文摘

本研究构建的指标体系转换的新老动能(NOKE)从三个维度的电力,经济,在云计算环境和能源效率。首先,年度评价模型构建基于NOKE的转换。其次,基于决策评估模型试验和评价实验室(DEMATEL)分析网络过程(ANP)和改进的灰色关联方法的建立。最后,通过实例进行年度评估。结果表明,辽宁省NOKE的转换效果是2019年的0.7956,0.803,2020年和2021年的0.9448。评估价值逐年增加,这表明辽宁省NOKE的转换效果越来越显著。一系列NOKE转换措施取得了积极成果。本研究提供了理论基础和实践指导中国促进NOKE的变换。

1。介绍

在云计算环境中,中国必须适应时代的发展,优化产业结构和经济发展模式,经济发展进入一个新阶段尽快。因此,中国已经开始推动的政策将新老动能(NOKE)。其中,“新动能(nike)”是一种新的工业革命与发展动力,促进经济和社会发展。这包括四个新的驱动力,即新技术,行业,业务形式和模式1,2]。经济的设立是基于信息技术的应用,如互联网、物联网、云计算和大数据(3]。“老动能(好的)”一词指的是一种经济增长模式,在这种模式中,大量的资本、人力资本和资源投资在传统的生产活动来实现生产力。它由一些传统制造业能源消耗高、污染大,和一些工业企业工作在传统的生产方法4]。NOKE转换的转换和加强是没问题的,这是一个培养设立的重要战略措施。也是一个重要的方式来达到高质量、创新驱动经济发展(5]。在全球范围内,转换NOKE是世界经济发展的客观规律,是可持续发展的必然要求新的技术革命。中国正处于经济发展的新时期。升级产业结构,实现一系列的经济发展目标速度,质量,中国必须推进重大项目,如驱动经济增长的新的来取代旧的。

雪et al。6)提出了一个混合模型的有效性NOKE的转换。这是一个重大的战略举措,中国转变经济增长模式,提高发展质量。NOKE转换的目标和电力工业的支持的转换NOKE,评估的指标体系的有效性NOKE是由电力经济的转换。贾和林7)选择从2000年到2018年的省级面板数据实证测试要素市场扭曲对企业创新效率的影响在经济动能转换。此外,国际直接投资和技术泄漏影响专利申请有一定的相关性与要素价格扭曲。因此,生产要素价格扭曲的影响进行了研究。本研究考察了歧视的影响要素价格扭曲国际直接投资的影响,进口贸易、专利申请、效率和创新。结果表明,进口贸易的技术溢出效应,外国直接投资和专利应用程序显示在不同阶段的不同特征要素市场扭曲。检查的实际影响nike转换、王et al。8]看着税收政策如何影响新产品的开发技术和现代服务行业如何适应“增值税替代营业税的改革。“研究结果表明,增加政府税收激励和监督在促进企业创新起到了重要的影响。的高劳动力成本高的现代服务业减缓了转换后的NOKE“增值税取代营业税改革”成立。

目前,NOKE转换在中国仍处于初级阶段。这些内容只是局限于相关的理论概念和实现路径。他们还没有进行深入的研究评估NOKE的转换。转换NOKE构建基于云计算的评价模型建立在决策试验和评价实验室(DEMATEL)分析网络过程(ANP)和改进的灰色关联方法。为促进NOKE转换,转换NOKE发达效能评估模型可以为中国提供理论基础和实用的建议。

2。材料和方法

2.1。研究NOKE的转换

“好的”指传统功能,如制造业企业和行业重要的能源消耗和污染。“设立”是指产业集中在经济的驱动力的新技术、新产业、新格式、新模型。设立的出现有利于加快技术升级,产业转型,新业务的发展形式(9]。转换NOKE变换nike和它的研究和发展。NOKE转型的目的是解决产能过剩,这样更多的产业可以实现全面改善生态文明的建设10]。在这个阶段,中国的目标发展NOKE转换图所示1。


图1
中国的发展目标NOKE的转换。

在中国,有两种方法可以实现NOKE转换。首先是宏观经济的道路,而第二个是microindustry路径。NOKE的变化主要受四个因素:(i)最大化资源配置,提高全要素生产率,并解决产能过剩;(2)坚持从因模型转变经济发展模式创新模型,提高经济发展的内在驱动力;(3)扩大内需,实现消费水平的升级,不断调整产品的供给和需求结构,最后达到供需平衡来解决一些产能过剩;(iv)政府应该制定一个标准化的、高效的系统来确保NOKE的转换。的变换NOKE主要从三个方面,即:(我)不同行业需要思想的转变(2)每个行业都需要升级的能力(3)各种产业的发展应实现管理革命

2.1.1。建设年度NOKE的转换效果评价模型

电力与经济发展有着密切的联系和电力数据。它表明了经济和社会发展的水平。各种行业的能源消费水平反映了产业结构的变化。电气化程度表示NOKE转换的技术发展水平。经济转型的程度可以显示在能源效率和能源结构11,12]。NOKE转换指标体系是由三个维度的电力,经济,和能源效率。构建系统的年度评估指标NOKE如图的转换2。


图2
年度评价指标体系NOKE的转换。

进行综合评价时,应进行的一系列步骤。这些步骤包括每个指标的权衡和获取相关的结果。是非常重要的重量来确定指标的结果将直接影响到评价的结论。因此,DEMATEL-ANP方法相结合来确定每个指标的权重。DEMATEL可以判断一级指标之间的相关性提供了依据ANP网络结构的建设,提高科学性。

2.1.2。DEMATEL模型

DEMATEL广泛应用在许多领域,如企业规划和决策、城市规划与设计、地理环境评估,和在线评估(13,14]。的结构和操作步骤DEMATEL图所示3。


图3
操作的DEMATEL流。

定义元素和判断关系就是其中之一。它包括评估和定义系统的元素,然后使用专家判断两个元素之间的关系会谈,讨论和调查问卷。表达的元素之间的关系首先是四度影响构造一个矩阵的直接关系,即0表示没有影响,1代表轻微影响,2代表了强大的影响力,3代表非常影响15,16]。获得直接的关系矩阵,然后专家比较元素根据关系和影响程度。最后,直接关系矩阵规范化。

2.1.3。ANP模型

ANP是适合研究指标的层次结构之间的关联。AHP的出现弥补了AHP的许多缺陷。ANP和AHP有相似的基本想法。然而,模型的建设是两个最重要的区别。此外,层次关系需要不同程度的层次结构。AHP和ANP可以确定一些困难无法定义的公式模型在评估各种研究对象的学科技术,经济,人文学科(17]。层次分析法将每个元素分为不同级别,并确定每个元素的相对重要性。这类型的相对重量每一层根据专家意见和分析师的客观判断。经典的AHP层次结构如图4。


图4
层次分析法的原理图。

有各种各样的AHP研究问题的步骤。首先,整个系统在所有因素的关系进行了研究。系统的层次结构。其次,根据上一层的标准,每个元素在同一层的重要性判断矩阵构造成对比较。第三,根据判断矩阵,比较元素之间的比例和标准以及判断矩阵和权重向量。最后,各级的最终权重元素相对于目标层进行了分析和排序最高的重量(18]。

ANP保留原来的层次分析法的优点。所有的因素指标体系由ANP分为两层:控制层和网络层。其中,目标和标准都包含在控制层。虽然没有标准之间的连接,目标层监控和调节。网络层中的所有因素相互连接形成网络结构。这些因素控制的控制层(19,20.]。ANP的基本结构如图5。


图5
ANP的结构示意图。

ANP的计算过程分为三个部分。(我)建立了网络体系结构:因为指标体系包含了一些指标较低的相关性,相关性较低的联系可以通过设置一个阈值删除。小于阈值的因素消除。指标体系构建的网络结构使用剩余的关系(21]。(2)两两比较的判断矩阵是创建:专家分析是用来绘制结果,然后创建一个判断矩阵所有元素之间的两两比较,可以形成与ANP在每个标准评价水平。ANP评价等级图所示6。(3)构造和计算supermatrix:假设我th元素组合包含mi的因素。如果j因素组合的影响我th因素组合,然后所有的因素我th无量纲和管理因素组合成一个因素jth因子组合来获得 。获得全面的矩阵Wij的我th因素组合jth因素组合如下方程:


图6
评估的ANP水平。

这些因素形成了supermatrixW,见以下方程:

因为supermatrix分区,不同的块矩阵表示的关联因素我元素组合j。因素之间的影响矩阵组合后,接下来每个因素组合之间的相关性进行了分析。目前,评价对象是一系列因素综合作用的结果。矩阵一个通过比较每个因素组合下的重要性标准层,见以下方程:

最大的特征值是用于一致性检验,见以下方程: 在哪里 代表了最大特征值;n代表的数量比较元素;词代表了均匀性指数。CI = 0时,它意味着评价者所认为的观点是一致的。CI值越大,越评价者的司法意见的一致性。CR代表的比例均匀性。国际扶轮代表随机指标,如表所示1。

表1
随机指标的比较(RI)。

一致性检验后,特征向量的不同指标聚合为一个无关紧要的supermatrix。接下来,未加权的supermatrix乘以特征向量得到加权supermatrix。这个加权supermatrix仅限于得到矩阵的极限。限制矩阵中所有因素是网络权重的因素。最后,所有的排名顺序因素推导出在这个系统22,23]。

2.1.4。使用加权一步DEMATEL-ANP

由DEMATEL-ANP指数加权法的具体步骤如下:(1)一级指标判断之间的影响关系。一级指标集米= (米1,米2、…米n)是构造。如果第一级索引米我直接影响了吗米j1,0表示没有影响,意味着疲软影响,2意味着中度影响,3意味着强大的影响力,和4意味着非常强大的影响力来指示指标之间的影响程度。因此,直接关系矩阵的构造一级指标之间的相互影响。(2)综合影响矩阵计算。根据获得的标准化直接影响矩阵直接影响矩阵,见以下方程: 在哪里xij代表了一级指标的影响程度米我在米j。对于标准化直接影响矩阵 , 。综合影响系数矩阵T所示如下方程: 在0米×n代表了零矩阵。我代表单位矩阵。(3)程度的影响和被影响的程度的计算。基于综合影响矩阵T,其影响程度D和受影响的程度R每个指标所示以下方程: 的影响程度D的指标代表其他指标的影响。受影响的程度R显示其他指标的综合影响程度。D+R被定义为中心的指标,这是用来表示整个系统的指标的重要性。D−R被定义为的因果程度指标,用于判断指标在整个系统中的作用24]。如果D−R> 0,这意味着该指数的影响程度大于影响的程度。索引是导致因素。(4)基于中心和因果关系的一级指标由DEMATEL,网络层和控制层之间的相关性,从而构建的网络层次结构指标体系。(5)ANP的supermatrix建立之后,建立了加权supermatrix ANP。(6)supermatrix建立了稳定后,核心supermatrix superdecision AHP计算的软件。

2.1.5节讨论。建设基于改进灰色关联综合评价模型

转换NOKE构建评价指标体系是一个量化指标,所以评估值可以表示实际值之间的亲密和计划目标值。然而,构建评价指标体系对NOKE具有高维特征的转换。因此,灰色关联分析方法用于计算值和实际值之间的相关性规划目标价值评估NOKE转换的影响。

灰色关联法是一种系统分析方法。该方法的数据需求不是很精确。通过一个坐标轴,观察到的几个趋势线是否有相同趋势的变化和不同的波动趋势是否一致(25]。如果有评价对象和影响系数,灰色关联分析方法可以用来计算两组数据是否相关,相关性的大小。如果需要纠正的因素包括其他干扰因素,模型必须美白数据。在美白的过程中,只有消除,通过计算来解决。这个过程是“灰色”,结果是科学和准确。不管数量的样本,样本数据的规律性,可以使用灰色关联方法(26]。选择标准通常最优标准。合适的指数数据和索引数据最严重的选为参考序列。不同的计划和方法之间的关系和最优和最糟糕的解决方案进行了比较。然后,不同的选项之间的差距评估。也许有一些干扰因素影响评价结果的稳定性评价与总体极值高度相关的评估方案,见以下方程: 在哪里 代表之间的相关系数kth的指数我- - - - - -th方案和kth最佳指数。 表示的最优值kth指数。 表示kth指数的价值我th方案。ρ代表决议系数, 。一般来说,的价值ρ是0.5。 的最小值取决于方法的评价,和 取决于最大值在被评估的方法。

经典的灰色关联分析方法仅仅考虑了几何相似性数据系列,但忽略了数值接近。因此,形式和距离传统的灰色关联分析方法已得到改进。基本的想法是,近点的两个序列之间的区别是0或接近系数为1,越接近两个序列。评估效果的台阶NOKE转换的改进的灰色关联分析方法如下。

首先,理想的最优序列决定。第二,数据归一化。第三,评估标准化序列之间的相关性,以及理想的最优序列计算NOKE的转换。进一步分析构造评价模型的实现转换的NOKE,辽宁省作为一个对象。根据所构造的年度NOKE转换效应的评价指标体系,辽宁省的相关原始数据收集从2019年到2021年。根据辽宁省的NOKE转换目标,确定目标价值的指标。原始数据之间的差异相对较大。原始数据标准化便于分析。

3所示。结果与讨论

3.1。权重计算结果

DEMATEL用于分析的主要指标之间的相关性。中心(D+R)和因果关系(D−R每个一级指标)的结果如图7(一)。根据ANP网络指标体系的层次结构,所有二级指标的权重系数结果计算了SuperDecision软件,如图7 (b)。

(一)
(一)
(b)
(b)
图7
重量计算结果。(一)主要指标的中心和因果关系;(b) ANP重量二级指标的结果。

在图7(一)的D-Rs经济指数(M1)和能源效率指数(M3)是0.372和0.463,分别在图7(一)。这些值都大于0。这说明经济指标和能源效率的强大影响规定其他指标相比受其他指标的影响。因此,经济指标和能源效率指标的因果因素。的D−R的电力消耗指数(M2)−0.802(< 0),表明电力消耗指数产生的因素。电力消耗指标比经济指标和能源效率指标更重要。在图7 (b)所有二级指标中,高新技术产业出口的比例(M16)最大的体重值是0.0912。电气化的重量级别(M24)是0.0815,仅次于高科技产业出口的比例。五大指标中排名的权重值,功率指标占三个。因此,电力行业中扮演着重要角色的转换NOKE因此它应该得到更多的关注。

3.2。年度评估结果NOKE转换的有效性

根据评价模型的转换NOKE基于改进灰色关联的影响,评价指标的价值和目标价值评价指标从2019年至2021年辽宁省替换成模型。NOKE转换之间的灰色关联指数序列和目标序列的结果如表所示2。

表2
辽宁省的NOKE转换结果,2019 - 2021。

在表2的评估价值的转换效果NOKE辽宁省2019年是0.7956。在2020年,它是0.803,在2021年,它是0.9448。辽宁省的评估价值逐年增加,表明NOKE的转换效果越来越显著。一系列NOKE转换措施取得了积极成果。为了进一步分析的主要因素影响辽宁省NOKE的转换效果,评价指标和目标值比较从2019年到2021年,如图8。


图8
对比评价指标的价值和目标价值的转换效果NOKE辽宁省。

在图82021年,在2021年,NOKE转换取得辽宁省全面的成就,这是高于2019年和2020年。当重量和性能指标的值加在一起,高新技术产业的出口(M16),工业用电量(锰),和电气化水平(M24)成为三大关键指标NOKE转换,这表明,政府应该更多的注意和关心。

4所示。结论

NOKE转换的转换和加强是没问题的,培育和发展的一个重要战略措施设立了。也是一个重要的方式来达到高质量、创新驱动经济发展。在云计算环境中,一个评价模型转换NOKE构造基于DEMATEL-ANP和改进的灰色关联方法。辽宁省被选中作为实证分析的对象来收集数据。结果表明,2021年在辽宁省NOKE转换高于2019年和2020年。它取得了更显著的结果,一系列NOKE转换措施取得了积极成果。该省的转换NOKE取得了全面的成果。然而,缺点是该年度评价指标体系NOKE是基于年度数据的转换。尽管NOKE转换的影响可以从多个维度,全面评估指标体系的数据采集相对滞后。因此,在未来,这项研究将尝试建立一个月度检测指标体系将NOKE。

数据可用性

和/或使用的数据集分析在当前的研究可从相应的作者在合理的请求。

的利益冲突

作者宣称没有利益冲突。

确认

这项工作是在辽宁省教育部基金项目的支持下,新旧驱动力的转换路径辽宁省经济增长的背景下(项目没有新时代。JJW201915401), andMinistry教育(现在人道主义公司部门)的研究项目,研究制造企业流程瓶颈周期的位置和优化合理的成本约束下(项目号18 yjc630256)。