dematel

基于大数据和AHP-DEMATEL分析法的VR产业知识基础评

价研究

许骏;付浩海;张素莉

【摘要】本文基于大数据和AHP-DEMATEL分析法构建了区域VR产业知识基础

指标体系,运用该指标体系测度了国内主要经济区域VR产业知识基础,对各地区VR

产业的发展环境进行了详细分析.研究结果表明:目前我国VR产业知识基础最好的

区域是珠三角地区和京津冀——东北地区,未来产业发展也将围绕这两个区域展开,

当前我国VR产业知识基础整体呈现出东部较强、中部一般、西部极弱的态势.本

研究的有关结论对科学指导各省根据自身情况有的放矢地投入创新资源来促进VR

产业的发展具有重要的理论及现实意义.

【期刊名称】《工业技术经济》

【年(卷),期】2019(038)007

【总页数】7页(P101-107)

【关键词】虚拟现实;DEMATEL;层次分析法;产业知识基础评价;大数据;创新资源

【作者】许骏;付浩海;张素莉

【作者单位】长春工程学院科学研究处,长春130012;长白山我的快乐歌词 历史文化与VR技术

重构吉林省重点实验室,长春130012;长显示器检测 春工程学院计算机技术与工程学院,长春

130012;长白山历史文化与VR技术重构吉林省重点实验室,长春130012;长春工

程学院计算机技术与工程学院,长春130012;长白山历史文化与VR技术重构吉林

省重点实验室,长春130012

【正文语种】中文

【中图分类】F124.3;F224

引言

近年来，国内各省市纷纷提前布局，不断加强VR领域的创新资源投入，力争抢占

先机，为未来的发展做好准备。与此同时，VR技术的特性决定了技术的发展需要

结合现有产业实现优势互补才能更好地发挥其价值，缺乏其他产业的有力支撑，再

先进的VR技术也只能被置之高阁。在此情形下，科学地评价各省的VR产业发展

基础，根据各省的实际情况有的放矢地调整创新资源来促进VR产业的优先高速发

展就成为了一个极为重要的问题。本研究借鉴影响高新技术发展的重要指标——

产业知识基础指标开展VR产业知识基础评价的相关研究。本研究主要使用大数据

和AHP-DEMATEL方法，该方法最大的优势是结合了主观和客观等多方面因素，

且不需要复杂系统形容诚信的成语 中各个因素相互独立，它能够根据不同因素两两之间的影响权重

判断单个要素对整体的影响，进而可以帮助识别出复杂系统中影响权重最高的因素。

研究结论将为科学指导有关省份根据自身情况有的放矢地投入创新资源来促进VR

产业的发展提供重要的理论及现实参考。

1文献综述

产业知识基础（KnowledgeBa）理论起源于20世纪90年代，知识基础理论

衍生自“资源基础理论”，它将知识视为组织最重要的资源。根据Brink等［1］

的观点，知识基础指的是知识本身的类别及其在技术和组织中的体现。牛盼强［2］

还认为，产业知识基础是行业与知识创造之间共享的基本信息或知识，是行业中同

类型的知识创造组织。总的来说，知识基础是关键资源，是影响行业长远发展的重

要因素。Asheim和Coenen［3］进一步将产业知识基础划分为综合知识基础和

分析知识基础，并认为通过应用或重新组合现有知识可以形成创新综合知识基础。

王尉东［4］等学者考察了高新技术产业的发展，并提出将产业知识基础分为3类：

产业知识基础资产与生产、产业基础知识吸收与扩散和创新产出绩效，对应分析知

识基础、综合知识基础和符号知识基础。该研究也是本文VR行业知识基础评估指

标体系二级指标的分类依据。

很多学者考察了测量评价产业知识基础的重要性：Leydesdorf等［5］采用三重

螺旋模型对知识基础进行测量评价，提出对产业知识基础测评的重要性。牛盼强等

［6］认为，产业知识基础可联系产业与知识创造，在产业中相同类型的知识创造

组织之间可以共享、共用基础性信息或知识，同时他们不仅分析了综合型知识基础

与解析型知识基础的区别，并探讨了它们间的联系。总的来说，对于产业知识基础

的考查应该因时而异、因地而异、因产业而异。对于产业知识基础的考查对产业的

长远发展有重要的作用。

应用层次分析法（AHP）和DEMATEL分析方法创设评价指标体系的研究较多，

瞿英等［7］提出了改进的AHP-DEMATEL的方法，通过计算初始权重和影响度、

被影响度，并将被影响度融入到影响权重中，从而获得综合权重。该方法综合了层

次分析法和DEMATEL分析方法在评价权重确定上的优势，又避免了单一方法主

观因素对研究结果的片面影响，彭迪云［8］应用该方法设计了金融信息网站综合

评价体系，该指标体系无论从科学性还是实用性来说都优于以往的评价指标体系。

因此，本研究将通过这一方法创设区域产业知识基础评价体系。

基于以上研究，本文借鉴李琳相关研究的划分标准对VR产业基础知识进行分析

［9］。从VR产业知识基础的存量、增量和产出，即产业知识基础资产和生产

（解析型知识基础）、产业基础知识吸收与扩散（综合型知识基础）和创新产出

（符号类知识基础）3个方面来设计VR产业知识基础评价的指标体系（图1）。

在产业知识基础资产和生产的评价上，本文参考王尉东［10］对产业知识基础评

价指标体系创设过程中评价产业知识基础资源投入方面的研究，按照衡量VR产业

“人才、资金投入、项目资助”3个方面投入的实际要求将各省VR产业科研机构

科技活动人员数量、VR领域的政府购买设备投资、VR领域的科研立项情况作为

最主要的二级指标。在评价VR产业基础知识吸收与扩散方面，评价指标的选择集

中在VR产业发展的关键中间指标上，也就是社会关注、技术吸收的能力以及扩散

的能力。对应这3个方面的评价要求，本文选取VR领域的新闻关注度来表征产业

发展社会宏观环境；选取人才需求数量来考查产业知识基础的吸收能力；选取新增

发明专利来衡量产业知识基础的扩散能力。需要注意的是，应用领域专利评价产业

知识基础可以有4种不同的维度，包括专利的数量、专利的广度、专利的多元度

以及行业对专利的应用和熟悉程度。参考刘鑫［11］的研究成果，本文将领域秋天的画怎么画 专

利的数量作为产业知识基础扩散能力的主要评价指标。在产业创新产出绩效的评价

方面，由于VR产业具有产业渗透能力强和应用范围广的特点，目前尚没有对VR

产业产出数据如产值、利润等的权威统计，本文只能选择能够侧面反映产业研发和

应用的指标对产业创新产出绩效进行分析。

2大数据技术在VR产业知识基础评价过程中的运用

既前台服务 有数据收集手法存在数据来源单一、信息沟通不畅、难以获取海量数据信息、分

析能力受限、难以实现可靠精准研判等问题。尤其是在人工智能、云计算、虚拟现

实等新兴科技领域，技术的发展日新月异，产业拓展到经济发展的各个方面，传统

的数据收集手段既无法及时地反映实时的产业发展情况，其统计口径也无法涵盖新

兴技术的全部分支。在这一背景下，运用大数据手段可以补齐新兴科技领域研究数

据来源不充分、不及时的问题。

本文构建了互联网大数据收集和存储方法，为研究提供数据来源。该方法构建的数

据集包括：（1）大范围网站VR相关信息抓取数据集：根据VR产业知识基础评

价分析所需的内容，圈定在Internet上具体的网站子域名和网站链接名。构建网

络爬虫进行自动化的抓取，迭代的抽取各个网站中的HTML脚本并进行存储，形

成大范围网站VR相关信息抓取数据集；（2）VR的结构化文本与数量描述抽取数

据集：在大范围网站VR相关信息抓取数据集的基础上，构建基于HTML脚本层

次树的分析算法程序，过滤掉无关内容，从HTML脚本的关键位置抽取出与VR

产业知识基础评价分析相关的关键结构化文本和数量描述的内容，形成数据集；

（3）智能数据内容理解数据集：在抽取到具体数据的基础上，引入人工智能自然

语言理解方法，对数据进行理解和过滤，获得其中蕴含的VR产业相关语义、产品

或投资数量、相关单位以及所处的区域，形成智能数据内容理解数据集。

图1VR产业知识基础评价重要影响因素

通过以上功能，可以实现在Internet较大范围的网站中，针对VR产业知识基础

评价关键指标进行海量和有目的的数据收集，为分析工作提供数据基础。本文选择

了产业相关企业数来反映产业技术应用的产出，选择VR领域新增的科研论文和有

效发明专利来反映产业科研产出。其中，产业相关企业包括：VR领域专利发明人、

被授权人；企业名（商标、网站名）或主营业务中包含虚拟现实（VR）字样的企

业。以上数据均为省际年度数据，具体数据及其来源见表1。

表1VR产业知识基础评价关键指标一级指标二级指标三级指标单位数据来源A

0：VR产业知识基础资产和生产B1：科研机构科技活动人员数量人科研论文、

博士硕士论文、专利B2：VR领域的政府购买设备投资万元政府网站公告B3：

VR领域的科研立项情况项项目立项公示、官方网站查询O：区域产业知识基础

A1：VR产业基础知识吸收与扩散B4：VR领域的新闻关注度篇门户新闻网站、

地区和产业网站B5：VR领域的人才需求数量人人才招聘网站B6：VR领域的发

明专利总数项第三方专利查询网站A2：VR产业创新产出绩效B7：VR产业相关

企业数家企业信息查询网站B8：VR领域的科研论文篇CNKI、IEEE、

WebofscienceB9：VR领域新增的有效发明专利项第三方专利查询网站

3区域产业知识基础评价指标体系的构建

3.11974年属虎五行属什么 应用层次分析法确定初始权重

依据本文研究对象的特点设计并发放调查问卷。因为本文涉及到VR产业基础科研、

人才管理、成果转化、产业化应用等多方面的指标，因此选择VR相关领域高校人

员10名、科研机构研究人员3名、专职媒体人员1名、企业从事研发工作人员3

名、市场工作人员3名，共20名专家填写调查问卷，对以上3个一级指标、9个

二级指标在产业知识基础评价过程中的权重进行综合评价。具体的层次结构模型参

照表1，最终得到层次总排序表2及满意一致性结果表3，由于层次总排序的CR

分别为0.015、0.027、0.093、0.095，均小于0.10，所以层次总排序具有满意一

致性。

表2层次总排序层次A层次BA1A2A3层次B的总排序0.320.120.56B11

0.330.11B120.240.08B130.430.14B210.300.04B220.310.04B230.39

0.05B310.220.12B320.290.16B330.490.27

3.2运用DEMATEL方法确定各要素之间的依存度

在以上专家填写的调查问卷中，依据李克特5点量表法构建产业知识基础评价矩

阵研究评价指标之间的相互关系，找到影响区域产业知识基础的关键要素。然后按

照式（1）进行标准化处理得到矩阵M′，最终根据式（2）计算得到综合矩阵M

（由于篇幅所限，原矩阵与综合矩阵略）。

对综合影响矩阵M″中元素按行相加得到相应因素的影响度R，表示该因素对其它

因素的影响程度；对M″中的元素按列相加得到相应因素的被影响度C，表示该因

素受其它因素的总体影响程度。影响因素的影响度和被影响度相加得到中心度R＋

C，影响因素的影响度和被影响度相减得到原因度R-C。将结果进行排序可得表3。

以中心度和原因度为横纵坐标绘制出影响因素之间的因果关系图，并标出各个影响

因素在图中的位置，如图2所示。

表3产业知识基础评价直接影响因素评价中心度分析中心度排序原因度分析原

因度排序影响度（D）排名被影响度（R）排名是否为关键因素b15.020.622

3是b23.860.4459否b34.540.5334是b43.48-1.2982否b53.09

-1.0894否b65.11-0.7741是b73.860.4458否b84.150.1654否

b94.930.9114是

图2VR产业知识基础影响关键因素的因果关系图

对产业知识基础评价的关键节点进行识别。（1）对影响因素的中心度进行分析，

中心度R＋C代表因素受影响和施加影响的综合强度，反映与其它因素的关联强度；

（2）对原因因素进行分析，原因度指标R-C为正值的因素属于原因因素；（3）

对结果因素进行分析，原因度指标R-C为负值的因素属于结果因素，对关键影响

因素进行识别。系统中各个因素的中心度和原因度综合反映了因素在系统中的相对

重要程度。由表3的排名可以对影响产业知识基础的关键影响因素进行识别。关

键要素的划分标准为在影响度排名、中心度排名综合靠前。按照这一标准，评价产

业知识基础的关键因素主要有以下几项。B9：VR领域新增的有效发明专利，B1：

科研机构科技活动人员数量，B3：科研立项情况，B6：VR领域的发明专利总数。

除以上重要因素外，其余因素因为影响度、被影响度及中心度综合排名靠后，可以

判断它们不是系统的关键影响因素。

3.3基于AHP-DEMANTEL的综合权重计算

基于瞿英等（2016）［7］的研究，本文应用改进的AHP-DEMATEL方法来对

权重进行修正。其基本思路如下：考虑到AHP法计算初始权重中根值法要比求和

法更为精确，这里采用根值法计算出因素的初始权重，结合DEMATEL法得到各

因素的影响度和被影响度，利用影响度和被影响度的乘积代表影响权重W2，体现

因素在整个系统中与其他因素的相互依赖关系。为避免影响权重信息引用的冗余，

这里仅利用影响权重与初始权重乘积来表示因素在整个系统中的综合权重。具体计

算过程如下：

（1）用根值法计算出AHP初始权重W1，计算公式如下所示。对W1进行归一

化处理，要求满足0≤≤1。

（2）在DEMATEL法中结合各因素的影响度和被影响度计算出影响权重W2，利

用公式d=cT∗r得到关于影响度和被影响度的关系矩阵，取矩阵对角线元素构成关

于风险因素的影响程度向量di=ci∗ri计算出因素i的影响程度，其中影响度为ci，

被影响度为ri，再按式（4）进行规范化处理，得到影响权重W2，且0≤≤1。

（3）确定综合权重。对上述初始权重和影响权重按W=W1W2进行计算，进行

归一化处理得到规范数据综合权重W，并将结果按由大到小进行排序即为该因素

的综合权重，得到风险因素影响程度强弱。

依据以上方法，最终确定各因素的影响权重如表4所示。

表4产业知识基础评价指标体系影响权重二级指标三级指标单位影响权重A1：

VR产业知识基础资产和生产B1：科研机构科技活动人员数量人0.050B2：VR

领域的政府购买设备投资万元0.073B3：VR领域的科研立项情况项0.201A2：

VR产业基础知识吸收与扩散B4柏洁 ：VR领域的新闻关注度篇0.021B5：VR领域的

人才需求数量人0.042B6：VR领域的发明专利总数项0.262A3：VR产业创新

产出绩效B7：VR产业相关企业数家0.029B8：VR领域的科研论文篇0.087B9：

VR领域新增的有效发明专利项0.235

4评价模型的应用

基于前文确定的产业知识基础评价指标体系，本文将应用大数据技术获取的2018

年各项数据评价各省以及长三角、东北三省、珠三角、京津冀地区区域VR产业知

识基础。根据整个评价工作的实际需要，我们关注各区域之间的优劣情况，因此采

用极大值化法按照式（5）对所有数据进行去量纲化处理，其中，xi为某省的数据，

i值为评价指标编号即上文3级指标下标，取1～9。

结合表4的数据权重最终得出国内各省VR产业知识基础评价结果，如表5所示。

表52018年全国31个省份VR产业知识基础评价结果省份得分省份得分省份

得分省份得分广东省81.82天津市15.90湖南省9.85山西省6.49北京市31.82

河南省15.46湖北省9.23宁夏6.44山东省31.82河北省14.57内蒙古8.65吉

林省6.18浙江省26.94陕西省14.56江西省8.51海南省5.83江苏省26.41广

西13.80重庆市8.44青海省4.00辽宁省25.25黑龙江12.44云南省8.00西藏

0.69上海市23.79福建省12.00甘肃省7.13新疆0.61四川省17.77安徽省

10.18贵州省6.73

据表5中的产业知识基础综合评价结果，在全国22个省份、4个直辖市和5个自

治区的产业知识基础综合排名中，广东以综合指数得分81.82分遥遥领先于其它

省市；排名最后的西藏、新疆产业知识基础综合指数仅为0.69、0.61分。北京、

山东等省市发展较快，各项指标得分均在30分以上，而吉林、海南、青海等地区

的各项指标得分较低，严重影响了VR产业未来的进一步发展。从区域知识基础的

指标来看，东部省份综合评价得分较高，总计得分296分，即使排图片虚化 除广东省外得

分也有214分，可以说资源集聚明显，产业知识基础雄厚；中部各省市软实力发

展十分均衡，各项指标得分均在10分左右，总和为78.3分；西部地区得分较低，

大多地区软实力综合指数排名居于后位。将区域进一步细分可得珠三角地区综合得

分81.8分，长三角总和得分50.2分，京津冀地区综合得分62.3分，东北地区综

合得分43.87分，考虑到东北地区和京津冀地区相邻，可能会在产业发展中出现

一定的区域协同效果，初步可以判断我国目前VR产业知识基础最好的区域是珠三

角地区和京津冀——东北地区，未来产业发展也将围绕这两个区域展开。

5结论与展望

本文综合层次分析法（AHP法）和DEMATEL方法的优点构建了VR产业知识基

础评价模型，使得权重的计算更加科学。在此基础上，本文搜集全国31个地区

2018年的相关数据进行实证检验，通过多维尺度分析VR产业知识基础发展情况，

按照东、中、西部地区进行排名比较和分析，结合VR产业知识基础评价结果得出

我国目前VR产业知识基础最好的区域是珠三角地区和京津冀——东北地区，未来

产业发展也将围绕这两个区域展开以及当前我国VR产业知识基础整体呈现出东部

较强、中部一般、西部极弱的态势的主要结论。结论与目前东部区域经济水平硬实

力强，发展速度快于其他区域的事实基本相符，一定程度上说明经济发展水平较高

的省份VR产业知识基础也较强，符合区域经济发展规律。但东西部差异过大也说

明VR产业知识基础在各个区域之间发展不平衡，经济弱省VR产业知识基础提升

缓慢将进一步拉大区域差异。

参考文献

【相关文献】

［1］BrinkJ，MckelveyM，tualizingandMeasuringModern

BiotechnoloGy［C］／／MckelveyM，RickneA，nomic

nham：EdwardElgar，2004：20～42.

［2］牛盼强.上海产业知识基础配置的格局研究［J］.科研管理，2018，39（9）：86～92.

［3］AsheimB，dgeBasandRegionalInnovationSystems：

ComparingNordicClusters［J］.RearchPolicy，2005，34（8）：1173～1190.

［4］王尉东.中国高技术业产业知识基础评价研究［J］.绍兴文理学院学报（哲学社会科学），

2016，36（5）：100～107.

［5］pleHelix：AEvoluTionaryModelofInnovations

［J］.RearchPolicy，2000，（129）：243～255.

［6］牛盼强，谢富纪，李本乾.产业知识基础对区域创新体系构建影响的理论研究［J］.研究与发

展管理，2011，23（5）：101～109.

［7］瞿英，路亚静，刘紫玉，等.基于AHP-DEMATEL法的权重计算方法研究［J］.数学的实践

与认识，2016，46（7）：38～46.

［8］彭迪云，刘帅.基于AHP-DEMATEL的金融信息网站综合评价及提升路径——以16家上市

银行为例［J］.科技管理研究，2016，36（18）：176～181.

［9］李琳，龚晨.多维邻近性对不同知识基础产业创新的影响——基于ANN和OLS回归双重检

验［J］.科学学研究，2017，35（8）：1273～1280.

［10］王尉东.产业知识基础对产业创新绩效的影响研究［D］.合肥：中国科学技术大学，2017.

［11］刘鑫，史玉升，王莹.专利技术产业化视野下的产业技术知识基础评价研究——基于3D打

印专利情报［J］.现代情报，2017，37（9）：150～155，163.

［12］魏阙，戴磊.吉林省区域创新能力评价指标体系研究［J］.科研管理，2015，36（S1）：

22～28.