Evaluation of Internet Innovation in China: an Empirical Analysis based on 31 Provinces

Chang Yu，Xue Yingjie，Wu Zexun

(School of Management,Northwestern Polytechnical University,Xi'an 710072，China)

Abstract：Aiming at the realistic situation of Internet innovation and combining with the characteristics of Internet innovation,this paper constructs the evaluation index system of Internet innovation in China's provinces from three dimensions: Internet innovation environment,Internet innovation investment and Internet innovation achievements.Using the third-party objective data and the improved grey correlation method,the paper makes an empirical analysis of the current situation of Internet innovation in 31 provinces in China.The evaluation results show that there are great differences in the level of Internet innovation among provinces in China.The level of Internet innovation in eastern coastal provinces is significantly higher than that in central and Western provinces.There exists unbalanced development among dimensions in Hebei,Liaoning and Anhui provinces,which restricts the development of Internet innovation.Finally,according to the evaluation results,the paper puts forward some countermeasures and suggestions to improve the current situation of Internet innovation.

Key Words:Internet Innovation; Innovation Evaluation; Resolution Coefficient; Improved Grey Correlation Method

收稿日期：2019-09-12

基金项目：国家社会科学基金项目(17XGL014)

作者简介：常玉(1971-)，女，陕西西安人，博士，西北工业大学管理学院教授、博士生导师，研究方向为战略与营销、创新评价；薛莹洁(1995-)，女，陕西渭南人，西北工业大学管理学院硕士研究生，研究方向为创新评价；吴泽巽(1993-)，男，浙江湖州人，西北工业大学管理学院硕士研究生，研究方向为创新管理。

DOI：10.6049/kjjbydc.2019050006

开放科学(资源服务)标识码(OSID)：

中图分类号：F49

文献标识码：A

文章编号：1001-7348(2020)01-0074-09

0 引言

近年来，越来越多的国家把互联网战略作为巩固自身在技术、产业方面的领先优势，抢占未来产业发展制高点的重要措施[1]。党的十九大报告明确指出推动互联网和实体经济深度融合，并提出建设网络强国的行动计划。互联网战略实施给创新活动注入了前所未有的活力和能量，对创新具有显著推动作用[2]。互联网与创新互动，衍生出互联网创新这一新概念，与传统创新相比，互联网创新具有更加鲜明的特点：以互联网发展为基础，利用互联网对生产要素进行优化配置、重新解构与创造性再整合[3]，体现为互联网对经济运行、社会生活的渗透和改变。因此，如何科学、客观、全面地对中国互联网创新现状进行评价，厘清各省域在互联网创新方面的优势和不足，找出差距产生的原因并提出针对性政策建议，对于优化创新资源配置，提升我国互联网创新发展水平，推动整体经济结构转型升级，具有重要的现实价值。

从现有文献看，国内外学者从不同角度对互联网创新进行了研究，如Zhao等[4]从企业层面重点研究互联网产业集群创新绩效评价体系及算法；Paskaleva Krassimira&Cooper Ian[5]从创新管理角度对公共服务创新评价进行研究，建立了公共服务创新评估框架和指标体系；Battistella&Nonino [6]采用案例研究、因素分析和多维尺度等方法，研究开放式网络平台商业模式影响因素。基于不同角度的互联网创新研究，引起了学者们对互联网创新整体水平的关注，提出不同维度的互联网创新评价体系。如黄澄清等[7]构建了中国互联网行业创新能力发展指标体系，包括创新动力基础、创新社会环境、创新企业价值、创新资本动态、创新活跃领域、创新成果效益6个维度，并利用层次分析法确定指标权重，对我国互联网行业创新能力发展指数进行评估；张军涛和黎洁岑[8]从创新投入、创新环境和创新产出3个维度构建基于移动互联网产业聚集的城市创新能力评价指标体系，采用主成分分析方法对北京、深圳、广州等城市创新能力进行评价和比较研究；米传民等[9]采用逐级等权法确定指标权重，结合线性加权方法，以江苏省为例，从创新投入、创新环境和创新绩效3个维度对 “互联网+”背景下的创新指数进行测算，完善了创新指数设计与研究。

在评价方法选择方面，各方法在实际评价过程中各有优劣，其中层次分析法、模糊综合评价法需要依赖专家经验确定指标权重，具有较强的主观性，因子分析和主成分法需要有足够的样本数量，且对样本分布有严格的要求。灰色关联法对样本量要求不高，样本数量并不影响计算过程和评价结果，且样本无需服从某种典型分布，计算方法相对简单也容易操作，因而具有更广泛的适用性。已有众多学者运用灰色关联法对创新评价进行研究，如裴潇和陈俊领[10]运用灰色关联法对湖北省高技术产业技术创新绩效进行评价研究；祝新和王邵[11]构建区域科技创新能力多层次灰色关联分析评价模型，重点探讨广西科技创新能力现状；崔学海和王崇举[12]基于2000—2016年面板数据，采用灰色关联分析法对长江经济带各省市创新绩效进行研究。互联网创新是一个新颖的概念，需要从多个维度对其进行全面评价研究，评价指标数量众多，而实际可获取的指标数据非常有限。鉴于灰色关联法对样本分布和数据量要求不高，在小样本、贫信息研究方面具有良好的可靠性，因而对于互联网创新评价研究具有显著优势。由此，本文选用灰色关联法对我国内地31个省域互联网创新水平进行评价分析。

通过分析已有文献可以看出，学者们从创新绩效、创新能力等不同角度对互联网创新评价进行探索，对中国互联网创新评价研究具有一定的推动作用，但现有指标体系既未能有效结合互联网创新特点，也未充分考虑互联网战略背景对省域创新的影响，更无法明晰我国各省域互联网创新差异。随着互联网全面融入经济社会系统，互联网时代下创新发展被赋予了新的内涵，综合评价我国内地31个省域互联网创新现状，对于优化区域资源配置、推动互联网创新能力提升具有重要理论意义及现实价值。

因此，本文针对互联网创新特点，紧密结合中国互联网创新现实情境，从互联网创新环境、互联网创新投入和互联网创新产出3个维度构建互联网创新评价指标体系，运用改进的灰色关联法，对我国内地31个省域互联网创新进行科学、系统的评估与分析。

1 中国互联网创新评价指标体系构建

1.1 互联网创新评价指标提取

互联网创新评价涉及因素错综复杂，系统、全面、可操作性强的评价指标是互联网创新评价指标体系构建的基本前提。创新是一项复杂的投入产出系统工程，创新过程是指在创新环境的支撑下，从创新要素投入到创新成果产出的多阶段、多要素价值链传递过程[13]，通过研发活动，将人力、资本等创新投入转化为以发明专利为主的知识性产出，进而利用商业化活动实现知识产出的市场价值。同时，创新活动开展离不开创新环境，后者为创新活动提供坚实的基础设施和良好的创新社会氛围。因此，本文以投入—产出模型为理论基础，结合全球创新指数报告[14]及欧盟创新记分牌[15]，参考黄澄清[7]、张军涛[8]、米传民[9]等的研究成果，从互联网创新环境、互联网创新投入、互联网创新成果3个方面揭示互联网创新过程，如图1所示，并据此提取中国互联网创新评价指标。

(1)互联网创新环境。互联网创新环境是互联网创新的外在条件，一般分为支持创新的硬条件和促进创新的软环境[16]，分别采用互联网创新基础和互联网创新社会氛围衡量。①互联网创新基础是支撑互联网创新的保障和基础资源，本文从互联网受众基础、实际应用情况及基础建设水平进行分析，采用人均移动互联网流量和人均互联网宽带端口衡量互联网实际应用情况。互联网普及率反映受众基础，采用互联网行业固定资产投资衡量基础设施建设水平；②互联网创新社会氛围体现了社会、政府等对互联网创新的推动力和支持力，主要体现为互联网创新活力、网络安全保障和政府支持。采用电子商务水平、高等教育人口、互联网+创新创业衡量互联网创新活力水平，网络信息安全水平反映网络安全保障情况，众创空间、互联网创新政策、高等教育经费投入体现政府支持力度。

(2)互联网创新投入。创新投入是创新活动开展的基础和前提条件，创新活动需要大量人才和资本投入，互联网创新投入一般从互联网创新人才和互联网创新资本两个方面加以衡量。①互联网创新人才代表互联网创新人才支持。互联网从业人员和岗位规模是衡量互联网创新人才的总量指标，互联网从业人员占比和研发人员占比是衡量创新人才的比率指标； ②互联网创新资本动态反映创新活动的资本支持情况，主要体现为投资项目和基金项目情况，以及对技术研发的直接投入资本。其中，互联网投资项目和投资规模衡量互联网创新投资项目建设情况，互联网基金项目、互联网基金规模、政府引导基金反映基金项目投入情况，新兴技术研发投入直接体现技术研究的资本投入情况。

(3)互联网创新成果。创新成果包括中间成果和最终成果，其中创新中间成果由发明专利申请等知识性产出构成，创新最终成果由企业成果和产业成果构成[12]。因此，本文从互联网创新知识产出、互联网+产业融合和互联网企业成果3个方面衡量。①互联网创新知识产出主要反映互联网创新领域知识密集度和回报率，本文采用互联网发明专利申请量和实用新型申请量代表创新领域知识密集度，采用互联网专利交易代表知识产出回报率；②“互联网+产业”融合反映互联网要素与传统行业的融合程度。制造业、服务业、文体和娱乐产业是“互联网+产业”融合的主要领域，故本文选取“互联网+制造业”、“互联网+服务业”、“互联网+文体和娱乐”3个指标；③互联网创新企业成果反映知识成果转化的经济效益，包括数量成果和收益成果。本文采用新增互联网企业和百强互联网企业反映互联网创新企业数量成果，采用互联网企业市值和企业利润体现互联网创新收益成果。

1.2 中国省域互联网创新评价指标体系构建

以互联网创新过程理论为基础，遵循指标设计的科学性、系统性、合理性、可量化性等原则，对互联网创新领域的5位学者及具有互联网创新实践经验的5位企业家进行多次实地调研和访谈，结合调研结果及访谈意见构建中国互联网创新评价指标体系，具体包括3个一级指标、7个二级指标和31个三级指标，如表1所示。

2 改进灰色关联评价方法

灰色关联分析法[17]根据各比较序列曲线与参考序曲线间的几何相似程度确定序列间的关联度，几何形状越接近，相应评价序列和参考序列之间的关联度就越大[18]。传统灰色关联分析法中，分辨系数ρ 的取值没有具体量化方法，大多取经验值0.5，不能适用于所有评价体系[19]。本文采取改进灰色关联分析方法，对分辨系数ρ进行量化取值，运用变异系数法确定各指标客观权重，结合关联系数确定各评价对象的关联度值，从而使评价过程更为客观、可靠。改进的灰色关联评价方法实现步骤如下：

(1)原始评价矩阵无量纲化处理。假设评价指标体系共有m个评价对象，n个评价指标，建立原始评价矩阵X=(xij)m×n，i=1,2,3,…,m;j=1,2,3,…,n。为消除不同量纲对评价结果的影响，首先将原始数据按均值法进行无量纲化处理。

(1)

(2)量化ρ 值。结合吕锋[20]给出的分辨系数量化方法，采取以下方法确定ρ 值：令△ij=|x0j-xij|(i=1,2,3,…,m;j=1,2,3,…,n)，则：

(2)

(3)

其中，当△max>3△v，表示出现异常值，应减小ρ 的取值，以降低△max对关联度的影响。此时，取ε△≤ρ≤1.5ε△,一般取ρ=1.5ε△。当0≤△max≤3△v时，表示观测序列比较平稳，应增大ρ 的取值，以增强△max对关联度的影响。此时，取1.5ε△≤ρ≤2ε△，一般取ρ=2ε△。

(3)指标权重确定。利用变异系数法确定指标客观权重W=(w1,w2,…,wn)的方法如下：

(4)

(5)

其中，Vj是指标j的变异系数，σj是指标j的标准差，是指标j的平均值。

(4)灰色关联系数计算。首先确定参考序列x0j,j=1,2,3,…,n，进一步根据参考序列x0j和xij'比较序列计算灰色关联系数矩阵R=(rij)m×n，其中：

(6)

(5)灰色关联度计算。根据灰色关联系数矩阵R=(rij)m×n，结合权重向量W=(w1,w2,…,wn)，计算第i个样本的灰色关联度值。

(7)

3 中国省域互联网创新实证分析

3.1 样本选取与数据来源

本文以我国内地31个省域为研究样本，全部采用2017年第三方客观数据，对中国省域互联网创新进行评价分析，统计数据来源包括2017年《中国统计年鉴》，以及中华人民共和国科学技术部、中华人民共和国工业和信息化部、中华人民共和国教育部、中国互联网络信息中心、万方数据知识服务平台、清科研究中心、成都数联铭品科技有限公司等官方网站。

3.2 基于改进灰色关联法的中国互联网创新评价

(1)分辨系数量化。依据互联网创新评价指标体系及2017年中国内地31个省域实际数据，构建原始评价矩阵X=(xij)31×31，根据分辨系数量化方法，得到△max=4.303，△v=0.999，从而计算由于即△max>3△v，故取分辨系数ρ=1.5ε△=1.5×0.232=0.348。

(2)指标权重确定。利用变异系数法计算各指标权重，得到权重向量W=(w1,w2,…,wn)，计算所得各指标权重如表2所示。

(3)互联网创新水平测算。结合参考序列和比较序列，利用我国省域互联网创新关联系数矩阵计算二级指标评价结果及排名，如表3所示。

进一步计算我国内地31个省域互联网创新评价结果及排名，如表4所示。

依据我国内地31个省域互联网创新评价结果，以东部、中部、西部和东北地区划分为依据，将区域内各省互联网创新指标均值作为地区得分，得到我国四大地区互联网创新评价结果及排名，如表5所示。

3.3 结果分析

为了更直观地显示我国内地各省份互联网创新水平，本文分别从省域和地区两个维度绘制互联网创新及一级指标得分折线图，如图2、3所示。

(1)互联网创新总体评价分析。从四大地区看，东部地区互联网创新水平显著高于其它3个区域，中部和东北地区互联网创新水平较为接近，西部地区互联网创新水平最低。互联网创新发展具有显著区域集聚性，排名前10的省市有8个位于东部地区，而排名后5的省(市、自治区)均位于西部地区。互联网创新水平与区域发展状况息息相关，我国东部地区经济条件、产业结构、创新基础、政策环境等发展良好，吸引了大量创新人才和创新资本，催生了阿里巴巴、腾讯、京东等一大批优质互联网企业，并进一步带动区域互联网创新水平提升，互联网创新整体优势显著。湖北、山西等中部省份积极建设大数据中心，为发展互联网产业奠定了坚实的基础。我国西部地区经济发展较为落后，互联网创新基础薄弱，创新投入不足，整体互联网创新水平有待进一步提高。

从省域角度看，我国内地31个省(市、自治区)中，互联网创新排名前10的分别是北京、广东、上海、江苏、浙江、福建、四川、山东、湖北和河南。北京和广东互联网创新居全国前两名，北京是全国政治文化中心和科技创新中心，良好的经济发展条件和产业基础吸引了大量高水平人才与资本，具有显著的互联网创新资源投入和成果产出优势。广东高度发达的经济为互联网创新提供了强有力的支撑，以腾讯、华为等为代表的ICT企业强有力地推动了广东互联网创新发展。此外，北京和广东的互联网创新环境、投入和成果得分均位于全国前3名，说明其不仅实现了综合发展水平领先，而且在各维度均表现突出，实现了均衡发展。上海、江苏和浙江的互联网创新得分分别居第3、4、5名，它们在互联网创新环境、投入及成果方面均有较为优异的表现。此外，互联网创新得分前10的还有福建、四川、山东、湖北和河南，它们整体上互联网创新发展水平较为接近，但各维度均衡发展情况存在一定差异，如山东、河南在互联网创新环境、投入和成果各维度发展较为均衡，而湖北虽然在互联网创新投入和成果方面有较为良好的表现，但其互联网创新环境较为落后，仅列第12名，各维度发展不均衡，影响了其互联网创新综合排名。甘肃、内蒙古、宁夏、青海和西藏5省(自治区)的互联网创新总体评价排在31个省域的最后5名，其在互联网创新环境、投入和成果方面基本都在25名以后。上述5个省(自治区)均位于我国西部地区，互联网基础设施建设较为欠缺、人才匮乏、资本投入不足、企业成果较少，互联网创新发展水平亟待提升。

(2)互联网创新环境分析。从四大地区划分看，东部地区互联网创新环境得分显著高于其它地区，中部和东北地区间差距较小，西部地区得分最低。我国东部地区一直处于经济发展的最前沿，《政府工作报告》指出，要落实和完善促进东部率先发展的改革创新举措，实现东部地区高质量发展。经济快速发展、政策支持、资产投入等为东部地区营造了良好的互联网创新环境。2017年，互联网创新环境排名前8的省市均位于东部地区，其互联网创新基础和创新社会氛围具有显著优势，有利于互联网创新环境水平提升。

从省域角度看，目前江苏、广东、北京、浙江、上海、福建、山东、河北、辽宁和四川互联网创新环境位居内地31个省域前十，大多集中于我国东部沿海地区，互联网创新基础和互联网创新社会氛围优势较为显著。江苏、广东、北京、浙江互联网创新基础和互联网创新社会氛围得分大多位居前5，不仅互联网创新环境综合水平高，而且实现了各维度协调发展。受经济发展水平、区域文化等影响，上海互联网普及率较高，仅次于北京，有利于形成良好的互联网创新基础，江苏和辽宁人均互联网宽带接入端口数均大于0.7，仅次于浙江和北京。北京、福建、四川等省市颁布了较多的互联网创新相关政策，说明政府部门对互联网创新活动高度重视，如2017年北京共有154条与互联网创新相关的政策出台，而福建和四川以80多条网创政策紧随其后。2017年，山东教育经费投入达到1 825亿元，在我国内地31个省域中位列第3，其互联网创新环境整体排名有所提升。

(3)互联网创新投入分析。东部地区互联网创新投入得分最高，其次为中部地区，东北和西部地区最后，两者间差距较小。经济快速发展和产业结构调整，为东部地区吸引了大量互联网创新人才和互联网投资项目、投资基金等，提升了区域互联网创新投入水平。西部地区由于经济发展较落后，其互联网产业发展基础仍较为薄弱，仅四川、贵州互联网创新投入得分排名靠前，青海、宁夏、西藏、甘肃等省(自治区)互联网创新投入严重不足，拉低了西部地区整体互联网创新投入水平。

从各省域看，北京、广东、上海、浙江、江苏、四川、湖北、福建、山东和湖南等省(市)互联网创新投入在我国内地31个省域中位列前10，上述省(市)互联网创新人才和互联网创新资本投入力度较大，如北京、广东、上海、浙江、江苏互联网创新人才和资本投入得分均位列前5，其2017年互联网从业人员总量均超过25万人，互联网行业本科以上人员占比均超过20%，远高于其它省市。此外，四川、湖北、山东和湖南互联网创新人才和资本投入水平较为均衡，但部分省域在互联网创新投入维度方面依然存在不均衡发展现象，如贵州互联网创新资本投入得分虽位列第10，但其互联网创新人才投入得分却位列第23。近年来，大数据成为贵州新标签，其大数据产业规模总量超过1 100亿元，被称为“大数据之都”，引入了戴尔、谷歌、阿里巴巴、腾讯、百度等知名互联网企业，政府和社会资本投入大量资金用于贵州互联网产业发展，提升了其互联网创新资本投入水平。但由于贵州整体就业环境有待改善，创新人才吸引能力有限，其互联网创新投入整体水平有待进一步提升。

(4)互联网创新成果分析。从四大区域看，互联网创新成果得分最高的为东部地区，其次为中部地区，东北和西部地区得分较低。我国东部地区拥有良好的创新环境和大量创新资源投入，有利于互联网创新专利产生，催生了大量互联网上市企业，丰富了东部地区互联网创新成果。

从具体省域看，北京、浙江、广东、上海、江苏、福建、湖北、四川、山东和湖南互联网创新成果在我国内地31个省域中位列前10。其中，北京、浙江、广东、上海在互联网创新知识产出、“互联网创新+”产业融合及互联网创新企业成果方面位列前5，各维度发展水平较高且发展均衡。其中，北京作为我国科技文化中心，互联网产业蓬勃发展，以滴滴出行、今日头条、商汤科技等为代表的互联网科技企业快速成长，离不开发明专利的积累，从而形成独特优势，保持行业竞争力。2017年，北京、广东、上海、浙江互联网发明专利申请和互联网专利交易总量均超过10 000件，远超过其它省市，其中，北京和广东专利申请和交易总量超过20 000件，具有显著互联网创新知识产出优势。此外，山东、福建、湖北等省域互联网创新成果各维度未能实现均衡协调发展，如山东和福建互联网创新知识产出得分分别位列第6、第8，而“互联网+”产业融合得分排名均接近20。

4 结论与政策建议

4.1 结论

本文构建包括互联网创新环境、互联网创新投入和互联网创新成果3个一级指标、7个二级指标及31个三级指标的中国互联网创新评价指标体系，以我国内地31个省域为研究样本，采用第三方客观数据并运用改进色关联法对我国互联网创新现状进行评价与分析,得出如下结论：

(1)从整体评价结果看，我国互联网创新水平较高的省(市)大多集中于东部沿海地区，北京、广东、上海、江苏、浙江、福建、四川、山东、湖北和河南互联网创新得分位列前10，而西部地区互联网创新整体发展水平亟待提升，甘肃、内蒙古、宁夏、青海和西藏5个省(自治区)排名靠后。

(2)从分维度评价结果看，我国部分省域互联网创新各维度间存在发展不均衡现象，创新环境、创新投入和创新成果维度间的排名差异较大，得分均衡性较差，从而影响互联网创新综合水平评估。

本文与中国互联网协会发布的《2017中国互联网发展报告》的研究结论基本一致，该报告指出，我国互联网发展指数排名前10的省(市)分别为广东、北京、浙江、江苏、上海、福建、四川、山东、天津、湖北。除河南外，本文中互联网创新排名前10的省(市)在互联网发展指数评价中也位列前10。2017年，河南省互联网创新社会氛围得分排名第9，创新企业成果得分排名第10，此外其教育经费投入总额为1 344亿元，在我国内地31个省域中排名第4，在“互联网+创新创业大赛”中获奖数量较多，共28项，排名第6，这些都促进了河南互联网创新水平提高。

4.2 政策建议

(1)东部沿海省域要继续做好我国互联网创新发展的领头羊。东部沿海省域互联网发展起步较早，基础设施建设较为完善，经济及产业发展水平高，吸引了大批优秀互联网创新企业和创新人才。首先，政府部门要继续发挥自身优势，改善互联网创新环境，开展丰富、多元化的互联网创新业务，积极探索互联网创新前沿技术，通过多元化产业和项目投入，借助自身强大的经济实力和多元化产业，积极实施“无线城市”、“智慧城市”发展战略，形成5G产业发展格局；其次，东部经济发达地区要放眼海外人才市场，积极吸引海外人才加入，构建导向鲜明、激励有效、科学规范的人才培养、引进和使用模式。此外，要从政策和资金方面鼓励互联网产业集聚，吸引知名互联网创新企业落户，积极推动互联网创新成果转化，保持互联网创新市场竞争力，继续占据互联网创新发展制高点，发挥好互联网创新领头羊的作用。

(2)中西部省域要充分发挥互联网创新发展的巨大潜力优势，做好互联网创新发展的中坚力量。首先，政府部门要统筹规划互联网创新产业布局，找准省域互联网创新发展定位，借助省域优势资源和产业发展特点发展优势领域；其次，推动互联网行业基础设施建设，实施宽带提速计划，加快百兆宽带普及，推动千兆宽带城市建设；再次，各省域要主动引领前沿“互联网+”重大工程，加快建设“众创空间”、“园区”等互联网创新载体，通过完善互联网创新基础设施建设，营造积极的社会创新氛围，从而形成良好的互联网创新环境；最后，中西部地区首先要继续加大教育科研经费投入力度，在培养和留住现有人才的同时，通过放宽人才落户制度、简化相应行政手续、提供政府补贴等政策吸引外来创新人才。

(3)强化省域互联网创新的突出优势，推动互联网创新均衡发展。各省域应有针对性地采取措施弥补自身短板，如互联网创新投入得分较低的省域应发挥后发优势，加大本地区互联网创新人力和资本投入力度；创新环境和创新成果得分较低的省域则需要深入实施创新驱动发展战略，不断改善互联网创新环境，加大教育科技投入力度，积极推进科技成果转化，通过创新驱动、挖掘发展潜力，实现互联网创新均衡协调发展。

受篇幅及理论水平限制，本研究尚存在以下不足：①由于互联网创新相关数据获取有一定难度，在互联网创新评价指标体系构建时，指标选取受到限制；②本文仅以2017年我国内地31个省域为研究样本，样本量有限，未能从时间、城市等角度对我国互联网创新进行评价分析。未来可进一步完善互联网创新评价指标体系，并从时间、地区等角度进行评价分析，以期丰富互联网创新研究内容。

参考文献:

[1] 郭家堂,骆品亮.互联网对中国全要素生产率有促进作用吗[J].管理世界,2016(10):34-49.

[2] 张旭亮,史晋川,李仙德,等.互联网对中国区域创新的作用机理与效应[J].经济地理,2017,37(12):129-137.

[3] 张骞,吴晓飞.信息化对区域创新能力的影响——马太效应存在吗[J].科学决策,2018(7):1-21.

[4] ZHAO Y,LIU Y,ZENG Q A,et al.The research of the innovation performance evaluation system for enterprises in internet and communication industrial clusters[J].International Journal of Interdisciplinary Telecommunications & Networking,2014(6).

[5] KRASSIMIRA P,IAN C.Open innovation and the evaluation of internet-enabled public services in smart cities[J].Technovation,2018:S0166497218304711-.

[6] BATTISTELLA C,NONINO F.Exploring the impact of motivations on the attraction of innovation roles in open innovation web-based platforms[J].Production Planning & Control,2013,24(2-3):226-245.

[7] 黄澄清,张静,谢程利.中国互联网行业创新能力发展指数构建与评估研究[J].汕头大学学报(人文社会科学版),2016,32(6):146-153.

[8] 张军涛,黎洁岑.基于移动互联网产业集聚的城市创新能力比较研究[J].财经问题研究,2014(11):115-119.

[9] 米传民,鲁月,王怡静.“互联网+”背景下的创新指数设计与研究——以江苏省为例[J].科技管理研究,2018,38(22):1-5.

[10] 裴潇,陈俊领.湖北省高技术产业技术创新绩效评价研究[J].科技进步与对策,2013,30(21):128-132.

[11] 祝新,王邵.基于灰色关联分析模型的广西科技创新能力评价研究[J].科技进步与对策,2016,33(22):109-115.

[12] 崔学海,王崇举.协作视域下长江经济带创新绩效评价与治理研究[J].华东经济管理,2018,32(11):60-67.

[13] 齐亚伟.我国区域创新能力的评价及空间分布特征分析[J].工业技术经济,2015,34(4):84-90.

[14] CORNELL UNIVERSITY,INSEAD,WIPO.The global innovation index 2018:the local dynamics of innovation global[R].Geneva,Ithaca and Fontainebleau,2018.

[15] EUROPEAN COMMISSION.European innovation scoreboard 2018[EB/OL].http:ec.europa.eu/growth/industry/industry/innovation/facts-figures/scoreboards_en.

[16] 罗文.互联网产业创新系统及其运行机制[J].北京理工大学学报：社会科学版,2015,17(1):62-69.

[17] JU-LONG D .Control problems of grey systems[J].Systems & Control Letters,1982,1(5):288-294.

[18] FU C,GAO X,LIU M,et al.GRAP: grey risk assessment based on projection in ad hoc networks[J].Journal of Parallel & Distributed Computing,2011,71(9):1249-1260.

[19] 黄寰,王玮.基于改进灰色关联分析法的工业园区循环经济评价研究[J].软科学,2016,30(6):130-133+144.

[20] 吕锋.灰色系统关联度之分辨系数的研究[J].系统工程理论与实践,1997(6):50-55.

(责任编辑：张 悦)