中部六省高技术产业创新驱动绩效分析——基于熵值和TOPSIS法物元评判模型

范德成　蔡文科

(哈尔滨工程大学，哈尔滨　150001)

中部六省高技术产业创新驱动绩效分析
——基于熵值和TOPSIS法物元评判模型

范德成蔡文科

(哈尔滨工程大学，哈尔滨150001)

〔摘要〕本文建立了创新活动产出与创新活动投入体系，根据熵值和TOPSIS物元模型，根据《中国高技术产业统计年鉴2015》中的数据，对中部六省的高技术产业创新驱动绩效进行评判分析。通过正负理想解以及贴近度值的分析，结果表明：河南省、湖北省、湖南省的综合绩效得分分别位列一、二、三位，山西省排名倒数第一，说明了经济产出指标对创新驱动绩效的高低有着直接的影响，并且从投入产出两方面对各省提出了发展高技术产业的对策方法。

〔关键词〕高技术产业创新驱动绩效熵值TOPSIS物元评判模型贴近度

引　言

创新是推进国家或地区奋力前进的重要力量，也是推进人类社会奋力向前的一个核心推力。2015年3月，中共中央正式出台了《关于深化体制机制改革加快实施创新驱动战略发展的若干意见》，表明中央已经充分认识到了创新的重要性，也意识到了创新驱动战略在当今波诡云谲的世界形势下最核心的竞争优势，同时说明中国已经将创新驱动提升到了国家战略的高度。创新驱动发展战略的核心在于：(1)中国未来的发展要靠科技创新驱动；(2)创新的最终目的在于发展中国[1]。而高技术产业创新是创新驱动核心部分，是国家和地区经济发展的重要推动器。高技术产业是指技术密集型或知识密集型产业，它的技术含量很高，研发投入大，产业的附加值很高，有很强的市场竞争力。近年来，高技术产业的科技投入强度不断增加，有力的推动了高技术产品的大量增长，但是总体来说，这些增长主要是要素和投资带动的，而并非是因为创新的源动力。如果创新本身缺乏源动力，对今后的高技术产业的投入缺乏一个明确的目标，也就无法对创新驱动的绩效水平做出衡量。因此，研究近年来高技术的创新驱动绩效，分析高技术产业创新各方面的问题，有利于促进今后的高技术产业的发展，为经济新常态下高技术产业转型升级提供参考，找准着力点。

1　文献综述

目前，已经有很多学者从不同的角度以及不同的方法对高技术产业的创新驱动绩效做出研究：裴潇，陈俊领[2]运用灰色综合评价模型对湖北省的高技术产业技术创新绩效做出分析研究，得出了湖北省高技术产业科技创新成果丰富，但技术成果转化能力弱的结论；祝福云，陈晓暾，刘敏[3]采用了回归分析和相关分析法，利用跨国数据对投入因素，机制因素以及外部环境等因素影响高技术产业发展水平的机理进行了实证研究；张秀武，胡日东[4]构建了综合考虑R&D经费和知识存量的知识生产函数，从产业集群的视角对高技术产业区域创新驱动力进行了实证分析，准确的揭示了区域高技术产业知识生产的投入产出关系，区域内的产业集群因素和区域间的知识溢出都对区域高技术产业创新产出有影响。余泳，陈龙，王筱[5]运用因子分析和空间计量模型对中国30个省市2008～2012年的高技术产业创新绩效进行了测度和评价。欧阳峰，曾靖[6]从创新驱动的角度构建了企业绩效影响因素的评价指标体系，并运用了主成分——粗糙集方法进行评价分析新兴产业创新驱动绩效。

基于上述情况，虽然众多学者对创新绩效做出了评价，但是仍然少有人从创新活动投入和创新活动产出的这两个方面来对创新驱动绩效做出评价。因为创新是一个复杂的动态的过程，始终是依照投入——过程——产出的先后顺序，更重要的这两个方面也是创新的重要驱动力，更是囊括了以前学者研究的从内外因素来分析创新绩效水平。鉴于此，本文从这2个一级指标，4个二级指标以及16个三级指标出发，运用熵值法，得出各个指标在创新驱动绩效中的权重，各个省份在二级指标中得出的综合得分以及排名，最后运用TOPSIS物元模型得出各个省的贴近度以及正负理想解，并对排名进行分析，了解存在差距的原因，并得出结论。

2　创新驱动绩效评价指标体系

高技术产业的发展是创新驱动战略履行好坏的一个重要标杆，推动着经济的快速增长，技术产业的发展离不开大量的投入，投入是驱动创新的重要助力，这种投入主要包括人力和物力资源等方面。基于高技术产业的性质，所需要的员工素质与学历要求比较高，因此把科技活动经费内部支出中劳务费和有R&D活动的企业数作为主要的投入，并补充研发机构人员数和研发机构数量来作为驱动创新的指标，研发机构中的科技人员和工程师对技术创新的影响比较大。在物力投入方面将固定资产投资额，技术改造经费支出，新产品开发经费支出，R&D经费内部支出和科技活动经费筹额中政府资金等作为评价指标，在投入指标中，科研活动经费的内部支出，以及研发机构数量等可以看做是内部驱动中企业自身的创新意识的体现，而科技活动经费中政府资金是驱动企业创新驱动的外部因素——政府政策支持，从中可以看出各级政府对技术创新的重视程度[2]。

创新活动产出是指经济主体在所具有的创新能力的基础上通过各种资源的有效开发和配置所取得创新成果[7]。分为经济产出和非经济产出，经济产出主要通过技术市场成交额，新产品出口销售收入，新产品销售收入和新增固定资产这些指标来反映；经济产出主要由新产品开发科技项目数，专利申请数，以及万名R&D人员发明专利拥有量这3个指标来体现。对于高技术产业而言，驱动创新的动力在于创新科技成果在经济上的实现，即通过科技成果的成功商业化，获得经济效益[8]。因此，经济产出是直接驱动创新行为的重要因素之一，对于评价创新驱动绩效水平，这一指标必不可少。具体的评价指标体系见表1。

表1　高技术产业创新驱动绩效的评价指标体系

续　　表

3　熵值和TOPSIS物元综合评判模型

3.1方法的选择

目前对于创新驱动绩效分析的方法主要有层次分析法(AHP)、模糊综合评价、灰色关联以及改进的TOPSIS等。层次分析法能够很好的体现分析的问题上的众多指标的特点，能很好的体现要分析的问题，但是需要专家的打分，两两比较得出判断矩阵比较繁琐，存在主观性。模糊综合评价需要专家给出评语集，并且只适用于指标处于模糊状态的问题的分析，同时也存在着主观性的问题。灰关联适用于评价环境，而且能够对内部因素的分析的变化趋势进行分析，但是在对创新驱动绩效的整体判断上却存在比较大的缺陷[9]。

然而，本文的研究对象是中部六省的创新驱动绩效，它的主要特点是指标众多以及指标较为客观。故此，为了能够充分的利用客观的原始数据的信息，对各个评价对象之间的差距进行客观分析，同时对样本指标还没有特殊要求的多指标评价方法，所以本文采用熵权和TOPSIS物元法的综合评判模型对中部六省的创新驱动绩效进行分析。

3.2研究方法

3.2.1熵值法

熵值法[10]是一种客观赋权法，它根据各指标的变异程度，利用信息熵计算出各指标的熵权，通过熵权对各指标的权重进行修正，从而得到较为客观的指标权重。如果某项指标的熵值较小，说明其指标值的变异程度越大，在综合评价中该指标所起的作用越大，即权重越大。

(1)对于所讨论的系统有m个评价对象，n个评价指标的初始数据矩阵，

R={xij}m×n

(1)

(2)消除原始数据中量纲以及数量级对模型带来的影响，对原始数据进行标准化处理，计算指标比重pij

(2)

(3)计算第j项指标的信息熵值ej：

(3)

式中的k与系统的样本数m有关，常取k=1/lnm

(4)计算各指标的熵权(即权重)wj：

(4)

(5)综合评价对象的各级指标的得分V：

(5)

3.2.2TOPSIS法模糊物元综合评判模型

(1)TOPSIS法[10]的全称是“逼近于理想值的排序方法”(Technique for Order Preference by Similarity to Ideal Solution)又名理想解，它是由Hwang等提出的一种适用于多指标、对多项目进行比较的方法，其中心思想在于求出各项目与最优项目的接近程度，来作为评价项目优劣的标准，在使用TOPSIS法进行评价分析时，比较重要的一环是指标权重的确定，故在本文中结合熵权法确定权重。

(6)

(7)

鉴于本文中所确定的指标值越大对被评判对象越好，故选用的从优隶属度计算公式为：

(8)

(3)加权模糊物元矩阵和理想解[11]

将符合模糊物元矩阵与各指标的权重相乘，得到加权模糊物元矩阵：

Z=(zij)m×n，i=1，2，…，m；?j=1，2，…，n

(9)

式中：zij=wj*uij(i=1，2，…，m；?j=1，2，…，n)

由此去确定矩阵Z的正理想解向量Z+和负理想解向量Z-：

(10)

(11)

(12)

(13)

(5)贴近度Ci计算及方案结果说明

(14)

最终根据贴近度的计算值Ci对多个评判对象进行分析排序，若贴近度Ci越接近于1，则表明评判对象越优，第i方案越接近理想解。

4　中部六省高技术产业驱动创新绩效评判实证分析

采用上述的熵值法和TOPSIS物元法综合评判模型对中部六省的高技术产业的创新驱动绩效进行评判。我们选取山西、安徽、江西、河南、湖北和湖南6个省作为评判对象，通过投入和产出的两个总指标(即物元特征)对这6个省的创新驱动绩效进行评判，由最终的正负理想解的距离以及贴近度进行分析并对其在高技术产业上的发展提出对策建议。通过查找《高技术产业统计年鉴2015》中的数据，得出2014年原始数如表2：

表2　2014年中部六省高技术产业原始数据

注：数据来源于《高技术产业统计年鉴2015》。m=6，n=16

4.1数据处理

(1)根据上述模型，由式(2)求出指标比重pij(限于篇幅对其中某些数据不一一列出)，再根据式(3)、式(4)求出各指标的熵值(即权重)wj，并由式(5)得出综合评价对象的各级指标的得分V以及各省的得分综合排名，见表3。

表3　综合指标权重表

续　　表

(2)确定复合物元，将表1中各省作为物元的事物，指标作为物元的特征，构造复合物元，以(1)中熵值法求得各指标权重，得到权重复合物元：

(4)根据式(9)求出加权的模糊物元矩阵Z(略)，进而依式(10)、(11)求得正负理想解Z+以及Z-：

Z+=(0.0535，0.0247，0.0266，0.0342，0.022，0.0762，0.0444，0.0448，0.0543，0.1189，0.2814，0.087，0.0244，0.027，0.0401，0.0405)

负理想解Z-为零向量。

(5)由式(12)、(13)计算出各个方案与正负理想解之间的距离，见表4。

表4　评价对象中部六省到正理想解和负理想解的距离

(6)由式(14)得出中部六省高技术产业创新驱动绩效的综合评判结果，依据贴近度得出：

根据贴近度的大小可以确定中部六省的创新驱动绩效排名为：河南、湖北、湖南、安徽、江西、山西。

5　评判结果分析

根据上述分析结果，河南省的高技术产业创新驱动绩效的贴近度为0.6541，在中部六省中排名第一，并且得分也比较高，表明河南的高技术产业的创新驱动绩效与其在2015年的GDP全国排名成正比。河南省作为中部大省，其创新的地理资源、创新意识，创新的人力与物力资本远远超过其他五省，其在高技术产业的创新驱动绩效更是如此。而山西省作为传统的能源大省，将大部分的精力投入到诸如煤炭等的能源行业，对于煤炭能源行业，创新的空间以及现在行业利润的降低使得创新的提升度和创新动力是极其有限的，更无法构成高效运行的创新驱动机制。高技术产业的创新驱动绩效要得到提升，创新驱动机制的构建尤其重要。这样的处境也与上述通过熵值法和TOPSIS物元法综合评判模型的分析评判结果是相符的。技术创新是推动高技术产业提升的最根本的动力，创新驱动绩效的评分高低是最能量化的体现，能给以最直观的感受。

(1)指标权重与综合得分的分析

由表3中指标权重可以看出，从三级指标上来看，权重在0.07以上的指标共有4个，分别是：新产品出口销售收入0.2814、技术市场成交额0.1189、新产品销售收入0.087、技术改造经费支出0.0762。表明此4个指标最为影响创新驱动绩效。可以看到其中3个指标主要集中在二级指标中的经济产出，由此说明，创新驱动绩效的最重要的影响因素是经济产出。采取措施，增大各省的高技术产业的经济产出，加强对有强经济产出的产业的企业投入力度，向着产业的集约化发展，这能给各省通过数据量化有着直观的驱动力加分，进而提高创新驱动绩效水平。

(2)正负理想解距离分析

(3)根据贴近度的得分高低可以看出河南省0.6541占据第一序列，离理想状态比较近，说明河南省的高技术产业的创新驱动绩效水平较高，主要是因为河南省所定的发展战略是正在由人口大省转向人才大省，符合河南省实施的“科技兴豫”战略。其所占的地理优势，人才的投入力度，以及具有高学历的技术研发人员，研发机构的设立和大量的物力资源的投入是提高知识经济类型中主要代表的高技术产业的创新绩效的重要助力，也会使得技术创新更为活跃。湖北、湖南、安徽在贴近度的得分分别为0.3699、0.2958、0.2292，处于第二类序列，其创新驱动绩效水平一般，但其优势在于位于九省通衢中心的湖北和湖南拥有着较为雄厚的高技术产业的基础，以及“中部崛起”战略的政策支持，使得创新驱动水平提升。安徽省凭借的是东部沿海地区资本以及产业转移的这样千载难逢的机会，加大了高技术产业的引进力度，加大了对非经济产出的教育行业的重视，增大了创新活动产出的力度。山西省的贴近度得分为0，其在高技术产业的创新驱动绩效水平极低，突出了这个传统能源大省有着“路径依赖”的问题，使得山西省陷入了产业发展僵化的这样一个不利局面，山西省应该加大高技术产业的引进力度，对省内现有的高技术产业扶持的力度加大，对产业内的企业的技术创新给予更大程度上的经济补助作为鼓励，并且山西省省政府能够加大对高技术产业的自主创新产品的政府采购的力度，以此来推动产品的流动，通过创新活动产出这样的直观数据来提升高技术产业的创新驱动绩效，提升高技术产业的技术创新能力，最终促进高技术产业的发展。

参考文献

[1]周琳.基于创新驱动发展战略的企业创新绩效研究[J].经济问题，2015，(5)：124～128

[2]裴潇，陈俊领.湖北省高技术产业技术创新绩效评价研究[J].科技进步与对策，2013，(30)：128～132

[3]祝福云，陈晓暾，刘敏.高技术产业发展影响因素的实证研究——投入、机制与环境[J].山西科技大学学报，2006，(1)：121

[4]张秀武，胡日东.区域高技术产业创新驱动力分析——基于产业集群的视角[J].财经研究，2008，(4)：37～39

[5]余泳，陈龙，王筱.中国区域高技术产业创新绩效测度与评价——基于因子分析和空间计量模型的实证研究[J].西安财经学院院报，2015，(2)：39～40

[6]欧阳峰，曾靖.基于主成分—粗糙集方法的战略性新兴产业创新驱动绩效评价——以战略性新兴产业上市公司为样本[J].工业技术经济，2015，(12)：30～31

[7]官建成，陈凯华.我国高技术产业技术创新效率的测度[J].数量经济技术经济研究，2009，(10)：19～33

[8]赵琳，范德成.我国高技术产业技术创新效率测度及动态演化分析——基于因子分析定权法的分析[J].科技进步与对策，2011，(11)：111～113

[9]周洁，郭丕斌.基于熵权TOPSIS法的我国产煤大省区域创新能力评价[J].中国矿业，2016，(4)：40～41

[10]林良生，邹平国，陈红，等.基于熵权的逼近理想解排序法在核电设备质量评价中的应用分析[J].电力建设，2014，(2)：91～94

[11]申毅荣，解建仓.基于熵权和TOPSIS法的水安全模糊物元评价模型研究及其应用[J].系统工程，2014，(7)：144～146

[12]蔡文.物元模型及其应用[M].北京：科学技术文献出版社，1994

[13]张斌，雍歧东，肖芳淳.模糊物元分析[M].北京：石油工业出版社，1997

[14]胡永宏，贺思辉.综合评价方法[M].北京：科学出版社，2000

[15]王亚伟，韩柯.基于改进模糊综合评价模型的区域科技创新能力评估[J].科技进步与对策，2012，(13)：120～122

[16]张娜，杨秀云，李小光.我国高技术产业技术创新影响因素分析[J].经济问题探索，2015，(1)：30～35

(责任编辑：史琳)

Innovation Driven Performance of Hi-tech Industry about the Six Provinces in Central——Based on Entropy Weight and TOPSIS Matter-element Evaluation Model

Fan DechengCai Wenke

(Harbin Engineering University，Harbin 150001，China)

〔Abstract〕Constructing indicators of innovation activity input and output system,based on entropy weight and TOPSIS matter-element evaluation model,seeking the data of Statistical Year book of Chinese Hi-tech Industry 2015,innovation driven performance of hi-tech industry in Central was evaluated.Through analyzing positive and negative ideal solution and approach degree,the empirical results showed that:Henan province,Hubei province,and Hunan province were ranked as 1st,2nd,3rd.Shanxi province was ranked as 6th,it indicated that the output of innovation activity had the direct impact on innovation driven performance,and gave strategies and solutions to develop hi-tech industry for provinces in that two pacts.

〔Key words〕hi-tech industry;innovation driven performance;entropy weight;TOPSIS matter-element model;approach degree

〔中图分类号〕F273.1；F224

〔文献标识码〕A

DOI：10．3969/j．issn．1004-910X．2016．10．014

作者简介：范德成，哈尔滨工程大学经济管理学院教授，博士生导师。研究方向：产业技术创新、管理系统工程。蔡文科，哈尔滨工程大学经济管理学院硕士研究生。研究方向：产业技术创新。

基金项目：国家自然科学基金项目“基于产业自组织的产业结构演化机制与模型研究”(项目编号：71373059)；黑龙江省自然科学基金项目“节能减排的低碳效应与绩效评价研究”(项目编号：G201313)。

收稿日期：2016—05—18