汪晓梦
（合肥市委党校，安徽 合肥 230031）
（一）问题的提出
《安徽省“十四五”科技创新规划》指出，到2025年，安徽区域创新能力始终保持全国第一方阵并要争先进位，初步建成在全国具有重要影响力的科技创新策源地。安徽省坚定不移实施以科技创新为核心的创新驱动发展战略，助力实现高水平科技自立自强，助推安徽经济社会更高质量发展。为此，开展科技创新环境评价与比较，找到制约科技创新发展的环境因素，在一定程度上有助于优化科技创新环境，激发创新要素活力，吸引高素质人才，进一步发挥科技创新优势，为全面提升安徽自主创新提供重要支撑。
（二）相关研究
自从欧洲创新环境研究小组（GREMI）提出创新环境的概念后，国内外学者高度关注。学者从不同的视角界定创新环境的概念，并围绕科技创新环境开展了大量研究。但是到目前为止，仍未达成共识。研究内容主要是探讨科技创新环境的影响因素维度，基本观点是科技创新环境的营造主要有政府政策支持、积极的物质投入和相应的激励制度等。国内专家学者对科技创新环境的研究主要集中于以下两个方面。
1.定性研究。定性研究主要体现在关于科技创新环境的基础理论、内涵界定、现实意义、分类分析等方面的论述。孙静系统梳理了国际化科技创新环境研究的理论脉络和变化历程[1]。武正戈从科技创新环境的视角，分析了山西省科技报告服务系统的数据和研究报告的质量[2]。鲍晓晔、奚润禾通过问卷调查，研究上海市科创企业对政策措施的满意度、获得感和制度需求[3]。李忠华、王鼎文运用理论分析、经验分析、归纳分析等方法，评价了沈阳市科技创新环境[4]。杨玉东、武碧璇通过统计图表，对中部地区科技创新环境进行具体分析[5]。妮莎论述了西部地区科技创新环境[6]。隗金成从把握不同环境要素在系统中所处的地位、各要素之间的关系和关联、生成发展消逝的过程等方面入手，对科技创新环境进行系统的、综合的、动态的考察与分析[7]。沈鹏远认为科技创新环境主要包括自然环境、基础设施、生态环境、政策环境、服务环境、融资环境、孵化环境、人文环境和法制环境等[8]。
2.定量研究。定量研究主要体现了评价指标体系的设计维度和计量分析方法的选择。邵舒扬、郝莉娜构建了一个包括创新资源投入、中介转化等在内的多环节科技创新环境评价指标体系，基于山西省科技创新面板数据，采用主成分分析法对科技创新环境进行了评价分析[9]。袁丹、王玲玲构建包括基础设施、创新资源、经济市场、政策法制、社会文化的科技创新环境评价指标体系，利用层次分析法（AHP）与熵值法，对湖北省科技创新环境进行研究[10]。张美琪构建由基础设施、创新资源、社会文化、政策法规环境的科技创新环境评价指标体系，运用了主成分方法对内蒙古兴安盟科技创新环境优化问题进行研究[11]。邓凯甄选高校科技创新环境所包含的要素，构建科学、公正的指标评价体系，找出制约高校科技创新发展的阻碍因素[12]。孙晓萌构建科技创新环境评价指标，通过主成分分析方法，定量分析影响大连市科技创新环境的主要影响因素[13]。张世晓通过实证研究，认为科技创新环境对科技创新产出成果有显著影响[14]。
综上，关于科技创新环境评价的文献囿于“三重三轻”：一是重定性研究，轻定量分析。国内相关文献定性研究居多，主要讨论评价的理论基础、意义、特点、路径和方法。定量分析文献不是很多，尚处于不断创新进程中。二是重模仿国外，轻国内探索。大多数学者借鉴国外文献中的科技创新环境评价指标及其复杂的数理分析方法，较少探讨具有我国区域特色的评价指标体系和适宜的计量分析方法。三是重纵向比较，轻横向比较。大多数定量研究仅采用面板数据或时间序列数据进行纵向分析，而横向比较评价相对较少。基于此，本文拟在借鉴已有研究的基础上，探索构建符合安徽省情的科技创新环境评价指标体系，采集原始数据，通过灰色关联度和主成分分析方法进行评价，并与江浙沪的科技创新环境进行比较。通过纵向与横向比较分析，基于安徽省科技创新实践，提出更具有操作性的优化科技创新环境对策建议。
（一）变量设计
在综合参考国内外科技创新环境评价研究文献的基础上，结合重要性、可比性和数据易获得性原则，构建包括经济发展、基础设施、社会人文、创新资源、科技政策等环境5个一级指标、17个二级指标的科技创新环境评价指标体系，具体如表1所示。
表1 安徽省科技创新环境评价指标体系
（二）数据来源
本次分析数据来自安徽省、上海市、江苏省、浙江省2016-2020年国民经济和社会发展统计公报以及2017-2021年三省一市的统计年鉴，极少数指标缺失的数据是通过年度增长率计算推导而来。原始数据对应的统计口径、度量单位、发布时间一致，确保计量分析结果的信度和效度。
（三）测算方法
1.灰色关联度。鉴于所研究对象具有“小样本、寡信息”特征，数据没有明显的数学概率及其分布特点，因而适用灰色关联度分析方法。其基本思想是根据序列曲线几何形状的近似程度，从而判断序列之间的联系是否紧密。这种数据分析方法也不需要特定的统计分布检验，研究结论与事实基本吻合，因而此方法广泛应用于人文社会科学研究中[15]55-57。
2.主成分分析。主成分分析方法主要是通过代数学中的正交变换原理，将描述研究对象或许存在相关关系的众多变量，在信息量损失较小的前提下，重新组合成维数不多且彼此线性无关又互补的新综合性随机变量[16]372-375。
（四）数据处理
使用DPS的灰色关联和SPSS23.0的因子分析程序对安徽省及江浙沪科技创新指标数据进行处理，得到的结果如表2和3所示。
表2 安徽及江浙沪科技创新环境灰色关联度
（一）灰色关联分析
1.纵向分析
（1）体量渐增性。2016-2020年，安徽省科技创新环境与科技产出的指标原始数据的总量、年均增长量、平均增长速度都表现出逐年增加的显著特征。
（2）正向推动性。安徽省科技创新环境与科技产出的灰色关联度数值大小不一，且均为正数，隶属中度及以上相关性，表明安徽省科技创新环境在科技产出中发挥了不同程度的正向推动作用。
（3）区间合理性。安徽省科技创新环境与科技产出的灰色关联度数值介于0.45-0.95之间，呈现正态分布规律。
（4）绩效差异性。安徽省科技创新环境与技术市场成交额的灰色关联度全部大于或等于科技创新环境与专利授权的灰色关联度，表明安徽省科技创新环境在技术市场成交额中发挥的作用优于专利授权。安徽省民用汽车数量与专利授权量的灰色相关性系数只有0.55，最小，说明民用汽车数量对专利授权量的贡献率最低。安徽省R&D经费与高新技术产业产值的灰色关联度高达0.95，R&D经费对高新技术产业产值的拉动作用最优。
2.横向比较
（1）经济发展环境。安徽省GDP、财政预算收入与专利授权量灰色关联度，技术市场成交额、财政预算收入与高新技术产业产值的灰色关联度数值都最低，效用落后于江浙沪。安徽省GDP与高新技术产业产值的灰色关联度为0.80，稍低于江苏省、浙江省，仅高于上海0.05，安徽省GDP对高新技术产业产值产生的效应排序第三。安徽省固定资产投入与专利授权量的灰色关联度为0.64，与江苏省几乎相同，低于上海市、浙江省0.27、0.10，安徽省固定资产投入对专利授权量拉动力位居第三。安徽省固定资产与技术市场成交额的灰色关联度仅为0.69，最小，绩效末位。安徽省固定资产与高新技术产业产值的灰色关联度为0.82，为高度相关性，绩效稍逊于浙江省，位列第二。安徽省出口额、社会消费品零售总额在科技产出中发挥的作用性总体不错，排名第一或第二位。
（2）基础设施环境。安徽省财政预算收入、民用汽车数与科技产出的灰色关联度数值和江浙沪相比，都是最小，绩效全部居于第四位。安徽省公路里程数与技术市场成交额、移动电话用户数与高新技术产业产值的灰色关联度为0.89、0.82，均为最大，效益最优，位居第一。安徽省公路里程数对专利授权量和互联网用户数对高新技术产业产值的效用性都是第二位，而互联网与专利授权量和技术市场成交额的灰色关联度数值都位列第三，其绩效相应也是排名第三位。
（3）社会人文环境。安徽省高等学校数与技术市场成交额、高新技术产业产值的灰色关联度为0.91、0.71，高等学校数对技术市场成交额和高新技术产业产值的效用在长三角均位列第一。安徽省高等学校数对专利授权量、高校人数对技术市场成交额的贡献率排序第二位。安徽省高校人数与高新技术产业产值的灰色关联度虽仅为0.68，但高于浙江省、上海市，低于江苏省，安徽省高校人数在高新技术产业产值中发挥的作用名列第二。安徽省高校人数与专利授权量的灰色关联度低于上海市0.22、浙江省0.11，高于江苏省0.13，安徽省高校人数对专利授权量的促进作用不及上海市、浙江省，领先江苏省，位居第三。
（4）创新资源环境。安徽省R&D经费与高新技术产业产值的灰色关联度为0.95，最大，属于强相关性，安徽省R&D经费对高新技术产业产值导向性最强，位次第一。安徽省R&D人员与技术市场成交额、高新技术产业产值的灰色关联度为0.84、0.75，R&D人员对科技成果转化和技术产业化的推动力度，与江浙沪相比，均为第三位。安徽省R&D经费强度与科技产出的灰色关联度都比较低，R&D经费强度对科技产出的绩效均不理想，排名末位。
（二）主成分分析
1.低于均值。2016、2020年安徽省科技创新环境主成分分析的综合得分为-1.918、-1.684，都是小于零，低于长三角总体平均水平。
2.位次不变。江浙沪2016、2020年主成分综合得分排序都没有变动，分别位居第一、第二、第三。安徽省始终排在第四，处于末位。
3.差距渐小。2016年安徽省主成分综合得分低于江浙沪分别为4.389、2.308和0.975，2020年安徽省主成分综合得分低于江浙沪4.057、2.148和0.531，得分差距在缩小。
4.正向跃迁。2020年与2016年相比，皖江浙沪的主成分得分分别增加了0.234，-0.098、0.074和-0.210，安徽省与浙江省是正向跃迁，江苏省与上海市是负增长。安徽省增幅最高，位居第一，浙江省、江苏省和上海市增幅依次排序第二、第三和第四位。
（一）研究结论
1.安徽省科技创新环境发展与江浙沪客观上虽存在着一定的差距，但差距在逐渐缩小并且处于不断优化的进程之中。
2.在42个评价指标的灰色关联度横向比较中，安徽省有8、9、8、17个指标排序分别为第一、二、三、四位，排名靠后的指标较多。
3.通过主成分评价，江苏省科技创新环境最优，其次是浙江省、上海市，安徽省科技创新环境则位居第四，相对落后于江浙沪。
4.安徽省GDP、财政预算收入、固定资产、民用汽车数、移动电话数、互联网用户数对科技创新产出贡献率偏低。安徽省的财政预算收入，民用汽车数、R&D经费强度在科技产出中发挥的效用相对最弱。
（二）对策建议
1.促进科技经济协同发展。科技创新是经济发展的新动能，经济发展实力也能决定科技创新发展的水平和能力，二者存在高度正向相关性。结合安徽省情，制定切实可行的科技成果转化“三就地”，即就地交易、就地转化、就地应用，从而实现科技创新价值最大化。随着经济发展实力的增强，优先增加科技创新财政预算，确保政府资金投入增速不低于经济总量增速，满足科技创新经费不断增长的需求。
2.完善公共基础设施建设。抓住新基建机遇，完善安徽省公共基础设施建设，这对科技创新至关重要。发展现代快速交通，不断缩短空间距离，扩大先进网络技术覆盖率，优化高水平信息化建设，有利于信息、资金、人才和技术等科技创新要素快速流向省内，吸引更多高层次创新人才来皖聚集，也能促进科技成果交易便捷化和高效化。
3.优化配置科技创新资源。科技创新资源涵盖资金、人才、项目和平台。增加政府财政预算，改变传统资金投入偏好，扩大资金覆盖率。激发科技创新主体活力，拓宽企业科技创新经费的自筹渠道，鼓励和吸引民间资本注入科技创新活动。制定人才政策，引进创新人才和团队，形成稳定的创新队伍和研究力量。完善科技创新项目评估制度，促进政产学研金介的创新链不断优化。
4.建立创新环境评价机制。优越的科技创新环境有助于提高区域科技创新能力与水平，科技创新环境评价逐渐得到学界和各级党委政府的高度关注。借鉴国内外最新研究成果，结合区域特色创新实践，科学设置科技创新环境评价指标体系，采用适当的定量评价方法，确保评价结果的合理性。同时，要综合考量科技创新环境评价的反馈结论，找到制约因素并进行原因分析，提出切实可行的科技创新环境优化对策建议，实现科技创新环境评价工作的目的和价值。
猜你喜欢 江浙沪产值关联度 祭灶节——二十三，糖瓜粘家教世界·创新阅读(2022年2期)2022-03-226口塘出虾43000斤！产值超100万元，“万亩虾塘”的成功密匙你了解了吗?当代水产(2021年8期)2021-11-042020年阿根廷大豆产值将达205亿美元今日农业(2020年22期)2020-12-14江浙沪的十道风味少儿美术(快乐历史地理)(2020年7期)2020-11-26“一米菜园”有颜值更有产值今日农业(2020年14期)2020-08-14中国制造业产业关联度分析智富时代(2019年2期)2019-04-18中国制造业产业关联度分析智富时代(2019年2期)2019-04-18沉香挥发性成分与其抗肿瘤活性的灰色关联度分析中成药(2018年1期)2018-02-02我国循环经济产值已达2万亿元中国资源综合利用(2016年6期)2016-01-22江浙沪儿童面临塑化剂暴露风险中国卫生(2015年11期)2015-11-10