《表7 区域创新指标交叉熵熵权和信息熵熵权权重对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于交叉熵的无偏赋权法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

(4）与前人研究结果的契合度。该方法主要通过对比和前人在同一领域的相关研究对比，确定赋权结果在实际运用中的合理性。我们分别利用交叉熵熵权法和信息熵熵权法计算各指标权重，如表7所示。通过对比计算结果，可以发现，信息传输、计算机服务和软件业从业人员，科研、技术服务和地质勘查从业人员，科学投入三个指标的交叉熵权重均小于信息熵权重，这三个指标均属于投入型指标，其中科研、技术服务和地质勘查从业人员的差异最大，差值为0.092，该指标在交叉熵权重和信息熵权重中均为贡献度最小的指标，且其在交叉熵权重中对总指标的贡献不足10%。专利申请量和专利授予量指标的交叉熵权重均大于信息熵权重，差值分别为0.059和0.104，这两个指标均为产出型指标。这意味着在赋权过程中，交叉熵熵权法降低了投入型指标权重，增大了产出型指标权重。目前，专利指标被认为是衡量创新和技术进步最有效和最可靠的指标，专利申请量能较好地反映区域的创新能力，Griliches(1990）、Acs等（2002）以及张玉明和李凯（2007）均对其进行了实证和解释，Feldman和Florida(1994）利用相关性分析论证了专利和区域创新之间的强关联。Trajtenberg(1990）、Moreno等（2005）等国外学者均采用专利来衡量区域的创新能力。我国学者杨明海等（2017）、李国平和王春杨（2012）也均采用专利申请量作为创新能力的代理变量。但是，信息熵权重最大的指标为科学投入，权重为0.229。专利申请量和专利授予量占比均为0.206，在创新指标体系中的重要性并没有得到充分体现。而交叉熵权重最大的指标为专利申请量，权重为0.302，专利授予量权重为0.265，排在第二位，两者之和达到了0.567，这表明交叉熵熵权法的评价结果更契合区域创新领域已有的研究成果。