经济高质量发展视角下长三角区域科技创新能力评价研究

张铁山 白慧林

(北方工业大学经济管理学院,100144,北京)

党的十九大报告指出，我国经济已由高速增长阶段转向高质量发展阶段. 推动经济的高质量发展，必须大力实施创新驱动发展战略，充分发挥科技创新在高质量发展中的支撑引领作用. 习近平总书记表示“2020年推动经济高质量发展，不会因为突如其来的新冠肺炎疫情而中断或延迟，相反将迈出更大的步伐，更大的步伐体现在创新驱动上. ”科技创新在我国经济高质量发展中也扮演着重要的角色. 实施长三角一体化发展战略，是引领全国高质量发展、完善我国改革开放空间布局、打造我国发展强劲活跃增长极的重大战略举措. 2020年的政府工作报告提及要深入推进长三角一体化发展，进一步增强长三角地区创新能力和竞争能力. 因此在经济高质量发展背景下对长三角的区域科技创新能力进行评价是很有必要的，通过发现长三角科技创新发展中的优势与不足，有针对性地提出建议，促进长三角科技创新能力的进一步提升，推动长三角一体化更好地融合发展，也可以为其他区域提供相应的借鉴，带动全国科技创新稳步发展，从而为我国经济高质量发展做出贡献.

1 文献回顾

经济高质量发展提出以来，学者们对其内涵进行了研究. 张军扩等指出经济高质量发展是更高效率的发展，更公平的和绿色可持续的发展模式.[1]刘志彪指出高质量发展主要是为了满足人民日益增长的对美好生活的需要，提高生活满意度.[2]任保平提出高质量发展是在生产要素投入低的前提下达到资源配置效率高，带来的资源环境成本低，而且社会效益好的追求质量的发展.[3]

在区域创新能力方面，最早Lundvall认为创新是在一定的区域文化，一定的社会背景下才产生的[4]，后来Porter提出了“公共创新基础设施的强度”和“支持创新集群的环境条件”以及两者之间联系强度的区域创新能力指标框架.[5]1980年代，国外学者Larson开始研究区域创新能力，把研究创新能力范围由国家转变为区域，丰富和深化了创新能力的研究. Philp Cooke在研究区域创新系统时，首次提出了区域创新能力.[6]

在区域科技创新能力评价方面，毕亮亮基于《中国区域创新能力报告》从投入产出实力、科技研发潜力、经济支撑潜力这三个方面进行分析评价.[7]陈国宏、康艺苹等从科技进步基础、科技创新活动投入、科技活动产出、科技创新效益四个方面对我国31个省市的科技创新能力进行动态评价和比较分析.[8]朱新玲、甘丽华在此基础上又加入了科技创新合作指标构建了评级体系，其中重点关注科技创新合作指标，进行区域科技创新的评价.[9]贾春光等从科技创新发起能力、实现能力、转化能力以及创新环境支持能力四个方面构建评价体系，并对区域进行空间差异分析.[10]

在科技创新能力评价方法方面. 冯岑明、方德英采用RBF神经网络法[11]，李倩、师萍采用灰色关联度分析法[12]，李柏洲，苏屹采用突变级数法[13]，陈继初和杨进在评价过程中运用因子分析法[14]，汪晓梦是采用主成分分析法[15]，毛良虎、姜莹采用了主成分分析法、空间数据分析法[16]，寇小萱等采用数据包络分析法[17]，张立恒采用了AHP熵权法[18]，贾春光运用了改进的灰色TOPSIS法和空间自相关分析法.[19]

通过对已有文献的研究发现：第一，大部分学者在构建指标体系的过程中，注重科技创新基础、投入产出以及经济效益，忽略了自主创新能力以及社会效益和环境效益的重要性. 第二，已有学者们使用的研究方法有一定的局限性，有的偏主观判断，有的计算过程较为复杂，有的是对样本数据量有很高的要求，而TOPSIS(逼近理想解排序法)在进行相关评价研究时，在样本数据资料方面没有过高的要求，相对真实可靠；熵权法是一种客观赋权法，其借鉴信息熵的思想，客观地计算出各个指标所占的权重，可以防止主观判断带来影响. 因此，本文将熵权法与TOPSIS法相结合，对长三角的区域科技创新能力进行评价研究，并对结果进行横向和纵向的对比分析，发现三省一市科技创新能力存在的具体问题，并提出相应的建议.

2 指标体系和模型构建

本论文主要采用熵权TOPSIS法进行相关研究，笔者结合长三角区域和经济高质量发展的特征进行科技创新能力评价指标的构建，主要包括科技创新能力指标选取、模型构建以及对数据的处理.

2.1 指标体系

高质量发展与以前的高速发展不同，在经济的高速增长阶段，我们只过分追求了经济效益，而忽略经济的可持续发展与健康. 然而高质量发展着重于经济效益、社会效益和生态效益相结合，更加强调自主创新和绿色发展. 在此基础上，基于指标构建的科学性、导向性、系统性、可操作性、可比性原则，参考了毕亮亮、朱新玲等学者的指标体系，并注重科技自主创新能力与社会效益(在指标体系中以城镇居民人均可支配收入和城镇登记失业率来体现)和环境效益(在指标体系中以万元GDP能耗和工业废物综合利用率来体现)，从科技创新投入、科技创新产出、科技自主创新、科技创新效益4个方面构建指标，共4个一级指标，22个二级指标.

表1 区域科技创新能力评价指标体系

2.2 基于TOPSIS法的区域科技创新能力评价模型的建立

TOPSIS法的主要原理是先确定每个指标的正理想值和负理想值，接着计算每项指标和正负理想值之间距离，即加权欧氏距离，结果是与最优解的接近程度，该程度为评价优劣的标准. 该方法为了消除因量纲不同对评价结果带来的影响，首先对原始数据规范化处理，实际上反映了各个地区之间的差异，通过直观的原理，简单的计算，具有清楚的数学意义，在样本的数据方面也没有特殊的高要求. 但是一般的TOPSIS法以各项指标权重相同来进行评价，无法体现指标之间的重要程度，因此，先采用熵权法确定权重，有效地避免人为因素，真实又客观地确定各项指标的权重，借鉴赵黎明的经验本文将熵权法和TOPSIS法有效地进行结合，是一种科学可靠的评价方法，具体步骤如下.[20]

第一步，构建标准化决策评估矩阵.

对初始数据进行标准化处理，具体过程为：

正向指标：

(1)

逆向指标：

(2)

其中，i=1,2,…,m(m为地区数)，j=1,2,…,n(n为指标个数).

第二步，用熵权法计算各项指标的权重.

设Uij为第i个系统中的第j项指标的观测数据. 首先计算各指标的熵值.

先计算第i个地区中的第j项指标的特征比重：

(3)

然后求出第j项指标的熵值，

(4)

再求出第j项指标的熵权.

(5)

其中j=1,2,…,m.

第三步，构建加权决策评估矩阵.

设yai为第a个指标下的第i个地区标准化数据的加权值，xai为第a个指标下的第i个地区规范化处理后的值，Wa为第a个指标对目标层的熵权，则yai=xaiWa.

第四步，确定正理想解和负理想解.

(6)

(7)

第五步，计算评价对象与理想解间的欧氏距离.

(8)

(9)

第六步，计算相对贴近度.

(10)

2.3 数据来源及说明

数据来源于2014年—2019年《中国统计年鉴》《中国科技统计年鉴》《中国高技术产业统计年鉴》以及三省一市各年份的统计年鉴.

3 区域科技创新能力测算结果与分析

3.1 测算结果

首先对面板数据进行标准化处理，用熵权法计算出各项指标的权重，如表2所示.

表2 区域科技创新能力评价各项指标的权重

在熵权法的基础上进行TOPSIS法的计算，具体结果如下表3、表4所示.

表3 一级指标与理想解的贴近度以及排名情况

表4 总体与理想解的贴近度以及排名情况

3.2 长三角科技创新能力变化情况

为了研究长三角三省一市的科技创新能力发展变化情况，对2013—2018年的科技创新数据分别实施TOPSIS法进行计算，分别得到各省的得分以及排名情况，具体结果如图1～4所示.

从图1可以看出，在科技创新投入方面，排名一直未发生变化，江苏排名第一，上海排名第二，浙江排第三，安徽排名最末. 且2013—2015年安徽一直与江浙沪有很大的差距，在2016年有大幅度增长，主要是因为科技经费支出占地方财政支出的比例由2015年的2.82%上升至4.7%，增长了66.67%，加大了科技经费投入，2017年有所下降，是因为科技经费支出占地方财政支出的比例下降了10.64%；江苏和浙江2016年科技创新投入有所下降，之后保持稳定增长. 且从2013—2018年，三省一市科技创新投入的差距逐渐缩小，可见不平衡的问题在得到改善.

从图2来看，在科技创新产出方面，三省一市排名依旧未变化，且变化趋势都趋于稳定，江苏2013—2016科技创新产出虽一直居首位但有下降的趋势，是因为高技术产品出口贸易额下降了8.86%，浙江2014年稍有下降是由于发表的科技论文数下降了8.63%，安徽2016年有所下降也是科技论文发表数量减少导致，在科技创新产出方面，安徽和江苏的差距是非常大的，其中2017年差距最大，主要是由于江苏发表的科技论文是安徽的2.2倍，技术成交额方面，安徽仅为上海的31%，高技术出口贸易方面，江苏省超安徽近10倍.

从图3来看，在科技自主创新方面，上海和安徽科技创新能力变化情况基本平稳，江苏在2017年有所下降是引进的技术消化吸收减少22.13%导致的，但浙江2016年有所下降是由于购进国内技术经费减少了30%，消化吸收也有所减低但幅度很小. 三省一市自主创新能力两极分化较为明显，江苏和浙江居第一和第二位，上海和安徽稍落后.

从图4来看，在科技创新绩效方面，安徽虽排名最末，但变化趋势趋于平稳，且至2018年与江浙沪的差距越来越小，江苏自2015年来一直是下降的趋势，到2018年稍落后于浙江和上海，主要是经济效益方面，江苏经济增长率由2015年的8.5%下降至2018年的6.7%，下降了21.18%；环境效益方面，江苏工业废弃物综合利用率由95.28%下降至93.63%，降幅较小. 浙江在2015—2017也是下降的趋势，主要是经济增长率由2015的8%下降至7.1%，工业废弃物综合利用率由2015年的92.55%下降至2017年的89.85%.

由图5来看，在科技创新能力方面，三省一市排名并未发生变化，且变化趋势稳定，到2018年，安徽与江浙沪的差距逐渐缩小，可见三省一市科技创新能力不均衡状况在得到改善.

3.3 结果分析

测算结果分析如下：

1)从权重来看，科技创新产出能力占了0.315 3，在4个一级指标中占比最高，可见科技创新产出能力在科技创新总体能力评价中占有重要的地位，政府日益增加的科技创新投入，营造有利于科技创新的环境等主要还是为了可以有高的科技创新产出，其中高技术主营业务收入占比最高，近年来随着高技术产业的发展，对科技创新的贡献越来越大，是体现科技创新产业化的重要衡量指标.

2)在科技创新投入方面，江苏排名第一，上海和浙江紧随其后，安徽省排名最末，江苏省各项投入都居首位，上海和浙江较为均衡，安徽相对较弱，在R&D人员、R&D经费尤其是新产品开发经费方面的投入太少，2018年安徽R&D经费支出为648.96亿元，仅为江苏省(2 504.43亿元)的1/4，主要是与其他三省相比，安徽高端人才流失，受R&D人员数量本身的限制，R&D经费投入少也是因为其经济基础的相对薄弱，科技创新意识相对落后.

3)在科技创新产出方面，江苏省以0.919 5的得分居首位，主要是因为江苏拥有丰富密集的科技教育资源，发表科技论文数量较多，其中2018年江苏省发表科技论文131 706篇，上海89 017篇，浙江55 370篇，安徽38 611篇，开放程度较高，且科技投入大，企业创新活跃，新产品产值较多，高技术产业发展较好，2018年江苏省高技术产业主营业务收入为26 159.56亿元，远远超过上海(7 566.35亿元)、浙江(7 492.63亿元)、安徽(3 995.52亿元)；上海稳居第二，上海技术市场成交额较多，2018年上海技术市场成交额为122.52亿元 ；浙江排第三名，而安徽省相对落后，主要是由于科技创新投入较低，其科技创新基础相对较差,高技术产业相对不发达，从而使得科技创新产出偏低.

4)在科技自主创新方面，浙江、江苏远高于上海和安徽，江浙专利申请量大，发明专利居多，2018年江苏专利申请量为600 306件，浙江455 590件，而上海仅有150 233件，安徽207 428件，上海主要是因为引进境外技术较多，对国外引进技术的跟踪有些依赖，对引进的技术的消化吸收缺乏重视，导致企业创新主体地位相对于江浙略有缺失，2018年上海引进技术经费支出145.04亿元，其中消化吸收仅59.73亿元，安徽是因为商标注册量偏低，专利申请量也相对较少，尤其是发明专利.

5)在科技创新效益方面，江苏、浙江领先于上海和安徽，在经济效益方面，上海虽然人均GDP较高，但经济增长率较低，相反，安徽虽人均GDP较低，但经济增长率较高，其中2018年安徽人均GDP为47 712元，仅为上海(134 982元)的35%，但其经济增长率为8%，可见安徽在经济增长方面也做出了巨大努力，人均GDP 提高了49.10%. 在社会效益方面，上海城镇居民人均可支配收入较高，但城镇失业率在三省一市中也最高，浙江失业率最低，主要是源自于其民营经济发达、就业方面政策到位. 在环境效益方面，三省一市万元GDP能耗相差不大，且都逐年递减. 安徽工业废物综合利用率稍低，但也在逐年提升，工业废弃物综合利用率由2013年的83.99%提高到2018年的90.9%，由此可见环境效益也在越来越得到重视.

6)根据2013—2018年长三角科技创新能力的变化情况来看，三省一市排名没有变化，发展几乎平稳，没有大起大落的现象，江苏、上海、浙江科技创新能力一直处于先进地位，安徽虽稍加落后，也在一直进步，各方面都在不断提升. 且三省一市科技创新投入能力、产出能力、自主创新能力以及科技创新绩效方面差距逐步缩小，不平衡状况在得到改善. 主要是因为长三角一体化的发展规划，政策的扶持和三省一市之间不断加强合作，安徽省积极融入，促进其科技创新能力不断提升，区域间差距逐渐缩小.

综合来看，江苏科技创新能力在三省一市中最好，科技创新投入、产出、自主创新以及科技创新绩效都居第一位，上海和浙江紧随其后，从2013—2018年的分析结果来看，浙江和江苏不断加大科技创新方面的投入，加大优秀科技人才以及先进科学技术的引进，有着良好的科技创新基础，科技创新的资源相对集聚，大力发展高技术产业，科技创新产出越来越高，使得科技创新能力不断提升，大大增强. 安徽相对较弱，主要是由于在R&D人员和经费方面投入不足，使得其自身的优势和特色也难以充分发挥.

4 结论与建议

本文通过运用熵权TOPSIS法对长三角三省一市的科技创新能力进行实证研究，得出以下结论：1)三省一市科技创新能力有所不平衡，由于各地创新基础资源不同，以及科技创新的发展阶段也不相同，长三角区域内部存在着“强者越强，弱者越弱”的“马太效应”，但随着各地不断的投入，长三角区域内部科技创新能力不均衡的状况在得到改善. 2)长三角自主创新能力不足，企业创新缺乏持久动力. 3)三省一市科技创新能力在稳定中前行，随着我国进入经济高质量发展阶段，越来越重视自主创新能力以及科技创新带来的社会效益和环境效益.

区域科技创新能力是区域经济高质量发展和提升竞争力的关键因素，为提升长三角整体的科技创新能力，使长三角在世界科技创新舞台上占据一定的地位，提出以下建议：

1)三省一市应充分发挥各自优势，深入强化合作分工，集聚创新要素，提升区域整体科技创新能力. 上海经济相对发达，科技创新基础扎实，拥有丰富的科教资源，着力改善上海的服务功能，增强上海的核心竞争力，推动上海张江、合肥综合性国家科学中心的发展，引领长三角的科技创新发展，从而促进经济高质量发展上海继续建设全球影响力的科技创新中心；江苏省应在政府引导下继续发挥企业在创新中的主体作用，开放程度高，并且注重企业在创新中的主体作用，科技创新能力总体较强，应进一步加快自主创新示范区(苏南)以及南京江北新区的建设步伐，着力打造江苏成为具有国际竞争力的制造业基地；浙江省生态环境优美，数字经济发达领先，民营经济发展迅速，针对民营企业的“减负”落实速度快、政策力度大、政策创新多；安徽省生态资源良好,创新活力强劲，特色鲜明，以科大讯飞、神州泰岳为代表的人工智能企业在语音识别、自然语言处理等技术上具有较强竞争力，2019年10月，合肥更是在此基础上获批建设国家新一代人工智能创新发展试验区，新兴产业发展迅速. 应发挥比较优势,发挥优势产业，提升区域整体科技创新能力，促进长三角一体化发展.

2)长三角作为我国科技创新示范区，应在自主创新上起带头作用，长三角区域内部应该加强合作交流，以及国际间的交流合作，着力提升整体自主创新能力. 加强高校、科研院所、企业共同合作，加大对基础研究研发投入，注重专利尤其是发明专利的研发，引进先进的优秀科研人才在长三角尽可能实现资源共享，夯实科技创新的基础建设，加大研发投入力度，保障企业在科技创新过程中的重要地位，增加专利的数量并保证质量，进一步增强原始创新能力. 政府着力为科技人才、企业家创造良好的创新环境，集中力量突破关键的卡脖子技术. 在新产品的研发以及生产方面，建立健全高校的科技成果转化机制，为企业创新创造持久动力. 人才也是自主创新的关键要素，应加大政策支持力度，实行人才评价标准互认制度，打破区域间政策堡垒.

3)长三角应继续以市场为导向，企业为创新主体，高等院校和科研院所为依托，打破体制机制障碍，促进创新要素可以跨区域流动. 科技创新券通用通兑，高校以及科研院所不应仅仅局限于人才培养，应该根据企业的创新创业需求，主动发挥自身优势，参与其中. 加强区域间合作. 推动三省一市一体化发展，带动周边长江经济带经济发展，跨区域跨行业创新资源共享共用，加强长三角中心区与苏北、浙西南、皖北等地区的深层合作，如共建合作平台、合作园区等，从而带动周边地区的共同发展. 深化并落实政产学研间的合作，营造有利于科技创新的生态环境，使得科创更好地服务于实体经济.

总体来说，长三角科技创新能力在国内已经处于较高的水平，但在未来科技创新发展的过程中，应通过市场化的手段，进一步拓宽基础研究投入渠道，加强科技创新基础设施的建设，并与区域内产业端相融合发展，以市场经济推动科技创新. 企业、高校和科研院所加强合作，并积极参与国际合作，聚集先进的科技创新资源，引进优秀的科技人才，注重自主创新能力的提升；另外随着经济发展进入高质量阶段，三省一市不单单追求经济利益最大化，在发展中更加注重人民生活的提升和环境的保护，进而提高区域整体的科技创新能力，促进长三角经济高质量发展.