生产力促进中心科技服务能力评价模型构建——基于广东的思考

陈金德，张寒旭，封春生

（广东省生产力促进中心，广东广州 510070）

1 研究背景

生产力促进中心是指衔接政府、科研院所和高校、专家与企业、个人或其他社会主体，向企业提供技术服务、员工培训、信息集成等技术创新服务的非营利性中介组织，是经济与科技相结合的桥梁和纽带，是先进生产力的传播者［1］。生产力促进中心作为区域创新体系的重要组成部分，对增强企业科技创新水平、推动科技成果转移转化、支撑区域产业和经济高质量发展具有重要作用。近年来，我国先后颁布《关于加快科技服务业发展的若干意见》《粤港澳大湾区发展规划纲要》等文件，强调要推进科技服务平台建设，这反映了我国产业和经济的发展迫切需要发挥生产力促进中心等科技服务机构的创新支撑作用。

就广东省而言，当前正处在谋划“十四五”发展的新起点，省委省政府以建设粤港澳大湾区国际科技创新中心作为创新驱动发展工作的纲，提出“1+1+9”工作部署，举全省之力支持深圳建设中国特色社会主义先行示范区，以同等力度支持广州“四个出新出彩”，全面推进科技创新强省建设。区域创新的发展离不开科技服务体系的有力支撑，作为科技创新服务的主力军，广东省内的生产力促进中心经过20余年的发展，数量大幅增多，发展规模明显提升，服务内容从传统的中介服务逐步向全链条创新服务转变，科技创新服务水平显著增强。据相关统计1），2018年广东全省107家生产力促进中心为47 667家企业提供技术、咨询、培训等多项科技创新服务，服务总收入达192 465万元，为企业增加销售额近14.4亿元，增加利税1.1亿多元，已成为广东省发展创新型经济、实现高质量发展的重要支撑。

然而，新起点面临新挑战，广东省内各生产力促进中心要以服务创新大局为己任，进一步推动科技成果向现实生产力转化，关键在于不断提升科技服务能力。但是，当前生产力促进中心相关评价标准存在缺失，且传统的评价方法已经无法满足未来生产力促进中心发展的需要，亟需建立一套系统、科学、全面的生产力科技服务能力评价体系，作为其动态管理及政策支持的重要依据。鉴于此，本文在已有相关研究成果的基础上，兼顾生产力促进中心科技创新服务潜力和现有水平，从服务资源投入能力、服务环境支撑能力、服务成果产出能力三方面构建评价指标模型并进行相关实证分析，一方面以期弥补生产力促进中心科技服务能力评价研究方面的空白，另一方面，研究成果可以作为政府对生产力促进中心日常管理的依据，为其制定具有针对性的扶持政策提供决策参考。

2 文献回顾

自1992年我国生产力促进中心体系建设启动以来，国内有关生产力促进中心的研究文献不断增多，对指导和推动生产力促进中心发展产生了积极的影响。从已有的相关研究来看，以定性研究为主，主要集中在服务模式、运行机制、发展战略、境外同类机构发展借鉴等方面［1-8］；少数学者对生产力促进中心的运行绩效或服务效率进行了实证分析［9-10］，但构建的指标体系都较为简单，不能全面反映生产力促进中心的实际状况，且对相当部分指标的赋权或赋值采用专家打分的方式，主观性较强，对研究结果的科学性与合理性产生一定影响。

尽管目前学术界对生产力促进中心科技服务能力的评价研究寥寥无几，但对其他科技服务机构的服务能力或绩效评估研究已有一定基础，可以为本研究评价指标体系的构建提供一定借鉴，如陈丽娜等［11］从资源整合、运行管理、服务成效三方面构建指标体系，运用归一化方法对国家科技基础条件平台服务绩效进行了评价；李佳等［12］从资源集成、共享服务、运行管理与合作支持4个维度构建区域科技资源共享平台综合绩效评价指标体系，设计基于规则的评价模型对黑龙江省科技创新创业共享服务平台服务绩效进行了实证研究；高洋等［13］选取人力、物力、财力作为投入指标，以孵化能力、经济效益、社会效益作为产出指标，从宏观与微观双层面分析了东北老工业基地创业孵化器的运行效率。

上述研究所采用的研究方法主要是基于某种理论或视角，结合研究对象实际状况构建评价指标体系，对指标的选择会随着具体研究内容的不同而有所改变；不同学者选用的指标赋权方法也是大相径庭，包括德尔菲法、层次分析法、变异系数法、主成分分析法、熵权法等，各种赋权方法各有优劣，应根据实际情况和研究需要而有所选择。其中，熵权法是客观赋权法的一种，根据各指标传输给决策者的信息量的大小来确定指标权数，受主观因素影响较小［14］；而TOPSIS评价法是有限方案多目标决策分析中常用的一种科学评价方法，通过计算各个评价对象到达最优解与最劣解间的欧氏距离来对评价对象进行排序，进而得出各个对象的优劣程度，但其权重通常是主观值，具有一定的随意性［15］。将熵权法和TOPSIS评价法结合运用于评价研究，既能避免主观赋权的诸多缺点，也不影响TOPSIS评价法本身的科学性，因此，本文选择运用基于熵权法的TOPSIS综合评价模型对广东省内各生产力促进中心的科技服务能力进行实证测度。

3 评价指标体系

生产力促进中心科技服务能力评价不仅需要关注服务实力和现有服务水平，还需要考虑到外部环境对其潜在服务能力的影响，因此，本文遵循科学性、全面性、系统性和可操作性原则，从生产力促进中心的服务供给与发展运行全视角出发，以“资源投入—环境支撑—成果产出”的形式构建生产力促进中心科技服务能力评价指标模型。

3.1 服务资源投入能力

服务资源投入能力是指为提升生产力促进中心科技创新服务水平而投入的所有资源量，包括人力资源、物力资源和财力资源。其中，人力资源投入的主体是在岗职工，机构在岗职工数量体现了生产力促进中心服务团队的规模，而中高级职称职工占比、硕博学位职工占比和人员培训次数则能够体现服务团队的服务能力水平，因为一般而言，职称越高、学历越高、培训次数越多的职工，其科技服务能力也就越强；生产力中心数量则能够体现区域生产力促进中心发展规模，以及区域对生产力发展的支持程度；而现有资产总额和年新增资金投入额则是财力资源投入的具体指标。

3.2 服务环境支撑能力

生产力促进中心是经济社会发展到一定阶段的产物，在促进经济社会发展的同时也受环境的制约，主要包括经济环境、政治环境、技术环境等。其中，人均地区生产总值（GDP）和地方财政科技拨款占地方政府财政支出比重可以分别代表当地的经济发展水平和当地政府对科技创新的重视程度；技术环境则是影响生产力促进中心科技服务能力的重中之重，体现了一个地区的科技创新状况，具体指标为R&D活动人员数、R&D经费内部支出额和3种专利授权量；服务环境对生产力促进中心科技服务能力的影响主要是通过影响其服务资源供给和服务市场需求实现的，以R&D活动人员数为例，生产力促进中心作为科技服务机构的中坚力量，往往需要联系技术人员与有技术需求的企业进行对接，而R&D活动人员数则在一定程度上能够衡量区域生产力促进中心可获取的服务供给资源量的大小。

3.3 服务成果产出能力

服务成果产出和服务资源投入相对应，是服务资源投入的成效体现，也是生产力促进中心现有服务水平的直接表现。生产力促进中心服务业绩包括经济效益和社会效益两大方面，具体指标为服务收入总额、服务企业数量、为企业增加销售额、为企业增加利税额、联系科研机构数量、联系专家数量以及培训对象数量等。

综上所述，生产力促进中心科技服务能力评价指标体系构建如表1所示。

表1 生产力促进中心科技服务能力评价指标体系

4 评价模型与结果分析

4.1 评价模型

为对广东省内生产力促进中心的科技服务能力进行科学评价，本文构建了基于熵权法的TOPSIS综合评价模型，具体评价步骤如下。

4.1.1 建立初始决策矩阵并将数据无量纲化处理

假设有n个评价对象和m个评价指标，则可根据相关指标数据建立初始决策矩阵A=（Xij）n×m。由于搜集到的原始数据的单位、量纲、数量级均不同，无法直接用于实证分析，故需先将其标准化。本研究采用Z-Score标准化法，假设数据标准化后的值为Yij，则可得到标准化规范矩阵B=（Yij）n×m。由于本文设置的评价指标皆为正向指标，故其标准化公式如下：

由于标准化后值存在负数不能直接参与赋权计算，令Zj=F+Yij代替Yij，其中F为平移幅度，是一个使F+min（Yij）略大于0的正数。

4.1.2 求解各指标的信息熵

信息熵是指各指标传输给决策者的信息量。一组数据的信息熵Ej值可由下式获取：

式（2）中，pij值计算公式如下：

4.1.3 计算各指标权重

通过已求得的信息熵值计算各指标的权重Wj，计算公式如下：

4.1.4 构建加权规范化决策矩阵并确定正、负理想解

将通过熵权法求取的各指标权重与标准化规范矩阵B相乘，得出加权规范化决策矩阵R=WjZ=（Rij）n×m，并由式（5）（6）分别确定正理想解R+和负理想解R-：

4.1.5 计算各评价对象到正、负理想解的欧式距离

各评价对象到正理想解的欧式空间距离d+和到负理想解的欧式距离d-可由式（7）（8）分别获取：

4.1.6 求得相对贴近度

相对贴进度（C）即各评价对象的评分，在本研究中代表了广东省内各生产力促进中心2010—2018年的科技服务能力相对水平，评分越高说明其科技服务能力越强，反之则越差。C的计算公式为：

4.2 测度结果

本文在建立生产力促进中心科技服务能力评价模型的基础上，从历年《广东省生产力促进中心统计年报》《广东省统计年鉴》及广东省统计公报等处搜集完整原始数据，再通过熵权法对各具体指标进行赋权，结果如表1所示；而后通过TOPSIS评价法求取广东省内生产力促进中心2010—2018年的科技服务能力到正、负理想解的欧式距离以及相对贴进度（评分），结果如表2所示。

表2 广东省内生产力促进中心的科技服务能力评分结果

4.3 广东省内生产力促进中心科技服务能力动态演变分析

2010—2018年广东省内生产力促进中心的科技服务能力评分分布情况如图1 所示，可以看出期间广东省内生产力促进中心的科技服务能力整体呈上升趋势。从整体评分情况来看，评分由2010年的2.775 4增加到2018年的5.511 2，年均增长率8.95%，增长速度较快。其中，仅2017年评分相对于2016年有所下降，但仍高于2015及以前年份，而在2018年评分又继续提升。由此可知，虽然在中间一些年份的评分值略有波动，但波动幅度不大，总体表现为良性发展态势。从波动幅度来看，2010—2014年的评分值波动幅度较大，由2010年的2.775 4提升至2014年的5.001 0，年均增长率15.86%，表明期间广东省内生产力促进中心科技服务能力水平提升相对明显；而2014—2018年评分值波动幅度相对较小，由2014年的5.001 0提升至2018年的5.511 2，年均增长率2.46%，反映了在经历了一轮高增长后，近年来广东省内生产力促进中心处于相对平稳发展状态。

图1 广东省内生产力促进中心科技服务能力评分的年度分布

4.4 广东省内生产力促进中心科技服务能力空间差异分析

为衡量广东省各地区生产力促进中心科技服务能力的差异状况，本研究基于2018年相关数据，同样运用上述评价模型对各区域生产力促进中心的科技服务能力进行测度。测度结果为：珠三角地区生产力促进中心科技服务能力评分为10，远高于粤东、西、北地区的0.39、0.38、1.46（见图2），可知珠三角地区生产力促进中心的科技服务能力远大于粤东西北地区，发展差距明显，特别是在生产力促进中心数量和在岗职工规模方面显著地体现出了区域之间的发展差距。如图3所示，2018年珠三角地区生产力促进中心数量为53家，高于粤东（11家）、粤西（11家）、粤北（32家）地区，珠三角地区生产力促进中心在岗职工总数为3 137人，是粤东、西、北地区生产力促进中心职工总和的10倍。因此，广东省内生产力促进中心区域发展不平衡现象较为突出，相对于珠三角地区，粤东西北地区生产力促进中心的规模普遍较小、在岗职工数量少，综合服务能力有待提升。

图2 2018年广东省各区域生产力促进中心科技服务能力评分

图3 2018年广东省各区域生产力促进中心的机构数和在岗职工数

5 各指标与科技服务能力的关联程度分析

本文借鉴邓聚龙［16］提出的灰色关联分析法，将上文所得各评价指标对服务能力评分的贡献程度进行量化，从而找出影响广东省内生产力促进中心科技服务能力的关键影响因素，

5.1 灰色关联分析法

5.1.1 定义参考序列和比较序列

灰色关联分析法中的参考序列为因变量，比较序列为自变量。在本研究中，参考序列为历年广东省内生产力促进中心科技服务能力评分值，比较序列为历年各指标数据值。

5.1.2 数据标准化处理

将参考数列和比较数列的数据进行标准化处理，公式分别如下：

5.1.3 计算参考数列和比较数列的绝对差值

设Δij是的绝对差值，计算公式为：

5.1.4 求取灰色关联系数

灰色关联系数计算公式如下：

式（13）中：Δmin和Δmax分别为绝对差值Δij的最小值和最大值；为分辨系数，0＜ρ＜1，一般取ρ=0.5。

5.1.5 求出灰色关联度

采用算术平均法对灰色关联度进行计算，公式如下：

5.2 灰色关联结果与分析

根据灰色关联分析法计算出服务资源投入、服务环境支撑、服务成果产出三方面各具体指标与广东省内生产力促进中心科技服务能力的关联度，结果如表3所示。

表3 广东省内生产力促进中心科技服务能力的指标关联度及其排名

由以上结果分析可得，所有指标的相关性都大于0.5，说明科技服务能力与上述各个因素都具有相关性，进一步验证了本文提出的评价模型的合理性。而且，培训对象数量、联系专家数量、服务收入总额、联系科研机构数量、中高级职称职工占比、地方财政科技拨款占地方政府财政支出比重、机构在岗职工数量等指标与广东省内生产力促进中心科技服务能力关联度大于0.7，相对较高，排名相对靠前，表明其为关键影响因素。结合广东省内生产力促进中心发展现状，可以得出如下结论。

5.2.1 企业服务能力决定着生产力促进中心的核心竞争优势

培训对象数量、服务收入总额与生产力促进中心科技服务能力的关联度值分别为0.82和0.77，排名分别位居第一和第三，这两个指标都反映出生产力促进中心的企业服务能力。培训是生产力促进中心一种重要的企业服务手段，培训对象主要是以企业的技术骨干和管理骨干为主；服务收入则体现出生产力促进中心的服务价值和成效，主要来源于为中小企业提供的技术服务、咨询服务、培训服务、信息服务、人才和技术中介、培育科技型企业服务等。因此从关联度分析可知，企业服务能力是广东省内生产力促进中心提升科技服务能力的关键因素，生产力促进中心通过不断提升企业服务能力进而带动自身发展壮大。近5年来，广东省内生产力促进中心的服务收入平均每年以4.7%的幅度增长，2018年服务收入总额达192 465万元，其中从近5年服务收入构成来看（见图4和图5），技术服务是广东省内生产力促进中心的支柱业务，每年收入占比在85%，其次是咨询服务，收入占比在9%以上。由此可见，虽然广东省内生产力促进中心的企业服务成效有所提升，但是企业服务手段相对单一，业务模式尚需进一步完善。

图4 2014—2018年广东省内生产力促进中心技术服务收入构成

图5 2014—2018年广东省内生产力促进中心其他服务项目收入构成

5.2.2 科技创新资源是生产力促进中心能力提升的关键支撑

从各指标与生产力促进中心科技服务能力关联度排序可知，联系专家数量、联系科研机构数量和地方财政科技拨款占地方政府财政支出比重分别位居第二、四、六。联系专家和科研机构的能力在一定程度上可以反映出生产力促进中心科技创新资源的积累情况，而地方财政科技拨款占地方政府财政支出比重则体现出地方政府对科技创新的支持程度，代表着当地的创新环境，这3项指标关联度高表明，活跃的创新环境能够为生产力促进中心发展提供丰富的创新资源供给，而有效地掌握和运用科技创新资源是生产力促进中心能力提升的关键支撑。作为科技中介机构，生产力促进中心通过促进高校、科研机构与企业产学研合作，推动科技成果向现实生产力转化，而活跃的创新环境能够激发出更多的科技服务需求，促使各中心不断提升科技服务能力，更好地服务区域创新发展。纵观2014—2018年广东省内生产力促进中心联系专家和科研机构的情况发现（见图6），二者总体上呈下降趋势，特别是2018年联系科技机构数量比2014年下降了28.8%，说明广东省内生产力促进中心科技创新资源整合能力有待提升，需要进一步完善服务体系、服务渠道，优化利用创新资源服务企业创新创业。

图6 2014—2018年广东省内生产力促进中心联系科研机构和专家情况

5.2.3 人力资源是生产力促进中心发展的重要驱动力

中高级职称职工占比、机构在岗职工数量和硕博学位职工占比等人力资源投入指标与广东省内生产力促进中心科技服务能力的关联度值皆为0.7左右，排名靠前，表明了人力资源在生产力促进中心提供科技创新服务过程中的重要性。生产力促进中心属于智力密集性科技服务机构，知识型人才是其发展最基础、最重要的资源要素。近3年来，广东省内生产力促进中心人员规模相对稳定，2018年从业人员合计3 437人，比2016年略有增长，其中：具有中高级职称1 949人，占比56.7%，与2016年相比增长9%；硕博学位人员901人，占比26.2%，与2016年相比增长8%（见图7）。由此可见，广东省内生产力促进中心的人力资源投入平稳发展，人员结构得到了优化，专业人才比例有所提升，但是现有的人才构成还无法满足开展科技创新服务的需要，特别是硕博人才比例尚需要进一步提升，因此需要着重加强专业化、高端复合型人才引进，尤其是敢于创新、经过跨领域实务历练的人才。

图7 广东省内生产力促进中心从业人员情况

6 结论及建议

本文以广东省内生产力促进中心为研究对象，运用数理统计模型对其科技服务能力进行实证评价。研究内容主要包括：首先，从生产力促进中心的服务供给与发展运行全视角出发构建了科技服务能力评价指标体系，涵盖资源投入、服务环境、成果产出三方面共计19项具体指标；其次，构建了基于熵权法的TOPSIS综合评价模型，实证发现2010—2018年广东省内生产力促进中心科技服务能力总体上呈上升趋势；最后，运用灰色关联分析法测度各指标对科技服务能力评分值的贡献度，结合近年来广东省内生产力促进中心发展现状，总结出科技创新资源、人力资源和企业服务能力对生产力促进中心科技服务能力影响较大。

基于上述研究结果，就提升广东省内生产力促进中心科技服务能力，提出如下建议：一是大力加强全省生产力促进中心整体建设，上下联动、左右协同，特别要强化与港澳协同，依托粤港澳大湾区生产力促进服务联盟，构建开放共享的粤港澳生产力协同创新服务体系。深化体制机制改革，加强省、市、区等各级中心统筹布局和垂直管理，鼓励骨干中心以建立分支机构等方式完善体系布局，强化对粤东西北的帮扶和支持，提高发展的平衡性和协调性。二是强化高端人才队伍建设，吸引国内外优秀专家顾问加入生产力促进服务队伍，聚集一批懂技术、懂市场、懂管理的复合型科技服务高端人才，构建年龄层级合理、知识结构互补、服务能力突出、研究能力具有特色的专业化人才队伍。三是聚焦企业创新创业需求，加强与国内外高校、科研院所、高端科技服务机构和高层次专家人才等创新资源的对接合作，充分利用各种高端专业科技服务平台，在人才引进、项目对接、技术转移等方面加强科技资源整合，共享技术交易等科技服务渠道。围绕企业发展需求，提供技术转移、创业孵化、科技金融、科技咨询、检验检测等方面全链条的科技服务，不断丰富服务手段、开拓服务领域、提高服务能力，实现质量与效益双提升，为科技创新强省建设提供更有力支撑。

注释：

1）建模所引用的数据来源于历年《广东省生产力促进中心统计年报》《广东省统计年鉴》及广东省统计公报等。