如何评价综合政策的投入效果？

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。