陳文俊，賀正楚，吳 艷

（1.中南林業(yè)科技大學(xué) 經(jīng)濟(jì)學(xué)院，湖南 長沙 410004； 2.長沙理工大學(xué) 經(jīng)濟(jì)與管理學(xué)院，湖南 長沙 410114）＊

一、引 言

甄選符合國情、適合我國產(chǎn)業(yè)與經(jīng)濟(jì)特征的戰(zhàn)略新興產(chǎn)業(yè)，需要采用科學(xué)的識別方法［1］。戰(zhàn)略新興產(chǎn)業(yè)一般要具備全局性、先導(dǎo)性、關(guān)聯(lián)性和動態(tài)性等方面的產(chǎn)業(yè)特性與經(jīng)濟(jì)特性［2］。不過，由于戰(zhàn)略新興產(chǎn)業(yè)都是一些發(fā)展時(shí)間還不長、產(chǎn)業(yè)規(guī)模也不大的新興產(chǎn)業(yè)，因此，其全局性、關(guān)聯(lián)性和動態(tài)性這三個(gè)方面的特征，在短期內(nèi)就不甚明顯。至于戰(zhàn)略新興產(chǎn)業(yè)的先導(dǎo)性特征，是指該產(chǎn)業(yè)對國民經(jīng)濟(jì)發(fā)展起方向性的引導(dǎo)作用，代表著技術(shù)發(fā)展和產(chǎn)業(yè)結(jié)構(gòu)演進(jìn)的方向［3］?！跋葘?dǎo)性”強(qiáng)調(diào)的是戰(zhàn)略新興產(chǎn)業(yè)能引領(lǐng)我國產(chǎn)業(yè)發(fā)展戰(zhàn)略方向，代表產(chǎn)業(yè)的科技創(chuàng)新力乃至我國產(chǎn)業(yè)的潛在競爭力。R＆D是在科學(xué)技術(shù)領(lǐng)域，為增加知識總量以及運(yùn)用知識去創(chuàng)造新的應(yīng)用進(jìn)行的系統(tǒng)性的創(chuàng)造活動，R＆D投入與水平體現(xiàn)著一國的政治經(jīng)濟(jì)實(shí)力，企業(yè)的R＆D則體現(xiàn)著企業(yè)的產(chǎn)品和產(chǎn)業(yè)競爭力。近些年隨著我國對高新技術(shù)產(chǎn)業(yè)的規(guī)劃（包括產(chǎn)業(yè)園區(qū)的建設(shè)、產(chǎn)業(yè)的引進(jìn)），對R＆D的重視以及經(jīng)費(fèi)投入的不斷增加，R＆D對我國戰(zhàn)略新興產(chǎn)業(yè)的先導(dǎo)性作用開始顯現(xiàn)［4－5］。雖然目前戰(zhàn)略新興產(chǎn)業(yè)在規(guī)模和數(shù)量方面還不占優(yōu)勢，但其產(chǎn)業(yè)先導(dǎo)性特質(zhì)正日益凸顯。本文擬從R＆D投入的視角探討如何甄選和發(fā)現(xiàn)先導(dǎo)性戰(zhàn)略新興產(chǎn)業(yè)。即采用知識發(fā)現(xiàn)功能，通過對有待鑒定的產(chǎn)業(yè)的R＆D指標(biāo)數(shù)據(jù)的歸納、分析和推理，發(fā)掘出創(chuàng)新力強(qiáng)、先導(dǎo)性明顯的戰(zhàn)略性新興產(chǎn)業(yè)。

數(shù)據(jù)挖掘是從大量的數(shù)據(jù)中挖掘出隱含的、未知的、用戶可能感興趣的和對決策有潛在價(jià)值的知識與規(guī)則。這些規(guī)則蘊(yùn)含了數(shù)據(jù)庫中一組對象之間的特定關(guān)系，揭示出一些有用的信息，可以為經(jīng)營決策、市場策劃和金融預(yù)測等提供依據(jù)。數(shù)據(jù)挖掘已經(jīng)廣泛應(yīng)用于政府管理、商業(yè)經(jīng)營、科學(xué)研究及工業(yè)決策等領(lǐng)域［6－10］。由于數(shù)據(jù)挖掘是知識發(fā)現(xiàn)過程的一個(gè)步驟，因此在使用過程中，知識發(fā)現(xiàn)和數(shù)據(jù)挖掘二者通常不加以區(qū)分的使用。本文基于知識發(fā)現(xiàn)的功能來研究戰(zhàn)略新興產(chǎn)業(yè)的識別，采用數(shù)據(jù)挖掘關(guān)聯(lián)規(guī)則發(fā)掘戰(zhàn)略新興產(chǎn)業(yè)。依據(jù)各產(chǎn)業(yè)R＆D指標(biāo)數(shù)據(jù)庫，采取數(shù)據(jù)挖掘技術(shù)識別出潛在的、創(chuàng)新力較強(qiáng)的先導(dǎo)性戰(zhàn)略新興產(chǎn)業(yè)。

本研究依據(jù)先導(dǎo)性戰(zhàn)略新興產(chǎn)業(yè)的特點(diǎn)確定評價(jià)指標(biāo)之后，采用關(guān)聯(lián)規(guī)則方法，結(jié)合R＆D評價(jià)指標(biāo)所要達(dá)到的標(biāo)準(zhǔn)，針對待評價(jià)的各個(gè)產(chǎn)業(yè)R＆D評價(jià)指標(biāo)標(biāo)準(zhǔn)不同，尋找某一產(chǎn)業(yè)R＆D指標(biāo)水平與各個(gè)產(chǎn)業(yè)R＆D指標(biāo)平均值的關(guān)聯(lián)關(guān)系，確定該產(chǎn)業(yè)在該指標(biāo)水平下具備戰(zhàn)略新興產(chǎn)業(yè)的特質(zhì)。作者曾依據(jù)戰(zhàn)略新興產(chǎn)業(yè)的全局性、關(guān)聯(lián)性、導(dǎo)向性和動態(tài)性特征構(gòu)建了一套評價(jià)指標(biāo)體系［2－4］，本文仍沿用該指標(biāo)體系，不過著重從產(chǎn)業(yè)先導(dǎo)性和創(chuàng)新性的角度進(jìn)行評價(jià)和數(shù)據(jù)挖掘。

二、戰(zhàn)略新興產(chǎn)業(yè)數(shù)據(jù)挖掘關(guān)聯(lián)規(guī)則模型的建立

（一）戰(zhàn)略新興產(chǎn)業(yè)知識發(fā)現(xiàn)過程

采用知識發(fā)現(xiàn)功能識別戰(zhàn)略新興產(chǎn)業(yè)時(shí)，其整個(gè)過程包括在建立的指標(biāo)數(shù)據(jù)庫中用數(shù)據(jù)挖掘算法提取模型，以及圍繞數(shù)據(jù)挖掘所進(jìn)行的預(yù)處理和知識表達(dá)等一系列步驟，數(shù)據(jù)挖掘?yàn)檎麄€(gè)過程的中心。戰(zhàn)略新興產(chǎn)業(yè)知識發(fā)現(xiàn)過程的具體步驟包括：

（1）目標(biāo)定義：熟悉戰(zhàn)略新興產(chǎn)業(yè)識別背景、內(nèi)涵及特征，了解所要達(dá)到的目標(biāo)及操作的要求；（2）數(shù)據(jù)選擇：從不同的異構(gòu)數(shù)據(jù)源中獲取各產(chǎn)業(yè)R＆D指標(biāo)數(shù)據(jù)；（3）數(shù)據(jù)預(yù)處理：由于數(shù)據(jù)源、數(shù)據(jù)類型及度量的多樣性，會存在一些不完整、錯(cuò)誤的、冗余的數(shù)據(jù)，有必要對錯(cuò)誤的數(shù)據(jù)進(jìn)行修正或剔除，補(bǔ)充或預(yù)測缺失的數(shù)據(jù)；（4）數(shù)據(jù)挖掘：采用Apriori算法，從數(shù)據(jù)中提取出各產(chǎn)業(yè)指標(biāo)數(shù)據(jù)與指標(biāo)平均值之間的關(guān)聯(lián)關(guān)系，識別具備戰(zhàn)略新興產(chǎn)業(yè)特征的產(chǎn)業(yè)；（5）知識評估：評價(jià)和解釋發(fā)現(xiàn)的模式，根據(jù)需要對知識發(fā)現(xiàn)過程中某些階段進(jìn)行處理，必要時(shí)，反復(fù)執(zhí)行步驟（1）～（5）；（6）知識輸出：采用可視化方法和知識表現(xiàn)技術(shù)將發(fā)現(xiàn)的模式展現(xiàn)出來。

（二）戰(zhàn)略新興產(chǎn)業(yè)數(shù)據(jù)挖掘關(guān)聯(lián)規(guī)則模型

關(guān)聯(lián)規(guī)則挖掘的目的是尋找出數(shù)據(jù)庫中不同數(shù)據(jù)項(xiàng)集之間隱藏的關(guān)聯(lián)關(guān)系，發(fā)現(xiàn)有待鑒別產(chǎn)業(yè)的R＆D指標(biāo)數(shù)據(jù)與指標(biāo)平均數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系。有關(guān)戰(zhàn)略新興產(chǎn)業(yè)數(shù)據(jù)挖掘關(guān)聯(lián)規(guī)則模型建立如下［11－12］：

定義1：關(guān)聯(lián)規(guī)則挖掘的數(shù)據(jù)集記為D（事務(wù)數(shù)據(jù)庫），D＝｛t1，t2，…，tn｝，tk＝｛ik1，ik2，…，ikp｝，tk為（k＝1，2，…，n）一條事務(wù)（transactions），tkm（m＝1，2，…，p）為事務(wù)中項(xiàng)目（item）。

定義2：設(shè)IR＝｛i1，i2，…，im）是 D中全體項(xiàng)目組成的集合，IR的任何子集X稱為D中的項(xiàng)目集（itemset），且若｜X｜＝σ，則稱集合X 為σ項(xiàng)目集（kiemset）。設(shè)tk和X 分別為D 中的事務(wù)和項(xiàng)目集，如果X?tk，稱事務(wù)tk包含項(xiàng)目集X，且事務(wù)tk有唯一的標(biāo)識符TID。

定義3：數(shù)據(jù)集D中包含項(xiàng)目集X的事務(wù)數(shù)稱為項(xiàng)目集X 的支持?jǐn)?shù)，記為support（X）。項(xiàng)目集X的 支 持 度 記 為Pr （X），則 有 Pr（X）＝×100%。其中，｜D｜為數(shù)據(jù)集D的事務(wù)數(shù)。若Pr（X）不小于設(shè)定的最小支持度minsup（或s），則稱X為頻繁項(xiàng)目集，簡稱頻集（或大項(xiàng)目集），否則稱X為非頻繁項(xiàng)目集，簡稱非頻集（或小項(xiàng)目集）。

定理3：X、Y為數(shù)據(jù)集D中的項(xiàng)目集：（1）若X?Y，則Pr（X）≥Pr（Y）；（2）若X?Y，如果X是非頻集，則Y也是非頻集；（3）若X?Y，如果Y是頻集，則X也是頻集。

定義4：關(guān)聯(lián)規(guī)則是描述數(shù)據(jù)庫中數(shù)據(jù)項(xiàng)之間存在的潛在關(guān)系的規(guī)則，形式為X?Y，其中X?IR，Y?IR，且attr（X）∩attr（Y）＝?，X稱為規(guī)則頭（antecedent），Y稱為規(guī)則尾（consequent）。本文中所要考察的數(shù)據(jù)項(xiàng)之間的關(guān)聯(lián)表示：如果某產(chǎn)業(yè)指標(biāo)值X（Y）在某一事務(wù)中達(dá)到一定水平時(shí)，那么指標(biāo)平均值Y（X）出現(xiàn)的可能性則較高。則規(guī)則X?Y的支持度定義為Pr（X∪Y），表示X、Y同時(shí)出現(xiàn)的可能性，記作Pr（X?Y）＝Pr（X∪Y）。關(guān)聯(lián)規(guī)則置信度（confidence）記作conf（X?Y），有l(wèi)ift（X?Y）＝×100%。置信度用于衡量關(guān)聯(lián)）規(guī)則的可信程度，通常根據(jù)需要可設(shè)置最小置信度minconf（或c）。關(guān)聯(lián)規(guī)則作用度（lift），記lift（X?Y），有l(wèi)ift（X?Y）＝×100%。作用度）描述了X對Y的影響力的大小，作用度越大，說明Y受X的影響越大，則X與Y關(guān)聯(lián)程度越強(qiáng)，根據(jù)需要可設(shè)置最低作用度minlift（或l），一般來說，有價(jià)值的關(guān)聯(lián)規(guī)則的作用度都應(yīng)該大于1。

定義5：若關(guān)聯(lián)規(guī)則X?Y同時(shí)滿足Pr（X?Y）≥minsup，conf（X?Y）≥minconf，lift（X?Y）≥minlift。則稱關(guān)聯(lián)規(guī)則X?Y為強(qiáng)規(guī)則，否則稱關(guān)聯(lián)規(guī)則X?Y為弱規(guī)則。本文研究目的就是為了尋找出D中所有強(qiáng)規(guī)則。

（三）R＆D指標(biāo)的選取

以R＆D經(jīng)費(fèi)投入強(qiáng)度作為判斷創(chuàng)新力強(qiáng)、先導(dǎo)性戰(zhàn)略地位突出的新興產(chǎn)業(yè)的重要指標(biāo)，一直得到了世界范圍內(nèi)的認(rèn)可。黨夏寧、賀正楚等的研究也表明，無論是從定性還是定量的角度分析，R＆D經(jīng)費(fèi)投入指標(biāo)對于先導(dǎo)性明顯、創(chuàng)新力強(qiáng)的新興產(chǎn)業(yè)的支撐和識別，都具備科學(xué)的驗(yàn)證性［13－15］。

R＆D經(jīng)費(fèi)投入指標(biāo)作為識別和支撐戰(zhàn)略新興產(chǎn)業(yè)的重要指標(biāo)，是從資源投入的角度來進(jìn)行衡量的。在產(chǎn)業(yè)實(shí)際發(fā)展過程中，科研經(jīng)費(fèi)的投入對于產(chǎn)業(yè)的科研創(chuàng)新支持、員工創(chuàng)新力知識的增強(qiáng)有著不可預(yù)知的特征，為此，在識別創(chuàng)新力強(qiáng)的戰(zhàn)略新興產(chǎn)業(yè)時(shí)，有必要根據(jù)R＆D經(jīng)費(fèi)投入之后所能獲得的產(chǎn)出來進(jìn)行關(guān)聯(lián)分析。專利指標(biāo)是對產(chǎn)業(yè)或企業(yè)創(chuàng)新能力進(jìn)行衡量的重要指標(biāo)，具有時(shí)間序列性和年度產(chǎn)出的特質(zhì)，R＆D經(jīng)費(fèi)投入之后，具有一定的時(shí)滯性，但專利的出現(xiàn)是創(chuàng)新力與資源投入積累之后的成果，所以，采用專利指標(biāo)作為戰(zhàn)略新興產(chǎn)業(yè)的創(chuàng)新力產(chǎn)出指標(biāo)是合宜的。由于受利益的驅(qū)動，不少專利申請都含有一定的虛假成分，為此，本文所搜集的專利源自于經(jīng)國家知識產(chǎn)權(quán)局和專利局認(rèn)定之后的專利授權(quán)數(shù)。故而，本文的研究目標(biāo)是根據(jù)R＆D經(jīng)費(fèi)投入強(qiáng)度指標(biāo)與專利授權(quán)量指標(biāo)之間的強(qiáng)關(guān)聯(lián)規(guī)則關(guān)系，識別出擁有較強(qiáng)創(chuàng)新力的先導(dǎo)性戰(zhàn)略新興產(chǎn)業(yè)。

三、實(shí)證分析——以長三角地區(qū)為例

（一）基于關(guān)聯(lián)規(guī)則的長三角地區(qū)戰(zhàn)略新興產(chǎn)業(yè)實(shí)證研究

本文采用weka軟件對長三角地區(qū)戰(zhàn)略新興產(chǎn)業(yè)進(jìn)行關(guān)聯(lián)規(guī)則分析，運(yùn)行環(huán)境為Windows XP。

（1）數(shù)據(jù)源。根據(jù)我國國民經(jīng)濟(jì)行業(yè)分類（GB／T4754－2002）標(biāo)準(zhǔn)，結(jié)合本文研究特點(diǎn)，選取2009年長三角地區(qū)共25個(gè)城市的戰(zhàn)略新興產(chǎn)業(yè)作為實(shí)證研究對象，每個(gè)城市的產(chǎn)業(yè)指標(biāo)集合作為一條事務(wù)。本文針對統(tǒng)計(jì)年鑒中的戰(zhàn)略新興產(chǎn)業(yè)進(jìn)行分類：新一代信息技術(shù)產(chǎn)業(yè)，包括通信設(shè)備、計(jì)算機(jī)及其他電子設(shè)備制造業(yè)；新材料產(chǎn)業(yè)，包括化學(xué)原料及化學(xué)制品制造業(yè)、化學(xué)纖維制造業(yè)、非金屬礦物制品業(yè)；新能源產(chǎn)業(yè)，包括電力、熱力的生產(chǎn)和供應(yīng)業(yè)，石油加工、煉焦及核燃料加工業(yè)，燃?xì)馍a(chǎn)和供應(yīng)業(yè)；新能源汽車產(chǎn)業(yè)，包括電氣機(jī)械及器材制造業(yè)；高端裝備制造業(yè)，包括專用設(shè)備制造業(yè)、通用設(shè)備制造業(yè)、交通運(yùn)輸設(shè)備制造業(yè)；生物醫(yī)藥產(chǎn)業(yè)，包括醫(yī)藥制造業(yè)；節(jié)能環(huán)保產(chǎn)業(yè)，包括水的生產(chǎn)和供應(yīng)業(yè)、廢棄資源和廢舊材料回收加工業(yè)。

“R＆D經(jīng)費(fèi)投入強(qiáng)度”評價(jià)是“戰(zhàn)略新興產(chǎn)業(yè)的先導(dǎo)性”指標(biāo)體系中的一個(gè)重要指標(biāo)［14］，本文把該指標(biāo)作為考察對象，研究長三角地區(qū)戰(zhàn)略新興產(chǎn)業(yè)的識別，同時(shí)，以2009年專利授權(quán)量指標(biāo)作為與R＆D發(fā)生關(guān)聯(lián)規(guī)則分析的產(chǎn)出指標(biāo)（平均指標(biāo)）。長三角地區(qū)戰(zhàn)略新興產(chǎn)業(yè)R＆D經(jīng)費(fèi)投入強(qiáng)度的原始事務(wù)數(shù)據(jù)庫，見表1。

表1 長三角地區(qū)戰(zhàn)略新興產(chǎn)業(yè)R＆D經(jīng)費(fèi)投入強(qiáng)度表

（2）數(shù)據(jù)預(yù)處理。在對數(shù)據(jù)進(jìn)行錄入之后，由于weka軟件關(guān)聯(lián)規(guī)則只能處理分類型（nominal）數(shù)據(jù)，因此，得將數(shù)據(jù)庫中的數(shù)值型數(shù)據(jù)轉(zhuǎn)為分類型數(shù)據(jù)。例如，將產(chǎn)出指標(biāo)（平均指標(biāo)）“專利授權(quán)增加量”分類為高（high）和低（low）兩類，當(dāng)人均生產(chǎn)總值＜7000件時(shí)，則為low；人均生產(chǎn)總值≥7000元時(shí)，則為high。其他各指標(biāo)數(shù)據(jù)均劃分為3個(gè)區(qū)間，值域小的落在low區(qū)間，值域?yàn)橐话愕幕蛘吒叩穆湓趍edium（中等）或high（高）的區(qū)間。實(shí)際操作中，數(shù)值型數(shù)據(jù)的分類處理非常關(guān)鍵，劃分過粗，區(qū)間支持度太大，可能造成規(guī)則的置信度下降，以致達(dá)不到置信閾值；劃分太細(xì)，落入每個(gè)區(qū)間的事務(wù)數(shù)減少，很難找到滿足支持的閾值。由于各屬性的數(shù)據(jù)最大值與最小值相差過大，經(jīng)過多番調(diào)試，依據(jù)最大值將屬性數(shù)據(jù)分為3個(gè)區(qū)間：low（低），medium（中等），high（高）。圖1為啟動weka軟件打開分類處理后的產(chǎn)業(yè)數(shù)據(jù)表，可以看到，新材料產(chǎn)業(yè)（new material industry）的類型（type）為分類型（nominal），且分為low、medium、high三個(gè)類型，無缺失值，見圖1。

圖1 新材料產(chǎn)業(yè)分類型數(shù)據(jù)視圖

（3）產(chǎn)業(yè)關(guān)聯(lián)規(guī)則參數(shù)設(shè)置與約束條件。采用Apriori算法，計(jì)劃挖掘出支持度在20%～100%之間，lift值超過1.1且lift排前15的關(guān)聯(lián)規(guī)則。將參數(shù)“l(fā)ower Bound Min Support”和“upper Bound Min Support”分別設(shè)置為0.2和1，“metric Type”設(shè)為lift，“min Metric”設(shè)為1.1，“num Rules”設(shè)置為15，其他選項(xiàng)保持默認(rèn)即可。約束條件為置信度conf＞0.5。

（4）挖 掘 結(jié) 果。在 窗 口 “Explorer”中 點(diǎn) 擊“Start”運(yùn)行算法，得出R＆D指標(biāo)下長三角地區(qū)戰(zhàn)略新興產(chǎn)業(yè)數(shù)據(jù)挖掘結(jié)果為（以下列出的為各屬性指標(biāo)與平均指標(biāo)之間的強(qiáng)關(guān)聯(lián)規(guī)則）：Minimum support：0.4（10instances）。Minimum metric ＜lift＞：1.1。Number of cycles performed：12。Generated sets of large itemsets：Size of set of large itemsets L（1）：28；Size of set of large itemsets L（2）：23。

Best rules found：average value＝high 18?smelting and pressing of nonferrous metals＝high 10，conf＝0.56，lift＝1.39；smelting and pressing of nonferrous metals＝high 10?average value＝high 10，conf＝1，lift＝1.39；average value＝high 18?high－end equipment manufacturing industry，new energy vehicle＝high 10，conf＝0.56，lift＝1.39；high－end equipment manufacturing industry，new energy vehicle＝high 10?average value＝high 10，conf＝1，lift＝1.39；average value＝high 18?highend equipment manufacturing industry＝high 12，conf＝0.67，lift＝1.28；high－end equipment manufacturing industry＝high 13? average value＝high 12，conf＝0.92，lift＝1.28；average value＝high 18?bio－pharmaceutical industry＝high 11，conf＝0.61，lift＝1.27；bio－pharmaceutical industry＝high 12?average value＝high 11，conf＝0.92，lift＝1.27；average value＝high 18?plastic products＝medium 10，conf＝0.56，lift＝1.26；plastic products＝medium 11?average value＝high 10，conf＝0.91，lift＝1.26。

可見，在R＆D經(jīng)費(fèi)投入強(qiáng)度指標(biāo)下，挖掘出長三角地區(qū)戰(zhàn)略新興產(chǎn)業(yè)的產(chǎn)業(yè)順序是：高端裝備制造業(yè)、生物醫(yī)藥產(chǎn)業(yè)、新材料、新一代信息技術(shù)及新能源產(chǎn)業(yè)。

（二）結(jié)果分析與政策建議

以上根據(jù)數(shù)據(jù)挖掘結(jié)果，確立了以高端裝備制造業(yè)、生物醫(yī)藥產(chǎn)業(yè)、新材料、新一代信息技術(shù)及新能源產(chǎn)業(yè)為主的戰(zhàn)略新興產(chǎn)業(yè)?；赗＆D經(jīng)費(fèi)投入強(qiáng)度指標(biāo)，采用知識發(fā)現(xiàn)工具，挖掘出與該指標(biāo)產(chǎn)出目標(biāo)下的專利授權(quán)量指標(biāo)擁有強(qiáng)關(guān)聯(lián)關(guān)系的規(guī)則，有利于創(chuàng)新力強(qiáng)的戰(zhàn)略新興產(chǎn)業(yè)的識別，這對于長三角地區(qū)確立產(chǎn)業(yè)的戰(zhàn)略發(fā)展方向有著重要意義。電子信息產(chǎn)業(yè)和裝備制造業(yè)作為長三角地區(qū)的重點(diǎn)發(fā)展產(chǎn)業(yè)，已經(jīng)形成了比較完善的產(chǎn)業(yè)基地和研發(fā)中心，這對于新一代信息技術(shù)和高端裝備制造的發(fā)展有著重要的支撐作用。本文的知識發(fā)現(xiàn)過程中也存在一些不足之處，譬如數(shù)據(jù)的整理：由于目前我國未有針對戰(zhàn)略新興產(chǎn)業(yè)的專門產(chǎn)業(yè)分類標(biāo)準(zhǔn)，數(shù)據(jù)搜集比較難，統(tǒng)計(jì)年鑒中的數(shù)據(jù)則比較完整，本文采用將統(tǒng)計(jì)年鑒中的產(chǎn)業(yè)重新劃分進(jìn)行了關(guān)聯(lián)規(guī)則分析，但劃分的產(chǎn)業(yè)中也存在分類不精確、產(chǎn)業(yè)交叉、產(chǎn)業(yè)范圍擴(kuò)大化、產(chǎn)業(yè)缺失等現(xiàn)象，在此，作者建議國家應(yīng)盡快出臺相關(guān)政策對戰(zhàn)略新興產(chǎn)業(yè)的統(tǒng)計(jì)給予明確定位，這樣，對于戰(zhàn)略新興產(chǎn)業(yè)的發(fā)展可以實(shí)施動態(tài)的、科學(xué)的管理。

為此，政策建議如下：（1）在長三角地區(qū)實(shí)施戰(zhàn)略新興產(chǎn)業(yè)R＆D效率評價(jià)。為了使R＆D活動實(shí)現(xiàn)由模糊到具體、由靜態(tài)到動態(tài)的管理過程，進(jìn)一步提升長三角地區(qū)戰(zhàn)略新興產(chǎn)業(yè)R＆D經(jīng)費(fèi)的配置效率和利用效率，為此要建立一套科學(xué)有效的R＆D效率評價(jià)指標(biāo)體系，及時(shí)反映R＆D經(jīng)費(fèi)投入的產(chǎn)出情況和使用效率，以便為政府相關(guān)部門及時(shí)作出相應(yīng)的投入決策提供參考依據(jù)。在增加R＆D經(jīng)費(fèi)投入時(shí)，也要大力提高R＆D經(jīng)費(fèi)利用率，科學(xué)控制R＆D經(jīng)費(fèi)和R＆D人員投入規(guī)模，對有限經(jīng)費(fèi)進(jìn)行合理配置，找出影響R＆D效率提高的主要因素，并逐步改善。此外，長三角地區(qū)的蘇、浙、滬三地各自擁有優(yōu)勢戰(zhàn)略新興產(chǎn)業(yè)，因此，可以相互交流借鑒經(jīng)驗(yàn)，共同提升長三角地區(qū)戰(zhàn)略新興產(chǎn)業(yè)的R＆D效率。

（2）長三角地區(qū)戰(zhàn)略新興產(chǎn)業(yè)要盡快達(dá)到適度的產(chǎn)業(yè)規(guī)模。R＆D經(jīng)費(fèi)投入的增加，要求產(chǎn)出增加的比例超過投入增加的比例。通過合理擴(kuò)大戰(zhàn)略新興產(chǎn)業(yè)規(guī)模，在注重產(chǎn)出效率的同時(shí)，確保R＆D活動持續(xù)高效地進(jìn)行。作為長三角龍頭，上海市到2015年要成為在若干領(lǐng)域躋身世界前列的戰(zhàn)略新興產(chǎn)業(yè)集聚區(qū)，戰(zhàn)略新興產(chǎn)業(yè)中高端制造業(yè)占工業(yè)總產(chǎn)值比重爭取達(dá)到30%。2015年，江蘇省戰(zhàn)略新興產(chǎn)業(yè)增加值要占GDP比重的10%，2020年，比重要達(dá)到18%?！笆濉逼陂g，浙江省力爭戰(zhàn)略新興產(chǎn)業(yè)增加值年均增長15%以上，到2015年達(dá)到5000億元左右，占生產(chǎn)總值的比重達(dá)到12%左右，到2020年，戰(zhàn)略新興產(chǎn)業(yè)增加值占浙江省生產(chǎn)總值的比重接近20%。長三角地區(qū)要把其省級產(chǎn)業(yè)集聚區(qū)、省級以上高新技術(shù)產(chǎn)業(yè)開發(fā)區(qū)（園區(qū)）作為培育發(fā)展戰(zhàn)略新興產(chǎn)業(yè)的主陣地進(jìn)行規(guī)劃建設(shè)，要求其戰(zhàn)略新興產(chǎn)業(yè)增加值占生產(chǎn)總值的比重每年提高3個(gè)百分點(diǎn)以上。省級以上經(jīng)濟(jì)開發(fā)區(qū)（園區(qū)）、產(chǎn)業(yè)集群示范區(qū)則要求每年提高2個(gè)百分點(diǎn)以上。

（3）2006～2009年，長三角地區(qū)R＆D經(jīng)費(fèi)內(nèi)部支出總額為729.60億元，發(fā)明專利16330件，專利申請數(shù)33929項(xiàng)。2006－2009年，長三角地區(qū)在產(chǎn)業(yè)的R＆D投入強(qiáng)度方面（R＆D費(fèi)用／工業(yè)總產(chǎn)值），分別是0.9%、0.88%、0.91%、1.19%，雖然總體上呈現(xiàn)出逐年上升的態(tài)勢，但是卻明顯低于全國平均水平（2006～2009年，全國平均水平分別是1.09%、1.08%、1.15%、1.28%）。美國在2006年的產(chǎn)業(yè)R＆D投入強(qiáng)度為16.41%［15］。為了縮小與全國平均水平以及發(fā)達(dá)國家的差距，長三角地區(qū)應(yīng)加大R＆D經(jīng)費(fèi)投入強(qiáng)度。

［1］彭金榮，李春紅.國外戰(zhàn)略性新興產(chǎn)業(yè)的發(fā)展態(tài)勢及啟示［J］.改革與戰(zhàn)略，2011，27（2）.

［2］賀正楚，吳艷.戰(zhàn)略性新興產(chǎn)業(yè)的評價(jià)與選擇［J］.科學(xué)學(xué)研究，2011，29（5）：678－683.

［3］賀正楚，張蜜.生物醫(yī)藥產(chǎn)業(yè)共性技術(shù)路線圖研究［J］.中國軟科學(xué)，2012，（7）：49－60.

［4］張良橋，吳艷.基于灰色關(guān)聯(lián)分析的戰(zhàn)略性新興產(chǎn)業(yè)評價(jià)——以生物醫(yī)藥為例［J］.經(jīng)濟(jì)數(shù)學(xué)，2010，27（3）：71－77.

［5］張訓(xùn).戰(zhàn)略性新興產(chǎn)業(yè)的選擇與評價(jià)及實(shí)證分析［J］.科學(xué)學(xué)與科學(xué)技術(shù)管理，2010（12）：62－67.

［6］Margaret H.Dunham.數(shù)據(jù)挖掘教程［M］.北京：清華大學(xué)出版社，2005：8－11.

［7］Ming－Syan Chen，Jiawei Han，Philip S.Yu.Data Mining：An Overview from a Database Perspective［J］.IEEE Transactions on Knowledge and Data Engineering，1996，8（6）：866－883.

［8］陳安，陳寧，周龍?bào)J等.數(shù)據(jù)挖掘技術(shù)及應(yīng)用［M］.科學(xué)出版社，2006：40－47.

［9］Rakesh Agrawal，Tomasz Imielinski，Arun Swami.Mining Association Rules Between Sets of Items in Large Databases［J］.ACM SIGMOD，1993.207－216.

［10］陳士俊，賴迪輝.數(shù)據(jù)挖掘在科技評估中的應(yīng)用［J］.科學(xué)學(xué)與科學(xué)技術(shù)管理，2005，（4）：40－43.

［11］馬超群，蘭秋軍，陳為民.金融數(shù)據(jù)挖掘［M］.北京：科學(xué)出版社，2007：57－69.

［12］吳艷，周震虹.戰(zhàn)略性新興產(chǎn)業(yè)評估指標(biāo)實(shí)證遴選及其應(yīng)用［J］.中國科技論壇，2011（5）：10－14.

［13］黨夏寧.中國高新技術(shù)產(chǎn)業(yè)的國際競爭力［J］.西安財(cái)經(jīng)學(xué)院學(xué)報(bào)，2009，22（6）：80－83.

［14］賀正楚，吳艷，周震虹.基于知識發(fā)現(xiàn)的戰(zhàn)略性新興產(chǎn)業(yè)識別研究：兼論“長三角”戰(zhàn)略性新興產(chǎn)業(yè)的發(fā)展［J］.南京財(cái)經(jīng)大學(xué)學(xué)報(bào)，2012，30（4）：22－28.

［15］董潔，張?bào)w委.長三角地區(qū)高技術(shù)產(chǎn)業(yè)R＆D資源配置效率優(yōu)化研究［J］.科技進(jìn)步與對策，2012，29（21）：49－54.