29個省市每年的橫截面數(shù)據(jù)進(jìn)行因子分析,由于篇幅的限制,本文僅以2014年因子分析過程為例。
2.2.1進(jìn)行KMO檢驗(yàn)和Bartlett檢驗(yàn)
KMO檢驗(yàn)和Bartlett檢驗(yàn)是測度因子分析模型有效性的兩個相關(guān)性檢驗(yàn)。KMO統(tǒng)計量是比較各變量間簡單相關(guān)系數(shù)和偏相關(guān)系數(shù)的指標(biāo),KMO值越接近1表示越適合作因子分析,Bartlett球形度檢驗(yàn)原假設(shè)H0:相關(guān)系數(shù)矩陣是單位陣,如果Sig值拒絕原假設(shè)表示變量之間存在相關(guān)關(guān)系,適合做因子分析。檢驗(yàn)結(jié)果(見表2)表明:KMO的檢驗(yàn)值為0.751,Bartlett球形度檢驗(yàn)值為1205.610較大且Sig值為0.000遠(yuǎn)小于顯著性水平0.05,所以拒絕原假設(shè)H0表示變量之間存在相關(guān)關(guān)系,兩個檢驗(yàn)都說明適合做因子分析。
表2 KMO和Bartlett的檢驗(yàn)
2.2.2因子方差的貢獻(xiàn)率解釋和因子命名
根據(jù)因子貢獻(xiàn)率結(jié)果(見表3),采用主成分法提取公因子,提取初始特征值大于1的3個主成分作為主因子,第一個因子的特征值為11.568,解釋了原有16個變量總方差的72.298%,前3個因子的累計方差貢獻(xiàn)率為92.451%,由此可見提取3個主成分已足夠替代原來的全部變量,幾乎涵蓋了原變量的全部信息。
表3 解釋的總方差
提取方法:主成份分析。
采用最大方差法對因子載荷矩陣實(shí)施Kaiser 標(biāo)準(zhǔn)化的正交旋轉(zhuǎn)使得因子載荷系數(shù)向0或1兩極分化,使大的載荷更大,小的載荷更小,這樣結(jié)果更具可解釋性。根據(jù)旋轉(zhuǎn)后的因子載荷矩陣(見表4),第1個公因子F1在生產(chǎn)經(jīng)營情況和R&D情況上都有較高的載荷,命名為生產(chǎn)研發(fā)因子,第2個公因子F2在X6、X7、X8上具有較大的載荷數(shù)命名為資產(chǎn)投資因子,第3個公因子F3命名為其他因子。
表4 旋轉(zhuǎn)成份矩陣
提取方法:主成份。旋轉(zhuǎn)法:具有Kaiser標(biāo)準(zhǔn)化的正交旋轉(zhuǎn)法。a.旋轉(zhuǎn)在5次迭代后收斂。
2.2.3綜合評價指數(shù)的計算
通過將公因子作為因變量進(jìn)行回歸分析計算相應(yīng)的因子得分系數(shù),根據(jù)因子成份得分系數(shù)矩陣(見表5),得出各因子得分函數(shù):
Fj=aj1X1+aj2X2+aj3X3+…+ajiXi(i=1,2,3,…,m)
(8)
函數(shù)中的各個變量 不是原始變量而是無量綱的標(biāo)準(zhǔn)化變量。3個公因子得分表達(dá)式:
(9)
結(jié)合因子方差貢獻(xiàn)率占3個因子總方差貢獻(xiàn)率的比重作為權(quán)重進(jìn)行加權(quán)計算綜合評價指數(shù)函數(shù)[10]:
(10)
表5 成份得分系數(shù)矩陣
提取方法:主成份。旋轉(zhuǎn)法:具有Kaiser標(biāo)準(zhǔn)化的正交旋轉(zhuǎn)法。構(gòu)成得分。
通過對我國高新技術(shù)產(chǎn)業(yè)29個省市每年的截面數(shù)據(jù)進(jìn)行因子分析測算其綜合評價指數(shù),由于不同的截面數(shù)據(jù)因子分析所得的綜合評價指數(shù)是相互獨(dú)立的不具有可加性,對其進(jìn)行加權(quán)平均容易導(dǎo)致誤差的存在。本文采用因子分析法和改進(jìn)的TOPSIS法結(jié)合,以每一年的截面數(shù)據(jù)綜合評價指數(shù)的最大值和最小值作為最優(yōu)向量和最劣向量,通過改進(jìn)的TOPSIS法得出綜合評價指數(shù)最靠近理想解同時又最遠(yuǎn)離負(fù)理想解的最優(yōu)方案[11]。根據(jù)我國高新技術(shù)產(chǎn)業(yè)29個省原始數(shù)據(jù)標(biāo)準(zhǔn)化、因子分析評價指數(shù)函數(shù)式(9)、(10)和改進(jìn)的TOPSIS法如式(2)~(7),測算出2010~2014年的綜合評價指數(shù)及排名(見表6)并根據(jù)排名分了4個梯度。
表6 高新技術(shù)產(chǎn)業(yè)發(fā)展綜合評價指數(shù)及排名
續(xù) 表
3.1時間維度演變分析
基于時間維度,2010~2014年我國高新技術(shù)產(chǎn)業(yè)發(fā)展梯度變化趨勢(見圖1),但不同梯度的省市梯度變遷幅度存在顯著差異,第一梯度的高新技術(shù)產(chǎn)業(yè)區(qū)域由廣東、江蘇、上海、山東、浙江、北京、福建7個省市組成,處于高新技術(shù)產(chǎn)業(yè)發(fā)展的最高層次,尤其是廣東、江蘇一直處于遙遙領(lǐng)先的地位,2010~2014年高新技術(shù)產(chǎn)業(yè)發(fā)展的第一梯度變遷幅度比較小,且其發(fā)展水平在一定程度領(lǐng)先于其他省市,提升和變動的空間都比較小,所以第一梯度一直由這7個省市組成。相對而言,第三梯度的高新技術(shù)產(chǎn)業(yè)發(fā)展水平相對落后但有很大的發(fā)展空間,各省份由于高新技術(shù)產(chǎn)業(yè)R&D活動的投入、固定資產(chǎn)的投入、政府政策變化等的不同都會導(dǎo)致高新技術(shù)產(chǎn)業(yè)發(fā)展速度的顯著差異,在2010~2014年間梯度出現(xiàn)大幅度變遷,且7個省市高新技術(shù)產(chǎn)業(yè)發(fā)展都發(fā)生了跨梯度的變遷和發(fā)展水平處于波動狀態(tài)。
圖1 2010~2015年梯度變化趨勢圖
通過對各省的梯度變化趨勢的分析,不同的省市的梯度變遷呈不同的上升或下降趨勢(見圖2),貴州、黑龍江、海南、新疆4個省由于自身的工業(yè)化基礎(chǔ)較差導(dǎo)致經(jīng)濟(jì)條件相對落后,高新技術(shù)產(chǎn)業(yè)發(fā)展處于第三梯度末或第四梯度,但是其發(fā)展的空間很大,2010~2014年4個省的發(fā)展基本上呈上升趨勢且跨越了一個梯度上升到了第二梯度末或第三梯度;遼寧、河北、江西、吉林4個省可能由于政府對高新技術(shù)產(chǎn)業(yè)發(fā)展的支持力度不夠和產(chǎn)業(yè)結(jié)構(gòu)沒有得到及時調(diào)整,高新技術(shù)產(chǎn)業(yè)發(fā)展梯度出現(xiàn)了下降趨勢,尤其是遼寧出現(xiàn)了大幅度下滑,由2010年的第二梯度到2014年變遷到第四梯度。
圖2 梯度上升和梯度下降明顯的省份
3.2空間格局差異性分析
基于空間格局的差異性分析,本文選取了全國29個省市的數(shù)據(jù),采用因子分析和TOPSIS法結(jié)合,測算了高新技術(shù)產(chǎn)業(yè)每年的綜合評價指數(shù)及最接近理想狀態(tài)的綜合評價指數(shù),通過對2014年和最理想綜合評價指數(shù)的分析(見圖3),結(jié)果表明:2014年29個省綜合評價指數(shù)呈指數(shù)趨勢下降,第一梯度和其他3個梯度的高新技術(shù)產(chǎn)業(yè)發(fā)展水平存在著顯著的差別,且其梯度內(nèi)部7個省市之間也存在著明顯的差異,廣東的高新技術(shù)產(chǎn)業(yè)綜合評價指數(shù)達(dá)到3.74,其綜合發(fā)展水平遙遙領(lǐng)先于其他省市,從圖3可以看出只有第一梯度的綜合評價指數(shù)大于0,全國只有約25%的省市的高新技術(shù)產(chǎn)業(yè)的發(fā)展水平比較好,其他省市都處于相對較低的發(fā)展階段,相對而言,第二梯度、第三梯度、第四梯度的2014年的綜合評價指數(shù)都小于零且3個梯度的省市之間的發(fā)展水平差異比較小,從最理想狀態(tài)的綜合評價指數(shù)曲線可以看出其值都趨向于0,我國大部分省市高新技術(shù)產(chǎn)業(yè)發(fā)展水平較低,發(fā)達(dá)省市的高新技術(shù)產(chǎn)業(yè)與落后地區(qū)之間的高新技術(shù)產(chǎn)業(yè)存在著顯著的差異,說明了我國的高新技術(shù)產(chǎn)業(yè)發(fā)展水平的空間格局分布不平衡。
圖3 2014年和最理想綜合評價指數(shù)趨勢
通過采用因子分析法和改進(jìn)的TOPSIS法的結(jié)合,本文從生產(chǎn)經(jīng)營情況、固定資產(chǎn)投資情況、R&D及相關(guān)活動情況3個方面選取16個指標(biāo)測算了2010~2014年每一年高新技術(shù)產(chǎn)業(yè)截面數(shù)據(jù)的綜合評價指數(shù),以5年的綜合評價指數(shù)為基數(shù),通過采用改進(jìn)的TOPSIS法對得出綜合評價指數(shù)最靠近理想解同時又最遠(yuǎn)離負(fù)理想解的最優(yōu)方案,并對其以均值法進(jìn)行梯度的劃分和分析?;跁r間維度,第一梯度的高新技術(shù)產(chǎn)業(yè)的發(fā)展水平處于最高層次且其梯度的變遷幅度很小(例如廣東、江蘇一直處于前兩位),相對而言,第三梯度的高新技術(shù)產(chǎn)業(yè)發(fā)展水平在2010~2014年經(jīng)歷了大幅度的波動,5年之間7個省市都出現(xiàn)了跨梯度的變遷,相對經(jīng)濟(jì)條件比較落后的地區(qū)(如貴州、黑龍江、海南、新疆)呈現(xiàn)了上升的趨勢且都向上跨越了一個梯度。從空間格局角度看,我國29個省市高新技術(shù)產(chǎn)業(yè)發(fā)展水平存在著顯著的差異,第一梯度內(nèi)部的不同省市之間也呈現(xiàn)出較大的差別,廣東高新技術(shù)產(chǎn)業(yè)水平處于遙遙領(lǐng)先的地位,綜合來看,我國大部分省市高新技術(shù)產(chǎn)業(yè)的發(fā)展水平處于較低階段,空間格局不同導(dǎo)致高新技術(shù)產(chǎn)業(yè)的發(fā)展出現(xiàn)了極度的不平衡現(xiàn)象。
參考文獻(xiàn)
[1]國家中長期科學(xué)和技術(shù)發(fā)展規(guī)劃綱要(2006~2020年)[J].中華人民共和國國務(wù)院公報,2006,(9):7~37
[2]Marcel Hülsbeck ,Elena N.Pickavé.Regional Knowledge Production as Determinant of High-technology Entrepreneurship:Empirical Evidence for Germany[J].Int Entrep Manag,2014,(10):121~138
[3]David Han-Min Wang,Tiffany Hui-Kuang Yu,Hong-Quan Liu.Heterogeneous Effect of High-tech Industrial R&D Spending on Economic Growth[J].Journal of Business Research,2013,66:1990~1993
[4]楊清可,段學(xué)軍.基于DEA-Malmquist模型的高新技術(shù)產(chǎn)業(yè)發(fā)展效率的時空測度與省際差異研究[J].經(jīng)濟(jì)地理,2014,(7):103~110
[5]潘霞,鞠曉峰,陳軍.基于因子分析的我國29個地區(qū)高新技術(shù)產(chǎn)業(yè)競爭力評價研究[J].經(jīng)濟(jì)問題探索,2013,(4):65~69
[6]張同斌,范慶泉.中國高新技術(shù)產(chǎn)業(yè)區(qū)域發(fā)展水平的梯度變遷與影響因素[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究,2010,(11):52~65
[7]劉昌年,張銀銀.中國高新技術(shù)產(chǎn)業(yè)競爭力評價研究[J].工業(yè)技術(shù)經(jīng)濟(jì),2014,(4):28~35
[8]邵鐵柱,于莎.基于因子分析的房地產(chǎn)上市公司財務(wù)績效評價[J].科技與管理,2013,15:90~93
[9]魯春陽,文楓,楊慶媛,等.基于改進(jìn)TOPSIS法的城市土地利用績效評價及障礙因子診斷——以重慶市為例[J].資源科學(xué),2011,(3):535~541
[10]汪文雄,李啟明.基于因子與聚類分析的中國建筑業(yè)產(chǎn)業(yè)競爭力研究[J].數(shù)理統(tǒng)計與管理,2008,(2):329~337
[11]羅國旺,劉衍民,黃建文,等.基于Topsis改進(jìn)的因子分析模型在面板數(shù)據(jù)中的應(yīng)用研究——以中國經(jīng)濟(jì)為例[J].數(shù)學(xué)的實(shí)踐與認(rèn)識,2015,16:77~85
(責(zé)任編輯:王平)
Spatio-temporal Pattern Evolution Analysis of China’s High-tech Industry Development——Based on 29 Provincial Panel Data from 2010 to 2014
Du WenzhongCui Yanli
(Guilin University of Electronic and Technology,Guilin 541004,China)
〔Abstract〕This paper selected 29 provincial panel data of China’s high-tech industry from 2010 to 2014.Since factor analysis only applied to cross sectional data,it uses factor analysis method and improved TOPSIS method to estimate the comprehensive evaluation index of the provincial high-tech industry development,and the gradient vicissitude of China’s high-tech industry was analyzed from the temporal and spatial dimension.The result shows that,based on the time dimension,there are differences in the gradient change of China’s high-tech industry from 2010 to 2014.From the space dimension,there are significant differences in development level of China’s 29 provincial high-tech industry,and the development level of high-tech industry in most provinces is low and the spatial distribution is not balanced.
〔Key words〕high-tech industry;factor analysis;improved TOPSIS method;gradient vicissitude
〔中圖分類號〕F127
〔文獻(xiàn)標(biāo)識碼〕A
DOI:10.3969/j.issn.1004-910X.2016.10.016
作者簡介:杜文忠,桂林電子科技大學(xué)商學(xué)院副教授,博士。研究方向:區(qū)域經(jīng)濟(jì)、產(chǎn)業(yè)經(jīng)濟(jì)。崔艷麗,桂林電子科技大學(xué)商學(xué)院碩士研究生。研究方向:區(qū)域與產(chǎn)業(yè)發(fā)展。
基金項(xiàng)目:廣西軟科學(xué)研究計劃項(xiàng)目(桂科軟12252007)。
收稿日期:2016—05—19
工業(yè)技術(shù)經(jīng)濟(jì)2016年10期