基于 TOPSIS评价模型研究城市经济活力

(整期优先)网络出版时间:2020-10-13
/ 2

基于 TOPSIS评价模型研究城市经济活力

刘亚飞 张嘉炜 陈家辉

华北理工大学 06210

摘要:对各城市经济活力进行排序,基于逐步回归法[1]确定的4项指标,建立带权重的TOPSIS评价模型[2]对各城市经济活力进行衡量,最终发现上海、北京、深圳的城市经济活力位列前三位。由此说明,庞大的企业数量是城市扩大投资、拓展生产力发展规模和提高生产力发展水平的基础。

关键词: 逐步回归法 权重—TOPSIS评价 经济活力

引言

城市经济活力[3],它表示一个城市在经济发展过程中具有的能力值与潜力值。从宏观角度分析,表现为经济实体的自我改造、自我积累和自我发展的能力;从微观层面分析,表现为经济实体市场适应能力、竞争能力以及对经济要素的吸引能力。因此,全面客观地评价区域经济活力,探寻差异形成的原因,对于实现可持续性区域协调发展具有重要的意义。

1基于带权重TOPSIS模型对城市经济活力排序

选取由逐步回归法所确定的四项指标构成指标体系,由于每一项指标对经济活力的影响存在着不同显著性差异,因此我们选择建立带权重的TOPSIS评价模型对城市的经济活力进行衡量与分析,最终将所确定的城市指标代入数学模型中进行评分,根据评分确定城市经济活力的排名顺序。TOPSIS法是常用的综合评价方法,充分利用原始数据信息,其结果精确反映各评价方案之间的差距。

1.1 模型的建立与求解

假设有n个需要评价的对象,m个经过正向化处理的评价指标,由极小型转化成极大型,选取13个城市,n=13;选取问题一中由逐步回归法所确定的4项指标构成指标体系,m=4。对其标准化处理后的矩阵记为Z,且Z中每一个元素。 假设有n个需要评价的对象,m个评价指标标准化矩阵。我们可以计算得出第5f8542ab53abe_html_9e2c3f7d3b0a9d96.gif5f8542ab53abe_html_78fd0524aa209332.gif 评价对象未归一化部分的得分。

经过归一化处理,结果如下表所示:

表1 各城市经济活力得分排序表

City

5f8542ab53abe_html_a3e22995b27990a6.gif

5f8542ab53abe_html_581a8cb6e398f4ff.gif

Score

Ranking

Shanghai

0.14453

0.39310

0.14416

1

Beijing

0.19970

0.35532

0.12661

2

Shenzhen

0.18049

0.32389

0.12622

3

Chongqing

0.29060

0.20323

0.11715

4

Guangzhou

0.22801

0.33380

0.08114

5

Tianjin

0.39901

0.11020

0.07383

6

Dongguan

0.37064

0.13505

0.05724

7

Qingdao

0.32054

0.19189

0.05396

8

Hangzhou

0.37147

0.13995

0.05266

9

Shenyang

0.37448

0.15318

0.048

10

Nanjing

0.41408

0.09298

0.04267

11

Changsha

0.40939

0.10484

0.0402

12

Ningbo

0.42203

0.13581

0.03615

13

由上表结果可知,基于带权重TOPSIS模型衡量各城市经济活力,上海以0.14416排在选取13个城市的首位,北京市以0.12661排在第2,深圳、重庆、广州分别为于3-5位。在现代化大城市中,企业作为城市的基本单元之一,既是城市活力的经济细胞,又是城市扩大投资、拓展生产力发展规模和提高生产力发展水平的基础。企业素质的高低将直接决定着城市的经济活力。企业的活力构成了城市经济活力的微观基础,企业素质的高低对城市经济增长数量、质量、升降趋势、有效性以及城市经济活力起到了至关重要的作用。

2 提供合理化建议

通过上文对北京市经济活力分析可知,从“十三五规划”以来,北京市经济活力总体呈现良好发展趋势,并且每年都有不同程度的提升,但通过对部分指标进行研究,也会发现在激发城市经济活力方面仍然存在一些问题。针对以上情况,结合上文研究结果,从不同的角度提出以下建议:

(1)扩大金融产业发展优势,巩固金融中心区地位。

积极把握首都金融中心位置优势,将北京CBD区域发展为大型金融机构聚集中心,建立起以银行机构作为主体,其他各种金融服务机构相互并存,结构优良、功能齐全的现代金融服务组织体系;

(2)构建多样化创新体系,提升核心技术创新能力。

充分利用区域自身优势,吸引更多国家级重大科技的基础设施、新型研发机构以及高端知识类型产权服务机构的入驻,打造一个高端创新型的聚集区;加强顶层设计,构建自主创新的政策体系,同时提升知识产权运用和保护机制,健全新兴技术创新激励的机制,营造自主创新的环境。

3 模型评价

灰色预测可以通过对原始数据进行生成处理来寻找系统变动的规律,生成有较强规律性的数据序列,然后建立相应的微分方程模型,从而预测短期内企业数量更为准确。

因为每个城市有多个指标因素,TOPSIS评价模型对于评价多指标的经济活力更加可靠,但又因为使用带权重的TOPSIS评价模型,权重为主观确定,使得评价结果据有一定的主观性。

主成分分析结合逐步回归分析和通径分析可对多指标体系中的指标进行评价,实现测定指标的真正降维,从而使得问题更好的解决。

4 模型推广

逐步回归可以解决多重共线性问题以及对指标的显著性分析。可以在碳排放,储层参数预测以及煤层渗透率方面进行应用。

GM 灰色理论预测法是目前最为广泛的预测方法之一, 在数据较少时相比其他预测模型也具有一定优势。可以在工资预测、粮食作物的生产、 经济管理、工程管理等方面进行应用。

带权重的TOPSIS评价模型是一种对指标附加权重的评价模型,可以在一些施工管理,稳健性分析以及参数管理等方面进行应用

参考文献

[1]申艳,张晓平,梁爱珍,时秀焕,范如芹,杨学明.多元散射校正和逐步回归法建立黑土有机碳近红外光谱定量模型[J].农业系统科学与综合研究,2010,26(02):174-180.

[2]黄启录,陶铁托,毛永炜,王琳,张其东,陶智麟.基于改进TOPSIS法的烟草工业建筑节能技术综合评价研究[J].建筑节能,2020,48(08):137-143.

[3]李晓峰. 加快实体经济发展 助推城市活力建设[N]. 鞍山日报,2020-01-09(A04).