原创《基于因子分析和熵权法全国科技水平评价》：关于免费熵论文范文在这里免费下载与阅读,为您的熵相关论文写作提供资料。
摘 要：一个国家的科学技术发展水平直接或间接决定了其经济发展水平和国际竞争力.文章通过因子分析法,提取了影响科技发展水平的主要因素,接着用熵权法对我国31个地区科技发展水平进行评价排序,提出了相关建议,为地区制定科技发展战略提供一定的参考.
关键词：因子分析 熵权法 科技发展 评价指标
中图分类号：F204 文献标识码：A
文章编号：1004-4914（2016）01-044-03
一、引言
20世纪中后期,世界范围出现了新科技革命,科学技术成为推动经济增长最关键的因素,科学技术和经济、社会发展的关系越来越密切,科学技术在经济增长中发挥着最重要的作用,经济增长和科学技术之间的互动互促关系也日益明显.经济增长同时伴随着科技进步,而科技进步又会加速经济增长.世界强国的发展过程已证明：经济增长越快,经济总量越大,科技投入也应越高；科技投入越高,科技水平提高就越快,由此促使经济可持续快速增长,使得科技进步和经济增长进入良性循环.评价地区的科技发展水平的指标很多,这些指标从不同的角度反映不同地区的科技发展水平,但也增加了分析问题的复杂性.为此,有必要寻找既能反映所要分析问题的大部分信息,又较为简化地分析和分类方法,而因子分析法正是解决这一问题的理想工具.本文通过因子分析方法和熵权法,分析了影响科技发展水平的主要因素,将我国31个行政区的科技发展水平进行排序和评价,为地区制定科技发展战略提供一定的参考.
姚建文（2003）通过建立省际区域科技竞争力评价模型,并利用全国资源清查数据, 对我国各省（市、自治区）科技竞争力进行了综合评价.姜春林等（2005）利用主成分分析法对2000年中国大陆各省、市、自治区的科技竞争力进行评价,发现部分省市科技发展水平和经济发展水平没有表现出一致性.黎雪林等（2006）通过对科技投入、科技产出、科技和经济社会协调发展程度、科技潜力等4个方面的考核,设计了较为完整的科技竞争力综合评价指标体系.赵前等（2011）采用超效率方法,对中国的30个省的总量科技竞争力和结构科技竞争力进行效率评价,发现省际间科技辐射和科技带动的效果明显,总量科技竞争力和结构科技竞争力的效率存在较大差别,而且科技竞争力并非完全和区域经济水平同步.侯海青等（2012）采用主成分分析法对2009年中国的30个省（市、自治区）的科技竞争力进行评价,并用回归分析法分析其科技竞争力和地区经济发展水平之间的相关性.
杜晶等（2007）从样本几何的角度指出,主成分分析在构造主成分得分函数过程中,只是简单地计算数据点在新坐标系的投影,没有考虑旋转前后坐标赋权的变化,因此有内在的矛盾.王学民（2007）对建立综合评价函数来对样本数据进行综合排序的方法的不科学性作了阐述, 并指出在综合评价函数中对各主成分使用贡献率加权是错误的.另有学者指出如果某个指标的样本数据相差较大,因子分析也会变得不准确.本文笔者在利用因子分析法进行评价排序时,也发现因子得分排序上和原始数据指标存在较大出入.例如广东、北京地区在构成某个解释因子的指标中,原始样本数据很大,每一项指标都排在前几位,但是在因子得分上却很低.因此,本文采用因子分析法提取解释因子,再利用熵权法计算这些因子的得分,最后给出相关结论和建议.
二、评价指标体系的建立
影响科技发展水平的因素是多方面的,本文借鉴本研究参照国家科技部《全国科技进步统计监测报告》和黎雪林等（2007）、陈文军等（2014）相关评价指标体系,立足影响因素搜集了五个类别的指标,它们分别反映了人力资源水平、科技财力投入、科技成果、经济基础等诸方面的作用,较全面的概括了科技发展水平的含义.本文使用的原数据来自《中国统计年鉴2014》、《中国科技统计年鉴2014》、《中国环境统计年鉴2014》.
三、数据处理和分析
(一)因子分析法
因子分析是一种降维、简化数据的技术.它通过研究众多变量之间的内部依赖关系,探求观测数据中的基本结构,并用少数几个不可观测的潜在变量来表示其基本的数据结构.这几个抽象的变量被称作因子,能反映原来众多变量的主要信息.抓住这些主要因子,就可以帮助我们对复杂的问题进行深入分析、合理解释和正确评价.
KMO（Kaiser-Meyer-Olkin）检验统计量是用于比较变量间简单相关系数和偏相关系数的指标.KMO统计量是取值在0和1之间.当所有变量间的简单相关系数平方和远远大于偏相关系数平方和时,KMO值接近1.KMO值越接近于1,意味着变量间的相关性越强,原有变量越适合作因子分析；当所有变量间的简单相关系数平方和接近0时,KMO值接近0,KMO值越接近于0,意味着变量间的相关性越弱,原有变量越不适合作因子分析.表2中,KMO值为0.677,适合做因子分析.Bartlett球形度检验的P值为0,小于0.05,拒绝原假设相关系数矩阵为单位阵,说明变量间存在相关关系,适合做因子分析.
从表3（见上页）可知,前4个主成分对应特征值大于1,累计贡献率达到90.018%,基本上保留了原来指标的信息,因此提取前四个主成分.
由表4可知,第一个因子包括了每万人技术市场成交额、重点高校数、国外主要检索工具收录我国科技论文数、万人发明专利授权数、R&D机构数、R&D经费投入强度、每万人大专以上学历人口数、每十万人口高等学校在校生数、每万人R&D活动人员数方面的信息,解释了31.3%的方差,主要反映的是地区科学研究和人力资源水平方面的实力,故命名为科研因子；第二个因子包含了高技术产品出口额、高技术产业新产品开发项目数、发明专利申请数、企业R&D人员占总R&D人员比重、高技术企业数、地方科技财政支出方面的信息,解释了20%的方差,主要反映了科技产业化,故命名为产业化因子；第三个因子包含了高技术产业投资额、规模以上企业技术获取和技术改造、R&D经费、教育财政支出、规模以上企业R&D经费支出方面的信息,主要反映了一个地区的科技资金投入,解释了18.9%的方差,故命名为财力投入因子.第四个因子包含人居地区生产总值、居民消费水平、互联网普及率、一般工业固体废物利用率、地方科技财政支出占财政支出比重方面的信息,解释了18.6%的方差,主要反映的是一个地区的经济基础,体现了科技发展的环境,故命名为发展环境因子.
熵论文参考资料：
结论：基于因子分析和熵权法全国科技水平评价为关于对写作熵论文范文与课题研究的大学硕士、相关本科毕业论文熵增定律人类会灭亡论文开题报告范文和相关文献综述及职称论文参考文献资料下载有帮助。
