杨红燕,王丽丽
(苏州科技大学 商学院,江苏 苏州 215009)
党的二十大报告指出,科技是第一生产力、人才是第一资源、创新是第一动力。在产业变革深入发展的时代背景下,应对新一轮科技革命的冲击,创新策源能力正成为推动国家发展和社会进步的关键驱动力。2018年11月,习近平总书记在沪考察时提出发展创新策源能力的重要战略,要求上海“在增强创新策源能力上下功夫”。[1]上海积极贯彻要求,致力于提升创新策源能力,并为全国创新策源能力提升探路。自此,创新策源能力作为一个全新的概念,受到社会各界的关注。目前,学术界有关创新策源能力的研究尚处于起步阶段,创新策源能力的精准测度、培育等问题成为重要的研究课题。
因此,笔者通过构建省域创新策源能力评价模型,基于AHP-熵权法的主客观组合赋权法和优劣解距离法(TOPSIS),测度我国31个省区市2011—2020年创新策源能力发展水平和发展趋势,提出提升省域创新策源能力的建议,为我国经济高质量发展提供参考。
创新是推动国家和整个社会快速发展与前进的关键动力。20世纪初,“创新”这一概念由经济学家熊彼特(Schumpeter)首次提出,被定义为所有可提高资源配置和使用效率的新活动。[2]在此基础上,国内外学者开展广泛讨论与研究,形成较为完整的创新理论体系。“创新能力”的概念由学者伯恩斯(Burns)和斯托克(Stalker)于1961年首次提出[3],其来源于经济学中的创新理论,后延伸至科技、管理等领域,并凭借国家战略层面对创新的重视而得到快速发展。之后,英国学者库克(Cooke)提出区域创新能力,认为创新关系网络是一种区域性、有组织的体系。[4]
关于创新策源能力概念内涵的讨论,陈超提出创新策源能力至少包含四个方面的创新,即学术思想、科学发现、技术发明和产业培育,它是一种原创能力、核心竞争力[5];敦帅等认为,创新策源能力是通过形成创新能力与创新条件辩证统一、互为依托的创新路径,催生学术新思想、科学新发现、技术新发明、产业新方向不断涌现的综合能力[6];朱梦菲等认为,具备创新策源能力的创新主体至少具有科技创新和产业创新的能力,能实现“从无到有”的创新发展[7];李万指出,科技创新策源能力是一个国家或地区成为创新理念的实践者、科学规律的发现者、技术发明的创造者、产业创新的开拓者所具备的能力[8];王少提出,创新策源能力是创新能力的一个外延概念,包含于创新能力中,更强调知识创造对创新的重要性[9];姚占雷等认为,创新策源能力重视源头创新,是多方主体协调发展的结果[10]。
在创新策源能力研究对象的选取上,胡斌等从微观层面以人工智能企业为研究对象,应用随机前沿分析方法对影响创新策源能力发展的因素进行分析[11];傅翠晓等从产业层面着手,以上海新能源汽车产业为例研究区域重点产业领域的创新策源能力,为引领新能源汽车产业发展提供参考[12];宁连举等以跨行政区域为研究对象,运用我国八大经济区指标数据评价其创新策源能力,并进行排序及关联度分析[13];刘琦基于科技、产业、创新应用、科学创新四个方面的创新策源能力构建指标体系,对粤港澳大湾区科技创新策源能力进行评价研究[14];杨四娟等基于专利视角,采用数据可视化方法研究植介入医疗器械无线供电技术创新策源能力,为高端植介入医疗器械无线供电技术创新策源能力发展提供建议[15]。
在创新策源能力的评价方面,朱梦菲等基于AHP-TOPSIS和SOM聚类方法,对我国31个省区市创新策源能力进行了评价分析[7];宁连举等基于熵权法、TOPSIS、灰色关联分析法,从创新政策、创新投入、创新产出与开放发展方面构建指标体系[13];张金福等基于AHP法与粒子群优化算法,模糊综合评价了我国31个省区市的创新策源能力[16];浦悦等基于AHP-熵权法和TOPSIS,构建区域人工智能产业创新策源能力评价体系并展开研究[17]。
综上所述,创新策源能力是源于创新能力的综合性能力集成,与国家、区域、产业的创新能力不同,也有别于原始创新能力。创新策源能力更强调“从无到有”的“源”创能力和首创精神,重视培育创新企业集群和现代产业集群,实现战略领先。创新策源能力研究对象选取范围比较广泛,可以从企业、产业、区域等方面进行研究,且研究切入点各不相同。在评价方法的选择上,学者们多采用主观或客观的单一赋权方法,其中层次分析法、模糊综合评价法、熵权法是常用方法。
省域创新策源能力评价主要考察的是各省区市持续孕育学术新思想、科学新发现、技术新发明和产业新方向的能力,考察其是否具有良好的基础和充足的投入,能否提供创新活动所需要的创新环境,保障和鼓励创新策源活动的持续进行,从而实现“从无到有”的创新。
为了全面、真实地描述各省区市创新策源能力状况,反映其创新策源能力培育和提升过程中的矛盾与不足,为政府科学制定提升创新策源能力的策略提供量化依据,本研究遵循以下原则构建评价指标体系:一是科学性原则,从客观实际出发,以相关理论作为指标选取的依据,做到与创新实践相结合,避免对评价对象认识不足而造成的主观随意性,从而科学、准确、真实地反映各省区市创新策源能力的实际水平;二是系统整体性原则,从科学、技术、创新资源和创新创业环境等方面考虑,逻辑严谨,指标之间不交叉重复,具有差异性和独立性,从而形成一个完善的评价指标体系;三是可行性原则,应保证指标的可测性和数据的易得性,指标选取能从地区综合统计年鉴、数据库获得数据。
在参考卢超等选取评价指标[18]的基础上,结合我国创新策源能力的具体发展情况,笔者将创新策源能力分为学术创新、科学发现、技术发明和产业创新四个方面,每个方面又从创新基础、投入、产出三个角度构建评价指标体系(见表1)。
表1 省域创新策源能力评价指标体系
(1)学术创新能力。在学术基础方面,高校是学术新思想的主阵地,为其产生和发展提供了良好的交流平台;高校教学与科研人员是基础研究的主力。在学术投入方面,人力投入和资金支持是创新持续推进、新学术思想孕育而生的保障,因此选取源于高校的研究与开发人员基础研究全时当量和基础研究经费内部支出作为指标。在学术产出方面,论文和著作数量是衡量学术创新能力的一个重要指标,这些成果蕴含着新的学术思想。
(2)科学发现能力。在科学基础方面,研究与开发机构提供了开展科学实验的平台,是科学发现的基础;研究与开发机构人员是科学发现的主力军,对促进科学的研究和发展至关重要。在科学投入方面,科学研究人员的实际工作量和科学研究经费投入影响着科学实验的持续进行。在科学产出方面,高校、研发机构和企业在科研课题研究过程中会产生新的科学发现;此外,形成国家或行业标准数也是衡量科学发现成果的一个重要指标。
(3)技术发明能力。在技术基础方面,开展研发活动的企业和高技术产业的研发机构都是技术新发明的重要主体。在技术投入方面,新的发明创造通常需要花费大量的时间,也需要购置相关仪器设备,因此从事试验发展人员的全时当量以及经费投入是重要指标。在技术产出方面,新技术产出的一个直接量化指标是有效发明专利数;同时,新技术能否真正得到使用和推广,技术合同成交金额是一个很好的衡量指标。
(4)产业创新能力。在产业基础方面,高技术产业企业数和高技术产业新产品开发项目数代表了产业的基础实力。在产业投入方面,同样考虑了人力、财力的支持,选取研究人员试验发展全时当量及经费投入作为指标。在产业产出方面,高技术产业有效专利数是衡量产业技术发展程度的重要指标;高技术产业新产品是新技术和新专利经过成果转化后的产物,新产品又与市场盈利直接相关,因此选取高技术产业新产品销售收入作为产出结果评价指标[19]。
多指标评价主要分为主观和客观赋权方法。主观赋权法是依靠专家的经验把握指标权重,能够体现各指标信息本身的重要性,但易受人为因素的影响;客观赋权法基于原始数据之间的关系来确定权重,易受数据变化影响,权重稳定性和解释性较差。因此,本研究选用层次分析法和熵权法分别计算主客观权重,并进行组合以弥补单独赋权方法的不足,使创新策源能力评价结果更加科学合理。
1.层次分析法(AHP)
层次分析法是一种适用于多因素、多准则、多方案的综合评价问题的系统分析决策方法,实现了定性与定量的综合分析。[20]
第一步:指标体系层次化。将指标体系划分为三层结构,即目标层、准则层和指标层。其中,研究评价的目标构成目标层,具体评价指标构成指标层,准则层为中间层。
第二步:构造两两比较判断矩阵。对同一层级指标相对重要程度进行两两比较打分,构建判断矩阵
(1)
第三步:主观权重计算。计算判断矩阵A每行的几何平均值
(2)
(3)
第四步:一致性检验。根据判断矩阵A求出最大特征值λmax,同时引入一致性指标CI和一致性比率CR,进行一致性检验。
(4)
CI=λmax/(n-1)
(5)
CR=CI/RI
(6)
由于评价对象的复杂性和专家打分的主观性,AHP法确定指标权重时必须对判断矩阵进行一致性检验,当一致性比率CR<0.1时,表示通过了检验。
2.熵权法
熵是信息论中对于信息不确定性的一种度量。信息量越大,其信息熵值越小,指标的离散程度越大,意味着该指标对综合评价的影响(权重)就越大。
第一步:数据矩阵规范化处理。为了各项指标具有可比性,将指标进行无量纲化处理,建立原始数据矩阵
(7)
运用极值处理法,依据正向指标的处理方式对原始数据矩阵进行规范化,并得到规范化矩阵
(8)
(9)
第二步:计算熵值。Pij表示第j个指标下第i个被评价对象的权重,ej表示第j个指标的熵值。
(10)
(11)
第三步:计算指标客观权重。gj表示第j个指标的效用值,wj则表示第j项指标的客观权重。
gj=1-ej
(12)
(13)
3.组合权重确定
上文分别就层次分析法和熵权法提出了权重设计方案,加法合成法兼顾主客观信息且可操作性强,因此笔者采用此方法进行组合赋权
wj综合=αwj主观+(1-α)wj客观
(14)
α(0≤α≤1)表示主观权重偏好系数,为了得到合理的组合权重并保证偏差平方和最小,选取α=0.5计算综合权重。
优劣解距离法是多目标决策分析中一种常用的有效方法,通过检测评价对象与最优解、最劣解的距离进行排序。本研究通过构建省域创新策源能力评价指标体系,在采用AHP-熵权法的主客观组合赋权法进行指标赋权的基础上,运用TOPSIS进行实证分析,从而评价各省区市创新策源能力。
第一步:构建加权决策矩阵
(15)
其中,zij=xijwj综合,xij为式(9)计算后的标准化决策矩阵元素,wj综合为式(14)计算所得的组合权重。
第二步:确定正理想解及负理想解
(16)
第三步:确定各指标与正、负理想解之间的距离
第四步:计算各评价对象相对贴近度
(18)
相对贴近度表示方案与正理想解的接近程度,以距离负理想解最远且与正理想解最近为优。用相对贴近度Ci(0≤Ci≤1)代表创新策源能力的综合得分,Ci越大,其创新策源能力综合得分越高。同时,对综合得分进行排名,进一步明确各省区市创新策源能力之间的差距和短板,有利于后续的实证分析及建议的提出。
不同省区市的基础研究、技术水平和经济发展存在较大差异,其创新策源能力发展特点也各不相同。笔者选取我国31个省区市2011—2020年统计数据,对具体指标进行数据收集。数据来源于2012—2021年的《中国科技统计年鉴》、各省区市统计年鉴、国家统计局等。部分地区如山西、新疆等个别数据缺失,采用均值法插补。所收集的数据采用极值法进行无量纲化处理,形成规范化矩阵后进行运算。
本研究采用多层次分析法,构造省域创新策源能力层次结构模型,计算主观权重。省域创新策源能力为目标层A,学术创新能力、科学发现能力、技术发明能力、产业创新能力四个一级指标为准则层B,24项三级指标为指标层C。设计并发放创新策源能力评价指标重要性程度调查问卷,邀请创新研究领域的30位专家进行填写。
根据调查问卷专家打分结果,生成判断矩阵,目标层与准则层为一个判断矩阵,准则层与所属的三级指标层各构造一个判断矩阵,共得到五个指标判断矩阵,并进行一致性检验。各判断矩阵的一致性比率CR均大于0.1,通过了检验。据此,得到省域创新策源能力评价指标体系的AHP主观权重值。
对我国31个省区市2011—2020年的数据进行标准化处理后构建决策矩阵,按公式(10)—(13)计算各项指标的特征比重、熵值、信息冗余度及熵权。基于当年指标数据求得各年份的客观权重,以反映各指标对指标体系的贡献程度。最终,选取主观权重偏好系数和客观权重偏好系数为0.5得到组合权重(见表2)。
表2 2011—2020年我国省域创新策源能力评价指标组合权重
基于AHP-熵权法组合权重计算结果,运用TOPSIS按公式(15)—(18)计算出我国31个省区市2011—2020年创新策源能力得分。为了更准确地对比分析各省区市创新策源能力发展水平和发展趋势,笔者依据2011—2020年创新策源能力总得分,将31个省区市创新策源能力发展水平分为四类,即优秀(≥2)、良好(<2且≥1)、一般(<1且≥0.5)、较差(<0.5)。
由表3可知,我国31个省区市创新策源能力水平差距较大,总分排名第一的是北京市,其创新策源能力分数为5.814 8,广东以5.272 4位居第二,江苏以4.202 5排列第三,其后分别为浙江、上海、山东。这些省域主要集中在东部沿海地区,具有天然的地理位置优势,并且经济发展水平较高,全社会研发投入规模持续增长,丰富的创新资源要素集聚,在吸引人才和企业集聚方面占据主动性,表现出较为优秀的创新策源能力,引领着中国创新策源能力发展。而新疆、海南、宁夏、青海、西藏的总得分分别为0.437 2、0.179 4、0.121 0、0.084 7和0.051 9,其创新策源能力表现较差,远远落后于全国平均水平。这些省区市以西部边缘地区为主,经济发展水平较低,高等院校、科研机构、高端技术企业少,研发经费和人力资源投入不足导致创新产出少,创新策源能力发展基础较差。
为了更直观地比较创新策源能力表现优秀的省区市的发展特点,笔者计算出北京、广东、江苏、浙江、上海、山东六省市的创新策源能力一级指标得分(见表4)。
表4 北京、广东、江苏、浙江、上海、山东创新策源能力一级指标得分
由表4可知,北京市具有最强的学术创新能力和科学发现能力,这是因为北京市拥有多所国内知名高校、国家重点实验室,高端人才集聚,营造了良好的学术思想氛围和科学发现基础。广东省在产业创新方面表现得尤其突出,它拥有多家高技术企业、科技领军企业和战略性产业集群,产业集聚优势明显。江苏、浙江、上海、山东在学术创新能力、科学发现能力、技术发明能力和产业创新能力方面发展较为均衡,它们拥有较多的高校,科教创新资源丰富,行业龙头企业和高成长性科技型企业集聚,产业体系完备,因而创新策源能力表现较好。
笔者通过测度我国31个省区市2011—2020年创新策源能力发展水平和发展趋势,得出以下主要结论。
第一,创新策源能力是源于创新能力的综合性能力集成,与国家、区域、产业的创新能力不同,也有别于原始创新能力,它更强调“从无到有”的基础研究和应用研究创新,重视培育创新企业集群和现代产业集群。
第二,将创新策源能力分解为学术创新能力、科学发现能力、技术发明能力和产业创新能力,从创新基础、创新投入和创新产出三个方面构建评价指标体系,能较全面地涵盖影响创新策源能力发展的因素;基于AHP-熵权法的主客观组合赋权法确定指标权重更科学合理,使创新策源能力测算结果更加准确。
第三,省域创新策源能力评价结果显示,我国31个省区市创新策源能力水平差距较大,北京、广东、江苏、浙江、上海、山东表现出较强的创新策源能力。具体而言,北京市拥有较强的学术创新能力和科学发现能力,广东省在产业创新方面表现得尤其突出,江苏、浙江、上海、山东等省份的学术创新能力、科学发现能力、技术发明能力和产业创新发展较为均衡。宁夏、青海、西藏等西部边缘地区的创新策源能力较差。
基于此,笔者提出创新策源能力培育和提升相关建议。
第一,加强研发投入力度,创新研发经费使用方式。研发经费是创新活动开展的基础,建立研发经费投入的稳定增长机制,创新研发经费的管理和运行模式,提高经费使用效率,对创新策源能力的培育和提升具有关键作用。
第二,培育和引进高端创新型人才。人才是第一资源,创新策源能力的培育应坚持以人才需求为导向,制定高端人才引进机制,注重对创新人才的管理,让人力资源创造最大的价值。在人才服务保障方面,坚持政府主导、市场引导,整合政府、企业、高校、科研院所等渠道的资源以激励和留住人才。
第三,加强跨领域、跨区域的开放合作。多方主体优势互补形成的创新具有持续性和集聚性优势,因此要促进产学研联合创新,加速创新资源流动。同时,注重不同城市和区域的协同创新,形成创新城市群,实现人才、资本、信息、技术跨区域的流动与共享,加强多要素融合,促进生产要素向生产力的转变。