绿色产业评价模型

绿色产业评价模型（精选九篇）

绿色产业评价模型 篇1

1 模型建立

在确定绿色物流的相关评价因素、相关因子的评价等级标准和权值之后, 利用模糊集合变换的原理, 构造模糊评判矩阵, 通过多层的复合运算, 最后依据最大隶属度的原则, 得到绿色度的定量分析结果, 最终确定评价对象所属等级。对物流系统绿色度的评价就是对物流系统所表现出来的环境性能、资源性能、经济性能和技术性能的综合度量。

(4) 进行Fuzzy-AHP综合评价。R中矩阵的不同行反映了评价者对被评价对象从各种各样的单一因素来确定对各处于不同等级的模糊子集的相关隶属程度, 则

(5) 对Fuzzy-AHP综合评价结果向量的分析。每一个评价对象的Fuzzy-AHP综合评价结果都可以被看成是一个模糊向量, 这种方式的结果包含了更丰富、更完整的信息。最后, 再对不同的一维综合评价值能够方便地进行比较并排序。

2 实例运用

本文以广东省某一物流企业为背景, 运用上述模型来评价该企业物流系统中绿色度的程度, 用实证结果验证绿色物流评价模型的正确性。通过该企业相关资料显示, 可以得到表1所示数据。通过对企业评价中间数据和评价所得结果数据的结合分析, 可以实现对企业物流系统中物流绿色属性的全面评价。

第一步, 可以得到每个指标的评价矩阵, 例如:

第二步, 对上述得到每个指标的评价矩阵进行综合分析。

第三步, 进行二级综合评价。将三级指标看作新的因素, 其评价矩阵为:

同理可得:

通过上表所示, 可得次层级的权重, 故:

3 结语

在整个模糊评价的过程中, 从各个指标因素的评判中, 发现该企业在生产加工中存在较严重的资源浪费现象, 在环保材料利用率和排泄物污染上还有较大的欠缺, 信息的传递上也是不够迅速。因此, 该厂需要充分利用资源和环保材料, 及时清理排泄的污染物, 提高信息的传递速度, 获得持续的经济发展。

绿色物流的评价涉及环境、资源、经济、技术等多个指标, 采用Fuzzy-AHP模型, 使评价过程不仅考虑了所有能够影响评价结果的因素, 同样也保留了各级评价因素的全部信息, 量化结果能较好地反映物流系统的物流绿色度的实际情况和高低水平。以物流企业为例的物流绿色度也验证了该方法的可行性和合理性。

参考文献

[1]周学军.发展绿色物流的意义[J].科技向导, 2015 (18) .

[2]单虹, 姚方元.物流系统的绿色度评价[J].改革与开放, 2009 (9) .

[3]李云龙.绿色物流的产生背景及发展对策初探[J].贸易, 2010 (9) .

无锡市高新技术产业竞争力评价模型 篇2

无锡市高新技术产业竞争力评价模型

高新技术产业的.竞争力是维持并实现经济持续增长的基本动力.通过无锡市高新技术产业竞争力的SWOT分析,为无锡高新技术产业的有序发展及无锡经济结构的优化调整提供了产业经济评价计量模型.

作 者：唐建荣 丁卫国 吴圆一 TANG Jian-rong DIN Wei-guo WU Yuan-yi 作者单位：江南大学,商学院,江苏,无锡,214063刊 名：江南大学学报(人文社会科学版)英文刊名：JOURNAL OF SOUTHERN YANGTZE UNIVERSITY(HUMANITIES & SOCIAL SCIENCES)年，卷(期)：1(2)分类号：F427.53wx关键词：高新技术 竞争力 因子分析 评价模型

绿色产业评价模型 篇3

【关键词】 CIPP评价模型 高职院校 专业 产业化服务

【中图分类号】 G 【文献标识码】A

【文章编号】0450-9889（2014）04C-0048-02

美国学者斯塔弗尔比姆1967年在对“泰勒行为”目标模式反思的基础上提出了CIPP评价模型。在美国，CIPP评价模型被广泛应用于现代企业，为项目、工程、职员、产品、协会和系统等的评估提供了较全面的指导，尤其是那些准备长期开展并希望获得可持续性改进的项目。CIPP评价模型由背景评价（Context evaluation）、输入评价（Input evaluation）、过程评价（Process evaluation）、成果评价（Product evaluation）四项评价活动组成，通过对现状的分析，发现存在问题并给出建议，推进和完善项目建设。本文拟从CIPP评价模型中的背景评价、输入评价、过程评价及成果评价等方面对高职院校专业产业化服务相关问题进行探讨。

一、背景评价

背景评价是指在特定的环境下评定特定方案的需要、问题、资源和机会。

高职院校加强专业产业化服务符合国家政策发展需要。根据《国家中长期教育改革和发展规划纲要（2010-2020年）》精神，高职教育是我国高等教育和职业教育的重要组成部分，在建设人力资源强国和高等教育强国的伟大进程中肩负着重要使命和不可替代的作用。在我国建设社会主义和谐社会、加快推进经济发展方式转变的历史新阶段，高职教育必须进一步深化改革、推进合作、加强建设，加快提升整体发展水平，主动适应国家和地方经济社会发展需要。也就是说，新形势要求高校本着“求生存、谋发展”的战略目标，主动适应国家和地方经济社会发展需要，深化制度改革，形成专业产业化服务功能。

关于高职院校专业产业化服务，《2010年教育部关于推进高等职业教育改革发展的若干意见》也指出：“大力推进合作办学、合作育人、合作就业、合作发展。不断提高社会服务能力，加强专业产业化，努力建设中国特色现代高职教育，为经济社会发展提供强有力的高技能人力资源支撑。”这为高职院校专业产业化服务提供了政策指导。

从目前来看，如何深化合作，形成行之有效的合作机制，提高企业与学校的经济及社会效益，构造双方遵循的机制体制，是高职院校形成和发挥专业产业化服务功能的关键性问题。

二、输入评价

输入评价是在背景评价的基础上，对达到目标所需的条件、资源以及各被选方案的相对优点所作的评价，其实质是对方案的可行性和效用性进行评价。

高职院校开展专业产业化服务，具有很大的可行性，是提升学院的教学管理水平，提高企业主动参与专业建设积极性的有效途径。一方面，企业与学校共同制定相关专业服务产业的机制体制是时代的需要。高职院校成立独立的校企合作专业发展委员会及高职教育研究所，能为专业建设中与企业沟通交流搭建合作平台，企业组建专家指导工作小组，启动“专家流动工作站”也能保障体制建设双向性，从而避免学院一头热、企业参与热情不高的尴尬局面。另一方面，校企合作可持续发展体系的建立，有利于教师到企业参加一线生产，掌握先进工艺，进而合理进行“教产结合”人才培养。

近年来，很多高职院校的校企合作已经形成机制，但是企业的获利面还较窄，获益较少。企业的目标是追求经济利润，没有利益就没有合作的积极性，所以目前的校企合作还是处于浅层次。对此，高职院校应切切实实以企业需求为出发点，努力提高专业群建设，从而保障相应机制的有效运行。由专家流动工作站成员来完善教育质量监控机制，对实训项目的整个过程进行监控，保障合格人才的输出，满足企业的人才需求。

以交通土建类专业为例，可借助大学校园优秀的研究团队，大力开展企业生产项目的“包装工程”，从规划创意到新的设计思维模式再到项目施工经验的总结，把规划院、设计院、施工单位等校企合作单位的生产项目形成科研项目或论文，提高个别单位在行业的区域领导地位或全国竞争地位，促进企业在从事生产项目获得经济效益的同时获得社会效益及学术地位。同时，校企双方可以加强人事交流，鉴于个别领域的紧缺型人才，校方提供技术支持，帮助企业拓展企业招聘人才的途径；鉴于企业（特别是施工企业）里的行业专家有从事教书育人的理念，高校应摒弃传统观念，放开招聘人才的年龄限制，引进行业专家担任任课教师或教改顾问。

三、过程评价

过程评价是在方案实施过程中进行连续不断的监督、检查和反馈。

2011年教育部在全国高职院校范围内开展“提升高等职业院校专业服务产业发展能力”项目，使用中央财政专项资金扶持一批市场急需型及行业支撑型专业，意在为全国各行业企业培养合格人才，满足某些行业如港口专业、航运专业、热能应用技术等用工缺口，同时支撑其他行业的持续发展。然而，各高职院校在专业产业化服务过程中，存在较多的问题，主要体现如下：第一，有的高职院校采用“2+1”人才培养模式，与企业签订校外实训合同，把学生交给企业一年的培养行为，过于依赖企业对学生进行职业技能培养，其实有推脱自身教育义务之嫌。第二，就高职院校的立场来说，往往比较重视教学效果，并以此为出发点来培养学生的素质能力，但是由于过分注重教学效果，缺乏对企业经济效益的考虑；同时，学生的岗位技能往往是在到企业进行顶岗实习过程中学到的，但学生毕业后并不一定为企业效力，无形中加大了企业的用工成本，导致企业参与教学及人才培养的积极性不高。第三，由于校企合作很多都是停留在一年一次的年会及学术研究、课题开发及先进技术推广等形式上，企业与学校、企业员工与学校教师并没有常规合作及交流，导致现代化生产技术没有得到及时更新，学生的评价体系没有落实到企业，合格与否只能交到企业手中才可以检验，造成培养资源浪费。

因此，为有效发挥高职院校专业产业化服务功能，在校内外生产性实训操作技能培养过程中的成本意识和质量管理等方面，还须不断运用新技术、新工艺、新方法；校内专任教师要适应形势的发展变化，提升自身的专业技能和职业素质，兼职教师也需要适应职业教育的新理念，形成系统教学理念，提高教学能力，为企业培养合格的人才。

五、成果评价

成果评价是对目标达到程度所作的评价，包括测量、判断、解释方案的成就，确证人们的需要满足的程度等。

当前，高职院校专业产业化服务功能在较多方面显现出来。以下主要以广西交通职业技术学院为例进行说明。在专业产业化服务方面，广西交通职业技术学院形成了系统性的成果，主要包括如下方面内容：一是形成路桥专业与行业企业特色合作，探索新型校企合作机制体制改革，建立高职院校与行业企业的经济层面盈利合作模式，推动经济盈利与社会效果及学术创新三丰收的效果，这对于高职产业化发展具有里程碑式的意义。二是通过专业产业化服务，拓宽教师专业技能再培训途径，提高教师专业素质，为教学团队建设提供了研究空间。三是通过对合作企业的生产项目进行提炼，合作发表学术论文或一起申报科技成果，提高了学院的办学效益。四是依托校企合作理事会积累了丰富有益的经验。五是为许多大学生提供了自主创业机会，大力发展专业产业化的发展渠道，提高了社会服务水平。六是开发CIPP模式下的产业化成果评价体系，通过对交通土建专业产业化发展现状的分析，及时发现问题并给出建议，推进和完善体制建设，为可持续发展专业产业化提供执行体制、跟踪体制、评价体制。七是通过与企业的合作，不但能从具体的项目实施过程中获取经济利益，而且加强了教师队伍的技能技术更新，提高了学生的就业竞争力。

总之，基于CIPP评价模型加强对高职院校专业产业化服务功能问题的研究，对探索有效的专业人才培养模式，优化专业人才培养方案，总结专业内涵建设成果，具有重要意义，有利于整体提高高职院校办学水平和人才培养质量，进而提高高职教育服务区域经济发展以及服务现代产业体系建设的能力。

【参考文献】

[1]黄静宜. CIPP课程评价模式简析[J].职业技术教育，2005（10）

[2]王盈.CIPP模式在高校文化素质教育课程评价中的应用[J].宁波大学学报，2009（10）

[3]杨玉春.高职院校社会服务能力的分析与思考[J].中国职业教育技术，2013（3）

[4]李悠.论高职院校教师社会服务能力的提升[J].教育评论，2009（3）

[5]邓立新.德国职业教育管理模式的调查及思考[J].江苏教育，2010（1）

【基金项目】2014年度广西高等教育教学改革工程重点立项项目： 基于“CIPP”评价模型下加强交通土建类专业产业化建设的研究与实践；新世纪广西教改工程2012年A类项目（2012JGA344）

【作者简介】蔡广聪（1979- ），男，广西桂平人，广西交通职业技术学院路桥工程系讲师，研究方向：工程测量及路面材料等。

绿色产业评价模型 篇4

在20世纪90年代, 绿色建筑这一概念开始引入我国, 并从2001年开始, 制定出适应于我国的指导和评估手册。且随着人们生活水平的不断提高, 我国的建筑产品在追求发展速度的同时, 更应该重视建设质量、绿色、节能、环保等方面。而建筑产业化就是实施建筑产品革新的总体手段, 利用产业化生产方式建造绿色环保低碳、安全可靠的建筑, 才能真正实现建筑业的可持续发展。

从我国总体发展水平来看, 中国绿色建筑产业化的发展还处在一个起步阶段, 绿色建筑总体数量少, 呈点状分布, 各地域发展不平衡。其发展存在着南方快、北方慢, 东部沿海快、西部地区慢等问题, 这与我们的大规模推广绿色建筑产业化的要求差距是较大的。

本文结合相关理论现状和施工实践, 利用ISM模型对绿色建筑产业化主要影响因素进行研究, 对各影响因素分层整理, 分析影响因素之间的逻辑关系, 找出制约绿色建筑产业化发展的关键因素, 并提出有针对性的应对策略。

2 影响绿色建筑产业化的ISM模型分析

2.1 影响绿色建筑产业化的因素

本论文在分析探讨国内外许多学者研究成果的基础上, 以建筑行业为目标对象, 针对建筑业绿色产业化的实施困难等问题, 对部分中高级管理人员、科研人员、技术人员、现场施工人员及消费者等进行了调查, 并对调查的结果进行了整理、分类, 得出10个较为重要的制约因素 (如表1) 。

2.2 ISM模型选择

解释结构模型 (Interpretative Structural Modeling, 简称ISM方法) , 是美国的J.N.华费尔忒研制开发, 现已成为现代系统工程中广泛应用的一种分析方法。此模型主要是通过提取问题的构成要素, 利用有向图、矩阵等工具, 再结合Matlab计算机技术, 对各要素及其相互关系等信息进行处理, 从而揭示系统内部各要素间的层次结构关系。本文应用此模型, 对表1列出的影响绿色建筑产业化的主要因素关系进行了整体化、层次化的结构分析。

2.3 邻接相关矩阵的确定

1) 根据要素间的相关性确定邻接矩阵 (A)

根据上述影响因素间关系有向图, 确定得到邻接矩阵 (A) , 且在矩阵中“0”表示因素间没有直接关系, “1”表示因素间存在影响关系。

2) 建立邻接相关矩阵 (A+I)

将同阶次的单位矩阵 (I) 与上述的邻接矩阵 (A) 做矩阵加法, 得出邻接相关矩阵 (A+I) 。

2.4 可达矩阵的构建

所谓的可达矩阵是指在有向图中的两节点间, 通过任意长的路径都可以到达的情况所组成的方阵。其中可达矩阵的矩阵元素均由“1”、“0”数据构成, 都是n×n阶的0-1矩阵, 且各矩阵均满足逻辑和运算0+0=0, 0+1=1, 1+0=1, 1+1=1;逻辑乘运算0×0=0, 0×1=0, 1×0=0, 1×1=1。可通过对邻接相关矩阵 (A+I) 的Matlab计算机运算, 求得系统各要素的可达矩阵 (M) 。

2.5 可达矩阵的级别划分

1) 相关定义

可达集合 (先行集合) :是指在可达矩阵里的要素Si所对应的行 (列) 中, 包含了1的矩阵元素所对应的列 (行) 要素的集合, 分别记作R (Si) 和A (Si) , 其定义式为:

共同集合:是指Si在可达集与先行集中的共同部分, 即交集, 记作C (Si) , 其定义式为:

2) 要素级别的确定

最高级要素集, 是指R (Si) 是要素Si的可达集, A (Si) 是Si的先行集;则有如果R (Si) =C (Si) , 那么R (Si) 就为最高级要素集。

级位划分的基本原理是:首先, 找出第一级系统中要素集的最高级要素;其次, 将找到的最高级要素所在的列和行划掉, 然后再依据最高级要素集的定义, 继续求余下的要素集合的最高级要素。同理类推, 直到产生最后一级要素集合为止。本文的第一级别可达集、先行集、共同集, 如表2所示。

根据最高级要素集的定义并结合表2可知, 在第一级别里仅有R (S0) =C (S0) , 所以, 第一级的最高要素为S0, 即第一层要素集合为{S0}。

依据级位划分原理, 可以得到第二、三、四层的要素集合分别是{S1, S2, S9}、{S5, S7, S8}和{S3, S4, S6, S10}。

2.6 提取骨架矩阵 (A′)

1) 依据上述所划分的层间级别进行矩阵的重新排列组合, 得到矩阵M′。

2) 去掉矩阵M′中要素间的越级二元关系及自身可到达的二元关系后, 得到骨架矩阵A′。

2.7 绿色建筑产业化影响因素解释结构模型

根据可达矩阵的级别划分及上述骨架矩阵A′, 绘制出影响绿色建筑产业化的各因素间解释结构模型图 (如图1所示) 。

3 研究结论

我国在城市建设快速发展的同时, 暴露的能耗和环境问题越来越严重, 而大力推广绿色建筑产业化是我国建筑业改革发展的必经之路。本文对绿色建筑产业化的影响因素进行深入的研究, 得出以下结论:

1) 我国绿色建筑产业化的发展仍处于初始发展阶段。

绿色建筑产业化的发展停留在表面工作上, 虽然很多地区都在提倡发展绿色建筑及建筑产业化, 但多数“雷声大雨点小”, 真正实施改革、发展的力度不大。

2) 三个层面的影响因素, 造成我国绿色建筑产业化实施缓慢。

三个层面分别是直接层、间接层和根本层, 且各层间的因素间互相影响。根本层的因素导致间接层的因素发生, 间接层因素又影响了直接层因素, 最后导致阻碍了绿色建筑产业化的发展。

3) 根本层的因素, 是影响我国绿色建筑产业化发展的源头性因素。

根本层的因素主要有缺乏有效政策的引导、人才的短缺、管控监督力度不够及相关法律、法规保障的缺乏。这四大因素是影响我国绿色建筑产业化发展的关键因素。

4 对策建议

绿色建筑产业化的根本层制约因素对大规模推广、实施绿色建筑产业化具有源头性的制约影响, 需要采取针对性的相关措施来加以完善。具体建议如下:

4.1 加强国家、各地政府在政策上的有效扶持

绿色建筑产业化的发展离不开国家政策的积极引导。国家应加大对绿色建筑产业化在政策上的扶持, 如对开发商等企业可开设土地转让、绿色信贷、税收、金融等一些扶持性政策;还可以利用已有的高新技术或“营改增”、发放住房公积金等优惠性政策, 推广实施绿色建筑产业化的大力发展。

4.2 加强对绿色建筑产业化必要性的宣传及人才的培养

当前, 消费者甚至是相关建筑从业人员, 对绿色建筑产业化不够了解或了解的程度不高, 所以加大宣传力度、加快绿色建筑产业化的人才培养是很有必要的。政府可以通过新闻会议、媒体、网络等平台加强对绿色建筑产业化的宣传教育;针对开发商、施工单位、生产企业等相关建筑从业人员要加强有关绿色建筑产业化的配套技术、管理、创新等技能培训工作;将绿色建筑产业化的实施与高等院校或职业技术院校合作, 加强高校人才在该方面的专业课题研究、创新, 或为该方面的发展培养更多的高技能人才。

4.3 提高对绿色建筑产业化建设的管控监督力度

要严格对绿色建筑产业化建设全过程的管控监督。在现有的工程建设管控体系基础上, 加强对绿色建筑产业化工程的审查、监管。从项目的可行性报告到项目的施工等各环节, 均加强绿色、产业化的指标监管。

4.4 建立健全绿色建筑产业化相关的法律法规

要建立健全绿色建筑产业化的相关法律、法规制度。对现有的绿色、产业化的相关条款进行补充和完善, 并为我国实施的《建筑法》、《环境保护法》、《节约能源法》等法律, 对其中的绿色、产业化建筑效力较低的相关法规规定, 提供上位法的有力保障, 进一步保证绿色建筑产业化的良好发展。

参考文献

[1]曾庆林.绿色建筑发展的制约因素及对策研究[J].经济师, 2014 (1) .

[2]梁娟.基于微笑曲线的绿色建筑产业化发展研究[J].企业技术开发, 2014 (6) .

[3]王景慧.影响绿色建筑项目成功的关键风险因素研究[J].华侨大学学报, 2013 (5) .

[4]王晓亮, 杜志芳.低碳理念下绿色建筑发展的对策研究[J].建筑经济, 2014 (6) .

[5]Yi-Kai Juan, Yeng-Horng Perng, et al.Housing Refurbishment Contractors Selection based on a Hybrid Fuzzy-QFD Approach[J].Automation in Construction, 2009 (18) :139-144.

绿色产业评价模型 篇5

1 绿色供应链管理及其绩效评价的内涵

1.1 绿色供应链管理

有关绿色供应链的研究可以认为最初开始于绿色采购,1994 年 Webb 研究了一些产品对环境的影响,建议通过环境准则来选择合适的原材料,同时注重再生利用,进而在此基础上提出绿色采购的概念。1996 年,美国密歇根州立大学制造研究协会(MRC)首次提出绿色供应链的概念,其目的是使整个供应链对环境的负面影响做到最小、资源利用率最高。随后,我国外学者从不同角度对绿色供应链进行详细的研究与论述。Johnson 利用平衡记分卡原则识别并选择环境绩效指标,他对卡普兰和诺顿的平衡计分法作了一些修改,得出切合实际的评估企业环境绩效的平衡记分卡法,该方法主要包括学习、创新、增长与人力、企业内部经营、顾客和股东以及财务等五个方面。我国对于绿色供应链的研究基本上是从 2000年开始逐渐发展起来的。特别是近几年来,我国学者对绿色供应链进行广泛研究。郑迎飞从供应链企业的角度出发,研究绿色供应链企业之间的合作模式与合作机制,并建立电子商务环境下绿色供应链管理绩效评价指标体系与模型。

1.2 绿色供应链绩效评价

绿色供应链绩效评价是从整个供应链的角度出发,利用构建好的指标体系,通过数量统计和运筹学等方法进行定量或定性分析,在一定时期内对绿色供应链现状进行客观评价,其评价结果可用于绿色供应链的改进和完善。

2 绿色供应链绩效评价指标体系构建原则及常用方法

2.1 绿色供应链绩效评价指标体系构建原则

1)科学性原则。绿色供应链评价指标体系应建立在科学、合理的基础上,能充分反映企业绿色供应链的内在机制,指标的含义必须简单、明了,测算方法标准,统计计算方法规范,能全面、综合的反映其管理目标的实现程度。

2)可操作性原则。指标体系要反映绿色供应链的发展现状和趋势,为政策制定和科学管理服务,因此,指标体系的构建要考虑可操作性,每一个指标要有明确的对象和边界,不能太抽象、太概念化;各个指标之间要有明确界面,内涵不可相互重复或彼此重叠;另外,指标要易于量化、易于数据收集,具有可评价性。

3)可比性原则。绿色供应链是一个复杂且具有层次结构的系统,它由若干子系统组成。因此,描述与评估其发展状况和程度,应在不同层次上采用不同的指标。指标尽可能采用通用的名称、概念与计算方法,以利于进行横向和纵向比较。

4)关键性原则。由于衡量绿色供应链的指标比较多,研究中不能一一列举出来,所以本文选取了关键指标进行研究。

5)动态性原则。考虑到供应链系统跨时域的特点,绩效评价也需要通过一定的时间尺度才能得到反映,因而,指标的选择要求充分考虑动态变化的特点,要能较好的描述与衡量未来的发展趋势,指标必须有时间概念,即要表明出数据的时间。

6)经济性原则。在绩效评价过程中,由于人、财、物的支出,必然会产生一定的成本。通常情况下,成本越高,评价结果就越精确,但是,当成本大于收益时,评价就失去了意义。因此,设计指标时,必须权衡收益与成本。

7)定性指标与定量指标相结合的原则。指标体系应尽可能量化,但对于一些难以量化、其意义又很重要的指标,也可以用定性指标来描述。定性的指标也应该有量的概念,至少可以用权重来量化,可以输入数据,进行运算和分析。

2.2 常用的绩效评价方法

供应链绩效的研究一直是供应链管理理论中的热点课题,无论是在学术界还是在实践领域,有关供应链绩效评价的理论与评价方法都得到了广泛的探讨与应用。然而,绿色供应链目前只是一项全新的研究领域,其评价方法和模型的构建还是只能以传统供应链的绩效评价方法为基准,见表1。

3 绿色供应链绩效评价模型构建

近年来,专家们在绿色供应链绩效评价的领域做了很多努力,利用不同方法,建立不同模型对企业绿色供应链绩效评价进行大量研究。包括基于Triangular Fuzzy-AHP模型的绿色供应链绩效评价体系评价,基于多层次灰色关联模型的企业绿色供应链绩效评价,基于隶属度转换算法的绿色供应链绩效评价,基于云物元评估模型的绿色供应链绩效研究,模糊数学理论在绿色供应链绩效评价中的应用,基于数据包络分析的绿色供应链绩效研究等。在此对Triangular Fuzzy-AHP模型的绿色供应链绩效评价体系评价构建进行详细阐述。

3.1 Triangular Fuzzy-AHP 模型的建立

3.1.1 绿色供应链绩效评价模型构建的要求

1)绿色供应链绩效评价模型应能反映定量与定性因素的结合。绿色供应链绩效的评价不仅包括定量因素的分析而且还包括定性因素的分析,所以要求评价模型能够综合考虑定性和定量因素,以达到评价结果的综合性和合理性。

2)绿色供应链绩效评价模型应能反映评价过程的模糊因素。在绿色供应链综合绩效的评价中,有些因素是不能单用一个数据或者一个等级来评价说明的,它有时是各个等级的综合,这就要求在对一些因素的评价中,要应用模糊数学的原理对因素进行更合理的描述。

3)绿色供应链绩效评价模型应融入基准分析的原理。当今的市场是竞争的市场,是供应链与供应链之间的竞争,绿色供应链要通过横向比较,吸取本行业其它企业的优秀方法,不断创新,才能获得生存和发展,所以评价模型要能反映出与基准者比较的结果。

3.1.2 Triangular Fuzzy-AHP 模型建立的步骤

综上所述,绿色供应链绩效评价模型要同时反映定性与定量因素相结合的特点、模糊因素的特点。为了建立这样一个评价模型,本文把层次分析法、三角模糊函数以及模糊综合评价法相结合,提出了基于三角模糊函数的Triangular Fuzzy—AHP 模型,模型的具体实施步骤如:

3.1.2.1 层次分析法建立层次结构,确定相对权重

为了确定指标权重,可以采取层次分析法——AHP,适用 AHP 确定指标权重具体步骤:

1)建立系统递阶层次结构模型。基于绿色度的供应链绩效指标评价体系具有多层次多级的特点,系统递阶层次结构主要包括三个层次——目标层、评价方面层和指标层,结合绿色度供应链绩效评价的现状,可以从财务盈利、市场实力、客户服务评价、创新与学习能力、环境保护这五个因素去考虑,其层次模型:

第一层——目标层:U={基于绿色度的供应链绩效};

第二层——评价方面层: U={U1,U2,U3,U4,U5}=财务盈利、市场实力、客户服务评价、创新与学习能力、环境保护;

第三层——指标层:

$U{}_1=\{\begin{array}{l}\text{利}\text{润}\text{增}\text{长}\text{率}‚\text{销}\text{售}\text{额}\text{增}\text{长}\text{率}‚\text{销}\text{售}\text{利}\text{润}\\ \text{增}\text{长}\text{率}‚\text{总}\text{资}\text{产}\text{报}\text{酬}\text{率};\\ \text{净}\text{资}\text{产}\text{收}\text{益}\text{率}‚\text{总}\text{资}\text{产}\text{周}\text{转}\text{率}‚\text{资}\text{产}\text{负}\\ \text{债}\text{率}‚\text{固}\text{定}\text{资}\text{产}\text{周}\text{转}\text{率}.\end{array}$

$U{}_2=\{\begin{array}{l}\text{市}\text{场}\text{占}\text{有}\text{率}‚\text{市}\text{场}\text{增}\text{长}\text{率}‚\text{新}\text{用}\text{户}\text{开}\\ \text{发}\text{成}\text{功}\text{率}‚\text{市}\text{场}\text{应}\text{变}\text{能}\text{力}.\end{array}$

$U{}_3=\{\begin{array}{l}\text{客}\text{户}\text{满}\text{意}\text{率}‚\text{缺}\text{货}\text{频}\text{率}‚\text{订}\text{单}\text{等}\text{待}\text{时}\text{间}‚\\ \text{订}\text{货}\text{完}\text{成}\text{率}‚\text{客}\text{户}\text{投}\text{诉}\text{率};\\ \text{准}\text{时}\text{交}\text{货}\text{率}‚\text{客}\text{户}\text{流}\text{失}\text{率}‚\text{客}\text{户}\text{价}\text{值}\text{率}‚\\ \text{市}\text{场}\text{占}\text{用}\text{率}‚\text{供}\text{应}\text{比}\text{率}.\end{array}$

$U{}_4=\{\begin{array}{l}\text{新}\text{产}\text{品}\text{开}\text{发}\text{频}\text{率}‚\text{新}\text{产}\text{品}\text{开}\text{发}\text{成}\text{功}\text{率}‚\\ \text{新}\text{产}\text{品}\text{产}\text{值}\text{增}\text{长}\text{率};\\ \text{新}\text{产}\text{品}\text{收}\text{益}\text{率}‚\text{市}\text{场}\text{预}\text{测}\text{准}\text{确}\text{率}‚\\ \text{科}\text{研}\text{投}\text{资}\text{率}‚\text{科}\text{研}\text{人}\text{员}\text{比}\text{重}.\end{array}$

$U{}_5=\{\begin{array}{l}\text{能}\text{源}\text{消}\text{耗}\text{度}‚\text{环}\text{境}\text{影}\text{响}\text{度}‚\text{资}\text{料}\text{回}\text{收}\\ \text{再}\text{利}\text{用}\text{率}‚\text{环}\text{境}\text{声}\text{誉};\\ \text{耗}\text{水}\text{产}\text{值}\text{比}‚“\text{三}\text{废}”\text{排}\text{放}\text{总}\text{量}.\end{array}$

2)建立判断矩阵,并进行校正。在建立系统递阶层次结构模型后,可以根据上下层之间的隶属关系,建立两两判断矩阵 B。计算判断矩阵B,每一行元素的乘积Mj,再计算Mj的n次方根Vj,并对向量$V=\left[V{}_1‚V{}_2\cdots V{}_n\right]{}^{\text{Τ}}$归一化得到$W=\left[W{}_1‚W{}_2‚\cdots ‚W{}_n\right]{}^{\text{Τ}}$,即所求特征向量。根据B·W=λmax·W,求出最大特征根$\lambda {}_{\max }={\displaystyle \sum _{i=1}^n(}BW){}_i/nW{}_i$及其对应的特征向量。再进行一致性检验。最后,采用定量诊断法对判断矩阵进行校正直至满意。

3.1.2.2 模糊综合评价法建立模糊综合评价因素集

在上述的层次分析法中,是通过各个因素的两两做对比,看其重要性来定量表示。模糊综合评价法是由最底层开始逐层向上做出多层次综合评价,直到目标层的评价结果。由全体评价指标组成指标集U,按照某些属性将评价指标分成n个子集并且满足U={U1,U2,…,Un},其中:U1∪U2…∪Un=U,Ui∩Uj=Φ,i≠j,i,j∈{1,2,…,n}。Ui第一层次中的第i个子因素指标集,设子集Ui有ni个评价指标,即

$U{}_i=\{X{}_{i1}‚X{}_{i2}‚\cdots ‚X{}_{in}\}‚(i=1‚2‚\cdots ‚n).$

这样,由于每一个Ui有ni个评价指标,因此,总因素指标集U有${\displaystyle \sum _{i=1}^{n}n}{}_i$个评价指标。

3.1.2.3 确定评语集

评语集的确定,具体等级可以根据评价内容用文字来描述,一般用$V=\{v{}_1‚v{}_2‚v{}_3‚v{}_4‚v{}_5\}=\left\{\text{优}‚\text{良}‚\text{中}‚\text{差}‚\text{劣}\right\}$这几种来表示。

3.1.2.4 综合评判

1)一级模糊综合评价。一级模糊综合评价的基本要素有:①因素集合$U=\left\{U{}_1‚U{}_2‚\cdots ‚U{}_n\right\}$;②评价集合$V=\left\{v{}_1‚v{}_2‚\cdots ‚v{}_n\right\}$;③单因素矩阵$\tilde{R}$。

对每个子因素集Ui分别作综合评判,其对应的权重系数:$A{}_i=\left\{a{}_1‚a{}_2‚\cdots ‚a{}_n\right\}$,其中${\displaystyle \sum _{i=1}^{n}A}{}_i=1(a{}_i\ge 0)$。由此,所有的Ai构成了U模糊权重向量$\tilde{A}{}_{}=\left\{a{}_1‚a{}_2‚\cdots ‚a{}_n\right\}$。对于U中的单因素Ui进行单因素评价,从而得到单因素评价向量,这是评价集 V 上的模糊子集,对于U中所有元素进行评价,可以得出总的(m×n阶)评价矩阵:

$R=\left(\begin{array}{cccc}r{}_{11}& r{}_{12}& \cdots & r{}_{1n}\\ r{}_{21}& r{}_{22}& \cdots & r{}_{2n}\\ \cdots & \cdots & \cdots & \cdots \\ r{}_{n1}& r{}_{n2}& \cdots & r{}_{nn}\end{array}\right).$

一般将这一矩阵称之为单因素评价矩阵,$\tilde{R}$为因素集U到评价集V上一个模糊关系,μR(μi,νi)=rij表示μi对评价等级νi的隶属度。已知模糊权重向量$\tilde{R}$时,就能够做模糊变换来进行综合评价:

$\begin{array}{l}\tilde{B}=\tilde{A}。\tilde{R}=\left(a{}_1‚a{}_2‚\cdots ‚a{}_n\right)\cdot \\ \left[\begin{array}{cccc}r{}_{11}& r{}_{12}& \cdots & r{}_{1n}\\ r{}_{21}& r{}_{22}& \cdots & r{}_{2n}\\ \cdots & \cdots & \cdots & \cdots \\ r{}_{n1}& r{}_{n2}& \cdots & r{}_{nn}\end{array}\right]=(b{}_1‚b{}_2‚\cdots ‚b{}_n).\end{array}$

其实,“°”表示广义模糊合成运算,即

$\begin{array}{l}b{}_j=\left(a{}_1\wedge r{}_{1j}\right)\vee \left(a{}_2\wedge r{}_{2j}\right)\vee \cdots \\ \vee \left(a{}_n\wedge r{}_{nj}\right)\left(j=1‚2‚\cdots n\right).\end{array}$

这里称$\tilde{B}$为评语集V上的模糊综合评价集,$b{}_i=\left\{j=1‚2‚\cdots ‚n\right\}$为等级(评语)vi对综合评价所得模糊评价集$\tilde{B}$的隶属度。这里的“∧”表示广义模糊“与”运算,“∨”表示广义模糊“或”运算。

2)多级模糊综合评价模型。 选择一个一级模型,设ui的因素的模糊权重向量为ωi,ui的ki个因素对V的综合评价矩阵为$\tilde{R}{}_i$,对ui进行模糊综合评价。设ui的模糊综合评价集为:$\tilde{B}{}_i=\omega {}_i$。$\tilde{R}{}_i=\left\{b{}_{i1}‚b{}_{i2}‚\cdots ‚b{}_{im}\right\}\left(i=1‚2‚\cdots ‚m\right)$。再设$U=\left\{u{}_1‚u{}_2‚\cdots ‚u{}_m\right\}$的模糊权重向量为$\tilde{A}=\left(a{}_1‚a{}_2‚\cdots ‚a{}_m\right)$,由上式构造出的二级综合评价矩阵为:$\tilde{B}{}_i=\omega {}_i˚\widetilde{{\displaystyle \tilde{R}=\left(\begin{array}{c}B{}_1\\ B{}_2\\ \cdots \\ B{}_m\end{array}\right)}}=\left(\begin{array}{c}A{}_1\times R{}_1\\ A{}_2\times R{}_2\\ \cdots \\ A{}_m\times R{}_m\end{array}\right)$则可以得出U的二级模糊综合评价:$\tilde{B}=\omega$。$\tilde{R}{}_{}=\left\{b{}_1‚b{}_2‚\cdots ‚b{}_n\right\}$。

4 结束语

绿色供应链作为供应链领域研究的发展相当缓慢,主要是因为对传统供应链的理论研究目前不是太成熟,本文搜集国内外绿色供应链概念研究和传统供应链绩效评价研究,建立绿色供应链绩效评价指标体系的文章,具体介绍采用基于对数三角模糊数的层次分析法计算绿色供应链的绩效指标权重,通过引入三角模糊函数思想后综合 AHP 法和模糊综合评法的优点建立绿色供应链 Triangular Fuzzy—AHP 模型。

摘要：针对绿色供应链的特征给出构建绿色供应链绩效评价体系的原则及常用方法。介绍基于三角模糊函数的Triangular Fuzzy—AHP模型,从而更加全面、更加科学地评价绿色供应链绩效体系,对于绿色供应链绩效评价体系的构建有一定理论意义。

关键词：绿色供应链,绩效评价体系,Triangular Fuzzy—AHP模型

参考文献

[1]王富华,温宏博.绿色供应链综合绩效评价指标体系构建[J].商业经济.2009(26)42-45.

[2]但斌,刘飞.绿色供应链及其体系结构研究[J].中国机械工程,2000(11):1232-1234.

[3]李峰平.基于fuzzy-AHP的顾客满意度权重计算方法的研究[J].计算机工程与应用,2006,03(11):46-48.

[4]曹庆奎,阮俊虎,刘开第.基于隶属度转换算法的矿业投资决策模糊评价[J].河北工程大学学报:自然科学版,2010(27):92-95.

[5]唐秋生,赵胜男,吕先洋.基于云物元评估模型的绿色供应链绩效研究[J].重庆交通大学学报:自然科学版,2011,30(2):33-36.

[6]惠玉蓉,董千里.基于数据包络分析(DEA)的物流业可持续发展有效性评价[J].北京交通大学学报:社会科学版,2008,7(3):66-69.

[7]熊威.绿色供应链绩效评价指标研究[J].中国物流与采购,2008(1):74-75.

产业评价的“三力”模型分析 篇6

1.1 产业发展的国家定位

在“以市场换技术”的发展战略的推动下, 我国经济快速发展, 我国产业发展、生产技术水平等各方面都有了很大的提高, 许多产业依靠“技术引进”提高了自身实力, 增强了国内外市场竞争力。但发达国家始终对我们进行技术封锁, 我国许多产业的关键、核心技术还依赖于从国外引进, 缺少自主知识产权, 在发展上难以摆脱受制于人的被动局面。在这种形势下, 自主创新被推到了国家发展战略的高度。我国“十一五”规划明确提出要“把增强自主创新能力作为科学技术发展的战略基点和调整产业结构、转变增长方式的中心环节”。只有加强产业自主创新能力建设, 才能为经济增长提供新动力, 才能为产业结构优化升级提供持久有力的技术支撑, 才能在日趋激烈的国际竞争中赢得主动。因此, 产业自主创新能力建设是现阶段我国产业发展的关键。

1.2 产业之间的差异分析

改革开放30年来, 随着经济的迅速发展, 我国产业实力大幅增强。纺织、服装、家电、电子信息等产业在国际市场上占据了很大的市场份额, 具有很强的国际竞争力。2007年, 中国的服装产品在世界服装进口市场所占的份额高达37.7%, 纺织产品在世界纺织品进口市场的份额达25.6%, 家电业占全世界近1/3的市场份额, 电子业产品产值2719亿美元, 占全球电子业总量的18%。电子信息、汽车、钢铁、石化等产业对国民经济效益有巨大的贡献, 在国民经济中占有重要的地位。2007年, 电子信息产业实现销售收入5.6万亿元, 销售收入占全国工业的比重为12%;汽车工业产值占全国GDP的2.1%;钢铁产业的粗钢产量全球第一, 达到4.89亿吨;2006年, 石油化工产业产值占到全国GDP的21%。虽然近几年电子信息、汽车等产业发展迅速, 但其自主创新能力较差, 其核心技术在很大程度上还依赖于从国外引进, 缺少自主知识产权。我国信息产业中80%的资本来自于国外资本;汽车产业中的轿车自主品牌占国内轿车市场比例仅为27%, 而且多为低端轿车市场。

从以上分析中可以看出:我国各产业发展在效益贡献、国际竞争和自主创新3个方面存在着很大的差异。有些产业效益贡献力大、国际竞争力强, 但自主创新能力却很弱, 如信息产业等;有些产业虽然效益贡献力很大, 但国际竞争力和自主创新力都很弱, 如汽车产业等;有些产业国际竞争力、自主创新力强, 而效益贡献力却很小, 如服装产业。

2 产业评价的“三力”模型

2.1 产业评价的“三力”模型框架

产业效益贡献力、产业国际竞争力和产业自主创新能力 (简称:三力) 是衡量产业实力和发展水平的3个重要因素, 是产业发展的支撑点, 共同推进产业的发展, 其中任何一个力不强, 都会影响产业的健康发展。因此, 本文选取产业效益贡献力、产业国际竞争力和产业自主创新力作为产业评价的3个要素, 构建产业评价的“三力”模型, 模型框架图 (略) 。

2.2 产业评价的“三力”模型要素分析

2.2.1 产业国际竞争力

产业国际竞争力是评价某国的某一产业的竞争力, 体现该产业在世界范围内的竞争力。波特认为, 产业国际竞争力是在国际间自由贸易条件下 (在排除了贸易壁垒因素的假设条件下) , 一国特定产业以其相对于其他国更高的生产力向国际市场提供符合消费者 (包括生产性消费) 或购买者需要的更多的产品, 并持续获得盈利的能力[1,2]。金碚认为, 产业国际竞争力是一国特定产业通过在国际市场上销售其产品而反映出来的生产力。从这一定义看出, 产业国际竞争力的实质就是一国特定产业相对于国外竞争对手的比较生产力, 它反映了该产业的产品国际市场占有率和赢利率的大小[3,4]。

2.2.2 产业效益贡献力

产业效益贡献力是评价某一产业在本国国民经济中的地位, 对国民经济发展的贡献能力。产业是介于企业和国家之间的中观主体, 产业效益是该产业内所有企业效益的总和, 也是国家经济效益的组成单元。企业效益是指一定企业资本取得的利润或利润税金。国家经济效益则是一定社会资源基础上得到的国民收入总量的大小。因此, 产业效益则是指产业对国民经济所作的贡献大小, 可以通过产业的产值、利润、税收以及解决的就业人数来反映。

2.2.3 产业自主创新力

产业自主创新力是指某一产业内本土企业的创新能力。自主创新是相对于技术引进、模仿而言的一种创造活动, 是指通过拥有自主知识产权的独特的核心技术以及在此基础上实现新产品的价值的过程。即创新所需的核心技术来源于内部的技术突破, 摆脱技术引进、技术模仿对外部技术的依赖, 依靠自身力量、通过独立的研究开发活动而获得的, 其本质就是牢牢把握创新核心环节的主动权, 掌握核心技术的所有权。自主创新的成果一般体现为新的科学发现以及拥有自主知识产权的技术、产品、品牌等。我国产业自主创新力可以通过某一产业中内资企业拥有的专利、品牌、新产品及研发投入等来衡量。

3 基于“三力”模型的产业评价指标体系

根据产业评价的“三力”模型, 选用产业效益贡献力、产业国际竞争力和产业自主创新力作为评价要素, 产业国际竞争力方面的指标包括:产业国际市场占有率、产业出口收入率和产业净出口率;产业效益贡献力方面的指标包括:产业总产值、产业增加值、产业利润总额、产业税收总额和产业年均就业人数;产业自主创新力方面的指标包括:产业自主专利拥有率、产业自主品牌拥有率、产业新产品销售收入率、产业R&D投入率和产业技术消化引进费用率。在遵循客观性、可操作性、可比性、有代表性等原则的基础上, 根据产业评价的“三力”概念模型, 本文设计了产业评价的指标体系 (如表1所示) 。

4 结 论

产业国际竞争力、产业效益贡献力和产业自主创新力是支撑和推动产业发展的三个关键因素, 选用“三力”作为产业评价的3个要素, 是即符合国家的产业发展定位, 也符合我国产业发展的实际情况。本文初步构建了产业评价的“三力”模型, 并在“三力”模型的基础上建立了产业评价的指标体系。下一步的研究工作将进一步优化产业评价的“三力”模型结构, 重点完善评价指标体系, 并将产业评价的“三力”模型及评价指标运用到实证研究中。

摘要：本文从产业发展的国家政策定位和产业之间的差异度两个方面分析了我国产业发展的现状, 发现产业效益贡献力、产业国际竞争力和产业自主创新力 (简称:三力) 最能体现和评价我国产业发展的实力, 在此基础上提出和构建了产业评价的“三力”模型, 深入分析了产业效益贡献力、产业国际竞争力和产业自主创新力的内涵。最后, 在“三力”模型的基础上构建了产业评价的指标体系。

关键词：产业效益贡献力,产业国际竞争力,产业自主创新力,产业评价

参考文献

[1].迈克尔.波特.国家竞争优势[M].北京:华夏出版社, 2002

[2].迈克尔.波特.竞争论[M].北京:中信出版社, 2003

[3].金碚.竞争力经济学[M].广州:广东经济出版社, 2003

[4].金碚.产业国际竞争力研究[J].经济研究, 1996, (11)

[5].刘爱雄.产业集群竞争力评价[J].科技管理研究, 2007, (2)

[6].汪秀婷, 胡树华.面向自主发展的产业技术创新平台的构建[J].科学学与科学技术管理, 2007, (2)

绿色产业评价模型 篇7

绿色供应链广义上指的是要求供应商其产品与环境相关的管理,亦即将环保原则纳入供应商管理机制中,其目的是让本身的产品更具有环保概念,提升市场的竞争力。目前大家所谓的绿色供应链,则大都指进入21世纪后,欧盟所倡议绿色产品所造成的供应链效应[1]。在建立绿色供应链过程中一个重要的环节是如何选择最合适的有竞争力的合作伙伴,因此对绿色供应商的评价是绿色供应链管理的一个核心内容。

由于影响绿色供应商评价和选择的因素很多,其中往往含有非定量的因素,且各因素之间是复杂的非线性关系,一些传统的绿色供应商评价方法如主成分分析法[2]、层次分析法[3]等,在评价结果上易造成偏差和精度不够。也有学者利用各种类型的神经网络,比如BP神经网络对供应商评价和选择进行研究[4],较传统方法虽有较高的精确度,但由于BP神经网络收敛速度慢、易陷入局部最优,获得的结果仍难以令人满意,原因是由于供应商评价指标较多,指标间有冗余信息,全部作为神经网络的输入层,易造成网络结构复杂、训练速度慢、效率低、评价精度不高等问题。针对以上问题,本文采用改进的属性约简算法对指标体系进行约简,找出主要的评价指标,再利用径向基函数神经网络,采用三层神经元的量化评价方法对绿色供应商评价数据学习训练,得到最终的评价结果。Matlab7仿真表明,同其他单模型相比,该模型运算速度更快、评价误差更小,是一个可行的评估方法,使评价更加合理,评价精度更高。

2 基于RS-RBF神经网络的绿色供应商评价模型

2.1 绿色供应商评价指标体系构建

绿色供应商评价与选择是以绿色供应链管理的理念为中心展开的。只有在分析现有供应商评价体系的基础上所建立的绿色供应商评价指标体系,才能满足供应链中经济、环境和社会三者综合绩效最大化的目标[5]。目前已有很多学者在供应商评价指标体系方面做了很多研究,比如解敏等[2]从最大化供应链绩效的目标出发,遵循系统性、完整性、可行性原则,建立了以技术水平、经营能力、服务水平三个一级指标及相应的9个二级指标的评价体系;李德庆等[3]提出了以环境管理绩效指标构建评价与选择的指标体系,从环境管理绩效、经济、生产能力、服务、供货五个方面出发进行供应商评价;罗新星等[6]从产品因素、环境因素、组织因素出发构建了供应商评价指标体系。但学术界对绿色供应商评价与选择问题研究的角度和理论不是唯一的,任何一篇论文不可能涵盖供应商评价的全部内容。本文在参考相关文献的基础上[5,6,7,8,9],以绿色供应链理论为切入点,将可持续发展理念与经济、环境结合,综合考虑环境因素对评价的影响,确定的绿色供应商评价指标体系见图1。该评价体系中,商业指标中的产品质量靠合格率来定量测量;产品价格通过实际数据衡量;供应能力通过供应商产量达到企业需求比例衡量,最高值为1;发展能力采用供应商企业的收益增长率、投资增长率、市场占有率三项和均值来衡量;服务能力通过满意率计分法测量。环境指标下有三个二级指标:污染产生、污染控制、资源消耗。污染产生通过单位产品污染废弃物的排放量衡量;污染控制通过技术、经济及法律等管理手段和方法定性测量;资源消耗通过单位产品的能源消耗成本来量化。社会指标主要通过定性来测量。

2.2 基于RS的改进属性约简算法约简指标

基于粗集的改进属性约简算法能够很好地实现属性约简,对RBF数神经网络的输入数据进行预处理,可简化网络的输入层,加速训练过程。本文即采用此方法对绿色供应商评价指标体系中的指标进行约简以减少后期数据处理的复杂性。粗糙集(RS)理论是由波兰数学家Z.Pawlak于1982年提出的,该理论是一种刻画不完整性和不确定性的数学工具,能有效地分析和处理不精确、不一致、不完整等各种不完备信息,并从中发现隐含的知识,揭示潜在的规律[10][11]。目前已有学者使用粗集理论中的基于分辨矩阵的属性约简算法对评价指标进行约简,但是该算法随着问题规模增大时,存放分辨矩阵的空间和算法执行时间的代价都很大。针对此问题,笔者采用的改进属性约简算法是依次计算每个属性的属性重要度,将sigx(x)≠的属性加入到约简中,最终得到一个约简[12]。

设X⊆C是一属性子集,x=C为一属性,记x对于X的属性重要度为sigx(x),其定义为:undefined,其中:│X│表示│IND(X)│。当属性x对于X不重要时,sig(x)=0。算法描述如下:

输入:信息系统S

输出:一个约简,使用RED(x)表示

步骤:RED(x)=Ф

2.3 运用RBF数神经网络训练评价数据

径向基函数[13](Radial Basic Function)是由Moody和Darken于20世纪80年代末提出的,它是一种将输入矢量扩展或者预处理到高维空间中的神经网络学习方法,其结构十分类似于多层感知器(MLP)径向基函数神经网络,是一种性能优良的网络,尤其在收敛速度上,有着BP网络无法比拟的优势。径向基函数网络的基本结构由三层组成:输入层、隐层和输出层,其网络一般结构如图2所示[13]。在实际应用中,根据具体情况来确定各层的结点个数。

在指标约简后,利用RBF神经网络训练数据、评价结果的步骤如下:

第一步,网络设计。RBF数神经网络是一种三层前向网络,由输入层、隐含层和输出层构成。输入层的结点数取约简后的指标个数;隐层结点由像高斯函数那样的辐射状作用函数构成;输出是隐单元输出的线性加权和,学习速度加快。RBF神经网络的学习方法采用自组织选取中心算法[14]。该算法的第一步是自组织学习阶段,求解隐含层基函数的中心与方差;第二步是有导师学习阶段,求解隐含层到输出层之间的权值。其中将高斯函数作为径向基函数:undefined;网络的输出为:undefined。

自组织选取中心算法过程如下:

a.基于K-均值聚类方法求取基函数中心

①网络初始化:随机选取h个训练样本作为聚类中心ci(i=1,2,…,h);

②将输入的训练样本集合按最近邻规则分组:按照xp与中心为ci之间的欧氏距离将xp分配到输入样本的各个聚类集合∂p(p=1,2,…,P)中;

③重新调整聚类中心:计算各个聚类集合∂p中训练样本的平均值,即新的聚类中心ci,如果新的聚类中心不再发生变化,则所得到的ci即为RBF神经网络最终的基函数中心,否则返回②,进入下一轮的中心求解。

b.求解方差

RBF神经网络的基函数选高斯函数时,方差可由下式求解:

undefined

式中camx为中所选取中心之间的最大距离。

c.计算隐含层和输出层之间的权值

隐含层至输出层之间神经元的连接权值可以用最小二乘法直接计算得到,计算公式如下:

undefined;h

第二步,网络训练。对收集的样本做归一化处理后,利用Matlab7对RBF神经网络进行训练,以及对数据进行有效性验证。

第三步,网络评价。选取检验样本对模型的性能进行评价验证。

3 基于RS-RBF神经网络模型的算例分析及仿真实现

选取某企业的某种原材料的15家供应商,针对绿色供应商评价指标体系,组织专家调研,确定条件属性C和决策属性D,将其中的11家供应商评价数据形成评价的学习样本集见表1。这些数据将用来作为RBF神经网络训练的数据,剩余的4家供应商评价数据将用来作为验证数据。

对该数据样本集进行离散化处理,决策属性D中的“优”、“良”、“中”、“差”分别采用3、2、1、0表示。条件属性C中,产品价格、污染产生及资源消耗三个指标为成本型指标,数据评价越小越好,其他为效益型指标,数据评价越大越好。产品质量C1合格率在95%-100%的离散化为3、90%-95%的离散化为2、85%-90%的离散化为1、80%-85%离散化为0;产品价格C2在270以上的为0、260-270的为1、250-260的为2、240-250的为3;供应能力C3在0.9-1的为3、0.8-0.9的为2、0.7-0.8的为1;发展能力C4在0.23-0.25的为3、0.20-0.22的为2、0.17-0.19的为1;服务能力C5在90%以上为3、80%-90%为2、70%-80%为1、60%-70%为0;污染产生C6在0.1以内的为3、0.1-0.2的为2、0.2-0.3的为1、0.3-0.4的为0;资源消耗C8在500-600的为3、600-700的为2、700-800的为1、800以上为0;其他指标C7、C9、C10、C11中的好为3、一般为2、差为1。离散化后的决策表如表2所示。

采用RS-RBF神经网络对绿色供应商进行综合评价时,首先采用改进的属性约简算法对该表数据进行约简,得到约简集 ,作为径向基函数神经网络的输入层。由于最终评价结果只能是“优”、“良”、“中”、“差”中的某一种,因此RBF神经网络的输出层结点数定为1。用Matlab7建立三层径向基函数神经网络[15],输入层神经元为6个,输出层神经元为1个,隐含层节点个数为12个,将表2的约简后的6个评价指标 对应的样本数据对RBF神经网络进行训练。再从实例数据中选取剩余的4组没有参加训练的样本作为测试样本,检验该模型的精度。为了进一步表明该混合模型的优越性,笔者作了与之对比的BP神经网络设计,以及未进行粗集约简的径向基函数神经网络设计,通过实验,三种网络所得的训练结果如表3所示。

从表3可以看出,采用粗集-径向基函数神经网络模型的输出值与实际值之间的误差较BP神经网络和径向基函数神经网络的误差更小,结果更满意。而且,在仿真过程中,该混合模型使用的时间最短,训练的次数也最少。这说明,基于粗集的改进约简算法有效地减少了样本数据冗余,改进了网络的泛化能力和精度,同时径向基函数神经网络比BP神经网络训练速度更快,在模型设计上也更加简洁,并达到了更好的预测效果。

4 结束语

绿色产业评价模型 篇8

关键词：产业安全,模糊群决策,二次收敛,权重

引 言

在对煤炭产业安全进行定量评价的过程中, 指标权重的确定是影响评价结果科学性和可靠性的最关键因素之一。目前在产业安全评价领域确定指标权重的方法基本有两种:一种是客观赋权, 即利用各指标间的相关关系或各项指标值的变异程度来确定权重, 如文献[1,2,3,4]应用了主成份分析、DEA、熵等方法确定产业安全评价指标权重[1,2,3,4]。这种方法最大的优点是能避免人为因素的影响, 但其准确性很大程度上取决于评价样本的数量。对于产业安全评价而言, 一般是做年份之间的纵向评价, 所以评价样本的数量相对不多, 因此应用客观赋权方法有一定局限性;另外一种是主观赋权法, 多是采用专家评分的定性方法, 这种方法可以充分利用专家知识, 目前在产业安全领域主要是应用该方法[5]。对于专家群决策方法, 如何解决专家离异值和权重描述的模糊性是提高其准确性的关键所在。

本文针对以上问题, 在确定煤炭产业安全指标权重时以三角模糊数的形式给出专家评价值, 同时运用集中度和相似度两个原则对专家意见进行二次收敛, 充分淘汰离异程度大的专家意见, 然后计算其它决策者的相对一致度, 从而对传统的一致性程度仅由专家相似度来确定的方法进行了改进, 尽可能地降低了专家意见的随意性和主观性。

1 煤炭产业安全评价指标体系

在分析煤炭产业相关评价和其它产业安全评价指标的基础上, 本文初步拟定了32项指标, 然后运用相关性分析和粗糙集理论两种方法进行筛选, 最终确定了15项指标, 见表1。

2 基于二次收敛的模糊群决策模型

2.1 基于三角模糊数的模糊群决策问题描述

本文在通过专家确定权重时设置了五级语言变量, 分别是:意义不大、应考虑、重要、很重要、极重要, 它们相对应的三角模糊数分别是 (0.0, 0.0, 0.3) , (0.0, 0.25, 0.5) , (0.3, 0.5, 0.7) , (0.5, 0.75, 1) 和 (0.7, 1, 1) [6]。

这样, 本文的决策问题可以描述为:有m个决策者Ej (j=1, 2, …, m) 组成一个多人决策群体, 其决策空间为X={x1, x2, …, xn}, 也就意味着有n个评价指标。Ej对方案xi (i=1, 2, …, n) 的评价为Aij= (aij, bij, cij) (i=1, 2, …, n;j=1, 2, …, m) 。于是m个决策者对n个方案的所有模糊评价值可更直观地用模糊决策矩阵A表示:

2.2 基于二次收敛技术的群集结方法

应用专家群决策方法的最关键问题是解决离异值, 即部分专家的意见与其它决策者的意见相差过大。如果将这部分专家的意见集结到群体意见中, 则会影响到群体评价结果的正确性。这种群体的不一致性主要有两种表现形式:相似性和集中性。大多数群决策研究在分析群体不一致时只考虑了相似性, 而忽略了集中性对群体一致性的影响。有文献明确指出个体意见如果不集中也会对群体一致性产生影响[7]。因此, 为了使群体决策结果更加科学, 论文应用相似性原则和集中性原则对专家意见进行二次收敛, 淘汰离异程度比较大的专家意见, 然后对剩余专家的意见进行集结, 从而提高决策的准确性和科学性。

2.2.1 计算专家意见的集中度和相似度

(1) 集中度

首先计算所有决策者对方案xi评价值的平均值$\overline{\text{A}}$i。

$\overline{\text{A}}{}_{\text{i}}=\frac{1}{\text{m}}{\displaystyle \sum _{\text{j}=1}^{\text{m}}\text{A}}{}_{\text{i}\text{j}}(1)$

集中度是以Aij和$\overline{\text{A}}$i之间的距离d (Aij, $\overline{\text{A}}$i) 来衡量。

$\text{d}(\text{A}{}_{\text{i}\text{j}}‚\overline{\text{A}}{}_{\text{i}})=\frac{1}{3}\sqrt{\left(\text{a}{}_{\text{i}\text{j}}-\frac{1}{\text{m}}{\displaystyle \sum _{\text{j}=1}^{\text{m}}\text{a}}{}_{\text{i}\text{j}}\right){}^2+\left(\text{b}{}_{\text{i}\text{j}}-\frac{1}{\text{m}}{\displaystyle \sum _{\text{j}=1}^{\text{m}}\text{b}}{}_{\text{i}\text{j}}\right){}^2+\left(\text{c}{}_{\text{i}\text{j}}-\frac{1}{\text{m}}{\displaystyle \sum _{\text{j}=1}^{\text{m}}\text{c}}{}_{\text{i}\text{j}}\right){}^2}(2)$

由式 (2) 可知, d (Aij, $\overline{\text{A}}$i) 越小, 表示专家Ej对方案xi的评价值越接近于群体, 它的集中度就越高。

(2) 相似度

计算各专家意见矩阵间的相似系数Rij, 并由此组成相似系数矩阵R。

$\text{R}{}_{\text{i}\text{j}}=1-\sqrt{\frac{1}{3\text{n}}{\displaystyle \sum _{\text{k}=1}^{\text{n}}[}(\text{a}{}_{\text{i}\text{k}}-\text{a}{}_{\text{j}\text{k}}){}^2+(\text{b}{}_{\text{i}\text{k}}-\text{b}{}_{\text{j}\text{k}}){}^2+(\text{c}{}_{\text{i}\text{k}}-\text{c}{}_{\text{j}\text{k}}){}^2]}(3)$

式中Rij是专家i与专家j模糊语义矩阵的相似系数;Rij越小表示专家i与专家j模糊语义矩阵的相似程度越低。n是指标个数。

2.2.2 排除离异程度大的专家意见

(1) 集中度原则

根据集中度公式, 设置一致性集中指标如下:

$\text{d}(\text{A}{}_{\text{i}\text{j}}‚\overline{\text{A}}{}_{\text{i}})\le \text{ε}$

这表示专家Ej对方案xi的评价值与群体的距离要求小于或等于阀值ε。ε的大小根据不同群决策问题来确定。根据经验, 取ε=0.3。

(2) 相似度原则

目前应用于剔除相似程度小的专家意见的主要方法是聚类分析 (包括直接聚类、模糊聚类等) , 这类方法根据专家偏好矢量相似度对专家意见进行聚类分析, 计算比较复杂, 本文为此提出了一种同等精度, 但更加简单和直观的方法[8,9]。

$\text{Ρ}{}_{\text{j}}={\displaystyle \sum _{\text{i}=1}^{\text{m}}\text{R}}{}_{\text{i}\text{j}}(4)$

P= (P1, P2, …, Pm) T (5)

式中:Pj——相似系数矩阵中每行之和。

专家Ej的偏离程度Dj的计算公式为:

$\text{D}{}_{\text{j}}=\frac{\text{Ρ}{}_{\max }-\text{Ρ}{}_{\text{j}}}{\text{Ρ}{}_{\max }}\times 100％(6)$

式中:Dj——专家Ej的相似系数与最大相似值的偏离程度。

当Dj大于某一数值时, 则剔除该专家的相关评价。该数值是根据经验预设的参数, 一般取5%～10%, 本文取10%。

2.2.3 计算专家相对一致度

假设经过相似度和集中度筛选原则有n-h个决策者被剔除, 则剩余h个决策者的相似系数矩阵为:

P′= (P′1, P′2, …, P′h) T

为了便于比较, 将各决策者的一致度进行归一化处理, 得到决策者Ej的相对一致度Sj, 计算公式为:

$\text{S}{}_{\text{j}}={\text{Ρ}}^{\prime }{}_{\text{j}}/{\displaystyle \sum _{\text{j}=1}^{\text{h}}{\text{Ρ}}^{\prime }}{}_{\text{j}}(7)$

Sj越大, 则表明Ej的评价越能代表大多数决策者的意见, 因而在集结过程中的作用也越大。

2.3 解模糊处理

解模糊数的方法很多, 使用单一转换公式解模糊化时无法有效验证, 因此, Delgado等人建议选择多种解模糊化方法[10]。所以, 本文采用3种常用的解模糊化公式 (相对距离公式 (M1) 、中心值法 (M2) 以及重心值法 (M3) ) 来综合考虑将模糊数转换为明确值, 具体做法是将此3种解模糊化的结果加以平均, 求得综合解模糊值, 以S ($\tilde{\text{x}}$i) 表示如下:

$\text{S}(\tilde{\text{x}}{}_{\text{i}})=\frac{\text{Μ}{}_1(\tilde{\text{x}}{}_{\text{i}})+\text{Μ}{}_2(\tilde{\text{x}}{}_{\text{i}})+\text{Μ}{}_3(\tilde{\text{x}}{}_{\text{i}})}{3}$ (8)

3 煤炭产业安全评价

3.1 数据来源

数据的采集包括定量指标和指标权重, 定量指标的数据来源于《中国统计年鉴》、《中国煤炭统计年鉴》、《中国科技统计年鉴》等[11]。

指标权重采用了问卷调查。研究问卷采用了李克特 (Liken-type Scale) 5点量表, 每个题有从“意义不大”到“极重要”5种对该题的同意程度。调查对象分别是以商务部为主的相关政府工作人员、部分重点煤炭企业人员和行业协会工作人员以及高等院校相关领域的研究人员。调查共发放问卷75份, 回收57份, 其中有效问卷42份。

3.2 数据标准化

本文确定的15个评价指标有3种类型:效益型 (越大越好) 、成本型 (越小越好) 和区间型 (特征值在某一固定区间内为最好) 。为消除不同物理量纲对决策结果的影响, 对这3类指标按下列公式进行规范化处理[12]:

(1) 效益型:ri=ai/max (ai) ;

(2) 成本型:ri=min (ai) /ai;

(3) 区间型:

对于区间型指标的标准化, 首先要研究各个指标的固定区间[q1j, q2j]。本文中此类型指标包括国内煤炭供需比和产业进口 (出口) 依存度。对于国内煤炭供需比, 无论是供大于求或供小于求都不利于煤炭市场的稳定, 因此, 这个指标最佳值是1, 因此设这个最佳区间为[99.9%, 100.1%]。对于产业进口 (出口) 依存度, 论文根据1999～2009年我国煤炭工业进口 (出口) 对外依存度和1999～2009年主要煤炭国家进口 (出口) 对外依存度, 确定产业进口依存度和出口依存度的最优值区间分别为[0.2%, 0.5%]和[3%, 5%]。

3.3 指标权重的确定

首先根据专家对各指标的评价值得到各指标的三角模糊数, 然后根据论文给出的群集结方法将各专家意见进行综合, 再将集结后的各专家意见解模糊化后得到指标的评价值, 最后根据此评价值确定各指标权重。

下面以产业发展环境层次中的单位产值能源消耗强度、资本成本、劳动力素质和科技投入强度这4个指标作为示例说明计算过程:

3.3.1 评价语言模糊化

令x1、x2、x3、x4代表以上4个指标, Ej代表第j位专家意见, 将42位专家对指标值的描述转化为模糊数。

3.3.2 专家权重的确定

(1) 集中度原则

根据式 (1) 和式 (2) 计算每个专家意见与平均值的距离, 如表2所示。

按照集中度$\text{d}(\text{A}{}_{\text{i}\text{j}}‚\overline{\text{A}}{}_{\text{i}})\le 0.3$的原则, 距离大于0.3的专家被剔除。所以专家4、9、12、13、16、25、27、34和39被排除。

(2) 相似度原则

根据式 (3) 、 (4) 和式 (6) 计算各专家的偏离系Dj, 如表3所示。根据相似度Dj<10%的原则, 专家4、9、12、13、16、20、25、27、34、39、41和42被排除。

(3) 专家客观权重确定

结合集中度原则和相似度原则, 共12位专家意见被剔除, 剩余30位专家, 排除离异专家后重新计算专家相对一致度, 结果如表4所示。

(4) 指标权重的确定

根据上述步骤可得到其它层面煤炭产业安全评价指标的权重, 最终结果见表1。

3.4 综合评价

将标准化数据按照表1中的明细权重进行加权, 最终得到2000～2009年煤炭产业安全评价结果, 见图1。

由图1可以看出, 面对入世的压力和煤炭资源瓶颈等的约束, 由于国内经济快速发展及国内产业政策的调整等因素的影响, 我国煤炭产业不仅没有受到严重的冲击, 相反煤炭产业安全状况呈现出良好的发展态势。

图2显示了2000～2009年煤炭产业各子系统安全评价值的变化态势。

由图2可以看出, 煤炭产业市场状况呈现快速好转趋势, 煤炭产业发展环境和煤炭产业对外贸易状况基本呈现好转的趋势, 煤炭资源安全呈不断恶化的态势。煤炭资源安全形势不断恶化, 主要是由于煤炭资源的过度开采、资源破坏和浪费严重。煤炭产业市场状况之所以有了很大的改善, 主要是由于在国家继续扩大内需政策和近几年来国家对煤炭行业实行关井压产等一系列调控政策的持续作用下, 煤炭经济运行态势好转, 经济运行质量提高。

4 结 论

论文采用模糊群决策方法确定煤炭产业安全评价指标权重, 并据此对2000～2009年的煤炭产业安全状况进行评价与分析, 结果表明我国煤炭产业不仅没有受到严重的冲击, 相反煤炭产业安全状况呈现出良好的发展态势。

目前论文尚待进一步研究的内容是如何解决以商务部为主的相关政府工作人员、煤炭行业相关人员和高校相关领域的研究人员等不同领域专家对权重评价的集结作用。

参考文献

[1].刘殿国, 许芳.基于熵权修正层次分析权的医药产业安全度的生态学评估[J].生态经济, 2009, (2) :53-57

[2].何维达, 贾立楞.基于DEA模型的中国纺织产业安全评价与分析[J].统计分析与决策, 2008, (13) :87-90

[3].金成晓, 俞婷婷.我国产业安全监测预警指数的构建及其应用[J].吉林大学学报 (社科版) , 2009, (4) :125-128

[4].何维达, 吴玉萍.煤炭产业安全评价研究及实证分析[J].商业研究, 2007 (4) :57-86

[5].吴玉萍.“十一五”期间中国煤炭产业安全分析与定量估算[J].软科学, 2007, (2) :34-38

[6].梁熊立, 王国华.一种群决策中确定专家判断可信度的改进方法[J].系统工程, 2004, (6) :91-93

[7].赵亮, 薛质.基于变精度粗糙集的多属性群决策信息系统安全评估[J].上海交通大学学报, 2009, 43 (7) :1161-1164

[8].周晓光, 张强.模糊群决策中专家意见的汇总研究[J].北京理工大学学报, 2009, 26 (10) :936-936

[9].刘蓉, 陈晓红.新的大群体一致性学习修正决策方法[J].系统工程与电子技术, 2008, 30 (5) :847-850

[10].Delgado H..Fuzzy integral action in model based con-trol systems.Second IEEE International Conference on Fuzzy Sys-tems, 2003, (1) :172-176

[11].徐泽水.不确定多属性决策方法及应用[M].北京:清华大学出版社, 2004

高新技术产业化项目评价模型的构建 篇9

关键词：高新技术产业化项目,产业基础,专利组合分析,市场吸引力,评价模型

0 引言

“十二五”期间，全球经济面临着新的挑战，各国都将发展高新技术产业作为重要的战略规划。为了抢占经济制高点、争创新优势，我国从“向科学进军”到“科学技术是第一生产力”，从“科教兴国”到“建设创新型国家”，党和国家始终把转方式、调结构作为在新一轮竞争中的重大战略举措，将科学技术摆在战略地位，强化各地区高新技术产业发展，而选准高新技术产业化项目成为高新技术产业发展的至关重要的一步。通过构建科学、客观的评价模型对高新技术产业化项目作出有效的评价与选择就成了目前亟待解决的问题。

高新技术产业化项目评价，可通过定性和定量的方法结合进行。目前比较常用的评价方法有同行评议法、德尔菲法、经济评价法和模糊综合评价法[1]等。总结目前国内研究多是从企业和风投公司等微观主体角度来评价高新技术产业化项目，多采用经济指标，注重风险分析，忽略市场指标，技术指标，且目前还没有一个客观量化的评价方法，真正从区域和产业等宏观主体角度来评价、规划项目，综合将技术、市场和产业指标共同纳入评价体系的几乎没有。本文针对目前高新技术产业化项目评价研究中存在的问题，建立出专利-产业-市场一体化组合模型对高新技术产业化项目进行评价，采用专利组合分析的方法衡量出各项目的相对技术实力，最终从区域政府组织的角度筛选出既符合该区域高新技术主导产业的发展要求，又具有广阔的市场前景和技术竞争优势的高新技术产业化项目，为政府决策提供参考。

1 高新技术产业化项目评价体系的构建原则

1.1 从我国科技信息资源的占有量出发

本文以我国科技信息资源的占有量为出发点，以我国的专利文献数据库为信息来源，从专利组合分析的角度对项目的相对技术实力进行测度；对项目的产业基础进行评价，数据主要来源于国家及地方的统计年鉴，本文构建的评价指标体系充分建立在我国科技信息资源占有量的基础之上。

1.2 客观评价为主、经验判断为辅

高新技术产业化项目评价体系中的指标大多采用定量指标，以避免以往评价主观臆断为主的缺陷，但在确定各项目的相对产业基础各指标的权重时，需辅助利用层次分析法进行经验判断。

1.3 兼顾区域内政府、企业各组织的需求

本文构建的高新技术产业化项目评价体系，兼顾了区域内相关科技、发改等部门的现实需求，既注重项目的技术质量，也考虑项目的产业基础和市场需求情况，符合各级组织关注的项目评价的审查要点。

2 高新技术产业化项目评价体系的建立

2.1 衡量高新技术产业化项目相对技术实力各指标的确立

本文立足于我国专利文献数据库中提供的数据信息，依据科学、客观和实用的原则设计了一套适合我国国情的高新技术产业化项目评价相对技术实力的专利组合分析评价指标体系。在指标体系中分别采用发明专利份额指标和相对专利平均维持年限两项指标代替德国学者霍尔格·恩斯特(Holger Ernst)[2]专利组合分析指标体系中的国际范围和引用频率两项指标，以能够有效地从专利的角度对我国的高新技术产业化项目的技术水平进行评价。具体的计算过程如下：

(1)首先检索出某一时期内某技术领域内的所有专利，建立专题数据库，筛选出符合项目特征的目标数据，采用数据挖掘技术对原始专利数据进行处理。

(2)在掌握各指标含义及计算方法的基础上，计算出各数量类和质量类指标。

(3)确定各质量类指标的权重，将各指标值进行加权求和，求出平均专利质量的值，进而求出专利效能和基于专利效能的技术份额。

(4)确定出该技术领域内最高区域的专利效能的值，将i区域的专利效能与其相比，将技术份额转换成0-1之间的值即可计算出该区域在该技术领域的相对技术份额。

2.2 高新技术产业化项目相对产业基础各指标的确定

相对产业基础条件的衡量是从区域范围选择高新技术主导产业必不可缺的因素，它关系到未来产业的竞争力和发展潜力，且各地区都具有自身的资源禀赋，若不衡量产业的基础条件，盲目趋同，势必造成资源浪费，对地区的产业发展不利。本文确定的衡量高新技术产业化项目相对产业基础的指标主要包括衡量项目主导产业基础条件、主导产业竞争力和主导产业增长潜力三大类指标，具体计算时，可结合《国民经济行业分类与代码》中的行业分类标准，通过计算各个高新技术产业化项目在所隶属产业的各综合指标的值来确定。

主导产业基础条件的衡量主要从项目所属产业的产值规模、资金规模、从业人员规模和产业的规模效应4个方面来确定；主导产业竞争力指标主要是通过市场占有率、产业专业化水平、比较劳动生率和资金利税率4个指标加权得出；主导产业增长潜力的确定则主要是通过结合需求收入弹性、产业增长率和产品销售率3方面指标来综合确定的。在计算出上述指标后，采用层次分析法确定出各指标的权重，最终将各指标加权相加即可得出各项目的相对产业基础指标。

2.3 高新技术产业化项目市场吸引力指标的确定

目前反映高新技术产业化项目市场吸引力的最主要的综合指标是项目的销售增长率[4]。某一项目产品的市场吸引力大，则其销售增长率高；反之，销售增长率低。本文对各备选项目的高新技术产业化项目的市场吸引力进行计算，由于目前公开文献缺少相关高新技术产品销售市场等方面的数据统计，而采用专家评估法又存在一定的时滞性和主观性，所以在计算时主要通过项目所属产业的销售增长率来代替项目产品的销售增长率。

3 高新技术产业化项目评价模型的构建

3.1 专利-产业-市场一体化组合模型的建立

本文在建立出高新技术产业化项目评价指标体系的基础上，构建出专利-产业-市场一体化组合模型对各项目进行具体的分析，模型图如下图1所示。

在专利-产业-市场一体化组合模型中，横坐标由高新技术产业化项目的相对技术份额和相对产业基础两个维度组成，二者均可通过高新技术产业化项目评价指标体系中的各指标得出；纵坐标代表项目所属产业的市场吸引力，具体计算时采用其销售增长率来衡量。另外，由相对产业基础、相对技术份额和市场吸引力三维度组成了产业-市场和技术-市场两独立的象限：在产业-市场象限内各项目圆圈的大小（即项目的“产业重点”）代表其所隶属产业对区域总产值的贡献情况，圆圈越大，贡献越大，反之则越小，具体用项目所属产业的产值规模除以所有高新技术产业化项目所隶属产业的总产值规模来表示；在技术-市场象限内各项目圆圈的大小（即项目的“技术重点”），具体用某一高新技术产业化项目的专利申请量与区域内所有高新技术产业化项目的专利申请总量的比值来表示。

3.2 对专利-产业-市场一体化组合模型中各模块的分析及相应的对策分析

上图中，从相对产业基础和相对技术份额来看，项目1与其他项目相比具有绝对的优势，且市场吸引力也较强，同时属于区域中的技术重点项目和产业重点项目，可给予优先的支持；

从项目的技术重点来看，项目2在技术-市场象限内的圆圈较大，且项目的市场前景较广阔，相对产业基础实力雄厚，但相对技术份额的值相对较低，若能加大技术创新力度，则可考虑列入产业化范围之内；

从市场吸引力指标来看，项目3具有较强的市场竞争力，且相对技术份额较高，兼顾相对产业基础和技术重点、产业重点看，项目4与项目3的各项实力相当，在此种情况下，项目3明显比项目4更具发展潜力；

综合各指标因素看，项目5除占有较高的相对技术份额外，在相对产业基础、市场吸引力等方面均处于明显劣势，投资者进行投资需谨慎行事，若判断其为未来极具发展潜力的项目，可持续进行技术开发，积极开拓市场，若判断其前景无望，则应予以放弃该项目。

4 结语

本文从专利组合分析的角度对高新技术产业化项目的相对技术实力进行定量分析，且采用可视化的分析模型框架，可实现区域内政府组织等对各高新技术产业化项目进行全面的评估，也为各风投公司、和高新技术产业部门等提供指导。但由于数据获取来源的限制使得各项目所属细分行业的数据难以得到，在计算各项目的相对产业基础时只能使用项目所属产业的数据来代替，这可能给最后的评价结果带来一定的误差。

参考文献

[1]李京.国内外政府科技计划项目管理模式的比较分析[J].煤炭经济研,2005(5):14-17.

[2]Ernst,H.“Patent portfolios for strategic R&D planning”.Journal of Engineering and Technology Management.1998,15(4):279-308.

[3]于晶晶,谭思明.专利组合分析评价指标体系的构建[J].现代情报,2009(12):152-155.

[4]楚尔鸣,李勇辉.高新技术产业经济学[M].北京:中国经济出版社,2005.

[5]陈立新等.高新技术项目评价指标体系实证分析[J].工业技术经济,2006(3):58-60.

[6]王世波,王世良.高新技术风险投资项目评价的AHP模型[J].科技管理研究,2004(1):106-108.

[7]王玲等.基于中国创新实践的专利组合理论体系研究[J].科学研究,2007(3):546-550.

[8]靳霞等.基于专利信息的专利战略决策支持研究[J].科技和产业,2005(11):57-59.

[9]李建蓉.专利文献与信息[M].北京:知识产权出版社,2004.