一、引 言

我国“十二五”规划提出重点发展生物医药产业。从全球经济走势与我国发展战略来看，对于中国这样的发展中国家而言，发展生物产业是一次实现社会生产力跨越式发展的重要战略机遇，而生物医药产业正是生物技术应用最频繁的领域。同时“十二五”期间我国还出台了《生物制药“十二五”规划》，最新的“十三五”规划中针对生物医药产业特制定了《“十三五”生物技术创新专项规划》[1，2]。

但是，生物医药产业在全国各地区发展情况差异较大，2015年我国医药制造业资产总计达到25071.1亿元，我国东部地区占比达55.87%，中西部合计占比仅33.71%，剩余10.42%为东北地区占比。同年我国医药制造业有效发明专利数达到31259件，其中东部地区占比达到惊人的62.81%，中西部合计占比仅32.68%，剩余4.51%为东北地区占比，四个地区之间的差异可谓十分显著。与此同时，我国各省之间的生物医药产业发展水平也存在着较大的差异，因此，生物医药产业既面临历史性的战略机遇，同时又得因地制宜，区别对待。在发展生物医药产业的战略背景下，研究各地区生物医药产业发展水平并进行正确指引则成为重要的研究方向。

关于发展水平空间差异的研究，在各个领域都有大量的研究成果。高锡荣等基于效率、公平以及效率公平协调度构建了城乡信息化协调发展水平模型，并利用主成分分析与聚类分析相结合的方法分析了我国31个省(直辖市、自治区)城乡信息化协调发展水平的差异[3]。孙久文等通过建立2005-2009年中国31个省、自治区、直辖市的面板数据，使用Malmquist指数法对中国服务业的全要素生产率进行研究，从而分析中国服务业全要素生产率在空间分布上存在的区域差异性[4]。朱一中等基于“压力—状态—响应”框架(PSR)形成城市土地集约利用评价指标体系，并采用主成分分析方法对广东省21个地级市的城市土地集约利用水平空间分异特征进行评价和分析[5]。王新越等通过构建新型城镇化评价体系，采用熵权法对我国31个省份新型城镇化的发展水平进行评价，并运用灰色关联度法对新型城镇化发展水平与各评价指标间的关联度进行分析，从而体现出区域差异[6]。

我们刚走到峡口，就看到一条“大龙”活灵活现地盘旋在半山腰上。我想这是什么呢？妈妈曾经给我讲过，世间是没有真龙的，人们为什么要在这里创造出这样的大龙呢？我带着好奇心走向那条大龙，哇！那条龙里竟然是一部电梯，人类的想象力真是太丰富了！怪不得这里叫龙庆峡呢！

目前，我国生物医药产业持续发展，而产业发展水平及发展方向已成为学术层面乃至国家层面普遍关注的焦点问题。现有的研究较多集中在生物医药产业发展的理论分析、评价指标体系的建立以及推动产业集群发展的措施等方面，存在较大的局限性。一方面，评价指标体系与选取的指标较为单一，数据来源口径不一致，这在一定程度上对生物医药产业发展的主要制约因素或促进因素的实证分析产生了影响；另一方面，生物医药是以高技术、高投入、高风险、高回报以及长周期而著称的产业，进行集群化发展虽是一个较为可行的方向，但大多数研究都是建立在各地区之间生物医药产业发展彼此独立，不存在任何相互作用的假设之上，其缺乏空间视角，没有展示出空间上的趋同或者异质化特征。

本文以《2016中国高技术产业统计年鉴》为基础，并辅以《2016中国科技年鉴》以及《2016中国统计年鉴》等，规范生物医药产业数据来源途径；通过建立多指标综合评价体系，以规避单一指标以偏概全的风险；利用因子分析与熵权法相结合进行客观赋权的评价方法测算我国生物医药产业各地区发展水平的综合评分，因子分析法在许多评价指标体系构建与实证分析相结合的论文研究中有广泛应用，其适合拥有众多相关性变量的分析，侧重于保证信息度的完整性，但直接使用其方差贡献率或各因子的特征值与特征值综合的比率作为权重进行综合评价是存在争议的，而熵权法虽同样作为一种客观赋权法，但其侧重于确保重要熵值在综合评价中的作用得到呈现，重点在于赋权的科学性，因此两种方法的结合能彼此互补，使得整个综合评价过程更加科学合理[7,8]；以生物医药产业综合评价得分为基础进行聚类分析和探索性空间数据分析(ESDA，Exploratory Spatial Data Analysis)，ESDA作用于研究数据的空间集聚和空间分异，并从空间自相关当中的全局和局部两个空间角度对我国生物医药产业发展水平分布格局进行描绘以及可视化，从而揭示各地区之间的空间相互作用，为生物医药产业更好进行因地制宜发展提供参考借鉴[9]。

西方文明发展演进逻辑意义上的发展，经历了非现实性向现实性转变的过程，特别是具备现实性特征后，人们对发展的认识越来越趋向经济增长、财富增加、社会进步以及管理制度结构和信仰的变化。

二、指标体系与研究方法

(一)综合评价指标体系构建

影响中国生物医药产业发展的因素繁多且复杂，对其进行研究时，首先要构建其指标体系，建立其指标体系应遵守综合性、科学性、可比性和可操作性原则。本文采用综合评价指标对中国31个省或直辖市的生物医药产业区域发展水平进行分析，依据2016年的《中国高技术统计年鉴》，辅以《2016中国科技年鉴》并结合行业特点，选取了包括三个方面26个具体指标的中国生物医药产业发展水平研究指标体系，见表1。

(二)因子分析法

因子分析法是一种从众多变量中提取公共因子的统计技术，以初始数据的相关性为基点，通过分析相关矩阵或协方差矩阵，用少数几个相互独立的公共因子替代原相关性较高的指标，实现减少变量的目的，能用较少的因子反映原始资料的绝大部分信息，减少需要分析的变量数目，同时降低了分析的复杂性。

表1 我国生物医药产业发展水平综合评价体系指标

目标层准则层指标层生物医药产业发展水平规模与效益科技创新能力发展潜力(X1)企业数/个(X2)从业人员平均人数/人(X3)资产总计/亿元(X4)主营业务收入/亿元(X5)利润总额/亿元(X6)施工项目/个(X7)建成投产项目/个(X8)投资额/亿元(X9)新增固定资产/亿元(X10)出口交货值/亿元(X11)有R&D活动的企业数/个(X12)R&D人员/人(X13)R&D人员折合全时当量/人年(X14)R&D经费内部支出/万元(X15)R&D经费外部支出/万元(X16)新产品开发项目数/项(X17)新产品开发经费支出/万元(X18)新产品销售收入/万元(X19)专利申请数/件(X20)有效发明专利数/件(X21)有研发机构的企业数/个(X22)机构/个(X23)机构人员/人(X24)机构经费支出/万元(X25)固定资产交付使用率/%(X26)项目建成投产率/%

因子分析法的数学模型可表示为：设原有n个变量X1,X2,…，Xn且均已经过标准化处理，将每个变量用m(m<n)个因子f1,f2,f3，…，fm的线性组合来表示：X=Af+aξ，其中f是公共因子，A是因子载荷矩阵，aij为因子载荷，是第i个原有变量在第j个因子变量上的负荷，ξ为特殊因子，表示原有变量不能被因子变量所解释的部分，其均值为0。

(三)熵权法

首先为了消除数据因量纲不同造成的差异，本文在进行因子分析之前用Z-score法将原始矩阵R予以标准化处理，对样本进行KMO值和 Bartlett球形检验，由表1可知:KMO=0.721>0.6，同时Bartlett的球形检验相伴概率P=0<0.05的显著性水平，拒绝零假设(零假设如果成立，则变量之间是相互独立的，不能提取公因子)，可以表明数据适合进行因子分析。

将经过标准化的数据记为Znm=(Zij)，其中城市i=1，2，…，n；生物医药产业发展水平评价指标j=1，2，…，m，对其进行非负化处理，然后计算各指标熵值。利用城市i第j项指标的比重Pij计算第j项指标的熵值：

由此可得到第j项指标的信息熵冗余度;di=1-Ej;再计算各指标的熵权。设Wj为第j个评价指标的熵权，则指标的熵权：最后将因子分析法计算出的各公共因子得分进行熵值赋权，求得综合因子得分：

(四)空间差异分析方法

ESDA(Exploratory Spatial Data Analysis，探索性空间数据分析)是一系列空间数据分析方法和技术的集合，以空间关联测度为核心，通过对事物或现象空间分布格局的描述与可视化，发现空间集聚和空间异常，揭示研究对象之间的空间相互作用机制。本文采用最经典的空间自相关Moran’s I指数来测度空间关联特征，其又可分为全局Moran’s I和局部Moran’s I，前者是用于检验观测值在整个研究空间内的空间分布特征，探索研究空间内邻近地区是聚集、分异(空间正相关、负相关)，还是彼此独立的；后者是用于检验整个研究空间子区域上的空间聚集和空间分异。

野生动物栖息地需要不断完善、不断建设，而野生动物也需要相关人才悉心照看，所以国家应该不断培养相关人才，制定相关的人才培养政策。由于野生动物容易在野外生活中受伤、生病，这就需要大量的专业人员对它们进行救治、饲养等。同时，有些种类的野生动物已经濒临灭绝，这也需要专业人员对它们进行人工繁育，利用现代技术来保护野生动物，帮助它们生存繁衍，避免灭绝，确保物种资源的恢复与发展。

科技公司大陆集团与全球领先的移动出行平台滴滴出行正式签署战略合作协议，发挥双方在智能互联和出行服务领域的优势，共同推动智能出行发展，致力提升人们的出行体验。基于大陆集团在车联网领域的先进产品和技术、丰富的设计和工程研发经验，以及滴滴在出行领域的实践经验，双方将通过多种形式在智能网联汽车和定制新能源汽车方面开展项目合作。

Moran’s I指数处于-1～1之间。全局Moran’s I计算公式如下：其中

为了解学生对三稿式写作教学模式的认可度，明确他们的真实意见和态度，笔者使用李克特5级量表设计了调查问卷。问卷分为两大部分，分别调研学生对句酷批改网作文反馈和三稿式写作教学模式的态度和看法。调查于第十六周后测结束后的二十分钟内进行，共收回有效问卷39份。之后笔者依据目的抽样原则选取6名同学（优秀、中等和较差各两名）进行了访谈。

将熵值赋权结果嵌入各单项发展水平得分，得出我国生物医药产业发展水平综合评价得分(见表6)：F=(F1×0.4628+F2×0.4092+F3×0.1281)。

式中：n表示研究地区数量；Xi、Xj为i、j的观测值；为观测值的均值；Wij为研究对象i、j之间的空间权重矩阵(i、j相邻时Wij=1；否则Wij=0)；Z′i和Z′j是经过标准化的观测值。

三、实证分析

(一)因子分析

熵值赋权法是一种客观的赋权方法，它是利用各指标的熵值所代表信息量的大小来决定指标权重的方法。其可以避免各评价指标权重的人为因素影响，使评价结果更加客观实际。本文采用熵值赋权法确定各公共因子在综合因子得分中所占的比重。

表1 KMO和Bartlett的检验

取样足够度的Kaiser-Meyer-Olkin度量0.721Bartlett 球形度检验近似卡方dfSig.2100.3143250

通过SPSS20.0对经过标准化处理的指标数据进行因子分析，以特征值≥1且累计方差贡献率>85%的原则提取公共因子。由表2可知：根据以上原则可提取三个公共因子，三个公共因子累计方差贡献率达到91.256%，包含了26个指标数据的绝大部分信息，具有显著的代表性。

2)注重提水设备的产业化、系列化发展。总结经验教训，制定切实可行的发展规划，通过产业化运作，可以加快产品质量的提高。为了最大限度地满足牧民需要，根据牧区各地井深、出水量不同，提水设备要进行系列化研究。同时，做好产品的售后服务和新型储能设备的研发工作。

表2 解释的总方差

成份 初始特征值 提取平方和载入 旋转平方和载入 合计方差的%累积%合计方差的%累积%合计方差的%累积%120.45978.68878.68820.45978.68878.68814.49955.76755.76722.258.65487.3422.258.65487.3427.57229.12584.89231.0183.91491.2561.0183.91491.2561.6556.36591.256

为使公因子表达含义更加明确，对初始负荷矩阵运用方差最大化法正交旋转，得到正交因子负荷矩阵，由表3可知：第一，公因子在企业数、从业人员平均人数、资产总计、主营业务收入、利润总额、施工项目、建成投产项目、投资额、新增固定资产具有较大载荷，因此命名为规模与效益因子；第二，公因子在出口交货值、有R&D活动的企业数、R&D人员、R&D人员折合全时当量、R&D经费内部支出、R&D经费外部支出、新产品开发项目数、新产品开发经费支出、新产品销售收入、专利申请数、有效发明专利数、有研发机构的企业数、研发机构、研发机构人员、研发机构经费支出具有较大载荷，因此命名为科技创新能力因子；第三，公共因子在固定资产交付使用率和项目建成投产率具有较大载荷，因此命名为发展潜力因子。

表3 旋转成份矩阵

指标成份123指标成份123X16=新产品开发项目数0.9280.315-0.037X21=有研发机构的企业数0.8390.3510.182X24=机构经费支出0.9190.3250.014X19=专利申请数0.8140.40.093X13=R&D人员折合全时当量0.9110.3820.064X3=资产总计0.7790.564-0.08X23=机构人员0.910.3540.075X5=利润总额0.7030.656-0.094X12=R&D人员0.8790.4530.019X8=投资额0.390.8870.141X15=R&D经费外部支出0.8750.370.043X9=新增固定资产0.4080.8360.26X18=新产品销售收入0.8680.4390.002X7=建成投产项目0.4530.780.312X10=出口交货值0.8620.3330.077X2=从业人员平均人数0.5860.7670.02X11=有R&D活动的企业数0.8590.4440.099X6=施工项目0.5250.7570.245X22=机构0.8570.3560.186X4=主营业务收入0.6330.747-0.017X17=新产品开发经费支出0.8530.466-0.084X1=企业数0.6290.7460.057X20=有效发明专利数0.8470.33-0.166X26=固定资产交付使用率0.1120.0150.831X14=R&D经费内部支出0.8450.472-0.08X25=项目建成投产率-0.2180.420.744

(二)熵权法确定权重及综合评价

由表3可得到三个公共因子的得分函数：

第Ⅴ类是甘肃、贵州、内蒙古、海南、宁夏、新疆、西藏、青海，属于产业发展水平低的区域。它们大多数是西部省份，无论在经济发展水平还是生物医药产业发展水平均落后与全国其他省份。随着国家的政策导向以及对该类地区的基础设施投资增加和地区的招商引资的优惠政策将增加该类地区生物医药产业的经济总量。

限于篇幅，剩下的三个公共因子得分函数不再进行列示，根据得分函数可以得到各地区生物医药产业发展水平的主因子值，从而测算出各单项发展水平的情况，如表4所示。

表4 单项发展水平得分表

城市F1(规模与效益)排名F2(科技创新能力)排名F3(发展潜力)排名江苏52.27118833134.1084596324.943889761山东49.15363816234.7564987712.506345172浙江27.7187834315.0220394932.278054785广东21.82233698412.2761873141.0039307910河南6.8602010658.7873238551.975903756湖北6.4885616866.1419511360.9379704611四川4.1838756974.8526847581.247922269河北3.5829243283.9434595891.623609458湖南2.1332194293.39055141102.331915363安徽1.66150689102.27685948110.4849099814北京0.8938237511-3.1098977113-4.7782855631吉林0.84639458125.6700556572.320832834上海-0.3291019913-3.7098296215-3.6822669129天津-1.2562238914-4.2885905716-3.1013161827江西-2.12536397151.1015865112-0.2589517919重庆-4.616325816-3.51368216140.0661964317黑龙江-7.8005322417-5.904404620-0.0128172218辽宁-7.9138760518-4.43592524180.8703180312福建-8.0315180519-6.09919532210.0839691316云南-8.6014108820-6.7809081822-1.2880503825陕西-8.7557491621-5.1703932219-0.8131947322广西-9.02302322-4.41737664170.8256252513山西-10.3602288823-6.83307585231.777701837贵州-11.026505424-8.3537486226-0.5741079620海南-11.2841582525-9.842208327-3.2383708928甘肃-11.9146381826-7.35474232240.442689815内蒙古-12.8371362227-7.5663025425-1.2669335824宁夏-14.734235228-10.4862045528-0.7108111721新疆-15.1290463929-10.7934134929-1.3290838326青海-15.855126130-11.9232303231-3.8481026530西藏-16.0223073531-11.7445812930-0.8195223123

由于直接使用因子分析的方差贡献率或各因子的特征值与特征值综合的比率作为权重进行综合评价存在争议，因此使用熵权法来确定公因子得分的权重。利用Matlab2012对计算得出的各公共因子得分进行熵值赋权，见表5。

表5 熵值赋权结果

熵值熵冗余度权重F10.87030.12970.4628F20.88530.11470.4092F30.96410.03590.1281

局部Moran’s I计算公式如下：

表6 我国生物医药产业发展水平综合评价得分

城市F排名城市F排名江苏38.781599921辽宁-5.36623470517山东37.291725852广西-5.87768297118浙江19.267090333黑龙江-6.02781056919广东15.251396944福建-6.20202083320河南7.023787245陕西-6.27205586221湖北5.6363467646云南-6.92047983622四川4.0818751117山西-7.36308495923河北3.4798254068甘肃-8.46694654424吉林3.0091968699贵州-8.59496386425湖南2.67338594210内蒙古-9.19945183426安徽1.76275325611海南-9.66457538527江西-0.5660209712宁夏-11.2010138628北京-1.47100689213新疆-11.5886431129上海-2.14206907314西藏-12.3259873130天津-2.7335502815青海-12.7096801631重庆-3.56575455716

(三)我国生物医药产业发展水平空间差异分析

1．聚类分析。根据各地区生物医药产业发展水平综合评分进行聚类分析，结果发现中国31个地区的生物医药产业发展水平可以分为五类：

从我国生物医药产业发展水平Moran’s I散点图(图1)所表达的情况来看，各地区散点较为集中的分布在第一和第三象限，这说明我国生物医药产业发展水平主要以高高聚集和低低聚集的形式存在，同时也证实了Moran’s I指数计量得出我国生物医药产业发展水平的空间分布具有较强的正相关性。

第Ⅰ类是江苏和山东，属于产业发展水平高的区域，综合得分分别位居第一和第二。两个省份都是位于东部沿海地区，2015年江苏和山东地区生产总值合计达到133118.71亿元，占2015年度国内生产总值19.41%，2015年江苏和山东地区生物医药产业主营业务收入合计7641.2亿元，占2015年国内生物医药产业主营业务收入总值29.70%。因此，两个地区无论在总体经济发展上还是在作为战略新兴产业的生物医药产业都是处于全国领先的状态，特别是对我国生物医药产业发展起到了至关重要的作用。

从我国生物医药产业发展水平局部自相关图来看，江苏、山东以及安徽呈现出高高聚集的状态。江苏生物医药产业一共有五个发展较快地区，分别为泰州、南京、江苏、无锡、连云港，而常州与南通则是依靠其得天独厚的地理区位优势逐渐赶超上来。于是江苏在原有泰州、南京、江苏、无锡、连云港等五个聚集区外再加上常州和南通等一共七个地区占据了全省80%的产量，而其产值则已达到全省总量的90%以上，产业集群水平相当高。山东省是制药大省，同时也是我国原料药的生产大省和供应大省，其规模始终位居全国首位，包揽了全国原料药市场上将近20%的份额。生物医药产业集聚区：主要有鲁中、鲁南、半岛三个医药产业聚集区。生物医药产业以济南高新区为发展重点，集技术研发与技术产业化为一体，同时以“一区六基地二十个示范企业”为主要内容、建设成区域相对集中、服务能力完善、具有国内先进水平的现代新药研究与成果转化体系。同时依托独特的地理优势，大力发展海洋生物医药。两大省份在综合评价得分中排名前两位，发展水平较高，安微地处中部地区与两大省份相邻，从而处于位置极佳的产业承接地带，充分吸收两省产业溢出效应，因而形成了高高聚集状态。

试验表明，传统RBM算法在隐单元个数100～140之间，RMSE达到了最低，也就是预测误差率达到了最小，改进的SRBM算法仅仅在隐单元个数60时，RMSE就已经达到达到最低。试验结果表明改进的SRBM算法比传统的RBM算法评分预测效果更佳，能很好地提高评分预测准确率，以及大大地降低推荐的工作量，为用户提供更好的推荐。

第Ⅲ类是河南、湖北、四川、河北、吉林、湖南以及安徽，属于产业发展水平一般的区域。表现较为突出的有河南、湖北、四川，其特点是在规模与效益、科技创新能力、发展潜力各方面较为均衡，若该地区加大对生物医药产业的投入，同时大力引导人才引入以及社会资金的注入，其发展潜力大有可观。

第Ⅳ类是江西、北京、上海、天津、重庆、辽宁、广西、黑龙江、福建、陕西、云南以及山西，属于产业发展水平较低的区域。其中北京、上海、天津、重庆等地区是以直辖市作为省级单位进行测算，由于其天然的区位优势以及科研等资源优势其产业发展已是非常可观。其他几个地区都是生物医药产业某些发展指标上拥有一定的竞争力，但其并未将生物医药产业放在战略发展地位，因此发展速度较为缓慢。但若积极提升该类地区的生物医药产业发展水平，将对繁荣我国生物医药产业有着重要意义。

F1=0.629X1+0.586X2+0.779X3+0.633X4+0.703X5+0.862X6+0.859X7+0.897X8+0.911X9+0.854X10+0.875X11+0.928X12+0.853X13+0.868X14+0.814X15+0.847X16+0.839X17+0.857X18+0.91X19+0.919X20+0.525X21+0.453X22-0.218X23+0.39X24+0.408X25+0.112X26

处理得到的学生信息成绩表如表1所示，属性间具有横向可比性。对表中数据应用聚类算法聚类后得到优、良、中、差四种聚类结果，如图1所示。

2．ESDA分析。为了进一步了解我国生物医药产业发展水平的空间关联情况，本文运用ESDA相关模型进行分析。海南省属于岛屿，不存在相邻省份，不便进行空间自相关方面的分析，故而只对30个省份及地区进行研究。按Rook原则组成空间权重矩阵，并应用GeoDa软件来测算我国30个省份及地区生物医药产业发展水平的Global Moran's I指数(衡量我国生物医药产业发展水平的整体相互作用程度)和Local Moran’s I指数(研究我国各区域与相邻区域的空间相互作用程度)，并描绘出Moran散点图。测算结果显示，我国生物医药产业发展水平Global Moran’s I指数为0.346674，表明我国生物医药产业发展水平在空间上呈现空间正相关，即发展水平在空间上表现为同类发展水平地区相聚集，发展水平较高的地区往往和发展水平较高的地区相邻，而发展水平较低的地区相邻往往也是同为发展水平较低的地区，马太效应十分明显。

脑性瘫痪(cerebral palsy, CP)简称脑瘫，由发育不成熟的大脑(产前、产时或产后)先天性发育缺陷(畸形、宫内感染)或获得性(早产、低出生体重、窒息、缺氧缺血性脑病、核黄疸、外伤、感染)等非进行性脑损伤所致，患病率约为每1000例活产儿中有2.0～3.5例，主要表现为运动障碍，伴或不伴有感知觉和智力缺陷[1-2]，给家庭带来巨大经济和精神压力。关注脑瘫患儿父母的心理状况及影响因素有深远意义。

图1 我国生物医药产业发展水平Moran’s I散点图

图2 我国生物医药产业发展水平局部自相关图

第Ⅱ类是浙江和广东，属于产业发展水平较高的区域。两个省份同样位于东部沿海地区，2015年浙江和广东地区生产总值合计达到115699.04亿元，占2015年度国内生产总值16.88%，2015年浙江和广东地区生物医药产业主营业务收入合计2566亿元，占2015年度国内生物医药产业主营业务收入总值9.97%。两个地区在总体经济发展水平上相较于第一类差距较小，但在生物医药产业发展贡献上则差距较大，因此仍需加快追赶步伐。

上海在局部自相关图当中呈现出了低高聚集。上海生物医药产业创新能力和与国际接轨的程度皆领先于全国其他地区，尤其是在创新技术的研发、技术投产率、医药研发合同外包服务、对外交流等方面在全国来说更是首屈一指；同时，上海市集聚了世界生物医药前十强中大部分企业，构架出了以中国科学院上海药物研究所、国家人类基因组南方研究中心为核心的“一所六中心”研究体系，其已成为长江三角洲乃至全国生物医药产业创新技术研发以及研发成果转化集聚地。目前，该产业集群已经走出了依赖于资源禀赋生产低技术含量产品的阶段，其发展的主要动力来自于科技研发的投入。因此，上海正以高投入、高开发的形式力争早日占据生物医药产业链的制高点，与此同此，相邻近的江苏、山东以及浙江等地区都受到其技术研发与成果转化的承接，形成优势互补合作共赢的生物医药产业布局态势充分发挥自身优势，从而促使自身得到了更好的发展，因此才出现了低高聚集。

四川在低低聚集的区域独树一帜的呈现出了高低聚集。这是由于四川生物资源丰富，是我国三大生物资源聚集区，拥有丰富多样的动、植物物种资源库和基因库，在如此得天独厚的条件下建立并运行了生物资源中心，对于生物医药技术的研发与创新提供了良好的基础。与此同时依托于四川大学华西医院的先进科研能力，同时配备四川大学生物治疗国家重点实验室、华西医院国家药物临床试验机构/GCP中心的研发平台，这些都使四川成为引领西部地区生物医药产业发展的一面旗帜。

四、结论与建议

通过以上研究可得出如下结论：第一，通过综合评价，得知我国生物医药产业发展水平差异巨大，东部沿海地区发展水平较高，中部西部地区仍存在较大的进步空间。第二，通过聚类分析，可将生物医药产业发展水平各异的省份划分为高水平、较高水平、一般水平、较低水平以及低水平等五个发展集团。第三，通过空间差异分析，发现我国生物医药产业发展水平的空间布局呈现出正相关性，即生物医药产业发展水平较低的地区呈现“弱弱集聚”效应，生物医药产业发展水平较高的地区呈现“强强集聚”效应。

为此，提出如下建议：

直线电机气隙在线监测系统采集到了大量的直线电机状态历史数据，并将数据存储在数据库中，通过进行大数据分析和挖掘，可以找出直线电机下沉的趋势，实现对直线电机故障的预判。

(2)①有机碳的脱除率受两个因素的共同影响:一方面,温度越高,反应速率越快,在相同投料比、相同反应时间内,有机碳的脱除率越高;另一方面,温度升高可使较多的H2O2分解,氧化剂的量减少,使得有机碳的脱除率降低。80℃后,H2O2分解对有机碳脱除率的影响超过了温度升高的影响,导致脱除率逐渐降低。

1．针对聚类分析中的第Ⅰ类区域。此类地区生物医药产业发展水平高，因此，应当积极响应“十三五”产业转型优化政策，在保持现有规模和效率的情况下，实施创新驱动发展战略。(1)创建生物医药产业协同创新联盟。江苏和山东可以作为创新联盟的核心，促进两省及周边地区高等院校的学科合作，实现产业人才协同培养机制；搭建企业与企业、企业与高校之间的沟通渠道，从而为共性技术开发与产业化提供便捷通道。(2)打造生物医药航母企业。政府应当根据企业现有实力与未来发展潜力着重做好战略规划，如为领军企业实施高端人才与社会资本的引导流入工作，支持领军企业参与重大专项规划的编制，积极为企业做好宣传工作。

2．针对第Ⅱ类区域，此类地区生物医药产业发展水平较高，可依靠其自身区位优势加快追赶步伐。(1)差异化招商以提升产业竞争力。着重引进国家、省级研发机构以提升研发能力，同时引进营销及市场服务等企业类型，从而完善生物医药产业链的平衡性。(2)培育生物医药产业总部经济。浙江与广东作为我国的两个经济大省，其区域优势以及政策是其他地区无法比拟的，因此加大力度建设产业总部经济以及依靠地理优势积极开发海洋生物医药产业需要作为重点进行部署。

3．针对第Ⅲ类区域，此类地区生物医药产业水平发展一般，因此，结合本地资源优势特点是最为可靠的发展方式。(1)推进横向一体化的产业集群发展模式。地处中部的各省份应当以产业集群协同发展为中心目标，打破行政区域限制，定期召开区域产业峰会，从而形成多区域聚集效应。(2)提升“政用产学研”联动发展效果。中部各省虽没有北京、上海等地的政策优势以及东部沿海地区的区位优势，但依然可以依靠政府扶持以及本地高等院校的独特优势打造政府、企业、用户、市场、产业、高校及科研机构相互循环的生态闭环。鼓励生物医药企业建立技术研发中心，以产学研联合的方式聘请高校科研人才合作进行技术研发。在人才培养和科技成果研发等方面开展紧密合作，加快研发进度，提升研究效果，促进项目投产效率，最终实现多方共赢。

4．针对第Ⅳ类区域，此类地区生物医药产业发展水平较差，但其中北京、上海、天津、重庆是以直辖市作为省级单位进行测算，因而其产业发展水平已是非常可观。(1)发挥企业总部优势。在我国设立总部的跨国公司绝大部分都将其地址选在北京、上海两地，这是由于两市分别是我国的政治中心和金融中心，其基础配套设施、区位优势、专业研发水平、人力资源等条件都能使跨国公司的利益得到最大化。相应的，跨国企业总部的聚集能推动技术溢出效应以及降低信息传递与交易成本，同时也能形成高级人才的集聚效应。(2)发挥研发优势。北京和上海拥有全国科研学术水平最高的高等院校和生物医药研发机构，汇聚了我国生物医药产业大部分的智力以及技术资源[10]。因此使北京和上海形成“总部+研发”的布局特点，而天津、河北、江苏、安徽等地则吸收北京和上海两市的技术溢出效应，进而承担“制造”功能。(3)加强知识产权保护力度。生物医药产业作为知识密集型产业，专利技术的研发与创新是其生存的命门所在，政府应当积极提供知识产权服务，从法律层面保障生物医药企业的创新活力。

5．针对第Ⅴ类区域，此类地区生物医药产业发展水平差，应当以稳步跟进为主。(1)加大财税政策对于生物医药产业的倾斜度。一方面从技术承接、生产再到产业化这整个过程都应当基于税收优惠，从而提升整个产业的积极性，另一方面各地区根据自身财政收入状况，加大对生物医药产业的投入，从而保持本地区生物医药的有序发展。(2)提升生物医药产业融资能力。政府除了提供必要的补贴以外，还可以引导各类风险投资进入生物医药领域，协调各级金融机构对发展潜力良好的生物医药企业予以信贷支持。

参考文献：

[1] 国务院.中华人民共和国国民经济和社会发展第十三个五年规划纲[R].2012.

[2] 科技部.“十三五”生物技术创新专项规划[R].2017.

[3] 高锡荣,徐璐璐.我国城乡信息化协调发展水平的空间差异分析[J].图书情报知识,2013(2):64-72.

[4] 孙久文,年猛.中国服务业全要素生产率测度与空间差异分析——基于非参数Malmquist指数方法的研究[J].山西大学学报(哲学社会科学版),2011,34(6):95-100.

[5] 朱一中,曹裕.基于PSR模型的广东省城市土地集约利用空间差异分析[J].经济地理,2011,31(8):1375-1380.

[6] 王新越,秦素贞,吴宁宁.新型城镇化的内涵、测度及其区域差异研究[J].地域研究与开发,2014,33(4):69-75.

[7] 王学民.对主成分分析中综合得分方法的质疑[J].统计与决策,2007(8):31-32.

[8] 伏润民,常斌,缪小林.我国地区间公共事业发展成本差异评价研究[J].经济研究,2010,45(4):81-92.

[9] Anselin L.Interactive techniques and exploratory spatial data analysis[C]//Longley P A，Goodchild M F，Maguire D J，et al(eds.).Geographical information systems，principles，technical issues，management issues and applications. John Wiley & Sons，Inc，1999：253-266.

[10] 李国平,方晓晖.基于价值链分工的跨国生物医药企业在华布局模式[J].地域研究与开发,2016,35(4):6-11.