“一带一路”沿线省份科技创新能力评价研究

庞美燕，桑金琰，赵 好，张立涛

(山东理工大学 管理学院，山东 淄博 255012)

2013年9月7日，习近平在出访中亚国家期间，首次提出共建“丝绸之路经济带”，10月，他又提出共同建设21世纪“海上丝绸之路”，这二者共同构成了“一带一路”重大倡议.“一带一路”倡议实施中科技创新驱动发展具有重要意义，是持续深入推进“一带一路”倡议不可或缺的驱动力.2017 年 5 月，“一带一路”国际合作高峰论坛在北京召开，习近平主席提出要将“一带一路”建成创新之路.

自2000年开始，新一轮的科技创新及产业变革在孕育发展中，全球科技创新蓬勃兴起，具有新的特征和态势.科技创新活动不断突破技术、组织和地区等方面的限制，逐渐成为一种竞争手段[1].创新战略竞争在综合国力竞争中扮演着越来越重要的角色.我国政府制定了建设创新型国家的重大战略决策，近年来大幅度提高了科技创新的投入.

创新驱动发展，科学技术是第一生产力.国内外学者对科技创新做了比较详细的研究.Griliches[2]研究发现知识生产函数是研究科技创新的一个很好的统计模型，把R&D视为最重要的投入变量，把专利数视为产出变量，其中的知识创造和流动过程为内生变量.赵树宽等[3]从人力投入、经费投入、新产品产出和专利产出4个方面构建了科技创新效率评价体系.张换兆等[4]根据研究对象的特点，建立了创新能力分析评价指标体系的基本框架，将其分为科技创新资源、科技创新投入能力等8个一级指标，将其各级指标细化，划分成包括科技组织资源、科技人力资源和科技财力资源等在内的16个二级指标和56个三级指标.本文主要是通过构建科技创新能力评价指标，对我国目前的科技创新现状进行分析.

1 科技创新评价指标体系构建

在借鉴前人研究成果的基础上[5]，本文构建的科技创新指标体系包含科技资源投入和科技成果产出2个一级指标，见表1.综合考虑地理位置、贸易额等多种因素，本文选取了我国“一带一路”重点推进实施的18个省份2011-2015年2项投入指标和2项产出指标的数据，见表2.

表1 科技创新指标体系
Tab.1 Scientific and technological innovation index system

变量指标指标说明投入指标X1R&D人员全时当量(人年)指全时人员数加非全时人员按工作量折算为全时人员数的总和X2R&D经费(万元)指调查单位用于内部开展R&D活动(基础研究、应用研究和试验发展)的实际支出。产出指标Y1技术成果成交额(万元)技术市场合同成交额Y2专利申请授权量(件)各地专利申请授权数量

注：R&D人员全时当量指全时人员数加非全时人员按工作量折算为全时人员数的总和.例如：有2个全时人员和3个非全时人员(工作时间分别为20%、30%和70%)，则全时当量为2+0.2+0.3+0.7=3.2人年.此为国际上比较科技人力投入而制定的可比指标.

表2 2011-2015年18省份科技创新能力评价数据
Tab.2 Evaluation data on scientific and technological innovation capability of 18 provinces in 2011-2015 years

省份黑龙江吉林辽宁上海浙江福建广东内蒙古陕西2011X139 66117 88447 51379 147203 90475 503346 26017 64530 829X2838 042488 7232 747 0633 437 6274 799 0691 943 9938 994 412701 635966 768Y1620 682262 6141 596 6334 807 491718 968345 7122 750 647226 7192 153 664Y212 2364 92019 17647 960130 19021 857128 4132 26211 6622012X136 25624 36552 06482 355228 61890 280424 56321 50936 728X2906 170604 3262 894 5693 715 0755 886 0712 381 65610 778 634858 4771 192 770Y11 004 473251 1802 306 6485 187 473813 079500 9203 649 3841 060 9623 348 153Y220 2685 93021 22351 508188 46330 497153 5983 08414 9082013X137 29623 70959 09092 136263 507100 200426 33026 99045 809X2950 335698 1363 331 3034 047 8006 843 5622 791 96612 374 7911 004 4061 401 480Y11 017 747347 1671 733 7755 316 804814 958446 8855 293 936387 3905 332 787Y219 8196 21921 65648 680202 35037 511170 4303 83620 8362014X137 50924 39563 37493 868290 339110 892424 87227 06850 753X2955 820789 4313 242 3034 492 1927 681 4733 153 83113 752 8691 080 2871 606 946Y11 202 776285 7562 174 6485 924 481872 527391 9134 132 478139 3936 400 198Y215 4126 69619 52550 488188 54437 857179 9534 03122 8202015X131 76223 20249 09794 981316 67299 180411 05929 19045 052X2880 392861 5412 418 8034 742 4438 535 6893 469 81015 205 4971 186 26117 258 29Y11 272 637264 6972 674 9276 637 838980 966521 4486 625 775153 8727 218 211Y218 9438 87825 18260 623234 98361 621241 1765 52233 350

(续表)

数据来源：《中国统计年鉴》.

2 基于RBF的18省份科技创新能力评价

利用径向基函数构建前反馈反向传播的径向基神经网络(Radial Basis Function Neural Network，简称RBF神经网络).神经网络是由许多简单的并行工作的处理单元组成的系统，其功能取决于网络的结构、连接强度以及各单元的处理方式.构造3层前向神经网络模型来描述“一带一路”沿线18个主要省份的创新能力情况[6].输入层是科技创新能力评价指标，节点数为4(m=4)，输出层是创新能力评价值，即节点数为1，隐含层的节点数根据网络学习的拟合速度选取.隐含层和输出层节点的输入输出关系采用非线性网络的S型激励函数(一般为高斯函数)[7]，即

F(x)=1/(1+e-x)

(1)

运用人工神经网络的学习算法，确定神经网络模型的最优，由于各省在科技创新方面都有追求价值最大化的趋势，但是其实际值往往达不到预期或理想值，因此引入科技创新能力的理想评价值U*，即通过选择18个省份科技创新各类评价指标的最佳值计算得到，将18个沿线省份的创新能力实际值Ui(i=1,2,3，…，18，N=18)与理想值U*之间的均方差M趋向最小则为最优[8].即

(2)

当M<ε时，结束学习.这时就可计算出18个省的创新能力评价值.再运用逐对比较法将其数据整理，结果见表3.

表3 “一带一路”沿线18个省份科技创新能力的RBF-ANN评价结果
Tab.3 RBF-ANN evaluation results of scientific and technological innovation capacity in 18 provinces along the One Belt and One Road

序号省份评价值201120122013201420151黑龙江0.670.710.700.700.822吉林0.430.410.410.460.493辽宁0.790.820.840.840.874上海0.870.890.890.890.905浙江0.750.790.790.780.826福建0.620.630.640.650.697广东0.930.970.980.990.998内蒙古0.470.470.460.470.519陕西0.850.820.810.810.8210重庆0.670.660.730.810.8611广西0.400.410.410.410.4312海南0.210.220.220.240.2413宁夏0.230.240.240.240.2514甘肃0.530.490.590.620.6215云南0.410.470.460.490.4316青海0.240.250.270.280.3617新疆0.260.330.300.300.3218西藏0.150.160.160.160.38

由表3可知，2011—2015年“一带一路”沿线18个省份科技创新能力总体呈上升趋势.这说明了我国践行创新驱动发展战略，在科技创新改革、建设创新型国家方面取得了可喜的成就.东部地区科技创新能力明显高于西部地区，与我国东部地区经济较为发达、人才更为集聚，科研体制机制更加完善的现状有密切的联系.

我国科技创新发展虽然取得了一定的成就，但科技发展水平还是存在明显的分布不均，西部存在一定的差距.主要体现在：首先是高层次科技创新人才匮乏.对于科技创新来说，人才的能力和素质是科技创新的主要动力，对科技创新发展起到关键性的作用.目前，我国各地科研人员的质量差距较大，科技人才的整体素质有待提高，并且我国现有的传统教育体制在一定程度上也限制了创新人才的培养.然后是科研成果转化率低.促进科技创新，不仅要增加研发的投入，更要强调科技创新的产出，目前我国各地区的科研评价系统还不成熟，片面追求发表论文数量和期刊等级，科研成果没有实质性地转化成促进社会发展的经济效益.最后是科技创新政策的政府扶持力度不够.在科技创新的相关配套措施和规定方面，政府政策还不到位，没有对科技创新给予相应的重视，像资金不到位，科研力量投入不够，技术产权和相关奖励政策明显存在缺陷，没有激发科技创新人才最大的工作激情，所以政府部门要加大对科技创新的重视，为科技创新打造广阔的平台.

3 基于SOM的18省份科技创新能力聚类分析

SOM(Self-Organizing Feature Map)是一种自组织神经网络，是芬兰Helsink大学的T.Kohonen教授于1982年提出的一种无指导学习的竞争式神经网络[7].

使用IBM SPSS Statistics 20对收集的“一带一路”沿线18个省5年的科技创新指标数据进行归一化处理.研究各省在科技创新投入和产出两方面的贡献，比较分析各省的科技创新能力，运行Matlab 7.1的工具NNTool(Neural Network Toolbox)，建立SOM神经网络，对“一带一路”沿线的18个省份的科技创新能力进行聚类分析,18个省份作为输入量.经多次操作分析发现，输入量约是神经元数量的1/5，迭代次数与阶跃相位的输入值之比为1∶10时，得到的聚类效果比较明显，所以用1111的二维结构，选用Gridtop函数，迭代次数与阶跃相位的输入值分别为200和2 000，对神经网络进行训练，得到图1所示的映射图.

图1 二维平面阵训练结果映射图Fig.1 A map of two-dimensional planar array training results

由图1可知，“一带一路”沿线18个省份的科技创新评价指标数据在二维平面图上分布比较分散.为得到较为明显的聚类结果和更清晰地对18个省份的科技创新能力分类，采用了将一维训练结果[9]与二维结果相结合，按照一维训练结果的顺序，把二维平面阵训练结果映射图中的18个省份连接，形成3个簇的散列结构，如图2所示.根据聚类结果按照科技创新的投入和产出将18个省份分为3大类，见表4.

图2 一维神经网络映射图Fig.2 One-dimensional neural network map

表4 “一带一路”沿线省份科技创新能力分类
Tab.4 The classification of scientific and technological innovation ability of the provinces along the One Belt and One Road

地区科技创新特点省份第一类地区投入多,产出少福建,重庆,黑龙江,广西,云南,内蒙古第二类地区投入多,产出多浙江,广东,上海,陕西,甘肃,辽宁第三类地区投入少,产出少吉林,新疆,海南,宁夏,青海,西藏

表4的聚类分析体现了我国“一带一路”沿线省份科技创新能力的分布及特点.第一类地区[10],福建、重庆、黑龙江、广西、云南和内蒙古6个省，无论是科技创新投入还是产出方面都呈现出比较领先的优势.福建被定位为“21世纪海上丝绸之路核心区”，经济发展迅速，无论科技创新投入还是产出都受到广泛的关注，但受研发技术人员的限制较大.重庆传统上是以汽摩、能源、化工等为主要产业的重工业城市，黑龙江是老工业基地，科技创新还没得到足够重视.内蒙古是我国北方的边陲省份，无论是经济发展水平还是科技创新水平都落后于其他北方省份.云南存在产业结构单一,且不合理,生产效率低下,不适应市场需求变化等特点，受资源的限制较大.第二类地区，浙江、广东、上海和陕西4个省的经济比较发达，为科技投入提供有力的物质支撑，政府相关部门科技创新驱动发展战略落实较好，促进科技创新.甘肃省积极推进传统制造业与互联网的融合发展，实现了产业结构的优化升级[11]，提升了科技创新的产出效率.第三类地区，吉林、新疆、海南、宁夏、青海和西藏6个省位于我国的边陲地区，经济发展比较缓慢，科技创新能力没有得到充分的发展，需要得到国家政府的重视和扶持.在“一带一路”倡议实施后，科技创新活动明显进步，西藏地区的科技创新的投入与产业都有较大的提升空间.

4 提升科技创新能力对策

科技驱动未来，创新引领增长.落实创新驱动发展战略，不仅能使我国在一些核心技术领域取得重大进展和打破受制于人的局面，还能拓展新的产业发展方向，促进国际交流，培育新的经济增长点.

(1)加强科技创新人才培养.在“一带一路”沿线科技创新建设实施中，最关键的要素是发挥人的创造性.科技创新能力，经济水平的高低都受人的作用的影响，人才质量好，受教育程度高，教育发达的地区，人们的文化素养和科技创新能力相对较高.各省政府部门积极响应国家政策，搭建“一带一路”沿线信息化建设桥梁，与沿线各地的科研院所和高校开展科学技术信息交流研讨会，互相沟通信息化技术，提高创新能力和水平.

(2)提高科技创新产出转化能力.进行科技活动必须创造出科技成果，并转化成现实的生产力，才能促进经济社会进步与发展.建立科学的激励制度，打造科技创新平台，为科技创新提供有力支撑.

(3)完善科技创新体系.良好的环境是科技创新的保证，各地区积极完善相关配套政策，为科技创新研发工作创造良好的条件.加强科技创新法制建设，完善知识产权保障机制.

(4)增强经费投入能力.科技经费投入是进行科技创新活动的重要力量源泉，各省份增加资金投入力度，调整资金投入比例和结构，为科技创新发展提供源源不竭的动力.提高科技创新能力，发挥科技创新的引领作用，推进“一带一路”沿线建设，以满足人民日益增长的美好生活需要.

5 结束语

本文从投入和产出两个方面设计了科技创新能力评价指标体系，并建立了科技创新神经网络评价模型，探索了我国“一带一路”沿线省份的科技创新能力情况.虽然各省的科技创新能力不均衡，但总体上呈上升趋势.完善科技创新体系，打造科技创新平台，提高科技创新产出能力，与沿线科研院所和高校开展技术合作，以提高科技创新能力，推进“一带一路”沿线建设，满足人民日益增长的美好生活需要.