以科学技术创新为基础的产业创新能力是世界各国经济发展的核心竞争能力。科技研发投入比重相对较高的高技术产业,以其创新性特征成为一国或地区的战略性产业。产业的创新能力是涉及多个方面的综合性能力,包括各种形式的创新活动,创新产出等。因此,如何测度和评价高技术产业的创新活动,从而为国家科技创新的制定和实施提供科学依据,是产业统计研究领域的重要课题,同时也是综合评价方法的重要应用领域。综合评价是对多指标研究对象进行全面评价的一种方法,在社会各个领域有着广泛的应用,因而也产生了多种不同的具体方法。这丰富了综合评价问题的研究手段,但是也给研究人员对于有效分析方法的选择带来难度。如何依据数据特征和各种评价方法的原理,选择相对最优的评价方法,成为目前综合评价方法研究领域具有重要实践意义的问题。在常见的评价方法中,根据应用特点,选择了五种具有代表性的综合评价方法,通过原理分析和实证研究,探讨方法的数据适用性,并研究了如何选择相对较优方法的途径。首先对主成分分析法、TOPSIS方法、灰色综合评价法、熵权法和人工神经网络等五种综合评价方法进行原理分析,总结其适用规律是:主成分方法适用变量间具有较强相关关系的数据对象;熵权法适用于分布不平衡的数据对象;TOPSIS方法、灰色综合评价法适用于样本较少,变量之间没有较强相关关系的数据对象;人工神经网络适用于对大数据的综合评价。其次,以全国31个省市区高技术产业相关数据为例,构建了其创新能力综合评价指数,并将上述五种综合评价方法应用于实证分析,将五个评价结果进行对比,通过kendall协调系数和Spearman相关系数对五种评价方法进行一致性检验,并以相关部门发布的数据作为参照标准进行方案择优,结论是主成分分析法在本例中的评价结果最接近参照标准。本文对综合评价方法的应用进行了有益探索,研究成果不仅为高技术产业创新能力评价提供了方法参考,而且对所有综合评价方法的应用都具有参考价值。