首页 理论教育 特色小镇主导产业评价指标评价体系及方法

特色小镇主导产业评价指标评价体系及方法

时间:2023-05-16 理论教育 版权反馈
【摘要】:特色小镇主导产业选择指标评价体系详见表5-1。投入创造就业率计算公式如下:投入创造就业率=某产业年均就业人数/某产业年均固定资产总额3.2.3特色小镇主导产业评价指标选择的主要方法层次—主成分分析法应用的可行性在评价指标选择上,本章结合主成分分析法,即先通过主观评价的方式,对评价指标赋予权重,接着通过样本数据将影响因素的主要影响成分提取出来,通过定性和定量的分析方法提高分析结果的客观性。

特色小镇主导产业评价指标评价体系及方法

3.2.1 指标评价体系的构建原则

在确定主导产业之前,首先要对该区域中的各个重点产业的整体实力进行对比分析。不同的产业在特征、规模和性质等方面存在差异,因此无法直接对比,所以在具体的选择分析上,应该结合量化的指标进行各个产业产能的探究分析。但是不同的分析研究者所结合的理论知识或者代表的利益主体不同,因此在选择指标体系的时候也会存在差异性。基于此,应该结合科学可行的方法理论进行量化指标的设计和选择。在这个过程中要注意三点:①结合实际情况进行主导产业评价指标的选择,只有这样才能够将选择分析工作与现实问题联系在一起,才能够保证所选择的主导产业是科学可行的,能够真正带动经济的发展,解决经济上相关的问题;②指标要具备量化性,在对比分析中,结合数据等量化的指标才能够保证分析结果的可行性和科学性。就特色小镇规划而言,所选择的指标一方面要结合现实问题,一方面也要注重指标的量化;③经济在前行的过程中,主导产业也在实现动态化发展,因此选择的评价指标要定期进行更新,不仅可以对主导产业与其他产业的关系进行科学分析,且具备动态性,能够在不同时间里对主导产业进行动态性的评价,对不同阶段的主导产业发展态势进行对比。

3.2.2 特色小镇主导产业选择指标评价体系

特色小镇主导产业选择指标评价体系主要依据层次法原则构建,指标评价体系包括目标层、一级指标层、二级指标层三个层次。为了更好地确定一级指标层和二级指标层评价,本章首先依据指标评价体系的构建原则,拟定了一级指标层和二级指标层。目标层是顶层,即特色小镇主导产业选择指标。一级指标层是中间层,包含发展潜力、产业关联度、可持续发展科技水平及就业情况五个指标。二级指标层即底层,包含需求收入弹性销售增长率、影响力系数、感应度系数、环境资源保护投入、成本费用率、科技人员比重、创新企业占比、就业吸纳率和投入创造就业率10个指标。通过分析,本章将需求收入弹性和销售增长率代表发展潜力指标,将影响力系数和感应度系数代表产业关联度指标,用环境资源保护投入和成本费用率代表可持续发展指标,用科技人员比重和创新企业占比代表科技水平指标,用就业吸纳率和投入创造就业率代表就业情况指标。特色小镇主导产业选择指标评价体系详见表5-1。

表5-1 特色小镇主导产业选择指标评价体系

二级指标的量化处理如下:

需求收入弹性(C1):是指在其他条件不变的情况下,特色小镇某一产业的产品需求增长率和当地国民收入的比值。特色小镇某产业的发挥潜力和该产业的需求收入弹性密切相关。

销售增长率(C2):是指特色小镇某一产业销售收入增长与上一年销售收入总和的比率,销售增长率直接反映某一产业的发展情况,同时表明该产业的市场能力大小。

影响力系数(C3):主要指特色小镇内的某一产业对其他产业的影响程度。通常情况下影响力系数如果大于1即表明该产业具有巨大的影响力。影响力系数越大该产业对企业产业的影响程度越大。

影响力系数,其中是矩阵中第 i 行 j 列的元素,n为某产业部门数。

感应度系数(C4):与影响力系数正好相对,反映特色小镇中某一产业受小镇内其他产业影响的程度。通常情况下感应度系数如果大于1即表明该产业受其他产业巨大的影响。感应力系数越大表明其他产业对该产业的影响程度越大。

影响力系数,其中是矩阵中第 i 行 j 列的元素,n 为某产业部门数。

环境资源保护投入(C5):某一产业的发展离不开当地环境资源,如果需要消耗大量的环境资源,则表示该产业可持续发展能力并不强。环境资源保护投入的金额越大,表明该产业的可持续发展能力越弱。

成本费用率(C6):是指特色小镇中某一产业在一定的时间内创造的利润与该产业消耗的所有成本的比率。成本费用率越高,表明该产业盈利能力越强,创造相同的利润需要的成本越少,可持续发展能力相对越高。成本费用率计算公式如下:

成本费用率=某产业利润总和/某产业的总成本费用

科技人员比重(C7):某产业中科技人员占总员工的比重能在一定程度上反映该产业的创新能力。为了统计和研究更具操作性,本章将科技人员比重定义为本科及以上学历者占总员工的比例。科技人员比重可以体现某一行业人才结构,科技人员比重越大,则该产业的高端人才所占比重越大,科技创新能力相对越高。

创新企业占比(C8):特色小镇某一产业的科技水平和该产业创新企业数量密切相关,创新企业数量占比直接反映该产业创新水平。本章将某产业创新企业数量和该产业所有企业数量的比值作为创新企业占比。

就业吸纳率(C9):特色小镇中某一产业的总产值和该产业的就业人数的比率为就业吸纳率。就业吸纳率直接反映某产业产值和就业关系,因此可以用就业吸纳率评价某产业解决特色小镇人口就业的能力。就业吸纳率计算公式 如下:

就业吸纳率=某产业的就业人数/某产业的总产值

投入创造就业率(C10):指特色小镇中某一产业发展过程中资金投入与就业人数的比率。投入创造就业率表明某一产业在单位投入中能提供给劳动者就业岗位。该指标同时反映提供一个就业岗位需要投入的资金数量,表明某产业的就业能力大小。投入创造就业率计算公式如下:

投入创造就业率=某产业年均就业人数/某产业年均固定资产总额

3.2.3 特色小镇主导产业评价指标选择的主要方法

(1)层次—主成分分析法应用的可行性

在评价指标选择上,本章结合主成分分析法,即先通过主观评价的方式,对评价指标赋予权重,接着通过样本数据将影响因素的主要影响成分提取出来,通过定性和定量的分析方法提高分析结果的客观性。因为采用量化分析方法,构建分析模型,因此分析结果的科学性可行性都得到了保障,防止单一主观分析个人色彩太重导致分析结果不切实际问题的产生。另外假如只通过主成分分析法进行评价模型的建立,即使客观性得到保障,但是没有考虑到每个指标的重要水平,也会导致分析结果和实际出现差距。基于此,本章通过定性和定量的分析方式,一方面需要考虑指标重要性,另一方面需要保证分析结果客观性。除此之外,本章借助SPSS软件进行相关数据的处理,提高数据核算结果的准确性,让本章论点更容易被人们所认可。

(2)基于层次—主成分分析法的评价模型

特色小镇主导产业的选择方法有很多,可以分为定性分析和定量分析。主导产业选择的关键是确定各个产业的权重,主观赋权法和客观赋权法两种方法都比较常用,也各有优势,本章通过分析,主要采用二者相结合的方法,这样会让结果更具科学性。本章主要采用层次—主成分分析法,其中层次分析法是定性分析,主成分分析法是定量分析,将两种分析法有效结合,进行综合分析,让分析结果更加科学有效。

层次分析法也叫AHP分析法,在因素较多的情况下比较常用。它将影响因素分为三个层次,通过主观分析,对每个层次因素进行比较,赋予权重,让问题逐渐简化,但由于主观赋权的主观因素影响很大,因此科学性比较差。前文已经介绍了如何构建层次结构模型,即将影响因素分为目标层、一级指标层、二级指标层三个层次,完成评价指标体系构建。

(3)层次—主成分分析法的评价模型构架的主要步骤

① 完成层次结构模型的构建:上文中已经构建完成。

② 确定每个指标权重。

除了目标层,将一级指标层和二级指标层中每个指标以上一级指标为准则两两进行比较,利用萨迪1-9标度法将两两比较结果记录,形成判断矩阵。萨迪1-9标度法见表5-2。(www.xing528.com)

构建某一产业的判断矩阵,利用根值法对每个矩阵进行求解,每个判断矩阵的最大特征值λimax及每个指标权重值Wij。然后对判断矩阵做一致性检验。如果一致性检验结果比率小于0.1,表明判断矩阵具有合理性;如果一致性比率大于0.1,则表明判断矩阵不合理,需要做进一步调整。判断矩阵只有通过一致性检验,才表明排序结果具有有效性。判断矩阵一致性检验计算方法:

C.I.=(λimax-n)/(n-1)

其中n代表判断矩阵的阶数。

表5-2 萨迪1-9标度法

R.I.可以通过查表获得。R.I.对照见表5-3。

表5-3 R.I.对照表

③ 提取主因子。

运用主成分分析法提取主因子,这一过程是以数据分析为基础进行的客观分析。通过对指标进行简化处理,将多个指标简化为少量几个相对独立的指标;通过线性组合,可综合反映评价目标,选取的新指标即为提取的主成分。

④ 原始数据标准化处理。

通过收集获得的原始数据,先要进行加权处理,但是因为原始数据的单位不同,所以得到的经过加权处理的原始数据不具有可比性,需要对这些数据进行标准化处理后,才能进行后续比较。原始数据的标准化处理过程如下:

Di为原始数据。Ei为加权后原始数据,Wi为利用层次法得到的指标权重。

Ei=Di·Wi

原始数据的初始矩阵为A:

(n为备选产业数量,m为评价指标数量)

标准化过程是将均值变为0,方差变为1,通过以下公式计算:

通过计算可以得到处理后的标准化矩阵B:

(n为备选产业数量,m为评价指标数量)

⑤ 计算相关矩阵的特征值与特征向量S12。

首先,求得标准化矩阵B的协方差阵∑。

∑=| cov(2,1) cov(2,2)…cov(1,m) |

其中

其次,计算相关矩阵特征值λ。令,I为单位矩阵,可以得到每个评价指标的非负数特征值,共有m个,将特征值排序,设定 λ1≥λ2≥λ3≥…λm≥0。

然后,计算出对应的特征值 λ 的特征向量L。

Lm=[lm1,lm2…lmm]

再求得 r 个主成分yu。

yr=lr1X1+lr2X2+lr3X3+…lrmXm

r 个主成分相互不相关,其中第一个主成分体现各指标的主要问题,参考价值也最大,第二个主成分体现指标问题比第三个重要,依次类推。各成分组合起来能达到累计贡献率85%以上,基本可以解释评价对象。

最后,通过累计贡献率大于85%的标准得出主成分个数,并得出第1至第 r 个主成分的线性组合式就是研究的最后结果。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈