地方重大科技项目创新绩效影响因素分析

廖苏亮，吴国栋，张 娟，段依竺，林振亮，邱 莹

（广东省技术经济研究发展中心，广东广州 510070）

1 研究背景

科技计划（专项、基金等）是政府支持科技创新活动的重要方式，对增强国家科技实力、提高综合竞争力、支撑引领经济社会发展发挥了重要作用［1］。我国为了解决以往科技计划体系中存在的“碎片化”“多头申报”“九龙治水”等问题［2］，通过“撤、并、转”等方式将中央各部门管理的100 余项各类科技计划（专项、基金等）整合形成5 类科技计划（专项、基金等），即国家自然科学基金、国家科技重大专项、国家重点研发计划、技术创新引导专项（基金）、基地和人才专项［3］。整合后的科技计划体系总体布局合理、功能定位清晰，更具中国特色，能更好地发挥其在提高社会生产力、增强综合国力、提升国际竞争力和保障国家安全中的战略支撑作用［4］。为落实中央改革精神，各省份在地方科技业务管理改革实践的基础上，按照新时代高质量发展的新要求，着手逐步开展地方财政科技计划体系改革工作，完善地方科技计划业务体系和管理体系。地方重大科技项目改革案例如表1 所示。

表1 我国地方重大科技项目改革案例

改革后的地方重大科技计划（专项、基金）明显呈现“大团队、多学科、高投入”的特点和趋势。以广东省重点领域研发计划为例，与改革前的广东省重大科技专项、广东省应用型科技研发专项等专项“天女散花”模式相比，重组后的广东省重点领域研发计划更加聚焦和服务于地方产业发展需求，表现出目标聚焦、多学科交叉、跨领域合作、大团队攻关等重大科技项目的典型特征［12］。广东省近年重大科技项目的立项情况统计，如表2 所示。

表2 广东省近年重大科技项目立项情况统计

在当前的科技创新治理体系下，重新配置的地方科技资源投入是否得到期望绩效的产出？投入与产出是否具备协同效应？是否真正提高了地方科技创新能力？如何科学评价影响创新绩效的关键因素？这一系列问题成为关系到区域科技创新高质量发展的核心问题，关系到进一步深化地方科技体系改革的工作方向和改革力度。因此，有必要对地方重大科技项目创新绩效开展深入研究，厘清影响创新绩效的关键因素及其内部关系，建立科学合理的评价体系。

2 研究方法

20 世纪90 年代开始，国内外学者利用多种方法构建多维度的创新绩效评价方法，分析影响创新绩效的关键因素。例如，Camison 等［13］建立结构方程的系统模型，依托企业数据研究组织创新能力对创新绩效的促进作用；Sadeghi［14］利用多决策模型，对伊朗的企业创新绩效关键因素进行了分析；Dawid等［15］利用Agent 模型，剖析企业创新能力与产出受科技政策影响状况；Şipoş 等［16］对各类创新因素进行了定量分析，提出“负面因子”的概念，并研究负向因子对创新绩效的影响；何声升［17］利用分位数回归模型研究高校科技创新绩效的影响因素；王春梅［18］从目标关联度的角度出发评价重大科技项目绩效；徐之舟等［19］基于模糊网络层次分析模型（ANP-Fuzzy）构建了创新型企业绩效评价框架；陈安等［20］引入系统动力学理论，构建了基于网络层次分析（ANP）的企业创新绩效评价模型；梁瑞敏等［21］应用二阶数据包络分析（DEA）法对山西省的科技创新效率进行评价；兰美娜等［22］分别采用熵权TOPSIS 法和DEA 模型建立科技创新能力与绩效产出评价模型，并利用耦合协调度模型对二者进行耦合分析。

从以往研究可以看出，研究科技创新绩效的方法众多，包括关键因子分析法、结构方程、模糊模型、DEA 方法等，但对于近几年科技体制改革背景下的重大科技创新绩效评价方法尚缺乏系统性的研究。重大科技项目的创新绩效影响因素（innovation performance factors，IPFs）众多且内部关联复杂，本质上是一个多标准、多影响因素和单目标的决策系统。对于涉及多标准和多因素的复杂决策系统，本研究参考Sadeghi［14］的研究，对传统的多准则决策（multi-criteria decision-making，MCDM）模型进行模糊化处理，得到模糊多准则决策（fuzzy multicriteria decision making,FMCDM），综合考虑与决策目标（创新绩效）的所有相关因素，结合文献调研、专家判断与问卷调查结果，使决策目标最优化，最后建立适用于地方重大科技项目的创新绩效评价体系，并以广东省重点领域研发计划为例进行评价分析，给出结果和相关对策建议。本研究的基本框架为：（1）综合采用文献调研、发放调查和德尔菲（Delphi）专家咨询法，确定地方重大科技项目的创新绩效影响因素；（2）采用模糊网络层次分析方法构建IPFs的优先级及权重；（3）以广东省重点领域研发计划为例进行案例分析。地方重大科技项目的创新绩效分析流程及方法框架，如图 1 所示。

图1 地方重大科技项目创新绩效分析流程及方法框架

2.1 地方重大科技项目创新绩效影响因素体系构建

重大科技项目是一项复杂的系统工程，其创新绩效的内外部影响因素众多。在对科研人员和科研管理工作者调研访谈的基础上，参考陈士俊等［23］、房瑞等［24］关于科研团队和科研项目绩效影响因素的研究，以及王春梅［25］等构建的重大科技项目绩效评价体系，本研究认为，影响地方重大科技项目创新绩效的IPFs 主要包括外部环境、负责人、团队、技术、组织实施、资金、基础条件、风险防范8 个一级IPFs，以及二级IPFs 共30 个，如表3 所示。

表3 地方重大科技项目创新绩效影响因素

2.2 确定各级创新绩效影响因素的权重及排序

鉴于重大科技项目作为一个复杂决策系统，其内部要素众多且要素之间存在相互依存、相互影响的关系，本研究应用Saaty［26］提出的ANP 方法，并通过三角模糊数(FANP)方法进行模糊处理，给出各级IPFs 的权重及排序等，建立重大科技项目创新绩效的综合分析模型。

2.2.1 独立判断一级影响因素重要性

首先，假设表3 中的地方重大科技项目创新绩效影响因素IPFs 为相互独立、不存相互影响，采用Saaty［27］提出的判断矩阵9 级标准度及其倒数的标度法（见表4），邀请相关领域专家对一级IPFs 进行两两对比，判断其重要性。采取德尔菲多轮专家咨询法（至少2～3 轮）或发放问卷的方式。

表4 判断矩阵标度及其含义

收集专家对IPFs 的重要程度评分结果后，用专业数学工具（如MATLAB 或SPSS 等）构建IPFs 重要性判断矩阵（W1），如表5 所示。其中kij为Fi与Fj的重要性标度，wi为特征向量。

表5 地方重大科技项目创新绩效一级影响因素重要性判断

在假设各IPFs 相对独立，不考虑组内和组间影响的前提下，特征向量wi集合即为重要性判断矩阵W1，用于表征一级IPFs 的重要性（相互独立）矩阵形式如下：

对重要性判断矩阵W1进行一致性检验，采用一致性指标法(consistency indicators，CI) 计算矩阵的偏离程度，若不符合一致性检验则重新对矩阵进行调整，直至通过一致性检验为止。一致性检验方法如下：

式（2）中:λmax为矩阵的最大特征值；n为判断矩阵的阶数。

引入一致性随机比率(consistency random ratio CRR)，即CRR=CI/RI，其中RI 为平均随机一致性指标，RI 的赋值取值如表6 所示。当一致性比例CR ≤ 0.1 时，该矩阵一致性检验合格；否则修正判断矩阵。

表6 平均随机一致性指标取值

2.2.2 判断一级影响因素关联度

重大科技项目作为一项复杂系统性工程，其内部要素存在一定相互依存、相互影响的关系，例如地方产业需求影响项目技术目标和组织方式，项目负责人的统筹协调能力直接影响项目团队的分工合作，研发资金影响项目技术路线和组织实施等，如图2 所示。

图2 地方重大科技项目创新绩效一级影响因素关联关系

由于各级IPFs 组内关联度和组间关联度均无法用定量的数值来表达，而模糊理论可将不确定的定性描述转化为定量数值进行计算分析。参考范英等［28］的做法，本研究采用三角模糊数法进行半定量化处理（见表7），并修正传统三角模糊数定义以适应地方重大科技项目创新绩效评价体系。邀请专家对一级IPFs 之间的相互影响度进行三角模糊数评判，处理后得到模糊评价结果。

表7 三角模糊数标度及其倒数

基于三角模糊数方法，分别邀请技术、管理、政策类专家对各风险因素作相互影响重要度评判，综合考虑专家权威性、置信度等影响条件，将专家意见融合，得到三角模糊标度并进行反模糊化处理。邀请专家评判各元素相互影响度，按照一定的权重将各个专家结论进行融合，可得到各IPFs 的三角模糊标度R。融合处理方法如下：

式（3）中:n为专家数；ri为第i个专家的权重；CC(Ei1)、CC(Ei2)、CC(Ei3)分别为第i个专家评判的三角模糊标度的上值、中值和下值。

得到专家的三角模糊评价结果后，参考Markowski 等［29］的做法，采用重心法将专家意见融合实现反模糊化。三角模糊标度经融合后，转化成一个具体的关联度数值：

式（4）中:Cij为三角模糊标度构成的三角形的重心，即反模糊化后的重要度数值；f(x)是隶属度函数；x为研究范围中的任一元素。

每个一级因子Fi均可与其他一级因子Fj均通过三角模糊数标度法建立关联。通过一致性检验后，构建一级IPFs 关联度判断矩阵（W2），如表8 所示。其中W2为一级IPFs 的关联度判断矩阵，hij为Fi对Fj的三角模糊标度融合后的关联度标度值。

表8 地方重大科技项目创新绩效一级影响因素关联度判断矩阵

2.2.3 一级影响因素全局重要性排序

加权超矩阵W'综合考虑影响创新绩效的因素的重要性和独立性，由重要性矩阵W1和关联度矩阵W2相乘后得到。计算公式如下：

式（5）中：W'为一级IPFs 的全局加权矩阵；W1为重要性独立判断矩阵；W2为关联性判断矩阵；为一级IPFs 因素Fi的全局重要性权重。

2.2.4 确定二级影响因素权重及排序

首先计算各二级IPFs 在同一父级IPFs 下局部重要性权重WLocal。同样采用判断矩阵标准度及其倒数的标度方法，利用1～9 标度进行两两对比，对二级IPFs 的重要程度进行评分后，构建独立判断矩阵，得到局部重要性权重WLocal，再将二级IPFs 的WLocal与父级IPFs 的全局重要性相乘，得到二级IPFs 的全局权重。计算公式如下：

矩阵通过一次性检验后，可得到所有一级IPFs和二级IPFs 的权重及排序矩阵。

3 广东省实例分析

以广东省“4+2”科技计划体系为例，研究具有广东地方特色的重大科技项目创新绩效评价体系。邀请5 名参与过广东省重点领域研发计划的项目牵头人、3 名科技管理类以及1 名科技政策类专家作为咨询专家，并根据专家的专业、职称、主持或参与重大项目的经历情况等要素确定专家的可信度权重。为提高专家评价结果的客观性、科学性和可信性，采用Delphi 法，将专家意见汇总后进行两轮反馈，修正分歧较大的专家意见直至达成共识。

首先假设各因素之间没有相互影响，对8 个一级IPFs 重要性进行两两判断。将专家评价结果运用MATLAB 工具进行计算，建立重要性独立判断矩阵，一级IPFs 重要性的计算结果如表9 所示。

表9 广东省重大科技项目创新绩效一级影响因素重要性独立判断矩阵及权向量

计算得出特征向量wi，集合后即得一级IPFs 的重要性判断矩阵W1：

采用一致性指标法计算矩阵的偏离程度，经过计算，一致性随机比率CRR=0.069 ＜0.1，满足一致性要求。重要性独立判断结果表明，一级IPFs 的重要性独立判断的顺序为：技术＞组织实施＞团队＞基础条件＞资金＞风险防范＞牵头人＞外部环境。

在IPFs 内部关联度方面，邀请专家对三角模糊数进行判断，归一化处理后，得到关联度判断矩阵W2，如表10 所示。

表10 广东省重大科技项目创新绩效一级影响因素关联度判断矩阵

将一级IPFs 的重要性独立判断矩阵W1与关联度判断矩阵W2相乘，归一化处理后得可得一级IPFs的全局权重，结果如下：

对二级IPFs 的重要程度进行评分后构建独立判断矩阵，得到各二级IPFs 在同一父级IPFs 下局部重要性权重WLocal，再将二级IPFs 的WLocal与一级IPFs的全局重要性相乘，得到二级IPFs 的全局重要性Wglobal排序，如表11 所示。

表11 广东省重大科技项目创新绩效影响因素权重及全局排名

根据以上计算结果，可得到影响广东省重大科技项目创新绩效影响因素的全局排序，如表12 所示。

表12 广东省重大科技项目创新绩效二级影响因素重要性全局排序

4 结论

本研究针对多个地方科技计划体系改革现状及趋势，开展影响地方重大科技计划项目创新绩效的因素研究。在综合调研的基础上，提出了影响地方重大科技项目创新绩效的8 个一级因素以及32 个二级因素，并基于模糊理论构建了创新绩效评价方法和流程，最后以广东省重点研发计划为例进行实例分析，得出影响项目创新绩效的因素从大到小依次排序为：技术、组织实施、团队、基础条件、资金、牵头人、风险防范、外部环境。

但须注意的是，因各地区的产业结构、科技水平、创新环境不同，科技计划的战略定位、政策背景和实施环境也不同，因此地方科技计划项目创新绩效影响因素的重要性将有所差异。在本研究案例中，因受中美贸易争端影响，广东省近两年来为解决产业发展的核心技术、关键零部件、重大装备受制于人的瓶颈问题，部署重大科技项目来进行核心关键技术攻关，科技计划与地方产业发展的需求紧密结合。因此在创新绩效影响因素中，技术路线（F72）、产业需求（F12）、应用前景（F73）等因素的重要性和影响程度可能强于其他区域；同时因为科技计划的目标已十分明确，故研究目标（F71）对创新绩效的影响度减弱。