基于组合赋权法的区域知识创新生态位测度研究

宋琪，谷灏，陈晓红

（沈阳工业大学管理学院，辽宁 沈阳 110000）

0 引言

党的二十大报告提出，要坚持创新在我国现代化建设全局中的核心地位，提升国家创新体系整体效能。知识是创新体系中的重要内容。区域知识创新是国家创新体系的重要组成部分，是提升区域科技创新水平、促进经济社会高质量发展的关键热点问题。近年来，我国高度重视科技创新工作，已成为世界科技创新最活跃的地区之一。2022年，我国全社会R&D 经费投入30 870亿元，较2021年增长10.4%；《2022年中国科技论文统计报告》显示，我国世界热点论文数量首次排名第一；《世界知识产权指标》显示，我国发明专利数量排名世界第一，高价值发明专利同比增长24.2%。但遗憾的是，我国科技产出的质量与创新领先型国家相比仍有差距，且各区域知识创新仍存在发展水平不均衡、创新成果利用率低的情况。因此，科学测度我国区域知识创新发展水平，对于揭示我国区域知识创新发展现状、识别知识创新短板、促进我国科学技术进步等具有重要的现实意义。

目前已有学者对知识创新测度展开了研究。例如，根据中国地级市间的论文合作和专利联合情况，构建中国城市知识创新网络，并分析其结构特征［1］；从论文产出、成果鉴定、科技服务等3方面出发，运用超效率DEA 模型测度我国大学知识创新效率［2］；基于创新价值链，从知识创造阶段和知识创新阶段对我国区域知识创新进行测度［3］；还有学者认为，创新知识量由知识使用量、研发能力和知识共享能力决定［4］。纵观已有研究，可以发现对于知识创新的测度，一方面，是从知识创造结果的角度测度知识创新水平，即知识创新水平等同于新知识创造量，如论文和专利等，缺乏对知识转化和应用等方面的关注；另一方面，关于知识创新的测度缺少对知识生物属性的动态考量，未能从生态学视角探讨知识创新的发展过程。

生态位是种群生物学中的重要理论，指物种在群落中所处的特定生态地位，由物种与环境之间的功能关系所决定［5］。目前，该理论已被应用到技术生态位、产业生态位、城市生态位等的研究中［6］。例如，王宏起等［7］认为，区域战略性新兴产业创新生态位是各创新生态因子在产业环境中合力展示出的产业优势；施建刚等［8］认为，城市竞争生态位是城市在特定的时期、环境中生存位置的体现，也是该城市各类社会资源等生态因子梯度位置的体现。知识的创造与增长机制类似于达尔文提出的自然选择进化机制，是组织自有知识与当前知识环境间交叉匹配，对组织知识进行更新、完善、淘汰或使其休眠的过程，即知识具有生长性、交叉性和进化性等生物学特征［9］。类似于自然界各物种间的生存发展会形成各自特定的生态位，知识的生物学特征也使各区域间形成了不同的知识创新生态位，即各区域因知识资源禀赋、开放程度等生态因子不同而形成的知识创新发展态势和竞争地位。一个区域的知识创新生态位越高，越有可能跃入更高水平的发展空间。因此，本文基于生态位态势理论，从有机体存量、新陈代谢、生长发育、遗传进化等4 个维度建立区域知识创新生态位测度指标体系，采用组合赋权法测度2019—2022年中国各省（区、市）的知识创新生态位，分析区域知识创新生态位和态势变化，并提出促进区域知识创新生态位提升的相关建议。

1 区域知识创新生态位测度指标体系

1.1 构建原则

明确知识创新的内涵是构建区域知识创新生态位测度指标体系的前提。现有研究对于知识创新概念的探讨主要分为两大类：有学者认为，知识创新就是知识创造，即新知识的产生［10］；还有学者认为，知识创新不仅包括知识创造，还包括知识的交流和转化等过程，即知识通过传播、应用向经济价值转化的过程［11］。例如，苏屹等［12］基于强化布鲁塞尔反应，从知识创造、知识应用、知识扩散和知识反馈等4 个方面分析了区域知识创新系统的演化。本文研究的重点是如何识别知识创新的低效短板，提升区域科技创新水平，强调新知识流动及转化应用的过程。因此，本文将第二种观点作为研究基础，认为知识创新是知识主体利用创新资源进行知识交流、知识创造、知识转化的过程。

在区域知识创新生态位的形成过程中，区域生态中的有机体利用创新资源不断地进行新陈代谢活动，实现生长发育并推动知识遗传和进化，为下一阶段的知识生态活动提供基础［8］。因此，基于知识创新内涵，本文将区域知识创新生态位测度指标体系划分为有机体存量、新陈代谢、生长发育、遗传进化等4 个维度。这4 个维度共同作用，促使区域知识创新生态位不断提升，并跃迁到新的发展空间［13］。

本文将依照以下原则建立指标体系：一是将知识交流和知识应用纳入区域知识创新生态位测度指标体系，体现知识从无到有的过程以及所产生的市场价值；二是考虑区域内各类知识创新主体，包括高校、科研机构和企业等在知识创新中发挥的作用；三是关注知识的转化应用对企业生产和知识跨域扩散的作用；四是为保证本指标体系测度结果的权威性、连续性、可获取性和可比较性，指标数据均来源于国家权威统计报告，如《中国统计年鉴》《中国科技统计年鉴》《中国科技论文统计与分析报告》《中国区域创新能力评价报告》等。

1.2 指标选取与体系构建

根据生态位态势理论，生态位有两方面的属性：一是以生物量、资源占有量、经济发展水平、科技发展水平等为代表的生物单元现有状态，其反映当前发展状态，即生物单元的“态”［14］；二是以生产力、生物增长率、物质能量变换速率等为代表的生物单元影响或支配所处环境的能力，其反映发展趋势和发展潜力，即生物单元的“势”［15］。因此，为进一步综合测量各区域知识创新的当前状态和发展趋势，根据生态位态势理论将有机体存量、新陈代谢、生长发育、遗传进化等一级指标划分为“态”和“势”两类［16］。借鉴《中国区域创新能力评价报告》中选取人员规模和新产品产量等存量指标测度区域创新实力、选取与上一年相比的增长率指标测度区域创新潜力的做法，本文选取存量指标测度区域知识创新生态位的“态”，选取增长率指标测度区域知识创新生态位的“势”。通过专家访谈、小组讨论，并充分借鉴已有研究成果和研究报告，确定区域知识创新生态位的测度指标体系，如表1所示。各维度指标的选取与分析如下。

第一，有机体存量指区域知识基础情况。个体是组织知识创新的来源，科研人员是区域知识创新的基础。科研人员数量越多，区域知识创新的效率越高［17］。同时，区域研发支出能够推动区域内部创新主体积极参与知识创新活动，为区域知识创新提供了基本保障［18］。因此，本文采用某区域当年的研究与试验发展（R&D）人员全时当量、各地区研究与试验发展（R&D）经费内部支出指标来测度有机体存量。

第二，新陈代谢指区域知识交流情况。随着科技水平的提升、市场竞争的加速，在创新活动中，主体、行业、地域之间的边界已愈发模糊，创新活动越来越多地转为合作开放式创新［19］。论文的合著关系从微观层面反映了各主体间的知识交流情况，已成为研究知识合作的重要指标［20］。而企业作为知识交流中最重要的市场主体，通过与学研机构及其他主体合作，以出资的方式获取新知识。因此，本文采用科技论文作者的合著关系、企业对外合作、高校和科研院所科技募集活动中来自企业的资金等指标测度新陈代谢。

第三，生长发育指区域知识创造情况。知识分为科学知识、技术知识以及与企业相关的知识等3 类［21］。论文和专利作为知识产出的显性表达，是科技创新重要的成果载体，被广泛应用于各主体知识创新产出的测度［22］。因此，本文采用专利综合指标及科技论文综合指标来测度区域知识创新的知识创造。

第四，遗传进化指区域知识转化情况。知识转化是对知识创造成果的开发和应用，将成果应用于生产，推动知识的产业化和商业化，实现知识创造成果的物化及其经济价值［3］。企业新产品开发情况和区域对外技术输出情况体现了知识成果的对外转化和应用，反映了地区的创新辐射效应。因此，本文采用企业新产品开发指标和区域对外技术输出指标来测度区域知识创新的知识转化。

2 基于组合赋权法的区域知识创新生态位测度模型

2.1 测度思路

现有关于测度方法的研究中，部分研究通过专家经验进行主观打分和赋权，如层次分析法、QFD 法和德尔菲法等；还有部分研究通过提炼指标数据从而确定权重，如主成分分析法、多目标规划法和BP 神经网络分析法等。区域知识创新生态位是一个多维度的空间模型，对区域知识创新生态位的测度既要考虑区域知识创新的客观情况，又要考虑宏观控制的引导作用。因此，本文采用主客观组合赋权法构建我国区域知识创新生态位测度模型。其中，组合权重系数的计算遵循主客观赋权结果最大一致性的处理原则，以降低主观赋权结果和客观赋权结果的偏离程度，使测度结果更准确地反映现实情况。

主要包括以下几个步骤：第一，根据已构建的区域知识创新生态位测度指标体系，规范化处理各指标原始数据；第二，选用G1法、G2法、熵值法、离差最大化法等方法分别计算指标权重；第三，构建目标函数，运用最大熵原理，提高各赋权结果的一致性，计算组合系数和组合权重；第四，计算得出30 个省（区、市）的知识创新生态位得分。本文所选样本数据时段为2019—2022年（因《中国区域创新能力评价报告2022》实为2020年数据，本文实际的样本数据时段为2017—2020年），以我国30 个省（区、市）为研究对象，限于数据的可获得性，不含港澳台和西藏。

2.2 主客观赋权法

由于本文所选取的指标均属于正向指标，数据越大，知识创新程度越高。因此，使用正向打分公式对指标进行规范化处理。处理后选用G1法、G2法、熵值法、离差最大化法等进行指标赋权。

2.2.1 G1 法确定权重。G1 法是一种主观赋权法，根据专家每次对最重要指标的选择，最终形成所有指标的序关系。邀请政府、高校、科研院所中从事区域创新、产业创新、科技转化等研究的7位专家组建专家组，向专家提供知识创新生态位评价的背景资料，由专家进行指标排序与赋值。在排除异常值和离散数据后，对专家意见进行汇总；将结果反馈给专家，专家根据结果进行适当调整；经过多轮意见反馈，最终形成G1法权重。

专家给出相邻测度指标xk-1与xk重要性之比rk的赋值，第j个指标的G1 法权重wj如式（1）所示。

2.2.2 G2 法确定权重。G2 法也是主观赋权法，且专家排序与赋值过程同G1 法。专家选择最不重要的指标xk，并给出其他指标xj与xk重要性之比dj的赋值，第j个指标的G2 法权重wj如式（2）所示。

2.2.3 熵值法确定权重。熵值法是一种客观赋权法，运用信息熵原理确定权重。计算过程如下。

2.2.4 离差最大化法确定权重。离差最大化法是以评价结果的影响力为依据的客观赋权法。用Hij(w)表示对象i与其他指标值的离差。

其中，wj为第j个指标的权重。对于指标j，所有对象与其他对象的总离差为：

依据离差最大化原理，通过拉格朗日函数求导得到最优解。

2.3 组合赋权法

2.3.1 组合权重的计算。分别用G1 法、G2法、熵值法和离差最大化法求权重wc(c=1,2,3,4)，则组合权重为：

其中，αc表示组合系数，。

2.3.2 组合权系数的确定。①保证各测度对象的加权得分与理想点广义距离最小。

其中：li为距离；为第c种赋权方法第j个指标的权重；xij为规范化后的值。

②运用Jaynes 提出的最大熵原理，构建目标函数。

以各个赋权结果一致性最大的原则确定组合权系数，构建目标函数如式（11）所示。其中，参数θ为两个目标间的平衡系数，根据专家意见，θ=0.5。

求解组合权系数αc。

将式（8）求得的2019—2022年各年的权重转置WT和指标规范化得分X相乘，得到2019—2022年区域知识创新生态位测度得分Q。

按照得分的大小排序，即区域知识创新生态位的排序。

3 区域知识创新生态位测度的实证分析

3.1 2019—2022年组合权重

根据上述分析，2019—2022年组合权重计算结果如表2所示。因篇幅有限，仅列出2022年各维度权重。

表2 区域知识创新生态位测度指标权重

3.2 区域知识创新生态位的综合测度

3.2.1 2022年区域知识创新生态位测度。将各项指标规范化后的分数和组合权重代入式（13），计算出各区域知识创新生态位得分，如表3所示。

表3 2022年区域知识创新生态位准则层及综合测度结果

从表3 可以看出，2022年排名位于知识创新生态位第一梯队的省（区、市）主要有广东省、江苏省、北京市、山东省、浙江省、海南省、四川省、陕西省、上海市和安徽省。其中，排名第一的是广东省，其有机体存量态与遗传进化态均是第一位，说明广东省良好的经济状况为知识创新打下了坚实的基础。广东省政府以大湾区国际科技创新中心为引领，在基础研究、创新载体建设等方面大力投入；通过华南技术转移中心、广东高校科技成果转化中心等，为科研项目导入政策、融资等转化全流程所需资源，显著提升了科研成果转化活力。与此同时，广东省积极鼓励部属高校在广东设立分校或研究所，建立“三部两院一省”产学研合作体系，打造高层次、全方位的知识交流模式。2020年，广东省获发明专利授权量达15 077 件，新陈代谢态、新陈代谢势、生长发育态等均位于全国前列。

山东省排名第四位，其遗传进化势位于全国首位，知识转化成果显著。山东省科技厅大力推进创新体制机制改革，在省属高校开展科研人员职务科技成果所有权或长期使用权试点。例如，山东省农科院为破解农业科技成果转化的难点，制定“1+7”政策办法，构建覆盖转化全流程、全周期的服务体系。此外，山东省全面推行科技攻关“揭榜制”和首席专家“组阁制”，打造“政产学研金服用”创新创业共同体，积极举办省中小企业创新竞技行动、高层次人才创业大赛等省级赛事，“以赛为媒”公开遴选优质创新项目，促进创投机构与科技企业对接，引导和撬动各类社会资本，推进知识成果转化应用。

海南省排名第六位，虽然其知识创新生态位的态维度比较薄弱，如有机体存量态排名第29位，生长发育态排名第28 位，遗传进化态排名第29位，但势维度相对强劲，4个势维度均位于全国前五，其中新陈代谢势与生长发育势位列国内首位，形成了以知识合作和知识创造带动整体知识创新的发展模式。海南省依托海南自由贸易港的建设，推动创新领先地区与海南省建立科技合作机制，不仅引进高新技术企业落户海南，还引进多家研发机构，使其与本地企业、高校、科研院所等展开合作，采用“一对一、点对点、多对一”的多层次合作方式，以开放合作、科技创新提升海南省整体知识创新生态位水平。

四川省排名第七位，虽然其在新陈代谢、生长发育、遗传进化等维度表现不够突出，如新陈代谢态和势分别排名第14 位和19 位，生长发育势排名第20 位，但有机体存量维度表现亮眼，有机体存量态排名第7 位，有机体存量势排名全国首位。四川省高度重视人才引进与培养，成立高层次人才创新创业投资资金，研发人员数量持续增加，目前拥有两院院士59 人，国家杰青110 人；且四川省逐年加大科研经费投入力度，2020年科技研发投入经费总量达1 055.3亿元，迈入千亿台阶，比2019年增长21.2%，总量排名全国第七位，为四川省知识创新活动提供了强有力的支持。

3.2.2 2019—2022年区域知识创新生态位综合测度。据上文计算结果，将各区域2019—2022年知识创新生态位得分逐年列出，比较各省（区、市）知识创新生态位动态变化情况，具体如表4所示。

表4 2019—2022年各省（区、市）知识创新生态位综合测度得分及排名

由表4 可以看出，2019年排名前五位中的广东省、江苏省、北京市和浙江省，其知识创新生态位在4年间均比较稳定，知识创新发达区位逐渐形成，后发省（区、市）难以实现快速赶超。如排名第三位的北京市，其生态位各态势发展较为均衡，大多处于较高水平。这说明作为国家的政治、经济、文化、管理、科技中心，北京市创新资源总量是其他区域所不能比拟的，北京市拥有巨大的人才优势与科技优势，正加速建设国际科技创新中心。位于前五位的浙江省，其作为沿海经济强省，拥有雄厚的经济基础和丰富的科教资源，近年来始终将科技创新作为推动经济转型的新动能，出台“科技新政50条”，从财政投入、平台建设、体制改革等多个方面打造科技创新高地，持续加大研发投入；设立以西湖大学、之江实验室为代表的新型开放型研发平台，加速浙江省的科研产出与交流，最终形成“重投入，高产出”的知识创新模式。

近四年，海南省、四川省、安徽省、黑龙江省的知识创新生态位呈上升趋势。以安徽省为例，其把创新作为最大政策，不断以制度创新激发第一动力，实现了从“科教大省”向“科技创新策源地”的转化；出台《安徽省促进科技成果转化条例》《安徽创新型省份建设促进条例》等法律法规，积极推进创新体制机制改革。2017年，合肥获批成立综合性国家科学中心，建设了一批国字号重大战略平台，在重点领域“卡链”“断链”关键技术攻关方面开展了一批科技重大专项和研发计划，产出了一批重大创新成果。另外，黑龙江省把创新作为第一动力，组建以龙头企业为“盟主”单位、高校院所协同、产业链上游及下游企业共同参与的产业技术创新联盟20个，高度重视与中国科学院、中国工程院的合作交流，借助国家顶尖智库开展产学研协同创新。

近四年，湖北省、河南省、贵州省、云南省的知识创新生态位呈下降趋势。以贵州省为例，2019—2022年其区域知识创新生态位分别位于全国第9、11、15、26位。近年来，贵州省研发经费投入不足，知识基础薄弱，加之缺少高水平创新平台引领，科研人员流失严重，高精尖人才稀缺。2019—2022年贵州省有机体存量态、生长发育态、遗传进化态均位于全国第25 位左右，知识创造与知识转化大幅下降，成为贵州省知识创新生态位下降的主要原因。

4 结论与建议

4.1 研究结论

本文基于生态位态势理论，认为知识具有生长性、交叉性和进化性，区域生态中的有机体利用创新资源不断地进行新陈代谢活动，实现生长发育并推动知识遗传和进化，最终形成各区域不同的知识创新发展态势和竞争地位。从有机体存量、新陈代谢、生长发育、遗传进化等4 个维度构建区域知识创新生态位测度指标体系，利用最优组合赋权法，测度30 个省（区、市）2019—2022年的知识创新生态位，对各区域的知识创新生态位进行分析，得出以下结论。

①从整体排名来看，近几年，广东省、江苏省、北京市、浙江省的区域知识创新生态位位居前列，已形成较为稳定的知识创新第一梯队，态和势维度均发展强劲；海南省、四川省、安徽省、黑龙江省的知识创新生态位呈上升趋势，安徽省和四川省在2022年已跃入知识创新第一梯队；湖北省、河南省、贵州省、云南省的知识创新生态位呈下降趋势。

②从各维度表现来看，各省（区、市）间差异较大，其不同的政策重点促进了区域知识创新生态位的提升。广东省、北京市知识创新生态位各维度态势较为均衡。此外，有些第一梯队省（区、市）表现出“低态高势”的知识创新态势，如山东省的遗传进化势、海南省的新陈代谢和生长发育势、四川省的有机体存量势位于全国前列；还有些省（区、市）表现出“高态低势”的知识创新态势，如江苏省和陕西省作为知识创新强省，其各维度的势排名均低于态排名，由于存量指标表现强劲，因而整体生态位仍处于第一梯队。

4.2 政策建议

基于以上研究发现，本文对如何提升区域知识创新生态位提出以下建议。

首先，加大有机体存量，提升区域知识基础态势。借鉴四川省对人才的引进培养和加大科研经费投入的先进经验，定制柔性人才政策，引进关键领域、重点产业急需人才，加大人才投入力度，建立高层次人才扶持基金，构建多元化人才投入机制，积极推进创新体制机制改革；加大财政支持力度，引入各类社会资本，鼓励企业加大研发投入，推动加计扣除政策应享尽享。

其次，加强新陈代谢，提升区域知识交流态势。借鉴广东省和海南省协同创新的做法，利用区位优势，积极补充产学研单元，发挥企业在技术和经济主战场的优势，强化企业在产学研合作中的主体作用，构建知识创新共生群体，激发人才、资金、技术、信息等创新资源的活力；鼓励当地企业与其他区域的创新主体共同开展跨区域合作项目，瞄准重点产业和关键技术组建创新联盟，通过引进来、走出去开展联合攻关。

再次，促进生长发育，提升区域知识创造态势。借鉴北京市和安徽省等知识产出丰富地区的做法，面向世界科技前沿和国家重大需求，提升原始创新能力，加强战略导向的体系化基础研究、前沿导向的探索性基础研究以及市场导向的应用性基础研究，推动“卡脖子”技术实现新突破，增加高质量科技成果供给，加快前沿技术突破和转化，提升区域创新核心竞争力。

最后，推动遗传进化，提升区域知识转化态势。借鉴海南省和山东省的经验，推进跨区域成果转移转化，建设“互联网+技术交易”平台，打造数字技术赋能的、线上线下结合的技术交易市场；打破创新体制机制的深层次障碍，激发科研人员创新活力，推行科技攻关“揭榜挂帅”制度，通过组织各种交流活动积极推进创投机构与科技企业对接。

本研究也存在一定的不足。在指标体系上，对组织和个体合作创新知识成果的直接测度、政府支持政策的影响等考量仍然不足，未来应在后续研究中进一步深化和完善，讨论区域合作创新态势差异和不同政策工具对区域知识创新的影响；限于数据的可获得性，未将中国的知识创新生态系统发展情况与其他国家进行对比，未来可基于不同国家的可靠数据，进一步对比分析国家之间的知识创新差异。