本發(fā)明涉及計(jì)算機(jī)領(lǐng)域，具體涉及一種利用計(jì)算系統(tǒng)實(shí)現(xiàn)行業(yè)科技發(fā)展力量化評(píng)估的方法和系統(tǒng)。

背景技術(shù)：

行業(yè)科技發(fā)展水平評(píng)估是正確認(rèn)識(shí)促進(jìn)科學(xué)技術(shù)發(fā)展的重要手段。國外的科技評(píng)價(jià)主要關(guān)注國家整體競(jìng)爭(zhēng)力的評(píng)估，其中所包含的科技評(píng)估部分各具特色，有的注重績(jī)效、有的重視體制與政策影響、有的考量科技發(fā)展整體過程、有的專注科技創(chuàng)新活動(dòng)。IMD和WEF從衡量國家的綜合國力方面考慮非常周全，指標(biāo)多達(dá)數(shù)百，但也存在指標(biāo)間意義重疊且根據(jù)統(tǒng)一的權(quán)重計(jì)算、評(píng)價(jià)結(jié)果的簡(jiǎn)單相加等問題。OECD相比之下提供更為準(zhǔn)確和全面的衡量科技發(fā)展的指標(biāo)，但其指標(biāo)設(shè)計(jì)更多圍繞的是OECD成員國的經(jīng)濟(jì)發(fā)展特點(diǎn)而制定，對(duì)于我國當(dāng)前的經(jīng)濟(jì)和科技發(fā)展?fàn)顩r，其大部分經(jīng)濟(jì)和科技衡量指標(biāo)和統(tǒng)計(jì)口徑尚不匹配。

國內(nèi)產(chǎn)業(yè)競(jìng)爭(zhēng)力研究最具影響力的是趙彥云教授，在《中國科技國際競(jìng)爭(zhēng)力評(píng)析及展望》一文中，他完全采納了IMD(1999年)的指標(biāo)體系中涉及于科技的部分。金碚研究員為首的中國社會(huì)科學(xué)院競(jìng)爭(zhēng)力研究課題組，在《中國工業(yè)國際競(jìng)爭(zhēng)力——理論、方法與實(shí)證研究》中建立了一個(gè)比較清晰的產(chǎn)業(yè)競(jìng)爭(zhēng)力分析的理論模型。

國內(nèi)外的研究大都注重所有產(chǎn)業(yè)的國際綜合競(jìng)爭(zhēng)力，關(guān)于行業(yè)科技發(fā)展力的評(píng)估指標(biāo)過于籠統(tǒng)，無法進(jìn)行量化的評(píng)估，很難將不同行業(yè)科技發(fā)展力進(jìn)行比較?，F(xiàn)有技術(shù)對(duì)于行業(yè)科技發(fā)展力的評(píng)估指標(biāo)不夠全面，指標(biāo)之間存在物理意義重疊，無法客觀、全面地評(píng)價(jià)行業(yè)的科技發(fā)展力水平；此外，由于影響科技發(fā)展力的因素眾多，指標(biāo)體系復(fù)雜，現(xiàn)有技術(shù)無法實(shí)現(xiàn)對(duì)多個(gè)國民經(jīng)濟(jì)行業(yè)的科技發(fā)展特征的多維度定量評(píng)估。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明所要解決的技術(shù)問題是提供一種利用計(jì)算機(jī)來實(shí)現(xiàn)量化評(píng)估我國國民經(jīng)濟(jì)主要行業(yè)的科技發(fā)展水平的方法和系統(tǒng)，通過構(gòu)建一個(gè)完整的評(píng)估指標(biāo)體系，以計(jì)算機(jī)系統(tǒng)進(jìn)行建模和參數(shù)優(yōu)化，實(shí)現(xiàn)對(duì)行業(yè)科技發(fā)展力的全面量化評(píng)價(jià)。

本發(fā)明采用的技術(shù)方案如下：

一種行業(yè)科技發(fā)展力量化評(píng)估方法，其特征在于包括如下步驟：

(1)構(gòu)建評(píng)估指標(biāo)體系：所述指標(biāo)體系包括行業(yè)科技環(huán)境、行業(yè)科技投入、行業(yè)科技產(chǎn)出、行業(yè)核心競(jìng)爭(zhēng)與行業(yè)社會(huì)經(jīng)濟(jì)影響五大模塊，以及附加模塊，每個(gè)模塊包括一級(jí)指標(biāo)與二級(jí)指標(biāo)，具體指標(biāo)如圖1所示：

(2)數(shù)據(jù)采集：對(duì)每項(xiàng)指標(biāo)采集相應(yīng)數(shù)據(jù)；

(3)評(píng)估建模：采用多元線性加權(quán)或多元線性回歸的方式進(jìn)行建模；

(4)計(jì)算得出行業(yè)科技發(fā)展力評(píng)估值。

作為優(yōu)選，步驟(2)數(shù)據(jù)采集步驟之后，還進(jìn)一步包括數(shù)據(jù)補(bǔ)全步驟和/或參數(shù)優(yōu)化步驟。

數(shù)據(jù)補(bǔ)全步驟是通過數(shù)據(jù)擬合或插值的方式，數(shù)據(jù)擬合曲線既能反映數(shù)據(jù)的總體分布，又不至于出現(xiàn)局部較大的波動(dòng)，更能反映被逼近函數(shù)的特性，使求得的逼近函數(shù)與已知函數(shù)從總體上來說其偏差達(dá)到最小，數(shù)據(jù)擬合要求得到的近似函數(shù)更能反映數(shù)據(jù)的基本關(guān)系，在某種意義上更具有實(shí)用價(jià)值，作為優(yōu)選，可采用基于線性擬合方式來完成數(shù)據(jù)補(bǔ)全。

參數(shù)優(yōu)化步驟是為了將反映相同物理意義的指標(biāo)刪除，防止指標(biāo)被重復(fù)計(jì)算，影響評(píng)價(jià)結(jié)果。本發(fā)明通過計(jì)算指標(biāo)兩兩之間的皮爾森相關(guān)系數(shù)，發(fā)現(xiàn)相關(guān)指標(biāo)，來對(duì)體系中的指標(biāo)進(jìn)行精簡(jiǎn)。皮爾森相關(guān)系數(shù)也叫皮爾遜積矩相關(guān)系數(shù)，是統(tǒng)計(jì)學(xué)中常用的一種線性相關(guān)系數(shù)，它是一種可以反映兩個(gè)變量線性相關(guān)程度的統(tǒng)計(jì)量，其值介于-1與1之間。在經(jīng)濟(jì)學(xué)與社會(huì)學(xué)統(tǒng)計(jì)中，如果兩個(gè)變量相關(guān)系數(shù)的絕對(duì)值大于0.9，則可以認(rèn)為它們之間存在非常強(qiáng)的線性相關(guān)性。根據(jù)每個(gè)指標(biāo)在模塊中的分布情況，以及指標(biāo)的重要程度，本發(fā)明在建模過程中移除反映相同物理意義的指標(biāo)。

作為優(yōu)選，所述步驟(3)中多元線性加權(quán)的建模方式包含如下步驟：

(a)對(duì)采集的指標(biāo)數(shù)據(jù)進(jìn)行歸一化處理，對(duì)于每個(gè)行業(yè)i的指標(biāo)j，即x_i,j，其歸一化函數(shù)為其中N_i是行業(yè)的個(gè)數(shù)，是指標(biāo)j的均值，對(duì)于變量x_i首先減去該類型變量的均值這個(gè)過程叫做居中化，讓后再除以該類型變量的居中化后的標(biāo)準(zhǔn)差，由于標(biāo)準(zhǔn)差的量綱與居中化以后變量的量綱相同，因此經(jīng)過歸一化處理后的變量是無量綱的；

(b)確定評(píng)估指標(biāo)的權(quán)重值，指標(biāo)j的指標(biāo)系數(shù)由指標(biāo)權(quán)重γ_j與模塊權(quán)重δ_j共同決定：β_j＝δ_j×γ_j，

模塊權(quán)重δ_j，根據(jù)專家評(píng)估確定指標(biāo)體系中五大模塊的權(quán)重；

指標(biāo)權(quán)重γ_j，采用指標(biāo)歸一化后的均標(biāo)準(zhǔn)差作為衡量每個(gè)指標(biāo)重要性的參數(shù)，

(c)采取多元線性加權(quán)的方式進(jìn)行行業(yè)科技發(fā)展水平的評(píng)估：

針對(duì)行業(yè)i，其科技發(fā)展水平ISTD_i＝β₁f(x_i,1)+β₂f(x_i,2)+…+β_Jf(x_i,J)，其中J為指標(biāo)總個(gè)數(shù)，ISTD_i為行業(yè)i的行業(yè)科技發(fā)展力評(píng)估值。

作為優(yōu)選，所述步驟(3)中多元線性回歸的建模方式包含如下步驟：

(a)建立多元回歸方程：ISTD_i＝b₀+b₁F_1i+b₂F_2i+…+b_nF_ni+e_i，其中ISTD_i為行業(yè)i的行業(yè)科技發(fā)展力評(píng)估值；

F_1i、F_2i……F_ni是行業(yè)i某一年的指標(biāo)值；

b₀，b₁，……b_n為自變量的回歸系數(shù)，其中b₀為截距；

e_i是殘差，所有e_i獨(dú)立同分布，且e_i～N(o,s²)。

(b)對(duì)三類指標(biāo)分別進(jìn)行自變量預(yù)處理，對(duì)第一類指標(biāo)采用取以10為底對(duì)數(shù)方式進(jìn)行處理，對(duì)第二類指標(biāo)采用取以2為底對(duì)數(shù)方式進(jìn)行處理，對(duì)第三類指標(biāo)采用平方的方式進(jìn)行處理；所述第一類指標(biāo)包括從業(yè)人員學(xué)歷結(jié)構(gòu)、國內(nèi)授權(quán)發(fā)明專利產(chǎn)出率、中文核心期刊論文產(chǎn)出率、綜合能耗產(chǎn)出率、煙塵排放率、粉塵排放率，所述第二類指標(biāo)包括國內(nèi)發(fā)明專利申請(qǐng)、國內(nèi)專利申請(qǐng)、科研儀器設(shè)備配置、科研儀器設(shè)備人均配置、人均創(chuàng)新產(chǎn)出、新產(chǎn)品研發(fā)人均投入、人均研發(fā)經(jīng)費(fèi)，所述第三類指標(biāo)為累計(jì)國內(nèi)有效發(fā)明專利全國占比；

(c)在訓(xùn)練階段，根據(jù)歷史的ISTD_i與F₁,F₂,…,F_n來計(jì)算b₀,b₁,…,b_n,s²；

(d)在評(píng)估階段，通過新的F₁,F₂,…,F_n與訓(xùn)練階段獲得的b₀,b₁,…,b_n,s²，來計(jì)算ISTD_i。

所述的歷史ISTD_i采用專家打分的方式或利用附加模塊中的獲獎(jiǎng)數(shù)量產(chǎn)生歷史的ISTD_i。

基于所述多元線性回歸的的建模方式，建立模型1，該模型采用指標(biāo)體系中的所有指標(biāo)，或采用參數(shù)優(yōu)化步驟后的指標(biāo)，作為模型自變量，利用所采集的數(shù)據(jù)計(jì)算得出b₀,b₁,…,b_n,s²，進(jìn)而得出相關(guān)行業(yè)科技發(fā)展力評(píng)估值。

作為優(yōu)選，在所述模型1的基礎(chǔ)上進(jìn)一步采用AIC(Akaike's An Information Criterion)信息量作為逐步回歸的指標(biāo)，通過不斷去掉使得AIC下降最快的自變量，來建立新的回歸模型，直到去掉任意一個(gè)自變量都無法使得新模型的AIC下降為止，得到模型2，利用所采集的數(shù)據(jù)，計(jì)算得出b₀,b₁,…,b_n,s²，進(jìn)而得出相關(guān)行業(yè)科技發(fā)展力評(píng)估值。

作為優(yōu)選，在所述模型2的基礎(chǔ)上進(jìn)一步采用回歸診斷的方式刪除異常點(diǎn)，得到更加穩(wěn)定的模型3，利用所采集的數(shù)據(jù)，計(jì)算得出b₀,b₁,…,b_n,s²，進(jìn)而得出相關(guān)行業(yè)科技發(fā)展力評(píng)估值。

本發(fā)明的第二個(gè)目的是提供一種行業(yè)科技發(fā)展力量化評(píng)估系統(tǒng)，包括指標(biāo)體系模塊、數(shù)據(jù)采集模塊、評(píng)估建模模塊和結(jié)果輸出模塊，其中：

所述指標(biāo)體系模塊用于指標(biāo)體系的構(gòu)建，所述數(shù)據(jù)采集模塊基于指標(biāo)體系模塊中的每項(xiàng)指標(biāo)進(jìn)行相應(yīng)的數(shù)據(jù)采集，采集后的數(shù)據(jù)導(dǎo)入所述的評(píng)估建模模塊，進(jìn)而由所述的結(jié)果輸出模塊輸出行業(yè)科技發(fā)展力評(píng)估值；

所述指標(biāo)體系模塊包括行業(yè)科技環(huán)境、行業(yè)科技投入、行業(yè)科技產(chǎn)出、行業(yè)核心競(jìng)爭(zhēng)與行業(yè)社會(huì)經(jīng)濟(jì)影響五大模塊，以及附加模塊，每個(gè)模塊包括一級(jí)指標(biāo)與二級(jí)指標(biāo)，具體指標(biāo)如圖1所示。

所述評(píng)估建模模塊采用多元線性加權(quán)或多元線性回歸的方式進(jìn)行建模；

所述結(jié)果輸出模塊計(jì)算輸出行業(yè)科技發(fā)展力評(píng)估值；

作為優(yōu)選，數(shù)據(jù)采集模塊之后，還還進(jìn)一步包括數(shù)據(jù)補(bǔ)全模塊和/或參數(shù)優(yōu)化模塊。

數(shù)據(jù)補(bǔ)全步驟是通過數(shù)據(jù)擬合或插值的方式，數(shù)據(jù)擬合曲線既能反映數(shù)據(jù)的總體分布，又不至于出現(xiàn)局部較大的波動(dòng)，更能反映被逼近函數(shù)的特性，使求得的逼近函數(shù)與已知函數(shù)從總體上來說其偏差達(dá)到最小，數(shù)據(jù)擬合要求得到的近似函數(shù)更能反映數(shù)據(jù)的基本關(guān)系，在某種意義上更具有實(shí)用價(jià)值，作為優(yōu)選，可采用基于線性擬合方式來完成數(shù)據(jù)補(bǔ)全。

參數(shù)優(yōu)化步驟是為了將反映相同物理意義的指標(biāo)刪除，防止指標(biāo)被重復(fù)計(jì)算，影響評(píng)價(jià)結(jié)果。本發(fā)明通過計(jì)算指標(biāo)兩兩之間的皮爾森相關(guān)系數(shù)，發(fā)現(xiàn)相關(guān)指標(biāo)，來對(duì)體系中的指標(biāo)進(jìn)行精簡(jiǎn)。皮爾森相關(guān)系數(shù)也叫皮爾遜積矩相關(guān)系數(shù)，是統(tǒng)計(jì)學(xué)中常用的一種線性相關(guān)系數(shù)，它是一種可以反映兩個(gè)變量線性相關(guān)程度的統(tǒng)計(jì)量，其值介于-1與1之間。在經(jīng)濟(jì)學(xué)與社會(huì)學(xué)統(tǒng)計(jì)中，如果兩個(gè)變量相關(guān)系數(shù)的絕對(duì)值大于0.9，則可以認(rèn)為它們之間存在非常強(qiáng)的線性相關(guān)性。根據(jù)每個(gè)指標(biāo)在模塊中的分布情況，以及指標(biāo)的重要程度，本發(fā)明在建模過程中移除反映相同物理意義的指標(biāo)。

作為優(yōu)選，所述模塊(3)中多元線性加權(quán)的建模方式包含如下步驟：

(a)對(duì)采集的指標(biāo)數(shù)據(jù)進(jìn)行歸一化處理，對(duì)于每個(gè)行業(yè)i的指標(biāo)j，即x_i,j，其歸一化函數(shù)為其中N_i是行業(yè)的個(gè)數(shù)，是指標(biāo)j的均值，對(duì)于變量x_i首先減去該類型變量的均值這個(gè)過程叫做居中化，讓后再除以該類型變量的居中化后的標(biāo)準(zhǔn)差，由于標(biāo)準(zhǔn)差的量綱與居中化以后變量的量綱相同，因此經(jīng)過歸一化處理后的變量是無量綱的；

(b)確定評(píng)估指標(biāo)的權(quán)重值，指標(biāo)j的指標(biāo)系數(shù)由指標(biāo)權(quán)重γ_j與模塊權(quán)重δ_j共同決定：β_j＝δ_j×γ_j，

模塊權(quán)重δ_j，根據(jù)專家評(píng)估確定指標(biāo)體系中五大模塊的權(quán)重；

指標(biāo)權(quán)重γ_j，采用指標(biāo)歸一化后的均標(biāo)準(zhǔn)差作為衡量每個(gè)指標(biāo)重要性的參數(shù)，

(c)采取多元線性加權(quán)的方式進(jìn)行行業(yè)科技發(fā)展水平的評(píng)估：

針對(duì)行業(yè)i，其科技發(fā)展水平ISTD_i＝β₁f(x_i,1)+β₂f(x_i,2)+…+β_Jf(x_i,J)，其中J為指標(biāo)總個(gè)數(shù)，ISTD_i為行業(yè)i的行業(yè)科技發(fā)展力評(píng)估值。

作為優(yōu)選，所述模塊(3)中的多元線性回歸方程的建模方式包含如下步驟：

(a)建立多元回歸方程：ISTD_i＝b₀+b₁F_1i+b₂F_2i+…+b_nF_ni+e_i，其中ISTD_i為行業(yè)i的行業(yè)科技發(fā)展力評(píng)估值；

F_1i、F_2i……F_ni是行業(yè)i某一年的指標(biāo)值；

b₀，b₁，……b_n為自變量的回歸系數(shù)，其中b₀為截距；

e_i是殘差，所有e_i獨(dú)立同分布，且e_i～N(o,s²)；

(b)對(duì)三類指標(biāo)分別進(jìn)行自變量預(yù)處理，對(duì)第一類指標(biāo)采用取以10為底對(duì)數(shù)方式進(jìn)行處理，對(duì)第二類指標(biāo)采用取以2為底對(duì)數(shù)方式進(jìn)行處理，對(duì)第三類指標(biāo)采用平方的方式進(jìn)行處理；所述第一類指標(biāo)包括從業(yè)人員學(xué)歷結(jié)構(gòu)、國內(nèi)授權(quán)發(fā)明專利產(chǎn)出率、中文核心期刊論文產(chǎn)出率、綜合能耗產(chǎn)出率、煙塵排放率、粉塵排放率，所述第二類指標(biāo)包括國內(nèi)發(fā)明專利申請(qǐng)、國內(nèi)專利申請(qǐng)、科研儀器設(shè)備配置、科研儀器設(shè)備人均配置、人均創(chuàng)新產(chǎn)出、新產(chǎn)品研發(fā)人均投入、人均研發(fā)經(jīng)費(fèi)，所述第三類指標(biāo)為累計(jì)國內(nèi)有效發(fā)明專利全國占比；

(c)在訓(xùn)練階段，根據(jù)歷史的ISTD_i與F₁,F₂,…,F_n來計(jì)算b₀,b₁,…,b_n,s²；

(d)在評(píng)估階段，通過新的F₁,F₂,…,F_n與訓(xùn)練階段獲得的b₀,b₁,…,b_n,s²，來計(jì)算ISTD_i。

所述的歷史ISTD_i采用專家打分的方式或利用附加模塊中的獲獎(jiǎng)數(shù)量產(chǎn)生歷史的ISTD_i。

基于所述的多元線性回歸方程，建立模型1，該模型采用指標(biāo)體系中的所有指標(biāo)，或采用精簡(jiǎn)后指標(biāo)體系中的指標(biāo)，作為模型自變量，利用所采集的數(shù)據(jù)計(jì)算得出b₀,b₁,…,b_n,s²，進(jìn)而得出相關(guān)行業(yè)科技發(fā)展力評(píng)估值。

作為優(yōu)選，在所述模型1的基礎(chǔ)上進(jìn)一步采用AIC(Akaike's An Information Criterion)信息量作為逐步回歸的指標(biāo)，通過不斷去掉使得AIC下降最快的自變量，來建立新的回歸模型，直到去掉任意一個(gè)自變量都無法使得新模型的AIC下降為止，得到模型2，利用所采集的數(shù)據(jù)，計(jì)算得出b₀,b₁,…,b_n,s²，進(jìn)而得出相關(guān)行業(yè)科技發(fā)展力評(píng)估值。

作為優(yōu)選，在所述模型2的基礎(chǔ)上進(jìn)一步采用回歸診斷的方式刪除異常點(diǎn)，得到更加穩(wěn)定的模型3，利用所采集的數(shù)據(jù)，計(jì)算得出b₀,b₁,…,b_n,s²，進(jìn)而得出相關(guān)行業(yè)科技發(fā)展力評(píng)估值。

本發(fā)明的有益效果是：

(1)本發(fā)明通過構(gòu)建完整的評(píng)估指標(biāo)體系，用量化方法評(píng)價(jià)我國國民經(jīng)濟(jì)行業(yè)的科技發(fā)展水平，并針對(duì)各產(chǎn)業(yè)領(lǐng)域科技進(jìn)步的個(gè)性和共性特征，提出客觀、有效、全面的評(píng)估指標(biāo)體系，從而實(shí)現(xiàn)多維度量化評(píng)估。

(2)采用多元線性加權(quán)與多元線性回歸的方式進(jìn)行建模，在建模和運(yùn)算的過程中，對(duì)抽取的數(shù)據(jù)進(jìn)行了歸類和分析以及補(bǔ)缺等，在多元線性回歸的基礎(chǔ)上，比較了三種模型的特點(diǎn)和結(jié)果，不斷優(yōu)化模型，優(yōu)選地采用回歸診斷+多元線性回歸+逐步回歸的方式進(jìn)行建模，實(shí)現(xiàn)了行業(yè)科技發(fā)展力的量化評(píng)估。

附圖說明

圖1為本發(fā)明中指標(biāo)體系包括的具體指標(biāo)圖。

圖2為本發(fā)明中煤炭開采和洗選業(yè)經(jīng)數(shù)據(jù)補(bǔ)全后的數(shù)據(jù)圖。

圖3為本發(fā)明采用多元線性加權(quán)建模方式中指標(biāo)權(quán)重值分布圖。

圖4為本發(fā)明32個(gè)行業(yè)大類科技發(fā)展力綜合評(píng)分示意圖。

具體實(shí)施方式

以下實(shí)施例僅用于說明本發(fā)明而不用于限制本發(fā)明的范圍。此外應(yīng)理解，在閱讀了本發(fā)明講授的內(nèi)容之后，本領(lǐng)域技術(shù)人員可以對(duì)本發(fā)明作各種改動(dòng)或修改，這些等價(jià)形式同樣落于本申請(qǐng)所附權(quán)利要求書所限定的范圍。

實(shí)施例1

根據(jù)《國民經(jīng)濟(jì)行業(yè)分類GB/4754-2011》劃出的國民經(jīng)濟(jì)20個(gè)門類，96個(gè)大類，本實(shí)施例選取96個(gè)大類中的其中一類——“煤炭開采和洗選業(yè)”進(jìn)行評(píng)估，但本發(fā)明中的行業(yè)科技發(fā)展力量化評(píng)估方法和系統(tǒng)適用于國民經(jīng)濟(jì)所有大類。

在“煤炭開采和洗選業(yè)”的量化評(píng)估中，首先構(gòu)建評(píng)估指標(biāo)體系，指標(biāo)體系包括行業(yè)科技環(huán)境、行業(yè)科技投入、行業(yè)科技產(chǎn)出、行業(yè)核心競(jìng)爭(zhēng)以及行業(yè)社會(huì)經(jīng)濟(jì)影響五大模塊，以及附加模塊，每個(gè)模塊包括一級(jí)指標(biāo)與二級(jí)指標(biāo)，具體指標(biāo)如圖1所示，并采集2004年、2008年、2011年以及2012年相應(yīng)指標(biāo)數(shù)據(jù)。

數(shù)據(jù)補(bǔ)全，針對(duì)現(xiàn)有數(shù)據(jù)缺失部分，采用基于線性擬合的方式，完成數(shù)據(jù)補(bǔ)全，補(bǔ)全后的數(shù)據(jù)如圖2所示，其中方格底部灰色部分的數(shù)據(jù)為補(bǔ)全數(shù)據(jù)。

參數(shù)優(yōu)化，為了將反映相同物理意義的指標(biāo)刪除，防止指標(biāo)被重復(fù)計(jì)算，影響評(píng)價(jià)結(jié)果。通過計(jì)算指標(biāo)兩兩之間的皮爾森相關(guān)系數(shù)，發(fā)現(xiàn)相關(guān)指標(biāo)，來對(duì)體系中的指標(biāo)進(jìn)行精簡(jiǎn)。根據(jù)每個(gè)指標(biāo)在模塊中的分布情況，以及指標(biāo)的重要程度，移除以下指標(biāo)：政府財(cái)政支持力度、自有科研機(jī)構(gòu)密度、R&D人員密度、從業(yè)人員學(xué)歷結(jié)構(gòu)、國內(nèi)發(fā)明專利申請(qǐng)、國內(nèi)專利申請(qǐng)、產(chǎn)學(xué)研合作網(wǎng)絡(luò)、研發(fā)勞務(wù)支出占比、科研儀器設(shè)備配置、科研儀器設(shè)備人均配置、累計(jì)國內(nèi)有效專利量、新產(chǎn)品開發(fā)項(xiàng)目、創(chuàng)新研發(fā)密度。

采用多元線性加權(quán)的建模方式進(jìn)行建模，包含如下步驟：

(a)對(duì)采集的指標(biāo)數(shù)據(jù)進(jìn)行歸一化處理，對(duì)于每個(gè)行業(yè)i的指標(biāo)j，即x_i,j，其歸一化函數(shù)為其中N_i是行業(yè)的個(gè)數(shù)，是指標(biāo)j的均值。

(b)確定評(píng)估指標(biāo)的權(quán)重值，指標(biāo)j的指標(biāo)系數(shù)由指標(biāo)權(quán)重γ_j與模塊權(quán)重δ_j共同決定：β_j＝δ_j×γ_j。

模塊權(quán)重δ_j，經(jīng)專家打分后，五大模塊的權(quán)重比例為：行業(yè)核心競(jìng)爭(zhēng)30％，行業(yè)科技投入20％，行業(yè)科技產(chǎn)出20％，行業(yè)科技環(huán)境15％，行業(yè)社會(huì)經(jīng)濟(jì)影響15％；

指標(biāo)權(quán)重γ_j，采用指標(biāo)歸一化后的均標(biāo)準(zhǔn)差作為衡量每個(gè)指標(biāo)重要性的參數(shù)，

經(jīng)計(jì)算后得出指標(biāo)系數(shù)，具體數(shù)值如圖3所示；

(c)采取多元線性加權(quán)的方式進(jìn)行行業(yè)科技發(fā)展水平的評(píng)估：

針對(duì)行業(yè)i，其科技發(fā)展水平ISTD_i＝β₁f(x_i,1)+β₂f(x_i,2)+…+β_Jf(x_i,J），其中J為指標(biāo)總個(gè)數(shù)，ISTD_i為行業(yè)i的行業(yè)科技發(fā)展力評(píng)估值。

經(jīng)計(jì)算得出煤炭開采和洗選業(yè)的行業(yè)科技發(fā)展力評(píng)估值為：2004年，37.50；2008年，44.31；2009年，46.94,；2011年，51.59；2012年，52.69。根據(jù)這五年行業(yè)科技發(fā)展力評(píng)估值的數(shù)據(jù)，平均后獲得該行業(yè)科技發(fā)展力綜合評(píng)分為46.61。

基于上述的方法，根據(jù)《國民經(jīng)濟(jì)行業(yè)分類GB/4754-2011》，在制造業(yè)、采礦業(yè)和電力、熱力、燃?xì)饧八a(chǎn)和供應(yīng)業(yè)三個(gè)大的行業(yè)門類所屬的43個(gè)大類中進(jìn)一步篩選了32個(gè)行業(yè)大類作為本發(fā)明的實(shí)施例，采集2004年、2008年、2011年以及2012年相應(yīng)指標(biāo)數(shù)據(jù)，進(jìn)行行業(yè)科技發(fā)展力量化評(píng)估，所得出的行業(yè)科技發(fā)展力綜合評(píng)分見圖4。