开放科学(资源服务)标识码(OSID)：
自1912年熊彼特在《经济发展理论》中提出“创新”一词以来，引发了政府和学者们的广泛关注。作为一个高频词汇，创新无论是在微观领域[1]，还是在宏观领域[2]都具有至关重要的作用，并成为评判新事物的一个标准。2016年，中共中央、国务院印发《国家创新驱动发展战略纲要》，提出建设世界科技创新强国的目标以及“创新是引领发展的第一动力”的著名论断。对创新进行准确测量和评估是开展学术研究、政策制定与企业决策的一个重要依据[3]，然而，创新本身具有极强的复杂性和不确定性，特别是随着时代变迁，其内涵、性质、背景和类型等也在不断发生演变，创新测量难度也随之攀升。
创新测量中最受人关注的就是准确性问题，如果存在较大误差，会对测量结果造成严重影响，进而产生误导性结论[4]。因创新测量误差导致的创新数据缺乏可比性和可靠性问题一直备受关注[5]，为此经济合作与发展组织(OECD)在标准制定方面作出了很多努力。如OECD制定了《奥斯陆手册》，并通过实施大规模的创新调查(CIS)修订了《奥斯陆手册》。在进一步完善《奥斯陆手册》的过程中，OECD将创新数据的可比性和可靠性置于首位，充分说明其对创新测量准确性的重视程度。
创新测量误差问题一直备受关注，但很少以一个完整构念出现，许多问题亟待解决[6]且相关研究也缺乏清晰的逻辑主线与理论框架，从而制约创新测量误差理论研究的进一步拓展，也给创新决策和实践带来诸多不便。基于此，本文梳理和分析近35年有关创新测量误差的研究文献，提炼出创新测量误差研究的逻辑主线与理论框架，以为进一步的创新测量误差理论研究提供借鉴，为政策实践提供有益指导。
为全面把握创新测量误差研究成果，本文采取以下文献检索策略：以Web of Science和IDEAS Search为检索平台，以innovation measurement error*、measurement error*、innovation measurement*、measure innovation*、measuring innovation*、innovation mangement measurement*为检索关键词，并同时通过innovation* 、measurement *、error*等关键词进行组合和变换条件检索。检索文献类型为英文，时间限定为1986-2020年。通过初步筛选，获得文献121篇。为保证文献质量与相关度，研究小组对上述文献进行逐一查阅和筛选，对存在疑问的文献经过讨论与专家咨询以确定是否保留，最终得到相关文献44篇，其中，SSCI期刊文献25篇。研究文献中，创新管理研究领域的权威期刊《Research Policy》发文量最多，达到9篇，其次为国际科学计量学研究领域的权威期刊《Scientometrics》，发文量为4篇。但从检索内容看，均是与创新测量误差间接相关，尚无文献对创新测量误差直接进行专题探讨和研究。文献时间分布与SSCI论文量各年变化趋势对比情况见图1。
图1 创新测量误差研究文献年发文量(1986-2020年)
为保证国外文献分析的严谨性，研究小组对每篇论文进行梳理，归纳总结每篇论文与创新测量误差有关的主题和内容。同时，为弥补国外研究文献的稀缺与不足，研究小组通过中国知网平台对国内研究质量与相关度较高的文献也进行了查阅及筛选，共得到25篇文献并进行了梳理和分析。经过研究小组对国内外研究文献主题、内容的讨论和整合，基于创新经济学理论，最终确定了什么是创新测量误差—为什么会产生创新测量误差—如何减少创新测量误差的逻辑研究主线和理论框架。
总的来看，有关创新测量误差的专门研究文献较稀缺，现有文献中，学者们很少将创新与测量误差结合起来研究，大部分都是在研究创新问题时提及存在测量误差，并利用计量学等方法将其影响降至最低。随着创新研究越来越普遍，其测度的准确性要求也越来越高，亟需将创新测量误差作为一个完整构念进行分析，以更加全面地描述创新中存在的测量误差并更好地指导创新测量实践。
《国际计量学词汇-通用和基本概念与相关术语》(VIM)第3版对测量误差的新定义为：“测得量值减参考量值”，其中，参考量值可以是量的真值、约定真值，也可以是标准量值[7]。VIM第3版认为，真值是不唯一且不可知的，这更符合实践操作中对测量误差的理解。同时，该解释与创新测量系统定位也是一致的。在创新测量中，不存在完善的条件，也找不到没有缺陷的测量指标和测量方法，同时，也没有理想的环境条件、理想的操作人员。因此，创新测量真值是一个理想的概念，人们可以通过各种方式逐步接近它，但也只是对创新的近似估计，即在创新测量过程中不可避免地存在一定误差。
创新测量真值的不可知性并不否定创新测量误差存在可控性，精准把握创新测量误差有助于提高创新测量准确度。有学者提出，总的测量误差由若干分量组成，这些分量的代数和构成了测量误差，而分量包括基值误差、零值误差、仪器误差、人员误差、环境误差、调整误差、允许误差、观测误差等，不应将测量误差与产生的错误及过失相混淆[7]；有学者则从结果误差与测量误差间的异同点出发，研究得出，测量误差只是定量结果的误差，而结果误差是包含定量测试结果和定性测试结果的误差[8]。由以上分析可知，学者们关于测量误差的界定大多是狭义的，仅仅是针对物理测量中的误差。
与狭义的测量误差不同，创新测量误差是一个相对广义的概念。创新测量误差不是创新和测量误差的简单相加。在创新测量中，其结果不仅受测量方式、测量人员、测量工具等物理因素影响，还会受到创新理论、创新调查方法、创新指标选择等诸多因素影响。借鉴测量误差概念，可将创新测量误差定义为在创新测量过程中创新测量结果与创新真值间的差值，其由若干分量组成，包括创新理论固有误差、创新调查测量误差、创新指标选择偏差等，既包括由主观因素引起的误差，也包括由客观因素引起的误差。
创新测量误差具有3个特征：一是普遍存在性。创新测量真值的不可知性决定了创新测量误差存在的必然性和普遍性；二是可控性。对创新测量误差的准确把握有利于降低创新测量误差，创新测量误差虽然不能被完全消除，但可以减小；三是复杂多变性。创新测量误差的产生受多种主客观因素影响，具有复杂性和不稳定性等特征。
创新经济学理论认为，创新是一个多维过程，其内在过程难以测量，但可以借助创新指标、创新调查等进行测度。创新测量是在创新理论支持下，借助创新指标等工具对创新实践进行调查评估的过程。从创新测量的内涵讲，创新测量会受到创新理论、创新调查与创新指标等因素影响。创新理论来源于创新实践又服务于创新实践，因此，创新指标的制定与使用也来源于且服务于创新理论和创新实践，而创新调查是连接创新理论与创新实践的桥梁。根据上述关系分析，可将创新测量误差来源分为三类：创新理论形成过程中产生的误差、创新调查过程产生中的误差和创新指标使用过程中产生的误差，具体见图2。
图2 创新测量误差来源
创新理论在形成过程中会不断趋于完善，旨在更好地服务创新实践，但是创新实践的复杂性和创新类型边界的模糊性使创新理论难以准确反映创新实践，从而产生创新测量误差。
2.1.1 创新实践复杂性
创新理论来源于创新实践，创新实践复杂性是导致创新理论难以准确描述的首要原因。有学者将创新实践比喻为“黑匣子”，认为精准定义创新实践是极其困难的。如Archibugi & Planta[9]从创新表征角度描述了创新实践的复杂性，指出创新实践可能包含隐性知识，可能来源于企业内部或外部，既可以体现在产品实体上，也可以体现在专利、研发、商标、设计甚至科技人员等非实体上；Adams等[10]认为，创新实践的涵盖要素多且复杂，并尝试将这些复杂要素纳入一个完整的模型中，以达到全面描述创新实践的目的；Kline & Rosenberg[11]提出，创新实践不是一个平稳的线性模型，而是一个易受到各种因素影响的无序、不确定性复杂系统，但创新模型并不是越复杂越好，虽然复杂模型有助于精确描述创新实践，但难以为政策制定与实施提供辅助性帮助。欧盟创新调查(CIS)也持同样的看法。因此，创新调查中可将创新纳入一个由知识创造、知识扩散和知识吸收能力三因素组成的模型中，通过简化创新模型评价创新实践活动。
综上，创新实践的复杂性受到学术界的广泛认可，并尝试用简洁且完整的模型描述它，以帮助管理者评估创新实践活动，进而作出科学决策。虽然简化的创新模型有利于创新测量和实践指导，但创新实践的复杂性与创新模型的不准确性是产生创新测量误差的重要原因。
2.1.2 创新类型边界模糊性
学者们从不同角度将创新划分为多种类型。熊彼特按照创新内容，将创新划分为产品创新、技术创新、市场创新、资源配置创新和组织创新5种类型，奠定了创新理论的基础；OECD在《奥斯陆手册》中将创新划分为产品创新、工艺创新、市场创新和组织创新4种类型。但欧盟创新调查(CIS)研究发现，人们对上述4种创新类型的划分不太接受，常会将工艺创新确定为产品创新、将市场创新确定为工艺创新[12-13]。后来学者们又提出了颠覆性创新、突破式创新、商业模式创新、连续性创新、非连续性创新、原始性创新和模仿性创新等多种创新类型概念，丰富了创新理论。上述创新类型并不是孤立的，而是存在一定的交叉重叠，如颠覆性创新中包含特殊类型的商业模式创新，也可能是原始性创新或非连续性创新。由于创新类型是人为设定的，而人的区分认知能力有限且存在较大差异，因此会导致划分出的创新类型边界模糊，出现创新类型区分不清、重叠交叉等问题，进而产生创新测量误差，这无疑是对准确测量创新的一项挑战。
创新调查是实施创新测量的必需手段，但如果创新调查收集的创新数据缺乏可比性和可靠性，就会产生严重的测量误差。通过现有文献梳理，创新调查过程中产生的测量误差主要包括调查样本异质性、调查问卷框架问题和调查主观性问题三类。
2.2.1 调查样本异质性
调查样本异质性是导致创新数据缺乏可比性的重要原因，其文献观点主要体现在两个方面：
(1)国家异质性。相较于发达国家，发展中国家的创新过程和体制环境比较特殊，其主要关注自身知识与能力培养，而对吸收国外知识的能力培养关注较少，且发展中国家属于后发经济体，其工业与服务业主体是由初创小公司组成的[14]，多采取模仿式创新和渐进式创新策略，而发达国家更多关注激进式创新[13]。因此，在创新调查问题的设置中如果较多关注发达国家，会影响对发展中国家实际创新过程的了解。
(2)产业与企业异质性。不同产业或企业间的技术差异会影响创新数据的可比性，如汽车制造业与纺织业间的数据比较[12]。因此，对不同产业或企业采用相同调查方式，难以捕捉一般业务或低技术部门的创新之处。
综上，忽视调查样本的异质性，对不同国家、产业以及企业的创新活动简单套用同一方法进行测度，由于它们的创新过程、创新体制、创新模式以及技术水平之间存在差异，易导致收集到的创新数据缺乏可比性，从而产生创新测量误差。
2.2.2 调查问卷框架问题
调查问卷的各个环节都会产生测量误差，创新调查也不例外。创新调查问卷有3个环节会产生测量误差。
(1)创新调查问卷设计环节。该环节的创新测量误差主要来源于两个方面：一是模糊项目设定。Snijkers & Willimack[15]认为，创新是一个具有多重属性的模糊概念，属性的确定本身就极具挑战性，而创新属性的多样性会导致属性确定与被调查者的解释不匹配，从而产生创新测量误差；二是问卷格式设定。问卷措辞、设定顺序以及篇幅都会影响数据可比性[13]，进而产生创新测量误差。
(2)创新调查问卷实施环节。该环节应关注两个问题：一是被调查者访问次数。一般而言，访问次数越多，越容易产生调查疲劳，进而降低表态倾向，产生创新测量误差。二是创新调查问卷召回期。Cirera & Muzi[13]通过大规模的数据实证分析发现，召回期越长，创新测量误差就越大。
(3)创新调查问卷数据处理环节。该环节调查人员由于态度、方法、手段等问题，易导致数据处理失误，进而产生创新测量误差[15]。
综上，在设计创新调查问卷时，应遵循科学原则，合理设置，避免出现弱表态、错误表态和不表态等影响创新调查质量的现象[16]。在实施创新调查问卷时，要考虑被调查者状况及调查时间问题，以防出现调查倦怠、降低创新调查质量的情况。在处理创新调查问卷所获数据时，要认真谨慎，尽量避免因人为失误对创新调查质量的影响。总之，调查问卷质量不高是产生创新测量误差的主要原因，无论处于创新调查的哪个环节，都要保证创新调查质量。
2.2.3 调查中的主观性问题
在开展创新调查时，创新概念并没有预期的那么清晰，即使面对相同问题，被调查者也会持有不同理解。由于被调查者对调查问卷理解存在差异，因此易产生创新测量误差。
(1)创新概念理解误差。当创新被定义为“新的或显著改进的产品或服务”时，由于“新的”或“显著改进的”并没有一个严格的评判标准[17]，因此不同个体基于自身理解与不同评判标准，很容易产生误差。Arundel & Smith等[12]通过对澳大利亚塔斯马尼亚州创新调查数据的研究发现，主观性解释会导致企业错误报告创新，这是因为一部分企业对创新定义产生误解。在此基础上，Acosta等[6]通过对制造业、服务业、商业及采矿业1 770家样本公司的调查发现，80%的公司了解创新定义，还有20%的公司不了解创新定义。
(2)创新类型认识误差。Arundel & Smith等[12]和Cirera[13]的研究发现，被调查者会对创新类型产生误解，例如创新是属于产品创新还是工艺创新、是工艺创新还是市场创新等产生误解。Acosta等[6]研究发现，企业在识别自己的创新行为时会出现典型错误，即认为自己在某一特定类型中有创新，但在另一种创新类型中无创新。
(3)社会期望误差。社会期望是一种社会反应方式，也是一种稳定的性格特征，具有不同文化背景的被调查者会受到社会期望的影响，进而影响创新调查中的自我报告创新率，最终产生创新测量误差[16,18]。
创新测量主要通过创新指标完成，在创新经济学领域，目前公认的创新指标主要有专利、论文、新产品、研发经费、科技人员等5项指标，这些指标成为创新测量的有力工具，但在创新指标使用过程中，会因为选择偏差产生创新测量误差，影响测量结果，使创新研究结果受到质疑。因此，有必要分析创新指标在使用过程中产生的误差。
2.3.1 专利选择偏差
专利被普遍认为是性价比较高的创新产出指标，使用较广泛，但专利指标也存在测量误差隐患，因此有不少学者对使用专利测量创新价值的做法提出质疑。专利产生的选择偏差主要体现在3个方面：
(1)专利异质性。并非所有的专利都代表了创新，企业申请专利的利用率大约在40%～70%之间，且有些专利的申请动机并不是为了商业化和创新，而是为了提高声誉、作为谈判筹码、破坏竞争者研发等[9，19]。Archambault[20]的研究则表明，即使商业化的专利，其质量也存在差异，有些只是对原有产品或技术的轻微改进，而有些则是突破性的技术进展或全新的产品，甚至奠定行业发展基础。还有学者提出，忽视专利商业化潜力的无差别分析会增加测量噪声，因此，除了对不同类型专利进行加权计数外，还应对专利的商业化潜力给出积极评估[21]。
(2)样本异质性。不同行业、不同创新类型、不同区域的专利申请倾向不同。专利申请成本、效力以及专利在其行业的重要性会影响企业申请专利的积极性[9]。在重视专利的行业里，例如制药、化工、石油、机械等行业，80%的发明申请了专利，但是在其它行业，例如原料金属、电器设备、办公设备、橡胶和纺织等行业，该比例仅为60%[22]。此外，专利申请率还受创新类型和国内外市场影响。欧盟创新调查(CIS)发现，公司申请产品创新专利的倾向(52%)远强于工艺创新(7%)，有79%的公司在欧洲专利局申请专利，78%的在本国申请专利，66%的在美国申请专利，53%的在日本申请专利。
(3)专利单一性。并非所有创新都能使用专利测量，且非所有创新都能获得专利授权，因此单凭专利评估创新活动是不足的[23]。随着服务创新在创新领域越来越受关注，专利作为一种技术指标的局限性也越来越突出[24]。
2.3.2 论文选择偏差
(1)论文异质性。为了发表而发表论文已成为学术界的一种浮躁现象，论文造假、论文“泡沫”等现象也层出不穷，导致论文价值受到质疑[25]。由于论文中的理论与实践还存在一定差距，所以在使用论文作为创新指标时，需要重视论文质量。学术界普遍认为发表在世界顶级期刊的论文具有较高质量，但也不排除有特殊情况，不能认为没有发表在世界顶级期刊的论文就没有实践价值。
(2)论文单一性。不同创新主体，其创新成果的体现方式也有很大差异，如大学、研究院等从事基础研究的创新主体，其申请专利的倾向弱于论文发表[9]。王碧云[26]认为，仅使用论文指标衡量科研机构创新是不完备的，还应使用发明专利作为互补指标。
2.3.3 新产品选择偏差
新产品作为创新商业化的直接成果，其数据易获取，因此将新产品销售收入作为创新测度指标受到学者们的普遍认可[27]，但它也会产生创新测量误差。
(1)新产品异质性。新产品数据标准的一致性受到学者们质疑。新产品元数据是通过大规模创新调查获得的，由统计部门进行分散式统计，而各部门科技统计的分类标准、统计口径和计算方法等可能存在较大差异，造成数据库中新产品元数据收集标准不一致，新产品差异较大[28]。
(2)新产品认定主观性。新产品与专利、论文不同，专利由国家专利局授予，有严格的申请程序和标准，而论文也有严谨的发表标准，因此专利授予或论文录用标准通常受主观性的影响较小，而新产品认定受主观性的影响较大且新产品新颖程度也因企业而异[13,17]。
2.3.4 研发经费选择偏差
创新经济学理论认为，研发经费数据的优点明显，即在不同国家、地区和产业间的一致性能得到保证，但作为创新测量的一个重要指标，还存在以下问题：
(1)研发经费投入产出效率问题。提高研发投入强度对引导企业研发创新有积极影响，然而研发经费并不是越多越好。有学者提出，研发投入对企业绩效产生非线性影响，当研发投入超过一定强度时，企业绩效增长不明显[29]；还有学者认为，研发投入存在重复建设与资源浪费等问题，造成研发投入转化为专利成果的低效率现象[27]。因此，在选择研发经费测量创新时，不应只考虑其数据绝对值，还要关注其投入产出效率。
(2)研发经费单一性。有学者指出，创新投入不应只关注研发经费投入，还应考虑购买新机械和设备、许可证、软件或外部技术技巧等非研发投入对创新的积极作用[30]。Mansfield 等[31]证实了非研发投入的重要性，发现非研发投入占创新成本的比例高达2/3。
2.3.5 科技人员选择偏差
除编码在专利、论文、新产品、研发经费中的创新作用外，存在于个体头脑中的知识对创新也尤其重要，因此从事研发创新的科技人员也是测量创新的一个重要指标[42]。李培楠等[33]通过对我国制造业和高技术产业数据的实证研究发现，人力资本中的科技人员占比对产业创新绩效具有显著正向影响，因此应重视科技人员的数量提升。
然而，仅通过科技人员数量测量创新，忽略了科技人员的异质性，易造成选择偏差。创新测量除要关注科技人员数量外，还要关注科技人员质量。Amador等[34]从科技人员质量角度，证明了其学历、专业水平等对创新的重要影响。但在创新测量过程中，科技人员质量测量难度大，缺乏操作性较强的定量指标和评价标准，很少有学者将科技人员的质量维度引入研究中。因此，当仅通过科技人员数量测量创新时，就会造成较大测量误差。
根据上述分析，创新测量误差存在于创新理论形成、创新调查和创新指标使用过程中，而在创新理论形成过程中，由创新实践复杂性和创新类型边界模糊性产生的创新测量误差是固有的，只能通过设计出简洁且符合创新实践的创新模型以及边界界定清晰的创新类型缩小创新测量误差，所以本文不对如何缩小创新理论形成过程的创新测量误差作具体分析。相比创新理论形成过程，创新调查与创新指标使用过程更易于把握，因此学者们重点对二者的创新测量误差进行研究，尝试寻找出有效方法和措施，以更为准确测度创新活动。
3.1.1 获取具有可比性的创新调查数据
对于调查样本异质性问题，应结合对不同国家、不同行业及不同企业的深入了解，开发出具有可比性的创新调查体系。对于小型创新调查，如为特定产业部门或不同类型公司开发出不同问题模块，解决数据可比性问题。对于国际大型创新调查来说，针对不同经济水平国家开发出不同问题模块具有很大挑战性[12]，但仍然不失为一个有效方法。如OECD通过对《奥斯陆手册》的多次修订和创新调查国际准则的积极完善，提升了创新调查数据的可比性[13]。此外，对于调查样本异质性问题，可采用以下处理方式[3]：
(1)直接针对特定国家、产业和企业进行研究。可将创新调查和测量要点局限于某个或几个相似产业。如Wagner & Wakeman[35]以制药业，闫俊周、杨祎[36]以战略性新兴产业为研究对象的创新测度，降低了测量过程中产业或企业异质性的影响。
(2)分组处理。对不同发展水平国家、不同类型产业和企业进行分组处理，分别进行测量。如刘贯春等[37]利用3组有限混合模型对我国省级经济体进行分组刻画处理，有效降低了样本异质性的影响。
(3)通过在国家、产业或企业等方面设置参数以进行区分处理。如De Rassenfosse[38]、Walsh等[39]、Guo等[40]、Torrisi 等 [19]通过控制企业规模、企业年龄、行业差异等方面因素，降低样本异质性影响。
3.1.2 科学设计创新调查程序
(1)科学合理地设计创新调查问卷。Snijkers & Willimack[15]提出采用迭代方法进行问卷设计。首先，结合属性与内容分析，设计技术开发问题初稿；其次，实施前利用数据驱动方法进行问卷挖掘、早期范围界定、探索性焦点小组与概念映射；接着进行可行性分析，并在问题设计过程中结合专家评审和意见记录不断优化；最后，完善问卷，使用认知访谈等技术进行预测试。此外，为提高问卷回收率，尽量设计简短、精练、有吸引力、容易填答的问卷题项。总而言之，在调查问卷的设计中需要综合考虑多种因素，秉承谨慎原则，从问卷内容、语言使用、提问方式，以及答案测度等方面设计问卷，如欧洲专利价值调查问卷的设计[41]。
(2)关注创新调查过程细节。在创新调查问卷实施环节，要让被调查者始终保持愉悦心情，避免对同一被调查者进行多次访问。问卷发放最好使用当面发送，这样能够避免沟通不畅带来的误解，提升创新调查质量。此外，要对调查问卷的召回期予以限定，通过缩短召回期提高回复率、减少创新测量误差。在处理创新调查问卷所获数据环节，可通过多方复核、比对、校正和采用现代信息技术手段，尽可能减少调查人员失误。
3.1.3 压缩创新调查主观解释空间
要压缩创新调查的主观解释空间，需要提高创新调查数据的可靠性，可采取以下方法：
(1)优化创新概念。调查主观性问题来源于创新概念不具体，如对“新的”“显著改进的”的解释。可以从创新概念中去掉“显著”一词，使创新概念更易于理解和判断[12]。
(2)减少创新类型误解。针对创新类型的回答采取开放式编码，最大程度压缩受访者主观解释空间。尽量选择研发人员作为被试者，这是因为他们对企业创新和创新类型有着更透彻的理解[13]。
(3)考虑社会期望的影响。社会期望对创新调查的影响普遍存在，可从该角度研究与解释个体行为存在差异的缘由[16]。
(4)对调查问卷进行信度分析。在创新调查中为深入探究本质性问题，除设计一般性问题外，可设置有关“态度”、“看法”、“观念”等主观性问题，借助统计分析软件进行调查问卷信度分析，以将创新调查问卷信度维持在较高水平，减少创新测量误差[42]。
3.2.1 开发具有可比性的创新指标
创新指标的异质性问题会影响创新调查结果的可比性，进而产生创新测量误差。对于该类问题，首先，可根据不同行业、不同创新类型、不同国家作数据分类处理。如刘军等[43]在研究区域创新能力时，分别从制造业整体和制造业各细分行业对专利数据进行分析；张亚峰等[3]认为在利用专利数据进行创新比较时，应视专利申请情况，按行业、企业和国家情况分类讨论。其次，根据指标特点对其质量维度进行划分。各创新指标处理方法如下：
(1)专利质量，可从技术性、商业性等方面评价。其中，技术性可从专利引用信息量方面评判。专利被引次数越多，其技术含量越高[44]。商业性可从商业化潜力方面评价，如Zhang等[21]构建了一套基于熵的指标体系衡量专利的技术创新价值，有助于系统、定量地评估专利在创新中的商业价值。
(2)论文质量。金碧辉等[45]认为期刊影响因子和论文引文频次是评价论文质量的重要外部因素指标；林德明、姜磊[46]则在外部因素指标基础上加入参考文献等内部因素指标，构建了外部与内部相结合的论文质量评价指标体系；Huang等[47]建立了一套基于期刊影响因子的技术影响因子计算方法，可从实践创新角度评估期刊对科学技术的贡献。论文质量评价是一项非常复杂的工作，而通过工具创新与评价体系完善有助于减少创新测量误差。
(3)新产品质量与新颖程度。Protogerou等[17]根据新产品对环境的影响程度，将新产品划分为世界新产品、市场新产品和企业新产品3个层次。
(4)研发经费投入产出效率。可以利用研发效率模型进行评估，同时，学者们也致力于寻找更准确的方法测算研发投入产出效率。不少学者运用知识生产函数中的索洛剩余核算、随机前沿分析和数据包络分析等方法测算研发投入产出效率[36]，但不同方法的测算过程和分析结果存在较大差异，而同时利用3种方法评估研发投入效率的测算结果更全面、准确[48]。
(5)科技人员质量。可以基于科技人员简历，结合个体经历、教育程度、取得的创新成就等信息，准确捕获科技人员创新潜力，以精确评估科技人员质量[34]。
3.2.2 创新指标匹配与综合体系构建
除创新指标异质性问题外，创新指标单一性也会影响创新测量的准确性。可采取以下方式降低创新测量误差：
(1)加入互补性指标，弥补指标单一的缺陷。欧盟为了弥补专利指标的不足，减少创新测量误差，资助了两次大规模的发明人调查活动，期望建立除专利数据外能够全面反映国家创新活动的统计指标。Mendonca等[49]提出，在测量创新产出时将商标量作为补充指标能获得更好效果。还有学者在专利基础上加入知识产权保护指数[50]、新产品销售额和出口额[51]等指标以测度创新。
(2)将创新指标与创新调查相结合，同时发挥两种测量方法的优势。创新指标数据易获得且易处理，创新调查数据则更全面、更细致。如Protogerou等[17]在研究中同时使用创新指标与创新调查，选择研发费用占营业额的比例作为投入指标，产品新颖程度作为产出指标。其中，产品新颖程度通过创新者对创新产品的评估予以判断，即通过创新调查方式获得。
(3)构建综合指标体系。学者们较多倾向于使用综合指标或构建综合体系寻找充分解释创新的测量方法。如Heike等[52]使用一套综合指标体系评估企业将知识转化为可销售产品和服务的能力；Nuvolari等[53]开发了一套衡量国家创新体系绩效的综合指标，其中包含可量化的硬性指标和需要辅以创新调查的软性指标，以准确测量创新活动。
本文基于创新经济学理论，通过总结国内外研究文献，围绕什么是创新测量误差—为什么会产生创新测量误差—如何减少创新测量误差的逻辑主线进行了系统梳理，建立了创新测量误差研究理论框架，如图3所示，并获得研究结论如下：
(1)创新测量真值的不可知性是导致创新测量误差存在的根本原因，但其并不否定创新测量误差的可控性，减少创新测量误差有利于提高创新测量准确度。创新测量误差的产生受多种主客观因素影响，具有普遍性、可控性、复杂多变性和不稳定性等特征。创新测量误差会对学术研究、政策制定和企业决策产生不利影响，然而现有研究关注较少，因此亟需将创新测量误差作为一个完整构念进行分析，以更好地指导创新测量实践。
(2)创新测量误差主要产生于创新理论形成、创新调查和创新指标使用过程。在创新理论形成过程中，创新实践的复杂性、创新类型边界的模糊性使创新理论不可能完全符合创新实践，因此创新测量误差总是存在。在创新调查过程中，创新数据缺乏可比性与可靠性是产生创新测量误差的重要原因，其中，调查样本异质性、调查问卷框架问题、调查主观性问题是创新测量误差产生的重要原因。在创新指标使用过程中，专利、论文、新产品、研发经费和科技人员的选择偏差会产生创新测量误差，进而影响创新测量的准确性。
(3)创新理论形成过程中固有的创新测量误差不可避免，对于创新调查过程中产生的创新测量误差，可通过获取可比性的创新调查数据、科学设计创新调查程序和压缩创新调查的主观解释空间等方法控制与减少创新测量误差。对创新指标使用过程中产生的创新测量误差，可通过开发出具有可比性的创新指标、实现创新指标匹配以及构建综合指标体系等方法减少创新测量误差。
(1)创新测量误差内涵界定。目前国内外针对创新测量误差的专题研究稀缺，对创新测量误差内涵、特征等缺乏深入探讨与权威解读。加之创新测量误差本身具有普遍性、复杂多变性和不稳定性等，导致创新测量误差内涵的界定面临较多困难。在未来研究中，应紧密围绕创新理论形成和发展、创新概念和类型、创新技术和模式、创新机制和过程等基本理论，深入研究创新理论与创新测量误差关系。结合测量误差概念，深入探讨创新测量误差的特有内涵，进而阐释创新测量误差与一般测量误差的区别和联系。
(2)创新测量误差产生原因。目前学术界大多从某角度或某方面分析创新测量误差产生原因，缺乏全面、系统、深入的研究成果。本文虽然从创新理论形成过程、创新调查过程、创新指标使用过程三大层面对创新测量误差产生原因进行了归纳和总结，但创新测量误差是多种主客观因素影响和交叠作用的结果，对其产生原因、过程和机制等仍需深入研究及探讨。此外，本文虽然从三大层面归纳和分析了创新测量误差产生原因，但对3个层面的内在结构、作用机制和联系以及各层面影响因素间的作用与联系还需要作更为深入的探索。
(3)如何减少创新测量误差。尽管国内外学者围绕如何减少创新测量误差提出了诸多方法和措施，但如何降低创新测量误差仍是创新测量误差研究的永恒话题。在创新调查和创新指标设计方面，如何针对大型创新调查开发出具有可比性的创新调查数据、如何设计出高质量的调查问卷、如何借助现代信息技术和方法完成创新调查、如何提升创新指标评价质量、如何设计一套科学合理的创新指标体系、如何运用数学或计量方法确定各创新指标权重等都是需要深入探讨和研究的问题。
(4)中国情景的创新测量误差研究。目前有关创新测量误差的研究成果主要集中在国外，我国对创新调查和创新测量误差的关注及重视程度亟待提升。我国虽然以统计调查为基础，建立了科技创新统计调查体系，但总的来看，统计调查内容主要聚焦于研发统计，无法全面衡量企业创新活动、科技成果转化、创新政策环境、国家创新能力等方面的实际情况，且调查质量不高，创新测量误差较大，无法适应我国日新月异的创新发展态势，难以为我国创新驱动发展战略提供有效支撑。因此，结合中国创新情景和发展态势，积极探寻降低创新测量误差的方法和途径，以有效指导创新调查、创新指标设计、创新能力评价、创新政策评估等创新活动，是国内学者亟需重点开展的工作。
图3 创新测量误差研究框架
[1] HALL B H, ROSENBERG N. Measuring the returns to R&D[A].HALL B H, MAIRESSE J, MOHNEN P. Handbook of the economics of innovation[M].New York：Elsevier, 2010:1034-1076.
[2] HARRISON R, JAUMANDREU J, MAIRESSE J, et al. Does innovation stimulate employment? a firm-level analysis using comparable micro-data from four European countries[J]. International Journal of Industrial Organization, 2014, 35(1): 29-43.
[3] 张亚峰,刘海波,陈光华,等. 专利是一个好的创新测量指标吗[J].外国经济与管理, 2018, 40(6):3-16.
[4] LI Q, HUANG C J, LI D, et al. Semiparametric smooth coefficient models[J]. Journal of Business & Economic Statistics, 2002, 20(3): 412-422.
[5] MORTENSON P. The regionalisation of cis indicators: the Danish experience[C]. Proceedings of the 32nd CEIES Seminar, European Commission,2008.
[6] ACOSTA B, ACOSTA M, ESPINOZA B, et al. Understanding innovation based on company optics: interpretation mistakes on the types of innovation developed[J]. RAI: Revista de Administracaoe Inovacao, 2016, 13(4): 295-304.
[7] 耿维明.测量误差的概念及其分类[J].中国计量,2010，15(12):68-71.
[8] 郑欣悦,郑卫东.浅析误差和准确度的概念及关系[J].中国检验检测,2019,27(1):39-42.
[9] ARCHIBUGI D,PLANTA M.Measuring technological change through patents and innovation surveys[J]. Technovation, 1996, 16(9): 451-519.
[10] ADAMS R, BESSANT J, PHELPS R, et al. Innovation management measurement: a review[J]. International Journal of Management Reviews, 2006, 8(1): 21-47.
[11] KLINE S J, ROSENBERG N. Studies on science and the innovation process[M].Singapore: World Scientific Publishing, 2009:22-66.
[12] ARUNDEL A, SMITH K. History of the community innovation survey[A].GAULT F. Handbook of innovation indicators and measurement[M].London:Edward Elgar Publishing, 2013:60-87.
[13] CIRERA X, MUZI S. Measuring innovation using firm-level surveys: evidence from developing countries[J]. Research Policy, 2020, 49(3) :33-48.
[14] BOGLIACINO F, PERANI G, PIANTA M, et al. Innovation and development:the evidence from innovation surveys[J]. Latin American Business Review, 2012, 13(3): 219-261.
[15] SNIJKERS G,WILLIMACK D K.The missing link: from concepts to questions in economic surveys[C]. Proceedings of the 2nd European Establishment Statistics Workshop,Switzerland, 2011:12-14.
[16] BERTRAND M, MULLAINATHAN S. Do people mean what they say? implications for subjective survey data[J]. The American Economic Review, 2001, 91(2): 67-72.
[17] PROTOGEROU, AIMILIA, CALOGHIROU, et al. Determinants of young firms′ innovative performance: empirical evidence from Europe[J]. Research Policy, 2017, 46(7): 1312-1326.
[18] CUMMINGS S M. Cross-cultural survey methods[J]. Technometrics, 2003, 45(2):182-182.
[19] TORRISI S, GAMBARDELLA A, GIURI P, et al.Used, blocking and sleeping patents: empirical evidence from a large-scale inventor survey[J]. Research Policy, 2016, 45(7): 1374-1385.
[20] ARCHAMBAULT E. Methods for using patents in cross-country comparisons[J]. Scientometrics, 2002, 54(1): 15-30.
[21] ZHANG Y, QIAN Y, HUANG Y, et al. An entropy-based indicator system for measuring the potential of patents in technological innovation:rejecting moderation[J]. Scientometrics, 2017, 111(3): 1925-1946.
[22] MANSFIELD E. Patents and innovation: an empirical study[J]. Management Science, 1986, 32(2): 173-181.
[23] HASCIC I, MIGOTTO M. Measuring environmental innovation using patent data[R]. OECD Environment Working Papers,2015:1-33.
[24] SCHMOCH U, GAUCH S. Service marks as indicators for innovation in knowledge-based services[J]. Research Evaluation, 2009, 18(4): 323-335.
[25] 肖丹.论文数量不代表创新能力[J].中国科技奖励,2011，19(5):3.
[26] 王碧云.大学科研创新力评价及中国提升策略研究[D].武汉：武汉大学,2016:11-23.
[27] 蓝庆新.我国高科技产业创新效率的经验分析:2001—2008年[J].财经问题研究, 2010，32(10): 26-32.
[28] 陈芳,甄峰.国际创新统计体系演化与国内发展研究[J].中国科学院院刊,2020,35(3): 353-362.
[29] 戴小勇,成力为.研发投入强度对企业绩效影响的门槛效应研究[J].科学学研究,2013, 31(11):1708-1716.
[30] CANTNER U, GUERZONI M. Handbook of research on innovation and entrepreneurship[J]. Edward Elgar Publishing, 2011:15-110.
[31] MANSFIELD E, RAPOPORT J. The costs of industrial product innovations[J]. Management Science, 1975, 21(12): 1380-1386.
[32] ARUNDEL A, KABLA I. What percentage of innovations are patented? empirical estimates for European firms[J]. Research Policy, 1998, 27(2): 127-141.
[33] 李培楠,赵兰香,万劲波.创新要素对产业创新绩效的影响——基于中国制造业和高技术产业数据的实证分析[J].科学学研究,2014,32(4):604-612.
[34] AMADOR S R, PEREZ M D, LOPEZHUERTAS M, et al. Indicator system for managing science, technology and innovation in universities[J]. Scientometrics, 2018, 115(3): 1575-1587.
[35] WAGNER S,WAKEMAN S D.What do patent-based measures tell us about product commercialization? evidence from the pharmaceutical industry[J]. Research Policy, 2016, 45(5): 1091-1102.
[36] 闫俊周,杨祎.中国战略性新兴产业供给侧创新效率研究[J].科研管理,2019,40(4):34-43.
[37] 刘贯春,刘媛媛,张军.中国省级经济体的异质性增长路径及模式转换——兼论经济增长源泉的传统分解偏差[J].管理世界,2019,35(6):39-55.
[38] DE RASSENFOSSE G. On the price elasticity of demand for trademarks[J]. Industry and Innovation, 2020: 11-24.
[39] WALSH J P, LEE Y N, JUNG T. Win, lose or draw? the fate of patented inventions[J]. Research Policy，2016, 45(7): 1362-1373.
[40] GUO D,GUO Y,JIANG K.Government-subsidized R&D and firm innovation: evidence from China[J]. Research Policy，2016,45(6): 1129-1144.
[41] 刘夏,李文红.欧洲专利价值问卷调查的设计分析及启示[J].情报杂志,2020，39(8):71-75.
[42] 张虎,田茂峰.信度分析在调查问卷设计中的应用[J].统计与决策,2007，23(21):25-27.
[43] 刘军,李廉水,王忠.产业聚集对区域创新能力的影响及其行业差异[J].科研管理,2010, 31(6):191-198.
[44] BAKKER J, VERHOEVEN D, ZHANG L, et al. Patent citation indicators: one size fits all[J]. Scientometrics,2016, 106(1): 187-211.
[45] 金碧辉,汪寿阳,汪冰,等.国际论文与国内论文合一统计方法研究[J].管理科学学报,1999，8(3):3-5.
[46] 林德明,姜磊.科技论文评价体系研究[J].科学学与科学技术管理,2012,33(10):11-17.
[47] HUANG M, HUANG W, CHEN D, et al. Technological impact factor: an indicator to measure the impact of academic publications on practical innovation[J]. Journal of Informetrics, 2014, 8(1): 241-251.
[48] 傅晓霞.企业研发效率测度与比较——以中国各地区大中型工业企业数据为例[J].管理工程学报, 2011,25(4): 103-112.
[49] MENDONCA S, PEREIRA T S, GODINHO M M, et al. Trademarks as an indicator of innovation and industrial change[J]. Research Policy, 2004, 33(9): 1385-1404.
[50] JALLES J T. How to measure innovation? New evidence of the technology-growth linkage[J]. Research in Economics, 2010, 64(2): 81-96.
[51] GUO D, GUO Y, JIANG K, et al. Government-subsidized R&D and firm innovation: evidence from China[J]. Research Policy, 2016, 45(6): 1129-1144.
[52] HEIKE B, MARIUS C, ASTRID C, et al. Innovation indicator 2009: Germany has still some catching up to do[J]. German Institute for Economic Research, 2010, 6(3): 13-19.
[53] NUVOLARI A, TARTARI, et al. Patterns of innovation during the industrial revolution: a reappraisal using a composite indicator of patent quality[C].London:CEPR Discussion Papers, 2019:1-32.