CN113947281A - 城市轨道交通装备制造业集群竞争力评价方法 - Google Patents

城市轨道交通装备制造业集群竞争力评价方法 Download PDF

Info

Publication number
CN113947281A
CN113947281A CN202111057928.XA CN202111057928A CN113947281A CN 113947281 A CN113947281 A CN 113947281A CN 202111057928 A CN202111057928 A CN 202111057928A CN 113947281 A CN113947281 A CN 113947281A
Authority
CN
China
Prior art keywords
index
cluster
competitiveness
evaluation
rail transit
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
Application number
CN202111057928.XA
Other languages
English (en)
Inventor
罗建
王朝阳
薛锋
李青青
陈崇双
王妗
任子兰
李焱茹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southwest Jiaotong University
Xihua University
Original Assignee
Southwest Jiaotong University
Xihua University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southwest Jiaotong University, Xihua University filed Critical Southwest Jiaotong University
Priority to CN202111057928.XA priority Critical patent/CN113947281A/zh
Publication of CN113947281A publication Critical patent/CN113947281A/zh
Pending legal-status Critical Current

Links

Images

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
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Manufacturing & Machinery (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及城市轨道交通装备制造业技术领域，具体地说，涉及一种城市轨道交通装备制造业集群竞争力评价方法，其包括以下步骤：1)、基于G1序关系分析法确定主观权重；2)、基于改进CRITIC法的客观权重确定；3)、确定组合权重；4)、基于TOPSIS理想解法评价产业集群竞争力。本发明在分析产业集群竞争力内涵的基础上，针对城市轨道交通装备制造业特点，选取指标构建评价指标体系，建立基于组合赋权TOPSIS的产业集群竞争力评价模型，客观定位城市轨道交通装备制造业集群竞争力水平，为集群发展规划提供理论参考。

Description

城市轨道交通装备制造业集群竞争力评价方法
技术领域
本发明涉及城市轨道交通装备制造业技术领域，具体地说，涉及一种城市轨道交通装备制造业集群竞争力评价方法。
背景技术
随着我国工业化和城镇化进程加快，交通拥堵已成为各大城市发展面临的主要问题。城市轨道交通作为公共交通的重要组成部分，具有运量大、速度快、安全准时、节能环保等特点，是缓解城市交通问题的有效途径。城市轨道交通的快速发展刺激了对轨道装备的需求，为装备制造业带来广阔的发展前景，《中国制造2025》等政策规划明确提出要重点发展先进轨道交通装备制造业，建立世界领先的轨道交通产业体系。
产业集群是指在某一特定领域内，大量互相联系、在地理位置上集中的企业和相关机构的集合，目前已成为推动区域经济发展的重要动力和有效途径。我国城市轨道交通装备制造业正处于快速发展阶段，催生了不同规模的产业集群。产业集群的出现对优化区域资源配置、提高产业生产效率与竞争优势具有积极作用，因此，对城市轨道交通装备制造业集群竞争力作出客观评价，有助于了解区域产业集群发展水平，具有重要的理论与现实意义。
相关研究中，学者们对于产业集群竞争力评价采用的方法较为单一，评价指标的选取没有形成统一的规范，并且针对城市轨道交通装备制造业的研究较少。
发明内容
本发明的内容是提供一种城市轨道交通装备制造业集群竞争力评价方法，其能够克服现有技术的某种或某些缺陷。
根据本发明的城市轨道交通装备制造业集群竞争力评价方法，其特征在于：包括以下步骤：
1)、基于G1序关系分析法确定主观权重；
2)、基于改进CRITIC法的客观权重确定；
3)、确定组合权重；
4)、基于TOPSIS理想解法评价产业集群竞争力。
作为优选，G1序关系分析法的步骤如下：
1.1)确定评价指标序关系：设有n个指标组成集合X＝{x1,x2,…,xn}，如果指标xi的重要度大于xj，则记为xi＞xj；将指标的重要程度从大到小排列，确定指标的序关系为
Figure BDA0003255423140000021
其中
Figure BDA0003255423140000022
表示按重要度排序后的第i个指标；
1.2)确定评价指标间的相对重要程度比：确定相邻指标
Figure BDA0003255423140000023
与
Figure BDA0003255423140000024
重要程度的理性判断比值
Figure BDA0003255423140000025
其中
Figure BDA0003255423140000026
和
Figure BDA0003255423140000027
分别表示指标
Figure BDA0003255423140000028
和
Figure BDA0003255423140000029
的权重系数；
1.3)计算指标主观权重：根据rk取值得到第n个评价指标的权重，计算公式为：
Figure BDA00032554231400000210
则第k-1个指标的权重为：
Figure BDA00032554231400000211
作为优选，rk的取值规则为：
rk取1.0时，含义指：指标
Figure BDA00032554231400000212
和
Figure BDA00032554231400000213
同等重要；
rk取1.2时，含义指：指标
Figure BDA00032554231400000214
和
Figure BDA00032554231400000215
稍微重要；
rk取1.4时，含义指：指标
Figure BDA00032554231400000216
和
Figure BDA00032554231400000217
明显重要；
rk取1.6时，含义指：指标
Figure BDA00032554231400000218
和
Figure BDA00032554231400000219
强烈重要；
rk取1.8时，含义指：指标
Figure BDA00032554231400000220
和
Figure BDA00032554231400000221
极端重要；
rk取1.1、1.3、1.5、1.7时，含义指：介于对应情况之间。
作为优选，改进CRITIC法的计算步骤如下：
2.1)数据标准化：设有m个年份，n个评价指标，第i个年份的第j个指标xij构成原始数据矩阵X＝(xij)m×n，采用极差标准化方法对原始数据进行处理，由于均为正向指标，计算公式为：
Figure BDA0003255423140000031
式中：aij为标准化后的数据值，0≤aij≤1；
2.2)计算变异系数与相关系数：变异系数反映了指标的对比强度，计算公式为：
Figure BDA0003255423140000032
式中：vj为第j个指标的变异系数，sj和
Figure BDA0003255423140000033
为分别第j个指标的标准差和平均值；
根据标准化数据矩阵A＝(aij)m×n，计算指标间的相关系数rij，则第j个指标与其他指标的冲突性量化值为
Figure BDA0003255423140000034
2.3)计算指标信息量与权重：使用熵权法计算指标信息熵，对指标信息量进行修正，计算公式为：
Figure BDA0003255423140000035
式中：Mj为第j个指标包含的信息量；ej为第j个指标的信息熵；
对信息量进行归一化，得到第j个指标的权重为：
Figure BDA0003255423140000036
作为优选，采用加法合成法确定最终权重；设wj和cj分别是由G1序关系分析法和改进CRITIC法得到的权重，则组合权重为：
θj＝αwj+βcj；
式中：α，β分别为主观权重和客观权重的重要度系数，且满足α2+β2＝1(α,β＞0)；
组合赋权的关键是确定α和β的取值，使评价结果最优；基于被评价对象之间差异最大的思想，建立如下优化模型：
Figure BDA0003255423140000041
利用Lagrange条件极值原理，分别求出主客观权重的比例系数，并进行归一化，最终得到比例系数为：
Figure BDA0003255423140000042
因此可得组合权重为θj＝α*wj+β*cj。
作为优选，TOPSIS理想解法的原理是构造评价指标的最优解和最劣解，通过计算每个评价对象与最优解和最劣解的距离，实现对评价对象的排序，从而选出最佳方案。
作为优选，TOPSIS理想解法评价产业集群竞争力的步骤为：
4.1)构造加权规范矩阵：利用标准化数据矩阵与组合权重，构建加权规范矩阵Z＝(zij)m×n，其中zij＝aij×θj；
4.2)确定最优解和最劣解：由于所有指标均为正向指标，因此最优解为各指标所有年份中的最大值，最劣解为各指标所有年份中的最小值，分别记为Z*、Z0，则：
Figure BDA0003255423140000043
4.3)计算距离与相对贴近度：采用欧几里得距离，计算每个评价对象与最优解、最劣解的距离
Figure BDA0003255423140000044
和
Figure BDA0003255423140000045
公式为：
Figure BDA0003255423140000051
为综合反映这两个距离，引入相对贴近度的概念，即：
Figure BDA0003255423140000052
可知
Figure BDA0003255423140000053
Figure BDA0003255423140000054
数值越大，表明第i个评价对象与最优解越接近。
本发明在分析产业集群竞争力内涵的基础上，针对城市轨道交通装备制造业特点，选取指标构建评价体系，建立基于组合赋权TOPSIS的产业集群竞争力评价模型，客观定位其城市轨道交通装备制造业竞争力水平，为集群发展规划提供理论参考。
附图说明
图1为实施例1中城市轨道交通装备制造业集群竞争力评价方法的流程图；
图2为实施例1中2012—2019年沈阳城市轨道交通装备制造业集群竞争力分维度变化趋势示意图。
具体实施方式
为进一步了解本发明的内容，结合附图和实施例对本发明作详细描述。应当理解的是，实施例仅仅是对本发明进行解释而并非限定。
实施例1
1、城市轨道交通装备制造业集群竞争力评价指标体系构建
城市轨道交通装备制造业集群竞争力是指在特定的区域环境中，某一地区的城市轨道交通装备制造企业相对于竞争对手而言，在生产规模、产品盈利、满足市场需求等方面体现出的能力。基于这一定义，按照科学性、客观性、系统性、可获取与可量化等原则，在参考其他学者的研究基础上，建立包含集群投入能力、集群产出能力、集群市场能力和集群发展环境4个一级指标，19个二级指标的评价指标体系，如表1所示。
表1城市轨道交通装备制造业集群竞争力评价指标体系
Figure BDA0003255423140000061
(1)集群投入能力。投入是决定产业集群竞争力的物质基础，反映了集群发展的基本条件和各种生产要素的情况，通常包括人力、财力和物力3个方面，由于物力投入的数据难以获得，因此重点考察集群的人力与财力投入。考虑到集群的基本组成单元是企业，因此可以用规模以上企业数量和从业人员总数表示人力资源投入，用主营业务成本和资本总投入反映资金供给情况。
(2)集群产出能力。产出是产业集群发展的本质，反映集群生产经营活动带来的效益，同时也体现了集群内企业的生产能力与管理水平，可以用5个二级指标测度。其中，工业总产值反映集群产出的工业产品规模，整车生产数量直观反映整车产能，这2个指标综合反映了集群的生产能力；销售利润率表示集群从销售收入中获取利润的能力，流动资产周转率反映流动资产的周转速度，速度越快，集群经济效益越好，获利能力越强，这2个指标衡量集群的盈利能力；全员劳动生产率反映集群人力投入产生的效益，是集群生产管理水平与职工素质的综合体现。
(3)集群市场能力。市场能力是产业集群市场地位的集中体现，反映集群企业开拓市场、获取市场份额的能力，可以用5个二级指标测度。其中，市场占有率是集群营业收入占全国城市轨道交通装备制造业营业收入的比重，反映集群在国内市场的份额；产品销售率是销售产值与总产值之比，反映集群产品的市场销售情况与满足市场需求的程度；市场化水平反映集群的市场活跃程度和企业的自由化、多元化程度，使用非国有企业从业人数占从业人员总数的比重表示；产业专业化程度表示集群在区域制造业中的专业化水平，用集群总产值与区域制造业总产值之比表示；产业外向度表示产品的区域输出程度，衡量集群对外开放程度及外部市场扩张能力。
(4)集群发展环境。发展环境是产业集群竞争力的重要支撑，反映了集群所在区域的经济、科技、政策发展水平及市场需求，可以用5个二级指标表示。其中，人均地区生产总值反映区域社会经济的整体发展水平，产业集群作为区域经济的一部分，其竞争力水平与地区经济发展密切相关；区域研发经费投入强度主要反映科技创新环境，用全社会R&D经费占GDP的比重表示；公共设施建设投资反映政府对城市轨道交通基础设施建设的支持力度，良好的政策环境有利于城市轨道交通的发展；城市轨道交通运营里程与城轨客运量占公共交通客运量比例这2个指标综合反映了市场需求，用来表示区域城市轨道交通发展现状以及出行者对其依赖程度。
2、城市轨道交通装备制造业集群竞争力评价方法
产业集群竞争力评价是一个复杂的多指标决策问题，指标权重的合理性直接关系到评价结果的可信度。因此，采用主客观组合赋权法确定指标权重，并结合TOPSIS模型研究产业集群的竞争力水平。
如图1所示，城市轨道交通装备制造业集群竞争力评价方法包括：
2.1基于G1法的主观权重确定
G1法又称为序关系分析法，是在层次分析法的基础上改进得到的一种主观赋权方法。与层次分析法相比，G1法在确定指标权重时无需构造判断矩阵，有效避免了指标过多时一致性检验不通过的问题，且计算过程更加简便，具体步骤如下。
(1)确定评价指标序关系。设有n个指标组成集合X＝{x1,x2,…,xn}，如果指标xi的重要度大于xj，则记为xi＞xj。根据专家意见，将指标的重要程度从大到小排列，确定指标的序关系为
Figure BDA0003255423140000081
其中
Figure BDA0003255423140000082
表示按重要度排序后的第i个指标。
(2)确定评价指标间的相对重要程度比。由专家确定相邻指标
Figure BDA0003255423140000083
与
Figure BDA0003255423140000084
重要程度的理性判断比值
Figure BDA0003255423140000085
其中
Figure BDA0003255423140000086
和
Figure BDA0003255423140000087
分别表示指标
Figure BDA0003255423140000088
和
Figure BDA0003255423140000089
的权重系数，rk的取值规则见表2。
表2rk的取值规则
Figure BDA00032554231400000810
Figure BDA0003255423140000091
(3)计算指标主观权重。根据rk取值得到第n个评价指标的权重，计算公式为
Figure BDA0003255423140000092
则第k-1个指标的权重为
Figure BDA0003255423140000093
2.2基于改进CRITIC法的客观权重确定
CRITIC法是一种客观赋权方法，主要原理是根据指标的对比强度和冲突性来确定权重。其中，对比强度采用标准差量化，反映某一指标在不同对象间取值的差异性；冲突性采用相关系数量化，反映指标间的关联程度。
在实际应用中，CRITIC法存在以下问题：度量对比强度的标准差带有量纲，不能准确反映指标的差异性；相关系数可能出现负值，但冲突性只与相关系数的绝对值有关，与正负无关；未考虑指标数据的离散性。因此对传统CRITIC法进行改进，使用变异系数代替标准差以消除量纲影响，通过相关系数的绝对值反映指标冲突性，并引入熵权法中信息熵的概念修正指标信息量。改进CRITIC法同时考虑了指标的对比强度、冲突性与离散性，计算步骤如下。
(1)数据标准化。假设有m个年份，n个评价指标，第i个年份的第j个指标xij构成原始数据矩阵X＝(xij)m×n，采用极差标准化方法对原始数据进行处理，由于均为正向指标，计算公式为
Figure BDA0003255423140000094
式中：aij为标准化后的数据值，0≤aij≤1。
(2)计算变异系数与相关系数。变异系数反映了指标的对比强度，计算公式为
Figure BDA0003255423140000095
式中：vj为第j个指标的变异系数，sj和
Figure BDA0003255423140000101
为分别第j个指标的标准差和平均值。
根据标准化数据矩阵A＝(aij)m×n，计算指标间的相关系数rij，则第j个指标与其他指标的冲突性量化值为
Figure BDA0003255423140000102
(3)计算指标信息量与权重。使用熵权法计算指标信息熵，对指标信息量进行修正，计算公式为
Figure BDA0003255423140000103
式中：Mj为第j个指标包含的信息量；ej为第j个指标的信息熵。
对信息量进行归一化，得到第j个指标的权重为
Figure BDA0003255423140000104
2.3组合权重确定
为了充分发挥主客观赋权方法的优势，使指标权重更加合理，采用“加法”合成法确定最终权重。假设wj和cj分别是由G1法和改进CRITIC法得到的权重，则组合权重为
θj＝αwj+βcj (7)
式中：α，β分别为主观权重和客观权重的重要度系数，且满足α2+β2＝1(α,β＞0)。
组合赋权的关键是确定α和β的取值，使评价结果最优。基于被评价对象之间差异最大的思想，建立如下优化模型
Figure BDA0003255423140000105
利用Lagrange条件极值原理，分别求出主客观权重的比例系数，并进行归一化，最终得到比例系数为
Figure BDA0003255423140000111
因此可得组合权重为θj＝α*wj+β*cj。
2.4基于TOPSIS的产业集群竞争力评价
TOPSIS法又称为理想解法，是一种有效的多指标评价方法，其基本原理是构造评价指标的最优解和最劣解，通过计算每个评价对象与最优解和最劣解的距离，实现对评价对象的排序，从而选出最佳方案。
(1)构造加权规范矩阵。利用标准化数据矩阵与组合权重，构建加权规范矩阵Z＝(zij)m×n，其中zij＝aij×θj。
(2)确定最优解和最劣解。由于所有指标均为正向指标，因此最优解为各指标所有年份中的最大值，最劣解为各指标所有年份中的最小值，分别记为Z*、Z0，则
Figure BDA0003255423140000112
(3)计算距离与相对贴近度。采用欧几里得距离，计算每个评价对象与最优解、最劣解的距离
Figure BDA0003255423140000113
和
Figure BDA0003255423140000114
公式为
Figure BDA0003255423140000115
为综合反映这两个距离，引入相对贴近度的概念，即
Figure BDA0003255423140000116
可知
Figure BDA0003255423140000117
Figure BDA0003255423140000118
数值越大，表明第i个评价对象与最优解越接近。
3实例分析
根据国家统计局制定的《国民经济行业分类》(GB/T 4754—2017)，城市轨道交通装备制造业属于第二产业制造业中的“铁路、船舶、航空航天和其他交通运输设备制造业”，其中“城市轨道交通设备制造”属于研究范畴。参照这一标准，并考虑数据的可得性，以沈阳为研究对象，基于组合赋权TOPSIS模型对2012—2019年沈阳地区的城市轨道交通装备制造业集群竞争力进行评价研究，研究所用数据均来源于《沈阳统计年鉴》《中国工业统计年鉴》及《中国统计年鉴》。
3.1确定评价指标权重
根据G1法的基本原理设计调查问卷，对运输经济与城市轨道交通运营管理领域的专家进行咨询，得到各层评价指标的序关系和重要程度比，由公式(1)和(2)求出每位专家对各指标的赋权情况，并通过取平均的方法综合反映多位专家的意见。同时将指标原始数据依次代入公式(3)—(6)，利用改进CRITIC法计算指标客观权重；最后将主客观权重进行组合，由公式(9)求得归一化后的比例系数α*＝0.5474，β*＝0.4526。评价指标的主客观权重与组合优化权重如表3所示。
表3评价指标组合权重
Figure BDA0003255423140000121
Figure BDA0003255423140000131
从评价指标的组合权重来看，产业专业化程度、资本总投入、主营业务成本、工业总产值、整车生产数量5个指标的权重位于前列，表明这些指标对集群竞争力的影响较大，重要度更高，应当作为沈阳发展城市轨道交通装备制造业时优先考虑的因素。
3.2产业集群竞争力评价结果与分析
根据表3中的组合权重，构造加权规范矩阵，按照TOPSIS法的计算原理确定各指标的最优解和最劣解。针对沈阳每一年的相关数据，计算其与最优解、最劣解的距离及相对贴近度，得到2012—2019年沈阳城市轨道交通装备制造业集群竞争力水平综合得分和各一级指标评价值，如表4所示，并根据表中数据绘制各一级指标评价值的变化趋势，如图2所示。
表4 2012—2019年沈阳城市轨道交通装备制造业集群竞争力综合得分及分维度测度结果
年份 投入能力 产出能力 市场能力 发展环境 综合得分 排名
2012 0.0603 0.4168 0.3296 0.4216 0.3244 8
2013 0.2885 0.5154 0.4062 0.3480 0.4030 6
2014 0.3552 0.5182 0.3805 0.4049 0.4101 5
2015 0.4700 0.5190 0.5312 0.3864 0.4960 3
2016 0.6772 0.4206 0.5423 0.5433 0.5422 2
2017 0.7653 0.2581 0.3830 0.5302 0.4567 4
2018 0.5596 0.8131 0.6932 0.6861 0.6657 1
2019 0.4342 0.3233 0.3415 0.6796 0.3971 7
3.2.1产业集群综合竞争力变化趋势及分析
由表4中数据可以看出，2012—2019年沈阳城市轨道交通装备制造业集群竞争力水平整体呈现缓慢上升的趋势，竞争力综合得分由0.3244上升为0.3971，表明随着工业化进程的加快和社会经济的不断发展，沈阳城市轨道交通装备制造业水平持续提高。其中，2012—2016年集群竞争力水平稳步提升，年平均增长率达到14.06％；2017年由于生产能力不足，集群竞争力出现下降，降幅为15.76％；2018年主要得益于生产能力的大幅提升，竞争力实现45.75％的增幅，综合得分达到峰值0.6657；但由于2019年集群经济效益较差，利润总额首次出现负值，竞争力水平大幅下降。
3.2.2产业集群竞争力分维度变化趋势及分析
(1)集群投入能力呈现出先快速上升后持续下降的趋势，评价值由0.0603上升到0.4342，整体增长明显。2012—2017年间，集群投入水平处于快速提升阶段，年均增速超过50％，主要原因在于这一时期沈阳经济处于快速发展阶段，加大了对城市轨道交通装备制造业的资源投入，二级指标从业人员总数、主营业务成本、资本总投入平均涨幅分别为59.26％、33.22％、265.18％，极大地促进了集群投入能力的提升；2017年后集群人力和资金投入均出现不同程度下降，平均降幅20.82％和18.04％，导致集群整体投入水平持续下降，2019年评价值降至0.4342，但对综合竞争力的贡献依然明显。
(2)集群产出能力总体表现出先缓慢上升后波动变化的态势，评价值由0.4168下降为0.3233。2012—2015年间各二级指标不断波动变化，产出水平处于缓慢上升阶段，竞争力增幅并不明显；2015—2017年主要受到工业总产值和劳动生产率的影响，集群产出能力持续下降，平均降幅为28.80％；除销售利润率外，衡量产出能力的其他4个指标均在2018年出现明显上升，集群产出水平实现3.15倍的快速增长，达到最高点0.8131；但由于2019年集群的各项产出指标均出现不同程度下降，尤其是利润总额变为负数，出现严重亏损，产出水平急速下降，对综合竞争力的贡献最小。
(3)集群市场能力总体呈现波动上升的趋势，评价值由0.3296增长为0.3415。2012—2016年集群市场竞争力持续平稳增长，实现年均14.65％的增幅，主要得益于这一时期集群发展环境良好，生产要素投入持续增加，各项指标整体呈上升趋势；由于2017年集群生产效率较低，产业专业化程度与外向度明显下降，市场能力降幅达到29.37％；2018年生产能力提高，集群总产值在区域制造业中的占比明显增长，市场能力实现1.81倍的提升。但由于2019年集群经济效益变差，主营业务收入和产值降幅均超过70％，市场占有率、产业外向度等受到直接影响，市场能力再次出现显著下降。
(4)集群发展环境整体表现出波动上升趋势，评价值由0.4216上升为0.6796，发展态势较好。分指标来看，人均地区生产总值持续增加，平均涨幅达5.50％，为集群发展提供有力的经济支撑；区域研发经费投入强度呈下降趋势，由2012年的3.22％下降到2019年的2.64％，表明集群缺乏良好的创新环境，有可能对自身科技活动产生不利影响；公共设施建设投资呈波浪型发展态势且变化较大，表明集群的政策环境尚不稳定；城市轨道交通运营里程与城轨客运量占公共交通客运量比例2个指标分别保持16.81％和11.63％的平均增速，表明沈阳的城市轨道交通发展总体向好，这将有利于装备制造业的发展。
总体来说，沈阳城市轨道交通装备制造业集群呈现良好的发展态势，竞争力水平增长明显，但与理想值仍有一定差距。为进一步提升沈阳城市轨道交通装备制造业集群竞争力，要充分重视科技创新，加大研发资金与高素质人才投入力度，优化创新资源配置，推动企业和高校、科研院所的深度合作；要把握好技术变革的机遇，充分利用人工智能、大数据等新兴技术，提高装备制造业的智能化和信息化水平，为企业转型升级和产业高端化发展提供有力支撑；要推动城市轨道交通基础设施建设，实现产业资源配置效益的最大化，进一步规范市场秩序，加快完善市场机制，改善投融资环境，为产业集群发展营造稳定公平的社会环境。
3.3评价结果区分度检验
区分度是用来衡量某一评价方法评价结果灵敏度与可靠性的常用指标，反映评价结果对评价对象实际水平的辨别能力。区分度越高，意味着评价结果相邻两点的距离越大，排序误判的可能性越小，结果更加稳定可靠。
将表4中产业集群竞争力综合评价得分和各一级指标评价值及各自排序结果代入区分度计算公式，得到集群竞争力综合得分的区分度为1.0798，一级指标投入能力、产出能力、市场能力、发展环境的区分度分别为1.0403、1.1486、1.1293、1.1114，5个区分度均大于1，说明研究使用的组合赋权TOPSIS方法对沈阳城市轨道交通装备制造业集群竞争力水平的综合排序具有较高的区分度，评价结果具有一定的稳定性与可靠性。
以上示意性的对本发明及其实施方式进行了描述，该描述没有限制性，附图中所示的也只是本发明的实施方式之一，实际的结构并不局限于此。所以，如果本领域的普通技术人员受其启示，在不脱离本发明创造宗旨的情况下，不经创造性的设计出与该技术方案相似的结构方式及实施例，均应属于本发明的保护范围。

Claims (7)

1.城市轨道交通装备制造业集群竞争力评价方法，其特征在于：包括以下步骤：
1)、基于G1序关系分析法确定主观权重；
2)、基于改进CRITIC法的客观权重确定；
3)、确定组合权重；
4)、基于TOPSIS理想解法评价产业集群竞争力。
2.根据权利要求1所述的城市轨道交通装备制造业集群竞争力评价方法，其特征在于：G1序关系分析法的步骤如下：
1.1)确定评价指标序关系：设有n个指标组成集合X＝{x1,x2,…,xn}，如果指标xi的重要度大于xj，则记为xi＞xj；将指标的重要程度从大到小排列，确定指标的序关系为
Figure FDA0003255423130000011
其中
Figure FDA0003255423130000012
表示按重要度排序后的第i个指标；
1.2)确定评价指标间的相对重要程度比：确定相邻指标
Figure FDA0003255423130000013
与
Figure FDA0003255423130000014
重要程度的理性判断比值
Figure FDA0003255423130000015
其中
Figure FDA0003255423130000016
和
Figure FDA0003255423130000017
分别表示指标
Figure FDA0003255423130000018
和
Figure FDA0003255423130000019
的权重系数；
1.3)计算指标主观权重：根据rk取值得到第n个评价指标的权重，计算公式为：
Figure FDA00032554231300000110
则第k-1个指标的权重为：
Figure FDA00032554231300000111
3.根据权利要求2所述的城市轨道交通装备制造业集群竞争力评价方法，其特征在于：rk的取值规则为：
rk取1.0时，含义指：指标
Figure FDA00032554231300000112
和
Figure FDA00032554231300000113
同等重要；
rk取1.2时，含义指：指标
Figure FDA00032554231300000114
和
Figure FDA00032554231300000115
稍微重要；
rk取1.4时，含义指：指标
Figure FDA00032554231300000116
和
Figure FDA00032554231300000117
明显重要；
rk取1.6时，含义指：指标
Figure FDA00032554231300000118
和
Figure FDA00032554231300000119
强烈重要；
rk取1.8时，含义指：指标
Figure FDA0003255423130000021
和
Figure FDA0003255423130000022
极端重要；
rk取1.1、1.3、1.5、1.7时，含义指：介于对应情况之间。
4.根据权利要求3所述的城市轨道交通装备制造业集群竞争力评价方法，其特征在于：改进CRITIC法的计算步骤如下：
2.1)数据标准化：设有m个年份，n个评价指标，第i个年份的第j个指标xij构成原始数据矩阵X＝(xij)m×n，采用极差标准化方法对原始数据进行处理，由于均为正向指标，计算公式为：
Figure FDA0003255423130000023
式中：aij为标准化后的数据值，0≤aij≤1；
2.2)计算变异系数与相关系数：变异系数反映了指标的对比强度，计算公式为：
Figure FDA0003255423130000024
式中：vj为第j个指标的变异系数，sj和
Figure FDA0003255423130000025
为分别第j个指标的标准差和平均值；
根据标准化数据矩阵A＝(aij)m×n，计算指标间的相关系数rij，则第j个指标与其他指标的冲突性量化值为
Figure FDA0003255423130000026
2.3)计算指标信息量与权重：使用熵权法计算指标信息熵，对指标信息量进行修正，计算公式为：
Figure FDA0003255423130000027
式中：Mj为第j个指标包含的信息量；ej为第j个指标的信息熵；
对信息量进行归一化，得到第j个指标的权重为：
Figure FDA0003255423130000028
5.根据权利要求4所述的城市轨道交通装备制造业集群竞争力评价方法，其特征在于：采用加法合成法确定最终权重；设wj和cj分别是由G1序关系分析法和改进CRITIC法得到的权重，则组合权重为：
θj＝αwj+βcj；
式中：α，β分别为主观权重和客观权重的重要度系数，且满足α2+β2＝1(α,β＞0)；
组合赋权的关键是确定α和β的取值，使评价结果最优；基于被评价对象之间差异最大的思想，建立如下优化模型：
Figure FDA0003255423130000031
利用Lagrange条件极值原理，分别求出主客观权重的比例系数，并进行归一化，最终得到比例系数为：
Figure FDA0003255423130000032
因此可得组合权重为θj＝α*wj+β*cj。
6.根据权利要求5所述的城市轨道交通装备制造业集群竞争力评价方法，其特征在于：TOPSIS理想解法的原理是构造评价指标的最优解和最劣解，通过计算每个评价对象与最优解和最劣解的距离，实现对评价对象的排序，从而选出最佳方案。
7.根据权利要求6所述的城市轨道交通装备制造业集群竞争力评价方法，其特征在于：TOPSIS理想解法评价产业集群竞争力的步骤为：
4.1)构造加权规范矩阵：利用标准化数据矩阵与组合权重，构建加权规范矩阵Z＝(zij)m×n，其中zij＝aij×θj；
4.2)确定最优解和最劣解：由于所有指标均为正向指标，因此最优解为各指标所有年份中的最大值，最劣解为各指标所有年份中的最小值，分别记为Z*、Z0，则：
Figure FDA0003255423130000041
4.3)计算距离与相对贴近度：采用欧几里得距离，计算每个评价对象与最优解、最劣解的距离
Figure FDA0003255423130000042
和
Figure FDA0003255423130000043
公式为：
Figure FDA0003255423130000044
为综合反映这两个距离，引入相对贴近度的概念，即：
Figure FDA0003255423130000045
可知
Figure FDA0003255423130000046
Figure FDA0003255423130000047
数值越大，表明第i个评价对象与最优解越接近。
CN202111057928.XA 2021-09-09 2021-09-09 城市轨道交通装备制造业集群竞争力评价方法 Pending CN113947281A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111057928.XA CN113947281A (zh) 2021-09-09 2021-09-09 城市轨道交通装备制造业集群竞争力评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111057928.XA CN113947281A (zh) 2021-09-09 2021-09-09 城市轨道交通装备制造业集群竞争力评价方法

Publications (1)

Publication Number Publication Date
CN113947281A true CN113947281A (zh) 2022-01-18

Family

ID=79328026

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111057928.XA Pending CN113947281A (zh) 2021-09-09 2021-09-09 城市轨道交通装备制造业集群竞争力评价方法

Country Status (1)

Country Link
CN (1) CN113947281A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114722094A (zh) * 2022-03-28 2022-07-08 天津大学 一种基于kano-g1的供应链业务多源异构数据融合方法
CN114742444A (zh) * 2022-04-28 2022-07-12 青岛理工大学 一种基于博弈组合赋权的城市低碳客运交通结构评价方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105956768A (zh) * 2016-04-29 2016-09-21 华北电力大学（保定） 一种基于组合赋权和改进topsis的发电企业竞争力评估方法
CN106372952A (zh) * 2016-11-14 2017-02-01 北京创业公社征信服务有限公司 一种基于主客观赋权多模型组合验证的企业信用评价方法及系统
CN106952108A (zh) * 2017-02-20 2017-07-14 国家电网公司 一种售电公司竞争力的分析评价方法
CN107292534A (zh) * 2017-07-12 2017-10-24 国网福建省电力有限公司 城市配电网中长期动态投资的标尺竞争评价方法及装置
CN107506905A (zh) * 2017-08-01 2017-12-22 华北电力大学 一种改进的电网企业可持续发展综合评价方法
CN108198092A (zh) * 2018-01-15 2018-06-22 国网上海市电力公司 一种发电商竞争力综合评价方法
WO2018121396A1 (zh) * 2016-12-29 2018-07-05 中国银联股份有限公司 商户价值评价方法
CN108335253A (zh) * 2018-03-20 2018-07-27 淮阴工学院 基于熵权topsis法的城市道路绿化安全评价方法
WO2020041955A1 (zh) * 2018-08-28 2020-03-05 大连理工大学 一种基于改进型拉开档次法的数控机床综合性能评价方法
CN112434927A (zh) * 2020-11-19 2021-03-02 贵州乌江水电开发有限责任公司 一种火电厂全要素竞争力指标评价方法
WO2021129509A1 (zh) * 2019-12-25 2021-07-01 国网能源研究院有限公司 一种大中型企业技术标准体系化实施效益评价方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105956768A (zh) * 2016-04-29 2016-09-21 华北电力大学（保定） 一种基于组合赋权和改进topsis的发电企业竞争力评估方法
CN106372952A (zh) * 2016-11-14 2017-02-01 北京创业公社征信服务有限公司 一种基于主客观赋权多模型组合验证的企业信用评价方法及系统
WO2018121396A1 (zh) * 2016-12-29 2018-07-05 中国银联股份有限公司 商户价值评价方法
CN106952108A (zh) * 2017-02-20 2017-07-14 国家电网公司 一种售电公司竞争力的分析评价方法
CN107292534A (zh) * 2017-07-12 2017-10-24 国网福建省电力有限公司 城市配电网中长期动态投资的标尺竞争评价方法及装置
CN107506905A (zh) * 2017-08-01 2017-12-22 华北电力大学 一种改进的电网企业可持续发展综合评价方法
CN108198092A (zh) * 2018-01-15 2018-06-22 国网上海市电力公司 一种发电商竞争力综合评价方法
CN108335253A (zh) * 2018-03-20 2018-07-27 淮阴工学院 基于熵权topsis法的城市道路绿化安全评价方法
WO2020041955A1 (zh) * 2018-08-28 2020-03-05 大连理工大学 一种基于改进型拉开档次法的数控机床综合性能评价方法
WO2021129509A1 (zh) * 2019-12-25 2021-07-01 国网能源研究院有限公司 一种大中型企业技术标准体系化实施效益评价方法
CN112434927A (zh) * 2020-11-19 2021-03-02 贵州乌江水电开发有限责任公司 一种火电厂全要素竞争力指标评价方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114722094A (zh) * 2022-03-28 2022-07-08 天津大学 一种基于kano-g1的供应链业务多源异构数据融合方法
CN114742444A (zh) * 2022-04-28 2022-07-12 青岛理工大学 一种基于博弈组合赋权的城市低碳客运交通结构评价方法

Similar Documents

Publication Publication Date Title
Kao et al. Efficiency analysis of university departments: An empirical study
Vovk et al. Modeling the choice of the innovation and investment strategy for the implementation of modernization potential
Gong et al. DEA as a tool for auditing: Application to Chinese manufacturing industry with parallel network structures
CN113947281A (zh) 城市轨道交通装备制造业集群竞争力评价方法
Zhu et al. The efficiency of major industrial enterprises in Sichuan province of China: A super slacks-based measure analysis.
Wang Evaluation and analysis of high quality economic development indicators by the Analytic Hierarchy Process Model
Wu et al. Efficiency evaluation and influencing factors analysis of fiscal and taxation policies: a method combining DEA-AHP and CD function
Tumin et al. The identification of regional competitiveness potentials
CN113344391A (zh) 基于dea改进模型的人工智能企业创新效率的评价方法
Rodenkova et al. Integration of effectiveness and efficiency indicators of state support for projects and programmes for the development of higher education in Russia
Melecký Use of DEA approach to measuring efficiency trend in old EU member states
CN115034676A (zh) 基于层次分析法的企业综合服务质量评估方法及系统
Marchewka Applying TOPSIS to evaluate labour market resources as a factor of regional investment attractiveness
Li et al. Evaluation of factors influencing the sustainable development of the marine equipment manufacturing industry cluster
Yadegari et al. Providing a Comprehensive Model to Measure the Performance Dimensions of Industrial Clusters Using the Hybrid Approach Of Q-Factor Analysis And Cluster Analysis
CN112488438A (zh) 一种结合信用信息的工业企业综合效益评价方法及系统
Choi et al. Predicting the US airline operating profitability using machine learning algorithms
Tsvirkun et al. The Model for Assessing Scenarios for Managing the Economic Development of the Region
Andika et al. Analysis of Economic Structural Transformation and Leading Sectors in Bali, Indonesia
Staníckova et al. Multidimensional Approach to Evaluation of Visegrad CountriesCompetitiveness in Comparison with Austria and Germany
Ozkaya et al. Science, Technology and Innovation Policy Indicators and Comparisons of Countries through a Hybrid Model of Data Mining and Operation Research Methods. Sustainability 2021, 13, 694
Abdikeev et al. Multivariate Model Of Analysis And Assessment Of The Competitiveness Of Socio-Economic Systems
Zinenko et al. Modeling and evaluating the effectiveness of innovation policy in the regions of Russia based on the data envelopment analysis method
Pal et al. Is Growth of Output and Productivity in Indian Manufacturing Industries Sustainable? A Cost Function Approach with Adjustment for Capacity Utilization: 1980–1981 to 2016–2017
Cheng et al. Human Capital Quality, Foreign Direct Investment and Competitiveness of Producer Services

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