我国高校科技创新能力现状及影响因素①——基于AHP-TOPSIS和QR分位数回归模型

蔡文伯，陈念念

（1.石河子大学，新疆 石河子 832000；2.西南民族大学，四川 成都 610041）

一、问题提出

我国在“十四五”时期以及未来更长时期，国家的经济发展和民生改善都迫切需要科技创新。［1］科技创新是实现高质量发展的关键动力，也是各区域实力竞争的主导性因素。高校是科技创新成果的孵化基地，对地区经济发展有重要影响。我国学者对高校科技创新进行了诸多方面的研究。

有学者对高校科技创新效率和不同省份高校科技创新效率进行过研究。吴宏超，马聪颖利用DEA-Malmquist 模型研究发现，“一带一路”沿线省份的理工类和人文类高校整体科技创新效率比较高，但不同省份的效率值存在较大差异。［2］郑山水对广东省高校科技创新效率进行分析并提出了相关建议。［3］宋维玮等分析出湖北省在2011—2013年高校创新水平排名较靠后。［4］李滋阳，李洪波等人利用随机前沿函数模型分析，发现江苏省高校及高校J的科技创新效率较好，但学—政与学—研的支持度和贡献度较低。［5］对高校科技创新的研究偏好采用DEA 数据包络模型进行测量。张运华等采用DEA 模型分析发现，高校在科技投入和产出阶段有效度达到76.6%，但成果转化较低仅在6.7%左右有效。［6］符银丹等采用DEA 模型分析发现，2008 年我国“985 工程”高校由于规模无效率导致科技创新效率较低。［7］李芸等通过SBM 模型研究发现，我国科技创新效率变化主要由技术效率变化导致。［8］沈能,宫为天基于DEA模型研究发现，我国高校受产业、政策以及创新文化影响，科技创新效率比较低。［9］本研究从高校科技活动自身具备的资源视角出发，选取高覆盖的高校科技资源指标体系并把政府和企业协同参与纳入指标体系中；并以AHP-TOPSIS 综合评价模型来代替DEA 模型，希冀为高校科技创新的研究拓展路径并通过对高校科技创能力的深入分析，为推动我国的科技发展进步和合理配置科技资源提供建议。

二、研究设计

（一）指标体系选取

1.评价指标体系

本研究借鉴了学者王立剑、刘佳［10］对高校科技创新指标体系的研究，在该研究的基础上，遵循指标体系设置的科学性及可运算原则，从四个维度构建了我国高校科技创新的26项指标。创新基础能力是高校科技创新必须具备的基本要素，已成为我国高校科技创新的动力来源，主要包括科技人力和科技物力两项二级指标。创新投入能力主要包括科研人员投入、研发经费和科技经费三项二级指标。其中，科研人员投入为高校科技创新储备了丰富的人力资源，有利于高校科技创新成果产出，而高素质科技人才又可以推动高校科技创新向更广、更深和更高维度发展。研发和科技经费投入为我国高校科技创新提供了有力保障，以保持高校科技创新发展的延续性。创新产出能力主要包括科技专著和论文发表、学术交流成果两项二级指标。科技专著和论文发表已成为高校科技创新的代表性、标志性成果，在一定程度上也代表着高校的科技创新水平。国际交流有利于高校科技国际化合作，在交流过程中能够为高校科技创新汇聚资源要素，打开国际化市场。成果转化能力是高校科技创新对接服务的重要一环，体现了高校产学研合作水平机制以及高校与企业的交互效果。该指标下包括专利出售成果和技术转让成果两项二级指标。根据二级指标又选取了更为细致和高覆盖的三级指标。（见表1）

表1：高校科技创新能力指标体系

续表1

2.影响因素指标体系

为进一步探究影响高校科技创新的关联因素，本研究选取了8个指标。人力资本是高校科技创新的基础动力来源，能够对高校技术创新水平产生重要影响。研究机构是高校科研成果产出中心，能够避免高校管理行政化带来的弊端，成为高校科技创新协同高效的科研平台。科研经费是推进高校科技创新活动开展的基本保障，能够保障科技创新成果质量。高校发明专利授权数代表着高校的科技创新产出成果，能够给高校带来经济价值和商业价值。论文发表数在一定程度上代表着高校科技研发水平的高低，成为高校科技追求创新的延续。市场技术合同交易额作为高校科技创新成果转化的重要标志，既能够显示出高校科技创新成果的市场化和产业化倾向，又能代表高校科技成果转化能力。参与国际交流可以开阔研究者的视野，使其掌握国际科技研发的风向标，有助于提升高校的科技创新水平。经济发展水平的高低决定了高校科技创新经费的投入，也制约着高校科技创新发展环境。（见表2）

表2：高校科技创新能力影响因素指标体系

（二）数据来源及预处理

本研究选取2010—2018 年国内30 个省份（未包括香港、澳门、台湾和西藏）的高校科技创新指标数据和高校科技创新能力影响因素指标数据。数据主要来源于《中国科技统计年鉴》《高等学校科技统计资料汇编》《中国教育统计年鉴》《中国经济统计年鉴》。由于选取指标较多且数据年份更新不一致，为了保持数据一致性，本研究把数据选取到2018 年。文中所选指标均为正向指标，采用归一化方式对数据进行处理以确保分析结果的准确性。处理后将原始数据转化为［0-1］之间的无量纲数据并把高校科技创新标准化数据以决策矩阵方式加以呈现，即：

（三）模型的选取

1.AHP主观权重模型

美国运筹学家T.L.萨蒂（T.L.Saaty）提出层次分析法（AHP），该方法的核心是通过两种要素之间相互比较构建判断矩阵并结合决策者经验进行量化，不仅可以为决策者提供决策依据而且在处理复杂问题上比较实用和有效，但是其易受主观因素影响。［11］

首先，选取我国高校科技创新能力相关指标并建立层次结构，经过同一层次要素之间两两比较构建判断决策矩阵表示高校科技创新能力指标数据决策矩阵中Ci和Cj相比较后的数值。其次，完成高校科技创新能力决策矩阵的构建后，通过几何平均法计算权重，各指标主观权重为：检验构建的决策矩阵是否通过一致性检验。

2.TOPSIS模型综合评价

TOPSIS 模型通常运用于多目标决策分析中，是一种接近理想状态的科学分类方法。［12］如果评估对象距正理想解越近而距负理想解越远，则高校科技创新能力水平越高。但是TOPSIS模型在多层次多因素评价中容易受限。将层次分析法（AHP）和TOPSIS模型综合评价两种方法结合既能体现AHP 层次分析法的研究路线，又能保留TOP⁃SIS 法对指标数据本身特性的关注，有效降低主观因素影响。［13］

首先，将标准化后的决策矩阵Zij和各指标权重矩阵Wi相乘，可以得到加权后的标准化决策矩阵3……，n）。其次，确定高校科技创新能力正负理想解。正理想解为：V+=｛（MaxVij，j∈j+）,（MinVij，j∈j-）｝，（i=1，2，…，m），负理想解为V-=｛（MinVij，j∈j-）,（MaxVij，j∈j+）｝，（i=1，2，…，m）。再次，计算到正负理想解的距离。最后，计算我国高校科技创新能力指标相对贴近度C。相对贴近度值代表着高校科技创新能力高低，根据相对贴近度值，确定各省的高校科技创新能力水平。

3.σ收敛检验

为了解我国高校科技创新能力水平差异变动趋势，本研究选取σ收敛性准则判断我国高校科技创新能力水平的离散程度。其公式如下：

Ck（t）表示第k 省t 时期的综合评价相对接近度值，n 代表总省（市）个数，n=30。如果σt+1>σt时，表明我国高校科技创新能力存在σ 收敛且高校科技创新能力差距逐步扩大。

4.QR分位数回归模型

QR 回归模型又称分位数回归模型，相比OLS模型，本研究利用QR 回归模型分析高校科技创新能力存在差异的影响因素相较于利用其他模型分析具有独特优势。它可以不受非正态分布和异方差的影响，能够测量各变量在不同分位点的回归系数，使分析更加深入，结果更具有稳健性。［14］本研究采用的QR回归模型为：

其中Qyi（δ/Xi）表示yi第δ 个条件的分位点，β（δ）为第δ个分位数系数估计。当分位数基本回归模型与本研究的面板数据相结合，得到以下分位数回归模型：

i 代表30 省（市），t 代表年份，即2010—2018年。本研究为降低异方差和多重共线性影响，对影响因素各变量进行了对数处理。处理后的QR模型为：

三、结果与分析

（一）AHP指标权重计算

1.各指标权重计算

本研究利用层次分析法（AHP）计算我国高校科技创新能力的26项指标指标权重。用两两比较法和1－9 重要性比例尺度并结合专家打分意见，构建了高校科技创新能力评价的26项指标决策矩阵，最终确定高校科技创新能力各评价指标的权重。（见表3）

表3：高校科技创新能力评价指标权重

通过构建26 阶判断矩阵并利用AHP 层次分析法进行研究，可得26项数据指标的权重值为：

2.指标权重一致性检验

由准则层决策矩阵的特征向量值计算λmax（最大特征根）分别为｛6.440，8.677，5.241，7.128｝，再分别代入公式中计算得到CI 值为｛0.088，0.097，0.060，0.021｝，CR<0 意味着中间层决策矩阵所得权重具有一致性，本研究判断矩阵通过一致性检验。（见表4）

表4：一致性检验结果

（二）TOPSIS评价值计算

由标准化后的数据矩阵Y与各指标权重值w相乘得到加权标准化决策矩阵Z为：

则各指标数据经过加权标准化后决策矩阵V的正负理想解为：

1.高校科技创新能力时空分析

通过线性加权进一步计算出我国高校科技创新能力的相对接近程度值，可以得到高校科技创新能力评价对象与最优方案的接近程度值，本研究中的相对贴近度大小代表高校科技创新能力水平高低，其数值在［0—1］之间波动，相对贴近度越接近1 说明高校科技创新能力越优。根据省域情况，2010—2018 年各省（市）的高校科技创新能力整体呈现上升趋势，其中北京高校科技创新能力最优，江苏、广东、湖北、辽宁和四川次之，青海、宁夏、海南、新疆和贵州的高校科技创新能力则处于落后地位（见表5）。

表5：高校科技创新能力TOPSIS综合评价相对接近度分析

续表5

区域分析结果显示，2010—2018 年我国东部、中部、西部和东北地区的高校科技创新能力整体呈现上升态势，其中东部高校科技创新能力上升水平比较快；2010—2016 年，东北地区的高校科技创新能力一直赶超中部高校科技创新能力，2017—2018 年，中部高校创新能力水平实现了追赶，与东北地区高校科技创新水平不分伯仲。2010—2018 年，西部高校科技创新能力虽然呈现上升趋势但水平一直在0.05—0.15范围之间波动，说明西部高校科技创新能力水平整体仍比较低。由此可知，我国高校科技创能力呈现出由东部向东北、中部和西部地区顺序递减趋势，东部高校科技创新能力明显高于西部地区高校科技创新能力水平，呈现出东强西弱的特点。（见图2）

图2 四大区域高校科技创新能力TOPSIS综合评价相对接近度

2.高校科技创新能力σ收敛性分析

为了解我国高校科技创新能力水平差异变动趋势，选择σ 收敛性进行检验，判断我国高校科技创新能力的离散程度。

通过计算和分析发现，2010—2018 年全国高校科技创新能力的差异最大，σ 均值为0.116，其次是东部地区σ 收敛均值为0.052，西部地区σ 均值为0.044，东北地区全国高校科技创新能力的差异最小，σ 均值为0.005，其次是中部地区σ 均值为0.015。

从变动趋势看，全国高校科技创新能力σ值从2010 年的0.096 急速上升到2018 年的0.149，东部高校科技创新能力σ 值从2010 年0.041 直线上升到2018 年0.068，西部地区高校科技创新能力σ 值从2010 年0.037 上升到2018 年的0.056，变动趋势与全国的变动趋势相似，说明东部地区和西部地区各省高校科技创新能力存在显著差异。中部地区各省高校科技创新能力的σ 值呈现先上升后下降再上升的趋势，说明中部各省高校科技创新能力存在波动性差异。东北各省份的高校科技创新能力σ值变动趋势较小，说明东北各省高校科技创新能力差异逐渐减弱。（见表6）

表6：不同地区高校科技创新能力差异趋势

（三）影响因素分析

由高校科技创新能力评价结果可见，我国2010—2018年30省（市）以及不同区域的高校科技创新能力水平存在较大差异。何种因素导致我国高校科技创新能力水平存在较大差异？本研究进一步利用QR 分位数回归模型分析我国高校科技创新能力的影响因素。以高校科技创新能力综合评价结果的相对接近度作为被解释变量，以人力资本投入、科研机构数、科技经费、科技产出、科技研发水平、市场创新环境、科技交流、经济发展水平作为解释变量。选取0.1—0.9 分位点来分析各变量对我国高校科技创新能力的影响程度。为方便与实证研究的回归系数做比较，对各变量进行了OLS回归分析。（见表7）

表7：影响因素分位数回归分析结果

续表7

1.影响因素分位数回归结果分析

由分位数回归结果可以发现，人力资本投入、发表论文数、专利授权数、市场创新环境以及国际交流对高校的创新能力具有显著影响，科研机构数、科技经费和经济发展对于高校创新能力不存在显著性作用。

首先，专利授权数与高校科技创新紧密相关且具有较高的规范化程度。从表6可知，专利授权数仅在较低水平对高校科技创新产生促进作用。说明我国高校科技创新的产出水平和科技转化成熟度急待优化，知识产权和专利的保护制度还不够完善，导致专利授权数对于高校科技创新能力提升存在滞后性。发表论文数在0.1—0.9 分位点上对于高校科技创新能力产生显著正向影响。论文发表每提高一个单位，高校科技创新能力就会提高0.087—0.122 个单位。一方面说明我国高校科技创新理论研究丰富，另一方面也说明我国高校科技创新能力评价标准目前仍以论文产出作为主要标志，“唯论文”现象明显，科研评价机制改革实质性进展缓慢，需要规范科研环境。

其次，市场创新环境在中高水平上对高校科技创新具有显著正向影响。说明市场驱动已成为影响科技创新成果产出的重要外部因素，当市场创新环境程度每提高一个单位，我国高校科技创新能力将提升0.005—0.014 个单位。但是科技创新转化能力在低端市场的应用能力较弱，需要注重产学研协同，提高我国科技管理和教育体制与市场经济融洽度，促进高校科技创新链良性循环发展。从分析结果来看，国际交流对于高校科技创新具有显著影响。国际交流有利于促进我国科技发展与世界接轨，推进我国融入全球创新网络，从而实现高校科技创新向更高水平开放合作。

再次，科研机构数、科技经费和经济发展水平对于高校科技创新能力提升未能发挥作用。说明我国高校科技创新能力的提高更偏向科研机构产出的质优化成果。政府经费投入和企业资助的领域不同、偏好差异以及高校对于科技经费配置低效都会导致科技经费投入对于高校科技创新能力提升存在滞后性。国家和社会的经济发展水平未能对高校科技创新发挥保障和推进作用，其原因可能与高校科技成果转化率较低，校企合作交互效果欠佳以及市场驱动作用有关。

2.回归系数变化影响趋势分析

分位数回归能够有效避免OLS 回归分析对于不同分位点异质性效果的掩盖，由此绘制了各变量分位数回归变化影响趋势图。OLS 回归各变量的回归系数都比较稳定，整体比较温和没有任何变化。分位数回归在不同分位点上呈现出不同变化趋势。其中，人力资本的回归系数呈现下降趋势，说明人力资本对我国高校创新能力的影响不断减弱。科研机构数、专利授权数和发表论文数的回归系数呈现出先降后升的趋势，对我国高校创新能力的影响逐渐由弱到强。高校科技经费拨入和经济发展水平的回归系数呈现出先升后降趋势，说明两种变量在不同分位点上对于高校科技创新的影响逐渐由强到弱。市场创新环境和国际交流的回归系数呈现上升趋势，说明这两种变量对于我国高校科技创新的影响逐渐加强。（见图3）

图3 影响因素各变量的分位数回归系数变化趋势

四、研究结论与建议

（一）研究结论

1.高校科技高素质人才投入能力、校企合作能力以及成果转化能力的效果不佳

首先科学家和工程师人员指标权重为0.054 4，说明我国高校科技研发的高素质人才仍旧缺乏。其次，我国校企合作的交互效果较弱，企事业委托经费投入的权重值为0.076 3，产业合作职能没有得到充分发挥。第三，我国高校专利授权数、专利出售合同数的权重值分别为0.037 1、0.050 8，技术转让合同数的权重值仅为0.043 4。

2.东部、中部、西部和东北地区的高校科技创新能力整体呈现上升态势但存在显著区域性差异

2010—2018 年各省（市）的高校科技创新能力整体呈现上升趋势，其中北京市高校科技创新能力最优，江苏、广东、湖北、辽宁和四川次之，青海、宁夏、海南、新疆和贵州的高校科技创新能力则相对处于落后地位。全国、东部和西部各省份高校科技创新能力存在稳定的σ收敛，中部各省高校科技创新能力差异存在阶段性收敛，东北各省高校科技创新能力差异逐渐减弱。

3.论文、专利授权、市场创新环境以及国际交流对于高校创新能力具有显著影响

人力资本对我国高校创新能力的影响不断减弱；科研机构数、专利授权数和发表论文数对我国高校创新能力的影响逐渐增强；高校科技经费拨入和经济发展水平对于高校科技创新的影响逐渐减弱；市场创新环境和国际交流对于我国高校科技创新的影响逐渐增强。人才结构失衡以及科技经费投入和经济发展水平作用的遮蔽是影响高校科技创新能力不足的主要原因。

（二）建议

1.优化科研生态环境，提升高校科技创新人才质量

我国高校科技创新所需要的高素质人才仍然短缺，相关学者建议“高校应建立完善的科研激励机制，调动和发挥高校科研人员的积极主动性”［15］，加强高质量创新人才队伍建设，优化科研评价机制和激励制度。虽然论文发表数量对我国高校科技创新影响力逐渐加强，但评议标准不能过于倚重论文产出数量、课题项目或者专利申请数量，而应实行专家—专家、企业—市场多元化的评议机制，为科研人员提供适宜的学术环境。要消弭我国高校科技创新存在的地域差异，政府可以鼓励东部科技人才对口支援西部，西部地区应提供人才吸引政策，挽留优秀科研人才，减少人才流失。“地方高校还应突出教学的基础地位和人才培养的中心地位，健全学术人才和应用人才分类培养体系”［16］，激发我国科技人才资源创新活力。

2.加强科技经费投入，保障我国高校科技创新能力的延续

首先，政府应对高校不同层次的科技研发进行合理资助，也可以鼓励企业增加对高校科技创新投资。同时，还需要通过绩效评价跟踪财政资金利用走向，及时削减低效无效资金，杜绝政府失灵，从而使其真正为高校科技创新发展提供动力支持。其次，高校应根据不同研发领域科研产出的差异性合理配置科技经费，避免人浮于事和滋生腐败。第三，推进高校科技中介的发展，高校与金融中介之间的信息不对称会对高校科技创新产生不利影响，加强高校科技中介服务能够提高校企科技资源供需效率，可以更快更好地促进科技成果产业化的转移。［17］

3.提供多元融资渠道，发挥经济对高校科技创新能力的助推作用

发挥经济对高校科技创新能力的助推作用可以通过校企合作、健全产学研合作机制等途径实现。高校和企业分别作为知识和技术生产端和应用端，对科技创新生态系统和经济结构转型具有推动作用。［18］企业贡献度对高校科技创新具有拉动作用，高校应主动与企业展开高效、深度的科技合作。我国高校科技创新成果转化能力整体比较低，应健全产学研合作机制，采取点线面相结合的方式对接服务，从而实现产学研技术重组及合作，促进高校科技成果转化。还可以采取建立高校科技园、校办企业以及校企研发中心等多种措施，提供多元的融资渠道，提升高校科技创新成果转化的贡献度。