西北地区数字化转型程度与科技人力资源利用率耦合协调度研究

摘要：当前，数字化转型对于经济发展的影响日渐凸显，我国西北地区数字化转型程度较低，科技人力资源未被充分利用，导致了人才流失，也使得西北地区数字化转型进程受限。本文以西北五省数字化转型程度与科技人力资源利用率为研究对象，选取2014—2022年西北五省面板数据，建立评价指标，采用熵权TOPSIS法与DEA方法获取两者评价值，并建立耦合协调度模型，对两者协调发展程度进行分析。结果发现：（1）西北地区数字化程度呈现“两边高，中间低”的分布特点；（2）西北地区科技人力资源利用率处于较高水平；（3）在两者耦合协调度方面，陕西省协调水平最高，甘肃、新疆、青海其次，宁夏相对协调水平较低。基于研究结论，本文提出针对性建议，以供参考。

关键词：数字化转型；科技人力资源利用率；熵权TOPSIS；DEA；耦合协调度；西北地区

中图分类号：F文献标识码：A文章编号：2096-0298（2024）12（b）--06

1引言

随着第四次科技革命的到来，互联网、大数据、人工智能等数字技术深刻影响着地区经济发展。近年来，数字化转型不断深入推进，2023年政府工作报告强调要加快传统产业和中小企业数字化转型。在国家政策的导向下，数字化转型成为加快建设现代化经济体系和推动经济高质量发展的强大动力。数字化转型对于科技人力资源有着较高要求，从而推动科技人力资源的发展[1]。数字化转型可以在一定程度上提高科技人力资源利用效率，如果科技人力资源利用效率过低，则会制约行业的数字化转型，进而限制科技人力资源利用效率的提升。相反，如果科技人力资源利用效率高，数字化转型程度也会随之提高，且反作用于科技人力资源利用效率自身。只有两者协调发展，才能相互促进。

数字化转型与科技人力资源之间存在复杂的关系，学术界关于数字化转型的研究主要包括数字化转型概念[1-2]、数字化转型对企业发展的驱动作用[3-5]、数字化转型特征[6-7]等。关于科技人力资源的研究主要包括科技人力资源的定义[8-10]、科技人力资源集聚效应[11-12]及其影响因素，包括经济政策与文化[13]、经济发展水平[14]、社会保障机制[15]等。

目前的研究大多聚集于数字化转型或科技人力资源，而对于两者之间相互作用的研究较少。目前，我国数字化转型面临着数字化复合人才稀缺的问题，这导致企业面临数字化部门功能缺陷明显，业务部门思维受限[16]。科技人力资源利用率反映了科技人力资源的有效利用程度，故本文聚焦于西北五省（陕西、甘肃、宁夏、青海、新疆）数字化程度与科技人力资源利用效率，建立评价体系，使用熵权TOPSIS法与DEA方法获取评价值，并建立耦合协调度模型分析两者耦合协调度，旨在助力西北五省推动数字化转型与科技人力资源利用效率提升，进而推动西北地区高质量发展。

2数字化转型与科技人力资源利用率耦合协调性分析

2.1数字化转型对科技人力资源利用率的促进作用

当前，我国人力资源管理面临科技人力资源配置混乱的问题[17]，造成这一现象的主要原因包括信息不对称[18]和资金与人员不匹配[19]。人力资源配置不合理，将会导致人力资源利用效率低下[20]。具体而言：信息不对称会导致企业与雇员之间供需关系模糊，从而导致个体与岗位不匹配[21]。此外，由于信息不对称，可能会发生信息优势者对劣势者的欺骗[22]。这两种情况皆不利于创新成果的产出，从而影响人力资源利用效率。资金与人员不匹配具体是指大量的资金被配置给少部分人员，即资金冗余的发生。在创新过程中，由于大量资金的投入，研究人员希望以较短的时间产出高质量成果，这就导致了两种情况的发生：一是研究人员花费大量资金引入技术，加长了学习周期与适应周期[19]，这期间将会产生更多支出。二是研究人员主动或被动追求短周期成果，从而影响了产出质量[23]。创新成果，是科技人力资源的最重要特质[24]，创新产出质量低，代表着科技人力资源的浪费，从而导致科技人力资源利用率的降低。

在数字化时代背景下，数字化技术已被应用于企业的管理运营中[25]。在人力资源管理方面，数字化转型有助于解决科技人力资源配置问题。通过数字化转型，人力资源管理转向全员参与，所有信息透明化，公司通过数字化转型，可以最大限度做到岗位与员工相匹配。同时，雇员也可以最大限度地利用公司资源，从而提高创新成果质量[26]。数字化转型有助于企业建立高效灵活的科技人力资源管理系统，以其完善的监测反馈机制应对不同的科技人力资源需求[27]，尽可能使资金与人员相匹配，从而优化科技人力资源配置，提高科技人力资源利用率。

2.2科技人力资源利用率对数字化转型的促进作用

企业在数字化转型过程中，离不开高素质的人力资源[28]，尤其是科技人力资源[29]。从微观层面来看，数字化转型在带来海量信息的同时，也产生了大量的“信息垃圾”，通过数字技术排除“信息垃圾”，同时，将相关信息进行整合，从而达到创新的目的，这需要相关技术创新人员的介入[30]。近年的研究表明，我国尚有55.89%的企业未启动数字化转型，造成这一现象的主要原因是企业对数字化转型的认知不足[31]，故数字化转型需要科技人才的支持，激发全员对数字化转型的认知[32]。从宏观层面来看，数字技术更新迭代较快[33]，数字化转型过程中不断面临更新技术的问题，故数字化转型需要强专业性的复合化人才支撑[34]。另外，数字化转型基础设施不完善也是数字化转型中存在的问题，数字化转型需要完善的基础设施，这要求企业投入大量的资源，而大部分企业无法承担这一必要成本[35]，从而大大减缓了数字化转型进程，进而影响了地区的数字化转型发展。针对此问题，企业在进行数字化转型时，需要拥有数字化背景的科技人才做出合理规划。

目前，我国科技人力资源总量巨大[36]，提高科技人力资源利用率，减少科技人力资源的浪费，有助于集中资源解决筛选信息、提高认知、完善设施与技术更新换代等问题，从而加快数字化转型进程。

3研究方法

3.1熵权TOPSIS法

熵权TOPSIS法是基于熵权法确定评价指标，比较观测值、最优方案与最劣方案之间距离来评价，若评价对象最靠近最优解，则为最满意解。熵权TOPSIS法可以对多个对象进行评价，确定各对象所处序位，方便对象间进行比较，具有操作性和稳定性强的优点[37-39]。

3.2DEA方法

对于规模相似的多个单位的投入与产出，DEA方法在测算其相对效率时具有相对有效性[40]，故DEA方法成为被广泛使用的效率评价方法，对于多个决策单元，DEA方法可以分别衡量其相对效率并确定其最优决策组合。常见的DEA方法包括CCR模型和BCC模型，两者区别在于BCC模型在CCR模型的基础上，摆脱了规模报酬不变的限制[41]。鉴于西北地区科技人力资源利用率的每个决策单元并非处于最优生产规模，故本文选择DEA方法中的BCC模型对西北地区科技人力资源利用率进行衡量。

3.3耦合协调度评价模型

本文参考物理领域中的耦合协调度来衡量西北地区数字化转型程度与科技人力资源利用率间的相互关联程度，并依据耦合协调度D值大小对数字化转型程度与科技人力资源利用率之间的耦合协调指数进行等级划分（见表1）。

3.4指标体系的构建

基于指标选取的数据可获得性、准确性以及科学性，本文参考相关文献[42-44]建立评价指标体系（见表2）。

3.5数据来源

本文选取2014—2022年西北五省面板数据作为研究样本，数据来自2015—2023年各地区统计年鉴、《中国统计年鉴》《中国科技统计年鉴》《北京大学数字普惠金融指数报告》及专利汇网站。

4实证分析

4.1数字化转型程度及时序变化分析

依据评价指标体系与测算模型，得出2014—2022年西北地区五个省份的数字化转型程度评价值（见表3）。西北地区五个省份中，陕西、甘肃、宁夏与新疆在2014—2022年数字化转型程度不断提升，青海则处于波动状态。增长速度方面，陕西省增长速度在五个省份中最快，新疆其次，青海最慢。整体水平方面，五个省份中陕西省数字化转型程度最高，新疆其次，宁夏相对最低。综上可知，陕西省数字化转型程度呈现较优水平，新疆省其次，之后为甘肃省、青海省，最后为宁夏省。

4.2科技人力资源利用率及时序变化分析

如表4所示，2014—2022年，陕西省科技人力资源利用率一直处于较优水平且波动较小，青海省与新疆省一直有所波动，而甘肃省与宁夏省在早期波动较大，但近年来逐渐趋于平稳发展。陕西省、甘肃省与青海省在九年间有五年效率达到最优，而新疆省有4年效率达到最优，宁夏省仅有两年效率达到最优。综上可知，陕西省在科技人力资源利用率评价中最优，其次为新疆省、青海省、甘肃省，宁夏省相对水平较低。

4.3数字化转型程度科技人力资源利用率耦合协调度

将西北地区数字化转型程度评价值与科技人力资源利用率耦合协调度依据表1划分耦合协调等级（见表5、表6）。宁夏省耦合协调度一直处于较低水平，陕西省耦合协调度水平最高，但与其他三省相差较小。具体来看，陕西省与新疆省在九年间均处于协调状态。甘肃省在2014年、2015年处于濒临失调状态，在之后的七年间一直处于协调状态。青海省2014年处于濒临失调状态，2015—2022年均处于轻度协调状态。宁夏省在九年间一直处于失调状态。综上可知，陕西省与新疆省处于较高的耦合协调度水平，其中甘肃省次于陕西省与新疆省，但总体水平也处于上升趋势，再次为青海省，青海省耦合协调度水平与甘肃省相当，但一直在0.500～0.550波动。宁夏省耦合协调度水平最低，但宁夏省一直处于上升状态。另外，从西北地区整体分析，数字化转型程度与科技人力资源利用率间的耦合协调水平从失调水平逐渐开始协调，但整体协调水平仍然较低。

5结论与建议

5.1结论

本文利用熵权TOPSIS法、DEA方法与耦合协调度模型评估了西北地区五个省份2014—2022年的数字化转型程度与科技人力资源利用率的耦合协调度，结论如下：

（1）从数字化转型程度来看，西北地区五个省份在2014—2022年数字化转型程度都有所上升，其中陕西省涨幅最高，达到177%，青海省涨幅最小，仅有20%。从时序演变来看，除青海省数字化转型程度有所波动外，其他省份均处于增长状态。

（2）从科技人力资源利用率来看，2014年甘肃省与宁夏省两个省份科技人力资源利用率相对较低，仅在0.5～0.6，其他三个省份利用率已经达到较高水平，2015—2022年，各个省份科技人力资源利用率均达到较高水平，均在0.7以上。科技人力资源利用率达到1为最优，从此角度分析，陕西省、甘肃省、青海省最优占比55.55%，新疆省最优占比44.44%，宁夏省最优占比22.22%。

（3）从两者耦合协调度来看，陕西省耦合协调水平经历了“轻度协调-初级协调-中级协调”阶段，新疆则经历了“轻度协调-初级协调”阶段，这两个省份是耦合协调度达到较高水平的省份。甘肃省与青海省次之，分别经历了“濒临失调-轻度协调-初级协调”阶段与“濒临失调-轻度协调”阶段。宁夏省相对耦合协调水平最低，但在九年间发展程度最大，经历了“极度失调-中度失调-轻度失调-濒临失调”阶段。从省际差异来看，西北五省耦合协调度与数字化转型程度同样处于“两边高，中部地区依次下降”状态。

5.2建议

（1）大力推广数字化转型。首先，加快西北地区数字化基础设施建设，政府应对西北地区数字化建设给予更多的政策支持与资金扶持，并结合当地情况，合理分配资源。尤其对于偏远地区，更应该重提高数字化基础，让更多人参与到数字化建设中，以此带动西北地区经济发展。

其次，西北地区应加强具有数字化专业背景的复合型人才的引进力度，优化人才引入机制，发挥人才引领作用，加快数字化高等教育与职业教育步伐，提高劳动力质量，优化劳动力结构，从而为西北地区数字化转型提供劳动力保障。

最后，加强区域间数字化建设交流，应加强西北地区之间的交流，发挥以陕西省为代表的高数字化转型水平地区的带头作用，与其他地区分享数字化转型经验。加强与东部发达地区的交流，为西北地区数字化转型引入更加优质的动能。加强国际间交流，目前我国数字化建设在某些方面仍然落后于西方发达国家[45]，可以通过出台优惠政策，引入外资技术，为本土提供学习机会。同时，引入高竞争力的竞争对手，以增强市场竞争，推动西北地区企业大力发展数字技术。

（2）保持高科技人力资源利用率。保持高科技人力资源利用率，不仅要充分利用现有的科技人力资源，还要不断扩大科技人力资源总量。有研究表明，西北地区科技人力资源储备低于东部[46]，西北地区首先应规范科技人力资源管理，建立科技人力资源数据库，规范科技人才认定规则。其次，应加大教育投入力度，扩大科技人力教育范围，吸收更多生源，细分专业方向，使科技人才专业化，并提供教育保障。此外，西北地区还应积极响应国家政策，依据战略要求做好科技人才储备计划。

（3）西北地区应规范科技投入管理，对科技成果帮扶应做到严格审核，科技研发支出有据可依，避免人力与物力的浪费。结合西北地区广袤的地理特点，可以建立一体化网络管理平台，使科研人员工作便捷化。同时，鼓励科研成果产出，注重科研成果质量。遴选西北地区有科研实力的高校与科研院所，聚焦原始创新，从而夯实科研创新基础。鼓励西北地区高校与科研院所紧密合作，打破信息壁垒，共享技术，实现科技资源的优势互补。

5.3不足与展望

本文利用西北五省省际面板数据，对西北五省数字化转型程度与科技人力资源利用率耦合协调度进行了实证分析，研究结论可以为西北五省经济发展提供借鉴。但本文仍存在一些不足：首先，科技人力资源利用率研究相对较少，故对于科技人力资源利用率的衡量方法，未必为最优方法，且科技人力资源的研究热度较低，与其在社会发展中的作用地位不匹配[47]，故以后可以从科技人力资源利用率衡量方法进行更深层次的研究。其次，本文对于数字化转型程度与科技人力资源利用率的衡量指标选取存在主观性，对于各地的文化差异，各指标产生的作用未能进一步探究。

参考文献

李旭超，张文怡，赵婧.企业数字化转型、人力资本升级与高质量就业[J].北京工商大学学报（社会科学版），2024，39（3）：40-52.

GeminiC.Digitaltransformation：Aroadmapforbillion[M].MITSloanManagement.2011.

ReddySK，ReinartzW.Digitaltransformationandvaluecreation：seachangeahead[J].MarketingIntelligenceReview，2017，9（1）：10-17.

ZiboudVanVeldhoven，JanVanthienen.Digitaltransformationasaninteraction-drivenperspectivebetweenbusiness，society，andtechnology[J].ElectronicMarkets，2021（3）：1-16.

RogersD.TheDigitalTransformationPlaybook：RethinkYourBusinessfortheDigitalAge[M].ColumbiaUniversityPress.2016：1-304

林琳，吕文栋.数字化转型对制造业企业管理变革的影响：基于酷特智能与海尔的案例研究[J].科学决策，2019（1）：85-98.

HiningsB，Gegenhuber，Thomas，Greenwood，Royston.Digitalinnovationandtransformation：aninstitutionalperspective[J].Informationandorganization，2018（1）：52-61.

宋加金.高校科技人力资源管理问题分析[J].科学管理研究，1998（6）：52-55.

徐治立.试论科技人力资源的意义，属性及配置开发管理[J].科技管理研究，2001（6）：62-64.

谢智波，李向东，赵华峰.科技人力资源开发潜力综合评价[J].软科学，2004，18（2）：86-89.

孙婕.科技人才管理影响因素与促进机制研究[J].企业改革与管理，2015（22）：44.

王奋，韩伯棠.科技人力资源区域集聚效应的实证研究[J].中国软科学，2006（3）：91-99.

杨芝.科技人才集聚研究综述：基于人才集聚效应的视角[J].科技创业，2014（6）：133-136.

韩伟亚.科技人才集聚环境竞争力实证研究：基于河南省18个省辖市的对比分析[J].黄河科技大学学报，2014，16（4）：48-52.

霍丽霞，王阳，魏巍.中国科技人才集聚研究[J].首都经济贸易大学学报，2019，21（5）：13-21.

孙静，任亚军，朱凯，等.“双碳”目标下新能源设计行业数字化转型发展探讨[J].西北水电，2023（3）：105-108.

赵晓理.新时代下人力资源管理存在的问题及其完善对策[J].吉首大学学报（社会科学版），2018，39（S2）：82-84.

易明，吴婷.Ramp;D资源配置扭曲、TFP与人力资本的纠偏作用[J].科学学研究，2021，39（1）：42-52.

ReisAB，SequeiraTN.HumanCapitalandOverinvestmentinRamp;D[J].TheScandinavianJournalofEconomics，2007，109（3）：573-591.

张云凤，王雨.物流产业效率评价及影响因素分析[J].统计与决策，2018，34（8）：109-112.

李俊青，张雪莹，袁博.社会网络异质性与人力资本误配[J].经济研究，2023，58（12）：167-184.

李静，傅明宸.企业数字化助推劳动配置效率：机制和异质性[J/OL].西安财经大学学报，1-16[2024-05-28].

林雨昕，刘怡.基础研究资助逆向激励的考察[J].数量经济技术经济研究，2023，40（11）：94-116.

刘志，唱小溪，周禹，等.过程视角下数字化人力资源管理对员工创新行为的促进机制研究[J].科技进步与对策，2023，40（12）：140-150.

王维，李璐璐，李宏扬.新一代信息技术企业文化强度、吸收能力与并购创新绩效的关系研究[J].软科学，2021，35（4）：49-54.

陈同扬，贺文静，李婉青.数字化时代的人力资源管理与数字化人力资源管理系统辨析[J].科技管理研究，2022，42（22）：130-136.

倪央，王斌.数字化推动西藏科技人力资源配置优化研究[J].西藏大学学报（社会科学版），2024，39（1）：207-216.

肖土盛，孙瑞琦，袁淳，等.企业数字化转型、人力资本结构调整与劳动收入份额[J].管理世界，2022，38（12）：220-237.

Alexopoulos，M.andCohen，J.，2016，“TheMediumIstheMeasure：TechnicalChangeandEmployment，1909-1949”，ReviewofEconomicsandStatistics，98（4）：792-810.

姚岚，谭维智.数字化转型视域下技术创新人才培养：诉求、困境与变革[J].高等工程教育研究，2023（1）：142-147.

史宇鹏，王阳，张文韬.我国企业数字化转型：现状、问题与展望[J].经济学家，2021（12）：90-97.

涂晓枫，周远洋，张涛，等.金融科技助力金融基础设施数字化转型[J].债券，2024（4）：84-89.

曾祥明.数字经济推进共同富裕的理论机理、现实困境与路径优化[J].湖北大学学报（哲学社会科学版），2023，50（5）：11-20.

汪淼军.流通数字化和创造性毁灭[J].浙江大学学报（人文社会科学版），2022，52（12）：5-20.

于淼，刘铭基，赵旭.企业数字化转型需要什么样的“领航员”：基于机器学习方法的考察[J].中国软科学，2024（5）：173-187.

吴江，冯定国.加快形成新质生产力的人才驱动策略[J/OL].当代经济管理，1-11[2024-05-30].

韦晓保，陈巽.基于熵权TOPSIS法的机器翻译译文测度[J].外国语（上海外国语大学学报），2023，46（6）：106-119.

赵俊远，梁静波，高翔.黄河流域旅游发展绩效的时空格局与影响因素[J].统计与决策，2023，39（23）：68-73.

许军.中国产业链创新水平的测度评价：地区差距与动态演进[J].统计与决策，2024，40（5）：111-115.

杨国梁，刘文斌，郑海军.数据包络分析方法（DEA）综述[J].系统工程学报，2013，28（6）：840-860.

王江泉，张俊，赵鑫.考虑技术进步的DEA方法研究[J].统计与信息论坛，2021，36（3）：32-48.

孙勇，张思慧，赵腾宇，等.数字技术创新对产业结构升级的影响及其空间效应：以长江经济带为例[J].软科学，2022，36（10）：9-16.

何伟，董影，吕静文.数字化转型对区域创新生态系统生态位适宜度的影响[J/OL].科技进步与对策，1-10[2024-05-11].

刘玲，杜鹏程，赵曙明.基于DEA的我国科技人力资源利用效率研究：以高技术产业为例[J].科技与经济，2010，23（3）：73-76.

刘景景，熊学振，吴天龙，等.农业农村数字技术应用的国际镜鉴及践行指向[J].世界农业，2024（5）：5-12.

张静，邓大胜.异质性科技人力资源集聚及影响因素研究[J].技术经济，2021，40（3）：108-118.

马茹，黄园淅.区域科技人力资源测度及影响因素研究[J].中国科技论坛，2022（4）：109-119.