基于灰色關聯度分析的創新創業政策效率研究

潘肇新 徐 鯤

(北京聯合大學 管理學院，北京100101)

0 引言

自2014年9月李克強總理在夏季達沃斯論壇上提出“大眾創業、萬眾創新”以來，全國各地深入實施“雙創”，出臺了各類創新創業政策。推動“大眾創業、萬眾創新”深入實施，成為重要的研究課題。本文以北京市7個主城區創新創業政策為例，利用灰色關聯度方法分析政策頒布與科技產出之間的關系，以此來評價創新創業政策的效率。

在創新創業活力方面，現有研究主要集中在定性和定量分析兩個方面。在定性分析方面，主要通過對政策文本內容進行分析，提出相關建議和策略來提高創新創業活躍度。林仁紅等[1]通過對北京中關村科技園區知春路地區創新創業景象的分析,提出可從創業發生的基因、孕育基因的環境和生態的自組織特性三個方面采取策略激活知村路區域的創新創業活力；周成軍[2]指出，應通過開拓更加多元的“互聯網+”創業渠道、營造全民創新創業的良好氛圍, 提高創業者的創新意識來激發創業活力；周鑫琴等[3]提出企業家精神對于技術創新、企業改革等具有重大影響，在“雙創”時代, 將企業家精神發揚光大, 是我國激發創新創業活動成功的關鍵。在定量研究方面，學者主要通過構建模型來研究各要素對創新創業活力的影響，以此來提出相應的建議。馮海波等[4]運用回歸分析和省級面板數據，實證研究了稅收負擔對中小企業創業活躍度的影響并提出相關建議；王超超[5]運用因子分析法，基于企業視角對重慶、北京、上海等國內創新型城市的創新創業潛力、活力及成效三個層面定量分析企業創新創業活躍度, 重點研究重慶基于企業視角的雙創活躍度與國內發達地區的差距, 并給出相關建議；李長安等[6]運用2010年我國30個省會城市的橫截面數據,構建了廣義線性模型,實證分析了創業成本的差異對各城市創業活動的影響機制和影響程度；葉文平等[7]利用FEVL模型對我國56個城市的面板數據進行了實證分析，研究發現,較大的市場規模、較強的知識溢出效應與較低的中間投入品價格是城市吸引創業型個體的重要動因,進而提升了城市的創業活躍度。

對于政策效率研究，從現有文獻來看，大多采用數據包絡分析模型(DEA)和隨機前沿生產函數模型(SFA)進行研究。林德明等[8]運用隨機前沿分析模型分析我國知識產權政策對投入效率的影響狀況，研究發現,創造和運用政策工具對于知識產權投入效率有顯著的正向影響,而保護和管理政策工具對于知識產權投入效率有負向影響；閻東彬等[9]應用兩階段數據包絡分析法 (DEA) ,對2012—2017年京津冀地區科技創新政策的實施效果進行評估并給出相關建議；郭丕斌等[10]運用因子分析和主成分分析方法,從11個行業和31個區域對9項創新政策效果進行評價，研究指出無論從行業還是區域層面,創新政策皆具有正向影響,且正向影響最明顯的政策均為稅收優惠和減免政策；臧維等[11]采用文本挖掘法，結合眾創空間政策特點運用PMC指數模型對眾創空間扶持政策進行量化評價；張永安等[12]通過建立雙創PMC指數模型,對10項一級指標和44項二級指標實現雙創政策的量化評價,研究發現國家級雙創政策優于部委政策，后者又優于地區雙創政策,以雙創PMC曲面圖反應待評價政策的得分情況,提出政策提升路徑,為雙創政策立改廢提供依據。

綜上所述，目前鮮有研究聚焦于創新創業活力和創新創業政策效率。此外，對于政策效率的研究方法也多集中于使用DEA模型和SFA模型。本文將創新創業活力作為衡量創新創業政策效率的指標，通過熵值法賦權，利用灰色關聯度對北京7個主城區創業政策效率進行評估并提出相關建議。

1 創新創業政策效率評價過程與方法

1.1 政策文本量化

各級政府部門頒布的政策通常以文本形式呈現，無法直接運用公式或者模型進行計算，因此在對政策效率進行研究時，需要對其進行量化，對各個政策文本進行數值化的處理。本文以不同時期北京7個主城區的政策發布數量作為文本量化的結果，對其政策效率展開研究。

1.2 政策產出綜合評價

本文擬通過建立創新創業產出指標體系的方法來對創新創業產出水平進行評價，采用熵值法來確定指標體系中各指標的權重。熵值法是一種客觀賦權法，是根據原始數據之間關系通過一定的數學方法來確定權重，其判斷結果不依賴于人的主觀判斷，有較強的數學理論依據，相對于主觀賦權法，它得出的指標權重值具有更高的可信度與精確度。

1.2.1 創新創業產出指標體系

創新創業產出是指與創新創業有關的各種投入及相關活動所產生的成果。本文選取專利申請數量、專利授權數量、技術合同成交額、高新技術企業數量作為衡量創新創業政策產出的指標。具體看來，通過專利申請、授權數量來反映創新成果產出，通過技術合同成交額來反映創新成果市場的交易情況，通過高新技術企業數量來反映創新創業活躍度的變化情況。其中各產出指標數據均來源于北京市各區年鑒，剔除數據缺失和數據不完整的城區后，本文選擇海淀區、西城區、東城區、石景山區、昌平區、順義區、通州區2013—2017年的數據進行研究。

1.2.2 指標權重確定

本文采用熵值法對各項產出指標進行客觀賦權。熵是對不確定性的一種度量，信息量越大，不確定性就越小，因此熵也就越小；信息量越小，不確定性越大，熵也越大。根據熵的特性，可以通過計算熵值來判斷某個指標的離散程度，指標的離散程度越大，該指標對綜合評價的影響越大，也就是說熵值法的出發點是根據評價指標值之間的差異程度來確定權重系數[13]，若某一指標觀測值數據差別越大，則該指標對系統的比較作用就越大，即其在整個系統中包含和傳遞的信息越大，因而賦予該項指標較高的權重[14]。

基于熵值法確定的創新創業產出指標體系中，各項指標的權重如表1所示。在創新創業產出指標中，專利申請數量所占權重為0.208、專利授權數量所占權重為0.179、技術合同成交額所占權重為0.349、高新技術企業數量所占權重為0.264，其中專利申請授權數量是創新成果產出的主要體現形式，技術合同成交額反映的是創新成果市場交易情況，高新技術企業數量反映的是創新創業活躍度的變化。這表明創新創業成果交易略重要于創新成果產出和創新創業活躍度。

表1 創新創業產出指標體系及其權重

1.3 基于灰色關聯度的創新創業政策投入與產出分析

為了研究發布的創新創業政策的效率，本文采用了灰色關聯度的分析方法。使用灰色關聯度分析法，首先需要熟悉其特征，通過一些手段來找到創新創業政策與創業活動之間的聯系，挖掘影響參考序列的相關因素。

本文通過計算創新創業政策投入與創新創業產出之間的灰色關聯度來評價北京各城區創新創業政策效率。具體步驟如下:

第一步：確定參考序列和比較序列。

設參考序列為：

Yi(t)(i=1,2,...,s;t=1,2,...,m)，比較序列為Xj(t)(j=1,2,...,n；t=1，2，...，m) ，其中，i代表參考序列；s表示參考序列的個數；j代表比較序列；n表示比較序列的個數；m代表各序列長度，參考序列與比較序列長度相等。

第二步：對非同一量綱的數據進行均值化處理。

由于本文所收集和選取的數據的計量單位并不完全相同，相互之間不可直接進行運算和比較，需要對序列進行無量綱化處理。考慮到已用極差標準化的方法對創新創業產出指標進行了無量綱化處理，為確保參考序列和比較序列無量綱化方法的一致性，因此對創新創業政策量化值序列采用同樣的方法進行無量綱化處理。

第三步：求差序列。

計算參考序列Yi(i=1,2,...,s)與比較序列Xj(j=1,2,...,n)的差序列，記差序列：

△ij(k)=|yi(k)-xj(k)|

(1)

(i=1,2,...,s;j=1,2,...,n)

其中，Mi=maximaxkΔij(k),Ni=miniminkΔij(k)

第四步：求關聯系數。

關聯系數用來反映參考序列和比較序列的關聯程度，記參考序列與比較序列的灰色關聯系數為：

(2)

(i=1,2,...,s;j=1,2,...,n;k=1,2,...,z)

其中，ρ為分辨系數，表示分辨力的大小，一般在0～1之間，ρ越小，表示分辨能力越大，在實際運算中通常取值0.5。

第五步：計算關聯度。

由于關聯系數是比較數列與參考數列在各個點的關聯程度值，所以它的數值有很多個，而數值過于分散不便于整體性的比較，因此應該將各點的關聯系數集中為一個值，用于比較數列與參考數列間關聯程度，用符號γij表示，則：

(3)

(i=1,2,...,s;j=1,2,...,n;k=1,2,...,z)

根據經驗，當分辨系數ρ=0.5，γij>0.6時，分析結果是比較理想的，表明兩個因素之間的關聯度較強，并且灰色關聯度取值越大，表明二者關聯度越強。

2 創新創業政策效率測算與分析

2.1 北京部分城區創新創業政策文本量化分析

“大眾創業、萬眾創新”背景下，全國各省市區政府紛紛推出創新創業政策來積極響應“雙創”政策。除此之外，各級政府也不斷出臺相關規定，來激發本地區的創新創業活力。總的來看，創新創業政策可以分為三個政策主題，即：創新創業人才類政策、創新創業扶持類政策和保護知識產權類政策。如北京東城區2015年發布的《北京市東城區人民政府關于印發東城區人才創新創業引導基金管理辦法的通知》；北京市海淀區2017年發布的《海淀區文化創意產業投資引導基金實施辦法》的通知；北京市通州區2017年發布的《通州區知識產權(專利)促進暫行辦法的通知》等。

本文以創業投資、支持上市、創業帶就業等關鍵詞作為檢索詞，進行法規全文檢索，對2013—2017年北京各區頒布的創新創業政策進行了搜集和整理，經過必要的篩選與剔除后，最終納入研究樣本的區為北京市海淀區、西城區、東城區、石景山區、昌平區、順義區、通州區7個區。這7個區2013—2017 年創新創業政策量化結果如表 2 所示，可以看出，這7個區近年來頒布的創新創業政策從數量上看雖然不多，但總體上也是呈增加的趨勢。

表2 2013—2017年北京部分城區創新創業政策數量

2.2 各城區科技產出綜合評價

因為各產出指標采用不同的數量級或量綱，不可直接進行加權求和，所以對三個創新創業產出指標進行歸一化處理。本文采用極差標準化的方法進行歸一化處理，公式如下：

(4)

其中，Xab為歸一化處理后的標準值；xab為各項指標的原始值；xmin和xmax分別為指標中的最小值和最大值。

由公式得出，北京市海淀區、東城區等7個區2013—2017 年各指標的標準化創新創業產出值，由于篇幅原因，這里只列出專利申請數量標準化產出值，如表3 所示。表中反映了每個創新創業產出指標下各區不同年份產出值的相對大小，指標最大值取 1，最小值取 0。具體來看，專利申請數量最多的是海淀區(2016)、最少為石景山區(2013)；專利授權數最大的為西城區(2017)、最小為石景山區(2013)；技術合同成交額最高的為海淀區(2017)、最低為順義區(2013)；高新技術企業數量最多的區為海淀區(2017)、最少的為順義區(2013)。由此可以看出，各產出指標最大值大都集中在海淀區，且集中在2016、2017年；石景山區和順義區出現最低值，且均在2013年。

結合各具體指標的數據，再將各指標按照熵值法確定的權重進行加權求和，得到標準化的綜合創新創業產出值，如表4所示，其趨勢如圖1所示。

表3 北京部分城區2013—2017年專利申請數量標準化產出值

表4 2013—2017年各區標準化綜合創新創業產出值

圖1 2013—2017年各區標準化綜合創新創業產出值

由此可以看出，在過去5年，7個區的創新創業產出均呈上升趨勢;其中海淀區創新創業產出水平最高，增長幅度最大；其次是西城區，前4年一直處于穩定增長階段，在2017年，出現了顯著增長；其余各區始終保持穩定偏慢的增長速度。

2.3 各城區創新創業政策效率分析

計算7個城區創新創業政策與創新創業產出指標的灰色關聯度，以此來評價和比較各城區創新創業政策效率，結果如表5所示。

由表5可以看出，2013—2017 年，北京市7個區的創新創業政策與產出整體上具有關聯性，這說明7個區的創新創業政策整體上是有效的，并且灰色關聯度的取值范圍為(0.638，0.808)，按照灰色關聯度取值0.6為標準，全部為顯著影響組合。在創新創業政策對所有產出指標的影響中，石景山區在專利授權數量上的關聯度最高，為0.808，說明石景山區推出的創新創業政策對推動專利授權方面的有效性最強；順義區專利申請數量的關聯度為0.638，雖然順義區的創新創業政策總體是有效的，但在激勵專利申請方面的有效性還有待提高；在各創新創業產出指標中，海淀區、西城區、順義區、通州區與創新創業政策關聯性最強的均為技術合同成交額；東城區、石景山區創新創業政策效率最高體現在專利授權數量方面；昌平區創新創業政策效率最高的則是專利申請數量。

3 結論與建議

本文基于搜集到的“雙創”政策，以創新創業政策為研究對象，從投入產出視角，采用熵值法為創新創業產出指標賦值，運用灰色關聯度來分析發布政策對創新創業產出的影響，評價了北京市7個主要城區的創新創業政策效率，得出了以下結論：

表5 創新創業政策與產出指標灰色關聯度

(1)海淀區在7個區中創新創業政策產出效果最好，其產出值均在0.6以上，與各產出指標之間的關聯度也均在0.7以上，其中技術合同成交額在所有產出指標中關聯度最高，說明海淀區創新創業活動成效顯著，創新創業政策的發布對創新創業成果的轉化有較好的促進作用。可以繼續發揮這方面的優勢，推出創新創業相關政策，充分發揮創新創業政策對創新創業產出的促進作用，激發城區創新創業活力。

(2)由于各城區的政策相關度具有一定差異，石景山區專利授權數量關聯性最高，順義區的專利申請數量關聯性最弱，可以考慮各區之間進行合作，積極響應“雙創”政策的號召，共同頒布一些激勵創新創業的政策，聯合舉辦與創新創業相關活動或知識講座等，形成各區之間資源優勢互補，共同促進、共同發展的局面。

(3)將7個城區創新創業政策效率與其創新創業產出水平結合來看，創新創業產出水平較高的海淀區整體上具有有效的創新創業政策效率；而創新創業產出水平相對落后的順義區，其創新創業政策效率相對其他區來說也有待提高，尤其是在專利申請數量和專利授權數量方面。 由此，各區要在貫徹國家整體的創新創業政策體系的基礎上，因區制宜，充分考慮本區在創新創業方面的優勢，例如教育優勢、技術優勢等，結合本城區創新創業政策的具體實施情況和地域優勢，制定適合本區創新創業發展的區域性創新創業政策。