一带一路沿线国家科技创新水平评价

摘要：共建“一带一路”是顺应世界多极化、经济全球化、文化多样化、社会信息化潮流的重大举措。文章采用来自世界银行、全球创新指数、《世界竞争力年鉴》的部分公开数据，以二阶因子模型为基础模型，通过现有的4种偏最小二乘估计算法，对“一带一路”沿线国家的科技创新水平进行评价。研究表明，科研投入产出对一国科技创新水平的提升均表现出相对较大的贡献。而随着分位数水平的引入，经济社会环境、科技人力资源和科研投入产出的作用均表现出随分位数水平的上升而增加的变化趋势。人口总数和GDP总量对于经济社会环境的影响颇为重要，而他们所带来的影响的差异在低分位数水平时表现得最为明显。RD研究人员和高等院校入学率对科技人力资源的影响，以及科技期刊论文和专利申请量对科技投入产出的影响，也表现出类似的规律。而在高分位数水平下研发支出对科技投入产出表现出相对显著的效应。

0引言

近年来，面向“一带一路”相关问题的研究可归纳为如下几个类别：

第一，“一带一路”沿线国家经济贸易发展及影响因素研究

“一带一路”倡议显著推动了沿线国家的经济增长，并且推动作用随时间逐渐增强[1]。“一带一路”沿线国家增加值贸易网络规模不断扩大，各国地理相邻、共同语言、直接投资关系和产业结构差异对促进贸易网络演变的积极效应具有阶段性的差异[2]。从国际视角看，改善投资环境、优化投资结构、培育创新驱动核心优质要素，将有助于提升中国在全球价值链分工中的地位[3]。

第二，“一带一路”沿线国家各行业发展状况研究

我国零售业关联产业在“一带一路”沿线国家具有一定优势，“一带一路”沿线国家和地区是我国零售业“走出去”的重要目标市场[4,5]。我国从部分“一带一路”沿线国家中进口的虚拟土地主要来源于棉花、谷物、水果和油料，未来应进一步扩大以农产品为依托的虚拟土地进口面积，发展农产品贸易合作伙伴[6]。“一带一路”对建筑行业的企业财务绩效的影响是正向的，说明企业参与“一带一路”会促进建筑行业的企业绩效提升，利于企业的发展[7]。

第三，“一带一路”沿线国家科技创新研究

现阶段中国与中东欧国家在科技创新合作机制方面具有政府主导性、合作主体上的多方合作性和合作布局上的不均衡性等特点[8]。可通过运用创新综合指数和全球创新指数比较中国-中东欧国家科技发展的水平，为科技合作的开展提供依据[9]。围绕“一带一路”沿线国家科技合作与协同创新，展开盟友选择、资源投入、分工协调、信息沟通等机制研究[10]。此外，还有很多学者基于“一带一路”相关的数据资料展开深入研究，并取得高质量的科研成果。

近年来，中国也出台相应政策方案，大力支持“一带一路”科技创新建设。共建“一带一路”符合大多数国家和人民的利益，有助于推动区域合作，维护全球自由贸易体系和开放型世界经济，促进经济要素有序自由流动、资源高效配置和市场深度融合。综上所述，本文以“一带一路”沿线国家为研究对象，在综合考虑世界银行、全球创新指数、《世界竞争力年鉴》有关数据基础上，选择人口总数、GDP总量、RD研究人员、高等院校入学率、研发支出、科技期刊论文和专利申请量共7个指标，借助二阶因子模型和偏最小二乘估计算法，进行“一带一路”沿线国家科技创新水平的量化评价研究，具有一定的参考价值与借鉴意义。

1研究设计

1.1指标体系构建

目前不少权威机构会定期发布世界各国在科技创新、竞争力等方面的报告、指标和数据。年开始，瑞士洛桑国际管理发展学院发布《世界竞争力年鉴》；年开始，欧盟创新政策研究中心发布《欧洲创新联盟记分牌》；年开始，欧盟发布《全球创新记分牌》；年开始，欧洲工商管理学院发布《全球创新指数》；年开始，世界经济论坛发布《世界经济论坛创新能力指数》。此外，中国科协发展研究中心于年发布了《国家创新能力报告》；中国科学技术发展战略研究院于年发布了《国家创新指数报告》。还有不少学者发表了相关的论文成果，进行相关学术讨论。比如，王智慧和刘莉（）[11]指出，《欧洲创新联盟记分牌》没有很好地区分驱动要素与表征要素，投入指标可能与产出指标之间存在一定程度上的重复计算，《欧洲创新联盟记分牌》中的指标多为均量指标，主要考虑比重，缺少绝对量的比较；世界银行知识经济指数未将RD经费纳入测量指标中；《国家创新指数报告》的创新环境相关指标大多需要通过主观性指标来测量，这会造成某些主观性偏差，同时也使得数据收集的难度增加。

在综合现有研究报告和相关成果基础上，考虑指标体系全面客观、简洁可行以及适用性等原则，本文的科技创新水平评价主要从经济社会环境、科技人力资源和科研投入产出3个方面进行，包括人口总数、GDP总量、RD研究人员、高等院校入学率、研发支出、科技期刊论文和专利申请量7个指标，具体如表1所示。

表1科技创新水平评价指标体系

1.2评价方法

从权重的赋值方式上，常见的指标综合评价方法包括两类，一类是简单相加法、层次分析法、综合指数法等主观赋权的方法；另一类为熵权法、二阶因子模型等客观赋权的方法。主观赋权法普遍具备简单易懂、清晰明了、方便操作的特点；客观赋权法则有效规避了主观赋权法在权重确定方面不够客观的缺陷，利用数据信息构建各指标变量间的层次关系和相互关联。此外，不同的综合评价方法都存在着不同的局限性。比如，简单线性相加主要存在三个方面的局限性：

（1）各个指标变量间相互独立的假定条件，实际情况很难满足。

（2）由于不同指标变量在评价方面的重要性和区分度有大小之分，因此对指标变量的等权重线性累加存在一定的不合理性。

（3）线性累加的结果依赖于指标变量的组合和数量，组合所含的指标数值越高，数量越多，则该组合的得分越高。

层次分析法的评价结果因判断矩阵的不同而异，而且利用九级分制对指标的两两比较很容易出现矛盾；综合指数法较难确定比较标准，而且评价结果对比较标准过于依赖[12]；熵权法根据指标变异性的大小来确定客观权重，但仅用于权重确定过程中，使用范围有一定局限。

二阶因子模型充分考虑变量间的相关关系，建立潜变量间及其与可测变量间的关系，能够较为客观地反映实际数据，并具有较好的解释性，得到较广泛的应用[13]。偏最小二乘算法作为一种估计方法，对数据的分布没有特别严格的要求，即可测指标不用满足服从多元正态分布而且相互独立的苛刻条件，在完成参数估计的同时，还可以计算得到因子得分，方便用于综合评价和排名[14,15]。现有偏最小二乘估计算法主要包括重复指标法（RepeatedIndicatorsApproach，RI）、两阶段法（Two-stepApproach，TS）和混合法（HybridApproach，H）。其中，重复指标法是将分配到低阶潜在变量上的所有可测变量，再全部重新分配到高阶潜在变量上。两阶段法包括两步：（1）计算各个低阶潜在变量所含的可测变量的主成分，作为低阶潜在变量的取值。（2）根据结构模型和低阶潜在变量的取值，完成估计。混合法是指随机将一半可测变量分配给他们所反映的低阶潜在变量，其余的分配给高阶潜在变量。此外，还有一类基于分位回归的偏最小二乘估计算法（QuantileRegressionEstimation，QR），用于数据呈现偏态分布特征的情况，以展示不同分位数水平下的科技创新水平[16]。根据国家科技创新评价指标体系特点，本文采用现有的四种偏最小二乘估计算法，完成模型参数和因子得分的估计。

综上所述，“一带一路”沿线国家科技创新水平评价模型的表达形式包括测量模型和结构模型两部分。与传统结构方程模型偏最小二乘估计算法不同的是，模型中的τ表示分位数，指基于分位回归的偏最小二乘估计算法的估计结果。对于重复指标法、两阶段法和混合法等传统结构方程模型偏最小二乘估计算法，模型中的τ需忽略。

式（1）反映的是可测变量MVih与一阶因子FOLVi间的多水平关系。λih,τ（i=1，2，3；h=1，2，3；τ=0.1，0.25，0.50，0.75，0.90）表示一阶因子和可测变量间关系的载荷系数。εih,τ为第i个一阶因子FOLVi中第h个可测变量MVih的测量误差，均值为0，方差为δ2ih,τ，且与一阶因子FOLVi不相关。式（2）反映的是一阶因子FOLVi与二阶因子SOLV间的多水平关系。βi,τ（i=1，2，3；τ=0.1，0.25，0.50，0.75，0.90）表示二阶因子和一阶因子间关系的路径系数。γi,τ为第i个一阶因子FOLVi的测量误差，均值为0，方差为δ2i,τ。

测量模型式（1）和结构模型式（2）共同组成“一带一路”沿线国家科技创新水平评价模型，如图1所示。

图1“一带一路”沿线国家科技创新水平评价模型

1.3数据来源

本文数据来自—年世界银行、全球创新指数和《世界竞争力年鉴》等公开数据的部分数据，共包括64个“一带一路”沿线国家（“中国一带一路网”：

转载请注明：http://www.abuoumao.com/hyfz/2855.html