科技服务业产出测算：指标确立、数据收集与未来预测

随着我国科技服务业快速发展，产业规模和要素投入与日俱增，建立一套科学合理的产出评价体系已经成为现实所需。科技服务业产出评价体系包含多元性和系统性内容与结构，如评价维度、评价方法、评价依据、评价原则等。科技服务业产出测算是科技服务业产出评价体系的重要组成部分，其测算数据是开展科技服务业产出评价的依据和支撑。从微观层面看，科技服务企业基于自身盈利最大化的核心目标已经设计或采取相对成熟、完善的成本控制和收益管理制度，其中就包括复杂的企业产出统计指标和日臻改进的计算方法。这种微观层面的企业产出统计主要是对科技服务企业经济产出的测算，直接反映出企业生产与经营效益状况，属于企业内部管理活动范畴。与之不同的是，本文研究的科技服务业产出测算是一种宏观层面的测量和计算活动，主要是指对某一时间段特定地区或区域范围内科技服务业发展过程中获取或产生的经济产出和社会产出进行统计与测算，更多地是反映科技服务业产出的社会价值，比较适用于政府部门制定科技服务业发展规划或调整科技服务业政策投入等经济活动。科技服务业产出测算是衡量科技服务业政策效果的重要步骤，对总结既有政策经验、调整当前政策投入以及预测产业未来发展规模具有重要参考意义。指标确立和数据收集是进行科技服务业产出测算的基础和前提，如图1所示。此外，未来预测是科技服务业产出测算的一个重要功能，尤其在编制科技服务业发展规划和确定科技服务业未来发展指标中具有关键支撑和参考作用。

目前，国内外学者关于科技服务业发展数据的统计与应用研究已经比较常见，相关研究思路和研究方法较为新颖丰富，且还在不断进行开拓和创新，但科技服务业产出测算方面的研究尚不多见。与国内相比，国外科技服务业发展历程较长，产业数据统计与应用已经相当规范和成熟，因此国外相关研究更多集中于利用科技服务业发展数据探究科技服务业内部特征和外部效应，如评估产业空间布局[1]、预测科技服务业创新倾向[2]、探讨科技服务业与经济增长之间的关系[3-4]以及分析科技服务业国际竞争力[5]等。国内学者在科技服务业数据统计与应用方面的研究主要集中于以下两个方面：一是探讨科技服务业主要业务构成，以行业模块形式划分科技服务业子产业，归纳科技服务业基本业态，勘定产业边界，构建符合我国国情的科技服务业行业分类标准[6]；二是对一定地域范围的科技服务业发展水平、竞争力水平、创新能力、服务能力、发展潜力等进行评价分析，运用定量方法和模型构建科技服务业评价维度指标体系，通过对初级指标进行层层分解和量化，将科技服务业部分发展指标转化为可测算、可获取的数据。

(1)在科技服务业行业划分方面，学界至今尚未形成相对一致的观点和标准，学者们从不同视角和领域提出科技服务业产业构成的多种划分标准。如彭海阳[7]在整合已有文献、国内行业分类政策和国外(美国、欧盟、日本等)行业分类标准基础上，将科技服务业业态划分为研究服务、科技中介服务、科技信息服务等11种类型；张恒等[8]将科技服务业划分为科研技术服务业、科学信息服务业、科技资本服务业、科技宣传服务业和科技管理服务业5种基本行业；赵三武和孙鹏举[9]认为，科技服务业可以划分为4个层次，即科技成果开发形成服务、科技成果传播应用服务、科技活动专业基础服务和科技活动公共基础服务；韩鲁南等[10]提出，与国外相比，我国科技服务业分类缺少法律与会计实践活动、总公司活动、管理咨询活动及广告与市场研究。由此可见，科技服务业产业划分和产业边界日益清晰，逐渐形成以科技研发服务、科技中介服务、创业创新服务、专业技术服务、科技普及服务为组成部分的科技服务业分类模式。

(2)在产业评价和实证分析方面，学者们采用众多定量分析工具，如TOPSIS方法、因子分析法、主成分分析法、CRITIC-VIKOR 法等，并在构建相应模型指标体系过程中，不断对科技服务业不同维度进行分解和量化。如王颖等[11]运用TOPSIS方法对我国中部地区6个省份科技服务业发展水平进行比较和评价，将发展规模、投入水平和发展潜力3个一级指标分解为10个可测算的二级指标；周慧妮(2017)综合运用因子分析和Ward 聚类法分析湖北省科技服务业竞争力水平，在科技服务业发展基础、科技服务业投入和科技服务业产出3个一级指标下确定20个具体量化指标；周峰[12]在对科技服务业创新能力进行评价时，围绕市场和创新提出基于4C理论的科技服务业创新能力评价指标体系，包括客户需求、客户成本、客户便利和客户沟通能力4个一级指标以及与之对应的9个二级指标；张鑫等[13]采用改进的CRITIC-VIKOR法构建包含服务创新产业发展潜力、服务创新资源投入能力和服务创新成果创造能力3个一级指标、10二级指标和25个三级指标在内的评价指标体系；段利民等[14]运用主成分分析法确定经济水平、科技资源、制造业基础、科技服务业基础和政府支持5个一级指标，并细化出18个可测量二级指标。在学者们推动下，科技服务业发展效率和效能评价有了量化指标支撑，并且相关指标体系逐渐走向成熟，可用于实践操作，从而为科技服务业产出测算提供了有益借鉴。

综上所述，学者们的研究观点为科技服务业产出测算提供了思路和方法借鉴。然而，当前相关研究仍存在以下不足之处：首先，当前学术界关于科技服务业产业划分的方法和观点很多，且各有合理之处，但尚未形成一个被普遍认同的划分标准，因此操作起来会面临如何选择的困境；其次，为了对科技服务业发展状况进行评价，学者们构建了很多量化指标体系，但这些量化指标仅服务于不同定量分析模型和方法中相应指标维度测算需要，指标涵义和范围过于宽泛，对科技服务业产出测算借鉴有限；最后，目前学术界鲜有学者关注科技服务业产出测算的重要功能，尤其是在编制科技服务业发展规划中对科技服务业相应发展指标的未来预测。基于此，本文以科技服务业产出测算为研究对象，结合学者观点、政策规范及相关实践经验，从指标确立、数据收集和未来预测方面阐述科技服务业产出测算过程，为科技服务业产出测算和科技服务业政策评价研究提供思路与方法探索。

1 指标确立

前文论及目前学术界在科技服务业产出研究方面出现两个并驾齐驱的重要趋势：一是产业划分更加明确，二是构建形式多样的量化指标体系。然而，就科技服务业产出测量而言，这“两架马车”还存在一定局限性。首先，划分科技服务业后，各子产业相应的测量指标体系并未建立起来；其次，已有量化指标多是基于不同评价需求，在各种评价模型或方法基础上建立起来的，一级指标分类不清晰，二级指标过于宽泛和分散。因此，为了克服以上两种局限，便于科技服务业产出测量指标确立，可以将“两架马车”合二为一，即在产业划分基础上，借鉴已有指标体系部分指标，建立起科技服务业主要分支产业量化指标，以此作为科技服务业产出测量依据。一方面，从分支产业分别进行产出测量，方法简单、思路清晰、操作性强；另一方面，由于产出是政府评价科技服务业政策效果和调控政策投入的重要依据，产出测量需要兼顾多方面发展指标，从而能够对科技服务业政策投入的整体收益进行掌握，因此从不同分支产业进行产出测量能够更好满足政府产业宏观调控的现实需要。此时，存在两个问题需要处理：采取什么样的产业分类标准？如何确立分支产业产出量化指标？

1.1 产业分类标准确定

目前，针对科技服务业产业分类还没有形成相对一致的观点，分歧主要来自于3个方面：首先，学者们根据不同研究视角和研究目的，在科技服务业内涵界定和概括的基础上提出了较为多样的产业划分标准。其次，目前国家已经初步制定了科技服务业分类的行业分类标准和统计标准，是科技服务业产业划分的国家标准。最后，各级政府部门印发的产业政策也包括产业划分内容，代表政府对科技服务业产业划分的理解和意志。这里的政府部门既包括中央政府，也包括地方政府。具体而言，2014年10月，国务院颁布《国务院关于加快科技服务业发展的若干意见》，第一次从产业政策角度提出科技服务业发展的9项重点任务，即研究开发及其服务、技术转移服务、检验检测认证服务、创业孵化服务、知识产权服务、科技咨询服务、科技金融服务、科学技术普及服务和综合科技服务，代表中央政府对科技服务业基本范围的确认；地方政府出台的科技服务业政策融合了区域特色，一般会根据本地区发展目标和产业基础进行产业确定和划分，但总体上基本与国务院分类标准保持一致。以上3个方面的科技服务业产业划分情况如表1所示。

根据上述产业划分观点与实践，并结合本研究实际需要，本文倾向于采用以国务院划分方法为主的分类标准。主要理由有：第一，全面性。该分类标准基本囊括了目前学者提出的科技服务业主营业务，如R&D相关服务、科技成果转移转化服务、创新创业服务、知识产权服务、科技知识推广服务等，同时，《国民经济行业分类》(GB/T 4754—2017)、《国家科技服务业统计分类(2018)》以及地方政府出台的科技服务业政策在确定和表述科技服务业产业分类时都不同程度参照了国务院的划分方式。第二，权威性。该分类标准由我国中央政府以国家政策形式发布，对相关部委和地方政府的科技服务业政策制订与实施具有很强的指导性和约束性。第三，代表性。该分类标准本质上代表我国政府对科技服务业本身的认知和理解，是对我国科技服务业功能定位、产业构成和重点领域的识别与建构，成为我国中央政府和地方政府进行科技服务业产业划分的主流做法。此外，该分类标准实施后，科技服务业各个细分产业产出数据也成为地方政府科技服务业工作业绩考核的重要依据和指向。因此，将国务院产业划分方式作为科技服务业产业分类标准和本研究中产出测算初级指标是最佳选择。需要强调的是，由于综合科技服务是比较新的提法，而且对其概念和范围的界定尚不明确，确定其具体量化指标相对困难，因此本研究不对该产业进行测算，相应的科技服务业细分产业将不包括此项。

综上所述，本研究最终确定的科技服务业细分产业为：研究开发服务业、技术转移服务业、检验检测认证服务业、创业孵化服务业、知识产权服务业、科技咨询服务业、科技金融服务业和科学技术普及服务业。具体而言，研究开发服务业是指各种组织或机构运用自身科技创新资源与能力为基础研究、应用研究、试验发展3类创新性活动提供专业性服务的总和，其主体包括研发(设计)外包服务企业、高校、科研院所、国家重点实验室、工程技术研究中心、生产力促进中心、技术创新联盟等；技术转移服务业的目标和使命是通过为新技术评估、推荐、流动、推广、转化、交易等提供中介服务，推动科技成果转化为现实生产力，其主体包括生产力促进中心、技术转移中心、技术市场、创新服务中心、科技大市场等；检验检测认证服务业是一种专业技术服务业，包括检验检测服务业和认证服务业两种基本业态，其从业机构一般需要得到政府许可或者具有较高的技术水平和社会信誉，如各地设立的检验检测认证中心；创业孵化服务业包括各类孵化载体和孵化空间，如科技企业孵化器、大学科技园、众创空间、创新创业园等，能够为全社会创新创业活动尤其是初创型中小企业提供必要性和全方位服务；知识产权服务业主要包括知识产权代理、登记、信息、咨询、检索、评估等服务性活动以及与之相关的各种企业或机构，是创新活动和创新过程中必不可少的重要产业之一；科技咨询服务业是指依靠自身科技资源与优势为客户提供订单式、集成化、专业性解决方案的各种组织或机构的总和，其主体包括高校、科研院所、各种科技咨询企业或战略咨询协会等；科技金融服务业是为科技创新和各类科技企业发展提供多元化投融资服务的产业形态，主要产品包括科技信贷、科技担保、风险投资、科技众筹、新兴产业创投基金等；科学技术普及服务业是一种事关公众科学技术素养的重要产业，主要从事科学技术知识转化、传播、普及等服务性活动，其主体包括高校、科研院所以及各地建设的图书馆、科技馆、展览馆等各类开放式文化场馆。

1.2 产出量化指标确立

科技服务业细分产业确定后，需要对每个子产业的量化指标进行分解和设定，这是产出测量的关键一步，关系到产出测算结果的代表性和有效性。需要说明的是，由于产出测算是一种半主观性、非纯客观的测算活动，其目的是为政府产业政策效果提供评价依据以及为未来相关产业政策制定提供决策支撑，考虑到政府资源的有限性和目标考核需要，选取的量化指标只能是二级产业里全部指标中部分具有很强代表性的关键指标。因此，量化指标不仅需要反映科技服务业各个细分产业主营业务收益(发展)情况，还需要反映政府主管部门对相关指标设定的意愿。基于此，本研究确定量化指标的基本思路是：首先，收集和汇总当前学者在科技服务业定量研究中建立的量化指标体系、我国现行科技服务业政策中针对科技服务业发展情况设定的指标，以及政府统计部门等权威机构编制和发布的统计年鉴等数据资料，作为本研究指标设定的主要来源和重要参考；其次，在考虑指标代表性和数据可得性基础上，初步形成科技服务业各细分产业主要量化指标；最后，邀请科技主管部门、高校、科研院所三方人员，通过组织专家论证会对科技服务业产出测算指标体系进行充分论证和深入分析，结合专家意见，对初步确定的量化指标进行修改和调整，最终确定适用于科技服务业产出测算的量化指标单元(见表2)。

2 数据收集

量化指标是科技服务业产出的基本测量单元，其具体对应数据是产出的数值表达。细化的指标单元为数据收集提供了目标和方向，在完成指标确立后，紧接着就要为每个细分产业量化指标寻找和填充具体数值，即数据收集。数据收集是科技服务业产出测算的重要步骤，收集得到的数据既是以往科技服务业产出的历史数据，也是科技服务业产出的未来预测及其它统计或测算的基础数据。数据收集包括两个基本内容和环节：一是“收”，即搜索、寻找、收罗、汇总不同指标对应的具体数值；二是“填”，即对收集得到的数据进行清洗、筛选，填写所有指标具体数值。

(1)在“收”的过程中，主要面临以下困难：首先，数据来源问题。由于数据用途和数据主体的多元化，现实中存在着林林总总的数据来源，如论文、新闻报道、政府网站等，再加上数据的碎片化，难以找到需要的准确数据，也无法形成连续时间序列的数据结果。相比而言，统计年鉴作为相关行业部门发布的专业统计数据，如《中国火炬年鉴》《中国科技统计年鉴》《中国第三产业统计年鉴》等，无论是权威性还是连续性都比较高，因而是可靠的数据来源。其次，统计口径问题。即使采用统计年鉴作为主要数据来源，但不同统计年鉴对科技服务业各个细分产业的统计口径仍然存在不对称问题。一方面，统计指标名称不同，如《中国科技统计年鉴》中的研究和开发服务机构，在《中国第三产业统计年鉴》却表述为科学研究与技术服务业企业法人单位；另一方面，数据异化问题，如《中国第三产业统计年鉴》中技术市场成交额数据与《中国火炬年鉴》中技术合同成交金额数据不同。最后，数据残缺问题。由于统计年鉴统计规范、范围的改变，一些统计指标出现较晚，因此只能收集到短时间段内的数据。如《中国火炬年鉴》中关于众创空间的统计只包括2016年至今的数据。因此，在寻找、汇总数据过程中应该坚持全面性原则，对统计年鉴等权威数据载体中与细分指标相同或相关的数据一一进行归纳和整理，应收尽收，形成相对全面的细分指标数据库。

(2)在“填”的过程中，主要包括3个步骤：①数据清洗，即对已经收集到的数据进行初步过滤，排除一些不符合相应指标指向和涵义的数据，使指标数据趋向集中、准确；②数据筛选，即对初步过滤后的数据进行比较分析，筛选出准确的指标数值；③数据填写，即对筛选后的数据进行整理，形成最终指标数据。由于存在指标统计口径不同、数据残缺等问题，部分指标与数据之间并非一一对应关系，而且不同指标数据的时间序列长短也不尽相同。因此，最终指标数据呈现方式应该是一个指标对应一个或多个数据且时间序列长短不一的数据表。

3 未来预测

指标体系构建和相应数据收集实际上是一个统计过程，指标体系是统计维度，数据收集是统计结果，由此形成科技服务业产出的历史数据。大数据时代，历史数据的价值已经不再是传统的建档立案，而是成为关联数据分析的重要资源。充分挖掘和利用科技服务业产出历史数据，对行业发展评估、产业政策评价和未来政策目标设定都具有重要作用。历史数据是支撑各种测算的基础，未来预测就是其中一种。未来预测是指依据现有数据资源，通过运用数理模型或手段对未来一定时期内科技服务业政策各项产出指标变动情况进行预判和测算。

3.1 预测方法

由于未来预测对预测方法的依赖性较强，不同预测模型或手段可能会产生不同结果，有的结果甚至相差悬殊，因此选择科学合理的预测方法是保证未来预测结果准确性、有效性的关键。鉴于目前学术界对科技服务业发展预测及其方法的相关研究尚不多见，本研究尝试从自然数据测算一般方法角度，提出两种相对简单和便于操作的数据预测方法，作为对科技服务业发展预测的初步探索。

(1)方法一：依据相应指标历史数据，通过计算若干年内数据同比增长率，得出相应年份的平均增长率，测算未来一定时期科技服务业各项产出预测数据。这种方法的基本假设是，在排除社会出现巨变或波动的情况下，社会各项事业发展指标总是呈现出相对稳定性，其发展速度或效率在一定时期内保持相同或相近。也就是说，在理想状态下，若干连续年份某一指标自然数据平均值反映一定时期内相应指标数据的稳定属性，因此在未来若干连续年份中，该指标数据依旧会保持相同或相近的平均值。具体而言，虽然近年来我国科技服务业发展势头强劲，产业规模持续扩大，产业形态逐步创新，但从整体上看，由于受到市场、人才、技术等因素影响或限制，我国科技服务业发展速度仍将保持缓慢增长态势，具有相对稳定性。

(2)方法二：依据相应指标历史数据，构建数据分布散点图，运用指数函数、线性函数、多项式函数、乘幂函数对历史数据进行拟合，形成最优拟合方程式，从而对科技服务业未来产出数据进行预测。这种方法采用曲线拟合函数思想，在采集若干年份某一指标自然数据基础上，通过建立散点图，获取自然数据的趋势线方程，即所谓的曲线拟合函数，模拟自然数据未来发展趋势并预测相应年份的指标数据。

3.2 实证分析

以测算2025年L省科技服务业技术合同成交额为例，本文对上述两种预测方法(方法一和方法二)的应用进行实证分析。通过参考相关统计年鉴收集到2009—2019年L省技术合同成交额具体数据，如表3所示。

按照方法一，根据2009—2019年L省技术市场成交额数据(见表3)，可计算得出每年L省技术市场成交额同比增长率(同比增长率=(本年技术市场成交额-上一年技术市场成交额)/上一年技术市场成交额)，计算结果如表4所示。在此基础上，可以得出2010—2019年每年L省技术市场成交额同比增长率平均值，为20.27%，即认为未来10年L省技术合同成交额每年都会以20.27%的速度增长，并以2019年数据为起点，测算得出2025年L省技术市场成交额数据。

根据方法二，首先需要将L省技术市场成交额转换到年份—数据的X-Y二维坐标系中，绘制出历史数据散点图。为了测算方便，将X轴中年份简化为年份序列，即2010年设为1、2011年为2，以此类推，Y轴数据不变。然后，运用指数函数、线性函数、多项式函数、对数函数和乘幂函数分别对散点图进行拟合，根据R2数值大小确定最优拟合方程式。R2是拟合系数，又称为决定系数(取值范围为0～1之间)，是反映趋势线拟合程度的重要指标，其数值大小可以反映趋势线的估计值与对应实际数据之间的拟合程度，趋势线的 R2越接近于1，拟合程度越高，趋势线的可靠性就越高，也就意味着预测性能越好，反之则可靠性和预测性较低[24]。图2～6是L省技术市场成交额5种函数的拟合趋势图，从图中可以获取5种函数的拟合系数和拟合方程式，如表5所示。由表5可知，多项式函数、指数函数和线性函数的拟合系数都超过0.8，说明这3种函数的拟合性能非常好，相比之下，对数函数和乘幂函数的拟合性则较差。因此，本文采用多项式函数、线性函数和指数函数对2025年L省技术市场成交额进行预测比较可行。需要说明的是，由于函数模型是一种非常理想的预测方法，本质上是一种简单的数量计算，没有考虑到产业发展过程中面临的多种因素影响，因而其产出数据只能作为决策参考。

4 政策建议

大数据时代，加强科技服务业产出数据的规范统计和应用分析是我国科技服务业发展走向智能化、数字化、科学化的重要支撑。科技服务业产出测算的目标在于通过构建包含若干重要数据的指标体系反映科技服务业整体发展状况和趋势。然而，在现实操作过程中，科技服务业产出测算往往面临着困境：一是科技服务业范围过大、种类过多，产业边界无法形成统一界定范式，导致测量指标确立比较困难；二是科技服务业产出数据碎片化严重，分散在指代名称不同、产业划分与统计口径混乱不一的统计资料中，没有形成规范化和完整化的数据统计与发布格式，给数据收集带来极大困难；三是在科技服务业未来发展预测中，不同测算方法可能带来相差悬殊的预测结果，因此必须探索和采取多元化测算方法，才能保证测算结果的客观性和科学性。下一步，国家应继续加大科技服务业政策引导与扶持，建立健全科技服务业发展数据(包括投入、产出等数据)统计与管理体制机制。

首先，国家相关部门应加强科技服务业数据收集的标准化建设，在征询企业、专家、公众意见和建议基础上，结合科技服务业属性，尤其是当前科技服务业出现的新特点和新业态，更加清晰地界定科技服务业概念及范围。同时，应逐步统一全国各地及全社会科技服务业数据收集、测量指标或标准，形成规范化、可比较的科技服务业数据资源。当前，虽然国家统计局已经出台《国家科技服务业统计分类(2018)》，但至今并未发布过以该分类标准为基准编制的统计公报或统计年鉴，全国各地科技服务业统计标准仍各不相同。因此，一方面需要强化已有分类标准的实施力度并扩大适用范围，另一方面应加快形成以已有分类标准为基础的统计数据资源。

其次，国家及地方政府应建立健全科技服务业产出数据常态化调查与统计制度，及时、准确、畅通地获取各种科技服务业投入与产出数据。目前，虽然国家建立了科技服务业调查统计制度，每年都会开展科技服务业调查统计工作，但工作机制和调查方法仍需完善。同时，应对调查统计工作获取的数据资料形成周期性统计公报向社会公布，如四川省定期更新和发布《科技服务业数据简报》、青岛市发布《青岛市科技服务业发展(年度)报告》等。此外，还要加强对某些涉密数据的保护。

最后，政府相关部门应加强对科技服务业产出数据的挖掘和应用，为政府决策和产业发展提供坚实的数据支撑。充分运用大数据、人工智能等技术的功能及优势，通过构建科学高效的分析模型或算法对科技服务业产出数据进行处理，不断改良自然数据分析与预测方法，提高数据预测精度，满足不同政策主体的决策需求。此外，可以通过建立关联数据、优化数据呈现界面与方式，使用户更加便利地获取科技服务业相关数据。

5 结语

本文在产业分类基础上提出将科技服务业八大分支产业作为一级指标，在一级指标下分别设置若干具体量化指标，作为数据收集和测量的具体维度，由此构建科技服务业产出测算指标体系。同时，本文尝试从自然数据测算一般方法角度提出两种相对简单且便于操作的数据预测方法，以此作为科技服务业产出数据预测的初步探索。未来，完善科技服务业产出数据统计与管理将成为我国科技服务业发展过程中一项不可回避的重要命题，亟需得到相关部门的关注与重视。当前，相关部门可以从统一数据统计标准、完善数据调查与公开制度、加强数据资源开发等方面建立健全科技服务业产出数据测量与管理体制机制。

[1] CHOI,HAEOK.The research on the spatial and structural characteristics for network linkage of knowledge-intensive industry in the capital region utilizing big data[J].Journal of the Korean Urban Management Association,2012(9):111-128.

[2] FIGUEIREDO R,FERREIRA J.Spinner model:prediction of propensity to innovate based on knowledge-intensive business services[J].Journal of the Knowledge Economy,2020,11(4):1316-1335.

[3] BENOIT DESMARCHELIER,FARIDAH DJELLAL,FAIZ GALLOUJ.Knowledge intensive business services and long term growth[J].Structural Change and Economic Dynamics,2013,25:188-205.

[4] ANTONELLI C.Localized technological change,new information technology and the knowledge-based economy:the European evidence[J].Journal of Evolutionary Economics,1998,8(2):177-198.

[5] BYUN J,PARK H W,HONG J P.An international comparison of competitiveness in knowledge services[J].Technological Forecasting &Social Change,2016,114:203-213.

[6] 刘开云.科技服务业研究述评与展望[J].科技进步与对策,2014,31(12):149-153.

[7] 彭海阳.基于循证设计的科技服务业行业分类:以西安市为例[J].中国科技论坛,2016,32(11):103-109.

[8] 张恒,周中林,郑军.长江三角洲城市群科技服务业效率评价:基于超效率DEA模型及视窗分析[J].科技进步与对策,2019,36(5):46-53.

[9] 赵三武,孙鹏举.关于开展科技服务业统计的基础问题探讨[J].科技管理研究,2014,34(3):209-213.

[10] 韩鲁南,关峻,邢李志,等.国内外科技服务业行业统计分类对比研究[J].科技进步与对策,2013,30(9):48-53.

[11] 王颖,蓝云飞,汪琳.基于TOPSIS方法的中部地区科技服务业发展水平评价[J].统计与决策,2019,35(21):53-56.

[12] 周峰.基于市场的科技服务业创新能力评价模式探讨[J].广西社会科学,2014,30(4):78-82.

[13] 张鑫,梁佩云,陈茹茹.区域科技服务业服务创新能力评价:基于改进的CRITIC-VIKOR法[J].科技管理研究,2020,40(16):60-69.

[14] 段利民,马鸣萧,张霞.基于PCA的区域科技服务业发展潜力评价研究[J].西安电子科技大学学报(社会科学版),2012,22(6):52-60.

[15] 王晶,于建宇,刘会宁,等.南京科技服务业发展问题研究[J].科技进步与对策,2006,23(3):94-96.

[16] 张前荣.发达国家科技服务业发展经验及借鉴[J].宏观经济管理,2014,30(11):86-87.

[17] 陈春明,薛富宏.科技服务业发展现状及对策研究[J].学习与探索,2014,36(4):100-104.