基于灰色关联模型的创新集群识别评价研究——以广州高新区为例

周海涛

(华南理工大学 工商管理学院，广东 广州510640)

一、引言

随着产业集群的发展和人们对创新涵义理解的不断深化，学者们联系技术、经济和社会发展的实际，对创新集群的概念进行了深入研究(John Groenewegen;Kongrae LEE)。经济合作与发展组织(Organization for Economic Cooperation and Development，OECD)早在1993年就提出了“创新集群”的思想，并认为研究创新集群的关键在于探讨同一价值链的行为者之间相互依赖和相互影响行为(Hayek F;Shantha Liyanage;Hsien－Chun Meng)。而后OECD在2001年出版的《创新集群:国家创新体系的推动力》研究报告中，彻底背离了早期创新的直线式概念，强调应从产业集群理论中培育创新理念，认为创新集群是由企业、高校、科研机构、中介服务机构、风险投资机构等主体构成，通过价值链、产业链和知识链而形成的相互合作关系或战略联盟(OECD;Ikjurio Nonaka)，认为创新集群是一种具有竞争优势的集聚经济，创新集群与普通产业集群不同，这一技术经济网络具有知识溢出特征，是一种“以创新为目标”的集群创新(David B.Audretsch，Maryann P.Feldman;Brian Wixted)。

借鉴经济合作组织对创新集群的研究成果，我国不少学者也对创新集群的内涵进行了界定。钟书华等从知识、技术转移为经济的角度指出，创新集群是由企业、高校、科研机构、中介服务机构、风险投资机构等构成，通过价值链、知识链和产业链形成的各种相互合作或者战略联盟，它的本质是一种技术—经济体系，具有集聚经济性和知识溢出性的特征。他认为，创新集群不仅仅只是某领域企业在空间上的集聚，还包括为企业技术创新服务的一大批技术服务机构和风险投资机构等公共服务机构，形成创新网络，促进集群内的各个创新主体通过相互合作、交流促进集群内的集体学习和创新。王缉慈将创新集群视为一种环境网络，认为创新集群是企业进行自主创新的理想阵地，能够为自主创新各个相关的创新主体提供理想的创新环境，更好地加强各个创新主体之间的交流与合作。同时，她还对创新集群与高新区进行了区别分析，认为相对于低成本的产业集群(或低端道路的产业集群)而言，创新集群是一种创新性的产业集群或基于创新的产业集群。她强调，那种把高新区视为是创新集群的全部的说法，虽然能够把创新集群抽象化但是已经失去它应有的意义。此外，还有一部分学者通过分析产业集群和创新集群的关系，进一步阐述了创新集群的内涵，主要学者有:苑全驰、田桂玲、曹健林、王福涛。

然而，目前关于创新集群识别和评价的定量实证研究并不多见，除了OECD对一些发达国家的创新集群进行了实证研究以外，很少出现其他的实证研究。国外学者主要通过评价产业集群的特征来判定其是否已经成为创新集群，主要采用层次分析法、数据包络分析法、主成分分析法等常规方法。创新集群是一个复杂多变的创新系统，不同集群之间存在着很大的差异性，很难寻求统一的评价方法和评价模型对创新集群进行评价。如何针对具体的创新集群运用有效的定性、定量方法，选择合适的模型对其进行创新评价将是创新集群研究领域的一个重要课题。本文通过探讨创新集群的涵义和充分借鉴OECD的相关研究成果，基于平衡计分卡(Balanced Score Card，BSC)分析框架视角构建了创新集群的创新评价指标体系，并在此基础上通过建立灰色关联模型来对广州高新区的创新能力进行实证评价研究，提出促进广东省创新集群发展的对策建议。

二、BSC分析框架视角下的创新能力评价指标体系构建

平衡计分卡(Balanced Score Card，BSC)是一个战略管理系统，BSC分析框架不仅有助于对产业集群战略的全面表达和评价维度的选取，还能系统地评价产业集群的创新能力。上海大学预测咨询研究所于丽英、戴玉其等学者引入平衡计分法(BSC)对上海市产业集群进行评价，得出电子器件制造产业集群为上海市创新集群的识别结果。本文借鉴于丽英、戴玉其等研究结果，采用平衡计分卡分析框架构建创新集群的评价指标体系。需要指明的是，平衡计分卡(Balanced Score Card，BSC)设计的初衷主要是用于对某一个组织或部门进行绩效评价，因此，在应用平衡计分卡方法对创新集群进行评价时，需要根据创新集群自身特点对评价指标进行必要的改进和调整。根据平衡计分卡原理，其主要涉及内部流程、学习与成长、财务、客户四个维度，在创新集群评价中，对应这四个维度对评价指标进行相应调整，主要从内部网络、创新与成长、经济社会效益、外部主体四个维度进行评价，具体的指标内容如下:

1.内部网络结构维度

高效的内部流程是形成创新集群与提高企业绩效的前提与基础，它们之间的区别在于，创新集群强调集群内多个主体如何通过相互联结形成创新网络的各个节点的能力和效率，而企业绩效更加注重在企业自身价值和理论的创造过程中，企业内部各个环节的效率和在创造价值整个过程中的综合效率。为了更好地反映创新集群内部各个主体的相互联动关系，本文采取相似替代的方法，用创新集群的内部网络结构维度替换BSC理论框架的内部流程维度，此维度主要涉及的指标有:产学研合作程度、产产合作程度、企业与中介机构的合作程度、集群内的知识溢出效度。

2.创新与成长维度

企业通过不断提高自主创新能力来保持其竞争力，创新集群与企业同样需要通过不断的科技创新以保持其长久持续的竞争优势。同时，和企业相似，为了提高自身的创新能力和水平，都需要不断加大创新投入，包括资金、人员、技术等方面资源的投入，在这一方面，创新集群与企业是极为相似的。因此，本文仍然沿用平衡计分卡分析方法中的创新与成长维度。这一维度的指标主要有:研究开发经费占销售收入的比例、研发经费与科技活动经费的比重、科技活动人员规模占从业人员的比例、高级技术职称比重、研发人员区位商、人均研发经费、科技活动经费筹集总额区位商、引进国外技术经费占比等。

3.经济社会效益维度

平衡计分卡分析理论框架下的财务维度重点集中对企业自身层面的投入产出、成本费用、资本权益等情况进行评价分析。对于创新集群来说，其重点关注的是产业层面上的经济绩效问题，重点评价创新集群中的创新成果特别是自主创新成果的不断涌现，对产业发展、区域经济、社会进步到底会产生如何的辐射带动效应。因此，本文采用创新集群的经济社会效益维度代替BSC框架下的企业财务维度，以更好地体现在整个系统协调作用下，创新集群对社会经济发展的具体效益及贡献。这一维度具体包括的指标有:人均产值、主营业务收入区位商、新产品产值占工业总产值的比例、产销率、资产总计区位商等。

4.外部主体维度

平衡计分卡分析方法中的客户维度主要用于评价外部顾客对企业的产品及服务的满意程度，并具体表现为成为企业产品及服务的“回头客”，对企业的产品和服务进行重复的购买消费。而对于创新集群来说，获得外部的认可和支持程度一方面体现在国际国内两个市场对创新集群产出的创新成果的有效需求;第二方面是体现为更多的外部环境和创新主体对创新集群自身发展及其竞争优势和发展潜力的积极影响。因此，本文采用外部主体维度替换BSC分析框架下的客户维度，以便更好地反映出创新集群的外部环境与主体多样化特征。这一维度包含的指标有:集群内企业拟筹建数占企业总数的比重、外商直接投资额占总投资额的比例、出口交货值占销售产值的比重、政府对创新集群的支持力度等。

在以上4个维度中，创新与成长维度和内部网络维度是保证整体战略达到设定目标的驱动因素，可看作是产业集群持续创新能力的投入系统;而经济社会效益维度和外部主体维度是从产出角度评价了产业集群持久创新能力，可看作产业集群持久创新能力的产出系统。于是得到了产业集群持久创新能力评价指标体系，共涵盖了21项指标，其中投入系统有12项指标，产出系统有9项指标(见表1)。

表1 BSC分析框架视角下的创新能力评价指标体系

三、基于灰色关联模型的创新集群评价

从平衡计分卡(Balanced Score Card，BSC)视角下构建的指标体系来看，对创新集群评价是一项复杂的系统工程，需要从多角度、多方面、多层次进行综合评价，同时许多评价指标往往具有不确定性和模糊性，比较复杂和较难获得数据。为了更好地对创新集群进行识别评价，本文采用综合评价方法对创新集群进行全面评价。目前，综合评价方法种类比较多，包括模糊综合评价方法、层次分析方法、神经网络分析方法、数据包络分析方法(Data Envelopment Analysis，DEA)、多元统计分析方法和灰色评价方法等。借鉴已有的研究成果，本文采取灰色关联评价方法对创新集群的创新能力进行综合评价。灰色关联评价分析法是根据因素之间发展态势的相似或相异程度来衡量因素之间关联程度的方法，其基本思想是依据关联度对系统排序。此方法的优点在于思路明晰，可以在很大程度上减少由于信息不对称带来的损失，并且对数据要求较低，在实际研究过程中可以大幅度减少工作量。余艳认为，选择灰色关联分析法来对创新集群进行综合评价，既能充分考虑创新集群评价指标体系模糊性、复杂性的特点，也能最大程度的避免因数据质量问题带来的评价偏离。

灰色系统分析理论的基础是关联度分析，通过对各个要素之间的关联度进行分析，定量分析要素间的相对变化情况，计算各个因素之间的关联度指标大小来测度各个因素之间的关联性程度。在具体的分析思路上，关联分析可以看成是一种几何分析方法，通过对各个因素的相对排序分析，评价其排位次序与理想状态下的排位次序的偏差程度，评价各个对象的优劣次序。灰色关联度分析方法的基本思想是通过分析序列曲线的各种集合形状的相似程度来判断这些因素的联系程度是否紧密，假若曲线也接近，那么就可以判定其相应的序列之间的关联程度就越大，反之就是越小。综上所述，灰色关联模型的构建过程如下:

1.构建原始数据矩阵

设产业集群创新能力评价指标体系的原始数据矩阵为:W=(w)，i=1，2，…，m;k=1，2，…，n。i为第i个评价单元的序号;k为第k个指标的序号;w为第i个评价单元的第k个指标的评价值。取每个指标的最佳值w为参考数列W的实体，w可以从被评比对象中选取，也可以利用经验人为设定。于是有:W=(w，w，…w)。因此，对于一个由m个评价单元，n个评价指标构成的系统，得到下列矩阵:

选取的参考数列为:W=(w，w，…w)。

2.将原始数据进行规范化处理

对各指标值进行规范化处理，使原始数值无量纲化，从而能对各指标进行比较。一般情况下，所有指标可划分为投入型、产出型、适中型等指标。规范化的公式如下:

对评价指标数据进行规范化处理后可得到规范化矩阵:X=(x)。

3.计算关联系数

将规范化后的X=(x，x，…x)作为参考数列，将X=(x，x，…x)(i=1，2…，m)作为比较数列，那么，关联系数的计算公式为:

其中σ表示x和x在k点的关联系数，λ是分辨系数，可以根据序列间的关联程度进行选择，

利用公式计算σ(i=1，2，…，m;k=1，2…，n)，可得到下列关联系数矩阵:

其中，σ为第i个评价单元第k个指标与第k个指标最佳值的关联系数。

4.确定权重

5.计算关联度

首先是针对单层关联度，因为各个指标在整个创新集群发展过程中的重要程度大不一样，所以本文采用将指标权重与关联系数相乘的方法来计算单层关联度，用公式表示为R=θE;其次对多层关联度而言，一旦指标体系有多个层次，我们可以将其分层用L表示，将单层模型扩展到L层的多层模型进行分析评价。其计算方法是将先用单层模型的方法计算L层的指标，得到它的上一层L－1层各指标的关联度，然后再把L－1层所得到的关联度作为原始数据，继续合成得到L－2层各指标的关联度，依次类推，直到求出最高层指标的关联度为止。在取得评价企业集群指标原始数据的基础上，求出各评价对象的关联度，依据关联度大小进行排序，就可以得出创新集群创新能力综合评价结果。

四、实证分析:以广州高新区为例

近年来，广州高新区不断提高内在创新能力，加速推动产业转型升级，已经具备了创新集群的初步形态，正向世界一流高科技产业园迈进。广州高新区目前已经初步形成了以电子信息、生物医药、新材料三大产业为龙头，新能源、精细化工、光机电一体化等产业共同发展的高新技术产业集群和相关产业链条，各类高新技术产品累计1500多个。高新技术产业集群发展的态势日渐明显，涌现了一批具有自主知识产权、技术水平处于国内领先或国际领先水平的高科技企业，高新技术产业集聚效应逐步扩大，产业基础不断夯实。然而，当前广州高新区正在积极推进“二次创业”，实现由产业集群向创新集群的蜕变，从而进一步整合资源，依托高新区、开发区、保税区和出口加工区四区合署办公的体制机制优势、政策优势和管理优势，实现高新区创新集群跨越式发展的态势。为此，本文选取广州高新区作为案例研究，对广州高新区进行创新能力评价，以便于更好提出促进广东创新集群发展的政策措施。

（一）数据来源及指标构建

前文采用平衡计分卡(Balanced Score Card，BSC)分析方法，构建了创新集群的创新能力评价指标体系，笔者通过查阅《广东省科技经费投入统计公报》、《广东省统计年鉴》、《广州市统计年鉴》等权威统计公报，浏览广东省科技信息网、广州市科技网、广州市高新区网等网站，翻阅《科技管理研究》、《广东科技》等科技类期刊，统计出相关数据。通过对数据的整理、分类、整合、分析，得到广州高新区评价指标具体数值，具体情况见表2。

表2 评价指标数据汇总表

（二）实证分析

根据上文介绍的灰色关联评价模型，利用 表2所得数据指标，我们可以得到初始矩阵:

通过参考技术专家意见和国家相关指标的标准值确定理想化数值，最后形成理想化样本:

对W矩阵中的数值进行规范化处理，利用统计软件SPSS进行处理。其中分辨系数λ根据序列间的关联程度选取，从指标值可以看出，指标间的相关系数不大，因此取λ=0.5，可得到规范化的矩阵:

根据σ计算公式可得到关联系数矩阵:

计算指标层权重。分别用L、L、L、L表示4个维度的4个层次，则其权重向量为:

计算加权关联度。分别用R、R、R、R表示4个层次的关联度，则

0.601 0.694 0.743)依次类推可得:

分别用R-R表示2008～2011年的关联度，则依据R=θE可得:

根据上面的计算结果，不难看出，2008年到2011年，广州高新区的关联度逐步增强，从2008年的0.478上升到2011年的0.632，说明广州高新区创新能力逐年提高，高新区内部的企业、研究开发机构、中介机构、金融机构等创新主体之间的关联程度和联系程度越来越紧密，产学研合作越来越深入，广州高新区正逐步发展成为高端创新集群。从具体的情况来看，第一，在研发投入上，广州高新区的创新总投入力度逐步加大，R＆D经费投入呈现逐年上升的趋势，R＆D经费占销售收入和科技经费的比率显著提高，研发人员的人均科研经费逐年上升，为提升高新区创新能力提供了坚实的经费保障。第二，在创新产出方面，高新区近年来的经济效益不断提高，人均产值逐步提高，2008～2011年之间人均产值增加了6万元左右，新产品产值不断提高，占工业增加值的比重逐步提升，主营业务收入及出口产销比逐年提升。第三，在创新体系上，集群内企业的创新意识逐年提高，越来越多的企业逐渐走创新驱动发展、创新提升竞争力的发展道路，技术创新战略和技术创新体系不断完善，产学研合作和产产合作不断加强，高新区逐步形成了以企业为主体、高校科研机构为支撑、产学研相结合的技术创新体系。第四，在创新人才上，广州高新区的创新支撑能力在不断增强，与目前广州市政府高度重视科技创新，加大科技投入力度和产学研合作力度相符合。高级技术职称人员占科技活动人员比重逐步上升，通过引进高层次、高水平的创新科研团队，加大创新人才的引进和培养力度，广州市高新区科研人才层次大幅提高。此外，研发人员区位商逐年提高，说明高层次的研发人才越来越向高新区集聚，集群内的知识溢出效度逐渐得到改善。总而言之，广州高新区在创新投入、创新产出、创新体系、创新人才支撑能力等方面都取得了显著成效，创新能力逐步增强，集群内部之间的关联程度不断提升，正发展成为内部机制完善、外部支撑环境优越、自主创新能力较强的创新集群。

五、政策建议

经过二十多年的建设发展，广东省部分高新区已经完成“一次创业”的物质积累，开始进入快速成长的“二次创业”新阶段，在经济基础、产业支撑、形态布局和创新资源条件等各方面均已经具备了较为扎实的基础和条件。为进一步提升广东省高新区的创新能力水平，加速向创新集群转变，提出如下政策建议:

（一）加强公共服务平台建设

鼓励高新区管理部门设立专项财政资金加大对公共技术平台建设的支持力度。加大财政支持力度，重点支持高新技术园区内基础研究和共性技术研究平台、共性技术测试和实验平台等创新平台建设;对合作研究中心建设给予一定的政府财政补贴;进一步鼓励企业采用产学研的合作模式联合共建实验室，进一步扩大企业实验室的规模，提升企业的自主研发能力;加大科技资源共享力度，鼓励高校、科研机构、各类企业研发机构、各类技术中心的各种实验设备仪器对高新区内的企业开放共享;加强专业信息平台和公共信息服务平台建设，提高公共技术资源的利用效率。

（二）加快产业技术联盟的形成与发展

针对生物、电子信息、新材料、先进制造业、新能源与节能环保等战略新兴产业，建议高新区管理部门每年设立专门的科技发展经费，重点支持具有较强竞争优势、较高发展水平、较大发展潜力的技术联盟和标准联盟;鼓励企业之间加强交流与合作，对企业间的交流费用给予一定比例的补贴支持，提升集群整体的创新素质和相互学习氛围。

（三）加大跨国公司技术溢出效应

加大招商引资力度，积极引进国内外科技创新实力雄厚、具有前沿技术、辐射带动力强的各类研究开发机构;加大招研引智力度，不断引进技术研发、企业管理、风险投资等方面的高端人才，使高新区成为高端创新创业人才的新高地。优化创新环境，完善竞争激励机制，创建有利于技术溢出的外部竞争环境，提升跨国企业在高新区内的技术扩散水平，实现技术溢出效应的最大化。出台相应配套政策支持外资企业与本土企业的联盟，将外资机构能否实现与本地高科技产业的结合作为准入条件，促进外资企业本地化的技术溢出。

（四）促进产学研紧密合作

积极实施部省产学研计划，在加强与省内高校和科研院所合作的同时，拓展与国内外其他高校和科研机构的合作，引入高等院校的工程研究院、重点实验室以及国家、省、市各类科研机构，鼓励其在高新区设立研发基地和科技成果转化基地。鼓励高新区管委会每年在重点高校和科研院所聚集区组织项目对接会，鼓励区内科技企业与高校和科研院所开展合作。

（五）加强科技中介服务体系建设

鼓励科技中介机构落户高新区，为区内科技企业提供项目申报代理、项目评价、技术交易、知识产权、法律、财务、管理咨询、市场咨询等中介服务，对区内科技企业向科技中介机构购买相关服务给予资助。积极发展行业协会，支持商业天使网络的组建，为天使投资人与创新企业家沟通合作创造更多机会。依托金融创新服务区与现代服务业集聚区，积极引进香港科技中介服务机构，把香港发达的国际金融业、现代服务业与高新区的高科技产业生态和活跃的创新活动有机结合。

［1］John Groenewegen，Marianne van der Steen.The Evolution of National Innovation Systems［J］.Journal of Economic issues，2006，(2).

［2］Kongrae LEE.Promoting Innovative Clusters through the Regional Research Centre(RRC)［J］.European Planning Studies，2003，(1).

［3］Hayek F..The use of knowledge in Society［J］.America Economic Review，1945，(4).

［4］Shantha Liyanage.Breeding innovation clusters through collaborative research networks［J］.Technovation，1995，(9).

［5］Hsien-Chun Meng.Innovation Culster as the National Competitiveness Tool in the Innovation Driven Economy.NIS International Symposisium，2003，Oct.28－Nov.1.

［6］OECD.Innovative Clusters，Drivers of National Innovation Systems［R］.OECD Paris，2001.

［7］Ikjurio Nonaka.A dynamic theory of organizational knowledge Creation［J］.Organization Science，1994，(1).

［8］David B.Audretsch，Maryann P.Feldman.Innovative Clusters and the Industry Life Cycle［J］.Review of Industrial Organization，1996，(11).

［9］Brian Wixted.Nations and supranational clusters［C］.IIOA Conference，August 2000.

［10］经济合作组织.创新集群:国家创新体系的推动［M］.北京:科学技术文献出版社，2004.

［11］钟书华.创新集群概念、特征及理论意义［J］.科学学研究，2008，(2).

［12］王缉慈.解开集群概念的困惑——谈谈我国区域的集群发展问题［J］.经济经纬，2006，(2).

［13］苑全驰.从产业集群到创新集群——集群经济发展的方向和对策研究［J］.江南论坛，2006，(2).

［14］田桂玲.区域创新链、创新集群与区域创新体系探讨［J］.科学学与科学技术管理，2007，(7).

［15］曹健林.加强创新载体建设，推动创新集群发展［J］.中国科技产业，2007，(7).

［16］王福涛，钟书华.创新集群的演化动力及其生成机制研究［J］.科学学与科学技术管理，2009，(8).

［17］于丽英，戴玉其.基于投入产出法和平衡计分卡的创新集群识别方法研究——以上海市为例［J］.科技进步与对策，2011，(7).

［18］余艳.基于企业集群的集成创新能力评价研究［D］.长沙:长沙理工大学，2008.

［19］广州高新区三大集群推动产业结构升级［N］.中国高新技术产业导报，2007－01－11.