ScienceResearchManagementVol．36，No．12December，2015
文章编号：1000－2995（2015）12－008－0164
基于BP－VRM的工业化对信息化促进效率评价
朱方伟，马
跃
（大连理工大学管理与经济学部，辽宁大连116023）
摘要：首次对工业化对信息化的促进效率进行了定义，并从投入产出角度构建了全要素效率评价指标。利用VRM方法可以处理负投入或者负产出的特点和BP神经网络的非线性特征和自适应性，提出一种新的效率评价模型－－BP－VRM（variantoftheradialmeasure）方法，并对我国30个省市2003年到2011年的工业化对信息化的促进效率进行了分析。主要结论有：1．西部地区省市的工业化对信息化促进效率平均值要高于中部和东部，中部最低。2．各省份之间的促进效率差距在逐步缩小。关键词：工业化；信息化；促进效率；BP－VRM中图分类号：F423
文献标识码：A
1引言服务网络能够更好地服务工业化。在国内，在工
业化与信息化融合的必要性方面，主要代表学者
［4］［5］［6］
、姜奇平、步德迎、陶长琪等。
［4］
在工业化与信息化融合的定义方面，姜奇平、
有周叔莲
［7］
［3］
近年来，工业化与信息化成为中国转变经济
2002年国家提出要以信息发展方式的国家战略，
化带动工业化，以工业化促进信息化，走新型工业
2007年国家提出要促进工业化与信化发展道路，
息化的融合以促进工业做大做强。但是经过多年
的发展，中国工业化与信息化的融合达到了什么程度？如何去衡量和评价中国工业化与信息化的融合程度？这两大问题成为学术界研究的焦点，也对我国工业化与信息化的发展具有非常重要的意义。
在工业化与信息化的融合领域，国内外学者
［1］
进行了一些研究。Englmaier等运用全局博弈模型研究了信息化与工业化的融合问题，研究表明补贴是一个理想的促进融合的方法。Schroth［2］分析了信息服务网络在工业化中的作用，并且认为如果能够减少各种各样的浪费，信息
周振华
［8］［9］［3］
、安筱鹏、金江军、周叔莲和史炜
［10］
等等都做了比较好的研究。在工业化与信息
化融合的本质和动力方面，主要代表学者有周叔［3］［4］［9］［11］莲、姜奇平、金江军和王金杰。在工业
［12］化与信息化融合途径及模式方面，林兆木、杨
［13］［14］［15］［9］
黄永兴、叶帆、金江军等学者进冰之、
定性研究比行了一定的探讨。但是以上研究中，
较多，定量研究不足。在定量研究方面，徐盈之和比较了我国与其他国家制造业各行业与信息产业的融合度，同时运用面板数据回归分析了信息产业与制造业的融合对制造业绩效的影
［17］
响。张新等运用层次分析法研究了区域工业化与信息化融合水平的评价问题，并对权重的稳
［18］
定性进行了分析。谢康等借助技术效率的概念来定义信息化与工业化融合的范围和内涵，提孙剑
［16］
收稿日期：2015－01－30；修回日期：2018－08－30．
基金项目：国家自然科学基金资助项目（71403034；71171033；71372085）。
作者简介：朱方伟（1975－），男（汉），湖南新邵人，教授，博士生导师，主要研究方向为项目管理和创新网络。
马
跃（1973－），男（汉），辽宁锦州人，博士研究生，主要研究方向为工业化与信息化融合，创新网络等。
第12期朱方伟，马跃：基于BP－VRM的工业化对信息化促进效率评价·165·
出信息化与工业化融合机制的技术效率模型。谢康等
构建完全竞争和不完全竞争条件下的工
业化与信息化融合模型，研究了中国31个省市的
［20］
［19］
综合以上所述，本文给出工业化对信息化的
促进效率的定义：工业化对信息化的促进效率为在给定各种工业化投入资源条件下实现最大信息化产出增加的能力，或者是给定信息化产出增加水平下实现工业化投入资源最小化的能力。本文聚焦于工业化对信息化的促进效率评价，给出相应的投入产出指标，结合神经网络和处理负值的VRM方法，提出一种BP－VRM方法，对省市层面的工业化对信息化促进效率进行了分析，最后给出相应的研究结论。
工业化与信息化融合质量。王晰巍等从信息
化与工业化融合内涵的角度入手，揭示两者发展的5级成熟度模型，构建信息化与工业化融合的关键要素系统模型，从动力、政策和支撑三个方面分析两化融合的关键要素。俞立平等
［21］
运用
向量自回归模型对工业化与信息化的关系进行了分析，认为信息化是工业化的格兰杰原因，而工业化不是信息化的格兰杰原因。张轶龙和崔强
［22］
分别从工业化与信息化融合度和工业化与信息化融合效率两方面评价了中国工业化与信息化的融合情况，并利用中国2003年到2010年的数据进行了实证研究。
22］但是，文献［并未对省市的实证数据进行各省市相对应的指标会有负值的出进一步研究，
现，而现有对工业化与信息化融合的研究均为考虑负值的处理问题。
根据现有研究，在工业化促进信息化的进程中，主要有源头投入、过程利用和最终产出3个过本研究将从这3个方面对工业化对信息化的程，
促进效率的概念进行解析。（1）源头投入角度。
在工业化促进信息化的过程中，工业化的投入是源头，目前有两种观点，一是全要素资源投入，即考虑各种投入要素之间的相互作用；二是单要素投入，只考虑某一个因素对产出的影响。本研究认为在工业化促进信息化的过程中，需要在人力、资本、资产、研究与开发等各方面进行投入，各要素相互作用，不断替代和转化，最终形成工业化促进信息化的合力。
（2）过程利用角度。
促进效率首先是一个效率指标，一般情况下，效率就是技术效率，在给定各种投入要素条件下实现最大产出，或者给定产出水平下投入最小化的能力。
（3）最终产出角度。
对于信息化的最终产出，本文既考虑经济产出，也考虑软硬件产出。经济产出是指信息化产值的增加值，软硬件产出即电话和互联网的增长情况。
2
2．1
评价方法
评价指标
评价工业化对信息化的促进效率的指标体系是由一系列具有内在联系的指标组成，可以从多个角度反映工业化与信息化的实际情况。因此，指标体系的建立有助于评价的定量化、条理化和可操作化。
作为可以实现工业化对信息化的促进效率衡量和评价的一套科学的指标体系，它至少应该具有如下两点功能：①能够对促进效率进行衡量和评价；②指标具有通用性，适合于不同地区间的比较。
本研究通过研读参考文献，结合工业化与信息化的实际，建立了投入产出指标体系。
1．投入指标。
①资产投入。用各地区每年工业固定资产投
《中国统计年鉴》。资额作为资产投入，数据来自②科技投入。本文选取《中国统计年鉴》中
的大中型工业企业R＆D经费内部支出作为量化投入指标。
③人力投入。在衡量人力投入时，劳动力素质和劳动时间是影响劳动力投入的关键因素，但是两方面数据比较难以获取，本文选取《中国统计年鉴》中的工业从业人员数作为量化投入指标。
④资金投入。本文选取《中国统计年鉴》中的规模以上工业企业利润作为量化投入指标。
2．产出指标。
①信息产业增加值。信息产业增加值可以从经济角度来衡量信息产业的产出情况。
·166·科研管理2015年
②固定电话及移动电话拥有率增长率。此指标可以从产品角度衡量信息产业的产出情况。③互联网用户增长率。此指标分别从服务角度衡量信息产业的产出情况。
以上三个指标均来自于《中国电子信息产业统计年鉴》并进行了适当的处理。2．2
VRM方法
数据包络分析（DataEnvelopmentAnalysis，DEA）［23］是一种评价一组具有多输入—多输出特征的决策单元的相对效率的数据规划方法，已经被广泛应用到理论创新、模型发展和实际应用中。假设有n个决策单元，每个决策单元有m种
有s种产出。对决策单元j来说，记其第i投入，
2，…，m），种投入为xij（i=1，第r种产出为yrj（r=1，2，…，s）。在现有DEA评价模型中，第d个决策单元的效率θd为：
uTYd
θd=maxT
vXds．t．
uTYi
i=1，2，…，n≤1，
vTXi
u≥0，v≥0
u，v是产出与投入权值向量。
但是传统的DEA模型只能应用于投入和产
出均为正值的情况。但是在实际应用，不可避免会出现很多负值，有的负值出现在投入中，有的出
学者们做了大量的现在产出中。基于这种情况，
将负产出的绝对值看作投入，而
［25］
将负投入的绝对值看作产出。Portela等提出的twovariantsofarangedirectionalmeasure（RDM）方法、Sharp等［26］修正的Slack－basedMeasure方法、Emrouznejad等［27］提出的semi－o-rientedradialmeasure等方法都用来解决投入或者产出存在负值的情况。最新的方法来自于Cheng等［28］提出的variantoftheradialmeasure（VRM）方法。这种方法是单位不变的，并且能够处理存在负值的各种情况。另外，在不存在负值的情况下，这种方法的结果与传统DEA方法的结果是一样的。基于这种特性，本文用VRM方法来计算工业化对信息化的促进效率。
28］在文献［中，投入导向的VRM为：maxβ研究。Scheel
［24］
s．t．Xλ+β|x0|≤x0
Yλ≥y0λj∑jλ≥0
这种方法适合于投入存在负值的情况。如果
*
上述模型得到的最优值为β，则效率值为1－β。
产出导向的VRM为：
maxβs．t．Xλ≤x0Yλ－β|y0|≥y0λj∑jλ≥0
这种方法适合于产出存在负值的情况。如果
1
。上述模型得到的最优值为β，则效率值为
1+β*
2．3BP神经网络
BP神经网络的基本结构［29］见图1。
=1
=1
图1
Figure1
BP神经网络结构图
ThestructureofBPneuralnetwork
11
选定一个非线性光滑活化函数g：R→R和
000
权矩阵W=｛Wmp｝M×P及权矩阵w=
｛w0对任一输入信息向量ξ=pm｝1≤p≤P，1≤n≤N之后，
N（ξ1，…，ξN）∈R，网络的实际输出为：
P
ζ
0
m=g（W·τ）=g（0m
0
0
W0m∑mp·τp），p=1
=1，
2，…，M。
第12期朱方伟，马跃：基于BP－VRM的工业化对信息化促进效率评价·167·
其中隐层输出为：
N
τ=g（w，ξ）=g（P。
0
p0p
w0p=1，2，…，∑pm·ζn），n=1
J
2步时，令η1（t+1）=0.85*η1（t）和η2（t+1）=0.85*η2（t）且令α1=0及α2=0。
（5）重复步骤（1）－（4），w）达到直到E（W，极小，从而求得权值矩阵W和w。2．4
BP－VRM方法
VRM模型存在几通过分析VRM模型可知，
点不足：①它要求各指标之间具有低相关性。②它是基于线性规划理论而实现的，在解释非线性问题时可能会存在一定的误差。基于此，本文将BP神经网络与VRM模型结合，利用BP神经网络的非线性特征和在处理小样本负值上的自适应性，以期能够更好地分析工业化对信息化的促进效率各投入产出指标之间的关系。其具体步骤为：
（1）按时间维度，将样本集分为训练集和测试集。
（2）用VRM模型计算训练集中所对应年份的效率值。
（3）利用引入动量项的自适应变速率的梯度下降法来训练BP神经网络训练训练集。训练集的输入变量为工业化对信息化促进效率的投入变量和产出变量，而目标变量则为第（2）步得到的效率值。
（4）将测试集的输入变量（即测试集中工业化对信息化促进效率的投入变量和产出变量）输入已训练好的BP神经网络，得到对应的产出值。
（5）用VRM模型计算测试集中所对应年份的效率值。
（6）将第（4）步和第（5）步得到的值做关联性分析，已验证方法的有效性。若关联系数较高，则说明方法可行。
现在，假设给定一组样本输入向量｛ξ｝j=1
RN及相应的理想输出｛Om｝Mm=1｛ζm｝Mm=1函数：
RM，并记
RM为相应的网络实际输出。定义误差
其中为欧式范数。
BP神经网络的训练过程就是通过学习过程w）达到优化权值矩阵W和w使误差函数E（W，
极小的过程。可以看出，决定BP神经网络效果的就是权值矩阵W和w。
优化权值矩阵W和w的一个经典方法是梯度下降法，但是传统的梯度下降法存在收敛速度慢、易陷入局部最小等缺点
［30］
。为此本文采用引
入动量项的自适应变速率的梯度下降法来训练BP神经网络，自适应变速率可以加速算法收敛，而引入动量项可以减少震荡，寻求全局最优。算法步骤如下：
（1）运用传统梯度下降法计算权值改变量。
dE
△Wmp（t）=－η1（t）
dW△wpn（t）=－η2（t）
dEdw
其中η1（t）与η2（t）为学习速率。（2）加入动量项。△Wmp（t+1）=－η1（t）△wpn（t+1）=－η2（t）
dE
+α1△Wmp（t）dW
dE
+α2△wpn（t）dw
3实证分析
其中α1和α2为动量因子。（3）进行权值更新。
Wmp（t+1）=Wmp（t）+△Wmp（t+1）wpn（t+1）=wpn（t）+△wpn（t+1）
（4）更新学习速率和动量项。如果t+1步权值改变后，误差E减小，则t+2步时，令η1（t+1）=1.15*η1（t）和η2（t+1）=1.15*η2（t）且令α1=0.5及α2=0.5。
如果t+1步权值改变后，误差E增大，则t+
本文利用中国30个省份2003年到2011年9
年的实证数据进行分析，限于数据的完整性，本文澳门、台湾和西藏作为实证分析的样未将香港、
本。将2003年到2007年5年的数据作为训练样2007年到2011年4年的数据作为测试样本集，本集，验证方法的有效性。在本文中，在固定电话及移动电话拥有率增长率和互联网用户增长率这两个指标中存在负值，所以应用VRM方法求解
·168·科研管理
表2
Table2
BP网络的参数
2015年
工业化对信息化的促进效率是可行的。例如，2007年北京的固定电话及移动电话拥有率增长率为－7．69%且2011年的指标值为－4．1%。但是本文的投入指标中没有负值存在。因此，应该结应用产出导向的VRM方法来计算促进效率，果如表1所示。
表1Table1省份北天河山辽吉上江浙安福江山河湖湖广广海重四贵云陕甘青宁新
京津北西宁林海苏江徽建西东南北南东西南庆川州南西肃海夏疆
产出导向VRM方法的结果
数值
TheparametersofBPnetwork
参训练样本测试样本输入层神隐层神经输出层神经最大迭
个数5*30
个数4*30
经元个数元个数7*30
15*30
元个数1*30
代步数2000
将表1中的值作为神经网络的理想输出，运用2003年到2007年4个投入变量和3个产出变训练BP神经网络。量的值作为神经网络的输入，
运用训练好的BP神经网络，以2008年到2011年4个投入变量和3个产出变量的值作为输入，得到测试集的输出值。结果如表3所示。
表3Table3
省份北天河山辽吉上江浙安福江山河湖湖广广海重四贵云陕甘青宁新
京津北西宁林海苏江徽建西东南北南东西南庆川州南西肃海夏疆
训练集误差0．0040．0010．0200．0050．0200．0220．0220．0050．0220．0060．0210．0190．0180．0220．0080．0160．0110．0120．0140．0130．0220．0120．0180．0080．0090．0180．0210．0220．0220．015
BP－VRM模型的结果TheresultsofBP－VRM
BP－VRM模型的结果20080．1700．3920．0510．3400．0090．0310．9130．6990．0050．0480．0460．0460．3370．0540．0180．0080．0070．0920．2190．3590．8780．0080．0430．0990．1680．0990．3460．1780．6930．201
20090．3880．3400．0420．3330．0060．0180．9200．0790．0160．0350．1700．0150．3230．1480．0180．0080．0450．0340．7930．3600．9060．0080．0430．5840．1790．1250．2550．3050．6800．200
20100．7580．6240．0450．3680．0590．0180．8670．9930．0790．0510．0570．0480．3380．2690．0180．0020．0430．0240．8820．3600．8640．0190．0430．6660．6160．9330．7000．7460．6690．200
20110．8080．3980．1140．6110．0670．0480．6990．9510．0150．0670．0400．0150．0970．0620．0180．0150．0330．0240．8170．3600．7600．0180．0430．8660．6530．0960．9850．8890．6690．200
Theresultsofoutput－orientedVRM
20040．2480．1710．0700．1180．2280．0770．2540．2270．0890．0310．0580．1570．0950．1250．0400．0820．1540．1240．1780．3190．9970．2780．1000．3200．1520．2350．3490．9960．8850．331
20050．1220．1520．0570．0960．1010．0610．2060．0530．0760．0370．0390．1050．0820．2370．0260．0660．1390．1100．0480．1490．9080．1220．1320．2410．1400．1240．2430．8750．9790．296
20060．0410．1160．0350．0500．0990．0390．1790．0510．0650．0240．0220．0850．0800．0940．0210．0570．1130．1070．0470．0810．7600．1020．0250．2550．1340．1420．3870．9870．8580．271
20070．0220．1160．0380．1220．0680．0400．0620．0650．0250．0310．0320．0360．0560．0790．0320．0050．0420．0760．9860．1210．9070．0570．0510．2490．1280．1440．1750．5870．4960．199
20030．1980．1910．1440．2210．2830．1340．2930．1920．0520．0650．0710．2090．1630．1420．0550．0760．1110．1430．0750．2410．8500．2920．1270．2250．1010．1680．4910．9830．9930．413
内蒙古
黑龙江
内蒙古
黑龙江
本文将表1的值作为目标向量，训练BP神
BP网络的参数如表2经网络。针对单个省份，所示。
第12期朱方伟，马跃：基于BP－VRM的工业化对信息化促进效率评价·169·
2008年到2011年，从结果上看，平均促进效率最高的省份是海南，这一点在VRM方法和BP－VRM方法中都是一样的。这说明，在发现标杆两种方法的作用也是一致的。对海南省份方面，
来说，单位工业R＆D投入的信息产业增加值非常工业科研投入对信息化程度的促进效应保障高，
了工业化对信息化的促进效率。而在BP－VRM方法的结果中，河南的工业化对信息化的促进效率平均值是这30个省市中最低的，主要原因是单位工业化资产投入的信息产业增加值比较低，这也影响了其工业化对信息化的促进效率。
从时间层面上，大部分省市2011年的促进效率相较于2008年都有所上升，这说明我国工业化工对信息化的促进效率呈现出良好发展的趋势，业化与信息化的融合取得了比较好的进展。
在地区层面上，东部省市（北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南）工业化对信息化的促进效率平均值为0．208，而中部省市（山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南）的促进效率平均值为0．192，西部省市（四川、重庆、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆、广西、内蒙古）的促进效率平均值为0．267。这说明西部地区工业化对信息化的促进效率要高于中部地区和东部地区。
升，这说明我国工业化对信息化的促进效率呈现良好的发展趋势。③2008年到2011年，各省市工业化对信息化促进效率的差异还是比较大的，但是差异在越来越小。④西部地区工业化对信息化的促进效率要高于中部地区和东部地区。
3．本研究的研究结论可以为提升工业化对信各省息化的促进效率提供参考。从评价结果看，市工业化对信息化的促进效率都不太高，应围绕传统工业产业升级改造，着力发展制造业信息技推动云计算、物联网等新一代信息术的推广应用，
技术应用，促进工业产品、基础设施、关键装备、流推程管理的智能化和制造资源与能力协同共享，动产业链向高端跃升。对东部地区来说，工业化主要原因在于与信息化促进效率低于西部地区，
工业化的科技投入占比较小，应该加大工业化的科技投入。政府应鼓励工业企业加大信息化科技鼓励企业自主创新，在政府采购、土地、税投入，
收、信贷和人才引进等方面给予政策支持。
参考文献：
［1］EnglmaierF，ReisingerM．Information，coordinationandthe
industrializationofcountries［J］．CESifoEconomicStudies，2008，54（3）：534－550．
［2］SchrothC．Theinternetofservices：Globalindustrializationof
informationintensiveservices［C］．InternationalConferenceonDigitalInformationManagement，2007，2：635－642．［3］周叔莲．重视信息化大力推进信息化与工业化融合［J］．
2008，1（3）：90－93．中国井冈山干部学院学报，
ZhouShulian．Emphasizinginformationandenergeticallypro-motingtheintegrationofinformationwithindustrialization［J］．JournalofChinaExecutiveLeadershipAcademyJing-2008，1（3）：90－93．gangshan，
［4］姜奇平．范围经济是工业化与信息化融合的有效方式
［J］．中国制造业信息化，2008（2）：13－16．
JiangQiping．Scopeeconomyistheeffectivewayoftheinte-．China’sgrationofinformationwithindustrialization［J］ManufacturingIndustryInformatization，2008（2）：13－16．［5］步德迎．谈信息化与工业化融合（1）信息化与工业化融
J］．中国信息界，2009（6）：15－16．合的本质［
BuDeying．Discussontheintegrationofinformationwithin-dustrialization（1）：theessence［J］．ChinaInformationTimes，2009（6）：15－16．
［6］陶长琪．推进信息化与工业化融合，增强产业发展动力
［J］．江西财经大学学报，2007（6）：11－12．
4结论
本文主要特色与创新：
1．聚焦于如何分析工业化对信息化的促进效
率问题，本文的主要创新性工作有：①在现有文献的基础上，首次对工业化对信息化的促进效率进行了明确完整的定义，并从投入产出角度构建了促进效率的全要素评价指标体系。②本文结合VRM方法在处理投入或者产出存在负值方面的优势和BP神经网络的非线性及自适应特征，提出了BP－VRM方法，并且利用30个省市的实证数据进行了工业化对信息化促进效率的评价。
2．本研究的理论发现有：①实证研究结果表明BP－VRM具有比较好的适用性。②大部分省市2011年的促进效率相较于2008年都有所上
·170·科研管理2015年
huiUniversityofTechnology，2003，20（3）：236－239．
TaoChangqi．Promotingtheintegrationofinformationwithin-dustrialization，enhancingtheindustrydevelopmentpower［J］．JournalofJiangxiUniversityofFinanceandEconomics，2007（6）：11－12．
［7］周振华．工业化与信息化的互动与融合［J］．中国制造业
2008（2）：18－19．信息化，
ZhouZhenhua．Theinteractionandfusionofindustrializationandinformationization［J］．China’sManufacturingIndustryInformatization，2008（2）：18－19．
［8］安筱鹏．“全球产业技术革命视野下的工业化与信息化融
．中国信息之四工业化与信息化融合的4个层次［J］合”
2008（5）：34－38．界，
AnXiaopeng．\"Theintegrationofinformationwithindustriali-zationundertheperspectiveofglobalindustrialtechnologyrevolution\"，thefourth：Thefourlevelsoftheintegrationofinformationwithindustrialization［J］．ChinaInformationTimes，2008（5）：34－38．
［9］金江军．两化融合的理论体系［J］．信息化建设，2009
（4）：9－12．
JinJiangjun．Thetheorysystemoftheintegrationofinforma-tionwithindustrialization［J］．InformationConstruction，2009（4）：9－12．
［10］史炜，马聪卉，王建梅．工业化和信息化融合发展的对策
研究－－以融合类业务发展及业务模式探讨两化融合的J］．数字通信世界，2010（2）：16－49．发展对策［
ShiWei，MaConghui，WangJianmei．Thecountermeasurestudyoftheintegrationofinformationwithindustrialization－－Takingmulti－fieldbusinessdevelopmentandbusinessmode［J］．DigitalCommunicationWorld，2010（2）：16－49．
［11］王金杰．我国信息化与工业化融合的机制与对策研究
［D］．南开大学，2009．
WangJinjie．ThemechanismandcountermeasureofChina’sintegrationofinformationwithindustrialization［D］．NankaiUniversity，2009．
［12］林兆木．关于新型工业化道路问题［J］．思想理论教育导
2003（3）：19－24．刊，
LinZhaomu．Thenewindustrialization［J］．JournalofIdeo-logical＆TheoreticalEducation，2003（3）：19－24．
［13］杨冰之．信息化与工业化的基本内涵［J］．数码世界，
2003，2（8）：1－2．
YangBingzhi．Thebasicmeaningofinformationwithindustri-alization［J］．DigitalWorld，2003，2（8）：1－2．
［14］黄永兴．我国工业化与信息化关系的量化分析［J］．安徽
2003，20（3）：236－239．工业大学学报，
HuangYongxing．Quantityanalysisontherelationshipofind-ustrializationandmessagizationofChina［J］．JournalofAn-
［15］叶帆．科学发展观：工业化与信息化的融合［J］．湖北行
2004（6）：33－37．政学院学报，
YeFan．Thescientificoutlookondevelopment，industrializa-tionandinformationfusion［J］．JournalofHubeiAdministra-tionInstitute，2004（6）：33－37．
［16］徐盈之，孙剑．信息产业与制造业的融合—基于绩效分析
J］．中国工业经济，2009（7）：56－66．的研究［
XuYingzhi，SunJian．Theconvergenceofinformationindus-tryandmanufacturing－Ananalysisbasedonindustryper-．ChinaIndustrialEconomics，2009（7）：56formance［J］－66．
［17］张新，马建华，刘培德，刘强，徐峰．区域两化融合水平
J］．山东大学学报，2012，47（3）：71的评价方法及应用［－76．
ZhangXin，MaJianhua，LiuPeide，LiuQiang，XuFeng．E-valuationmethodandapplicationoftheintegrationlevelofre-J］．JournalofShan-gionalindustrializationandinformation［2012，47（3）：71－76．dongUniversity，
［18］谢康，李礼，潭艾婷．信息化与工业化融合、技术效率与
J］．管理评论，2009，21（10）：3－12．趋同［
XieKang，LiLi，TanAiting．Integrationofinformatizationandindustrialization，technicalefficiencyandconvergency［J］．ManagementReview，2009，21（10）：3－12．
［19］谢康，肖静华，周先波，乌家培．中国工业化与信息化融
J］．经济研究，2012（1）：4－16．合质量：理论与实证［
XieKang，XiaoJinghua，ZhouXianbo，WuJiapei．QualityofconvergencebetweenindustrializationandinformatizationinChina［J］．EconomicResearchJournal，2012（1）：4－16．
［20］王晰巍，靖继鹏，刘铎，马思思．信息化与工业化融合的
关键要素及实证研究［J］．图书情报工作，2010，54（8）：68－72．
WangXiwei，JingJipeng，LiuDuo，MaSisi．Researchofthekeyelementsandempiricalaboutfusionbetweeninformationandindustriazation［J］．LibraryandInformationService，2010，54（8）：68－72．
［21］俞立平，潘云涛，武夷山．工业化与信息化互动关系的实
2009（1）：34－40．证研究［J］．中国软科学，
YuLiping，PanYuntao，WuYishan．Studyonrelationshipbetweenindustrializationandinformatization［J］．ChinaSoftScience，2009（1）：34－40．
［22］张轶龙，崔强．中国工业化与信息化融合评价研究［J］．
2013，34（4）：43－49．科研管理，
ZhangYilong，CuiQiang．TheintegrationevaluationbetweenindustrializationandinformatizationinChina［J］．ScienceResearchManagement，2013，34（4）：43－49．
［23］CharnesA．，CooperW．W．，RhodesE．Measuringtheeffi-
第12期朱方伟，马跃：基于BP－VRM的工业化对信息化促进效率评价·171·
ciencyofdecisionmakingunits［J］．EuropeanJournalofOp-erationalResearch，1978，2（6）：429－444．
［24］Scheel，H．Undesirableoutputsinefficiencyvaluations［J］．
2001，132：400－EuropeanJournalofOperationalResearch，410．
［25］Portela，M．C．A．S．，Thanassoulis，E．，Simpson，G．Adi-rectionaldistanceapproachtodealwithnegativedatainDEA：Anapplicationtobankbranches［J］．JournalofOperationalResearchSociety，2004，55（10）：1111–1121．
［26］Sharp，J．A．，Liu，W．B．，Meng，W．Amodifiedslacks－
basedmeasuremodelfordataenvelopmentanalysiswith‘nat-ural’negativeoutputsandinputs［J］．JournalofOperationalResearchSociety，2006，57（11）：1–6．
［27］EmrouznejadA，AnouzeAL，ThanassoulisE．Asemi－ori-entedradialmeasureformeasuringtheefficiencyofdecisionmakingunitswithnegativedata，usingDEA［J］．European
JournalofOperationalResearch，2010，200（1）：297－304．
［28］ChengG，ZervopoulosP，QianZ．Avariantofradialmeasure
capableofdealingwithnegativeinputsandoutputsindataen-velopmentanalysis［J］．EuropeanJournalofOperationalRe-search，2013，225（1）：100－105．
［29］吴微．神经网络计算［M］．北京：高等教育出版社，2007．
WuWei．Neuralnetworkcomputation［M］．Beijing：HigherEducationPress，2007．
［30］李松，刘力军，翟曼．改进粒子群算法优化BP神经网络
J］．系统工程理论与实践，2012，32的短时交通流预测［（9）：2045－2049．
LiSong，LiuLijun，ZhaiMan．Predictionforshort－termtrafficflowbasedonmodifiedPSOoptimizedBPneuralnet-work［J］．SystemsEngineering－－Theory＆Practice，2012，32（9）：2045－2049．
Theevaluationofthepromotionefficiencyfromindustrializationto
informatizationusingBP－VRM
ZhuFangwei，MaYue
（FacultyofManagementandEconomics，DalianUniversityofTechnology，Dalian116023，Liaoning，China）Abstract：Firstly，thispaperdefinespromotionefficiencyfromIndustrializationtoInformatizationbeforebuildsthetotal－factorevaluationindicesforpromotionefficiency．Thenproposesanewmodel－－BP－VRMmodel，whichcombinestheadvantageofVRMindealingwithnegativedataandthenon－linearandadaptivitycharacteristicofBPneuralnetwork．Thenthenewmodelistheaveragevalueappliedtoanalyzepromotionefficienciesof30provincesfrom2003to2011．Themainconclusionsare：firstly，
ofthepromotionefficiencyinwesternregionislargerthanmiddleregionandeasternregion，followedbyeasternregion；andsec-ondly，thegapofpromotionefficiencyamongprovincesisbecomingnarrowerandnarrower．Keywords：industrialization；informatization；promotionefficiency；BP－VRM
因篇幅问题不能全部显示，请点此查看更多更全内容