高新技术产业创新生态系统的创新态势测度

李子彪　孙可远　汪锦熙

摘 要：由创新主体与内外部环境构成的创新系统以技术发展和创新产出为目的，以期实现各主体的合作共赢。基于此，从创新生态系统演化视角引入高新技术产业创新生态系统态势概念，构建高新技术产业创新生态系统创新态势的测度体系，并采用主成分分析和聚类分析法，对河北省11地市2014—2016年高技术产业的创新“态”和“势”进行了测度和深入剖析。研究表明： 河北省11市的高新技术产业创新生态系统创新“态势”的创新能力和环境影响度呈现出不均衡的分布态势;各地区创新态势总体上可以分为三个梯度;处于第一、第二阶梯的地市有逐年增多趋势，处于第三梯度的地市数量逐年减少。

关键词：高新技术产业;创新生态系统;“态势”测度模型

中图分类号：F273.1   文献标志码：A   文章编号：1674-7356（2019）-03-0019-08

自进入 21 世纪知识经济时代以来，创新对经济社会发展的驱动作用愈加显著，而且创新范式开始转向创新生态系统。创新系统类似于自然生态系统，是系统要素共同演化、相关主体共同参与的结果[1]，需要企业与外部环境的协同[2]。高新技术企业处于高校、科研机构、金融机构、政府机构、高新技术企业、市场、用户等构成的商业生态系统中。将生态系统概念引入高新技术产业中，使产业内的创新主体明确自身在产业中的定位及自身所处的创新环境，进而制定合适的发展战略。它不但有利于提升高新技术产业的创新能力和競争力，而且有利于国家经济增长和产业协调发展。然而，现有关于高新技术产业创新生态系统的研究主要集中在理论和概念层面，实证研究较少，在仅有的实证研究中虽有一些学者关注创新生态系统的评价和测度方面，但缺少针对高新技术产业的创新生态系统生态位测度的研究[3]。

因此，本文结合高新技术产业发展的实际情况，以创新生态系统视角来探究高新技术产业的发展状况，基于主成分分析法，分别对高新技术产业创新生态系统创新的“态”和“势”进行了测度，然后利用生态位理论确定了“态”和“势”的权重，计算河北省各地市高新技术产业创新生态系统创新态势的综合得分，并对其态势进行实证分析与评价，明确了产业内创新主体的定位及自身所处的创新环境，进而制定合适的发展战略。

一、文献基础

创新生态系统由占据不同但彼此相关的生态位的企业构成，是各主体共同创造价值和分享价值的一种协同机制[4]。我国学者柳卸林（2015）将创新生态系统定义为不同创新主体基于共同的愿景，整合生态中的创新资源，共同构建的以“共赢”为目的的创新网络[5]。而生态系统中的生态位是生物体单元在特定生态系统中与环境相互作用过程当中构成的相对地位与作用，它是生物体单元的“态”和“势”两方面的综合属性。万伦来认为企业生态位的“态”是企业生命体得以生存的基础，是企业机体内构成要素的完整性及要素功能的完好性的总称。企业生态位的“势”是企业主体与环境之间的物质、能量、信息交换情况，代表了组织对环境的适应能力[6]。

国外学者对技术生态位角度进行了大量的研究，认为技术生态位是一个为避免新生代技术试验局限和发挥保护作用的特定场域，可以帮助新技术逐步走向成熟[7]。何巨峰认为企业技术生态位是企业占据的资源以及生存能力体现，企业占据的资源包括有形资源和无形资源，并将有形资源归为技术生态位“态”的角度，无形资源和能力归为技术生态位“势”的角度[8]。付英（2017）从技术生态的视角，选用区域空间多维结构模型与主成分分析对中国高技术产业技术生态位的“宽度”和“深度”进行了测度[9]。

在高新技术产业生态系统中，曾德明等利用社会网络分析法，采取专利IPC分类号数据对产业技术生态位的宽度和生态位重叠度进行了测度[10]。李亚男（2015）采用Hype Cycle方法将技术创新分为技术触发期、期望高潮期、期望低潮期、期望复兴期、稳定发展期五个阶段，并结合典型案例对其应用进行探索[11]。李子彪，张静（2016）在研究区域创新极创新态势测度中，将创新极创新态势界定为技术创新能力的发展态势，将其视为推动区域创新的引擎和转变创新生产方式的驱动力[12]。

在创新生态系统的结构评价方面，惠兴杰等（2014）基于生态理论视角提出了创新型企业生态系统的模型，并梳理出三类关键要素：主体要素、功能要素和环境要素[13]。刘洪久（2013）则在创新群落、创新资源和创新环境三方面提出了区域创新生态系统的评价指标体系[14]。与此同时，孙冰等人（2013）利用Loopito的研究体系，将技术生态位的机制分为嵌入网络的视觉、权力和知识三个方面[15]。

可以看出，在创新态势的测度方面，主要是对生态位的态和势进行综合评价和测度，少有学者将创新的态和势进行明确定义，区别测度。

综合众多学者在不同领域有关生态位态势理论的研究，高新技术产业的创新生态系统创新态势可以看作是态和势的综合反应， “态”是指高新技术产业创新生态系统创新能力的现状。是过去的创新者利用公共资源、创新主体通过资源的流动、创新主体和创新环境的相互影响和制约，共同实现创新产出过程所处的累积的结果。“势”是指高新技术产业创新生态系统与创新环境的影响力或支配力，侧重高新技术产业创新生态系统与创新环境的相互作用，反映其发展方向和发展趋势。高新技术产业创新生态系统的“态”和“势”，综合分析了高新技术生态系统的创新能力和发展趋势，并与同一环境下的其他创新生态系统进行了比较，它反映了高新技术产业创新生态系统在一定环境中在创新方面的相对地位和作用。

二、研究方法

本研究选择运用主成分分析和系统聚类分析相结合的方法来测度河北省11个地市高新技术产业创新生态系统的创新“态势”情况。

主成分分析法的原理是把大量的指标通过线性变换的方法筛选出几个能代表所有指标的综合变量。这种分析方法适用于变量较多的情况，为了降低多变量在数据收集过程中的工作量，利用降维的思想将这些变量变换成少数几个综合变量来反映研究问题。聚类就是依据数据相似的内在性质将数据分为几个类别，并且类内的数据相似程度高，类外的相似度小，这个过程就是聚类。对数据集聚类分析是将变量按照其性质上的远近程度进行分类的多元统计分析方法。

本研究应用主成分分析法对测度指标体系中的相关变量进行降维，计算出“态”和“势”的得分以及创新“态势”的综合得分，同时对得分进行排序。这个排序可以表明河北省高新技术产业创新生态系统创新的状态与发展趋势，再通过聚类分析按照样本数据之间的相似性将样本分为多个类别。两种方法结合起综合测度河北省的创新态势情况，具体步骤如下：

（一）数据的标准化

本文采用极值法对“态”数据進行去除量纲的处理。标准化后的指数是均值为0、方差为1的标准指标，标准化的计算公式为：

也就是说，每个变量除以该变量取值的全距，其中i表示河北省11个地市，i∈（1，2，…n，n=11）;j表示8项指标，j∈（1，2，…p，p=8）;R表示样本的最大值和最小值的差值。标准化后的每个变量的取值范围限于[-1，1]。

（二）计算相关系数矩阵

根据已经标准化处理后的数据矩阵，计算它们的相关系数矩阵R

其中r  = （i， j = 1， 2， …， p）是原变量xi与xj的相关系数，且rij = rji，其计算公式为：

（三）提取主成分

为前k个主成分的累积贡献率。

主成分的贡献率越大，说明该主成分综合指标X1，X1，…，XP信息的能力越强。若是前k个主成分的累积贡献率能达到85%以上，则说明所取的前k个主成分基本上可以包含所有测量指标的信息，这样就选择前k个指标变量作为k个主成分来代替原来的个指标变量，即：

F1 = a11x11 + a21x12  … + ap1x1pF2 = a12x21 + a22x22  … + ap2x2pFk = a1k xk1 + a2kxk2  … + apkxkp（6）

其中Xi = [x1i， x2i， …， xni]是标准化后的指标数据。

（四）计算成分得分以及综合得分

计算综合得分，计算公式：

其中bi为第i个主成分的方差贡献率，ak为前k个主成分的累积贡献率ak为前k个主成分的累积贡献率，根据综合得分值结合生态位态势评估模型对所研究的问题进行评价。

（五）进行综合排序

每个主成分在一定程度上代表被评估对象的情况，综合排序是对所有被分析对象的综合分析。将主成分方差贡献率（特征根）作为权重，根据综合得分获得分析对象的综合得分并进行排序。

三、指标体系设计及数据来源

（一）指标体系设计

本研究结合区域高技术产业生态系统结构模型，从“态”和“势”两方面对河北省高新技术产业创新生态系统创新态势进行测度，其中，河北省高新技术产业创新生态系统创新的“态”主要通过主体协同度和环境适宜度来衡量，创新的“势”主要通过主体成长力和环境培育力来衡量;从“态”和“势”两个生态位维度，设置了4个二级指标和16个三级指标，构建了适合高技术产业生态系统态势测评指标体系 （见表1）。

（二）数据来源与处理

本文样本来源于科技部门认定的高新技术企业的统计报表，采用河北省《国家高新技术产业开发区企业统计报表》 中2014—2016年的相关调查数据。此外，为了消除数据不同维度和数量级对评价结果的影响，运用 SPSS20. 0 软件对指标数据进行了标准化处理。

四、实证测度与分析

本数据表的KMO 和 Bartlett 检验结果，如表2 所示，KMO统计量均大于0.6;Bartlett球形检验的 Sig 值均为0.000<0. 05，表示拒绝这一假设。从 Bartlett 检验可以看出，近似卡方检验值也很显著，表明指标之间存在很强的相关性，并通过了主成分分析的适用性检验，因此适合于主成分分析。

（一）高技术产业创新生态系统创新“态”测度分析

应用SPSS进行主成分分析，计算出几乎所有变量共同度都在90%以上，说明所提取出的这几个公因子对各变量的解释能力较强。然后，根据各变量的相关系数矩阵得到特征值及方差贡献率。由分析结果可以看出：2014年至2016年8个变量中，前2个主成分的累积方差贡献率均达到了90%以上，可以解释原变量90%的信息量，故提取前2个因子作为主成分是比较合理的。因此，只需要求出主成分1（FT1）、主成分2（FT2）、主成分3（FT3）、主成分4（FT4）、主成分5（FT5）、主成分6（FT6）就可以反映2014年至2016年高新技术产业创新生态系统创新“态”层面的情况。

高新技术产业创新生态系统的创新“态”测度可以表示为2个标准化变量的线性组合，可以得到主成分的得分函数，即是高新技术产业创新生态系统创新态的得分函数：

2016年：FT = 0.921FT1  + 0.079FT2（8）

2015年：FT = 0.926FT3  + 0.073FT4（9）

2014年：FT = 0.954FT5  + 0.046FT6（10）

利用综合得分表达式计算河北省11地市的高新技术产业创新生态系统创新态的得分，同时为了消除正负符号的影响，求出结果的T得分，计算公式为：T =  × 10 + 50，最后各市得分及排名见表 3。分析各市的综合得分及排名，可得到如下结论：

（二）高新技术产业创新生态系统创新“势”测度分析

选取特征值大于1的1-3为主成分，由分析结果可看出：2014年至2016年8个变量中，前3个主成分的累积方差贡献率均达到80%左右，因此，所选择的主成分可以解释原始变量的所有信息。所以，只需要求出主成分1（FS1）、主成分2（FS2）、主成分3（FS3）、主成分4（FS4）、主成分5（FS5）、主成分6（FS6）、主成分7（FS7）、主成分8（FS8）、主成分9（FS9）就能反映2014年至2016年高新技术产业创新生态系统创新“势”的情况。

高新技术产业创新生态系统创新的“势”测度可以表示为5个标准化变量的线性组合，得到主成分的得分函数，即是高新技术产业创新生态系统创新势的得分函数：

2016年：FS = 0.525FS1 + 0.288FS2 + 0.187FS3（11）

2015年：FS = 0.574FS4 + 0.252FS5 + 0.173FS6（12）

2014年：FS = 0.506FS7 + 0.298FS8 + 0.195FS9（13）

由此計算得出河北省11地市的高新技术产业创新生态系统创新态的得分，如表4所示。

（三）高新技术产业创新生态系统创新“态势”综合测度分析

本文将“态”与“势”的权重系数分别确定为1和2，综合“态”和“势”的评价得分，构建高新技术产业创新生态系统创新态势综合评价模型：

FZ = wt · FT + ws · FS（14）

式中，FZ为高新技术产业创新生态系统的创新态势综合得分;FT为上文计算得出的态的综合得分;FS为上文计算得出的势的综合得分;wt为态的权重系数，ws为势的权重系数，其中，。

计算得出河北省11地市高新技术产业创新生态系统创新态势的综合得分如表5：

（四）高新技术产业创新生态系统创新“态势”结果聚类分析

将河北省11地市高新技术产业创新生态系统创新“态”、 “势”以及“态势综合”的结果导入SPSS软件进行K均值聚类。基于11个地市综合得分排名和分析以及研究内容和目的，确定类别数为3类。结果如表6、表7、表8所示。

聚类分析结果显示，2014年至2016年河北省高新技术产业创新生态系统创新“态”水平可以分为三个梯度：石家庄为第一梯度，保定为第二梯度，唐山、秦皇岛、邯郸、邢台、廊坊、沧州、衡水、张家口、承德处于第三梯度。

2014年至2016年河北省高新技术产业创新生态系统创新“势”水平也分为三个梯度：处于第一梯度的地市为石家庄，处于第二梯度的地市由2014年的保定逐渐扩展为2016年的保定、唐山、廊坊三地，处于第三梯度的地市由2014年的唐山、廊坊、秦皇岛、承德、沧州、邯郸、邢台、衡水、张家口9地市，缩减为秦皇岛、张家口、承德、邯郸、衡水、沧州、邢台7地市。

聚类分析结果显示，2014年至2016年河北省高新技术产业创新态势水平分为三个梯度：处于第一梯度的地市从2014年至2016年均为石家庄。处于第二梯度的地市由2014年的保定，逐渐扩展到2015年的廊坊、保定、秦皇岛三市，2016年又扩展到保定、唐山、廊坊、秦皇岛四市。第三梯度的地市由2014年的廊坊、秦皇岛、唐山、沧州、邯郸、邢台、承德、衡水九市，缩减为2015年的唐山、邯郸、邢台、承德、衡水、沧州六市，最终缩减为2016年的邯郸、沧州、张家口、承德、衡水五市。可以看出，处于第三梯度的地市逐年减少，处于较高梯度的地市逐年增多，表明河北省高新技术产业创新生态系统从2014年至2016年总体呈现高速发展态势。

根据以上分类结果，综合分析河北省11个地市高新技术产业创新生态系统创新态势综合能力的强弱。如图1、图2、图3所示，总体来看，石家庄和保定两地的高新技术产业发展较其他地市优势明显;其余9个地市的发展现状和发展趋势水平较为集中，其中唐山、秦皇岛、廊坊、邯郸增长态势较为明显并趋于稳定，邢台、沧州、衡水、张家口、承德增长态势呈波动状态。

五、研究结论及启示

本文在判断河北省各地市高新技术产业创新生态系统的创新能力和发展趋势中得出的结论与研究启示主要包括以下几个：

第一，河北省11市的高新技术产业创新“态势”的创新能力和对环境的影响度均呈现出不均衡性的分布态势。石家庄和保定的创新态势水平相比其他地市明显较高，一方面归因为两地是河北省高校和高新技术开发区的主要集聚地，创新主体方面优势明显;另一方面石家庄作为省会城市，保定作为非首都功能疏解的主要城市，无论在政策上还是资金投入上都有很大的侧重，为两地引进高技术人才和先进技术创造更多机会，逐渐营造出适宜高新技术产业发展的创新环境。

第二，河北省11市的高新技术产业创新生态系统创新“态势”呈阶梯式分布，总体上可以分为三个梯度。石家庄处于第一梯度，唐山、保定、秦皇岛、廊坊处于第二梯度，邯郸、邢台、沧州、衡水、张家口、承德处于第三梯度，从第一梯度到第三梯度高新技术产业创新生态系统创新态势水平逐渐降低。由于国家政策导向、历史积累以及以往创新的作用，高技术产业领先发展的地市，其创新态势一般要高于相对落后的地区，这就导致区域创新态势发展的不平衡，这也是今后创新的基础和起点。

第三，处于第一第二梯度的地市数量有逐年增多趋势，处于第三梯度的地市数量有逐年减少趋势。对比2014年—2016年的数据发现，处于第二梯度的地市由保定，逐渐扩展到保定、唐山、廊坊、秦皇岛4市。而第三梯度的地市由2014年的廊坊、秦皇岛、唐山、沧州、邯郸、邢台、承德、衡水9市，缩减为2016年的邯郸、沧州、张家口、承德、衡水5市。可以看出，处于第三梯度的地市逐年减少，处于较高梯度的地市逐年增多，表明河北省高新技术产业创新生态系统总体呈现高速发展态势。

具体而言，石家庄加强对外辐射和带动作用，加速打造现代化省会城市;承德应注重生态保护和绿色发展，坚持走双赢之路;在张家口市建造成为首都涵养功能区和生态环境功能定位的支撑区，打造河北发展一翼;秦皇岛推进港城融合，建设一流的国际旅游城市;为了率先建成小康社会和现代化沿海城市，唐山应围绕习近平总书记“三个努力建成”的目标，建设曹妃甸新的增长极;廊坊与京津一体化发展，建设创新驱动经济城市;保定将加快与雄安新区的共同发展，建设创新驱动的发展强市和具有全国影响力的特殊贸易物流基地;将沧州建设成为沿海率先发展的创新示范区，并与天津港、唐山、秦皇岛形成沿海经济带，打造环渤海地区重要工业城市;统筹衡水城乡发展，建设生态宜居的滨海园林城市;邢台提高城市综合承载能力和服务功能，打造先进装备制造和食品加工重要基地;邯郸将加快转型升级，建设北京、天津、河北协调发展的区域中心城市。

[参考文献]

[1]  Laranja M，Uyarra E，Flanagan K. Policies for science，technology and innovation： Translating rationales into regional policies in a multi-level setting[J]. Research Policy，2008，37（5）：823-835.

[2]  Adner R. Match your innovation strategy to your innovation ecosystem[J]. Harv Bus Rev，2006，84（4）：98-107.

[3]  武建龍，于欢欢，黄静，刘家洋. 创新生态系统研究述评[J]. 软科学，2017，31（03）：1-3+29.

[4]  Adner R，Kapoor R. Value creation in innovation ecosystems： how the structure of technological interdependence affects firm performance in new technology generations[J]. Strategic Management Journal，2010， 31（3）：306-333.

[5]  柳卸林，孙海鹰，马雪梅. 基于创新生态观的科技管理模式[J]. 科学学与科学技术管理，2015，36（1）：18-27.

[6]  万伦来. 企业生态位及其评价方法研究[J]. 中国软科学，2004（1）：73-78.

[7]  HOMMELS A，PETERS P，BIJKER W E. Techno therapy or nurtured niches technology studies and the evaluation of radical innovations[J]. Research policy，2007，36（ 7）：1088-1099.

[8]  何巨峰，谢卫红. 技术生态位与技术能力演化关系实证研究[J]. 系统工程，2008，26（5）：36-41.

[9]  付英. 区域高技术产业技术生态位测评实证研究[J]. 中国科技论坛，2017（4）：134-140.

[10]  曾德明，韩智奇，邹思明. 协作研发网络结构对产业技术生态位影响研究[J]. 科学学与科学技术管理，2015（3）： 87-95.

[11]  李亚男，雷二庆. 技术创新态势评估工具——Hype Cycle[J]. 科研管理，2015（s1）：47-53.

[12]  李子彪，张静，李林琼. 区域创新极创新态势测度方法研究——对北京的集对分析[J]. 科技进步与对策，2016，33（15）：111-117.

[13]  惠兴杰，李晓慧，罗国锋，等.创新型企业生态系统及其关键要素——基于企业生态理论[J]. 华东经济管理，2014（12）：100-103.

[14]  刘洪久，胡彦蓉，马卫民. 区域创新生态系统适宜度与经济发展的关系研究[J]. 中国管理科学，2013（s2）：764-770.

[15]  孙冰，袭希，余浩.网络关系视角下技术生态位态势研究——基于东北三省新能源汽车产业的实证分析[J]. 科学学研究，2013，31（4）：518-528.

The Measurement of Innovation Situation of Innovation Ecosystem of High-tech Industry

——An Empirical Study Based on 11 Cities in Hebei Province

LI Zibiao， SUN Keyuan， WANG Jinxi

（School of Economics and Management， Hebei University of Technology， Tianjin 300401， China）

Abstract： The innovation system consisting of the innovation subject and the internal and external environment aims at technological development and innovation output to achieve cooperation and win-win for all subjects. Based on this， the concept of high-tech industry innovation ecosystem is introduced from the perspective of innovation ecosystem evolution， and the measurement system of high-tech industry innovation ecosystem innovation is constructed. And adopts principal component analysis and cluster analysis to create innovations in the high-tech industry in 11 cities of Hebei Province from 2014 to 2016. The innovation "state" and "potential" of high-tech industries were measured and deeply analyzed. The research shows that the innovation ability and environmental impact of the "state" of high-tech industry innovation ecosystem innovation in 11 cities of Hebei Province show an uneven distribution. The innovation situation in each region can be divided into three gradients in general. The number of cities in the first and second steps has increased year by year， and the number of cities in the third gradient has decreased year by year.

Key words： high-tech industry; innovation ecosystem; situation measurement model