企业创新指数的构建及应用研究

【摘要】创新是发展新质生产力的核心要素。当前， 全球经济结构正因新一轮科技革命和产业变革而重塑， 各国将创新视为国际竞争的主战场。企业作为市场的行为主体和市场机制的作用对象， 是创新的成果转化中心， 对生产力的更新换代发挥着主导作用， 对发展新质生产力、 推动经济高质量发展具有重要作用。因此， 构建科学的创新指数有助于企业了解自身创新实力， 推动新技术的研发和应用， 从而提高新质生产力水平， 同时也可为政府培育新质生产力的方向提供决策参考。本文基于财务管理领域中现金流量折现模型的基本原理， 构建由创新投入能力、 创新研发能力、 创新产出能力、 创新成长能力和创新环境五个维度构成的企业创新能力评价模型， 之后基于社会网络分析法选取18个指标建立评价指标体系， 运用博弈论对通过CS-AHP和熵值法得到的主客观权重进行组合赋权， 并对创新指数的信度和效度进行检验。同时， 以2017 ～ 2022年1324家上市公司作为样本， 计算样本公司的创新指数。

【关键词】创新能力；CS-AHP；博弈论；新质生产力；社会网络分析法

【中图分类号】 F275"""" 【文献标识码】A""""" 【文章编号】1004-0994（2024）20-0106-10

一、 引言

习近平总书记指出， “科技创新能够催生新产业、 新模式、 新动能， 是发展新质生产力的核心要素”。企业是发展新质生产力的主力军， 作为我国市场的主体， 其既是创新的需求者， 也是创新的供给者。从创新需求者的角度来看， 面临中美贸易摩擦背景下关键技术被“卡脖子”的状况， 企业要想获得持续生存以及寻求增长， 除了创新几乎别无他法。从创新供给者的角度来看， 企业对市场的需求非常敏感， 从而可以在第一时间了解市场需求并开展相应的研发活动， 迅速使企业的科技创新成果以产品或服务的形式流入市场， 在促进企业发展的同时， 带动经济的增长。因此， 企业是连接创新活动与经济发展的关键通道， 提升企业的创新能力刻不容缓， 而如何准确、 客观地对创新能力进行测度就成为亟需解决的问题， 因为使企业了解自身的创新实力是提升企业创新能力的先决条件。为此， 本文采用构建创新指数的方式， 寻求一种科学且高效的途径来评估企业创新水平。具体来讲， 本文基于博弈论对通过CS-AHP和熵值法得到的权重进行组合赋权， 构建针对中国企业创新水平的创新评价指数， 并对指标体系的信度、 效度进行综合检验。结果显示， 本文构建的创新指数具备稳定性和较强的使用效度。

企业创新指数可以对企业创新活动进行量化评估， 从而有助于企业了解自身在创新方面的强项和改进空间， 为发展新质生产力提供参考依据； 同时， 企业创新指数的应用可以为产业升级提供数据支持， 促进整个产业向高端化、 智能化、 绿色化方向转型， 从而推动新质生产力水平的提升； 另外， 企业创新指数可为政府培育新质生产力的方向提供决策依据， 政府可以根据企业的创新指数表现， 引导资源向创新能力较强的企业和领域倾斜， 为其提供更多的资源等支持， 帮助它们加速新产品、 新技术的研发和应用。

二、 创新指数的构建

（一） 创新指数评价指标体系设计

参考崔也光等（2020）的研究， 依据财务管理领域中现金流量折现模型的基本原理， 本文构建了公司创新能力评价的理论模型， 如式（1）所示：

[P0=i=tt+nE （Fi）（1+re） i-j=0mE （Fj）（1+re）" j]" （1）

式中： P0代表一个创新项目的净现值， P0越大代表项目为企业创造的价值越大； t代表项目自开发时刻起， 到“可带来经济利益流入”状态所用的时间； n代表创新项目完成后所获成果持续给企业带来经济利益流入的时期； E（Fi）代表未来各期预计产生的现金流入量； re代表研发资金的资本成本； m代表创新项目的开发周期， 即我国会计准则规定的研究阶段与开发阶段； E（Fj）代表研发阶段预计的现金流出量。

创新项目的净现值越大， 则企业创新活动创造的价值越大， 即企业的创新能力越强。通过分析上述模型发现， 公司创新活动所创造价值的大小取决于多种因素， 包括项目产出的质量、 开发周期的长短、 预期盈利周期、 资本成本、 在研发阶段的投入水平以及带来的经济流入规模等多个方面。综合考虑这些因素， 企业的创新能力可以从以下五个层面来评价： ①创新投入能力， 主要反映企业的资源投入水平［与式（1）中E（Fj）相关］。②创新研发能力， 是指企业将创新投入转化为可以带来经济利益流入创新产出的能力， 其是影响研发投入—产出效率的一个主要因素， 主要反映项目研发周期长短及项目成果质量［与式（1）中E（Fi）、m相关］。③创新产出能力， 主要反映创新成果的数量、 质量以及经济收益期的长短［与式（1）中E（Fi）、n相关］。④创新成长能力， 主要反映项目研发周期［与式（1）中m相关］。企业创新项目从决策制定到落地结果面临着诸多挑战。尤其是在产品与技术迭代速度不断加快的互联网时代， 企业内外部风险加大， 人员、 财务不稳定性增强， 创新活动常常因资金链断裂或研发人员离职而暂停， 那么前期取得的阶段性成果可能会随搁置时间的增加而逐渐耗损， 再延续往往需要大量重复劳动， 从而延长项目研发周期。⑤创新环境， 包括企业内部治理、 资金实力及外部环境给予的支持， 主要反映公司开展创新活动的资本成本［与式（1）中re相关］。五个主要层面的相互作用关系如图1所示。

（二） 创新指数的指标选择

本文采用社会网络分析法进行指标选取， 提高了指标选取的客观性和科学性， 使评价指标体系更可靠。如图2所示， 本文构建评价指标体系的步骤如下： 第一， 各维度权威指标选取。通过社会网络分析法确定各个维度的权威指标， 计算指标的中心度， 节点的中心度反映了节点在网络中的重要性。根据各项指标的中心度， 从创新能力测度文献中挑选出权威指标纳入备选指标集。第二， 通过对现有文献的深入研究， 归纳与总结以往研究未涉及的指标， 从而为研究领域的指标体系增添新的视角和维度。第三， 指标的选择和鉴别。结合相关性分析和变异系数法， 对备选指标集进行筛选、 剔除和补充。第四， 确定最终的评价指标体系。

基于社会网络分析法确定各维度的权威指标， 可以分为以下两个步骤： ①文献检索及筛选。选择CNKI学术期刊全文数据库作为数据来源， 基于以往学者的研究整理出评价公司创新能力的常用表述方法， 以“企业创新能力and（评价or评估or指数or测度）”进行主题检索， 为确保数据分析的准确性和时效性， 设定检索时间为2003年1月1日 ～ 2023年12月31日， 文献来源为北大核心期刊与南大核心期刊（CSSCI）， 共检索到814篇。之后， 运用COOC软件提取文献摘要， 根据摘要筛选掉未构建指标体系的文献， 得到有效样本文献318篇。②提取各维度权威指标。将318篇样本文献中的指标分维度逐一整理到Excel表格中， 进行删除重复项、 剔除停用指标等处理。去除指标的特殊前缀（如将“民企研发人员占比”简化为“研发人员占比”）， 通过简化指标名称， 可以减少特定行业背景的干扰； 同义词之间进行合并（如将“研发人员占总人数比重”“研发人员比重”合并为“研发人员占比”）。之后使用COOC软件生成词频表， 取词频≥2的指标生成共现矩阵， 导入Ucinet软件， 使用NetDraw模块绘制社会网络图并计算各指标节点的中心度， 取大于中心度平均值的指标作为各维度的权威指标。具体分析如下。

1. 创新投入能力。创新投入能力主要反映企业的资源投入水平。创新投入维度衡量指标经过去重、 剔除、 合并等处理后， 最终得到183个指标， 生成的共现矩阵如图3所示。

创新投入维度指标体系共现网络的平均中心度为6.93， 将高于该值的指标作为权威指标放入备选指标集， 之后再进行选择（下同）。首先， 要避免选取绝对值型数据， 排除研发人员数量、 研发投入总额和研发经费内部支出等指标。其次， 考虑财报可获得性， 排除新产品开发经费支出和研发团队高级专家与博士数等指标。最后， 选取研发资金投入强度和研发人员投入强度来评估企业创新活动的财力资源投入情况。

2. 创新研发能力。创新研发能力主要反映项目研发周期长短及项目成果质量。创新研发维度指标体系共现网络的平均中心度为4.783。综合考虑后本文选取了研发资本化率、 本科以上员工占比两个备选指标。以下是具体分析： 当企业的研发资本化率达到较高水平时， 表明其在研发领域的资金投入较为充足， 研发成果较丰硕， 同时创新转化系统也比较强大（许罡和朱卫东，2010）。因此， 选取研发资本化率来衡量企业的研发能力。另外， 还选取了本科以上员工占比这一指标。员工素质是影响企业创新的关键因素之一， 通常员工学历水平越高， 企业技术创新水平就越高（李子彪等，2020）。

同时， 本文还选取了以往未涉及的指标——数字化无形资产占比。在数字经济时代， 数字化无形资产对企业创新至关重要， 提高了创新投入—产出的效率。数字化无形资产应用提升了企业要素管理能力， 特别是在数字技术与生产经营融合后。通过将研发过程数字化并进行数据整理分析， 企业能更精准地匹配创新要素， 降低非效率投资风险， 优化要素配置， 推动技术创新（孙献贞，2023）。

3. 创新产出能力。创新产出能力主要反映创新成果的数量、 质量与收益期长短。创新产出维度指标体系共现网络的平均中心度为5.22。本文主要从技术成果层面选取指标， 考虑产出数量与质量。产出数量层面， 选取专利申请数与专利授权数。其中， 专利申请数反映企业技术研发活跃程度， 专利授权数则反映专利创新性和实际产出数量。专利申请多表明技术研发广泛， 技术储备充足， 具备竞争优势； 专利授权反映的是实质性创新贡献。综合考虑两者可全面衡量企业创新产出数量。产出质量层面， 在备选指标中选取发明专利申请占比、 发明专利授权占比这两个基础指标。发明专利需要经过严格的实质审查， 其是对现有知识存量的增量贡献（杨思涵和佟孟华，2022）。相对于实用新型和外观设计专利， 发明专利被认为在创新程度上更为突出。

此外， 增加专利被引频次指标， 该指标在以往研究中并未涉及。专利被引频次是衡量专利技术影响力最直观的指标。一项专利被引用的频率较高， 其质量和价值也相对较高（Fischer和Leidinger，2014）， 因此本文将其纳入评价体系。

4. 创新成长能力。创新成长能力主要反映项目研发周期。以往学者的评价指标体系中对这一维度的研究较少， 因此没有足够的样本进行中心度分析。本文通过阅读相关文献， 归纳了常用的企业创新成长能力衡量指标， 如表1所示。

本文主要选取研发投入增长率、 研发人员增长率、 总资产增长率、 营业收入增长率这4个指标来测度企业创新成长能力。

企业创新成长能力主要体现在人力和财力资源的持续投入上。研发投入增长率、 研发人员增长率反映创新循环， 说明企业愿意投入更多资源来获取竞争力； 总资产增长率反映资产规模扩张速度， 资产规模扩张将推动企业发展； 营业收入增长率反映创新产品市场销售状况， 高增长率说明产品的市场竞争力较强， 促使企业进一步增加资源投入。

5. 创新环境。创新环境主要反映公司开展创新活动的资本成本， 其是指公司创新的基础环境， 涵盖组织文化、 创新激励机制、 研发资金资本成本、 创新风险管理机制等。创新环境维度指标体系共现网络的平均中心度为5.53。在前人研究的基础上， 本文从企业内、 外部两个维度来反映企业的创新环境。

（1） 内部维度。在企业内部维度指标的选取上， 本文主要从企业的资金实力及创新风险制衡机制出发选取指标。强大的资金实力可以为企业提供充足的物质资源， 使企业有能力承担高昂的研发成本和创新风险。因此， 资金实力越强、 规模越大的企业， 越有能力实施创新活动（张忠寿和朱旭强，2022）。独立董事比例较高反映出公司治理结构较好、 内部运行效率较高， 这使得企业开展创新活动的能力更强。综上所述， 在内部维度本文选取盈余公积、 自由现金流量、 独立董事占比这3个指标来评价企业创新环境。

（2） 外部维度。选取税收优惠、 创新政府补助这两个在以往研究中还未出现过的指标来量化外部环境对企业创新的支持。税收优惠可以提高企业的风险承担能力， 为企业创新纾压解困（肖鹏和代龙涛，2023）。一方面， 创新政府补助可以直接作为企业创新投入资金使用， 从而缓解企业创新活动的融资压力； 另一方面， 创新活动具有较高风险， 创新政府补助可以在一定程度上分担其风险。

综上所述， 本文初步选取了19个基础指标（全部为正向指标）， 得到上市公司创新能力评价指标体系。具体指标及其计算方式如表2所示。

（三） 创新指数的生成

1. 样本选择与数据来源。本文以沪深A股上市公司为研究对象， 根据研究需求和数据可获得性， 选定2017 ～ 2022年作为样本区间。剔除金融类， 已退市， 有退市风险的ST、 ∗ST类及数据缺失值较多的样本企业， 共得到1324家上市公司的6年面板数据。研究所需的数据来源于CSMAR、 WIND、 CNRDS数据库及上市公司年报。为了消除极端值对无量纲化数据的影响， 对所有数据进行了上下1%的缩尾处理。

2. 指标筛选。本文分别对现有各维度指标进行相关性分析和鉴别能力检验， 以保证所选取指标科学有效。通常情况下， 当指标之间的相关系数超过0.8时， 表明指标之间存在较高的相关性， 因此需要剔除这些指标（苑泽明等，2015）。本文进行相关性分析后， 发现专利授权数与专利被引频次、 专利申请数的相关系数均大于0.8， 综合考虑指标的代表性、 指标的信息含量等因素后， 剔除专利授权数指标。

科学合理的指标应当具有较强的鉴别能力， 鉴别能力能够反映指标特征的差异性， 本文采用变异系数法对指标的鉴别能力进行识别。一个指标的变异系数反映该指标在创新能力评价中的鉴别能力（陈松奕，2023）， 变异系数越大， 指标的信息分辨能力越强。参考耿成轩和魏佳慧（2023）的研究， 当指标的变异系数小于0.25时， 认为该指标的鉴别能力较差， 应进行删除处理。鉴别能力检验结果显示， 各维度指标的变异系数均大于0.25。结合相关性分析结果， 最终得到包含18个基础指标的创新能力评价指标体系。

3. 指标赋权。

（1） CS-AHP法赋权。传统的层次分析法（AHP）在一致性检验阶段通常只能判断矩阵是否一致， 却无法提供具体的改进方案。此外， 当判断矩阵的一致性较低时， 计算最大特征向量会变得困难。如果一致性检验未通过， 就必须重新构建判断矩阵， 这可能导致为了通过一致性检验而忽略专家意见。本文引入布谷鸟搜索（CS）算法来改进AHP中存在的问题， 构建CS-AHP模型对各维度指标进行主观赋权。

CS-AHP法下权重计算流程如下： ①构建层次结构。以企业创新能力为目标层， 准则层为创新投入能力、 创新研发能力、 创新产出能力、 创新成长能力和创新环境， 指标层为具体的18个指标。②构造判断矩阵。本文邀请了5位资深专家， 并获得了每一位专家的判断矩阵， 之后将判断矩阵输入Yaahp分析软件中， 为每一位专家的判断矩阵赋予相同的权重， 最后得到各维度的综合判断矩阵。③计算权重。将构造好的判断矩阵输入CS算法程序中。程序的计算步骤具体如下： 第一， 设定迭代次数和随机解的数量。随机产生指定数组的解， 解的维数等于输入判断矩阵的维数。对这些解进行归一化处理， 以确保它们的总和为1。然后， 计算每个随机解的目标函数值并保存。第二， 全局更新采用Levy飞行算法， 即在当前解的基础上以一定步长生成一批新的解。接着， 模仿宿主寻找外来寄宿物的行为， 以一定概率替换新的解， 并剔除目标函数值与实际值存在较大误差的解， 最终得到满足目标函数要求的新解。第三， 通过对给定的次数进行迭代， 输出最优解。

（2） 熵值法赋权。熵值法下权重计算流程如下：

一是进行标准化处理。首先对指标进行无量纲化处理， 在进行数据处理的过程中， 为避免特殊值给随后的数据处理带来不便， 在此步数据处理过程中， 统一将0替换成0.0001。由于本文选取的指标均为正向指标， 所以只需按照如下公式进行标准化处理即可。第i家企业第j项指标的观测值为：

[Vij∗=Vij-min （Vj）max （Vj）-min （Vj）] （2）

二是确定指标比重。

（3）

三是计算各指标的信息熵。

[ej=-1lnn×i=1nyij×lnyij] （4）

四是计算各指标的差异系数。

gj=1-ej （5）

五是计算各指标权重。

（6）

（3） 组合赋权。将主客观评价方法得到的权重向量以纳什均衡作为协调目标， 建立博弈集化模型， 寻求二者的最优组合（张学军和赵梦盈，2017）。具体步骤如下： CS-AHP法、 熵值法下的两个赋权结果对应着两个权重向量： ui=（ui1，ui2），i=1，2， 从而构造出一个指标权重集{u1，u2}。之后， 记这两个权重向量的任意线性组合为： [u=i=12aiui]， 其中aigt;0， 且[i=12ai=1]， 它的全体{u|u"""" aiui}表示可能的指标权重组合。接下来根据纳什均衡的协调目标， 寻找一致性的妥协模型， 最终目的是使组合权重与主客观权重之间的偏差最小， 实现博弈的最优“利益”， 从而得到最终的决策模型：

Min[j=12ajuTj-uTi2，i=1，2] （7）

求解该模型就可以获得与两种赋权方法均衡协调的综合权重值。再根据矩阵的微分性质， 得到上述模型最优一阶导数条件为：

（8）

其对应线性方程组为：""""""""""""""""""""""""""""""""""""""""""""""" 。将上述通过CS-AHP法、 熵值法得到的权重向量代入

， 得到对应的线性方程组：

， 解得： a1=0.4521， a2=0.5479。指标赋权结果见表3。

从博弈论组合权重值来看， 准则层指标中创新研发能力维度的权重（0.2802）最高。因为创新研发能力是实现创新投入到创新产出的有效转化的核心能力， 仅仅进行投入而没有高效的研发能力将无法产生具有商业竞争力的创新成果。并且高效的研发能力可以缩短创新成果开发周期， 使企业更快地将创新成果推向市场。准则层指标中权重排名第二位的是企业创新产出能力（0.275）， 因为创新产出是创新过程的最终目标， 它体现了企业实际创新的数量和质量， 并且直接关系到企业的商业价值和盈利能力。成功的创新产出能提供新的收入来源， 开辟新的市场机会， 使企业与竞争对手形成差异。另外， 创新产出的公开和广泛传播可以为企业赢得更多的关注和认可， 并对企业形象、 市场份额和品牌价值产生积极影响。因此， 在评价企业创新能力时， 创新产出能力被赋予的权重较高。相对而言， 创新投入能力（0.1713）和创新成长能力（0.1422）的权重不是很高。创新环境的权重（0.1313）最低， 虽然企业创新的内外部环境是开展创新活动的基础， 但企业创新活动最终能否创造价值， 更多地取决于创新投入和创新产出。而且相比之下， 创新能力其他维度更容易通过组织内部的运营和管理来进行提升和控制， 创新环境的改善则需要政府与企业共同努力。

4. 指数生成。得到博弈论组合权重后， 构建创新指数模型如下：

[Indexj=i=1mVij×Wi] （9）

其中： Indexj代表第j个样本公司的创新指数； Wi为第i个指标的组合权重； m为指标个数； Vij为无量纲化处理后的观测值。

根据创新指数模型计算出的指数结果位于区间［0，1］内， 为了便于比较研究， 将创新指数的结果乘以100， 形成百分制的得分。接下来， 对创新指数进行信度和效度检验以证明指数的有效性。

三、 创新指数的检验

下面对创新指数的可靠性和相关性进行信度和效度两方面的检验， 以确保所选取的基础指标能够全面反映企业的创新能力。

（一） 指数的信度检验

本文为检验创新指数各个指标权重是否会因所选样本不同而不一致， 参考栾甫贵等（2021）的研究， 采用计算Kappa系数的检验方法， 对根据不同年份样本计算权重得到的创新指数得分进行一致性检验。

Kappa一致性检验思路如下： 首先， 对于2017 ～ 2022年这六年的上市公司样本分别进行创新指数指标的权重计算， 得到它们的权重集合为W{W1，W2，W3，W4，W5，W6}。每一个权重评分就相当于一名独立评价者， W权重集合就相当于6名评价者对相同事物不同评价结果的集合， 据此得出相对应的创新指数得分集合为S{S1，S2，S3，S4，S5，S6}。其次， 又以2017 ～ 2022年上市公司样本为依据， 计算了各项指标的权重， 从而得出2017 ～ 2022年度上市公司指数得分。最后， 对于基于全样本计算的指数得分和基于不同年份计算的指数得分， 进行5 ～ 9等分的大小划分， 并进行Kappa一致性检验以验证两种评价结果的一致性。检验结果见表4。

根据表4的检验结果可以看出， 5个分组的Kappa一致性系数均表现出高度一致的特点， 各个分组的Z检验结果均显著， 拒绝H0假设。从而证明了样本选择的不同对创新指数指标权重的影响很小， 由此创新指数的信度是可以被接受的。

（二） 指数的效度检验

1. PSM-DID效度检验。

（1） 模型构建。参考周冬华等（2019）的研究， 设计多时点DID模型， 考虑到公司个体异质性和时变性可能产生的影响， 控制公司个体固定效应和年份固定效应。模型如下：

Indexi，t=β0+β1Esopi，t+β2Controlsi，t+∑Firm+

∑Year+εi，t""" （10）

其中， Index为本文构建的创新指数， 用来衡量企业创新能力。Esop衡量的是公司是否实施了员工持股计划： 若某公司实施了员工持股计划， 则该公司实施当年度及以后年度的Esop取值为1， 否则为0； 若某公司至今尚未实施员工持股计划， 则该公司所有年度的Esop均取值为0。在回归分析中， 若β1的系数显著为正， 则代表实施了员工持股计划的企业相比于未实施企业创新指数得到较大提升， 说明创新指数可以很好地表征企业创新能力。

参考孟庆斌等（2019）、 黄萍萍和焦跃华（2019）的研究， 选取第一大股东持股比例（Top1）、 固定资产比率（Fixed）、 企业规模（Size）、 董事薪酬（Pay）、 企业年龄（Age）、 资产负债率（Lev）、 资本密集度（Cap）作为控制变量。表5中列出了相关变量的定义和计算方法。

（2） 倾向得分匹配法（PSM）。采用倾向得分匹配法对实验组和对照组进行匹配， 以此缓解样本自选择偏差的影响。这么做的目的在于， 企业是否实施员工持股计划会受到特定情况的影响， 并不随机， 通过匹配对照组来降低偏差。使用最近邻匹配进行1∶3匹配， 并以前文的控制变量作为协变量。结果（留存备索）显示， 匹配前两组的核密度函数存在显著差异， 匹配后两组核密度函数相似， 匹配效果比较理想。

（3） DID双重差分结果。利用倾向得分匹配后得到的最终样本进行DID双重差分。双重差分结果如表6所示， 可以看到在10%的显著性水平上， 员工持股计划的实施能够显著促进企业的技术创新， 可见本文构建的创新指数能够很好地反映企业创新能力， 通过了效度检验。

（4） 平行趋势检验。考虑到距离员工持股计划实施当年较远的样本数量较少， 为使数据分布合理和均匀， 设置计划实施当年t=0， 将计划实施之前且距离计划冲击年份4年以上的年份（t-4）归并为-4， 将计划实施之后且距离计划冲击年份大于4年的年份（tgt;4）归并为4。另外， 选择实施员工持股计划前第一年的数据作为基准组， 剔除基准组数据， 构建平行趋势检验模型如下：

Indexi，t=β0+β-4Yeari，t-4+…+β4Yeari，4+β5Controlsi，t+∑Firm+∑Year+εi，t （11）

平行趋势检验结果如图4所示。-4、 -3、 -2期的置信区间包含 0， 数据不显著， 而 0 期及以后的置信区间不包含 0， 数据显著， 满足平行趋势假设。

2. 创新指数反映股票超额收益率的效度检验。为研究创新指数在帮助投资者制定有效投资策略时的实用性， 运用创新指数选取股票作为投资组合， 通过对投资组合收益率曲线进行历史回测来分析创新指数对股票超额收益率的影响。

（1） 以2022年创新指数排名前50位的企业构造投资组合样本。通过Wind资讯的数据搜索、 组合构建及回测功能， 在Wind资讯数据库上构建组合并进行历史回测。由于企业年报大多在5月份披露， 回测区间选定为2022-05-01 ～ 2023-12-31， 并以沪深300指数为基准， 调仓周期为每季度财报披露截止日后的首个交易日， 以样本企业 2022年5月1日市值除以当日投资组合中所有样本企业总市值作为该样本企业在整个投资组合中的投资权重。回测结果如表7和图5所示。结果显示， 在股票市场表现整体下滑的情况下， 以创新指数50构建的投资组合表现较好， 年化收益率为7.85%， 年化超额收益率为15.87%， 具有非常显著的超额收益。

（2）以2017 ～ 2022年创新指数平均值排名前50位的企业构造投资组合样本。这样构建投资组合的原因在于： ①通常情况下， 创新产品需要时间来落地和生效， 因此创新实施到最终业绩提升之间会有一定的延迟。②通过对过去六年的数据进行加总平均， 可以去除个别年份的特殊情况， 从而提高筛选样本的稳定性。这样做有助于确保所选样本的一致性和准确性。回测区间选定为2019-05-01 ～ 2023-12-31， 由于涉及之前年份的排名， 并且现实交易中投资策略需要不断调整以适应市场行情， 如果把回测区间设定得太长， 策略会失去有效性， 这样设置更加贴近现实交易的基本情况。其余条件与上文相同， 回测结果如表8和图6所示。以创新指数平均50构建的投资组合的年化绝对收益率为9.88%， 年化超额收益率为11.68%。

由上述分析可以看出， 运用创新指数所构建的投资组合表现较好， 在回测区间内均跑赢同期的沪深300指数。可以说， 创新指数可作为资本市场的投资风向标， 从而帮助投资者做出正确的投资决策。

四、 创新指数的应用

（一） 时间维度评价

根据博弈论组合赋权法下的指标权重， 对各维度标准化后的数据进行加权求和， 得到各维度相关指数， 并通过平均数表示， 这样有助于消除极端值对评估结果的影响， 使结果更加稳定和可靠。表9展示了不同年份下各维度得分情况。

2017 ～ 2022年， 我国上市公司创新指数综合得分持续增长， 这种趋势的背后既有我国经济转型升级的需要， 也有国际大环境的影响。创新是经济转型升级的核心驱动力之一。随着我国经济发展进入新常态， 依靠投资和进出口主导的增长模式已经面临瓶颈， 经济发展转向更加注重质量和效益的方向。而在这一转型过程中， 创新能力的提升则成为至关重要的条件。一方面， 创新能力的提升能够推动我国上市公司产品质量和技术水平的升级， 增强企业在国内和国际市场的竞争力。另一方面， 创新能力的提升有助于推动我国经济的数字化、 网络化和智能化转型。同时， 这种趋势在一定程度上也反映了我国新质生产力水平的逐年提升。创新指数综合得分的增长意味着上市公司在创新能力、 技术水平、 产品质量等方面取得了进步， 从而推动了整体生产力水平的提升。这种持续增长的趋势表明我国企业在不断提升自身的创新能力和竞争力， 为经济发展注入新的动力。

（二） 区域维度评价

企业代表了一个地区经济发展的内生力量， 本文选取2017 ～ 2022年创新指数平均值前 300强企业进行区域分析（见表10）。创新指数排行榜前 300 强企业的名单体现了各地在培育创新型企业方面所取得的成就， 同时揭示了不同地区创新生态系统的吸引力和竞争优势， 清晰地展示了各地区在创新产业发展方面的特点和潜力， 可为新质生产力的发展方向和相关政策制定提供参考。

从区域维度看， 区域创新能力分布呈现“东强西弱”的总体格局， 区域创新发展失衡程度高于经济发展。我国区域创新格局极不平衡， 第一梯队区域（如北京、广东、上海、江苏、浙江等）凭借长期积累的创新资源、 完善的基础设施以及人才和技术优势， 已经在区域上市公司的转型升级方面取得了显著进展， 在未来将成为全球最具竞争力和创新能力的地区之一。

然而， 与处于创新领先的一线地区相比， 其他地区的创新能力存在显著差距， 急需提升。尽管中部地区的人均地区生产总值仅略高于西部地区， 但中西部地区上市公司的创新能力却存在明显差异， 创新发展的不平衡程度超过了经济发展。中部地区（湖南、湖北、河南、安徽等）在我国经济建设和社会发展中扮演着重要的角色。与东部地区相比， 中部地区的创新实力相对较弱， 但从全国来看其依然具备相当大的实力和潜力， 这得益于其重要的交通枢纽位置。这种位置优势有利于中部地区与世界其他经济体互联互通， 吸引更多国际资本和技术的进入， 为创新提供了良好的外部环境。西北地区（陕西、宁夏、甘肃和新疆等）尽管拥有独特的自然和文化资源， 但它们在全国范围内的创新实力仍较为薄弱， 科技企业整体数量、 技术含量均不占优势。西北地区整体经济基础相对较弱。不同于东部发达地区经济长期高速增长， 西北地区的发展时间较短， 其中许多省份一直面临着较为严峻的发展条件， 包括自然环境恶劣、 基础设施薄弱等， 这些因素导致地区经济起步较晚、 产业结构单一， 进而限制了其创新发展的空间和实力。

除共性之外， 不同省份创新指数前300强企业的行业分布又各具特性。如广东省的汽车制造业表现较好， 其中比亚迪和广汽集团分别位于榜单的第28名和第53名。比亚迪是全球领先的新能源汽车制造商， 其在电池、 电机等核心技术方面积累了丰富的实践和研发经验， 可谓技术领域的翘楚。广汽集团也早在十年前就开始在智能汽车领域耕耘， 一直致力于创新和研发， 推出了很多高端车型。又如浙江省的医疗制造业表现突出， 共有5家企业进入创新指数前300强企业榜单， 在浙江省上榜企业中占比达29.41%。这与浙江省政府高度重视生物医药产业发展密切相关。生物医药产业作为浙江省的支柱产业之一， 受到省委、 省政府高度重视和关注。2022年， 浙江省出台的生物医药产业相关政策多达22项。在各项政策举措的有力推动下， 浙江省的生物医药产业发展态势良好， 2022年产业规模由2021年的全国第6位提升至全国第4位。上述有关各区域创新指数的特性分析， 可为各地政府发展新质生产力提供方向参考。

（三） 行业维度评价

将2017 ～ 2022年各样本的创新指数分行业进行加权平均， 得到每个行业的创新综合指数。本文在分析中剔除了样本量小于3的行业， 以避免小样本对整体研究结论的影响。由于篇幅所限， 本文只列示了排名前15位的行业情况（见表11）。

可以看到， 排名前三的行业均属于数字经济的核心行业， 这反映出我国目前的经济和科技发展趋势， 同时也说明数字经济是新质生产力发展的关键支撑和新赛道。数字经济行业以技术创新为核心， 不断推动新技术的研发和应用。数字经济赋能企业实现生产模式的升级， 包括智能制造、 数字化生产、 供应链管理优化等。通过对数字化技术的应用， 企业可以实现生产过程的智能化和自动化， 提高生产效率和产品质量， 从而推动新质生产力的发展。目前我国正在大力发展数字经济， 软件和信息技术服务业是数字经济的重要支撑， 涉及软件开发、 数据分析、 IT咨询和技术支持等领域， 在企业数字化转型中起到了关键作用。互联网和相关服务行业包括电子商务、 在线支付、 社交媒体和移动应用等领域， 以互联网技术为基础， 为其他行业提供新的商业模式和创新解决方案， 从而推动数字经济的发展。计算机、 通信和其他电子设备制造业则提供了发展数字经济所需的基础设施和硬件支持。因此， 相比于其他行业， 这些行业对数字经济发展的支持力度和贡献较大， 这也就给予其动力去提升自身的创新能力来满足市场的需求。

高端制造业通常处于产业链的中高端位置， 与上下游产业存在密切的协同关系。通过产业协同合作， 推动技术创新、 资源共享， 形成良好的创新生态， 可以为新质生产力的发展提供良好的环境。排名第4到第12位的行业大部分都属于制造业二级行业。目前我国正积极推动制造业高质量发展， 可以看到排名前列的制造业二级行业均属于高端制造业， 其产品和技术相对较为复杂， 高度依赖科技创新， 如医药制造业需要不断研发新药和医疗设备、 汽车制造业需要不断改进车辆设计和生产工艺、 专用设备制造业和通用设备制造业需要开发和提供高科技设备及解决方案， 所以这些行业都储备了较多的研发人才和专业知识， 不断进行研究和创新， 以应对市场需求和竞争压力。然而， 如食品制造业， 家具制造业， 皮革、 毛皮、 羽毛及其制品和制鞋业， 产品差异性较小， 因此创新需求相对较低。尽管这些行业也需要不断提高产品质量和生产效率， 但相较于科技含量高的制造业， 其创新能力可能较弱。这些行业注重的是稳定的生产流程和产品质量， 而不是大规模的技术创新， 因此在创新方面可能缺乏动力和投入， 相对较少涉及前沿科技和产品创新。

五、 结论及建议

（一） 结论

本文构建了上市公司创新指数， 尝试以构建指数的方式反映企业的创新能力。为实现上述目标， 构建了由五个主要维度包含18个基础指标的创新能力评价指标体系。基于上述指标体系计算的企业创新指数， 可以较为全面地反映企业的创新能力， 从而有助于企业了解自身创新实力， 推动新技术的研发和应用， 进而提高新质生产力水平， 同时也可为政府培育新质生产力的方向提供决策参考。通过研究， 本文得出以下结论： ①总体上我国创新指数处于稳步上升的趋势， 从2017年的18.8695稳步增长至2022年的19.5547， 可见我国上市公司创新形势整体向好。②从区域维度来看， 区域创新能力分布呈现“东强西弱”的总体格局， 区域创新发展失衡程度高于经济发展失衡程度。③从行业维度来看， 现代服务业（如软件和信息技术服务业、互联网和相关服务行业）、 高端制造业（如计算机、通信和其他电子设备制造业，医药制造业， 汽车制造业）展现出较强的创新能力， 而传统制造业、 传统服务业创新能力明显偏低。

（二） 建议

针对上述结论， 本文提出以下建议： ①针对创新能力“东强西弱”的总体格局， 应加强区域间创新合作网络建设， 建立跨区域的创新合作机制， 促进不同地区之间的合作与交流， 实现创新资源的共享与流动。通过构建区域间的合作平台， 推动不同区域间优势互补、 资源共享， 加强中西部地区与东部发达地区的创新合作， 共同提升整体创新能力。鼓励各地区加强政策协调， 形成政策合力， 为创新发展提供更好的政策和环境支持。中西部地区应加大对创新生态建设的支持力度， 出台相关激励政策， 吸引更多创新人才和企业落户。②从行业维度来看， 应加大对传统行业创新发展的支持力度， 加快新兴产业的兴起和发展。推动传统产业人工智能化建设， 支持行业内企业应用人工智能技术优化生产流程、 提升产品质量和创新服务模式。通过引入机器学习、 自然语言处理等技术， 实现智能化运营和个性化定制。加速高端制造业和先进服务业协同发展， 在关键核心领域突破技术瓶颈， 推动产业组织、 服务业态不断优化创新。

由于创新指数构建研究刚刚起步， 目前还存在一些需改进的方面： ①仍需进一步完善指标体系。尽管已经尽可能采用更为完备的衡量创新的指标， 但仍有一些变量无法在公开数据库中获取（如企业新产品销售收入）， 从而使得这些变量并未被纳入创新能力评价指标体系之中。②指数应用范围有待拓展。本文构建创新指数的样本为上市公司， 作为我国经济重要组成部分的非上市公司， 对其创新能力的研究也非常重要。未来的研究可以从以下两个方面展开： 一方面， 可以通过案例分析和中外比较分析等方法， 对创新指数指标体系的可靠性和有效性进行进一步验证和提升； 另一方面， 可以扩大研究对象范围， 将研究重点从上市公司扩展到非上市公司， 以拓宽创新指数的应用领域。

DOI：10．19641/j．cnki．42-1290/f．2024．20．017

【 主 要 参 考 文 献 】

陈松奕．高技术产业绿色创新能力评价指标体系构建及测度［ J］．统计与决策，2023（3）：174 ～ 178．

崔也光，张悦，王肇．创新驱动国策下公司研发指数的构建研究——公司研发综合实力的会计评价方法［ J］．会计研究，2020（2）：16 ～ 25．

耿成轩，魏佳慧．数字化背景下科创产业要素市场化配置的水平测度与动态演进［ J］．浙江工商大学学报，2023（5）：113 ～ 127．

郭玥．政府创新补助的信号传递机制与企业创新［ J］．中国工业经济，2018（9）：98 ～ 116．

黄萍萍，焦跃华．员工持股、信息透明度与企业创新——基于员工持股计划的准自然实验［ J］．科技进步与对策，2019（22）：102 ～ 111．

李子彪，孙可远，刘爽．人力资本特征如何影响企业创新绩效？——基于创新合作的调节［ J］．科技管理研究，2020（6）：22 ～ 31．

栾甫贵，赵爱玲，胡会林．企业持续经营能力指数的构建及应用［ J］．财会月刊，2021（18）：19 ～ 28．

孟庆斌，李昕宇，张鹏．员工持股计划能够促进企业创新吗？——基于企业员工视角的经验证据［ J］．管理世界，2019（11）：209 ～ 228．

孙献贞．数字化转型、政府补助与企业技术创新——来自中国A股上市公司的经验证据［ J］．南方金融，2023（7）：3 ～ 15．

肖鹏，代龙涛．财政补贴、税收优惠与创新激励：效应分析与政策启示［ J］．经济与管理评论，2023（5）：21 ～ 35．

许罡，朱卫东．管理当局、研发支出资本化选择与盈余管理动机——基于新无形资产准则研发阶段划分的实证研究［ J］．科学学与科学技术管理，2010（9）：39 ～ 43．

杨思涵，佟孟华．人力资本、技术进步与经济稳增长——理论机制与经验证据［ J］．浙江社会科学，2022（1）：24 ～ 38+157．

苑泽明，金宇，王天培．上市公司无形资产评价指数研究——基于创业板上市公司的实证检验［ J］．会计研究，2015（5）：72 ～ 79+95．

张永珅，李小波，邢铭强．企业数字化转型与审计定价［ J］．审计研究，2021（3）：62 ～ 71．

张忠寿，朱旭强．中国科技企业创新能力与IPO、盈利能力、资本结构和企业规模关系研究［ J］．宏观经济研究，2022（2）：147 ～ 154．

周冬华，黄佳，赵玉洁． 员工持股计划与企业创新［ J］．会计研究，2019（3）：63 ～ 70．

Fischer T.， Leidinger J.. Testing patent value indicators on directly observed patent value—An empirical analysis of Ocean Tomo patent auctions［ J］． Research Policy，2014（3）：519 ～ 529．

（责任编辑·校对： 许春玲" 刘钰莹）