基于指標(biāo)變異程度與關(guān)聯(lián)程度組合賦權(quán)的中國工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力動態(tài)綜合評價

范德成，方 璘，宋志龍

(哈爾濱工程大學(xué) 經(jīng)濟(jì)管理學(xué)院，黑龍江 哈爾濱 150001)

0 引言

中國自改革開放以來，經(jīng)濟(jì)發(fā)展取得了舉世矚目的成就，經(jīng)濟(jì)總量快速增長的同時，產(chǎn)業(yè)結(jié)構(gòu)也在不斷優(yōu)化，產(chǎn)業(yè)間的比例關(guān)系產(chǎn)生了明顯的變化[1]，其他世界大國的經(jīng)濟(jì)發(fā)展也表明，經(jīng)濟(jì)增長過程中常常伴隨著產(chǎn)業(yè)結(jié)構(gòu)、消費(fèi)結(jié)構(gòu)等的顯著變化，這種現(xiàn)象被稱為結(jié)構(gòu)轉(zhuǎn)換[2]。庫茲涅茨將結(jié)構(gòu)轉(zhuǎn)換歸納為經(jīng)濟(jì)發(fā)展的典型特征之一，經(jīng)濟(jì)增長理論模型也被引入到產(chǎn)業(yè)間的結(jié)構(gòu)轉(zhuǎn)換分析和經(jīng)濟(jì)增長分析上來，產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)換作為經(jīng)濟(jì)發(fā)展的重要組成部分，成為學(xué)者持續(xù)關(guān)注的核心議題[2]。對于產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)換的研究主要集中于三個方面，一是產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)換的驅(qū)動因素。這類研究主要集中于需求驅(qū)動與供給驅(qū)動兩種角度，認(rèn)為導(dǎo)致產(chǎn)業(yè)發(fā)生變化的主要原因有消費(fèi)者收入水平的提高(Laitner J[3], Rogerson R[4])、技術(shù)進(jìn)步(Buera F.J, Kaboski J.P[5], Buera F.J，Kaboski J.P[6], Ngai L. R, Pissarides C.A[7])、資本深化(Acemoglu D, Guerrieri V[8])和金融發(fā)展(Sasidharan S et al[9], Lin J.Y et al[10])等因素。二是產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)換過程。根據(jù)研究視角的不同，學(xué)者們從農(nóng)業(yè)(Dekle R，Vandenbroucke G[11])、工業(yè)(王玉燕等[12])和服務(wù)業(yè)(Moro A[13])三方面出發(fā)，研究了產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)換的主要原因和動態(tài)變化過程等。三是產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)換能力的評價。李臘生[14]最早對產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)換能力進(jìn)行了測度，利用產(chǎn)業(yè)結(jié)構(gòu)高級化的速度來測度產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)換能力，并提出了產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)換能力測度模型和產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)換能力系數(shù)。賀燦飛[15]最早提出了包含技術(shù)水平、需求因素、供給因素和產(chǎn)業(yè)結(jié)構(gòu)四方面的產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)換能力綜合評價指標(biāo)體系，運(yùn)用主成分分析法對中國30個省份的產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)換能力進(jìn)行了評價分析。隨后，這種綜合評價指標(biāo)體系得到廣泛應(yīng)用，學(xué)者們根據(jù)研究對象的不同，對評價指標(biāo)體系的內(nèi)容進(jìn)行了進(jìn)一步優(yōu)化，如李輝、陸道芬[16]增加了資源環(huán)境承載能力因素和產(chǎn)業(yè)政策調(diào)控力因素，運(yùn)用熵值法對資源環(huán)境約束下中國西部地區(qū)產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)換能力進(jìn)行評價，認(rèn)為供給能力、資源環(huán)境承載力和需求能力是中國西部地區(qū)產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)換能力的主要影響因素；周明、喻景[17]增加了可持續(xù)發(fā)展因素，運(yùn)用因子分析法對重慶市工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力進(jìn)行評價，認(rèn)為影響工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力的主要因素是創(chuàng)新能力、需求供給水平、對外貿(mào)易和環(huán)保水平；何偉等[18]增加了對外貿(mào)易發(fā)展因素，運(yùn)用因子分析法對甘肅省產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)換能力進(jìn)行了評價，同時對區(qū)域城市化與產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)換能力的相關(guān)性進(jìn)行了分析，發(fā)現(xiàn)隨著區(qū)域經(jīng)濟(jì)的增長，區(qū)域城市化與產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)換能力的相關(guān)性逐漸降低，呈現(xiàn)反“S”型發(fā)展趨勢；張小平、何偉[19]增加了對外貿(mào)易發(fā)展因素并建立了動態(tài)比較模型，運(yùn)用因子分析法對甘肅省14個市州的產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)換能力進(jìn)行了動態(tài)測定和分析；李占國和高志剛[20]增加了對外貿(mào)易因素和政策因素，運(yùn)用主客觀組合評價方法對中國區(qū)域產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)換能力進(jìn)行了評價分析；賀兵[21]增加了政策因素，運(yùn)用主成分分析法對中國各區(qū)域工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力進(jìn)行評價，發(fā)現(xiàn)東部區(qū)域和中部區(qū)域主要依賴研發(fā)創(chuàng)新和消費(fèi)因素，而西部區(qū)域則依賴政策因素推動地區(qū)工業(yè)結(jié)構(gòu)轉(zhuǎn)換。通過對現(xiàn)有文獻(xiàn)分析，可以發(fā)現(xiàn)產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)換方面的研究已經(jīng)取得了豐富的成果，但是在產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)換能力評價方面，學(xué)者們大多注重評價指標(biāo)的選取，而在評價方法方面，則常常選用單一評價方法進(jìn)行賦權(quán)評價。不同的賦權(quán)方法從不同的角度出發(fā)，其結(jié)果反應(yīng)了評價問題某方面的權(quán)重特征，也造成了不同賦權(quán)方法權(quán)重的非一致性。因此，在產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)換能力評價方面，如何合理分配評價指標(biāo)權(quán)重未得到充分研究。

權(quán)重的確定是求解多屬性決策問題的關(guān)鍵，學(xué)者們主要運(yùn)用主觀賦權(quán)方法、客觀賦權(quán)方法和主客觀集成賦權(quán)方法對權(quán)重進(jìn)行確定。主觀賦權(quán)方法易受到評價專家知識和經(jīng)驗(yàn)等的影響而產(chǎn)生偏差，客觀賦權(quán)方法則是依據(jù)數(shù)據(jù)本身的性質(zhì)來確定各變量的權(quán)重，具有較強(qiáng)的數(shù)理依據(jù)性[22]，因此客觀賦權(quán)方法能夠更好的反映決策指標(biāo)的權(quán)重。客觀賦權(quán)方法的原始數(shù)據(jù)往往包含指標(biāo)變異程度上的差異信息與指標(biāo)間相互關(guān)聯(lián)程度上的差異信息[23]。因此，為了對多屬性決策問題進(jìn)行合理的評價，需要綜合考慮指標(biāo)變異程度與關(guān)聯(lián)程度進(jìn)行組合賦權(quán)。常見的客觀賦權(quán)方法，如熵值法、變異系數(shù)法、離差最大化方法、主成分分析法等都是通過各評價指標(biāo)變異程度上的差異信息對評價指標(biāo)進(jìn)行賦權(quán)，忽視了各評價指標(biāo)間相互關(guān)聯(lián)程度上的差異信息。而DEMATEL方法則能夠充分體現(xiàn)出評價指標(biāo)間的相互關(guān)聯(lián)程度。常見的組合賦權(quán)方法有線性加權(quán)法[24,25]、乘積加權(quán)法[26,27]等，還有一些學(xué)者提出其他的組合賦權(quán)方法，如Qin J.D和Liu X.W[28]提出了一種基于排序熵組合原理和最小二乘法的確定組合權(quán)重的方法；遲國泰等[29]提出了一種基于評價對象加權(quán)得分與理想點(diǎn)廣義距離最小和Jaynes最大熵原理的最小距離—最大熵組合賦權(quán)方法，該方法體現(xiàn)了距離理想點(diǎn)越近，得分越高的原理，同時能夠避免個別單一賦權(quán)方法對組合賦權(quán)結(jié)果貢獻(xiàn)太小而被剔除的情況發(fā)生。

因此，為更好的解決產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)換能力評價指標(biāo)權(quán)重分配問題，本文以工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力為研究對象，提出一種綜合考慮指標(biāo)變異程度與關(guān)聯(lián)程度的客觀賦權(quán)方法，利用最小距離—最大熵原理進(jìn)行組合賦權(quán)。在此基礎(chǔ)上，本文構(gòu)建了中國工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力評價模型，同時采用時序加權(quán)平均算子對中國30個省份的工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力進(jìn)行動態(tài)評價，期待能夠?yàn)橹袊I(yè)結(jié)構(gòu)轉(zhuǎn)換能力評價研究提供一種新思路。

1 工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力評價指標(biāo)體系

表1 中國工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力評價指標(biāo)體系

根據(jù)產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)換的內(nèi)涵，工業(yè)結(jié)構(gòu)轉(zhuǎn)換可被理解為一個國家或地區(qū)的工業(yè)各部門及工業(yè)結(jié)構(gòu)隨主導(dǎo)產(chǎn)業(yè)更替而發(fā)生質(zhì)的變化[17]。工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力則是指工業(yè)結(jié)構(gòu)適應(yīng)市場變化和保持地區(qū)經(jīng)濟(jì)持續(xù)穩(wěn)定、協(xié)調(diào)增長而向高級化調(diào)整、演進(jìn)的可能性和條件[19]。工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力是一個綜合概念，無法由單一或片面的指標(biāo)進(jìn)行衡量[15]，需要選擇多個指標(biāo)進(jìn)行綜合分析。參考前人研究基礎(chǔ)[15～21]，根據(jù)工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力內(nèi)涵，同時考慮到數(shù)據(jù)的可獲得性、完整性、實(shí)用性和動態(tài)性，選取需求因素、供給因素、技術(shù)因素、可持續(xù)發(fā)展及對外貿(mào)易五方面共16個指標(biāo)構(gòu)建評價指標(biāo)體系。具體情況如表1所示。

2 評價模型構(gòu)建及相對有效性分析

在評價之前需要對原始數(shù)據(jù)進(jìn)行無量綱化處理，根據(jù)相關(guān)文獻(xiàn)[30]，本文選用極值處理法對各評價指標(biāo)進(jìn)行無量綱化處理，公式如下：

(1)

2.1 靜態(tài)評價模型構(gòu)建

2.1.1 熵值法權(quán)重確定

熵值法的核心是根據(jù)評價指標(biāo)的信息熵來判斷指標(biāo)的離散程度，離散程度越大，表明該評價指標(biāo)對綜合評價值的影響越大，權(quán)重越大[31]。熵值法確定權(quán)重的具體步驟如下：

(1)計算各指標(biāo)比重：

(2)

(2)各指標(biāo)信息熵為：

(3)

(3)各指標(biāo)權(quán)重為：

(4)

2.1.2 離差最大化法權(quán)重確定

離差最大化法的核心思想是判斷各評價指標(biāo)下評價對象屬性值間的差異性，某評價指標(biāo)下各評價對象屬性值間的差異性越大，該評價指標(biāo)對綜合評價的影響越大，權(quán)重越大[32]。離差最大化法確定權(quán)重的具體步驟如下：

(5)

(2)評價對象Gi與其他所有評價對象之間的離差用Qij(w)表示，

(6)

(3)令Qj(w)表示j指標(biāo)下所有評價對象間的總離差，

(7)

(8)

(5)解此最優(yōu)化模型可得最優(yōu)解為：

(9)

(10)

2.1.3 BP-DEMATEL方法權(quán)重確定

BP-DEMATEL方法由崔強(qiáng)等[33]提出，是利用BP神經(jīng)網(wǎng)絡(luò)求得的權(quán)值替代傳統(tǒng)DEMATEL方法中通過調(diào)查問卷和專家打分法建立的直接關(guān)聯(lián)矩陣，然后利用傳統(tǒng)DEMATEL方法確定各評價指標(biāo)間的關(guān)聯(lián)程度來確定指標(biāo)的重要程度。本文認(rèn)為越重要的評價指標(biāo)對綜合評價的影響越大，權(quán)重也就越大。BP-DEMATEL方法能夠避免因復(fù)雜問題存在非常多影響因素而導(dǎo)致專家進(jìn)行打分時產(chǎn)生的誤差，極大增加了計算結(jié)果和分析的可信度。目前BP-DEMATEL模型已應(yīng)用于空港競爭力[33]、沿海城市生態(tài)安全系統(tǒng)[34]、原始性創(chuàng)新環(huán)境[35]、生態(tài)文明建設(shè)[36]、創(chuàng)新人才成長環(huán)境[37]等領(lǐng)域的影響因素研究，方法的使用已比較成熟。BP-DEMATEL方法確定權(quán)重的具體步驟如下:

(11)

(2)將作為BP神經(jīng)網(wǎng)絡(luò)的輸入向量，y作為BP神經(jīng)網(wǎng)絡(luò)的輸出向量，運(yùn)用引入動量項(xiàng)的自適應(yīng)變速率的梯度下降法訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)，得到輸入層與隱含層的權(quán)值矩陣Wm×p和隱含層與輸出層的權(quán)值矩陣Vp×l，p為隱含層個數(shù)。

(3)計算整體權(quán)值向量w=mean(|W|×|V|)，其中w=wm×l,|W|和|V|分別表示對權(quán)值矩陣Wm×p和Vp×l的每一個元素取絕對值。mean函數(shù)的功能是當(dāng)l值大于1時，對|W|×|V|的每列取平均值。

(4)計算各評價指標(biāo)的直接關(guān)聯(lián)矩陣：

(5)歸一化直接關(guān)聯(lián)矩陣：

(12)

(6)計算綜合影響矩陣：

T=X(I-X)-1

(13)

其中(I-X)-1為I-X的逆矩陣，I為單位矩陣。

(7)建立因果關(guān)系：定義D為T各行的元素之和，定義R為T各列的元素之和。

T=(tij)m×m

(14)

(15)

(16)

(8)中心度相當(dāng)于指標(biāo)j的絕對重要度，原因度相當(dāng)于指標(biāo)j的隱含重要度，根據(jù)相關(guān)文獻(xiàn)[31]可確定指標(biāo)j的重要度即指標(biāo)j的權(quán)重為：

(17)

2.1.4 基于最小距離—最大熵的組合賦權(quán)確定

(18)

(1)各評價對象加權(quán)得分與理想點(diǎn)廣義距離最?。?/p>

(19)

(2)為避免個別單一賦權(quán)方法因?qū)M合賦權(quán)結(jié)果貢獻(xiàn)太小而遭剔除的問題，引入Jaynes最大熵原理，基于各賦權(quán)結(jié)果一致性最大的思想構(gòu)建目標(biāo)函數(shù)：

(20)

基于以上兩方面構(gòu)建目標(biāo)函數(shù)：

(21)

解此模型可得組合權(quán)重系數(shù)最優(yōu)解為：

(22)

將解得λq帶入式(18)可求得中國工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力各評價指標(biāo)權(quán)重，因此中國工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力靜態(tài)評價得分為：

(23)

2.2 動態(tài)綜合評價模型構(gòu)建

動態(tài)綜合評價的重點(diǎn)問題是時間序列權(quán)重的確定，本文采用時序加權(quán)平均算子進(jìn)行二次加權(quán)，在第一次加權(quán)計算的基礎(chǔ)上突出時間作用，對時間區(qū)間[1,h]內(nèi)各評價對象進(jìn)行綜合評價。具體步驟如下：

(1)由第一次加權(quán)的靜態(tài)評價可得被評價對象i在時刻t的評價值Si(t)。

(2)確定時間序列權(quán)重。令時間序列加權(quán)向量為wt：wt=(w1,w2,…,wh)Γ，wt可通過求解以下非線性規(guī)劃問題得到[40]：

(24)

其中θ表示時間的重要程度，具體數(shù)值見表2。

表2 時間重要程度

(3)采用時序加權(quán)平均算子對靜態(tài)評價值Si(t)進(jìn)行二次加權(quán)計算，得到動態(tài)綜合評價值：

Li=A(<1,Si(1)>,<2,Si(2)>,…,

(25)

2.3 綜合評價模型相對有效性檢驗(yàn)

基于以上計算可得評價對象的評價值和排序。張立軍和王葉平[41]提出了一種綜合評價模型相對有效性測度方法，本文利用該方法對基于指標(biāo)變異程度與關(guān)聯(lián)程度組合賦權(quán)綜合評價模型進(jìn)行相對有效性檢驗(yàn)，具體步驟如下：

(1)利用Spearman等級相關(guān)系數(shù)衡量不同評價方法所得的評價結(jié)果之間的相似程度：

(26)

其中u為評價模型，Kuv表示第u種和第v種評價模型排序結(jié)果的等級相關(guān)系數(shù)，fi為i第個評價對象在第u種和第v種評價模型排序結(jié)果中的位次差。用Jiu表示第i個評價對象在第u種評價模型排序結(jié)果中的排列位次，則fi=Jiu-Jiv。進(jìn)一步可計算出第u種評價模型的排序結(jié)果與其他所有評價模型排序結(jié)果的平均等級相關(guān)系數(shù)：

(27)

Ku即為評價模型所得評價結(jié)果的相似程度，相似程度越高，該評價模型相對其它評價模型越有效。

(2)計算綜合評價模型的離散度：

u=1,2,…,o;v=1,2,…,o;v≠u

(28)

某評價模型離散度越高，該評價模型與其它綜合評價模型評價結(jié)果差異越大，認(rèn)為該評價模型相對有效性越低。

(3)對以上所得綜合評價模型的相似程度與離散度結(jié)果進(jìn)行無量綱化處理，本文選用極值處理法，相似程度為正向指標(biāo)，離散度為負(fù)向指標(biāo)，將無量綱化處理后的結(jié)果相加即可得到評價模型的相對有效性得分。

3 實(shí)證分析

3.1 數(shù)據(jù)來源與預(yù)處理

本文樣本數(shù)據(jù)來自于《中國統(tǒng)計年鑒》、《中國工業(yè)統(tǒng)計年鑒》、《中國科技統(tǒng)計年鑒》、《中國能源統(tǒng)計年鑒》和《中國環(huán)境統(tǒng)計年鑒》，統(tǒng)計數(shù)據(jù)為各省份規(guī)模以上工業(yè)企業(yè)統(tǒng)計數(shù)據(jù)。由于2012年并未統(tǒng)計就業(yè)人數(shù)，2016年環(huán)保部環(huán)境統(tǒng)計數(shù)據(jù)延遲發(fā)布，香港、澳門、臺灣和西藏歷年來各項(xiàng)數(shù)據(jù)缺失嚴(yán)重，同時《國民經(jīng)濟(jì)行業(yè)分類標(biāo)準(zhǔn)》于2011年進(jìn)行了第三次修訂，規(guī)模以上工業(yè)企業(yè)標(biāo)準(zhǔn)于2011年發(fā)生變化，為了保證樣本數(shù)據(jù)的可比較性以及樣本行業(yè)的前后一致性，本文選取2013年至2015年除香港、澳門、臺灣和西藏以外，全國30個省份規(guī)模以上工業(yè)企業(yè)為研究對象。對原始數(shù)據(jù)進(jìn)行無量綱化處理，計算出2013年至2015年中國工業(yè)結(jié)構(gòu)變化指數(shù)以及熵值法、離差最大化法和BP-DEMATEL方法的權(quán)重，利用最小距離—最大熵方法進(jìn)行組合賦權(quán)并得到2013年至2015年各省工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力靜態(tài)評價值，最后利用二次加權(quán)法對各省工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力進(jìn)行動態(tài)評價。

3.2 基于不同方法的組合賦權(quán)

表3 中國工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力評價指標(biāo)組合權(quán)重系數(shù)及權(quán)重

3.3 評價結(jié)果

3.3.1 截面靜態(tài)評價結(jié)果

運(yùn)用式(23)將表3求得的各評價指標(biāo)權(quán)重與無量綱化處理后數(shù)據(jù)進(jìn)行計算，求得2013年至2015年中國各省工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力靜態(tài)評價值，具體結(jié)果如表4所示。

表4 中國各省工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力靜態(tài)評價值

3.3.2 面板動態(tài)評價

表5 中國30個省份工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力動態(tài)綜合評價值

為了突出近期數(shù)據(jù)的作用，取θ=0.1，利用加權(quán)平均算子進(jìn)行二次加權(quán)。其中，h=3,t=1,2,3分別表示2013、2014及2015年，求解非線性規(guī)劃問題(24)，得到時間序列權(quán)重為wt=(0.0263,0.1474,0.8263)。運(yùn)用二次加權(quán)方法對表4數(shù)據(jù)進(jìn)一步計算得到中國30個省份工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力動態(tài)綜合評價值及各因素動態(tài)綜合評價值，具體結(jié)果如表5、表6所示。

表6 各省各因素動態(tài)綜合評價值

3.4 綜合評價模型相對有效性結(jié)果

本文對熵值法、離差最大化方法、BP-DEMATEL方法、熵值法與離差最大化方法利用最小距離最大熵方法進(jìn)行組合賦權(quán)的評價方法以及本文提出的基于指標(biāo)變異程度與關(guān)聯(lián)程度組合賦權(quán)的評價方法(分別用M1、M2、M3、M4、M5表示)利用公式(26)至公式(28)進(jìn)行相對有效性分析，得到的相似程度、離散度及綜合得分結(jié)果如表7所示。由表7綜合得分情況可知，本文提出的基于指標(biāo)變異程度與關(guān)聯(lián)程度組合賦權(quán)的評價方法得分最高，既考慮了原始數(shù)據(jù)指標(biāo)變異程度上的差異信息，又考慮了指標(biāo)間的相互關(guān)聯(lián)程度上的差異信息，是相對更有效的客觀評價方法。

3.5 評價結(jié)果分析

通過對表4觀察可以發(fā)現(xiàn)，在2013年至2015年工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力排名方面，全國各省排序情況變化不大，排名前八的省份依次為廣東、江蘇、上海、浙江、北京、山東、天津和福建。其中江蘇與上海的排名在2015年發(fā)生細(xì)微變化，其余六省排名穩(wěn)定；青海穩(wěn)居最后一名。在2013年至2015年工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力評價值方面，工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力評價值最高的廣東與工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力評價值最低的青海之間的差距非常大，但二者之間的差距呈逐年縮小的趨勢，3年來，廣東省的工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力評價值分別是青海省的6.49倍、6.06倍和5.41倍；廣東、江蘇、浙江、天津和福建五省的工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力評價值較高，但呈逐年降低的趨勢，其中福建省工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力評價值在五省中降低幅度最大，為8.36%；吉林、安徽、湖北、廣西、重慶、四川和甘肅的工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力評價值也呈逐年降低的趨勢，其中吉林省工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力評價值降低幅度最大，為11.11%；而河北、湖南、青海和新疆的工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力評價值呈逐年增長的趨勢，其中新疆省的工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力評價值增長幅度最大，為59.45%。

表7 評價模型相對有效性分析結(jié)果

圖1 2013年各省工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力空間分布圖

圖2 2014年各省工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力空間分布圖

圖3 2015年各省工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力空間分布圖

圖4 各省動態(tài)評價結(jié)果空間分布圖

表5反映的是中國各省工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力在2013年至2015年的總體水平。通過觀察可以發(fā)現(xiàn)，廣東、上海、江蘇、浙江、北京、山東、天津和福建依舊排名前八，貴州、吉林、甘肅和青海排名最后，工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力評價值最高的廣東是工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力評價值最低的青海的5.53倍；廣東、上海、江蘇、浙江、北京和山東的工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力綜合評價值高于0.5，工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力處于高水平，而甘肅和青海的綜合評價之低于0.2，工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力處于低水平。

由圖1至圖4空間分布圖可知，中國各省工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力基本呈現(xiàn)出由東向西階梯狀遞減的規(guī)律，江蘇、上海、浙江和廣東四省始終處于第一梯隊(duì)，工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力高；北京、天津、山東和福建始終處于第二梯隊(duì)，工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力較高；黑龍江、遼寧、河北、山西、河南、安徽、重慶、湖北、四川和湖南始終處于第三梯隊(duì)，工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力一般；吉林、寧夏、江西、云南、廣西和海南始終處于第四梯隊(duì)，工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力較低；甘肅、青海始終屬于第五梯隊(duì)，工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力低。內(nèi)蒙古在2013年和2014年處于第四梯隊(duì)，2015年處于第三梯隊(duì)，動態(tài)綜合評價處于第三梯隊(duì)，工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力一般；陜西在2013年處于第三梯隊(duì)，2014年跌落至第四梯隊(duì)，2015又回到第三梯隊(duì)，動態(tài)綜合評價處于第三梯隊(duì)，工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力一般；新疆在2013年和2014年處于第五梯隊(duì)，2015年進(jìn)入第四梯隊(duì)，動態(tài)綜合評價處于第四梯隊(duì)，工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力較低；貴州在2013年和2014年處于第五梯隊(duì)，2015年進(jìn)入第四梯隊(duì)，動態(tài)綜合評價處于第四梯隊(duì)，工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力較低。由以上可知，中國各省工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力存在很大的地區(qū)差異，非均衡發(fā)展的特點(diǎn)十分突出。結(jié)合表6給出的各省各因素得分情況，做具體分析如下：

(1)需求因素

根據(jù)各省需求因素得分情況，對中國30個省進(jìn)行聚類分析，綜合聚類分析情況和需求因素得分情況，將其分為需求能力較強(qiáng)、中等和較弱三組，結(jié)果如表8所示。

表8 全國各省需求能力分組

需求能力較強(qiáng)的6個省份工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力排名也居于前六位，其農(nóng)村與城鎮(zhèn)居民可支配收入和社會消費(fèi)品零售總額均較高。需求能力中等的9個省份均處于圖4中的第二梯隊(duì)和第三梯隊(duì)，工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力處于較高和一般水平。與需求能力較高的省份相比，天津居民可支配收入較高，但社會消費(fèi)品零售總額較低，因此拉低了天津的需求能力；福建城鎮(zhèn)居民可支配收入較高，農(nóng)村居民可支配收入和社會消費(fèi)品零售總額居中，導(dǎo)致福建需求能力中等；遼寧、湖北、河南、湖南、河北、和四川農(nóng)村與城鎮(zhèn)居民可支配收入和社會消費(fèi)品零售總額均居中，因此其需求能力中等；內(nèi)蒙古城鎮(zhèn)居民可支配收入居中，農(nóng)村居民可支配收入和社會消費(fèi)品零售總額較低，因此內(nèi)蒙古需求能力勉強(qiáng)進(jìn)入中等水平。需求能力較弱的15個省份多數(shù)處于圖4中的第四梯隊(duì)和第五梯隊(duì)，安徽、重慶、黑龍江、山西和陜西處于第三梯隊(duì)，工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力處于較低和低水平。值得注意的是，需求能力較弱的省份與需求能力中等的省份間城鎮(zhèn)居民可支配收入差距甚微，農(nóng)村居民可支配收入與社會消費(fèi)品零售總額差距很大，因此這些省份需求能力較弱。

(2)供給因素

根據(jù)各省供給因素得分情況，對中國30個省進(jìn)行聚類分析，綜合聚類分析情況和供給因素得分情況，將其分為供給能力較強(qiáng)、中等和較弱三組，結(jié)果如表9所示。

表9 全國各省供給能力分組

供給能力較強(qiáng)的3個省份的從業(yè)人員數(shù)與固定資產(chǎn)合計均較高，其中廣東和江蘇位于圖4中的第一梯隊(duì)，山東位于第二梯隊(duì)，工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力高。供給能力中等的14個省份大多數(shù)處于圖4中的第三梯隊(duì)，而浙江和上海處于第一梯隊(duì)，福建處于第二梯隊(duì)，江西處于第四梯隊(duì)，工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力差別較大。與供給能力較強(qiáng)的三省相比，供給能力中等的14個省份無論是就業(yè)人員數(shù)還是固定資產(chǎn)合計都有很大的差距，其中河南固定資產(chǎn)合計最高，為22126.93億元，其余13省中有9個省份的固定資產(chǎn)合計低于13000億元，最低的江西僅為6872.47億元，而江蘇、廣東、山東分別為34449.12億元、36419.85億元、25305.19億元；供給能力中等的14個省份中浙江的從業(yè)人員數(shù)最高，為722.78萬人，其余13省中有11個省份的從業(yè)人員數(shù)低于400萬人，而江蘇、廣東、山東分別為1147.96萬人、1470.51萬人、957.31萬人。供給能力較弱的13個省份大多數(shù)處于圖4中的第四梯隊(duì)和第五梯隊(duì)，而天津和北京處于第二梯隊(duì)，重慶和黑龍江處于第三梯隊(duì)，工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力整體處于較低和低水平。從業(yè)人員數(shù)和固定資產(chǎn)合計均較低。

(3)技術(shù)因素

根據(jù)各省技術(shù)因素得分情況，對中國30個省進(jìn)行聚類分析，綜合聚類分析情況和技術(shù)因素得分情況，將其分為技術(shù)能力較強(qiáng)、中等和較弱三組，結(jié)果如表10所示。

表10 全國各省技術(shù)能力分組

技術(shù)能力較強(qiáng)的6個省份工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力排名居于前七位，R&D經(jīng)費(fèi)投入比重、R&D人員比重和專利申請數(shù)均較高，其中，江蘇和廣東在專利申請方面尤其突出。技術(shù)能力中等的9個省份大多數(shù)處于圖4中的第二、三梯隊(duì)，而海南處于第四梯隊(duì)，工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力差別較大。與技術(shù)能力較強(qiáng)的省份相比，安徽和山東專利申請數(shù)較多，但R&D經(jīng)費(fèi)投入比重和R&D人員投入比重居中，因此拉低了安徽與山東的技術(shù)能力；湖北、湖南、重慶和福建的R&D經(jīng)費(fèi)投入比重、R&D人員投入比重和專利申請數(shù)均居中，因此其技術(shù)能力中等；陜西、海南和黑龍江的R&D經(jīng)費(fèi)投入比重和R&D人員投入比重居中，專利申請數(shù)較低，因此勉強(qiáng)進(jìn)入技術(shù)能力中等水平。技術(shù)能力較弱的15個省份分別處于圖4中的第三、第四、第五梯隊(duì)，工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力整體處于較低水平。其中遼寧、河南、四川與河北四省的專利申請數(shù)居中，但R&D經(jīng)費(fèi)投入比重和R&D人員投入比重較低，因此其技術(shù)能力較低；山西的R&D經(jīng)費(fèi)投入比重居中，但R&D人員投入比重和專利申請數(shù)較低，因此其技術(shù)能力較低；甘肅的R&D人員投入比重居中，但R&D經(jīng)費(fèi)投入比重和專利申請數(shù)較低，因此其技術(shù)能力較低；剩余9省的R&D經(jīng)費(fèi)投入比重、R&D人員投入比重和專利申請數(shù)均較低，因此技術(shù)能力較低。

(4)可持續(xù)發(fā)展

根據(jù)各省可持續(xù)發(fā)展得分情況，對中國30個省進(jìn)行聚類分析，綜合聚類分析情況和可持續(xù)發(fā)展得分情況，將其分為可持續(xù)發(fā)展能力較強(qiáng)、中等和較弱三組，結(jié)果如表11所示。

表11 全國各省可持續(xù)發(fā)展能力分組

可持續(xù)發(fā)展能力較強(qiáng)的12個省份分別位于圖4的第一、二、三、四梯隊(duì)，工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力差別較大。黑龍江、內(nèi)蒙古、陜西和河北四省在固體廢物利用率、工業(yè)廢氣和工業(yè)廢水治理能力以及工業(yè)污染治理投資方面表現(xiàn)較好，但單位產(chǎn)值耗能較多；浙江、山東和天津在單位產(chǎn)值耗能、固體廢物利用率、工業(yè)廢氣治理能力和工業(yè)污染治理投資方面表現(xiàn)較好，但工業(yè)廢水治理能力較低；上海、廣東和北京三省在單位產(chǎn)值耗能、固體廢物利用率、工業(yè)廢氣治理能力方面表現(xiàn)較好，但工業(yè)廢水治理能力和工業(yè)污染治理投資比重較低；湖南在固體廢物利用率、工業(yè)廢氣和工業(yè)廢水治理能力方面表現(xiàn)較好，單位產(chǎn)值耗能居中，工業(yè)污染治理投資比重較低；云南在工業(yè)廢氣和廢水治理能力以及工業(yè)污染治理投資方面表現(xiàn)較好，但單位產(chǎn)值能耗較高，固體廢物利用率較低。可持續(xù)發(fā)展能力中等的12個省份分別位于圖4的第一、二、三、四梯隊(duì)，工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力差別較大。寧夏、新疆和貴州工業(yè)污染治理投資比重較高，固體廢物利用率居中，單位產(chǎn)值耗能較高，工業(yè)廢氣治理能力較低，貴州工業(yè)廢水治理能力較高，寧夏和新疆較差；陜西、廣西和河南在單位產(chǎn)值耗能、固體廢物利用率、工業(yè)廢水治理能力和工業(yè)污染治理投資比重方面表現(xiàn)居中，工業(yè)廢氣治理能力較低；江蘇和福建在單位產(chǎn)值耗能和固體廢物利用率方面表現(xiàn)較好，工業(yè)廢氣治理能力較低，江蘇工業(yè)廢水治理能力居中，工業(yè)污染治理投資比重較低，福建工業(yè)廢水治理能力較低，工業(yè)污染治理投資比重居中；湖北和安徽在單位產(chǎn)值耗能和固體廢物利用率方面表現(xiàn)居中，工業(yè)廢氣治理能力和工業(yè)污染治理投資比重較低，工業(yè)廢水治理能力較好；重慶單位產(chǎn)值耗能居中，固體廢物利用率和工業(yè)廢氣治理能力較高，工業(yè)廢水治理能力和工業(yè)污染治理投資比重較低；遼寧單位產(chǎn)值耗能和工業(yè)污染治理投資比重居中，工業(yè)廢氣和工業(yè)廢水治理能力較高，固體廢物利用率較低?？沙掷m(xù)發(fā)展能力較低的6個省份分別大多數(shù)處于圖4中的第四和第五梯隊(duì)，四川處于第三梯隊(duì)，工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力較低。四川和江西單位產(chǎn)值耗能和工業(yè)廢氣治理能力居中，工業(yè)廢水治理能力較高，固體廢物利用率和工業(yè)污染治理投資比重較低；吉林單位產(chǎn)值耗能、固體廢物利用率和工業(yè)污染治理投資比重居中，工業(yè)廢氣治理能力較高，工業(yè)廢水治理能力較低；甘肅、青海和海南工業(yè)污染治理投資比重較高，單位產(chǎn)值耗能、固體廢物利用率、工業(yè)廢氣和工業(yè)廢水治理能力較低。

(5)對外貿(mào)易

根據(jù)各省對外貿(mào)易得分情況，對全國30個省進(jìn)行聚類分析，綜合聚類分析情況和對外貿(mào)易得分情況，將其分為對外貿(mào)易能力較強(qiáng)、中等和較弱三組，結(jié)果如表12所示。

表12 全國各省對外貿(mào)易能力分組

對外貿(mào)易能力較強(qiáng)的9個省份大多數(shù)處于圖4中的第一和第二梯隊(duì)，重慶處于第三梯隊(duì)，海南處于第四梯隊(duì)，工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力整體處于高和較高水平。其中北京出口比重處于中等水平，外商投資企業(yè)比重和港澳臺投資企業(yè)比重較高，因此北京對外貿(mào)易能力處于較高水平；海南出口比重較高，港澳臺投資企業(yè)比重較低，但外商投資企業(yè)比重極高，因此海南對外貿(mào)易能力處于較高水平；其余7個省份的出口比重、外商投資企業(yè)比重和港澳臺投資企業(yè)比重均較高，其中上海的出口比重和外商投資企業(yè)比重極高，福建的港澳臺投資企業(yè)比重極高，廣東的出口比重和港澳臺投資企業(yè)比重極高，因此這7個省份的對外貿(mào)易能力較高。對外貿(mào)易能力中等的11個省份大多數(shù)處于圖4中的第三梯隊(duì)和第四梯隊(duì)，山東處于第二梯隊(duì)，工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力處于一般和較低水平。遼寧的外商投資企業(yè)比重較高，但出口比重和港澳臺投資企業(yè)比重中等，因此其對外貿(mào)易能力中等；河北、安徽、江西、湖北、廣西和四川的出口比重、外商投資企業(yè)比重和港澳臺投資企業(yè)比重均處于中等水平，因此其對外貿(mào)易能力中等；山東的出口比重和外商投資企業(yè)比重處于中等水平，港澳臺投資企業(yè)比重較低，山西和河南的出口比重和港澳臺投資企業(yè)比重處于中等水平，外商投資企業(yè)比重較低，湖南的出口比重中等，外商投資企業(yè)比重和港澳臺投資企業(yè)比重均較低，因此這4個省份的對外貿(mào)易能力中等，得分在這11個省份中較低。對外貿(mào)易能力較低的10個省份分別處于圖4中的第三、四、五梯隊(duì)，工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力整體處于較低水平。吉林和黑龍江的外商投資企業(yè)比重中等，但出口比重和港澳臺投資企業(yè)比重較低，因此對外貿(mào)易能力較低；寧夏的港澳臺投資企業(yè)比重中等，但出口比重和外商企業(yè)投資比重較低，因此對外貿(mào)易能力較低；其余7個省份的出口比重、外商投資企業(yè)比重和港澳臺投資企業(yè)比重均較低，因此對外貿(mào)易能力較低。

4 結(jié)論

本文主要取得兩方面的成果，一方面對多屬性決策問題進(jìn)行了拓展研究，同時考慮了原始數(shù)據(jù)包含的各指標(biāo)變異程度上的差異信息和指標(biāo)間相互關(guān)聯(lián)程度上的差異信息，提出了基于指標(biāo)變異程度與關(guān)聯(lián)程度組合賦權(quán)的評價方法：利用最小距離—最大熵原理對基于指標(biāo)變異程度的熵值法與離差最大化方法及基于指標(biāo)關(guān)聯(lián)程度的BP-DEMATEL方法所得權(quán)重進(jìn)行組合。該方法能夠更大程度上體現(xiàn)出原始數(shù)據(jù)所包含的信息，與僅考慮指標(biāo)變異程度或指標(biāo)關(guān)聯(lián)程度的評價方法相比更有效，為多屬性決策的客觀賦權(quán)方法提供一種新的研究思路。同時將該方法應(yīng)用到中國工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力評價問題中，證明了該方法的合理性和可行性。另一方面，應(yīng)用該方法和時序加權(quán)平均算子方法對2013年至2015年中國30個省份的工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力進(jìn)行了靜態(tài)與動態(tài)評價，發(fā)現(xiàn)各省的工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力呈現(xiàn)出由東部向西部階梯狀遞減的規(guī)律，存在非均衡發(fā)展的問題。通過對各省各因素得分進(jìn)行分析可以發(fā)現(xiàn)，各省的需求能力、供給能力、技術(shù)能力和對外貿(mào)易能力和工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力發(fā)展基本一致，而可持續(xù)發(fā)展能力與工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力發(fā)展差異較大。未來可以對造成地區(qū)非均衡發(fā)展的原因進(jìn)行深入分析，從而為中國工業(yè)結(jié)構(gòu)轉(zhuǎn)換能力的提高提供更行之有效的建議。