区域科研竞争力评价研究——基于我国五大国家级城市群2010—2019 年的数据

肖燕珠，张 洋，吕俊霖

（1.中国水产科学研究院南海水产研究所，广东广州 510300；2.中山大学信息管理学院，广东广州 510006）

“城市群”又被称为“城市带”和“都市圈”，是指以中心城市为核心，向周围辐射构成城市的集合，其特点为经济上紧密联系，在产业分工与合作、交通与社会生活、城市规划和基础设施建设等方面相互影响。其中，国家级城市群是城市群发展到成熟阶段的最高空间组织形式。中共中央、国务院发布的《关于建立更加有效的区域协调发展新机制的意见》明确指出，以京津冀城市群、长三角城市群、粤港澳大湾区等城市群推动国家重大区域战略融合发展。《中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议》（以下简称《规划和建议》）强调，要发展壮大城市群和都市圈，推动城市群一体化发展，全面形成“两横三纵”的城镇化战略格局。根据《规划和建议》，我国布局了优化提升、发展壮大和培育发展等3 级共19 个的国家级城市群。各城市群由于经济发展水平不一，定位也大相径庭。其中，京津冀、长三角、珠三角、成渝和长江中游五大城市群发展较为成熟，被列为第一梯队，属于优化提升的范畴。2015 年，中共中央政治局审议通过的《京津冀协同发展规划纲要》将科技支撑城市群发展放在了突出位置。城市群作为国家经济增长的主要区域，关于其竞争力的研究一直受到国内外学者的广泛关注。本研究以我国发展最为成熟、位列优化提升梯队的京津冀、长三角、珠三角、成渝和长江中游五大国家级城市群为研究对象，开展城市群之间的科研竞争力评价研究。基于城市群的科研竞争力评价研究可用以对城市群内部各省份进行评价，这在政府加强区域宏观管理、为有关政策制定和投资决策提供依据方面具有一定现实意义；同时，相关研究结论也有利于各区域发挥比较优势，并找出发展中的问题，实施有针对性的举措提高科研效率和管理水平，促进区域科学研究的发展。

1 文献回顾

随着科研发展对经济进步和国家创新发展的重要作用日益显现，科研人员和科研机构之间的竞争日益激烈，世界各国纷纷加大科技投入，更加关注科技创新的质量和效果。如何更加合理有效地配置有限的科研资源，最大程度地提高科研产出效率，促进科研管理的合理化、规范化和科学化，成为学者普遍关心的问题。由于学界对“科研”“科技”和“创新”三词的混用存在一定争议，因此有必要对其加以区分。科研是将金钱转换为知识的过程，而创新是将知识转换为金钱的过程［1］，而科技被视为“科学技术”的简称。其中，科学解决理论问题，技术解决实际问题。城市群是国家经济增长和区域经济一体化的重要体现，本研究将对城市群的科研产出的相关量化评价内容界定为“科研竞争力”。关于科研竞争力的定义，国内外尚未形成共识。Lambright［2］认为，科研竞争力是为获得一定比例竞争性研究基金的能力；Ma 等［3］认为，科研竞争力分析是指对不同评价对象（机构、人员和地区）在不同研究领域研究状况（优势或劣势）的衡量、比较和分析。对科研竞争力分析的已有研究成果主要体现为宏观层面的科研创新系列研究报告和微观层面的基于机构和学科等的评价实践，如世界知识产权组织［4］2007 年创立的全球创新指数（Global Innovation Index,GII）根据80 项指标对131 个国家和经济体的创新绩效进行排名；中国科学技术发展战略研究院［5］发布的《国家创新指数报告》通过选择40 个科研活动活跃的国家为研究对象，采用标杆分析法来测算各国的创新指数；《区域创新能力评价报告》则利用大量统计数据，综合客观地对我国各省份的科研创新能力进行排名与分析［6］。除此之外，基于机构和学科的科研竞争力评价研究也十分典型。如武汉大学中国科学评价中心（RCCSE）从科研生产力、科研影响力、科研创新力和网络影响力4 个维度衡量世界一流大学的科研竞争力［7］；李春英等［8］通过构建评价指标体系对我国药学二级学科的竞争力展开评价。

综上所述，尽管与科研竞争力评价相关的研究成果较为丰富，但以区域作为研究对象，尤其是基于城市群的科研竞争力评价研究报道仍较为少见。而城市群在国家战略融合发展方面具有重要意义，理应拥有一套系统的科研竞争力评价体系。因此，本研究以我国京津冀、长三角、珠三角、成渝和长江中游五大国家级城市群为研究对象，通过构建一套适用于区域科研竞争力评价的指标体系，对区域整体及区域内各省份个体开展科研竞争力评价的实证研究，以期得出客观的结论并提出有针对性的建议。

2 研究准备

2.1 评价样本选择

表1 科研竞争力评价对象及编码

表1（续）

2.2 评价指标体系构建

科研竞争力作为区域核心竞争力的重要组成部分，是一个国家和地区科技整体实力的综合反映，其所涉及的内容较广，需要创建可衡量的综合指标参数，并根据评价过程反映其优劣情况［9］。基于研究目标，区域科研竞争力评价指标体系的设计应从系统性角度出发，兼顾科学性、可比性、可操作性和动态优化的原则，从理论依据和现实依据两方面予以考虑。在理论依据方面，通过文献综述总结前人研究中权威性和认可度较高的研究成果，为构建区域科研竞争力评价体系提供思路和参考。在现实依据方面，评价指标需要综合反映区域科研竞争力在时间和空间维度的整体变动情况和程度，同时洞察以城市群整体作为研究对象的区域科研竞争力的发展潜力，以实现对区域科研竞争力发展进程的总体监测与分析；同时，Web2.0 时代的来临使得传统评价方法和评价指标无法全面有效地评价网络环境下科研成果的影响力。基于此，本研究将传统文献计量指标和用以衡量社会影响力的新型网络计量指标相结合，同时将衡量区域科研发展潜力的科研发展力这一评价维度纳入其中，并结合区域科研竞争力的特点、内涵要义和理论基础，构建出由科研生产力、科研影响力、科研创新力、科研发展力和社会影响力5 个评价维度和17 个评价指标共同组成的区域科研竞争力量化评价体系，将评价体系的一级指标和二级指标分别用准则层和指标层来描述，如表2 所示。

表2 区域科研竞争力评价指标体系

表2（续）

2.3 评价指标数据来源

本研究主要数据来源如下：（1）基于WoS 和InCites 数据库获取指标数据。在WoS 中选择Web of Science 核心合集，通过设置“CU=CHINA AND PS=省份名”或者“CU=CHINA AND CI=直辖市名”、时间跨度为“2010—2019 年”、文献类型为“Article”的高级检索式，获取我国各省份发文数据集；在此基础上，将各省份数据集导入InCites 数据库，设置相关指标并获取数据。（2）利用各省份统计年鉴获取专利数据。（3）借助国家自然科学基金委员会官方网站和国家社科基金科研创新服务管理平台查询2010—2019 年国家基金资助项目情况。（4）使用搜索引擎获取网站链接数据。如表1 所示，本研究以城市群内各省份科技门户网站的特征数据来衡量该城市群的社会影响力，涉及网页总数和网站的总链接数两项基础数据。其中，用网页总数来衡量网站的规模大小；用网站总链接数与网页总数的比值来衡量网络影响因子。本研究选取数据获取程度较高、更新与收录速度较快的谷歌（Google）搜索引擎来获取相关数据。数据收集时间截至2021 年8 月10 日，并于2021 年8 月26 日完成数据整理工作。

2.4 研究方法

为保证评价的客观性，主要采用定量分析方法进行区域科研竞争力评价。在评价指标的权重确定方面，以往科技评价的相关研究表明，指标权重的确定方法存在诸多争议，不同评价方法有其优势的同时也存在一定的局限性，使用单一的方法存在或多或少的不足。基于此，本研究采用熵权法确定区域科研竞争力评价指标的权重，该方法的客观赋权可以有效避免主观因素的影响。在此基础上，借助TOPSIS 模型计算评价对象的综合绩效得分。

3 城市群科研竞争力评价

3.1 评价过程

由于各城市群内所涵盖省份的数量具有一定差异，将城市群内各省份的指标数据之和作为城市群科研竞争力评价的原始数据显然失之偏颇。因此，为客观、合理地展开评价，研究以五大国家级城市群内各省份评价指标数据的均值作为城市群的原始数据，如表3 所示。

表3 五大国家级城市群科研竞争力评价原始数据

在特征比重值fij的基础上，计算各指标的熵值Hj如下：

式（4）中：k是一个大于0 的常数，与评价的样本数量有关；通常令k=1/lnm，则有0 ≤Hj≤1。

根据各指标熵值，计算第j个评价指标的熵权wj。

2017年5月，广西就已经对台湾居民在广西就业做出了努力，5月份经国家人力资源保障部确定，广西成为台湾居民在桂事业单位就业的试点地区，这标志着着台湾居民可以在广西通过公开招聘考试等方式进入事业单位就业，享有和大陆居民同样的福利保障。为了进一步落实该项惠台政策的实施，自治区还出台了《关于做好台湾居民在桂事业单位就业工作的通知》，该项通知的颁布，让在广西求学的台湾学生充满了信心。

式（5）中：n为评价指标总数。

则有各指标的熵权wj={0.062，0.077，0.059，0.070，0.070，0.059，0.063，0.044，0.046，0.093，0.032，0.045，0.041，0.041，0.054，0.105，0.032}。

（3）权重分布合理性测度。为考察我国区域科研竞争力评价体系中各指标的权重分布合理性，借助权重分布合理性测度公式进行计算与验证，如下所示：

式（6）中：0 ≤P≤1，当P值为1 时，代表各指标权重一致，即指标之间无区分度；当P值为0 时，说明指标中有一个指标权重为1，其余指标权重皆为0，此时也无意义；只有当0＜P＜1，且指标权重既不过分倾向于1 也不过分倾向于0 时，才是较为合理的情况。根据指标数量的不同，P值有更细分的合理性区间。当指标数量较少且权重区分度较小时，P值应处于0.5～1 之间且趋于1，此时权重分布较优；当指标数量较多时，P值相应较小，此时接近于0.5 代表权重分布较优［11］。

根据各指标的熵权wj，计算区域科研竞争力评价体系中各准则层指标的权重分布合理性测度值PX1、PX2、PX3、PX4和PX5分别为0.522、0.480、0.442、0.382 和0.500。由于该评价体系共有17 个评价指标，数量较多，各准则层的指标权重分布合理性测度值P应较小且接近于0.5 才能认为权重分布较为理想。计算结果表明，该评价体系的指标权重分布总体较为理想，尤其是准则层X1、X2和X5的指标权重与0.5都十分接近。

（4）TOPSIS 模型计算各省科研竞争力综合得分。基于较合理的区域科研竞争力评价指标权重，研究使用TOPSIS 模型计算各城市群科研竞争力的综合绩效得分Z如下：

式（7）中：i∈m；j∈n；yijwj二者相乘得到城市群科研竞争力评价的加权决策矩阵Z，如下所示：

在加权决策矩阵基础上，分别借助最优、最劣解的计算公式计算得出五大国家级城市群科竞争力评价指标的最优解Mj+和最劣解Mj-如下：

在此基础上，计算各指标标准化向量与最优解和最劣解的距离Si+、Si-如下：

最后，分别计算各种方案与最优解的接近程度Di如下：

式（13）中：D代表各种方案的优劣情况，反映我国五大国家级城市群科研竞争力评价的综合结果，如表4 所示。D值越接近100，说明该对象的评价结果越佳。

表4 我国五大国家级城市群科研竞争力评价得分及排名

3.2 评价结果分析

由表4 可知，我国五大国家级城市群科研竞争力评价的排名先后顺序依次为珠三角城市群、京津冀城市群、长三角城市群、长江中游城市群和成渝城市群。具体得分情况显示，前3 名城市群之间的差距并不显著，尤其是京津冀和长三角二者间的整体科研竞争力十分接近，而珠三角之于京津冀、长三角城市群有小幅度的领先，说明我国区域科研竞争力“三跑”并存的态势依旧。长江中游和成渝城市群则排列在后，评价结果不甚理想。分析原因，本研究以城市群内各省份为单位对评价对象进行界定，此二者城市群所涵盖省份的科研实力较弱，使得城市群整体科研竞争力表现较为逊色。

从各子系统得分（表4）看，居前3 位的珠三角、京津冀和长三角城市群分别在科研创新力、科研生产力和科研影响力方面领先；同时，珠三角城市群的社会影响力也居五大城市群之首，说明该区域拥有较强的网络影响力和公众关注度。京津冀和长三角城市群均在科研发展力表现不佳，说明二者虽然拥有较强的科研产出能力和较高的科研成果影响力，但其在科研发展潜力方面还有待提升。另外，尽管珠三角城市群在本次科研竞争力评价中表现亮眼，但也应该看到其在科研生产力和科研影响力方面的不足，在这两方面都仅居五大城市群的第3 位，说明其科研成果产出量及其影响力仍有上升的空间。与此同时，长江中游城市群虽然在科研竞争力各子系统的平均实力较为薄弱，但其在科研发展力这一评价维度上表现得最为出色，说明其拥有较强的科研发展潜力。而成渝城市群除了社会影响力的评分居五大城市群中游外，在其余方面的表现均与其他城市群存在较大差距。

4 各省份科研竞争力评价

4.1 评价过程

本研究在对五大国家级城市群展开科研竞争力评价的基础上，运用类似的运算步骤和方法对城市群内的各省份科研竞争力也进行了评价（见表5、表6），以进一步了解城市群内各省份的科研竞争力水平和差异。

表5 我国五大城市群13 个省份科研竞争力评价项目的原始数据

表6 我国五大国家级城市群13 个省份科研竞争力评价得分及排名

4.2 评价结果分析

城市群内科研竞争力的比较分析主要借助差异系数（coefficient of variation,CV）衡量区域内各省份的差异情况。用差异系数测算数据离散程度，差异系数越大代表数据之间的差异越大，计算公式如下：

由于珠三角城市群仅包括广东一省，因此不对其进行区域内差异系数计算。根据其余各省份科研竞争力评价的得分情况，可计算出京津冀、长三角、成渝和长江中游城市群内科研竞争力评价结果的差异系数分别为0.635、0.245、0.167 和0.132。可以看出，京津冀城市群的科研竞争力综合实力虽然在五大城市群中位列第二，但其区域内3 个省份的科研竞争力差异最为显著，其中，北京的科研竞争力位居13个省份之首，但天津和河北居于末尾，使得京津冀城市群的整体科研竞争力被削弱。长三角城市群的科研竞争力差异系数较小，即长三角城市群不仅拥有较强的科研竞争力，区域内各省份的科研竞争力也相对均衡，尤其是上海、江苏和浙江3 个省份的评价结果都十分强势，分别位列13 个省份中的第2位、第4 位与第5 位。此外，成渝和长江中游城市群内科研竞争力的差异系数值在各城市群中排在最后两位，说明二者区域内各省份科研竞争力水平较为均衡。其中，成渝城市群中的四川、重庆在13 个省份科研竞争力评价中分别排列第10 名和第13 名；而长江中游城市群中的湖北、湖南和江西分别排在第6 名、第8 名和第9 名；同时，尽管成渝城市群和长江中游城市群的科研竞争力在五大城市群中处于劣势，但这两个区域内不乏科研竞争力评价表现较佳的省份，如长江中游城市群中的湖北省，未来应以局部地区发展带动区域进步。

5 结论与讨论

5.1 研究结论

（1）东中西部城市群科研竞争力差距显著。由研究结果来看，位于我国东部地区的珠三角、京津冀和长三角城市群的科研竞争力表现更佳，而位于中部地区的长江中游和位于西部地区的成渝城市群分列最后2 名，可见我国东中西部的科研竞争力差距较为显著，东部地区科研竞争力优势凸显。长久以来，科研能力领先的地区普遍具有相对于落后地区所不具备的创新要素。各区域科研人员、科技资源等要素的集聚程度皆由东部向中、西部依次递减，中部和西部地区或多或少存在中心城市辐射能力弱、城市集聚效应难以发挥等问题，区域核心科技能力的提升有所受限；同时，所收集的原始指标数据（表3、表5）表明，过去10 年来领先的东部区域与稍显落后的中西部区域的科研竞争力差距没有显著缩小，说明城市群之间的差距程度已接近固化，区域之间的协调发展机制有待进一步探索。

（2）中心城市成为区域创新增长极。作为我国经济增长的重要区域，京津冀、长三角、珠三角、成渝和长江中游五大国家级城市群分别形成了以“北京-天津”“上海-南京-杭州”“广州-深圳”“成都-重庆”和“武汉-长沙-南昌”为中心城市的区域创新增长极，尤其是北京、上海和广东三大科技中心逐渐发展成为我国建设创新型国家的重要支柱。京津冀城市群中，北京作为我国的科技创新中心，以我国“硅谷”的角色定位推动科技发展，使得其科研竞争力遥遥领先于其他各个省市。长三角城市群中，以上海为中心城市的辐射带动作用明显，推动了南京和杭州等都市圈的同向发展，区域内逐渐形成了网络化的发展格局。珠三角城市群中，广东独拥广州、深圳两座一线城市，在全球新一轮科技革命和对外开放中充分发挥辐射作用，区域综合实力和科研竞争力较强。

（3）区域内协调发展问题仍然突出。各城市群内的协调发展问题仍然突出，以京津冀城市群最为明显，具体体现为天津与河北在科研竞争力评价得分上与北京差距较大。近年来的一系列数据表明，天津在知识创造和科技创新等方面的发展遇到了瓶颈，在推动区域协调发展方面的作用体现尚不明显［12］；同时，由于当前京津冀一体化的进程较为缓慢，尚未完整形成区域之间的协同创新共同体，处于城市群边缘的河北仍然较难享受到中心城市的辐射作用和发展成果。另外，纵观整个珠三角，除广州、深圳外，其余各市的优质科技资源较为短缺，且自主创新能力也有待提高。

5.2 对策建议与展望

科技创新要素的整合力是科技创新核心竞争力的前提［13］。京津冀、长三角、珠三角、成渝和长江中游城市群同属于我国国家级城市群的第一方阵，对我国科研实力的提升发挥着重要作用。各城市群应根据发展的实际情况及时整合社会创新要素资源，以推动区域内科研竞争力的持续健康发展。未来，京津冀城市群应加快区域内的布局和规划，持续推动产业借助科技创新向高端制造转型，实现区域内各省市功能互补。长三角城市群作为一个本就攒足科研发展能量的城市群，应进一步整合优质创新资源并不断向外输出，实现多个都市圈的同城化和整个区域的协调发展。珠三角城市群应在粤港澳大湾区发展的重大机遇中不断汲取新的创新要素，探索新型的创新模式。长江中游城市群作为促进中部地区崛起战略的重点区域，应逐步发挥政策优势，聚合优势产业，带动区域核心科技能力的提升。成渝城市群应在核心城市的带动下整合创新资源，逐步推动科研竞争力的提升。

此外，在当前多种创新要素集聚成为带动区域迅速发展重要引擎的时代背景下，不断涌现的新型创新模式将对科研创新评价体系提出更高要求，未来关于科研创新评价应持续关注国家关于区域发展的新棋局和相关科技政策的指引。