熵值理论

2024-10-14

熵值理论（通用7篇）

熵值理论篇1

一、前言

在数字化环境影响下,数字出版产业具有良好的发展前景,根据我国新闻出版署公布的《新闻出版产业分析报告》统计,2009 年我国数字出版产业总收入占出版产业总收入的7.7%,到2013 年增长到13.9%,已成为我国出版产业的战略新兴产业。要保障数字出版产业经济更好更快增长,对其产业结构是否合理的研究是很有必要的。产业结构合理性分析是不断调整产业间比例关系和提高产业间关联程度的过程,是产业结构成长的过程[1]。“结构聚合质量”标准由周振华在《产业结构优化论》中提出,同时认为“较高的聚合质量来自于产业间的协调”,从而把“聚合质量”标准的实质归于产业间协调标准,同时,产业有序度反映了一个国家或地区的产业结构相对于目标结构的接近程度,可以作为测度产业结构合理化水平的指标[2]。信息论之父Shannon借鉴了熵的概念提出了信息熵理论,而后信息熵逐渐应用于多领域的研究,其在产业结构演变研究中也得以应用,产业结构分析中借用信息熵来描述产业结构系统演进的有序程度,主要是结构的宏观描述和整体有序性的一种度量。信息熵递减,表示结构中各组成部分之间的协同性越来越好,结构的有序度提高;反之,信息熵递增,则表示结构中各组成部分之间的协同性越来越差,结构趋于无序状态[3]。因此,本文选取我国产业结构的协调性与有序性作为衡量结构优劣的标准,通过对数字出版产业结构信息熵与我国产业结构信息熵的对比测度,反映我国数字出版产业结构演进过程的协调性与有序性,从而衡量我国数字出版产业结构的优劣态。

二、数字出版产业结构的熵值理论

(一)数字出版产业结构信息熵

假设数字出版产业内所有产业的收入规模为X,i产业的收入规模为Xi,包括n种数字出版类型产业,其中Pi=Xi/X为第i种产业收入规模的权重,根据Shannon熵公式,定义我国数字出版产业结构信息熵H:

(二)数字出版产业结构信息熵度量

根据新闻出版总署历年发布的《中国数字出版产业年度报告》,数字出版产业结构包括互联网期刊、电子书、数字报纸、博客、在线音乐、手机出版、网络游戏、网络动漫和互联网广告九种。在报告统计数据的基础上,计算出2006 年到2014 年我国数字出版产业结构与我国产业结构的信息熵,并根据信息熵数值画出数字出版产业结构与三次产业结构的信息熵演变动态对比图(图1),以便更直观的观察信息熵的变化。

数据来源：根据《中国数字出版产业年度报告》和中华人民共和国国家统计局网站 http://www.stats.gov.cn/ 数据计算所得。

(三)结果分析

图直观显示2006 年到2014 年我国产业结构信息熵逐年下降,表明三次产业间协同性越来越好,结构有序度提高,其信息熵平均值为0.946,每年平均降幅为0.26%。我国数字出版产业结构信息熵呈现不同程度的上下浮动现象,但总体趋势趋于下降,其信息熵平均值为1.318,2006 年的1.398 到2014 年的1.339,每年平均降幅为0.66%。对比之下,两者信息熵总体趋势均为递减,这表明两结构协调性均越来越好,有序性也越来越高。但数字出版产业结构熵值明显大于我国产业结构,可见我国三次产业间的协调性与有序性要远远优于我国数字出版产业。同时,我国产业结构信息熵处于平稳的下降过程,表明其协调性和有序性逐年越来越好,并处于稳定发展过程中。而我国数字出版产业结构信息熵时高时低,其有序性与协调性也时好时坏,不断调整状态下结构处于非稳定发展过程中。

2006 年到2007 年,数字出版中除了手机出版、互联网广告变动相对明显,其他组成部分差异不大。但是熵值比较高,表示在发展初期结构组成部分的协调性差,有序性低,结构不合理。2008 年到2010 年,是数字出版产业结构的剧变阶段。信息熵变动比较大,尤其是网络游戏、电子书变动最为显著,互联网广告、在线音乐、互联网期刊变化最小。这与当时数字出版产业概念界定不无关系。该阶段数字出版内涵和外延界定不清晰,使得数字出版的范围界定也不清楚。从表3-1 可以看到数字出版产业的组成部分并不是每年都一样,2008 年博客、网络动漫与2009 年的博客、在线音乐、网络动漫并没有计入数字出版产业,结构正处于调整阶段。2011 年到2014 年,数字出版产业结构信息熵上下浮动平缓,趋于稳定。其中变动最为显著的是互联网广告、手机出版,其他部分变动偏小。信息熵数值较数字出版产业发展初期呈下降趋势,表示数字出版产业发展过程中结构越来越有序合理。

综上,与我国产业结构对比,数字出版产业结构熵值总体呈现下降的走势,表示数字出版产业在演变过程中结构协调性与有序性呈良态发展。但是,其熵值大于我国产业结构,协调性与有序性远远劣于我国产业结构,且时高时低,仍需不断调整优化,保障我国数字出版产业结构更协调,更有序。

三、结语

第一,通过对数字出版产业熵值理论的分析,得到2006-2014 年我国数字出版产业结构在不断调整过程中,与我国产业结构对比,数字出版产业结构熵值总体呈现下降的走势,表示数字出版产业在演变过程中结构协调性与有序性呈良态发展。

第二,我国数字出版产业结构熵值大于我国产业结构,协调性与有序性远远劣于我国产业结构,且时高时低,仍需不断调整优化。

参考文献

[1]黄继忠.东北老工业基地产业结构调整优化研究[M].北京:经济科学出版社,2011:29

[2]宋国宇,刘文宗.产业结构优化的经济学分析及测度指标体系研究[J].科技和产业,2005,5(7):6-9

[3]刘刚.产业结构变动中需求因素的影响一基于信息熵方法的理论与应用[J].系统管理学报,2012,21(1):70-75

基于粒子熵值的异常行为检测篇2

近年来, 随着智能视频监控系统规模的不断扩大, 基于连续视频图像的人群异常行为检测技术也越来越受到关注, 各类先进的人群行为异常检测算法层出不穷[1,2]。如:Yang Cong等人采用多尺度光流直方图来检测异常行为[3];Navbcct Dalal等人使用方向梯度直方图来检测人群[4];Xuxin Gu等人分别将图像X轴和Y轴划分为大小固定的区间并计算各区间内的人群个数, 利用X轴的人数直方图熵值和Y轴的人数直方图熵值的乘积来描绘人群的空间分布信息, 检测人群四处逃跑等异常事件[5]。

1 背景提取

受光照的变化、噪声等的影响, 提取出可靠的背景图像十分困难。相比较而言, 采用混合高斯模型动态建模[6]的背景提取方法能够较好地解决视频背景建模的问题。

采用混合高斯模型动态建模方法, 从UMN视频段 (详见实验部分) 中提取到的相应的视频背景如图1所示。

图中将初始帧图1 (a) 作为开始的背景帧, 到第50帧时混合高斯建模提取到的背景图像如图1 (b) , 这时已经大致有视频图像背景的轮廓;到第100帧混合高斯建模提取到的背景图像如图1 (c) , 此时已能够较为准确地提取出视频的背景。由实验表明, 混合高斯模型提取背景可以较快适应背景环境的变化, 对噪声有较好的抗干扰能力, 并具有较高的鲁棒性。

2 特征点跟踪

KLT[7]方法通过基于平移模型进行灰度匹配来实现特征点的跟踪, 并进行基于跟踪算法的特征点选择, 提高特征点跟踪质量, 对于图像噪声也不太敏感, 能够达到实时跟踪的效果。

UMN视频段中不同场景下的特征点追踪结果如图2所示。图中十字表示追踪到的运动特征点, 实验表明KLT算法能够快速有效地追踪到人群的运动信息。

为便于后续异常识别算法的描述, 文中将由KLT跟踪算法得到的第t帧视频图像的所有特征点Ft表示如下:

式中, (Xtj, Ytj) 为个体粒子的位置, J为个体粒子的个数, Vtj为个体粒子的速度。

3 异常识别的描述

本文的目的是检测出分布比较集中的人群向四处逃跑等异常事件。该类异常事件发生过程中, 人群空间分布的变化是检测异常的一个有效且可靠的手段, 基于该思想将图像划分为大小固定的网格, 计算网格内KLT算法追踪到的粒子的个数, 用hj (t) 来表示t时刻第j个网格区间的粒子个数。正常情况, 人群分布集中, 检测出来的个体粒子主要集中于某个网格区间;异常情况, 人群四处逃跑, 检测出来的个体粒子会均匀的分布在各个网格区间。此外, 当人群异常逃跑时, 大多数个体粒子的速度会明显变得很快。因此, 利用个体粒子的网格分布和人群运动的平均速度来表示人群行为的异常程度。

在图像划分网格的基础上, 采用直方图[8]的方法来直观地描绘出网格中人群粒子的分布。直方图具有旋转平移不变性, 可以很好地反映特征的运动变化。将各网格区间的粒子个数值hj (t) 投影到直方图, 正常情况, 人群大多集中在一个区间中运动, 直方图的分布主要集中于直方图的某个区间;异常情况, 人群四处逃跑, 相对应的直方图分布会很均匀;设第t帧的直方图模型为:

式中, m为直方图区间的个数。

熵可以用来表示任何一种能量在空间中的分布均匀程度, 能量分布得越均匀, 熵值就越大。利用粒子熵值来描述人群的行为, 当人群四处逃跑时, 直方图分布越均匀, 粒子熵值也就越大。

图像中的粒子熵值定义为:

群体的异常行为是在一个时间段内发生, 检测异常行为时需要综合一个时间段的特征信息从而避免了某帧粒子熵值突然的不一致而带来的误差。所以, 累计当前图像的前N帧图像的粒子熵值作为最终的判别值。即:

计算前N帧人群粒子的平均速度, 当粒子熵值Et大于预先设定的阈值T并且平均速度大于预先设定的阈值Tv时则判断为异常行为, 否则判断为正常行为。T、Tv的设定详见实验部分。

4 实验结果与分析

为了测试算法的有效性, 从美国明尼苏达大学UMN数据库中提取相关的视频序列进行测试。UMN数据库包括了3个不同的背景、11个不同情境的逃跑事件视频段, 其中正常帧数共6 369帧, 异常帧数共1 072帧。随机地从11个视频段中选取3段视频作为训练集来训练阈值T和Tv。在粒子熵值的取值范围内按照一定的步长选取阈值T, 在人群速度的取值范围内按照一定的步长选取阈值Tv, 找到能让异常识别率最高的阈值T和Tv作为测试集参数。将图像划分为3×3个大小固定的网格区间, 部分粒子熵值投影的直方图结果如图3所示。图3 (a) 、 (b) 、 (c) 和 (d) 分别对应不同场景下行人正常行走与异常时行人慌乱逃跑的图像和相对应的特征直方图。由图可知, 行人正常行走时, 粒子主要集中在中间的网格区间, 某一网格区间的粒子个数相对来说很多;行人发生异常四处慌乱逃跑时, 个体粒子在各个区间均匀分布。实验表明, 所提的方法能够在不同场景、不同人数、不同光照的视频段中检测出异常和正常情况下人群的分布差异。

为验证粒子熵值的变化能有效地描述出人群行为, 对UMN视频序列进行测试。如图4所示为一视频段中粒子熵值的变化曲线, 该视频共635帧, 第560帧之后发生异常。由图可知, 随着正常行为到异常行为的转变, 群体运动越来越不规则, 粒子熵值呈现出上升的趋势。实验表明, 基于粒子熵值变化的检测效果显著。

图5为本算法的ROC曲线图, 表1为UMN视频库上各实验的AUC对比。实验表明, 基于粒子熵值的异常行为检测方法的AUC与Social force算法的AUC类似, 并且明显高于optical flow算法和1-NN算法的AUC。

5 结束语

目前大多异常行为分析方法仅考虑个体运动的速度, 方向等信息, 没有考虑人群运动时位置分布的信息。提出了一种基于粒子熵值的异常行为检测方法, 不但同时从速度和粒子熵值等不同角度对人群异常行为检测, 而且考虑到了人群在一段时间内的运动信息。能够实时地检测出视频中人数四处逃跑等大幅度异常行为的发生, 适用于人数较多的公共场合。但是仅用粒子熵值和人群速度等特征不易进行其他情况的异常行为分析, 接下来的工作将进一步结合其他特征完善该算法, 并把该算法推广到更为广泛的公共场合的监控视频中去。

参考文献

[1]Popoola O P, Wang K J.Video-based Abnormal Behavior Recognition-A Review[J].Systems, Man, and Cybernetics, Part C:Applications and Reviews, IEEE Transactions on (S1094-6977) , 2012, 42 (6) , 865-878.

[2]谷军霞, 丁晓青, 王生进.行为分析算法综述[J].中国图象图形学报, 2009, 14 (3) :377-387.

[3]Cong Y, Yuan J, Liu J.Sparse reconstruction cost abnormal event detection, Comput.Vis.Pattern Recognit. (CVPR) (2011) 3449-3456

[4]Dalal N, Triggs B.Histograms of Oriented Gradients for Human Detection[C]∥Computer Society Conference on Computer Vision and Pattern Recognition (CVPR) , 2005:886-893.

[5]Gu X, Cui J, Zhu Q.Abnormal Crowd Behavior Detection by Using the Particle Entropy[J].Optik-international Journal for Light and Electron Optics, 2014, 125 (14) :3428-3433.

[6]Stauffer C, Grimson W E L.Adaptive Background Mixture Models for Real-time Tracking[C]∥Computer Vision and Pattern Recognition, 1999.IEEE Computer Society Conference on.IEEE, 1999:246-252.

[7]Tomasi C, Kanade.T Detection and tracking of point features[R].Tech.Rep.CMU-CS-91-132, Carnegie Mellon University, 1991.

[8]Freeman W T, Roth M.Orientation Histograms for Hand Gesture Recognition[C]∥International Workshop on Automatic Face and Gesture Recognition.1995:296-301.

[9]杜鉴豪, 许力.基于区域光流特征的异常行为检测[J].浙江大学学报 (工学版) , 2011, 45 (7) :1161-1166.

[10]Mehran R, Oyama A, Shah M.Abnormal Crowd Behavior Detection Using Social Force Model[C]∥Computer Vision and Pattern Recognition, 2009:935-942.

熵值理论篇3

1 熵值法在区域创新能力评价中的应用价值

1.1 熵值法的应用范围与局限性

1.1.1 熵值法的应用范围

熵值法的核心是确定各指标数据的差异性, 这对客观数据的准确性与完整性要求很高, 因此在用熵值法进行评价时必须要有完整的样本数据, 否则就无法根据各指标数据所反映的信息差异确定其熵值。

熵值法是通过突出局部差异来确定指标权重, 进而计算各样本综合得分, 它是一个相对的数值, 因此, 熵值法适用于多指标的相对评价。

熵值法的权重确定是完全根据各指标数据的实际情况确定的, 避免了主观因素的掺杂, 因此可以较客观地确定各指标的权重, 使评价的基础较为科学。

1.1.2 熵值法应用的局限性

在运用熵值法进行评价时需要对原始数据进行无量纲化处理。由于熵值法要保留原始数据之间的差异性, 经过验证得出不可以采用譬如极值化或者标准化等方法进行处理, 这样会出现熵值法不成立或者消灭数据差异性的后果, 因此, 本文拟采取公式进行无量纲化处理, 这种方法在消除量纲和数量级影响的同时有效保留与各指标数值取值差异程度上的信息, 并且差异程度越大的指标对综合分析的影响也越大。

1.2 熵值法在区域创新能力评价中的应用

“区域”是一个代表空间的词汇, 大到整个国家, 小至一个区县, 因此在对区域创新能力进行评价时, 首先要找准评价对象。本文是对我国的区域创新能力进行评价, 必然会考虑到国内各典型省、直辖市及自治区的区域创新情况。首先, 根据《国家统计年鉴》、《中国区域创新报告》[2]、《中国科技统计年鉴》以及各省、直辖市及自治区的统计年鉴较容易获得需要的统计数据;其次, 为对我国区域创新能力进行全面评价, 既要纵向研究近3~5年各地区的区域创新情况, 同时又要横向分析各地区间区域创新能力的差异, 因此, 对于区域创新能力的评价属于多指标相对评价, 符合熵值法应用范围。

同时, 熵值法在客观权重赋值方面具有较大的优势, 科学性与客观性在国家性与区域性的研究领域是必不可少的前提。

2 基于熵值法的我国区域创新能力评价

2.1 基于熵值法的我国区域创新能力评价指标体系

我国学者对区域创新能力评价指标体系建立的过程大致分为两个角度:一是从投入和产出的角度进行指标建立;二是从主体和客体的角度进行指标建立。本文采用第二个角度进行指标体系的建立[3]。

笔者在任胜钢、彭建华前辈建立的区域创新能力指标体系的基础上[4], 结合2009—2011共3年的年鉴, 选取没有数据缺失的、可获取的指标进行修正, 建立了如表1所示的评价指标体系。区域创新能力评价指标分为区域创新主体与区域创新环境两个一级指标。区域创新的主体是区域创新的内部条件, 强调高校与科研机构、企业的创新能力以及三个主体之间的联系能力;区域创新的环境是区域创新的外部条件, 主要包括基础设施、需求状况、金融环境、劳动力素质以及开放与集聚性。

2.2 评价过程

本文选取我国10个省级行政区域作为评价样本, 并按照东部、中部、西部、东北部四大板块进行分析。其中, 选取东部典型板块3个区域 (包括北京、上海、广东) ;中部典型板块3个区域 (包括安徽、湖北、内蒙古) ;西部典型板块2个区域 (包括四川、青海) ;东北典型板块2个区域 (包括辽宁、黑龙江) 。

设有m个评价对象, n个评价指标, 指标值为Xij (i=1, 2, 3, ……, m;j=1, 2, 3, ……, n) 。本文中, m=30, n=27。

2.2.1 数据的无量纲化处理

因为本文评价指标都是越大越好型的指标, 因此无需对指标数据进行正向化处理, 利用公式 (1) 对指标进行无量纲化处理:

本公式中, Yij为i样本第j项指标的无量纲化值, j为第j项指标的均值。通过excel的运算, 得到了标准化后的指标值。

2.2.2 计算i样本第j个指标的比重

2.2.3 计算指标熵值[5]

其中:, m为样本数量, 本文共30个样本, K=0.294。各指标的熵值如表2所示。

2.2.4 计算指标的差异性系数

具体如表3所示。

2.2.5 确定评价指标权重

计算第j项指标的权重为:

具体如表4所示。

2.2.6 计算评价指数

其中, i为样本数量, k为二级指标, j为三级指标。二级指标的综合评价值如表5所示。

2.3 评价结果分析

2.3.1 基于熵值法确定的指标权重的分析

(1) 区域创新能力的主要影响因素

区域创新指标的熵值越大, 它能反映的信息量越小, 同时权重也就越小。由表4的排名可知, 权重前5名的指标 (权重高于0.06) 分别为:年度出口额 (第一) 、出口占全国比重 (第二) 、技术市场交易额 (第三) 、大中型工业企业申请专利数 (第五) 和外商投资企业数 (第五) 。

在区域创新环境的影响因素中, 出口环境与外商投资情况是主要因素;在区域创新主体能力的影响因素中, 技术市场交易额和大中型企业申请专利数是影响区域创新主体能力的主要因素。因此在提升区域创新能力时, 区域创新主体能力的提升应重点放在提升区域创新主体间联系以及加快企业创新产出上, 区域创新环境的提升重点应放在营造良好的出口环境和积极做好招商引资上。

(2) 区域创新能力其他影响因素

排在第6—13位的均为体现区域创新主体能力的指标, 这也体现了企业、大学和科研机构作为创新主体在区域创新能力提升当中的重要地位。排在最后三位的是平均电话和手机拥有量、平均大中型工业企业研究开发人员数和第三产业占地区生产总值的比重, 这三项指标虽然权重较低, 但是不可缺少, 同时可能是由于笔者选取指标的偏差造成的。

2.3.2 基于各典型地区综合得分的分析

通过表5笔者得出了区域创新主体、区域创新环境、区域创新能力的总体排名及各典型地区的区域创新能力变化趋势, 如表6、图1、图2所示 (因东部与其他地区的得分差距较大, 为了图形清晰, 将东部地区的综合得分与其他地区分开绘制) 。

我国各典型地区的区域创新能力排名在2008—2010年基本保持相对位置不变的水平, 依次为广东、上海 (10年变为第三名) 、北京 (10年变为第二名) 、辽宁、湖北、四川、安徽、黑龙江、内蒙古、青海。

通过图1和图2的趋势图, 以各区域3年的平均值为标准, 将10个典型地区的区域创新能力分为5类, 即极高 (得分2.5以上) 、较高 (得分1.5~2.5) 、一般 (得分0.5~1.5) 、较低 (得分0.3~0.5) 、极低 (得分0.3以下) , 具体如表7所示。

(1) 东部地区。在近3年里, 东部地区的区域创新能力始终遥遥领先, 尤其是广东的区域创新能力在2009—2010年始终是第一名, 平均区域创新能力得分在2.5以上, 并且平均高出排名第二的地区1.7~1.8倍, 同时高出创新能力低的地区 (如青海) 200倍以上, 归为区域创新能力“极高”的地区。无论是区域创新主体的方面、还是区域创新环境方面, 广东都处于优势地位。

北京和上海稳居前三名, 区域创新能力平均得分在1.5~2.5, 归入区域创新能力“较高”的地区。在2010年, 北京和上海的位置有细微的变动, 北京由第三变为第二, 上海由第二变为第三。北京名次的上升主要是由于区域创新主体能力方面的显著提高;同时, 上海在2009—2010年创新主体间的联系能力处于不变的水平, 并没有提高, 这也是造成上海区域创新能力名次降低的原因。

(2) 其他地区。中部、西部、东北部地区的区域创新能力与东部地区有显著的差距, 但排名很稳定且稳中有升。由图1和图2看出, 我国各典型地区2009年的区域创新能力增长速率普遍高于2010年。其中, 辽宁、湖北和四川等地区归入区域创新能力“一般”的地区, 平均得分在0.5~1.5。辽宁的区域创新能力 (0.8~1.5) 要相对高于湖北和四川 (0.5~0.8) , 而湖北与四川的区域创新能力较为接近。安徽和黑龙江归入区域创新能力“较低”的地区, 平均得分在0.3~0.5, 安徽的区域创新能力稍高于黑龙江, 并且近两年的增长速率也略高于黑龙江。辽宁和黑龙江均处于东北地区, 但是区域创新能力却存在很大差异, 主要原因在于辽宁老工业基地的振兴与装备制造业的稳步发展。内蒙古和青海归入区域创新能力“极低”的地区, 平均得分在0.3以下。青海省是区域创新能力最低的省份, 同区域创新发达地区有很大差异, 主要原因在于其区域创新主体能力较低, 相比同级别的内蒙古低3~4倍, 因此, 青海省应重点提升区域创新主体能力。

3 提升我国区域创新能力的相关政策建议

(1) 协调各地区区域创新能力

我国区域创新能力的分布不均衡, 东高西低, 因此应在保证高区域创新能力地区稳步提升的前提下更大力度地鼓励区域创新能力低下地区, 因为这些地区 (如内蒙古、青海等) 是遏制我国区域创新发展的短板, 只有解决短板问题才能有效提升我国整体区域创新能力。

(2) 提升区域创新主体能力与区域创新环境

第一, 提升区域创新主体能力, 重点应放在提升区域创新主体间联系以及加快企业创新产出上。一方面, 企业应高度重视创新资源的产出, 尤其是新技术与新产品的产出;另一方面, 应积极鼓励企业与科研机构、大学间的联系, 特别要注重技术市场交易额的提升。第二, 积极为区域创新营造良好的环境, 重点应放在出口环境营造和招商引资上, 这需要政府为区域创新能力较低地区提出相关的税收减免政策与招商引资优惠政策。

4 结语

本文深入研究了熵值法的应用与区域创新能力的评价, 并在以下几方面取得一定的突破:其一, 对熵值法的应用范围、在评价过程中的优势、在评价过程中的局限性与解决办法以及熵值法在区域创新能力评价中的应用价值进行了研究;其二, 选取我国10个典型地区2008—2010年3年间的区域创新统计数据, 运用熵值法对我国区域创新能力进行评价, 得到评价指标的熵值与权重以及各地区区域创新能力的分项得分与综合得分。然而, 本文的不足是对于熵值法在区域创新能力评价中的应用价值缺少定性分析, 在今后的研究中应进一步改进和完善。

参考文献

[1]徐尚荣.基于熵值法的青海省科技创新能力评价研究[J].青海大学学报:自然科学版, 2011, 29 (1) :96-102

[2]中国科技发展战略研究小组.中国区域创新能力报告2010[R].北京:知识产权出版社, 2010

[3]朱海就.区域创新能力评估的指标体系研究[J].科研管理, 2004, 25 (3) :32-34

[4]任胜钢, 彭建华.基于因子分析法的中国区域创新能力的评价及比较[J].系统工程, 2007, 25 (2) :87-89

熵值理论篇4

目前在流通领域中, 我国存在效率低、成本高等特别突出的现实问题。丁俊发等指出在传统行业基础上发展起来的现代流通业, 被人为割裂为许多阶段, 而各个阶段之间不能较好地协调衔接, 加上信息不能共享, 造成流通效率较低。任保平则认为目前我国物流运作不畅, 储运库存采购销售过程中产生的隐形成本较大, 影响了流通业的发展, 并造成流通资源的浪费, 而物流是流通中的重要内容, 流通产业的发展需要物流行业发展的支撑, 物流效率的提高和物流成本的下降直接影响到流通环节的效率和成本。

流通效率是全面反映流通产业的运行状况的重要指标, 对流通效率进行客观有效的科学评价, 能为深化流通体制改革, 优化产业结构提供重要的政策依据。但流通效率的评价应建立在对流通效率内涵界定基础之上, 而目前学术界对流通效率的认识和理解还是众说纷纭, 见仁见智, 流通效率的内涵还缺乏明确界定。再加上评价指标体系完备性以及实证数据可得性等条件的约束, 流通效率的评价至今还缺乏一个行之有效的方法。因此本文试图在对流通效率的内涵界定的基础上, 构建评价流通效率的较为完备的指标体系, 并采用层次熵值组合赋权法, 运用我国1999~2012年的实际数据, 对我国近年来的流通效率进行评价, 以期为我国在该领域的研究提供有价值的文献。

综合国内外学者对流通效率的理解, 本文认为流通效率是具有多元内涵的复合型概念, 既不是企业层面的效率, 也不是行业层面的效率, 而是整个流通体系的综合效率。

流通效率评价指标体系的构建

在对流通效率的内涵进行界定的基础上, 本文认为流通效率是整个流通体系的综合效率, 主要包含以下四种效率:市场效率、企业效率、人员效率和资本效率。

市场效率, 从市场层面来把握流通运行的节奏, 反映流通活动中市场整体运行的节奏及顺畅程度。市场集中度是反映流通产业规模经济效益的重要指标, Charles等的研究发现, 扩大经营规模, 增加规模经济效益, 能使流通效率得到提高。流通成本是指商品在整个流通过程中所消耗和占用的资源, 在产出不变前提下, 流通成本越低, 流通效率越高。单市场效率主要反映了商品市场销售能力的强弱, 单市场效率越高, 销售能力就越强, 其对整个市场流通的促进作用就越大。因此本文选择了市场集中度、反映流通成本的社会物流总成本占G DP的比重以及用于衡量单市场效率的单市场成交额和市场单位面积成交额四个指标来衡量市场效率。

企业效率, 从企业层面来把握流通运行的节奏, 反映流通活动中流通企业的盈利能力及效率表现。F red认为流通效率应从企业和社会两个层面来考察, 其中企业流通效率主要取决于其获利以及经营成本。B uzzell等认为降低库存率能够减少资金的占用, 降低流通成本, 最终提高流通效率。税收负担过高, 会增加流通企业的经营成本, 成为企业发展的瓶颈, 导致流通企业效率增长乏力。资产负债率过高, 会使流通企业的经营难度加大, 倒闭风险, 不仅可能会给带来经济利益上的损失, 更有可能造成资源的浪费, 造成流通效率的损失。存货周转率和流通资产周转率是反映企业周转能力的重要指标, 流通企业周转的越快, 流通效率越高。单店效率是反映单个流通企业流通能力的指标, 能用来作为衡量流通效率的指标。因此本文选择了成本利润率、库存率、税收占利润的比重、资产负债率、存货周转率、流动资产周转率以及反映单店效率的连锁零售业单店销售额、连锁零售业单位营业面积成交额、限额以上零售业单店销售额、限额以上批发业单店销售额在内的十个指标来衡量企业效率。

资本效率, 从资本层面来把握流通运行的节奏, 反映流通活动中流通产业资本的盈利能力及效率表现。通过对流通产业资本投入所实现产出的大小来衡量, 可以反映出流通产业资本效率, 进而反映出流通效率的高低。因此本文选择了总资产报酬率和固定资产投资报酬率两个指标来衡量人员效率。

人员效率, 从人员层面来把握流通运行的节奏, 反映流通活动中流通产业从业人员的盈利能力及效率表现。从业人员的素质和专业水平是影响流通效率的重要因素, 人均产出效益的高低能在一定程度上反映了出流通产业从业人员的素质和专业水平, 从而反映出流通实现效率的高低。因此本文选择了从业人员劳动生产率、人均销售额和人均利润三个指标来衡量人员效率。

本文从市场效率、企业效率、资本效率和人员效率4个层面, 选取了19个基础性指标构建了如表1所示的流通效率评价指标体系。

流通效率评价方法

对于任何多指标的综合评价模型, 确定指标权重是模型中重要的一步, 有时也是最困难的一步, 指标权重不同有可能导致评价结果不同。因此, 应该以科学的方法得到最符合实际的权重, 确定权重的方法分为主观型和客观型两大类:主观型是根据决策者对各项指标的主观判断来赋权, 如Delphi法、层次分析法等;客观型是依据客观信息进行赋权, 如熵值法、CR IT IC法等。无论主观型还是客观型方法都存在一定的片面性, 实际中往往主客观结合使用。为克服评价过程中主观片面性和信息不对称的缺陷, 本文结合主观赋权与客观赋权的优点, 采用层次分析法与熵值法进行组合的层次熵值组合赋权法来确定各流通效率评价指标权重, 从而对流通效率进行更为科学性的评价。层次分析法可以根据专家的知识和经验确定权重, 具有可靠、灵活、简便等优点, 但无法克服主观随意性较大的缺陷, 当专家的判断与实际相差较大时, 将导致错误的评价结果。而熵值法充分挖掘了原始数据蕴涵的信息, 结果较为客观, 但由于不能反映专家的知识和经验, 有时得到的权重可能与实际重要程度不符。因此, 在实际应用中综合运用层次分析法和熵值法是不错的选择。

1999~2012年我国流通效率评价的实证分析

通过向多位流通专家等进行咨询, 采用九级评分法, 得到四个准则层指标的相对重要程度, 从而构造出判断矩阵:

即市场效率、企业效率、资本效率、人员效率的权重分别为0.174, 0.1952, 0.0467和0.5607。

利用1999~2012年的《中国统计年鉴》、《物流统计年鉴》以及中国物流与采购联合会提供的相关数据, 整理得19个指标层的原始数据矩阵。对其标准化后, 根据熵值的定义, 计算得19个指标的熵值。

在层次分析法确定的主观权重和熵值法确定的客观权重的基础上, 利用层次熵值组合赋权法可确定十九个指标的综合权重:λ= (0.0435, 0.0484, 0.0399, 0.0378, 0.0439, 0.0450, 0.0431, 0.0467, 0.0442, 0.0473, 0.0346, 0.0361, 0.0460, 0.0460, 0.0104, 0.0100, 0.1311, 0.1254, 0.1205) 。

利用层次熵值组合赋权法所确定的各指标权重, 结合标准化后的评价指标实际数据, 计算得出, 1999~2012年我国各年的流通效率得分依次分别为0.0109, 0.0973, 0.1587, 0.2310, 0.3072, 0.3515, 0.5051, 0.5715, 0.6331, 0.7055, 0.6750, 0.7680, 0.8842, 0.8956, 可以看出样本区间内, 我国流通效率总体上处于快速上升趋势。

随着信息技术的广泛应用, 电子商务的兴起, 物流配送能力的不断提高, 1999~2012年我国流通效率得到了显著提高。其中1999~2008年我国流通效率以较高的增速保持平稳上升;随着2008年9月以雷曼兄弟破产和美林公司被收购为标志的全球金融危机的全面爆发, 2009年我国流通产业产值虽然实现了10.7%的增加, 但库存率、存货周转率、流动资产周转率、人均销售额、人均利润等反映流通效率的多项指标出现了明显恶化, 我国流通效率受全球金融危机的影响出现了明显下滑;2010年, 在国家“扩大内需”政策和继续实行的积极财政政策和适度宽松的货币政策的共同作用下, 我国流通产业产值实现了23.3%的增加, 流通效率也得以继续快速上升;2012年, 随着我国由“快增长经济”向“慢增长经济”转型, 由“快消费”向“慢消费”转型, 我国流通产业也发生了重大变化, 流通产业产值增长速度虽高于同期的7.8%的G DP增长速度, 但已从上一年度的21.5%下降到了13.6%, 流通效率的增速也随着经济转型有所减缓。

结论

流通效率是具有多元内涵的复合型概念, 既不是企业层面的效率, 也不是行业层面的效率, 而是整个流通体系的综合效率。主要包含以下四种效率:市场效率、企业效率、资本效率和人员效率。

从市场效率、企业效率、资本效率和人员效率4个层面, 构建了包含社会物流总成本占G DP的比重、库存率、总资产报酬率、从业人员劳动生产率等与流通效率高低密切相关的19个基础性指标流通效率评价指标体系。

运用层次熵值组合赋权法, 既克服了主观赋权法所产生主观片面性的缺陷和客观赋权法所产生的由于专业知识和经验的不足所造成的权重与实际重要程度不符的缺陷, 又发挥了主观赋权法可以区分不同情形的优点和客观赋权法能避免了人为因素带来的偏差的优点。最终确定市场集中度、社会物流总成本占G DP的比重、单市场成交额、市场单位面积成交额、成本利润率、库存率、税收占利润的比重、资产负债率、存货周转率、流动资产周转率、连锁零售业单店销售额、连锁零售业单位营业面积成交额、限额以上零售业单店销售额、限额以上批发业单店销售额、总资产报酬率、固定资产投资报酬率、从业人员劳动生产率、人均销售额和人均利润这十九个基础性指标的综合权重, 依次分别为0.0435, 0.0484, 0.0399, 0.0378, 0.0439, 0.0450, 0.0431, 0.0467, 0.0442, 0.0473, 0.0346, 0.0361, 0.0460, 0.0460, 0.0104, 0.0100, 0.1311, 0.1254, 0.1205。

熵值理论篇5

1 组合预测方法

1969年Bates和Granger在运筹学季刊中,提出了“组合预测”的思想。所谓组合预测,是指采用2种或2种以上的方法对同一对象进行预测,并利用合理的权重将若干个单一模型有机地结合起来,综合考虑各单项预测方法的效果。其思想就是认为任何一种预测方法都只能部分地反映预测对象未来发展的变化规律,只有采用多种预测途径进行预测,才能更全面、系统地反映事物发展的未来变化,才能在一定的条件下有效地改善模型的拟合能力和提高预测精度[1]。

用yit(i=1,2,…,m;t=1,2,…,N)表示第i种预测方法在t时刻的预测值,则m种预测方法的组合预测值为

$y_{\overset{\land}{t}} = \sum_{i = 1}^{m} w_{i} y_{i t}, t = 1, 2, \dots, Ν .$

式中:wi为第i种预测方法的加权系数,且 $\sum_{i = 1}^{m} w_{i} = 1$ 。

如果能很好地确定各种预测方法的加权系数wi就可以充分利用各单项预测方法的优点,使组合预测效果达到最佳,所以采用组合预测的根本任务就是确定各单项预测方法的加权系数wi。

2 熵值法确定权系数

确定权重常用的方法有专家经验、算术平均法、方差倒数法、均方倒数法、简单加权法、离异系数法、二项式系数法、最优加权法和主成分分析法等等,本文采用熵值法确定组合预测的权系数。在信息论中,熵值是系统无序程度或混乱程度的度量,信息被解释为系统无序程度的减少,信息表现为系统的某项指标的变异度,即系统的熵值越大,则所蕴含的信息量越小,系统的某项指标的变异程度越小。反之,系统的熵值越小,则所蕴含的信息量就越大,系统的某项指标的变异程度越大。

该方法的优点体现在能够通过全面的研究各预测方法的误差指标值以确定各个体预测方法在组合预测模型中的权重,经过相关的研究表明,其给出的指标权重具有较高的可信度,使得新的组合预测模型能充分利用各个体预测方法所包含的各种信息,并且吻合汽车保有量受多种因素影响的情况,使得预测结果拟合度增加、精度提高。

用熵值法确定组合预测加权系数的步骤[2,3]:

首先假设对某一预测对象的某个指标序列为{yt,t=1,2,…,N},存在m种单项预测方法对其进行预测,设第i种单项预测方法在t时刻的预测值为yit(i=1,2,…,m;t=1,2,…,N),令

$e_{i t} = {\begin{matrix} 1, \\ | (y_{t} - y_{i t}) / y_{t} | . \end{matrix} (1)$

其中,当|(yt-yit)/yt|≥1时,eit=1,反之,eit=|(yt-yit)/yt|,则称eit为第i种单项预测方法在第t时刻的预测相对误差,i=1,2,…,m;t=1,2,…,N。

1)将各种单项预测方法预测相对误差序列归一化,即计算第i种单项预测方法第t时刻的预测相对误差的比重

$p_{i t} = \frac{e_{i t}}{\sum_{t = 1}^{Ν} e_{i t}}, t = 1, 2, \dots, Ν . (2)$

显然 $\sum_{t = 1}^{Ν} p_{i t} = 1, i = 1, 2, \dots, m .$

2)计算第i种单项预测方法的预测相对误差的熵值

$h_{i} = - k \sum_{t = 1}^{Ν} p_{i t} l n p_{i t}, i = 1, 2, \dots, m . (3)$

k>0为常数,ln为自然对数,hi≥0,i=1,2,…,m,对第i种单项预测方法而言,如果pit全部相等,即pit=1/N,t=1,2,…,N,则hi取极大值,即hi=klnN,这里取k=1/lnN,则有0≤hi≤1。

3)计算第i种单项预测方法的预测相对误差序列的变异程度系数。因为0≤hi≤1,根据系统某项指标的熵值的大小与其变异程度相反的原则,所以定义第i种单项预测方法的预测相对误差序列的变异程度系数

$d_{i} = 1 - h_{i}, i = 1, 2, \dots, m . (4)$

4)计算得各种预测方法的加权系数为

$w_{i} = \frac{1}{m - 1} (1 - \frac{d_{i}}{\sum_{i = 1}^{m} d_{i}}), i = 1, 2, \dots, m . (5)$

式(5)体现了一个原则,即某个单项预测方法预测误差序列的变异程度越大 ,则其在组合预测中对应的权系数就越小,显然权系数满足 $\sum_{i = 1}^{m} w_{i} = 1$ 。

5)计算得组合预测值为

$\hat{y}_{t} = \sum_{i = 1}^{m} w_{i} y_{i t}, t = 1, 2, \dots, Ν . (6)$

3 城市汽车保有量预测

3.1 单预测方法的选取[4,5,6,7]

现有的城市汽车保有量的预测方法虽各有其优点,但大多是单一方法预测或考虑影响因素较少,缺少对影响汽车保有量因素的全面揭示,而且大多适于短期预测,对中长期预测存在数据拟合精度不高,预测结果与实际符合程度有较大偏差等问题。针对这些问题,本文采用灰色系统、多元回归、指数平滑、神经网络等4种方法进行单模型预测,主要利用它们之间的互补性,有机的将短期预测与长期预测结合起来,有效的克服传统方法的不足。其中,灰色系统法与多元线性回归法适用于长期预测,前者不需要分析大量样本但易产生较大误差,后者预测精度较高但对数据资料要求比较高。与多元线性回归相比,指数平滑法简单易行,但它只适合短期预测,而且只局限于一个时间数列本身的外推预测,没有考虑其他因素的影响。神经网络所特有的处理复杂非线性问题的功能将弥补因影响因素间关系复杂所导致的建模困难的缺陷,其缺点在于自身的不稳定性会引起预测结果的不稳定性。因此,在这4种方法进行单预测的基础上,运用熵值法对它们合理分配权重并进行组合预测。

3.2 统计数据分析

影响城市汽车保有量的因素很多,包括人口、经济、政策、环境等因素。最常用的因素有人口总数、国民总收入、人均GDP、城镇居民人均可支配收入、公路总里程、公路货运量、公路客运量等。本文从中国统计年鉴中的1995年至2007年的数据入手,收集全国汽车保有量及其影响因素的统计数据,因篇幅的限制只列出汽车保有量的历史数据如表1所示[8]。

基于收集到的数据,用上述4种方法进行单模型预测,其结果及精度如表2所示。

$表 1 1995 ~ 2007 年城市汽车保有量数据万辆$

资料来源:中国统计年鉴(1995~2008)

3.3 组合预测模型的建立

Step1:将表2中单模型预测结果带入式(1)、(2)、(3),各预测模型熵值为

$\begin{array}{l} h_{1} = - 1 / \ln 13 \sum_{t = 1}^{13} p_{1 t} l n p_{1 t} = 0.792 694 ； \\ h_{2} = 0.779 899 ； h_{3} = 0.944 434 ； h_{4} = 0.876 338 . \end{array}$

Step2:根据式(4)计算各变异程度系数:

$\begin{array}{l} d_{1} = 1 - h_{1} = 0.207 306 ； d_{2} = 0.220 101 ； \\ d_{3} = 0.055566 ； d_{4} = 0.123 662 . \end{array}$

Step3:计算加权系数

$\begin{array}{l} w_{1} = \frac{1}{4 - 1} (1 - \frac{d_{1}}{\sum_{i = 1}^{4} d_{1}}) = 0.219 423 ； \\ w_{2} = 0.212 392 ； w_{3} = 0.302 801 ； \\ w_{4} = 0.265 384 . \end{array}$

Step4:建立组合预测模型

$\begin{array}{l} \hat{y}_{t} = 0.219 423 y_{1 t} + 0.212 392 y_{2 t} + \\ 0.302 801 y_{3 t} + 0.265 384 y_{4 t} . \end{array}$

1995-2007年我国汽车保有量组合预测结果如表3所示。

$表 3 组合预测结果及精度万辆$

经比较分析,1995~2007年汽车保有量组合预测模型的预测值与实际值较为接近,且组合预测的平均绝对百分比误差小于4种单预测模型,说明基于熵值法的城市汽车保有量组合预测模型的预测精度得到了有效的提高。因此,组合预测模型的预测结果比单项预测模型更加可靠,根据组合预测模型对2008~2010年我国汽车保有量进行预测,结果如表4所示。

$表 4 2008 ~ 2010 年汽车保有量组合预测万辆$

4 结束语

本文通过建立基于熵值法的组合预测模型,对城市汽车保有量进行预测,根据结果可知,我国城市汽车保有量正处于较快增长的阶段,符合现阶段的经济发展规律。而且与单项预测相比,基于熵值法的组合预测方法能比较准确地预测汽车保有量,与实际值符合较好,可以为我国有关部门的规划提供可靠的数据依据。

摘要：分析灰色系统、多元回归、指数平滑、神经网络4种预测方法的特点并利用它们分别对城市汽车保有量进行预测,在此基础上通过熵值法确定各预测模型的加权系数,建立组合预测模型,最后将1995～2007年汽车保有量的各预测值与实际值进行比较,结果表明该组合预测法精度较高,实用性更强。

关键词：汽车保有量,熵值法,组合预测,神经网络,灰色系统

参考文献

[1]王莎莎,陈安,苏静.组合预测模型在中国GDP预测中的应用[J].山东大学学报(理学版),2009,44(2):56-59.

[2]陈华友.组合预测方法有效性理论及其应用[M].北京:科学出版社,2008.

[3]韩柳,张妩妩.基于熵的组合预测法对湖北省货运量预测[J].中国水运,2007,5(7):166-167.

[4]徐建新,严勇.指数平滑法在典型城市GDP预测中的应用[J].水利科技与经济,2008,14(7):551-554.

[5]邓伟妮.基于BP神经网络的西安市PM-(10)污染预报及其MATLAB实现[D].西安:西安科技大学,2008.

[6]祁红光.基于多元回归数学模型的分析应用研究[J].湖南学院学报,2007,28(2):10-15.

熵值理论篇6

关键词：安徽省,环境友好度,熵值法,线性加权法

自党的十六届五中全会首次把建设资源节约型社会和环境友好型社会确定为我国经济和社会发展的战略任务以来, 我国政府为此出台了一系列政策措施。温家宝总理在政府工作报告中提出, “要在全社会大力倡导节约、环保、文明的生产方式和消费模式, 让节约资源、保护环境成为每个企业、村庄、单位和每个社会成员的自觉行动, 努力建设资源节约型和环境友好型社会”。在建设“环境友好型社会”逐渐成为全社会一致目标的大环境中, 对各地区环境友好度的测量无疑是必要的。

一、环境友好度概念

“环境友好”的概念是对经济系统与环境系统之间的协调发展的高度概括, 其核心是经济发展、资源利用、环境保护之间的合理均衡。它强调, 在现阶段, 应该是社会经济活动对环境的负荷和影响要达到现有技术经济条件下的最小化;最终这种负荷和影响要控制在生态系统的资源供给能力和环境自净容量之内, 形成社会经济活动与生态系统之间的良性循环。

二、评价指标体系

指标的选择是评价结果是否真实可靠的关键和基础。从对环境友好概念的理解, 可以看出, 各区域环境友好程度是多种因素共同作用的结果, 我们无法通过某单一指标对这一概念加以表征和度量。本文在国家出台的《生态县、生态市、生态省建设指标 (修订稿) 》基础上, 根据确立指标的科学性、可操作性、可度量性、可比性、层次性以及政策性等原则要求, 构建了一个由14个指标组成的区域环境友好度评价指标体系。分别为:第三产业占GDP比重、单位GDP能耗 (吨标准煤/万元) 、单位GDP水耗 (立方米/万元) 、单位耕地化肥负荷 (KG/公顷) 、单位耕地农药负荷 (KG/公顷) 、SO2排放强度 (KG/万元) 、COD排放强度 (KG/万元) 、人均耕地面积 (亩) 、人均水资源 (立方米/人) 、森林覆盖率 (%) 、SO2去除率 (%) 、工业固体废弃物综合利用率 (%) 、城市污水集中处理率 (%) 、城市生活垃圾无害化处理率 (%) 。

三、区域环境友好度评价指标的赋权方法

熵是系统无序程度的度量, 可以用于度量已知数据所包含的有效信息量和确定权重, 在水质评价中得到了广泛的应用。当各评价对象的某项指标值相差较大时, 熵值较小, 说明该指标提供的有效信息量较大, 其权重也应较大;反之, 若某项指标值相差较小, 熵值较大, 说明该指标提供的信息量较小, 其权重也应较小。当各被评价对象的某项指标值完全相同时, 熵值达到最大, 这意味着该指标无有用信息, 可以从评价指标体系中去除。 (具体步骤从略, 见参考文献)

根据熵值法原理, 使用各地市各指标实际测量值作为原始数据计算指标权重系数。数据处理结果如下,

四、安徽省各地市环境友好度的实证分析

1. 数据来源

考虑到本文所使用的数据不仅仅包括各地区各指标的实际观测值, 还包括了各指标的理想值或参考值, 由于各种数据具有不同的特性, 因而数据需分别获取。各实际观测值数据主要来源于《2012年安徽统计年鉴》、《2012年中国环境统计年鉴》、《2012年中国农村统计年鉴》。对于各标准值, 若已有国家出台的相关文件, 如《生态县、生态市、生态省建设指标 (2008修订稿) 》, 则使用文件中数据;对于没有相关文件的, 则使用我国东部各发达省份的外推值或发达国家设置的标准 (如下表1所示) 。需要说明的是, 由于数据的获得性, 在考查安徽省各地市区域环境友好度水平时排除了黄山市, 仅包括合肥市、安庆市、芜湖市、马鞍山市等15个地市。

2. 对数据的处理

为直观且客观地反应不同地区环境可持续能力的状况, 本文通过定义环境友好度各指标相对比值来考察各个地区与理想目标之间的差距。按下式处理方法得来环境友好度各指标相对比值:

其中, 表示X'实际观测值, X''表示理想值或参考值, Xi表示它们的比值。值得注意的是, 当某一指标为正指标 (即指实际值越大, 在考核评价中所起的正面效应也越大的指标, 如人均水资源) 时, 按上式处理;当它为逆指标 (与正指标相反的指标, 如SO2排放强度) 时, 则将比值作倒数处理。

3. 安徽省各地市的环境友好度水平

按线性加权法计算公式

计算对区域环境友好度的综合测评值, 结果如下 (见表2) :

由上表可知, 安徽省内部各地市的环境友好程度参差不齐, 池州市、宣城市、安庆市等地区环境友好度综合测评值要显著高于淮南市、淮北市等地。淮南市、淮北市均是以煤炭为主体兼有其它多种矿产资源的城市, 同时淮北市水资源又相对短缺, 由于煤炭矿产资源的大量开发, 造成城市生态环境恶化。这种“经济—环境”系统不协调的发展方式势必会带来区域环境友好度相对较低, 最终制约城市总体发展和经济增长。而池州市、宣城市在安徽省内虽不是经济强市, 但生态环境良好, 经济与人口、环境协调发展, 其优越的自然生态条件和丰富的资源禀赋为其建立环境友好型社会提供了先机, 池州市更是中国第一个国家生态经济示范区。

五、对策建议

针对以上分析结果, 为改善各地环境友好状况, 促进安徽省各地市环境友好型社会建设, 本文提出对策建议如下:

第一, 优化政府在“环境友好型社会”建设中的各种职能。如促进市场最大限度地发挥资源配置作用;推动产业结构战略性调整;充分发挥文化宣传职能, 动员全社会参与到“环境友好型社会”建设这一伟大事业中。

第二, 优化产业结构, 促进形成产业集群。由历年数据可知, 安徽各地市第三产业占GDP比重普遍较低, 均在40%以下, 最高为合肥市的39.22%, 而淮南、滁州、铜陵等地不足30%。较高的第一、第二产业比重, 使得安徽省各地市的发展方式必然是高消耗、高污染、高排放的, 这种发展方式是不可取的, 有碍于各地区的可持续发展。因此, 产业结构优化升级问题亟待解决。根据产业集聚的原理, 同一产业在某个特定地理区域内高度集中, 产业资本要素在空间范围内将不断汇聚。这样, 政府就有必要以适当的方式, 在一定程度上加大干预力度, 促进产业集群在广度和深度上都能向更高层面发展。一来, 有助于各经济主体之间的互动;二来, 环境治理主体就可在该区域集中建造治理环境所需的厂房、设备等, 不再需要在不同产业区分别建造, 这将大大降低治理成本。

第三, 促进环境税制改革。从OECD国家经验上看, 我国的环境税制建设有很大的不足, 亟待改进。为了达到从根本上扭转人们行为的目的, 我国在税制建设方面可以从以下几个方面着手:一是适当扩大环境税的涉及面、加重税负, 降低企业以支付税收的方式拒绝付出污染治理成本而获益的可能性。二是增设一些针对污染、破坏环境行为课税的专门性税种。我国现行税制下仅有针对污染产品课税的税种, 增设专门性税种是为了解决由于人们行为带来的环境问题, 填补以前税制下所特有的空缺区域。三是对环境税收入做出专款专用的规定。前面两点是从控制的角度做出的建议, 该点则是从治理的角度给出建议, 只有在专款专用的规定下, 才能降低税收收入被挪为它用的风险, 而且也保证了政府部门有足够的资金来履行其职能。

第四, 强化公众环保意识。环境管理的基础在基层, 它涉及生产与消费的各个领域, 没有公众的积极参与, 环境管理是很难搞好的。因此, 可以通过加大宣传力度, 发动志愿者参与扫除公众环保知识盲点活动等举措, 强化公众环保意识, 使公众可以为建设环境友好型社会做出贡献。

参考文献

[1]ANZECC, State of the Environment Reporting Task Force.Core Environmental Indicators for Reporting on the State ofthe Environment[M].Environment Australia, Canberra, 2000

[2]中国科学院可持续发展战略研究组.2012中国可持续发展战略报告[M].北京:科学出版社, 2012

[3]李仕兵.区域环境友好度评价方法研究[D].中国科学技术大学, 2008

[4]国家环境保护总局.生态县、生态市、生态省建设指标 (2008修订稿) [J].环境保护, 2008

[5]陆添超, 康凯.熵值法和层次分析法在权重确定中的应用[J].软件开发与设计, 2009

[6]蔡文念.武汉城市圈地方政府在“两型社会”建设中的职能探析—以武汉市东西湖区为例[D].西南财经大学, 2009

熵值理论篇7

1评价指标体系的构建

一个区域的产业竞争力可以表现在诸多方面, 国内外机构和学者对区域竞争力的定义大多数都脱胎于国家竞争力的内涵。作为一个开放的概念, 区域产业竞争力受到多种内外因素的制约与影响如市场需求、政治因素、人才因素、技术因素等等。与此同时, 区域产业竞争力并不是固定不变的, 而是不断变化的, 它不仅可以反映一个区域产业过去和现在的产业水平, 也可以反射产业发展的未来水平;不仅是在一段时间内的表现, 更随时随着时间的变动发生变动, 因此, 在评价区域产业竞争力时, 也要考虑区域产业动态变化这一特性。在此基础上, 依据科学性、可行性、代表性原则, 参考前人研究, 将医药区域产业竞争力定义为五个方面, 即经济基础、宏观环境、行业发展规模、行业发展动力、行业内在潜力, 共41个指标, 建立指标体系如表1。

*增速指标均拟用2006年-2011年期间的平均增速来衡量该指标

其中, 部分指标解释如下:

城市化水平 (URBAN) :即城市化率, 是衡量各地区城市化发展程度的重要数量指标, 一般采用一个地区的城市人口占地区总人口的比例来表示。

市场化程度 (MC) :反映一个地区市场化水平与开放程度的数量指标, 通常采用所有从业人员中私营企业和个体就业人数占全部就业人数比重来表示。本文由于数据可及性, 采用城镇从业人员中私营企业和个体就业人数占全部就业人数比重来表示。

经济开放程度 (OPEN) :该指标度量方法很多, 本文采用较为简单的方式, 即采用进出口总额占GDP的比重来度量。

外商投资比重:该指标在文中采用外商投资总额占GDP的比重来表示。

2评价模型的介绍和数据来源

2.1评价模型介绍

在信息论中, 熵是对不确定性的一种度量。信息量越大, 不确定性就越小, 熵也就越小;信息量越小, 不确定性越大, 熵也越大。根据熵的特性, 我们可以通过计算熵值来判断一个事件的随机性及无序程度, 也可以用熵值来判断某个指标的离散程度, 指标的离散程度越大, 该指标对综合评价的影响越大。该方法的具体步骤如下:

(1) 选取n个省市, m个指标, 则具体某个指标即为第i个省市的第j个指标的数值 (i=1, 2…, n;j=1, 2, …, m) 。

(2) 运用功效系数法, 将数据非负化;

正向指标 (越大越好) , 负向指标 (越小越好) 。

(3) 指标同度量化, 即计算第j项指标下第i个省市指标值的比重pij, 其中,

当时, 无意义, 因此对的计算加以修正, 可将其定义为:

(4) 计算第j个指标的熵值ej:

(5) 计算第j个指标的信息熵冗余度dj:

(6) 计算第j个指标的权重:

(7) 计算各省市医药区域产业竞争力, 并通过竞争力得分进行排名:

2.2数据来源

本文数据来源为中国统计年鉴 (2007~2012) , 中国高新技术产业统计年鉴 (2007~2012) , 中国药学年鉴 (2007~2012) , 部分数据来源于米内网。舍去部分数据不全的省市, 保留中国大陆区域共24个省市及自治区2006年至2011年间数据。

3结果与分析

3.1各省市医药产业竞争力排名结果

依据熵值法计算出综合竞争力得分, 得到各省市竞争力综合排名见表2, 其中括号内表示其在五个评价方面中的单项排名。

*仅保留结果的前三位。

3.2医药区域产业竞争力的综合评价

从结果来看, 综合排名前三的省市分别为江苏、广东和山东。事实上, 这三个省市也是近年来年医药工业总产值前三名的长期占领者, 体现出强劲的实力和持续力。江苏省在经济基础和宏观环境排名分列一、二位, 其他三方面均处于中游水平, 经济基础与经济环境的优势明显, 整体发展均衡, 行业规模有待发展、具有较强的发展潜力;广东除行业发展规模水平处于中下游水平外, 其他各项均处于3~6位间, 无论从经济基础和行业发展潜力来看, 都具有稳定发展的实力, 可见进一步形成产业规模优势, 对于其发展有着重要意义;山东行业发展动力位于第5位, 其他指标均处于中游水平, 整体实力较为均衡, 说明行业对于其在人员配置、R&D投入水平方面较为重视。

从区域划分来看, 东部地区, 尤其是东部地区沿海省市在几乎占据排名前十的位置, 其中东部地区前三即为总排名前三江苏、广东及山东。整体来看, 东部省市经济基础较好, 政府对于医药产业发展也较为重视, 已具有一定产业规模, 优势企业多。由此可见目前我国医药产业区域发展不均衡, 东部地区实力明显强于中西部地区。中部地区排名前三的省市为吉林、河南及山西, 从各项排名来看, 吉林与河南排名均靠前, 综合排名也因此处于较前位置。山西较比之下, 平均实力低于吉林与河南, 其他中部省市与山西情况类似。整体来看, 中部地区个别指标有一定竞争优势, 部分省市也有强势企业, 但是经济基础较为薄弱, 整体竞争力偏弱, 发展均衡。西部地区排名前三的省市为内蒙、四川及甘肃, 中部地区状况与西部地区相似, 经济基础较为薄弱, 虽然也有个别指标在个别省市具有竞争优势, 但是整体情况不佳, 竞争力较弱。

4结语

中国医药产业的区域发展并不平衡, 综合竞争力差距较大。近年来, 医药产业作为新兴的战略性产业, 日益引起全国各省市的高度重视。区域产业竞争力日益激烈的今天, 江苏、山东、广东等优势省市应该充分利用其在经济基础及宏观产业环境方面的优势, 进一步扩大产业规模、形成产业规模;增强在研发、人员储备等方面的投入, 营造良好的产业环境, 进一步增强产业竞争力。对于经济基础较为薄弱的省市, 充分分析自身的优势, 扩大自身在某项方面的优势。如四川、贵州等省市, 对于中医药在资源方面有得天独厚的优势, 重点扶持、积极吸引外资, 加大资源的整合力度。只有积极调整本区域产业结构, 立足于本地区特色, 最大限度的利用技术转移效应, 创造有利条件, 发挥资源优势, 进一步提升整体产业竞争实力。

本文采用熵值法这一客观赋权法, 虽然在一定程度上能避免主观人为因素的影响, 但是其确定的指标权重会随着指标数据的变化而变化, 因此仍具有一定局限性。

参考文献

[1]陈红儿, 陈刚.区域产业竞争力评价模型与案例分析[J].中国软科学, 2002, (1) :99-104.

[2]郑刚, 姜春林.区域产业国际竞争力评价指标体系研究[J].科学管理研究, 2001, 19 (6) :24-27.

[3]千庆兰.区域产业竞争力的理论及其评价研究综述[J].广州大学学报:自然科学版, 2006, 5 (5) :69-76.

[4]陈刚.区域产业竞争力评价指标体系研究[J].重庆社会科学, 2003, (3) :51-54.

[5]方玉金.基于组合评价法的生产性服务业区域竞争力研究[D].大连:东北财经大学, 2011.

[6]郭显光.熵值法及其在综合评价中的应用[J].财贸研究, 1994, 20 (6) :56-60.

[7]肖艳玲, 刘晓晶, 刘剑波.基于熵值法的员工绩效指标权重确定方法[J].大庆石油学院学报, 2005, 29 (1) :107-109.

【熵值理论】推荐阅读：

理论基础理论06-16

学理论、讲理论、用理论交流发言提纲06-11