“一帶一路”沿線省份科技創新能力評價研究

龐美燕，桑金琰，趙 好，張立濤

(山東理工大學 管理學院，山東 淄博 255012)

2013年9月7日，習近平在出訪中亞國家期間，首次提出共建“絲綢之路經濟帶”，10月，他又提出共同建設21世紀“海上絲綢之路”，這二者共同構成了“一帶一路”重大倡議.“一帶一路”倡議實施中科技創新驅動發展具有重要意義，是持續深入推進“一帶一路”倡議不可或缺的驅動力.2017 年 5 月，“一帶一路”國際合作高峰論壇在北京召開，習近平主席提出要將“一帶一路”建成創新之路.

自2000年開始，新一輪的科技創新及產業變革在孕育發展中，全球科技創新蓬勃興起，具有新的特征和態勢.科技創新活動不斷突破技術、組織和地區等方面的限制，逐漸成為一種競爭手段[1].創新戰略競爭在綜合國力競爭中扮演著越來越重要的角色.我國政府制定了建設創新型國家的重大戰略決策，近年來大幅度提高了科技創新的投入.

創新驅動發展，科學技術是第一生產力.國內外學者對科技創新做了比較詳細的研究.Griliches[2]研究發現知識生產函數是研究科技創新的一個很好的統計模型，把R&D視為最重要的投入變量，把專利數視為產出變量，其中的知識創造和流動過程為內生變量.趙樹寬等[3]從人力投入、經費投入、新產品產出和專利產出4個方面構建了科技創新效率評價體系.張換兆等[4]根據研究對象的特點，建立了創新能力分析評價指標體系的基本框架，將其分為科技創新資源、科技創新投入能力等8個一級指標，將其各級指標細化，劃分成包括科技組織資源、科技人力資源和科技財力資源等在內的16個二級指標和56個三級指標.本文主要是通過構建科技創新能力評價指標，對我國目前的科技創新現狀進行分析.

1 科技創新評價指標體系構建

在借鑒前人研究成果的基礎上[5]，本文構建的科技創新指標體系包含科技資源投入和科技成果產出2個一級指標，見表1.綜合考慮地理位置、貿易額等多種因素，本文選取了我國“一帶一路”重點推進實施的18個省份2011-2015年2項投入指標和2項產出指標的數據，見表2.

表1 科技創新指標體系
Tab.1 Scientific and technological innovation index system

變量指標指標說明投入指標X1R&D人員全時當量(人年)指全時人員數加非全時人員按工作量折算為全時人員數的總和X2R&D經費(萬元)指調查單位用于內部開展R&D活動(基礎研究、應用研究和試驗發展)的實際支出。產出指標Y1技術成果成交額(萬元)技術市場合同成交額Y2專利申請授權量(件)各地專利申請授權數量

注：R&D人員全時當量指全時人員數加非全時人員按工作量折算為全時人員數的總和.例如：有2個全時人員和3個非全時人員(工作時間分別為20%、30%和70%)，則全時當量為2+0.2+0.3+0.7=3.2人年.此為國際上比較科技人力投入而制定的可比指標.

表2 2011-2015年18省份科技創新能力評價數據
Tab.2 Evaluation data on scientific and technological innovation capability of 18 provinces in 2011-2015 years

省份黑龍江吉林遼寧上海浙江福建廣東內蒙古陜西2011X139 66117 88447 51379 147203 90475 503346 26017 64530 829X2838 042488 7232 747 0633 437 6274 799 0691 943 9938 994 412701 635966 768Y1620 682262 6141 596 6334 807 491718 968345 7122 750 647226 7192 153 664Y212 2364 92019 17647 960130 19021 857128 4132 26211 6622012X136 25624 36552 06482 355228 61890 280424 56321 50936 728X2906 170604 3262 894 5693 715 0755 886 0712 381 65610 778 634858 4771 192 770Y11 004 473251 1802 306 6485 187 473813 079500 9203 649 3841 060 9623 348 153Y220 2685 93021 22351 508188 46330 497153 5983 08414 9082013X137 29623 70959 09092 136263 507100 200426 33026 99045 809X2950 335698 1363 331 3034 047 8006 843 5622 791 96612 374 7911 004 4061 401 480Y11 017 747347 1671 733 7755 316 804814 958446 8855 293 936387 3905 332 787Y219 8196 21921 65648 680202 35037 511170 4303 83620 8362014X137 50924 39563 37493 868290 339110 892424 87227 06850 753X2955 820789 4313 242 3034 492 1927 681 4733 153 83113 752 8691 080 2871 606 946Y11 202 776285 7562 174 6485 924 481872 527391 9134 132 478139 3936 400 198Y215 4126 69619 52550 488188 54437 857179 9534 03122 8202015X131 76223 20249 09794 981316 67299 180411 05929 19045 052X2880 392861 5412 418 8034 742 4438 535 6893 469 81015 205 4971 186 26117 258 29Y11 272 637264 6972 674 9276 637 838980 966521 4486 625 775153 8727 218 211Y218 9438 87825 18260 623234 98361 621241 1765 52233 350

(續表)

數據來源：《中國統計年鑒》.

2 基于RBF的18省份科技創新能力評價

利用徑向基函數構建前反饋反向傳播的徑向基神經網絡(Radial Basis Function Neural Network，簡稱RBF神經網絡).神經網絡是由許多簡單的并行工作的處理單元組成的系統，其功能取決于網絡的結構、連接強度以及各單元的處理方式.構造3層前向神經網絡模型來描述“一帶一路”沿線18個主要省份的創新能力情況[6].輸入層是科技創新能力評價指標，節點數為4(m=4)，輸出層是創新能力評價值，即節點數為1，隱含層的節點數根據網絡學習的擬合速度選取.隱含層和輸出層節點的輸入輸出關系采用非線性網絡的S型激勵函數(一般為高斯函數)[7]，即

F(x)=1/(1+e-x)

(1)

運用人工神經網絡的學習算法，確定神經網絡模型的最優，由于各省在科技創新方面都有追求價值最大化的趨勢，但是其實際值往往達不到預期或理想值，因此引入科技創新能力的理想評價值U*，即通過選擇18個省份科技創新各類評價指標的最佳值計算得到，將18個沿線省份的創新能力實際值Ui(i=1,2,3，…，18，N=18)與理想值U*之間的均方差M趨向最小則為最優[8].即

(2)

當M<ε時，結束學習.這時就可計算出18個省的創新能力評價值.再運用逐對比較法將其數據整理，結果見表3.

表3 “一帶一路”沿線18個省份科技創新能力的RBF-ANN評價結果
Tab.3 RBF-ANN evaluation results of scientific and technological innovation capacity in 18 provinces along the One Belt and One Road

序號省份評價值201120122013201420151黑龍江0.670.710.700.700.822吉林0.430.410.410.460.493遼寧0.790.820.840.840.874上海0.870.890.890.890.905浙江0.750.790.790.780.826福建0.620.630.640.650.697廣東0.930.970.980.990.998內蒙古0.470.470.460.470.519陜西0.850.820.810.810.8210重慶0.670.660.730.810.8611廣西0.400.410.410.410.4312海南0.210.220.220.240.2413寧夏0.230.240.240.240.2514甘肅0.530.490.590.620.6215云南0.410.470.460.490.4316青海0.240.250.270.280.3617新疆0.260.330.300.300.3218西藏0.150.160.160.160.38

由表3可知，2011—2015年“一帶一路”沿線18個省份科技創新能力總體呈上升趨勢.這說明了我國踐行創新驅動發展戰略，在科技創新改革、建設創新型國家方面取得了可喜的成就.東部地區科技創新能力明顯高于西部地區，與我國東部地區經濟較為發達、人才更為集聚，科研體制機制更加完善的現狀有密切的聯系.

我國科技創新發展雖然取得了一定的成就，但科技發展水平還是存在明顯的分布不均，西部存在一定的差距.主要體現在：首先是高層次科技創新人才匱乏.對于科技創新來說，人才的能力和素質是科技創新的主要動力，對科技創新發展起到關鍵性的作用.目前，我國各地科研人員的質量差距較大，科技人才的整體素質有待提高，并且我國現有的傳統教育體制在一定程度上也限制了創新人才的培養.然后是科研成果轉化率低.促進科技創新，不僅要增加研發的投入，更要強調科技創新的產出，目前我國各地區的科研評價系統還不成熟，片面追求發表論文數量和期刊等級，科研成果沒有實質性地轉化成促進社會發展的經濟效益.最后是科技創新政策的政府扶持力度不夠.在科技創新的相關配套措施和規定方面，政府政策還不到位，沒有對科技創新給予相應的重視，像資金不到位，科研力量投入不夠，技術產權和相關獎勵政策明顯存在缺陷，沒有激發科技創新人才最大的工作激情，所以政府部門要加大對科技創新的重視，為科技創新打造廣闊的平臺.

3 基于SOM的18省份科技創新能力聚類分析

SOM(Self-Organizing Feature Map)是一種自組織神經網絡，是芬蘭Helsink大學的T.Kohonen教授于1982年提出的一種無指導學習的競爭式神經網絡[7].

使用IBM SPSS Statistics 20對收集的“一帶一路”沿線18個省5年的科技創新指標數據進行歸一化處理.研究各省在科技創新投入和產出兩方面的貢獻，比較分析各省的科技創新能力，運行Matlab 7.1的工具NNTool(Neural Network Toolbox)，建立SOM神經網絡，對“一帶一路”沿線的18個省份的科技創新能力進行聚類分析,18個省份作為輸入量.經多次操作分析發現，輸入量約是神經元數量的1/5，迭代次數與階躍相位的輸入值之比為1∶10時，得到的聚類效果比較明顯，所以用1111的二維結構，選用Gridtop函數，迭代次數與階躍相位的輸入值分別為200和2 000，對神經網絡進行訓練，得到圖1所示的映射圖.

圖1 二維平面陣訓練結果映射圖Fig.1 A map of two-dimensional planar array training results

由圖1可知，“一帶一路”沿線18個省份的科技創新評價指標數據在二維平面圖上分布比較分散.為得到較為明顯的聚類結果和更清晰地對18個省份的科技創新能力分類，采用了將一維訓練結果[9]與二維結果相結合，按照一維訓練結果的順序，把二維平面陣訓練結果映射圖中的18個省份連接，形成3個簇的散列結構，如圖2所示.根據聚類結果按照科技創新的投入和產出將18個省份分為3大類，見表4.

圖2 一維神經網絡映射圖Fig.2 One-dimensional neural network map

表4 “一帶一路”沿線省份科技創新能力分類
Tab.4 The classification of scientific and technological innovation ability of the provinces along the One Belt and One Road

地區科技創新特點省份第一類地區投入多,產出少福建,重慶,黑龍江,廣西,云南,內蒙古第二類地區投入多,產出多浙江,廣東,上海,陜西,甘肅,遼寧第三類地區投入少,產出少吉林,新疆,海南,寧夏,青海,西藏

表4的聚類分析體現了我國“一帶一路”沿線省份科技創新能力的分布及特點.第一類地區[10],福建、重慶、黑龍江、廣西、云南和內蒙古6個省，無論是科技創新投入還是產出方面都呈現出比較領先的優勢.福建被定位為“21世紀海上絲綢之路核心區”，經濟發展迅速，無論科技創新投入還是產出都受到廣泛的關注，但受研發技術人員的限制較大.重慶傳統上是以汽摩、能源、化工等為主要產業的重工業城市，黑龍江是老工業基地，科技創新還沒得到足夠重視.內蒙古是我國北方的邊陲省份，無論是經濟發展水平還是科技創新水平都落后于其他北方省份.云南存在產業結構單一,且不合理,生產效率低下,不適應市場需求變化等特點，受資源的限制較大.第二類地區，浙江、廣東、上海和陜西4個省的經濟比較發達，為科技投入提供有力的物質支撐，政府相關部門科技創新驅動發展戰略落實較好，促進科技創新.甘肅省積極推進傳統制造業與互聯網的融合發展，實現了產業結構的優化升級[11]，提升了科技創新的產出效率.第三類地區，吉林、新疆、海南、寧夏、青海和西藏6個省位于我國的邊陲地區，經濟發展比較緩慢，科技創新能力沒有得到充分的發展，需要得到國家政府的重視和扶持.在“一帶一路”倡議實施后，科技創新活動明顯進步，西藏地區的科技創新的投入與產業都有較大的提升空間.

4 提升科技創新能力對策

科技驅動未來，創新引領增長.落實創新驅動發展戰略，不僅能使我國在一些核心技術領域取得重大進展和打破受制于人的局面，還能拓展新的產業發展方向，促進國際交流，培育新的經濟增長點.

(1)加強科技創新人才培養.在“一帶一路”沿線科技創新建設實施中，最關鍵的要素是發揮人的創造性.科技創新能力，經濟水平的高低都受人的作用的影響，人才質量好，受教育程度高，教育發達的地區，人們的文化素養和科技創新能力相對較高.各省政府部門積極響應國家政策，搭建“一帶一路”沿線信息化建設橋梁，與沿線各地的科研院所和高校開展科學技術信息交流研討會，互相溝通信息化技術，提高創新能力和水平.

(2)提高科技創新產出轉化能力.進行科技活動必須創造出科技成果，并轉化成現實的生產力，才能促進經濟社會進步與發展.建立科學的激勵制度，打造科技創新平臺，為科技創新提供有力支撐.

(3)完善科技創新體系.良好的環境是科技創新的保證，各地區積極完善相關配套政策，為科技創新研發工作創造良好的條件.加強科技創新法制建設，完善知識產權保障機制.

(4)增強經費投入能力.科技經費投入是進行科技創新活動的重要力量源泉，各省份增加資金投入力度，調整資金投入比例和結構，為科技創新發展提供源源不竭的動力.提高科技創新能力，發揮科技創新的引領作用，推進“一帶一路”沿線建設，以滿足人民日益增長的美好生活需要.

5 結束語

本文從投入和產出兩個方面設計了科技創新能力評價指標體系，并建立了科技創新神經網絡評價模型，探索了我國“一帶一路”沿線省份的科技創新能力情況.雖然各省的科技創新能力不均衡，但總體上呈上升趨勢.完善科技創新體系，打造科技創新平臺，提高科技創新產出能力，與沿線科研院所和高校開展技術合作，以提高科技創新能力，推進“一帶一路”沿線建設，滿足人民日益增長的美好生活需要.