经济新常态下省域制造业创新驱动能力评价分析

郭燕青 霍丹

摘 要：基于经济新常态发展背景，从创新投入、创新产出、创新环境和创新主体四个维度构建制造业创新驱动能力评价指标体系，以我国30个省域为研究对象，运用熵权—层次分析法进行实证分析。研究发现：进入新常态后，2014—2020年我国各省域制造业创新驱动力不断增长，相较2007—2013年有了显著的提升。分维度看，创新产出、创新环境与创新主体三个维度增长迅速，创新投入维度变化幅度较小；分区域看，省域制造业创新驱动能力存在两极分化问题，并且之间差异呈现出逐年扩大趋势。鉴于此，在坚持实施创新驱动发展战略的同时，要注重区域协调发展，充分发挥地区制造业特色优势。

关键词：经济新常态；制造业；创新驱动能力；熵权—层次分析法

中图分类号：F426      文献标识码：Ａ       文章编号：1674-5450（2023）03-0033-08

一、引言

制造业作为国民经济的主体，是立国之本、强国之基。尽管目前我国制造业发展取得了显著的成就，但是“大而不强”问题依然严峻，尤其是与世界上制造强国相比，存在结构不合理、研发投入不足及发展质量效益不高等问题[１-2]。进入经济新常态后，党中央提出实施创新驱动发展战略，明确要求我国制造业必须从依靠投资驱动的粗放型发展模式向依靠创新驱动的集约型发展模式转变[3-6]。党的二十大报告进一步提出推进新型工业化、建设制造强国、加快实施创新驱动发展战略等一系列重大战略部署。因此，立足经济新常态发展背景，把握由强调“量”向强调“质”的经济发展规律，加强对制造业创新驱动能力评价研究，有助于全面认识我国制造业发展现状和发现存在的问题。同时，从区域层面加强制造业创新驱动能力的比较分析，对于促进各地制造业协调发展，推动我国从“制造大国”向“制造强国”迈进具有重要意义。

二、文献综述

通过梳理文献发现，关于创新驱动能力的研究得到了学者们的广泛关注。从研究对象来看，现有研究主要从国家、地区、城市及城市群和产业四个层面对创新驱动能力及其发展水平的相关问题进行了探讨[7-11]。从研究内容来看，一部分研究从理论上对创新驱动能力的维度进行了划分，解学芳和臧志彭指出，创新驱动能力是技术创新与制度创新相结合[12]；另一部分学者利用定量分析方法对创新驱动能力进行了评价研究。李晓钟和何晨琳从创新投入驱动能力、创新产出驱动能力、发展绩效驱动能力、创新环境支撑驱动能力四个方面，构建浙江省制造业创新驱动能力的评价体系[13]。王文寅和梁晓霞将创新投入、创新产出、教育能力、知识支撑能力和科技创新环境作为外源潜在变量，将科技与产业创新能力作为内生潜在变量，对山西省创新驱动能力进行了实证分析[14]。宋文月和任保平结合国家创新驱动发展战略要求，以“投入—产出”模型为基础构建了综合评价指标体系，对2000—2015年中国各省域创新驱动能力及创新驱动发展水平进行综合评价和聚类分析[15]。王新红和李世婷认为，创新驱动能力是创新驱动水平的综合表现，将创新驱动能力划分为基本要素驱动能力、科技创新驱动能力、绿色发展驱动能力和经济效益驱动能力四个方面，并对中国制造业创新驱动能力进行了评价分析[16]。王珍珍和许婉婷从创新驱动投入、创新驱动支撑和创新驱动绩效三个维度构建了区域创新驱动发展能力评价指标体系，并对福建省进行了评价分析[17]。

通过梳理已有研究文献发现，现有研究存在以下几点不足：第一，绝大部分研究以国家和区域为研究对象，对产业尤其是制造业创新驱动能力评价研究不足。第二，多数评价指标体系主要以“投入—产出”模型为基础，缺少了对创新驱动过程中创新主体等要素的考察。同时，在确定创新驱动能力评价指标权重时采用主观判断居多，导致缺乏可信度和客观性。而采用传统熵权法又会存在各指标权重过大的问题。第三，相关研究选取的地区范围和时间区间较短，未能连贯全面地揭示我国制造业创新驱动能力的动态变化，尤其是缺乏新常态前后的对比分析。鉴于此，本文结合经济新常态背景下创新驱动发展要求，构建了制造业创新驱动力评价指标体系，采用熵权—层次分析法对我国省域制造业创新驱动力的发展水平进行测度分析，以期为推动我国制造业实现高水平创新驱动发展提供数理依据和实践参考。

三、评价指标体系构建

经济新常态下，创新驱动发展的方向从注重“数量”转向强调“质量”，创新驱动能力的核心是以科技创新为基础，以企业为创新主体，以突出创新成果产出的创新过程[18]。制造业创新驱动能力贯穿从创新投入到创新产出的全过程，表现为有效整合各种生产要素应用于各类创新活动。同时，企业主体作用和外部环境支撑同样至关重要。在借鉴以往研究的基础上，结合经济新常态的发展要求，遵循客观、有效、全面的原则，考虑到数据的可采集性、可分析性和可量化性，并经过咨询相关领域专家的意见，将制造业创新驱动能力划分为创新投入能力、创新产出能力、创新环境能力和创新主体能力四个维度，进一步构建了包含8个二级指标、17个三级指标的评价指标体系，如表1所示。具体而言，创新投入能力是产业发展的基础，反映了在创新活动中投入资源的数量和质量，包括人力投入和资本投入。经济新常态更加强调创新驱动需要依靠创新人才和创新研发费用的支持[19-20]，创新人才包括制造业就业人数占总就业人数、制造业R&D人员全时当量2个三级指标，资本投入包括新产品开发经费支出、制造业R&D经费支出2个三级指标。创新产出能力表现为整合各种要素实现成果产出的能力。将创新产出能力分为创新前端和创新后端，经济新常态下不仅强调创新产出的数量，而且注重创新产出的效益[16]。

因此，创新前端反映科技成果产出的规模，用制造业有效发明专利量和制造业技术合同成交总额衡量，创新后端反映创新成果转化能力，用制造业新产品销售收入和技术市场成交总额衡量。创新环境能力反映了产业开展创新活动的保障，将创新环境能力分为政府支持和基础条件支持，创新环境对创新驱动发展起到支撑作用。一方面，政府需要在经济转型发展中承担起更多的“引导者”“服务者”的角色，政府的创新意识和创新政策引导力尤为重要[21]，用政府教育支出占财政支出比重、政府科技支出占财政支出比重两个指标衡量；另一方面，制造业创新驱动发展依赖于基础设施的支持，特别是经济转型发展中数字技术的不断升级促进新型基础设施规模不断扩大，用公路与铁路里程數、邮政和电信业务量衡量传统基础设施建设水平，用互联网宽带接入端口衡量新型基础设施建设水平。创新主体能力是新常态下创新驱动能力的核心体现，将创新主体能力分为企业和创新中介，创新主体是制造业创新驱动发展的载体，经济转型发展中，国家多次强调要建立以企业为主体、市场为导向、产学研深度融合的技术创新体系，企业与创新机构是制造业创新驱动发展中必不可少的主力军。其中，用高新技术企业占比、规模以上制造业企业数量来衡量创新主体中的企业，用制造业研发机构数量和高等院校数量来衡量创新主体中的创新机构。

四、实证分析

（一）数据来源

本文选取中国制造业作为研究对象，由于西藏地区相关数据缺失严重，故选择全国和30个省域（除中国香港特别行政区、中国澳门特别行政区、中国台湾地区和西藏自治区之外的省、自治区、直辖市）为样本。所有指标数据均来自2007—2020年期间的《中国统计年鉴》《中国工业经济统计年鉴》《中国科技统计年鉴》及各省（自治区、直辖市）统计年鉴。其中，统计口径为“规模以上的工业企业”。

（二）研究方法选择

本文采用熵权—层次分析法对构建的评价指标体系进行赋权并计算得分。与基于专家知识、经验与偏好确定的主观赋值法相比，熵权—层次分析法是一种突出局部差异的客观赋权法，能够根据各项指标的信息含量比较客观地确定指标权重[22]111，并且优于传统熵权法的是，熵权—层次分析法克服了指标权重过大会影响最终评价结果的问题，指标重要性由传统熵权法差异系数得出，不会出现各指标重要性比较的逻辑错误。本文先使用传统熵权法对各省份每年数据进行评分。

（三）结果阐释

1.指标权重确定

根据熵权—层次分析法计算得到各指标权重，并根据评价指标体系中各指标权重，进一步得到创新投入、创新产出、创新环境和创新主体四个一级指标的权重，如表3所示。从结果可以看出，创新产出对我国制造业创新驱动能力的影响程度最大，其次是创新主体和创新投入对我国制造业创新驱动能力的影响程度相近，最后是创新环境的影响程度最低，且与其他三个一级指标的影响程度相距较大。

2. 我国省域制造业创新驱动能力评价

2007—2020年我国省域制造业创新驱动能力评价结果如表4所示。自2013年12月习近平总书记首次提出“新常态”以来，全国各省域制造业创新驱动能力持续增长。2014—2020年期间全国平均值为0.1305，相较 2007—2013年间全国平均值0.0701而言，几乎实现翻倍增长。分维度来看，创新产出、创新环境与创新主体三个维度增长迅速，创新投入维度变化幅度较小，这也充分说明了各省域贯彻党中央创新驱动发展战略要求，注重提升创新成果转化效率、创新环境支撑和创新主体培育。从各省域来看，我国省域制造业创新驱动能力发展存在较大的区域差异，排名靠前的地区多为东部沿海和中部地区的经济发达省域，而创新驱动能力水平落后的省域主要集中于西部内陆地区。省域之间出现了明显的不平衡发展态势，

2007—2013年间得分高于全国平均值的省域为12个，而2014—2020年间降为10个。两极分化现象愈发明显，2007—2013年间排名第一的广东省制造业创新驱动能力得分平均值为0.2084，是排在末位的海南省制造业创新驱动能力得分平均值（0.0144）的14倍，而这一差距在2014—2020年间扩大为30倍之多。

参考吴敬茹的划分方式，按照创新驱动能力强弱和创新驱动能力增速两个维度将各省域制造业创新驱动能力类型划分为四种[23]。其中，创新驱动能力得分高于平均得分的表示为“创新驱动能力相对强”，创新驱动能力得分低于平均得分的表示为“创新驱动能力相对弱”，创新驱动能力增速高于平均增速的表示为“创新驱动能力增速相对高”，创新驱动能力增速低于平均增速的表示为“创新驱动能力增速相对低”，如表5所示。属于I型的省域包括广东、江苏、浙江、北京、湖北、安徽、河南、四川、湖南。这些省域制造业创新驱动发展处于全国第一梯队，属于高位高速增长型。属于Ⅱ型的省域包括上海和山东。这两个地区制造业形成了较好的创新驱动发展基础，但是整体呈现增速放缓，属于高位低速增长型。属于Ⅲ型的省域包括江西、贵州、陕西、重庆、宁夏、河北、云南、福建。这些省域制造业创新驱动发展处于进入快车道阶段，属于低位高速增长型。属于Ⅳ型的省域包括广西、吉林、甘肃、海南、新疆、天津、辽宁、山西、内蒙古、青海、黑龙江。这些省域制造业创新驱动发展较为滞缓，属于低位低速增长型。从区域来看，东部地区四种类型的创新驱动能力均有分布；中部地区有四个省域制造业创新驱动能力为I型，Ⅲ型、Ⅳ型均有1个；西部地区几乎为Ⅲ型、Ⅳ型；而东北地区均属于Ⅳ型。

从时间演化角度来看，为进一步揭示新常态后我国省域制造业创新驱动能力变动情况，用各省域制造业创新驱动能力的最大值与最小值之比作为衡量各省域创新驱动能力差距的指标，如图1所示。从结果可知，随着时间的推移，我国省域制造业创新驱动能力差距逐渐扩大，从2007年的11.96增长到2020年的43.79。显然，随着时间推移我国省域制造业创新驱动能力发展的“马太效应”愈发显著，“区域鸿沟”问题十分突出。同时，进一步分析各省域制造业创新驱动能力排名变化，如图2所示。从结果可以看出，排名前五的省份一直未发生变动，依次是广东、江苏、浙江、山东和北京。排名增幅较为明显的是湖北、安徽、四川和贵州，主要得益于近年来国家大力推进中西部先进制造业基地建设，四川作为全国全面创新改革试验区域之一，创新驱动改革发展成效显著；而贵州在大数据产业方面起步早，通过推动数字化创新为“贵州制造”增添了新动能；湖北大力布局高端制造业集群拉动产业创新驱动发展；安徽大力发展战略性新兴产业，实现了“传统农业大省”向“新兴工业大省”的转变。此外，东北地区的辽宁、吉林、黑龙江三省制造业创新驱动能力排名明显下滑，其原因在于传统制造业转型困難较多，如面临“老字号”比例高、经济发展滞缓等一系列挑战，相对于发达省份出现了“原地踏步”的情况。

从空间演化角度来看，为考察我国省域制造业创新驱动能力空间布局变化情况，本文采用自然间断点分级法，将30个省域的制造业创新驱动能力分为5个等级，通过对比新常态前后发展变化，可以发现我国省域制造业创新驱动能力发展水平呈现出从东南沿海省份向内陆中西部省份梯度递减的空间分布格局，地理集聚效应主要集中于东部沿海地区，同时东部沿海地区对中部地区通过空间溢出作用实现共同进化，但是这种区域联动效应尚未充分显现，西部地区和东北地区制造业创新驱动能力则出现逐年“退步”演化趋势。

五、结论与政策建议

进入新常态后，我国省域制造业创新驱动能力实现大幅提升，并且在创新产出、创新环境、创新主体方面增长明显，这充分证明国家的政策导向和各地实践取得了良好成效。但是与此同时，本文也发现省域制造业创新驱动能力存在“区域鸿沟”和“马太效应”，这不利于区域制造业的协调发展，成为我国未来时期解决的重点任务。鉴于此，本文建议从以下几个方面施策。

一方面，坚持实施创新驱动发展战略。一是继续重视创新投入。未来应加强创新人才驱动战略，应基于制造业企业的发展战略目标，结合当前企业成长阶段，制定长期稳定高效的创新人才引进计划；政府要加强引导，鼓励企业改变人才使用观念，增强创新人才培养的主体地位。加强在技术密集环节的资本投入，尤其是鼓励增强解决“卡脖子”技术的研发投入。二是优化创新环境，加强对制造业创新驱动的支撑。加强传统基础设施和新型基础设施布局，充分发挥数字技术在推动赋能制造业转型升级的重要作用。此外，发挥政府的引擎作用。进一步深化“放管服”改革，从财税、融资等方面加强对制造业创新驱动发展提供必要的支持。三是注重实施创新生态系统驱动战略，注重创新主体的主导地位，加强形成企业、政府、科研院所、高校等共生合作的创新生态系统；进一步提高创新成果的转换效率，充分发挥创新生态系统的倍增效应。

另一方面，还要注重区域协调发展，充分发挥地区制造业特色优势。对于东部领先省域来说，其要充分发挥制造业龙头企业的创新活力，形成积极的引领作用。对于中部地区而言，其要提高“四基地一枢纽”战略地位，加快推动先进制造业基地建设，加快智能制造业集群发展。加快提高中部地区制造业关键领域自主创新能力，注重投入产出效益的提升。对于西部地区而言，其要充分发挥西部地区在基础要素的低成本优势，建设一批重点实验室、工程研究中心、企业技术中心、制造业创新中心，提高科技成果转化效率。对于东北地区来说，其要加强对“新字号”的开发，以培育新兴产业为抓手，加强制造业创新发展中的新旧动能转换。同时，增强区域协同联动，以建设全国统一大市场为契机，促进形成层级有序、分工合理的发展格局。紧密围绕双循环发展战略，利用好国内国外两个市场、两种资源，加强高水平合作，提高制造业创新驱动发展的全球竞争优势。

参考文献：

［１］ 胡迟.以创新驱动打造我国制造业高质量成长：基于70年制造业发展回顾与现状的考察［J］.经济纵横，2019（10）：53-63.

［２］ 杨浩昌，李廉水，张发明.制造业集聚对创新生产率的影响及区域比较［J］.科学学研究，2020（1）：63-75.

［３］ 张晓晶.经济新常态［J］.经济研究，2022（7）：4-11.

［４］ 徐国祥，陈燃萍.创新驱动转型发展能力的影响因素分析：基于省级面板数据的实证研究［J］.数理统计与管理，2019（5）：770-784.

［５］ 杨浩昌，李廉水，刘耀彬.区域制造业创新驱动力评价及其差异研究［J］.科学学研究，2021（10）：1908-1920.

［６］ 黄群慧.论新时期中国实体经济的發展［J］.中国工业经济，2017（9）：5-24.

［７］ 周柯，唐娟莉，谷洲洋.中国创新驱动发展能力测度与评价［J］.统计与决策，2018（2）：86-89.

［８］周柯，唐娟莉.我国省际创新驱动发展能力测度及影响因素分析［J］.经济管理，2016（7）：24-34.

［９］ 赵卿.粤港澳大湾区城市创新驱动能力测度［J］.统计与决策，2021（22）：59-63.

［10］ 邵汉华，齐荣.长江经济带城市创新驱动发展水平测度［J］.城市问题，2019（9）：11-18.

［11］ 沈金生，郁威.中国传统海洋优势产业创新驱动能力研究：以海洋渔业为例［J］.中国海洋大学学报（社会科学版），2014（2）：23-28.

［12］ 解学芳，臧志彭.制度、技术创新协同与网络文化产业治理：基于 2000—2011年的实证研究［J］.科学学与科学技术管理，2014（3）：31-41.

［13］ 李晓钟，何晨琳.“互联网+”对制造业创新驱动能力的影响：基于浙江省数据的分析［J］.国际经济合作，2019（5）：36-47.

［14］ 王文寅，梁晓霞.创新驱动能力影响因素实证研究：以山西省为例［J］.科技进步与对策，2016（2）：43-49.

［15］ 宋文月，任保平.中国省域创新驱动发展水平评价及其影响因素分析［J］. 统计与信息论坛，2019（1）：73-82.

［16］ 王新红，李世婷.基于改进熵值法的中国制造业创新驱动能力评价研究［J］.商业研究，2017（1）：27-33.

［17］ 王珍珍，许婉婷.福建省创新驱动发展能力的区域差异及影响因素：基于熵值法的视角［J］.福建农林大学学报（哲学社会科学版），2017（3）：49-56.

［18］赵静，薛强，王芳.创新驱动理论的发展脉络与演进研究［J］.科学管理研究，2015（1）：1-4．

［19］ 李晓钟，何晨琳.“互联网+”对制造业创新驱动能力的影响：基于浙江省数据的分析［J］.国际经济合作，2019（5）：36-47.

［20］ 李廉水，张芊芊，王常凯.中国制造业科技创新能力驱动因素研究［J］. 科研管理，2015（10）：169-176.

［21］ 李军林，许艺煊，韦天宇.创新政策对城市科技创新建设的影响及其异质性分析［J］.改革，2021（2）：128-145.

［22］ 李亚军.综合评价理论、方法及应用［M］.北京：科学出版社，2008.

［23］ 吴敬茹.创新驱动视角下我国制造业技术创新能力评价［J］.工业技术经济，2020（10）：74-80.

Abstract：Based on the background of the new normal development of economy， this paper constructs the evaluation index system of innovation driving ability of manufacturing industry from four dimensions of innovation input， innovation output， innovation environment and innovation subject， the entropy weight-analytic hierarchy process（AHP）is applied to the empirical analysis. The results show that： after entering the New Normal， the driving forces of manufacturing innovation in our country？蒺s provinces from 2014 to 2020 have been growing， compared with 2007 to 2013， there is a significant improvement. From the perspective of sub-dimensions， the three dimensions of innovation output， innovation environment and innovation subject are growing rapidly， while the change of innovation input dimension is relatively small.At the sub-regional level， the innovation-driven capacity of provincial manufacturing industry is polarized， and the difference between them shows a trend of expanding year by year. In view of this， while adhering to the innovation-driven development strategy， we should pay attention to the coordinated development of regions and give full play to the unique advantages of regional manufacturing.

Key words：economic new normal; manufacturing; innovation-driven capacity; entropy weight-analytic hierarchy process