CN106845767A - 一种行业科技发展力量化评估方法与评估系统 - Google Patents
一种行业科技发展力量化评估方法与评估系统 Download PDFInfo
- Publication number
- CN106845767A CN106845767A CN201611165210.1A CN201611165210A CN106845767A CN 106845767 A CN106845767 A CN 106845767A CN 201611165210 A CN201611165210 A CN 201611165210A CN 106845767 A CN106845767 A CN 106845767A
- Authority
- CN
- China
- Prior art keywords
- index
- industry
- technology
- science
- development
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000005516 engineering process Methods 0.000 title claims abstract description 88
- 238000011161 development Methods 0.000 title claims abstract description 57
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000011156 evaluation Methods 0.000 claims abstract description 18
- 238000012417 linear regression Methods 0.000 claims abstract description 14
- 238000011160 research Methods 0.000 claims description 24
- 238000012827 research and development Methods 0.000 claims description 20
- 230000001502 supplementing effect Effects 0.000 claims description 11
- 238000009826 distribution Methods 0.000 claims description 9
- 238000012356 Product development Methods 0.000 claims description 7
- 230000002860 competitive effect Effects 0.000 claims description 7
- 238000004519 manufacturing process Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 239000000428 dust Substances 0.000 claims description 5
- 238000005265 energy consumption Methods 0.000 claims description 5
- 239000004071 soot Substances 0.000 claims description 5
- 238000005303 weighing Methods 0.000 claims description 5
- LQERIDTXQFOHKA-UHFFFAOYSA-N nonadecane Chemical compound CCCCCCCCCCCCCCCCCCC LQERIDTXQFOHKA-UHFFFAOYSA-N 0.000 claims description 4
- 238000013456 study Methods 0.000 claims description 4
- 238000013480 data collection Methods 0.000 claims description 2
- 230000008676 import Effects 0.000 claims description 2
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 claims 8
- 238000006243 chemical reaction Methods 0.000 claims 2
- 239000002910 solid waste Substances 0.000 claims 2
- 239000002351 wastewater Substances 0.000 claims 2
- 238000013139 quantization Methods 0.000 abstract description 2
- 238000005065 mining Methods 0.000 description 5
- 238000011158 quantitative evaluation Methods 0.000 description 5
- 239000003245 coal Substances 0.000 description 4
- 238000005406 washing Methods 0.000 description 4
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000006641 stabilisation Effects 0.000 description 2
- 238000011105 stabilization Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000010882 bottom ash Substances 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000000567 combustion gas Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种行业科技发展力量化评估方法与评估系统。本发明方法包括构建评估指标体系、数据采集、评估建模以及结果输出这四个步骤，有关评估建模有多元线性加权和多元线性回归两种实现方式，其中基于多元线性回归方式，可进一步采用逐步回归与回归诊断的方式建立更加优化的模型。更优选地，本发明可对指标体系所采集的数据进行补全，并采用皮尔森相关系数对具有相同物理意义的指标进行删除，进一步优化参数。本发明提出客观有效的评估指标体系，实现用量化方法评价我国国民经济行业的科技发展力水平。
Description
技术领域
本发明涉及计算机领域，具体涉及一种利用计算系统实现行业科技发展力量化评估的方法和系统。
背景技术
行业科技发展水平评估是正确认识促进科学技术发展的重要手段。国外的科技评价主要关注国家整体竞争力的评估，其中所包含的科技评估部分各具特色，有的注重绩效、有的重视体制与政策影响、有的考量科技发展整体过程、有的专注科技创新活动。IMD和WEF从衡量国家的综合国力方面考虑非常周全，指标多达数百，但也存在指标间意义重叠且根据统一的权重计算、评价结果的简单相加等问题。OECD相比之下提供更为准确和全面的衡量科技发展的指标，但其指标设计更多围绕的是OECD成员国的经济发展特点而制定，对于我国当前的经济和科技发展状况，其大部分经济和科技衡量指标和统计口径尚不匹配。
国内产业竞争力研究最具影响力的是赵彦云教授，在《中国科技国际竞争力评析及展望》一文中，他完全采纳了IMD(1999年)的指标体系中涉及于科技的部分。金碚研究员为首的中国社会科学院竞争力研究课题组，在《中国工业国际竞争力——理论、方法与实证研究》中建立了一个比较清晰的产业竞争力分析的理论模型。
国内外的研究大都注重所有产业的国际综合竞争力，关于行业科技发展力的评估指标过于笼统，无法进行量化的评估，很难将不同行业科技发展力进行比较。现有技术对于行业科技发展力的评估指标不够全面，指标之间存在物理意义重叠，无法客观、全面地评价行业的科技发展力水平；此外，由于影响科技发展力的因素众多，指标体系复杂，现有技术无法实现对多个国民经济行业的科技发展特征的多维度定量评估。
发明内容
针对现有技术的不足，本发明所要解决的技术问题是提供一种利用计算机来实现量化评估我国国民经济主要行业的科技发展水平的方法和系统，通过构建一个完整的评估指标体系，以计算机系统进行建模和参数优化，实现对行业科技发展力的全面量化评价。
本发明采用的技术方案如下：
一种行业科技发展力量化评估方法，其特征在于包括如下步骤：
(1)构建评估指标体系：所述指标体系包括行业科技环境、行业科技投入、行业科技产出、行业核心竞争与行业社会经济影响五大模块，以及附加模块，每个模块包括一级指标与二级指标，具体指标如图1所示：
(2)数据采集：对每项指标采集相应数据；
(3)评估建模：采用多元线性加权或多元线性回归的方式进行建模；
(4)计算得出行业科技发展力评估值。
作为优选，步骤(2)数据采集步骤之后，还进一步包括数据补全步骤和/或参数优化步骤。
数据补全步骤是通过数据拟合或插值的方式，数据拟合曲线既能反映数据的总体分布，又不至于出现局部较大的波动，更能反映被逼近函数的特性，使求得的逼近函数与已知函数从总体上来说其偏差达到最小，数据拟合要求得到的近似函数更能反映数据的基本关系，在某种意义上更具有实用价值，作为优选，可采用基于线性拟合方式来完成数据补全。
参数优化步骤是为了将反映相同物理意义的指标删除，防止指标被重复计算，影响评价结果。本发明通过计算指标两两之间的皮尔森相关系数，发现相关指标，来对体系中的指标进行精简。皮尔森相关系数也叫皮尔逊积矩相关系数，是统计学中常用的一种线性相关系数，它是一种可以反映两个变量线性相关程度的统计量，其值介于-1与1之间。在经济学与社会学统计中，如果两个变量相关系数的绝对值大于0.9，则可以认为它们之间存在非常强的线性相关性。根据每个指标在模块中的分布情况，以及指标的重要程度，本发明在建模过程中移除反映相同物理意义的指标。
作为优选，所述步骤(3)中多元线性加权的建模方式包含如下步骤：
(a)对采集的指标数据进行归一化处理，对于每个行业i的指标j，即xi,j，其归一化函数为其中Ni是行业的个数，是指标j的均值，对于变量xi首先减去该类型变量的均值这个过程叫做居中化，让后再除以该类型变量的居中化后的标准差，由于标准差的量纲与居中化以后变量的量纲相同，因此经过归一化处理后的变量是无量纲的；
(b)确定评估指标的权重值，指标j的指标系数由指标权重γj与模块权重δj共同决定：βj＝δj×γj，
模块权重δj，根据专家评估确定指标体系中五大模块的权重；
指标权重γj，采用指标归一化后的均标准差作为衡量每个指标重要性的参数，
(c)采取多元线性加权的方式进行行业科技发展水平的评估：
针对行业i，其科技发展水平ISTDi＝β1f(xi,1)+β2f(xi,2)+…+βJf(xi,J)，其中J为指标总个数，ISTDi为行业i的行业科技发展力评估值。
作为优选，所述步骤(3)中多元线性回归的建模方式包含如下步骤：
(a)建立多元回归方程：ISTDi＝b0+b1F1i+b2F2i+…+bnFni+ei，其中ISTDi为行业i的行业科技发展力评估值；
F1i、F2i……Fni是行业i某一年的指标值；
b0，b1，……bn为自变量的回归系数，其中b0为截距；
ei是残差，所有ei独立同分布，且ei～N(o,s2)。
(b)对三类指标分别进行自变量预处理，对第一类指标采用取以10为底对数方式进行处理，对第二类指标采用取以2为底对数方式进行处理，对第三类指标采用平方的方式进行处理；所述第一类指标包括从业人员学历结构、国内授权发明专利产出率、中文核心期刊论文产出率、综合能耗产出率、烟尘排放率、粉尘排放率，所述第二类指标包括国内发明专利申请、国内专利申请、科研仪器设备配置、科研仪器设备人均配置、人均创新产出、新产品研发人均投入、人均研发经费，所述第三类指标为累计国内有效发明专利全国占比；
(c)在训练阶段，根据历史的ISTDi与F1,F2,…,Fn来计算b0,b1,…,bn,s2；
(d)在评估阶段，通过新的F1,F2,…,Fn与训练阶段获得的b0,b1,…,bn,s2，来计算ISTDi。
所述的历史ISTDi采用专家打分的方式或利用附加模块中的获奖数量产生历史的ISTDi。
基于所述多元线性回归的的建模方式，建立模型1，该模型采用指标体系中的所有指标，或采用参数优化步骤后的指标，作为模型自变量，利用所采集的数据计算得出b0,b1,…,bn,s2，进而得出相关行业科技发展力评估值。
作为优选，在所述模型1的基础上进一步采用AIC(Akaike's An InformationCriterion)信息量作为逐步回归的指标，通过不断去掉使得AIC下降最快的自变量，来建立新的回归模型，直到去掉任意一个自变量都无法使得新模型的AIC下降为止，得到模型2，利用所采集的数据，计算得出b0,b1,…,bn,s2，进而得出相关行业科技发展力评估值。
作为优选，在所述模型2的基础上进一步采用回归诊断的方式删除异常点，得到更加稳定的模型3，利用所采集的数据，计算得出b0,b1,…,bn,s2，进而得出相关行业科技发展力评估值。
本发明的第二个目的是提供一种行业科技发展力量化评估系统，包括指标体系模块、数据采集模块、评估建模模块和结果输出模块，其中：
所述指标体系模块用于指标体系的构建，所述数据采集模块基于指标体系模块中的每项指标进行相应的数据采集，采集后的数据导入所述的评估建模模块，进而由所述的结果输出模块输出行业科技发展力评估值；
所述指标体系模块包括行业科技环境、行业科技投入、行业科技产出、行业核心竞争与行业社会经济影响五大模块，以及附加模块，每个模块包括一级指标与二级指标，具体指标如图1所示。
所述评估建模模块采用多元线性加权或多元线性回归的方式进行建模；
所述结果输出模块计算输出行业科技发展力评估值；
作为优选，数据采集模块之后，还还进一步包括数据补全模块和/或参数优化模块。
数据补全步骤是通过数据拟合或插值的方式，数据拟合曲线既能反映数据的总体分布，又不至于出现局部较大的波动，更能反映被逼近函数的特性，使求得的逼近函数与已知函数从总体上来说其偏差达到最小，数据拟合要求得到的近似函数更能反映数据的基本关系，在某种意义上更具有实用价值，作为优选，可采用基于线性拟合方式来完成数据补全。
参数优化步骤是为了将反映相同物理意义的指标删除，防止指标被重复计算，影响评价结果。本发明通过计算指标两两之间的皮尔森相关系数，发现相关指标，来对体系中的指标进行精简。皮尔森相关系数也叫皮尔逊积矩相关系数，是统计学中常用的一种线性相关系数，它是一种可以反映两个变量线性相关程度的统计量，其值介于-1与1之间。在经济学与社会学统计中，如果两个变量相关系数的绝对值大于0.9，则可以认为它们之间存在非常强的线性相关性。根据每个指标在模块中的分布情况，以及指标的重要程度，本发明在建模过程中移除反映相同物理意义的指标。
作为优选，所述模块(3)中多元线性加权的建模方式包含如下步骤：
(a)对采集的指标数据进行归一化处理，对于每个行业i的指标j，即xi,j，其归一化函数为其中Ni是行业的个数，是指标j的均值，对于变量xi首先减去该类型变量的均值这个过程叫做居中化，让后再除以该类型变量的居中化后的标准差，由于标准差的量纲与居中化以后变量的量纲相同，因此经过归一化处理后的变量是无量纲的；
(b)确定评估指标的权重值，指标j的指标系数由指标权重γj与模块权重δj共同决定：βj＝δj×γj，
模块权重δj，根据专家评估确定指标体系中五大模块的权重；
指标权重γj，采用指标归一化后的均标准差作为衡量每个指标重要性的参数，
(c)采取多元线性加权的方式进行行业科技发展水平的评估：
针对行业i，其科技发展水平ISTDi＝β1f(xi,1)+β2f(xi,2)+…+βJf(xi,J)，其中J为指标总个数，ISTDi为行业i的行业科技发展力评估值。
作为优选，所述模块(3)中的多元线性回归方程的建模方式包含如下步骤：
(a)建立多元回归方程：ISTDi＝b0+b1F1i+b2F2i+…+bnFni+ei，其中ISTDi为行业i的行业科技发展力评估值；
F1i、F2i……Fni是行业i某一年的指标值；
b0，b1，……bn为自变量的回归系数，其中b0为截距；
ei是残差，所有ei独立同分布，且ei～N(o,s2)；
(b)对三类指标分别进行自变量预处理，对第一类指标采用取以10为底对数方式进行处理，对第二类指标采用取以2为底对数方式进行处理，对第三类指标采用平方的方式进行处理；所述第一类指标包括从业人员学历结构、国内授权发明专利产出率、中文核心期刊论文产出率、综合能耗产出率、烟尘排放率、粉尘排放率，所述第二类指标包括国内发明专利申请、国内专利申请、科研仪器设备配置、科研仪器设备人均配置、人均创新产出、新产品研发人均投入、人均研发经费，所述第三类指标为累计国内有效发明专利全国占比；
(c)在训练阶段，根据历史的ISTDi与F1,F2,…,Fn来计算b0,b1,…,bn,s2；
(d)在评估阶段，通过新的F1,F2,…,Fn与训练阶段获得的b0,b1,…,bn,s2，来计算ISTDi。
所述的历史ISTDi采用专家打分的方式或利用附加模块中的获奖数量产生历史的ISTDi。
基于所述的多元线性回归方程，建立模型1，该模型采用指标体系中的所有指标，或采用精简后指标体系中的指标，作为模型自变量，利用所采集的数据计算得出b0,b1,…,bn,s2，进而得出相关行业科技发展力评估值。
作为优选，在所述模型1的基础上进一步采用AIC(Akaike's An InformationCriterion)信息量作为逐步回归的指标，通过不断去掉使得AIC下降最快的自变量，来建立新的回归模型，直到去掉任意一个自变量都无法使得新模型的AIC下降为止，得到模型2，利用所采集的数据，计算得出b0,b1,…,bn,s2，进而得出相关行业科技发展力评估值。
作为优选，在所述模型2的基础上进一步采用回归诊断的方式删除异常点，得到更加稳定的模型3，利用所采集的数据，计算得出b0,b1,…,bn,s2，进而得出相关行业科技发展力评估值。
本发明的有益效果是：
(1)本发明通过构建完整的评估指标体系，用量化方法评价我国国民经济行业的科技发展水平，并针对各产业领域科技进步的个性和共性特征，提出客观、有效、全面的评估指标体系，从而实现多维度量化评估。
(2)采用多元线性加权与多元线性回归的方式进行建模，在建模和运算的过程中，对抽取的数据进行了归类和分析以及补缺等，在多元线性回归的基础上，比较了三种模型的特点和结果，不断优化模型，优选地采用回归诊断+多元线性回归+逐步回归的方式进行建模，实现了行业科技发展力的量化评估。
附图说明
图1为本发明中指标体系包括的具体指标图。
图2为本发明中煤炭开采和洗选业经数据补全后的数据图。
图3为本发明采用多元线性加权建模方式中指标权重值分布图。
图4为本发明32个行业大类科技发展力综合评分示意图。
具体实施方式
以下实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。
实施例1
根据《国民经济行业分类GB/4754-2011》划出的国民经济20个门类，96个大类，本实施例选取96个大类中的其中一类——“煤炭开采和洗选业”进行评估，但本发明中的行业科技发展力量化评估方法和系统适用于国民经济所有大类。
在“煤炭开采和洗选业”的量化评估中，首先构建评估指标体系，指标体系包括行业科技环境、行业科技投入、行业科技产出、行业核心竞争以及行业社会经济影响五大模块，以及附加模块，每个模块包括一级指标与二级指标，具体指标如图1所示，并采集2004年、2008年、2011年以及2012年相应指标数据。
数据补全，针对现有数据缺失部分，采用基于线性拟合的方式，完成数据补全，补全后的数据如图2所示，其中方格底部灰色部分的数据为补全数据。
参数优化，为了将反映相同物理意义的指标删除，防止指标被重复计算，影响评价结果。通过计算指标两两之间的皮尔森相关系数，发现相关指标，来对体系中的指标进行精简。根据每个指标在模块中的分布情况，以及指标的重要程度，移除以下指标：政府财政支持力度、自有科研机构密度、R&D人员密度、从业人员学历结构、国内发明专利申请、国内专利申请、产学研合作网络、研发劳务支出占比、科研仪器设备配置、科研仪器设备人均配置、累计国内有效专利量、新产品开发项目、创新研发密度。
采用多元线性加权的建模方式进行建模，包含如下步骤：
(a)对采集的指标数据进行归一化处理，对于每个行业i的指标j，即xi,j，其归一化函数为其中Ni是行业的个数，是指标j的均值。
(b)确定评估指标的权重值，指标j的指标系数由指标权重γj与模块权重δj共同决定：βj＝δj×γj。
模块权重δj，经专家打分后，五大模块的权重比例为：行业核心竞争30％，行业科技投入20％，行业科技产出20％，行业科技环境15％，行业社会经济影响15％；
指标权重γj，采用指标归一化后的均标准差作为衡量每个指标重要性的参数，
经计算后得出指标系数，具体数值如图3所示；
(c)采取多元线性加权的方式进行行业科技发展水平的评估：
针对行业i，其科技发展水平ISTDi＝β1f(xi,1)+β2f(xi,2)+…+βJf(xi,J），其中J为指标总个数，ISTDi为行业i的行业科技发展力评估值。
经计算得出煤炭开采和洗选业的行业科技发展力评估值为：2004年，37.50；2008年，44.31；2009年，46.94,；2011年，51.59；2012年，52.69。根据这五年行业科技发展力评估值的数据，平均后获得该行业科技发展力综合评分为46.61。
基于上述的方法，根据《国民经济行业分类GB/4754-2011》，在制造业、采矿业和电力、热力、燃气及水生产和供应业三个大的行业门类所属的43个大类中进一步筛选了32个行业大类作为本发明的实施例，采集2004年、2008年、2011年以及2012年相应指标数据，进行行业科技发展力量化评估，所得出的行业科技发展力综合评分见图4。
Claims (10)
1.一种行业科技发展力量化评估方法，其特征在于包括如下步骤：
(1)构建评估指标体系，所述指标体系包括行业科技环境、行业科技投入、行业科技产出、行业核心竞争以及行业社会经济影响五大模块，以及附加模块，每个模块包括一级指标与二级指标，其中：
所述行业科技环境模块的一级指标包括政府支持、技术平台、人力资本、科技意识、合作网络，二级指标包括政府财政支持力度、自有科研机构密度、R&D人员密度、从业人员学历结构、国内发明专利申请、国内专利申请、产学研合作网络；
所述行业科技投入模块的一级指标包括研发人员、研发经费、研发设备、技术资本，二级指标包括R&D人员全时工作当量、R&D经费投入强度、R&D经费投入强度增量、人均研发经费、人均研发经费增量、研发劳务支出占比、行业研发投入全国占比、行业研发投入全国占比增量、科研仪器设备配置、科研仪器设备人均配置、累计国内有效发明专利量、累计国内有效专利量、累计国内有效发明专利全国占比；
所述行业科技产出模块的一级指标包括知识产权、知识存量，二级指标模块包括国内授权发明专利产出率、中文核心期刊论文产出率、SCI论文产出率；
所述行业核心竞争模块的一级指标包括技术成果转化、技术依存度，二级指标模块包括新产品开发投入强度、新产品开发项目、创新研发密度、新产品研发经费投入力度、新产品研发人均投入、创新产出密度、新产品产值能力(人均)、新产品收益能力、新产品出口能力、国外技术依存度、技术应用投入强度；
所述行业社会经济影响模块的一级指标包括社会影响、经济影响，二级指标包括综合能耗产出率、废水排放达标率、固体废物利用率、二氧化硫排放率、烟尘排放率、粉尘排放率、全员劳动生产率、全员劳动生产率增量、产值利税率、产值增加值率、产品销售率；
所述附加模块的一级指标包括获奖情况，二级指标为获奖数量；
(2)数据采集，对每项指标采集相应数据；
(3)评估建模，采用多元线性加权或多元线性回归的方式进行建模；
(4)结果输出，计算得出行业科技发展力评估值。
2.根据权利要求1所述的评估方法，其特征在于：步骤(2)数据采集步骤之后，还进一步包括数据补全步骤和/或参数优化步骤。
3.根据权利要求2所述的评估方法，其特征在于：所述数据补全通过数据拟合或插值的方式，对缺失的数据进行补全；所述参数优化通过计算指标两两之间的皮尔森相关系数，删除具有相同物理意义的指标。
4.根据权利要求1-3任一项所述的评估方法，其特征在于：所述步骤(3)中所述多元线性加权的建模方式包含如下步骤：
(a)对采集的指标数据进行归一化处理，对于每个行业i的指标j，即xi,j，其归一化函数为其中Ni是行业的个数，是指标j的均值；
(b)确定评估指标的权重值，指标j的指标系数由指标权重γj与模块权重δj共同决定：βj＝δj×γj；
模块权重δj，根据专家评估确定指标体系中五大模块的权重；
指标权重γj，采用指标归一化后的均标准差作为衡量每个指标重要性的参数，
(c)采取多元线性加权的方式进行行业科技发展力的评估：
针对行业i，其科技发展水平ISTDi＝β1f(xi,1)+β2f(xi,2)+…+βJf(xi,J)，其中J为指标总个数，ISTDi为行业i的行业科技发展力评估值。
5.根据权利要求1-3任一项所述的评估方法，其特征在于：所述步骤(3)中所述多元线性回归的建模方式包含如下步骤：
(a)建立多元回归方程：ISTDi＝b0+b1F1i+b2F2i+…+bn Fni+ei，
其中ISTDi为行业i的行业科技发展力评估值；
F1i、F2i……Fni是行业i某一年的指标值；
b0，b1，……bn为自变量的回归系数，其中b0为截距；
ei是残差，所有ei独立同分布，且ei～N(o,s2)；
(b)对三类指标分别进行自变量预处理，对第一类指标采用取以10为底对数方式进行处理，对第二类指标采用取以2为底对数方式进行处理，对第三类指标采用平方的方式进行处理；所述第一类指标包括从业人员学历结构、国内授权发明专利产出率、中文核心期刊论文产出率、综合能耗产出率、烟尘排放率、粉尘排放率，所述第二类指标包括国内发明专利申请、国内专利申请、科研仪器设备配置、科研仪器设备人均配置、人均创新产出、新产品研发人均投入、人均研发经费，所述第三类指标为累计国内有效发明专利全国占比；
(c)在训练阶段，根据历史的ISTDi与F1,F2,…,Fn来计算b0,b1,…,bn,s2；
(d)在评估阶段，通过新的F1,F2,…,Fn与训练阶段获得的b0,b1,…,bn,s2，来计算ISTDi。
6.根据权利要求5所述的评估方法，其特征在于：所述的历史ISTDi采用专家打分的方式或利用所述附加模块中的获奖数量产生历史的ISTDi。
7.根据权利要求5或6所述的评估方法，其特征在于：所述多元线性回归的建模方式选自三种模型：
模型1：所述模型1采用指标体系中的所有指标进行建模；
模型2：所述模型2是在模型1的基础上进一步采用AIC信息量作为逐步回归指标，删除无显著影响的指标，精简建模指标；
模型3：所述模型3是在模型2的基础上，进一步采用回归诊断的方式删除异常点，得到更加稳定的模型。
8.一种行业科技发展力量化评估系统，其特征在于：所述评估系统包括指标体系模块、数据采集模块、评估建模模块和结果输出模块，其中：
所述指标体系模块用于指标体系的构建，所述数据采集模块基于指标体系模块中的每项指标进行相应的数据采集，采集后的数据导入所述的评估建模模块，进而由所述的结果输出模块输出行业科技发展力评估值；
所述评估建模模块采用多元线性加权或多元线性回归的方式进行建模；
所述结果输出模块计算输出行业科技发展力评估值；
所述指标体系模块包括行业科技环境、行业科技投入、行业科技产出、行业核心竞争以及行业社会经济影响五大模块，以及附加模块，每个模块包括一级指标与二级指标，其中：
所述行业科技环境模块的一级指标包括政府支持、技术平台、人力资本、科技意识、合作网络，二级指标包括政府财政支持力度、自有科研机构密度、R&D人员密度、从业人员学历结构、国内发明专利申请、国内专利申请、产学研合作网络；
所述行业科技投入模块的一级指标包括研发人员、研发经费、研发设备、技术资本，二级指标包括R&D人员全时工作当量、R&D经费投入强度、R&D经费投入强度增量、人均研发经费、人均研发经费增量、研发劳务支出占比、行业研发投入全国占比、行业研发投入全国占比增量、科研仪器设备配置、科研仪器设备人均配置、累计国内有效发明专利量、累计国内有效专利量、累计国内有效发明专利全国占比；
所述行业科技产出模块的一级指标包括知识产权、知识存量，二级指标包括国内授权发明专利产出率、中文核心期刊论文产出率、SCI论文产出率；
所述行业核心竞争模块的一级指标包括技术成果转化、技术依存度，二级指标包括新产品开发投入强度、新产品开发项目、创新研发密度、新产品研发经费投入力度、新产品研发人均投入、创新产出密度、新产品产值能力(人均)、新产品收益能力、新产品出口能力、国外技术依存度、技术应用投入强度；
所述行业社会经济影响模块的一级指标包括社会影响、经济影响，二级指标包括综合能耗产出率、废水排放达标率、固体废物利用率、二氧化硫排放率、烟尘排放率、粉尘排放率、全员劳动生产率、全员劳动生产率增量、产值利税率、产值增加值率、产品销售率；
所述附加模块的一级指标包括获奖情况，二级指标为获奖数量。
9.根据权利要求8所述行业科技发展力量化评估系统，其特征在于：数据采集模块之后，还进一步包括数据补全模块和/或参数优化模块。
10.根据权利要求9所述的评估系统，其特征在于：所述数据补全通过数据拟合或插值的方式，对缺失的数据进行补全；所述参数优化通过计算指标两两之间的皮尔森相关系数，删除具有相同物理意义的指标。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611165210.1A CN106845767A (zh) | 2016-12-16 | 2016-12-16 | 一种行业科技发展力量化评估方法与评估系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611165210.1A CN106845767A (zh) | 2016-12-16 | 2016-12-16 | 一种行业科技发展力量化评估方法与评估系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106845767A true CN106845767A (zh) | 2017-06-13 |
Family
ID=59139414
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611165210.1A Pending CN106845767A (zh) | 2016-12-16 | 2016-12-16 | 一种行业科技发展力量化评估方法与评估系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106845767A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107688896A (zh) * | 2017-08-10 | 2018-02-13 | 南方电网科学研究院有限责任公司 | 科研信息管理系统、方法、存储介质及其计算机设备 |
| CN109284320A (zh) * | 2018-08-15 | 2019-01-29 | 上海明析数据科技有限公司 | 大数据平台上的自动回归诊断方法 |
| CN109828836A (zh) * | 2019-01-20 | 2019-05-31 | 北京工业大学 | 一种批量流式计算系统参数动态配置方法 |
| CN109886558A (zh) * | 2019-01-25 | 2019-06-14 | 合肥江雪信息科技有限公司 | 一种工业化与信息化融合评估系统 |
| CN109902110A (zh) * | 2018-11-22 | 2019-06-18 | 常州天正工业发展股份有限公司 | 一种多维度数据评估差异性的系统和方法 |
| CN109978304A (zh) * | 2017-12-28 | 2019-07-05 | 北京京东尚科信息技术有限公司 | 面向对象的评估方法和装置 |
| CN110929208A (zh) * | 2019-11-28 | 2020-03-27 | 重庆市科学技术研究院 | 一种科技共享平台的大数据建模方法及应用 |
| CN112084175A (zh) * | 2020-04-06 | 2020-12-15 | 南京大学 | 一种基于区块链和大数据技术的新型知识产权交易系统与指数评价系统 |
| CN117436726A (zh) * | 2023-12-14 | 2024-01-23 | 惠民县黄河先进技术研究院 | 一种区域性高新技术产业评估方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040133439A1 (en) * | 2002-08-21 | 2004-07-08 | Dirk Noetzold | Method and system for valuation of complex systems, in particular for corporate rating and valuation |
| CN102175216A (zh) * | 2011-02-28 | 2011-09-07 | 中南大学 | 城市大气混合层高度的预测方法 |
| CN104299067A (zh) * | 2014-08-21 | 2015-01-21 | 太仓中科信息技术研究院 | 一种可量化的企业发展情况评估模型 |
-
2016
- 2016-12-16 CN CN201611165210.1A patent/CN106845767A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040133439A1 (en) * | 2002-08-21 | 2004-07-08 | Dirk Noetzold | Method and system for valuation of complex systems, in particular for corporate rating and valuation |
| CN102175216A (zh) * | 2011-02-28 | 2011-09-07 | 中南大学 | 城市大气混合层高度的预测方法 |
| CN104299067A (zh) * | 2014-08-21 | 2015-01-21 | 太仓中科信息技术研究院 | 一种可量化的企业发展情况评估模型 |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107688896A (zh) * | 2017-08-10 | 2018-02-13 | 南方电网科学研究院有限责任公司 | 科研信息管理系统、方法、存储介质及其计算机设备 |
| CN109978304A (zh) * | 2017-12-28 | 2019-07-05 | 北京京东尚科信息技术有限公司 | 面向对象的评估方法和装置 |
| CN109284320A (zh) * | 2018-08-15 | 2019-01-29 | 上海明析数据科技有限公司 | 大数据平台上的自动回归诊断方法 |
| CN109284320B (zh) * | 2018-08-15 | 2021-10-26 | 上海派拉软件股份有限公司 | 大数据平台上的自动回归诊断方法 |
| CN109902110A (zh) * | 2018-11-22 | 2019-06-18 | 常州天正工业发展股份有限公司 | 一种多维度数据评估差异性的系统和方法 |
| CN109902110B (zh) * | 2018-11-22 | 2024-03-01 | 常州天正工业发展股份有限公司 | 一种多维度数据评估差异性的系统和方法 |
| CN109828836B (zh) * | 2019-01-20 | 2021-04-30 | 北京工业大学 | 一种批量流式计算系统参数动态配置方法 |
| CN109828836A (zh) * | 2019-01-20 | 2019-05-31 | 北京工业大学 | 一种批量流式计算系统参数动态配置方法 |
| CN109886558A (zh) * | 2019-01-25 | 2019-06-14 | 合肥江雪信息科技有限公司 | 一种工业化与信息化融合评估系统 |
| CN110929208A (zh) * | 2019-11-28 | 2020-03-27 | 重庆市科学技术研究院 | 一种科技共享平台的大数据建模方法及应用 |
| CN112084175A (zh) * | 2020-04-06 | 2020-12-15 | 南京大学 | 一种基于区块链和大数据技术的新型知识产权交易系统与指数评价系统 |
| CN112084175B (zh) * | 2020-04-06 | 2024-03-29 | 南京大学 | 一种基于区块链和大数据技术的新型知识产权交易系统与指数评价系统 |
| CN117436726A (zh) * | 2023-12-14 | 2024-01-23 | 惠民县黄河先进技术研究院 | 一种区域性高新技术产业评估方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106845767A (zh) | 一种行业科技发展力量化评估方法与评估系统 | |
| CN107358021A (zh) | 一种基于优化bp神经网络的do预测模型建立方法 | |
| CN107169628A (zh) | 一种基于大数据互信息属性约简的配电网可靠性评估方法 | |
| Ovcharenko et al. | SPATIAL ORGANIZATION MANAGEMENT: MODELING THE FUNCTIONING OF ECO-CLUSTERS IN THE CONTEXT OF GLOBALIZATION. | |
| Imoto et al. | Fuzzy regression model of R&D project evaluation | |
| CN103853939A (zh) | 一种基于社会经济因素影响的电力系统月度负荷的组合预测方法 | |
| Carreira et al. | Entry and exit as a source of aggregate productivity growth in two alternative technological regimes | |
| CN110929809B (zh) | 一种特征自增强的循环神经网络的污水关键水质指标软测量方法 | |
| CN103164631A (zh) | 一种智能协同表达基因分析仪 | |
| Lee et al. | Impact of population aging on food security in the context of artificial intelligence: Evidence from China | |
| CN111311026A (zh) | 一种顾及数据特征、模型和校正的径流非线性预测方法 | |
| CN111178580A (zh) | 一种基于改进bp神经网络的超市选址方法 | |
| CN105160422A (zh) | 基于自组织级联神经网络的污水处理出水总磷预测方法 | |
| Zhang et al. | MRLM: A meta-reinforcement learning-based metaheuristic for hybrid flow-shop scheduling problem with learning and forgetting effects | |
| CN110750572A (zh) | 一种科技成果启发式评价的自适应方法和装置 | |
| CN113762591A (zh) | 一种基于gru和多核svm对抗学习的短期电量预测方法及系统 | |
| CN105913327A (zh) | 农业科技成果水平评价方法及装置 | |
| CN111126827A (zh) | 一种基于bp人工神经网络的投入产出核算模型构建方法 | |
| CN104239975B (zh) | 基于改进离散粒子群算法的船舶引航排班方法 | |
| CN106503889A (zh) | 一种土地集约利用主客观综合评价方法及装置 | |
| CN116307913A (zh) | 一种综合多层次的污水处理设施污染物削减效能评估方法及系统 | |
| CN114049043A (zh) | 新能源消纳评价方法、装置、终端及存储介质 | |
| CN113723842A (zh) | 一种研发经费投入规模及强度预测方法 | |
| Di | Transfer Benefit Evaluation on University S&T Achievements Based on Bootstrap-DEA. | |
| Yan et al. | Water demand forecast model of least squares support vector machine based on particle swarm optimization |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170613 |
|
| RJ01 | Rejection of invention patent application after publication |