收稿日期：2014-05-20基金项目：教育部人文社会科学研究青年基金（13YJC790090）；山东省高等学校人文社会科学研究项目（J14WG57）；青岛市社会科学规划研究项目作者简介：刘丙泉（1982-），男，山东新泰人，副教授，博士，研究方向为组合评价、区域可持续发展吕高羊（1991-），男，江苏泰州人，硕士研究生，研究方向为技术创新、组合评价.区域技术创新能力组合评价研究——以我国12个副省级以上城市为例刘丙泉，吕高羊（中国石油大学（华东）经济管理学院，山东青岛266580）摘要：通过构建城市技术创新能力评价指标体系，应用一致性组合评价方法，对2007—2012年我国12个副省级以上城市技术创新能力进行总体评价和分项评价.研究结果表明：考察期内我国副省级以上城市相对技术创新能力变化不大；不同城市技术创新能力存在不同特点，一刀切的提升政策会破坏技术创新能力的均衡发展机制；均衡发展依然是众多城市技术创新能力提升的重要切入点.关键词：区域；技术创新；组合评价中图分类号：F 061.5文献标识码：AThe Combination Evaluation of Regional TechnologicalInnovation Capability——Example of 12Sub-Provincial Cities in ChinaLiu Bingquan ，Lv Gaoyang（School of Economics &Management ，China University of Petroleum ，Qingdao 266580，Shandong China ）Abstract ：We constructs the technological innovation capability evaluation indicator system ，and evaluates the technological innovation capability of sub-provincial cities in china during 2007-2012by using Consistency Combination Evaluation.The results show that the technological innovation capability of sub-provincial cities had little changesrelatively in the past five years.The sub-provincial cities had different characteristics ，thus the similar policies would destroy the balanced development mechanism of technical innovation and cause resources inefficient.Balanceddevelopment is still the most important approach to advance the technological innovation capability of most of the sub-provincial cities.Key words ：region ；technological innovation capability ；combination evaluation伴随着国际化进程的不断加快，世界经济的竞争正日趋激烈.区域技术创新能力作为区域竞争力的核心要素，对于区域产业结构的优化、经济增长方式的转变具有重要意义.对其进行客观合理地评价，将有助于区域技术创新战略的制定，以及区域经济的高效、可持续发展.目前，已有众多学者从不同角度对区域技术创新能力评价开展了广泛研究，并取得了丰硕的成果.评价指标的筛选成为众多学者首先关注的焦点，Buesa 等通过知识生产函数法，并结合因子分析和回归模型对欧洲区域创新发展的决定因素进行了深入研究，提出了反映区域创新系统5个重要方面的假设变量［1］；邵云2014年8月飞、谭劲松提出以人力资本集聚为核心的观点，围绕技术创新的潜力、技术创新的投入、技术创新的产出和技术创新的环境支持，建立了评价指标体系［2］；陈国宏、肖细凤、李美娟通过指标相关性分析、指标判别能力分析等环节将区域技术创新能力评价划分为26个评价指标［3］.选择科学的评价方法是开展技术创新能力评价的重要环节，基于效率测度的评价方法［4-6］和综合评价法［8-9］成为技术创新能力的主流方法.然而当前众多研究开展的城市技术创新能力评价往往仅是从单一方法出发，得出评价结果，由于不同评价方法的机理存在差异，在对同一对象进行评价时，得到的评价结果往往存在非一致性，从而无法给出评价对象的准确定位；并且，当前研究更多倾向于给出最终的综合评价结果，进而提出技术创新能力提升的对策，而实际上城市技术创新能力的提升需要在各个指标上提出有针对性的对策.基于上述考虑，本文应用一致性组合评价法，对中国副省级以上城市2007—2012年技术创新能力变化情况开展评价研究，通过实施城市技术创新能力的总体和分项比较，明确各城市技术创新的优势和劣势，并据此提出不同类型城市技术创新能力提升的对策.1指标体系与评价模型构建1.1指标体系构建城市技术创新能力是指在一定区域内，技术创新主体直接或间接地参与技术创新活动，综合高效地配置技术创新资源并将其转化为新产品、新工艺和新服务，进而获得经济效益的能力［10-12］.从技术创新的过程来看，这种能力主要包含投入能力、产出能力、扩散能力和支撑能力.基于此，根据数据的可得性及指标的典型性，本文构建的城市技术创新能力评价指标体系如表1所示.表1区域技术创新能力评价指标体系Tab.1Regional technological innovation capability evaluation index system1.2组合评价模型的设计一致性组合评价模型的构建主要包括单一评价、单一评价结果相容性检验、组合评价等步骤.综合现有研究成果，本文单一评价方法集包括因子分析法、熵权TOPSIS 法、灰色关联法以及层次分析法，并应用Spearman 相关系数对单一评价方法进行相容性检验，得到相容评价方法集合，进而采用Borda 法进行评价结果组合，对组合后的评价结果相容性进行再检验，最终给出城市技术创新能力评价排序结果.1.2.1评价方法的相容性检验相容性检验是从单一评价方法集合中选择相容评价方法的主要方法.首先，数据标准化.对于一个由m 个评价对象和n 个评价指标构成的决策问题，其原始决策矩阵：目标层技术创新能力准则层投入能力产出能力扩散能力支撑能力领域层人力投入财力投入高新技术产出成果产出经济增长技术市场交易金融环境教育环境基础设施指标层R&D 人员数/万人规模以上工业企业R&D 人员数/万人从事科技活动人员总数/万人地方财政拨款/万元R&D 经费支出/亿元规模以上工业企业R&D 经费支出/亿元规模以上工业企业高新技术产业产值/亿元高新技术产业产值占规模以上工业总产值的比重/%专利申请量/件专利授权量/件规模以上工业增加值/亿元人均GDP/元技术市场合同交易额/亿元技术市场成交合同数/个金融机构贷款/万元教育经费/万元高等教育院校在校学生数/人邮电业务总量/万元刘丙泉，等：区域技术创新能力组合评价研究——以我国12个副省级以上城市为例--1619第32卷第8期河南科学A =éëêêêêêêùûúúúúúúa 11a 12…a 1n a 21a 22…a 2n ⋮⋮⋮⋮a m 1a m 2…a mn .本文采取如下方法实现原始数据的标准化：b ij =a ij /∑i =1ma 2ij （i =1，2，…，m ；j =1，2，…，n ）；（1）得到标准化矩阵BB =éëêêêêêêùûúúúúúúb 11b 12…b 1n b 21b 22…b 2n ⋮⋮⋮⋮b m 1b m 2…b mn .其次，利用因子分析法、熵权—TOPSIS 法、灰色关联法、层次分析法，这4种方法分别对12个评价对象进行技术创新能力总体评价（以2007年为例，如表2所示）.表22007年我国副省级以上城市总体评价结果Tab.22007overall evaluation of the results of the above sub-provincial city第三，相容性检验.对于不同评价方法得出的排序结果计算它们之间的Spearman 相关系数［13］，公式如下：r =1-6∑i =1md 2i m ()m 2-1.（2）式中：d i 为任两种评价方法对第i 个评价对象排序的等级差，r 越高表明两种方法之间的一致性程度越高；E r 表示某方法所有spearman 系数的平均值（不包括自身），反映了该方法与其他方法一致性程度的整体水平.利用SPSS 软件，结合上述各评价方法排序结果，得出Spearman 相关系数矩阵表，如表3.表3Spearman 相关系数矩阵表Tab.3Spearman correlation coefficient matrix由表3可以看出，熵权TOPSIS 法、因子分析法、灰色关联法之间的r 值都在85%以上，并且E r 值也都在85%左右，表明这3种方法的一致程度较高，评价结果与整体水平接近度较高.而层次分析法的评价结果与其他方法的一致程度都低于80%，与整体水平的接近度维持在75%左右，说明层次分析法为不相容方法，需城市北京上海深圳青岛南京大连济南哈尔滨武汉西安重庆广州1.1801.1250.774-0.236-0.265-0.289-0.449-0.418-0.365-0.526-0.518-0.0121235671098121140.8330.6250.3080.0810.1060.0670.0480.0430.0920.0590.0700.1761237591112610840.7850.8080.6790.4790.5240.4770.4740.4630.4890.4490.4480.5302137589106111240.6110.5150.2970.0990.1390.0930.0860.0950.0700.0940.1340.192123751011812964r熵权TOPSIS 法因子分析法灰色关联法层次分析法熵权TOPSIS 法1.0000.8740.9020.797因子分析法0.8741.0000.9440.769灰色关联法0.9020.9441.0000.685层次分析法0.7970.7690.6851E r 0.8580.8620.8440.750--16202014年8月剔除，得到相容方法集M=｛熵权TOPSIS 法（M 1）、因子分析法（M 2）、灰色关联法（M 3）｝.1.2.2组合评价的步骤在确定相容方法集M 之后，需要选用组合评价模型对单一评价方法的结果进行组合，得出组合评价排序，并对组合评价结果进行相容性检验，若不相容，需要寻找新的组合评价模型.本文选取社会学中的Borda 法对评价结果进行组合，组合结果见表4所示.表4我国副省级以上城市组合评价得分及排名Tab.4Above sub-provincial cities combined evaluation score and ranking应用Spearman 相关系数法检验组合评价结果的相容性（表5）发现：Borda 组合评价法与熵权TOPSIS 法、因子分析法、灰色关联法之间的r 值都在90%以上，并且Er 值为96.7%，说明该组合评价结论与相容方法的评价结论总体相容，适合用于该问题的组合评价.表5Spearman 相关系数矩阵表Tab.5Spearman correlation coefficient matrix2我国副省级以上城市技术创新能力评价2.1数据准备数据来自中国城市统计年鉴、各省市统计年鉴、各省市统计公报、中国主要科技指标数据库、副省级城市R&D 资源清查、全国技术市场年度报告等相关的统计年鉴或网站.根据数据的可得性，研究样本主要涵盖北京、上海、深圳等12个副省级以上城市.2.2评价结果利用通过检验的城市技术创新能力组合评价模型，分别对2007—2012年我国副省级以上城市技术创新能力总体和分项进行评价（表6、表7）.表6我国副省级以上城市技术创新能力总体评价结果Tab.6Overall evaluation of technological innovation capability of sub-provincial city城市得分排名北京111上海102深圳93青岛57南京75大连48济南39哈尔滨210武汉66西安012重庆111广州84r熵权TOPSIS 法因子分析法灰色关联法Borda 组合评价法熵权TOPSIS 法1.0000.8740.9020.923因子分析法0.8741.0000.9440.958灰色关联法0.9020.9441.0000.986Borda 组合评价法0.9230.9580.9861.000E r 0.9250.9440.9580.967城市北京上海深圳青岛南京大连济南哈尔滨武汉西安重庆广州2007年112375911126108421235671098121143213758910611124组合1237589106121142008年112385911127106421235671098121143213768109511124组合1237581096121142009年112385101211796421235761098121143123107612958114组合1238571296101142010年112395101211876421237691112810543123957121068114组合1238591211710642011年112395101112786421237591211610843123857101269114组合1237591112610842012年112395101112687421238510121169743123857101269114组合123851011126974刘丙泉，等：区域技术创新能力组合评价研究——以我国12个副省级以上城市为例--1621第32卷第8期河南科学城市北京上海深圳青岛南京大连济南哈尔滨武汉西安重庆广州200712386911125710420081239710111268542009213106911128574201021310571112869420111239581112761042012123105811126794200731256791081211420083125679108121142009312576910812114201031257611981210420113125671198121042012312658121071194200712612481110579320081261247111058932009124123811965107201012612381110749520111261251011973842012125114912106783200712311612910785420082131161291078542009213117129106854201012311712910685420111239712111058642012123971211105864表7技术创新能力分项评价结果Tab.7Itemized evaluation of technological innovation capability of sub-provincial city2.3比较分析根据组合评价的结果，总体上将中国副省级以上城市分为A 、B 、C 3类.其中A 类指评价结果排名前四的城市，其技术创新能力较强；C 类指评价结果排名后四位的城市，其技术创新能力较弱；其余归为B 类（表8）.表82007—2012年技术创新能力总体分类Tab.82007—2012overall classification of urban technological innovation capability总体上看，中国副省级以上城市技术创新能力在考察期内类别变化不大，“北上广”、深圳一直名列前茅；南京、青岛、武汉稳定于B 类；济南、哈尔滨、西安技术创新能力较弱；大连市技术创新能力呈现相对下滑趋势，而重庆技术创新能力有相对上升趋势.从各分项能力来看，根据表7，北京、上海、广州、深圳在技术创新投入、产出、扩散、支撑等方面具备较强的实力，而青岛、济南、哈尔滨在这些方面实力相对较弱，我国副省级以上城市在各分项能力上呈现出不同的特点，如表9所示.因此，北京市技术创新能力提升的关键环节在于提高技术创新成果的产出和转化能力，强化创新资源的配置效率；深圳和广州应重点加强技术创新成果的贸易，加大创新成果的吸收；南京、重庆等城市应依托当前优势能力，着力提升创新投入、产出能力；大连、武汉、西安等城市需尽快着力提升劣势能力，实现技术创新能力的均衡类别A B C年份2007北京深圳南京青岛济南重庆上海广州武汉大连哈尔滨西安2008北京深圳南京青岛哈尔滨重庆上海广州武汉大连济南西安2009北京深圳南京大连哈尔滨重庆上海广州武汉青岛西安济南2010北京深圳南京武汉大连哈尔滨上海广州重庆青岛西安济南2011北京深圳南京青岛大连济南上海广州武汉重庆西安哈尔滨2012北京深圳南京重庆西安济南上海广州武汉青岛大连哈尔滨城市北京上海深圳青岛南京大连济南哈尔滨武汉西安重庆广州技术创新能力特点投入、扩散、支撑能力较高，创新产出能力相对其他能力较弱投入、扩散、支撑，创新产出四方面能力均较突出，发展非常均衡创新投入、产出、支撑能力较高，但创新扩散能力一般创新产出能力一般，创新投入、扩散、支撑能力弱创新投入、产出、支撑能力一般，扩散能力较高创新投入、产出、扩散能力一般，支撑能力弱投入、扩散、支撑，创新产出四方面能力均较弱投入、扩散、支撑，创新产出四方面能力均较弱投入、扩散、支撑，创新产出四方面能力均一般，发展较均衡创新投入、支撑、扩散能力一般，产出能力弱创新投入、产出、扩散能力较弱，支撑能力较强创新投入、产出、支撑能力较强，创新扩散能力较弱表9技术创新能力特点Tab.9Features of technological innovation capability of sub-provincial city--16222014年8月发展；青岛、济南、哈尔滨等城市需加大技术创新能力关注力度，从技术创新基础做起，梳理优势产业，重点扶持，定点突破，特色发展，由点带面实现技术创新能力的提升.3结论本文基于一致性的组合评价方法，对2007—2012年12个副省级以上城市区域技术创新能力进行评估，有效实现了不同方法评价结果的一致性，并从横向和纵向两个角度分析了我国12个副省级以上城市技术创新能力发展情况.主要研究结论有：①总体上看，这12个副省级以上城市考察期内技术创新能力相对变动较小，“北上广”始终位列前茅，济南、哈尔滨等城市技术创新能力提升较慢；②不同城市技术创新能力发展存在不同的特点，盲目跟风出台提升政策会破坏技术创新能力自身的均衡发展机制，导致资源低效、浪费；③寻求技术创新能力的均衡发展、循序发展依然是众多城市技术创新能力提升的重要目标，特色发展、优势先行应以相对均衡发展为基础.参考文献：［1］Mikel Buesa ，Joost Heijs ，Thomas Baumert.The determinants of regional innovation in europe ：a combined factorial and regression knowledge production function approach ［J ］.Research Policy ，2010（39）：722-735.［2］邵云飞，谭劲松.区域技术创新能力形成机理探析［J ］.管理科学学报，2006，9（4）：1-11.［3］陈国宏，肖细凤，李美娟.区域技术创新能力评价指标识别研究［J ］.中国科技论坛，2008（11）：67-71.［4］官建成，何颖.基于DEA 方法的区域创新系统的评价［J ］.科学学研究，2005，23（2）：265-272.［5］徐小钦，黄馨，梁彭勇.基于DEA 与Malmquist 指数法的区域科技创新效率评价—以重庆市为例［J ］.数理统计与管理，2009，28（6）：974-985.［6］童纪新，陈继兴，蔡元成.基于灰色关联分析的区域科技创新效率评价研究［J ］.科技进步与对策，2011，28（10）：108-110.［7］邵云飞，唐小我.中国区域技术创新能力的主成份实证研究［J ］.管理工程学报，2005（3）：71-76.［8］李晓璐，周志方.我国区域技术创新能力体系评价及提升——基于因子分析法的模型构建与实证检验［J ］.科学管理研究，2006，24（2）：5-10.［9］Huang Zilang ，Zhang Yaming ，Liu Zhuo.The comparative study on bohai rim regional technology innovation ability ［J ］.Physics Procardia ，2012（33）：294-300.［10］Riddel M ，Schwer R K.Regional innovative capacity with endogenous employment ：empirical evidence from the US ［J ］.The Review of Regional Studies ，2003，33（1）：73-84.［11］张经强，夏恩君.我国区域技术创新能力研究综述［J ］.生产力研究，2009（15）：189-190.［12］刘丙泉，潘鹏杰，李雷鸣.我国区域技术创新能力发展评价与差距测度［J ］.科技进步与对策，2011，28（8）：124-128.［13］王一华.中国大陆图书情报专业期刊的综合评价——基于熵权法、主成分分析法和简单线性加权法的比较研究［J ］.情报科学，2011，29（6）：943-947.（编辑孟兰琳）刘丙泉，等：区域技术创新能力组合评价研究——以我国12个副省级以上城市为例--1623。