论文部分内容阅读
摘 要：本文以我国30个地区的工业产业竞争力为研究对象，运用因子分析和模糊识别模型对其进行实证研究，并依据所得结果，对各地区在工业产业发展中存在的问题进行分析，提出相应的政策建议。
关键词：工业产业； 竞争力； 因子分析； 模糊识别
中图分类号：F299.21 文献标识码：A
产业竞争力是指某一产业通过对生产要素和资源的高效配置及转换，持续稳定地生产出比竞争对手更多财富的能力。而工业作为国民经济的主导产业，是推动一个国家或地区现代化进程的主要力量，其产业竞争力的强弱将直接影响到一个国家或一个地区经济发展水平的高低。因此，研究各地区工业产业竞争力，不仅能为各地区之间区分优劣提供现实依据，也能为今后各地区的工业发展提供一定的理论基础。
一、工业产业竞争力指标体系和评价原则
（一）构建指标体系的原则
地区工业产业竞争力不仅涵盖工业产业本身，还涉及到许多相关的影响因素。因此，在构造工业产业竞争力评价指标体系时，应遵循以下主要原则：
1．科学性原则。指标体系选择、数据选取计算时必须以科学理论为依据，以较少的指标，规范准确地反映出地区工业产业的基本内涵和要求。
2．系统性原则。指标设置应尽可能全面地反映我国地区工业产业竞争力的特征，防止片面性。
3．可行性原则。指标体系应具有较强的可行性，所选取的指标应尽可能从各种统计资料上直接获得或者通过计算后获取。
4．合理性原则。统计指标在进行量化研究时，尤其是在数据的综合过程中，所使用的方法一定要合理。
5．简洁性原则。一种好的评价方法，不仅要合理，还必须简洁或实用。
表1 工业产业竞争力指标体系
（二）工业产业竞争力评价指标体系
依据上述原则，根据对省级工业产业特点的全面分析，并参考国内外相关文献，本文从显性竞争力、隐性竞争力和环境竞争力3个方面进行综合考虑，构造了如下指标体系：
二、工业产业竞争力实证分析
由于某些指标数据的不可获得性，本文共收集到了2009年我国除西藏外30个地区的20项指标的原始数据，利用Excel和Spss13.0软件对这些数据进行因子分析和模糊识别分析。
（一）因子分析实证研究
1．将逆向指标正向化处理。这里利用公式yij=-xij实现其转化过程，使指标统一为越大越好。
2．KMO和Bartlett球型检验。为了消除各指标数量量纲上的不同，首先对数据进行标准化处理，然后对标准化处理后的数据进行KMO和Bartlett球型检验，其中KMO值为0.563，大于0.5；Bartlett值为887.465；P值为0，小于0.001，综合这两个检验结果，认为本文中的数据适合作因子分析。
3.确定公因子数目。根据得出的因子分析的解释总变量表来确定公因子数目，发现前5个主因子的累积方差贡献率为87.629%，包含了原始变量的大部分信息，因此本文选取5个主因子进行分析。
4．输出旋转后的因子载荷矩阵。由于初始因子解释各主因子代表的经济意义并不是很明确，因此需要对初始公共因子进行因子旋转，使其经济意义更明确。这里选用方差极大法对原因子载荷矩阵进行旋转，结果如下表：
表2 旋转后的因子载荷矩阵
由上表，第一主因子在工业总产值、工业增加值、固定资产原值、RAD/GDP、专利受理量、新产品产值、市场占有率、产业集聚、外商直接投资和进出口贸易总额上具有较大的载荷，这些变量主要反映了工业实力，创新力和外资投资的情况，因此将其定义为综合经济实力因子。第二主因子在总资产贡献率、资产负债率、产品销售率和能源消耗强度上有较大的载荷，这些变量主要反映了工业效益的情况，因此将其定义为效益因子。第三主因子在工业增加值率和工业总产值增长率上有较大的载荷，这些变量反映的是工业增长率方面的情况，因此将其称为增长率因子。第四主因子在工业成本费用利用率和全员劳动生产率上有较大的载荷，主要反映了工业效率方面的情况，因此将其称为效率因子。第五主因子在三废综合利用产品强度上有较大的载荷，将其称为产业环境因子。
5．计算各主因子得分及综合得分
根据各因子得分及各因子的总变量解释，得出各主因子得分及综合得分的计算公式：
根据以上公式计算的因子得分和综合得分结果如表3：
表3 主因子及综合得分
（二）模糊识别实证研究
在上述因子分析的基础上，利用提取出来的5个相关性较弱的主因子进行模糊识别分析。
1．对因子分析模型得出的各因子的最终得分进行无量纲化处理。
2.对无量钢化处理后的数据做归一化处理，求出各因子指标的隶属度。
3．用隶属度的最大值Mj组成向量A0=[A1A2…Ak]，其中，k为因子分析后提取的公共因子的个数。本文中A0=（0.13116 0.05099 0.07770 0.10012 0.05533）
4．计算出模糊模式识别矩阵R=（Rji）。先计算dj的值，利用公式：
，再命令rji，rij=1-rji，rii=0.5，即可得出模糊模式识别矩阵。其中d值如下表：
表4 d值
5.规定阈值λ，并根据阈值原则得到入截矩阵，从而选择出最优向量。这里根据上步计算出来的R矩阵，首先规定λ=0.536，遵循阈值原则，当大于等于0.536时记为1，小于0.536时记为0，可以得到相应的入截矩阵λ0.536如下所示：
λ0.536
观察此矩阵可以知道，在第5行中只有对角线上的元素是0，其它元素都是1，所以相对应的第5个省份就是最优的，也就是说该地区的竞争力是最强的。
6．去掉最优向量，也就是去掉模糊矩阵中的第5行和第5列，这样就得到了一个新的29×29矩阵，重新规定阈值，得到一个新的入截矩阵，重复第五步的步骤，即可得到次优地区为第15个地区。
7．去掉最优向量，重复上述步骤，依次按优劣为样本向量排序。
经过以上步骤后，最后得出样本向量被选(下转142页)(上接140页)出的顺序依次为：内蒙古、山东、广东、江苏、河南、陕西、海南、新疆、辽宁、四川、河北、湖南、黑龙江、吉林、天津、湖北、青海、安徽、重庆、上海、江西、福建、浙江、广西、北京、云南、宁夏、山西、贵州、甘肃。
结合上文中的因子分析排名情况，我们将两种方法的结果放在一起进行分析，如下表：
三、分析结果与建议
从上表各地区的排名来看，因子分析和模糊识别两种方法的计算结果基本相同。其中广东、山东，江苏、辽宁、河北等省市工业产业竞争力较强，这些地区都属于东部地区。而贵州、云南、甘肃、宁夏、广西、山西等省市的工业产业竞争力较弱，这些地区主要位于中西部地区。由此可见，我国地区工业竞争力的发展很不均衡，东部地区的工业竞争力明显强于中西部地区。
可见，各地区在工业产业发展环境和竞争环境上存在很大的差距。因此，对于东部这些竞争力较强的地区，要继续发挥其雄厚的工业产业基础优势，不断调整和优化产业结构，争取打造属于自己的产业集群；而对于中西部一些竞争力较弱的地区，它们本身幅员辽阔，拥有丰富的自然资源，但是却没有得到充分的利用，所以这些地区应该加强意识，充分依托自身的资源优势来发展工业产业。此外，随着科技的发展，科技资源和人力资源的重要性越来越凸显，因此各地区要不断引进人才，加大科技力度，提高效率，努力提高高新产品产值，从而提高工业产业竞争力，使各地区的工业产业得到进一步发展。
参考文献：
[1] 张艳.陕西工业竞争力综合评价研究[D].西北大学，2007.
[2] 高彦，张丽明.河北省工业产业竞争力的评价与分析[J].商业现代化，2010，（02）.
[3] 夏智伦.区域经济竞争力研究[D].中南大学，2006.
[4] 王颖.组合模糊模型在高校财务风险预警中的应用[D].华北电力大学，2009.
[5] 陈永林.中部六省工业竞争力分析与评价[J].经济研究，2010，（09）.
关键词：工业产业； 竞争力； 因子分析； 模糊识别
中图分类号：F299.21 文献标识码：A
产业竞争力是指某一产业通过对生产要素和资源的高效配置及转换，持续稳定地生产出比竞争对手更多财富的能力。而工业作为国民经济的主导产业，是推动一个国家或地区现代化进程的主要力量，其产业竞争力的强弱将直接影响到一个国家或一个地区经济发展水平的高低。因此，研究各地区工业产业竞争力，不仅能为各地区之间区分优劣提供现实依据，也能为今后各地区的工业发展提供一定的理论基础。
一、工业产业竞争力指标体系和评价原则
（一）构建指标体系的原则
地区工业产业竞争力不仅涵盖工业产业本身，还涉及到许多相关的影响因素。因此，在构造工业产业竞争力评价指标体系时，应遵循以下主要原则：
1．科学性原则。指标体系选择、数据选取计算时必须以科学理论为依据，以较少的指标，规范准确地反映出地区工业产业的基本内涵和要求。
2．系统性原则。指标设置应尽可能全面地反映我国地区工业产业竞争力的特征，防止片面性。
3．可行性原则。指标体系应具有较强的可行性，所选取的指标应尽可能从各种统计资料上直接获得或者通过计算后获取。
4．合理性原则。统计指标在进行量化研究时，尤其是在数据的综合过程中，所使用的方法一定要合理。
5．简洁性原则。一种好的评价方法，不仅要合理，还必须简洁或实用。
表1 工业产业竞争力指标体系
（二）工业产业竞争力评价指标体系
依据上述原则，根据对省级工业产业特点的全面分析，并参考国内外相关文献，本文从显性竞争力、隐性竞争力和环境竞争力3个方面进行综合考虑，构造了如下指标体系：
二、工业产业竞争力实证分析
由于某些指标数据的不可获得性，本文共收集到了2009年我国除西藏外30个地区的20项指标的原始数据，利用Excel和Spss13.0软件对这些数据进行因子分析和模糊识别分析。
（一）因子分析实证研究
1．将逆向指标正向化处理。这里利用公式yij=-xij实现其转化过程，使指标统一为越大越好。
2．KMO和Bartlett球型检验。为了消除各指标数量量纲上的不同，首先对数据进行标准化处理，然后对标准化处理后的数据进行KMO和Bartlett球型检验，其中KMO值为0.563，大于0.5；Bartlett值为887.465；P值为0，小于0.001，综合这两个检验结果，认为本文中的数据适合作因子分析。
3.确定公因子数目。根据得出的因子分析的解释总变量表来确定公因子数目，发现前5个主因子的累积方差贡献率为87.629%，包含了原始变量的大部分信息，因此本文选取5个主因子进行分析。
4．输出旋转后的因子载荷矩阵。由于初始因子解释各主因子代表的经济意义并不是很明确，因此需要对初始公共因子进行因子旋转，使其经济意义更明确。这里选用方差极大法对原因子载荷矩阵进行旋转，结果如下表：
表2 旋转后的因子载荷矩阵
由上表，第一主因子在工业总产值、工业增加值、固定资产原值、RAD/GDP、专利受理量、新产品产值、市场占有率、产业集聚、外商直接投资和进出口贸易总额上具有较大的载荷，这些变量主要反映了工业实力，创新力和外资投资的情况，因此将其定义为综合经济实力因子。第二主因子在总资产贡献率、资产负债率、产品销售率和能源消耗强度上有较大的载荷，这些变量主要反映了工业效益的情况，因此将其定义为效益因子。第三主因子在工业增加值率和工业总产值增长率上有较大的载荷，这些变量反映的是工业增长率方面的情况，因此将其称为增长率因子。第四主因子在工业成本费用利用率和全员劳动生产率上有较大的载荷，主要反映了工业效率方面的情况，因此将其称为效率因子。第五主因子在三废综合利用产品强度上有较大的载荷，将其称为产业环境因子。
5．计算各主因子得分及综合得分
根据各因子得分及各因子的总变量解释，得出各主因子得分及综合得分的计算公式：
根据以上公式计算的因子得分和综合得分结果如表3：
表3 主因子及综合得分
（二）模糊识别实证研究
在上述因子分析的基础上，利用提取出来的5个相关性较弱的主因子进行模糊识别分析。
1．对因子分析模型得出的各因子的最终得分进行无量纲化处理。
2.对无量钢化处理后的数据做归一化处理，求出各因子指标的隶属度。
3．用隶属度的最大值Mj组成向量A0=[A1A2…Ak]，其中，k为因子分析后提取的公共因子的个数。本文中A0=（0.13116 0.05099 0.07770 0.10012 0.05533）
4．计算出模糊模式识别矩阵R=（Rji）。先计算dj的值，利用公式：
，再命令rji，rij=1-rji，rii=0.5，即可得出模糊模式识别矩阵。其中d值如下表：
表4 d值
5.规定阈值λ，并根据阈值原则得到入截矩阵，从而选择出最优向量。这里根据上步计算出来的R矩阵，首先规定λ=0.536，遵循阈值原则，当大于等于0.536时记为1，小于0.536时记为0，可以得到相应的入截矩阵λ0.536如下所示：
λ0.536
观察此矩阵可以知道，在第5行中只有对角线上的元素是0，其它元素都是1，所以相对应的第5个省份就是最优的，也就是说该地区的竞争力是最强的。
6．去掉最优向量，也就是去掉模糊矩阵中的第5行和第5列，这样就得到了一个新的29×29矩阵，重新规定阈值，得到一个新的入截矩阵，重复第五步的步骤，即可得到次优地区为第15个地区。
7．去掉最优向量，重复上述步骤，依次按优劣为样本向量排序。
经过以上步骤后，最后得出样本向量被选(下转142页)(上接140页)出的顺序依次为：内蒙古、山东、广东、江苏、河南、陕西、海南、新疆、辽宁、四川、河北、湖南、黑龙江、吉林、天津、湖北、青海、安徽、重庆、上海、江西、福建、浙江、广西、北京、云南、宁夏、山西、贵州、甘肃。
结合上文中的因子分析排名情况，我们将两种方法的结果放在一起进行分析，如下表：
三、分析结果与建议
从上表各地区的排名来看，因子分析和模糊识别两种方法的计算结果基本相同。其中广东、山东，江苏、辽宁、河北等省市工业产业竞争力较强，这些地区都属于东部地区。而贵州、云南、甘肃、宁夏、广西、山西等省市的工业产业竞争力较弱，这些地区主要位于中西部地区。由此可见，我国地区工业竞争力的发展很不均衡，东部地区的工业竞争力明显强于中西部地区。
可见，各地区在工业产业发展环境和竞争环境上存在很大的差距。因此，对于东部这些竞争力较强的地区，要继续发挥其雄厚的工业产业基础优势，不断调整和优化产业结构，争取打造属于自己的产业集群；而对于中西部一些竞争力较弱的地区，它们本身幅员辽阔，拥有丰富的自然资源，但是却没有得到充分的利用，所以这些地区应该加强意识，充分依托自身的资源优势来发展工业产业。此外，随着科技的发展，科技资源和人力资源的重要性越来越凸显，因此各地区要不断引进人才，加大科技力度，提高效率，努力提高高新产品产值，从而提高工业产业竞争力，使各地区的工业产业得到进一步发展。
参考文献：
[1] 张艳.陕西工业竞争力综合评价研究[D].西北大学，2007.
[2] 高彦，张丽明.河北省工业产业竞争力的评价与分析[J].商业现代化，2010，（02）.
[3] 夏智伦.区域经济竞争力研究[D].中南大学，2006.
[4] 王颖.组合模糊模型在高校财务风险预警中的应用[D].华北电力大学，2009.
[5] 陈永林.中部六省工业竞争力分析与评价[J].经济研究，2010，（09）.