新質生產力視域下中國高校科技創新力評價及影響因素研究

摘要：

習近平總書記立足于我國經濟發展時代特征提出新質生產力概念，并作出一系列重要論述。新質生產力是在新技術革命推動下，以信息技術、人工智能為引擎，以科技創新為驅動力的生產力形態，是高質量發展的強勁推動力、支撐力。高校作為國家創新體系的重要組成部分，在基礎研究、應用研究、成果轉化等方面發揮著重要作用，取得了一批重大科技成果，但還存在著諸多不足，面臨不少困難和問題。在習近平總書記關于新質生產力重要論述的指引下，準確把握高校科技創新的重要地位和獨特優勢，客觀評價我國不同地區高校科技創新力發展水平，分析存在的問題，提出對策建議，具有極其重要的意義。文章采用TOPSIS 法測算我國31省（自治區、直轄市）高校科技創新力指數，基于空間自相關理論探究我國高校科技創新力指數的空間關聯特征，運用泰爾指數分析我國高校科技創新力指數的空間差異性，運用地理探測器原理研究我國高校科技創新力的影響因素及其交互作用。研究結果發現：我國31省（自治區、直轄市）高校科技創新力整體還不強，創新力指數的空間分布不均衡，東部地區明顯高于中部和西部地區；空間自相關性顯著，上海、江蘇、廣東、浙江等指數較高省份呈現“高-高”集聚特征，甘肅、海南、新疆、西藏等指數較低省份呈現“低-低”集聚特征；區域間差異明顯，東部和西部地區域內差異較中部地區顯著，東部地區內部差異逐漸縮小，中部地區內部差異先增大后縮小，西部地區內部差異有所增大；影響我國高校科技創新力發展的主要因素是人力資源、經費投入等，且區域間投入存在明顯差異，中部和西部地區投入不足，同時還受區域對外開放和技術需求等因素影響；內部因素交互作用強度大于外部因素，交互作用強度較大的是教學與科研人員數、科技經費當年撥入、成果應用及科技服務項目數、Ramp;D成果應用及科技服務項目經費當年撥入、信息化水平，且信息化水平發揮的作用越來越大。根據研究結論，以習近平總書記關于新質生產力重要論述為指引，從創新投入、資源配置、資源共享、政產學研合作等方面提出對策建議。

關鍵詞：新質生產力；科技創新力；高校科技創新力評價；影響因素；空間特征；TOPSIS法；空間自相關；泰爾指數；地理探測器

中圖分類號：G644 "文獻標志碼：A "文章編號：1008-5831（2024）03-0161-19

2023年9月，習近平總書記在主持召開新時代推動東北全面振興座談會上提出，“積極培育新能源、新材料、先進制造、電子信息等戰略性新興產業，積極培育未來產業，加快形成新質生產力，增強發展新動能”［1］。2023年12月，習近平總書記在中央經濟工作會議上再次強調，要“整合科技創新資源，引領發展戰略性新興產業和未來產業，加快形成新質生產力”［2］。2024年1月，習近平總書記在二十屆中央政治局第十一次集體學習時進一步強調，“發展新質生產力是推動高質量發展的內在要求和重要著力點，必須繼續做好創新這篇大文章”［3］。2024年3月，李強總理在政府工作報告中對發展新質生產力作出部署，提出要“大力推進現代化產業體系建設，加快發展新質生產力”［4］。新質生產力是指在新技術革命推動下，以信息技術、人工智能為引擎，以科技創新為驅動力的生產力形態，是習近平總書記在總結歷史經驗、順應時代潮流、面向未來發展基礎上提出的新概念新思想新理論，體現了對“科學技術是第一生產力”的深刻認識和戰略把握，是馬克思主義中國化時代化的最新理論成果［5-8］。

高校作為科技第一生產力、人才第一資源和創新第一動力的重要結合點，是科技創新的重要“策源地”，長期以來承擔著提升國家創新能力、培養創新型人才、服務國家經濟社會發展的重要使命。據2022年7月19日教育部召開的第八場“教育這十年”“1＋1”新聞發布會介紹，我國高校Ramp;D撥入經費從2012年的768.7億元增長到2021年的1592億元，十年累計撥入經費總額上萬億元；企事業單位委托項目經費由2012年的391.8億元增至2021年的847.5億元，增長超過116%；科技活動中的Ramp;D人員全時當量從2012年的20.9萬人年增長到2021年的33.4萬人年，增幅近60%；牽頭建設了全國60%以上的學科類國家重點實驗室、30%的國家工程（技術）研究中心，建設了一批國家重大科技基礎設施、高等級生物安全實驗室和國家野外科學觀測臺站等重大平臺，建設了70多個國際合作聯合實驗室；專利授權量從2012年的6.9萬項增加到2021年的30.8萬項，增幅達到346.4%，專利轉化金額從2012年的8.2億元增長到2021年的88.9億元，增幅接近十倍。創新資源的不斷增加為高校原始創新能力提升和關鍵核心技術突破奠定了堅實基礎，取得了一批具有標志性意義的重大科技成果，近十年高校獲得10項國家自然科學一等獎中的6項、全部自然科學獎項中的67%，獲得11項國家技術發明一等獎中的10項、全部技術發明獎項中的72%，還獲得兩項國家科技進步特等獎，成為名副其實的基礎研究主力軍和重大科技突破的策源地。我國已進入高質量發展階段，人工智能、生命科學、可控核聚變、量子科技等顛覆性技術和前沿技術加快向現實生產力轉化，發展新質生產力是把握新科技革命歷史機遇、掌握未來發展主動權、塑造國際競爭新優勢、推動經濟高質量發展的關鍵之舉。我們要充分認識發展新質生產力的時代內涵和重大意義，深刻理解新時期國家經濟社會發展對科技創新的迫切需求和最大限度激發科技作為第一生產力所蘊藏的巨大潛能，準確把握高校科技創新在新質生產力發展中的重要地位和獨特優勢，客觀分析我國不同地區高校科技創新存在的問題和短板，提出解決實際問題的對策建議，推動高校科技創新高質量發展，為形成新質生產力提供有力支撐。

一、文獻分析

進入21世紀以來，新一輪科技革命和產業革命正在興起，全球科技創新呈現出新的發展態勢和特征，科技創新已成為經濟發展的核心動力。為了在競爭中占據科技制高點，并在新一輪國際經濟再平衡中獲得先發優勢，全球主要國家都提前部署面向未來的科技創新戰略，高校作為國家科技創新體系的重要組成部分和關鍵行為主體，其科技創新能力受到廣泛關注，科研評價成為理論界的熱點。比如：Garnatje和Valles從生物學和心理學角度闡述評價對科研工作帶來的積極作用，指出評價工作在科研活動中有著舉足輕重的地位［9］；DunHai Wang和Yu Xin從企業知識管理角度出發，對知識創新力評價進行深入研究，認為開展評價工作可以實時監控科研進展并給予引導［10］。近年來，圍繞高校科技創新力評價的研究成果較多，主要基于投入產出、科技創新過程、資源配置理論等構建指標體系［11-13］，選取專利申請量、專利授權數、獲獎數、發表論文數、出版專著數等［14-15］作為科技創新產出指標，采用主成分分析、SML指數法、超效率SBM、BCC、Malmquist等［16-20］方法測算和評價高校科技創新能力，既有靜態評價，也有動態評價，還有靜態和動態相結合的評價研究，為高校科技創新管理提供了一定的科學依據和方法。但是，現有評價方面的成果忽略了高校科技創新的空間特征，評價結果并不能完全反映出高校科技創新能力高與低的原因。

對高校科技創新影響因素的廣泛探討始于21世紀初，Thursby等利用高校技術管理者協會的調查數據，分析美國研究型大學科技創新的影響因素，發現政府長期的科研經費投入、經濟發展水平以及高校與企業的合作傾向和合作程度都是影響高校科技創新力的重要因素［21］，Martin通過對Salamanca大學教師教學過程的大量跟蹤觀測和實驗，驗證了計算機對科研創新力具有重大影響，并且據此提出了改進高校科研創新能力的合理方案［22］。隨著研究的不斷深入，影響因素的探討范圍不斷擴大，不少學者考慮到了經濟發展水平［23］、政府支持力度［24］、產學研合作［25-26］、體制機制［27］、創新政策與科研結構［28-29］、科技創新投入［30-31］等，有少數學者提出科研規模和高校地理位置［32］、產業結構和交通運輸條件［33］、科研人員學術地位［34］、資歷［35］等對高校科技創新的影響問題，還有學者提出了數字建設能有效驅動高校科技創新力提升，加速各省份間高校科技創新力差距的收斂速度［36］，但基本上都是將內部因素與外部因素分別研究，較少將內外部影響因素相結合的研究成果。在研究方法上主要以隨機前沿模型、分位數回歸、Tobit回歸模型等［37-39］為主，也有學者從空間視角采用空間計量模型［40-41］分析，還有學者考慮到了高校科技創新的地理空間溢出效應［42-43］，但對影響因素的空間差異研究不足。

綜上所述，對高校科技創新力評價主要是基于投入產出過程設置評價指標，采用的分析方法較多，對高校科技創新力空間特征的研究不足；對影響因素指標的選取有一定的局限性，對影響程度的認識差異較大，在影響因素的空間差異方面還有較大的研究空間。我國地大物博、人口眾多，區域間差異較大，為了更加直觀地了解我國各區域高校科技創新力發展情況及差異，本文嘗試在新質生產力視域下，基于高校科技創新產出數據測算我國31個省（自治區、直轄市）高校科技創新力指數，分析指數的空間關聯和差異性特征；從內部和外部兩個視角選取影響因素指標，應用地理探測器原理分析我國高校科技創新力影響因素的空間差異，力求較為準確把握影響高校科技創新力提升的關鍵因素，豐富高校科技創新的理論研究，促進我國高校科技創新能力提升的精準施策。

二、模型應用與變量設計

（一）基于變異系數法的TOPSIS法應用

本文在如何形成新質生產力視域下以高校科技創新產出指標評價高校科技創新力，把握我國高校科技創新力發展情況，并分析其空間特征。為避免評價指標權重設定的主觀性和隨意性，通過變異系數法賦權，應用TOPSIS 方法［44-45］計算我國各省（自治區、直轄市）高校科技創新力指數，該方法可以很好地描述數據的均衡度和離散程度，若某個評價指標變異系數越大，則權重越大。

1.構建初始矩陣

由aij構成i行j列的初始矩陣A，其中aij表示i省（自治區、直轄市）第j個高校科技創新力指數測算指標的觀測值，i=1，2……，31；j=1，2……，7。

2.數據歸一化處理

由于高校科技創新力指數測算指標的量綱不同，為了使得各指標變量的觀測值具有可比性，在計算前采用相對隸屬度公式對初始矩陣A進行歸一化處理，從而得到相對隸屬度矩陣Z，由zij構成i行j列的矩陣，即zij=aijni=1aij，i=1，2……，31；j=1，2……，7。

3.確定變量權重

以Vj、σj和μj分別表示高校科技創新力指數測算變量的變異系數、標準差和均值，即Vj=σjμj，進而得到各變量的權重wj=Vjmj=1Vj，從而得到權重矩陣W是由wj構成的j階矩陣，其對角線元素為wj，其余元素均為零。

4.計算各省（自治區、直轄市）高校科技創新力指數最優和最劣加權指標值的歐式距離

d+i=mj=1yij-y+i2 "d-i=mj=1yij-y-i2（1）

其中，yij=zijωj表示高校科技創新力指數加權指標值；y+i=max1jmyij，y-i=min1jmyij ，分別表示i省（自治區、直轄市）高校科技創新力指數的最優和最劣指標觀測值，i=1，2……，31；j=1，2……，7。

5.確定各省（自治區、直轄市）高校科技創新力指數

即：Li=d-id+i+d-i

其中，Li表示 i省（自治區、直轄市）高校科技創新力指數，取值介于0和1之間，i=1，2……，31。

（二）地理探測器應用

通過離散分類處理，將我國高校科技創新力影響因素變量轉化為類型變量，分別在31省（自治區、直轄市）范圍內和東中西部地區分組下，應用地理探測器測算各影響因素變量對我國高校科技創新力指數的解釋力q。

q=1-1nδ2mi=1niδ2i（2）

其中，m為自變量的分類（區）數，ni和δ2i分別表示第i個類型區內省（自治區、直轄市）的個數和高校科技創新力指數的方差，n=31表示觀測區域內省（自治區、直轄市）的個數，δ2表示觀測區域內省自治區、直轄市高校科技創新力指數的方差。q∈［0，1］表示影響因素對我國高校科技創新力的影響程度，q值越趨近1，對我國高校科技創新力的影響程度越強，以P值作為因素影響顯著性檢驗的判斷標準。

因子間交互作用探測是分析兩兩影響因素共同作用時是否增加或減弱對高校科技創新力的解釋力，或這些因素對其影響是否獨立，該交互作用既包括相乘，也包括其他關系，只要有關系都可以探測出來，因子間交互作用共劃分為5種類型［46］，如表1所示。

（三）指標選取與變量設計

1.評價指標選取

科技創新能夠催生新產業、新模式、新動能，是發展新質生產力的核心要素。我國正處在從科技大國向科技強國邁進的關鍵躍升階段，必須加強科技創新特別是原創性、顛覆性科技創新，加快實現高水平科技自立自強，打好關鍵核心技術攻堅戰，使原創性、顛覆性科技創新成果競相涌現，培育發展新質生產力的新動能。基于上述背景，選取國家級科技成果獲獎、省部級科技成果獲獎、出版科技著作、發表學術論文、國家級項目驗收、專利授權數、專利出售當年實際收入等高校科技創新產出指標測算我國31省（自治區、直轄市）高校科技創新力指數，其中國家級科技成果獲獎是指國家最高科學技術獎、國家自然科學獎、國家技術發明獎、國家科技進步獎之和，省部級科技成果獲獎是指國務院各部門科技進步獎和省、自治區、直轄市科技進步獎之和。

2.影響因素變量設計

以我國高校科技創新力指數為因變量，高校科技創新力內外部影響因素為自變量。高校科技創新力內部影響因素主要考慮高校科技創新投入，包括科技人力投入、科技經費投入、科研機構與項目投入四個方面，外部影響因素主要考慮經濟環境和社會環境。經濟環境變量包括經濟發展水平、產業發展水平和對外開放程度，用人均地區生產總值衡量經濟發展水平，用人均高新技術企業產值（地區高新技術企業生產總值與省（自治區、直轄市）總人口數的比值）衡量產業發展水平，用年末登記的外商投資額衡量對外開放程度；社會環境變量包括政府支持力度、技術需求強度、信息化水平，用一般公共預算科學技術支出表示政府支持力度，用高新技術企業數量表示技術需求強度，以移動互聯網用戶數代表信息化水平，如表2所示。

（四）數據來源

采用我國31個省（自治區、直轄市）2016—2020年各年度數據。高校科技創新產出指標數據及科技人力投入、科技經費投入、科研機構與項目投入對應的觀測變量數據來源于《高等學校科技統計資料匯編》，經濟發展水平相關數據來源于國家統計局官方網站，產業發展水平和技術需求強度相關數據來源于《中國火炬統計年鑒》，對外開放程度數據來源于《中國貿易外經統計年鑒》，政府支持力度和信息化水平數據來源于《中國統計年鑒》。

三、我國高校科技創新力評價

（一）創新力指數測算

基于經濟技術發展水平和地理位置相結合的原則，根據第四次全國經濟普查公報（第七號）的地區分組，將我國31省（自治區、直轄市）劃分為東部、中部、西部三個地區，測算得到我國各省（自治區、直轄市）高校科技創新力指數，如表3所示。

表3顯示，除北京（0.86）外，年均值都在0.5以下；東部地區省（自治區、直轄市）高校科技創新力指數相對較高，組內差異較為明顯，福建、河北、天津、海南的指數值與東部地區其他省（自治區、直轄市）差距較大；中部地區省（自治區、直轄市）高校科技創新力指數值不高，但組內差異相對較小，年均值較大的是湖北（0.15）和湖南（0.13）；西部地區省（自治區、直轄市）高校科技創新力指數值較低，組內差異很大，年均值較大的是陜西（0.20）和四川（0.19）；中西部地區其他省（自治區、直轄市）均小于0.08，西藏、青海、寧夏均小于0.005。

我國高校科技創新力整體不高，省（自治區、直轄市）存在較為明顯的兩極分化和斷層分布特征，省域間分布不均衡。東部地區經濟發展水平相對較高，高校科技創新力發展相對較好；中部地區高校科技創新力發展整體落后于東部地區，但其組內差異較小；西部地區高校科技創新力發展整體較中部地區落后，但近年陜西和四川高校科技創新力發展已經追趕上甚至超過中部地區的省份。

（二）創新力空間特征分析

1.空間關聯特征

選用空間自相關分析法研究我國高校科技創新力指數的空間關聯現象，分別采用Moran’s I（莫蘭指數）和莫蘭散點圖進行全局和局部自相關分析。選擇經濟距離矩陣作為空間權重矩陣進行空間自相關性檢驗，即從經濟特征角度出發，將距離看作虛擬距離，表示為兩地區的經濟距離，則空間權重為：wij=1xi-xj，其中xi和xj分別表示i地區和j地區的人均GDP，矩陣的主對角線元素均為零。檢驗得到2016—2020年各年度我國高校科技創新力指數全局Moran’s I及P值（表4）；同時得到2016—2020年各年度我國高校科技創新力指數莫蘭散點圖的象限分布（表5）。

表4顯示，各年度我國高校科技創新力指數全局Moran’s I均大于0，其中2016、2017和2019年在1%置信水平下顯著性檢驗通過，2018和2020年在10%置信水平下顯著性檢驗通過，說明我國高校科技創新力指數存在空間自相關。

表5顯示，2016—2019年我國31省（自治區、直轄市）各年度高校科技創新力指數Moran’s I值

大多集中分布在第二、三象限，存在明顯的“低—高”集聚和“低—低”集聚；2020年則集中分布在第一、三象限，存在明顯的“高—高”集聚和“低—低”集聚。2016—2020年我國高校科技創新力指數分布情況由集中變為分散，但依舊相對集中在第一、二、三象限，第四象限幾乎沒有，分布在第一象限的省（自治區、直轄市）越來越多，說明我國高校科技創新力指數呈現增長趨勢，越來越多的省（自治區、直轄市）出現“高—高”集聚特征，高校的科技創新能力不斷提升。

2016—2020年我國31省（自治區、直轄市）中持續呈現“高—高”集聚特征的主要是上海、江蘇、廣東、浙江等高校科技創新力指數較高的省份，持續呈現“低—低”集聚特征的主要是甘肅、海南、新疆、西藏等高校科技創新力指數較低的省份。因此，我國高校科技創新力指數存在明顯的空間關聯特征，其空間集聚特征也反映出具有空間差異性。

2.空間差異特征

為進一步明晰我國高校科技創新力指數的空間差異性，采用泰爾指數對2016—2020年各年度指數進行分析，該方法可將總體區域差異分解為區域間差異和區域內差異，泰爾指數一般在0到1之間，越接近0，說明我國高校科技創新力指數區域差異越小；越靠近1，說明區域差異越大。由于2020年西藏地區高校科技創新力指數值為0，故在空間差異特征分析部分剔除西藏，以30個省（自治區、直轄市）高校科技創新力指數進行測算，總體泰爾指數及分解指數的測算結果如表6所示，東中西部地區泰爾指數測算結果如表7所示。

表6顯示，我國高校科技創新力指數區域差異明顯，從2016年到2018年總體泰爾指數持續上升，自2018后持續下降，表明我國高校科技創新力指數區域差異先有所增大，后逐漸縮小，區域間差異變化情況與總體泰爾指數一致，區域內差異呈現逐漸縮小的態勢。從貢獻率上可以看出，區域內差異貢獻率明顯高于區域間差異，這是我國高校科技創新力區域發展不均衡的主要原因。

表7顯示，東中西部地區高校科技創新力指數區域間差異明顯，東部和西部地區內差異較中部地區顯著，與我國高校科技創新力指數測算結果的兩極分化特征相匹配，東部地區內部差異逐漸縮小，中部地區內部差異先增大后縮小，西部地區內部差異有所增大。

四、我國高校科技創新力影響因素分析

基于地理探測器，運用GeoDetector軟件測算我國高校科技創新力影響因素及其交互作用的q值，從全域和局域視角對其影響情況進行分析。其中，全域視角主要分析我國31省（自治區、直轄市）高校科技創新力影響因素及其交互作用影響情況，局域視角則分別對東部、中部、西部地區高校科技創新力影響因素及其交互作用進行分析，并比較影響因素在東中西部地區的影響差異。根據影響因素q值實際測算結果，設定q值0.50的因素為主要影響因素。

（一）全域視角影響因素分析

1.影響因素因子探測分析

測算得到我國31省（自治區、直轄市）各年度高校科技創新力影響因素q值，如表8所示。

表8顯示，各年度影響因素q值均不為0，即各因素均對我國高校科技創新力有影響，但個別因素的顯著性不穩定。根據影響因素q值均值分析，影響我國高校科技創新力的主要因素有教學與科研人員數、科技經費當年撥入、Ramp;D全時人員數、研發項目經費當年撥入、研發項目數。不同年份影響因素的q值變化明顯，但主要因素中科技經費投入始終處于重要位置，科技人力投入越來越重要，其他因素影響程度也在逐漸增強。

2.影響因素交互作用分析

由GeoDetector軟件計算得到我國31省（自治區、直轄市）各年度高校科技創新力影響因素交互作用類型均為雙因子增強或非線性增強，表明兩兩影響因素交互作用對我國高校科技創新力的影響強度大于單一因素的影響強度。計算交互作用強度年均值如表9所示。

表9顯示，我國高校科技創新力影響因素交互作用強度最大的是X6∩X15和X11∩X15，其次是X2∩X15，第三是X7∩X15。根據交互作用q值年均值，影響因素交互作用強度較大的主要是教學與科研人員數、科技經費當年撥入、Ramp;D成果應用及科技服務項目數、Ramp;D成果應用及科技服務項目經費當年撥入、信息化水平與其他因素的交互組合，且信息化水平發揮的作用越來越大，這說明隨著信息化水平的提升，高校內外部因素協同發展越來越重要，不應一味地加大某一方面的投入。

（二）局域視角影響因素分析

運用地理探測器模型對東部、中部、西部地區高校科技創新力影響因素進行因子探測和交互作用探測，并對東中西部地區高校科技創新力的影響情況進行比較分析。

1.東中西部地區因子探測結果比較分析

運用GeoDetector軟件計算得到2016—2020年各年度東中西部地區高校科技創新力影響因素q值，對其進行比較分析，見表10—12。

表10顯示，根據影響因素q值均值，影響東部地區高校科技創新力的主要因素由大到小排序為Ramp;D成果應用及科技服務項目數、Ramp;D成果應用及科技服務項目經費當年撥入、Ramp;D全時人員數、科技經費當年撥入、教學與科研人員數。隨著時間的推移，我國東部地區高校科技創新力影響因素的影響情況越來越顯著，科技人力投入和科技經費投入的影響程度逐漸增強，研發項目數的影響越來越凸顯，而研發機構數的影響程度逐漸減弱。

表11顯示，根據影響因素q值的均值，影響中部地區高校科技創新力的主要因素由大到小排序為技術需求強度、政府支持力度、研發項目數、對外開放程度、科技經費當年撥入、Ramp;D成果應用及科技服務項目數、教學與科研人員數、信息化水平，其中Ramp;D成果應用及科技服務項目經費當年撥入、Ramp;D成果應用及科技服務項目數的影響程度逐年增強，而政府支持力度逐年減弱。科技人力投入、科技經費投入和科研機構與項目投入的影響程度越來越突出，而經濟環境和社會環境因素的影響程度逐漸減弱，但影響力度強于東部地區。

表12顯示，根據影響因素q值的均值，影響西部地區高校科技創新力的因素中，影響程度最大的是教學與科研人員數，其次是研發項目經費當年撥入，第三是Ramp;D成果應用及科技服務全時人員數。西部地區顯著性檢驗通過的因素數量最多，五年間因素顯著性變化較小，影響強度相較于中東部地區最大。

綜上所述，我國東中西部地區高校科技創新力主要影響因素均有教學與科研人員數、科技經費當年撥入、Ramp;D成果應用及科技服務項目數，其中西部地區影響因素的q值最大，其影響程度最大，顯著性檢驗通過性最好，這表明我國中部和西部地區高校科技創新力發展的人力、資金等投入不足，特別是西部地區，與東部地區相比有很大的差距。除此之外，中部和西部地區的主要影響因素中還包括對外開放程度和技術需求強度等，由于中部和西部地區經濟發展水平較低，社會發展環境不佳、對外開放程度和技術需求強度小，這些因素制約著高校科技創新力發展。

2.東中西部地區因子交互作用探測結果分析

運用GeoDetector軟件計算得到2016—2020年各年度東中西部地區高校科技創新力影響因素交互作用q值，三大區域影響因素交互作用類型均為雙因子增強或非線性增強，表明各影響因素的影響存在一定的聯系。計算東中西部地區高校科技創新力因子交互作用強度年均值，見表13—15。表13顯示，東部地區高校科技創新力影響因素交互作用強度明顯強于單一影響因素，作用強度較大的是信息化水平、政府支持力度、Ramp;D全時人員數、經濟發展水平、Ramp;D成果應用及科技服務項目數與其他因素的交互組合。

表14顯示，中部地區高校科技創新力影響因素交互作用強度值較東部地區高，作用強度較大的是Ramp;D成果應用及科技服務項目數、政府支持力度、科技經費當年撥入、產業發展水平、Ramp;D成果應用及科技服務項目經費當年撥入與其他因素的交互組合。

表15顯示，西部地區高校科技創新力影響因素交互作用強度值最大，作用強度較大的主要是教學與科研人員數、研發項目經費當年撥入、Ramp;D成果應用及科技服務全時人員數、研發項目數、科技經費當年撥入與其他因素的交互組合。

以上結果表明，中部和西部地區高校科技創新力影響因素交互作用強度明顯高于東部地區，尤其是西部地區，東部地區外部因素與其他因素的交互作用強度較大，中部地區既包含外部因素，又包含內部因素，西部地區主要以內部因素為主，由此進一步體說明我國東中西部地區資源分配不均衡，東部地區高校內部資源相對充足，中部和西部地區經濟發展水平不高，對高校科技創新的人力和經費投入不足，特別是西部地區。

五、結論與建議

（一）研究結論

本文運用變異系數法的TOPSIS法測算高校科技創新力指數，評價我國31個省（自治區、直轄市）高校科技創新力發展水平，并采用空間分析法和泰爾指數分析我國高校科技創新力發展的空間特征，在此基礎上運用地理探測器分析我國高校科技創新力影響因素及其空間差異情況，形成四條研究結論。

第一，我國高校科技創新力整體不高，存在兩極分化和斷層分布的特征，31個省（自治區、直轄市）間分布不均衡，區域間差異明顯。東部地區高校的科技創新力普遍較高，域內差異較大；中部地區整體次于東部地區，域內差異小；西部地區除陜西外，普遍處于較低水平，西藏、青海、寧夏三省高校科技創新力處于極低水平。我國東中西部高校科技創新力發展水平與區域經濟發展水平基本一致。

第二，我國高校科技創新力指數具有顯著的空間相關性、空間集聚性特征，其中上海、江蘇、廣東、浙江等東部地區高校科技創新力指數具有“高—高”關聯集聚特征，其科技創新力較高，甘肅、海南、新疆、西藏等西部地區高校科技創新力指數具有“低—低”關聯集聚特征，其科技創新力較低。

第三，我國高校科技創新力的主要影響因素為教學與科研人員數、科技經費當年撥入、Ramp;D全時人員數、研發項目經費當年撥入、研發項目數等，但區域間存在明顯的差異，中部和西部地區的人力資源和經費不足，特別是西部地區，同時中部和西部地區高校科技創新力還受到區域對外開放程度和技術需求強度等經濟社會環境因素影響。

第四，我國高校科技創新力影響因素交互作用強度均為雙因子增強或非線性增強，交互作用強度較大的主要是教學與科研人員數、科技經費當年撥入、Ramp;D成果應用及科技服務項目數、Ramp;D成果應用及科技服務項目經費當年撥入、信息化水平，且信息技術發揮的作用越來越大。

（二）對策建議

習近平總書記關于新質生產力系列重要論述為推動高校科技創新高質量發展提供了根本遵循和行動指南，高校作為科技創新的重要策源地，承擔著前所未有重大使命。為更好支撐新質生產力發展，根據上述研究結論，本文對我國高校科技創新力提升提出四點建議。

第一，加大創新投入，提高資源利用效率。科技是第一生產力，人才是第一資源，創新是第一動力，人財物是高校科技創新活動的基礎，目前我國高校科技創新資源普遍不足，高端人才缺乏，創新能力整體不強，成果轉移轉化效率不高，從國家層面應該適當調整高校財政科研經費支出占比，各級地方政府相應加大高校科研資源投入，高校本身積極爭取社會各界支持，拓寬創新資源籌措渠道，完善科研資源管理制度，推動創新鏈、產業鏈、資金鏈、人才鏈深度融合，不斷提高科技創新資源的利用效率。

第二，優化資源配置，逐步縮小區域差異。目前東部地區高校資源相對較豐富，中部和西部地區高校資源匱乏，科技創新能力較弱，應加大中央政府對中部和西部地區高校的投入，利用自然條件稟賦、土地及人力成本優勢，科學布局一批大科學裝置和野外觀測站點，集國家重點實驗室、國家技術創新中心、國家重大科技項目等創新資源進行一攬子支持，引導中部和西部地區高校完善

人才引進政策和措施，逐步改善中部和西部地區的科技創新基礎條件，縮小資源配置的區域差異，緩解中部和西部地區高校科技創新資源短缺問題。

第三，加強資源共享，推動協同創新發展。推動信息技術、智能技術等高新技術與高校科技創新活動的深度融合，依托互聯網等技術搭建高校協同創新平臺，整合科技創新資源，是提高創新能力的重要途徑，是推動新質生產力形成的必然要求。為此，應加強高校科技創新統籌協調，避免各高校、各領域科技創新活動存在的分散、封閉、重復等碎片化現象，建立東中西部地區高校之間科技人才、科研項目、創新平臺、科研信息、政府政策支持等資源合作共享和聯動機制；同時中部和西部地區高校還應基于地理位置鄰近的原則，將創新資源比較豐富的省份作為協同創新的增長極，組建跨省（自治區、直轄市）高校創新聯盟，推動東中西部地區高校科技創新協同發展。

第四，加強政產學研合作，支撐現代化產業體系建設。 新質生產力依托的是新科技，落腳點是新產業，以戰略性新興產業和未來產業為核心的現代化產業體系是培育和發展新質生產力的主陣地。面向現代化產業體系建設需求，一方面我國高校要緊緊圍繞關鍵共性技術、前沿引領技術、顛覆性技術、現代工程技術創新，大力開展政產學研合作，支撐我國產業分工從價值鏈中低端向中高端轉變；另一方面政府應該提供校企合作科研和人才培養的企業獎補、稅收優惠等政策支持，激發企業參與校企合作的積極性，共同推動新技術、新產業、新業態發展，夯實新質新產力發展根基。

參考文獻：

［1］ 習近平主持召開新時代推動東北全面振興座談會強調 牢牢把握東北的重要使命 奮力譜寫東北全面振興新篇章［EB/OL］.（2023-09-09）.https：//www.ccps.gov.cn/xtt/202309/t20230909_159168.shtml.

［2］ 中央經濟工作會議在北京舉行 習近平出席會議并發表重要講話［N］.光明日報，2023-12-12（01）.

［3］ 習近平在中共中央政治局第十一次集體學習時強調 加快發展新質生產力 扎實推進高質量發展［N］.光明日報，2024-02-01（01）.

［4］ 李強.政府工作報告——2024年3月5日在第十四屆全國人民代表大會第二次會議上［EB/OL］.（2024-03-12）.https：//www.gov.cn/yaowen/liebiao/202403/content_6939153.htm.

［5］ 姜朝暉，金紫薇.教育賦能新質生產力：理論邏輯與實踐路徑［J］.重慶高教研究，2024（1）：108-117.

［6］ 張林，蒲清平.新質生產力的內涵特征、理論創新與價值意蘊［J］.重慶大學學報（社會科學版），2023（6）：137-148.

［7］ 姚樹潔，張小倩.新質生產力的時代內涵、戰略價值與實現路徑［J］.重慶大學學報（社會科學版），2024（1）：112-128.

［8］ 蒲清平，黃媛媛.習近平總書記關于新質生產力重要論述的生成邏輯、理論創新與時代價值［J］.西南大學學報（社會科學版），2023（6）：1-11.

［9］ GARNATJE T，VALLS J. Does aggressiveness in evaluation improve the quality of scientific research？［J］.Journal of the American Society for Information Science and Technology，2013，64（8）：1756.

［10］ WANG D H，XIN Y.Research on the evaluation of knowledge innovation ability of enterprise based on knowledge management［J］.Journal of Convergence Information Technology，2013，9（8）：1163-1169.

［11］ 蘇薈，劉奧運.“雙一流” 建設背景下我國省際高校科研效率及影響因素研究：基于DEA-Tobit模型［J］.重慶大學學報（社會科學版），2020（1）：107-118.

［12］ 王輝，陳敏.基于兩階段DEA模型的高校科技創新對區域創新績效影響［J］.經濟地理，2020（8）：27-35，42.

［13］ 陳國福，蔣清泉，唐炎釗.中國特色世界一流大學建設背景下高校科技創新能力評價研究［J］.科技進步與對策，2022（24）：109-118.

［14］ 曾繁華，黃海.高校創新產出及其驅動因子的空間分異：基于ESDA—GWR的實證［J］.科技管理研究，2021（7）：86-94.

［15］ 王沖，劉鵬飛，孫磊.高校科技創新能力評價指標體系構建與實證分析：以吉林省為例［J］.統計與決策，2023（24）：84-88.

［16］ 王曉紅，張少鵬，張奔.產學合作對高校創新績效的空間計量研究：基于組織層次和省域跨層次的雙重視角［J］.經濟與管理評論，2021（1）：125-137.

［17］ 朱恬恬，盧雅華，張躍軍.非期望產出對“雙一流”建設高校科技創新效率的影響研究［J］.高校教育管理，2022（4）：31-40.

［18］ 查道林，陳思，楊茜.“雙一流”建設高校科研效率及影響因素實證研究：基于超效率SBM-Malmquist-Tobit模型［J］.教育與經濟，2022（3）：9-16.

［19］ 李國才，曾剛.科技自立自強視域下高校科技創新效率測度及頒布特征［J］.科技管理研究，2023（21）：1-10.

［20］ DUAN S X. Measuring university efficiency an application of data envelopment analysis and strategic group analysis to Australian universities［J］. Benchmarking： an international journal，2019，26（4）：1161-1173.

［21］ THURSBY J G， THURSBY M C. Who is selling the Ivory tower？sources of growth in university licensing［J］. Management Science， 2002， 48（1）： 90-104.

［22］ Martín y Ma José Rodríguez Conde Santiago Nieto. Results convergence in two designs research-innovation in university teaching through the TIC［J］. Revista Espanola De Pedagogia， 2007， 65（236）：27-48.

［23］ HAUSMAN N. University innovation and local economicgrowth［J］. The Review of Economics and Statistics， 2022， 104（4）： 718-735.

［24］ AGASISTI T， BELFIELD C. Efficiency in the community college sector： stochastic frontieranalysis［J］. Tertiary Education and Management， 2017， 23（3）： 237-259.

［25］ 王建梁，劉天雨.澳大利亞推進高校科研成果轉化新舉措探析［J］.中國高校科技，2023（6）：52-58.

［26］ BIKARD M， VAKILI K， TEODORIDIS F. When collaboration bridges institutions： the impact of university-industry collaboration on academicproductivity［J］. Organization Science， 2019， 30（2）： 426-445.

［27］ 張奔，王宏起，王曉紅.校企合作氛圍對高校科研人員科研績效的影響：技術能力的中介作用［J］.系統管理學報，2022（5）：954-963.

［28］ 章熙春，朱紹棠，李勝會.創新政策與科研結構雙重影響下高校科技創新績效研究［J］.科技進步與對策，2022（18）：1-9.

［29］ DI F. Empirical research on the influencing factors of the conversion efficiency of scientific and technological achievements in colleges and universities based on Tobit model［J］. Educational Sciences Theory amp; Practice，2018（1806）：2794-2807.

［30］ LEE Y H. Determinants of research productivity in Korean Universities： the role of researchfunding［J］.The Journal of Technology Transfer， 2021， 46（5）： 1462-1486.

［31］ 蔡文伯，趙志強.我國十大城市群高校科研效率及影響因素研究：基于DEA-Malmquist-Tobit模型［J］.重慶高教研究，2021（4）：30-42．

［32］ FRENKEN K， HEIMERIKS G J， HOEKMAN J. What drives university research performance？ An analysis using the CWTS Leiden Rankingdata［J］. Journal of Informetrics， 2017， 11（3）： 859-872.

［33］ 吳宏超，馬聰穎.“一帶一路”沿線省份高校科技創新效率及影響因素：基于DEA-Malmquist-Tobit模型的研究［J］.重慶高教研究，2020（6）：34-47.

［34］ BIKARD M，VAKILI K，TEODORIDIS F.When collaboration bridges institutions：the impact of university-industry collaboration on academicproductivity［J］.Organization Science，2019，30（2）：426-445.

［35］ SALAS-VELASCO M.Measuring and explaining the production efficiency of Spanish universities using a non-parametric approach and a bootstrapped-truncatedregression［J］. Scientometrics， 2020， 122（2）： 825-846.

［36］ 劉鑰，高嘉誠.數字建設與高校科技創新效率協調發展分析［J］.科技管理研究，2024（1）：67-76.

［37］ 何聲升.高校科技創新績效影響因素分位研究：創新價值鏈理論視角［J］.高校教育管理，2020（5）：104-114.

［38］ 馬聰穎，吳宏超.一流大學建設高校科技創新效率：差距、影響因素與提升路徑［J］.高教探索，2021（2）：53-61.

［39］ 王海燕，蘇博謙.高校科技創新與區域經濟耦合協調及影響因素研究：基于2013—2019年我國30省份相關數據［J］.中國高校科技，2023（6）：37-43.

［40］ 汪凡，白永平，周亮，等.中國高校科技創新能力時空格局及影響因素［J］.經濟地理，2017，37（12）：49-56.

［41］ 劉業進，崔佳慧.高校科技創新與經濟高質量發展：基于空間杜賓模型的實證研究［J］.演化與創新經濟學評論，2023（2）：74-91.

［42］ 謝忠局，馬亞東，楊正東.中國高校科技創新對區域經濟發展的影響效應研究：基于空間溢出效應視角的分析［J］.價格理論與實踐，2021（4）：165-168.

［43］ 山述蘭，邊慧敏.服務國家科技自立自強：高校的使命擔當與路徑選［J］.理論與改革，2023（3）：13-23.

［44］ 熊玲玲.我國高校科技創新能力動態綜合評價［D］.南昌：南昌大學，2018.

［45］ 張菊.“雙一流”建設高校科技創新對區域經濟發展的影響研究：以國家中心城市為例［D］.武漢：華中農業大學，2023.

［46］ 王勁峰，徐成東.地理探測器：原理與展望［J］.地理學報，2017（1）：116-134.

A study on the evaluation and influence factors of science

and technology innovation ability in Chinese universities and

colleges from the perspective of new quality productivity forces

LI Pinga，SUN Xiaojinga，CAO Mingpingb

（a.School of of Economics and Management; b.Institute of Higher Education，

Shandong University of Science and Technology，Qingdao 266590， P. R. China）

Abstract：

General Secretary Xi Jinping put forward the concept of new quality productive forces based on the characteristics of our economic development era times and made a series of important arguments. New quality productivity forces is a productivity form by the new technological revolution. The engine of new quality productivity forces is the information technology and artificial intelligence， and scientific and technological innovation is its driving force. New quality productivity forces is the strong driving force and supporting force of high-quality development. As an important part of the national innovation system， universities and colleges play a crucial role in fundamental research， applied research and achievement transformation. They have achieved a lot of major scientific and technological achievements. However， there are still many deficiencies and many difficulties and problems. Under the guidance of General Secretary Xi Jinping’s important arguments on “new quality productivity forces”， it is of great importance significance to accurately grasp the important position and unique advantages of scientific and technological innovation ability in universities and colleges， and objectively evaluate the development level of scientific and technological innovation of universities and colleges in different regions of our country， and analyze the existing problems， and put forward countermeasures and suggestions. This paper uses TOPSIS method to measure the scientific and technological innovation ability index of universities and colleges in 31 provinces （municipalities and autonomous regions）. Based on the spatial autocorrelation theory， this paper explores the spatial correlation characteristics of scientific and technological innovation ability index. Theil index is used to analyze the spatial differences of scientific and technological innovation power index. The geographical detector is utilized to study influencing factors of the science and technology innovation power and the interaction of those factors. The results of the study are that： The overall innovation power of Chinese universities and colleges in 31 provinces （including municipalities and autonomous regions） is not strong. The spatial distribution of science and technology innovation power index is uneven， and and the eastern region is significantly higher than the central and western regions. The spatial auto-correlation is significant. The regions with high index such as Shanghai， Jiangsu， Guangdong and Zhejiang show the “high-high” agglomeration. The regions with low index such as Gansu， Hainan， Xinjiang and Tibet show the “low-low” agglomeration. There are significant regional differences. The internal difference of eastern and western regions is more significant than that of central region. The internal differences in the east are narrowing. The internal differences in the central region first increased and then decreased. The internal differences have increased in the western region. The main factors that affect the development of scientific and technological innovation power of Chinese universities and colleges are human resources， fund investment， etc.. There are obvious differences in resource input between regions. The central and western regions are underinvested. At the same time， the central and western regions also affected by regional opening up to the world and technical needs. The interaction intensity of internal factors is greater than that of external factors. The factors with greater interaction strength are the number of teaching and research staff ， the science and technology allocation funds in the current year，the number of technology results application and service projects， the amount of funds allocated for Ramp;D achievements application and scientific and technological service projects in the current year and the informatization level. The informatization level plays an increasingly important role. According to the research conclusion and based on General Secretary Xi Jinping’s new quality productivity forces， this paper puts forward countermeasures and suggestions in innovation investment， resource allocation ， resource sharing and government-industry-university-research cooperation， etc..

Key words： "new quality productivity forces; scientific and technological innovation ability；evaluation of science and technology innovation ability in universities and colleges; influence factors; spatial characteristics; TOPSIS method; spatial auto-correlation; Theil index; geographical detector

（責任編輯 彭建國）