創新認知、創新理論與創新能力測度

羅慶朗，蔡躍洲，沈梓鑫

（中國社會科學院數量經濟與技術經濟研究所，北京 100732）

1912 年，熊彼特在其德語版的《經濟發展理論》中就創新認知進行了首次系統性闡述，并將創新看做經濟發展的內在甚至唯一動力［1］。自20 世紀80 年代中后期開始，以保羅·羅默（Paul Romer）等為代表主流經濟學家開始強調創新對經濟增長的重要性，并開始形成所謂“新增長理論/內生增長理論”［2-4］。與此同時，弗里曼（C.Freeman）、倫德瓦爾（B.A.Lundvall）等創新經濟學家提出了“國家創新體系理論”，并推動該理論應用于經濟合作與發展組織（Organization for Economic Co-operation and Development，OECD）有關國家，特別是歐盟各國的政策實踐①這得益于部分創新經濟學家的雙重身份；文獻［5］提到，弗里曼在20 世紀80 年代擔任OECD 顧問，倫德瓦爾在于1992—1995 年出任OECD科學技術產業部（DSTI）副主任。到20 世紀90 年代，創新對于經濟增長的支撐作用已經為學界和政策制定者所普遍認同。

改革開放至十九大之前，中國經濟持續40 年的高速增長很大程度上是以要素投入特別是投資和資本積累為特征的要素驅動型增長。2010 年以后，隨著“劉易斯拐點”的到來，以及全球競爭的不斷加劇，要素驅動模式越來越難以為繼，加快轉變經濟發展方式成為各界共識。2016 年5 月，《國家創新驅動發展戰略綱要》明確提出要把創新驅動發展作為國家的優先戰略，以科技創新為核心帶動全面創新，以體制機制改革激發創新活力，以高效率的創新體系支撐高水平的創新型國家建設，推動經濟發展動力根本轉換。2017 年10 月，十九大報告進一步從戰略高度強調了創新是引領發展的第一動力，是建設現代化經濟體系的戰略支撐。

為了能更加有效地采取針對性的措施和政策，支持和推動微觀主體實施創新活動，有必要對創新的現狀，特別是企業、產業、區域及宏觀整體的技術創新能力，進行盡可能客觀的評價和刻畫②“科技創新”與“技術創新”之間有細微差別。孫波［6］認為，科技創新就是從基礎研究到應用研究、試驗開發以及研究開發成果商業化的全過程，包括“科學創新”和“技術創新”兩部分內容；而江文鉅、陳志嘉等［7］則認為“科技創新”和“技術創新”只是“Technological Innovation”的不同翻譯。本文將采用后一種理解，所探討的創新主要也是指“Technological Innovation”。然而，要對被評價對象的創新能力進行準確測度面臨著很多現實的難點。首先，創新活動的基礎是知識創造，知識信息的無形特征極大增加了測度的困難；其次，創新活動涉及主體因素眾多，主體、因素之間相互作用及動態演化的過程相當復雜，導致對于創新活動的理解至今仍沒有一個公認的權威界定；再次，對于創新能力測度所依賴的數據指標來說，有時不同的指標可以用來解釋相同的現象，而有時同一個指標又可以用于解釋不同的現象［8］。最后，數據指標的可獲得性也是制約創新測度的重要因素。為此，本文后續部分將從歷史沿革的視角，以不同時期的創新認知和創新理論為切入點，梳理創新認知、創新理論和創新測度方法之間的內在邏輯和協同演進關系；對不同時期形成的較為成熟的測度方法進行對比分析；在此基礎上，結合大數據時代數據信息獲取和數據挖掘手段的特點，對創新測度的發展趨勢進行展望。

一、創新理論與創新測度的內在邏輯及歷史沿革

(一)創新測度與創新理論的內在邏輯

較為系統的數據調查和創新測度開始于20 世紀60 年代，其標志大約就是1963 年《弗拉斯卡蒂手冊》（Frascati Manual）的首次發布［9-10］。Godin［9］將20 世紀50 年代以來創新能力測度的發展歷程劃分為四個階段：①20 世紀五六十年代，創新測度的指標選取主要關于投入要素，如研發投入、資本強度、科技人才等；②20 世紀七八十年代，創新測度指標體系中納入了部分的產出要素，如技術專利、創新產品、成品質量等；③20 世紀90 年代開始，創新測度的重點逐步轉向以調查統計和公開數據為基礎的創新指標體系；④進入21世紀以后，開始進入所謂“第四代”創新測度，強調知識指標、創新網絡（network）、創新條件、經濟需求、公共政策環境、基礎設施條件、社會取向及文化因素等對創新活動成功的重要作用。

上述創新能力測度四個階段演化的背后正好也是學術界、實業界和政府部門對創新活動認知不斷深化并發展出相應創新理論及模型的漸進過程。從后續對創新測度和創新理論歷史沿革的梳理將可以看出，創新認知、創新理論和創新測度之間的關聯大致遵循著如下內在邏輯：①特定階段的創新認知通常會逐步形成相應的創新理論；②創新認知和創新理論為創新測度實踐提供了依據，并直接影響著創新數據信息收集方式和創新方法的創立；③隨著創新認知和理論的發展，創新測度的方式方法逐漸得到拓展。20 世紀50 年代開始，創新測度及數據信息收集重點的變化，本質上正是創新理論發展和創新認知深化過程的具體體現。

(二)創新線性模型與創新測度

從源頭上來追溯，“創新線性模型（linear model of innovation）”是關于創新認知活動的最早理論框架。在創新線性模型中，整個創新過程以一種線性方式被刻畫。創新活動始于前端基礎研究，中端經歷應用開發環節、商業化轉化，再向市場擴散推廣。早在1945 年，美國的萬尼瓦爾·布什（Vannevar Bush）就曾在《科學：沒有止境的前沿》中指出，科學與經濟社會進步存在因果關聯。從文獻研究上來看，這是對創新線性模型的首次明確提出［10-11］③Godin［10］認為，線性模型的發展可以劃分為三個階段，由1945 年以前的“基礎研究→應用研究”模式，逐步拓展到“基礎研究→應用研究→開發”模式，最終又增加了“商業化生產”和“技術擴散”等非研究開發環節形成完整的創新線性模型。Rothwell［12］、Dodgson 和Hinze［8］又根據實現商業化的動力來源，將創新的線性過程進一步劃分為“技術推動模型”、“市場拉動模型”以及“耦合鏈接模型”。根據對創新過程認知的深化，創新線性模型的發展又可以進一步劃分為三個階段：①20世紀50 年代至60 年代中期的“技術推動模型”，該階段將創新看做是簡單的線性序貫過程，重點強調R&D 活動的核心地位；②20 世紀60 年代中期至70 年代初期的“市場拉動模型”，該階段開始強調市場的重要性，認為市場需求應成為創意的來源和R&D 活動努力方向，而R&D 活動則處于被動地位；③20 世紀70 年代初期至80 年代中期的“耦合鏈接模型（coupling model）”，該階段將創新看做序貫但有反饋回路的過程，是推動-拉動相結合的結果，強調R&D 活動和市場需求之間相互作用和動態平衡［8，10，12］。

圖1 創新線性模型流程環節示意圖④結合Rothwell［12］、Godin［10］相關文獻整理而得。

從時間節點和跨度上看，“創新線性模型”理論的出現與Godin［9］中創新測度的第一階段和第二階段基本重合；其中，“技術推動模型”與第一階段相重合，而“需求拉動模型”和“耦合鏈接模型”與第二階段相重合。對比創新模型的主要特征與對應創新測度階段的主要指標則不難發現，這種重合并非巧合而是有其邏輯上的必然性，是測度方法順應創新模型和創新理論的結果。“技術推動模型”強調技術研發的重要性，將R&D 活動置于技術創新活動的核心環節；相應地，創新測度第一階段所關注的正是以“R&D 支出”為代表的技術創新投入，與“技術推動模型”的核心思想完全契合。類似地，“需求拉動模型”和“耦合鏈接模型”強調“市場”對R&D 活動的影響和后端環節對前端的反饋和回路；相應地，創新測度的第二階段開始增加了產品、專利等表征創新產出的指標。

(三)創新體系理論與創新測度

20 世紀80 年代末，在創新經濟學領域，以弗里曼、倫德瓦爾、納爾遜（R.Nelson）等一批學者，從系統論角度提出國家創新體系（National Innovation System，NIS）的概念和理論，對影響經濟體創新能力的各種因素進行分析。創新體系理論的出現緣起于對國別間創新效果差異的反思，因此，該理論出現后的20 世紀90 年代，宏觀層面（包括國家、區域及產業等）的創新能力是理論界和政策制定者關注的焦點。根據國家創新體系理論，國家層面的創新能力是國家（或經濟體）框架內大學、科研機構、政府、企業、社會中介等多方主體（actors），在教育體系、產業關聯、科技研發體系、政府政策、文化傳統等各種正規或非正規制度形成的創新環境中，相互作用、動態演化實施創新活動的能力；創新體系理論強調的是經濟社會發展過程中逐步形成的“制度體系”和包括主體之間相互信任、網絡關系及社會規范在內的所謂“社會資本（social capital）”對經濟發展的促進作用［13-22］。Rothwell［12］、Dodgson 和Hinze［8］提出的創新認知的第四個階段——“集成與平行發展模型（Integration and parallel development model）”，正是創新體系理論的體現。該模型的微觀現實基礎正是20 世紀80 年代中后期日本創新型企業在實施創新活動中所采取的集成和平行推進模式。

創新體系理論的上述特征同樣對當時的創新測度產生了重大影響。對照Godin［9］劃分的創新測度的“第三階段”不難發現，20 世紀90 年代創新測度所強調的指標體系恰恰折射出“創新系統理論”對創新活動系統性、復雜性特征的認知。此外，為了滿足利用指標體系測度評價的要求，同時也便于獲取有效且國際間可比的數據，OECD 于1992 年發布了第一版的《奧斯陸手冊》（Oslo Manual），用于指導基于微觀企業層面的創新統計調查。

(四)創新生態系統與創新測度

20 世紀90 年代，Moore［23］首次提出“商業生態系統（business ecosystem）”的概念，將創新型企業及其所形成的商業生態系統與生物生態系統進行了類比分析。此后，“創新生態系統（innovation ecosystem）”的概念和理論逐步形成，并為科技政策部門所接受。對于創新生態系統的理解主要是指某個區域（國家）內由不同行動主體（actors/entities）、無形關聯（intangibles）等因素相互作用、共生共棲，推動創新活動而形成的，既有較強穩定性、又不斷變化的復雜網絡體系，不妨稱之為“區域/國家創新生態系統”。區域創新生態系統由科技人才、頂尖大學和研究機構、能為新創公司和新研究計劃提供充足的融資機構等要素所構成；其主要特征有，大公司與新創公司共生共棲、公司之間專業分工且緊密合作、定位于本地公司需求的專業性服務公司、本地市場對新產品有著充足的需求、全球性網絡、系統內公司對“命運共同體”的認同、政府對有潛力基礎研究的持續資助等等［24-26］。

“創新生態系統”的思想和理念同樣影響到創新測度。在Godin［9］劃分的第四代創新測度中，網絡關系、經濟需求、公共政策環境、基礎設施條件、社會取向及文化因素等隱性因素和無形關聯成為創新測度所關注的焦點。另外，進入21 世紀后，創新測度所依據的基礎性數據信息不再局限于科技統計指標和創新調查數據，微觀層面的企業財務數據、區域內研發人員個人信息、區域基礎設施及社會環境信息等，都被列入收集范圍，用于對創新生態系統進行全方位評價和測度。

二、創新測度實踐中的成熟方法

自20 世紀50 年代以來，在創新測度實踐中先后形成了“單一指標法/投入產出法”“綜合指標法”“DEA 效率評價法”以及“建模計量法”等較為成熟的方法。每種測度方法都能從特定角度反映出創新活動的某些特質，同時也是特定創新理論主要思想的體現。其中，“單一指標法/投入產出法”可以算是“線性創新模型”理論的產物；“綜合指標法”對應于“創新體系理論”；“DEA 效率評價法”背后兼具“創新線性模型”和“創新體系理論”的雙重影響；而“建模計量法”則更多是一種符合主流經濟學范式的創新能力影響因素分析方法。

(一)投入產出法/單一指標法

在20 世紀80 年代以前，對創新的認知以“線性創新模型”為主導，創新活動被簡單地劃分為包括R&D、市場開發在內的幾個序貫環節，相應的測度主要是通過表征創新投入和創新產出的少數幾個單一指標來實現。其中，“R&D 支出”是最常用的投入指標；而“專利數量”及“論文發表”則是最常用的產出指標。由于簡單易行，這種做法得到各國政府部門和國際組織的廣泛認同。OECD［27］于1963 年發布了第一版的《弗拉斯卡蒂手冊》（Frascati Manual），用來規范各成員國“R&D 支出”的調查統計。在專利方面，OECD［28］在20 世紀70年代末的兩次研討會基礎上，也發布了專門的《專利手冊》，用來規范“專利產出”的調查統計。此外，還有針對技術貿易統計的《TBP 手冊》和科技人力資源投入的《堪培拉手冊》［29-30］。

(二)綜合指標法

綜合指標法的大致做法如下：依托創新系統理論，從多維度構建一套指標體系；通過設定基準值等方式，對各指標原始數據進行標準化處理，使所有指標具有同樣的測度單位；采用特定方法為各指標賦權，合成一個綜合指數，用于對不同被評價單元間（可以是國家、區域、產業及企業）創新能力比較和排序。⑤為了提高綜合指標法測度的準確性，操作過程還可以細分為更多的步驟，包括指標體系框架的確定、具體指標的選擇、缺失數據的彌補、指標權重的確定、評價結果的穩健性分析等。目前作為創新能力評價的一種標準做法，綜合指標法在創新測度實踐中被國際組織和民間智庫等所廣泛采用［31］，相關組織和機構有歐盟委員會（European Commission，EC）、聯合國開發計劃署（United Nations Development Program，UNDP）、聯合國工業發展組織（United Nations Industrial Development Organization，UNIDO）、世界知識產權組織（World Intellectual Property Organization，WIPO）、世界經濟論壇（World Economic Forum，WEF）及蘭德公司（RAND）等。比較有代表性的例子是歐盟于2000 年率先提出的“歐洲創新記分牌”⑥2010 年10 月，原有的EIS 被重新修訂，并改名為創新聯盟記分卡（innovation union scoreboard，IUS）。和美國康奈爾大學、歐洲工商管理學院與WIPO 于2007 年開始共同編制發布的“全球創新指數（global innovation index，GII）”。

(三)DEA 效率評價法

通過DEA 效率評價法測度創新能力的基本思路如下：主要創新投入在創新生態系統中各創新主體的相互作用和制度規則的引導約束后最終轉化為創新產出。這種創新的投入產出轉化效率是創新主體創新綜合能力的重要體現。所以，針對創新能力的測度就轉變為了針對創新效率的測度，而DEA（數據包絡分析）方法作為一種相對有效的評價方法正是測度決策單元的恰當途徑。上述邏輯，一方面重點關注創新活動的兩端，即創新投入和創新產出；另一方面DEA 效率評價法也需要構建創新投入產出指標體系，并認同創新活動的系統性特征，但卻利用數學規劃工具巧妙地回避了刻畫系統性特征的具體難點和障礙。通過大量實證研究可以得出結論，許多國家之所以會出現生產率增速下降現象，應該從創新體系效率的差異角度去尋找原因解釋。

(四)建模計量法

建模計量法的通行做法如下：①在新增長理論的框架下，梳理出影響創新能力的主要因素；②基于主流經濟學的基本范式建構數理模型；③在數理模型下尋找代理變量，就各相關因素對被測度單元創新能力的影響程度進行實證檢驗和定量分析。在一些經典的建模計量法文獻中，Furman 等［32］、Furman 和Hayes［33］以創新體系理論、新增長理論以及競爭優勢理論為基礎，遵循知識生產函數的方式構建數理模型。基于數理模型的結構，尋找合適的代理變量，收集OECD 各個國家以及具有高水平創新能力的經濟體數據，然后針對影響國家創新能力的主要因素進行實證檢驗和計量分析。基于Furman 等［32］的研究顯示，公共政策在國家創新能力的提升方面發揮了重要作用；Furman 和Hayes［33］的進一步研究表示，創新領域的公共政策及基礎配套設施只是必要條件，而真正提高一國國家創新能力的核心要素則是需要不斷增加創新領域的金融和人力資本投資。

三、數據挖掘法及未來創新測度趨勢展望

(一)創新測度實踐中的數據挖掘方法

進入21 世紀后，隨著“創新生態系統”理論的興起，理論界及政策制定部門對創新活動的認知提升到一個新的高度；而前述幾種較為成熟的測度方法以及傳統的科技統計指標和創新調查數據無法有效刻畫創新生態系統下創新主體相互作用、共生共棲等復雜社會網絡關系特征。順應“創新生態系統”理論的內在要求，部分實證研究從拓展數據信息來源出發，嘗試著采用文本挖掘、復雜社會網絡分析等數據挖掘及大數據分析工具，測度評價特定對象的創新能力。

Cahibano 等［34］認為，利用企業的財務數據和財務會計信息很可能是創新（能力、績效）測度的有效途徑，例如將“市場與賬面價值比（市場價值/賬面價值）”作為創新測度的主要財務指標；并就規范企業財務報告和信息披露以提供更多無形資源和創新相關活動信息提出了一些原則。Shapira 和Youtie［35］通過4 個案例展示了如何運用數據挖掘工具，對論文發表、專利等數據庫進行挖掘并從中提煉出特定地區在特定領域（行業）與知識和創新相關的信息，包括專利、論文發表、發明人或作者等信息的分布地圖及網絡關系。這類信息在客觀上推動了地方政府經濟發展模式（范式）的轉變，即由吸引大公司、培育創新型初創企業向完善區域創新體系和創新網絡轉變。國內學者趙炎和孟慶時［36］則通過挖掘分析11 個中國高科技產業聯盟中的網絡子群密度、子群重疊等特性，強化對創新網絡結構的認知，并以此為基礎評價測度高科技企業的創新能力。

(二)創新測度發展趨勢展望

雖然Cahibano 等［34］、Shapira 和Youtie［35］、趙炎和孟慶時［36］的工作只是一些初步設想和嘗試，但對于改善測度效果有著重要的啟示。以“創新生態系統”理論為指導，在多方集成數據信息基礎上運用數據挖掘及大數據分析工具，將成為未來創新測度發展的重要趨勢。

首先，創新生態系統理論將成為未來創新測度實踐的重要支撐。近年來，“創新生態系統”理論正日益為學界和政策制定部門所認同和重視；隨著創新活動實踐發展和豐富，“創新生態系統”理論本身將不斷完善并成為未來指導創新能力測度的理論依據。

其次，多方集成創新主體和創新活動的數據信息是數據挖掘法應用的前提和基礎。創新生態系統視角下微觀層面的創新活動復雜性、網絡性、交互性等特征更為突出，必須通過多種不同角度的數據信息來直接或間接反映。這些信息依靠傳統的宏觀科技統計及調查數據無法滿足；需要多方收集包括企業財務報表、政府補貼、專利申請、科技獎勵、研發人員、實驗室建設、研發部門規模等在內的數據信息，經數據清洗和匹配后構建多維度的創新活動數據倉庫，作為運用文本挖掘、復雜網絡分析、統計學習等數據挖掘工具的數據基礎。

最后，數據挖掘法與其他測度方法相互補充、互為印證，共同提高測度結果的客觀性和準確性。由于創新活動內在的復雜性特征，每種測度方法都不可能做到全面客觀。而且不同創新測度方法所依據的理論基礎雖有不同，但不同理論之間的差別更多來自認知視角的差異，方法之間并非是互斥關系；在條件允許情況下，集成不同測度方法有助于提高測度結果的客觀性和準確性。

四、總結性評論

本文前述各部分從歷史沿革的視角梳理了創新認知、創新理論和創新測度方法之間的內在邏輯關聯及共同演進歷程；就創新測度實踐中“投入產出法”“綜合指標法”“DEA 效率評價法”“建模計量法”等較為成熟測度方法的特點進行了分析；并結合測度實踐中數據挖掘方法的應用，對創新測度未來的發展趨勢進行展望。據此可以得出以下判斷：

第一，對創新活動的認知及其相對應的創新理論為創新測度方法形成和測度實踐提供了指導，創新測度方法的不斷完善是創新理論不斷深化和發展的結果。20 世紀50 年代以來，伴隨對創新活動認知的不斷提升，先后形成了“線性創新模型”“創新體系”“創新生態系統”等創新理論，并相應出現“投入產出法”“綜合指標法”“DEA 效率評價法”“數據挖掘法”等測度方法。

第二，“（創新）投入產出法”“綜合指標法”“DEA 效率評價法”等較為成熟的創新測度方法，都能從特定的視角反映出被測度對象（單元）的創新能力，在測度實踐中也得到廣泛應用。然而，這些方法都難以有效刻畫創新活動復雜性、系統性、網絡性、交互性等內在特質。

第三，依托“創新生態系統”理論，在多方集成數據信息資源基礎上引入文本分析、復雜社會網絡等數據挖掘和大數據分析工具是未來創新測度實踐的重要趨勢。“創新生態系統”理論深化了對創新活動的認知，數據挖掘法的內在特征正好契合了這種認知的要求。當然，數據信息是創新測度的基礎，要真正將數據挖掘法運用于測度實踐，必須多方收集集成相關數據信息。

第四，探索數據挖掘法在創新測度中的應用并非對其他成熟測度方法的否定，不同方法之間是一種互補關系。事實上，不同測度方法之間的差別既來自于方法論層面，也來自于背后不同的創新理論及創新認知；有效整合不同方法得出的測度結果將有助于改善測度效果。