下载文档原格式
科技创新能⼒评价2019-10-24⼀、区域科技创新能⼒实证分析1、抽取公因⼦按照表1采⽤主成分分析法提取公因⼦并选取⼤于1的特征根值，得出四个因⼦:12.568、3.584、1.835和1．391。
这四个因⼦解释了总⽅差84.252%，因此可认为这四个公因⼦可以解释⾜够的信息量，来解释实际问题。
2、因⼦命名旋转后的因⼦荷载表中各因⼦在指标上的载荷系数如表4所⽰。
从表4可知，第⼀个因⼦在x3、x4、x5、x12、x14、x17、x19有较⾼的载荷，结合因⼦的具体含义可将其定义为科技创新的基础因⼦。
第⼆个因⼦在x7、x10、x11有较⾼的载荷可将其定义为科技创新的投⼊因⼦。
第三个因⼦在x1、x6、x18有较⾼的载荷可将其定义为科技创新的产出因⼦。
第四个因⼦在x23上有较⾼载荷可将其定义为科技创新的贡献因⼦。
3、计算因⼦得分根据旋转后的因⼦得分系数矩阵(略)，可以将公共因⼦表⽰为各个变量的线性组合，计算江苏省13个区域科技创新在4个主因⼦上的单项因⼦得分(F1、F2、F3、F4)。
［2］通过计算得到:F=0．6486*F1+0．1849*F2+0．0947*F3+0．0718*F4把原始数据代⼊表达式，得到江苏省各地市的单项因⼦得分和综合得分并进⾏排名，如表5所⽰［3］为使评价结果更加直观、清晰，我们对单项因⼦得分再进⾏聚类，以辅助分析。
运⽤SPSS19．0软件中WARD法聚类分析，结果如下图1所⽰。
根据聚类图我们可以将江苏省区域科技创新⽔平分为四类。
江苏省13个地级市的区域创新能⼒与经济实⼒上所划分的苏南、苏中、苏北的城市基本上⼀致。
从科技创新的基础因⼦可知苏州、⽆锡、南通和常州有较⾼的得分，相反宿迁、连云港和淮安得分较低，它们的科技技术基础设施建设数量与苏州、⽆锡、常州和南通所拥有的科技技术设施建设的数量相差较远。
科技技术设施是科研的物质条件，必须有健全和完善的基础设施建设，才能保证区域科技创新良好发展。
新动能视角下中国省域科技创新能力评价
近年来，中国经济发展进入了新常态，新动能成为推动经济增长的重要力量。
在这种
背景下，科技创新成为了中国省域发展的关键。
对于中国省域的科技创新能力进行评价非
常重要，可以为决策者提供科学的依据，帮助他们制定合理的政策，推动科技创新在各省
份的快速发展。
那么，如何评价中国省域的科技创新能力呢？我们可以从科技创新投入角度进行评价。
科技创新需要大量的投入，包括资金投入、人力资源投入和科技研发投入等。
我们可以通
过评估省份在这些方面的投入情况，来判断其科技创新能力的强弱。
可以评估省份的研发
经费支出占GDP的比例、高新技术企业数量以及技术合同交易额等指标，来反映省份的科
技创新投入水平。
对于中国省域的科技创新能力评价需要从多个角度进行考虑，包括科技创新投入、科
技创新产出以及科技创新环境等方面。
只有全面评价各省份的科技创新能力，才能更加全
面真实地反映其科技创新水平，并为科技创新政策的制定提供科学的依据，从而推动中国
省域的科技创新能力的快速提升。
区域创新能力评价指标随着全球经济的发展及现代社会的进步，企业对开发多样化的创新能力日益重要，而区域创新能力的评价则是现代经济发展的重要指标，被广泛用于政府决策、合作伙伴关系管理和企业战略管理。
本文旨在介绍区域创新能力评价方法，并建议若干改进措施，以期提高其系统性和客观性。
二、区域创新能力评价创新能力评价是一种以评价结果依据战略管理的指标，其目的是测定企业的创新能力水平，识别其发展方向，并有助于企业战略规划及企业未来发展。
区域创新能力评价包括三个方面：知识资源、创新能力及自主管理。
知识资源指的是区域内提供知识和技术支持的人员、机构及基础设施，创新能力则是指企业能够利用该知识资源进行研发与创新的能力，而自主管理则是指企业能够建立有效的组织管理体系，使研发创新获得有效落实。
进行区域创新能力评价的具体步骤一般包括：第一，确定指标体系，采用质量成本技术指标、市场竞争能力指标、组织学习能力指标以及营销接近能力指标等；第二，确定评价标准，根据公司发展的不同阶段所需的指标以及应用程度、具体实施方式等，确定不同产业的不同评价标准；第三，进行统计分析，综合各项指标，对区域内企业的创新能力进行统计分析；第四，推出改进措施，针对评价结果提出实施方案，进行行动跟踪。
三、改进建议区域创新能力评价体系目前存在若干问题，主要表现在系统性和客观性方面。
针对这些问题，提出以下改进建议：1.加强统计分析。
现行的评价方法往往存在着计算结果不稳定、计算偏差多等弊端，因此，需要在统计数据分析过程中增加变量，提升数据处理技术，以提高计算结果的稳定性和可信度。
2.提高客观性。
区域创新能力评价体系应当建立客观的评估标准，考核标准应采用行业成熟的评价参数，以确保评价结果的客观性及可信度。
3.加强管理。
一方面，应当加强对系统的管理，建立评价方法的标准化流程；另一方面，应当建立有效的管理机制，对系统的运行及结果进行定期检查和评估，以确保其正确性。
四、结论总之，区域创新能力评价是一项重要的技术，能够帮助政府决策、企业战略管理、合作伙伴关系管理等工作，有助于改善商业环境及提高企业发展水平。
第35卷第6期 Vol.35 No.6荆楚理工学院学报Journal of Jingc.hu University of Technology2020年12月Dec.2020我国区域创新能力空间分布及影响因素分析夏杰(安徽财经大学统计与应用数学学院，安徽蚌埠233030)摘要：以2011~2018年我国30个省域的面板数据，利用熵值法从创新吸纳、创新成果两个方面评价我国区域创新能力水平，并结合空间自相关检验分析各个地区创新发展水平的差异，在此基础上利用空间计量模型对影响因素进行实证分析。
结果表明：江苏、广东二省的创新发展能力最强，新疆、甘肃、贵州等地区的创新 发展能力有待提升；我国各省市经济的发展、固定资产投资、对外开放水平对区域创新能力均有积极的推动作 用，人均受教育年限系数为负。
关键词：创新发展;综合评价；空间计量模型中图分类号:F127 文献标志码:A文章编号：1008-4657(2020)06-0025-060引言改革开放以来,中国经济扩张数量令人瞩目，十九大报告提出“我国经济已由高速增长阶段转向高 质量发展阶段”的重要论断，意味着经济高质量是中国步入新时代后发展的核心与关键。
创新发展作 为拉动我国经济高质量发展的第一大马车，是中国经济高质量发展的重要驱动力,是提高社会生产力和 综合国力的战略支撑。
但是，由于现阶段我国各省市创新能力发展不均衡,部分省市科技创新能力相对 滞后，各区域在资源禀赋、经济发展水平、资产投资程度等方面存在较大差异，不可避免地出现区域创新 发展水平不平衡状态。
为反映我国区域创新发展建设水平及其发展路径,本文对我国省域创新发展水 平进行综合评价，探究区域差异性以及影响因素。
1文献综述在推动经济高质量发展的背景下,已经有一些学者在对科技创新发展的研究中取得了相应的成果,建立不同的模型进行探讨，朱梦菲等[|]从技术新发明、产业新方向等方面选取指标,建立评价体系，运 用AHP-TOPSIS法确定创新策源能力评价值。
中国区域创新能力评价2020指标【原创版】目录一、引言二、中国区域创新能力评价报告简介1.评价报告的背景和意义2.评价报告的主要内容和指标体系三、2020 年中国区域创新能力评价指标分析1.知识创造2.知识获取3.企业创新4.创新环境5.创新绩效四、2020 年中国各地区创新能力排名1.排名方法2.各地区创新能力排名情况五、总结与展望正文一、引言随着全球经济一体化的深入发展，创新已成为国家发展的核心竞争力。
对于我国而言，提高区域创新能力是实现经济持续增长、促进社会进步的关键。
为了全面了解我国各地区的创新能力，中国科技发展战略研究小组编写了《中国区域创新能力评价报告》。
本文将基于《中国区域创新能力评价报告 2020》指标体系，分析我国各地区的创新能力，并展望未来发展趋势。
二、中国区域创新能力评价报告简介《中国区域创新能力评价报告》是一份全面评估我国各地区创新能力的年度研究报告，旨在为地方政府提供参考，帮助他们更好地了解本地区的创新能力，制定相关政策和措施。
报告主要从知识创造、知识获取、企业创新、创新环境和创新绩效五个方面进行评价，涵盖了百余个具体指标。
三、2020 年中国区域创新能力评价指标分析1.知识创造：知识创造是区域创新能力的核心，包括专利申请数量、研发投入、高新技术企业数量等。
2020 年，我国各地区在知识创造方面的表现有所提高，尤其是北京、上海等地。
2.知识获取：知识获取能力是影响区域创新能力的重要因素，包括互联网普及率、信息技术水平等。
2020 年，我国各地区在知识获取方面的差距逐渐缩小，整体水平有所提高。
3.企业创新：企业创新是推动区域经济发展的关键动力，包括企业研发投入、高新技术企业数量等。
2020 年，我国各地企业在企业创新方面的表现不一，沿海地区相对较好，内地地区还需加强。
4.创新环境：创新环境是促进创新能力发展的重要条件，包括政策支持、人才培养、金融支持等。
2020 年，我国各地区在创新环境方面的建设取得了一定成效，但仍需加大投入和政策支持。
中国区域创新能力评价报告2022
2022年中国区域创新能力评价报告
随着数字化越来越普及，全球面临的挑战也愈发复杂。
当前，区域创新能力的评价已成为一个重要的全球考量指标。
对于中国而言，通过实施区域创新能力评价，能有效提升区域社会可持续发展、促进区域经济和社会发展等方面的能力。
2022年，中国将进行区域创新能力评价，以解决不同区域之
间的资源失衡问题，激发地方经济与社会发展活力，推动改善区域可持续发展水平。
该评价将采用“四位一体”的整体评价标准，即经济增长实力、企业创新能力、人力资源开发水平以及资源禀赋和新闻融合环境等四个方面进行评价。
首先，经济增长实力将以GDP年均增长率、服务业增加值比重、经济结构转型进度、产业协调发展程度以及发展模式变革等指标作为参照。
其次，企业创新能力将以新技术投入增长率、企业创新效能水平以及企业发明专利申请量等为参考。
此外，人力资源开发水平将以技能培训水平、就业率以及职业认定制度的建立等指标作为参照。
经济高质量发展视角下区域科技创新能力评价研究随着国家经济的快速发展和科技的迅猛进步，科技创新已成为推动经济高质量发展的重要动力。
在这一背景下，对区域科技创新能力进行评价研究具有重要的现实意义。
区域科技创新能力评价是对一个地区在科技创新方面的综合实力进行评估和衡量。
它包括了科技创新的基础条件、科技创新的投入、科技创新的产出以及科技创新的环境等多个方面。
通过对这些方面的评价，可以客观地反映出一个地区的科技创新能力的强弱。
首先，科技创新的基础条件是评价一个地区科技创新能力的重要指标。
这包括了科技人才的数量和质量、科研机构的数量和质量、科技创新的基础设施等方面。
一个地区如果拥有充足的科技人才和先进的科研机构，以及完善的科技创新基础设施，那么它的科技创新能力就会比较强。
其次，科技创新的投入也是评价一个地区科技创新能力的重要指标。
科技创新的投入包括了研发经费的投入、科技成果转化的投入等方面。
一个地区如果能够投入大量的研发经费，以及积极推动科技成果的转化，那么它的科技创新能力就会比较强。
再次，科技创新的产出是评价一个地区科技创新能力的重要指标。
科技创新的产出包括了科技成果的数量和质量、科技产业的规模和效益等方面。
一个地区如果能够取得丰硕的科技成果，以及培育出具有竞争力的科技产业，那么它的科技创新能力就会比较强。
最后，科技创新的环境也是评价一个地区科技创新能力的重要指标。
科技创新的环境包括了政策环境、市场环境、文化环境等方面。
一个地区如果能够提供良好的政策和市场环境，以及鼓励创新的文化氛围，那么它的科技创新能力就会比较强。
综上所述，经济高质量发展视角下，对区域科技创新能力进行评价研究具有重要的意义。
通过对科技创新的基础条件、科技创新的投入、科技创新的产出以及科技创新的环境等多个方面进行评价，可以客观地反映出一个地区的科技创新能力的强弱。
这将为地方政府制定科技创新政策、推动科技创新产业发展提供有益的参考和指导，进而推动经济的高质量发展。
区域创新能力评价研究一、研究背景区域创新能力评价是指通过一定的方法，对特定区域的创新能力进行量化评估的过程。
随着经济全球化和科技进步的推动，区域创新已成为推动经济增长和社会发展的重要动力。
对区域创新能力进行科学评价，对于发挥区域创新的优势，提高区域创新能力，具有重要的理论和实践意义。
二、研究意义1. 促进区域创新发展通过对区域创新能力的评价，可以发现各个区域的创新优势和短板，有针对性地制定政策和措施，促进区域创新发展。
2. 提高经济竞争力区域创新能力的评价，有助于提高各个区域的经济竞争力，培育具有核心竞争力的产业和企业。
3. 促进科技进步科技创新是区域创新的重要组成部分，通过区域创新能力的评价，可发现科技创新的不足之处，推动科技进步。
4. 促进产业结构升级通过对区域创新能力的评价，可以促进产业结构的升级和转型，培育新的增长点，实现经济的可持续发展。
三、评价内容1. 技术创新能力技术创新是推动区域创新的核心动力，该项评价内容主要包括科技研发投入、高新技术产出、专利申请数量和质量等指标。
2. 产业创新能力产业创新是区域经济发展的重要保障，包括产业结构调整、新兴产业增长速度、产业技术水平等指标。
3. 人才创新能力人才是创新的重要支撑，包括高端人才数量、科研人员比例、人才集聚效应等指标。
4. 制度创新能力制度创新是保障创新发展的重要环境，包括政府政策支持、创新体系建设、知识产权保护等指标。
5. 企业创新能力企业是创新的重要主体，包括企业研发投入、企业技术创新能力、企业创新成果转化率等指标。
四、评价方法1. 层次分析法层次分析法是一种权重确定的层次分析方法，可以用于对多个指标进行定量评价，为每个指标赋予不同的权重。
2. 主成分分析法主成分分析法是一种综合指标评价方法，通过将多个指标合成为少数几个综合指标，降低了指标之间的相关性，更有利于评价和比较。
3. 回归分析法回归分析法可以用来探究影响创新能力的主要因素，通过建立回归模型，可以找出影响创新能力的关键因素和其影响程度。
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。
