基于改进TOPSIS法的我国省级高技术产业竞争力评价外文翻译资料

 2022-12-26 07:12

英语原文共 8 页，剩余内容已隐藏，支付完成后下载完整资料

基于改进TOPSIS法的我国省级高技术产业竞争力评价

摘要：高技术竞争力评价是一个涉及到多重标准的技术决策问题，它也是促进国家竞争力的实际途径。然而大多数高技术产业竞争力的指标互相关联影响，并且指标数据的量纲和指标的权重都会影响评价结果。在本文中，用马哈拉诺比斯距离法来改进TOPSIS法。被改进的TOPSIS方法具有以下性质：（1） 在非奇异线性变换后，被改进的方法的相对贴近度是不变的。（2）当指标不相关时，加权马哈拉诺比斯距离等于加权欧几里德距离。这种新方法利用2011年的数据来评价高技术产业竞争力。在一定程度上，与传统的TOPSIS方法相比，由于考虑到指标的相关性从而提升了评价结果（根据级别和贴合度），前五个省份是：广州、江苏、上海、北京和山东，这个结果反映了省份间的真实关系，并且弱化了相近值且较为符合实际情况。

关键词：竞争力评价；高技术产业；马哈拉诺比斯距离；TOPSIS；信息重复

1引言

以智力密集型技术为基础并融合多学科技术力量的高技术产业是中国经济的战略龙头产业。中国高技术的产业范围包括航空航天制造、电子通讯设备制造、计算机和办公设备制造、医药和医疗设备制造以及仪表和仪表制造五大类。高技术产业是推动世界经济格局、政治事务、军事竞争的重要因素。高技术产业的发展已经成为一个国家或区域实力的具体表现（Lu和Yu, 2010）。由于“火炬计划”（国家高技术产业发展计划）的实施，中国的高技术产业取得了显著成绩。中国省级高技术产业竞争力评价已经成为进行国家高技术产业布局决策的依据，此外，为了促进和规划中国高技术产业的地理格局和发展状况，高技术产业竞争力评价不仅开阔我们对此的眼界，还提出了合理性的建议。

Liang（2011）提出伴随着高投资、高增长、高收益、高风险的高技术产业应具有以下一般特征：（1）不确定性高（2）人力资源价值高（3）无形资产相关值高。中国省级高技术产业竞争力评估研究引起了众多研究者的关注，Chen和Sun (2011)采用因子分析和聚类分析来评价中国省级高技术产业的竞争力，同时制定分级评价指标，包括人力资本投入水平，项目组织投入水平，资本投入水平，产业产出水平和效率水平。

Wu和Li (2008)介绍了用于评价高技术产业竞争力的传统方法——TOPSIS法，将其应用于31个省级行政区域，建立了产业内在核心竞争力（产业核心技术能力、产业核心生产力、产业核心市场力）和产业外在核心竞争力（产业政策环境、产业技术支持环境、产业孵化器环境）。排在前六位的地区是：北京、广东、上海、浙江、山东、江苏。之后，Zheng，Shi，和 He (2010)对福建省高技术产业竞争力进行了综合评价，所提出的评价指标包括科技创新竞争力，经济发展竞争力，经济效益竞争力，产业集群竞争力，节能环保竞争力。Chen (2010)使用数据挖掘方法（特别是k-均值聚类分析）来评估中国高技术产业竞争力，基于此方法计算出的高技术产业竞争力排名前六位的地区分别为：广东、江苏、北京、上海、天津和辽宁。

学者已经对中国省级高技术产业竞争力评价进行了大量研究，但仍有两个问题尚不清楚：（1）从评价对象特征的角度看，省份之间存在着经济、地理等差异使高技术产业发展不平衡。然而，跨省经济圈促进了各省高技术产业的连接，这是省域高技术产业的突出特点。关于中国高技术产业竞争力的大多数研究已经意识到这个不平衡的现状，例如Wang和Yu (2004)采用主成分分析法得出结论：中国西部地区的高技术产业的竞争力弱于东部地区，并且逐步增大差距。Wang (2007)，Liang，Li，Tang和Zhao (2007) and Sun， Xiong和Zheng (2010) 介绍了实证方法，并得出结论：高技术产业在不同地区间发展不平衡，也发现不平衡规模不断增加。虽然这个不平衡问题得到承认，但目前仅仅只是个表象问题。此外，现有的大多数评价方法都假设样本独立且分布均匀的，当务之急的问题是如何利用指标的相关性问题来设计方法，从而提高决策的科学依据。（2）从评价方法的角度来看，中国省级高技术产业竞争力的真实评价结果尚未达到满意程度。评估指标体系的差异可能部分解释了这种情况，但是在评价方法本身方面发现了更多的差异。虽然现有的评价方法是基于收集的数据的特点，但它们都有各自优缺点。TOPSIS法和数学模糊法不考虑评价指标之间的相关性，这会导致信息重叠，其次，当主要变量因子负荷小时，因子分析易使得主成分的经济含义不明确。 此外，层次分析法（AHP）几乎不能避免主观因素的偏差。

作为经典不确定多准则决策 (MCDM) 问题，中国高技术产业竞争力的评价包括评价指标间的相互影响，建立一套适合此类问题的评价方法，具有一定理论意义和现实意义。TOPSIS是解决MCDM重要的方法，它应用于MCDM问题评价时即简便又全面。指标权重同样影响着综合评价(Boran，Genc，Kurt，和Akay，2009；Deng， Yeh 和 Willis，2000)。然而，传统的TOPSIS方法是基于欧几里德衡量距离来做决策的，这些指标相互独立、互不影响。 这种方法存在信息重叠并会高估或低估松散的指标，考虑到竞争力评价指标与中国高技术产业间的关系，我们提出改进TOPSIS法，该方法使用马哈拉诺比斯距离的概念来确定与最佳解和最劣解的距离。马哈拉诺比斯距离是以样本协方差矩阵为基础，可以更好地解决指标间相关性的问题。本文还提供了改进的TOPSIS方法的性质证明，并通过中国高技术产业评价相关的结果来讨论其适用性。

下文主要内容安排如下：第2节介绍了经典的TOPSIS法；第3节根据决策过程的特点利用马哈拉诺比斯距离来改进传统的TOPSIS法，并指出此改进方法的性质；第四节采用改进TOPSIS法来评价中国高技术产业竞争力，并根据实际情况分析评价结果。最后，第5节总结结论并指出将来工作重点。

2.传统TOPSIS方法

TOPSIS是Hwang和Yoon（1981）首先提出的一种具有不确定性的MCDM技术方法，TOPSIS法是根据有限个数评价对象与理想化目标的接近程度进行排序的方法，是在现有的对象中进行相对优劣的评价。

假设有m个评价目标A1，A2hellip;Am和每个目标有n个准则指标C1，C2hellip;Cn。 令xij表示Ai对Cj（i = 1，2，...，m； j = 1，2，...，n）的标准/属性值。 所有的值组合一起形成决策矩阵 ，决策矩阵标准化的形式为

， （1）

当 时

会得出理想解和负理想解:

（2）

对于最优方案利益指数Cj:

对于最劣方案成本指数Cj：

我们来计算每个最优解和最劣解的欧几里德距离，Ai与最优解的距离是：

（3）

Ai与最劣解的距离是：

（4）

最后，我们计算评价对象与最优解的贴近度：

（5）

根据贴近度来进行排名，Ci越高，就越表明Ai是一个优解。

TOPSIS同时考虑最优解与最劣解的有关信息并且计算简便，TOPSIS广泛应用于多属性评价。在应用中，要根据调查数据的特点，使用模糊理论改进的TOPSIS方法能够解决许多实际评价问题。例如绩效评价（Sun，2010），用户评价（Chamodrakas，Alexopoulou和 Martakos，2009），能源计划（Kaya和Kahraman，2011）和商业竞争力评价（Torlak，Sevkli，Sanal和 Zaim，2011）。然而，基于欧几里得距离的TOPSIS方法没有考虑指标间的相关性，从而导致信息重叠，影响决策结果。 因此，应用中往往依赖于定性分析来降低指标相关性，目的是试着在筛选指标过程中提高指标独立性，这些条件使得这种方法具有强烈主观性。

3.基于马哈拉诺比斯距离法改进的 TOPSIS法

为了处理重叠的信息问题，本文利用马哈拉诺比斯距离来改进传统TOPSIS。

3.1马哈拉诺比斯距离的定义

马哈拉诺比斯距离是一种统计距离，是Mahalanobis在1936年首次提出来的。 这种距离度量表示变量之间的协方差距离，并将未知样本集合与已知样本集合的相似度进行计量，所以，马哈拉诺比斯距离是通过被识别和分析的不同模式并基于变量之间的相关性来计算的。与欧几里得距离相比，马哈拉诺比斯距离考虑了数据集的相关性，并且量纲不变。换句话说，马哈拉诺比斯距离是一个多元影响的数值大小。

利用多元向量X=（x1,x2,hellip;,xn）T，均值向量mu;=（mu;1，mu;1，hellip;mu;p）T和协方差矩阵sum;，马哈拉诺比斯距离定义为：

对于来自协方差矩阵sum;相同分布的两个随机变量和的不相似度也可以定义马哈拉诺比斯距离：

如果协方差矩阵为单位矩阵, 马哈拉诺比斯距离减少到欧几里得距离。如果协方差矩阵为对角矩阵, 马哈拉诺比斯距离也可被转化成标准化欧几里得距离。

3.2利用马哈拉诺比斯距离改进TOPSIS法

马哈拉诺比斯距离本质上是一个加权距离，权重是基于指标的方差和其他指标间的相关性。马哈拉诺比斯距离通过因子sum;-1对数据标准化的。因此，马哈拉诺比斯距离不仅考虑了观测指标的相关性，也消除了每个指标不同量纲的影响。

假设n维向量Ri=(ri1，ri2，hellip;，rin)是在指标集合C={C1，C2，hellip;，Cn} 下的一组指标向量Ai（这样ri是Ai的指标向量）。让 成为权重向量，当满足 和 的条件时，是Cj权重。最优解S 和最劣解S-源自的值与协方差sum;的一个n维群体中，所以从Ai到最优解的马哈拉诺比斯距离是： (6)

同样的，Ai到最劣解的马哈拉诺比斯距离是：

(7)

在这些表达式中我们用到

(8)

得出每个指标的贴近度：

(9)

我们根据的数值对结果进行排序，越高越表明Ai是优解。在实际应用中，一个未知的总体分布可以被样本协方差矩阵替代。

3.3改进的TOPSIS法的特征

引入马哈拉诺比斯距离作为改进传统TOPSIS方法的手段改进了该方法的性质。首先，改进TOPSIS法可以克服评价过程中的相关干扰并且评价结果不受指标的影响。

性质1.改进TOPSIS法中的相对贴近度Ci在非奇异线性变换时是不变的

同样的道理，

因此，非奇异线性变换之后的贴近度为：

特征1表明如果是决策过程中初始数据的标准化的一种非奇异线性变换，则标准化过程不会影响决策结果。

特征2.当评价指标C1，C2 ，hellip;Cn是无关的，然后：

证明.我们设定的ri和S 来自的值与协方差sum;的一个n维群体中，n个决策指标是互不相关的，因此然后，sum;-1=，并且

因此，当评价指标互不相关时，加权马哈拉诺比斯距离和加权欧几里德距离是相等的。马哈拉诺比斯距离考虑了指标差异性、量纲以及指标间的相关性。因此，马哈拉诺比斯距离可以防止信息重叠，使其更适合处理复杂的实际问题。在实际应用中，总体协方差矩阵sum;通常是未知的，因此可以由样本协方差矩阵S代替。

4.对各省高技术产业竞争力的评价

4.1省级高技术产业竞争力的评价指标体系

4.2.数据和相关测试

4.3利用改进的TOPSIS法对我国各省高技术产业竞争力进行评价

4.4.现实意义

5.结论与将来工作重点

高技术产业代表着综合国力。高技术产业竞争力评价不仅影响着产业布局管理

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[28090]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章