知识竞争力评价模型及其方法

知识竞争力评价模型及其方法

知识经济的界定

国际竞争力中心（WKCI）给知识竞争力的定义是“创造和革新产生新的主意、思想、程序和产品，并把他们转化为经济价值和财富的能量和能力”。

图2.1是WKCI用来分析区域知识经济的概念模型，我们沿用了这个模型。如图所示，它是一个多重联系的循环模型，表明了知识的创造、使用以及能力的形成。该模型反映了对于创新过程的最新思考，它被认为是一个不同要素在不同领域（如私人公司、大学、研究机构和政府）通过反馈环彼此联系的过程，它的重要特征是有一个要素反映重新产生和维持整个系统的创新能力。

图2.1区域知识竞争力评价模型

如图2.1所示，该模型包括四个重要因素：（1）资本投入；（2）知识经济生产；（3）区域经济产出（包括知识经济产出）；（4）支持链。除了知识经济生产以外，每个要素均有各自的变量，而知识经济生产被认为是将资本投入转化为区域经济产出的生产函数。

资本投入包括四个部分：知识资本、人力资本、金融资本和实物资本。按照经典的传统经济理论，资本和劳动是用来解释区域经济产出（或增长）的基本要素。资本是指实物或固定投资，如工厂、机器设备，劳动是指雇佣的人数。在这个框架下，剩余的不能被这两个因素解释的部分通常被看作是技术变革引起的。

该传统模型被新模型所替代是由于经济理论的两个重要的发展：人力资本理论和经济增长的内生模型。人力资本理论认为技术和经验可以通过对个人进行教育和培训的方式来获得。它摆脱了传统经济增长模型，因为后者没有在个人之间进行任何区分。内生经济增长理论把知识积累作为经济长期增长的重要资源，并且承认私人公司通过熊彼特竞争（例如由创新者从其新知识中获得的暂时性经济垄断收益）创造的知识，是内生的因素。

我们在这里使用的知识竞争力模型中的四组资本投入综合了经济理论的最新发展。实物资本是指传统经济中所说的资本，金融资本强调的是金融资源的流动性，以诸如风险资本的形式进入成长和知识的新领域（如产业、产品）。知识资本是知识经济的原材料，即产生新想法的能力。这里想法的产生并不一定是出于商业应用的考虑，还可以源自大学、企业的研究机构、个人和其他组织。在将知识转化为商业价值的过程中，知识资本是一种生产力中介。人力资本表明了区域内个人创造、理解和使用知识从而产生商业价值的能力。

四种资本在区域内的综合应用使得以知识为基础的产品和服务具有高附加价值。这些我们称为知识经济产出的以知识为基础的产品和服务构成了总体区域经济活动即是区域经济产出的一部分。知识经济产出和区域经济产出之间的区别主要体现在：蕴涵于商品和服务中的创新知识产出并不总是同等地转化为区域居民所能享受的财富。

循环是出于知识持续性的要求。如果创造出的财富中的一部分不再用于特别是知识资本和人力资本的投入，以支持再生产和进一步发展，那么区域经济长期繁荣的链条将会被破坏。

区域选择

如前所述，此次评价我们共选择了亚太的33个地区，如表2.1。

表2.1：本次评价的亚太33个地区

指标选择

对于指标体系的选择，延续了WKCI的原则。一是具有科学性，二是数据的可得性。这样才能提供可以实际操作的经济发展优劣的评判标准，而不是将焦点放在宏观经济绩效。为了要建立一个区域竞争力的衡量方法，还需要考虑分析变量之间关系的模型，为此，还要检验不同变量之间的关系，并用一系列的投入、产出和结果将这些变量联系起来，以此来反映宏观绩效和竞争力的来源，包括知识，创新精神、科技及信息基础设施、金融资本等。在选择合适的变量时，还将考虑这些指标的总体价值和相应的有效性。这些变量分成了五类：人力资本，金融资本，知识资本，区域经济产出、知识的持续性。

人力资本部分

知识经济的竞争主要依靠价值和创新，而非传统经济所关注的焦点——成本。由于区域发展正在向知识经济转变，我们可以预见以知识为基础的部门的就业数量及比例将增加。一般而言，往往用高比例的研发活动来定义以知识为基础的部门，他们在创新和竞争优势上会具有更大的潜力。我们认为，由于对研发和创新的要求，这些部门更有动力发展知识驱动的经济，这些部门的产出更有可能为区域经济发展的其他部门提供溢出效应。高经济活动率和管理密度同样被认为是一个区域中人力资源储备质量的强有力的指标。因此，人力资本指标包括以下7个：

●每1000个就业者中从事IT和计算机制造工作的人数

●每1000个就业者中从事生物技术和化学工作的人数

●每1000个就业者中从事汽车和机械工程工作的人数

●每1000个就业者中从事仪器和电子机械工作的人数

●每1000个就业者中从事高技术服务工作的人数

●经济活动率

●每1000个就业者中经理人数

知识资本部分

在R&D中的投资显示了一个区域开发新技术从而扩大知识基础的水平和潜力，而专利的数量可以用来表明一个区域将知识转化为潜在的具有商业价值的产品和过程的能力，它实际上是知识经济系统中的一个中间产出。我们采用这些表示创新的一系列变量能避免只孤立地看一个变量而引致的歪曲。比如，R&D投入很好地体现了创新性活动的开展，有一些部门比其它部门更依赖于资本密集的研发活动。因此，知识资本的指标包括以下3个：

●政府在R&D中的人均支出

●企业在R&D中的人均支出

●每百万居民专利数量

金融资本

没有人力资本的高储备和创新能力，一个区域将没有能力产生出新的商业活动。然而，在这些因素存在的情况下将新的想法商业化还要依赖金融，特别是能使一个地区将其在研发和人力资本投资上的回报最大化的风险资本融资。在这方面，我们采用一个关键性的指标来衡量：

●人均私人股权（股本）投资

区域经济产出

经济绩效指标是反映竞争力的重要指标，在各种评价体系中经常使用，而且被广泛认可。同样，区域知识竞争力最终也会体现在经济绩效方面，我们采用了以下三个经济绩效指标：

●劳动力生产率

●平均月收入

●失业率

知识持续性

未来的人力和知识资本体现在这些个体目前所接受的教育上。虽然发达地区会把其它地方的人才吸引过去，但从长期看在当地的人力资本教育再投资将保证一个地区知识经济保持充足的人力资本。同样地，当地的ICT基础设施投资也迅速成为在当今电子世界将知识有效转化的必需。因此，知识持续指标包括以下5个：

●用于初等和中等教育的人均公共支出

●用于高等教育的人均公共支出

●每百万居民中拥有安全服务器数量

●每1000居民互联网主机数

●每1000居民中宽带上网的人数

亚太知识竞争力综合指数的建立

为了建立知识竞争力综合指数，必须首先转换全部的数据以便使每个变量的均值和方差在0-1之间。在标准化之后，我们运用因子分析的多元数据化简方法，它常被用于简化存在于一组观察变量中的复杂的和不同的关系，这种化简是通过揭示联系在一起的表面上互不相关的变量的共同因子，然后给出对这些隐藏的数据结构的洞察结果。

为了从原始变量中抽出共同的变化部分，应用了一种叫做影像因子的抽取方法，然后对因子进行旋转。用恺撒常态化的方差最大旋转方法。在辨识隐含结构的共同因子时，因子分析还通过每个案例在辨别出的因子上的分数，显示出其（本研究中即地区）区位。我们用这些分数得到次级综合指数。

下一步是合并这些次级综合指数，获得单一的综合指数。在上述过程中，我们对次级综合指数采用了数据包络（DEA）分析法。该方法是一种线性规划方法，最初用于估计从普通的输入中获得一些输出结果的一系列单位（称为决策单位DMUs）的相关作用。该方法无需主观地对变量分配权重。不过，它对各变量的加权总和的最大值设置了一组权重，约束条件是任何单元的权重总和都不大于1。结果，每个单元的得分都在0-1之间。这一过程在数据序列中不断重复，从而赋予每个单元唯一的得分。最终，对每个单元的得分进行几何平均，给予数据包络得分。

假设我们将区域j的最大化综合得分表示为Cj(max j )。当区域j获得Cj(max j)时，其它区域通过最大化区域j的得分时设置的权数V1,K,Vm也获得综合得分。它们可以表示为

数据组中的所有区域都要进行这个求最大化的过程。结果，每个区域得到n个综合得分，其中之一来自于最大化其自身的综合得分。最后对区域j求的几何平均值，得到区域j（j=1,K,n) 的数据包络得分。

如前所述，数据包络得分的范围从0到1。为了使理解更为直观，将数据包络得分的范围转化为100，同时原始变量的方差不变。为了实现这一过程，首先转化原始变量以便使其变化范围变为100（将每个变量在各区域的得分除以其均值然后乘以100）。随后对转化后变量的方差求几何平均，把它表示为原始方差。最后，对区域1到n的数据包络得分进行标准化，乘以原始方差再加100。处理后所得的分数，均值等于100，各区域得分之间保持一定的差距，但是方差与原始变量的方差相近。

在后面的分析和数据处理中，所有得分被转化为均值是100的数值，使表中的区域排名看起来简单直观。