大数据视角下我国区域科技创新高质量发展水平综合评价分析

严 晗，朱启贵，2，李旭辉

（1.上海交通大学安泰经济与管理学院，上海 200030；2.上海交通大学上海高级金融学院，上海 200030；3.安徽财经大学管理科学与工程学院，安徽蚌埠 233030）

党的二十大报告指出高质量发展是全面建设社会主义现代化国家的首要任务，是中国现代化的本质要求。习近平总书记在全国科技创新大会、两院院士大会上也明确强调要改革科技评价制度，建立以科技创新质量、贡献、绩效为导向的评价体系。我国科技投入已经连续多年增长，且多年稳居世界第2 位，但根据世界知识产权组织发布的全球创新指数报告显示，我国创新能力排名却是世界第11位［1］。当前我国在关键核心技术、基础前沿领域等方面仍有提升和发展的空间，因此，加快建设科技强国，推动我国科技创新发展由大到强，需要发挥科技的渗透性、扩散性、颠覆性作用，为高质量发展提供更多的源头供给、科技支撑和新的成长空间。本研究通过大数据手段丰富评价数据的来源，构建以高质量发展为理念的科技创新综合评价指标体系，以全面考察评估过去10 年我国科技创新发展水平、特征和趋势。

1 文献综述

准确界定科技创新高质量发展的内涵和外延是构建科技创新高质量发展水平评价指标体系的前提。由于科技创新高质量发展尚处于起步研究阶段，目前相关研究相对尚少，而关于经济社会高质量发展内涵和定量测度的研究颇多，因此归纳借鉴经济社会高质量发展的评价研究。

1.1 科技创新高质量发展的内涵及相关评价研究

自党的十九大提出推动高质量发展以来，众多学者对高质量发展的内涵及测度进行探讨研究，而对科技创新高质量发展的研究相对较少。卡马耶夫［2］认为经济增长不仅包括生产资源与生产量的增加，还应该包括产品质量和效率的提高，因而提出“经济增长质量”的概念。Mlachila 等［3］认为高质量增长是高速增长和可持续、社会友好型的增长，并从经济增长的基本属性和社会成果发展两个维度构建经济增长质量指数。金碚［4］认为高质量发展的经济社会质态，不仅体现在经济领域，而且体现在更广泛的社会、政治和文化等领域，因此创新、协调、绿色、开放、共享的新发展理念就成为对新时代高质量发展的新要求，也是对是否实现了高质量发展的评价准则。马茹等［5］从经济运行、协调发展、生态文明、民生福祉及对外开放5 个维度构建经济高质量发展评价指标体系，并据此对比分析我国区域经济高质量发展总体态势。王静等［6］借助函数模型从理论上证明经济社会高质量发展水平的提升是经济、社会、文化、政治、生态五大子系统增长率和发展弹性共同作用的结果，认为经济发展质量不仅包含与经济紧密联系的经济方面的内容，还包含经济之外的其他方面的内容。俞立平等［7］基于2000—2022 年我国的政策文本分析指出，对于科技创新高质量发展或者创新质量的相关研究较少。因此，相较于过度追求数量和直接经济效益增长，科技创新高质量发展应该是质与量并重的发展，同时注重速度与效率的发展，具有广泛的经济、社会和生态环境属性的新科技发展模式。

1.2 科技创新主要评价指标体系及研究方法

国际上比较有影响力的科技创新评价指数包括《欧洲创新记分牌》《全球创新指数》《世界竞争力年鉴》和《全球竞争力报告》等，主要评价维度包括制度建设、基础设施、宏观经济环境、健康与初等教育等；而国内较为有代表性的科技创新监测评价指数有国家统计局编制的《中国创新指数》、中国科学技术发展战略研究院编制的《国家创新指数》、中国科技发展战略研究小组编制的《中国区域创新能力评价报告》，以及科技部编制的《中国区域创新能力监测报告》等，主要评价的维度包括创新投入、创新产出、创新环境、创新绩效、企业创新等。学界的相关研究成果也颇多。除了对国家层面、省级科技创新能力进行测算，部分学者还基于不同的研究对象，对重要经济带的科技创新效率进行测算评价研究，如肖燕珠等［8］主要从科研生产力、科研影响力、科研创新力、科研发展力和社会影响力等5 个方面对我国五大国家级城市群进行科技创新能力的测度和比较；段新等［9］从创新投入、创新产出和创新成效对我国不同区域的城市化效率和科技创新水平进行了测算；周筱扬等［10］从创新投入、创新产出和创新环境等3 个方面构建了我国中部区域科技创新水平评价指标体系。而部分学者认为，国家层面和省级层面主流的科技创新能力评价体系全面且专业，但直接套用于省内创新能力评价则失之偏颇，各省（区、市）已形成了各具特色的区域创新体系。张婧等［11］基于区域创新体系理论，从创新环境、创新资源、企业创新和创新绩效4 个方面构建四川省科技创新监测指标体系，并从创新实力、效率和潜力3 个维度对四川省21 个地区的科技创新能力进行评价；刘建明等［12］基于创新环境、创新投入、创新产出、企业创新、创新绩效5 个方面构建广东省创新能力监测指标体系。

综合评价实证研究方法多样且较成熟，主要分为效率分解方法和综合指标评价方法两大类。综合指标体系评价方法的主流方法包括主观赋权方法、客观赋权法以及组合赋权法。其中，主观赋权法常用的方法有层次分析法（AHP）、序关系分析法（G1）、德尔菲法（Delphi method）等；客观赋权法常见的有因子分析、熵值法、主成分分析（PCA）、变异系数法等；而组合赋权法主要是结合多种赋权的方案进行权重的组合，李旭辉等［13-14］的研究利用主观赋权法和客观赋权法组合可以克服单独某一种赋权方法不足的优势，开展了对我国区域经济社会发展综合评价的研究。组合赋权法也被较多学者广泛应用在不同领域解决有关评价指标的权重系数问题，评价结果更加科学。

综上，测算与评价科技创新的实证研究方法相对比较成熟，研究对象也比较广泛，应用在国家层面、重要经济带层面和省内区域层面均有颇多研究，但从研究视角而言，大多数对科技创新水平评价指标体系的研究注重评估科技投入总量和增长速度，而忽略对于科技发展的社会成本、增长方式和资源环境代价的评价；其次，多注重科技投入产出的直接收益评价而忽略间接收益，如社会发展、生态影响和社会影响力的评价。

1.3 相关研究指标数据的主要来源

科技创新测度和评价的相关研究，主要采用官方统计数据，包括政府统计年鉴、政府公报和统计公报等，来源相对较单一。随着互联网、物联网、5G 等技术及产业的不断发展，全球数据量呈爆发式增长，数据与土地、资本、劳动力、技术等同为生产要素，在数字经济不断深入发展过程中的地位愈发凸显。我国在基于大数据的评价指标建设方面虽已起步，但相较国外仍然处于初步探索阶段。国外很多科研机构已经在利用大数据构建指标方面进行开拓，如美国麻省理工学院开发的“十亿价格项目”（BPP）、耶鲁大学的RapidMiner 数据挖掘平台等。以BPP 项目为例，早在2008 年，该项目的负责人Cavallo［15］每天从网上抓取不少于50 万笔的商品价格信息，计算出20 多个国家的每日网上价格指数，并取得了丰硕科研成果。大数据技术也逐步被学界所使用，国内研究中有关指标的大数据来源如表1 所示。部分国内外学者认为与官方数据相比，来源于大数据的指标数据具有更强的经济预测监测能力，如Choi 等［16］经过验证发现，与传统方法相比，Google 趋势数据对于短期预测的效果较好，该方法的准确度提高了5%～20%。此外，基于大数据的有关研究指标构建方面，高见等［17］、王建东［18］分析了近年来被广泛关注的各种非传统经济指标，还有所谓榨菜指数、啤酒指数、床垫指数、算力消费指数等，其中比较出名的如克强指数和三一重工指数，均具有很好的预测评价效果。

表1 基于大数据技术的主要研究数据来源

综上可知，传统科技创新综合评价文献中所采用的数据来源相对单一，鲜有采用组合评价方法并结合基于大数据技术的有关指标来对科技创新效率进行评价。为此，本研究试图拓展数据来源，采用大数据技术丰富相关指标的数据来源，在此基础上对区域科技创新发展水平进行评价。此外，本研究关注创新绩效评价，改变了传统评价指标过于偏重总量和增长速度的综合评价思路，注重对于科技创新绩效的评价，包括产业结构升级、绿色生态影响和社会影响力的评价，尝试纳入社会成本、增长方式和资源环境代价的评价。

2 评价指标体系构建

在已有相关研究的基础上，将科技创新高质量发展评价指标体系分为创新环境、创新投入、创新产出、企业创新和创新绩效5 个维度。

（1）创新环境指标。创新环境的评价主要包括基础环境、政策环境和创新文化。其中基础环境即人才环境，包括造就人才、吸纳人才、充分发挥人才作用的各种物质条件和精神条件的总和，典型评价指标包括科研院所的数量、高等层次人才和人才发展基金规模等；而政策环境的常用评价维度包括高新技术企业的支持政策、税费减免政策和金融扶持政策，例如高新技术企业减免税额和企业研发经费加计扣除减免税额等。引入大数据技术后，例如，可以通过某招聘网站人才供给和需求来评价区域人才供需环境，其中供给侧的指标如某招聘网站中区域简历研究生学历占比，即某区域所有简历中研究生学历的人数占比，需求侧的指标如高新技术岗位数占比等（见表2）。高素质、高技能的人才是高质量发展的重要支撑，因此，基于大数据技术，通过上述反映高技术人才供需情况的新兴指标来衡量科技创新的高质量发展状况。

（2）创新投入指标。创新投入指标衡量的是体现创新活动的国家经济要素，该指数反映一个地区在科技创新方面的投入和水平，通常采用经费投入和人员投入进行评价。经费投入，传统评价指标主要包括各类科技财政拨款，基础科研经费等。新兴指标方面，如表3 所示，传统统计方法难以覆盖的高校预算数据可以通过大数据手段获取；算力投入指数可用于衡量数据资产投入规模水平，随着以ChatGPT 为代表的人工智能技术突飞猛进地发展，数据算力必将成为继土地、资本、劳动力、技术之外的生产要素投入；而人员投入的评价，主要采用科研技术人员投入指标，高新技术人才简历数可以通过某招聘网站获得；而新市民指数主要是用于评价城市的进城务工人员和新就业大中专毕业生的人员流入情况，以此反映城市的劳动力供给情况。

（3）创新产出指标。创新产出指标主要用于衡量科技创新所产生的直接收益，包括成果产出和成果转化。传统指标的研究对象主要集中在专利、产品等，缺乏对基础性研究方面的评价，而采用基于大数据的新兴指标能够有效弥补研究对象的不足。新兴指标方面（见表4），例如围绕论文产出数进一步加工获取的相关数据都能够在一定程度上反映区域科技创新水平，包括顶级期刊论文发表数，即主要指发表在Nature和Science期刊上的论文数；根据ESI 数据库的界定，高被引论文数是指近10 年间累计被引用次数进入各学科世界前1%的论文数量［8］；SCI 论文发表数，即SCI 数据库收录论文数量。

表4 创新产出评价常用传统指标与新兴指标对比

（4）企业创新指标。企业既是创新的主体，也是科技和经济紧密结合的重要力量，更是推动创新创造的主力军，企业创新关系到整个国家的创新能力及水平。企业创新可以从企业研发和企业成果两个维度进行评价。传统指标依赖于官方统计数据，侧重对于结果类指标的统计，如高新技术企业总产业产值等，而采用基于大数据的新兴指标能够有效丰富数据评价维度，衍生出更多过程类指标（见表5），如独角兽企业，即估值超过10 亿美元的新成立企业；“专精特新”企业，即具有专业化、精细化、特色化、新颖化特征的中小企业，并主要指经工信部评选获得该称号的企业；智能化率即智能化技术生产总量占比；数字化率即数字化的设备产量占比；高新技术企业百度活跃度指数主要是利用百度资讯指数对高新技术企业热度进行评价分析。

表5 企业创新评价常用传统指标与新兴指标对比

（5）创新绩效。创新绩效主要是衡量创新带来的间接影响，包括绿色发展、产业升级和社会影响等。绿色发展方面，传统指标包括能耗类指标和污染排放类指标等，更具权威性，而随着新能源技术的发展，采用新兴指标能够有效补充评价测算维度；产业升级方面，传统指标注重对传统高新技术行业的统计，而相较于传统指标，采用基于大数据技术的新经济指数能够有效覆盖对于包括信息经济、平台经济、共享经济、数字经济、创新经济、绿色经济等的评价核算；社会影响力方面，使用传统指标存在评价时效性低、获取成本高、人为统计误差大等缺陷，而采用新兴大数据指标能够有效以更低的成本获得实时精准评判的数据（见表6）。

表6 创新绩效评价常用传统指标与新兴指标对比

以大数据、云计算、人工智能、物联网为代表的第四次工业革命悄然来临，正深刻改变人类的生产与生活方式，也催生了数字经济这一新的经济形态；随着数字经济时代的来临，互联网在人类经济生产生活中的渗透率不断攀升。大数据作为时代的产物，有助于揭示人类社会经济活动发展的规律，不仅仅能够丰富统计核算的维度，更能够以低廉的成本获取数据、弥补传统数据的不足。本研究针对我国经济社会发展不断涌现的新问题和新动态，对相关指标的选取遵循了科学性原则、可比性原则、连续性原则和可获得性原则，同时为了保证评价指标体系的权威性和创新性，兼顾数据的可得性，融合了来源于传统数据和大数据的指标，最终构建我国区域科技创新高质量发展综合评价指标体系，如表7 所示。与传统的评价指标体系相比，基于大数据技术引入有关新兴指标后，评价对象更加广泛，即不仅关注规模发展，更注重科技创新发展效率的评估，也从能源利用效率、可持续发展前景方面全方位考察科技创新发展带来的间接社会影响效力。

表7 区域科技创新高质量综合评价指标体系

3 主客观组合的综合评价方法

指标权重确定是综合评价中的关键问题，直接影响到综合评价结果的科学性和合理性。组合赋权法是综合集成主观赋权法和客观赋权法的一种赋权方法，结合了两者的优点，因此，本研究采用基于主客观组合的组合赋权法作为评价方法。

3.1 序关系分析法

邀请了相关领域4 位评审专家给出各评价指标的序关系和重要性程度赋值，并利用群组G1 法的步骤得到每位专家序关系下的权重系数，对这4 组权重系数进行综合计算得到最终的组合权重系数。

3.2 动态主成分分析法

传统主成分方法是基于截面数据进行变量权重赋权，难以满足面板数据的评估，且本研究所构建的评价体系中每个维度的数据变化很大，采用静态的主成分分析法很难满足要求，因此选取动态主成分分析法进行面板数据的评估。

而考虑时间因素影响的动态主成分分析方法如下：

根据动态组成分分析的原理，可以将整个动态变化系统表示为：

原始指标数据进行标准处理化后，按照式（8）求解得到特征向量，选用累计贡献率超过80%的前5 个重要主成分作为最终的分解变量数据，并最终通过特征向量和特征根对相关的指标权重进行分解求，得出进行主成分分析的指标权重。

3.3 组合赋权方法及综合评价模型

综合评价模型的构建依赖于权重及组合评估模型，为保证整体模型的可解释性，采用主客观组合赋权的方法确定权重系数，该方法既不会偏向主观判断，又不会偏重客观实际的权重分配，能够得到更加科学可靠的权重分配［5］。为保证模型的可解释性，选用线性加总构建加总模型，t时刻的指数可以表示为：

4 实证评价与结果分析

4.1 数据来源及预处理

本研究以我国31 个省份（未含港澳台地区）为对象，选取2012—2022 年相关数据，所使用的原始数据主要来自政府统计年鉴数据和网络。其中，政府统计年鉴数据包括《中国统计年鉴》《全国科技经费投入统计公报》等；因省级科普影响力数据很难获取，采用大数据的手段获取各省份科学技术门户网站网络百度资讯指数来弥补，具体获取方法如下：首先模拟登录，进行高级搜索，输入关键词，通过调整时间窗口的时间，下载资讯指数的日均值，不断循环遍历提取出31 个省份近11 年的百度日均值指数；企业商标数据采集自中国商标网；企业类数据则来自国家企业信用信息公示系统。

由于各个指标的度量单位不一样，原始数据无法进行客观比较，且指标之间也不具有可比较性，因此，为了尽可能地反映实际情况，需要将指标的量纲进行处理。为保证指数的可解释性，采用线性加权汇总模型获得最终指数结果，其中主要采用Z-Score 标准化处理方式对相关数据进行无量纲化处理。

4.2 评价分析

对原始指标进行标准化处理后，按照主客观组合赋权的方法得到各指标权重系数，通过综合评级模型计算出2012—2022 年的31 个省份科技创新发展指数变化趋势，并得出创新环境、创新投入、创新产出、企业创新和创新绩效5 个分项的得分和排名（如表8 所示）。从整体而言，近10 年来31 个省份的科技创新总指数呈现逐年上升趋势，从2012年的-0.68 分缓慢上升到2022 年的1.04 分。

表8 我国31 个省份科技创新高质量发展评价结果

4.2.1 整体发展结果

由表8 的评价结果可见，31 个省份科技创新发展的整体增长速度呈现三阶段发展趋势：第一阶段（2012—2014年），发展相对比较平缓；第二段（2015—2017 年），科技创新总指数波动上升，且各分项指标均有所上升；第三段（2018—2022 年），得益于党的十九大提出实施科技强国战略，科技创新发展水平快速上升，除创新投入和创新绩效指标得分有所波动外，其他指标得分均有所上升。

具体而言，近10 年来，31 个省份科技创新总指数呈现平稳上升趋势，得益于创新环境、创新产出和企业创新3 类指标得分的上涨。其中，创新产出的贡献率最大，指标得分从2012 年的-0.25 分上升至2022 年的0.39 分。创新产出指标评价主要包括论文产出、专利产出和高技术产业新产品产值占地区生产总值比重。根据中国科技论文统计结果，截至2022 年我国热点论文数量世界占比持续增长，首次升至世界第1 位［20］，高被引论文数量继续保持世界第2 位，占世界份额提升了近3 个百分点［20］；发明专利有效量为421.2 万件，每万人口高价值发明专利拥有量达到9.4 件，发明专利有效量已经位居世界第一［21］；而高新技术新产品产值也稳定上升，这得益于数字经济的发展，一系列电子类产品走向全球。其次，创新环境指数变化上，从2012 年的-0.13 分上升至2022 年的0.31 分。截至2022 年，我国普通高校研究生招生数为124.25 万人，而2012年仅57 万人，翻了近1.5 倍；受益于近年来高新技术企业“两免三减半”税收减免政策的普遍实施，2012 年仅工业企业高新技术企业减免税为527 亿元，2022 年为2 503 亿元，增长超过4 倍，政府税收让利也进一步优化了科技创新的整体环境。再次，企业创新指数也稳步上升，从2012 年的-0.10 分上升至2022 年的0.14 分，并推动总创新指数的上涨，说明企业创新的主力军地位逐步凸显。其中企业专利占比数也稳步提升，企业在数字经济领域的创新势头强劲。截至2022 年，国内数字经济核心产业有效发明专利中，企业拥有量占比为70.9%，华为技术有限公司、深圳市腾讯计算机系统有限公司等技术型本土创新力量崛起，头部数字企业不断涌现，成为推动数字经济科技创新发展的重要力量。

贡献率波动较大的为创新投入指数和创新绩效指数。虽然我国科技研发投入持续加大，但整体增速呈下降趋势，创新投入指数从2012 的-0.09 波动上升至2022 年的0.05，对创新总指数的变化未产生重大影响。此外，创新绩效的影响有待彰显，创新所带来的间接影响需要时间检验。近年来，我国创新绩效虽呈现波动增长态势，但发展较慢，说明科技创新所带来的社会生态的变化仍有待进一步快速提升。

4.2.2 区域性发展结果

为了更直观地分析各省份的科技创新高质量发展状况，将31 个省份划分成东部、中部和西部区域进行对比分析1）。从表9 可以发现，三大区域的科技创新总指数都呈现上升趋势，但是区域间差异较为明显，呈现“西低、中平、东高”的格局，且东部与其他两个地区存在明显差异；从准则层指标而言，各指数虽均有所上升，但是三大区域的变化趋势相对之前增长比较平稳，中部和西部在企业产出方面的差距不明显。从具体省份来看，2022 年，上海市、北京市和广东省的科技创新总指数排名分列前三甲。其中，上海市的科技创新综合水平已经迈入全球主要创新型城市前列，2021 年在世界科技创新集群中排名第8 位［22］。截至2022 年，上海市的R&D 经费支出为1 615.7 亿元，与其生产总值的比值为4.17%，居全国（未含港澳台地区。下同）第2 位；万人R&D 研究人员为55.7 人/年，是31 个省份平均水平的3.3 倍。北京市的研发投入经费占比在6.5%以上，是31 个省份平均水平的2.7 倍，其中基础研究投入占比为16%；万人发明专利拥有量为218 件，居全国第一，是2012 年的6.5 倍；高被引科学家为339 人次，是2014 年的5.5 倍。广东省一直保持着领先定位，源于其研发经费支出、研发人员、高新技术企业数、发明专利有效量、PCT 国际专利申请量均位居全国首位。创新总指数得分排名前6 位的分别为上海、北京、广东、江苏、浙江和天津，而根据《中国区域科技创新评价报告2022》中的综合科技创新水平指数得分，处于第一梯队的为上海、北京、天津、广东、江苏、浙江［23］，本文研究结果与其高度相似。这说明融合大数据技术的科技创新评价指标有利于从整体刻画我国科技创新高质量发展水平。此外，变量的相关性检验分析结果显示，数据的相关系数为0.84，说明利用大数据技术可以弥补传统统计指标的不足，有利于刻画创新指数的变化。

表9 2012—2022 年我国三大区域科技创新高质量发展评价结果

5 结论与建议

本研究立足我国新发展阶段，围绕高质量发展理念，融合基于大数据技术的新兴指标，将社会成本、增长方式和资源环境代价纳入考量，从5 个方面构建区域科技创新高质量发展评价指标体系，结果表明，与主要来源于官方的指标数据相比，来源于大数据的指标同样可以有效刻画评价我国科技创新指数的变化趋势；同时可见，31 个省份的科技创新总指数呈现上升发展趋势，其中创新环境持续改善，创新投入持续加强，创新产出不断涌现，企业创新主力军作用凸显。另外，从中也可看到我国科技创新的高质量发展仍存在着不少问题：一是科技创新地区发展不平衡问题突出，呈现“西低、中平、东高”的格局，其中东部的科技创新指数值为中西部的数倍；二是创新投入指数有待进一步提升，新阶段我国科技创新发展正在从追求数量到追求质量的换挡期转化，区域创新投入差异较大，2022 年中西部的创新投入接近于东部的基期值；三是创新绩效指数呈现波动趋势，虽然创新对产业升级的影响显著，但是对于社会成本、资源环境代价的推动作用还有待进一步彰显。基于以上研究发现，提出如下对策建议：

（1）强化统筹区域协同，凝聚科技创新合力。加大对全国科技资源统筹力度，在更大范围布局建设区域科技创新中心，深度挖掘中部和西部地区的优质资源禀赋，激发潜力、优化创新生态体系。加强区域科技创新合作，以跨区域的科创产业园区为载体进一步加强东西部、南北区域的科技创新合作。

（2）加大研发创新投入，培养高水平创新人才。加快建设科技强国，推动我国科技投入由大到强，为高质量发展提供更多的源头供给、科技支撑和新的成长空间。科技创新关键是人才，必须采取切实有效措施进一步加强人才队伍建设，加速创新人才的培养。加强基础科学研究，以前沿引领技术、现代工程技术、颠覆性技术创新为突破口，抢占科技发展的先机，占据未来发展制高点。

（3）提升绿色创新绩效，引领科技高质量发展。强化生态环境科技创新服务，推动绿色低碳高质量发展，依靠科技创新破解绿色发展难题，形成人与自然和谐发展新格局。打造数字创新经济新引擎，积极发挥数字经济引领科技创新高质量发展作用。

注释：1）东部包括北京市、天津市、河北省、辽宁省、上海市、江苏省、浙江省、福建省、山东省、广东省和海南省；中部包括山西省、吉林省、黑龙江省、安徽省、江西省、河南省、湖北省和湖南省；西部包括四川省、重庆市、贵州省、云南省、西藏自治区、陕西省、甘肃省、青海省、宁夏回族自治区、新疆维吾尔自治区、广西壮族自治区和内蒙古自治区。