黃麗玲

(桂林航天工業(yè)學(xué)院 管理學(xué)院，廣西 桂林 541004)

在21世紀(jì)信息化和科技化發(fā)展的道路上，科技創(chuàng)新能力是一個地區(qū)乃至一個國家在知識、技術(shù)和管理上的重要體現(xiàn)。高校作為區(qū)域創(chuàng)新的動力源泉，是培養(yǎng)和造就高層次科技創(chuàng)新人才的搖籃。2008年，Harryson等[1]發(fā)現(xiàn)高?？萍紕?chuàng)新的提升可以強(qiáng)化高校與政府、企業(yè)、科研院所之間的合作，對地區(qū)經(jīng)濟(jì)發(fā)展及社會進(jìn)步都起到至關(guān)重要的作用。高校科技創(chuàng)新能力是將高?？萍紕?chuàng)新資源、人才以及科研實(shí)力轉(zhuǎn)化為高水平的科研成果，并將成果市場化的能力，省際高?？萍紕?chuàng)新能力反映了省際科技創(chuàng)新實(shí)力及產(chǎn)出能力的整體水平。而省際經(jīng)濟(jì)發(fā)展、地理環(huán)境及資源的不平衡，導(dǎo)致了地區(qū)高校間科技創(chuàng)新能力有所差別，為縮短我國各省際高?？萍紕?chuàng)新能力的差距，了解問題的關(guān)鍵所在，提出有針對性的對策建議，對省際高?？萍紕?chuàng)新能力的評價顯得尤為重要。

我國許多專家學(xué)者對高校的科技創(chuàng)新能力的提升進(jìn)行了大量研究，并取得了不錯的成果。其中，章熙春等[2]在國內(nèi)相關(guān)研究成果的基礎(chǔ)上構(gòu)建了高?？萍紕?chuàng)新能力指標(biāo)體系，并利用灰色關(guān)聯(lián)法進(jìn)行了分析。劉勇等[3]運(yùn)用層次分析法設(shè)計(jì)了高?？萍紕?chuàng)新能力評價模型，并對華東地區(qū)高校進(jìn)行了實(shí)證研究。熊國經(jīng)等[4]基于E-TOPSIS 改進(jìn)因子分析法對泛珠江三角洲高?？萍紕?chuàng)新能力進(jìn)行評價，并進(jìn)行排序。周才云等[5]應(yīng)用主成分分析法對我國高?？萍紕?chuàng)新能力進(jìn)行比較研究，并提出了針對性的對策建議。徐朋輝等[6],雷亞楠等[7]采用因子分析法對區(qū)域高?？萍紕?chuàng)新能力進(jìn)行了研究。蘇薈，劉奧運(yùn)[8]基于DEA-Tobit 模型對我國省際高校科研效率和影響因素進(jìn)行研究。邢戰(zhàn)雷等[9]運(yùn)用AHP法對陜西省高?？蒲袆?chuàng)新能力進(jìn)行評價并排序。汪曉夢[10]利用灰色關(guān)聯(lián)法和主成分分析法對西南地區(qū)高?？萍紕?chuàng)新能力績效進(jìn)行評價。趙慶年等[11]完善了高?？萍紕?chuàng)新評價指標(biāo)體系，并對30個省市的高?？萍紕?chuàng)新能力進(jìn)行評價。王美霞[12]采用全局主成分分析法測算了我國省際的高校協(xié)同創(chuàng)新能力，并對其空間格局進(jìn)行了研究。蔡文伯[13]運(yùn)用線性回歸模型對西部地區(qū)高?？萍紕?chuàng)新能力進(jìn)行了實(shí)證研究。

綜上所述，大部分的專家學(xué)者針對高?？萍紕?chuàng)新評價模型的研究仍存在局限性，評價方法比較單一，大部分均是采用主成分分析法和因子分析法，但利用該方法進(jìn)行降維評價時，會有信息量丟失的情況，無法得到完全準(zhǔn)確的結(jié)果。本文在前人研究的基礎(chǔ)上，構(gòu)建了以科技創(chuàng)新基礎(chǔ)、科技創(chuàng)新投入、科研能力、科技產(chǎn)出能力等4個維度的高?？萍紕?chuàng)新能力指標(biāo)，并提出了改進(jìn)VIKOR法對高?？萍紕?chuàng)新能力進(jìn)行評價。首先利用熵值法(Entropy)對指標(biāo)進(jìn)行賦權(quán)，然后以正負(fù)理想解作為參照計(jì)算群體效用值和個體遺憾值，從而得到各方案的利益比率，并對結(jié)果進(jìn)行排序。最后，選取我國31個省(直轄市)作為研究對象，對我國2017-2018年的省際高校科技創(chuàng)新能力進(jìn)行評價，并提出相應(yīng)的對策建議。

1 指標(biāo)體系的構(gòu)建及數(shù)據(jù)來源

在理解高?？萍紕?chuàng)新能力內(nèi)涵的基礎(chǔ)上，考慮指標(biāo)構(gòu)建的導(dǎo)向性、系統(tǒng)性、可操作性的原則，構(gòu)建了包含4個一級指標(biāo)，22個二級指標(biāo)的高?？萍紕?chuàng)新能力指標(biāo)體系，如表1所示。并選取了2017—2018年全國31個省、市、自治區(qū)樣本數(shù)據(jù)進(jìn)行實(shí)證分析，數(shù)據(jù)來源于2017—2018年《高等學(xué)校科技統(tǒng)計(jì)資料匯編》。

2 評價模型的構(gòu)建

2.1 數(shù)據(jù)標(biāo)準(zhǔn)化處理

由于不同的評價指標(biāo)間有不同的量綱，不能直接比較，因此在進(jìn)行具體的運(yùn)算之前，要對指標(biāo)數(shù)據(jù)進(jìn)行預(yù)處理，消除量綱。又因?yàn)楸疚闹袡?quán)重的確定主要采用熵值法，根據(jù)文獻(xiàn)[13]中的研究發(fā)現(xiàn)，對于熵權(quán)法來說，采用極值法處理數(shù)據(jù)得到的評價效果最好。因此，本文采用極值法進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化處理，具體步驟如下：

(1)構(gòu)建n個評價對象和m個評價指標(biāo)的判斷矩陣Y=(yij)m×n，(i=1,2,…,m；j=1,2,…,n)；

(2)對判斷矩陣Y進(jìn)行無量綱化處理，得到矩陣X=(xij)m×n，(i=1,2,…,m；j=1,2,…,n)；

(3)對于效益型指標(biāo)(越大越好)

(1)

(4)對于成本型指標(biāo)(越小越好)

(2)

2.2 基于Entropy法的權(quán)重確定方法

Entropy法(熵值法)是一種根據(jù)各項(xiàng)指標(biāo)觀測值所提供的信息量的大小來確定指標(biāo)權(quán)數(shù)的方法。用熵值法確定指標(biāo)權(quán)數(shù)的步驟如下：

(1) 計(jì)算第i項(xiàng)指標(biāo)下，第j個系統(tǒng)的特征比重

(3)

(2) 計(jì)算第i項(xiàng)指標(biāo)的熵值

(4)

(3)計(jì)算指標(biāo)xi的差異性系數(shù)

對于給定的i，xij的差異越小，則ei越大；當(dāng)xij差異越大，ei越小，指標(biāo)對于系統(tǒng)的比較作用越大。因此定義差異系數(shù)gi=1-ei，gi越大，越應(yīng)重視該項(xiàng)指標(biāo)的作用。

(4)確定權(quán)數(shù)，即取

(5)

wi為歸一化了的權(quán)重系數(shù)。

2.3 基于改進(jìn)VIKOR法的評價模型

基于改進(jìn)VIKOR法的評價模型計(jì)算過程如下：

(1)對初始數(shù)據(jù)矩陣Y=[yij]m×n利用功效系數(shù)法進(jìn)行無量綱化處理，設(shè)規(guī)范化后的評價矩陣為

(6)

(2)計(jì)算各項(xiàng)指標(biāo)的正負(fù)理想解

(7)

(8)

(3)計(jì)算各方案的群體效用值和個體遺憾值

以正理想解為參照時，各方案群體效用值和個體遺憾值：

(9)

(10)

以負(fù)理想解為參照時，各方案群體效用值和個體遺憾值：

(11)

(12)

由此，本文定義方案群體效用評價值和個體遺憾評價值為：

(13)

(14)

(4)計(jì)算各方案的利益比率

(15)

其中，u為比例系數(shù)，代表群體效用的比重，(1-u)代表個體遺憾的比重，當(dāng)u>0.5時，表示評價者更偏重群體效用的比重，(1-u)>0.5時，評價者更偏重個體遺憾值，當(dāng)u=0.5時，表示群體效應(yīng)與個體遺憾同等重要。本文取u=0.5，可以兼顧群體效用最大化和個體遺憾最小化。當(dāng)Q越大時，方案越優(yōu)，本文據(jù)此進(jìn)行排序。

本文選用的熵值法(Entropy)是一種相對理想的客觀權(quán)重判定方法，而改進(jìn)VIKOR法結(jié)合了TOPSIS法與VIKOR法的優(yōu)點(diǎn)，改變傳統(tǒng)VIKOR法注重以正理想解作為參照的思想，以正負(fù)理想解作為參照計(jì)算群體效用值和個體遺憾值，使評價結(jié)果更加準(zhǔn)確合理。

3 實(shí)證分析

對我國2017—2018年31個省、市、自治區(qū)的高校科技創(chuàng)新能力進(jìn)行評價，利用改進(jìn)的VIKOR綜合評價模型進(jìn)行計(jì)算，得到最終評價結(jié)果，如表2所示。

表2 綜合評價結(jié)果及排序

由表2可知，2017年和2018年的評價結(jié)果差異不大，前6名結(jié)果一致。其中山東省、黑龍江省、河南省、貴州省等12個省份的排名有所提升，山西省、江西省、廣西壯族自治區(qū)、云南省等11個省份排名有所下降。廣西壯族自治區(qū)、江西省、云南省排名下降趨勢較猛，主要原因是對比2017年，2018年這三個省份國家三大獎項(xiàng)獲獎數(shù)及國際級項(xiàng)目驗(yàn)收數(shù)有所下滑導(dǎo)致。

另外，根據(jù)評價結(jié)果可知，排名前5的省份分別是北京市、江蘇省、上海市、廣東省和湖北省，這5個省市無論是經(jīng)濟(jì)發(fā)展還是區(qū)域高?？萍假Y源相對于其他省市來說都具有相對的優(yōu)勢，尤其是北京市，作為首都無論是經(jīng)費(fèi)投入支出、人才引進(jìn)以及科技產(chǎn)出無疑是最有優(yōu)勢的，而上海市、江蘇省、廣東屬于經(jīng)濟(jì)發(fā)達(dá)地區(qū)，湖北省具有明顯的高校資源優(yōu)勢，因此其科技創(chuàng)新能力也優(yōu)于其他省份。從評價綜合得分可以看出，排名后10名的省份是西藏、云南、廣西、江西、青海、海南、寧夏、內(nèi)蒙古、新疆、貴州，這些都屬于欠發(fā)達(dá)的中西部地區(qū)，并且綜合得分與其他省份差異很大，說明這10個省份科技創(chuàng)新能力對比其他省份來說比較落后，需要重點(diǎn)關(guān)注。西部地區(qū)中科技創(chuàng)新能力較強(qiáng)的省份只有四川和陜西，由此可以看出，我國高校科技創(chuàng)新能力省際差異較大，在空間上呈現(xiàn)由東向西逐漸衰減的態(tài)勢，經(jīng)濟(jì)越發(fā)達(dá)地區(qū)及高校資源越集中的地區(qū)高校創(chuàng)新能力越高。

4 結(jié)語

針對高校科技創(chuàng)新能力評價存在的評價方法單一、評價時信息丟失等情況的問題，本文提出了改進(jìn)VIKOR法的高校科技創(chuàng)新能力評價模型。首先，基于熵值法對指標(biāo)進(jìn)行賦權(quán)，是一種客觀的、根據(jù)指標(biāo)提供的信息量大小來確定權(quán)重的方法，然后將TOPSIS法的思想融入VIKOR法中，對傳統(tǒng)VIKOR法進(jìn)行改善，使得改進(jìn)VIKOR法能更加準(zhǔn)確地測量省際高?？萍紕?chuàng)新能力，并對全國31個省、市、自治區(qū)進(jìn)行了實(shí)證分析，得出我國省際科技創(chuàng)新能力差異較大，呈現(xiàn)由東向西逐漸減弱的態(tài)勢，科技創(chuàng)新能力最好的地區(qū)是北京市，從地域、資源等優(yōu)勢來看，北京市榮獲第一當(dāng)之無愧。而科技創(chuàng)新能力較弱的地區(qū)是青海和西藏，與其他發(fā)展較好的地區(qū)相比，差距較大。

為提高我國科技創(chuàng)新能力，縮短東西部地區(qū)間科技創(chuàng)新能力之間的差距，本文提出以下建議：①大力推動產(chǎn)學(xué)研一體化建設(shè)，推進(jìn)科技成果轉(zhuǎn)化效率。加強(qiáng)校企合作，提升高?？萍紕?chuàng)新能力，促進(jìn)高校與產(chǎn)業(yè)相結(jié)合，建立創(chuàng)新平臺，加快信息共享。②加大高校科技創(chuàng)新投入力度，尤其注重中西部科技創(chuàng)新能力較弱的省份，加強(qiáng)科技人才引進(jìn)，優(yōu)化高校科技創(chuàng)新人才評價機(jī)制，注重人才培養(yǎng)，進(jìn)一步強(qiáng)化高校科技創(chuàng)新基礎(chǔ)實(shí)力。③加強(qiáng)高?？萍紕?chuàng)新省際合作。促進(jìn)區(qū)域間高校協(xié)同發(fā)展，科技創(chuàng)新能力強(qiáng)的地區(qū)帶動科技能力較弱地區(qū)發(fā)展，實(shí)現(xiàn)資源互補(bǔ)，逐步縮小省際高校創(chuàng)新能力的差距。