西北地區數字化轉型程度與科技人力資源利用率耦合協調度研究

摘要：當前，數字化轉型對于經濟發展的影響日漸凸顯，我國西北地區數字化轉型程度較低，科技人力資源未被充分利用，導致了人才流失，也使得西北地區數字化轉型進程受限。本文以西北五省數字化轉型程度與科技人力資源利用率為研究對象，選取2014—2022年西北五省面板數據，建立評價指標，采用熵權TOPSIS法與DEA方法獲取兩者評價值，并建立耦合協調度模型，對兩者協調發展程度進行分析。結果發現：（1）西北地區數字化程度呈現“兩邊高，中間低”的分布特點；（2）西北地區科技人力資源利用率處于較高水平；（3）在兩者耦合協調度方面，陜西省協調水平最高，甘肅、新疆、青海其次，寧夏相對協調水平較低。基于研究結論，本文提出針對性建議，以供參考。

關鍵詞：數字化轉型；科技人力資源利用率；熵權TOPSIS；DEA；耦合協調度；西北地區

中圖分類號：F文獻標識碼：A文章編號：2096-0298（2024）12（b）--06

1引言

隨著第四次科技革命的到來，互聯網、大數據、人工智能等數字技術深刻影響著地區經濟發展。近年來，數字化轉型不斷深入推進，2023年政府工作報告強調要加快傳統產業和中小企業數字化轉型。在國家政策的導向下，數字化轉型成為加快建設現代化經濟體系和推動經濟高質量發展的強大動力。數字化轉型對于科技人力資源有著較高要求，從而推動科技人力資源的發展[1]。數字化轉型可以在一定程度上提高科技人力資源利用效率，如果科技人力資源利用效率過低，則會制約行業的數字化轉型，進而限制科技人力資源利用效率的提升。相反，如果科技人力資源利用效率高，數字化轉型程度也會隨之提高，且反作用于科技人力資源利用效率自身。只有兩者協調發展，才能相互促進。

數字化轉型與科技人力資源之間存在復雜的關系，學術界關于數字化轉型的研究主要包括數字化轉型概念[1-2]、數字化轉型對企業發展的驅動作用[3-5]、數字化轉型特征[6-7]等。關于科技人力資源的研究主要包括科技人力資源的定義[8-10]、科技人力資源集聚效應[11-12]及其影響因素，包括經濟政策與文化[13]、經濟發展水平[14]、社會保障機制[15]等。

目前的研究大多聚集于數字化轉型或科技人力資源，而對于兩者之間相互作用的研究較少。目前，我國數字化轉型面臨著數字化復合人才稀缺的問題，這導致企業面臨數字化部門功能缺陷明顯，業務部門思維受限[16]。科技人力資源利用率反映了科技人力資源的有效利用程度，故本文聚焦于西北五省（陜西、甘肅、寧夏、青海、新疆）數字化程度與科技人力資源利用效率，建立評價體系，使用熵權TOPSIS法與DEA方法獲取評價值，并建立耦合協調度模型分析兩者耦合協調度，旨在助力西北五省推動數字化轉型與科技人力資源利用效率提升，進而推動西北地區高質量發展。

2數字化轉型與科技人力資源利用率耦合協調性分析

2.1數字化轉型對科技人力資源利用率的促進作用

當前，我國人力資源管理面臨科技人力資源配置混亂的問題[17]，造成這一現象的主要原因包括信息不對稱[18]和資金與人員不匹配[19]。人力資源配置不合理，將會導致人力資源利用效率低下[20]。具體而言：信息不對稱會導致企業與雇員之間供需關系模糊，從而導致個體與崗位不匹配[21]。此外，由于信息不對稱，可能會發生信息優勢者對劣勢者的欺騙[22]。這兩種情況皆不利于創新成果的產出，從而影響人力資源利用效率。資金與人員不匹配具體是指大量的資金被配置給少部分人員，即資金冗余的發生。在創新過程中，由于大量資金的投入，研究人員希望以較短的時間產出高質量成果，這就導致了兩種情況的發生：一是研究人員花費大量資金引入技術，加長了學習周期與適應周期[19]，這期間將會產生更多支出。二是研究人員主動或被動追求短周期成果，從而影響了產出質量[23]。創新成果，是科技人力資源的最重要特質[24]，創新產出質量低，代表著科技人力資源的浪費，從而導致科技人力資源利用率的降低。

在數字化時代背景下，數字化技術已被應用于企業的管理運營中[25]。在人力資源管理方面，數字化轉型有助于解決科技人力資源配置問題。通過數字化轉型，人力資源管理轉向全員參與，所有信息透明化，公司通過數字化轉型，可以最大限度做到崗位與員工相匹配。同時，雇員也可以最大限度地利用公司資源，從而提高創新成果質量[26]。數字化轉型有助于企業建立高效靈活的科技人力資源管理系統，以其完善的監測反饋機制應對不同的科技人力資源需求[27]，盡可能使資金與人員相匹配，從而優化科技人力資源配置，提高科技人力資源利用率。

2.2科技人力資源利用率對數字化轉型的促進作用

企業在數字化轉型過程中，離不開高素質的人力資源[28]，尤其是科技人力資源[29]。從微觀層面來看，數字化轉型在帶來海量信息的同時，也產生了大量的“信息垃圾”，通過數字技術排除“信息垃圾”，同時，將相關信息進行整合，從而達到創新的目的，這需要相關技術創新人員的介入[30]。近年的研究表明，我國尚有55.89%的企業未啟動數字化轉型，造成這一現象的主要原因是企業對數字化轉型的認知不足[31]，故數字化轉型需要科技人才的支持，激發全員對數字化轉型的認知[32]。從宏觀層面來看，數字技術更新迭代較快[33]，數字化轉型過程中不斷面臨更新技術的問題，故數字化轉型需要強專業性的復合化人才支撐[34]。另外，數字化轉型基礎設施不完善也是數字化轉型中存在的問題，數字化轉型需要完善的基礎設施，這要求企業投入大量的資源，而大部分企業無法承擔這一必要成本[35]，從而大大減緩了數字化轉型進程，進而影響了地區的數字化轉型發展。針對此問題，企業在進行數字化轉型時，需要擁有數字化背景的科技人才做出合理規劃。

目前，我國科技人力資源總量巨大[36]，提高科技人力資源利用率，減少科技人力資源的浪費，有助于集中資源解決篩選信息、提高認知、完善設施與技術更新換代等問題，從而加快數字化轉型進程。

3研究方法

3.1熵權TOPSIS法

熵權TOPSIS法是基于熵權法確定評價指標，比較觀測值、最優方案與最劣方案之間距離來評價，若評價對象最靠近最優解，則為最滿意解。熵權TOPSIS法可以對多個對象進行評價，確定各對象所處序位，方便對象間進行比較，具有操作性和穩定性強的優點[37-39]。

3.2DEA方法

對于規模相似的多個單位的投入與產出，DEA方法在測算其相對效率時具有相對有效性[40]，故DEA方法成為被廣泛使用的效率評價方法，對于多個決策單元，DEA方法可以分別衡量其相對效率并確定其最優決策組合。常見的DEA方法包括CCR模型和BCC模型，兩者區別在于BCC模型在CCR模型的基礎上，擺脫了規模報酬不變的限制[41]。鑒于西北地區科技人力資源利用率的每個決策單元并非處于最優生產規模，故本文選擇DEA方法中的BCC模型對西北地區科技人力資源利用率進行衡量。

3.3耦合協調度評價模型

本文參考物理領域中的耦合協調度來衡量西北地區數字化轉型程度與科技人力資源利用率間的相互關聯程度，并依據耦合協調度D值大小對數字化轉型程度與科技人力資源利用率之間的耦合協調指數進行等級劃分（見表1）。

3.4指標體系的構建

基于指標選取的數據可獲得性、準確性以及科學性，本文參考相關文獻[42-44]建立評價指標體系（見表2）。

3.5數據來源

本文選取2014—2022年西北五省面板數據作為研究樣本，數據來自2015—2023年各地區統計年鑒、《中國統計年鑒》《中國科技統計年鑒》《北京大學數字普惠金融指數報告》及專利匯網站。

4實證分析

4.1數字化轉型程度及時序變化分析

依據評價指標體系與測算模型，得出2014—2022年西北地區五個省份的數字化轉型程度評價值（見表3）。西北地區五個省份中，陜西、甘肅、寧夏與新疆在2014—2022年數字化轉型程度不斷提升，青海則處于波動狀態。增長速度方面，陜西省增長速度在五個省份中最快，新疆其次，青海最慢。整體水平方面，五個省份中陜西省數字化轉型程度最高，新疆其次，寧夏相對最低。綜上可知，陜西省數字化轉型程度呈現較優水平，新疆省其次，之后為甘肅省、青海省，最后為寧夏省。

4.2科技人力資源利用率及時序變化分析

如表4所示，2014—2022年，陜西省科技人力資源利用率一直處于較優水平且波動較小，青海省與新疆省一直有所波動，而甘肅省與寧夏省在早期波動較大，但近年來逐漸趨于平穩發展。陜西省、甘肅省與青海省在九年間有五年效率達到最優，而新疆省有4年效率達到最優，寧夏省僅有兩年效率達到最優。綜上可知，陜西省在科技人力資源利用率評價中最優，其次為新疆省、青海省、甘肅省，寧夏省相對水平較低。

4.3數字化轉型程度科技人力資源利用率耦合協調度

將西北地區數字化轉型程度評價值與科技人力資源利用率耦合協調度依據表1劃分耦合協調等級（見表5、表6）。寧夏省耦合協調度一直處于較低水平，陜西省耦合協調度水平最高，但與其他三省相差較小。具體來看，陜西省與新疆省在九年間均處于協調狀態。甘肅省在2014年、2015年處于瀕臨失調狀態，在之后的七年間一直處于協調狀態。青海省2014年處于瀕臨失調狀態，2015—2022年均處于輕度協調狀態。寧夏省在九年間一直處于失調狀態。綜上可知，陜西省與新疆省處于較高的耦合協調度水平，其中甘肅省次于陜西省與新疆省，但總體水平也處于上升趨勢，再次為青海省，青海省耦合協調度水平與甘肅省相當，但一直在0.500～0.550波動。寧夏省耦合協調度水平最低，但寧夏省一直處于上升狀態。另外，從西北地區整體分析，數字化轉型程度與科技人力資源利用率間的耦合協調水平從失調水平逐漸開始協調，但整體協調水平仍然較低。

5結論與建議

5.1結論

本文利用熵權TOPSIS法、DEA方法與耦合協調度模型評估了西北地區五個省份2014—2022年的數字化轉型程度與科技人力資源利用率的耦合協調度，結論如下：

（1）從數字化轉型程度來看，西北地區五個省份在2014—2022年數字化轉型程度都有所上升，其中陜西省漲幅最高，達到177%，青海省漲幅最小，僅有20%。從時序演變來看，除青海省數字化轉型程度有所波動外，其他省份均處于增長狀態。

（2）從科技人力資源利用率來看，2014年甘肅省與寧夏省兩個省份科技人力資源利用率相對較低，僅在0.5～0.6，其他三個省份利用率已經達到較高水平，2015—2022年，各個省份科技人力資源利用率均達到較高水平，均在0.7以上。科技人力資源利用率達到1為最優，從此角度分析，陜西省、甘肅省、青海省最優占比55.55%，新疆省最優占比44.44%，寧夏省最優占比22.22%。

（3）從兩者耦合協調度來看，陜西省耦合協調水平經歷了“輕度協調-初級協調-中級協調”階段，新疆則經歷了“輕度協調-初級協調”階段，這兩個省份是耦合協調度達到較高水平的省份。甘肅省與青海省次之，分別經歷了“瀕臨失調-輕度協調-初級協調”階段與“瀕臨失調-輕度協調”階段。寧夏省相對耦合協調水平最低，但在九年間發展程度最大，經歷了“極度失調-中度失調-輕度失調-瀕臨失調”階段。從省際差異來看，西北五省耦合協調度與數字化轉型程度同樣處于“兩邊高，中部地區依次下降”狀態。

5.2建議

（1）大力推廣數字化轉型。首先，加快西北地區數字化基礎設施建設，政府應對西北地區數字化建設給予更多的政策支持與資金扶持，并結合當地情況，合理分配資源。尤其對于偏遠地區，更應該重提高數字化基礎，讓更多人參與到數字化建設中，以此帶動西北地區經濟發展。

其次，西北地區應加強具有數字化專業背景的復合型人才的引進力度，優化人才引入機制，發揮人才引領作用，加快數字化高等教育與職業教育步伐，提高勞動力質量，優化勞動力結構，從而為西北地區數字化轉型提供勞動力保障。

最后，加強區域間數字化建設交流，應加強西北地區之間的交流，發揮以陜西省為代表的高數字化轉型水平地區的帶頭作用，與其他地區分享數字化轉型經驗。加強與東部發達地區的交流，為西北地區數字化轉型引入更加優質的動能。加強國際間交流，目前我國數字化建設在某些方面仍然落后于西方發達國家[45]，可以通過出臺優惠政策，引入外資技術，為本土提供學習機會。同時，引入高競爭力的競爭對手，以增強市場競爭，推動西北地區企業大力發展數字技術。

（2）保持高科技人力資源利用率。保持高科技人力資源利用率，不僅要充分利用現有的科技人力資源，還要不斷擴大科技人力資源總量。有研究表明，西北地區科技人力資源儲備低于東部[46]，西北地區首先應規范科技人力資源管理，建立科技人力資源數據庫，規范科技人才認定規則。其次，應加大教育投入力度，擴大科技人力教育范圍，吸收更多生源，細分專業方向，使科技人才專業化，并提供教育保障。此外，西北地區還應積極響應國家政策，依據戰略要求做好科技人才儲備計劃。

（3）西北地區應規范科技投入管理，對科技成果幫扶應做到嚴格審核，科技研發支出有據可依，避免人力與物力的浪費。結合西北地區廣袤的地理特點，可以建立一體化網絡管理平臺，使科研人員工作便捷化。同時，鼓勵科研成果產出，注重科研成果質量。遴選西北地區有科研實力的高校與科研院所，聚焦原始創新，從而夯實科研創新基礎。鼓勵西北地區高校與科研院所緊密合作，打破信息壁壘，共享技術，實現科技資源的優勢互補。

5.3不足與展望

本文利用西北五省省際面板數據，對西北五省數字化轉型程度與科技人力資源利用率耦合協調度進行了實證分析，研究結論可以為西北五省經濟發展提供借鑒。但本文仍存在一些不足：首先，科技人力資源利用率研究相對較少，故對于科技人力資源利用率的衡量方法，未必為最優方法，且科技人力資源的研究熱度較低，與其在社會發展中的作用地位不匹配[47]，故以后可以從科技人力資源利用率衡量方法進行更深層次的研究。其次，本文對于數字化轉型程度與科技人力資源利用率的衡量指標選取存在主觀性，對于各地的文化差異，各指標產生的作用未能進一步探究。

參考文獻

李旭超，張文怡，趙婧.企業數字化轉型、人力資本升級與高質量就業[J].北京工商大學學報（社會科學版），2024，39（3）：40-52.

GeminiC.Digitaltransformation：Aroadmapforbillion[M].MITSloanManagement.2011.

ReddySK，ReinartzW.Digitaltransformationandvaluecreation：seachangeahead[J].MarketingIntelligenceReview，2017，9（1）：10-17.

ZiboudVanVeldhoven，JanVanthienen.Digitaltransformationasaninteraction-drivenperspectivebetweenbusiness，society，andtechnology[J].ElectronicMarkets，2021（3）：1-16.

RogersD.TheDigitalTransformationPlaybook：RethinkYourBusinessfortheDigitalAge[M].ColumbiaUniversityPress.2016：1-304

林琳，呂文棟.數字化轉型對制造業企業管理變革的影響：基于酷特智能與海爾的案例研究[J].科學決策，2019（1）：85-98.

HiningsB，Gegenhuber，Thomas，Greenwood，Royston.Digitalinnovationandtransformation：aninstitutionalperspective[J].Informationandorganization，2018（1）：52-61.

宋加金.高校科技人力資源管理問題分析[J].科學管理研究，1998（6）：52-55.

徐治立.試論科技人力資源的意義，屬性及配置開發管理[J].科技管理研究，2001（6）：62-64.

謝智波，李向東，趙華峰.科技人力資源開發潛力綜合評價[J].軟科學，2004，18（2）：86-89.

孫婕.科技人才管理影響因素與促進機制研究[J].企業改革與管理，2015（22）：44.

王奮，韓伯棠.科技人力資源區域集聚效應的實證研究[J].中國軟科學，2006（3）：91-99.

楊芝.科技人才集聚研究綜述：基于人才集聚效應的視角[J].科技創業，2014（6）：133-136.

韓偉亞.科技人才集聚環境競爭力實證研究：基于河南省18個省轄市的對比分析[J].黃河科技大學學報，2014，16（4）：48-52.

霍麗霞，王陽，魏巍.中國科技人才集聚研究[J].首都經濟貿易大學學報，2019，21（5）：13-21.

孫靜，任亞軍，朱凱，等.“雙碳”目標下新能源設計行業數字化轉型發展探討[J].西北水電，2023（3）：105-108.

趙曉理.新時代下人力資源管理存在的問題及其完善對策[J].吉首大學學報（社會科學版），2018，39（S2）：82-84.

易明，吳婷.Ramp;D資源配置扭曲、TFP與人力資本的糾偏作用[J].科學學研究，2021，39（1）：42-52.

ReisAB，SequeiraTN.HumanCapitalandOverinvestmentinRamp;D[J].TheScandinavianJournalofEconomics，2007，109（3）：573-591.

張云鳳，王雨.物流產業效率評價及影響因素分析[J].統計與決策，2018，34（8）：109-112.

李俊青，張雪瑩，袁博.社會網絡異質性與人力資本誤配[J].經濟研究，2023，58（12）：167-184.

李靜，傅明宸.企業數字化助推勞動配置效率：機制和異質性[J/OL].西安財經大學學報，1-16[2024-05-28].

林雨昕，劉怡.基礎研究資助逆向激勵的考察[J].數量經濟技術經濟研究，2023，40（11）：94-116.

劉志，唱小溪，周禹，等.過程視角下數字化人力資源管理對員工創新行為的促進機制研究[J].科技進步與對策，2023，40（12）：140-150.

王維，李璐璐，李宏揚.新一代信息技術企業文化強度、吸收能力與并購創新績效的關系研究[J].軟科學，2021，35（4）：49-54.

陳同揚，賀文靜，李婉青.數字化時代的人力資源管理與數字化人力資源管理系統辨析[J].科技管理研究，2022，42（22）：130-136.

倪央，王斌.數字化推動西藏科技人力資源配置優化研究[J].西藏大學學報（社會科學版），2024，39（1）：207-216.

肖土盛，孫瑞琦，袁淳，等.企業數字化轉型、人力資本結構調整與勞動收入份額[J].管理世界，2022，38（12）：220-237.

Alexopoulos，M.andCohen，J.，2016，“TheMediumIstheMeasure：TechnicalChangeandEmployment，1909-1949”，ReviewofEconomicsandStatistics，98（4）：792-810.

姚嵐，譚維智.數字化轉型視域下技術創新人才培養：訴求、困境與變革[J].高等工程教育研究，2023（1）：142-147.

史宇鵬，王陽，張文韜.我國企業數字化轉型：現狀、問題與展望[J].經濟學家，2021（12）：90-97.

涂曉楓，周遠洋，張濤，等.金融科技助力金融基礎設施數字化轉型[J].債券，2024（4）：84-89.

曾祥明.數字經濟推進共同富裕的理論機理、現實困境與路徑優化[J].湖北大學學報（哲學社會科學版），2023，50（5）：11-20.

汪淼軍.流通數字化和創造性毀滅[J].浙江大學學報（人文社會科學版），2022，52（12）：5-20.

于淼，劉銘基，趙旭.企業數字化轉型需要什么樣的“領航員”：基于機器學習方法的考察[J].中國軟科學，2024（5）：173-187.

吳江，馮定國.加快形成新質生產力的人才驅動策略[J/OL].當代經濟管理，1-11[2024-05-30].

韋曉保，陳巽.基于熵權TOPSIS法的機器翻譯譯文測度[J].外國語（上海外國語大學學報），2023，46（6）：106-119.

趙俊遠，梁靜波，高翔.黃河流域旅游發展績效的時空格局與影響因素[J].統計與決策，2023，39（23）：68-73.

許軍.中國產業鏈創新水平的測度評價：地區差距與動態演進[J].統計與決策，2024，40（5）：111-115.

楊國梁，劉文斌，鄭海軍.數據包絡分析方法（DEA）綜述[J].系統工程學報，2013，28（6）：840-860.

王江泉，張俊，趙鑫.考慮技術進步的DEA方法研究[J].統計與信息論壇，2021，36（3）：32-48.

孫勇，張思慧，趙騰宇，等.數字技術創新對產業結構升級的影響及其空間效應：以長江經濟帶為例[J].軟科學，2022，36（10）：9-16.

何偉，董影，呂靜文.數字化轉型對區域創新生態系統生態位適宜度的影響[J/OL].科技進步與對策，1-10[2024-05-11].

劉玲，杜鵬程，趙曙明.基于DEA的我國科技人力資源利用效率研究：以高技術產業為例[J].科技與經濟，2010，23（3）：73-76.

劉景景，熊學振，吳天龍，等.農業農村數字技術應用的國際鏡鑒及踐行指向[J].世界農業，2024（5）：5-12.

張靜，鄧大勝.異質性科技人力資源集聚及影響因素研究[J].技術經濟，2021，40（3）：108-118.

馬茹，黃園淅.區域科技人力資源測度及影響因素研究[J].中國科技論壇，2022（4）：109-119.