报告》、《国家创新能力的决定因素》、《全球知识竞争力指数》（WKCI）、《硅谷指数》等诸多方法。研究发现，硅谷指数只能够进行纵向比较，也就是说它只能够利用自身各年数据进行比较，而其他创新指数既可以进行自身的纵向比较，也可以与其他测评对象进行比较。
近年来，国内创新指数研究也在蓬勃发展。众多学者针对全国范围和区域范围的创新研究陆续发布了《中国省区市创新能力动态趋势及决定因素》、《中国城市创新能力科学评价指标体系》、《中关村指数》、《杭州创新指数》等。其中，《中国省区市创新能力动态趋势及决定因素》和《中国城市创新能力科学评价指标体系》可以进行横向和纵向的双重比较，而中关村指数和杭州创新指数只能进行纵向比较。
江苏省作为中国最发达的地区之一，其创新发展方法对其他省份有借鉴意义。本文重点关注江苏省创新指数评价指标体系的构建，在分析了国内外众多评价指标体系的基础之上，结合江苏省“十二五”规划阶段发展状况，以江苏省创新型城市建设评价考核指标体系为理论基础，构建江苏省创新指数评价指标体系。选用偏好排序的PR DEA方法，从时间和空间的层面探讨江苏省创新发展的现状。
一、江苏省创新指数评价指标体系构建
创新指数评价一个复杂的多种影响因素相互作用的过程，本文在设计江苏省创新指数评价指标体系时遵循以下原则：首先是实用性原则，创新指数评价指标体系是为了对江苏省创新发展状况进行测算提出的，指标的选取应该做到能够准确反映一段时间创新发展状况。其次是独立性原则，选取的指标应该具有较低的相关性，避免指标之间的交叉性。最后是可得性原则，在对创新指数进行定量研究前，数据是否可得是必须考虑的重要因素，数据资料应该尽可能通过相关统计年鉴、年度统计公报。
本文在构建江苏省创新指数评价指标体系时，结合江苏省创新型城市考核标准，从创新投入、创新产出和创新环境三个子系统，选择15个具体指标建立指标体系。
（一）创新投入子系统评价指标的选取
基于已有的创新指数评价指标体系，结合江苏省创新经济发展现状选择代表创新投入的指标。研究发现R&D投入和人力资源是创新活动的起点和基础，因此，本文从政府和企业两个角度，具体选取了全社会R&D占GDP的比重、政府研发机构科技经费占总经费的比重、每万人中R&D 人员数、大中型企业研发投入占销售收入的比重和高新技术企业占总企业的比重五个指标作为创新投入的三级指标。
（二）创新产出子系统评价指标的选取
创新产出是创新活动的最终成果，笔者从知识产出和创新绩效两个方面对创新成果进行了归纳，将有形产出归于知识产出，无形产出归于创新绩效，具体选取高技术产业产值占工业总产值的比重、每亿元GDP专利授权数、每万人口专利授权数、R&D课题立项数量、万元GDP综合能耗和全员劳动生产率六个三级指标。值得注意的是万元GDP综合能耗是逆指标，其值越大，对创新能力造成的负面影响越大。
（三）创新环境子系统评价指标的选取
良好的创新环境是创新的重要保障，对促进人才的聚集和激发企业的创新活力影响巨大。本文基于创新载体和创新环境两个层面，选取企业办科技机构数、从事科技的人员数、政府投资R&D总额和每万人口中受高等教育人数四个三级指标。
综合前文所述，将本文构建的江苏省创新指数评价指标进行汇总，如表1所示。
二、PR DEA模型
近年来，主成分分析、聚类分析、AHP方法、模糊综合评价法等方法被越来越多的应用于测算创新指数上。但这些方法都存在一定的缺陷，主要表现在这些方法在确定评价指标权重时存在主观性。为了克服这一问题，文章选用基于偏好排序的PR DEA模型，该模型是通过指标数据的自我评价来确定权重，其指标权重的大小不受人为因素的影响，相对传统的评价方法更具有客观性。
按照该偏好排序模型对各DMU的创新能力进行评估，会有多个DMU的综合得分值相同，无法对评价对象进行准确的排序。因此，为了更好的基于不同偏好进行排序，Cook和Kress对原始的模型进行改进，改进后的偏好排序模型为：
Cook和Kress指出，当偏好强度函数d（j，ε）=ε/j！时，模型（2）中的目标函数值最大。本文将使用改进后的偏好排序模型对江苏省创新能力进行综合评价。
三、评价与分析
本文在测算江苏省创新指数时，数据来自于《中国统计年鉴》、《江苏统计年鉴》以及统计公报。由于统计口径和统计范围的变化，部分原始数据存在量纲不同的情况，本文在选取这部分数据时进行了简单的预处理，确保数据的准确性。
（一）基于时间序列的江苏省创新指数测算
本部分将万元GDP综合能耗按照从小到大排序，其他指标按照从大到小的顺序排序，然后运用PR DEA模型对排序结果进行处理，计算“十二五”规划期间（2011-2015）江苏省创新指数，使用lingo计算时偏好因子ε=0.01，偏好函数d（j，ε）=ε/j！，计算结果如表2所示。
通过对2011～2015年创新指数的分析发现，近五年来江苏省创新能力并未真正实现逐年增长，创新指数仍然存在不稳定的变化，产出指数总体水平偏低。
2013年是“十二五”规划期间创新能力最低的年份，分别从投入指数、产出指数和环境指数来看，2013年投入指数、产出指数和环境指数都明显低于大多数年份，因此可以认为2013年的创新能力弱于其他年份。2011年江苏省创新能力整体排名不高，说明“十二五”前原有的投入多、产出少以及环境问题无法在短时间内解决，2011年江苏省创新发展仍存在投入指數高、产出指数低和环境指数低的问题。2014年和2015年江苏省创新能力处在上升阶段，其中2014年创新能力增长最快，增幅达到6.4%，说明随着江苏省创新驱动发展战略的进一步实施，创新能力得到了大幅提升，并且创新指数有望稳步增长。
总体来看，创新投入、创新产出和创新环境是创新指数三个主要衡量标准。当前阶段，江苏省创新产出水平较低，如何提高创新产出指数是未来创新发展的关键。
（二）基于空间分布的创新指数测算
本部分依据建立的创新指标体系，针对2015年中国31个省市进行创新指数的计算。由于统计口径的变化，构建的指标体系中部分指标数据无法获取，本文选择使用相似指标对这部分指标进行替代，使用科学技术支出占总支出的比重代替政府部门R&D经费占总经费的比重，企业新产品开发项目数替代高新技术企业占总企业的比重，企业R&D项目数替代R&D课题立项数量，技术成交额替代高技术产业产值占工业总产值的比重，普通高等院校数替代企业办科技机构数，新产品开发总额替代政府投资R&D总额，各省的创新指数如表3所示。
通过对我国31个省市创新指数的分析发现，区域之间创新能力存在较大差距。北京、上海、江苏、辽宁、安徽和广东作为创新指数的前六名，其创新能力明显高于其他省市，在基于偏好排序的效率评估过程中这六个地区创新能力很强，效率值均在0.94以上；广西、陕西、吉林、云南、黑龙江、重庆、河北、新疆、内蒙古、宁夏和西藏地区创新效率值相对较低，说明这些地区较国内其他省市创新能力相对较差，在创新能力竞争中处于弱势地位。这与国内创新发展现状相符合，因此偏好排序的方法是合理的。
四、结论
信息化时代，创新能力逐步成为社会发展的关键所在。本文将DEA方法和偏好排序的思想结合起来，研究分析了“十二五”规划期间江苏省创新发展现状。该方法能够基于偏好强度的思想实现对各区域创新能力的测算。研究发现，江苏省创新能力在全国31个省市中名列前茅，但是“十二五”规划期间创新产出指数偏低，影响了创新指数总体水平，因此进一步扩大创新产出成果是未来一段时间的工作重点。
需要进一步研究的一个问题是，偏好排序的DEA方法无法实现对无效决策单元的完全排序，仍存在部分决策单元效率得分相同，可以对该问题进行进一步研究。
参考文献：
[1]朱孔来.创新、自主创新、自主创新能力相关理论研究[J].山东工商学院学报， 2008（05）.
[2]约瑟夫·熊彼特.经济发展理论[M].商务印书馆，1990.
[3]崔维军.欧盟创新指数研究进展[J].中国科技论坛，2009（11）.
[4]李琳.浅析国家创新能力的决定因素与我国创新能力建设[J].科技资讯，2007（26）.
[5]刘东，邹祖烨.世界知识竞争力评价及其对创新型国家建设的启示[J].科技进步与对策，2007（10）.
[6]沙德春.硅谷指数与中国国家高新区评价指标体系比较研究[J].中国科技论坛，2012（12）.
[7]赵彦云，甄峰，吴翌琳.中国省区市创新能力动态趋势及决定因素[J].经济理论与经济管理，2008（04）.
[8]周天勇.2009年：中国城市创新报告[M].红旗出版社，2010.
[9]王兆华，于江.“中关村指数”评价体系及其对我国科技园区发展的启示[J].科学学与科学技术管理，2007（02）.
[10]杭州创新指数介绍[J].杭州科技，2008（04）.
[11]Cook W D， Kress M. A data envelopment model for aggregating preference rankings[J].Management Science，1990（11）.
（作者单位：朱卫未、朱亚琴，南京邮电大学管理学院；淦贵生，江苏永鼎股份有限公司）
相关热词搜索： 江苏省 偏好 排序 指数 评价
