表1国家科技创新规模初始指标
一级指标二级指标指标名称指标代码投入指标财力投入R&D投入强度X1R&D经费支出X2人力投入R&D研究人员X3R&D人员全时当量X4产出指标直接产出SCI收录中国论文数Y1CPCI收录中国论文数Y2EI收录中国论文数Y3科技期刊文章Y4专利申请量Y5专利授权量Y6间接产出高科技产品出口额占制成品出口总额的百分比(%)Y7全国技术市场成交合同额Y8
吴 丹,胡 晶
(北方工业大学 经济管理学院，北京 100144)
摘要：科技创新规模扩张和科技创新效率提升是增强国家科技创新能力的两条关键途径。基于现有研究鲜有结合科技创新规模和科技创新效率开展国家科技创新能力评价的现状，采用因子分析法，系统筛选国家科技创新规模影响因素，并结合科技创新效率影响因素，完善国家科技创新能力评价指标体系，通过构建DEA-Malmquist指数模型，评价不同时期国家科技创新效率变化指数，以及中国与全球10个国家科技创新能力的时空差异性。研究表明，R&D投入强度、R&D研究人员、专利申请量、科技期刊文章数、高科技产品出口额占制成品出口总额的百分比、科技创新效率是影响国家科技创新能力的关键指标；1991-2014年中国科技创新能力水平呈指数增长态势，有力提升了国家科技实力；全球10个国家科技创新能力水平除日本出现一定波动外，其余九国整体呈小幅递增态势。
关键词：科技创新能力；科技创新规模；科技创新效率；时空差异性；评价因素
2016年，中共中央、国务院印发《国家创新驱动发展战略纲要》，明确了我国科技事业3个不同发展阶段的目标，即2020年进入创新型国家行列；2030年进入创新型国家前列；新中国成立100年时成为世界科技强国。为实现科技强国战略目标，必须全面认识中国与世界发达国家之间科技创新能力的时空差异性，剖析导致国家科技创新能力时空差异性的因素。通过开展国家科技创新能力时空差异性评价，明确中国科技创新能力的国际地位，以进一步完善中国科技创新政策，提升中国科技实力。
目前，针对国家科技创新能力的研究，现有文献主要是在界定科技创新能力的基础上，构建科技创新能力评价体系，综合评价科技创新能力及其与经济发展的关系。研究显示，科技创新对经济发展的推力显著，科技创新与经济发展的关系已逐步从失调转变为优质协调[1]。总体而言，科技创新能力评价重点围绕研究视角和研究方法展开。
(1)研究视角，主要是从科技创新规模和科技创新效率方面进行。其中，科技创新规模视角是在综合考虑国家R&D经费投入、论文和专利产出、从事R&D活动的科学家、工程师状况等指标基础上，评价不同国家科技创新能力[2-8]。研究表明，美国、日本等世界主要创新型国家普遍具有科技创新投入规模大、产出规模高两大重要特征[5]；政府科技创新投入规模能够显著推动科技创新产出规模，如R&D经费支出比例提高和R&D人员增加，推动新产品[6-7]、期刊论文及专利产出量增加[8-9]。科技创新效率视角主要采用DEA模型及其扩展模型[10-19]，如两阶段DEA模型[14]、DEA-Malmquist模型[15]、DEA-TOPSIS模型[16]、DEA-TOPSIS-主成分模型[17]等方法，评价不同国家科技创新能力。研究表明，科技创新效率提升有助于充分发挥科技创新投入对科技创新产出的推动作用[20]，进而成为科技创新能力提升的重要推力[21]。
(2)科技创新能力评价方法。主要包括主成分分析法、熵值法、模糊评价法、DEA模型、理想解法、突变级数模型等[9-19,22-25]。如毛良虎等[22]采用主成分分析法和探索性空间数据分析法，系统评价了长江经济带省域科技创新能力及其空间关联格局；王业强等[23]采用熵值法、指标分析法、标准差椭圆等方法，综合评价中国东中西部科技创新能力、空间分布及空间变化特征；陈艳华[24]采用综合权重TOPSIS法，评价分析了区域科技创新能力及其绩效间的协调发展关系；胡树华等[25]运用模糊评价法，从科技、管理和制度3个维度，系统评估了武汉市高新技术产业创新能力；黄亮等[26]运用突变级数模型，对长江经济带50个骨干城市的科技创新能力进行测度分析，得出各城市科技创新绩效表现均衡的结论。
参考现有文献，科技创新规模扩张和科技创新效率提升是增强国家科技创新能力的两条关键途径，但目前学者们主要是从科技创新规模或科技创新效率的单一视角，开展国家科技创新能力评价研究，评价方法以理想解法和DEA模型为主，鲜有学者将科技创新规模因素和科技创新效率因素进行整合，构建综合评价体系，从国际视角进行不同国家科技创新能力的时空差异性评价。为此，本文将采用因子分析法，在系统筛选国家科技创新规模指标的基础上，结合科技创新效率因素，完善国家科技创新能力评价指标体系设计。以此为基础，构建DEA-Malmquist指数模型，评价国家科技创新效率变化指数以及中国与全球10个国家科技创新能力的时空差异性。通过对比分析，进一步剖析导致国家科技创新能力时空差异性的影响因素及其变化。
一个国家的科技创新能力重点从科技创新规模和科技创新效率两方面体现。其中，科技创新规模通常用科技财力投入、人力投入、直接产出(如论文、专利等)和间接产出(如高科技产出、技术市场成交合同额)等指标衡量，科技创新效率通常用科技创新投入产出比指标衡量。国家科技创新能力评价指标筛选步骤为：
(1)参考现有文献，初步选定能够表征国家科技创新规模的初始指标，见表1。
表1国家科技创新规模初始指标
(2)选取中国1991-2014年数据作为初始指标KMO和Bartlett检验数据，对国家科技创新规模的初始指标进行KMO和Bartlett检验(见表2)，运行SPSS软件，分别对初始投入指标、产出指标提取主成分因子I和O。
表2初始指标KMO和Bartlett检验
注：指标数据来源于中国科技统计网站、国家统计局网站、世界银行网站
研究表明，国家科技创新规模的初始指标KMO值大于0.7，适合作因子分析。同时，Bartlett球形检验的Sig取值为0，表明初始投入指标、产出指标之间存在线性关系，提取主成分因子，即
(1)
式(1)中，各指标系数为因子得分，因子得分的绝对值代表各指标对主成分因子的贡献度。
(3)测算科技创新规模初始指标相关系数矩阵(见表3)，并结合因子得分，对初始指标进行筛选。
表3初始指标相关系数矩阵
根据表3，筛选国家科技创新规模最终指标。同时，现有研究表明，科技创新效率对于推动国家科技创新能力提升具有显著作用[6,21]。为此，将科技创新效率作为衡量国家科技创新能力的关键性指标之一，构建国家科技创新能力评价指标体系，见表4。
表4国家科技创新能力评价指标体系
表4中，R&D投入强度能够反映一个国家对科技财力投入规模的重视程度；R&D研究人员是影响科技创新产出规模的关键指标；科技期刊发表文章数能够侧面反映一个国家的科研能力；专利申请量代表一个国家拥有自主知识产权的科技或设计成果情况，反映一个国家科技创新的直接产出能力；高科技产品出口额占制成品出口总额的百分比能反映一个国家科研成果的市场化能力。
根据表4的国家科技创新能力评价指标体系，首先，结合科技创新投入、产出指标，运用DEA-Malmquist指数模型，确定不同时期国家科技创新效率变化指数。在此基础上，采用熵权法，确定国家科技创新能力评价指标权重并采用线性加权法，测算不同时期不同国家的科技创新能力指数。国家科技创新能力评价模型构建步骤为：
步骤1：采用DEA法，测算不同时期国家科技创新效率。模型可表示为：
(2)
式(2)中，θ表示第t0个时期的国家科技创新效率；ε表示阿基米德无穷小；e表示单位向量；s-、s+表示松弛变量；xit表示第i个科技创新投入规模指标在第t时期的指标值，yrt表示第r个科技创新产出规模指标在第t时期的指标值；λj表示指标权重。其中，
时，模型测算规模报酬可变情况下的科技创新效率。
步骤2：采用Malmquist指数模型，确定不同时期的科技创新效率变化指数。在规模报酬不变情况下，采用全要素生产率指数(Total Factor Productivity Change，简称TFPch)，测算国家科技创新效率变化指数，并将其分解为技术效率变化指数(Technical Efficiency Change Index，简称TEch)和技术进步变化指数(Technical Process Change Index，简称TPch)，模型可表示为：
(3)
式(3)中，TFPch表示不同时期国家创新效率变化指数，用以衡量一个国家不同时期的技术水平变化。其中，TFPch>1、TFPch<1、TFPch=1分别表示不同时期存在技术进步、技术衰退、技术水平不变；Tech表示技术效率变化指数，衡量相对技术效率的变化情况；TPch表示技术进步变化指数，用以衡量生产技术前沿的变化情况；x和y分别表示国家科技创新投入、产出指标，
为相比t时期，t+1时期第k个国家的科技创新效率。
同时，在规模报酬可变情况下，技术效率变化指数可进一步分解为纯技术效率变化指数(Pure Technical Efficiency Change Index，简称PEch)和规模效率变化指数(Scale Technical Efficiency Change Index，简称SEch)，模型可表示为：
(4)
式(4)中，PEch表示纯技术效率；SEch表示规模效率；S表示生产可能集；C表示规模报酬不变，V表示规模报酬可变；
表示在S生产可能集和规模报酬不变条件下，相对于t时期第k个国家的科技创新效率，
表示在S生产可能集和规模报酬可变条件下，相对于t时期第k个国家的科技创新效率。
步骤3：采用熵权法，确定国家科技创新能力评价指标权重。可表示为：
式(5)中，wi表示国家科技创新能力评价第i个指标的权重，则
表示第i个指标的熵值，
表示
的规范化处理值，表示指标yij与
的接近程度，若yij为效益型指标，取
若yij为成本型指标，取
其中，max{yij}表示不同国家第i个指标的最优值，min{yij}表示不同国家第i个指标的最小值。
步骤4：采用线性加权法，测算不同时期不同国家的科技创新能力指数。可用公式表示为：
(6)
式(6)中，STIAj(t)表示第t时期第j个国家的科技创新能力指数，aij(t)表示第t时期第j个国家第i个指标经无量纲化处理后的指标值；
表示第t时期第j个国家第i个指标的理想值，
表示第t时期第j个国家第i个指标的负理想值。
首先，根据式(2)-(4)，采用DEA-Malmquist指数模型，运行DEAP和SPSS软件，测算中国和全球10个国家的科技创新效率值(见图1)、科技创新效率变化指数(见图2)。由图1可见，中国科技创新的有效年份最多，2003-2005年、2008-2009年、2010-2014年3个时期的科技创新效率值均大于1；其次是韩国(1999-2000年、2004-2005年)、英国(2000-2001年、2005-2006年)、意大利(2006-2007年、2013-2014年)、印度(2012-201 4年)、日本(2000-2001年)。从DEA-Malmquist指数模型评价结果来看，中国科技创新效率整体呈递增态势，与全球10个国家相比，2009-2010年中国的科技创新效率值列首位，而日本近10年的科技创新效率呈逐年下降趋势，美国的科技创新效率稳步上升。
图1 1991-2014年中国与全球10个国家科技创新效率变化
图2 1992-2014年中国与全球10个国家科技创新效率变化指数对比
根据图2，除个别年份外，中国的科技创新效率变化指数处于较高水平，基本实现持续的技术进步，仅在2000-2001年、2006-2007年、2013-2014年出现轻微的技术衰退，这与图1的中国科技创新效率呈递增发展态势相吻合。作为科技创新效率变化指数持续下降的日本和韩国，分别出现了13年和11年的技术衰退，而美国的科技创新效率变化指数虽保持缓慢增长，但同样出现了8年的技术衰退。因此，中国的科技创新效率明显强于全球10个国家。
其次，根据公式(5)-(6)，采用熵权法和线性加权法，综合评价中国和全球10个国家的科技创新能力指数。由图3可见，1991-2014年中国科技创新能力水平呈指数增长态势，1991-1992年科技创新能力指数排名第五，2010-2011年跃居首位。同期，全球10个国家的科技创新能力指数除日本出现轻微增长后有较大降幅外，均呈小幅递增态势。研究表明，1991-1999年，日本、美国的科技创新能力指数遥遥领先；1999-2000年中国科技创新能力指数加速增长，同时，美国的科技创新能力指数也有增长，而日本的科技创新能力指数开始下降；2007-2008年和2010-2011年中国科技创新能力指数先后赶超日本与美国，现居世界首位。
图3 1991-2014年中国与全球10个国家科技创新能力指数对比
在综合评价中国和全球10个国家科技创新能力的基础上，基于构建的国家科技创新能力评价指标体系，将中国和全球10个国家纳入统一框架体系，结合11个国家科技创新规模和科技创新效率变化，进一步剖析导致这11个国家科技创新能力出现时空分异的影响因素及其变化。
(1)科技创新投入规模及其时空演变。以日本为基数，测算11个国家科技创新投入规模的相对值(见图4)，剖析国家科技创新投入规模的时空演变对国家科技创新能力的影响。
图4 1987-2014年11个国家科技创新投入规模时空演变对比
根据图4，首先，1987年中国的R&D投入强度远低于美国、日本、德国、英国、法国、加拿大、意大利、俄罗斯、韩国和印度，但从长远来看，其整体呈递增趋势，2014年中国R&D投入强度提高至2.05%，超过英国、加拿大、意大利、俄罗斯和印度，达到创新型国家科技投入强度标准。①从增幅来看，相比1987年，2014年中国R&D投入强度增长1.44%，仅次于11个国家中排名第一的韩国(2.45%)，超过日本(0.77%)，且中国对科技投入的重视程度显著提升，相比R&D投入强度变化较为平稳的1987-1998年，1998-2014年增幅较大；②从增长率来看，相比1987年，2014年中国的R&D投入强度以236%的增长率位居第一，远超增长率较高的韩国(133%)和日本(27.4%)。
其次，1987-2014年中国R&D研究人员数整体呈递增趋势，且2008年、2011-2014年位居11国首位。①从增幅来看，相比1987年，2014年中国R&D研究人员增加至127.6万人年，增长率达533%，在11个国中排名第一，远高于增幅排名第二的日本(16.96万人年)和增长率排名第二的美国(41.24%)；②分阶段来看，1987-1997年中国R&D研究人员总数以年均3.83万人的幅度稳定增长，1997-1998年中国R&D研究人员数出现暂时性降低，1998-2008年又呈现年均12.30万人的高速增长态势，但2008-2009年出现历史最大降幅(44.01万人年)。同期，美国的R&D人员数也呈下降态势，且持续时间(2007-2010年)长于中国。2009-2014年，中国R&D研究人员数以年均7.44万人的速度大幅增长。
(2)科技创新产出规模及时空演变。以日本为基数，测算中国与其它各国科技创新产出规模相对值(见图5)，剖析科技创新产出规模的时空演变对国家科技创新能力的影响。
首先，中国科技期刊发表文章数整体呈指数增长态势，1985-2013年增加39.95万篇，增长率高达21 026%，位居11国首位，远高于第二位的美国(27.47万篇的增长量和199%的增长率)，其中，1985-1999年增幅较小，平均每年增长1 000篇，1999-2013年以年均2.76万篇高速增长。①从增长幅度来看，除1990-1991年出现了1.6%的下降外，其它年份都实现了一定增长。如1985-1986年、1987-1988年、1999-2000年、2003-2004年、2004-2005年实现了45%以上的高速增长，且在11国普遍实现高增长的1999-2000年，中国的增长率位居首位，但增幅较日本的8.98万篇少5.82万篇；②从总量来看，中国虽然起点较低，但由于增幅可观，从1985年的第十位跃居至2004年的第二位，且2004-2013年间与位居第一的美国的差距逐年缩小，至2013年差距已缩小至一万篇左右。
其次，中国专利申请量除1985-1986年、1988-1989年、1993-1995年出现小幅下降外(600项、30项、2 100项)，其余年份都实现一定程度增长，且整体呈指数增长态势。1985-2014年实现增幅79.7万项，增长率高达19 439%，远超排名第二的美国(22.14万项的增幅和348%的增长率)，以及排名第三的韩国(16.14万项的增幅和59.78%的增长率)。①从不同阶段来看，1985-1999年增幅较缓，平均每年增长800项，2000-2004年增幅较缓，平均每年增加1万项，2005-2010年增幅较大，平均每年增长3.79万项，2011-2014年增幅显著，平均每年增长达12.7万项；②从总量来看，中国已由1985年的排名第六跃升至2010年的第一位， 2014年专利申请量已超排名第二的美国51.6万项。
图5 1985-2015年中国与其它各国科技创新产出规模时空演变对比
此外，1992-2005年中国的高科技产品出口额占制成品出口总额的百分比一直呈递增态势，共增长24.4%，从11国中的第十位跃升到第二位，2005-2015年该比例虽有所波动，但依然保持全球领先水平，其中，2011-2013年一直保持位列11国的首位，2014-2015年位居第三，但与第一、二名的韩国、法国相比仅差一个百分点。①总体来看，1996-2015年中国高科技出口占制成品出口占比共增长19.4%。同期，1996年排名前三的美国、英国、日本都呈现波动下降趋势，排名较前的法国、韩国分别实现8.4%和7%的增长幅度，德国、俄罗斯、印度虽然起点较低，但分别实现4%、4.1%和3.5%的小幅上升，11国间高科技出口占制成品出口百分比差距有缩小趋势。
(3)科技创新效率因素。中国和全球10个国家科技创新效率的评价结果表明，1991-2014年中国科技创新投入产出有效年份数位居11国首位，且23年间科技创新效率基本实现持续增长，技术进步程度可观。为此，采用DEA-Malmquist指数模型，进行科技创新效率分解分析，见表5。
首先，就技术效率来看，1991-1995年、1997-1998年、2000-2003年、2005-2008年、2009-2010年中国的科技创新投入产出存在技术无效率问题，即一定量的科技创新投入带来科技创新产出过少，或者相比一定量的科技创新产出，科技创新投入出现冗余问题。由表5可以发现：在科技创新投入方面，所有技术无效率年份均不存在以R&D投入强度为代表的科技财力投入冗余现象，1994-1995年、1997-1998年、2000-2002年以R&D人员为代表的科技创新人力投入出现冗余；在科技创新产出方面，除2009-2010年高科技产品出口额占制成品出口总额的百分比未出现产出不足问题，其余技术无效率年份均存在3项科技创新产出指标不足问题，即无论是科技直接产出还是科技间接产出都有待提高。
其次，就规模效率来看，1991-2003年、2005-2008年、2009-2010年中国出现规模无效率。在规模无效率的大部分年份(1991-2003年、2007-2008年)，中国的科技创新投入产出规模报酬呈递增状态，说明该期间中国未能很好地利用规模报酬递增优势，应通过持续加大科技创新投入来提高科技创新投入产出规模效率，进而提高总效率。
总体来看，R&D投入强度、R&D研究人员、专利申请量、科技期刊文章数、高科技产品出口额占制成品出口总额的百分比、科技创新效率是影响国家科技创新能力时空差异性的关键因素。现阶段中国R&D研究人员总数已位居11国首位，以论文量和专利数为代表的中国科技直接产出能力逐年提升，并跻身世界前列，有力推动了中国技术进步。但是，中国R&D投入强度相比具有世界领先水平的韩国(4.29%)和日本(3.58%)仍有较大差距，科技财力投入力度依然存在较大提升空间。同时，近十年以高科技产品出口额占制成品出口总额百分比为代表的中国科技间接产出能力呈现一定波动状态，在现有水平下实现科技间接产出稳定增长是未来的努力方向。
表51991-2014年中国科技创新效率分解分析
注：总效率为不同时间段科技创新的总体效率，用超效率得分值表示；技术效率为投入一定单位科技创新资源带来的科技创新产出量；规模效率为增加固定单位科技创新资源带来的科技创新产出增加量；规模报酬情况中的drs、irs、-分别为科技创新投入产出呈规模报酬递减、规模报酬递增以及规模报酬不变状态
中国的科技创新能力获得了巨大提升，现阶段已跻身世界前列，部分指标甚至达到创新型国家要求。从科技创新投入规模来看，中国的科技财力投入较发达国家仍存在一定差距，有较大提升空间。从科技创新产出规模来看，以论文和专利数为代表的科技直接产出呈指数增长态势，以高科技产品出口额占制成品出口总额的百分比为代表的科技间接产出近十年波动明显，未能实现稳定增长。为此，提高中国科技创新能力的关键是加大科技财力投入，增强科研成果市场化能力。同时，优化中国科技创新投入产出结构，提升国家科技创新效率。一方面，充分利用科技创新投入产出规模报酬递增优势，加大科技投入，适度调整科技创新投入比例，杜绝资源浪费现象；另一方面，增大科技直接产出与科技间接产出并重，采取奖励、补贴、税收优惠等政策，鼓励科研机构、高校、企业等自主创新，推动产学研一体化，提升科研成果市场化能力。
参考文献:
[1] 顾伟男,申玉铭,王书华,等.科技创新能力的空间演变及其与经济发展的关系[J].中国科技论坛,2017 (9):23-29.
[2] 黄丹,张其明.基于动态因子分析法的中国区域科技创新能力比较研究[J].邵阳学院学报：社会科学版,2017,16(4):78-85.
[3] 吴丹.全球视野下中国科技投入规模演变态势分析与预测[J].科技进步与对策,2016,33(13):120-124.
[4] 吴丹.全球视野下中国研发投入强度的演变态势分析与预测[J].科技管理研究,2017,37(3):9-14.
[5] 安宁,罗珊.主要创新型国家科技投入分析及经验借鉴[J].华南师范大学学报：社会科学版, 2008(2):32-37.
[6] PARISI ML, SCHIANTARELLI F, SEMBENELLI A. Productivity,innovation and R&D: micro evidence for Italy[J]. European Economic Review, 2006,50(8): 2037-2061.
[7] DIAZDIAZ NL, SAAPEREZ PD.Novelty of innovation and the effect of existing and recently hired R&D human resources[J].Innovation, 2012,14(1): 74-89.
[8] 吴芸.政府科技投入对科技创新的影响研究——基于40个国家1982-2010年面板数据的实证检验[J].科学学与科学技术管理,2014,35(1):16-22.
[9] 吴进红,解娟娟.苏中科技创新能力评价研究[J]. 扬州大学学报：人文社会科学版,2017(4):47-51.
[10] ZHONG W, YUAN W, LI SX, et al. The performance evaluation of regional R&D investments in China: an application of DEA based on the first official China economic census data[J]. Omega,2011,39(4):447-455.
[11] WANG B, LIU WD, ZHANG JB. Evaluation on the efficiency for the allocation of science and technology resources in China based on DEA model[A]//Advances in intelligent systems and computing.Berlin Heidelberg: Springer Publishing, 2012,138:135-140.
[12] 李泽霞,董瑜,张薇.应用DEA方法评价我国区域科技创新效率[J].图书情报工作,2011,55(18):24-28.
[13] 吕晨,曾明彬.基于DEA的中国区域科技投入产出相对效率研究[J].科学管理研究,2014,32(2): 101-104.
[14] 彭诚,郑长德.基于决策偏好两阶段网络DEA的我国科技投入效率研究[J].科技进步与对策,2014,31(8):125-129.
[15] 朱鹏颐,刘东华,黄新焕.动态视角下城市科技创新效率评价研究——以福建九地级市为例[J].科研管理,2017,38(6):43-50.
[16] 俞立平,熊德平,武夷山.中国地区科技效率的组合测度研究[J].科学学研究,2011,29(8):1141-1146.
[17] 康楠,郑循刚,母培松.基于组合评价的我国区域科技资源配置效率研究[J].华中科技大学学报,2009,23(6):79-83.
[18] LEE SK, MOGI G, HUI KS. A fuzzy analytic hierarchy process (AHP)/data envelopment analysis (DEA) hybrid model for efficiently allocating energy R&D resources:in the case of energy technologies against high oil prices[J]. Renewable & Sustainable Energy Reviews, 2013,21: 347-355.
[19] LEE H, PARK Y, CHOI H. Comparative evaluation of performance of national R&D programs with heterogeneous objectives: a DEA approach[J]. European Journal of Operational Research, 2009,196(3):847-855.
[20] 张治河,冯陈澄,李斌,等.科技投入对国家创新能力的提升机制研究[J].科研管理,2014,35(4):149-160.
[21] CHEN CP,HU JL, YANG CH. Produce patents or journal articles? a cross-country comparison of R&D productivity change[J]. Scientometrics,2013,94(3):833-849.
[22] 毛良虎,姜莹.长江经济带省域科技创新能力评价及空间关联格局分析[J].科技进步与对策,2016,33(21):126-131.
[23] 王业强,梁阁.区域科技创新能力评价与空间格局演变[J].发展研究, 2016(4):34-40.
[24] 陈艳华.基于熵权TOPSIS的区域科技创新能力实证研究[J].工业技术经济,2017,36(5):46-51.
[25] 胡树华,解佳龙.武汉市高技术产业创新能力评价[J].武汉理工大学学报：信息与管理工程版, 2011,33(2):258-262.
[26] 黄亮,王振,范斐.基于突变级数模型的长江经济带50座城市科技创新能力测度与分析[J]. 统计与信息论坛,2017,32(4):73-80.
Wu Dan, Hu Jing
(School of Economics and Management, North China University of Technology, Beijing 100144, China)
Abstract：The scale expansion and the efficiency improvement of science and technology innovation are two key ways to enhance a country's science and technology innovation ability. Few scholars evaluate national science & technology innovation ability combined with two factors, such as the scale and the efficiency of science and technology innovation. Therefore, the paper ensures the scale indicators of science and technology innovation based on the factor analysis method. And combined with the efficiency indicators of science and technology innovation, the evaluation indicator system of science and technology innovation is improved. Then, the DEA-Malmquist model is given, to evaluate the changing of the efficiency index of science and technology innovation among different periods, and evaluate temporal and spatial differences of science and technology innovation ability between China and other ten countries in 1991-2014, and ensures the changing of influenced factors of science and technology innovation ability and the decomposition analysis of the efficiency factors. The evaluation results show that, the intensity of science & technology investment, R&D researchers, patent applications, the number of scientific journals, the high tech exports and the efficiency of science and technology innovation are the key influence factor of science and technology innovation ability. The ability index of China's science & technology innovation has increased exponentially in the 23 years, ranking ninth of 11 countries in 1991-1992 to ranking first of 11 countries in 2013-2014, to contribute to technological progress and scientific and technological strength in China. The ability index of science and technology innovation in global ten countries was relatively stable. Japan has seen a relatively large decline after a slight increase, and the other nine countries all presented a small incremental trend.
KeyWords:Scientific & Technological Innovation Ability; Scientific & Technological Innovation Regulation; Scientific & Technological Innovation Efficiency; Temporal and Spatial Differences; Evolution Factors
文章编号：1001-7348(2018)20-0128-09
文献标识码：A
中图分类号：F204
DOI：10.6049/kjjbydc.2017120300
作者简介：吴丹(1986-)，男，江西抚州人，博士，北方工业大学经济管理学院讲师，硕士生导师，研究方向为战略规划与资源配置、管理决策理论与应用；胡晶(1989-)，女，山东泰安人，北方工业大学经济管理学院硕士研究生，研究方向为科技管理。
基金项目：北京市社会科学基金青年项目(17GLC064)
收稿日期：2018-03-22
(责任编辑：胡俊健)