基于公共價值的區域知識產權高質量發展評價方法與實證研究

胡文靜 ，馬建霞 ，謝 珍

(1.中國科學院 西北生態環境資源研究院文獻情報中心，甘肅 蘭州 730000；2.中國科學院大學 經濟與管理學院，北京 101408)

0 引言

高質量發展是2017年中國共產黨第十九次全國代表大會上首次提出的新表述，首先使用于經濟領域，表明中國經濟由高速增長階段轉向高質量發展階段[1]。2020年，中共第十九屆五中全會明確將“高質量發展”作為“十四五”時期經濟社會發展的重要指導思想之一，同時提出“要把高質量理念貫穿發展全過程和各領域，構建新發展格局，切實轉變發展方式”。由此，高質量發展表述開始出現在公共文化服務、產業發展等諸多領域。

創新是推動高質量發展的主要動力[2]。在國際競爭日趨激烈的背景下，國家核心競爭力越來越表現為對知識創新成果和知識產權資源的培育、配置及調控能力。自2008年《國家知識產權戰略綱要》頒布實施以來，知識產權戰略作為鼓勵和保護創新、促進經濟社會發展的基礎戰略，地位越來越重要，作用越來越突出。2019年6月，國家知識產權局印發《推動知識產權高質量發展年度工作指引(2019)》的通知，提出全面提升知識產權創造質量、保護效果、運用效益、管理水平、服務能力和國際影響力，系統構建推動知識產權高質量發展的指標體系、政策體系、統計體系和考核體系。

知識產權高質量發展評價是檢驗知識產權戰略實施效果的重要方式，也是知識產權戰略調整與改革的關鍵依據。為了回應知識產權發展戰略的新要求，圍繞知識產權高質量發展的評價方法研究將受到重點關注。

1 文獻綜述

1.1 評價框架

已有研究大多基于政策績效目標框架、政策過程框架、利益相關者框架3種邏輯框架展開。

政策績效目標框架是運用最多的評價框架。政策績效目標框架下的知識產權發展評價經歷了以效率為核心—以結果為導向—多元價值導向的過程。以效率為核心的評價理念源自經濟學，體現為以較少資源投入獲得較多成果產出，具有代表性的有2004年日本產業政策局發布的《知識產權戰略評價指標》[3]；也有學者以效率為核心，對發明創造歸屬政策[4]、專利研發及轉化政策(孟曉非，2017)等單項知識產權政策進行績效評價。注重產出轉化結果、關注成果轉化情況是否得到改善，是以結果為導向的評價理念的核心內涵。在該理念引導下，一些學者對特定知識產權政策的實施效果進行了評價。如Mowery[5]對美國《貝赫多爾法案》的實施效果進行了評價；國內許多學者對上海、寧波、河南、廣州(管煜武,2008;李偉，2010；張穎舉，2010；李玉米等，2013)、北京[6]的專利資助政策效果進行了評價。此外，知識產權會商制度實施效果也得到了關注[7]。多元價值導向認為，完整的績效不僅體現在效率、結果等傳統績效標準上，還應當包括公民滿意度、責任、質量等重要方面[8]。知識產權創造、運用、保護、管理目標框架被廣泛應用于多元價值導向下我國知識產權發展評價指標體系構建[9]，在此基礎上衍生的知識產權人才、市場主體狀況、知識產權服務等維度豐富了該框架內涵[10]。

基于政策過程框架的評價遵循政策制定——政策執行——政策結果及其影響邏輯，側重政策執行、落實評估[11-12]，也有學者引入政策過程新范式評價知識產權政策效果的合理性、周期性與外部性[13]。利益相關者框架側重利益相關方的期望及其相互作用，從政府—企業—研究機構[14-15]、企業—研究機構—中介[16]、政府—中介—企業[17]等主體角度設計評價體系。

1.2 評價指標

大量評價研究關注知識產權保護水平與知識產權產出水平測度。針對知識產權保護水平，評價指標構建重點從立法和執法兩個方面合理量化知識產權立法強度與保護強度。美國學者Rapp & Rozek[18]以專利法條款進行內容定量分析以及評價國家知識產權立法強度的依據。在該理念影響下，GINARTE-PARK方法于1997年提出，是目前應用范圍最廣的知識產權立法測度指標[19]。孟奇勛等[20]針對中國知識產權戰略實施軟環境，提出將每年新增的知識產權法律法規數量作為評估知識產權立法強度的量化指標，得到了廣泛認可與應用。知識產權執法保護強度是從實踐角度，形成以司法/執法人員數量、司法及行政案件年結案率為核心的通用評估指標[21]。

以專利為代表的知識產權產出水平測度指標經歷了由注重規模到規模、質量并重的過程。EIS評價體系體現了對產出規模的重視，每百萬人口歐洲、美國、新共同體專利申請量等指標常被用來對比與參考[22]。WIPO的《世界知識產權指數》報告增大了知識產權產出的質量權重，PCT專利申請量、馬德里國際商標注冊量、高技術產業專利申請量、專利存續率、注冊商標續展率等經典的知識產權產出質量測度指標均來源于此[23]。在質量觀下，還產生了專門針對高質量專利的評價指標研究，如美國蘭德公司(RAND)提出采用“平均專利家族規模”區分各國專利質量[24]。專利活動條件、專利實施、專利技術投資額、專利文獻引用量等指標也常被組合使用，以對專利質量進行評價[25]。近年來，法律狀態也被納入高價值專利評價指標體系中[26]。

《世界競爭力年鑒》從以上兩方面出發，采用年人均專利授權量(件)、專利授權量年平均增長速度、海外專利申請量(件)、每10萬居民有效專利擁有量(件)、知識產權受保護程度5個指標，被全球大多數國家所認同[27]。隨著知識產權全鏈條發展理念的提出，以專利/商標使用許可備案數量與金額、技術市場成交合同數、專利實施許可合同備案金額等為代表的知識產權運用水平測度指標[25]，以專利質押融資金額[28]等為代表的知識產權服務水平測度指標，以研發投入強度、知識產權法規規章量等為代表的知識產權制度環境發展水平測度指標[29]得到了廣泛應用。

1.3 研究述評

根據對現有文獻的分析與總結，現有評價方式應用具有一定局限性。首先，指標設計缺乏理論指導。大多數指標體系從效果、效率和效益方面評估知識產權在創造、運用、保護、管理等方面的提升程度，以判斷知識產權發展水平，但對知識產權高質量發展未有明確定義，機制研究相對缺乏，指標體系設計針對性不強，不能體現知識產權發展質量觀的新理念。其次，指標選取重全面輕遴選?，F有研究力求從多角度全方位描述知識產權發展現狀，指標體系過于龐大。一方面，不利于數據收集，在實際中難以應用；另一方面，從統計學角度而言，存在信息冗余，影響指標體系的科學合理性。最后，缺乏新指標的引入。指標選取應具有動態性，與國家、社會整體發展階段相適應，并根據發展形勢及時調整。

本文通過引入公共價值理論，對知識產權高質量發展進行定義，并在此基礎上運用機器學習方法，以實現的公共價值貢獻度為依據進行指標增補、遴選與權重確定，構建知識產權高質量發展指標體系，彌補現有研究不足，并結合協調度對區域知識產權高質量發展狀況進行評價。

2 知識產權高質量發展內涵

2.1 知識產權高質量發展與公共價值關系

根據國家標準GB/T19000的定義，質量是“客體的一組固有特性滿足需求的程度”?？梢钥闯?，質量是相對于需求而言的，如果沒有實際需求，就無所謂質量。對于一項公共制度，特性是指政策的功能特性，而需求是超越個體需求的公共需求。在行為科學上，追求高質量發展必須擁有更具本真價值理性的動力機制，即能夠直接體現人民向往目標和經濟發展本真目的的發展戰略目標[30]?！吨R產權強國建設綱要(2021-2035年)》提出了以滿足人民日益增長的美好生活需要為根本目的知識產權發展戰略目標，對知識產權發展的公共需求進行了闡釋。由此，可將知識產權高質量發展定義為“知識產權政策功能滿足人民日益增長的美好生活需求的發展方式和動力狀態”。

在公共哲學視野中，“公共價值”與“美好生活”的內在旨趣是相互因應、有機統一的[31]。人類對美好生活的追求受某種合理價值觀念所引導，這種價值形成是基于最大公約數的集體性認同結果，表達的是人類共同體公共需要的共識，稱之為“公共價值”。公共價值是美好生活規范性理念的支撐和詮釋理據，而美好生活則是公共價值信念的制度性實踐。通過這種關系轉換，知識產權高質量發展又可體現為“知識產權政策功能對公共價值實現的貢獻程度”。由此，知識產權高質量發展與公共價值在人類共同體對美好生活的追求中實現了耦合。

2.2 知識產權高質量發展的公共價值維度

公共價值是社會構建的結果，至今未有統一標準。Benington[32]認為，公共價值是一個集合了經濟、政治和社會的概念，超越了市場經濟形態，包括經濟價值、社會價值、文化價值、政治價值和生態價值5個維度。黨的十八大報告提出，全面推進經濟建設、政治建設、文化建設、社會建設和生態建設“五位一體”的總體布局，明確了現階段中國特色社會主義事業建設的公共價值導向，與Benington對公共價值維度的劃分大體一致。本文以此為標準，對知識產權高質量發展的公共價值維度進行定義。其中，政治建設包含意識形態與政府能力兩方面內涵。本文所述公共價值不涉及意識形態，故命名為“政府能力價值”。此外，知識產權高質量發展的文化價值體現為通過對以著作為代表的文化產品保護及創造激勵，滿足人民群眾的文化需求，其內涵包含在廣義的社會價值中，故不再單獨設置維度。至此，知識產權高質量發展的公共價值可體現為經濟價值、社會價值、生態價值與政府能力價值4個維度。

二級指標設定遵循可持續發展理論?？沙掷m發展是以保護自然資源環境為基礎，以激勵經濟發展為條件，以改善和提高人類生活質量為目標的發展理論和戰略[33]，包括經濟可持續發展、社會可持續發展、生態可持續發展3個方面，與公共價值的3個維度相對應[34]。從經濟角度出發，可持續發展強調在保證自然資源質量及其提供服務的前提下，實現經濟效益最大化[35]。2012年，中國在聯合國可持續發展大會中提出將轉變經濟增長方式和對經濟結構進行戰略性調整作為達到上述目的的兩個著力點[36]。由此，將經濟價值的二級指標設定為經濟增長方式轉變與經濟結構優化。從社會角度出發，世界自然保護同盟(UNEP)、聯合國環境規劃署(IUCN)和世界野生生物基金會(WWF)共同發表的《保護地球——可持續生存戰略》指出，可持續發展的最終落腳點是人的發展，在不超出維持生態系統涵容能力的情況下改善個體生活品質、提高個體素質[37]。具體化到知識產權制度，體現為通過規范市場競爭功能推動產品升級以及提升人民群眾法制意識，因此將產品升級與法制意識作為社會價值的二級指標。從環境角度出發，國際生態學聯合會 (INTECOL) 和國際聯合會 (IUBS) 認為，可持續發展需要保護和改善環境系統的生產與更新能力。知識產權制度可通過激勵創新以彌補污染、碳排放等公共“缺陷”，助力環境可持續發展[38]。以此為依據，可將生態價值的二級指標具化為環境改善。此外，一個國家的可持續發展在很大程度上依賴于這個國家通過技術、觀念、體制因素表現出來的能力，如成熟的制度體系是可持續發展戰略付諸實現的重要保障[39]，這與公共價值的政府能力維度相對應。因此，本文將政府能力維度的二級指標具體化為制度成熟。

知識產權制度通過創新激勵功能、資源配置功能、市場競爭規范功能和政府管理功能實現公共價值[40]。根據知識產權高質量發展的公共價值實現機制，選取14項指標，構建知識產權高質量發展公共價值指標體系，如表 1所示。

表1 知識產權高質量發展公共價值指標Tab.1 Public value indicators of high-quality development of intellectual property

3 評價方法

3.1 評價維度設計

公共價值范式是基于廣義績效觀的評價發展新階段。國家知識產權局發布的《中國知識產權發展評價報告》(以下簡稱“報告”)是現階段廣義績效觀評價模式的代表，本文在一級指標設定上沿用報告的邏輯框架，將知識產權體系分為創造、運用、保護和環境4個方面。同時，對報告的二級指標進行修正，使之更符合公共價值范式設定。第一，保留創造、運用兩個維度的二級指標，體現規模、質量、效率、效益并重的評估理念；第二，刪除隸屬于知識產權高質量發展公共價值指標體系的指標(環境一級指標下的二級指標——意識、保護效果二級指標下的知識產權保護社會滿意度)；第三，保護效果二級指標中的三級指標可由其它維度替代，故取消該類指標并對相關三級指標進行重新劃分。將注冊商標續展率歸入產出質量，將由研發投入強度與規模以上工業企業申請專利比例構成的新二級指標——研發環境，納入一級指標環境維度，最終形成評價體系見表 2。

表2 知識產權高質量發展評價維度Tab.2 Evaluation dimension of high-quality development of intellectual property

3.2 評價流程

遵循上述維度設定，在遴選、修正、增補三級指標的基礎上進行協調度計算，最終形成知識產權高質量發展指數。具體過程分為5個步驟，見圖1。第一，對報告中已有指標進行初步遴選，從統計學角度刪除具有多重共線性的指標；第二，根據現有研究總結及國家創新、可持續發展戰略要求，對指標進行修正并引入新指標；第三，對上述構建的知識產權高質量發展公共價值進行表征；第四，使用初步遴選與修正后的三級指標對知識產權高質量發展公共價值進行擬合，再次遴選指標并確定指標權重；第五，計算一級指標協調度，進行指數合成。

圖1 知識產權高質量發展評價流程Fig.1 Evaluation process of high-quality development of intellectual property

3.2.1 指標遴選與權重確定

(1)基于LASSO回歸的初步指標遴選。LASSO回歸假設，在多個變量中只有有限變量與結果具有特別顯著關系，可將一些重復、非必要的參數直接縮減為0，達到提取有用特征的效果，有效解決多個特征之間存在多重共線性的問題[43]。K值為LASSO回歸損失函數中的系數，需要調優。K值的選擇原則是各自變量的標準化回歸系數趨于穩定時的最小值。LASSO回歸操作分為兩步，分別是結合軌跡圖尋找最佳K值、根據最佳K值進行回歸建模。

(2)知識產權高質量發展公共價值表征。自編碼器(Auto encoder, AE)是一類在半監督學習和非監督學習中使用的人工神經網絡，其功能是通過將輸入信息作為學習目標，對輸入信息進行表征學習，可用于數據特征學習及高維復雜數據降維[43]。自編碼器的基本結構可表示為一個輸入與學習目標相同的神經網絡，包含編碼器(encoder)和解碼器(decoder)兩部分。求解完成后，由編碼器輸出的隱含層特征h，可視為輸入數據X的表征[44]。

(3)基于隨機森林的指標二次遴選與權重確定。隨機森林(random forest，RF)是一種基于決策樹算法的集成學習方法[45]。隨機森林的預測準確率較高，對異常值和噪聲容忍度較高，能夠處理高維數據(變量個數遠大于觀測個數)，有效分析非線性、具有共線性和交互作用的數據，并能夠在分析數據的同時給出變量重要性評分[46]?？紤]到樣本數據集規模以及模型可解釋性，選擇隨機森林模型作為特征重要性分析工具。從特征重要性角度來看，根節點對被解釋變量的影響最大，其次是靠近根節點的節點[47]。

3.2.2 知識產權高質量發展指數

協調既是發展手段又是發展目標，同時還是評價發展的標準和尺度，是發展兩點論和重點論的統一，也是發展平衡和不平衡的統一，是發展短板和潛力的統一[48]。通過對知識產權高質量發展評價體系一級指標協調度的計算，并與公共價值指標計算結果進行合成，得到知識產權高質量發展指數。

(1)知識產權高質量發展協調度計算。采用離差系數協調度模型計算知識產權創造、保護、運用和環境4個一級指標的協調度。離差系數(CV)又稱相對標準差或變異系數，是一個表示標準差相較平均數的對比值，可以反映數據離散趨勢。其基本計算公式為：

(1)

K為調節系數，K值為評價指標體系層級數減1，本文4個系統處于整體指標體系的第二層，故K=1。協調度C的取值范圍為0～1之間。當C=1時，系統處于完全協調狀態；C=0時，系統處于完全不協調狀態。

(2)知識產權高質量發展指數合成。由公式(1)可知，當知識產權創造、保護、運用和環境4個分項得分很小且非常接近時，會出現 C 值較高但評價得分不高的低發展水平、高協調度狀態。而實際的知識產權高質量發展追求的是在高度實現公共價值下的高協調狀態，因此將C值與指標遴選后的計算結果相結合，得到知識產權高質量發展指數。

設知識產權創造、保護、運用、環境4個維度的綜合發展水平為：

I=a1C(c)+a2P(p)+a3U(u)+a4E(e)

(2)

其中，a1、a2、a3、a4為4個維度權重。知識產權高質量發展指數可定義為協調度與發展水平的加權幾何平均數，見公式(3)，α和β分別為協調度與發展水平的權重。

(3)

協調度與發展水平劃分標準見表 3[50]。

4 實證研究

4.1 數據來源

選取中國內地31個省市為單位，進行區域知識產權高質量發展比較?？紤]到某些統計數據的滯后性，本文采用2019年數據進行分析。

4.2 指標體系構建

4.2.1 指標初步遴選

以《報告》中2019年數據為基礎，選擇二級指標下三級指標數量超過3個且數據獲取難度較大的指標進行初步遴選，包括知識產權創造數量、知識產權運用規模、知識產權司法保護、知識產權服務4項二級指標。進行LASSO回歸后，結果顯示，4個模型均通過F檢驗(P=0.001 <0.05)，表明模型有意義，可將回歸系數為0的9項指標剔除，具體見表4。

表3 知識產權高質量發展水平與協調度劃分標準Tab.3 Division standard of high-quality development level and coordination degree

4.2.2 指標修正與新增

在對《報告》指標進行初步遴選的基礎上，通過閱讀相關文獻、國家政策，構建了包含4個一級指標、10個二級指標、37個三級指標的知識產權高質量發展參考指標，其中，保留《報告》指標18項、修改指標6項，引入相關文獻指標8項、新增指標5項，有變動的指標見表 5。

4.2.3 知識產權公共價值表征值計算

對知識產權高質量發展公共價值三級指標進行數據采集，對單位地區生產總值能耗、單位地區生產總值二氧化硫排放量、單位地區生產總值化學需氧量排放量、單位地區生產總值氨氮排放量4個指標作逆向化處理(NMMS)，并對所有指標進行無量綱化處理(MMS)。采用tensorflow構建5層AE，各層維度分別為(14,7,1,7,14)，損失函數為MSE，優化器選擇SDG(lr=1.5)。將預處理后數據作為AE的輸入并通過1 000輪訓練進行特征學習。

訓練完成后用模型的encoder輸出數據隱藏層特征，并將輸出值控制在[0,10]區間內，得到各地區知識產權公共價值表征值，見表6。

表6 知識產權公共價值表征值Tab.6 Public value representation of intellectual property

4.2.4 指標二次遴選與權重計算

使用基于Python的Scikit Learn庫構建隨機森林模型。對構建的知識產權高質量發展參考指標體系的37個三級指標進行數據采集，作為隨機森林模型的輸入特征X，將計算得到的知識產權公共價值表征值作為隨機森林模型的目標變量Y。主要參數設置為bootstrap=Ture，n_estimators= 150，max_depth=15，max_features=auto，min_samples_leaf =1。

訓練完成后使用模型的feature_importances_屬性，可得各輸入特征的重要性。由于指標X3-每萬人口植物新品種權授權量的重要性在保留3位小數時為0，因此可將其剔除。最終的指標體系包括4個一級指標、10個二級指標、36個三級指標，指標重要性可作為三級指標權重，具體見表 7。

4.3 區域評價

對36個三級指標數據進行最大值無量綱化處理(MaxS)，通過三級指標加權直接計算一級指標得分。將協調度與發展水平的權重α、β均設置為0.5，應用公式(1)-(3)分別計算各區域知識產權發展協調度C、知識產權高質量發展水平I以及知識產權高質量發展指數D，結果如表 8所示。以協調度為橫軸、高質量發展水平為縱軸構建坐標系，各區域在坐標系中的位置見圖2。

根據圖2所示，從高質量發展水平維度看，我國區域知識產權發展質量整體不高，僅有北京達到高效用標準，廣東、江蘇、上海、浙江4個地區處于中等效用發展水平，其余地區均處于低效用發展水平；從協調度維度看，有25個地區達到了協調標準，廣東、廣西、四川、河南4個地區達到了優質協調標準，吉林、黑龍江、福建等11個地區達到良好協調標準，4個地區處于中級協調狀態，5個地區處于初級協調狀態，4個地區處于勉強協調狀態，西藏、新疆、青海三地未達到協調標準。

根據知識產權高質量發展指數得分，可將內地31個地區的知識產權發展水平分為5個梯隊：第一梯隊為廣東省，是唯一一個知識產權高質量發展指數在0.7以上的地區；第二梯隊包括上海、北京、浙江、江蘇4個地區，得分區間為(0.5，0.7)；第三梯隊包括山東、四川、天津、湖南、福建、安徽、湖北、河南、河北、遼寧10個地區，得分區間為(0.4，0.5)；第四梯隊包括陜西、吉林、重慶、江西、甘肅、黑龍江、廣西、云南、貴州、山西10個地區，得分區間為(0.3，0.4)；第五梯隊包括寧夏、海南、內蒙古、青海、新疆、西藏6個地區，得分低于0.3。

5 結論與對策

5.1 發展質量與發展協調度并重的知識產權發展模式尚未形成

通過各區域在知識產權高質量發展坐標系中的位置可以看出，知識產權高質量發展指數得分較高的第一、第二梯隊分別處于第一象限靠近X坐標軸與Y坐標軸的位置，遠離坐標系一三象限的角平分線。北京代表注重發展質量>注重發展協調度的發展模式；廣東代表注重發展協調度>注重發展質量的發展模式,二者并重的發展模式是我國區域知識產權發展方向。

我國區域知識產權協調發展面臨的主要問題是“重創造、輕運用”，提升知識產權市場化運營能力是促進知識產權運用的主要手段。第一，“清單式研發”、“揭榜掛帥式研發”等針對性研發模式應得到進一步推廣，以減少“沉睡專利”數量；第二，完善知識產權價值評估機制和標準，健全知識產權評估體系，提高第三方評估結果的科學性及市場認可度；第三，充分發揮各類知識產權交易平臺作用，落實專利開放許可信息公開機制，通過公開專利基礎數據、許可費用等信息，解決專利技術供需信息不對稱問題；第四，進一步推進知識產權質押融資工作，在“銀行+企業專利權/商標專用權質押”的直接質押融資模式基礎上引入科技擔保公司，在控制融資風險的基礎上，擴大知識產權質押融資普及度和惠益面[51]。

5.2 知識產權高質量發展指標權重分布具有長尾效應

從知識產權高質量發展指標體系三級指標權重的分布可以看出，僅有研發投入強度、專利獎獲獎指數、每萬人口知識產權服務機構擁有量3個指標的權重在0.1以上，其權重之和占比達到了55%，大于其余33個指標權重之和，具有顯著的長尾分布特征。

研發經費、高價值專利以及知識產權服務3個指標對于提升知識產權發展質量具有指向性。在研發經費受限的情況下，高價值專利培育與知識產權服務水平提升對知識產權高質量發展至關重要。在高價值專利培育上，一是要加強預判，圍繞國家關鍵核心技術實施一批專利導航項目，助力企業優化技術創新方向和研發路徑；二是要與區域優勢產業相結合，對符合區域產業布局的企業加大政策支持力度。在知識產權服務上，一方面要通過提升信息化水平、簡化業務辦理環節、健全多樣化審查模式提高知識產權公共服務效能；另一方面要通過建立行業規范和標準，提升知識產權市場服務機構的服務質量。

表7 知識產權高質量發展評價指標體系Tab.7 Evaluation indicator system of high-quality development of intellectual property rights

表8 知識產權高質量發展區域評價結果Tab.8 Regional evaluation results of high-quality development of intellectual property rights

續表8 知識產權高質量發展區域評價結果Tab.8(Continued) Regional evaluation results of high-quality development of intellectual property rights

圖2 區域知識產權高質量發展坐標系Fig.2 High-quality development coordinate system of regional intellectual property

需要指出的是，僅重視頭部指標容易使知識產權發展陷入失調狀態。事實上，正是大量其它權重占比較小的指標為知識產權特色化、差異化發展提供了潛在空間，各區域可根據自身實際調整發展策略，提升發展質量。

知識產權高質量發展評價與產業創新、經濟發展密切相關，需要大量數據支撐。專利密集型產業增加值占GDP比重、版權產業增加值占GDP比重、知識產權使用費年進出口總額等《知識產權強國建設綱要》中的部分重要指標由于缺失省級數據，在一定程度上影響指標體系構建與調整，需要在政府部門統計口徑與政策規劃相互匹配協調后予以進一步完善。