科技创新能力与城镇化水平协同发展研究——以我国东部地区为例

袁 博， 刘 凤 朝

( 大连理工大学 管理与经济学部, 辽宁 大连 116024 )

一、引 言

党的十八大明确提出，“科技创新是提高社会生产力和综合国力的战略支撑，必须摆在国家发展全局的核心位置。”强调要坚持走中国特色自主创新道路、实施创新驱动发展战略。创新驱动发展战略的涵义主要是中国未来的发展要靠科技创新驱动，而不是传统的劳动力以及资源能源驱动。与此同时，新型城镇化是十八大提出的中国面向未来经济社会发展的重大战略，是我国实现经济发展、技术进步的必由之路，也是 21 世纪全球经济社会发展进步的重要主题之一。现有的众多研究表明，城镇化进程通过集聚要素，促进分工，降低信息交流成本等方式，加快城市科技创新的产生与发展，是促进科技创新的关键因素[1]，而科技创新是推进城镇化发展的强大动力[2]。科技创新既是经济社会发展的生产力，也是城镇化发展的强大软实力[3]。纵观世界经济社会发展历程，每一次科技革命的到来，都会催生一批以相关产业为依托的新兴城镇[4]。以科技创新作为产业健康发展的重要保障，通过加快科技成果转化和产业化，促进产业升级和经济结构调整，有效提高工业化和城镇化水平，是推进城镇化发展的强大动力[5]。

自人类创造城镇以来，城镇的发展与科技的创新始终相互促进、互为依托，面对日益复杂的发展形势，未来的竞争是科技创新能力的竞争。科技创新能力已成为城镇综合竞争力的核心要素，成为掌握发展主动权的关键[6][7]。发达国家经济增长的动力主要源自于科技进步,这也是我国未来保持经济持续增长的主要战略选择[8][9][10]。可见，科技创新是人类进步的强大动力，而城镇化有利于创新的产生,二者互为影响，相互促进[11][12]。因此，分析科技创新与城镇化的协同发展情况有利于识别二者的发展状态与影响程度，同时，也可以为科技创新与城镇化的发展提供理论指导。基于此，本文以我国东部地区的10个省市区为例，对他们的科技创新能力与城镇化水平的协同状态进行评价，以期为我国的科技创新与城镇化协同发展提供理论指导。

二、科技创新能力与城镇化水平协同评价模型

1.指标体系的建立

首先在文献分析及专家访谈的基础上，选择科技创新能力与城镇化水平的评价指标体系，然后再根据指标体系的特点，将所有指标进行分类，并依据指标之间的多重共线性问题进行指标的筛减，最终选择了12项科技创新能力和12项城镇化水平评价指标。

2.指标权重的确定

为了避免由于单一的某一种权重计算方法确定指标权重而产生误差，本文采用主观的AHP与客观的标准离差法分别计算科技创新能力与城镇化水平的各指标权重，然后再依据综合权重的确定方法计算各指标的综合权重。

(1)AHP法确定权重[13]

①指标层对因子层的权重

运用九级标度法构造判断矩阵，并用特征向量法求权重。每个准则层下第k个指标的权重vk为：

②指标层对目标层的权重

ρk为第j个因子层下第k个指标对目标层的权重；uk为第j个因子层下第k个指标对第j个因子层的权重；vj为第j个因子层对目标层的权重(j=1,2,…,6；k=1,2,…,M)

根据因子层对目标层的权重计算公式，计算ρk

ρk=vk×vj

(2)标准离差法客观权重[14]

利用标准离差法确定权重，原理是依据指标数据的标准差大小来确定该指标权重值的客观赋权方法，标准离差法的权重信息主要以所选评价指标的原始数据为依据，因此不会因人为因素的影响而有所改变。

标准离差法确定权重是一种依据指标数据的标准差大小确定该指标权重大小的客观赋权方法。某个指标的标准差越大,表明其指标值的变异程度越大,提供的信息量就越大,在综合评价中所起的作用越大,该指标的权重也应该越大；反之,则其权重也应该越小。利用标准离差法计算各指标的权重公式为：

其中，ui为第i个指标对目标层的标准离差权重；δi为第i个指标数据的标准差。

(3)综合权重的确定

分别用wsi、woi来表示第i项评价指标的主观权重与客观权重，那么综合权重的计算方法如下[15]：

3.协调发展度评价模型

设x1,x2,x3,…,xm是反映科技创新能力的m个指标，y1,y2,y3,…,yn是反映城镇化水平的n个指标，则科技创新能力与城镇化的综合发展水平分别为[16]：

其中，t(x),u(x)分别表示科技创新能力与城镇化的综合发展水平，ai,bi分别表示科技创新能力与城镇化各指标的权重。科技创新能力与城镇化水平协调度的计算公式为：

其中，C为协调度(协调系数)，k为调节系数(k大于等于2)。式(2)反映了科技创新能力与城镇化水平在一定条件下(即t(x)与u(x)之和一定)，为使科技创新能力与城镇化水平(即t(x)与u(x)之积)最大，科技创新能力与城镇化水平进行组合协调的数量程度。容易证明，0≤C≤1，当协调度C越大，说明科技创新能力与城镇化水平越协调，反之，则越不协调。

协同发展度(或协调发展系数)作为度量科技创新能力与城镇化水平高低的定量指标，既考虑了科技创新能力与城镇化水平的协调状况，即C的值，又体现了科技创新能力与城镇化水平进行组合的数量程度，因而它综合反映了科技创新能力与城镇化水平的整体协同效应或贡献。其计算公式如下:

T=αu(x)+βt(x)

(3)

其中，D为协同发展度(系数)；C为协调度；T为科技创新能力与城镇化水平的综合评价指数,反映科技创新能力与城镇化水平的整体效益或水平；α、β为待定权数,具体可以利用专家系统确定。基于前述分析,本文按照协同发展度D的大小将科技创新能力与城镇化水平的协同发展状况划分为8个类别(见表1)。据此进行科技创新能力与城镇化水平协同发展状况的定量评判。

表1 协同等级分类

三、科技创新能力与城镇化水平协同状态实证评价

1.数据来源与处理

本文所有数据均来源于《中国统计年鉴2012》、《中国城镇统计年鉴2012》、《中国科技统计年鉴2012》。由于不同统计指标的数据具有不同的量纲，为便于计算，需要将各指标的原始数据进行标准化处理，同时为了避免由于标准化而使数据产生较大的误差，本文采用极差标准化的方法对各指标的原始数据进行标准化，具体方法如下：

对于正向指标：

对于负向指标：

2.指标权重的确定

利用AHP确定各指标的主观权重，利用标准离差法确定各指标的客观权重，并根据综合权重的计算方法确定各指标的综合权重，避免了由于单一一种方法确定权重而产生的误差，具体如表2所示。

3.评价结果分析

运用科技创新能力与城镇化水平的评价模型，分别计算我国东部10个地区的科技创新能力与城镇化水平。

依据科技创新能力与城镇化水平的协同度评价模型与协同状态分类标准，通过计算得到我国东部10个地区科技创新能力与城镇化水平协同评价结果，具体结果如表3所示。从表3的结果可以看出，我国东部地区10个省市的科技创新能力与城镇化水平整体处于初级协同状态，且科技创新能力滞后于城镇化水平，表明东部地区在快速城镇化进程中，没有对科技创新引起足够重视，科技创新在城镇化中的潜力作用没有充分发挥，快速城镇化过程中存在粗放型发展模式。形成这一结果的主要原因在于城镇化是科技创新的重要基础，城镇化发展所带动的社会进步是科技创新的重要平台，有利于知识外溢，进而促进科技创新能力的提升。东部地区下一发展阶段应该在快速城镇化背景下重视科技创新的发展，通过科技创新能力的不断提升，对城镇化产生促进作用，进一步提高城镇化的发展质量，形成集约型的城镇化发展模式，并逐渐使城镇化水平与科技创新能力相协调。随着科技创新能力不断提升，最终与城镇化水平达到一种协同状态。具体分析如下所述。

表2 科技创新能力与城镇化水平协同发展评价指标体系及权重

表3 科技创新能力与城镇化水平协同评价结果

(1)科技创新与城镇化良好协同

处于这一状态的只有北京一个地区。北京的科技创新能力位于10个地区之首，城镇化水平略低于广州，位于第二位，同时也是10个地区中唯一一个城镇化水平滞后于科技创新能力的地区。北京作为我国的政治经济文化中心，无论是其科技发展水平，还是城镇化水平都处于较高的状态，尤其是科技的发展相对于其他地区而言具有较高的投入，受到政府部门、科研机构的高度重视，如在“科技北京”行动计划中提出，把北京建成我国创新发展的核心引领区和具有全球影响力的科技创新中心；在首部《首都科技创新发展报告》中，北京的创新能力以126.29分位居全世界十大城镇的第三，仅次于伦敦和东京。政府的重视及自身的不断成长使北京的科技创新能力明显高于其他地区，这是北京科技创新能力与城镇化水平处于良好协同状态的直接原因。在未来的发展中，北京应该继续保障科技发展的投入，同时鼓励科研机构、企业、政府进行协同创新发展，通过科技创新来助推城镇化的快速、高质量发展，尤其是社会城镇化水平，使城镇水平与科技创新能力达到更高的协同状态。

(2)科技创新与城镇化中级协同

处于这一状态的有广东、江苏两个地区。两个地区都是科技创新能力滞后于城镇化水平。在科技创新能力中，两个地区都是知识创新能力相对较低，并从整体上影响了科技创新能力，但两者的创新环境水平仅低于北京，高于其他地区，可见两个地区为科技创新能力的提升提供了良好的环境。从区域创新能力的角度来看，广东稳居全国第二，创新环境和创新绩效全国第一，并在科技研发投入、人才队伍建设、专利等方面有所突破。研发投入强度快速提高，不断加大财政科技投入，并以政府投入为杠杆，有效带动了企业和社会增加科技投入的积极性。江苏也通过多种方式营造创新环境，改革干部考核体系，把科技创新、集约发展等作为党政领导考核的主要内容，并以提高自主创新能力为主线，促进产业升级和发展方式转变。这些措施对两个地区未来的科技创新能力提高具有重大的现实意义。两个地区经济城镇化水平差距不大，经济发展水平较为接近，除低于北京外，高于其他地区，广东的社会城镇化水平明显高于江苏，这是广东整体城镇化水平高于江苏的主要原因。在未来的发展中，两个地区应该通过提高知识创新能力来提高整体的科技创新能力，同时要发挥社会城镇化的作用，通过社会的进步来拉动科技的快速发展，并利用经济城镇化水平较高的优势，有计划地加大对于科技发展的经济投入，最终使科技创新能力得到有效的提高，达到与城镇化水平的协同发展。

(3)科技创新与城镇化初级协同

处于这一状态的有上海、山东两个地区。两个地区的科技创新能力都落后于城镇化水平，且差距较其他地区更明显。山东的知识创新能力低于上海，而技术创新能力与创新环境的水平都高于上海。上海是我国长江三角洲的核心城市，具有良好的创新知识溢出环境，但由于很多产业属于服务外包类型，掌握核心技术能力较弱，创新能力略显不足。山东处于我国北方地区，且是我国农业大省，科技创新能力更多的是体现在工业发展中，因此山东的创新能力低于上海，但山东与上海属于两种发展模式，上海应该在现有产业的基础上注重研发的投入，开发自主知识产业与技术系统，山东应该在引进新兴产业的同时注重技术的引进。通过技术的引进，消化、吸收和再创新来提高科技创新能力。由于两个地区三个方面的科技创新能力水平在10个地区中均处于较低的状态而使他们的整体科技创新能力较低，与城镇化水平产生较大差距，但两个地区的城镇化水平在10个地区中处于中上等水平。在未来的发展，两个地区应注重自身提高科技创新能力的同时，利用较高水平的城镇化发展为科技创新提供基础平台，带动科技创新能力的提高，从而达到科技创新与城镇化更高的协同状态。

(4)科技创新与城镇化勉强协同

处于这一状态的有浙江一个地区。浙江的整体城镇化水平并不高，其中经济城镇化水平高于人口城镇化与社会城镇化水平，人口城镇化水平仅高于福建，科技创新能力中的知识创新能力偏低。正是由于人口城镇化水平与知识创新能力低导致了浙江的科技创新能力与整体城镇化水平均较低。在未来的发展中，应该发挥浙江中小企业研发的带动作用，通过政府政策的引导，鼓励中小企业进行技术研发的集成创新，形成大量的中小企业集群来推动技术创新，同时加大对于知识创新的经济投入，并提高人口城镇化水平，从本质上提高浙江的科技创新能力与城镇化水平，使两者逐渐达到协同发展的状态。

(5)科技创新与城镇化濒临失调

处于这一状态的有天津、海南、福建、河北四个地区。天津、海南两个地区的知识创新能力明显高于其他两项科技创新能力，这也使两个地区的科技创新能力高于福建与河北，天津与河北的城镇化水平高于福建与海南。在未来的发展中，这四个地区首先都应该注重城镇化对于科技创新的带动作用，发挥城镇化的知识溢出效应，进而提高科技创新能力。河北、福建要大力提高知识创新能力，同时四个地区都要提高技术创新能力。福建应从人口城镇化、海南应从经济城镇化方面提高整体的城镇水平。

四、结论及启示

本文通过测算我国东部10个地区科技创新能力与城镇化水平，并运用协同度模型计算了10个地区科技创新能力与城镇化的协同状态。结果表明：东部10个地区的整体科技创新能力与城镇化水平处于初级协同状态，其中北京处于良好协同；广东、江苏处于中级协同；上海、山东处于初级协同；浙江处于勉强协同；天津、海南、福建、河北处于濒临失调状态。通过研究可以发现，现阶段我国城镇化水平普遍高于科技创新能力水平，城镇化的知识溢出效应并没有得到良好的发挥，进而带动科技创新，但部分地区(如北京、江苏、广东)的科技创新能力与城镇化水平处于较好的协同状态。在今后的发展中，要充分发挥城镇化的带动作用，逐渐提高科技创新能力，进而有效促进科技创新能力与城镇化水平的协调发展。

参考文献：

[1] 辜胜阻,刘江日. 城镇化要从“要素驱动”走向“创新驱动”[J]. 人口研究,2012,36(6):3-12.

[2] 孟姝瑱. 创新驱动战略下我国新型城镇化的发展路径[J]. 理论学习,2012，(7):27-29.

[3] WILSON R P,VANDENABEELE S P. Technological innovation in archival tags used in seabird research[J]. Marine Ecology Progress Series,2012,451:245-262.

[4] KIJEK A,KIJEK T. The analysis of innovation input-output relationships in EU member states[J]. Comparative Economic Research,2010,13(3):93-106.

[5] SONG M,IM S,BIJ H. Does strategic planning enhance or impede innovation and firm performance[J]. Journal of Product Innovation Management,2011,28(4):503-520.

[6] LAN P. Three new features of innovation brought about by information and communication technology information[J]. Information Technology and Management,2004,3(1):3-19.

[7] 王雪原,王宏起. 区域创新平台网络特性、服务效果与企业创新绩效的关系研究[J]. 科学学与科学技术管理,2013,34(5):80-88.

[8] 程开明. 城市化促进技术创新的机制及证据[J]. 科研管理,2010,31(2):26-34.

[9] 苏屹,李柏洲. 基于竞赛图法的区域科技创新能力评价研究[J]. 科研管理,2011,32(10):27-35.

[10] 刘志迎，俞仁智，徐景明,等. 企业主导产学研合作的技术与市场协同创新——以科大讯飞为例[J]. 管理案例研究与评论，2013，6(4)：311-319.

[11] 朱桂龙,钟自然. 从要素驱动到创新驱动——广东专业镇发展及其政策取向[J]. 科学学研究,2014,32(1):29-33.

[12] 冯锋，汪良兵. 技术创新链视角下我国区域科技创新系统协调发展度研究[J]. 中国科技论坛，2012,(3)：36-42.

[13] 郭亮,于渤. 动态视角下企业技术集成能力评价研究——基于AHP-模糊TOPSIS法[J]. 科研管理,2013,34(12): 75-84.

[14] 李刚,王斌,周立斌，等. 基于标准差修正G1组合赋权的人的全面发展评价模型及实证[J]. 系统工程理论与实践,2012,32(11):2473-2485.

[15] 王鹏飞,李畅. 不确定多属性决策双目标组合赋权模型研究[J]. 中国管理科学,2012,20(4):104-108.

[16] 吴丹,吴凤平. 基于水权初始配置的区域协同发展效度评价[J]. 软科学,2011,25(2):80-83.