中国高技术业产业知识基础评价研究

王尉东

(1.中国科技大学，安徽 合肥230026；绍兴文理学院 经济与管理学院，浙江 绍兴312000)



中国高技术业产业知识基础评价研究

王尉东1，2

(1.中国科技大学，安徽 合肥230026；绍兴文理学院 经济与管理学院，浙江 绍兴312000)

本文从中国高技术产业创新活动自身规律出发，运用熵值法作聚类分析建立高技术业产业知识基础评价指标体系，对影响中国高技术业产业创新和发展的产业知识基础分类，分析各组变量影响和作用，探索产业知识基础各变量对高技术业创新与发展的作用机制。

高技术业；产业知识基础；评价

在创新驱动产业升级的战略背景下，根据《中国制造2025》对产业创新的要求，结合当前创新发展的国际国内新形势新动态，要推动中国高技术业创新，需要准确衡量高新技术产业创新水平。本文从产业知识基础理论角度出发，尝试构建价高技术业产业知识基础指标评价体系，望能科学、合理、客观地认识高新技术产业创新知识基础，掌握高技术产业创新活动规律，并能全方位、多层次地推进高技术业的持续创新。

一、高技术业产业创新知识基础述评

(一)知识基础

影响创新最关键的因素是知识基础(Smith，2000)[1]，一个配置的知识基础是系统与连贯的知识集成，包括跨经济或社会的关系与制度整合。对配置的知识基础深入研究发展为公司知识基础(Saviotti等，2007)[2]、产业知识基础(Smith等，2000)[1]与经济知识基础(Leydesdorf，2006等)[3]三类。它们从不同层面解释与创新的关系，而产业知识基础侧重于阐释产业层面知识基础与创新的关系。也就是说产业知识基础是联系产业与知识创造的，在产业中可以共享、共用基础性信息或知识(牛盼强、谢富纪，2011)[4][5]。相关研究认为公司的表现与他们内在的知识基础能力密切相关，也有观点认为，它是公司为达成生产的目的应用的集体知识，本文倾向于前者，但认为公司目的不仅仅在于生产。Leydesdorf(2006)[3]也从更广层面提出经济知识基础概念，认为其来源于知识经济。

(二)产业知识基础

产业知识基础由综合型知识基础与解析型知识基础组成，综合型知识基础是对原有知识的重组和应用而获得创新，而解析型知识基础则是借助于科学研究得到的新知识，由此而创新(Asheim、Coenen，2004，2005)[6]。研究认为，属于解析型知识基础包括信息技术、无线通信、电子技术和生物技术等，而综合型知识基础则包括如食品制造业、安装使用工程、专门高级工业机械制造业、造船业等。其他学者如Gertler(2005)[7]的研究认为农业一生物技术、生物技术、光子学也归于解析型知识基础，并提出了杂色知识基础包括如航天和医药技术等行业。综合型知识基础与解析型知识基础有区别但它们间也有联系(牛盼强、谢富纪，2011)。不同的产业发展和创新需要基于不同的知识基础(薛杰，2011)。[8]

产业知识基础的创新特性指不同产业在进行创新过程中所需要的知识类型、新知识产生的方式、创新的程度、创新的参与者等。产业知识基础包括综合型知识基础和解析型知识基础，隐性和显性知识。同时，知识基础的三种类型虽有差异但也有联系，要考虑它们之间联系程度对创新的影响。产业创新也受公司知识基础的广度和深度的影响。研究表明，公司知识基础的广度决定了企业认识和评估外部知识范围的能力，因此企业的知识领域掌握越多，其知识吸收能力必然上升；同时，企业对技术的掌握程度越深，越容易从后继项目中获取知识，说明其深度对公司吸收能力提高的作用显著[9]。

二、高技术业产业知识基础指标选取

(一)高技术业产业创新知识基础及其特征

高技术产业是以知识要素(主要是人的创造力)主导产业竞争进行产品开发和生产的产业，上文的相关研究已把如医疗设备制造业、生物技术和信息技术业等归类于解析型知识基础，医药制造业属于两者之间的杂色知识基础，因此，本文认为从产业知识基础角度看中国高技术业主要属性是解析型知识基础，对其分析与评价也应更侧重于这个特点，如产业知识基础上创新的主体中有三种类型的科学家在对创新中贡献最大(Baba，2009)[10]，同时，网络学习有助于知识的创造活动，有利于大学、研究机构和企业间这些重要知识创作者间的合作。知识协同形式可表现为专利许可、联合研发、共同参与会议、学术创业、非正式研讨、通过项目培训学生、人员互流等(Schartinger，2002)，而企业从外部获取知识(学习和模仿)的投入可用技术引进和消化吸收经费反映，这方面的投入会影响开放式创新对组织创新绩效，企业吸收能力和知识整合对于组织创新、组织绩效均有显著的直接正向影响(杨静武，2007；简兆权等，2008)；由显性知识和隐性知识构成的解析型知识基础的知识，其创新产出多是以专利或报告等描述形式出现，因此专利和出版物等也归属于产业创新的产业知识基础(Asheim B T，Coenen L，2005)。从创新绩效来看，新产品或新市场是高技术业最主要经济效益提高的表现形式，因为新产品销售收入体现企业创新(包括模仿和自主创新)，也是企业获得新知识进而产业与商业化的效果(孙玮等，2010)[11]。

(二)高技术业产业知识基础变量

组织为了适应信息和技术加速发展及外部环境变化，从原有封闭式创新发展到合作创新、协同创新和开放式创新这三种创新模式，开放式创新组织能够利用企业内外部创新资源和内外部商业化资源促进新技术的开发、共同拓展市场，创造出新的价值。其本质上是一种新的商业模式，通过外部交易获得的收益往往大于交易的成本，这种模式能够降低组织研发成本，缩短研发周期，加快创新速度。

开放式创新一般具有两个维度即向内的开放式创新和向外的开放式创新(Chesbrough & Crowther，2006)。向内的开放式创新特征是企业从外部获取新的思想、技术与知识，借助于如与企业或大学研发合同合作研发，也可通过获取技术许可或并购企业等方式进行；向外的开放式创新则是企业向外部转移技术、思想与知识。研究也认为还存在内外连接模式第三种维度的开放式创新活动(Enkel等，2009)。

资金和人才的投入是高技术产业知识投入两个主要载体。一国和区域产业的知识转移资金投入主要衡量变量包括如R&D经费内部支出、新产品开发经费支出和用于如获取知识，改造和消化吸收新知识或新技术的转移知识费用等。对于高技术产业，企业内部研发既增强了自身的创新能力，又培育知识吸收能力，创新资源和知识越多的企业能吸引更多的合作，而内部研发水平高的企业也能从知识的外部溢出中获取更多的收益(Cohen W M, Levinthal D A. Cohen W M, Levinthal D A.1990)。从外部获取知识，进而整合知识与分享知识，能加快企业创造新知识并增加知识资本积累，技术改造经费支出可以反映企业用于知识改造的经费投入，购买国内技术经费支出、技术引进经费支出等相关费用来衡量知识获取投入。既不参与合作也不交换知识的企业，将失去构建企业知识基础的机会，也会丧失与其他企业和组织交换知识的能力(Koschatzky，2001)。一般R&D活动人员折合全时当量可用来衡量人才的投入；R&D经费内部支出主要是指用于基础研究、应用研究和试验发展三类项目及相关管理和服务费用的支出，一般内部支出越多，反映产业对知识与技术创新投入越多；新产品开发经费支出是企业在新知识和技术市场化中的资金投入，体现了高技术业对知识应用的重视与投入程度；技术改造经费支出主要指产业将技术成果应用于生产过程所产生的费用支出，如产品升级，或产品质量的提高，也可能降低污染排放，最终实现企业经济效益的提高；消化吸收经费支出为消化吸收从企业外部引进项目的新技术和新知识过程中所产生的费用；技术引进经费支出主要是指企业用于引进外部技术和知识的资金投入；购买国内技术经费支出是指企业直接从外部其他单位买进生产新技术或知识的资金投入。因此技术改造经费、技术引进经费和消化吸收经费等指标反映了高技术产业在转移知识中不同方面和阶段的投入程度。

从产出因素来看，科技产出与经济产出是高技术产业在知识转移的产出成果的两种形式。拥有的发明专利数是衡量科技产出的最直接指标，将专利等同于创新产出在数量上和质量上有着不一致性，但仍然有较多学者(如Evangehsta等，2001；Acs，2002)在实证分析中将其作为测量创新能力的指标，而他们的研究也证实专利信息用来分析创新活动是可靠的，并证实由专利反映创新具有通用性、一致性与数据易得性等优点。专利申请数与拥有发明专利既可以作为创新的阶段产出，也可作为下一阶段创新产出的知识基础。新产品销售收入和新产品产值是衡量经济产出的最直接指标。虽然新产品销售收入并不是对创新成果的直接测量，但新产品销售收入越多，表明市场对产品创新的价值认可，故新产品销售收入反映了创新成果的重要程度。

(三)产业知识基础评价指标选取

高新技术产业知识基础本身是一个由多因素构成的复杂整体，主要涉及一个产业的科学、技术要素水平以及相关的组织、制度结构。从本质上讲,产业知识基础涵盖了从产业创新投入到产业创新产出的整个过程，因此要评价产业知识基础，必须全面评价该产业的创新投入状况和创新产出情况。同时，产业知识基础是属于国家创新系统和区域创新系统的子系统，科学评价并衡量高新技术产业知识基础并进行指标体系的设计，要考虑和借鉴各层面包括国家、区域、产业和企业的创新评价。遵循建立指标体系的一般原则，要做到既科学，又切实可行，从中国高技术业发展实际出发，本文借鉴欧盟创新评价(EIS 评价)体系、“世界经济论坛”的《国家竞争力评价报告》和中国科技发展战略研究院《国家创新指数报告》，结合各种学者研究，为科学评价产业知识基础，本文选取包括R&D活动人员折合全时当量(RDPF)等19个关于中国高新技术业产业知识基础方面变量，见下表3-1：

表 3-1 高技术业产业知识基础与创新产出变量

序 号英文缩写指标名称指标编码指标单位12345678910111213141516171819RDPFERDISTPSETARFSTAEFSTAIESTAIESTAFECRDNESTPENDPNPAOIPETTDAFITFPDTEPEEDAITPSESTAR&D活动人员折合全时当量R&D经费内部支出科技机构科技活动人员数量科技活动人员中科学家和工程师科技活动经费筹集额科技活动经费筹集额中企业资金科技活动经费内部支出科技活动经费内部支出中仪器设备费企业研发机构数企业科技机构人员新产品开发经费支出专利申请数拥有发明专利数技术改造经费支出技术引进经费支出消化吸收经费支出购买国内技术经费支出消化吸收经费支出/技术引进经费科技活动中科学家和工程师比重x1x2x3x4x5x6x7x8x9x10x11x12x13x14x15x16x17x18x19人年亿元人年人年亿元亿元亿元亿元个人年亿元个个亿元亿元亿元亿元%%

数据来源：历年《中国高技术统计年鉴》《中国科技统计年鉴》

三、产业知识基础评价指标体系构建

本文用聚类分析法对我国高技术业产业知识基础相关变量分析、处理。本文的数据来源于《中国科技统计年鉴》《高技术业统计年鉴》《中国统计年鉴》。针对这些数据，运用SPSS19因子分析和聚类分析。由于几个年份数据几个指标改变的缺失，采用插值法得出。

(一)熵值法

作为一种客观赋权法，熵值法是依据获得观测变量的信息大小来确定各项指标的权重。设有m个待评方案，n项评价指标，可以得到原始指标数据矩阵x=(xijmax，观察某项指标xj，其指标值xij的差距越大，说明该指标在综合评价中所起的作用越大；反之，某项指标的指标值如果全部相等，则说明其在综合评价中作用不明显。因此根据各项指标的变异程度，利用信息熵这可以计算出各个指标的权重，为多指标综合评价提供依据。

数据矩阵

首先对数据的非负数化处理。为了避免求熵值时对数的无意义，需要进行数据平移：

对于越大越好的指标运用公式计算：

对于越小越好的指标公式平移：

为了方便起见，仍记Xij为非负化处理后的数据。其次，计算第j项指标下第i个方案占该指标的比重，见下式

再次，计算第j项指标的熵值。

其中k>0,In为自然对数，ej≥0式中常数k与样本数m有关，一般令k=1/Inm,则0≤e≤1

计算第j项指标的差异系数。对于第j项指标，指标值Xij的差异越大，对方案评价的作用越大，熵值就越小，其中

gj=1-ej，gj越大指标越重要。

然后运用公式求权数

最后运用公式计算各方案的综合得分

熵值法是根据各项指标指标值的变异程度来确定指标权数的，其优点是没有人为因素带来的偏差，但由于没有考虑指标本身贡献，确定的指标权数有时会与预期的结果产生较大偏差，另外也不能减少评价指标的维数。

(二)聚类分组

根据它们在1995-2013年数据进行聚类分析，根据计算结果剔除相关性较大后得到产业基础知识资产、公司基础知识与产业基础知识吸收与扩散三大类与R&D经费内部支出16个变量(见下图1)。其中第一大类本文根据变量共性命名为高技术业产业知识基础资产，包括R&D经费内部支出、科技活动人员、科技活动人员中科学家和工程师和新产品开发经费等四个指标。第二大类为公司知识基础，企业是产业内的创新主体，这组变量主要体现产业内企业在创新上的知识基础主要特征，包括科技活动经费筹集额中企业资金、科技活动经费内部支出、科技活动经费内部支出仪器设备费、企业研发机构数与拥有发明专利数等5个变量。第三大类为产业知识基础吸收与扩散，主要有R&D人员全时当量、科技活动经费筹集额、企业科技活动人员、专利申请数、技术改造经费支出、技术引进经费和消化吸收经费支出等7个变量。产业创新的本质就是获取知识、创造知识、分享知识和知识商业化的过程，拥有丰富资源和知识的企业更具有合作创新的吸引力，内部研发水平高的企业更能从外部溢出中收益。产业知识基础变量中技术改造经费支出来衡量用于知识的改造，而购买国内技术经费支出、技术引进经费支出来反映知识获取的相关费用，消化吸收经费支出用来衡量外部知识的内化过程投入，而在上述方面不断加大投入将会不断提高创新知识基础。

(三)产业知识基础指标权重确定

将数据对象分到不同的类中是一个很重要的步骤，评估聚类结果各变量的权重的确定是另一个重要的阶段，本文采用客观赋权法计算权重，客观赋权评估法则根据历史数据研究指标之间的相关关系或指标与评估结果的关系来进行综合评估。

图1 中国高技术业产业知识基础

1.产业知识基础三组变量权重

考察期内三组变量产业知识基础资产(Industry knowledge base assets IKBA)、公司知识基础(Company knowledge base CKB)与产业知识基础吸收与扩散(Absorption and diffusion of industry knowledge base ADIKB)各占整个指标体系36.8016% 、34.935%、28.2634%的权重，说明考察期内高技术业创新的基础知识三组变量投入相对均衡，产业知识基础资产投入比重最大，公司知识基础次之，吸收和扩散能力相对较少，今后需要提高的是产业知识基础吸收与扩散的比重。

2.产业知识基础资产各变量权重

产业知识基础资产这组变量中R&D经费内部支出、科技活动人员、科技活动人员中科学家和工程师和新产品开发经费这四个指标所占比重依次为22.82%、26.01%、23.67%和27.50%。从结构上看，在考察期内高技术业创新经费和创新人员素质的改进基本平衡，绝对数上的增幅也较快。

3.公司知识基础各变量权重

公司知识基础这组主要反映作为产业创新主体的企业在创新上的知识基础主要特征，这组变量包括的五个考察变量，其中科技活动经费筹集额中企业资金权重为22.18%，科技活动经费内部支出占比22.86%，科技活动经费内部支出仪器设备费为23.05%、而拥有发明专利数占比较低，为17.47%，其中最低的是企业研发机构数，其权重为14.45%。结合样本数据可以发现，高技术业企业在反映经费投入方面也有较快的增长，如这组变量前面三个关于经费支出所占比重也较高，说明考察期内企业在创新知识基础经费投入重视，支出增长也较快。但可以发现企业研发机构数与拥有发明专利数所占比重较低，而且样本数据中绝对数量也较小。近期中国虽然有个别企业如华为、中兴通讯的专利数量已在世界前列，如华为的追随性创新与连续创新使其在通信行业位于世界前列，但这样企业数量少，大部分的企业创新知识体系未建立或者不完善。其次是这些主要集中在电子通讯等个别子行业上，在半导体芯片等其他行业与世界先进水平还存在较大的差距，即使如华为这样的企业，在核心芯片、核心元器件和操作系统上也依赖于国外企业。

4.产业知识基础吸收与扩散各变量权重

产业知识基础吸收与扩散这组变量中R&D人员全时当量权重为12.60%，科技活动经费筹集额为16.69%，企业科技活动人员是16.06%，专利申请数占比17.13%，技术改造经费支出是13.14%，技术引进经费权重12.71%，消化吸收经费支出占比11.67%。可以发现专利申请数在考察期内这组变量最大比重，科技活动经费筹集额次之。R&D活动被认为产业内部知识创新的一种先决条件，创新或知识传播是各主体间协同和合作，知识吸收和评估的差异性会产生更多的创意和获得更多的新技术。基于创新网络系统的内部创新，利用外部知识进行创造性应用的创新和模仿式创新，加快产业创新能力。考察期内的中国高技术业对专利等知识产权投入明显加强，专利申请数量加速增加。产业的技术能力是由其可用的R&D资源和研发努力多少之间的相互作用的结果，而影响产业的研发努力程度一个重要因素就是行业的创新能力(Keum Lee和Chaisung Lim2001)，专利申请数量说明高技术业的创新能力有了较快的提升。

经济新常态要求企业能够利用内外部创新资源和内外部商业化资源促进新技术的开发、共同拓展市场，创造出新的价值。创新本质也包括一种新的商业模式，即通过外部交易获得的收益往往大于交易的成本，这种模式能够降低组织研发成本，缩短研发周期，加快创新速度。

表2 1995-2013年高技术业产业知识基础标准分值情况

年份x1x2x3x产业知识基础资产36.80%公司知识基础34.94%产业知识基础吸收与扩散28.26%总指标100%19951.001.071.021.0319961.041.051.031.0419971.061.041.051.0519981.041.071.031.0519991.071.091.051.0720001.091.131.111.1120011.131.161.181.1520021.151.191.251.1920031.171.271.281.2420041.211.371.381.3220051.341.421.471.4020061.431.541.461.4820071.591.701.671.6520081.741.841.701.7620091.881.911.711.8420101.781.881.611.8220111.891.901.741.8720121.941.911.761.8720132.001.931.811.92

以1995年的产业知识基础资产的数值为标准值1，同年公司知识基础就为1.07，产业知识基础吸收与扩散是1.02。说明1995年公司知识基础与产业知识基础吸收与扩散稍好于产业知识基础资产。2013年的产业知识基础资产的数值为2，同年公司知识基础就为1.93，产业知识基础吸收与扩散是1.81，说明经过十几年的发展，高技术业在创新的产业知识基础各方面都有了较快进步，总指标的数值也由1.03上升到1.92。这些都指向中国高技术业在创新产业知识基础上的快速发展。对三组变量进一步比较，可以发现，增长最快的是产业知识基础资产，在考察期内由1增加到2，增长最慢的是产业知识基础吸收与扩散，由1.02到1.81。从表中可以发现，2000到2008年，产业知识基础吸收与扩散一直高于产业知识基础资产，2008年以后，产业知识基础吸收与扩散得分数值在三组变量中一直是是最低的。

四、结论与建议

中国高技术业产业知识基础发展较快，通过聚类分析把产业知识基础16个变量分成三组变量产业知识基础资产(IKBA)、公司知识基础(CKB)与产业知识基础吸收与扩散(ADIKB)，考察期内它们各占整个指标体系36.8016%、34.935%、28.2634%的权重，说明考察期内高技术业创新的基础知识三组变量投入相对均衡，从标准分值看，亦是如此。但也存在一些问题，主要依赖于投入量，产业知识基础资产提高快与其他两组变量，质量提高滞后，如公司知识基础中发明专利比较少，PCT专利就更少。企业研发机构数相对较少，虽然可以利用创新网络等手段克服，但说明企业创新主体地位还是不足。产业知识基础吸收与扩散对创新贡献在2008年以后偏低，特别是在技术消化、吸收投入方面的不足，可能制约自主创新的发展。

本文的结论对推动高技术业创新的政策有一定的启示。首先，高技术业产业知识基础各变量是入影响创新的主要因素，运用财政政策如税收政策和供给政策精准引导创新资源投向产业知识基础薄弱方面。其次公司知识基础要提高，企业作为创新主体的地位和作用需要进一步强化，在政策上激励企业建立和发展研发机构，优化环境吸引创新人才。最后，加强引导高技术产业知识基础资源配置在吸收与改造投入，使得高技术业产生高质量的创新知识，高质量专利与PCT。

[1]Smith K．What is‘The Knowledge Economy’?Knowledge Intensive Industries and Distributed Knowledge Bases [C].Paper presented at the DRUID Summer Conference on ‘The Learning Economy Firms, Regions and Nation Specific Institutions, Aalborg Denmark, June 2000.

[2]Saviotti P P．On the dynamics of generation and utilization of knowledge：The local character of knowledge[J]．Structural Change and Economic Dynamics，2007，1 8(4)：387—408.

[3]Leydesdroff L．The knowledge—based economy：Modeled，measured，simulated[M]．Boca Raton：Universal Publishers，2006.

[4]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(10)：101-108.

[5]牛盼强，谢富纪.综合型知识基础与解析型知识基础的比较研究[J].科学学研究，2011(1)：25-30.

[6]Asheim B T，Coenen L．Knowledge bases and regional innovation systems：Comparing Nordic clusters[J]．Research Policy，2005，34(5)：1173—1189.

[7]Gertler M ，W olfe D A． Spaces of Knowledge Flows：Clusters in a Global Context[C]．Paper to be presented at the DRUID Tenth Anniversary Summer Conference 2005 on Dynamics of Industry and Innovation：Organizations， Networks and Systems Copenhagen， Denmark，June 27—29．2005.

[8]薛杰，张振刚.基于知识基础、创新网络与交互式学习的区域创新研究综述[J].中国科技论坛，2011(1)：101-111.

[9]王尉东，宋伟，宋小燕。产业知识基础与企业创新关系研究——基于高技术产业典型相关分析[J].科技管理研究，2014(11)：7-10.

[10]Baba Y，Shichijo N，Sedita S R．How do collaborations with universities affect firms innovative performance? The role of’Pasteur scientists in the advanced materials field[J]．Research Policy，2009，38(5)：756—764.

[11]孙玮，王九云，成力为.技术来源与高技术产业创新生产率[J].科学学研究，2010(7)：1088-1093.

(责任编辑 林东明)

On Evaluation of the Knowledge Base of China’s High-tech Industry

Wang Weidong1,2

(1. University of Science and Technology of China, Hefei, Anhui 230026;2. School of Economics and Management, Shaoxing University, Shaoxing, Zhejiang 312000)

This paper uses the entropy method to cluster analyze and establish the evaluation index system of high-tech industry knowledge base from China’s high-tech industry innovation law, and classify the industry knowledge base affecting China’s industrial innovation and development of the high technology industry. It also analyzes the role and impact of each group of variables, further exploring the mechanism of each variable of industrial knowledge base toward the innovation and development of the high-tech industry.

high-tech industry; industry knowledge base; evaluation

F062；F270

A

1008-293X(2016)05-0100-08

10.16169/j.issn.1008-293x.s.2016.05.019

2016-08-10

王尉东(1971-)，男，浙江诸暨人，中国科技大学博士生，绍兴文理学院讲师，研究方向：区域创新、产业创新。