单因子评价法（精选3篇）
单因子评价法 篇1
1 引言
在科学技术迅速发展的今天,一个国家或地区经济的发展和社会的繁荣,取决于科学技术应用的深度和广度。科技综合实力因其对经济发展的重要作用而受到政府及社会各界的高度重视,建立科技优势进而确保经济发展优势已成为当今政府及社会各界的共同认识。
改革开放以前,广东在全国只是沿海地区一个普通的农业大省,地区生产总值不足200亿元,只占当年全国经济总量的二十分之一。改革开放30年来,广东省率先树立和落实科学发展观,调整经济结构,转变经济增长方式,一直以较高的增长速度引领全国经济的发展。特别是进入新世纪以来,广东经济总量在先后突破了全国GDP的1/10、1/9基础上,2008年再次跨上了1/8的新台阶。这一经济地位的巨大转变从实践上有力论证了邓小平同志提出的“科学技术是第一生产力”的论断,验证了广东省实施“科教兴粤”战略实施的英明决策。
然而在新的经济形势下,特别是在全球金融危机的冲击下,广东省经济增长速度有所放缓,经济发展的内生原动力不足,科技综合实力水平与世界上发达国家和地区相比,仍有较大差距,因此为了准确地把握广东省科技发展状况,对广东省科技综合实力做出科学的分析和评价,具有重要的现实意义。
2 科技综合实力评价模型
2.1 评价方法的选择
科技综合实力因其对经济发展的重要作用而引起国内外专家学者的大量实证研究分析,从实证研究文献资料来看,国内外学者对科技综合实力评价的方法主要可以分为二类:一是数学模型法;二是指标体系法。
在科技综合实力评价的早期研究中,主要为数学模型法,如“国力方程”[1]和“科技知识储备量”。数学模型法的特点是高度抽象化,选取较少的指标,构造评价模型。这种方法尽管具有形式简单明了等优点,但存在以下缺点:一是,为了方便计算与应用,往往选取尽可能少的参数,而科技系统又是一个庞杂的系统,当参数过少时,不能全面反映整体情况,略显片面;二是,科技系统不是一个线性的、均衡的常态系统,很难拟合出满意的模型;三是,一些因素不可度量且不具可比性。由此可见,数学模型法不适合用于进行科技综合实力的评价,在科技综合实力评价的后期研究中,多采用指标体系法。
指标体系法,通过建立与科技综合实力相关的指标体系,采用多元统计分析方法进行综合,进而得出评价对象的综合指数以反映系统的全面状况。根据对指标赋权方法的特点不同,从总体上可分为两大类:一是主观赋权法;二是客观赋权法。
主观赋权法采取定性的方法,由专家根据经验进行主观判断而得到权数,然后再对指标进行综合评价,主要有专家调查法、功效系数法、层次分析法、模糊评价法等。如瑞士洛桑管理学院《国家竞争力年鉴》中采用的科技竞争力评价[2]和《中国科技发展研究报告》中科技竞争力评价用的都是主观赋权法。其特点在于权重是专家从不同角度对研究对象打分得来,优点在于评价的经验性和规范性,缺点在于难以避免主观因素对评价结果的影响,而且即使对指标之间的相关性加以考虑也难以反映指标体系的内在结构性。
客观赋权评价法则是根据指标之间的相关关系或各项指标的变异系数来确定权数进行综合评价,主要有熵值法、变异系数法、灰色关联分析法、聚类分析法、判别分析法、因子分析法、主成分分析法、神经网络分析法等。客观赋权法,首先建立相关的指标体系,然后根据各评价指标的实际值所体现出来的变差信息来确定权数,其有利于突出反映各评价对象之间的差异对总评价值的影响,避免了人为因素带来的偏差,缺点是忽略了指标本身的重要性程度。
通过对上述主客观赋权评价法的分析可以看出,这两种方法各有优缺点,而对科技综合实力的评价是一项系统综合评价,结合上述两种方法的优缺点,本文提出一种新的综合评价思路——通过将层次分析法与因子分析法结合使用,构造层次——因子综合评价法,以此来避免了主观赋权法的人为因素带来的偏差,同时克服客观赋权法存在的对一些重要指标的忽视问题,使之更符合评价目标。
2.2 科技综合实力层次结构分析模型
要科学、有效的评价科技综合实力水平,科技综合实力指标体系的建立是基础,本文基于国内外学者的研究成果,兼顾广东省目前科技统计的现实状况,考虑到指标值的可获取性,本着科学性、系统性与层次性、可比性和相对稳定性等原则,将科技综合实力所包含的因素划分为下面4个层次:
第一层为目标层(G1),即评价体系所要实现的总目标,该层次是评价体系中的最高层。在科技综合实力评价体系中,目标层为科技综合实力;
第二层为分目标层(G2),分目标层指标是目标层的解释因素。科技综合实力测度中,分目标层包括4个方面,即:科技投入、科技产出、科技协调和科技潜力;
第三层为一级指标层(G3),该层指标主要是说明、解释分目标层的。科技综合实力测度的一级指标层有:人力投入、财力投入、专利产出、论文产出、市场产出、经济增长、环境保护、教育潜力、科技基础;
第四层为二级指标层(G4),为基础层,由单个评价指标构成,是一级指标层的具体解释指标,具体的二级指标详见表2-1。
2.3 因子分析数学模型
因子分析过程是将多个变量表示为较少的因子,因子分析可以浓缩数据,用较少的几个具有实际意义的因子反映出大量原始数据的主要信息。
因子分析的基本思想是通过对变量的相关系数矩阵的内部结构进行分析,从中找出少数几个能够控制原始变量的因子f1,f2,…,fk,选取公共因子的原则是尽可能包含更多的原始变量信息,建立因子分析模型,利用公共因子f1,f2,…,fk再现原始变量之间的相关关系,达以简化变量、降低变量维数和对原始变量再解释及命名的目的。
虽然因子分析的计算过程比较复杂,但是借助SPSS15.0统计软件中的因子分析(FACTOR)模块可以高效快捷的完成上述运算,为实证分析提供了有力的运算支持[3]。
3 广东省科技综合实力的实证分析
根据上述科技综合实力评价方法与模型,计算1995—2007年广东省科技综合实力水平。
科技综合实力是由科技投入、科技产出、科技协调和科技潜力4个分目标层指标构成,因此,首先测度4个分目标层指标。
3.1 科技投入实力测度
科技投入包括人力投入和财力投入两部分,本文通过SPSS15.0统计分析软件,分别对人力投入和财力投入进行因子分析。
首先对X1人力投入样本进行了因子分析适合性检验,结果显示Bartlett球体检验的显著概率为0.000,KMO检验值为0.632。通常,KMO值大于0.5我们就认为指标适合作因子分析,因此,我们选择的指标适合作因子分析。
根据因子分析的输出结果,按照特征值大于1的原则,选取1个因子作为主因子,根据输出的方差贡献分析表,因子的方差贡献率达到了87.064%,即这1个主因子能够反映我们选取的6个指标的87.064%的信息(通常,累积贡献率达到85%,即可认为选取的因子能够代表所有指标的信息)。
以科技人力投入和科技财力投入的测度值为源值,进行科技投入因子分析,计算科技投入因子得分,计算结果见表1。
根据表1可以看出,1995—2007年,广东省总体科技投入水平不断增长,尤其是在近年来广东省“科教兴粤”战略实施和经济实力不断增强的背景下,科技投入增长速度明显增加。
3.2 广东省科技综合实力测度
以科技投入、科技产出、科技协调和科技潜力的测度值为源值,测度广东省科技综合实力,计算结果见表2。
为了便于比较和综合分析,对广东省科技综合实力得分以及科技综合实力因子得分进行指数化处理,即:y=(x-min(x))/(max(x)-min(x))式中,x为需要指数化的数据,min(x)为数列中最小值,max(x)为数列中最大值,y为指数化后的数据。
4 实证结果分析
根据上述对1995—2007年广东省科技综合实力及各因子进行指数化后的数据,绘制科技综合实力曲线图,见图1:
本文基于层次——因子综合评价法,以科技发展的主要指标为依据,对广东省1995—2007的科技综合实力进行综合评价,评价结果表明:(1)从反映科技综合实力的红色曲线变化趋势可以看出,1995—2007年广东省科技综合实力逐年提高,尤其是在1998年之后,随着广东省“科教兴粤”战略的大力实施,在1999年有一个大的拐点,科技综合实力增长的速度明显加快。
(2) 从反映科技综合实力各因子的其他曲线变化趋势可以看出,1995—2007年广东省各科技因子实力水平逐年提高,各科技因子的发展与科技综合实力的发展的联系十分紧密,且表现出相同的趋势性。
(3)从增长速度变化趋势来看,白色、绿色和蓝色曲线在红色曲线之上,表明科技投入因子、科技协调因子和科技潜力因子逐年的增长速度快于科技综合实力的增长速度;黄色曲线红色曲线之下,表明科技产出因子逐年的增长速度慢于科技综合实力的增长速度。
5 结论与启示
通过基于层次——因子综合评价法的广东省科技综合实力实证研究,我们可以得到以下结论与启示:
(1)科技综合实力是相对值,年度与上一年度科技综合实力的变化态势,在相当程度上反映了科技综合实力逐年发展的状况。广东省科技综合实力评价结果表明了广东省科技综合实力在不断提高。
(2)从科技综合实力各因子增长水平来看,科技投入水平增长速度明显高于其他三个因子的增长速度,说明广东省在科技投入方面由于对“科教兴粤”战略实施的高度认识下,不断增强科技投入水平,同时广东省不断增长的经济实力是可以不断增强科技投入水平的有力保证,科技产出水平增长速度明显落后于其他因子的增长速度,说明广东省的科技产出水平还有很大的潜力可挖,科技协调水平增长速度和科技综合实力增长速度趋于一致,说明广东省的经济增长实现经济发展与环境的协调统一,是一种经济可持续发展模式,科技潜力水平不断增长,体现了广东省经济持续增长的强大内生原动力。
(3)从科技综合实力构成四个因子的关系可以看出,科技投入是基础,对科技综合实力的作用会有一定的时间滞后效果,其作用往往要在一年以后才会显现,所以当年的科技投入只会对下一年的科技综合实力起作用;科技产出对科技综合实力的作用明显,特别是科技成果转化的作用,直接影响本地区的科技综合实力;科技协调是科技综合实力水平不断提高,实现经济可持续发展的有力保证;科技潜力是未来科技综合实力水平不断提高,经济不断增长的内生原动力。
(4)科技综合实力与经济发展的联系十分紧密,且表现出相同的趋势性[4]。因此广东省应该继续坚持“科教兴粤”战略的战略,以科技推动经济发展,继续加大科技投入,提升科技综合实力,进而促进广东省经济高速发展。
摘要：分析科技综合实力的构成要素,建立相应的科技综合实力评价指标体系,构建基于层次—因子综合评价法的评价模型,并对广东省科技综合实力进行了逐年评价。广东省科技综合实力评价结果不仅反映出广东省科技综合实力发展趋势,而且为广东省科技综合实力的提高提供了决策支持。
关键词：科技综合实力,指标体系,因子分析,综合评价
参考文献
[1]CHARNES A,COOPER W W.Management Models and Industrial Application of Linear Programming(vols I and II)[M],New York:John Wiley&Sons.Inc,1961.
[2]IMD.The World Competiveness Yearbook[M],Lausanne,Switzerland,1997.
[3]王湃.SPSS在区域科技综合实力评价中的应用[J],中国管理信息化,2006(11):86-87.
[4]黎雪林.我国区域科技竞争力评价体系研究[J],科技管理研究,2006(2):48-51.
[5]广东统计局.1996—2008广东统计年鉴[M],北京:中国统计出版社.
单因子评价法 篇2
风险评估是现代风险管理的重要手段。在支付风险隐蔽性强、传播速度快的新形势下, 开展收单支付机构风险评估, 是引导支付机构加深对自身风险状况和风险发展趋势的了解、提高风险意识、堵塞风险漏洞的重要措施。风险评估也为管理部门全面、客观、真实地描述市场主体风险状况, 以及提高风险预判及管理能力, 提供了更加灵活、操作性强的手段。
模糊综合评价法是一种在项目风险评估领域得到广泛应用的风险评估方法。该方法利用模糊数学的隶属度理论, 将定性评价转化为定量评价, 解决了传统风险评估方法的片面性和主观性问题, 有效降低了单个评估人员对评估结果的影响, 提高了评估结果的科学性和有效性。模糊综合评价法具有评估结果明确、清晰的特点, 便于对各个被评估机构的评估结果进行比较。本文在深入分析收单支付机构面临风险的基础上, 设计了基于模糊综合评价的风险评估模型, 提出了风险评估结果运用的初步设想。
一、收单支付机构风险识别
(一) 基础交易风险。
基础交易风险是指支付机构为非法的经济交易提供收单服务, 可能造成无法追偿或弥补的损失。例如, 由于支付机构管理缺失, 导致商户利用支付机构提供的收单服务从事洗钱、赌博、信用卡套现等违法活动。近年来, 不法分子利用POS机从事信用卡套现、伪卡欺诈等违法行为时有发生, 从事收单业务的支付机构和银行机构不同程度牵涉其中, 不仅声誉受到了不良影响, 也遭受了直接的经济损失。
(二) 财务经营风险。
财务可持续是企业生存发展的基础。支付机构是经营金融业务的特殊服务机构, 保证持续、稳定、有效覆盖成本的收益, 对于维持正常经营活动、保障客户资金安全、赢得长期发展空间具有重要意义。当前, 银行机构与支付机构在收单市场的竞争日趋激烈, 银行机构凭借综合金融服务实力, 掌握了大量优质商户资源。除了资金实力和业务实力较强的少数支付机构外, 大多数支付机构主要服务于中小商户, 商户交易规模相对较小, 收单收益不高。此外, 由于收单服务同质化程度高, 为扩大市场份额, 支付机构往往通过让渡业务收益等方式争夺客户, 进一步压缩了自身的利润空间。特别是对于仅持有收单业务单一牌照、缺乏集团或行业支撑的支付机构, 经营压力更大, 财务可持续的风险也更大。
(三) 清算模式风险。
为应对日趋激烈的市场竞争, 部分收单机构尝试以垫资方式为商户提供“T+0”资金清算服务, 实现商户刷卡资金当日到账。在此模式下, 如果收单机构的资金管理、财务规划出现失误, 未能准确测算资金需求, 或商户出现大额资金波动, 收单机构预留的流动资金无法满足需求, 收单机构将面临无法按约定时限完成资金清算的风险, 即资金违约风险。此外, “T+0”清算模式将会放大基础交易风险。
(四) 技术风险。
系统设备等硬件损坏、应用系统故障、软件漏洞、程序错误等, 都可能导致技术风险。对收单支付机构而言主要表现在3个方面。一是系统的稳定性风险, 即系统软硬件稳定性不高, 导致系统无法稳定连续运行, 进而影响业务处理的连续性。二是系统安全性风险, 即系统身份验证、授权、数据保护等安全机制不健全, 防范和抵御外部攻击的能力不足, 造成客户信息泄露等。三是系统设计风险, 即因系统设计缺陷导致特定情况下清算资金计算、入账错误等。
(五) 组织管理风险。
组织管理风险是指因支付机构组织架构设置不合理或管理不当, 造成业务管理不到位, 进而引发损失。当前收单支付机构面临的组织管理风险集中体现在两个方面。一是外包管理风险。收单支付机构委托外包服务机构拓展业务, 过度依赖外包服务机构, 且疏于对外包服务机构的管理, 权责利界定不清晰, 对外包服务机构的监督及外包机构办理业务的审核不到位, 导致不合规商户入网并引发一系列风险问题。二是非本地化管理风险。支付机构未为分公司配备本地化管理团队, 造成对分公司业务管理不到位。
(六) 人员风险。
人员管理是现代企业管理的核心之一, 是保障企业长远发展的基础。人员风险一方面表现为道德风险, 即内部员工为谋取个人利益, 利用工作便利, 窃取、泄露客户信息, 窃取客户密码、盗取商户资金等, 给支付机构造成经济损失和声誉损失。另一方面, 表现为岗位胜任风险, 即招录的员工由于自身素质不足或未受到培训, 难以胜任岗位工作, 出现工作差错。
二、基于模糊综合评价法的风险评估实施
(一) 设计风险评估指标体系。
基于对收单支付机构当前面临主要风险的分析, 设计收单支付机构风险评估指标体系 (见表1所列) 。设Xi为一级风险评估指标集:Xi={X1, X2, ……X6};Xij为二级风险评估指标集, Xij={Xi1, Xi2, ……Xij}, j为二级风险评估指标的个数。
(二) 确定风险评估评语集。
风险评估评语集是评估人员对被评估机构做出的评估评语集合。按照风险水平的高低, 将收单支付机构的风险评估评语设定为一级风险、二级风险、三级风险、四级风险、五级风险, 评语集用V={V1, V2, V3, V4, V5}表示。
(三) 确定风险评估指标权重集。
风险评估指标权重集依据风险评估指标的重要程度确定, 代表了每个风险评估指标对最终评估结果的影响程度。常见的确定风险评估指标权重集的方法有主观经验判断法、专家调查法、小组讨论法等。收单支付机构风险评估指标体系是一个两层指标体系, 相应的风险评估指标权重集是一个两级权重向量集。
二级风险评估指标的权重向量分别为P1= (P11, P12) , P2= (P21, P22) , P3= (P31, P32) , P4= (P41, P42, P43) , P5= (P51, P52) , P6= (P61, P62) 6组, 权重向量分别为P1= (0.5, 0.5) , P2= (0.3, 0.7) , P3= (0.4, 0.6) , P4= (0.5, 0.3, 0.2) , P5= (0.6, 0.4) , P6= (0.7, 0.3) 。一级风险评估指标的权重向量为U= (U1, U2, U3, U4, U5, U6) = (0.25, 0.2, 0.1, 0.1, 0.2, 0.15) 。以一级风险评估指标向量为例, U1=0.25代表在收单支付机构面临的各种风险中, 基础交易风险权重是25%。
(四) 风险评估指标评分。
评估小组中的每位评估人员根据自身职业判断, 对被评估机构的每个评估指标进行评价。根据评价结果得出模糊评价矩阵, 矩阵用Ri= (ri1, ri2, ……, rim) (i=1, 2, ……, m) 表示。以12人评估小组对A支付机构开展风险评估为例, 如12人小组中5名评估人员认为被评估机构的商户准入机制有效性风险 (X11) 的风险等级为“一级风险”, 则R1相应左上角位置数值为1/12=0.083。对支付机构A的模糊评价矩阵结果如下:
(五) 综合评估。
将风险评估指标权重评分进行合成运算, 得出综合评估结果。由于风险评估指标体系为两级指标体系, 综合评估结果为两级结果。
第一, 对二级风险评估指标的权重向量与模糊评价矩阵进行合成运算, 结果用B表示, 具体如下:
将上述结果进行归一化处理, 结果如下:
根据综合模糊评价的最大隶属度原则, 上述结果表明A支付机构的基础交易风险、财务经营风险、清算模式风险、技术风险、组织管理风险、人员风险的等级分别为:三级、一级、三级、三级、三级、三级。
第二, 将上述风险评估结果组成的模糊评价矩阵与一级风险评估指标的权重向量进行合成运算, 得出A支付机构的综合评估结果。
根据综合模糊评价的最大隶属度原则, 上述结果表明A支付机构收单业务风险综合评估的等级为三级。
三、风险评估结果的运用
一是被评估机构根据评估指标风险等级锁定风险薄弱环节。支付机构可根据评估结果将风险等级较高的风险因素作为风险管理的重点, 有针对性地采取措施, 弥补风险管理短板。二是管理部门根据风险等级实施分类管理。参考支付机构风险评估等级情况, 对高风险等级机构和低风险等级机构在新业务审核、日常业务监管等方面实施差别管理, 提高监管资源使用效率, 引导支付机构主动提升内部风险管理水平。三是管理部门判断行业风险集中领域。通过各支付机构风险等级普遍较高的风险评估指标, 锁定行业风险集中领域, 将该风险领域作为管理的重点, 有针对性地出台管理措施, 防范产生系统性风险。
摘要：近年来, 从事银行卡收单业务的支付机构不断加快市场布局, 业务规模迅速扩大。但部分机构风险管理意识和能力不足, 引发了市场风险, 造成经济损失, 亟须通过风险评估等现代风险管理手段提升风险管理水平。本文对收单支付机构面临的风险进行了深入分析, 设计了基于模糊综合评价的风险评估模型, 提出了风险评估结果运用的初步设想, 为实施收单支付机构风险评估、加强风险管理提供了参考。
关键词：金融科技,风险评估,模糊综合评价法,支付机构
参考文献
[1]徐小燕, 孙红梅, 李钢.基于模糊综合评价法的项目风险评估研究[J].财会通讯, 2012 (3) :15-16.
单因子评价法 篇3
制造业能够体现一个国家的生产力水平,决定一国在国际分工中的地位。“中国制造”已经成为世界经济的重要现象。根据中华人民共和国2014年国民经济和社会发展统计公报,2014年全年全部工业增加值227991亿元,比上年增长7. 0% ,其中制造业增长9. 4% 。然而,在中国制造业高速发展的过程中面临很多挑战,如劳动力成本升高, 从业人口减少,劳动力生产率低下,行业生产能力利用率低,技术创新能力低等。因此,技术创新对于制造业的产业转型至关重要。而在2015年政府工作报告中也提出推动产业结构迈向中高端。 制造业是我们的优势产业。要实施 “中国制造2025”,坚持创新驱动、 智能转型、 强化基础、 绿色发展,加快从制造大国转向制造强国。
技术创新是制造业向中高端发展的重要驱动, 因此受到学者广泛关注。其中对制造业技术创新能力做出合理评价是研究的热点问题之一。同时在政府逐渐重视技术创新,不断加大技术创新投入的过程中,是否得到了相应的产出也是技术创新研究的热点问题。一方面,对于制造业技术创新的研究,国内学者进行较多的探索,但是大多关注的重点都是高新技术产业,对于整体制造业的技术创新能力评价的研究还比较少。另一方面国内学者对于制造业技术创新的评价研究和效率研究都比较广泛,但是从技术创新能力的评价和效率两个维度评价技术创新能力的研究还较为少见。因此,本文通过对中国规模以上制造业技术创新能力的众多指标进行探索性因子分析,构建中国规模以上制造业的技术创新能力的评价指标体系,并通过数据包络分析评价制造业行业技术创新效率,通过对制造业行业技术创新能力和效率两个维度的比较研究,从而对提升制造业技术创新水平提出对策与建议。
1文献综述
从以往的研究来看,技术创新的研究层面可以是区域、行业和企业3个层面。白嘉 ( 2012) 对不同地区的创新投入、创新产出、创新主体和创新环境等因素进行分析比较,构建了包含21项指标的区域技术创新能力评价体系[1]。吴永林等 ( 2011) 以北京高技术行业为研究对象,通过因子分析法 构建评价 指标体系[2]。 谢吉亮等 ( 2012) 通过因子分析和聚类分析评估长三角地区16个地级以上城市中小企业的技术创新能力并进行比较研究[3]。而制造业行业层面技术创新研究的热点主要集中在高技术行业。王敏等 ( 2015) 综合运用统计分析和数据包络分析对中国高技术产业技术创新能力进行系统评估[4]。程萍 ( 2012) 运用主成分分析法对我国内地30个省市的医药制造业技术创新能力在4个时段的动态进行评价和比较分析[5]。 制造业区域和企业层面的技术创新能力研究已经较为全面,但是行业层面的研究以高新技术产业为主, 很少从全行业的角度进行研究。
制造业技术创新评价研究的方法主要有层次分析法、聚类分析法、因子分析法和主成分分析法等。陈红梅 ( 2009) 运用层次分析法和数据包络分析法 构造技术 创新评价 体系[6]。 李艺 ( 2013) 采用因子分析和聚类分析法对安徽省各城市创新能力进行评价、排序、分类和比较分析[7]。程华等 ( 2012) 以浙江省制造业为研究对象,采用主成分分析法评价其技术创新效率[8]。 而对于制造业行业技术创新效率研究方法主要是Charnes ( 1978 ) 等[9]提出的数 据包络分 析 ( DEA) 和由Aigner等[10]( 1977) 、Meeusen等 ( 1977)[11]共同提出的随机前沿分析 ( SFA) 。张经强 ( 2012) 基于2001 ~ 2009年的面板数据通过DEA分析法对北京高技术产业技术创新效率做出评价[12]。牛泽东等 ( 2012) 基于产出距离函数的随机前沿分析方法,测算了装备制造业创新生产活动的技术效率与规模效率[13]。数据包络分析 ( DEA) 由于不需要事前假定生产函数,可以避免主观设定而引起的误差,因而被广泛运用,本文采用数据包络分析评价我国制造业技术创新效率。
综上研究,本文主要有以下两个方面的拓展: ( 1) 本文选取制造业全行业技术创新作为研究对象; ( 2) 选取相同的指标,从能力评价和效率评价两个维度对我国制造业行业进行综合分析。
2指标选取与样本选择
2.1指标选取
评价指标的选取应遵循科学性原则、可比性原则、全面性原则和可操作性原则。技术创新的过程涉及到很多指标,先从年鉴和文献中选取能够全面反映技术创新的指标。剔除重复性较大的指标,选取其中具有代表性的指标。再经过多次探索性因子分析得出技术创新投入产出能力因子F1和技术创新吸收研发能力因子F2,对比结合技术创新效率指标整理出如下指标体系。( 见表1)
对于技术创新投入指标,选取人员,设备和经费3个方面的投入,能够全面反映技术创新过程中人力、物力和财力的投入情况。技术创新产出指标主要采用新产品销售收入和专利申请数两个指标来反映财务产出和知识产出两个方面。另外考虑到投入产出的时滞,本文在做DEA分析时的时滞为1年。
2.2样本选择与数据来源
根据国民经济行业分类与代码 ( GB /4754 2011) ,制造业分为31个大类,为农副食品加工业H1; 食品制造业H2; 酒、饮料和精制茶制造业H3; 烟草制品业H4; 纺织业H5; 纺织服装、 服饰业H6; 皮革、毛皮、羽毛及其制品和制鞋业H7; 木材加工和木、竹、藤、棕、草制品业H8; 家具制造业H9; 造纸和纸制品业H10; 印刷和记录媒介复制业H11; 文教、工美、体育和娱乐用品制造业H12; 石油加工、炼焦和核燃料加工业H13; 化学原料和化学制品制造业H14; 医药制造业H15; 化学纤维制造业H16; 橡胶和塑料制品业H17; 非金属矿物制品业H18; 黑色金属冶炼和压延加工业H19; 有色金属冶炼和压延加工业H20; 金属制品业H21; 通用设备制造业H22; 专用设备制造业H23; 汽车制造业H24; 铁路、 船舶、航空航天和其他运输设备制造业H25; 电气机械和器材制造业H26; 计算机、通信和其他电子设备制造业H27; 仪器仪表制造业H28; 其他制造业H29; 金属制品、机械和设备修理业H30; 废弃资源综合利用业H31。由于废弃资源综合利用业数据缺失,本文的研究对象是制造业的其他30个行业。
本文所有数据来自《中国科技统计年鉴2013》、 《中国科技统计年鉴2014》。为了统一口径,所有数据均采用规模以上制造行业的数据。
3基于因子分析法技术创新能力评价分析
为了消除收集数据的量纲和数量级的影响,本文先对数据进行标准化的预处理。使用spss19. 0对预处理的数据进行因子分析。主成分的提取使用主成分分析法,旋转方法是最大方差法。
首先,在各个指标的相关性分析中可以看出, 大部分的相关系数值都在0. 5以上,所以比较适合做因子分析。另外在KMO和Bartlett检验的结果中 ( 见表2) 可以看出,KMO检验结果 是0. 788,适合做因 子分析, Bartlett检验Sig值0. 000表示拒绝假设。
采用主成分分析法进行公因子的提取,从表4中可以看出,对于每个指标能够提取的信息都非常大。如表3,根据特征值大于1的原则提取主成分因子。前2个主成份因子的方差贡献率分别为72. 500% 、15. 709% ,累计方差贡献率达到88. 209% 。说明这两个因子已经可以较为完整的反映这9个指标数据,大大减少了数据的复杂性, 达到了降维的作用。
为了增大因子的解释能力,用最大方差法正交旋转,经旋转得到表5旋转成份矩阵。从表中可以看出第一主因子对X1、X2、X3、X4、X5的载荷值都很大,这些指标都是反映行业技术创新的投入和产出能力,因此,将第一主因子F1定义为行业技术创新投入产出能力; 而第二主因子对X6、X7、X8、X9的载荷值较大,这些都是反映行业对技术创新消化吸收方面的能力,因此,将第二主因子F2定义为行业技术创新消化吸收能力。
由回归法得到成份得分系数矩阵 ( 见表4) , 根据成份得分系数矩阵可以得到主因子成份的线性表达式:
由此可以得出各个行业的主成分因子得分。 再根据旋转后的方差贡献率作为权重计算综合得分。即
根据上面的公式计算得出F1,F2及F综合的得分及其排名如下表5:
从表5中可以看出,技术创新能力综合得分排名前10位为: H27、H24、H26、H19、H14、 H22、H23、H15、H20、H25。在制造业的30个行业中,这些行业都是技术创新能力较强的,基本都属于高中技术产业,而排名在后面的一般都是低技术产业。国内学者对高中低技术产业的划分一般使用研发强度、技术创新投入和产出等指标,通过聚类分析分类。例如池仁勇等 ( 2014) 基于2006 ~ 2010年大中型企业的平均研发强度, 用K型聚类分析将制造业分类[15]。通过对比可知技术创新能力综合得分较高的产业都是高技术产业和中高技术产业。基本符合一般规律,即技术创新能力综合得分按高中低产业依次降低。
第一主因子得分排行前10位的是H27、H26、 H24、H23、 H22、 H14、 H25、 金属制品 业H21、 H28、H18。说明这些行业在投入和产出能力方面在所有制造业行业中是较靠前的。第二主因子得分排名前10位是H19、H24、H14、H20、H13、H15、 H22、H26、H25、H4。说明这些行业在研发和吸收的能力方面处于领先地位。总体上来看,第一主因子和第二主因子的得分排名也符合一般规律。除了极个别产业如计算机、通信和其他电子设备制造业H27第一因子对其技术创新能力综合得分起决定作用,其他的产业的第一主因子得分、第二主因子得分和综合得分排名基本一致。
4基于数据包络分析法技术创新效率分析
运行Deap2. 1软件求解结 果见表6。其中Crste表示综合 效率, Vrste是指纯技 术效率, Scale是指规模效率,Irs表示规模报酬递增,Drs表示规模报酬递减, - 表示规模报酬不变。
由表6可知,2013年中国制造业行业综合效率达到DEA有效的有9个行业。综合效率的平均值为0. 799,达到平均值的行业共有16个,这些行业是综合有效的,纯技术效率和规模效率都达到有效。纯技术效率达到DEA有效的有18个。 纯技术效率的平均值为0. 905,达到平均值的行业有20个。而规模效率的平均值为0. 881,达到DEA有效和高于平均值的行业分别有10个和17个。
纺织服装、服饰业H6、木材加工和木、竹、 藤、棕、草制品业H8、文教、工美、体育和娱乐用品制造业H12、橡胶和塑料制品业H17、金属制品业H21、专用设备制造业H23、汽车制造业H24、电气机械和器材制造业H26、仪器仪表制造业H28等行业是达到了纯技术效率DEA有效, 但是综合效率无效,即在目前的技术水平上其投入资源的使用是有效率的,规模无效率是其综合效率无效的原因。
5结论与启示
5.1基于因子分析技术创新能力评价分析
( 1) 制造业各个行业的技术创新能力的评价结果是符合一般规律的,即高中低产业技术创新能力逐渐降低。从第一主因子得分、第二主因子得分和综合得分中可以看出排在前10位的基本一致,且都属于高中技术产业,而排在后面的一般是低技术产业。
( 2) 从旋转后的因子贡献率可以看出,第一主因子是对技术创新能力综合评价更为重要的因素。从最后的排名中也可以看出,第一主因子和综合得分排名较为接近。但是在重视技术创新投入和产出能力的同时,不能忽视消化吸收的研发能力,从得分排名情况中可以看出技术创新能力综合得分靠前的产业一般在投入产出能力和消化吸收的研发能力两个方面都得分较高。所以提高产业的技术创新能力要全面重视投入产出能力和研发能力。
( 3) 对于中低技术产业也要重视技术创新能力。从因子得分排序中也可以看出很多中技术产业虽然投入和产出能力不强,但是非常重视消化吸收的研发能力,如黑色金属冶炼和压延加工业H19第一主因子得分排第29位,即投入产出能力排名第29位,但是该产业消化吸收的研发能力排名第2,最后综合技术创新能力得分排第5位。 所以制造业中低技术产业要重视提高产业的技术创新能力。
5.2基于DEA分析法技术创新效率评价分析
通过DEA分析结果中纯技术效率和规模效率可将制造业30个行业分为4类:
( 1) 纯技术效率和规模效率均大于均值。包括H1、H4、H5、H6、H7、H8、家具制造业H9、 H12、H13、H16、 H24、 H27、 H29、 H30。 这些行业由于技术因素影响的生产效率和由于规模因素影响的生产效率都比较高。
( 2) 纯技术效率大于均值,规模效率小于均值的。包括H17、H20、金属制品业H21、H23、 H26、H28。这些行业综合效率低的原因在于规模效率无效。
( 3) 纯技术效率小于均值,规模效率大于均值的包括H2、H3、H10。这些行业存在的问题主要是技术的原因导致的生产效率低。因此,对于这些行业可以通过建立和完善技术创新机制,鼓励自主创新和多种创新模式相结合等方式提高行业的纯技术效率。
( 4) 纯技术效率和规模效率均小于均值的包括H11、 H14、 医药制造 业H15、 H18、 H19、 H22、H25。这类行业首先应该通过政策引导逐渐形成技术优势,再营造良好的行业技术创新环境, 从而形成可持续发展技术创新能力,提高技术创新的效率。
5.3综合分析的结论与启示
5.3.1结论
根据技术创新综合能力将制造业行业分为高低两类。再根据DEA分析结果,将规模效率和纯技术效率都大于均值的行业归为高效率行业,其他则归为低效率行业。综上可以将所有行业归为下表4类。( 见表7)
5.3.2启示
通过这样的分类我们可以更准确地发现行业技术创新存在的问题,并提出更有针对性的建议。 上述实证方法都是内部相对评价方法,再借鉴发达国家的成功经验,找出和发达国家的差距,才能更好地发展我国制造业。
技术创新综合能力高而创新效率低的行业存在的问题是各个方面的投入比较多,但是产出效率相对较低。说明这些行业各方面投入已经足够, 应该更注重技术创新效率的提高。因此,提出如下建议: ( 1) 政府加强构建政府、企业、高校和研究机构合作体系,提高技术创新投入产出的转化; ( 2) 政府通过资金、税收和法律法规等政策扶持自主创新企业; ( 3) 企业方面积极形成技术创新联盟,培养技术创新核心竞争力。
而技术创新能力低效率高的行业需要加强的是技术创新 投入方面。因此,提出如下 建议: ( 1) 政府引导加大技术创新方面投入,从而带来更多产出; ( 2) 加大投入形成产业技术创新竞争优势。