中国数字技术创新质量测度及比较

岳佳坤

（黄河科技学院，河南 郑州 450000）

一、引言

随着云计算、大数据、人工智能等新兴技术加速创新，数字技术逐渐渗透到国民经济社会发展的各领域及全过程，在数字经济发展与宏观经济治理中发挥重要的辅助作用。在数字技术日渐嵌入下，数字经济以强渗透、高创新、广覆盖特征，推动经济社会高质量发展[1]；宏观经济治理则呈现系统化动态特征，促使政府管理、服务方式实现创新升级[2]。由此推及，深化应用数字技术对中国经济高质量发展影响深远。2022 年1 月国务院下发《“十四五”数字经济发展规划的通知》，明确指出要增强关键数字技术创新能力，提升核心产业竞争力，加快培育新业态新模式，营造繁荣有序的创新生态，驱动数字产业化发展。2022 年最新召开的全国两会，同样围绕科技创新与数字经济展开热切讨论，表明随着数字经济步入规范发展、深化应用与普惠共享新阶段，科技创新成为引领高质量发展的中坚力量。无论是从现实意义层面展开探讨，亦或是从国家政策导向进行分析，数字技术创新以高质量方式提升已然成为中国经济社会的重要方向，以及数字经济竞争力提升的关键议题[3]。

现有文献关于数字技术创新质量的探讨较少，大多从不同角度对创新质量与技术创新质量进行了解读。马永军等(2021)提出，技术引进可以有效提高创新质量，但吸收能力与引进强调会导致技术引进的影响效应出现偏差[4]。李若晨(2021)表示，技术创新投入与技术创新环境质量可以决定技术创新质量[5]。李晓龙和冉光和(2021)从市场效应和结构效应双维出发，实证分析了数字金融发展与技术创新质量的关系，发现二者间存在显著正向驱动效应[6]。王海花等(2022)主要基于长三角经验证据，对跨区域协同数字技术创新质量及其作用机制进行检验，认为技术邻近可驱动跨区域协同创新[7]。上述研究虽为数字技术创新质量研究夯实一定理论基础，但多从影响因素及作用机制进行检验，缺少对于数字技术创新质量的统计测度，难以全面刻画其发展特征。鉴于此，文章充分结合数字技术创新质量理论概念及政策导向，构建数字技术创新质量评价指标体系，选用熵权TOPSIS 法对中国2009—2020 年数字技术创新质量展开综合评价与分维度论述，并且从静态与动态双重视角展开区域比较。

二、模型构建、数据说明及指标选取

1.熵权TOPSIS 分析法

熵权TOPSIS 法可直观体现指标信息供应量能力，准确评判出固定对象在指标上的离散程度[8]。为避免主观赋权的人为因素干扰，促使评价结果合理和客观，文章选取熵权TOPSIS法评价中国数字技术创新质量。通过熵权TOPSIS 法计算所得熵值越小，表明该指标信息供应量越大，对整体评价影响越大，指标权重越高；反之，熵值越大，则指标权重越低。具体计算步骤如下所示：

步骤一：指标的正向化。多指标综合评价体系中，指标值越大评价越大的指标为正向指标，指标值越小评价越大的指标则为逆向指标。指标值趋于某个值评价越大的指标为适度指标。对多指标展开综合评价时，为促使所有指标形成同趋势化，一般会将适度和逆向指标均转化为正向指标。转化方法如下：

式中，Zij′表示标准化值，Zij代表原始指标数据，i 表示评价对象数量，j 表示评价指标数量；kj表示指标j 的阈值。

步骤二：指标数据的标准化。为得到标准化矩阵，首先将原始评价矩阵作量纲归一化处理，然后运用极差法把所有指标数据进行[0，1]区间正值转化处理，公式如下：

式中，Zjmin 和Zjmax 分别表示各项指标最小值和最大值。

步骤三：指标数据的非负数化处理。为避免经标准化处理后的数据为零或负数，致使熵值计算无意义，需对其作出非负数化处理。又出于对数据处理后仍在时间纵向上保留波动趋势及横向指标间的差异程度考量，进一步结合数据实际处理情况，列出如下计算公式：

式中，i=1，2，…，11；j=1，2，…，21

步骤四：计算评价体系中第j 个指标的权重，公式如下：

步骤五：计算评价体系中第j 个指标的熵值，公式如下：

式中，k=1/lnm 是常数。

步骤六：计算评价体系中第j 个指标的熵权，公式如下：

2.数据说明

出于对数据可得性与准确性考量，选取2009—2020 年中国29 个省份数字技术创新数据为研究样本（青海、西藏、港澳台地区由于数据缺失严重，故排除在样本选取范围之外）。样本原始数据主要来源于历年《中国统计年鉴》 《中国科技统计年鉴》 《中国第三产业统计年鉴》 《中国互联网络发展状况统计报告》 《中国信息产业年鉴》 《全国科技经费投入统计公报》 《中国电子信息产业统计年鉴》。部分缺失数据借助向前填补法、向后填补法、插值法进行补充。

3.指标选取

2020 年4 月经由国家发改委与中央网信办联合印发的《关于推进“上云用数赋智”行动 培育新经济发展实施方案》中指出，加快数字化转型共性技术与关键技术研发应用是筑牢技术支撑的主要方向，未来要进一步推动新一代数字技术在行业和企业中的集成创新。契合这一国家政策导向，并在充分了解技术创新质量概念基础上，依据指标选取科学性及数据可得性原则，文章从创新投入、创新产出、创新环境、创新转化、创新扩散五个维度构建数字技术创新质量评价指标体系。通过梳理现有研究[9-12]，这五个维度是对中国技术创新质量影响最为显著且深远的因素，有助于刻画国内数字技术创新发展面貌。具体指标体系如表1 所示。

表1 中国数字技术创新质量评价指标体系

三、中国数字技术创新质量综合评价

1.数字技术创新质量的总体评价

基于2009—2020 年数据，借助熵权TOPSIS 法可求得数字技术创新质量综合指数及各维度发展指数，如表2 所示。

表2 数字技术创新质量各维度指标及整体情况

为更加直观呈现数字技术创新质量，全方位分析其各子系统变化特征与发展趋势，文章结合上述权重指数绘制2009—2020 年数字技术创新质量演变趋势图，如图1 所示。

图1 中国数字技术创新质量演变趋势

综合表2 和图1 的内容文章，具体从两方面对数字技术创新质量进行分析。一方面，从综合发展指数的时序演变趋势来看，数字技术创新质量在2009—2020 年间出现明显进步趋向，综合指数由2009 年的0.0372 上涨至2020 年的0.3172。这说明研究时段内数字技术创新质量提升速度迅猛，整体保持上升态势，但部分年限的数字技术创新质量的综合指数有所下降。换言之，中国数字技术创新质量总体呈向好态势，具有较高上升空间。另一方面，从各维度发展指数的时序演变趋势来看，2009—2020 年间数字技术创新质量的各维度指数整体也呈上升态势，但期间略有波动。就整个研究时段来说，创新投入指数从0.0039 上涨至0.0924；创新产出指数从0.0072 上涨至0.0526；创新环境指数从0.0069 上涨至0.0503；创新转化指数从0.0213上涨至0.0495；创新扩散指数从0.0019 上涨至0.0242。可见，各维度指标对中国数字技术创新质量提升均具有正向贡献率，说明各维度指标都能推动数字技术创新质量提高。

2.数字技术创新质量分维度评价

（1）创新投入维度分析

进一步借助熵权TOPSIS 方法，依据创新投入下设具体指标评价值演变趋势，绘制如图2。通过分析图2 可以发现，基于物质资本投入指标来看，物质资本投入结构、物质资本投入规模均在逐年提高，说明中国数字技术创新质量近些年已经实现了稳定增长。具体来看，2009—2020 年间，物质资本投入结构从0.0003 上涨至0.0134，说明中国数字技术物质资本的外部结构具有明显逐年优化态势。基于人力资本投入指标来看，人力资本投入结构、人力资本投入规模也有明显提高，说明中国数字型企业发展态势良好，吸纳人员就业能力逐渐强化。

图2 创新投入各项具体指标评价值的演变趋势

（2）创新产出维度分析

通过创新产出指标测算结果，绘制其下设所有指标评价值演变趋势（如图3）。通过分析图3 可知，基于经济效益指标来看，新型科研产品销售盈利指数呈明显先降后升趋势，具有“U”型演变特征；专利数量指数呈明显增长态势。新型科研产品销售盈利变化趋势，一方面可以反映数字技术产业内部不同业态间创新产出水平，另一方面也可以展现数字资源有效利用程度。就评价值变化情况而言，2009—2015 年间，新型科研产品销售盈利指数有些许下降，2016—2020 年间出现明显上升，这说明随着数字技术产业规模不断发展壮大，产业链内部不同业态协同发展动能不足，且资源配置效率有待进一步提高，对数字技术创新产出形成一定阻碍。从专利数量评价值变化趋势来看，其整体呈增长态势，说明数字服务业在数字技术产业增加值中的占比有所上升，对专利数量申请增加具有正向推动作用，是中国数字技术创新质量提高的内在需求。

图3 创新产出中各项具体指标评价值的演变趋势

（3）创新环境维度分析

依据创新环境指数测算结果，绘制其下设所有指标评价值演变趋势如图4 所示。基于技术保护指标展开分析，知识产权保护力度在逐年增加，说明合法权利有效保障对数字技术创新质量提升具有重大意义。基于金融环境指标展开分析金融市场发育程度的评价值也呈现逐年递增态势，这说明国内数字技术创新环境持续改善背景下，金融机构对于数字技术研发创新的重视程度越来越高，不断加大对数字技术创新活动资金扶持，为数字技术创新质量提升提供有力支撑。基于市场环境指标进行分析，市场化程度总体也呈上升趋势，说明人力资源与资金投入不断加大背景下，创新主体规模也在持续扩张，数字技术创新能力得到大幅提升。综合上述，后续国家应出台可行性创新政策，着力营造创新氛围，驱动数字技术创新发展。

图4 创新环境中各项具体指标评价值的演变趋势

（4）创新转化维度分析

依据创新转化指数测算结果，绘制其下设所有指标评价值演变趋势如图5 所示。基于学习能力指标展开分析，高学历研发人才占比明显有所提高，说明中国数字技术产业生产要素配置在逐步优化，对数字技术创新质量提升具有正向驱动作用。非数字技术产业研发经费占比系数呈现大幅下降趋势，其中在2008—2019 年间前半阶段评价值较高。另外，非数字技术产业技术改进经费支出占比、非数字技术产业引进技术消化吸收经费支出占比整体也呈现上升趋势，说明数字技术产业创新转化的消化与吸收能力有待进一步强化。

图5 创新转化中各项具体指标评价值的演变趋势

（5）创新扩散维度分析

依据创新扩散指数测算结果，绘制其下设所有指标评价值演变趋势如图6 所示。基于市场结构指标展开分析，数字技术与非数字技术企业数量之比、数字技术主营业务收入与非数字技术主营业务收入之比均呈明显逐年上涨趋势，说明数字技术生产经营活动规模不断扩张。基于网络关系指标展开分析，技术市场数字技术流向地域合同金额占比、科研经费外部支出占比都呈缓慢上升趋势，这说明数字技术创新发展过程中，市场需求与外部资本支持非常重要。有鉴于此，后续国家应更加重视加大资本与要素扶持力度，引导市场积极参与、企业主动扩张。

图6 创新扩散中各项具体指标评价值的演变趋势

四、数字技术创新质量比较

为直观呈现中国各区域数字技术创新质量，以便于国家针对不同地区实施差异化、高精度策略，结合上述数字技术创新质量总体和分维度评价结果，对29 个省份数字技术创新质量进行比较与分析。结合党中央、国务院制定的区域发展政策划分标准，将29 个省份分别纳入东部、中部、西部和东北四大区域。另外，为节省篇幅，仅截取2014—2020 年这一时段各区域的数字技术创新质量指数在下述内容中展开探讨。

1.静态比较

通过参照学术界常用衡量评价对象综合情况方法[13]，结合指标权重，选取加权线性和法构建如下静态评价模型，计算静态视角下数字技术创新质量指数如下所示：

借助式(8)可计算得出各区域数字技术创新质量指数如表3所示。静态视角下，数字技术创新质量提高进程较为缓慢，2014—2020 年的变化增幅仅为10.73%，平均增幅为1.53%。其中，广东省数字技术创新质量增幅最大，为37.23%；黑龙江省增幅最低，仅有3.43%；大部分省份或地区在2014—2020 年的增幅均维持在11%以内，且平均增幅也普遍低于2%。究其原因，主要是由于静态视角下不同年限间数字技术创新发展的内在联系被割裂，所得结果只能体现当年投入状况，并不能全面反映产业发展前期所做铺垫。因此，静态评价结果并没有彰显出中国数字技术蓬勃发展现状，与前文总体评价结果存在明显出入，需要进一步在此基础上进行动态评价。

表3 静态视角下中国数字技术创新质量指数

2.动态比较

由前文可知，各区域数字技术创新质量提升状况的静态比较结果具有局限性，与现实情况存在一定出入。为弥补静态评价结果不足之处，进一步充分考量数字技术创新质量的动态性特征后，基于动态视角计算各区域数字技术创新质量指数。由于不同年份数据蕴含的信息对同期数字技术创新质量产生的效用具有异质性，故需对不同时点数据赋权。通过借鉴沙文兵和钱圆圆(2021)[14]研究方法，选用时点权重法对不同年份数据进行赋权，首先采用时点权重法将时间因素纳入评价指标体系，得到时间权重Tm计算公式如下：

式中，Tm表示不同年限的时点权重，m 表示年份，(m-2014)表示总年数，即k=1，2，3，4，5，6，7。经计算，得出不同年份时点评价权重如表4 所示。

表4 不同评价年份时点权重

在式(7)基础上，引入计算出的时间权重Tn，构建各省份数字技术创新质量的动态评价模型。文章通过借鉴张玉喜和张倩(2018)[15]研究方法，采用区间性和固定性指标处理方式构建动态评价模型，计算各省份在不同年份数字技术创新质量的综合评价值如下所示：

借助式(10)，可以计算出动态视角下各省份数字技术创新质量指数结果，如表5 所示。

通过分析表5 可知，动态视角下，数字技术创新质量在2014—2020 年的变化增长幅度为116.56%，年均增幅为16.65%。其中，广东增幅最大，为156.95%；黑龙江增幅最小，为104.67%；大部分省份在考察时段内的增幅均在120%以内，平均增幅基本维持在20%左右。这一计算结果与前文综合评价分析较为吻合，可以体现出近几年中国数字技术创新一直维持较快发展速度，产业规模也在不断扩张，产业影响力与人才队伍均有明显提高。

表5 动态视角下中国数字技术创新质量指数

从评价值排序结果也可以看出三点异同：一是2014—2020年内数字技术创新质量指数排名前十的省份基本维持不变，局部略有变动。具体来看，在这期间，湖北、四川代替辽宁、福建挤进前十。二是所有省份中，贵州的排名增长最快，从2014年的28 名增长至2020 年的20 名，主要得益于贵州大数据产业的迅猛发展；山东和江苏排名也有所提高，分别上升了3 个名次。三是黑龙江和辽宁排名下降最快，黑龙江从2014 年的19 名 下跌至2020 年的23 名，辽宁从2014 年的8 名 下跌至2020 年的12 名，分别下跌了4 个名次。

从各区域评价值变化趋势来看，数字技术创新质量存在一定区域异质性，东部地区明显优于中、西部地区。具体而言，东部地区数字技术创新质量已经发生了明显进步，但中、西部地区仍较为落后，导致中国数字技术创新质量差距逐步拉大。为更准确分析对比出数字技术创新质量存在的区域不均衡性，在表5 基础上，进一步计算得出各区域2014—2020 年数字技术创新质量评价值统计特征，如表6 所示。通过结合表5 和表6 内容，可以总结出三点数字技术创新质量呈现的区域不均衡特征：第一，东部、中部、西部及东北四大经济区域的数字技术创新质量呈现显著不均衡特征，东部地区发展水平远超其余三个地区。第二，中国各区域的数字技术创新质量差距在逐年拉大，极差扩大化现象凸显。2014—2020 年历年的极差值分别为：21.42、35.08、53.08、62.00、70.58、78.03、86.29。第三，研究时段内变异系数在逐年增长，从2014 年的7.29%上升至2020 年的12.38%，说明中国各区域数字技术创新质量不均衡现象在不断加剧。与此同时也可以发现，虽然变异系数在逐年上涨，但总体维持在10%左右，说明数字技术创新质量不均衡程度并不是特别严重。究其原因，中国数字技术创新发展起步较晚，部分地区仍处于初级起步阶段，尚未形成“高端固化、低端禁锢”的创新格局。

表6 中国各区域2014—2020 年评价值统计特征

五、研究结论与政策建议

文章基于创新投入、创新产出、创新环境、创新转化、创新扩散五个维度，构建了数字技术创新质量评价指标体系。进一步地，选用熵权TOPSIS 分析法对中国数字技术创新质量展开总体和分维度评价，并利用静、动态模型分别对东部、中部、西部、东北四大区域进行比较。研究结果表明，整体上数字技术创新质量保持上升态势。从各维度指标时序演变进行分析发现，创新投入、创新产出、创新环境、创新转化、创新扩散五大维度对数字技术创新质量均具有正向驱动效应。其中，创新环境、创新转化、创新扩散三个维度指数得分相对更高，对数字技术创新质量的驱动效应更为显著。从分地区比较分析来看，东部、中部、西部、东北四大区域间数字技术创新质量具有明显不均衡特征，整体呈由东向西递减分布态势；各省份数字技术创新质量差距仍在逐渐扩大，表现一定“不均衡性”特征。

结合上述研究结论，提出如下政策建议：第一，构建数字化人才供给体系。人才资源为数字技术创新发展的核心供给要素，也是产业创新实现高质量发展的根本所在。政府针对数字化人才培养，需强化教育投入，促使科研院校与高校展开合作，提高数字技术人才专业性，形塑数字化人才供应体系。数字行业应加快建立培训组织，大力培养数字化技术应用与商业化运作相结合的综合型人才，进而健全数字化人才自给体系。第二，推进区域数字技术融合发展。文章研究发现中国数字技术创新质量仍存在不均衡问题，不利于强化宏观产业创新发展能效。故各区域应立足于本土数字技术创新发展实情，结合地区优势，积极推进数字技术融合发展。例如，各地区可依据资源禀赋与人文优势，积极开展数字技术融合发展活动，共享生产制造资源，强化技术创新发展粘性。且各企业可借助新兴技术，将经营活动与科学要素融合，在行业内部共享，不仅能满足区域数字技术创新发展，还能促进同属行业高质量发展。第三，增加资本创新要素投入。文章结论表明，创新投入对数字技术创新质量的影响作用最为显著。故中国推动数字技术创新质量提升进程中，应注重创新要素引入，大力吸引社会资本，以强化自身创新活力。一方面，数字技术产业应积极优化要素资源引入与应用结构，激活资本创新要素应用活性。另一方面，应基于资本创新要素流动性，培育新模式与新业态，以高质量发展赋能高效融合自身创新技术与市场应用技术，不断激发新业态，进而实现创新质量可持续提升。