我國科技安全系統耦合協調評價與驅動因素研究

0 引言

黨的十八大以來，以習近平同志為核心的黨中央把科技創新擺在國家發展的核心位置，科學技術在總體國家安全中的戰略地位和作用逐漸提高。在當今信息化時代，科技的迅猛發展給社會帶來巨大變革，同時也帶來新的安全挑戰?？萍及踩到y作為總體國家安全觀的重要組成部分，不僅關乎國家核心利益和長遠發展，更是保障國家安全和維護社會穩定的基石[1-2]。一國科技安全應包括科技自身安全和科技支撐保障相關領域安全，涵蓋科技人才、設施設備、科技活動、科技成果、成果應用安全等多個方面，是支撐國家安全的重要力量和技術基礎。因此，科技安全系統主要是指由科技成果、科技人才、科技環境和科技活動等子系統組成的一個復雜系統[3?？萍及踩c科技成果、科技人才、科技環境、科技活動密切相關：科技安全主要是為國家、企業、高校、科研院所開展科技創新、科技人才培養以及科技成果轉化等科技活動提供保障，科技活動的開展需要整合包括科技成果、科技人才和科技環境在內的各類創新資源?？萍既瞬偶仁强萍蓟顒拥幕厩疤幔彩强萍汲晒闹匾Ｕ蟍4-5]。

科技安全系統耦合協同是指科技成果、科技人才、科技環境和科技活動各子系統之間相互作用的協調程度，不同子系統之間存在著復雜的耦合關系，它們相互影響、相互制約，直接影響科技安全系統整體效能。因此，研究科技安全系統內部4個子系統間是否協調，有助于推動我國科技安全系統健康發展。那么，基于科技安全系統耦合作用機理，科技安全系統內部4個子系統之間的互動關系如何？影響我國科技安全系統耦合的驅動因素有哪些？為回答這些問題，本文從科技成果安全、科技人才安全、科技環境安全和科技活動安全4個方面構建我國科技安全系統評價指標體系，運用博弈論組合賦權法、模擬退火優化投影尋蹤評價模型、耦合協調度模型以及機器學習算法分析我國科技安全系統內部子系統之間耦合協調度發展水平，探索影響我國科技安全系統發展協調性的主要驅動因素，提出促進我國科技安全水平提升的對策建議，對于優化我國科技安全體系結構、提升科技安全水平具有重要意義。

1 研究概述

從已有研究成果看，目前對科技安全系統耦合協調評價與驅動因素的研究主要集中在以下3個方面。

（1）科技安全系統評價研究。自連燕華（1998）首次提出科技安全作為國家安全的新概念以來，目前國內外關于科技安全評價的研究主要包括兩個方面：一是對科技安全系統內涵[]、概念、指標要素[7-8]以及科技安全情報體系建設的定性描述。二是科技安全系統評價和風險評估等定量研究。在科技安全系統評價方面，刁聯旺等搭建了包括科技實力、科技人才和科技環境3個要素的國家科技安全評價模型框架，并基于隨機區間方法進行統計分析；張亞明等[]從長短期視角對我國省域科技成果轉化效率進行研究；陳紅喜等[1]運用PMC 指數和熵權TOPSIS模型評價長三角地區科技成果轉化政策。關于科技人才評價，穆智蕊等[12]從系統觀視角構建了我國科技人才評價框架體系；王成軍等[13]基于可拓集理論構建創新型科技成果轉化能力動態評價模型；劉云等（2023）以中國科協人才獎勵為例，構建了新時代我國科技人才分類評價指標體系。在科技安全風險評估方面，張振偉等（2020）從科技安全內涵出發，構建了科技資源投入、科技成果產出及效率和科技成果支撐經濟發展3個維度的科技安全風險指標體系，用以監測北京科技安全面臨的風險；徐宗煌等[3]基于博弈論組合賦權法和模糊Borda法對我國科技安全風險進行評估；蔡勁松等[14-15]運用扎根理論和層次分析法構建科技安全風險評估理論框架，探討我國關鍵領域科技安全內涵及面臨的風險。

（2）科技安全系統耦合協調研究。當前，關于科技安全系統耦合協調的研究多聚焦于科技安全系統與其它系統間的關聯互動。二元系統（科技與任一系統）研究主要包含科技與經濟[16]、科技與金融[17]、科技與綠色發展[18]、科技與城市韌性[19]、科技人才與經濟[20]、科技與生態2系統兩兩之間的關系，而多元系統研究主要集中于科技—經濟—生態[22-23]、科技—經濟—產業結構[24]、科技—經濟—社會—生態[25]、科技—經濟—能源一環境等系統之間的關系?？傮w來看，對科技安全系統內部子系統耦合關系互動的研究較少。張家年等（2016）基于結構一功能理論，通過搭建科技安全要素一結構一功能一表征模型，對科技安全協同性內涵及內容進行理論闡述，但未進行量化分析，缺乏對科技安全系統內部相互耦合作用的探討。

（3）科技安全系統驅動因素研究。當前，國內外學者多采用層次分析法、結構方程模型和機器學習等方法進行研究。Merhi[26]運用層次分析法評價分析人工智能發展的關鍵因素，并對影響因素進行分類與重要性排序；孫德梅等[2基于結構方程構建科技安全影響機理理論模型，運用Amos軟件發現科技實力對我國科技安全存在直接影響，科技體制與科技政策法規對我國科技安全存在間接影響；吳豐28基于結構方程模型研究我國國防科技工業科技安全影響因素；任超等（2023）運用隨機森林算法，通過特征重要性與相關性分析挖掘影響科學論文引用的主要因素。

綜上所述，通過對現有文獻進行梳理發現，當前研究存在如下不足： ① 從理論上看，當前研究主要通過構建科技安全綜合評價或風險評估模型對我國科技安全進行評價，未揭示科技安全系統內部耦合交互邏輯與機理； ② 從視角上看，現有研究主要關注科技安全系統與其它系統間的關聯互動，對科技安全系統內部子系統之間耦合互動關系的定量分析較少； ③ 從方法上看，現有研究主要對科技安全協同性內涵及內容進行理論闡述，鮮有研究從實證層面闡釋科技安全系統內部子系統耦合協調評價及驅動因素。因此，本文引人耦合協調度模型對我國科技安全系統內部子系統之間的耦合關系進行分析。耦合協調度模型[13]通過測量系統內多個子系統之間的相互影響關系和發展趨勢評價各子系統之間的平衡性，盡管當前國內外學者已將耦合協調度評價模型應用于不同領域，但較少涉及科技安全系統。同時，運用機器學習算法評估科技安全系統耦合協調度驅動因素，對于促進我國科技安全系統內部良性互動、優化我國科技安全體系結構、提升科技安全水平具有重要意義。

2科技安全系統耦合作用機理

科技安全是一個國家的重要保障，是支撐國家安全的重要力量和技術基礎?？萍及踩到y是一個復雜系統，主要包括科技成果、科技人才、科技環境和科技活動4個關鍵子系統，它們相互交織、相互影響，共同構成科技安全系統復雜網絡。這一網絡中的每一個子系統都發揮著至關重要的作用，而它們之間的耦合作用則是科技安全系統穩定運行和持續發展的關鍵所在[3]。

（1）科技成果作為科技安全系統的核心，不僅直接反映國家科技實力和核心競爭力，而且科技成果轉化和應用離不開科技人才的智力支持與科技活動的有力推動。另外，科技成果的創新性和實用性受科技環境的深刻影響，而科技環境質量又取決于科技成果積累和科技人才培育。

（2）科技人才是科技創新和發展的根本動力，他們的專業素養和創新能力直接影響科技成果質量和數量。同時，科技人才培養和成長離不開科技成果的激勵和科技環境的滋養。科技活動多樣性和活躍度可為科技人才提供鍛煉和提升的機會。

（3）科技環境作為科技創新和發展的外部條件，其優劣程度直接關系到科技活動質量和效果?？萍颊叩闹贫ê蛯嵤┬枰萍汲晒涂萍既瞬诺闹?，而科技基礎設施完善則是科技活動順利進行的保障。科技環境優化不僅有利于科技成果轉化和應用，還能吸引和留住更多科技人才。

（4）科技活動是科技創新和發展的具體體現，其形式和內容豐富多樣?？萍蓟顒拥捻樌M行不僅依賴于科技成果和科技人才的支撐，還需要科技環境的支持和保障。科技活動頻繁有利于促進科技成果產出和轉化，同時也有助于提升科技人才素質和數量。

可見，4個子系統之間存在緊密的耦合關系?？萍汲晒麨榭萍蓟顒犹峁﹦撔聞恿Γ萍蓟顒訋涌萍既瞬懦砷L，科技人才創造新的科技成果，良好的科技環境為上述過程提供保障；它們相互影響、相互促進，共同構成科技安全系統的核心，這種良性循環互動機制影響整個科技安全系統發展水平和競爭力。因此，對我國科技安全系統進行耦合協調評價及驅動因素研究具有重要現實意義和理論價值，不僅有助于深入理解科技安全系統運行機理，還能為制定有效的科技安全政策提供科學依據，從而確保我國科技安全穩定發展。

耦合協調理論是研究兩個及兩個以上系統或一個系統內部各子系統之間耦合關系協調、反饋及發展機制的理論，已應用于物理學、地理學和生態學等多個領域[29]。耦合這一概念來源于物理學，主要是指兩個或兩個以上系統之間的相互作用，反映系統之間的相互依賴與制約程度。協調指耦合作用關系中的良性耦合程度，表現為系統之間和諧一致、配合得當、良性循環的關系，反映協調狀況。耦合與協調共同反映系統內部和諧性，展現系統內部各要素由無序轉為有序的態勢。系統論認為，不同系統之間存在普適性的相似性和規律性，物理學中的容量耦合系數模型作為一種通用的系統分析方法，實質上是描述系統內部各子系統之間的相互影響和協調關系，而科技安全系統內部4個子系統之間呈相互依存、相互制約、相互促進關系，這與物理系統中的耦合現象有一定相似性。因此，借鑒耦合協調度模型測算科技安全系統4個子系統之間的耦合關系及協調程度，如圖1所示。

3 研究方法

3.1我國科技安全系統評價指標體系構建

科技安全與科技成果、科技人才、科技環境以及科技活動存在密切聯系?？萍及踩珵閲?、企業、高校、科研院所開展科技創新、科技人才培養以及科技成果轉化等科技活動提供保障；科技活動開展需要整合包括科技成果、科技人才和科技環境在內的各類創新資源；科技人才既是科技活動的基本前提，也是科技成果生產和應用的重要保障[3]

科技成果在一定程度上反映了國家科技實力，是國家實現科技發展目標和維護科技安全的基礎?？萍汲晒踩话阃ㄟ^SCI論文數量占世界總量的比重、ESI論文引用率、高被引論文指數、萬人發明專利擁有量、PCT專利申請量、重大科技成果數量以及國家級科技獎勵數量等指標衡量[3，9-11]?？萍既瞬攀且粋€國家最寶貴、最重要的戰略資源，科技競爭實際上是科技人才的競爭?？萍既瞬虐踩侵敢粐萍既瞬虐l展實力處于較高水平，在全球科技人才競爭中人才不僅不會流失，還能吸引全球人才流入，從而處于一種不受外部力量侵犯和威脅的狀態。科技人才安全可運用科技人才流動、科技人才隊伍結構和科技人才質量指標衡量，主要包括每萬人口科技人力資源數、每百萬人中從事研發的研究人員數量、每萬名就業人員Ramp;D研究人員數、Ramp;D人員全時當量、Ramp;D人員中碩士學位以上人員數量以及高技術產業Ramp;D人員全時當量等指標[3，5，12-13]?？萍汲晒麛盗吭黾?、科技人才穩定和科技活動開展與高校、科研院所等科研主體所處科研環境密切相關，只有具備良好的科技環境，一個國家的科技才能持續發展，國家科技安全才能得到保障。一般而言，科技環境分為內部環境和外部環境，主要包括： ① 衡量國家創新能力的指標——全球創新指數； ② 國家科技經濟投入，如國家財政科技撥款、國內 R^amp;.D 總支出和Ramp;D經費支出占GDP比重等指標； ③ 國家科技發展水平，如科技進步貢獻率、全國創業風險投資機構數、國際科技合作出國項目數量以及國際科技合作來華項目數量等指標[3.9，18-19]。國家科技安全主要保障對象是科技活動，科技活動主要是指國家、企業、高校、科研院所中的科技工作者在科學技術領域組織的一系列科技知識發展和傳播活動，包括：科學技術普及，如中國科協系統組織的學術交流活動次數以及舉辦的科普宣講活動次數等指標；參加國外科技活動人數和接待國外專家學者人數；中國科協系統提供的決策咨詢報告數量、主辦科技期刊數量以及科技館個數等[3.30-31]。

本研究通過廣泛的文獻調研，遵循系統性、層次性、科學性、可測性和可操作性等原則，從科技成果安全、科技人才安全、科技環境安全和科技活動安全4個子系統中選取28項指標形成我國科技安全系統評價指標體系，如表1所示。

3.2博弈論組合賦權模型

目前，確定評價指標權重的方法主要有主觀賦權法和客觀賦權法。主觀賦權法主要依靠專家經驗確定評價指標權重及排序，客觀賦權法則是根據原始數據之間的聯系，利用數學理論方法確定指標權重，反映評價指標權重與原始數據之間的關系?？紤]到國家科技安全系統的不可忽略性、待評估指標間的內在關系以及隨時間變化的權重梯度，本文運用博弈論組合賦權模型，將層次分析法和熵值取權法集成得到綜合權重，以提高評價指標權重賦值的科學性和合理性。具體過程如下：

3.2.1 層次分析法

層次分析法屬于主觀賦權法，是一種定性和定量結合、層次化、系統化的分析方法，通過將各指標分解成目標層、準則層和方案層3級，最后根據各指標優劣性進行排序，從而得到各指標的重要性權重[3]。主要步驟為： ① 建立層次結構模型； ② 構造判斷（成對比較）矩陣； ③ 層次單排序及一致性檢驗； ④ 層次總排序及一致性檢驗。筆者通過設計專家咨詢表，采用 1～9 標度法對評價指標體系進行打分，邀請科技安全系統領域10位權威專家進行問卷發放，每位專家在評價過程中均獨立判斷，以保證判斷矩陣的科學性和客觀性。

3.2.2 熵值取權法

熵值取權法屬于客觀賦權法，是通過計算各指標信息熵，根據各指標相對變化程度對系統整體的影響確定指標權重系數的一種賦權方法[32]。某個指標的信息熵越小，表明指標值變異程度越大，提供的信息量越多，權重也就越大；反之，指標信息熵越大，則權重越小。主要步驟為： ① 構建決策矩陣； ② 指標歸一化處理； ③ 計算指標的信息熵； ④ 計算指標差異系數和權重系數。

3.2.3博弈論組合賦權法

博弈論組合賦權法已被廣泛應用于安全系統評價領域，為尋求目標系統整體利益最優解，假設各個方案均是理性決策的結果，則最終結果由所有決策者共同

實現[33]。記 τ_Vi（i=1，2） 分別為層次分析法和熵值取權法求得的權重向量，對兩組權重向量進行任意線性組合：

α_i 為權重向量的線性組合系數，對 α_i 進行優化使sim 和 |τυ_i| 的離差極小化，即：

根據矩陣的微分性質，導出該式的最優一階導數為：

由式（2）求得最優權重系數 （α₁，α₂） ，歸一化處理

后得到權重最優分配比系數 （α₁^?，α₂^? ）。通過式（3）求得最優組合權重。

3.3模擬退火優化投影尋蹤評價模型

投影尋蹤評估法是一種處理多因素復雜問題的有效統計方法，主要是將高維數據按一定組合投射到低維空間，通過確定最佳投射值，使評估值更具有參考價值[]。模擬退火算法作為基于MonteCarlo迭代求解策略的一種隨機尋優算法，已廣泛應用于解決各領域的復雜問題[34]。筆者將模擬退火算法和投影尋蹤評估法相結合，建立模擬退火優化投影尋蹤評估模型，主要步驟如下： ① 指標數據標準化處理； ② 構建評估對象在低維空間的線性投影； ③ 構建投影指標函數； ④ 利用模擬退火算法優化投影方向； ⑤ 計算綜合評估值。

maxQ（A）=S_z?D_z

式中， S_z 為投影特征值的樣本標準差，數值越大，說明樣本數據分布越均勻； D_z 為投影特征值的局部密度；局部密度窗口半徑 R 的值取決于樣本數據結構； r_ij 為投影特征值之間的距離； I（R-r_ij） 為單位階躍函數。

模擬退火算法的基本原理是將高溫粒子緩慢自然冷卻，最終在特定溫度下達到熱平衡，且能達到最低能量狀態。優化過程為： ① 按式（5）計算 S_z 和 D_z ，將其作為模型的最優初始點； ② 按式（4）計算目標函數值； ③ 設置初始溫度為 T₀=100 ，迭代次數為 L=100;④ 在S_z 和 D_z 附近隨機生成新的點，計算其目標函數值與增量 Δ：⑤ 若增量 ，則接受當前點為最優點，否則 P =e（-Δ/T） ，選取新的點為最優點。

3.4耦合協調度模型

耦合協調理論是對系統中各子系統或各要素之間相互作用和相互配合關系進行分析的方法[29]。耦合協調度模型用于分析事物的協調發展水平。耦合度是指兩個或兩個以上系統之間的相互作用程度，體現協調發展的動態關聯關系，反映系統之間的相互依賴和制約程度。協調度是指耦合作用關系中的良性耦合程度，體現協調好壞。兩者反映系統內部和諧性，展現系統內部各要素由無序轉為有序的態勢。我國科技安全系統內部4個子系統之間的耦合關系及協調程度測算公式為：

T=α₁S₁+α₂S₂+α₃S₃+α₄S₄

上式中， c 為4個子系統之間的耦合度； S₁，S₂ 、S₃…S₄ 分別代表科技成果安全、科技人才安全、科技環境安全和科技活動安全指數，通過模擬退火優化投影尋蹤評價模型得到： C 值越大，子系統間離散程度越小，耦合度越高；反之，則子系統間耦合度越低。 T 為4個子系統的綜合協調指數； α₁…α₂…α₃…α₄ 分別為4個子系統相對于科技安全系統的重要性，根據博弈論組合賦權模型得到。 D 為4個子系統之間的耦合度，取值范圍介于[0，1]之間。 D 值越高，說明耦合協調程度越高，兩個系統發展越協調，反之則越不協調。借鑒已有研究，結合科技安全系統相關研究，本文將耦合協調度劃分為5個階段，如表2所示。

3.5 驅動因素識別模型

厘清影響科技安全系統內部4個子系統耦合協調的驅動因子，有助于明晰造成耦合協調度差異的主要原因，進而提出針對性建議，以促進我國科技安全水平提升。為了解不同指標對我國科技安全系統耦合協調度的影響程度，本文采用隨機森林、ExtRaTrees、梯度提升樹、AdaBoost和CatBoost算法[35-37]測算科技安全系統耦合協調度影響因素以及因素相對重要性程度。

3.5.1 隨機森林算法

隨機森林算法由美國科學家Leo提出，是一種高度靈活、以決策樹為基本學習器的集成機器學習算法。在隨機森林算法中，把科技安全系統各指標重要性程度定量為各變量對隨機森林每棵決策樹貢獻度的平均值，通過比較各變量的貢獻度確定變量重要程度，從而評價科技安全系統各指標對耦合協調度的影響程度。主要步驟如下： ① 采用基尼指數計算變量的貢獻度； ② 基于Bagging思想和特征子空間思想進行隨機森林訓練； ③ 計算特征權值并排序。

3.5.2 ExtRaTrees算法

ExtraTrees是一種基于決策樹的集成方法，通過構建多個決策樹對變量進行預測，以投票或平均方式確定最終分類結果。ExtraTreesClassifier是隨機森林算法的一種變體，隨機森林再加上一個隨機化步驟，就會得到極限隨機樹。與普通隨機森林相比，它們都是單個樹的集成，但也有不同。首先，每棵樹都使用整個學習樣本進行訓練；其次，自上而下的劃分方法是隨機的。它并不計算每個特征的最優劃分點，而是隨機選擇劃分點。該值是從經驗范圍內均勻隨機選取，即在所有隨機劃分點中選擇分數最高的值作為節點的劃分點。

3.5.3梯度提升樹算法

梯度提升回歸算法由兩方面組成：提升（Boosting）和梯度（Gradient）。Boosting與Bagging又稱為增強基礎學習回歸算法，它們由多個基學習器組成，其中Boosting基學習器之間表現為強依賴關系，因此串行可提升其基學習器效果，而Bagging則需并行提升基學習器效果。Boosting主要分為以下3個步驟： ① 訓練一個初始基學習器，根據該基學習器的效果對訓練集進行調整，增加當前基學習器中的弱勢樣本，使其在后續基學習器中訓練處于強勢地位； ② 根據調整后的訓練集訓練下一個基學習器； ③ 重復以上過程直至基學習器數量達到預先設定值T，Boosting輸出的值即為T個基學習器的加權和。而Gradient則是指基學習器補償由損失函數負梯度決定。

3.5.4 AdaBoost算法

AdaBoost是一種迭代式集成學習方法，可提高弱學習器（通常指簡單的決策樹）性能，并解決分類問題。AdaBoost通過對訓練數據重復采樣和調整樣本權重，使得先前弱分類器錯誤分類的樣本在后續分類器中獲得更多關注，從而逐步提高整體模型準確性。首先，使用樣本訓練一個弱分類器，并計算該弱分類器的錯誤率（誤分類率）。在之后每一輪迭代中，通過增加那些被前一輪弱學習器錯誤分類的樣本權重，減少那些被正確分類的樣本權重，“迫使”新的弱學習器更關注那些“難以分類”的樣本。隨后，對所有弱學習器的預測結果進行加權平均或加權投票，得到最終的強學習器。

3.5.5 CatBoost算法

CatBoost是一種梯度提升樹算法，在處理分類特征時更具有優勢，它使用一種均值編碼技術將分類特征轉換為數值并在訓練過程中優化特征編碼。模型同時引入正則化項，包括L1正則化和L2正則化，以控制模型復雜度，進而提高模型泛化能力。與XGBoost不同，CatBoost使用一種“Ordered Boosting\"策略自動調整學習率，并在訓練過程中逐步減小干預。CatBoost的目標函數通常包括3部分：損失函數、正則化項和輔助函數，形式如下：

上式中， L（y_i，y_i） 為損失函數。 為正則化項，用于控制樹 f_k 的復雜度，包括 L1 正則化和 L2 正則化。 T（g_j ）為輔助目標函數，用于優化模型性能和魯棒性。

4 結果分析

4.1 數據來源

基于科學性、合理性與可獲取性原則，本研究選取2011—2020年為研究時段，數據主要來源于《中國科技統計年鑒》《中國統計年鑒》《中國科技論文統計報告》《中國科技人才發展報告》《我國Ramp;D人員發展狀況分析》《中國科技人力資源發展研究報告》《TheStateofU.S.Science and Engineering》及 World Bank 等。首先，對于部分年份缺失數據，采用三次線性內插和線性外推等方法予以補充。其次，對國家財政科技撥款和國內Ramp;D總支出等與經濟相關的指標作自然對數處理，避免其受價格、季節等因素的影響而產生異常波動。最后，采用極差標準化法[33消除量綱對各指標的負面影響。

4.2指標權重結果

本文采用層次分析法計算科技安全4個子系統各指標的主觀權重，再利用熵值取權法計算客觀權重，最后采用博弈論組合賦權法將主客觀權重進行集成得到綜合權重，以提高指標權重賦值的科學性和合理性，結果見圖2。由圖2可知，在科技成果安全子系統中，指標權重排序由高到低依次為：國家級科技獎勵數量 （I₇ ，0.2014）、高被引論文指數（ ，0.1900）、重大科技成果數量 （I₆ ，0.1678）、ESI論文引用率（ I₂ ，0.138 1）、PCT專利申請量 （I₅ ，0.1175）、SCI論文數量占世界總量的比重（ I₁ ，0.0988）、萬人發明專利擁有量（ I₄ ，0.0863）。在科技人才安全子系統中，指標權重排序由高到低依次為：每萬人口科技人力資源數（ I₈ 0.2757）、高技術產業Ramp;D人員全時當量（ ΔI₁₃ ，0.1695）、每萬名就業人員 Ramp;D 研究人員數（ I₁₀ ，0.1559）、每百萬人中從事研發的研究人員數量 （I₉ ，0.1515）、Ramp;D人員中碩士學位以上人員數量（ ΔI₁₂ ，0.1464）、 人員全時當量（ I₁₁ ，0.1009）。在科技環境安全子系統中，指標權重排序由高到低依次為：科技進步貢獻率（ ΔI₁₅ ，0.2530）、國家財政科技撥款（ ，0.1754）、全球創新指數（ I₁₄ ，0.1531）、 R^E.D 經費支出占GDP比重（ ΔI₁₈ ，0.0998）、全國創業風險投資機構數（ ΔI₁₉ ，0.0900）、國內 R^E.D 總支出 （I₁₇， 0. 082 8） 、國際科技合作來華項目數量（ I₂₁ ，0.0738）、國際科技合作出國項目數量 ，0.0722）。在科技活動安全子系統中，指標權重排序由高到低依次為：主辦科技期刊 （I₂₇） ，0.2138）、參加國外科技活動人數（ ΔI₂₄ ，0.2058）、接待國外專家學者（ ，0.1506）、中國科協系統組織學術交流活動次數（ I₂₂ ，0.1201）、科技館個數（ I₂₈ ，0.1180）、中國科協系統提供決策咨詢報告數量（ ，0.0974）、舉辦科普宣講活動次數 （I₂₃，0.0943） 。

4.3科技安全系統綜合發展水平

為明晰我國科技安全系統隨時間變化的發展情況，結合系統各評價指標，采用模擬退火優化投影尋蹤評價模型測算我國2011—2020年科技安全系統綜合發展水平，結果如圖3所示。由圖3可知，2011—2020年我國科技安全系統綜合發展水平呈顯著上升態勢，相較于2011年的0.146，2020年我國科技安全綜合發展指數高達0.835，說明近年來我國科技安全系統發展水平得到顯著提高，發展勢頭良好。其中，科技成果、科技人才和科技環境安全水平呈逐年上升趨勢，科技人才和科技安全子系統具有較強的協同性，而科技環境比科技成果、科技人才安全水平提升速度慢，科技成果安全水平由2011年的0.058升至2020年的0.285，科技人才安全水平由2011年的0.0006升至2020年的0.320，科技環境安全水平由2011年的0.010升至2020年的0.152。究其原因，科技人才是產生科技成果的關鍵因素，而科技成果的產生和應用反過來可以吸引和培養更多科技人才，因此兩者增長和發展趨勢較為一致;科技環境包括政策環境、投資環境、市場環境等多個方面，環境改變通常需要較長時間，因此科技環境改善速度較慢。相較于另外3個子系統，科技活動安全水平大致呈“倒V”形波動變化態勢，2011—2016年呈上升態勢，2016—2018年呈下降態勢，2020年又呈略微上升態勢。這是因為，2016—2018年國際形勢發生重大變化，中美貿易摩擦升級，中國在國際科技合作方面更加謹慎，導致科技活動安全程度有所下降。然而，由于科技活動往往在一定規則和制度下進行，這些規則和制度使得科技活動安全子系統具備較強獨立性，即科技活動安全水平變動不會對其它系統產生影響；另外，科技活動具有較強的短期性和時效性，而科技人才、成果、環境變化受政策、經濟、社會等因素的影響，相關因素變化通常是長期和漸進的，不會因為科技活動安全短期變化而產生較大影響。因此，科技活動安全變化對科技環境安全、科技人才安全和科技成果安全的影響作用較小。

4.4耦合協調度模型結果分析

本研究構建我國科技安全系統中科技成果、科技人才、科技環境以及科技活動4個子系統之間的耦合協調關系，如圖4所示。由圖4可知，我國科技安全系統耦合度（C）、協調指數（T）以及耦合協調度（D）整體呈上升趨勢。其中，耦合度（最下一條虛點線）由2011年的0.082快速升至2012年的0.274，再緩慢升至2017年的0.347，而后細微波動至2020年的0.337；協調指數（最上一條虛劃線）除2016—2017年增速較小外，由2011年的0.251穩步升至2020年的2.069。從中可見，我國科技安全系統耦合度與協調指數之間存在較大差異。究其原因，耦合度僅反映科技安全4個子系統間的相互作用程度，難以評價子系統間互動的良性特征。由上述圖3分析可知，當科技成果、科技人才和科技環境3個子系統安全發展水平逐年提升時，科技活動子系統反而呈現“倒V\"形波動變化態勢，由此導致耦合度呈現如圖3外圍虛點線所示的發展態勢。由式（7）可知，協調指數即為圖2中我國科技安全綜合發展指數，其反映的是在耦合度基礎上的良性程度，體現了協調程度高低。

由式（8）可知，耦合協調度綜合考慮耦合度與協調指數，反映4個子系統之間的整體功效與協同效應，用以分析我國科技安全系統協調發展水平。圖4中耦合協調度由2011年的0.144逐步升至2020年的0.834，我國科技安全系統在2011—2012年處于失調衰退期，2013—2015年處于過渡期，2016—2020年處于協調發展期。其中，2011年屬于嚴重失調類型（ D=0.144） ，2012年屬于輕度失調類型（ D=0.357 ），2013—2015年屬于初級協調類型（ ：D=0. 445，0. 505 和0.578），2016—2019年屬于中級協調類型 （D=0.646，0.656 10.713和0.766），2020年屬于良好協調類型（ D= 0.834）。可見，我國科技安全系統耦合協調發展水平逐年提升。

結合圖3和圖4可知，我國科技安全系統4個子系統發展水平存在一定差異，這種差異性變化直接影響耦合度、協調指數以及耦合協調度三者之間的關系。

首先，科技成果、科技人才和科技環境3個子系統呈現持續增長態勢，而科技活動安全水平則呈“倒V\"形波動趨勢，這種發展差異使得各子系統間的協同性發生動態變化，影響整體耦合度變化趨勢。2011—2012年，前3個子系統同步提升可能會促進子系統間的相互協作，推動耦合度快速上升，而在2016—2018年，科技活動安全水平下降阻礙耦合度進一步提高。其次，協調指數變化反映各子系統整體發展水平。由于科技成果、人才、環境三者呈持續增長態勢，因此協調指數也穩步提升，尤其是2016年以后三者同步發展使得協調指數快速增長，表明4個子系統存在良性互動，協調性得到增強。最后，耦合協調度綜合反映耦合度和協調指數變化情況。2011—2012年耦合度快速上升但協調指數提升速度較慢，導致這一階段耦合協調度處于失調衰退狀態；2016年以后，盡管科技活動波動對耦合度產生影響，但由于其它3個子系統持續增長，促使協調指數快速提高，耦合協調度因此進入協調發展階段?？傮w來看，各子系統發展水平差異性變化使得耦合度、協調指數和耦合協調度三者之間呈現動態變化關系，子系統間協同發展是提高系統整體耦合度的關鍵，各子系統整體水平提升推動協調指數上升，兩者同步增長最終促進耦合協調度持續提高。因此，科技安全系統建設應注重各子系統間的均衡發展，增強系統協同性，從而實現高質量耦合協調發展。

4.5耦合協調度驅動因素結果分析

本文采用隨機森林、ExtRaTrees、梯度提升樹、AdaBoost和CatBoost算法驗證科技安全系統耦合協調度驅動因素以及因素的相對重要性程度。同時，采用五折交叉驗證，對5種算法的均方差（MSE）、均方根誤差（RMSE）、平均絕對誤差（MAE）以及判定系數 （R²） 4 個評價指標進行對比。其中，判定系數 R² 的值越接近于1，表明算法性能越好；剩余3個指標的值越小表明算法性能越好，結果如圖5所示。

由圖5（a）通過對比5種算法的4個評價指標值可知，在5種算法中，CatBoost算法的4個評價指標均好于其余4種算法，其中判定系數 R² 達到0.942，表明CatBoost算法性能最優，因此選擇CatBoost算法對我國科技安全系統耦合協調度驅動因素進行識別。如圖5（b）所示，縱坐標代表指標重要性，橫坐標代表按重要性遞減順序進行排列的28個變量。從中可以看出，每萬人口科技人力資源數（ I₈ ， 14.43% ）是我國科技安全系統耦合協調度最主要的驅動因素，緊接其后排序前十的驅動因素分別為 Ramp;D 人員中碩士學位以上人員數量 （I₁₂ ， 10.11% ）、每百萬人中從事研發的研究人員數量（ I₉ ， 9.32% ）、SCI論文數量占世界總量的比重（ I₁ ， 7.16% ）、重大科技成果數量 （I₆，7.05% ）萬人發明專利擁有量（ ， 6.36% ）、ESI論文引用率 （I₄ ，5.45% ）、科技進步貢獻率 （I₁₅ ， 4.77% ）、高被引論文指數 （I₃） ，4.77%? 以及國家財政科技撥款（ ， 3.98%） 。根據驅動因素結果排序，本文探討主要驅動因素使耦合協調度在時間維度上呈現如圖4所示趨勢的內在原因與作用機理。

（1）每萬人口科技人力資源數、 R^amp;D 人員中碩士學位以上人員數量以及每百方人中從事研發的研究人員數量作為科技人才子系統的重要指標，是影響我國科技安全系統耦合協調度變化的主要因素，與圖3中科技人才子系統安全水平變化趨勢大致相同?？萍既瞬攀强萍紕撔禄顒娱_展的核心力量，人才數量增加必然推動科技活動開展，為科技創新注人新動力；同時，科技人才素質不斷提高反映出我國科技人力資源質量持續優化，優秀的科技人才隊伍為科技成果的取得奠定了基礎，也是科技活動開展的支撐。

（2）圖3中科技人才安全水平在4個子系統中變化最大，從2011年的0.0006快速提升至2020年的0.320，自2013年開始便與科技成果安全水平并駕齊驅，總體上高于科技成果子系統。圖5（b）中驅動因素排序第 4～ 第7以及第9均為科技成果子系統指標，恰好印證了圖3內容?？萍汲晒酉到y指標均有大幅提高，說明我國科研質量和國際影響力持續增強，高質量科技成果為科技活動注人新活力，并為科技環境創造良好條件，從而形成正向循環，推動整個科技安全系統協調發展。

（3）驅動因素排序第8和第10為科技環境子系統指標，對我國科技安全系統耦合協調水平產生較大影響。國家財政科技撥款不斷增加為科技活動提供了堅實的資金保障，推動科技人才培養、科研條件改善、重大科技項目實施，為科技成果的取得創造了有利條件；科技投入增長促進科技進步貢獻率提高，有力支撐了我國科技安全系統高質量發展。

（4）科技活動子系統指標重要性排序比較靠后，表明其對科技安全系統耦合協調度影響甚微。結合圖3分析結果可知，科技活動子系統對科技成果、科技人才、科技環境3個子系統的影響作用較小。在圖3和圖4中，2016—2017年協調指數上升出現一個平臺期，科技活動安全水平卻出現下降，但該階段科技系統綜合安全水平和系統耦合協調度仍保持上升趨勢?？梢姡萍蓟顒影踩较陆滴磳ο到y整體發展產生重大影響。

5 研究結論與對策建議

5.1 研究結論

本研究通過廣泛的文獻調研，從科技成果安全、科技人才安全、科技環境安全和科技活動安全4個子系統中選取28項指標構建我國科技安全系統評價指標體系，通過博弈論組合賦權法、模擬退火優化投影尋蹤評價模型以及耦合協調度模型分析我國科技安全系統綜合發展水平及4個子系統間的耦合協調水平，進一步識別科技安全系統耦合協調度與驅動因素，得出如下結論：

（1）近年來我國科技安全系統發展水平得到顯著提高，發展勢頭良好，科技安全綜合發展指數從0.146升至0.835。科技成果、科技人才和科技環境安全水平逐年提升，科技活動安全水平呈“倒V\"形波動變化；科技人才和科技成果穩定對于國家科技發展至關重要，但科技環境安全水平提升速度緩慢。

（2）我國科技安全系統耦合協調發展呈現逐年提升趨勢，耦合協調度由2011年的0.144升至2020年的0.834，我國科技安全系統在2011—2012年處于失調衰退期，2013—2015年處于過渡期，2016—2020年處于協調發展期。

（3）每萬人口科技人力資源數、Ramp;D人員中碩士學位以上人員數量以及每百萬人中從事研發的研究人員數量是我國科技安全系統耦合協調水平的主要驅動因素，表明科技人才是一個國家最寶貴、最重要的戰略資源。一個國家科技人力資源總量及結構水平越高，科技人才實力也越強?？萍汲晒谖覈萍及踩到y中發揮著舉足輕重的作用?？萍汲晒|量與數量反映一個國家在科技研究和創新方面的實力和水平，直接影響科技安全系統發展，高質量科技成果能夠提升國家在全球科技舞臺上的聲譽和地位，促進科技交流和合作，進而增強科技安全系統耦合協調度。科技進步貢獻率和國家財政科技撥款作為我國科技環境安全子系統的重要指標，是國家為促進科技創新和發展所提供的財政資金支持，能推動科技進步和經濟發展，提高國家科技水平和競爭力，因此該指標對我國科技安全系統耦合協調水平具有較大影響。

5.2 對策建議

根據上述研究結論，本文提出以下對策建議：

（1）實施“人才強國\"戰略，構建高素質科技人才隊伍。每萬人口科技人力資源數是我國科技安全系統耦合協調發展最主要的驅動因素，因此應該加大科技人才培養和引進力度，建立靈活多樣的人才引進和人才流動機制，鼓勵海內外人才交流，提高科技人才整體素質和能力水平，滿足國家科技發展需求。同時，科技人才也是一個國家最寶貴、最重要的戰略資源，應加大科技人才培養力度，建設更多高水平科研機構和實驗室，提供良好的科研條件和發展環境，加強科研團隊建設，建立人才培養和科研項目合作機制。

（2）加強科技成果評價與轉化，提升科技創新導向性和激勵性，加大對重要科技成果的獎勵和支持力度。構建科技成果評價指標體系，對SCI論文數量、重大科技成果、發明專利數量、ESI論文引用率和高被引論文指數等指標進行評估和監測，及時調整科技政策和資源配置方向，提高科技成果質量和數量。同時，建立科技成果轉化機制，加強科技成果知識產權保護，鼓勵成果產業化應用，完善科技評價體系，精準評估科研產出質量。

（3）完善科技創新激勵機制，營造公平公正的科技創新環境?？萍歼M步貢獻率和國家財政科技撥款是我國科技環境安全子系統的重要指標，應加大科技創新和發展財政資金支持力度，推動科技進步和經濟發展，提高國家科技水平和競爭力。同時，建立科技創新激勵機制，完善科技成果轉化和產業化體系，加強知識產權保護，為技術創新提供制度保障，激發科技工作者創新創業積極性。

5.3 不足與展望

本研究存在一些不足：首先，僅收集28個指標衡量我國科技安全系統發展水平，指標主要來源于文獻調研，存在指標缺失和冗余等不足，未來應對指標冗余度和獨立性進行優化與改進。其次，僅對中國科技安全系統耦合協調度進行評價，未考慮區域空間耦合發展水平，未來需深入探討某個區域甚至全球科技安全系統耦合協調度空間關聯水平。

參考文獻：

[1]周寧南，翟一鳴，李艷．新安全格局下的科技安全：重要意義、現實挑戰與對策思考[J]．國家安全研究，2023，37（4）：34-51，164.

[2] 石進，趙小柯，劉千里．面向國家安全的情報支持路徑[J].情報學報，2020，39（7）：675-686.

[3] 徐宗煌，蔡鴻宇，張偉，等．我國科技安全風險評估指標體系與模型構建研究[J].情報科學，2023，41（12）：165-173，182.

[4] 李夢婷，石進，李明．國家科技競爭情報態勢感知研究[J].情報雜志，2021，40（9）：52-57.

[5] 謝文棟.科技金融政策能否提升科技人才集聚水平——基于多期DID的經驗證據J.科技進步與對策，2022，39（20）：131-140.

[6] ZELINSKY A. Science and technology： supporting austral-ia'snational security[J].UnitedService，20l4，65（1）：14-16.

[7] 游光榮，張斌，張守明，等．國家科技安全：概念、特征、形成機理與評估框架初探[J].軍事運籌與系統工程，2019，33（2）：5-10.

[8」刁聯旺，王珩．國家科技安全評價及其統計分析LC」//中國指揮與控制學會．第四屆中國指揮控制大會論文集．北京：電子工業出版社，2016：553-557.

[9]張亞明，趙科，宋雯婕，等．中國省域科技成果轉化效率評價研究——基于長短期視角[J]．技術經濟與管理研究，2024，45（2）： 18-24.

[10]陳紅喜，馬樹文，關聰，等．長三角地區科技成果轉化政策綜合評價及提升策略研究[J].科技管理學報，2023，25（5）：22-34.

[11]穆智蕊．科技人才評價框架體系構建探討[J]．科技中國，2023，28（1）：63-67.

[12]王成軍，郭明．創新型科技人才科技成果轉化能力可拓評價[J]．科技進步與對策，2016，33（4）：106-111.

[13]張振偉，黃露．科技安全監測指標體系構建研究[J]．科技智囊，2020，26（4）：27-31.

[14]蔡勁松，馬琪，譚爽．科技安全風險評估及監測預警系統構建研究[J]．科技進步與對策，2022，39（24）：100-108.

[15］蔡勁松，譚爽，武佳奇．關鍵科技領域安全風險評估指標體系構建研究[J]．中國科技論壇，2022，37（3）：33-41.

[16]YANG J，CHENG H. Coupling coordination between uni-versity scientific amp; technological innovation and sustain-able economic development in China[J].Sustainability，2023，15（3）：2494.

[17]崔靜靜，張奇．科技和金融耦合協調度測度、空間差異與收斂性分析[J]．內蒙古大學學報（自然科學版），2024，55（1）：92-102.

[18] GAO C，CAO M， WEN Y，et al. Coupling and interac-tion between science and technology finance and green de-velopment：based on coupling coordination degree modeland panel vector autoregression model[J]. Frontiers inEnvironmental Science，2023，11：274.

[19]鄒蔚，王興宇，萬鳳嬌，等．城市韌性與科技創新水平耦合協調發展研究——以長三角城市群為例[J].生態經濟，2024，40（1）：78-87.

[20]王慧，黃濤．科技人才集聚與經濟高質量發展的耦合協調研究——以中部六省為例[J]．生產力研究，2023，38（12）：25-30，161.

[21］田立濤，王少劍．珠三角地區科技創新與生態環境的耦合協調發展研究[J]．生態學報，2022，42（15）：6381-6394.

[22]HAN X，FU L，LVC，et al. Measurement and spatio-temporal heterogeneity analysis of the coupling coordinateddevelopment among the digital economy，technological in-novation and ecological environment[J]. Ecological Indica-tors，2023，151：110325.

[23]黃仁全，董娟．陜西省經濟發展、科技創新與生態環境的耦合協調發展研究[J]：運籌與管理，2022，31（10）：161-168.

L24」師應來，趙一帆，肖烯嵐．產業結構升級、科技創新與經濟高質量發展的耦合協調研究[J].統計與決策，2024，40（1）：119-124.

[25]ZHAOJ，BURKE AF. Review on supercapacitors：tech-nologies and performance evaluation[J]. Journal of EnergyChemistry，2021，59：276-291.

[26]MERHI M I. An evaluation of the critical success factorsimpacting artificial intelligence implementation [J].Inter-national Journal of Information Management，2o23，69：102545.

[27]孫德梅，吳豐，陳偉．我國科技安全影響因素實證分析[J].科技進步與對策，2017，34（22）：107-114.

[28]吳豐．國防科技工業科技安全評價研究[D].哈爾濱：哈爾濱工程大學，2019.

[29] YANG H，KRANTZBERG G，DONG X，et al. Environ-mental outcomes of climate migration and local govern-ance：an empirical study of Ontario[J]. International Jour-nal of Climate Change Strategies and Management，2023，15（3）：371-390.

[30]王成韋，趙炳新．科技服務產業集聚背景下城市格局時空演變特征及趨勢研究[J]．科技進步與對策，2019，36（21）：62-70.

[31]張智雄，張夢婷，林歆，等．開放科學環境下全球科技期刊的發展態勢[J]．中國科學院院刊，2023，38（6）：795-805.

[32]徐宗煌，謝曉激，胡衛琪，等．基于模糊綜合評價的中小微企業信貸決策[J]．沈陽大學學報（社會科學版），2021，23（3）：299-304.

[33]胡志丁，林瑤．地緣位勢與雙邊關系的互動規律探討-以中美在東盟十國地緣博弈為例[J]．經濟地理，2023，43（7）：27-41.

[34]徐宗煌，張偉，蔡鴻宇，等．我國資源安全評估指標體系與模型構建研究[J]．干旱區資源與環境，2024，38（5）：1-9.

［35]胡文靜，馬建霞，謝珍．基于公共價值的區域知識產權高質量發展評價方法與實證研究[J]．科技進步與對策，2022，39（22）：40-50.

[36]XU Z H. Machine learning-based quantitative structure-activity relationship and admet prediction models for er ac-tivity of anti-breast cancer drug candidates[J]. Wuhan U-niversity Journal of Natural Sciences，2023，28（3）：257-270.

[37]YAN W，YUAN Y D，YANG M H，et al. Detecting therisk of bullying victimization among adolescents：a large-scale machine learning approach [J]. Computers in Hu-man Behavior，2023，147：107817.

（責任編輯：王敬敏）

Coupling Coordination Evaluation and Driving Factors of Science and Technology Security System in China

Xu Zonghuang，Cai Hongyu，Zhang Wei，Shi Jin （School of Information Management，Nanjing University，Nanjing 2loo23，China）

Abstract：TheChinese governmenthas placed scientificand technological innovationatthecoreofnational development. The strategic positionandroleofscienceand technology（Samp;T）inoverallnational security have gradually increased.Along with the increasing complexity and severity of national security，Samp;Tsecurity，as an important component of national ecurity，isacrucial guarante for nationalsecurity.Therefore，inorder tooptimize thestructureof China’s Samp;Tsecurity system，it is necesarytoanalyze the level of couplingcoordination development between the internal subsystems of China's Samp;Tsecuritysystem，explore themain driving factors affecting the developmentcoordination of China'sSamp;Tsystem，and propose countermeasures to promote the improvement of China's Samp; T security level.

At present，research on the evaluation of technological security mainly involves constructing comprehensive technological securityassssmentorrisk assessment models toevaluatetheoveralltechnological securityin China.However， theseapproaches do not explainthe internal interactions and couplings within the technological security system.Therefore，this paper introduces acoupling coordination modeltoassessthecoupling relationshipsand coordinationlevels among the subsystems within China's Samp;T security system.The coupling coordination model can evaluate the balance betwen subsystems by measuring the interactions and development trends among multiple subsystems within the system.Although domestic and foreign scholars have applied coupling coodination evaluation models in diferent fields，there has been almost no application in the field of _Samp;.T security systems. Thus，this study aims to provide recommendations for promoting positive interactions within China's Samp;Tsecurity system，therebyenhancing thecountrys technological security level by using machine learning methods to evaluate the driving factors ofcoupling cordination in Samp;T securitysystems and the relative importance of these factors.

This study constructs an evaluation index system of the national Samp;T security system from four subsystems： science and technology achievement security，talent security，environment security，and activity security. It first employs the game theorycombination weighting model to integrate the hierarchicalanalysis methodandentropy weight methodtoget thecomprehensive weights，whichcanavoid the single weighting method being overlysubjective orobjective，andthus improve the scientificityand reasonablenessof the weightsof the assessment indexes.Thenitcombines the simulated annealingalgorithmwith the projectionpursuit evaluation methodtobuildanevaluation model，andthenacouplingcoordination degree model is constructed to analyze the comprehensive development level of the national samp;.ΔT security system and the coupling coordination levelamong the four subsystems.Finaly，five machinelearning algorithms，namely random forest， ExtRaTrees，gradient boosting tree，AdaBoost，and CatBoost，are deployed to further identify the driving factors of the coupling coordination degree of the Samp;Tsecuritysystem.Theresearch results showthat the development levelof the national Samp;.T security system andthecoupling coordination development level of the four subsystems have increased year by year.The number of scienceand technology human resources per ten thousand populationis the most significant driving factor for the coupling coordination level of China's Samp; T security system.

Coresponding countermeasures and suggestions are put forward，which can provide new ideas and methods for national Samp;Tsecurity management.First，thecultivationand introductionof scientificand technological talents should be stressed，and the government should establish aflexible mechanism forthe introduction and mobilityof talents，encourage exchanges of talents athomeandabroad，andimprove theoverallqualityandcompetence levelof scientificand technologicaltalents，soas to meet theneedsofthe national scientificand technological development.Second，theevaluationand transformationof scientificandtechnologicalachievements should bestrengthened，as shouldtherewardsand support for important scientific and technological achievements.Meanwhile，itis necessary to improve the incentive mechanism for scientific and technologicalinovation and createafairandjustenvironmentfor scientificand technologicalinnovation.

Key Words：Science and Technology Security； Science and Technology Evaluation; Coupling Coordination Development; Machine Learning；Driving Factors