产业集成创新是加快产业结构升级和建设创新型国家的重要方式和途径,是推动我国经济增长与转型的重要力量。顾冠群院士认为实现产业集成创新关键在于将不同领域的知识、属于不同学科背景的人的经验、智慧和才能及属于不同组织的资源、信息有机地整合起来,综合交叉、打破空间和层次的界限,开放式地解决复杂系统创新问题[1]。王众托院士也指出:创新的实质是新知识的生成和应用,在系统集成创新中,知识的集成占有重要地位[2]。可见,产业集成创新的核心是知识的集成创新,产业集成创新的实现离不开相关知识要素的有效整合与强力支撑[3]。
从区域层面看,产业集成创新过程不仅取决于主导(或参与)集成创新的企业自身的能力水平,更依赖于其所处区域的区域知识承载力。所谓区域知识承载力,是指某一区域一定时期内,在合理开发利用知识资源的条件下,区域知识资源所能承载的区域经济持续发展能力[4]。在区域产业集成创新方面,它相当于限制区域产业集成创新发展水平的最终目标函数。一旦某个区域的知识资源或能力不足以支持当地产业集成创新发展时,就会制约相关产业的创新发展水平和成长潜力,从而导致区域经济增长乏力。可见,开展区域知识承载力对产业集成创新影响的评价研究,从区域知识承载力视角探讨区域产业集成创新差异化,对恰当处理区域知识要素培育与产业集成创新发展的关系,形成区域产业长期竞争优势起着至关重要的作用。
目前,区域知识承载力的研究仍处于起步阶段。国外学者主要针对知识承载力形成条件[5]、演化因素[6]及构成机理[7, 8]展开了一系列研究;而国内虽鲜有学者明确研究区域知识承载力,但对区域知识承载力相关内容进行了不同程度的探讨。例如,朱美光从竞争力视角出发,提出区域知识能力的概念,并认为区域知识能力是区域知识存量、知识传承和知识创新的综合体[9]。孟晓晨则从知识创新的投入、知识产出和人力资本积累三个方面分析了中国区域知识创新和区域发展水平的关系,发现我国各省区的创新能力差异大于区域经济发展水平的差异[10]。此外,还有学者发现区域市场化程度[11]、政策支撑力度[12]等对提高区域知识创新具有非常明显的促进作用,以此表明区域环境对区域创新能力具有非常重要的影响。
综上所述,目前国内外学者对区域知识承载力的研究主要集中在概念内涵、功能目标等方面,对区域知识承载力进行定量研究并不多见;其次,多数学者忽略了区域知识承载力与产业集成创新的关系,导致鲜有学者从区域知识承载力视角研究区域产业集成创新的差异性。因此,本文从区域知识承载力与产业集成创新的关系入手,在理清区域知识承载力对产业集成创新影响分析框架的基础上,从创新支撑、绿色支撑、基础支撑三个方面构建区域知识承载力对产业集成创新影响的评价指标体系,并以2010—2012年为研究时间跨度,以中国各省区市为评价对象,运用最优组合赋权法开展区域知识承载力对产业集成创新影响的评价与分析。这不仅是区域产业集成创新发展及区域可持续竞争优势形成过程中亟待解决的现实问题,同时也是一个有理论价值的科学问题。
一、 区域知识承载力对产业集成创新影响的分析框架产业集成创新强调创新行为主体利用各种信息技术、管理技术与工具等,通过对相关产业横向、纵向部门之间创新要素和创新内容的优化配置与整合,形成优势互补的有机整体,从而实现相关产业间可持续性的协同创新发展。区域知识承载力包括区域知识创造、集聚、储备、传播、演化和应用,以及将各个参与者有机地结合起来的能力。因此,区域知识承载力能够为区域产业集成创新提供重要的创新驱动力和知识资源基础。鉴于区域知识承载力对产业集成创新的影响是一个涉及多层次主体相互作用的复杂动态过程,本文将区域知识承载力分为区域知识承载力核心子系统、区域知识承载力支持子系统和区域知识承载力导向子系统,以此考察区域知识要素对于产业集成创新的“创新支撑作用”“基础支持作用”和“政策导向作用”(见图 1)。其中,政策导向作用具有全局性和宏观性,其对产业集成创新的影响效应是通过推动区域知识承载力核心子系统及区域知识承载力支持子系统的运行来间接产生的(图 1中以虚线表示)。此外,为体现产业集成创新的可持续性,本文特别考察了区域知识的环境友好性(如区域绿色科技投入指数、区域绿色产业发展水平等)对产业集成创新可持续发展的“绿色支撑作用”。因此,区域知识承载力对产业集成创新的影响主要有四个方面:创新支撑作用、绿色支撑作用、基础支持作用和宏观导向作用。
构建区域知识承载力对产业集成创新影响的评价指标体系,选取科学、合理的评价指标是关键。在科学性、可操作性、先进性和系统性原则指导下,结合区域知识承载力对产业集成创新影响分析框架,从创新支撑作用、绿色支撑作用、基础支撑作用三个方面构建了包含9个一级指标、41个二级指标的区域知识承载力对产业集成创新影响的评价指标体系(如表 1所示)。需要说明的是,区域知识承载力对产业集成创新的政策导向作用是通过推动创新支持作用和基础支撑作用的发挥来间接产生的,而且考虑到政策导向相关指标数据的难获取性,因此在评价指标体系设计中未设置政策导向相关指标。
运用最优组合赋权法构建区域知识承载力对产业集成创新影响的评价模型,具体步骤如图 2所示。
设xij表示第i个对象第j个指标规范化处理后的值;Vij表示第i个对象第j个指标的值;n表示评价对象的数量。由于本文指标均为正向指标,因此,根据正向打分公式进行规范化处理[13]:
$ {x_{ij}} = \frac{{{v_{ij}} - \mathop {\min }\limits_{1 \le i \le n} \left( {{v_{ij}}} \right)}}{{\mathop {\max }\limits_{1 \le i \le n} \left( {{v_{ij}}} \right) - \mathop {\min }\limits_{1 \le i \le n} \left( {{v_{ij}}} \right)}} $ (1) |
(1) G1法计算权重
G1法是一种主观评价方法,主要通过专家主观排序来体现出指标的重要性[14]。
① 确定评价指标的序关系,即主观判断各指标间的重要性程度。
② 对相邻指标xij与xij-1的重要性程度Ri进行主观赋值。
③ 利用公式(2),计算第k个指标的权重。
$ {w_k} = \frac{1}{{1 + \sum\limits_{i = 2}^k {\prod {{R_i}} } }} $ (2) |
④ 由权重wk可得第k-1,…,3,2个指标的权重,如公式(3)所示。其中,wi-1代表第i-1个指标权重;Ri代表专家给出的主观赋值。
$ {w_{i - 1}} = {R_i} * {w_i} $ (3) |
(2) G2法计算权重
G2法也是一种主观评价方法,但不同于G1法,需要专家确定出最不重要的指标[15]。
① 确定评价指标的序关系,即主观判断各指标间的重要性程度。
② 专家确定出最不重要的一个指标xk。
③ 专家确定出其余指标xi与xk的重要性程度,并给出主观赋值。
④ 利用公式(4)计算第i个指标权重。其中,wi表示第i个评价指标的权重;Di代表专家给出的主观赋值。
$ {w_i} = \frac{{{D_i}}}{{\sum\limits_{i = 1}^k {{D_i}} }} $ (4) |
(3) 熵值法确定权重
熵值法通过计算同一指标的数值差反映指标的重要程度,数值差越大,指标就越重要[16]。
① 利用公式(5),计算指标的比重rij,其中,xij为第i个对象第j个指标的原始值,i=1,2,…,n;j=1,2,…,m。
$ {r_{ij}} = \frac{{{x_{ij}}}}{{\sum\limits_{i = 1}^n {{x_{ij}}} }} $ (5) |
② 利用公式(6),计算第j个评价指标的信息熵ej,其中,k=1/lnn,n为指标数。
$ {e_j} = - k\sum\limits_{i = 1}^n {{r_{ij}}} \ln \left( {{r_{ij}}} \right) $ (6) |
③ 计算信息熵冗余度:
$ {d_j} = 1 - {e_j} $ (7) |
④ 设wj为第j个指标的权重,计算公式如下:
$ {w_j} = \frac{{{d_j}}}{{\sum\limits_{j = 1}^m {{d_j}} }} $ (8) |
(4) 离差最大化法计算权重
离差最大化法是通过计算第j个指标的离差占所有指标总离差的比重来反映指标的重要程度,比重越大,指标就越重要[17]。
① 设Sij为第i个对象第j个指标规范化得到的值。设wj为第j个指标的权重。对于指标j,用Hij(w)表示对象i与其他所用对象指标值的离差(k=1,2,…,n),则:
$ {H_{ij}}\left( w \right) = \sum\limits_{j = 1}^m {\left| {{s_{ij}}{w_j} - {s_{ik}}{w_j}} \right|} $ (9) |
② 计算指标j,所有对象与其他对象的总离差:
$ {H_j}\left( w \right) = \sum\limits_{i = 1}^n {\sum\limits_{k = 1}^n {\left| {{s_{ij}} - {s_{ik}}} \right|{w_j}} } $ (10) |
③ 根据离差最大化原理,构造最优化模型:
$ \begin{array}{l} \max H\left( w \right) = \sum\limits_{j = 1}^m {\sum\limits_{i = 1}^n {\sum\limits_{k = 1}^n {\left| {{s_{ij}} - {s_{ik}}} \right|{w_j}} } } \\ \;\;\;\;\;\;\;s.t.\left\{ \begin{array}{l} {w_j} \ge 0\\ \sum\limits_{j = 1}^m {w_j^2} = 1 \end{array} \right. \end{array} $ (11) |
④ 计算上述模型并进行归一化处理,得离差法权重:
${w_j} = \frac{{\sum\limits_{i = 1}^n {\sum\limits_{k = 1}^n {\left| {{s_{ij}} - {s_{ik}}} \right|} } }}{{\sum\limits_{j = 1}^m {\sum\limits_{i = 1}^n {\sum\limits_{k = 1}^n {\left| {{s_{ij}} - {s_{ik}}} \right|} } } }} $ (12) |
基于以下两种因素计算组合权系数ac:其中,$ \sum\limits_{c = 1}^s {{a_c} = 1\left( {s = 1,2,3,4} \right)} $。
① 确保各评价对象的加权得分与理想点广义距离最小。其中,li为各评价对象加权得分与理想点的广义距离;wjc为第c种赋权方法第j个指标的权重,xij为第i个对象第j个指标规范化后的值。
$ \min \sum\limits_{i = 1}^n {{l_i} = } \sum\limits_{i = 1}^n {\sum\limits_{j = 1}^m {\sum\limits_{c = 1}^s {{a_c}w_j^c\left( {1 - {x_{ij}}} \right)} } } $ (13) |
② 引入 Jaynes 最大熵原理体现各赋权结果间的一致性程度,基于各赋权结果差异最小原则,构建目标函数如公式(14)。其中,θ(0≤θ≤1)为两个目标之间的平衡系数,参考李柏洲等[12],给定θ=0.5。
$ \begin{array}{l} \min \theta \sum\limits_{i = 1}^n {\sum\limits_{j = 1}^m {\sum\limits_{c = 1}^s {{a_c}w_j^c\left( {1 - {x_{ij}}} \right)} } } + \left( {1 - \theta } \right)\sum\limits_{c = 1}^s {{a_c}\ln {a_c}} \\ s.t.\sum\limits_{c = 1}^s {{a_c} = 1} ,{x_c} \ge 0 \end{array} $ (14) |
③ 构建拉格朗日函数计算组合系数:
$ {a_c} = \frac{{\exp \left\{ { - \left[ {1 + \theta \sum\limits_{i = 1}^n {\sum\limits_{j = 1}^m {w_j^c\left( {1 - {x_{ij}}} \right)/\left( {1 - \theta } \right.} } } \right]} \right\}}}{{\sum\limits_{c = 1}^s {\exp \left\{ { - \left[ {1 + \theta \sum\limits_{i = 1}^n {\sum\limits_{j = 1}^m {w_j^c\left( {1 - {x_{ij}}} \right)/\left( {1 - \theta } \right.} } } \right]} \right\}} }} $ (15) |
分别用G1法、G2 法、熵值法,以及离差最大化法计算出各指标权重wc(c=1,2,3,4),并利用公式(16)计算组合权重。
$ w = \sum\limits_{c = 1}^s {{a_c}{w_c}} $ (16) |
将式(16)求得的组合权重的转置WT和各指标规范化结果xij相乘得到中国各省市区域知识承载力对产业集成创新影响的评价得分S。其中,Qi (i=1,2,3,…,n)为各个区域的评价得分。
$ S = {W^T} \times X = \left( {{Q_1},{Q_2},{Q_3}, \cdots ,{Q_n}} \right) $ (17) |
以2010—2012年为时间跨度,通过《中国统计年鉴》《中国科技统计年鉴》《中国火炬统计年鉴》《中国环境统计年鉴》,以及各省市统计年鉴来获取相关指标的原始数据。需要说明的是,“区域拥有科技中介数量”“区域科技中介从业人员数”及“国家认定技术中心数”在各统计年鉴中难以获得相关数据,分别以“国家级孵化器”“国家级孵化器内专业技术与管理人员数”及“规模以上工业企业办研发机构数”代替[18]。此外,尽管个别省域的统计资料和个别指标值数无法获得(如西藏、青海等地),在一定程度上会造成评价结果与现实有所偏离,但从整体而言,个别数据的缺损对整体评价的客观性影响甚微[19]。在获得相关指标原始数据后,对各指标进行规范化处理求出式(1)中的xij。
在此基础上,依据组合赋权法计算出各指标权重wc,各维度及一级指标组合权重如表 2所示,由于篇幅所限,各二级指标权重在此不一一赘述。
将各指标的规范化数据和各年度组合权系数代入式(17),可得各年度评价对象总得分和各指标得分如表 3所示。从中国全局来看,2010—2012年中国各区域的知识承载力对产业集成创新影响的评价得分均值分别为0.2745、0.2717、0.2700(见图 3)。这表明,近年来中国区域知识承载力对产业集成创新的积极作用未能充分发挥,其影响效应甚至呈下降趋势。
从各个省区市情况来看,通过计算各省区市的区域知识承载力对产业集成创新影响得分均值可知,各省区市区域知识承载力对产业集成创新影响的差异化较为明显。其中,广东、江苏、北京、上海、浙江、山东、天津、辽宁、湖北、福建等地的区域知识承载力对产业集成创新影响较大,青海、贵州、新疆、海南、西藏等地的区域知识承载力对产业集成创新影响最小(见图 4)。从时间纵向来看,广东、江苏、北京三年来稳居排名前三位,而且,由于近年来区域政策倾斜及地方投入的变化不大,各省区市的区域知识承载力对产业集成创新的影响作用也相对稳定。
从各维度来看,除绿色支撑作用外,创新支撑作用、基础支撑作用对产业集成创新影响的差异化较大。其中,江苏、广东、北京、上海、浙江等地区域知识承载力的创新支撑作用及基础支撑作用得分较高,而新疆、青海、海南、宁夏、西藏等地得分较低。此外,2010—2012年间,除区域知识承载力对产业集成创新的基础支撑作用呈上升趋势外,区域知识承载力对产业集成创新的创新支撑及绿色支撑效应出现“乏力”状态,尤其是对产业集成创新影响最大的创新支撑作用下降趋势明显,这也就很好地解释了为什么2010—2012年间中国区域知识承载力对产业集成创新影响得分均值会出现下降趋势。为了进一步了解区域知识承载力的创新支撑效应减弱的原因,对创新支撑作用下的各级指标进行分析,发现区域知识供给能力、区域创新产出能力及区域知识转化能力对产业集成创新的作用力下降,是导致创新支撑作用乏力的重要原因。
五、 研究结论及建议本文通过对相关文献的有效梳理,结合中国区域知识水平及其产业集成创新发展现状,从区域知识承载力的创新支撑作用、绿色支撑作用及基础支撑作用三个方面构建中国区域知识承载力对产业集成创新影响的评价指标体系,并利用相关统计年鉴,实证分析2010—2012年中国各区域知识承载力对产业集成创新的影响力。得到主要结论如下:
(1) 从中国全局来看,2010—2012年中国区域知识承载力对产业集成创新的作用未能充分发挥,甚至出现下降趋势。这主要是因为区域知识承载力对产业集成创新的创新支撑效应下降所致。
(2) 从各个省区市来看,2010—2012年各省市的区域知识承载力对产业集成创新的影响差异化较大。其中,广东、江苏、北京、上海、浙江、山东、天津、辽宁、湖北、福建等省区市的区域知识承载力对产业集成创新的影响较为突出,而青海、贵州、新疆、海南、西藏等地的区域知识承载力对产业集成创新的影响较小。由于近年来区域政策倾斜及地方投入的变化不大,各省区市区域知识承载力对产业集成创新的影响相对稳定。
(3) 从各个维度来看,2010—2012年,除基础支撑作用维度呈上升趋势外,创新支撑作用维度及绿色支撑作用维度对产业集成创新的影响出现“乏力”状态,尤其是创新支撑作用维度下降趋势明显。其中,区域知识供给能力、区域创新产出能力及区域知识转化能力对产业集成创新的作用力下降,是导致区域知识承载力创新支撑作用乏力的重要原因;此外,除绿色支撑作用维度外,各省区市间区域知识承载力对产业集成创新的创新支撑作用及基础支撑作用差异较大。
针对中国区域知识承载力对产业集成创新影响效应下降这一局面,为有效提升各区域的知识承载力,推动产业集成创新,提出如下建议:首先,积极提升区域知识承载力的创新支撑作用。为提高区域的知识供给能力,积极调整创新资源投入结构,通过政策倾斜或财力投入等手段有针对性地获取需创新资源;为增强区域创新产出,积极优化知识类资源的区域配置,促进优势资源的区域间流动与整合。通过区域间匹配性扶持,以此激励科技创新活动,提高集成创新产出。其次,为积极培育区域基础支撑力量,可依据区域产业发展要求,加大对知识媒介的投入,例如重点扶持和培养具有较大影响力的孵化载体,加速技术成果转化平台的建设,以此促进科技成果产业化和市场化。同时,注重人才培养体系及知识基础的建设。第三,为增强产业集成创新的可持续性,应制定切实可行的绿色科技政策和环保政策,积极提高绿色产业发展水平。
尽管本文取得一定的研究成果,但仍存在一些不足之处,希望在今后的研究中予以完善。首先,在区域知识承载力对产业集成创新影响的评价指标体系中,未考虑区域知识承载力的政策导向作用,在未来研究中,可予以补充;其次,在研究方法上,未考虑各准则层与各指标之间的关联度,未来研究中可考虑将ANP方法运用到最优组合赋权模型中。
[1] | 顾冠群. 大学的使命与产学研合作的集成创新[J]. 江苏科技信息, 2005(1):5-9.(1) |
[2] | 王众托. 知识系统工程[M]. 北京:科学出版社, 2004.(1) |
[3] | 王国红,邢蕊. 基于知识场的产业集成创新研究[J]. 中国软科学, 2013(9):96-107.(1) |
[4] | 王国红,尹肖妮,邢蕊. 区域知识承载力内涵与演化:可持续发展的一个新视角[J].科技进步与对策, 2014,31(1):27-32.(1) |
[5] | Florian N. Regional Knowledge,Organizational Capabi-lities and the Emergence of the West German Laser Systems industry, 1975—2005[J]. Regional Studies, 2015,49(1):76-94.(1) |
[6] | Ruediger W. Knowledge as a Driver of Regional Growth in the Russian Federation[J]. Regional Studies, 2014,48(8):1448-1449.(1) |
[7] | Antti L, Jonna K, Henna S. Knowledge That Matters: Identifying Regional Knowledge Assets of the Region[J]. European Planning Studies, 2014,22(10):2011-2029.(1) |
[8] | Knight R V. Knowledge-based Development: Policy and Planning Implications for Cities[J]. Urban Studies, 1995,32(2):225-260.(1) |
[9] | 朱美光. 区域知识能力与区域知识吸收能力比较研究基于空间知识溢出视角的分析[J]. 科学学研究, 2007,25(6):1183-1187.(1) |
[10] | 孟晓晨,李捷萍. 中国区域知识创新能力与区域发展差异研究[J]. 地理学与国土研究, 2002(4):79-81.(1) |
[11] | 党文娟,张宗益,康继军. 创新环境对促进我国区域创新能力的影响[J]. 中国软科学, 2008(3):52-57.(1) |
[12] | 李柏洲,徐广玉,苏屹. 基于组合赋权模型的区域知识获取能力测度研究[J]. 中国软科学, 2013(12):68-81.(2) |
[13] | 李美娟,陈国宏,陈衍泰. 综合评价中指标标准化方法研究[J]. 中国管理科学, 2004,12(6):45-48.(1) |
[14] | 王学军,郭亚军. 基于G1法的判断矩阵的一致性分析[J]. 中国管理科学, 2006,14(3):65-70.(1) |
[15] | 李刚,周立斌,曹宏举. 基于理想排序的群组G2赋权方法研究[J]. 数理统计与管理, 2012,31(2):316-324.(1) |
[16] | 郭亚军. 综合评价理论、方法及应用[M]. 北京:科学出版社, 2002.(1) |
[17] | 黄宗盛,胡培,聂佳佳. 基于离差最大化的交叉效率评价方法[J]. 运筹与管理, 2012,21(6):177-181.(1) |
[18] | 李美娟,陈国宏,肖细凤. 基于一致性组合评价的区域技术创新能力评价与比较分析[J]. 中国管理科学, 2009,17(2):131-139.(1) |
[19] | 中国科技发展战略研究小组. 解读中国区域创新能力评价[J]. 科学学与科学技术管理, 2003,24(5):5-10.(1) |