综合政策投入包括非国有工业经济占比、人均财政支出、一般公共服务支出、基本公共服务支出占财政支出比重、知识产权保护强度、电子商务交易额占市场份额比例、私营工业企业数占比、外贸依存度和人均实际利用外资这9个指标。
(一)综合政策投入评价权重系数
子系统一为综合政策投入,对反映综合政策投入的9个指标数据进行标准化处理,利用Matlab R2017b使用纵横向拉开档次法(程序见附录1)求出矩阵H为:
利用Matlab R2017b求出矩阵H的最大特征值λmax为1698.38,最大特征值对应的特征向量α1为:
α1=(0.3956,0.3617,0.3652,0.1584,0.4165,0.3337,0.2521,0.2958,0.3438)T
由于得到的特征向量中的元素大于0,因此得到的特征向量即为指标的权重向量,将权重系数进行归一化处理,得到的指标权重系数向量w1为:
w1=(0.1354,0.1238,0.1249,0.0542,0.1425,0.1141,0.0862,0.1012,0.1176)T
综合政策投入评价模型为:
其中,xi为标准化处理后的数据。根据此模型得到的我国各省份综合政策投入得分如表5-2和表5-3所示,各省份综合政策投入得分的排名情况如表5-4和表5-5所示。
表5-2 2002—2009年我国各省份综合政策投入得分情况
(二)各省份综合政策投入得分及排名
续 表
表5-3 2010—2018年我国各省份综合政策投入得分情况
续 表(www.xing528.com)
表5-4 2002—2009年我国各省份综合政策投入得分排名情况
结合表5-2—表5-5可以看出,我国各省份综合政策投入发展趋势良好,多数省份得分持续增长,综合政策投入水平不断提升。表5-2和表5-3中综合政策投入得分中最大值为1.72,最小值为-1.34,并不直观,采用功效系数法转换评价得分。考虑到各省份的综合政策投入仍存在一定提升的空间,因此将95分作为得分上限。根据公式(5-1)对其进行数据变换,将各个地区的综合政策投入得分转化为百分制。
续 表
表5-5 2010—2018年我国各省份综合政策投入得分排名情况
续 表
其中,x为进行数据变换前的综合政策投入得分,x max为这组数据中的最大值,x min为这组数据中的最小值。经过公式(5-1)的变换后,所有得分将介于55—95之间,计算结果如表5-6和表5-7所示。
表5-6 2002—2009年我国各省份综合政策投入百分制得分情况
续 表
表5-7 2010—2018年我国各省份综合政策投入百分制得分情况
续 表
为了更直观地反映出各个省份的综合政策投入水平,以2018年为例,依据表5-7数据绘制出30个省份综合政策投入得分条形图,见图5-1。
图5-1 2018年各省份综合政策投入得分条形图
由表5-7和图5-1可知,上海、广东、北京综合政策投入得分处于全国领先地位,综合政策投入得分分别达到95.00、94.69和91.15,高于其余省份;其次是江苏、浙江、山东这3个省,综合政策投入得分在85以上,综合政策投入情况较好;山西、云南、海南、青海、甘肃综合政策投入得分位于全国后5位,表明这些区域应增加综合政策投入。
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。