智慧专业化背景下我国高校科技创新能力提升研究

许晓东，智耀徵

（1.华中科技大学公共管理学院；2.华中科技大学教育科学研究院，湖北武汉 430074）

随着经济全球化趋势的快速发展，知识经济时代已经到来，区域创新能力正成为地区经济获取国际竞争优势的重要力量。因此，如何提升区域创新能力已成为当前学术界讨论的焦点。由于区域之间地理环境、资源禀赋存在差异，在结构性和周期性等影响因素的作用下，普适性的区域创新发展战略已难以适应经济个性化的发展，智慧专业化将成为区域创新发展的理性选择。2013 年OECD 在《区域创新驱动发展：智慧专业化的角色作用》中指出，智慧专业化战略是基于区域特征的情况下，通过制定与自身创新能力相匹配的政策来影响区域经济、科学和技术的专业化发展，避免创新过程中出现的重复性和碎片化现象，从而提升区域竞争力［1］。可以说，智慧专业化发展至今，深刻的影响着欧盟乃至全球地区的区域创新发展进程。在这样的背景下，借鉴智慧专业化战略推动我国区域创新发展已势在必行。

党的十九大报告指出，我国要坚定不移贯彻创新、协调、绿色、开放、共享的发展理念，这也标志着创新成为区域经济转换增长动力的重要驱动因素。高校作为国家自主创新能力建设的生力军［2］，是集知识生产与再生产、高新技术研发、科技成果转化和服务社会等功能于一体的机构。区域开展基础性、前沿性与社会公益性研究以及促进当地科技创新与产业转型升级、加快推进创新型省份建设均离不开对高校的依托。可见，高校科技创新能力成为衡量区域创新能力的主要指标之一。

然而，长期以来我国经济发展水平存在区域差异性，区域间高校的科技创新能力也参差不齐。那么，国家在区域高校科技创新能力存在差异的情况下实施创新驱动发展战略，可能会导致发达地区因科技创新能力强而得到更多的发展机遇，和欠发达地区持续拉大差距，这与“协调”“共享”的发展理念相背离。而智慧专业化战略以新的角度分析高校科技创新能力对区域创新发展的影响，强调以开放的眼光审视各区域高校科技创新能力的高低，探寻其空间演变趋势和存在差距的原因，从而立足于区域基础，挖掘和发展创新资源，明确竞争优势和劣势，建立创新行动计划［3］，这对于我国实现创新驱动经济增长、缩小区域间发展差距具有重要的理论和现实意义。

1 文献综述

国内有关高校科技创新能力的研究多集中在以下两个方面，一是对高校科技创新能力的概念界定及评价指标的确立，二是对高校科技创新能力评价方法的选择。

厘清高校科技创新能力的概念及其构成要素，有助于科学合理的构建评价指标。学者们对高校科技创新能力进行评价分析时，基于不同的切入视角对其进行了概念界定。几种典型的切入视角见表1。

表1 高校科技创新能力的概念和构成要素

可以看出，无论从哪个切入视角来理解，高校科技创新能力是一种综合能力，是伴随着整个创新活动过程中所表现出来的，来单纯的从某一方面去评价是不全面也是不科学的。正是因为高校科技创新能力是包括多种要素组成的复杂系统，考虑到评价内容的全面性、数据的可获取程度等因素，评价指标的构建变得尤为重要。学者们虽然对构成要素没有形成一致的认识，但都认可高校科技创新能力是各要素之间互相作用而产生的，都考虑到了包括基础资源、创新支撑在内的创新资源投入和成果产出与转化这两个层面，因此，为了增加对高校科技创新能力评价的客观性和合理性，在构建评价指标时综合考虑了上述几种观点。

此外，评价方法的选择也会在一定程度上影响评价结果的科学性。学者们通常使用的评价方法主要有主观赋权法和客观赋权法两种，但都有其局限性。主观赋权法包括专家赋权法、德尔菲法等［10-11］，它们的缺陷是由于主观确定权重，可能会使得评价结果产生随意性。客观赋权法包括熵值法、数据包络分析法等，熵值法的局限在于只能处理指标数据中大于零的值［12］，并且不能对评价指标进行降维；数据包络分析法的问题在于分析时易受数据极值的干扰与影响［13-14］，导致结果与实际的评价要求不一致。C.E.斯皮尔曼提出的因子分析法可以较好的克服上述缺陷，该方法是从评价指标群中提取出具有高解释性的公共因子来进行分析，它的权重既非主观确定，又可以对评价指标进行降维，也无需对原始数据做任何处理。因此，为了增强测算的可信度，将采用因子分析法进行分析［15］。

当前我国区域绝对差距仍在扩大、一体化进程缓慢，区域创新从“能创新什么”逐步演化为“明确创新优势，弥补创新短板”。智慧专业化注重区域科技创新能力的自我评估，通过扬长补短的方式为区域创新发展提供政策思路和理论依据。在此背景下，构建出高校科技创新能力评价指标体系，运用因子分析法深入分析各省高校科技创新能力，根据自身创新潜力和实力因地制宜地提出政策建议，以期缩小区域科技创新发展水平差距，实现区域经济的协调发展。

2 评价指标、数据与研究方法

2.1 评价指标与数据

基于前文对高校创新能力概念及构成要素的认识，从《高等学校科技统计资料汇编》分解出8 个一级评价项目，并进一步细分为18 个二级评价指标来具体衡量高校科技创新能力，如表2 所示。前4个评价项目反映的是潜在的高校科技创新能力，其中人力资源、财力资源是高校创新活动开展的必备保证，且创新体系的关键在人，人是创新体系诸要素中唯一主动的要素［16］；学术交流和科研项目为高校进行科技研发提供了平台，没有支撑平台，高校将无法进行科技创新。后4 个评价项目衡量的是实际的高校科技创新能力，其中论文著作、知识产权与专利、技术转化直接反映科技创新成果的产出与转化情况；成果奖励代表高校在该领域的研究水平与地位。

表2 高校科技创新能力评价指标体系［17-23］

为了使研究更具说服力，避免由于截面数据可能造成结果的偶然性问题，依据表2 构建的评价指标，取2016 和2017 两年《高等学校科技统计资料汇编》中我国31 个省份（不含港澳台地区，下同）各项原始数据，分别用每个指标两年的均值形成数据集来做研究。

2.2 研究方法

因子分析是一种降维的方法，通常用于存在很多变量的情形。当评价某项结果的变量较多时，如果直接观测，我们很难从众多变量中识别出影响该结果的本质因素。然而，由于某些变量之间往往相关程度较高，我们可以用因子分析法在变量群中提取出几个具有代表性的因子，将反映相同本质的变量归于一个因子，从而可以很好的避免维数诅咒问题。因此，本文运用因子分析法用少数的公共因子来概括衡量高校科技创新能力的众多评价指标，依据各自公共因子的方差贡献率来赋予其各自权重，从而较为客观合理的评价高校的科技创新能力。具体而言，其实施步骤如下：

（1）模型检验。对31 个省份高校的二级评价指标数据进行检验，结果见表3。总体KMO 检验值为0.718＞0.6，说明各省份高校的二级评价指标变量相关性较强；Bartlett 球形检验值为1 333.257，P=0.000＜0.001，显著拒绝18 个变量的相关系数矩阵是单位阵的原假设，即适合做因子分析。

表3 KMO 和 Bartlett 的检验

（2）标准化处理。由于不同的评价指标存在不同的赋值方法，为了指标的统计口径一致，对各变量先进行标准化处理，公式如（1）式所示。由此得到标准化后的高校科技创新能力指标向量，这些向量服从标准正态分布，即Z=(z1，z2，…，z18)T，Z～N(0，1)。

（3）提取公共因子。Z代表我国31 个省份高校科技创新能力指标向量中公共因子与特殊因子的线性之和，即Z=AF+ε（p＜19），载荷矩阵见式（2）。其中F1，F2，...，Fp为提取的公共因子，是对高校科技创新能力起主要作用的因素；ε1，ε2，...，εp表示特殊因子，是各评价指标中不能被公共因子解释的部分；aij为因子载荷，表示第i个评价指标对第j个公共因子的重要性。

进行公共因子提取时，通常认为当因子的特征值大于1 且累积贡献率大于85%时，提取的主成分可以概括全部原始变量的信息。因子分析提取结果见表4。

表4 公共因子的特征值与贡献率

可以看到，前两个成分的特征值分别为14.337和1.212，累积贡献率达到了86.382%，故将前两个因子F1、F2作为高校创新能力评价的公共因子进行分析。公共因子F1和F2旋转后的方差贡献率分别为43.256%和43.126%，可见这两个公共因子是衡量高校科技创新能力最重要的因素。

（4）因子旋转与得分。为了进一步分析上述两个公共因子承载着哪些高校科技创新能力评价指标的信息，通过方差最大正交旋转法，得出如下表5所示的因子载荷矩阵。

表5 因子旋转成份矩阵

公共因子F1上有较高载荷的指标包括教师人均支出经费、教师人均投入经费、研究与发展人员、主办国际会议、科技合作研究派遣和接受人数、政府投入经费、研究与发展全时人员、总投入经费、总支出经费、研究与发展人员中高级职称占比，这些指标主要属于人力资源、财力资源与学术交流评价范畴，即衡量创新资源投入对高校科技创新能力的影响程度，可将公共因子F1概括为高校科技创新投入因子。公共因子F2上有较高载荷的指标包括专利授权数、专利申请数、科技著作、其他知识产权、技术转让合同、学术论文、申请课题数目、国家与省部级成果奖，这些指标主要用来评价高校科技论文著作、成果奖励、知识产权与专利产出以及技术转化情况，因此，可将公共因子F2概括为高校科技创新产出因子。

（5）依据表5 和原始数据，采用公式（3）计算因子得分函数，即将公因子表达为各个变量的线性形式。

其中Fij表示第i个省份在第j个公共因子上的得分，aij表示第i 项指标在第j个公共因子上的得分系数，zim表示第i个省份标准化后的第n项评价指标的数据。但Fij是从单个因子的侧面来衡量高校科技创新能力的，难以做到综合评估。因此，采用公式（4）来计算高校科技创新能力的综合得分F。

其中Fi为第i个省份高校科技创新能力得分，σ1和σ2为2 个公共因子的方差贡献率。值得注意的是，F是标准化后的综合得分，均值为0，标准差为1。为了分析方便，将2 公共因子的得分和综合得分均转化为百分制的高校科技创新能力得分，分别 用F1_facator、F2_facator、F_facator表 示。以F_facator 为例，转化公式如式（5）。

3 区域高校科技创新能力评价

按照上述方法计算我国31 个省份高校的科技创新能力，并分别按照综合得分和各公共因子得分进行排名，得到的结果如表6 所示。

表6 高校科技创新能力得分及排名

3.1 高校科技创新能力综合得分分析

比较高校科技创新能力综合得分以及排名情况，从表6 可以得出，高校科技创新能力总体上呈现由东到西区域逐级递减的趋势，这种区域差异特征与其经济发展差异特征呈现出高度的耦合性。前5 名依次为北京市、江苏省、上海市、广东省与湖北省，集中在东中部发达地区。这些省份是优质高等教育的集中区域，研究与发展人员众多，经费可支配度大，对外交流与合作程度频繁，使得高校科技创新潜力提升；同时也是参与经济全球化的主体区域，工业门类齐全、高新技术市场需求量大，能够加速新知识、新产品、新技术、新方法的产出与转化。总体而言，这些省份正在加速建立以创新为主要支撑的经济体系，为提升区域经济发展水平打下了基础。排名处于中间多为中部地区省份，如黑龙江省、安徽省与湖南省等，这些省份经济较为发达，拥有一定数目的高校，人力与财力资源、支撑平台的投入较为充裕；加之市场环境较好，提高了企业对高校投资的积极性，与高校联合建立各类科技创新成果产业园，在创新成果产出与转化方面有较强的后发优势，为区域经济的发展提供了较为优越的外部环境。处于后5 名的分别是宁夏自治区、贵州省、海南省、西藏自治区与青海省，除海南省以外，其余均为西部欠发达地区。这些西部地区省份的共同点是地理位置偏僻、自然环境较差导致经济发展薄弱，科技创新成果产出与转化受到一定限制，加之高校数目较少，难以吸引优秀的科研人才，国际学术交流匮乏，高校科技创新能力明显处于劣势，制约区域经济的发展。

此外，高校科技创新能力在区域内部存在非均衡性。3 大地区中都出现高校科技创新能力表现突出和表现差强人意的省份并存的现象，这也能在一定程度上反应出区域总体创新水平。具体而言，东部地区中北京市以较大优势领先其余省份，无论是在科技资源投入潜力还是在科技成果总产出能力方面都位居前列；位于长三角、珠三角地带的上海市、江苏省、浙江省、广东省排在全国前10 名，高校科技创新能力较强；海南省虽然近几年旅游业发达，但经济实力仍有所欠缺，高校数目少之又少，科技资源投入与产出能力都与其他东部省市存在明显的差距。中部地区中湖北省进入全国前列，该省高校较为集中，在政府主导、政策支持下高校利用自身的优势学科、人才和技术与企业合作，以创办科技园的方式加速高校科技成果的产出与转化；山西省排名较为靠后，这是由于该省GDP 总量低于全国平均水平，高新技术消化吸收再创新有所脱节，加之进入全国百强高校数目较少，导致创新资源并未产生预期相应的科技成果。西部地区中陕西省和四川省排名较为靠前，这两个省高校教育资源较为良好，具备完善的科研平台，承担课题项目逐年上升，加速了科技成果的产出与转化，对西部地区的经济发展起了一定的推动作用，但剩余大部分省份得分较低，高校科技创新能力有待加强。

从上文得出，我国高校科技创新能力存在明显的区域差距，在我国创新驱动战略大力实施的情况下，区域间高校科技创新能力的差距会持续拉大下一阶段经济发展水平的差距，这也可以在一定程度上解释了我国虽在大力发展中西部地区，但区域协调发展效果依然不显著的情形。因此，现阶段智慧专业化战略发展重心是缩小区域间创新能力的差异。在制定智慧专业化的战略目标、积极探索区域专业化的创新产业发展路径过程中，精准把握高校科技创新综合能力，厘清高校在创新活动中的优势与劣势，是其中重要的环节。

3.2 高校科技创新能力投入与产出因子得分分析

为了进一步分析各省高校科技创新能力高低是受投入因子还是产出因子的影响，将各省份投入因子得分、产出因子得分与各自均值（30.467 和22.586）进行比较，绘制得到如图1 所示的散点图（投入与产出因子均值作为坐标原点），我们可以把31个省份分为3 种类型：

图1 高校科技创新投入与产出因子得分散点图

第1 类，投入产出协调型。按照所属的高低类别，可将其分为高水平和低水平2 个子类：

高水平型位于图1 第一象限，包括北京市、广东省、湖北省、安徽省与四川省，集中在东中部地区。这些省份创新投入与创新产出能力均高于全国平均水平，对高校科技创新能力起到了拉动作用。以北京市为例，作为双一流高校建设的积聚省份，建设数量高达26 所，其中2017 年高校研究与发展人员有36 983 人，教师人均支出经费227.22 千元，举办国际会议次数248 次，出版著作1 047 部，专利授权10 564 项，技术转让合同签订1 011 个，影响投入与产出因子中权重比较大的指标值都在全国名列前茅，使得高校创新能力综合得分表现出众，加速地区经济的发展。这与北京市是我国政治经济文化中心、科技创新中心与优质教育资源中心的形象完全符合。

低水平型位于图1 第三象限，包括海南省、江西省、山西省、广西自治区、云南省、甘肃省、内蒙古自治区、新疆自治区、宁夏自治区、贵州省、西藏自治区与青海省，主要以中西部地区为主。这些省份基本占据了高校科技创新能力综合排名的末端，投入与产出能力都在全国平均水平线以下，成长空间较大。如青海省2016 年和2017 年创新资源投入与科技成果产出与转化方面各项数据仍不及北京市的1/10，其中技术转让合同的签订仍然没有实现0 的突破，加之其地处高原，经济实力落后，仅有3 所高校，高校科技创新能力表现不如人意，区域竞争力弱。

第2 类，投入领先型。位于图1 第四象限，包括上海市、辽宁省、天津市、福建省、黑龙江省以及吉林省，这些东中部省份的高校创新能力主要靠创新投入能力在起作用，未能最大化的利用高校科技创新资源进行成果的产出。就上海市而言，存在明显的投入能力高、产出能力低的情况。上海市在人力资源、财力资源、支撑平台方面的评估指标数值都遥遥领先于其他省份；但创新成果的产出与转化能力则一般，如影响较大的产出指标中科技著作、专利授权与技术转让都处于全国中等位置，科研资源并未能完全“消化和吸收”产出相应规模的科研成果，也就是说，高校科技创新能力更多依赖于投入因子的得分位居前列，产出因子对其起到了制约作用。智慧专业化战略指出，如果不对资源进行有效挖掘与开发，就难以精准识别资源所带来的竞争优势与发展前景，从而阻碍创新成果的产出。

第3 类，产出领先型。位于图1 第二象限，包括江苏省、浙江省、山东省、河北省、湖南省、河南省、陕西省以及重庆市，这些省份的高校科技创新能力更多依赖于创新产出能力，与投入领先型正好形成鲜明对比。以江苏省为例，近3 年来不断颁布相关政策鼓励高校与企业之间进行产学研合作，实施“校企联盟”行动，将科技成果进行大规模的专业化、集约化、商品化处理，因此，论文著作、知识产权与专利、技术转化、成果奖励等指标值都稳居其他省份之上，科技创新产出能力强；该省作为全国高校分布最多的省份，虽然整体资源投入较多，但分摊到每个高校中，资源投入则相比北京、上海等经济发达城市而言显的不足。这也在一定程度上说明该省科技资源利用效率高，科技创新能力呈现出良性发展趋势。

4 结论与建议

基于智慧专业化背景下，采用因子分析法对我国高校科技创新能力进行评价，主要得出以下结论：

第一，从综合得分来看，我国31 个省份高校科技创新能力呈现出从东部到西部梯形递减的趋势；此外，地区内部不同省份间高校科技创新能力也参差不齐，区域发展不平衡问题仍然存在。第二，从投入因子和产出因子得分来看，高水平投入产出协调型集中在东中部省份，投入与产出能力都较为突出；低水平投入产出协调型多集中在中西部落后省份，投入与产出能力明显不足；投入领先型以东中部省份为主，其投入能力表现最为出众；产出领先型省份在3 大地区中都有分布，其科技资源利用率高，恰好与前者形成鲜明对比。

创新驱动发展离不开区域经济发展模式的转型。智慧专业化作为一种新兴战略，目的是优先发展区域内潜在竞争力大的产业和技术，因此，客观准确的识别优势科技发展领域，开展创新活动带动相关关联产业的发展，才能实现产业的转型升级。2015年国务院印发《统筹推进世界一流大学和一流学科建设总体方案》，强调要加快一流大学和一流学科建设，并对高校提出了培养拔尖创新人才、提升科学研究水平、着力推进成果转化等任务。对于高校发展来说，机遇与挑战并存。努力推进高校科技创新能力更上一个台阶，这不仅是建设世界一流高校的重要举措，也是提升区域经济竞争力的必然要求，具体而言可从2 个方面提升：

其一，建立中西部地区高校科研资源补偿机制，深化产学研合作。结论一表明，我国东部地区省份高校创新能力总体上领先于中西部地区，中央政府应落实科技经费多向中西部高校倾斜政策，注重对高校人力资本的积累［24］，吸引优质科研人才，加强高水平科技人才队伍建设；完善高校科技学科的联合互动机制，实现创新资源与信息共享，以东部带中西部、以强省帮弱省［25］；树立对外开放意识，创设良好的国际交流环境，不断发挥高校“知识溢出”效应，从而提升中西部地区高校科技创新潜力。再者，完善高校科技创新成果转化机制，提升高校科技创新实力。尤其是高校科技创新能力较弱的中西部省份，通过建立高校科技园，创设校办产业，与企业共创技术研发与成果转化中心等推动高校产学研合作［26］。从投入和产出能力两手抓，逐步缩小高校科技创新能力的地区差异，实现区域创新的协同发展。

其二，重视各省之间个体差异性与创新效率规律，寻求特色高校科技创新之路。结论二得出，产出领先型省份科技资源转化率高；投入领先型省份科技资源并未被完全吸收，科技成果产出与转化能力差。那么，地方政府应因地制宜，充分了解各省份之间的个体差异性，按其所需、合理规划配置资源，有效进行研发活动调整，进行动态化的创新。产出实力强、创新效益良好的省份应加大创新资源的投入，提升其高校科技创新潜力，利用自身科研产出与转化优势，向国际前沿、国家重大需求与地区实际需求出发，选准科技创新工作的主攻方向，培养学生创新创业精神，推动地方新技术、新产业、新业态的飞速发展，从而打造科技创新的“示范省”“领头羊”。而创新资源丰富但产出成果低的省份则应进行供给和需求双侧改革，同时准确把握与适应市场需求，提升高校基础研究知识成果的产出与向经济开发区、产业园区的转移转化，从而提升高校科技产出能力，优化科技资源的配置。

由于《高等学校科技统计资料汇编》数据所限，在构建评价指标体系时，更多选取的是显性和常规量化的指标，如高校人力资本、投入经费、科技成果等方面指标，对政策环境、组织管理、创新文化等其他体现高校科技创新能力的指标未纳入评价指标体系中。这也是今后需要进一步深入研究的地方。