高俊杰，薛 原

(1.南京中医药大学翰林学院 医学院；2. 南京中医药大学翰林学院 卫生经济管理学院，江苏 泰州225300)

0 引言

区域科技创新能力，是科技创新战略核心能力之一，在经济建设中有关键性作用[1]。科学评估地区科技创新能力，对于各地精准施策意义重大。

国外自20世纪末就开始研究区域科技创新能力，我国学者也逐渐意识到此方面研究的重要性。不过现有相关研究多只研究投入产出关系，没有重视研究各子系统间的联系，多采用因子分析法[2]、熵值法[3]等，也有一些学者开始尝试综合多种方法开展评价。本文拟联合熵值法与耦合度模型来综合评价长三角区域创新协同度。

1 区域协同创新能力评价模型构建

本文借鉴张卓[4]、吴玉鸣[5]、孟庆松[6]等人计算协同度的方法，构建耦合协同度模型如下。

(3)使用熵值法获得权重。评价某地区发展M年的情况，假设指标体系共N个指标，则构成矩阵A={aij}m×n，其中，i={1,2,…m},j={1,2,…n}，aij≥0，那么aij表示该地区第i年时第j项指标数值。

(4)使用耦合度模型获得区域创新系统协同度。不同个数的子系统数对应不同的计算公式：

耦合度C=2×[U1U2/(U1+U2)]1/2(n=2)，C=3×[U1U2U3/(U1+U2+U3)]1/3(n=3)，C=4×[U1U2U3U4/(U1+U2+U3+U4)]1/4(n=4)。

2 长三角地区协同创新效应评价

2.1 构建评价指标体系

区域协同创新能力评价模型的建立，旨在选择尽量全面的创新资源要素，构建科学的评价指标体系来对长三角地区的协同效应现状进行评价与实证研究。本研究拟从区域知识获取能力、区域知识创造能力、区域创新环境支撑能力、区域创新资源协同配置能力4个方面建立区域协同创新指标评价体系。依据这一框架，进一步把每个一级指标进行细化分解得到若干二级指标，通过对相关指标的甄别和优化，选取科学合理、易量化、有针对性的变量，以增强实证研究的科学性和有效性。就本研究而言，长三角协同创新是由上海创新系统、江苏创新系统、浙江创新系统、安徽创新系统4个子系统构成，每个子系统又包括4个序参量(一级指标)，同时又根据每个序参量的特征设计出共22个二级指标。

2.1.1 区域知识获取能力

知识的获取主要依托知识转移、共享及引进，科学提升等途径。知识可以分为隐性和显性知识，隐性知识主要附着在科研院所、企业以及科技工作人员上，而显性知识多由实物作为载体。同时，人力资本对知识获取的影响更大。因此，本研究拟选取高技术产业R&D研发机构数、R&D人员全时当量、规模以上工业企业办研发机构数、规模以上工业企业R&D人数以及高校R&D人员数等二级指标来测度长三角地区区域知识获取能力。

2.1.2 区域知识创造能力

知识创造的直接输出就是知识产出，通过技术转化来实现创新绩效提升，这是一个将隐性知识转变为显性知识的过程。知识创造能力是由多种要素综合作用而成，能力越强，知识产出越多。本研究选取专利授权量、高等学校R&D课题数、规模以上工业企业有R&D活动的企业数、规模以上工业企业新产品销售收入、规模以上工业企业技术改造经费支出以及高等学校发表科技论文数等二级指标来测度区域知识创造能力。

2.1.3 区域创新环境支撑能力

创新基础设施是否完善、社会就业水平的高低、劳动力收入水平高低、政府对于创新的鼓励程度乃至区域之外投资主体对于该区域的投资意向高低等都决定了一个区域的创新环境支撑水平。本研究拟选取国外技术引进合同数、R&D经费投入强度、高技术产业新产品开发项目数、人均GDP以及互联网用户数等二级指标来测度区域创新环境支撑能力。

2.1.4 区域创新资源协同配置能力

科研院所和企业都是一个区域的创新主体，同时，政府也是不可或缺的角色，政府投入和政策导向也会影响其他主体的创新投入，因此有必要大力促进政产学研的深入合作。本研究拟选取R&D经费内部支出中政府资金比例、R&D经费内部支出中企业资金比例、高校R&D经费内部支出中政府资金比例、高校R&D经费内部支出中企业资金比例、规模以上工业企业R&D经费内部支出中政府资金比例以及规模以上工业企业R&D经费内部支出中企业资金比例等二级指标来测度区域创新资源协同配置能力。

2.2 长三角协同创新特征以及相关资源要素现状

2.2.1 长三角协同创新特征

示范性。根据《长江三角洲区域一体化发展规划纲要》，推动其发展对于引领全国发展意义非常重大，整个地区经济实力强，总量约占全国的1/4。高质量发展样板区、率先实现现代化引领区以及区域一体化发展示范区等是规划定下的重要战略。同时，长三角地区的协同一体化发展上升成为国家战略，这显然体现国家对此区域发展的重视[8]。

紧迫性。世界正处于百年未有之大变局，经济全球化趋势正在逐步放缓，存在很多经济增长不确定性，而经济体量位于全国前列的长三角区域则面临更为复杂多变的国际环境。区域内部的要素资源以及城市生产力发展不平衡，区域间共建共享共保相关体系亦尚未完善，基础设施建设、公共基本服务一体化水平亟待升级，环境保护问题较为突出，市场体系尚未全面统一、开放。因此长三角区域协同创新具有紧迫性，但这也是该地区进一步发展的突破口。

过程性。建设与完善整个区域协同创新系统不能一蹴而就，需要层层推进。在逐步完善协同环境后，要突破各级各类创新主体之间的壁垒。区域之间要明确各责任主体，做好分工，将各项工作机制完善。制定详实、具体的行动计划，并针对一些具体问题制定专项推进方案。

2.2.2 长三角协同创新资源要素

根据表1所构建的评价指标体系，也从4个维度对长三角协同创新现状开展分析。因撰文时部分统计年鉴2022年的文件还未发布，因此以2021年统计年鉴即2020年的具体指标数据作为基础，分析上海、江苏、浙江、安徽一市3省具体情况。数据主要来源于《中国科技统计年鉴》《中国高技术产业统计年鉴》以及各地统计年鉴等。

表1 长三角区域协同创新效应评价指标体系

(1)区域知识获取能力。在区域知识获取能力方面，长三角一市3省整体科研创新资源比较丰富。2020年长三角区域R&D人员全时当量为167.5万人年，占全国总量的32%。江苏、浙江在我国“大众创业、万众创新”处于头部，创新资源优势非常明显，根据表2数据，安徽与江苏、浙江两地在相关资源要素上落差显著，在各类R&D人员数以及研发机构数上均呈现出明显差距，仍有较大提升空间。

表2 长三角区域知识获取能力评价指标(2020年)

(2)区域知识创造能力。在区域知识创造能力方面，与江苏、浙江、上海相比，安徽差距仍然存在，根据最新《中国区域创新能力评价报告》，江苏、上海和浙江分别排在全国第三、第四、第五。从高校R&D课题数与发表科技论文数来看，上海作为直辖市，数量仍然与江苏、浙江相差不大，甚至远远超过安徽，说明上海的高校科研能力非常强。江苏各项指标都远远高于其他一市二省，专利授权量、规模以上工业企业有R&D活动的企业数等指标甚至达到安徽的4倍以上；但从规模以上工业企业技术改造经费支出来看，安徽与其他两省差距较小，甚至超过了上海，说明安徽正在力争，有较大潜力。

(3)区域创新环境支撑能力。从区域创新环境支撑能力来看，上海在国外技术引进合同数、R&D经费投入强度以及人均GDP几个维度处于一市三省中最高水平，可见上海市的经济发展水平、国际合作程度以及科研投入方面都非常强，江苏与浙江在各项指标上均差距不大，都是江苏稍许领先，两省指标都远远高于安徽。总体来看上海在技术创新以及具体应用方面都表现较好，这与上海市一直大力开展科技创新是分不开的，并且江苏、浙江依靠其雄厚实力，也有着较好的创新创业势头。

(4)区域创新资源协同配置能力。在区域创新资源协同配置能力方面，上海R&D经费内部支出中政府资金比例远高于江苏、浙江、安徽。从R&D经费内部支出中政府与企业资金比例以及规模以上工业企业R&D经费内部支出中政府与企业资金比例来看，上海最为均衡，安徽次之，江苏、浙江垫底；从高校R&D经费内部支出中政府与企业资金比例来看，江苏最为均衡，浙江次之，上海、安徽垫底。这说明在知识创新主体协作方面一市三省均有较大提升空间，而高校R&D经费内部支出中企业资金比例江苏最高，可以看出江苏在将企业资金融合进入研发、大力开展产学研合作上优势较大。

表3 长三角区域知识创造能力评价指标(2020)

表4 长三角区域创新环境支撑能力评价指标(2020)

表5 长三角区域创新资源协同配置能力评价指标(2020)

3 长三角协同创新实证分析

3.1 数据收集及标准化处理

本研究选取2015-2020年长三角一市三省创新数据为样本，数据来源于2016-2021年《中国科技统计年鉴》《中国高技术产业统计年鉴》以及各地统计年鉴等。根据前文分析，首先利用熵值法计算出各二级指标权重(详见表6)。

3.2 长三角区域协同创新能力综合测评

根据模糊总和评价法定义，所有二级指标的最终评价得分为归一化数值与权重的乘积再乘以100。各子系统(即一级指标)评分即为系统内二级指标之和。

上海市具体计算数据见表7。根据图1的直观显示可以看到上海市6年以来得分趋势稳步上升，尤其是在2019年出现大跃升，成绩显著。区域知识创造能力、区域创新环境支撑能力都在稳步提升，说明上海市对于创新环境建设非常重视，同时也创造出了较多的科技创新成果。区域知识获取能力在回落后又再次大幅上升，可以看到上海市重视了这个方面并作出了很大努力，也取得了很好成果。但在区域创新资源协同配置能力方面，上海市除了在2019年有一个较高的跃升之外，其余年份均较低，是相对的短板项目，应予以重视。

表6 熵值法计算权重结果汇总

图1 上海市区域协同创新能力评价体系各子系统得分

江苏省具体计算数据见表8。根据图2的直观显示可以看出江苏省6年来综合得分稳步上升，成绩显著。具体来看，区域知识创造能力逐年上升，稳健进步。而在区域知识获取能力、区域创新资源协同配置能力以及区域创新资源协同配置能力3个方面，保持上升趋势，仅在个别年份存在小幅回落，说明江苏省综合实力强劲，没有明显短板，需要保持并继续加强。

表7 上海区域协同创新能力评价体系各子系统得分

表8 江苏区域协同创新能力评价体系各子系统得分

图2 江苏省区域协同创新能力评价体系各子系统得分

图3 浙江省区域协同创新能力评价体系各子系统得分

浙江省具体计算数据见表9。根据图3可以直观地看出浙江省6年来综合得分大幅上升。具体来看，区域知识获取能力、区域知识创造能力以及区域创新环境支撑能力均逐年提升，尤其是区域知识获取和创造能力上升势头比较明显，可见浙江省对于科研创新非常重视，也取得了较好成绩。但是在区域创新资源协同配置能力方面，有较大波动，需要不断提升多主体协同创新合作能力。

图4 安徽省区域协同创新能力评价体系各子系统得分

安徽省具体计算数据见表10。根据图4的显示可以看到6年来安徽省的综合得分持续走高，且涨势较快。具体来看，与浙江省情况一样，区域知识获取能力、区域知识创造能力以及区域创新环境支撑能力都在逐年递增，三方面提升较快，可以看到安徽非常重视科技创业发展。同样在区域创新资源协同配置能力方面，相对较弱，几年来一直起起落落，安徽应加强该方面发展，利用区位优势，在加强自身多主体的区域协同之外，也要积极与长三角其他一市二省加强融合，力争取得更长足的进步。

表9 浙江区域协同创新能力评价体系各子系统得分

表10 安徽区域协同创新能力评价体系各子系统得分

3.3 长三角区域协同创新各子系统耦合度评价

本文研究共设有4个子系统，在代入公式后计算出2015-2020年长三角区域协同创新的子系统的耦合协调度。

由表11可以看到，根据耦合协调度D值，从2015年的0.181(严重失调)到2016-2018年的0.312、0.354、0.364(轻度失调)，再到2019年跃升到0.886(良好协调)，而在2020年又稍微下降到0.763(中级协调)，可以看到上海市的协同创新能力大幅提升。

表11 上海耦合协调度计算结果

由表12可以看到，江苏省耦合协调度D值一直稳步上升，从2015年的0.145(严重失调)逐渐上升至2018-2020年的0.678(初级协调)、0.873(良好协调)、0.949(优质协调)。可以得出江苏省的努力是客观有效的，已经达到比较好的耦合协调水平，仍需继续保持和努力。

表12 江苏耦合协调度计算结果

由表13可以看到，根据耦合协调度D值，浙江省的耦合协调程度总体是上升趋势，从2015年的0.193(严重失调)到2018年的0.725(中级协调)，这几年都稳步上升，但是在2019年有较大回落，D值为0.493(濒临失调)，2020年又再次跃升至0.953(优质协调)。总体看，浙江省应继续努力，并保持这种良好形势的稳定性。

表13 浙江耦合协调度计算结果

由表14可以看到，根据耦合协调度D值，安徽省的耦合协调走势与浙江省颇为相似，也是先从2015年的0.165(严重失调)逐步上升到2018年的0.620(初级协调)，但在2019年有较大回落，D值为0.480(濒临失调)，2020年又再次跃升至0.995(优质协调)。所以总体来看，安徽省也是需要继续努力，保持这种良好形势的稳定性，积极运用长三角优势资源。

表14 安徽耦合协调度计算结果

4 讨论

长三角区域协同创新还有进一步提升空间，需优化布局。总体来讲，长三角地区的创新资源相对丰富，但是一市三省之间分布不够均衡，4个地区之间创新能力有一定差距，尤其是安徽省相对其他三地存在显著落差。根据《中国区域创新能力报告2021》，江苏、上海、浙江、安徽的综合能力分别位列全国第三、四、五、八，因此4个地区的实力均不容小觑，要进一步加强一市三省的资源有效整合，促进融合发展。江浙沪资源分布相对聚集，没有对安徽省等周边城市发挥一些辐射作用，这可能是由于传统的地方利益保护思想，形成地区条块分割，很多资源没有流通。这些资源不仅包括经费、人力资源，还包括技术、信息等。由于江浙沪的实力更强大，还虹吸安徽的一些高端创新要素资源，进一步拉开了与安徽的距离。另外，创新主体协作不充分，需进一步完善机制。各地区大都存在不同程度的创新协作交流不畅、合作不多、效率不高等问题，需要不断加强政产学研相关合作。