基于改进VIKOR法的省际高校科技创新能力评价

黄丽玲

(桂林航天工业学院 管理学院，广西 桂林 541004)

在21世纪信息化和科技化发展的道路上，科技创新能力是一个地区乃至一个国家在知识、技术和管理上的重要体现。高校作为区域创新的动力源泉，是培养和造就高层次科技创新人才的摇篮。2008年，Harryson等[1]发现高校科技创新的提升可以强化高校与政府、企业、科研院所之间的合作，对地区经济发展及社会进步都起到至关重要的作用。高校科技创新能力是将高校科技创新资源、人才以及科研实力转化为高水平的科研成果，并将成果市场化的能力，省际高校科技创新能力反映了省际科技创新实力及产出能力的整体水平。而省际经济发展、地理环境及资源的不平衡，导致了地区高校间科技创新能力有所差别，为缩短我国各省际高校科技创新能力的差距，了解问题的关键所在，提出有针对性的对策建议，对省际高校科技创新能力的评价显得尤为重要。

我国许多专家学者对高校的科技创新能力的提升进行了大量研究，并取得了不错的成果。其中，章熙春等[2]在国内相关研究成果的基础上构建了高校科技创新能力指标体系，并利用灰色关联法进行了分析。刘勇等[3]运用层次分析法设计了高校科技创新能力评价模型，并对华东地区高校进行了实证研究。熊国经等[4]基于E-TOPSIS 改进因子分析法对泛珠江三角洲高校科技创新能力进行评价，并进行排序。周才云等[5]应用主成分分析法对我国高校科技创新能力进行比较研究，并提出了针对性的对策建议。徐朋辉等[6],雷亚楠等[7]采用因子分析法对区域高校科技创新能力进行了研究。苏荟，刘奥运[8]基于DEA-Tobit 模型对我国省际高校科研效率和影响因素进行研究。邢战雷等[9]运用AHP法对陕西省高校科研创新能力进行评价并排序。汪晓梦[10]利用灰色关联法和主成分分析法对西南地区高校科技创新能力绩效进行评价。赵庆年等[11]完善了高校科技创新评价指标体系，并对30个省市的高校科技创新能力进行评价。王美霞[12]采用全局主成分分析法测算了我国省际的高校协同创新能力，并对其空间格局进行了研究。蔡文伯[13]运用线性回归模型对西部地区高校科技创新能力进行了实证研究。

综上所述，大部分的专家学者针对高校科技创新评价模型的研究仍存在局限性，评价方法比较单一，大部分均是采用主成分分析法和因子分析法，但利用该方法进行降维评价时，会有信息量丢失的情况，无法得到完全准确的结果。本文在前人研究的基础上，构建了以科技创新基础、科技创新投入、科研能力、科技产出能力等4个维度的高校科技创新能力指标，并提出了改进VIKOR法对高校科技创新能力进行评价。首先利用熵值法(Entropy)对指标进行赋权，然后以正负理想解作为参照计算群体效用值和个体遗憾值，从而得到各方案的利益比率，并对结果进行排序。最后，选取我国31个省(直辖市)作为研究对象，对我国2017-2018年的省际高校科技创新能力进行评价，并提出相应的对策建议。

1 指标体系的构建及数据来源

在理解高校科技创新能力内涵的基础上，考虑指标构建的导向性、系统性、可操作性的原则，构建了包含4个一级指标，22个二级指标的高校科技创新能力指标体系，如表1所示。并选取了2017—2018年全国31个省、市、自治区样本数据进行实证分析，数据来源于2017—2018年《高等学校科技统计资料汇编》。

2 评价模型的构建

2.1 数据标准化处理

由于不同的评价指标间有不同的量纲，不能直接比较，因此在进行具体的运算之前，要对指标数据进行预处理，消除量纲。又因为本文中权重的确定主要采用熵值法，根据文献[13]中的研究发现，对于熵权法来说，采用极值法处理数据得到的评价效果最好。因此，本文采用极值法进行数据标准化处理，具体步骤如下：

(1)构建n个评价对象和m个评价指标的判断矩阵Y=(yij)m×n，(i=1,2,…,m；j=1,2,…,n)；

(2)对判断矩阵Y进行无量纲化处理，得到矩阵X=(xij)m×n，(i=1,2,…,m；j=1,2,…,n)；

(3)对于效益型指标(越大越好)

(1)

(4)对于成本型指标(越小越好)

(2)

2.2 基于Entropy法的权重确定方法

Entropy法(熵值法)是一种根据各项指标观测值所提供的信息量的大小来确定指标权数的方法。用熵值法确定指标权数的步骤如下：

(1) 计算第i项指标下，第j个系统的特征比重

(3)

(2) 计算第i项指标的熵值

(4)

(3)计算指标xi的差异性系数

对于给定的i，xij的差异越小，则ei越大；当xij差异越大，ei越小，指标对于系统的比较作用越大。因此定义差异系数gi=1-ei，gi越大，越应重视该项指标的作用。

(4)确定权数，即取

(5)

wi为归一化了的权重系数。

2.3 基于改进VIKOR法的评价模型

基于改进VIKOR法的评价模型计算过程如下：

(1)对初始数据矩阵Y=[yij]m×n利用功效系数法进行无量纲化处理，设规范化后的评价矩阵为

(6)

(2)计算各项指标的正负理想解

(7)

(8)

(3)计算各方案的群体效用值和个体遗憾值

以正理想解为参照时，各方案群体效用值和个体遗憾值：

(9)

(10)

以负理想解为参照时，各方案群体效用值和个体遗憾值：

(11)

(12)

由此，本文定义方案群体效用评价值和个体遗憾评价值为：

(13)

(14)

(4)计算各方案的利益比率

(15)

其中，u为比例系数，代表群体效用的比重，(1-u)代表个体遗憾的比重，当u>0.5时，表示评价者更偏重群体效用的比重，(1-u)>0.5时，评价者更偏重个体遗憾值，当u=0.5时，表示群体效应与个体遗憾同等重要。本文取u=0.5，可以兼顾群体效用最大化和个体遗憾最小化。当Q越大时，方案越优，本文据此进行排序。

本文选用的熵值法(Entropy)是一种相对理想的客观权重判定方法，而改进VIKOR法结合了TOPSIS法与VIKOR法的优点，改变传统VIKOR法注重以正理想解作为参照的思想，以正负理想解作为参照计算群体效用值和个体遗憾值，使评价结果更加准确合理。

3 实证分析

对我国2017—2018年31个省、市、自治区的高校科技创新能力进行评价，利用改进的VIKOR综合评价模型进行计算，得到最终评价结果，如表2所示。

表2 综合评价结果及排序

由表2可知，2017年和2018年的评价结果差异不大，前6名结果一致。其中山东省、黑龙江省、河南省、贵州省等12个省份的排名有所提升，山西省、江西省、广西壮族自治区、云南省等11个省份排名有所下降。广西壮族自治区、江西省、云南省排名下降趋势较猛，主要原因是对比2017年，2018年这三个省份国家三大奖项获奖数及国际级项目验收数有所下滑导致。

另外，根据评价结果可知，排名前5的省份分别是北京市、江苏省、上海市、广东省和湖北省，这5个省市无论是经济发展还是区域高校科技资源相对于其他省市来说都具有相对的优势，尤其是北京市，作为首都无论是经费投入支出、人才引进以及科技产出无疑是最有优势的，而上海市、江苏省、广东属于经济发达地区，湖北省具有明显的高校资源优势，因此其科技创新能力也优于其他省份。从评价综合得分可以看出，排名后10名的省份是西藏、云南、广西、江西、青海、海南、宁夏、内蒙古、新疆、贵州，这些都属于欠发达的中西部地区，并且综合得分与其他省份差异很大，说明这10个省份科技创新能力对比其他省份来说比较落后，需要重点关注。西部地区中科技创新能力较强的省份只有四川和陕西，由此可以看出，我国高校科技创新能力省际差异较大，在空间上呈现由东向西逐渐衰减的态势，经济越发达地区及高校资源越集中的地区高校创新能力越高。

4 结语

针对高校科技创新能力评价存在的评价方法单一、评价时信息丢失等情况的问题，本文提出了改进VIKOR法的高校科技创新能力评价模型。首先，基于熵值法对指标进行赋权，是一种客观的、根据指标提供的信息量大小来确定权重的方法，然后将TOPSIS法的思想融入VIKOR法中，对传统VIKOR法进行改善，使得改进VIKOR法能更加准确地测量省际高校科技创新能力，并对全国31个省、市、自治区进行了实证分析，得出我国省际科技创新能力差异较大，呈现由东向西逐渐减弱的态势，科技创新能力最好的地区是北京市，从地域、资源等优势来看，北京市荣获第一当之无愧。而科技创新能力较弱的地区是青海和西藏，与其他发展较好的地区相比，差距较大。

为提高我国科技创新能力，缩短东西部地区间科技创新能力之间的差距，本文提出以下建议：①大力推动产学研一体化建设，推进科技成果转化效率。加强校企合作，提升高校科技创新能力，促进高校与产业相结合，建立创新平台，加快信息共享。②加大高校科技创新投入力度，尤其注重中西部科技创新能力较弱的省份，加强科技人才引进，优化高校科技创新人才评价机制，注重人才培养，进一步强化高校科技创新基础实力。③加强高校科技创新省际合作。促进区域间高校协同发展，科技创新能力强的地区带动科技能力较弱地区发展，实现资源互补，逐步缩小省际高校创新能力的差距。