省域创新系统类型分析与发展范文

《科研管理杂志》2015年第S1期

区域创新作为国家创新系统的重要组成部分，是实现我国科学发展、转变经济发展方式的重要推动力，研究区域创新系统(RegionalInnovationSystem，RIS)发展的现状、模式，及其未来可能的发展方向，对于优化区域创新系统、乃至区域产业升级和结构调整、以及地区经济发展的方式选择有着重要的理论与现实意义。现有相关研究中，学者们在RIS衡量设定、RIS发展状况及其类型区分、以及具体RIS将来发展方向三个方面取得了较为丰富的成果。RIS衡量方面，如Cooke［1］认为RIS包括区域生产结构子系统和区域支持基础设施子系统，Asheim和Isaksen［2］认为RIS是有产业集群中的企业和制度基础设施相互作用而形成;RIS类型区分方面，学者们经由不同视角进行划分，如社会根植性视角(Asheim和Isaksen［3］)、区域创新潜力视角(Cooke［1］)、区域创新的障碍因素视角(Isaksen［4］)、区域创新能力视角(魏守华［5］)、区域创新体系成熟度视角(袁潮清［6］)等;具体RIS发展方向方面，魏守华［5］发现我国区域创新能力在空间分布上具有明显的东部趋向集聚特征，周立［7］认为应当分集团而非整齐划一地制定和实施增强区域自主创新能力，王家庭［8］区分了我国的高、低创新能力聚集区并提出了针对性政策，郭志仪［9］认为制造业的区域创新模式中苏州模式更值得借鉴;赵彦云［10］认为技术创新与非技术创新的相辅相成是创新模式发展的正确方向等。

从研究方法来看，关于RIS类型划分主要以因素分析、聚类分析或者定性分析等为主，如:周立［7］、赵彦云［10］、孙锐［11］等分别应用聚类分析、构建等方法对我国区域创新能力相关内容进行深入分析，魏守华［5］运用的是塞尔指数和区域基尼指数，王家庭［8］利用Moran分析、空间计量模型等，郭志仪［9］则是直接利用指标数据结合定性分析;一些其他的定量研究方法，如效率分析(官建成［12］、白俊红［13］等)、灰色系统分析(袁潮清［6］)等，其数据分析结果往往可以作为类型划分与发展方向探讨的基础。总体来说，目前关于我国RIS分类及其发展方向的相关研究，从研究视角来看，在区分类型之上鲜有进一步讨论各种类型群体内部的具体结构关系，对未来发展方向的研判多集中于全国全局上的趋势，而缺乏关于具体发展标杆的定量科学研判。从方法论角度来看，现有常用方法如因子和聚类分析等，能较好的区分出各种类型，但不能较好的解析类型内部结构关系，从而不能进一步展开分析。而复杂网络建模分析方法，通过构建点边方式，能够定量描述众多分析对象之间的关系，区分类型并能深入分析各类对象所构成群体的内部结构关系，进而可以科学定量的寻找典型代表和发展标杆。由此，本文基于系统性思维，从基础与环境、投入、产出及成果扩散四维度综合考量区域创新系统，从创新系统相似性视角，分别构建我国内地31个省域四个维度的复杂网络模型，通过实证分析分析各维度创新省域类型的特征、相互关系以及内部结构，进而研判四个维度各个类型省域创新系统的典型代表和发展标杆。

1指标、数据与模型构建

1．1指标与数据区域创新系统的评价指标体系，国外以OECD的“科学、技术和产业计分表”、美国的国家创新能力指数、欧盟的创新记分牌为人们所广泛关注和引用［14］。国内方面，谢科范［15］根据城市创新活力等理论构建了城市创新评价体系;朱海就［16］在评估中突出非R＆D指标的重要性;《中国区域创新能力报告》通过创新环境、知识创造、知识获取、企业创新能力、创新的经济效益5个方面对区域创新能力进行综合评价［17］。本文借鉴现存区域创新评价指标体系成果，从较为宽广的视野构造区域创新系统评价指标系。指标维度选取方面，首先以创新投入维度(与创新相关的资源直接投入)和创新产出维度(创新的直接成果产出)作为区域创新系统的主体部分，进而以创新成果扩散维度(创新直接成果转换效果)作为对区域经济社会的直接作用部分、以创新基础与环境维度作为区域创新系统的支撑部分。由此，对区域创新系统的衡量涵盖了创新链条的四个环节:基础、投入、产出与成果运用。具体指标选取上，综合考虑不同创新主体(政府、企业①、科研机构、高校)在创新链条不同环节中的贡献或影响力，并借鉴欧盟创新记分牌的相关原则，构建了包括创新基础与环境、创新投入、创新产出、创新成果扩散四个维度共12个一级指标、24个二级指标的指标体系来对我国区域创新进行全面衡量。同时，本文所主要考察的是区域间相似性，因而在具体指标选取上以相对指标而非绝对指标为主。具体如表1所示。以2011年为研究年份，依据2012年《中国科技统计年鉴》、《中国区域创新能力报告》、《中国统计年鉴》以及部分地方统计年鉴，对我国内陆31个省域各项指标进行数据收集、整理。

1．2区域创新系统复杂网络模型构建复杂网络主要分析单位是行动者之间的关系，因此，本文将各省域作为网络节点，运用夹角余弦距离描述其相似性，进行复杂网络模型构建。各节点的属性确定后，通过夹角余弦距离刻画各省域在区域创新方面表现出的远近关系，其中，第r和第s个省域间的夹角余弦距离被定义。也即，第r和第s个省域之间的距离是这两个省域以24项指标构建的向量之间的夹角余弦。因为所有的指标都是非负的，因此距离取值在区间［0，1］之间。这一距离表示两个省域在创新发展模式上的相似性，与创新效率无关。关系确定后还需要进一步确定复杂网络的边。现有文献提出了多种从节点之间的距离矩阵出发建立复杂网络的方法，一种是阈值法，即采用拓扑性质不变［18］、最小生成树事件联合［19］、网络连通［20］等判定一个阈值，其中距离小于该值的相应节点之间建立边;另一种是最多边限制法，假定每个节点最多只与设定的若干最近节点连接［21，22］。本文采取前一种方法，在距离矩阵中选取一个值作为标准值，用此值判别不同省域在整个创新网络中位置以及同其他省域之间的相关关系。由此，构建了区域创新相似关系的复杂网络模型。

2实证分析

本文运用复杂网络方法，分别对上文构建的创新基础与环境、创新投入、创新产出、创新成果扩散四维度网络进行密度测度、社团分析、节点分析，探究省域间在创新宏观和具体方面表现或隐含的相互关系，并进一步找出相似组群中代表省域及发展标杆，为不同省域今后创新建设指明发展方向和借鉴对象。具体分析结果如下。

2．1区域创新系统各维度同构性分析区域创新同构，是指不同地域或空间上的各种生产要素总量在不同创新产业的配置比例、构成以及他们之间的有机联系上，表现出相同的行为和倾向［23］。本文通过对创新各维度关系网络进行整体网密度测度，对我国省域创新是否存在同构性进行评价。其中，整体网密度等于网络中节点间“实际存在的关系总数”除以“理论上最多可能存在的关系总数”，是衡量社群内部成员之间相互关联程度的重要指标。整体网密度越高，说明全国范围内省域间创新结构越相似，即在该维度表现出较高的同构性。分别对各维度整体网密度测度的结果如下表2所示。可以看出，在全局上，全国省域在创新各维度均表现出较高的相似性，即同构程度较高，且随着创新链条的不断推进，整体网密度下降，同构现象逐渐减弱。分别对各维度省域间相关关系进行图像化表征的结果如下图1—4所示;图中两省之间的连线表示两省具有直接相似关系，连线越多，该省与越多省域具有创新相似性。结合关系图我们亦可验证:在创新链条中，创新基础与环境网络连接最紧密，省域间“抱团”现象严重，仅有少数省游离在网络边缘，省域间创新同构程度最高;创新投入与产出维度次之;其中网络连接最松散，省域间相似性最低的是创新成果扩散，这一维度全国省域同构程度最低。究其原因，笔者认为与我国宏观调控政策作用效力有关:随着政府在创新链条中参与程度的降低，政府职能作用的发挥对省域创新影响力度逐渐减弱，省域间创新差异不断扩大。

2．2各维度省域子群(类型)划分及其关系分析基于上述对省域创新关系的宏观验证，本文进一步探究省域间具体创新联系;通过对创新网络进行块模型分析，发现并描述不同块所标示子群(类型)的成员省域及其共同特征，以及子群(类型)间相互关联。在对各个维度复杂网络子群的划分方面，本文着意于按照各个维度发展程度，由低到高进行排序，而子群的划分也能反映出一定程度的发展梯度性，具体分析结果如下。表3显示创新基础与环境维度块模型分析结果，结合指标数据发现，第一子群省域创新基础最薄弱;第二子群优于第一子群，但水平依旧偏低;第三子群省域创新基础水平一般，多围绕全国平均水平上下波动;第四组创新基础最稳固，这类省域将作为全国创新基础建设的最终目标。在分析中得出子群密度表如表3所示，其中对角线上值表示子群内部的凝聚性，对角线之外的数据则表明不同群体间的重叠性即相似性。结果表明在该维度省域间表现出“凝聚子群”关系模式，子群具有“自反性”，即子群内部成员相似度高，不同子群省域间相似度低。创新投入网络内部结构分析结果如表4所示，其中第一子群整体投入水平偏低，但该类省域规上企业购买引进技术经费所占比重较高，该情况的出现可能因为这些地区自身创新能力不强，但企业注重从地区外引进先进技术;第二子群两省虽投入水平差异较大，但均属高校投入主导型;第三子群创新投入水平一般偏上，其中企业投入占主导地位;第四子群科研机构和高校投入占据主导，但经费投入较人员投入不足;第五子群省域创新投入环节，政府、科研机构和高校占主导，企业投入水平相对一般。由密度表可知，创新投入子群间亦呈现出“凝聚子群”关系模式，子群内部相似度高，子群间相似度较低。创新产出维度(表5)，第一子群属于低水平的企业和高校产出主导型;第二子群表现为一般水平的高校产出主导;第三子群省域间创新产出水平差异较大，但整体而言企业产出相对不足，科研产出占据主导;第四子群属于企业主导的高水平创新产出。密度表显示子群间呈现“凝聚子群”关系模式，子群具有“自反性”。创新成果扩散网络结构松散，块模型划分结果(表6)不如上述三个维度明显，在最终划定的5个子群中，第一子群省域规上企业新产品开发能力较弱，高新技术企业新产品产值比重较高，但出口不占优势;第二子群省域创新成果经济转化水平参差不齐，新产品产值虽在企业和高新技术行业中占较大比重，但新产品出口比重较低;第三子群省域间虽创新成果扩散水平差异也较大，但整体属于高新技术产业新产品出口导向型;第四子群省域规上企业创新成果经济转化能力较强，高新技术行业则较弱;第五子群省域无论是规上企业还是高新技术产业创新成果转化水平都相对较高，尤其是高新技术产业新产品出口方面表现突出。从密度表看，虽然该维度子群凝结程度不如另外三个维度高，但主对角线上的值都远高于网络整体密度值0．1935，子群内部仍表现出较高的一致性。

2．3各维度各子群(类型)内典型代表省域与标杆省域分析“中心性”是衡量个体在网络中居于怎样的中心地位，通过度数中心度考察与被测省域直接具有创新相似性的省域个数，度数中心度越高，该省与越多的省域相似;中间中心度测量节点连接其他两点的短程线占这两点之间的短程线总数之比，考察点在沟通其他点过程中的桥梁作用，因而可以将中间中心度高者作为发展标杆参考对象。对创新各维度节点中心性测度如表7所示。结合上述创新各维度中块模型及节点分析结果，分别选取子群中度数中心度最大的点作为子群典型代表省域，通过对代表省域的分析，决策者能快速把握整个子群的特征以及优劣势所在;选取子群中中间中心度最大的点，作为各省域创新建设中借鉴其他子群创新优势的发展标杆，在具体选择之中一个主观的考量是:选择与相对发展程度较高子群链接的省域为该子群(类型)的发展标杆。具体结果如表8所示。需要指出的是，在创新成果扩散能力提升方面，代表省域与标杆省域相同，这可能源于省域间创新成果转化模式各异以及多数省域在创新成果扩散方面具有综合发展态势。

3结论与政策建议

本文应用复杂网络模型，基于相似性视角对我国内地31个省域创新系统在创新基础与环境、创新投入、创新产出以及创新成果扩散四个方面进行分析，讨论各维度创新省域类型的特征、内部结构，以及各个类型省域创新系统的典型代表和发展标杆，主要结论有:(1)总体而言，全国省域创新各维度上均较为相似，具有一定的同构性，且随着创新链条的推进，相似性逐渐降低，同构现象逐渐减弱。(2)省域创新相似群体划分方面，创新基础与环境、创新投入维度相似关系区分清晰，据相似性所划分的块模型呈现出“凝聚子群”关系模式，子群内部相似度高，子群间相似度较低;创新产出、创新成果扩散维度子群结构相对松散，但各子群相似特征仍较为显著;同时，各个维度内子群划分能反映出一定程度的发展梯度性。(3)对于各类子群省份，基于子群(类型)中度数中心度和中间中心度分析，都能找到相应子群的代表省域，和发展标杆省域。由此，就各省域自身，为有效促进其区域创新系统的发展，一方面，在短期内应根据自身在不同维度创新网络中所处的子群位置，结合代表省域充分了解自身创新特色及优劣势，并通过向标杆省域进行学习借鉴，进而设定自身短期发展方向与目标;另一方面，在长期上，应基于短期分析，进而以子群梯度提升的标杆省域为自己发展阶段的参考学习对象，设计各个维度的长期发展线索。另外，国家层面上在全局制定相应政策时，应该考虑到政策在创新链上作用效力可能的递减性，当然，具体政策制定与策略设置的理论与实证基础有待进一步的探究。

作者：李向前 李菁菁 黄莉 单位：安徽工业大学商学院