北京规划建设028 | 基于AHP-FCE模型的北京创新环境区际差异研究

习近平总书记在不同重要场合中多次强调：通过打造系统创新链，提高国家创新能力，实现党的十八大提出的创新驱动发展战略。2014年，李克强总理提出“大众创业，万众创新”，将创新理念落实于微观维度。作为城市创新的新载体，众创空间应运而生。

目前，众创空间在北京、上海、深圳等发达城市已初具规模，发展前景良好。但是同一城市内不同区域的众创空间却存在参差不齐的现象。究其原因，可能与众创空间的行业、投融资体系、人力资源结构等内部原因有关，同时也与其地理位置、周围资源供给、服务配套布局等外界因素密切相关。因此，某种程度上众创空间的发育情况反映了其外部发展环境的质量优劣。对于众创空间来说，周围资源所营造的创新生态环境是十分重要的，区域内所拥有的资源组合与配置体现了区域所具备的创新孵育能力，也成为评价区域创新环境质量的重要指征。为此，本文以如何从众创空间发育视角切入评价一个区域的创新环境水平，从而为营造更好的众创空间发展土壤作为研究目标，以北京市为例，探索一种针对微观创新环境的评价思路和方法，以期为“双创”工作的更好开展提供科学参考。

创新思想的萌芽起源于亚当·斯密和马克思在其科学研究中对技术创新与市场关系的论述内容，约翰·雷提出的“发明的理性精神”和凡勃伦提出的制度框架对创新的制约作用进一步为创新理论提供了新思想（丁焕峰，2007）。熊彼特集成了创新思想，形成了独特的创新理论体系，因而被视为创新理论的鼻祖。他认为经济发展源于创新并通过建立新的生产函数，将前人从未考虑过的关于生产要素和生产条件的新组合引入了生产体系（刘奇，2010）。创新的主要动力来源于企业家或企业家精神，而促使企业家成功完成创新活动的基础是一个公平、安全的创新环境，例如构建产权制度保护企业家的财产、推动公平竞争的市场环境的建设等（厉以宁，2017）。

创新环境是聚集创新要素、挖掘创新潜能的重要条件，是创新主体所处空间范围内各种要素结合形成的关系总和，包括有利的政策体系、健全的体制机制、浓厚的文化氛围等（王儒靓，王涛，2016）。目前，研究领域内关于创新环境的研究成果比较丰富，大多通过创建指标评价体系、构建回归等计量模型，探究创新环境的影响因素构成或进一步对若干区域的创新情况进行打分，研究区域间的创新差异。研究的差异性主要体现在指标体系中。章立军（2006）、吴玉鸣（2010）、崔会东等（2013）、侯鹏等（2014）从要素条件、产业支撑、政策制度、市场环境几个维度构建指标评价体系。崔会东等（2013）、章立军（2006）增加了对城市基础设施的考虑。王鹏等（2015）增加了交通、信息、教育三个维度的考虑。在选取表征创新能力的指标时，学者大多采取单一统计指标或若干统计指标的组合作为因变量。章立军（2006）将区域创新综合能力指标作为因变量（区域创新综合能力指标来自于中国科技发展战略研究小组《2002中国区域创新能力报告》和《2003年中国区域创新能力报告》）。侯鹏等（2014）和王鹏等（2015）分别利用专利数据作为区域创新能力的指标。吴玉鸣（2010）则通过涵盖技术人员数量、专利授权数量、研发支出等共计30个指标来表示大学的创新能力。易成栋（2001）认为准确评价区域创新环境应从创新主体入手。王远桂（2004）认为由于不同地区的创新过程不同，技术和资源以不同的方式新陈代谢，所以创新环境存在区域差异，为此从基础、组织、调控和文化层次对北京和上海的创新环境进行对比。叶琴等（2016）从企业专利数据和政策文本分析两个方面对比上海浦东新区、北京海淀区和深圳的创新创业环境。

作为创新主体的新形态，众创空间的崛起吸引了部分学者对其进行研究。针对政策对众创空间的导向作用，段浩等（2015）提到，像北京这样的特大型城市众创空间，得到中关村创新孵化器的授牌，享受税收、房屋租赁资金优惠及创业孵化服务等支持。政策扶持对其影响非常深远，因此，加大政策、资金层面的引导和扶持，积极培育众创空间发展新业态是亟需去做的。黄兆信等（2016）明确指出高校对众创空间发展的重要性，主要包括营造高校创客文化氛围和培养、输送新时期新创业人才两方面。王伟等（2017）认为上海市杨浦区提出的三区（大学校区、社区、科技园区）联动理念契合众创空间的发展模式，并基于此，利用POI大数据对北京市适合发展众创空间的区域进行识别与划分。

综上所述，笔者认为创新能力的微观衡量应以某一创新主体为基本对象，如企业、高校、园区等，分析其创新表现，而非针对城市或省份笼统的某一指标或某一指标组合。与此同时，评价区域创新能力时应尽量排除主体内部的实力基础对创新的促进作用。因此，本文将众创空间作为创新环境的孵育结果，以众创空间的创新优势度或竞争力作为对其所处区域创新环境水平的反向观察评价角度。

如何利用众创空间发育的状态数据对区域创新环境进行反向评价？笔者认为可以通过模糊综合评价法来实现。模糊综合评价法（FCE）是一种常用的评价方法，被广泛应用于业绩评估、专家评分系统、研究性学习系统、企业核心竞争力评价、工程项目评标、水质评价、土壤质量评价、大气质量评价、设备质量评价、软件项目风险评价等。在使用模糊综合评价法之前，需要通过相关方法确定评价指标体系。其中，最为常用的是层次分析法（AHP）。目前，已有不少研究将层次分析法和模糊综合评价法进行结合，对事物的质量进行评价。温东琰等（2006）用AHP-FCE模型从定量的角度对电子资源的质量进行了评价，并提出了相关改进建议。张丽娜（2006）通过阐述生态工业园区的定义、类型、建设现状等基础背景，构建了具有通用性的评价指标体系，最后通过AHP-FCE模型对生态园区的发展情况进行综合评价。除了质量评价，此类方法还可应用于选址评价研究。戴航等（2014）采用AHP-FCE模型对物流园区的选址进行了研究。通过层次分析法，从社会效益、经济效益和技术效益三个维度建立了物流园区的选址评价指标体系，并确定权重，后采用FCE法进行选址评价，最后结合实际情况进行实例分析。

简单来说，层次分析法和模糊综合评价法的结合为权重的确定同时提供了定性和定量的双重保障，降低了指标权重的主观性。同时，根据既有数据得到权重这一方法也使得区域创新环境和能力变化的循环关系得以体现。

为此，参考金菊良等（2014）提出的直接根据单指标相对隶属度的模糊评价矩阵，构造层次分析法中的判断矩阵，用以确定各评价指标权重的方法。本文依托“三区联动”理念构建指标体系，使用北京市198家众创空间的指标数据确定指标权重，并通过众创空间的发展优势度来反向评价北京区际创新环境。

AHP-FCE模型首先针对研究问题从代表性和适用性的角度出发，构建模糊综合评价指标，再利用单个指标的相对隶属度构建模糊综合评价矩阵，并以此为基础构建各指标权重的判断矩阵，进而计算出各指标权重和模糊评价的综合指标，最后利用指标权重得到北京市各个区域的创新能力得分。

构建模糊综合评价矩阵R

模糊综合评价的目的在于根据参考指标对诸多方案进行相对优劣的比较。不失一般性，假设评价指标体系中共有N个指标被用于评价M个待评价对象，并构成评价指标样本数据集合

。其中，X（i，j）表示第j个方案的指标i的数值，是一个非负实数。为了消除各评价指标的量纲效应以得到单个评价指标的相对隶属度构成的模糊综合评价矩阵，我们需要进行标准化处理。出于尽可能保持各评价指标值的变化信息的考虑，针对不同类型的指标X（i，j），我们采取不同的处理方式得到其对应的相对隶属度R（i，j）。

对于越大越优型指标，X（i，j）被处理为：

对于越小越优型指标，X（i，j）被处理为：

对于越中越优型指标，X（i，j）被处理为：

构建评价指标权重的判断矩阵B

模糊综合评价的实质是一种优选过程。从综合评价的角度来看，如果某个评价指标在样本中的变化程度更大，则该评价指标传递的综合评价信息更多。因此，可以利用各指标的样本标准差，来反映各评价指标对于综合评价的影响程度。定义各指标的样本标准差：

其中，

为各指标的样本均值。

基于此，得到评价指标权重的判断矩阵B：

检验判断矩阵一致性并计算权重Ci

一般认为，当判断矩阵的一致性指标系数CIC(n)<0.10时，可认为该判断矩阵具有满意的一致性，据此计算的各评价指标的权重值Ci是可以接受的。

构建模糊评价的综合指标G（j）