刘刚① LIU Gang；杨颖梅① YANG Ying-mei；马文涛② MA Wen-tao；
王腾霄① WANG Teng-xiao
（①北京信息科技大学，北京 100192；②中关村管委会，北京 100081）
摘要： 本文首先根据传统的指标体系构建的方法建立两种指标体系，主要是主观筛选法和专家调查法。同时本文又提出了一种新的建立指标体系的方法—投入产出筛选法。投入产出筛选法建立的指标体系能够全面地反应预测目标整体结构。通过投入的指标来反映预测目标的成本，产出的指标可以反映出园区的收益，效率类指标则能反映出园区的盈利和营运能力，该指标体系同时还体现了高新技术行业预测的特点。本文最后使用层次分析法进行定性和定量相结合的研究方式选出最优的预测指标体系。
教育期刊网 http://www.jyqkw.com
关键词 ： 预测；指标体系；高新技术行业；投入产出筛选法；层次分析法
中图分类号：F272 文献标识码：A 文章编号：1006-4311（2015）03-0001-05
0 引言
经济预测是国内外学者研究的重点，同时也是一个国家和地区研究制定计划、规划的重要工具。国内的经济预测系统有北京市统计局研发的“北京经济走势监测系统”、中国社会科学院经济研究所宏观经济学研究室的“中国宏观经济预测模型”和国务院发展研究中心的“DRC行业景气监测平台”等，除此之外，一些省市也建立了宏观经济预测系统。国际上做经济预测的机构分为三类：一是跨国经济研究机构，具有代表性的有国际货币基金组织、世界经济论坛和洛桑国际管理研究所等，该类机构主要研究世界宏观经济趋势、货币、贸易政策等。二是国家级研究机构，具有代表性的为美国兰德公司，该公司类似于我国的国研中心和宏观院，其研究方法和理论代表国际最高水平，但多属于机密性质。三是专业经济研究机构，以美林、摩根斯丹利、高盛、花旗为代表，该类机构的研究成果主要包括投资环境分析、区域经济分析、行业分析，信用体系、经济政策、大宗产品价格趋势分析等。国内外有关经济的预测主要集中在宏观经济的层面上，而对微观经济的预测研究相对较少。开展微观经济预测可以帮助企业和行业明晰自身运行走势，有效提高经济效益，为宏观预测提供重要的补充参考。本文以高新技术行业的经济预测为例，从微观方面研究经济预测指标体系构建问题，首先根据传统的方法建立了两个指标体系，同时又提出了符合高新技术行业特点的投入产出筛选法，建立了一个新的指标体系，最后根据层次分析法筛选出更符合高新技术行业特点的指标体系。
1 相关研究
在经济预测的研究中，需要解决两个非常关键的问题：确定指标体系和确定建模方法。迄今为止，国内外学者在建模方法上不断推陈出新，回归分析预测法、时间序列预测法、马尔柯夫预测法、灰色预测法和景气预测法等方法被广泛应用[1]。相比于建模方法的层出不穷，关于如何确定经济预测指标体系的研究相对很少，而预测指标的选择对经济预测的结果会产生重大影响。从数量来看，指标过少则对问题解释力不足，不能反映总体的经济形势，过多则会出现信息冗余，增加预测的难度。从质量来看，指标与经济运行关系越密切，对问题的解释力就越强，这样的指标也就越重要。另外，预测之间存在着各种不同程度的相关性，这种相关性也会直接影响模型的有效性。因此，依据科学而合理的方法从众多的预测指标中选择既重要又不影响经济预测效果的指标体系，不仅能够减少信息冗余，提高效率，还能更好地对研究问题进行解释，合理的经济预测体系是经济预测的基础和前提。
目前国内外学者构建经济预测的指标体系的思路主要可以分为三种：主观筛选法、专家调查筛选法和关联性筛选法。
①主观筛选法。主观筛选法主要是指根据主观判断和工作经验来确定预测的指标体系，或者借鉴类似的预测指标体系。这种预测指标体系主要受研究者的个人水平和经验的影响，主观性比较强。
②专家调查筛选法。专家调查筛选法是指从指标重要性角度出发，运用数量化方法，保留影响经济运行的重要指标，剔除不重要的指标。这种方法主要是通过问卷调查方法对经济运行中指标重要性进行打分，把每个指标得分进行排序，从中筛选出重要指标。
③关联性筛选法。关联性筛选法是指从消除或降低指标相关性的角度出发，运用一定的数学方法进行指标选择。主要应用于数据质量较高，数据较多的指标中。这种方法主要是考虑指标之间的多重共线性，通过从正态性检验、参数非参数检验以及多重共线性分析，偏最小二乘 logistic模型[2]来消除多元共线性问题，并且在提取成分的同时考虑解释变量与被解释变量的相关性。
2 指标体系构建
本文的研究主要以高新技术行业的经济预测为例，关联性筛选法主要用于数据量较大的样本中，不适合目前高新技术行业的指标体系的构建，在明确指标构建原则的基础上，首先采用主观筛选法和专家调查法建立了两种指标体系。另外，针对高新技术行业的总体数据比较明确、行业发展迅速等特点提出了构建高新技术行业指标体系的新方法——投入产出筛选法，该方法主要是从高新技术行业的投入、产出等方面建立指标体系，最后通过层次分析法对已建立的三种指标体系进行量化分析，选出适合高新技术行业经济预测的指标体系。
2.1 指标体系构建的原则 指标体系的设计原则是指设计评价指标应该遵循的准则和依据。这些准则是人们在评价实践中总结出来的带有规律性的共同约定。设计评价指标体系时，依据这些原则可以提高评价的科学性和有效性。
①目标一致性原则评价指标是评价目标的具体化、行为化、可操作化，应该与评价目标相一致。
②方向性原则评价指标体系的设计不能偏离评价目标。
③整体性原则指标体系作为一个系统，必须有一定的结构。各指标在组合形式上应该层次分明，主次得当，形成一个有紧密联系的有机整体。
④可测性原则。指标体系中最低层次指标必须是可测量的、具体的、明确的、是可以操作和把握的。
⑤同层次指标相互独立原则。指同一个层次的指标之间不能存在因果关系，不能由这一指标导出另一指标。
鉴于高新技术企业预测特殊性和复杂性，在构建指标体系时，不但要遵循以上原则，同时高新技术行业进行的发展的主要的一个特点就是发展迅速，因而建立的指标体系应当考虑这个因素，所以建立的指标还要遵循预见性、灵敏性、稳定性等原则，以构建出符合高新技术行业特点的指标体系。
①预见性原则。这是示范园经济预测系统的基础，即选择的指标变化应超前于示范园经济区企业经济活动及其产生的问题，这就要求预测系统所选定的指标必须能够准确地预测示范园整体经济发展状况及其发展趋势，并以此有效界定出能使示范园经济活动处于稳定发展态势的合理界限。
②灵敏性原则。即选择的指标能够快捷地反映出示范园经济发展状况的主要方面。由于预测的基本功能就是要敏感地反映示范园经济运行状况及经济运行过程中的波动，因此，遵循灵敏性原则就能通过改变预测系统控制参数和变量，及时调控示范园的资源分配，使示范园区经济发展异常变动状况得到收敛和控制，从而使示范园经济状况的变动始终运行在合理的置信区间内。
③稳定性原则。即选取的指标相对稳定，容易采集和比较。选取的各个指标在较长时间内保持相对稳定，可以更好地发挥预测功能。
2.2 主观筛选法 根据研究者的经验、研究能力以及对高新科技园区的了解，运用筛选法，设计出预测高新技术行业的预测体系。该指标体系中共有4个一级指标、14个二级指标、39个三级指标。该指标体系能够全面地反应科技园区的总体情况，根据筛选法设计出的高新技术园区的预测指标体系如表1所示。
2.3 专家调查筛选法 专家调查筛选法主要是一种问卷调查法，首先制定一份高新技术园区经济指标的调查问卷，问卷调查主要是从指标的重要程度和指标数据的真实性进行调查。根据问卷调查的对象不同，设计的问卷的形式也有所不同。针对在高新技术园区工作的员工，不仅要调查预测指标的重要性，同时还要对指标的数据的真实性做调查。针对专家和老师，由于对数据的质量了解得不够透彻，我们只做了重要性调查。问卷采用十分制，选项分为五个档次：10分、9分、8分、7分、6分及以下。对每个指标所得的分数进行排序，指标获得6分及以下的份数达到整体份数的5%以及上，则直接从预测的指标体系中删除该指标。
调查问卷最终发出去100份，收回来100份，统计各个指标的总体得分，选出了27个指标，将其做为三级指标，最后得到表2的预测指标体系，该指标体系中共有一级指标4个，二级指标12个，三级指标27个。
2.4 投入产出筛选法
2.4.1 园区投入 园区的投入反映了园区发展的成本，成本主要包括三方面：人力、资金和土地，考虑到高新技术园区的实际情况，主要从人力成本和资金成本两方面进行考察。人力成本相关指标主要包括从业人员数，从业人员的学历，科研人数等，选出人均劳动报酬、从业人员期末人数、本科学历以上劳动力比率、科技活动人员合计作为人力相关指标。资金成本主要是指资金的来源和用途，与资金成本相关的指标为：本年获得贷款总额、本年完成固定资产投资总额、企业内部用于科技活动的经费支出，考虑到高新技术园区自身的特点，资金方面的相关指标还包括企业当年获得创业投资规模和高新技术园区上市公司的市值。综合来说，园区投入类的指标为：人均劳动报酬、从业人员期末人数、本科学历以上劳动力比率、科技活动人员合计、企业内部用于科技活动的经费支出、企业当年获得创业投资规模和高新技术园区上市公司的市值。
2.4.2 园区产出 园区的产出反映了园区的收益，主要包括收入、利润、税费总额等。我们选择利润总额、总收入、出口总额、实缴税费总额、工业总产值反映产出的指标。高新技术园区内包含了大量的创新企业，为了充分反映园区的特点，产出类指标还应当包含专利申请数、专利授权数。反应园区产出的指标为：利润总额、总收入、出口总额、实缴税费总额和工业总产值、实现的增加值、专利申请数、专利授权数。
2.4.3 园区效率 园区的效率能反映出园区的发展能力、盈利能力和偿债能力等，我们选择总资产增长率、净资产增长率、总收入增长率作为衡量园区发展能力的指标，总收入净利率、资产净利率（资产报酬率）、净资产利润率作为反映园区的盈利能力的指标，资产负债比率作为反映园区的偿债能力的指标。同时以万元科技经费产出的专利申请数/授权数、每万人所拥有的专利的申请数/授权数、人均创造收入的增加值作为反应创新效率的指标。按照投入产出法设计的预测指标体系如图1所示。
3 指标体系的衡量与判别
基于主观筛选法、专家调查筛选法和投入产出法设计的预测指标体系，各有优点，在实际应用中很难最终确定使用哪一种指标体系。下面通过层次分析法对以上三种指标体系进行分析来确定最优的预测指标体系。
层次分析法（Analytic Hierarchy Process简称AHP）[3]是由美国运筹学家匹茨堡大学教授萨蒂于20世纪80年代初提出的一种多指标、多方案的综合比较方法，是将与决策总是有关的元素分解成目标、准则、方案等层次，在此基础之上进行定性和定量分析的决策方法。在实际中会遇到多指标、多方案的综合比较问题，由于经常出现多个方案互有好坏的情况。因此要从备选指标体系、方案中选择最佳的组合方案就成了个较为麻烦的问题。在实际应用中，层次分析法是将决策问题按总目标、各层子目标、评价准则直至具体的备选方案的顺序分解为不同的层次结构，然后得用求解判断矩阵特征向量的办法，求得每一层次的各元素对上一层次某元素的优先权重，最后求出各备择方案对总目标的最终权重，最终权重最大者即为最优方案。
3.1 建立层次结构模型 首先建立层次分析的结构模型，将备选的预测体系分别称为预测体系1、预测体系2、预测体系3，分别代表主观筛选法、专家调查筛选法、投入产出筛选法设计的指标体系。在选择最优的指标体系时，主要是考察指标体系中指标的重要性、数据质量、全面性、计算的简易性等4方面。因而建立的层次结构模型如图2所示。
3.2 构造成对比较矩阵 设某层有n个元素，X={x1，x2，x3，…，xn}要比较它们对上一层某一准则（或目标）的影响程度，确定在该层中相对于某一准则所占的比重。（即把n个因素对上层某一目标的影响程度排序）上述比较是两两因素之间进行的比较，比较时取1~9尺度。用aij表示第i个因素相对于第j个因素的比较结果，则aij=1/aji构造成对比较矩阵A：
2，4，6，8 表示第i 个因素相对于第j 个因素的影响介于上述两个相邻等级之间。
构建的成对比较矩阵有：准则层相对于目标层的成对比较矩阵A，方案层相对于准则层的成对比较矩阵B1、B2、B3、B4。B1、B2、B3、B4 分别代表着三种指标体系关于重要性、数据质量、全面性、计算的简易性的成对比较矩阵。
3.3 计算层次单排序的权向量和一致性检验 成对比较矩阵A的最大特征值λ=4.1172，该特征值对应的归一化特征向量为：ω={0.1880 0.4709 0.2672 0.0739}，则一致性指标CI=0.0391，随机一致性指标RI=0.9，故一致性比率RI=0.0434<0.1。
对成对比较矩阵B1、B2、B3、B4可以求出层次总排序的权向量并进行一致性检验，结果如下：
由上述CRi（i=1，2，3，4）可知B1、B2、B3、B4通过一致性检验。
3.4 计算层次总排序权值和一致性检验 由上述计算结果可知成对比较矩阵阵B1、B2、B3、B4的归一化特征向量构成的归一化矩阵W为：
因而层次总排序通过一致性检验。
由决策层对总目标的权向量为{0.2960，0.2145，0.4895}可以作为决策的依据，各方案的权重排序为B3>B1>B2，又有B1，B2，B3分别代表着预测体系1，预测体系2和预测体系3。因而最后要选择预测体系3作为最优的预测方案。
4 结论
目前关于指标体系建立的研究方法大都是采用主观筛选法、专家调查筛选法和关联性筛选法，本文采用传统的主观筛选法和专家调查法建立了两种高新技术园区经济预测指标体系，又创新性的采用投入产出筛选法，从投入、产出和效率三方面来建立反映高新技术园区的整体运行的预测指标体系。每种方法都各有优点，很难从主观上判断哪个指标体系合适，哪个不合适，因而本文进一步建议使用层次分析法对各指标体系进行综合衡量。在运用层次分析法进行综合评价时，主要是从指标的重要性、质量、全面性等方面来进行衡量，重要性主要是指标体系中的指标对预测的重要性，是否是经济预测的重点指标，质量主要是指标体系的数据质量，建立模型的最终目的是进行建模并计算，如果数据质量较低的话也很难预测出准确的结果，全面性主要是指整个指标体系能够反映所想要预测的结果。研究结果表明，采用投入产出分析建立的预测指标体系是最优的预测体系。
投入产出分析法建立的指标体系综合考虑了数据质量、重点指标和指标的全面性等方面的影响因素。对于园区预测指标体系的构建，本文创新地提出采用投入产出法，把园区的指标划分为投入类指标和产出类指标，区分出影响投入和产出因素，这也符合经济学中的成本——收益分析，园区也可以根据此指标体系调节产出。经济学中投入主要是分三大类：人力、资金、土地，但是由于高新技术园区的独特性，园区本身仅涉及人力和资金这两种成本。投入产出指标体系明确地划分出处人力投入指标和资金投入指标，这为以后预测人力成本和资金投入提供了很大的便利，同时根据该指标体系还可以对产出指标、人力投入指标、资金投入指标进行相关性分析，建立类似于柯布道格拉斯生产数的模型分析人力和资金对园区产出的贡献率。投入产出指标体系中还加入了效率类指标，这项指标在日后预测出投入产出类指标的结果时，相应地计算出园区相关的财务类指标，还可以从财务的角度衡量园区的运行情况。若园区的财务类指数较差，可以从指标体系中找出影响财务运行状况的相关指标，从根源上调整影响财务健全性的指标。
教育期刊网 http://www.jyqkw.com
参考文献：
[1]暴奉贤，陈宏立.经济预测与决策方法[M].广州：暨南大学出版社，1991：53-244.
[2]鲍新中,武鹏,周雨.基于聚类-灰色关联分析的财务预警指标筛选研究[J].中国注册会计师,2012,07:72-78.
[3]高杰,孙林岩,李满圆.区间估计:AHP指标筛选的一种方法[J].系统工程理论与实践,2005,10:73-77.
[4]杭斌,赵俊康.VAR系统——一种宏观经济预警的新方法[J].统计研究,1997(04):49-52.
[5]林伯强.外债风险预警模型及中国金融安全状况评估[J].经济研究,2002(07):14-23,89.
[6]刘仁辉,于渤,金真.基于区间估计的地铁施工安全风险评价指标筛选[J].预测,2012,02:62-66.
[7]杜俊慧.基于灰色粗糙集的评价指标筛选方法研究[J].中北大学学报(自然科学版),2012,05:559-562.
[8]陆萍.在高校图书馆评估中运用层次分析法确定指标的权重[J].现代情报,2005,05:36-38.
[9]吴殿廷,李东方.层次分析法的不足及其改进的途径[J].北京师范大学学报(自然科学版),2004,02:264-268.
[10]骆正清,杨善林.层次分析法中几种标度的比较[J].系统工程理论与实践,2004,09:51-60.
[11]薛楠,邬贻萍,郐晶.灰色关联度在单病种质控指标筛选中的应用[J].中国卫生统计,1999,03:54-55.
[12]张震,于天彪,梁宝珠,王宛山.基于层次分析法与模糊综合评价的供应商评价研究[J].东北大学学报,2006,10:1142-1145.
[13]彭国甫,李树丞,盛明科.应用层次分析法确定政府绩效评估指标权重研究[J].中国软科学,2004,06:136-139.
[14]Colm, Gerhard. Economic projection: tools of economic analysis and decision making[J]. American Economic Review,1958(48):178.
[15]Dekkers, J. C. M. Prediction of response to marker-assisted and genomic selection using selection index theory[J]. Journal of Animal Breeding & Genetics, 2007 (124):331-341.
[16]Dominik, S. Kinghorn, B.P. Neglecting genotype×environment interaction results in biased predictions from selection index calculations[J]. Livestock Science, 2008 (114): 233-240.
[17]Khamkanya Thadsin, HeaneyGeorge, McGreal, Stanley. Introduction of AHP Satisfaction Index for workplace environments[J].Journal of Corporate Real Estate, 2012 (14):80-93.