2.2　新时代中国高质量发展评价指标体系的构建及评价

在对新时代中国高质量发展理论框架的梳理和分析中，本章发现中国高质量的发展是以创新发展为第一动力，以协调发展为内在要求，以绿色发展为普遍形态，以开放发展为必经之路，以共享发展为根本价值归宿。这意味着创新、协调、绿色、开放以及共享理念内嵌于高质量发展，并对高质量发展的经济运行过程、经济动力转换、经济形态演进以及经济结构调整等方面都有着较强的交互影响和比较优势激发。因此，从创新发展、协调发展、绿色发展、开放发展和共享发展5个基本方面维度构建新时代中国高质量发展的评价体系具有理论性、实践性、经验性和科学性，并使用主观赋权和客观赋权相结合的方法，对新时代中国高质量发展的状态进行合理性判断，以探索经济运行机制系统性转型和新旧动能换挡期的不规则冲击和矛盾阻力，有意识地回应新时代中国高质量发展的适宜性路径设计。

2.2.1　新时代中国高质量发展综合评价的指标体系构建

新时代中国高质量发展评价的指标体系，从创新发展、协调发展、绿色发展、开放发展以及共享发展五大方面维度构建，在创新发展维度中，本章选择科技成果、人力资本和创新能力3个分项指数9个基础指标进行测度，协调发展维度中，从城乡协调、产业结构协调、供需结构协调和区域协调4个分项指数9个基础指标进行衡量；绿色发展维度里，选择了资源消耗、环境治理能力以及绿化建设3个分项指数，包含了9个基础指标；在开放发展维度里，选取了开放水平和开放效果两个分项指数，涉及了7个具体指标；在共享发展维度里，从脱贫攻坚、收入分配和福利水平3个分项指数，包括8个具体的指标来进行构建。因此，对于新时代中国高质量发展评价的指标体系是由五大方面维度中42个基础指标来构建，具体的中国高质量发展评价的指标体系的构成如表2-1所示。

2.2.2　新时代中国高质量发展综合评价的方法选择及测算

在对以上指标的计算和处理中，首先需要对所有指标进行去量纲化处理，对于逆向指标属性进行正向化处理，与此同时，本章选择主观赋权和客观赋权相结合的方法，对中国高质量发展的现状进行系统性的判断和评价。这里使用层次分析法进行主观赋权，通过层次分析法，可以进行较为有效的定性和定量分析，得到具有严谨结构和思维的专家经验和专业知识，再使用BP神经网络方法进行客观赋权，通过输入具有专家知识的数据信息作为BP神经网络的训练集，运用多层网络正向传导和逆向推送的学习算法，不断调整权重赋值，能智能地解决非线性问题，以给出更加正确可靠的输出层反馈。使用AHP和BP神经网络相结合的方法，一方面使得评价结果具有专业评价知识和经验输入，另一方面能够对人为评价结果进行合理修正，减少误差水平，以弥补人为的过失和不足。因此，选择层次分析和神经网络的结合算法对结果的准确获取体现出较强的适应性和优越性。

（1）层次分析法初步识别。层次分析法，在面对复杂决策性问题时，能够深入分析影响因素和内在关系，通过构建层次结构模型，把决策的思维过程数学化，是将具有专家思维的主观判断行为进行客观量化的过程，并以此进行定性分析和定量分析。而中国高质量发展的综合评价系统，是由相互关联、相互制约的子系统所构成且具有复杂因素的综合层次集聚系统。此时，使用层次分析法进行内部交互影响的初步识别，可以按照系统间的隶属关系进行分组整合以及层次判别，根据层次结构内部指标相对重要性以及相对优劣程度进行单排序权值，在操作过程中使用线性代数方法将人的思维逻辑进行数学处理和数学表达，不仅体现出人工的专业经验，还体现出数学方法的原理严谨性，使层次分析法在初步识别中国高质量发展的基本状态时呈现出独特的艺术气质和科学性质，是十分有效的系统化分析和科学决策方法。

基于此，首先使用层次分析法对中国高质量发展中五大发展维度下各层级指标进行专家打分，使其层次结构知识建立在具有深入全面认识和知识学习的决策专家的视角之上，通过引入适度的标尺进行数值表示，对每一层次的元素比较情况进行矩阵的构建和判断，并对矩阵一致性进行检验，最终得到各层次之间的总体排序结果，如表2-2所示。

（2）BP神经网络模拟优化。通过专家打分进行各指标权重的选择和判断，能够根据实际情况得到较为专业的知识和经验，可以解决客观赋权法中解释性较差的困境，也是具有普遍知识性和智慧性的决策。然而，主观赋权法存在主观随意性较大的缺陷，参与人思维的不定性和知识的模糊性会致使衍生结果与真实值无意识偏离。此时，针对层次分析法得到的结果，使用BP神经网络进行模拟和优化则可以有效地解决由人的主观行为带来的客观性低的矛盾。BP神经网络是由多并行运算的单元神经构成的一个非线性动力学系统，在信息的分布式存储和并行协调处理上具有较强的优势，其涉及了多层神经元的训练方法，通过持续的正向传导和误差反向推送，使得网络误差平方和最小，以保证输出结果的高准度和强精度。将人工神经网络运用到模拟专家思想、经验以及记忆的智能化功能中，可以将专家知识进行有效的模拟和定量化的评价，以规避层次分析法评价指标权重时人为的失误，使得输出系统和生成结果具有良好的容错能力。

利用层次分析法得出的分项各维度权重值，计算2000—2017年中国高质量发展分项维度评价指数值及综合评价指数值，并作为BP神经网络的期望输出前置，使用Matlab软件进行BP神经网络算法模拟。由于这一算法是典型的误差修正方法，理论上能有效地逼近非线性连续函数能力，采用梯度搜索技术，将实际输出值和期望输出值之间的误差均方值逐步负向反馈，以将误差进行最速下降寻优。本章运用自适应学习速率，并设置误差最小的循环算法寻找最优隐层数，表2-3所示为BP神经网络训练结果的最优结果，表2-4为分项维度的误差测算，经检验，实际训练值与期望输出值之间的拟合效果较好。因此，在层次分析法和BP神经网络算法两者的集成中，得到了最终的中国高质量发展的评价指数值，由于其具有较高的准确性和良好的适应性，认为输出结果能够合理地反映中国高质量发展的阶段性状态和发展变化情况。

2.2.3　新时代中国高质量发展的综合评价分析

利用AHP方法进行初步识别，再使用BP神经网络算法进行模拟优化，对中国高质量发展分析维度及综合指数进行综合评价，评价结果如图2-1所示。从图中可以清楚地看出各分项维度和综合指数在2000—2017年的时间推送中的整体变化状态。创新发展维度2000—2017年的18个年度中呈现出显著的增长态势，从2000年创新发展指数的0.04，到2017年增长为0.97，增长了23.2倍，说明中国高质量发展在21世纪以来，创新水平在飞速发展，发展情况和发展速度均领先于各分项维度。协调发展维度，整体上呈现出波动性，且从2012年开始就一直呈现出负向发展的状态，2017年年底中国协调发展的水平较低，协调发展指数值为0.46，相较2012年下降了23.3个百分点，说明中国高质量发展的进程中，协调水平成为显著制约，协调水平层次较低，且发展态势持续低迷，意味着在中国经济增长过程中，产业结构协调、城乡区域协调等矛盾越发突出，亟待关注。绿色发展分项维度中，总体上呈现出持续增长的状态，在短期内也表现有波动行为，绿色发展在2004—2010年里有较快的提高，2017年中国绿色发展指数达到18个年度里的最大值，为0.78。然而值得关注的是，虽然绿色发展水平在近年来处于增长的趋势，但是发展速度减缓，且发展动力不足，这意味着高质量发展过程中，绿色发展的新动力的重塑、转换及构建需要实现。在开放发展维度里，2001—2006年，开放发展水平快速提高，然而在2006年以后，呈现出衰退的特征，尤其是在2006—2009年里，开放效果快速走低，这意味着中国高质量发展易受全球化经济危机的影响，外在不稳定因素的冲击，致使中国经济的波动性较大。近年来，开放发展也呈现出缓慢走低的状态，意味着中国高质量发展深入参与到世界经济和国际环境中，提高自适应性和开放能力也面临着较大的挑战。在共享发展的分项维度中，中国共享发展表现为典型的“V”字形增长，2000—2007年里，共享发展水平持续下降，而2008年以后，共享发展开始明显提高，说明2008年以后，中国开始高度重视全民福利的增进，尤其近年来，脱贫攻坚、分配制度以及人民福祉的增进效果显著，2017年共享发展分项指数值为0.77，较2007年的谷底值0.19增长了2.98倍。最后，从中国高质量发展的综合评价指数走势看，总体上，高质量发展呈持续性稳定增长的基本态势，2017年高质量发展综合评价指数值为0.71，较2000年提高了1.47倍。这意味着中国高质量发展水平在有效提高，但是由于部分分项维度的制约和增长阻力，且经济增长的新动能尚未完全构建，中国高质量发展水平增速较为缓慢。因此，为提高中国高质量发展的全面实现和有效增进，应当探索高质量发展的内生阻力，有效化解阶段性困境，打破高质量发展的结构性桎梏，才能使中国经济增长新动能自我增强，以实现新时代中国朝向高质量发展的征程坚实而铿锵。