中国科学院数学与系统科学研究院期刊网

计量经济学报, 2022, 2(2): 209-227 DOI: 10.12012/CJoE2022-0006

 

创新计量学: 理论与方法

陈凯华,1,2

1. 中国科学院科技战略咨询研究院, 北京 100190

2. 中国科学院大学公共政策与管理学院, 北京 100049

Innovametrics: Theory and Methods

CHEN Kaihua,1,2

1. Institutes of Sciences and Development, Chinese Academy of Sciences, Beijing 100190, China

2. School of Public Policy and Management, University of Chinese Academy of Sciences, Beijing 100049, China

收稿日期: 2022-01-14  

基金资助: 国家杰出青年科学基金.  NSFC72025403
中国科学院青年创新促进会优秀会员项目.  201934

Received: 2022-01-14  

Fund supported: National Science Fund for Distinguished Young Scholars.  NSFC72025403
Outstanding Member of the Chinese Academy of Sciences Youth Innovation Foundation Projects.  201934

作者简介 About authors

陈凯华,国家杰出青年科学基金获得者,研究员,博士,研究方向:创新管理与创新政策,E-mail:chenkaihua@casisd.cn

摘要

创新管理与创新政策研究的科学化迫切需要系统性的分析理论与方法来支撑; 同时, 分析创新过程上游科技研发产出的科学计量学理论与方法未能满足全面分析创新过程并系统支撑创新管理与创新政策研究的需要. 这一现状必然催生一个更加综合的交叉学科——"创新计量学(Innovametrics)". 创新计量学是以整个创新系统为研究对象, 面向创新的发生与发展, 对创新系统全面分析的新兴学科。这一学科研究旨在从创新系统的视角构建分析创新过程的理论与方法体系, 实现对创新过程的系统性诊断与分析. 本文在回顾创新活动分析与创新模型同步发展基础上, 从投入(I)、产出(O)、收益(P)、转化(T)和系统(S)五个方面对创新计量学进行了分类: 创新投入计量、创新产出计量、创新收益计量、创新转化计量和创新系统计量; 从结构问题、发展问题和动力问题角度总结了创新计量学的典型研究问题与分析技术. 最后, 结合我国创新管理与创新政策实践, 对创新计量学迫切需要解决的科学问题进行了展望. 创新统计与调查数据的不断丰富必然促进创新计量学的蓬勃发展, 而创新计量学发展也使得创新管理与创新政策更加科学化. 本文构建的"I-O-P-T-S"五维创新计量学体系不但首次为创新活动的分析提供了分类体系, 而且为创新领域的研究问题设计提供了一个系统性的全过程分析视角.

关键词： 创新计量学 ; 创新管理 ; 创新政策 ; 创新过程 ; 创新系统

Abstract

It is urgent to develop systematic theories and methods to support the scientific research of innovation management and innovation policy. At the same time, the scientometric theories and methods of analyzing the upstream scientific and technological output of the innovation process fail to meet the needs of comprehensively analyzing the whole innovation process and systematically supporting the research of innovation management and innovation policy. This situation inevitably leads to a more comprehensive interdisciplinary "Innovation Metrology (Innovametrics)". Innovametrics is an emerging discipline that takes the entire innovation system as the research object, orients to the occurrence and development of innovation, and comprehensively analyzes the innovation system. Innovametrics constructs the theoretical and methodological system for analyzing the innovation process from the perspective of innovation system, so as to realize the systematic diagnosis and analysis of the innovation process. Based on the simultaneous development of innovation activity analyses and innovation models, this paper classifies Innovametrics into innovation input metrics, innovation output metrics, innovation profit metrics, innovation transformation metrics and innovation system metrics from five aspects: Input (I), output (O), profit (P), transformation (T) and system (S). Typical research problems and analysis techniques of Innovametrics are summarized from the perspectives of structural, development and dynamic problems. Finally, combined with the practice of innovation management in China, the urgent scientific problems of Innovametrics are prospected. The continuous enrichment of innovation statistics and surveys will inevitably promote the vigorous development of Innovametrics, and the development of Innovametrics will also make innovation management and innovation policy more scientific. The "I-O-P-T-S" five-dimensional Innovametrics system constructed in this paper not only provides a classification system for the analysis of innovation activities for the first time, but also provides a systematic whole-process analysis perspective for the design of research problems in the field of innovation.

Keywords： Innovametrics ; innovation management ; innovation policy ; innovation process ; innovation systems

PDF (1117KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

陈凯华. 创新计量学: 理论与方法. 计量经济学报[J], 2022, 2(2): 209-227 DOI:10.12012/CJoE2022-0006

CHEN Kaihua. Innovametrics: Theory and Methods. China Journal of Econometrics[J], 2022, 2(2): 209-227 DOI:10.12012/CJoE2022-0006

1 创新政策理论与实践都迫切需要发展创新计量学

推动创新管理与创新政策研究的科学化迫切需要系统性的创新活动分析理论与方法研究. "一种科学只有在成功地运用数学时, 才算达到了真正完善的地步" (保尔拉法格(1973), 华罗庚(1984)). 马克思这一论断即使在社会科学领域也得以验证, 如科技监测与评价领域中的科学计量学(scientometrics)"1、经济管理领域中的经济计量学(计量经济学)、社会管理学领域中的计算社会学2以及正在管理学领域兴起的计算管理科学等都试图通过数学(统计/计量/决策)方法支撑与完善社会经济管理问题. 在知识经济背景下, 随着创新活动在国家或产业竞争中的重要性日益突出以及伴随的创新投资不断递增和政府对知识创造、扩散与应用的动力与因素不断深化认识的需要, 创新管理与创新政策研究领域也迫切需要数学方法做支撑来分析愈加复杂的创新活动, 以从经验数据中挖掘有益于政策与管理决策的信息.本文把系统地关注创新活动计量分析的科学研究称之为"创新计量学(Innovametrics)3". 创新统计数据与调查数据来源的不断积累与丰富, 必然促进这一综合研究方向的蓬勃发展, 就如同专利与论文统计数据的丰富大大地促进科学计量学发展一样.

1科学计量学(Scientometrics)是应用数理统计和计算技术等数学方法对科学活动的投入(如科研人员、研究经费)、产出(如论文数量、被引数量)和过程(如信息传播、交流网络的形成)进行定量分析, 从中找出科学活动规律性的一门科学学分支学科(梁立明和武夷山(2006)). 科学计量学与文献计量学和信息计量学密切相关并且研究内容重叠较多(刘则渊和朱晓宇(2012)), 不过科学计量学偏重描述科技活动.

2计算社会学是社会学的一门分支, 使用密集演算的方法来分析与模拟社会现象(Bainbridge (2007)). 计算社会学使用复杂统计模型、社会网络分析等方法, 以及借助计算机模拟、人工智能等工具, 由下而上地构建社会互动模型, 来发展与测试复杂社会过程的理论(Macy and Willer (2002)), 是典型的社会学研究数学化.

3创新计量学的英语在作者最初提出创新计量学时用Innometrics (陈凯华(2012)), 在主编的建议下, 为了用词更加准确, 使用Innovametrics. 在此表示感谢.

发展创新计量学可满足全面分析与掌握创新过程和创新系统的实践要求. 围绕创新产出展开的以科学计量学为代表的科技监测与评价方法已不能满足创新系统视角下创新管理与创新政策研究的需要. 创新管理与创新政策实践中还需要对创新投入、创新收益、创新转化以及创新环境进行分析. 迫切需要发展全面的、系统性的计量方法与理论体系来支撑.科学计量学这一概念由苏联学者1969年提出(Nalimov and Mulchenko (1969)), 随后吸引越来越多的学者从事这一学科的研究, 1978年国际《科学计量学(Scientometrics)》杂志的创刊出版也标志着这一学科体系走向稳步发展. 随着科技统计信息数据完善, 特别是论文与专利文献数据愈加丰富, 越来越多的科学计量学方法被应用到科技管理中, 为科技管理与政策发展提供了方法与工具支撑. 不过, 科学计量学主要被用于创新过程上游创新产出的评价与规律探索上, 远远不能有效支撑对整个创新过程的全面的、系统的管理决策. 具体而言, 科学计量学关注焦点在于记录研发产出成果文献的信息分析上, 不能满足整体性的创新管理与创新政策研究需要对创新投入、创新收益、创新转化以及创新环境的系统性分析. 一些对创新管理与创新政策具有直接指导价值的关键问题, 如对创新投入的强度、创新产出的经济贡献、创新转化效率、创新系统功能有效性等进行探索与分析, 都不在科学计量学常规研究的范畴, 也无法实现这些问题分析. 特别是深层了解创新系统运作机制以改善创新政策与创新管理实践的需求, 迫切需要一个更加全面的、系统的创新活动分析理论与方法体系. 这正是本文提出和定义创新计量学的动机之一.

创新计量学是丰富创新政策与创新管理研究理论与方法的需要.我国著名科技政策专家罗伟先生指出, 政策科学是以政策及其运动规律为对象, 研究如何运用系统的知识和有组织的创新来改进政策制定系统及制定过程, 以更好地制定政策的跨学科的全新学科(罗伟(2007)). 为实现这一目标, 需要建立在系统性的理论与方法体系的设计上.在2013年召开的第九届中国科技政策与管理学术研讨会, 时任中国科学学与科技政策研究会理事长的方新指出: "科技政策研究的规范化是世界性趋势, 而目前我国科技政策研究仍缺乏必要的方法和数据支撑, 亟待从方法、工具和数据上加强研究的规范性". 相较于科技活动, 创新活动是面向整个创新链的, 创新过程更加复杂, 更多的创新主体参加, 主体关系更加复杂, 更多的制度因素需要考虑, 政策体系更加复杂, 更多的系统性因素需要考虑. 从科技政策研究到创新政策研究的变化, 将使得研究范围大大扩展, 研究对象更加多样, 研究背景更加复杂, 研究方式更加多变, 由此必然推动创新政策与创新管理研究的理论与方法更加丰富、更加系统和更加复杂. 创新计量学恰适应这了一实践背景的需要, 不仅对创新政策与创新管理研究方法进行了分类, 还对其进行了规范化和系统化.

创新计量学研究焦点在于创新过程和创新系统的分析体系与计量方法体系的系统构建与完善上, 一定程度上体现了创新管理与创新政策发展过程的数学化. 如同上述马克思观点的体现, 科学问题研究的数学化是科学问题研究的至高境界. 科学问题研究中的数学化要经历四个阶段: 第一阶段, 数据和资料的收集、分析和解释; 第二阶段, 科学原理和经验定律的定量表述(构建概念模型); 第三阶段, 数学模型的建立、研究和实证; 第四阶段, 利用数学模型去获得科学见解(Thompson (1981)). 这四个阶段中, 只有突破了第三个阶段, 才可以认为实现了科学的数学化, 所以科学问题研究数学化的标志是数学模型的建立(白欣和李长青(2010)). 第一、二阶段是第三阶段的基础, 创新计量学研究方面第一、二阶段研究，如创新测度（测量）, 已被现有文献充分探索(如, Geisler (2000), Godin (2005)), 各类分析框架、调查以及报告4便是典型代表. 不过第三阶段的分析技术(数学模型)现有研究虽有些涉及, 如Furman, Porter and Stern (2002)引入扩展的知识生产函数构建国家创新能力决定因素的检验模型, 陈凯华和官建成(2010a)引入结构方程检验创新系统功能有效性, Chen and Guan (2012)构建网络数据包络分析估计区域科技投资效率, Walrave and Raven (2016)通过系统动力学模型刻画技术创新系统的动力机制等, 但鲜有从创新管理与创新政策分类研究的角度系统性总结. 一个关键原因是, 不同于科学计量学体系, 至今没有专门的学科方向和方法体系支撑创新计量学的发展, 已有研究游离在不同的领域, 制约了创新管理与创新政策研究理论与方法的发展. 一个可预见的趋势是, 随着创新系统背景下创新管理与政策发展的实践需要, 以及创新统计与调查数据的丰富, 创新计量学的实践应用价值将日益体现出来. 这也是量化创新系统, 深层了解创新过程效能、动力和机制的迫切需要.

4经合组织(OECD)的《奥斯陆手册》(也称技术创新调查手册)和《弗拉斯卡蒂手册》、欧盟的《共同体创新调查》和《欧洲创新记分牌》、中国科学院创新发展研究中心的《中国创新发展报告系列》、中国科技发展战略研究小组的《中国区域创新能力报告》等.

本文尝试提出与界定创新计量学, 讨论创新计量学的研究范围与方法体系, 并从服务创新政策与创新管理研究视角分析创新计量学的实践应用. 创新计量学的研究理论与方法是综合性的, 需要交叉学科的理论与方法体系来支撑, 因此它的理论与方法体系的建立不是一蹴而就的, 本文仅是尝试面向创新过程, 从创新的发生与发展角度提出一个分析框架. 本文随后依次展开讨论: 第2部分, 创新活动分析与创新模型发展的关系; 第3部分, 创新计量学的界定与分类; 第4部分, 创新计量学的典型研究问题与技术; 第5部分, 创新计量学需要迫切解决的科学问题展望; 最后, 总结与展望.

2 创新活动的系统性分析体系随着创新模型的发展逐渐形成

创新活动分析的发展与创新过程模式的演化是密不可分的, 前者用来刻画与揭示后者, 后者促进前者研究视角和方法的扩展. 创新过程模式的演化反映了创新过程运作方式和动力的变化, 同时引导政策的关注点与创新管理体系发生变化. 创新活动的运作模型日趋复杂. 不同的创新模式下, 创新的动力机制、影响因素不同, 支持创新管理与创新政策需要掌握的决策信息存在差异, 这使得计量分析的视角有所变化. 根据英国萨塞克斯大学教授罗斯韦尔(Rothwell)对创新模式早期发展的研究总结, 至20世纪90年代, 创新模式从线性模型到系统模型(Rothwell(1992, 1994))大致经历了五代发展. 考虑进入21世纪后, 由于网络和开放创新模式的发展, 创新发展模式迈向第六代. 同时, 伴随着创新模式的演化, 创新活动分析框架与关注的重点和范围也随之发生变化, 大致从最初的投入驱动分析到至今待完善的复杂网络与开放创新的形成机制与影响的分析. 本文绘制图 1以示创新活动分析与创新模式同步演化框架.

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   创新活动分析与创新模式同步演化框架


第一代(始于1950s): 技术推动理论下的科技投入驱动分析. 该理论框架下, 科技产出水平取决于科技投入水平. 因此, 科技资源的投入规模和强度自然而然成为政策制定者关注的焦点指标, 包括研发经费投入、研发人员投入、教育经费投入等重要的创新活动指示性指标. 至今国内外仍常用的主要指标之一是研发强度(R & D intensity)5, 用来反映企业、产业、区域或者国家的创新意愿、力度或活跃度, 是区域或国家科技创新规划中重要的指导指标.

5研发强度是指研发经费与某种产出指标之间的比值. 对一个企业, 它等于研发费用与销售收入的比值; 对一个行业, 它等于研发费用与总产出或增加值的比值; 对一个国家, 它等于研发总支出(GERD)与GDP的比值(Smith (2005)).

第二代(始于1960s): 市场拉动理论下的科技产出和收益分析. 过多关注科技创新投入, 忽略市场需求很难确保科技成果产出的成效以及创造的科技知识被市场利用, 因此科技成果产出市场价值的实现或接受度也随之被关注. 如, 用以表征科技成果产出的论文和专利数, 以及以新产品产值和附加值、高技术产品的出口额为主的市场收益产出. 这一代分析与第一代分析都是适应线性模型的分析, 未考虑创新投入与产出间的关联性以及制度、基础设施等创新环境的参与和影响.

第三代(始于1970s): 技术推动与市场拉动互动理论下的过程转化分析. 技术推动和需求拉动的线型模式越来越多地被认为是过分简化的、极端的模式, 需要强调市场需求与技术供给二者结合对创新成功的重要性. 链接模式(Kline and Rosenberg (1986))和联合模型(Rothwell (1992))便是在此背景下产生的相对系统性的创新模式. 这一阶段创新活动分析关注反映投入到产出转化能力的过程指标, 如单位研发投入的专利产出、单位专利的市场收益等.

第四代(始于1980s): 功能整合理论下的功能诊断分析. 整合创新模式的提出标志着占主导地位的创新过程进程依次推进模式的一个转折, 把创新视为市场营销、研发活动、产品开发、生产工程、制造等功能同时展开的并行过程. 这一阶段的创新活动分析尤为关注研发与制造交互界面的整合、研发与经济界面的整合以及各并列进程活动之间的交互作用等.

第五代(始于1990s): 创新系统理论下的系统整体分析. 创新系统模式在某种程度上代表着整合创新模式复杂化的发展, 它不仅把创新视为一种职能交叉的过程, 而且看作一个多重结构的网络过程. 该阶段重视系统内成分整合的结构与有效性, 从更加复杂的系统角度关注创新过程的动力和效果的影响因素. 如, 创新的基础设施、制度环境、产学研联盟的作用等.

第六代(始于2000s): 开放与合作创新理论下的合作网络与开放整合分析. 网络和开放整合模式是创新系统模式的延伸, 适应了全球化与全球竞争的大趋势, 强调了创新网络和开放创新在创新发生与发展中的重要性, 符合数字化这一新趋势. 我国也正是基于此背景提出了创新、发展、绿色、开放、共享的大局观的发展理念, 并推动创新发展数字化战略. 这一背景下, 对网络结构、动力以及影响, 合作模式、动力以及影响的分析具有重要的实践指导价值.

可见, 创新活动分析关注的对象和问题随着创新模式的演化而变化, 呈现出越来越复杂的特征. 从系统角度分析创新过程, 在关注创新过程运作效能的同时考虑创新过程与创新环境的交互作用, 特别是从整体角度关注创新环境对创新过程的影响机制是创新计量研究当前努力的重点方向. 这也是从定量角度实证探索中国创新系统众多问题中仍未被有效解决的关键问题, 而这需要依赖更加复杂的、科学的建模技术来实现.

3 创新计量学的界定与分类

3.1 创新计量学的界定

创新计量学的界定应基于创新研究对象的范围. 由于创新是科技与经济(产业)的组合体, 因此对创新的分析并不能停留在科技研发活动上, 要拓展到整个创新链以及所在的社会经济系统. 以技术创新研究而言, 虽然技术创新目前没有统一的定义, 但有一点共识, 那就是技术创新要实现商业化应用(吴贵生和王毅(2009)), 也就是需要把发明引入生产体系中(柳卸林(2014)). 出于这一考虑, Fagerberg and Verspagen (2009)把创新研究定义为: "创新如何发生、创新影响因素以及经济与社会贡献的学术研究"; Martin, Nightingale and Yegros-Yegros (2012)定义创新研究为"分析、理解以及有效地应对由科学、技术和创新带来的经济、管理、政策、组织、环境以及其他问题, 包括一系列与知识创造、知识获取与扩散以及新的产品、过程和服务的开发". 上述两个定义对创新研究及其对象范围给出了较为全面的界定, 而创新计量学则为创新研究提供了系统的工具与方法. 基于此, 创新研究不但关注科技知识的创造, 还要关注科技知识的扩散与应用, 更需要从系统的视角关注社会经济的影响与收益. 科技知识的创造、扩散与应用整个过程嵌套在社会经济环境中, 社会经济环境条件必然影响这一过程的运作, 因此对创新过程的计量分析需要考虑社会经济因素的参与和影响.

至今尚未发现国内外学术文献对创新计量学进行定义, 在文献数据库中尚未发现"创新计量学"或"Innovametrics"的记录. 当然并不是没有可参考的文献资料. 由欧盟委员会企业和工业总司发起的欧洲创新项目(PRO INNO Europe)使用"INNO-Metrics"界定创新绩效的比较, 并指出INNO-Metrics的主要目的是理解经济体内创新活动的动因与模式, 以作为政策优化的基础. 不过这里的INNO-Metrics包括两部分内容: 欧洲创新记分牌(European Innovation Scoreboard)与创新晴雨表(Innobarometer), 都属于创新测量(Measurement)的范畴. 相对于关注创新指标构建与数据采集的创新测量6(还可见《奥斯陆手册》、《弗拉斯卡蒂手册》、《共同体创新调查》、《洛桑报告》), 本文界定的创新计量学(Innovametrics)有更系统性的政策实践目的与价值, 它可以理解为在简要描述统计性测量或调查基础上的深层探索性分析创新活动. 对创新活动的探索性分析工具多数源于计量经济学(Econometrics), 因此用"计量"二字可以很好体现创新计量学的方法论. 这样也有利于与科学计量学(Scientometrics)或文献计量学(Bibliometrics)相称与比较. 本研究不称之为创新测度, 还有一个考虑是不与现有数学中"测度论"相冲突与混淆7. 从关注视角看, 创新计量学深化了创新测量的研究. 创新测量主要目的是为了获得描述创新活动的基本数据, 常常是数据采集与赋值的过程, 这个过程可能是直接统计也可能是通过调查完成, 侧重比较、关注水平、关心数据的可得性和有效性, 类似于创新统计; 而创新计量学的目的更加深入与系统, 侧重探索, 关注创新系统角度下知识的创造、扩散与应用的动力与因素. 可以说, 已有的创新测量体系与数据为创新计量的开展提供了坚实基础, 没有创新测量, 便没有创新计量学实践的发展. 创新计量是创新测量在问题方向的延伸.

6英语中有时用Innovation measurement或Measuring innovation, 本研究建议分别翻译成"创新测量"或"测量创新". 国内学者柳卸林教授较早地对创新测量进行了讨论, 指出主要包括两部分: 构建创新指标体系与搜集指标数据(见, 柳卸林(2014)).

7"测度"的汉语意义是猜测、揣度、料想. 如, 南朝(宋)谢灵运在《入华子冈是麻源第三谷》诗: "险迳无测度, 天路非术阡." 诗中的测度与测量基本可以理解为同意, 内涵相近, 停留在统计与调查的描述层次.

创新计量学关注科技知识的创造、扩散与应用, 涉及整个创新系统的要素与结构. 创新系统的框架并不仅停留在创新过程上, 而是更多地从社会经济因素考虑了创新动力与效果(Edquist (1997)), 这是学术研究者、创新管理者以及政策实践者对创新过程从线性模式到链式模式到系统模型演化再到网络与开放模式进程中认识的突破. 基于此, 本文建议从广义角度来理解科学计量研究, 不局限于创新过程中科技成果产出的计量, 应从系统的角度考虑科技成果的前因后果, 而这正是本文提出构建创新计量学的重要原因之一. 从创新过程来看, 它涉及到从创新投入到科技成果产出再到经济和社会收益整个创新过程的定量分析(见, Geisler (2000), Guan and Chen (2010), Chen and Guan (2012)); 从计量内容来看, 它不但包括传统以科学计量学为基本分析工具且面向科技成果产出的科技监测与评价, 而且包括科技成果的转化绩效与经济收益的分析, 以及科技活动的投入结构与影响因素的分析. 在本文中, 创新计量学界定为以整个创新系统为研究对象, 面向整个创新链, 从探索性的视角揭示创新过程的形成、运作、动力与效果, 从客观证据的角度服务创新政策与创新管理.

由于创新计量学充分考虑创新过程的复杂机制以及创新环境要素的参与和影响, 使得创新活动的分析从传统线性的、描述性的简单创新测量扩展到非线性的、综合的创新成效以及发展动力与影响要素的探索上. 换言之, 创新计量学为创新政策与创新管理研究提供了更加深层次的和更加直接的证据与信息, 支撑创新活动管理更加科学化、客观化. 本文认为, 创新计量学是以有效管理整个创新活动为目的, 对创新过程中要素投入、产出、转化与效果以及它们的决定因素进行分析和探索. 创新计量学无疑为全面监测创新过程运作与创新系统发展提供了系统的分析理论与方法基础.

3.2 创新计量学的分类

既然以创新系统为研究对象, 创新系统的复杂属性使得创新计量学的研究内容不但要关注简单的创新投入、产出和收益的分析, 更要关注整个创新系统的整体性分析. 关于创新活动分析与创新模式的同步演化框架(图 1)进一步表明, 创新计量学的研究内容愈加复杂, 越来越多的动态的、非线性的因素被纳入到创新活动分析中. 本文在创新系统视角下构建的面向创新过程的创新计量分类体系如图 2所示. 这一分析框架是面向创新过程, 没有特定分析对象, 适应不同层次的(国家、区域或产业)创新系统的分析.

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2   创新系统视角下面向创新过程的创新计量分类


本文根据对创新过程关注视角与问题的差异, 把创新计量分为五类: 创新投入计量、创新产出计量、创新收益计量、创新转化计量与创新系统计量. 每一类计量从不同的视角关注创新过程的特征与表现(见图 2所示). 本文把创新过程分为"研究与开发过程"和"扩散与应用过程", 在关注创新投入(Inputting, 简写I)、创新产出(Outputting, 简写O)、创新收益(Profiting, 简写P)以及创新转化(Transforming, 简写T)等四个局部方面计量的同时, 并基于创新活动组织与运作过程嵌入创新环境(组织与机构的参与以及要素与环境的支撑)的系统行为, 关注创新系统(Systemizing, 简写S)的计量. 这样, 构建I-O-P-T-S五维创新计量学测度体系.

4 创新计量学的典型研究问题与分析技术

从掌握与改善创新过程与系统的绩效来看, 创新计量学应关注三类问题, 即结构问题、发展问题和动力问题. 其中:

结构问题: 关注创新过程与系统中的要素构成, 涉及创新要素的投入强度、要素之间的配置比例以及创新成员(actor)之间的合作模式、网络关系等结构问题, 包括在空间、技术和产业等层次的布局与比较.

发展问题: 关注创新过程与创新系统的发展问题, 涉及创新投入、产出和收益绩效以及创新系统整体的水平、增长、效率与趋势问题, 包括创新系统能力和功能演化以及与创新环境相关的制度环境、文化环境的演化问题.

动力问题: 关注创新过程与系统的运作机制以及创新环境的匹配问题, 涉及创新过程或系统发展的内部动力和外部动力, 以及创新要素和主体之间的影响关系、创新环境对创新过程的影响等问题.

创新计量学的五类计量涉及上述三类问题, 形成了一个创新计量学分类与问题分类的研究问题矩阵(见表 1). 三类问题不是相互割裂的, 在系统分析一类计量问题时, 常常需要联合研究.

表1   创新计量学典型科学问题示例

计量分类问题分类典型实例
结构问题发展问题动力问题
创新投入计量研发经费强度、执行结构与配置结构, 包括国家、区域或产业之间投入差异性等问题.研发投入增长趋势与规律、结构变化趋势、基础研究增长规律等问题.创新投入的影响因素和动力机制, 公共研发投入对私有研发投入的影响以及财政政策激励投入的效果等问题.Cohen and Klepper (1992); González and Pazó (2008); Barge-Gil and López (2014); David et al. (2000); 张金胜和师萍(2011); 师萍和安立仁(2013); 吴延兵(2009)
创新产出计量科技合作网络, 科技产出结构, 不同国家、区域或产业之间科技合作网络或产出结构差异性问题.科技发展轨道演化、科技竞争力趋势、技术预见、技术产出增长趋势等问题.创新产出的影响因素与动力机制, 科学产出对技术产出的影响, 以及财政政策激励产出的效果等问题.Braun et al. (1997); Chen and Guan (2011b); Zhou and Leydesdorff (2006); Chen (2006); 刘则渊等(2008)
创新收益计量不同领域科技的作用差异性, 不同国家、区域或产业之间科技作用的差异性问题.新产品产出、市场占有率、盈利能力等指标趋势, 科技进步贡献率, 全要素生产率等问题.创新收益的影响因素和动力机制, 研发投入对生产率的作用与影响因素, 科技成果对产业创新发展的作用与影响因素等问题.Nelson et al. (2014); Park (2012); Hall and Mairesse (1995); 何锦义(2012); 吴延兵(2006)
创新转化计量科技投资转化和成果转化比较, 不同国家、区域或产业之间科技投资和科技成果转化的差异性问题.研发效率, 技术转化效率, 单位研发投入的创新产出与收益的变化等问题.研发效率和技术转化效率的影响因素与动力机制, 包括制度环境对效率的影响问题等.Guan and Chen (2012); Chen and Guan (2012); Guan and Chen (2010); Cruz-Cázares et al. (2013); 陈凯华(2013)
创新系统计量创新子系统之间的功能关系, 创新主体之间的协同关系, 包括产学研合作网络结构与不同国家、区域或产业之间的差异性等问题.国家创新系统、区域创新系统或产业创新系统科技竞争力和创新能力的发展以及创新系统功能演化趋势等问题.科技竞争力和创新能力的影响因素与动力机制, 创新系统演化的复杂动力机制, 创新环境对创新过程的影响, 产学研协同的动力机制等问题.Liu and White (2001); Caste-llacci and Natera (2013); Mahroum and Al-Saleh (2013); Chen and Guan (2011a, 2011b); Walrave and Raven (2016); 陈凯华等(2015); Chaminade et al. (2012)

新窗口打开| 下载CSV


创新计量执行过程是从研究问题出发, 根据研究目的选择使用合适的研究方法对研究对象展开研究分析, 得出研究结论, 总结研究启示的循序渐进的过程. 创新计量的分类表明, 创新计量关注起始于创新投资的整个创新过程以及与创新环境之间交互作用的定量分析(见图 3). 不同于传统侧重统计与调查描述创新过程的描述性方法, 创新计量是在创新测量基础上开展深层的探索性分析, 这就需要依赖系统性的计量方法与工具. 创新计量学的发展依赖创新计量方法的发展, 这一特征与科学计量学发展特征类似. 由于涉及研究内容更加广泛、更加复杂, 创新计量注定是个多学科的交叉应用行为. 随着相关计量模型的发展, 特别是管理科学方法与(复杂)社会网络科学的发展, 为实现深层次的创新计量提供了可行的计量方法与工具. 如, 借助系统动力方法刻画创新系统的动力机制(Walrave and Raven (2016)), 基于网络数据包络分析(Guan and Chen (2010), Chen and Guan (2012), 陈凯华和官建成(2010b), Chen, Kou and Fu (2018))测度创新过程的效率, 以及基于影响路径的结构方程(陈凯华和官建成(2010a), Chen and Guan (2011a))分析创新系统的功能体系. 从实践价值上, 创新计量学的本质是为创新管理与创新政策提供更深层次的分析方法与工具.

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3   创新计量的方法体系


4.1 创新投入计量的研究问题与分析技术

创新投入计量聚焦于研发过程中创新要素的投入结构和强度的分析比较、影响因素以及发展特征的分析与刻画. 该类计量是支撑科技资源配置与管理的基础. 虽然创新投入并不一定有期望的创新成果与收益, 但由于拥有较多优点(Geisler (2000))8, 使得基于该指标的创新测度备受关注(如, 师萍和安立任(2013)), 在实践中一直广泛应用. 在技术推动模式下, 科技产出水平一定程度上取决于科技投入水平, 因此科技创新资源的投入规模或强度等结构问题是政策制定者关注的焦点. 此外, 该议题还包括科技投入来源与执行结构分析, 如公共研发与私有研发的比例, 常用的计量方法是初级计量学中的描述统计. 在发展问题上, 一个常见的计量分析是研发经费投资规模与趋势, 此时常借助趋势(指数)函数来描述. 该类计量也涉及高级计量经济学模型建模, 如在研究研发投入的影响因素与最优规模时, 需要在考虑多种因素共同影响背景下设计复杂的计量模型进行刻画分析. 结构问题和发展问题涉及的背后动力与影响机制是动力问题, 包括公共研发投入对私有研发投入的影响、研发投入的影响因素和动力机制. 常见的计量方法包括回归分析和系统动力学等.

8研究开发(上游)和科学技术(下游)的支出/投入既易于量化, 又易于统计操作; 支出/投入易于用货币术语加以可靠定义, 很容易将其转化成与其它经济与财务测量指标的比率(如, 研发强度指标的构建); 可以用支出/投入作为比较复杂且难以测量现象的替代指标, 而且这种替代的合理性比较容易论证; 作为财务测度指标, 支出/投入很容易进行历时统计与计算, 以可靠地剔除通货膨胀的影响; 对于研究开发或科学技术活动与这些活动所创造的价值和成果之间的理论关系, 支出/投入比较易于被肯定为一种可靠的指标(见, Geisler (2000)).

4.2 创新产出计量的研究问题与分析技术

创新产出计量聚焦于研发过程的科技成果产出结构以及基于科技成果对研发活动特征的研究. 该类计量是研究科研活动特征的常用手段, 是科研活动管理的基础. 创新产出计量的对象是创新过程的中间品, 即创新过程上游研发过程的科技成果产出(常用专利和论文统计资料做代理分析, 虽然它们都有较多局限性9), 也是科技评价关注的重点对象. 现有与创新产出监测和测度相关并逐步成熟的方法体系主要是基于科学计量学与其姊妹科学方法构建. 学术研究领域, 典型的结构问题包括目前较为热点的基于网络(社会网络和复杂网络)的结构分析和知识图谱分析(见, Chen and Guan (2011b)), 包括科学产出与技术产出结构, 不同国家、区域或产业的科技产出结构比较. 创新产出计量的发展问题也愈加重要, 包括科技发展轨道演化、科技竞争力趋势、技术预见、技术产出增长趋势等问题. 其中, 德尔菲调查方法是常用的大规模技术预见方法(见, 穆荣平和陈凯华(2021)). 从支撑政策落地需要看, 重点动力问题包括科学产出对技术产出的影响, 研究合作网络对创新产出的影响, 以及财政政策激励科技创新产出的效果等.

9专利统计资料的局限性: 并不是所有的发明都被授予了专利——或者能够获得专利; 企业和产业在确定专利方面的倾向不同——也无法进行比较; 各国的法律体系和政策有所不同; 专利的重要性(价值)也不尽相同; 等. 文献统计资料的局限性: 发表的文献只是科学活动产出的一种指标; 文献可能是多种原因被引证, 而不是因为该文献对研究的积极作用; 成果发布与文献引用上存在着时滞; 引文测量的是影响而不是质量, 并且存在较多的自引; 等(见, Godin (2005)).

4.3 创新收益计量的研究问题与分析技术

创新收益计量聚焦于创新过程下游通过科技应用过程实现的社会经济收益分析. 该类计量是创新经济学关注的焦点, 与传统技术经济学关注的焦点相近, 即技术发展的经济效果探索与分析(见, 武春友和张米尔(2006)). 创新的最终目的是改善社会经济收益与竞争力, 因此创新的社会经济收益绩效一直备受关注. 随着创新在经济社会发展中的作用日益重要, 针对创新投资收益的创新经济学研究日益增多. 创新收益计量的结构问题也是基本问题, 包括不同领域科技作用差异性以及不同国家、区域或产业之间科技作用的差异性等问题. 创新收益计量的发展问题包括新产品产出、市场占有率、盈利能力等指标变化趋势, 科技进步贡献率, 全要素生产率等问题. 由于科技创新的社会经济收益常与其他因素的社会经济收益交织在一起, 常常很难分开度量, 因此创新收益测度研究关注的焦点集中在科技投入与成果对社会经济收益影响上, 如科技成果对产业结构优化升级的影响, 技术转移与应用的影响因素等, 都属于动力问题.

4.4 创新转化计量的研究问题与分析技术

创新转化计量聚焦于创新要素投入到创新成果产出再到社会经济收益转化成效的两阶段分析. 该类计量主要从创新活动的过程管理角度关注研究与开发过程和扩散与应用过程的有效性及影响分析, 逐渐成为创新计量学的热点, 其中效率分析为关注的焦点(陈凯华(2013)). 在结构问题上, 常见的问题如科技投资转化和成果转化比较, 不同国家、区域或产业之间科技投资和科技成果转化的差异性等. 在创新转化计量发展问题上, 包括研发效率和技术转化效率建模测度、单位研发投入的创新产出与收益的变化刻画等. 该类计量的主要分析手段是高级计量经济学和现代管理科学的方法, 目前的研究仍处于起步阶段. 相关的动力问题包括研发效率和技术转化效率的影响因素与动力机制问题等. 基于创新过程的多阶段转化绩效的计量是学者关注创新绩效的焦点研究之一, 丰富了传统仅仅基于科技生产过程的分析视角, 同时关注创新过程上游的科技生产与下游的科技成果应用间关联绩效的建模分析. 已有研究对此类问题进行了初步探索, 例如Guan and Chen(2010, 2012)发展了网络数据包络分析来适应这一关联两阶段创新生产过程结构, Chen and Kou (2014)进一步引入回归技术分析创新过程的影响因素, Chen, Kou and Fu (2018)引入动态网络数据包络分析模型测度多期研发效率.

4.5 创新系统计量的研究问题与分析技术

创新系统计量聚焦于系统视角下创新过程实现中组织与机构的执行效果以及条件与环境的支撑作用的分析. 该类计量主要基于创新系统的视角对创新过程进行分析, 关注创新系统各要素之间的交互作用与整体效用, 是系统性科技创新政策的基础. 随着创新活动动力机制愈加复杂, 创新系统计量将成为创新研究关注的重点. 该类计量刚起步, 在分析框架与分析技术上都亟待完善, 滞后于创新系统理论的发展. 该类计量的发展可借助高级计量经济学(如, 结构方程、CGE模型)、系统科学(如, 系统动力学)和网络科学等更加适合描述创新系统复杂结构和行为的方法进行推进. 基础性的结构问题包括创新子系统之间的功能关系, 创新主体之间的协同关系, 以及产学研合作网络结构与不同国家、区域或产业之间的差异性等问题. 在发展问题上, 包括国家创新系统、区域创新系统或产业创新系统的系统性问题, 科技竞争力和创新能力的发展以及创新系统功能演化趋势等. 如, Chaminade, Intarakumnerd and Sapprasert (2012)引入因子分析识别创新系统的系统问题, 陈凯华和官建成(2010a)和Chen and Guan (2011a)基于影响路径的结构方程对创新系统的功能进行诊断分析. 在动力问题上, 包括科技竞争力和创新能力的影响因素与动力机制, 创新系统演化的复杂动力机制, 创新环境对创新过程的影响, 产学研协同的动力机制等问题. 一个典型的研究是美国学者Furman, Porter and Stern (2002)基于创意驱动的内生增长理论(Romer (1990))和基于聚类理论的国家产业竞争优势框架(Porter (1990))从创新系统的角度构建国家创新能力计量框架.

5 创新计量学迫切需要解决的科学问题展望

创新计量学的提出, 主要基于如何合理定量描述创新活动、如何对创新活动分析进行分类、如何全面监测创新过程的发生与发展, 以及如何从创新管理和创新政策实践需要出发, 试图从满足科学性和系统性角度构建完善的创新计量理论与方法体系. 基于研究现状与实践需求, 本文进一步提出了五类计量分别需要重点解决的建模问题以及拟解决的方法:

5.1 适应小样本与非线性特征的研发经费投入强度的预测

在创新投入计量中, 研发经费投入的规模与强度是迫切需要解决的基本问题. 研发强度目前仍是一个国家最基础的创新战略引导指标, 合适强度的研究具有重要的实践指导价值. 虽然看似简单的指标, 由于影响研发经费投入的因素较多, 背后机制较为复杂, 且常具有小样本与非线性等特征, 单单依靠一种预测方法很难获得较好的预测精度, 需要系统性地考虑. 基于此, 如何确定适应的规模与强度以及如何测算合理的结构是需要解决的. 这需要系统地思考影响因素(如, 政府的介入、产业的结构)以及标准(如, 效率最大化、经济增长最大化), 不同情况下需要选择不同的分析模型与技术. 现有研究并未围绕创新投入测度的范围、方法与工具选择等重要问题展开系统的讨论. 基于此, 一种解决途径建议借鉴汪寿阳教授等人提出TEI@I (Wang, Yu and Lai (2005))预测方法的建模思想, 拟引入灰色预测模型与神经网络技术结合的组合预测方法, 以充分利用灰色预测建模所需信息少、方法简单的优点和神经网络具备较强的非线性映射能力的特点, 提升研发经费投入强度预测的精度.

5.2 面向未来的科技产出预测与预见理论和方法的研究

在创新产出计量中, 迫切需要面向未来完善技术预见理论与方法的研究.虽然科学计量学通过新近文献以及通过分析探测的热点可以初步探索近期的研究趋势, 不过科技发展具有天生不确定性, 同时需要面向中长期展望科技发展, 迫切需要系统考虑科技发展的预测与预见. 科技预测与预见未来研究需要更多地关注科学性与准确性的提高, 包括如何提高专家判断的质量, 如何整合专家的异质性信息等. 此外, 需要关注如何充分利用现有已发展成熟的科学计量学和知识图谱分析工具支撑科学预测与预见. 从支撑政策和战略落地看, 未来还需要重点关注的研究方向包括: 与技术路线路图制定相结合的科技预测与预见方法的研究、与情景分析相结合的科技战略与规划的研究、与文献计量相结合的主客观联合方法的研究. 由于我国正在全面推进战略性新兴产业的发展, 科技预测与预见将起到重要的支撑作用, 因此将来一个主要研究领域是结合我国战略性新兴产业的发展战略与规划需求, 基于我国的现实情境, 进行科技预测与预见以及情景分析研究(陈凯华和寇明婷(2015)).

5.3 科技投资与产出在经济发展与生产率中的贡献测度

在创新收益计量中, 科技进步贡献指标的测度与取舍问题愈加重要, 是对创新发展进行定量评价时理想的监测指标, 然而存在较多问题值得深入研究. 现实中, 科技进步贡献率这一概念已经被政界和学界广泛接受, 但在不同国家或区域比较与政策应用上存在较多建模分析问题. 如, 科技进步贡献率缺乏国家可比性, 并不是严谨的经济学术语; 对科技进步贡献率的测算尚缺乏适合中国现有资料条件的规范的测算方法, 学术界对科技进步贡献率的认识存有争议, 不同专家对测算模型的运用、变量的选择等有所不同, 其测算结果有很大的差异性(何锦义(2012)). 怎样科学测度创新驱动经济发展的成效?如何把握我国科技进步对经济社会发展的实际贡献? (陈凯华和寇明婷(2015)) 如何提升现有测度方法的灵活性(如, 参数方法与非参数方法的适应环境与条件)、如何调整模型适应新情境下的需要(如, 考虑无形资本情况下的科技进步贡献率估计)等都需要系统的对比研究. 影响创新收益的组织结构因素(如, 产学研协同创新)的作用机制也是本类测度关注的重点, 在政策实践中的直接作用更为突出.

5.4 面向长期最优的创新过程动态效率的建模

在创新转化计量中, 适应中长期科技创新规划评估的科技创新投资效率建模, 已成为动态背景下迫切需要解决的技术问题, 也是中长期科技创新规划重要性日趋提升的必然选择. 目前无论是方法还是分析框架上都较为不规范, 模型与指标的选择较为随意, 即使对效率内涵的理解与界定也不统一. 如, "研发效率"、"创新效率"、"技术创新效率"等不同概念的理解上和测度框架的构建上存在混用(陈凯华(2013)). 在考虑创新单元间创新生产技术异质性的创新效率建模、整体视角下创新投资转化过程的关联多阶段建模等多个关键技术问题探索方面都有待于尝试和完善. 基于创新过程的多阶段转化绩效的测度是学者关注的焦点, 可丰富传统仅仅基于科技生产过程的分析视角, 实现同时关注创新过程上游科技生产与下游科技成果应用的系统绩效分析. 然而, 现有研究大都基于静态思考创新过程, 不但无法有效考虑创新资本投入的多期影响, 同时不适应面向长期规划的创新过程管理. 未来的研究可系统讨论适应不同目的、不同管理与政策问题情况下的测度方法与技术以及不同层次(国家、区域、产业或企业)上模型与指标的选择, 同时从服务创新管理长期规划的角度提出创新过程动态效率的测度方法并进行实证分析.

5.5 系统层次上适应差异性的创新体系整体创新能力的建模

在创新系统计量中, 适应规模和指标差异的创新能力建模比较研究, 是客观评价国家创新系统整体发展水平迫切需要解决的技术问题. 创新体系的能力分析与比较已成为政府机构与学术组织广泛关注的议题(见, 刘凤朝和冯婷婷(2011), 陈劲(2015), 穆荣平和陈凯华(2021), 陈凯华(2022)), 是创新体系建设规划与战略的基本出发点, 已成为宏观科技与创新决策的主要依据. 我国作为全面推进创新驱动战略的国家更迫切需要了解自身国际创新能力的地位与不足, 因此对我国国家创新体系的能力分析更为重要. 由于从国家层面衡量创新能力时不但要考虑创新过程自身的参与因素, 同时要考虑创新过程依赖的社会经济环境的支撑因素. 这是一个典型的多元指标综合集成的数学问题, 目前仍存在较多技术问题没有解决(Grupp and Schubert (2010)). 建议将来的研究基于支撑国家宏观科技管理的需要, 聚焦于系统讨论缺失值处理、数据标准化、指标相关性等统计问题以及对创新能力排序的影响和相应处理方法; 深入研究指标度量方式(规模性度量与比率性度量)的选择依据以及在考虑国家规模差异性中的作用; 进一步借助客观评价方法, 构建主客观结合, 可考虑专家判断与评价指标信息重叠以及重要性差异的国家创新能力的综合指数, 实现创新能力的综合比较, 以弥补统计方法数据驱动的不足.

6 结语与讨论

本文主要贡献之一是提出并构建了创新计量学的理论与方法体系. 无论是丰富创新研究理论与实践, 还是支撑创新管理与创新政策, 都迫切需要发展创新计量学. 特别是在创新系统这个黑箱还没有全面打开的背景下, 迫切需要完善创新计量学的理论与方法. 创新计量学有助于推动创新模型从理论迈向实践, 辅助复杂背景下创新管理与创新政策的发展. 创新计量学研究仍处于初级阶段, 在分析框架与方法上迫切需要丰富与完善, 特别是构建创新系统运作机制的计量分析框架是亟待解决的. 创新统计数据的完善以及创新调查的丰富, 必然引发创新计量学研究高潮. 创新计量学的发展反过来也会引导创新统计、调查的系统性优化. 本文提出的创新计量学为创新活动的分析提供了系统的分类, 为监测与评估创新过程和创新系统提供了理论和方法基础.

创新计量学不局限于关注创新产出绩效的科学计量学研究内容, 也不局限于关注创新收益绩效的技术经济学研究内容, 它有更广泛的系统性研究范围. 创新计量学全面关注与创新过程和创新系统有关的创新投入、创新产出、创新收益、创新转化与创新系统等活动. 本文认为面向整个创新过程的创新计量学方法能有效支撑创新政策与创新管理的发展, 特别是随着创新统计与调查数据体系的逐步完善与资料的完善与丰富. 创新计量学的发展可以摆脱以成果产出评价为重心的科学计量学的束缚, 从全过程系统性探索科技知识创造、扩散与应用的动力与效果. 换言之, 创新计量学不但是科学计量学在整个创新链上的纵向延伸, 而且是创新链各阶段在创新系统视角下的扩展.

本文建议围绕科学计量学的研究对象与研究方法, 从创新全过程与创新系统的视角扩充与构建创新计量学. 本文认为, 从事科学计量学的学者如果把研究视角扩充到整个创新过程与创新系统范围, 会有效促进创新计量学的研究. 目前国内已有多所著名研究机构与大学形成了强大的科学计量学研究专业团队, 而目前专门从事创新计量学的专业团队却没有形成, 无法有效支撑中国创新驱动发展战略与规划中决策的需要, 这也与中国在科技实力逐渐崛起背景下迫切需要创新政策发展与完善的形势不相称.

本文虽提出创新计量学, 然而构建它的完备理论框架和方法体系还有许多研究工作要做. 创新计量学是随着创新模式或者说对创新过程的认识而动态发展的, 因此创新计量学分析技术体系不是一成不变的. 这也意味着随着对创新过程认识的加深, 如创新生态系统概念的浮出、创新功能理论的提出与发展(Hekkert, Suurs and Negro et al. (2007))都引致新的创新计量问题需要研究, 而这正是从事创新计量学研究的魅力所在. 当然, 创新计量学的发展也有利于对创新过程和创新系统的深化认识, 二者是互利发展的. 随着创新大数据的发展, 面向大数据的创新计量学研究将愈加重要.

未来创新研究在方法上将向"科学化"和"复杂化"发展, 为创新计量学的发展带来了机遇和挑战. 政策制定的科学化需要以及创新过程运作机制复杂性的深入了解, 迫切需要发展更有效的方法、工具与模型来支撑. 理论上将向复杂的协同系统与开放系统的发展与管理偏移, 愈加呈现的复杂性系统特征迫切需要引入或改善复杂系统科学领域以及生态系统领域的理论完善现有的创新系统理论. 随着网络技术的发展与应用, 科技与创新活动将处于愈加开放且动态的环境背景下, 国家竞争力与系统整体创新能力的提升, 迫切需要全局考虑子系统或组成要素涉及的活动或功能, 迫切需要以开放的方式融入整个国际创新生态系统中(陈凯华和寇明婷(2015)).

本文提出的投入、产出、收益、转化和系统五维创新计量学体系为创新研究领域众多重要研究问题的思考提供了一个系统性的全过程分析视角. 如, 产学研合作问题、国际合作问题、创新能力比较问题、开放式创新问题、科技体制问题等都可以从这五个视角系统考虑. 有的问题可以从参与创新过程的角度设计, 如产学研合作问题、国际合作问题和创新能力比较问题, 有的问题可以从影响创新过程的角度设计, 如开放式创新问题、科技体制问题.

本文的研究与辨析需要系统性的思考以及广泛的视野, 笔者能力与知识积累有限, 因此对创新计量学的讨论不可避免地有所遗漏. 笔者希望本文的研究起到"抛砖引玉"的作用, 吸引更多的学者对创新计量学从事专门的研究, 更好地适应与促进科学的创新管理与创新政策的发展.

参考文献

白欣, 李长青,

理性看待科学的数学化

[J]. 科技导报, 2010, 28 (22): 120- 121.

URL     [本文引用: 1]

Bai X , Li C Q ,

Rational View of the Mathematization of Science

[J]. Science & Technology Review, 2010, 28 (2): 120- 121.

URL     [本文引用: 1]

保尔拉法格, (1973). 回忆马克斯恩科斯[M]. 马集, 译. 北京: 人民出版社.

[本文引用: 1]

Lafargue P, (1973). Recall Marx and Engels[M]. Ma J, Translated. Beijing: People's Publishing House.

[本文引用: 1]

陈劲, 中国创新发展报告[M]. 北京: 社会科学文献出版社, 2015.

[本文引用: 1]

Chen J , Annual Report on China's Innovation Development[M]. Beijing: Social Sciences Academic Press, 2015.

[本文引用: 1]

陈凯华, 官建成,

中国区域创新系统功能有效性的偏最小二乘诊断

[J]. 数量经济技术经济研究, 2010a, 8, 18- 32.

URL     [本文引用: 3]

Chen K H , Guan J C ,

China Regional Innovation System Function Effectiveness of Partial Least-Squares Diagnosis

[J]. The Journal of Quantitative and Technical Economics, 2010a, 8, 18- 32.

URL     [本文引用: 3]

陈凯华, 官建成,

非同质平衡子系统整体效率的DEA测度与分解

[J]. 系统工程, 2010b, 28 (1): 58- 63.

URL     [本文引用: 1]

Chen K H , Guan J C ,

DEA-Based Overall Efficiency Measurement and Decomposition of Heterogeneous and Parallel Subsystems

[J]. Systems Engineering, 2010b, 28 (1): 58- 63.

URL     [本文引用: 1]

陈凯华, 寇明婷,

科技与创新研究: 回顾、现状与展望

[J]. 研究与发展管理, 2015, 27 (4): 1- 15.

DOI      [本文引用: 4]

Chen K H , Kou M T ,

Science & Technology and Innovation Studies: Review, State of Art and Challenges

[J]. R&D Management, 2015, 27 (4): 1- 15.

DOI      [本文引用: 4]

陈凯华, 汪寿阳, 寇明婷,

三阶段组合效率测度模型与技术研发效率测度

[J]. 管理科学学报, 2015, 18 (3): 31- 44.

URL    

Chen K H , Wang S Y , Kou M T ,

Enhanced Hybrid Three-stage Model for Efficiency Measure with Application to Technological R&D Efficiency

[J]. Journal of Management Sciences in China, 2015, 18 (3): 31- 44.

URL    

陈凯华, (2012). 创新计量学: 理论、方法与实践[R]. 中国科学院科技政策与管理科学研究所.

[本文引用: 1]

Chen K H, (2012). Innometrics: Theory, Method and Its Application[R]. Institute of Science and Technology Policy and Management Science the Chinese Academy of Sciences.

[本文引用: 1]

陈凯华, 创新过程绩效测度——模型构建、实证研究与政策选择[M]. 北京: 中国科学技术出版社, 2013.

[本文引用: 3]

Chen K H , The Measurement of Innovation Process Performance — Model Building, Empirical Study and Policy Decisions[M]. Beijing: China Science and Technology Press, 2013.

[本文引用: 3]

陈凯华, 国家创新力测度与国际比较[M]. 北京: 科学出版社, 2022.

[本文引用: 1]

Chen K H , The Report of National Innovation Force Measurement and International Comparison[M]. Beijing: Science Press, 2022.

[本文引用: 1]

何锦义,

关于科技进步贡献率的几点认识

[J]. 统计研究, 2012, 29 (8): 91- 98.

DOI      [本文引用: 2]

He J Y ,

Several Suggestions on Measuring Productivity in China

[J]. Statistical Research, 2012, 29 (8): 91- 98.

DOI      [本文引用: 2]

华罗庚,

计划经济大范围最优化的数学理论(Ⅰ)量综与消耗系数方阵

[J]. 科学通报, 1984, 12, 705- 509.

URL     [本文引用: 1]

Hua L G ,

Mathematical Theory (Ⅰ) Quantity Synthesis and Consumption Coefficient Square of Planned Economy

[J]. Chinese Science Bulletin, 1084, 12, 705- 509.

梁立明, 武夷山, 科学计量学: 理论探索与案例研究[M]. 北京: 科学出版社, 2006.

[本文引用: 1]

Liang L M , Wu Y S , Scientometrics: Theory and Case Studies[M]. Beijing: Science Press, 2006.

[本文引用: 1]

刘凤朝, 冯婷婷,

国家创新能力形成的系统动力学模型及应用

[J]. 科研管理, 2011, 32 (8): 17- 25.

URL     [本文引用: 1]

Liu F C , Feng T T ,

A System Dynamics Model of the Formation of National Innovative Capacity and Its Applications

[J]. Science Research Management, 2011, 32 (8): 17- 25.

URL     [本文引用: 1]

刘则渊, 陈悦, 侯海燕, 科学知识图谱: 方法与应用[M]. 北京: 人民出版社, 2008.

[本文引用: 1]

Liu Z Y , Chen Y , Hou H Y , Mapping Knowledge Domain: Methods and Application[M]. Beijing: People's Publishing House, 2008.

[本文引用: 1]

刘则渊, 朱晓宇,

国际科学计量学及其姊妹学科的计量与图谱

[J]. 科技导报, 2012, 30 (7): 68- 79.

URL     [本文引用: 1]

Liu Z Y , Zhu X Y ,

Measuring and Mapping of International Scientometrics and Its Sister Disciplines

[J]. Science & Technology Review, 2012, 30 (7): 68- 79.

URL     [本文引用: 1]

柳卸林, 技术创新经济学[M]. 北京: 清华大学出版社, 2014.

[本文引用: 2]

Liu X L , Economics of Technological Innovation[M]. Beijing: Tsinghua University Press, 2014.

[本文引用: 2]

罗伟, 科技政策研究初探[M]. 北京: 知识产权出版社, 2007.

[本文引用: 1]

Luo W , Preliminary Study on Science and Technology Policy[M]. Beijing: Intellectual Property Right Press, 2007.

[本文引用: 1]

师萍, 安立仁, 政府科技投入绩效评价与区域创新差异研究[M]. 北京: 中国经济出版社, 2013.

[本文引用: 2]

Shi P , An L R , Research on Technological Investment Performance Evaluation by Government and Regional Difference of Innovation[M]. Beijing: China Economic Publishing House, 2013.

[本文引用: 2]

吴贵生, 王毅, 技术创新管理[M]. 2版 北京: 清华大学出版社, 2009.

[本文引用: 1]

Wu G S , Wang Y , Management of Technological Innovation[M]. 2nd ed Beijing: Tsinghua University Press, 2009.

[本文引用: 1]

吴延兵,

R&D与生产率——基于中国制造业的实证研究

[J]. 经济研究, 2006, 11, 60- 71.

[本文引用: 1]

Wu Y B ,

R&D and Productivity: An Empirical Study on Chinese Manufacturing Industry

[J]. Economic Research Journal, 2006, 11, 60- 71.

[本文引用: 1]

吴延兵,

中国工业R&D投入的影响因素

[J]. 产业经济研究, 2009, 6, 13- 21.

DOI      [本文引用: 1]

Wu Y B ,

The Determinants of R&D Inputs in Chinese Industry

[J]. Industrial Economics Research, 2009, 6, 13- 21.

DOI      [本文引用: 1]

武春友, 张米尔, 技术经济学[M]. 3版 大连: 大连理工大学出版社, 2006.

[本文引用: 1]

Wu C Y , Zhang M E , Technical Economics[M]. 3rd ed Dalian: Dalian University of Technology Press, 2006.

[本文引用: 1]

张金胜, 师萍,

政府公共研发最优规模及其影响因素分析

[J]. 科学学与科学技术管理, 2011, 32 (5): 19- 27.

URL     [本文引用: 1]

Zhang J S , Shi P ,

Analysis on Optimal Size of Public R&D and Its Influencing Factors

[J]. Science of Science and Management of S. & T., 2011, 32 (5): 19- 27.

URL     [本文引用: 1]

穆荣平, 陈凯华, 科技政策研究之技术预见方法[M]. 北京: 科学出版社, 2021.

[本文引用: 2]

Mu R P , Chen K H , Technology Foresight Methods of Science and Technology Policies Research[M]. Beijing: Science Press, 2021.

[本文引用: 2]

Bainbridge W S, (2007). Computational Sociology[M]// Ritzer G. Blackwell Encyclopedia of Sociology. Blackwell Publishing, Blackwell Reference Online.

[本文引用: 1]

Barge-Gil A , López A ,

R&D Determinants: Accounting for the Differences between Research and Development

[J]. Research Policy, 2014, 43 (9): 1634- 1648.

DOI      [本文引用: 1]

Braun T , Schubert A , Zsindely S ,

Nanoscience and Nanotechnology on the Balance

[J]. Scientometrics, 1997, 38 (2): 321- 325.

DOI      [本文引用: 1]

Castellacci F , Natera J M ,

The Dynamics of National Innovation Systems: A Panel Cointegration Analysis of the Coevolution between Innovative Capability and Absorptive Capacity

[J]. Research Policy, 2013, 42 (3): 579- 594.

DOI      [本文引用: 1]

Chaminade C , Intarakumnerd P , Sapprasert K ,

Measuring Systemic Problems in National Innovation Systems. An Application to Thailand

[J]. Research Policy, 2012, 41 (8): 1476- 1488.

DOI      [本文引用: 2]

Chen C ,

CiteSpace Ⅱ: Detecting and Visualizing Emerging Trends and Transient Patterns in Scientific Literature

[J]. Journal of the American Society for Information Science and Technology, 2006, 57 (3): 359- 377.

DOI      [本文引用: 1]

Chen K H , Guan J C ,

Mapping the Innovation Production Process from Accumulative Advantage to Economic Outcomes: A Path Modeling Approach

[J]. Technovation, 2011a, 31 (7): 336- 346.

DOI      [本文引用: 3]

Chen K H , Guan J C ,

A Bibliometric Investigation of Research Performance in Emerging Nanobiopharmaceuticals

[J]. Journal of Informetrics, 2011b, 5 (2): 233- 247.

DOI      [本文引用: 3]

Chen K H , Guan J C ,

Measuring China's Regional Innovation Systems: An Application of a relational Network DEA

[J]. Regional Studies, 2012, 46 (3): 355- 377.

DOI      [本文引用: 5]

Chen K H , Kou M T ,

Staged Efficiency and Its Determinants of Regional Innovation Systems: a Two-Step Analytical Procedure

[J]. The Annals of Regional Science, 2014, 52 (2): 627- 657.

DOI      [本文引用: 1]

Chen K H , Kou M T , Fu X L ,

Evaluation of Multi-Period Regional R&D Efficiency: An Application of Dynamic DEA to China's Regional R&D Systems

[J]. Omega, 2018, 74, 103- 114.

DOI      [本文引用: 2]

Cohen W M , Klepper S ,

The Anatomy of Industry R&D Intensity Distributions

[J]. American Economic Review, 1992, 82 (4): 773- 799.

[本文引用: 1]

Cruz-Cázares C , Bayona-Sáez C , García-Marco T ,

You Can't Manage Right What You Can't Measure Well: Technological Innovation Efficiency

[J]. Research Policy, 2013, 42 (6-7): 1239- 1250.

DOI      [本文引用: 1]

David P A , Hall B H , Toole A A ,

Is Public R&D a Complement or Substitute for Private R&D? A Review of the Econometric Evidence

[J]. Research Policy, 2000, 29 (4-5): 497- 529.

DOI      [本文引用: 1]

Edquist C , Systems of Innovation: Technologies, Institutions and Organizations[M]. London: Pinter Publishers/Cassell Academic, 1997.

[本文引用: 1]

Fagerberg J , Verspagen B ,

Innovation Studies-the Emerging Structure of a New Scientific Field

[J]. Research Policy, 2009, 38 (2): 218- 233.

DOI      [本文引用: 1]

Furman J L , Porter M E , Stern S ,

The Determinants of National Innovative Capacity

[J]. Research Policy, 2002, 31 (6): 899- 933.

DOI      [本文引用: 2]

Geisler E , The Metrics of Science and Technology[M]. Westport, CT: Greenwood Publishing Group, 2000.

[本文引用: 4]

Godin B , Measurement and Statistics on Science and Technology: 1920 to the Present[M]. London: Routledge, 2005.

[本文引用: 2]

González X , Pazó C ,

Do Public Subsidies Stimulate Private R&D Spending?

[J]. Research Policy, 2008, 37 (3): 371- 389.

DOI      [本文引用: 1]

Grupp H , Schubert T ,

Review and New evidence on Composite Innovation Indicators for Evaluating National Performance

[J]. Research Policy, 2010, 39 (1): 67- 78.

DOI      [本文引用: 1]

Guan J C , Chen K H ,

Measuring the Innovation Production Process: A Cross-Region Empirical Study of China's High-Tech Innovations

[J]. Technovation, 2010, 30 (5-6): 348- 358.

DOI      [本文引用: 4]

Guan J C , Chen K H ,

Modeling the Relative Efficiency of National Innovation Systems

[J]. Research Policy, 2012, 41 (1): 105- 121.

[本文引用: 1]

Hall B H , Mairesse J ,

Exploring the Relationship between R&D and Productivity in French Manufacturing Firms

[J]. Journal of Econometrics, 1995, 65 (1): 263- 293.

DOI      [本文引用: 1]

Hekkert M P , Suurs R A A , Negro S O , Kuhlmann S , Smits R E H M ,

Functions of Innovation Systems: A New Approach for Analysing Technological Change

[J]. Technological Forecasting and Social Change, 2007, 74 (4): 413- 432.

DOI      [本文引用: 1]

Liu X , White S ,

Comparing Innovation Systems: A Framework and Application to China's Transitional Context

[J]. Research Policy, 2001, 30 (7): 1091- 1114.

DOI      [本文引用: 1]

Kline S J, Rosenberg N, (1986). An Overview of Innovation[M]// Landau R, Rosenberg N. The Positive Sum Strategy: Harnessing Technology for Economic Growth. Washington D C: National Academy Press: 275-305.

[本文引用: 1]

Macy M W , Willer R ,

From Factors to Actors: Computational Sociology and Agent-Based Modeling

[J]. Annual Review of Sociology, 2002, 28, 143- 166.

DOI      [本文引用: 1]

Mahroum S , Al-Saleh Y ,

Towards a Functional Framework for Measuring National Innovation Efficacy

[J]. Technovation, 2013, 33 (10): 320- 332.

[本文引用: 1]

Martin B , Nightingale P , Yegros-Yegros A ,

Science and Technology Studies: Exploring the Knowledge Base

[J]. Research Policy, 2012, 41 (7): 1182- 1204.

DOI      [本文引用: 1]

Nalimov V V , Mulchenko Z M , Scientometrics: The Study of Science as an Information Process (in Russian)[M]. Moscow: Nauka, 1969.

[本文引用: 1]

Nelson A , Earle A , Howard-Grenville J , Haack J , Young D ,

Do Innovation Measures Actually Measure Innovation? Obliteration, Symbolic Adoption, and Other Finicky Challenges in Tracking Innovation Diffusion

[J]. Research Policy, 2014, 43 (6): 927- 940.

DOI      [本文引用: 1]

Park J ,

Total Factor Productivity Growth for 12 Asian Economies: The Past and the Future

[J]. Japan and the World Economy, 2012, 24 (2): 114- 127.

DOI      [本文引用: 1]

Porter M E , The Competitive Advantage of Nations[M]. New York: Free Press, 1990.

[本文引用: 1]

Romer P ,

Endogenous Technological Change

[J]. Journal of Political Economy, 1990, 98 (5): 71- 102.

DOI      [本文引用: 1]

Rothwell R ,

Successful Industrial Innovation: Critical Factors for the 1990s

[J]. R&D Management, 1992, 22 (3): 221- 239.

[本文引用: 2]

Rothwell R ,

Towards the Fifth-Generation Innovation Process

[J]. International Marketing Review, 1994, 11 (1): 7- 31.

DOI      [本文引用: 1]

Smith K, (2005). Measuring Innovation[M]// Fagerberg J, Mowery D C. The Oxford Handbook of Innovation. Oxford: Oxford University Press: 148-177.

[本文引用: 1]

Thompson M, (1981). Mathematization in the Sciences[M]// Steen L A. Mathematics Tomorrow. New York: Springer-Verlag: 243-250.

[本文引用: 1]

Walrave B , Raven R ,

Modelling the Dynamics of Technological Innovation Systems

[J]. Research Policy, 2016, 45 (9): 1833- 1344.

DOI      [本文引用: 3]

Wang S Y , Yu L , Lai K K ,

Crude Oil Price Forecasting with TEI@I Methodology

[J]. Journal of Systems Science and Complexity, 2005, 18 (2): 145- 166.

[本文引用: 1]

Zhou P , Leydesdorff L ,

The Emergence of China as a Leading Nation in Science

[J]. Research Policy, 2006, 35 (1): 83- 104.

DOI      [本文引用: 1]

/

〈 〉