长江经济带战略性新兴产业技术创新环境评价研究——基于AHP-灰色关联度模型

●胡才龙 董亚钊

一、引言

长江经济带涉及长江上游成渝经济区（四川、重庆、贵州、云南）、中游城市群（湖北、湖南、江西）和下游长三角地区（安徽、江苏、上海、浙江）11个省市，总面积占全国的21%，人口和经济总量均超过全国的40%，生态地位重要、综合实力较强和发展潜力巨大，成为国内经济重要增长极。2014年政府报告首次提出“打造黄金水道，建设长江经济带”，随后2016年 《长江经济带发展规划纲要》正式发布，长江经济带与“一带一路”、京津冀协同发展战略成为国家重大的战略。十九大报告指出“以共抓大保护、不搞大开发为导向推动长江经济带发展”，表明长江经济带产业发展导向以“生态优先、绿色发展”为原则，因战略性新兴产业以关键重要技术和需求为基础，具有低污染低能耗等特性，将成为长江经济带绿色发展的重要方向。因此，研究长江经济带不同省市的战略性新兴产业技术创新环境，并比较分析创新环境的差距，提出协调推进优化不同省市创新环境的建议，有利于推动长江经济带上中下游地区战略性新兴产业融合发展，促进产业结构转型升级，加快推进创新驱动战略和“双创”战略，打造长江经济带产业绿色发展先行示范带。

二、文献回顾

（一）国外相关文献回顾

自熊彼特、弗里曼和克拉克等提出系统的创新理论以来，有关国家创新体系、区域创新体系以及企业创新体系的研究文献不断推出。波特提出的“钻石模型”理论，为产业技术创新竞争力提供了理论分析框架。20世纪80年代欧洲创新环境研究小组研究者率先提出 “创新环境理论”，认为环境是创新活动进行的必要条件，技术创新能力、创新产业投入和市场化程度等都是反映产业创新环境的因素。随后，学界从产业投入角度对产业技术创新开展了系列研究。Bravo-Ortega（2011）的研究表明10%的研发投入能够带来1.6%的全要素生产率水平的提高。Alecke等（2012）发现享受财政补贴的公司比未享受财政补贴的公司拥有更高的专利申请数量。Conte等（2014）研究发现产业投入是技术创新能力转化为现实竞争力的物质基础，产业研发投入和积累是技术进步主要影响因素。Ulku等（2015）基于土耳其制造业的面板数据研究发现产业研发投入对提高技术创新能力和产业生产率有重要作用，国内外投入都能有效提升产业技术水平。

（二）国内相关文献回顾

国内学者从政策环境、人才环境、金融环境中单一角度分析某类企业或者某类产业的创新环境，从三方面对战略性新兴产业技术创新环境进行研究：一是产业研发的扶持能够提升技术创新能力。李苗苗等（2014）基于战略性新兴产业上市公司数据的实证研究表明：税收减免政策和政府补贴政策对企业R＆D经费投入和企业技术创新能力具有较复杂的影响。陆国庆等（2014）运用2010—2012年的上市企业数据研究发现：政府对战略性新兴产业创新补贴的绩效和外溢效应是显著的。李煜华等（2015）通过构建结构方程模型对战略性新兴产业技术创新影响因素研究发现政府干预和高校及科研机构的参与对战略性新兴产业技术创新有显著影响。朱晋伟（2016）等通过研究高新技术创新绩效影响因素时发现引进技术费用在所用影响因子中对航天业和计算机业的促进作用最大。二是研发投入能够提升战略性新兴产业绩效和生产效率。程贵孙等（2014）研究发现R&D经费投入和研发新产品产值对民营企业发展战略性新兴产业的市场绩效有显著的正面效应。董明放等（2016）研究表明：研发投入强度与技术效率之间的具有呈负向门槛效应和边际效率递减的非线性特征，资本密度小于3.29%时，研发投入强度对技术效率的促进效应最大。苏亚民等（2018）通过实证研究表明：区域金融发展环境与战略性新兴企业的投资水平正相关，通过政策推动区域金融与地区投资环境协同发展，能够促进战略性新兴企业投资。三是人才环境与产业发展相关性很强。曹威麟等（2015）研究发现科研管理人才集聚和产业集聚的规律性往往呈现出马太效应，并由此导致产业间、域间的发展不平衡。王辉（2017）运用技能和技术的均衡博弈模型发现低技术的经济体中人才水平也较低，而高技术的经济体中往往人才水平也会更高。商华等（2017）将企业内部人才生态环境纳入评价体系，构建战略性新兴产业企业内部人才生态环境的定量评价体系，完善了人才生态环境评价体系的评价范围。

综上所述，现有相关文献多从创新投入、政府补贴政策扶持和人才因素等其中之一的因素研究产业技术创新，并且多数文献采用的是行业企业的数据进行研究，选取的范围也从全国层面或某一省份层面，而少有文献以不同地区的为视角，通过制定多因素综合评价战略性新兴产业技术创新环境。基于此，本文在借鉴已有文献基础上，综合考虑战略性新兴产业技术创新环境影响因素，从创新投入、创新产出、科教人才资源和其他影响因素四方面构建战略性新兴产业技术创新环境评价指标体系，采用AHP-灰色关联度模型，搜集2016年长江经济带11省市相关指标数据，测算各因素对不同省市创新环境的影响程度，并根据测算的结果做进一步的研究。

三、研究设计

（一）研究假设

依据已有的文献、长江经济带产业技术发展水平现状和战略性新兴产业发展规律，提出以下假设：

假设H1：中上游地区及不同省市战略性新兴产业技术创新环境有显著的差异，技术创新环境整体上优劣依次排序为下中上游地区。

产业技术创新环境与经济发展水平、要素禀赋和地理位置等要素相关，长江经济带下游省市地理位置优越、对外开放程度、经济发展水平高，资金、人才、科教技术等要素充裕，人文工作生活环境总体优于中上游城市，因此，长江经济带下游省市的战略性新兴产业技术创新环境也最优。

假设H2：产业创新投入能够显著影响战略性新兴产业技术创新能力，促进创新环境的优化。

本文文献回顾部分提到研发投入能够增加战略性新兴产业绩效并提高生产效率，宏观经济学理论表明投入决定产业发展水平，因此，战略性新兴产业发展与R&D经费投入，R&D项目产出数、科技支出、固定资产投资等投入环境紧密相关。

假设H3：产业创新产出是战略性新兴产业技术创新能力的反映，与创新环境正相关。

产出强度直接反映产业经营绩效，与产业竞争力正相关，也是反映创新环境优劣的重要因素。

假设H4:人才科教资源是提高战略性新兴产业技术创新能力的核心，有利于优化技术创新环境。

本文文献回顾部分提到人才环境与产业发展相关性很强，高等院校毕业人才和普通高校的数量为战略性新兴产业提供智力保障，高校因学科综合、人才培养、人才荟集、科研力量密集等而拥有科技信息和成果资源优势，不仅能为战略性新兴产业发展输送新技术成果和人才，也为管理咨询以及为政府部门提供智库服务。

（二）AHP-灰色关联度模型

以往的文献多单独运用层次分析法或灰色关联法研究问题，而将层次分析法（AHP）与灰色关联度两种方法有机结合，并结合专家打分法，不仅能够提高测算精确度，还能根据数据序列科学合理确定层次不同的权重，使得评价结果更加精确合理。运用AHP-灰色关联度模型分为以下几步：

1、对原始参考和比较数据序列进行无量纲化处理。对量纲不同的原始数据序列采用极值化法处理，i=1.2, …,n， 其中 maxxk和minxk分别是第 K个指标在所有方案中的最大值和最小值，Xik∈(0,1)，得规范化后数据矩阵：

2、计算灰关联系数。根据灰关联度方法，确定参考序列和比较序列，运用灰关联度公式：

其中，ξi(k)是第 k个时刻比较数据列xi对应的曲线与参考数据列 x0对应曲线的相对差值。ζ为分辨系数，用于减少极值对计算的影响，其取值为ζ∈(0,1)，一般 ζ≤ 0.5。

得出灰关联系数矩阵如下：

3、确定各因素的权重。根据层次分析法（AHP），结合专家打分法确定各因素比较矩阵如下：

其中，αij＞0,αij＞1/αij,αii=1。因此，A 为正互反矩阵。

采用根法计算各因素权重向量W=(w1,w2,…,wn)，计算公式为：wi并对结果进行一致性检验。

5、对测算结果进行优势分析。计算比较数列的灰综合关联度r(x0,xi)进行大小排序，分析结果。

四、实证研究

（一）指标体系的构建

当前对战略性新兴产业技术创新环境评价还未形成一套指标体系，本文借鉴高新技术产业竞争力评价指标体系，在刘昌年（2014），陶金国等（2015），陈文锋等（2016），白恩来等（2018）学者建立指标体系基础上，参照《中国区域创新体系能力检测指标体系报告》指标体系，立足战略性新兴产业自身的特性，遵循数据可获得性、客观性、可行性、科学性、有效性和实用性原则，设计包含创新投入环境、创新产出环境、科教人才资源环境和其他环境4个一级指标，17个二级指标，构建战略性新兴产业技术创新环境评价指标体系如下表1：

表1 长江经济带战略性新兴产业技术创新环境评价指标体系

（二）数据的选取及处理

为保证长江经济带各省市数据具有可比性和可获得性、保持统一的统计口径，本文所需的原始数据来自2016年 《中国统计年鉴》、长江经济带所有11省市的《统计年鉴》及《国民经济和社会发展报告》，部分指标数据通过计算而得，部分数据直接获取，采用极值化法对原始数据进行规范化处理，得无量纲化数据见表2。

表2 长江经济带各省市战略性新兴产业技术创新环境评价二级指标原始数据无量纲化处理后结果

表3 长江经济带各省市战略性新兴产业技术创新环境评价二级指标关联系数测算结果

根据上文研究方法中公式测算二级指标值与参考序列值间的灰关联系数见表3。

（三）权重的确定

1、比较矩阵的建立。本文采用专家打分法建立比较矩阵如下 （Y为总目标比较矩阵，Y1为一级指标产业创新投入比较矩阵，Y2为一级指标产业创新投入比较矩阵，Y3为一级指标科教人才资源比较矩阵，Y4为一级指标产业其他影响因素比较矩阵）：

2、计算权重并进行检验。总目标比较矩阵的特征向量W=(0.44,0.34,0.19,0.04)T，最 大 特 征 根 λmax=4.17,CI=0.0563，CR=0.0587＜0.1，满足一致性检验。

一级指标创新投入比较矩阵Y1的特征向量为W=(0.23,0.35,0.07,0.24,0.07,0.04)T,最大特征根 λmax=6.42,CI=0.0839，CR=0.0677＜0.1，满足一致性检验。

一级指标创新产出比较矩阵Y2的特征向量W=(0.16,0.3,0.54)T， 最大特征根 λmax=3，CI=0.0046，CR=0.0079＜0.1，满足一致性检验。

一级指标科教人才资源比较矩阵特征的向量W=(0.64,0.11,0.19,0.06)T,最大特征根 λmax=4.02,CI=0.0069，CR=0.0071＜0.1，满足一致性检验。

一级指标其他影响因素比较矩阵Y4的特征向量 W=(0.58,0.22,0.12,0.08)T,最大特征根 λmax=4.03,CI=0.0113，CR=0.0118＜0.1，满足一致性检验。

因此，可得出长江经济带战略性新兴产业技术创新环境评价体系一级、二级指标权重如下表4：

表4 长江经济带战略性新兴产业技术创新环境评价体系各指标权重

（四）测算灰综合关联度

1、根据二级指标关联系数及权重计算一级指标灰色综合关联度如下表5。

表5 长江经济带各省市战略性新兴产业技术创新环境评价体系一级指标灰综合关联度

表6 长江经济带分省市战略性新兴产业技术创新环境的灰综合关联度及排名

表7 长江经济带分区域战略性新兴产业技术创新环境总目标灰综合关联度

2、总目标的灰综合关联度。根据一级指标的灰综合关联度及权重计算总目标的灰综合关联度，对各省灰综合关联度数值大小排名如表6、表7。

（五）测算结果分析

1、总目标的灰综合关联度。由上表6表7可知，长江经济带灰综合关联度均值为0.466，排名第一的江苏为0.816，排名最后的云南为0.330。不同地区的战略性新兴产业技术创新环境不平衡，下游地区灰综合关联度平均值最大为0.609，中游地区次之为0.425，下游地区灰综合关联度最小为0.354，三个区域灰综合关联度差距较大，特别是下游地区灰综合关联度平均值与中上游地区差距较大。测算结果来看，长江经济带战略性新兴产业技术创新环境分为三个梯度：第一梯队为江苏、浙江、上海和湖北；第二梯队为安徽、湖南、四川、重庆和江西；第三梯队为贵州省和云南省。同一梯队不同省市也有一定的差距。

2、一级指标灰关联度和二级指标的灰关联度。在创新投入方面，江苏、上海、浙江、湖北和安徽的创新投入和产出的灰综合关联度处于上游水平。这些省市的新产品开发经费支出、RD经费、科学技术支出、新产品开发项目数、RD项目数、第二产业投资等指标关联系数较高，表明以上省市在科研经费投入，工业行业的投资和新项目开发力度很大，为战略性新兴产业提供了良好的创新投入环境。贵州、云南在产业创新投入相对较少，投入环境相对其他省市较差。江苏、上海、浙江省和湖北市加强科技创新，积极推行技术成果转化，并实现产业化生产销售，创新产出反映科技创新环境较好，其他8省市与之有一定的差距。在科教人才资源方面，江苏、浙江、湖北和四川因高校较多，具有较强的科教人才资源优势，比如江苏、湖北高校数量和毕业人数多，为战略性新兴产业发展提供了人才智力支撑。云南和贵州科教人才资源比较缺乏。在其他影响产业技术创新因素方面，重庆、江苏、四川、安徽比较靠前，其他7省市与之有一定的差距。

3、长江经济带不同省市战略性新兴产业技术创新环境差异性原因分析。长江中上游地区以科技含量低的劳动力密集产业和资源密集型为优势产业，下游地区以附加值高、以外向型和高科技产业为主的优势产业。沿海省市江苏、浙江和上海处于下游长三角地区，得益于早期沿海地区发展及持续的不断深化的改革开放政策，并凭借其区位优势，与世界经济和科技的关联性和互动性更紧密，科技型企业发展迅速，地区人才集聚，高校及科研院所较多，已处于以高新技术产业为主导的技术知识集约化阶段，相关研究也表明创新投入指数排名前十位的江苏南京第2，湖北武汉第4，浙江杭州第8。创新产出指数排名前10位包括江苏有4个城市、浙江2座城市和四川成都。这表明这些省市积极制定支持创新投入和产出的优惠政策，优化创新环境。云南和贵州处于长江上游成渝经济区，地理交通不发达，经济基础薄弱，人才资源匮乏，仍处于工业化加速发展阶段，对战略性新兴产业创新环境具有较大的影响。因此，这些省市战略性新兴产业技术创新环境有很大的提升空间，并面临着创新投入不足，人才引进难等问题。

五、主要结论及建议

（一）主要结论

本文通过构建战略性新兴产业技术创新环境评价指标体系，运用AHP-灰色关联度模型，以2016年长江经济带11省市对应评价体系相关指标数据为例，测算各因素对不同省市战略性新兴产业技术创新环境的影响程度以及最终灰综合关联度。得出以下结论：

1、长江经济带战略性新兴产业技术创新环境平均水平优劣依次排序为下中上游地区，且不同的地区及省市具有一定的差异性。本文测算结果表明长江经济带战略性新兴产业技术创新环境平均水平优劣依次排序为下中上游地区，不通过省市创新环境存在一定差异性。可将长江经济带战略性新兴产业技术创新环境为三梯队，江苏、浙江、上海和湖北省市为第一梯队，安徽、湖南、四川、重庆和江西省市为第二梯队，贵州和云南省份为第三梯队，上中游省市创新环境有较大的提升空间。这一研究结论与前文假设H1相吻合。

2、产业创新投入能够显著影响战略性新兴产业技术创新环境，而产业创新产出是反映战略性新兴产业技术创新环境优劣的因素。从一级指标灰关联度来看，处于第一、二梯队的省市产业创新投入和产出灰关联度普遍高于处于第三梯队的省市产业创新投入和产出灰综合关联度，表明创新投入越多，对产业技术创新能力较大的促进作用；创新产出越多，反映该地区创新环境越好。这一结论与前文假设H2、H3相吻合。

3、科教人才资源能够显著影响战略性新兴产业技术创新环境。本文研究结果表明战略性新兴产业产业技术创新环境越优的省市科教人才资源的灰综合关联度越高，具有较丰富的科教人才资源一般产业技术创新环境也较好。与假设H4相吻合。

（二）对策建议

根据本文研究结果，提出以下建议：

1、突破区域制度机制障碍，协调优化长江经济带技术创新环境。长江经济带是一个有机的整体，一是要较强规划发展。按照“市场主导、政府推动、差异发展、互利共赢”为原则打破行政区域的限制，加强对长江经济带产业布局的宏观指导，制定长江经济带战略性新兴产业发展规划。二是建立长江经济带各省市参与的协调沟通合作机制。成立跨区协调发展机构，建设集信息市场与技术市场于一体的研究咨询、技术推广、传播和转移公共服务平台，推进上中下游地区资本、信息、资金、人才要素流和物流要素相互流动共享。下游省市充分利用自身科教资源优势、区域优势和人才聚集优势，加强与国际高技术领域的合作，引导产业要素流向中上游省市流动，推动中上游省市创新投入和产出增加，科技人才资源引进。

2、以财政政策和金融政策为重点，大力提升产业技术创新投入。在财政政策方面，健全以政府投入为引导、企业投入为主体、社会投入为补充的多元化投入体系，加大对科技型企业研发经费的财政补贴奖励力度，激励上游云南和贵州省份企业加大研发投入。主动适应营改增税收政策的要求，切实加强对各类涉企收费行为的监管，合理降低企业税费负担，确保减轻企业负担的政策能够落到实处。从金融政策方面，着力提升本省市长江经济带金融市场间接融资和直接融资能力，加快形成多层次、多渠道的科技投融资体系，特别是中上游省市应借鉴上海、浙江和江苏金融市场完善融资功能建设的经验。一方面，推进银行、证券、保险和小额贷款公司等金融机构的发展，创新信贷服务模式和信贷产品，深入拓展网络借贷、网络众筹、网络保险等融资新型模式。另一方面，引导长江经济带产业投资基金、风险投资基金和股权投资基金投入战略性新兴产业领域。支持战略性新兴企业通过债券市场、票据市场、股票市场等途径直接融资。

3、加强人才引进与培育，为科技创新提供重要支撑。一方面，大力引进战略性新兴产业科技创新人才。进一步完善人才配套服务和设施政策，优化人文、安居和工作环境，健全和落实知识产权等相关法律保护研发人员的切身利益，吸引人才流向长江经济带区域。扩大人才政策开放度，面向海内外重点引进一批能够突破关键技术、带动新兴学科发展的高层次人才。另一方面，建立教育、科研与产业领域在高层次人才培养方面的协调合作机制。充分发挥市场导向作用，由企业与高等院校、科研院所合作，实现专业与产业对接、学校与企业对接、招生与就业对接的技能人才培养新模式，大力培养科技战略性新兴产业各领域技术创新人才。

4、建立产学研用的合作技术创新体系，提升科技创新能力。消除长江经济带各省市产、学、研、用的制度壁垒，逐步建立以市场为导向的产学研用支撑体系和长效机制，充分发挥江苏、上海、浙江和湖北等省市科教资源优势，推进高校学科和专业设置调整，建设一批产学研联合实训基地，激励高校和科研机构科技人员参与产学研。推动高校、科研院所与大型企业、行业龙头企业建立产业联盟。支持应用型技术研发机构与骨干企业与高校、科研院所整合优质创新资源。

5、大力优化科技成果转化环境，提高技术创新产出。突破长江经济带区域科技成果转化及商业产业化的制度障碍，建立科技成果转化绩效考核评价体系，促进专利与科研管理相融合，健全科技成果推介和技术交易拍卖长效机制，加强对技术合同成交额以及成果转化项目资金补贴，推动科技发明成果在长江经济带区域转化应用。■