摘要：文章根据灰色系统理论中的灰色关联分析，建立了我国区域创新系统创新绩效评价的灰色关联投影模型。另外，评价指标的权重对最终的创新绩效评价影响很大，为了尽量消除主观因素的影响，充分考虑评价矩阵的固有信息，利用逼近理想点法确定各评价指标的权重。
关键词：区域创新；绩效；灰色关联投影；理想点
一、 引言
我国在《国家中长期科学和技术发展规划纲要（2006-2020）》指出，必须把提高自主创新能力作为调整经济结构、转变增长方式、提高国家竞争力的中心环节，把建设创新型国家作为面向未来的重大战略选择，到2020年全社会研究开发投入占国内生产总值的比例达到2.5%以上，力争科技进步贡献率达到60%以上，对外技术依存度降低到30%以下，本国发明专利年度授权量和国际科学论文被引用数均进入世界前5位。要实现上述目标，更多地取决于知识创新成果向现实生产力的转化的效率，尤其是在相比发达国家我国社会资源相对匮乏的情况下，更应该对科技创新资源的利用效率进行客观地评价，以便国家以及各地政府部门正确地认识自身的创新情况，有效地识别影响区域创新绩效的关键因素，从而制定相关的区域发展政策，进一步提高区域科技投入转化为科技成果的效率。目前，区域创新绩效的评价问题已引起了国内外学者的关注，学者们提出的评价模型大部分是以数据包络分析（data envelopment analysis，dea）以及其拓展模型为主，但区域创新绩效评价问题更具备灰色系统的特征，因为区域创新绩效评价系统中既有已被了解的白色信息，又有尚未被发现的黑色信息，而更多的是一般性了解的灰色信息。wWw.11665.cOM因此，本文将灰色系统理论的灰色关联与矢量投影原理相结合，提供一种基于灰色关联投影的区域创新绩效评价模型，同时对评价指标采用客观赋权方法，尽量避免人为因素对评价结果的影响。
二、 区域创新系统创新绩效评价的灰色关联投影模型
1. 灰色关联投影法原理。灰色关联投影法是从矢量投影的角度探讨多目标评价的方法，该方法以各方案在理想方案上的投影值大小，作为评判决策方案优劣的标准，并通过特定的算法，使重要指标的加权系数得到进一步加强，从而全面准确地反映了各决策方案和理想方案之间的接近程度，使得区域创新绩效评价更接近客观实际。考虑到区域创新绩效的评价对象集合a：a={a1，a2，…，am}，各评价对象的因素指标集合v：v={v1，v2，…，vn}。记评价对象ai对评价指标vj的属性值为rij（i=1，2，…，m；j=1，2，…，n）。一般来说，为了消除原始数据指标单位及其数量级的影响，需要对原始数据进行规范化处理，处理方法如下：
3. 区域创新系统创新绩效评价的灰色关联投影评价步骤。
第一：收集数据，确定评价对象集a和属性指标集v；
第二：对原始数据r按照式（1）进行规范化处理得到 r′，同时确定最佳评价对象a0；
第三：利用式（9）计算各指标的权重向量w=（w1，w2，…，wn）；
第四：用式（3）计算子因素r′ij与母因素r′0j的关联系数?酌ij，得到由?酌ij组成的多目标灰色关联度矩阵f；
第五：利用式（6）计算各待评价对象在理想最佳评价对象上的投影值di。
三、 我国区域创新系统创新绩效评价实证分析
1. 评价指标体系设计及计算结果。设计一个系统的、科学的、具有可操作性和可拓展性的评价指标体系，是正确评价区域创新系统创新绩效的前提和基础。从本质上讲，对区域创新系统创新绩效评价指标体系的选择是建立在对创新绩效概念内涵理解的基础之上。因此，由于研究者对区域创新绩效含义的理解不同，所给的评价指标体系也不尽相同。笔者根据区域创新绩效评价指标体系设计的科学性、可比性、实用性、可操作性以及系统性原则，在创新投入方面主要选取r&d研发人数（v1）和r&d研发投入资金额（v2）两项指标，在创新产出方面主要选取专利申请授权数（v3）、发表科技论文数（v4）、国内外技术市场合同成交额（v5）、大中型以上企业新产品销售额（v6）以及当地gdp水平（v7）五项指标。根据上述评价指标查询国家统计局网站以及《中国区域创新能力报告2010》的相关数据，并按照公式（1）进行数据规范化处理，数据处理结果见表1所示。按照公式（2）选取比较序列，再按照灰色关联投影评价步骤的第三、第四和第五分别带入表1数据进行计算，便可得出表1第9列和第10列的评价结果。
2. 区域创新系统创新绩效评价结果分析与建议。由表1可以看出，区域创新绩效排名前十的地区既有处于东部的省市，如北京
市（排名第二）、上海市（排名第三）、辽宁省（排名第四）、天津市（排名第五）、河北省（排名第六），也有处于中部的省份内蒙古（排名第八），同时还有地处西部的新疆（排名第一）、青海（排名第七）、甘肃（排名第九）以及贵州（排名第十）；区域创新绩效排名后十名的省、市、自治区中，东部地区（江苏、福建、山东、浙江和海南）占到了50％、中部有江西、黑龙江和安徽，西部有西藏和宁夏；同时还可以发现，创新绩效排名在第11到第21的地区中，只有一个东部省份广东，其余均为中西部地区。通过上述分析可以得出如下结论，区域创新绩效和地方的经济强弱并无直接的联系，而是分布在不同的经济区域内。
为了分析区域创新能力与创新绩效的关系，这里引用《中国区域创新能力报告2010》中的区域创新能力排名次序，重点分析创新能力排名前十的地区，他们分别是：江苏、广东、北京、上海、浙江、山东、天津、湖北、四川和重庆。从表1的结果中可以看出，创新能力排名前十的地区其相应的创新绩效未必高，其中北京、上海和天津的创新绩效水平与其创新能力有所呼应，而江苏、浙江和山东的创新绩效水平却处于后十名，广东、湖北、四川和重庆的创新绩效水平则处于中等水平。
摘要：文章根据灰色系统理论中的灰色关联分析，建立了我国区域创新系统创新绩效评价的灰色关联投影模型。另外，评价指标的权重对最终的创新绩效评价影响很大，为了尽量消除主观因素的影响，充分考虑评价矩阵的固有信息，利用逼近理想点法确定各评价指标的权重。
关键词：区域创新；绩效；灰色关联投影；理想点
一、 引言
我国在《国家中长期科学和技术发展规划纲要（2006-2020）》指出，必须把提高自主创新能力作为调整经济结构、转变增长方式、提高国家竞争力的中心环节，把建设创新型国家作为面向未来的重大战略选择，到2020年全社会研究开发投入占国内生产总值的比例达到2.5%以上，力争科技进步贡献率达到60%以上，对外技术依存度降低到30%以下，本国发明专利年度授权量和国际科学论文被引用数均进入世界前5位。要实现上述目标，更多地取决于知识创新成果向现实生产力的转化的效率，尤其是在相比发达国家我国社会资源相对匮乏的情况下，更应该对科技创新资源的利用效率进行客观地评价，以便国家以及各地政府部门正确地认识自身的创新情况，有效地识别影响区域创新绩效的关键因素，从而制定相关的区域发展政策，进一步提高区域科技投入转化为科技成果的效率。目前，区域创新绩效的评价问题已引起了国内外学者的关注，学者们提出的评价模型大部分是以数据包络分析（data envelopment analysis，dea）以及其拓展模型为主，但区域创新绩效评价问题更具备灰色系统的特征，因为区域创新绩效评价系统中既有已被了解的白色信息，又有尚未被发现的黑色信息，而更多的是一般性了解的灰色信息。因此，本文将灰色系统理论的灰色关联与矢量投影原理相结合，提供一种基于灰色关联投影的区域创新绩效评价模型，同时对评价指标采用客观赋权方法，尽量避免人为因素对评价结果的影响。
二、 区域创新系统创新绩效评价的灰色关联投影模型
1. 灰色关联投影法原理。灰色关联投影法是从矢量投影的角度探讨多目标评价的方法，该方法以各方案在理想方案上的投影值大小，作为评判决策方案优劣的标准，并通过特定的算法，使重要指标的加权系数得到进一步加强，从而全面准确地反映了各决策方案和理想方案之间的接近程度，使得区域创新绩效评价更接近客观实际。考虑到区域创新绩效的评价对象集合a：a={a1，a2，…，am}，各评价对象的因素指标集合v：v={v1，v2，…，vn}。记评价对象ai对评价指标vj的属性值为rij（i=1，2，…，m；j=1，2，…，n）。一般来说，为了消除原始数据指标单位及其数量级的影响，需要对原始数据进行规范化处理，处理方法如下：
3. 区域创新系统创新绩效评价的灰色关联投影评价步骤。
第一：收集数据，确定评价对象集a和属性指标集v；
第二：对原始数据r按照式（1）进行规范化处理得到 r′，同时确定最佳评价对象a0；
第三：利用式（9）计算各指标的权重向量w=（w1，w2，…，wn）；
第四：用式（3）计算子因素r′ij与母因素r′0j的关联系数?酌ij，得到由?酌ij组成的多目标灰色关联度矩阵f；
第五：利用式（6）计算各待评价对象在理想最佳评价对象上的投影值di。
三、 我国区域创新系统创新绩效评价实证分析
1. 评价指标体系设计及计算结果。设计一个系统的、科学的、具有可操作性和可拓展性的
评价指标体系，是正确评价区域创新系统创新绩效的前提和基础。从本质上讲，对区域创新系统创新绩效评价指标体系的选择是建立在对创新绩效概念内涵理解的基础之上。因此，由于研究者对区域创新绩效含义的理解不同，所给的评价指标体系也不尽相同。笔者根据区域创新绩效评价指标体系设计的科学性、可比性、实用性、可操作性以及系统性原则，在创新投入方面主要选取r&d研发人数（v1）和r&d研发投入资金额（v2）两项指标，在创新产出方面主要选取专利申请授权数（v3）、发表科技论文数（v4）、国内外技术市场合同成交额（v5）、大中型以上企业新产品销售额（v6）以及当地gdp水平（v7）五项指标。根据上述评价指标查询国家统计局网站以及《中国区域创新能力报告2010》的相关数据，并按照公式（1）进行数据规范化处理，数据处理结果见表1所示。按照公式（2）选取比较序列，再按照灰色关联投影评价步骤的第三、第四和第五分别带入表1数据进行计算，便可得出表1第9列和第10列的评价结果。
2. 区域创新系统创新绩效评价结果分析与建议。由表1可以看出，区域创新绩效排名前十的地区既有处于东部的省市，如北京市（排名第二）、上海市（排名第三）、辽宁省（排名第四）、天津市（排名第五）、河北省（排名第六），也有处于中部的省份内蒙古（排名第八），同时还有地处西部的新疆（排名第一）、青海（排名第七）、甘肃（排名第九）以及贵州（排名第十）；区域创新绩效排名后十名的省、市、自治区中，东部地区（江苏、福建、山东、浙江和海南）占到了50％、中部有江西、黑龙江和安徽，西部有西藏和宁夏；同时还可以发现，创新绩效排名在第11到第21的地区中，只有一个东部省份广东，其余均为中西部地区。通过上述分析可以得出如下结论，区域创新绩效和地方的经济强弱并无直接的联系，而是分布在不同的经济区域内。
为了分析区域创新能力与创新绩效的关系，这里引用《中国区域创新能力报告2010》中的区域创新能力排名次序，重点分析创新能力排名前十的地区，他们分别是：江苏、广东、北京、上海、浙江、山东、天津、湖北、四川和重庆。从表1的结果中可以看出，创新能力排名前十的地区其相应的创新绩效未必高，其中北京、上海和天津的创新绩效水平与其创新能力有所呼应，而江苏、浙江和山东的创新绩效水平却处于后十名，广东、湖北、四川和重庆的创新绩效水平则处于中等水平。
论文网在线
