上海市開發區績效評估與轉型發展

雷曙光

(華東師范大學 經濟與管理學部，上海 200062)

上海市開發區績效評估與轉型發展

雷曙光

(華東師范大學 經濟與管理學部，上海 200062)

基于上海市經信委公布的2009年至2015年上海市108家開發區普查數據，本文通過主成分分析法構建了上海市開發區績效評價體系，并采用熵值法確定各指標權重，最終得到各個工業園區2009年至2015年綜合績效以及創新、資源利用效率等6個方面的評分。本文構建的指標評價體系能夠科學、系統地反映上海市開發區全貌。通過比較2009年至2015年開發區績效排名，我們發現，在創新、資源利用效率等方面領先的工業園區往往能夠取得更快的發展，逐漸趕超其他園區，而以傳統產業為主的工業園區發展相對滯后。促進創新、提高資源利用效率是現階段上海市工業園區轉型發展的重要著力點。

主成分分析；熵值法；模糊運算；開發區績效評估

本文基于上海市經信委公布的2009年至2015年上海市開發區普查數據，構建開發區量化評估綜合體系，從而實現對上海市目前所有開發區現狀和變化趨勢的科學評估。

1 上海市開發區量化評估體系構建

1.1 數據來源與描述

從2010年開始，為促進上海市開發區加快實現“創新驅動、轉型發展”，以新型工業化為發展主線，按照上海市工業區“十二五”規劃的要求，上海市經濟信息化委員會從產業發展、資源利用、創新發展、投資環境等方面對上海市開發區(園區)展開了定期(每年一次)的綜合評價工作，以服務于園區可持續發展和精細化管理，這為我們針對上海市開發區進行科學的績效評估提供了詳實且權威的數據。

上海市經濟信息化委員會設置的開發區綜合評價指標體系分為：1個綜合發展指數、4個分項指數(包括產業發展、資源利用、創新發展、投資環境)、11個專業指數(將四個分項指數細分為經濟規模、發展速度、發展質量、土地集約、節能減排等，詳見表1)，以及150個單項指標。并基于這些指標，賦以權重，最終獲得了上海市各個開發區的綜合評估得分。但我們認為，這樣的評估主觀性較強，指標的選取與權重的確定更多依賴主觀判斷。為了較科學、全面地反映開發區的發展情況、發展潛力和優勢，本文從已有指標數據中篩選出了35個統計時間較長(2009年至2015年均使用該指標統計開發區發展情況)的指標，這些指標能夠基本全面反映開發區在盈利能力、創新能力等方面的發展情況。具體如下：

R&D經費占主營業務收入比例(%)(B1)、從業人員大專以上學歷人數占比(%)(B2)、從業人員平均勞動報酬(萬元/年)(B3)、單位生產總值COD排放量(噸/億元)(B4)、單位生產總值二氧化硫排放量(噸/億元)(B5)、單位生產總值新鮮水耗(噸/萬元)(B6)、單位生產總值綜合能耗(噸標煤/萬元)(B7)、單位生產總值綜合能耗下降率(%)(B8)、單位土地稅收產出強度(萬元/公頃)(B9)、營業總收入(億元)(B10)、高新技術企業數(個)(B11)、工業用地(工業產值)產出強度(萬元/公頃)(B12)、工業總產值(億元)(B13)、工業總產值增長率(%)(B14)、環保投入占固定資產投資比重(%)(B15)、技術先進型服務企業數(個)(B16)、進出口總額(億美元)(B17)、累計安全生產時間(天)(B18)、認定為國家級或市級功能性園區加權合計數(B19)、企業利潤總額(億元)(B20)、企業利潤總額增長率(%)(B21)、區內企業擁有專利數(個)(B22)、人均勞動生產率(萬元/人)(B23)、入選國家和本市相關人才計劃的人員加權合計數(人)(B24)、上繳稅金總額(億元)(B25)、上繳稅金總額增長率(%)(B26)、研發人員比重(%)(B27)、研發中心(機構)數(個)(B28)、園區單位面積基礎設施投入(萬元/公頃)(B29)、園區管理機構是否通過ISO14000和ISO9001認證(B30)、園區集團總部和世界500強企業地區總部以及上市公司加權合計數(個)(B31)、園區銷售利潤率(%)(B32)、園區主導產業集聚度(%)(B33)、戰略性新興產業和高新技術產業產值比重(%)(B34)、綜合容積率(B35)。

對上述35個指標，首先在已有的開發區數據基礎上將2015年的指標數據進行補全，具體方法是使用該開發區上一年度該指標數據代替2015年數據。然后，使用主成分分析法按照數據分布和統計特性進行歸類和篩選，提取最具代表性的幾類指標，構造一套較為科學的開發區綜合評價指標體系。

1.2 主成分分析

1.2.1主成分分析原理

主成分分析是設法將原來眾多的具有一定相關性的指標(比如P個指標)，重新組合成一組新的互相無關的綜合指標來代替原來的指標。在本文中，主要借助主成分分析法避免已有綜合評價指標體系存在的不同類別指標意義重復等問題。通常，數學上的處理就是將原來P個指標進行線性組合，將組合后的新指標作為綜合指標。最經典的做法就是用F1(選取的第一個線性組合，即第一個綜合指標)的方差來表達，即Var(F1)越大，就表示F1包含的信息越多。因此，在所有綜合指標的線性組合中選取F1可以將大部分的方差變異表示出來，故稱F1為第一主成分。如果第一主成分不足以代表原來P個指標的信息，可以再考慮選取F2，即選第二個線性組合作為新的指標的代替。為了有效地反映原來信息，F1已有的信息就不需要再出現，用數學語言表達就是要求Cov(F1,F2)=0，則稱為第二主成分，依此類推可以構造出第三、第四，……直到第P個主成分[9]。

1.2.2主成分分析法計算步驟

(1)計算協方差矩陣

(2)求出Σ的特征值λ1及相應的正交化單位特征向量αi。

(3)選擇主成分

當累積貢獻率大于85%時，就認為能足夠反映原來變量的信息了，對應的m就是抽取的前m個主成分。

(4)計算主成分得分

1.2.3主成分分析結果

使用SPSS軟件的主成分分析功能，基于數據，我們提取前六個主成分作為最終指標。這些指標的方差貢獻度累積達到了60%以上，并且之后的主成分下指標載荷過低，因此選取最具代表性的前六個主成分下的19個指標，具體如表1所示。

表1 根據因子載荷對35個指標歸類

注：表格內容通過SPSS軟件計算得到

根據主成分下指標的涵義，可以認為主成分1代表了開發區的創新能力，主成分2代表了開發區的盈利能力，主成分3代表了開發區的資源利用效率，主成分4代表了開發區的資源集聚程度，主成分5代表了開發區的投入產出能力，主成分6則代表了開發區帶動區域經濟發展的能力。因此，可以構建上海開發區的二級指標體系，如表2所示。在主成分分析重新分類和篩選得到的指標基礎上，在2.3部分，我們將使用熵值法求其權重。

表2 主成分分析得到的開發區評價指標體系

注：表格內容根據主成分結果得到

1.3 上海市開發區評價指標權重分析

1.3.1熵值法原理

在確定了評價體系的指標后，還需要確定指標權重。為了保證科學性，本文使用較為客觀的熵值法求解各指標的權重，原理是根據各指標之間的相互聯系程度確定權重，而且還需要對評價得分數據的分布形態進行假定。此外，某項指標得到的評價數據差距越大，則說明該項指標包含的信息量也多(變異程度高)，所以該指標的權重就會越大，信息論中的熵為指標的變異程度。不同年份由于統計方法、開發區發展重點和區域發展規劃等因素，權重會根據數據差異的大小自動動態調整，可以更加客觀地反映不同指標重要性的差異及其變化。熵值法求權重的公式為：

各個指標的熵權值計算過程如下：

1.3.2計算權重

根據熵值法的計算方法，可以求得本文2.2部分所構建的二級指標體系各指標權重，如表3所示。

2 上海市開發區模糊綜合評價及結果分析

2.1 模糊綜合評價法原理

在確定指標評價體系和權重后，我們采用模糊綜合評價法計算最終得分。模糊綜合評價法的基本原理是先確定被評價對象的各級指標的等級集合，然后再使用AHP(層次分析法)或者熵值法等數學方法確定各個指標的權重值，以及確定各指標的隸屬度向量，這樣就得到了模糊模型的模糊評判矩陣。最后，將模糊評判矩陣與指標的權重向量進行模糊運算，然后進行歸一化處理，即為模糊綜合評價的最終結果。具體操作如下：

表3 熵值法計算的指標權重

注：表格內容通過SPSS軟件計算得到

再根據上一步通過熵值法計算得到的權重結果，按照公式：U×V→[0，1]，risj=Rs(uis，vj)，對指標進行模糊處理。該公式表示U，V經過扎德算子運算得到介于[0，1]的一個結果矩陣；R為評價指標U到評價尺度集V的一個模糊關系；risj是第三層指標uis對評價尺度vj的隸屬度(本文采用歸一化處理方法來替代性地求得隸屬度)。

本文采用的模糊合成算子為扎德算子，使用扎德算子將評價數據進行模糊變換。扎德算子計算原理為：bj=ˇ(ai＾rij)=max{min(ai,rij)}，其中＾為取最小運算，ˇ為取最大運算。據此，可以計算開發區在各級評價指標下的模糊綜合分值，并最終可計算得出不同開發區的總體評價得分。

2.2 上海市開發區綜合評價——基于2015年最新數據

基于本研究獲取的最新開發區數據(2015年)和前文所構建的評價指標體系和評價方法體系，得到2015年上海市108個開發區(含4個開發區的分區)的6個一級指標得分和最終評分結果。各一級指標得分前10名、最后10名以及最終得分的前10名和最后10名如表4、表5所示。

對比官方數據，我們發現，在創新能力方面，官方發布的開發區綜合評價指標體系將“技術先進型服務企業”納入了“科技創新”指標，而本文注重企業自身創新能力、創新人員、園區創新環境(功能性園區、世界500強企業)等指標，所以張江高科技園區、漕河涇新興技術開發區、金橋經濟技術開發區等高新技術、新興技術類園區排名靠前。

在盈利能力方面，官方發布的開發區綜合評價指標體系并未明確提出測度盈利能力的指標，而是將相關指標和產值、企業注冊數、新開工項目等一起納入產業發展相關指標下，本文則明確選取了較有代表性的營業收入、繳稅金額等指標，能夠較好地反映企業的經營、納稅能力。

在資源利用效率方面，官方發布的開發區綜合評價指標主要從土地利用、能源消耗等方面考慮，并未考慮對資金、人力、物力等各類生產資源的利用效率，本文則使用勞動生產率等指標較好地測度了對各類資源的使用效率，所以張江高科技園區、漕河涇新興技術開發區與上海市北高新技術服務業園區等人才與科技資源密集的開發區排名靠前，以科技創新和高端人才為核心競爭力的開發區在資源利用效率方面表現尤為突出。

表4 開發區評價一級指標得分和最終評價得分前10名(2015年)

注：表格內容由本文構建指標體系計算得到

表5 開發區評價一級指標得分和最終評價得分后10名(2015年)

注：表格內容由本文構建指標體系計算得到

在資源集聚程度方面，官方發布的開發區綜合評價指標并未明確提出相關指標分類，雖然也考慮了產業集聚程度指標，但是開發區對各類生產、創新資源的集聚還應該反映在研發資源密度(研發經費比例、研發人員比例等)、容積率等方面。所以，在本文構建的指標體系中，研發資源集聚程度高且產業鏈成熟的高科技類、新興技術類園區排名靠前，比如漕河涇新興技術開發區、上海國際醫學園區等。

在投入產出方面，官方發布的開發區綜合評價指標將工業用地(工業總產值) 產出強度、單位土地利潤產出強度、單位土地稅收產出強度等指標放在了土地集約利用指標下，并未和工業產值等指標一起用來測度開發區的投入產出效率。而本文所構建的指標體系則綜合考慮了已有指標體系的工業產出強度、單位土地利潤產出強度與工業產值等多方面指標，能夠較全面地反映開發區的投入產出效率。從評價結果看，出口加工類、工業類開發區排名靠前，比如上海松江出口加工區、上海康橋工業區，而國際汽車城則由于產業的資金密集、土地利用效率高等特點排名第一。

在開發區帶動區域經濟發展能力方面，本文主要從稅收角度測度該項能力，而稅收是促進地方經濟發展的方面之一。根據本文的主成分載荷計算，該方面指標較少，不過依然可以看出工業園、工業基地類產業鏈長且綜合性園區排名較為靠前，也反映綜合性工業開發區目前仍是區域經濟發展的主要動力。

2.3 基于2009年與2015年縱向數據的開發區綜合評價

上一節我們利用上海市工業園區最新數據對上海市開發區綜合績效和6個單項指標進行了橫向對比，從而對目前上海市工業園區的全貌進行了科學、系統的評估。同時，我們還需要關心的是近年來開發區的變化趨勢。因此，本文進一步計算2009年與2015年各年度開發區綜合評價得分，通過對比排名變化分析近年來開發區發展的變化趨勢并總結規律，為各開發區轉型發展和趕超提供數據支撐。2009年與2015年開發區評價的前10名如圖1所示。

圖1 上海市開發區2009—2015年

注：圖表內容由所有2009與2015年評估結果計算得到

3 結論與政策含義

本文基于主成分分析法構建了上海市108家工業園區的績效評估體系，并采用熵值法確定指標權重，最終通過模糊綜合評價法對上海市近年來各個開發區單項以及綜合績效進行了科學、系統的評估。通過以上分析，我們認為，本文構建的上海市工業園區量化評價體系能夠更加科學、全面地反映各個工業園區的績效和優勢領域。本文不僅有綜合績效評價，還包含創新、盈利、資源利用效率、資源集聚程度、投入產出能力和帶動經濟發展能力6個不同方面的單項評價，這也可以成為企業選址、不同開發區管委會進一步挖掘發展潛力，充分發揮比較優勢的重要參考。

橫向對比可以看出，目前上海市發展良好、各項指標領先的開發區主要集中在電子信息、高端裝備制造等以創新為重要特征的新型產業集聚的園區，排名落后的開發區基本集中在農業、化工等傳統產業集聚的園區。這些園區普遍存在土地利用效率不高，人才集聚不明顯，專利發明數量較少等現象。

縱向來看，對比2009年與2015年的排名情況，上海市張江高科技園區、漕河涇新興技術開發區、金橋經濟技術開發區、紫竹高新技術開發區等開發區自2009年以來一直保持在前10名，而外高橋保稅區、嘉定工業區發展定位為資金密集和傳統工業布局為主，缺乏創新動力與創新發展潛力，因此近幾年的綜合評價得分有所下降。可以看出，上海市開發區在上海全球科技創新中心戰略和創新驅動戰略背景下，具有較強創新資源集聚能力、創新資源配置效率等創新潛力的開發區評價得分保持上升，而傳統的工業型或出口加工型開發區綜合評價得分有所下降。

綜合來看，以張江高科技園區、漕河涇新興技術開發區、外高橋保稅區、上海金橋經濟技術開發區與國際汽車城為代表的開發區逐漸成長為上海市開發區龍頭園區。其他落后園區也應依托上海經濟、地理區位優勢，盡快實現產業升級，以技術創新、研發與吸引人才為突破口，逐漸淘汰傳統產業，發展技術密集型產業，最終實現上海市創新驅動發展模式的總目標。

[1] 范曉屏. 特色工業園區與區域經濟發展: 基于根植性, 網絡化與社會資本的研究[M]. 北京：航空工業出版社, 2005.

[2] 陸銘，向寬虎，陳釗. 中國的城市化和城市體系調整: 基于文獻的評論[J]. 世界經濟，2011(6): 3-25.

[3] 向寬虎，陸銘. 發展速度與質量的沖突——為什么開發區政策的區域分散傾向是不可持續的[J]. 財經研究, 2015, 41(4): 4-17.

[4] 李力行，申廣軍. 經濟開發區、地區比較優勢與產業結構調整[J]. 經濟學, 2015(3): 885-910.

[5] 楊銳，劉志彪. 鄰近性促進開發區增長了嗎?——基于上海市級以上開發區的實證研究[J]. 上海經濟研究, 2015(8): 99-108.

[6] 唐曉宏. 上海產業園區產城融合發展路徑研究[J]. 宏觀經濟管理, 2014(9): 68-70.

[7] 倪外，曾剛. 上海浦東新區產業升級研究:路徑和突破方向[J]. 上海經濟研究, 2009(4): 97-104.

[8] 王賀封，石憶邵，尹昌應. 基于DEA模型和Malmquist生產率指數的上海市開發區用地效率及其變化[J]. 地理研究, 2014(9): 1636-1646.

[9] 李靜萍. 多元統計分析方法與應用[M]. 北京：中國人民大學出版社, 2008.

[10] 高春玲. 基于熵值法的湖北省綠色經濟發展綜合評價研究[J]. 科技管理研究, 2012, 32(19): 70-72.

[11] 郭毓東，徐亞純，郝祖濤. 基于AHP和熵值法的綠色物流發展指標權重研究——以長株潭兩型社會城市群為例[J]. 科技管理研究, 2013(18): 57-62.

[12] 賓厚，汪妍蓉，單汩源. 基于模糊綜合評價法的城市共同配送風險評價研究[J]. 科技管理研究, 2015(8): 52-56.

PerformanceEvaluationandTransformationDevelopmentofShanghaiDevelopmentZone

(LEIShuguang

(East China Normal University Department of Economics and Management, Shanghai 200062, China)

Based on the census data of 108 development zones in Shanghai from 2009 to 2015, this paper constructs the performance evaluation system of Shanghai development zone through principal component analysis method. Then the entropy method is used to determine the weight of each index. Finally, the comprehensive performance of each industry park from 2009 to 2015, as well as the innovation and the efficiency of resource utilization are obtained from 6 aspects. The index evaluation system constructed in this paper can reflect the whole picture of Shanghai Development Zone scientifically and systematically. Through the performance comparison between 2009 2015 Development Zone ranking, we found that the lead in innovation, resource use efficiency of industrial parks are often able to achieve faster development, and the development of traditional industries based Industrial Park is relatively slow. Promoting innovation and improving the efficiency of resource utilization are important directions for the transformation and development of Shanghai industrial parks at the present stage.

principal component analysis; entropy method; fuzzy calculation; development zone performance evaluation

2017-10-09

雷曙光(1976—)，男，湖北隨州人，華東師范大學經濟與管理學部世界經濟專業在讀博士生，研究方向：產業經濟。

E-mail：bssqbs@qq.com。

1005-9679(2017)06-0070-06

F 260

A