基于指標變異程度與關聯程度組合賦權的中國工業結構轉換能力動態綜合評價

范德成，方 璘，宋志龍

(哈爾濱工程大學 經濟管理學院，黑龍江 哈爾濱 150001)

0 引言

中國自改革開放以來，經濟發展取得了舉世矚目的成就，經濟總量快速增長的同時，產業結構也在不斷優化，產業間的比例關系產生了明顯的變化[1]，其他世界大國的經濟發展也表明，經濟增長過程中常常伴隨著產業結構、消費結構等的顯著變化，這種現象被稱為結構轉換[2]。庫茲涅茨將結構轉換歸納為經濟發展的典型特征之一，經濟增長理論模型也被引入到產業間的結構轉換分析和經濟增長分析上來，產業結構轉換作為經濟發展的重要組成部分，成為學者持續關注的核心議題[2]。對于產業結構轉換的研究主要集中于三個方面，一是產業結構轉換的驅動因素。這類研究主要集中于需求驅動與供給驅動兩種角度，認為導致產業發生變化的主要原因有消費者收入水平的提高(Laitner J[3], Rogerson R[4])、技術進步(Buera F.J, Kaboski J.P[5], Buera F.J，Kaboski J.P[6], Ngai L. R, Pissarides C.A[7])、資本深化(Acemoglu D, Guerrieri V[8])和金融發展(Sasidharan S et al[9], Lin J.Y et al[10])等因素。二是產業結構轉換過程。根據研究視角的不同，學者們從農業(Dekle R，Vandenbroucke G[11])、工業(王玉燕等[12])和服務業(Moro A[13])三方面出發，研究了產業結構轉換的主要原因和動態變化過程等。三是產業結構轉換能力的評價。李臘生[14]最早對產業結構轉換能力進行了測度，利用產業結構高級化的速度來測度產業結構轉換能力，并提出了產業結構轉換能力測度模型和產業結構轉換能力系數。賀燦飛[15]最早提出了包含技術水平、需求因素、供給因素和產業結構四方面的產業結構轉換能力綜合評價指標體系，運用主成分分析法對中國30個省份的產業結構轉換能力進行了評價分析。隨后，這種綜合評價指標體系得到廣泛應用，學者們根據研究對象的不同，對評價指標體系的內容進行了進一步優化，如李輝、陸道芬[16]增加了資源環境承載能力因素和產業政策調控力因素，運用熵值法對資源環境約束下中國西部地區產業結構轉換能力進行評價，認為供給能力、資源環境承載力和需求能力是中國西部地區產業結構轉換能力的主要影響因素；周明、喻景[17]增加了可持續發展因素，運用因子分析法對重慶市工業結構轉換能力進行評價，認為影響工業結構轉換能力的主要因素是創新能力、需求供給水平、對外貿易和環保水平；何偉等[18]增加了對外貿易發展因素，運用因子分析法對甘肅省產業結構轉換能力進行了評價，同時對區域城市化與產業結構轉換能力的相關性進行了分析，發現隨著區域經濟的增長，區域城市化與產業結構轉換能力的相關性逐漸降低，呈現反“S”型發展趨勢；張小平、何偉[19]增加了對外貿易發展因素并建立了動態比較模型，運用因子分析法對甘肅省14個市州的產業結構轉換能力進行了動態測定和分析；李占國和高志剛[20]增加了對外貿易因素和政策因素，運用主客觀組合評價方法對中國區域產業結構轉換能力進行了評價分析；賀兵[21]增加了政策因素，運用主成分分析法對中國各區域工業結構轉換能力進行評價，發現東部區域和中部區域主要依賴研發創新和消費因素，而西部區域則依賴政策因素推動地區工業結構轉換。通過對現有文獻分析，可以發現產業結構轉換方面的研究已經取得了豐富的成果，但是在產業結構轉換能力評價方面，學者們大多注重評價指標的選取，而在評價方法方面，則常常選用單一評價方法進行賦權評價。不同的賦權方法從不同的角度出發，其結果反應了評價問題某方面的權重特征，也造成了不同賦權方法權重的非一致性。因此，在產業結構轉換能力評價方面，如何合理分配評價指標權重未得到充分研究。

權重的確定是求解多屬性決策問題的關鍵，學者們主要運用主觀賦權方法、客觀賦權方法和主客觀集成賦權方法對權重進行確定。主觀賦權方法易受到評價專家知識和經驗等的影響而產生偏差，客觀賦權方法則是依據數據本身的性質來確定各變量的權重，具有較強的數理依據性[22]，因此客觀賦權方法能夠更好的反映決策指標的權重?？陀^賦權方法的原始數據往往包含指標變異程度上的差異信息與指標間相互關聯程度上的差異信息[23]。因此，為了對多屬性決策問題進行合理的評價，需要綜合考慮指標變異程度與關聯程度進行組合賦權。常見的客觀賦權方法，如熵值法、變異系數法、離差最大化方法、主成分分析法等都是通過各評價指標變異程度上的差異信息對評價指標進行賦權，忽視了各評價指標間相互關聯程度上的差異信息。而DEMATEL方法則能夠充分體現出評價指標間的相互關聯程度。常見的組合賦權方法有線性加權法[24,25]、乘積加權法[26,27]等，還有一些學者提出其他的組合賦權方法，如Qin J.D和Liu X.W[28]提出了一種基于排序熵組合原理和最小二乘法的確定組合權重的方法；遲國泰等[29]提出了一種基于評價對象加權得分與理想點廣義距離最小和Jaynes最大熵原理的最小距離—最大熵組合賦權方法，該方法體現了距離理想點越近，得分越高的原理，同時能夠避免個別單一賦權方法對組合賦權結果貢獻太小而被剔除的情況發生。

因此，為更好的解決產業結構轉換能力評價指標權重分配問題，本文以工業結構轉換能力為研究對象，提出一種綜合考慮指標變異程度與關聯程度的客觀賦權方法，利用最小距離—最大熵原理進行組合賦權。在此基礎上，本文構建了中國工業結構轉換能力評價模型，同時采用時序加權平均算子對中國30個省份的工業結構轉換能力進行動態評價，期待能夠為中國工業結構轉換能力評價研究提供一種新思路。

1 工業結構轉換能力評價指標體系

表1 中國工業結構轉換能力評價指標體系

根據產業結構轉換的內涵，工業結構轉換可被理解為一個國家或地區的工業各部門及工業結構隨主導產業更替而發生質的變化[17]。工業結構轉換能力則是指工業結構適應市場變化和保持地區經濟持續穩定、協調增長而向高級化調整、演進的可能性和條件[19]。工業結構轉換能力是一個綜合概念，無法由單一或片面的指標進行衡量[15]，需要選擇多個指標進行綜合分析。參考前人研究基礎[15～21]，根據工業結構轉換能力內涵，同時考慮到數據的可獲得性、完整性、實用性和動態性，選取需求因素、供給因素、技術因素、可持續發展及對外貿易五方面共16個指標構建評價指標體系。具體情況如表1所示。

2 評價模型構建及相對有效性分析

在評價之前需要對原始數據進行無量綱化處理，根據相關文獻[30]，本文選用極值處理法對各評價指標進行無量綱化處理，公式如下：

(1)

2.1 靜態評價模型構建

2.1.1 熵值法權重確定

熵值法的核心是根據評價指標的信息熵來判斷指標的離散程度，離散程度越大，表明該評價指標對綜合評價值的影響越大，權重越大[31]。熵值法確定權重的具體步驟如下：

(1)計算各指標比重：

(2)

(2)各指標信息熵為：

(3)

(3)各指標權重為：

(4)

2.1.2 離差最大化法權重確定

離差最大化法的核心思想是判斷各評價指標下評價對象屬性值間的差異性，某評價指標下各評價對象屬性值間的差異性越大，該評價指標對綜合評價的影響越大，權重越大[32]。離差最大化法確定權重的具體步驟如下：

(5)

(2)評價對象Gi與其他所有評價對象之間的離差用Qij(w)表示，

(6)

(3)令Qj(w)表示j指標下所有評價對象間的總離差，

(7)

(8)

(5)解此最優化模型可得最優解為：

(9)

(10)

2.1.3 BP-DEMATEL方法權重確定

BP-DEMATEL方法由崔強等[33]提出，是利用BP神經網絡求得的權值替代傳統DEMATEL方法中通過調查問卷和專家打分法建立的直接關聯矩陣，然后利用傳統DEMATEL方法確定各評價指標間的關聯程度來確定指標的重要程度。本文認為越重要的評價指標對綜合評價的影響越大，權重也就越大。BP-DEMATEL方法能夠避免因復雜問題存在非常多影響因素而導致專家進行打分時產生的誤差，極大增加了計算結果和分析的可信度。目前BP-DEMATEL模型已應用于空港競爭力[33]、沿海城市生態安全系統[34]、原始性創新環境[35]、生態文明建設[36]、創新人才成長環境[37]等領域的影響因素研究，方法的使用已比較成熟。BP-DEMATEL方法確定權重的具體步驟如下:

(11)

(2)將作為BP神經網絡的輸入向量，y作為BP神經網絡的輸出向量，運用引入動量項的自適應變速率的梯度下降法訓練BP神經網絡，得到輸入層與隱含層的權值矩陣Wm×p和隱含層與輸出層的權值矩陣Vp×l，p為隱含層個數。

(3)計算整體權值向量w=mean(|W|×|V|)，其中w=wm×l,|W|和|V|分別表示對權值矩陣Wm×p和Vp×l的每一個元素取絕對值。mean函數的功能是當l值大于1時，對|W|×|V|的每列取平均值。

(4)計算各評價指標的直接關聯矩陣：

(5)歸一化直接關聯矩陣：

(12)

(6)計算綜合影響矩陣：

T=X(I-X)-1

(13)

其中(I-X)-1為I-X的逆矩陣，I為單位矩陣。

(7)建立因果關系：定義D為T各行的元素之和，定義R為T各列的元素之和。

T=(tij)m×m

(14)

(15)

(16)

(8)中心度相當于指標j的絕對重要度，原因度相當于指標j的隱含重要度，根據相關文獻[31]可確定指標j的重要度即指標j的權重為：

(17)

2.1.4 基于最小距離—最大熵的組合賦權確定

(18)

(1)各評價對象加權得分與理想點廣義距離最小：

(19)

(2)為避免個別單一賦權方法因對組合賦權結果貢獻太小而遭剔除的問題，引入Jaynes最大熵原理，基于各賦權結果一致性最大的思想構建目標函數：

(20)

基于以上兩方面構建目標函數：

(21)

解此模型可得組合權重系數最優解為：

(22)

將解得λq帶入式(18)可求得中國工業結構轉換能力各評價指標權重，因此中國工業結構轉換能力靜態評價得分為：

(23)

2.2 動態綜合評價模型構建

動態綜合評價的重點問題是時間序列權重的確定，本文采用時序加權平均算子進行二次加權，在第一次加權計算的基礎上突出時間作用，對時間區間[1,h]內各評價對象進行綜合評價。具體步驟如下：

(1)由第一次加權的靜態評價可得被評價對象i在時刻t的評價值Si(t)。

(2)確定時間序列權重。令時間序列加權向量為wt：wt=(w1,w2,…,wh)Γ，wt可通過求解以下非線性規劃問題得到[40]：

(24)

其中θ表示時間的重要程度，具體數值見表2。

表2 時間重要程度

(3)采用時序加權平均算子對靜態評價值Si(t)進行二次加權計算，得到動態綜合評價值：

Li=A(<1,Si(1)>,<2,Si(2)>,…,

(25)

2.3 綜合評價模型相對有效性檢驗

基于以上計算可得評價對象的評價值和排序。張立軍和王葉平[41]提出了一種綜合評價模型相對有效性測度方法，本文利用該方法對基于指標變異程度與關聯程度組合賦權綜合評價模型進行相對有效性檢驗，具體步驟如下：

(1)利用Spearman等級相關系數衡量不同評價方法所得的評價結果之間的相似程度：

(26)

其中u為評價模型，Kuv表示第u種和第v種評價模型排序結果的等級相關系數，fi為i第個評價對象在第u種和第v種評價模型排序結果中的位次差。用Jiu表示第i個評價對象在第u種評價模型排序結果中的排列位次，則fi=Jiu-Jiv。進一步可計算出第u種評價模型的排序結果與其他所有評價模型排序結果的平均等級相關系數：

(27)

Ku即為評價模型所得評價結果的相似程度，相似程度越高，該評價模型相對其它評價模型越有效。

(2)計算綜合評價模型的離散度：

u=1,2,…,o;v=1,2,…,o;v≠u

(28)

某評價模型離散度越高，該評價模型與其它綜合評價模型評價結果差異越大，認為該評價模型相對有效性越低。

(3)對以上所得綜合評價模型的相似程度與離散度結果進行無量綱化處理，本文選用極值處理法，相似程度為正向指標，離散度為負向指標，將無量綱化處理后的結果相加即可得到評價模型的相對有效性得分。

3 實證分析

3.1 數據來源與預處理

本文樣本數據來自于《中國統計年鑒》、《中國工業統計年鑒》、《中國科技統計年鑒》、《中國能源統計年鑒》和《中國環境統計年鑒》，統計數據為各省份規模以上工業企業統計數據。由于2012年并未統計就業人數，2016年環保部環境統計數據延遲發布，香港、澳門、臺灣和西藏歷年來各項數據缺失嚴重，同時《國民經濟行業分類標準》于2011年進行了第三次修訂，規模以上工業企業標準于2011年發生變化，為了保證樣本數據的可比較性以及樣本行業的前后一致性，本文選取2013年至2015年除香港、澳門、臺灣和西藏以外，全國30個省份規模以上工業企業為研究對象。對原始數據進行無量綱化處理，計算出2013年至2015年中國工業結構變化指數以及熵值法、離差最大化法和BP-DEMATEL方法的權重，利用最小距離—最大熵方法進行組合賦權并得到2013年至2015年各省工業結構轉換能力靜態評價值，最后利用二次加權法對各省工業結構轉換能力進行動態評價。

3.2 基于不同方法的組合賦權

表3 中國工業結構轉換能力評價指標組合權重系數及權重

3.3 評價結果

3.3.1 截面靜態評價結果

運用式(23)將表3求得的各評價指標權重與無量綱化處理后數據進行計算，求得2013年至2015年中國各省工業結構轉換能力靜態評價值，具體結果如表4所示。

表4 中國各省工業結構轉換能力靜態評價值

3.3.2 面板動態評價

表5 中國30個省份工業結構轉換能力動態綜合評價值

為了突出近期數據的作用，取θ=0.1，利用加權平均算子進行二次加權。其中，h=3,t=1,2,3分別表示2013、2014及2015年，求解非線性規劃問題(24)，得到時間序列權重為wt=(0.0263,0.1474,0.8263)。運用二次加權方法對表4數據進一步計算得到中國30個省份工業結構轉換能力動態綜合評價值及各因素動態綜合評價值，具體結果如表5、表6所示。

表6 各省各因素動態綜合評價值

3.4 綜合評價模型相對有效性結果

本文對熵值法、離差最大化方法、BP-DEMATEL方法、熵值法與離差最大化方法利用最小距離最大熵方法進行組合賦權的評價方法以及本文提出的基于指標變異程度與關聯程度組合賦權的評價方法(分別用M1、M2、M3、M4、M5表示)利用公式(26)至公式(28)進行相對有效性分析，得到的相似程度、離散度及綜合得分結果如表7所示。由表7綜合得分情況可知，本文提出的基于指標變異程度與關聯程度組合賦權的評價方法得分最高，既考慮了原始數據指標變異程度上的差異信息，又考慮了指標間的相互關聯程度上的差異信息，是相對更有效的客觀評價方法。

3.5 評價結果分析

通過對表4觀察可以發現，在2013年至2015年工業結構轉換能力排名方面，全國各省排序情況變化不大，排名前八的省份依次為廣東、江蘇、上海、浙江、北京、山東、天津和福建。其中江蘇與上海的排名在2015年發生細微變化，其余六省排名穩定；青海穩居最后一名。在2013年至2015年工業結構轉換能力評價值方面，工業結構轉換能力評價值最高的廣東與工業結構轉換能力評價值最低的青海之間的差距非常大，但二者之間的差距呈逐年縮小的趨勢，3年來，廣東省的工業結構轉換能力評價值分別是青海省的6.49倍、6.06倍和5.41倍；廣東、江蘇、浙江、天津和福建五省的工業結構轉換能力評價值較高，但呈逐年降低的趨勢，其中福建省工業結構轉換能力評價值在五省中降低幅度最大，為8.36%；吉林、安徽、湖北、廣西、重慶、四川和甘肅的工業結構轉換能力評價值也呈逐年降低的趨勢，其中吉林省工業結構轉換能力評價值降低幅度最大，為11.11%；而河北、湖南、青海和新疆的工業結構轉換能力評價值呈逐年增長的趨勢，其中新疆省的工業結構轉換能力評價值增長幅度最大，為59.45%。

表7 評價模型相對有效性分析結果

圖1 2013年各省工業結構轉換能力空間分布圖

圖2 2014年各省工業結構轉換能力空間分布圖

圖3 2015年各省工業結構轉換能力空間分布圖

圖4 各省動態評價結果空間分布圖

表5反映的是中國各省工業結構轉換能力在2013年至2015年的總體水平。通過觀察可以發現，廣東、上海、江蘇、浙江、北京、山東、天津和福建依舊排名前八，貴州、吉林、甘肅和青海排名最后，工業結構轉換能力評價值最高的廣東是工業結構轉換能力評價值最低的青海的5.53倍；廣東、上海、江蘇、浙江、北京和山東的工業結構轉換能力綜合評價值高于0.5，工業結構轉換能力處于高水平，而甘肅和青海的綜合評價之低于0.2，工業結構轉換能力處于低水平。

由圖1至圖4空間分布圖可知，中國各省工業結構轉換能力基本呈現出由東向西階梯狀遞減的規律，江蘇、上海、浙江和廣東四省始終處于第一梯隊，工業結構轉換能力高；北京、天津、山東和福建始終處于第二梯隊，工業結構轉換能力較高；黑龍江、遼寧、河北、山西、河南、安徽、重慶、湖北、四川和湖南始終處于第三梯隊，工業結構轉換能力一般；吉林、寧夏、江西、云南、廣西和海南始終處于第四梯隊，工業結構轉換能力較低；甘肅、青海始終屬于第五梯隊，工業結構轉換能力低。內蒙古在2013年和2014年處于第四梯隊，2015年處于第三梯隊，動態綜合評價處于第三梯隊，工業結構轉換能力一般；陜西在2013年處于第三梯隊，2014年跌落至第四梯隊，2015又回到第三梯隊，動態綜合評價處于第三梯隊，工業結構轉換能力一般；新疆在2013年和2014年處于第五梯隊，2015年進入第四梯隊，動態綜合評價處于第四梯隊，工業結構轉換能力較低；貴州在2013年和2014年處于第五梯隊，2015年進入第四梯隊，動態綜合評價處于第四梯隊，工業結構轉換能力較低。由以上可知，中國各省工業結構轉換能力存在很大的地區差異，非均衡發展的特點十分突出。結合表6給出的各省各因素得分情況，做具體分析如下：

(1)需求因素

根據各省需求因素得分情況，對中國30個省進行聚類分析，綜合聚類分析情況和需求因素得分情況，將其分為需求能力較強、中等和較弱三組，結果如表8所示。

表8 全國各省需求能力分組

需求能力較強的6個省份工業結構轉換能力排名也居于前六位，其農村與城鎮居民可支配收入和社會消費品零售總額均較高。需求能力中等的9個省份均處于圖4中的第二梯隊和第三梯隊，工業結構轉換能力處于較高和一般水平。與需求能力較高的省份相比，天津居民可支配收入較高，但社會消費品零售總額較低，因此拉低了天津的需求能力；福建城鎮居民可支配收入較高，農村居民可支配收入和社會消費品零售總額居中，導致福建需求能力中等；遼寧、湖北、河南、湖南、河北、和四川農村與城鎮居民可支配收入和社會消費品零售總額均居中，因此其需求能力中等；內蒙古城鎮居民可支配收入居中，農村居民可支配收入和社會消費品零售總額較低，因此內蒙古需求能力勉強進入中等水平。需求能力較弱的15個省份多數處于圖4中的第四梯隊和第五梯隊，安徽、重慶、黑龍江、山西和陜西處于第三梯隊，工業結構轉換能力處于較低和低水平。值得注意的是，需求能力較弱的省份與需求能力中等的省份間城鎮居民可支配收入差距甚微，農村居民可支配收入與社會消費品零售總額差距很大，因此這些省份需求能力較弱。

(2)供給因素

根據各省供給因素得分情況，對中國30個省進行聚類分析，綜合聚類分析情況和供給因素得分情況，將其分為供給能力較強、中等和較弱三組，結果如表9所示。

表9 全國各省供給能力分組

供給能力較強的3個省份的從業人員數與固定資產合計均較高，其中廣東和江蘇位于圖4中的第一梯隊，山東位于第二梯隊，工業結構轉換能力高。供給能力中等的14個省份大多數處于圖4中的第三梯隊，而浙江和上海處于第一梯隊，福建處于第二梯隊，江西處于第四梯隊，工業結構轉換能力差別較大。與供給能力較強的三省相比，供給能力中等的14個省份無論是就業人員數還是固定資產合計都有很大的差距，其中河南固定資產合計最高，為22126.93億元，其余13省中有9個省份的固定資產合計低于13000億元，最低的江西僅為6872.47億元，而江蘇、廣東、山東分別為34449.12億元、36419.85億元、25305.19億元；供給能力中等的14個省份中浙江的從業人員數最高，為722.78萬人，其余13省中有11個省份的從業人員數低于400萬人，而江蘇、廣東、山東分別為1147.96萬人、1470.51萬人、957.31萬人。供給能力較弱的13個省份大多數處于圖4中的第四梯隊和第五梯隊，而天津和北京處于第二梯隊，重慶和黑龍江處于第三梯隊，工業結構轉換能力整體處于較低和低水平。從業人員數和固定資產合計均較低。

(3)技術因素

根據各省技術因素得分情況，對中國30個省進行聚類分析，綜合聚類分析情況和技術因素得分情況，將其分為技術能力較強、中等和較弱三組，結果如表10所示。

表10 全國各省技術能力分組

技術能力較強的6個省份工業結構轉換能力排名居于前七位，R&D經費投入比重、R&D人員比重和專利申請數均較高，其中，江蘇和廣東在專利申請方面尤其突出。技術能力中等的9個省份大多數處于圖4中的第二、三梯隊，而海南處于第四梯隊，工業結構轉換能力差別較大。與技術能力較強的省份相比，安徽和山東專利申請數較多，但R&D經費投入比重和R&D人員投入比重居中，因此拉低了安徽與山東的技術能力；湖北、湖南、重慶和福建的R&D經費投入比重、R&D人員投入比重和專利申請數均居中，因此其技術能力中等；陜西、海南和黑龍江的R&D經費投入比重和R&D人員投入比重居中，專利申請數較低，因此勉強進入技術能力中等水平。技術能力較弱的15個省份分別處于圖4中的第三、第四、第五梯隊，工業結構轉換能力整體處于較低水平。其中遼寧、河南、四川與河北四省的專利申請數居中，但R&D經費投入比重和R&D人員投入比重較低，因此其技術能力較低；山西的R&D經費投入比重居中，但R&D人員投入比重和專利申請數較低，因此其技術能力較低；甘肅的R&D人員投入比重居中，但R&D經費投入比重和專利申請數較低，因此其技術能力較低；剩余9省的R&D經費投入比重、R&D人員投入比重和專利申請數均較低，因此技術能力較低。

(4)可持續發展

根據各省可持續發展得分情況，對中國30個省進行聚類分析，綜合聚類分析情況和可持續發展得分情況，將其分為可持續發展能力較強、中等和較弱三組，結果如表11所示。

表11 全國各省可持續發展能力分組

可持續發展能力較強的12個省份分別位于圖4的第一、二、三、四梯隊，工業結構轉換能力差別較大。黑龍江、內蒙古、陜西和河北四省在固體廢物利用率、工業廢氣和工業廢水治理能力以及工業污染治理投資方面表現較好，但單位產值耗能較多；浙江、山東和天津在單位產值耗能、固體廢物利用率、工業廢氣治理能力和工業污染治理投資方面表現較好，但工業廢水治理能力較低；上海、廣東和北京三省在單位產值耗能、固體廢物利用率、工業廢氣治理能力方面表現較好，但工業廢水治理能力和工業污染治理投資比重較低；湖南在固體廢物利用率、工業廢氣和工業廢水治理能力方面表現較好，單位產值耗能居中，工業污染治理投資比重較低；云南在工業廢氣和廢水治理能力以及工業污染治理投資方面表現較好，但單位產值能耗較高，固體廢物利用率較低?？沙掷m發展能力中等的12個省份分別位于圖4的第一、二、三、四梯隊，工業結構轉換能力差別較大。寧夏、新疆和貴州工業污染治理投資比重較高，固體廢物利用率居中，單位產值耗能較高，工業廢氣治理能力較低，貴州工業廢水治理能力較高，寧夏和新疆較差；陜西、廣西和河南在單位產值耗能、固體廢物利用率、工業廢水治理能力和工業污染治理投資比重方面表現居中，工業廢氣治理能力較低；江蘇和福建在單位產值耗能和固體廢物利用率方面表現較好，工業廢氣治理能力較低，江蘇工業廢水治理能力居中，工業污染治理投資比重較低，福建工業廢水治理能力較低，工業污染治理投資比重居中；湖北和安徽在單位產值耗能和固體廢物利用率方面表現居中，工業廢氣治理能力和工業污染治理投資比重較低，工業廢水治理能力較好；重慶單位產值耗能居中，固體廢物利用率和工業廢氣治理能力較高，工業廢水治理能力和工業污染治理投資比重較低；遼寧單位產值耗能和工業污染治理投資比重居中，工業廢氣和工業廢水治理能力較高，固體廢物利用率較低?？沙掷m發展能力較低的6個省份分別大多數處于圖4中的第四和第五梯隊，四川處于第三梯隊，工業結構轉換能力較低。四川和江西單位產值耗能和工業廢氣治理能力居中，工業廢水治理能力較高，固體廢物利用率和工業污染治理投資比重較低；吉林單位產值耗能、固體廢物利用率和工業污染治理投資比重居中，工業廢氣治理能力較高，工業廢水治理能力較低；甘肅、青海和海南工業污染治理投資比重較高，單位產值耗能、固體廢物利用率、工業廢氣和工業廢水治理能力較低。

(5)對外貿易

根據各省對外貿易得分情況，對全國30個省進行聚類分析，綜合聚類分析情況和對外貿易得分情況，將其分為對外貿易能力較強、中等和較弱三組，結果如表12所示。

表12 全國各省對外貿易能力分組

對外貿易能力較強的9個省份大多數處于圖4中的第一和第二梯隊，重慶處于第三梯隊，海南處于第四梯隊，工業結構轉換能力整體處于高和較高水平。其中北京出口比重處于中等水平，外商投資企業比重和港澳臺投資企業比重較高，因此北京對外貿易能力處于較高水平；海南出口比重較高，港澳臺投資企業比重較低，但外商投資企業比重極高，因此海南對外貿易能力處于較高水平；其余7個省份的出口比重、外商投資企業比重和港澳臺投資企業比重均較高，其中上海的出口比重和外商投資企業比重極高，福建的港澳臺投資企業比重極高，廣東的出口比重和港澳臺投資企業比重極高，因此這7個省份的對外貿易能力較高。對外貿易能力中等的11個省份大多數處于圖4中的第三梯隊和第四梯隊，山東處于第二梯隊，工業結構轉換能力處于一般和較低水平。遼寧的外商投資企業比重較高，但出口比重和港澳臺投資企業比重中等，因此其對外貿易能力中等；河北、安徽、江西、湖北、廣西和四川的出口比重、外商投資企業比重和港澳臺投資企業比重均處于中等水平，因此其對外貿易能力中等；山東的出口比重和外商投資企業比重處于中等水平，港澳臺投資企業比重較低，山西和河南的出口比重和港澳臺投資企業比重處于中等水平，外商投資企業比重較低，湖南的出口比重中等，外商投資企業比重和港澳臺投資企業比重均較低，因此這4個省份的對外貿易能力中等，得分在這11個省份中較低。對外貿易能力較低的10個省份分別處于圖4中的第三、四、五梯隊，工業結構轉換能力整體處于較低水平。吉林和黑龍江的外商投資企業比重中等，但出口比重和港澳臺投資企業比重較低，因此對外貿易能力較低；寧夏的港澳臺投資企業比重中等，但出口比重和外商企業投資比重較低，因此對外貿易能力較低；其余7個省份的出口比重、外商投資企業比重和港澳臺投資企業比重均較低，因此對外貿易能力較低。

4 結論

本文主要取得兩方面的成果，一方面對多屬性決策問題進行了拓展研究，同時考慮了原始數據包含的各指標變異程度上的差異信息和指標間相互關聯程度上的差異信息，提出了基于指標變異程度與關聯程度組合賦權的評價方法：利用最小距離—最大熵原理對基于指標變異程度的熵值法與離差最大化方法及基于指標關聯程度的BP-DEMATEL方法所得權重進行組合。該方法能夠更大程度上體現出原始數據所包含的信息，與僅考慮指標變異程度或指標關聯程度的評價方法相比更有效，為多屬性決策的客觀賦權方法提供一種新的研究思路。同時將該方法應用到中國工業結構轉換能力評價問題中，證明了該方法的合理性和可行性。另一方面，應用該方法和時序加權平均算子方法對2013年至2015年中國30個省份的工業結構轉換能力進行了靜態與動態評價，發現各省的工業結構轉換能力呈現出由東部向西部階梯狀遞減的規律，存在非均衡發展的問題。通過對各省各因素得分進行分析可以發現，各省的需求能力、供給能力、技術能力和對外貿易能力和工業結構轉換能力發展基本一致，而可持續發展能力與工業結構轉換能力發展差異較大。未來可以對造成地區非均衡發展的原因進行深入分析，從而為中國工業結構轉換能力的提高提供更行之有效的建議。