价值工程视角下的区域创新绩效体系构建研究

张彩江，李章雯

（华南理工大学经济与贸易学院，广东广州 510006）

随着科学技术的发展，区域创新发展问题逐步成为政界、学术界、企业等共同关注的问题，各地区也为获取竞争优势努力提升区域科技创新能力。2017 年，科技部发布《“十三五”国家科技人才发展规划》提出要优化创新资源的供给水平，激发全社会创新创业活力，推动创新成果有效转化。党的十九大报告也强调要加强国家创新体系建设，强化战略科技力量；深化科技体制改革，促进科技成果转化。建设区域科技创新体系,是提升产业核心竞争力的内在要求,是走新型工业化道路的必然选择。然而如何评价区域创新效率，优化科技资源配置，充分挖掘各部门创新潜力，是科技创新绩效领域内的重要研究内容。《2018 年政府工作报告》提出要改革科技管理制度，加快科研项目绩效评价从重过程向重结果转变，增强经济创新力与竞争力。因此，构建一个区域创新投入绩效评价体系对科技创新资源利用效率进行评价，可以帮助政府及企业了解各区域科技创新的整体发展情况，对于地方政府落实完善创新激励政策、企业和研究机构规划推进科研项目具有一定的理论价值和现实意义。

1 文献综述

当前区域创新对于区域经济持续稳定增长的带动作用日益凸显，区域创新绩效的测度已成为学界研究的热点。众多国内外学者从多维度对区域创新绩效评级指标体系构建进行了大量研究。Freeman［1］于1987 年首次提出创新能力的概念。Furman 等［2］认为创新基础设施、创新集群环境及两者间相互作用力决定区域创新能力。李庆军等［3］从创新基础、创新环境、创新绩效、创新合作和创新驱动5 个维度，设计了国家自主创新示范区创新能力评价指标体系，并测算了山东半岛的区域创新能力。陈衍泰等［4］通过因子分析法和Topsis 综合评价法对2012—2016 年中国24 个城市的区域创新系统国际化水平进行评价分析。戴淑芬等［5］利用因子分析法定量测度了2005—2009 年全国31 省区市的区域创新环境，并据此分析了地区差异。张斌等［6］运用交叉效率模型测度了2009—2013 年中国各省区市区域创新效率并分析了东、中、西部地区创新效率差异。任胜钢等［7］利用DEA 方法评价区域创新系统绩效，认为中国中部地区的研发经费投入、科技成果转化能力落后于沿海发达地区是导致地区创新绩效明显差距的重要原因。袁鹏等［8］利用Malmquist 生产率指数从动态视角分析了1998—2002 年中国省域创新绩效变动情况。陶长琪等［9］通过构建基于制度邻近的空间权重矩阵，利用2000—2013 年中国30 个省份数据实证研究，发现区域间知识资源共享能有效提升区域创新价值链的整体效率，是地区技术创新的内生动力。潘苏楠等［10］从科技创新基础、投入、产出及效益4个维度构建出的科技创新评价综合指标体系入手，探究了科技创新发展与美丽中国建设的耦合协调发展关系，发现科技创新能力的提升能够支撑美丽中国。

价值工程(Value Engineering,VE)在20 世纪70年代末自日本引入中国大陆并逐渐普及［11］。VE 是通过各相关领域的合作,对所研究的对象的功能与费用进行系统分析,不断创新,旨在提高研究对象价值的思想方法和管理技术［12］。价值工程自从被引入我国之后，被普遍运用于建筑工程、工业生产等领域，利镇有等［13］采用VE 原理构建了国际核心竞争力的评估模型及其评分方法以提高项目规划与决策的成功率。随着社会经济发展,VE 理论逐渐扩展到生态旅游［14］、教育学［15］、物流管理［16］、经济学等领域。王玻［17］运用企业管理层面的价值功能体理论，提出针对服务企业的诊断评价体系，为服务企业效率价值评价提供了规范性理论与工具。向鹏成等［18］基于VE 理论构建了工业化与城镇化协调度测度模型与分类标准，对重庆市工业化与城镇化协调发展情况进行测算，结果表明2009—2012 年重庆市工业化与城镇化依旧保持融合发展。姜忠辉等［19］结合VE 理论构建顾客体验价值评估模型以定量化评估产品体验价值。

层次分析法(Analytic Hierarchy Process,AHP)是由美国运筹学家A.L.Satty（1971）在第一届国际数学建模会议上公开提出。层次分析法通过将决策过程定量化，能够为多目标、多准则的复杂问题提供更加清晰、明确的解决思路。崔祥民［20］将AHP 与熵值法结合确定指标权重来构建众创空间核心竞争力评价体系，对众创空间核心竞争力综合表现及影响因素进行评价分析。范旭等［21］从基础研究投入和产出两个方面构建基础研究能力评价指标体系，结合AHP 测算广东、江苏两省基础研究能力，实证发现广东研究机构和高校基础研究能力与江苏存在较大差距。

从总体上来看，现有文献很少将价值工程运用到创新绩效评价领域，因此，本文拟从价值工程基本原理入手，构建区域创新投入绩效的价值工程模型，采用层次分析法（AHP）构建层次结构模型并确定功能成本指标权重，计算创新价值系数。通过实证分析各区域的创新绩效明晰相关创新政策措施方向，促进区域合理配置现有的技术条件，从而推动区域科技核心竞争力的有效提升。

2 研究设计

2.1 基于价值工程的区域创新评价模型

VE 是以提高对象的价值为出发点和归结点,力求以最低的产品寿命周期成本实现产品的必要功能的一项有组织的创造性活动。VE 的基本公式为：代表价值、F代表功能、C代表成本)。它为评价产品的价值提供了科学的标准，也为衡量功能与成本是否适当、是否做到用最低的费用实现必要功能提供了依据［22］。本文依据价值工程原理，构建区域创新绩效价值工程模型（1）。

模型表达式（1）中，某地区为了提高区域科技竞争力而投入m 种资源综合成本为：

提供创新资源投入后带来n 种创新产出的综合功能为：

2.2 层次分析法

为了将科技创新资源利用过程定量化,深入分析区域创新效率水平各影响因素内部关联,本文结合层次分析法构建层次结构模型。层次分析法是通过层层分解评价目标，细化指标，由专家团队基于一致性判断原则确认各细分指标元素的权重值，判断过程较为客观，结果更具有合理性和科学性。层次结构模型和权重计算一般分为4 个步骤，计算出总体指标值。

（1）构建层次结构模型。根据对区域创新投入、产出的分类，分别构建出成本和绩效的层次分析结构，层次分析结构主要分为目标层、准则层、指标层。创新投入的准则层分为B1 和B2 两个元素，指标层分为，创新产出效益的准则层分为E1 和E2 两个元素，指标层分为，如图1、图2 所示。

（2）设定判断矩阵。依据构建好的层次分析结构，采用专家咨询法确定各指标权重值。通过邀请多位专家基于1-9标度法对各层指标进行评价赋值，形成n 阶判断矩阵M，其中元素相比元素相对权重值为，赋值原则如表2 所示。

（3）确定权重值。得到成本、功能的判断矩阵后，即对判断矩阵M，求解满足的特征值与权重向量。通过判定是否来检验矩阵是否具有完全一致性；由于实际中会受到多种主客观因素影响，需引入平均随机一致性指标来计算一致性指标来判定矩阵是否通过一致性检验（其中，经验值如表1 所示）。如果，说明判断矩阵M 通过了一致性检验，如果，说明判断矩阵M 没有通过检验，需要再次组织专家修正权重值，直到判断矩阵通过检验得到较为客观准确的权重值。

（4）综合价值系数的计算。根据上述得出的各指标权重值，带入区域创新的价值工程模型（1）中，得出区域创新价值系数。

表1 1-9 阶RI 指标

表2 1-9 标度法赋值原则

图1 区域创新投入层次分析结构

图2 区域创新产出分析结构

2.3 区域创新绩效评价主要测度指标

区域创新系统是国家创新系统的重要组成部分，是我国经济和科技发展的重要基础［23］。为了综合研究一个区域的创新资源利用效率，本文基于创新活动的基本特征，根据科学性和易获得性原则从区域创新投入与区域创新产出两个维度选取主要测度指标。

区域创新资源投入包括财力资源投入和人力资源投入。按照我国科技体制,区域技术创新资源主要集中于企业、大学和研究机构，它们在进行科技创新投入决策时会综合考虑本地区实际资源拥有情况,将区域的创新投入转化为创新产出,创新产出对外表现为技术创新能力［24］。张玉臣等［25］研究认为增加内部研发投入有助于提高企业整体创新水平。企业创新能力的提升对于区域科技竞争力具有明显的推动作用。从当代科学技术与社会发展的基本要求以及科技发达国家的实际经验看,创新型社会的建设关键在于科学技术的发展、创新能力的提升、国家创新体系的完善,而且必须基于国民科学素质的有效提升和创新环境的改善［26］。由于科学普及活动有利于传播科学思想，推进公民科学素养的建设，对于地区开展创新活动具有重要意义，本文考虑选取科普经费这个指标测度政府支持力度与创新环境。

基于以上分析，本文选取的财力资源投入指标包括研究与试验发展（R&D）经费支出情况、技术引进及消化吸收情况、科普经费。考虑到R&D 经费投入与创新产出存在时滞效应，本文选择将R&D 经费内部支出选择滞后一期。创新作为获得知识与创造的技术过程，与个体人力资本息息相关。Hayton［27］也发现在高新技术企业中,人力资本对创新有积极影响。因而人力资源投入指标选取从事科研活动人员数与从事R&D 活动人员全时当量。

Furman 等［2］将区域创新能力定义为产出新技术并将其商业化的能力,因此本文将创新产出分为知识成果与市场效益。专利数量是专利产出水平评价的重要指标,能反映出区域创新产出的活跃程度［28］。地区所申报成功的R&D 课题数以及高质量的科技论文反映了人力投入的知识产出。企业作为创新的主体，新产品研发代表企业研发活动的直接绩效。因而直接成果指标选取专利数量、R&D 课题数、高水平期刊收录的科技论文数和产品研发作为代理变量。创新活动带来的新技术、新专利会形成商业价值［29］，带来市场收益,而技术创新的是实现经济增长的重要基础,因此本文选取技术市场合同成交金额、产品销售收入以及区域经济增长作为衡量创新市场效益的指标。

根据以上对创新绩效评价指标分类阐述，本文构建的创新投入绩效评价指标描述如表3。

表3 指标描述

表3（续）

3 实证研究

3.1 样本选取和数据来源

本文基于价值工程原理分解了区域创新绩效过程，对全国31 个省区市的区域创新绩效进行系统评价。因此，本文选取了2011 年到2017 年全国共31个省区市相关数据，数据主要来源于2012—2018 年的《中国统计年鉴》《中国科技统计年鉴》《中国科普统计》，对于部分缺失值，本文通过查询各省区市的统计年鉴进行补充完善。在数据处理时，为了避免不同指标数据的原始单位的干扰，本文对原始数据均进行标准化处理。同时，由于统计年鉴统计口径的不同，本文以2011 年为基期，最终只选取2012—2017 年的数据对中国各省份创新投入绩效进行实证研究。

3.2 确定创新绩效价值系数

3.2.1 判断矩阵构建

本研究采用专家咨询法，首先选取广东省、浙江省、湖北省等高校教授8 名、政府人员4 名、企业高管4 名，并采用电子邮件或者电话访谈形式进行问卷评分。研究小组将专家组分为2 小组。然后对于每小组专家成员的调查结果按照1-9 标度法，进行两两指标对比赋值，分别确定不同的指标权重。最后课题组对两个专家组的指标权重结果开展讨论，确定出最优矩阵组。下面列出4个指标层的判断矩阵：

财力资源投入指标层矩阵：

3.2.2 指标权重计算与检验

根据前文构建的判断矩阵，运用stata14 软件计算得出各矩阵的与权向量，进行一致性检验。上述4 个矩阵一致性检验判断指标值分别为0.018 9、0、0.015 8、0.024 0，均小于0.1，说明所有的指标判断矩阵均通过一致性检验，专家评分结果符合层次分析法的逻辑要求。最后对各矩阵最大特征值对应的特征向量归一化得到权向量，从而得出各级指标权重值如表4、表5 所示。

表4 科技创新投入指标权重分布

表5 科技创新绩效指标权重分布

3.2.3 区域创新价值系数的计算

确定好每一级指标的权重值之后，对其三级指标中多个细分指标的代理变量原始数值进行收集处理。对成本型属性指标、效益型属性指标分别进行标准化处理：

4 区域创新绩效评价分析

区域创新绩效评价体系的运用具有多重价值。我们可以依据评价指标体系和区域科技创新目标制定科技创新计划及政策，评估各省区市及地区提供数据的准确性，同时，还可以对各区域进行地方政策执行评价、创新绩效评价，找出被评估对象的区域创新活动中存在的问题，为提升创新资源使用效率提供新参考。

本研究利用前文构建的区域创新绩效评价的价值工程模型，对2012—2017 年我国31 个省区市的科技创新绩效进行绩效评价，区域创新价值系数值如表6 所示。据此本文进一步依照VE 原理的评价标准来评估各省区市的科技创新绩效，探讨了区域创新绩效水平的空间异质性，如图表7、表8 所示，主要分析如下：高水平创新绩效区间主要是北京、江苏、广东、上海等东部发达地区，而黑龙江、内蒙古、山西等经济不发达中西部地区则多位于低水平创新绩效区间，但中西部地区的创新绩效水平呈现逐渐提高的趋势。从全国范围来看，表6、表7 显示中国各地区创新绩效表现极不均衡，东部经济区的创新绩效明显高于中西部经济区，并高于全国平均水平，表明这些区域创新效率处于全国领先水平，拥有优越的科技创新环境，也反映区域创新能力与创新资源利用效率和各地经济发展程度关系密切。

经济发达的北京、广东、江苏等地区的创新绩效价值系数从2015 年起均稳定大于1，区域创新效率水平处于全国上游水平。在2012—2017 年，北京市和江苏省因具有较优的科技创新环境和体制框架创新价值系数始终高于1，创新绩效处于全国领先水平。北京市近6 年的创新绩效价值系数总体呈稳步上升趋势，说明北京金融资源丰富，高质量人才积聚，同时科技活动也十分活跃，创新投入利用效率高，经济发展动力持续强劲。经济发达的广东省近五年创新效率增长也十分快速，尤其是2015 年后广东省创新载体支撑能力显著提升，创新能力发展动力强劲，可能是因为2014 年12 月设立的广东自由贸易试验区和以深圳、广州和珠三角区域7 个地市国家级高新区为核心的“1+1+7”自主创新示范区建设支撑了21 个地市省级以上高新区的全覆盖［30］。江苏省对外经济合作活跃，加快了本省高新技术产业的发展，推动了产业结构的升级和技术创新能力的提升。

经济发达的上海在2015 年以前则出现创新绩效价值系数小于1，区域创新效率水平不高的现象。从数据变化上来看，上海市在2012—2015 年创新价值系数均低于1，表明在上海市高技术产业高增长、大规模的繁荣背后,上海市雄厚的科技创新能力可能并没有完全转化为产业创新能力和国际竞争力,在产业规模快速扩张的同时，上海市高技术产业的质量和效益并没有实现与之同步的增长［31］，但在2013 年上海自贸区的设立后，上海市科技创新水平显示出较强的增长趋势，创新绩效从第三梯队跃居第一梯队，上海市的科技投入产出规模有待优化，科技创新发展规模及效率仍有提升空间。

经济较为发达的东部地区，区域创新绩效不高，存在创新资源闲置的可能性。从价值系数表来看，山东、福建、天津等较发达省区市的价值系数低于1，尤其天津市近6 年价值系数一直徘徊在0.25～0.4之间，天津市创新绩效水平明显偏低。尽管这些地区研发经费充足，科研人才素质高，但是依旧存在高校申报项目的技术应用性低以及技术市场信息不对称的问题，可能是存在研发经费等资源不合理配置使用或缺乏成熟的产学研合作机制，未能有效地整合创新资源，导致价值系数偏低，这一系列不利因素阻碍了该地区创新效率的提升。

经济较为落后的宁夏、内蒙古、山西的创新能力十分低下。创新绩效水平低可能在于：西部地区地理位置劣势十分突出，加之历史、政治等原因使得该地区经济发展滞后，地方并未形成有序完善的科技市场发展机制，进一步致使地方的教育资源不足，导致知识获取与转移能力低下。同时，人才的匮乏进一步引起企业产品研发能力的不足，而企业创新发展潜力不足又会进一步导致投资者低估企业发展前景，继续降低投资总量，这种正反馈机制造成西部经济地区的创新水平低。

表6 区域创新价值系数与排名

表6（续）

表7 三大经济区创新绩效价值系数均值

表8 基于价值工程系数的各省区市分组

5 结语

本文基于价值工程原理，结合层次分析法从科技创新投入和科技创新产出分别选取适用的指标进行层次结构化分解，构建了区域创新绩效评价指标体系来全面反映区域的创新资源利用情况，利用2011—2017 年中国31 个省区市科技创新和创新产出的统计数据，对中国各省区市的区域创新特征进行实证研究。结果发现：（1）我国总体创新绩效水平呈现逐年上升的趋势，我国创新驱动发展战已略现成效。（2）区域创新绩效水平在地域分布上呈现显著的空间非均衡现象，表现为“东高西低”，其中：北京、江苏、广东、上海等东部发达地区的创新效率情况较高；湖北、安徽等中部经济区承前启后的过渡作用表现明显，创新绩效水平逐年提升，已与全国平均水平相当；而黑龙江、内蒙古、山西等西部经济不发达地区则表现较差，但可塑性强，具有较大的发展潜力。

为了有效提升城市创新绩效水平，政策制定方向应考虑各城市的创新资源利用情况。结合上述结论，提出以下建议：

重视区域协调发展，引导核心省域创新资源外溢。北京、广东、江苏等省份创新资源及人力资本更为富裕，创新绩效也长期处于全国前列，应当充分发挥中心城市的辐射带动作用，不盲目追求创新资源的规模，在吸引优质创新要素的同时，转移自身过剩产能，促使部分创新要素向周边的城市扩散，缩小城市之间的差距，带动京三角、珠三角、长三角等实现创新驱动式发展。

强化全过程创新绩效管理观念。针对可能存在创新效率边际递减状况的省份（如上海），为提高科研资源利用效率和研发成果的应用价值，这些地区应促进系统内部结构优化，引导地区从注重创新成果管理向全过程绩效管理转变，强化研究主体创新绩效优先观念，提高财力资源和人力资源的使用效益，支撑区域实现高质量创新发展。

深化产学研合作模式。针对湖北、安徽等创新绩效水平提升态势明显的中部地区，需要有针对性地加强自身创新系统中处于劣势的要素，注意创新资源的有效配置。通过建立区域科技管理政策，强调有效的产学研协同发展机制，鼓励科研机构着眼于企业需求，企业以市场需求为导向，引导科技创新成果向实用高价值转化，以提高创新成果的应用价值。

加强政策扶持力度，推动跨区域协同发展共同体形成。对于如山西、内蒙古等科技创新系统基础薄弱的欠发达地区，由于政府对科技活动的财政支持对创新效率有明显的促进作用［32］，那么当地政府与科研机构对创新资源的合理配置使用显得十分重要。政府通过从创新资源投入、创新环境营造、创新人才引进等方面入手，予以特殊政策扶持，加大科技财政投入力度，疏通科技资源配置渠道，与科技资源丰富的省份形成跨区域协同发展共同体，从而带动当地科技、教育、经济等领域的创新资源流动，为区域经济振兴注入新动力。