指標體系的構建原則、依據與數據的選取

知識存量指數測量

智慧創造知識，知識在進入人類經濟活動領域之后或者在經濟活動中產生之時，會成為生產和消費的手段和對象，從而具備了資源的意義。知識存量也因此成為一個階段內組織或經濟系統對知識資源的占有總量。人類通過生活和生產不斷研究世界的本原過程，產生各種形態的知識資源。任何一個經濟系統都會產生一定知識資源，知識存量是不斷積累的歷史過程，具有歷史積累性質，經濟系統中的知識存量總是向著增加的方向發展。知識的積累在經濟增長中的作用已經為經濟學界所認同，新經濟增長理論強調知識的積累對經濟增長的貢獻。

準確地驗證以及評估知識存量對經濟增長的貢獻，最棘手的問題在于如何測度。當前，基于對不同形態的知識和知識不同側面的認識，對于知識存量的測度，主要集中在以下幾個方面：在考慮知識資源的效用方面，對知識存量的測度主要集中于知識資源在提高產量、質量、品種上發揮的經濟效用，并以價格為主要的衡量形式；在考慮知識資源的時效性方面，主要側重對知識投入的時序分布分析、知識存量的折舊和更新；在考慮知識資源的回報率方面，主要計算知識資源的投入產出比，或用稅收增加量來測度知識資源的附加價值；在考慮知識資源的產品特征方面，主要計算知識和技術投入在產品上實現的市場價值；在考慮知識資源的原材料特征方面，主要用受教育程度、知識分子的比例和研發經費投入來衡量國家知識資源的總量；在考慮知識資源作為控制和管理要素方面，主要以擁有高級經理人才的數量、是否有成功的管理經驗和體系等來衡量企業的管理類知識資源。

本次測評中，結合數據的可得性和可用性，采用了以勞動力平均受教育年限和研究開發經費占GDP比重兩個分項指標來衡量知識存量。這既考慮到勞動力本身的知識儲備，同時也兼顧到研究環節中研發經費投入多少可以間接地衡量可能產生的“知識池”大小。具體的指標構成為（經標準化處理后）：

知識存量=勞動力平均受教育年限+研發經費投入/GDP

其中，在計算勞動力平均受教育年限方面，大專以上按人均受教育16年計算；高中（含中專）按人均受教育12年計算；初中按人均受教育9年計算；小學按人均受教育6年計算；文盲人口按人均受教育1年計算。另外，鑒于關于人口受教育年限數據一般只在全國層面的人口普查時才會有系統的統計，因此結合數據的可得性，本文以河北省11地市第六次全國人口普查主要數據公報中的各受教育階段人口數量作為計算勞動力平均受教育年限的基礎數據。由于第六次全國人口普查時間是2010年，與2014年各地市人口的實際受教育情況難免存在一定的差異。

勞動生產率指數測量

勞動生產率作為一個經濟效益指標，反映了勞動者生產活動和提供的勞動成果的比值關系，同時勞動生產率也作為評價一國或一產業增長潛力、國際競爭力的重要指標，廣泛出現在各種經濟學文獻中。在國民經濟各部門中，勞動生產率是指一個部門的收入同勞動力投入的比率，它反映每單位的勞動力在該部門創造的收入情況，主要反映在一定勞動力投入條件下某部門的生產效率（在理論上，應堅持以最少的投入獲得最大的產出原則）。一個部門的相對收入越高，勞動力投入越低，勞動生產率就越高。

如何計算勞動生產率是一個重大的理論問題和實踐問題。為了使各個部門之間的勞動生產率具有一定可比性，需要考慮各個產業部門的勞動力在文化程度、勞動熟練程度、性別等方面的差異。當前理論界對勞動投入使用“人•年”或“人”來計量，很少考慮使用每“元”來計算，而以“元／人•年”計算的勞動生產率則更具有可比性。

結合數據的可得性和可用性，本次測評采用了部門收入與勞動力投入比的抽象概念，進而選擇以第一產業增加值/農業勞動力衡量農業部門的勞動生產率，用規模以上工業總產值/從業人員年平均人數衡量工業部門的勞動生產率。具體的指標構成為：

勞動生產率=農業勞動生產率+工業勞動生產率=第一產業增加值/農業勞動力+規模以上工業總產值/從業人員年平均人數

產業結構轉換能力測量

從17世紀威廉•配第發現各國國民收入水平差異和經濟發展處于不同階段的關鍵原因是產業結構的不同，到費雪提出三次產業分類法，再到克拉克對經濟發展和產業結構變化之間的關系進行實證研究，產業結構變化與經濟發展之間的密切關系已經為經濟學界所認同和關注，產業結構的變化或者說轉換能力也因此常被作為判斷經濟發展水平的重要指標。在發展經濟學中，人口的產業遷移也是經濟結構優化的一個重要衡量指標，并在過去一段時期內一直受到經濟增長有關研究的重視。

在此前的經濟轉型能力測評中，我們以“產業結構變換指數”來衡量產業結構轉換能力。在此基礎上，結合數據可得性，采用三次產業之間增加值的比值法來衡量三個產業部門之間的轉換，并具體以“第二產業增加值/第一產業增加值+第三產業增加值/第一產業增加值”來綜合衡量產業結構轉換能力。而經過后續的深入分析和論證，我們發現，從發展經濟學的角度來看，在一個國家工業化以及市場化發展的初期和中期，這種衡量方式是有很大適用性的，但是隨著產業化、市場化進程的深入推進，產業體系、市場體系的日趨完善，其適用性越來越低，其對現實經濟體的描述能力也越來越有限。具體原因如下：一是在相對完善和豐富的經濟體內，三次產業之間的發展在現實中更加協調、更加同步、更加均衡，因此現實中三次產業增加值比例關系的變化，可能并不能反映出產業結構的優化或者倒退，而更多只是客觀經濟規律下的必然變動趨勢和自發演變程；二是在相對完善的經濟體內，各地區產業發展基礎并不完全相同，不同地區的優勢產業也很可能不同。其直觀的事例就是，有些地區，因資源稟賦等條件，第一產業很可能是更加基礎的產業，因而第一產業增加值在三次產業增加值中所占比例的提高，很可能恰恰說明產業結構經歷了更為合理的變化，產業結構變得更加優化，而并非說明其他。

鑒于此，我們廣泛征集了專家意見和建議，進一步開展了深層次的理論研究，并經過多次分析論證，決定采用以“產業結構轉換速度系數”來反映產業結構轉換能力。其中遵循邏輯為：產業結構轉換速度越快，一定程度上表明了產業之間在互動發展、相互轉換等方面更加具有活力，表明產業間互動、轉換能力越強。所以，如果我們試圖通過采取市場手段等來推動三次產業的比例以及產業結構按照既定的路徑進行優化，將更加容易（當然，這其中也包括采取宏觀調控手段等）。具體而言，產業結構轉換速度系數的計算公式如下：

其中，Xi是i產業的年均增長速度，Xp是GDP的年均增長速度，Ri是i產業在GDP中的比重。i=1、2、3，即分別代表第一產業、第二產業和第三產業。

權重設定與數據的標準化處理

在權重系數調節的具體操作上，我們采取有事先提示的專家調研法，即邀請經濟、社會領域的專家學者各15名，以及15名在綜合管理崗位上任職的黨政干部，讓他們分別給各指標打分，并且明確告知他們要更多地考慮轉型發展的理念。指標權重的計分方法是：我們列出待賦權重的指標，要求專家對同一層級的指標進行兩兩比較（如果專家認為甲指標比乙指標重要，那么就給甲指標計1分，乙指標不計分）。在這一過程中，一個指標“打敗”其它指標的次數越多，所得的分數就越高。當然，這樣的打分工作在一、二級指標層面同時展開。將這樣的打分工作進行五輪后（在開展下一輪打分工作前，我們都將每個指標在上一輪打分中所得的平均得分告知打分者，以供其參考），我們將各指標在每輪中的得分相加，再進行相應調整，就得到了各指標的權重系數（見圖2）。

同時，為了增強測評結果的科學性和可比性，在對指標數據的選擇和設定過程中，我們應用了此前測評研究中連續使用過的具有單調性和凸性特征的指數功效函數，對二級指標數據分別進行了無量綱化和標準化處理。該功效函數的具體形式如下：

該功效函數中，d是量化后的得分，我們將其區間控制在了60-100之間，x是觀測值，也就是各指標數據的實際統計值，xh是滿意值，xs是不允許值。一般來說，正向指標滿意值取各指標的最大值，不允許值取其最小值；逆向指標滿意值取其最小值，不允許值取其最大值。在操作過程中，經過功效函數的轉換之后，就可將所有的指標數值全部轉換為60-100之間的得分。

然而有必要指出的是，依據該功效函數所得出的結果是相對結果，前述五個二級指標數據的最小值和最大值會影響各地區經濟轉型能力的得分。也就是說，如果改變參與測評的地市樣本量，可能會導致數據指標的最大值和最小值發生變化，各地市經濟轉型能力的最終得分也會發生變化。但是這并不會對各地市之間經濟轉型能力的排名順序產生影響，也就是原有各地市經濟轉型能力的先后排序將保持不變。