摘要：创新驱动是经济新常态高质量发展的新动能。借鉴已有的相关文献，结合评估理论，立足安徽省创新实践和经济发展成就，构建创新驱动发展绩效评估指标体系，运用灰色关联度和主成分对安徽省创新发展绩效进行了评估。在比较与综合分析的基础上，提出安徽省要全面融入长三角创新共同体建设、深化科技成果产业化力度和探索创新驱动发展绩效评估工作的对策建议。
       关键词：创新驱动发展；绩效评估；灰色关联度；主成分方法

一、问题提出与相关研究
       1.问题提出
       创新是引领发展的第一动力，科技创新已成为推动国民经济和社会更高质量发展的新动能。“十三五”期间，安徽省全面贯彻落实以科技创新为主的创新驱动发展战略，创新实力不断加强，取得了许多令人瞩目的重要成就。安徽省在长三角创新一体化建设和中部崛起进程中发挥领军作用，创新引领辐射效应逐渐扩大。随着全社会高度关注科技创新，驱动发展战略的实施绩效也逐渐成为理论界、学术界关注的研究热点和方向。开展创新驱动发展及其绩效评估研究，为安徽省的政策制定、调整提供重要的决策参考。同时，也为其它领域绩效评估工作提供示范性、先导性及基础性参考方案。目前国内关于创新绩效评估的主体多是政府研究部门，观点和结论先入为主。同时，也缺乏第三方或民间独立的去行政化的机构介入评估。因此，开展安徽省创新驱动发展绩效评估研究具有一定的理论意义和实践价值。
       2.相关研究
       学者对创新驱动发展的关注度也在日益提高，创新驱动发展绩效评估离不开评估体系和量化研究方法。最近几年来，具有代表性的文献有：吴旭晓（2021）构建了包含创新投入、创新产出、外显效应、内涵质量、社会环境、人文环境和经济环境等七个准则层的创新驱动发展绩效评估指标体系。并采用序关系分析法和变异系数法确定综合权重，运用线性加权和方法对2010—2018年河南省创新驱动发展绩效进行评估分析。任莉萍、杨虎（2020）构建综合性评估指标体系，选用兰州市2010—2017年样本数据，进行了创新驱动发展的计量评估。张爱华、俞侃等（2019）构建创新驱动发展绩效评估指标体系，运用熵权法和德尔菲法两种方法确定指标权重，用综合指数法对湖北省的国家级开发区创新驱动发展绩效水平进行了评估。周海燕（2019）根据温州市的创新驱动发展战略情况，构建创新驱动发展战略实施绩效评估体系，结合基本理论模型，为温州创新驱动发展战略的实施及基本路径与策略选择提供了理论依据与数据支持。宋文月、任保平（2019）基于创新对经济增长质量影响的角度，构建了创新驱动发展水平指标体系，使用熵权法进行客观赋权，分别对中国30个省域的创新驱动能力和创新驱动发展水平进行聚类分析与综合评估。王肖曼、李子联（2017）围绕江苏省创新驱动发展战略的实施情况，并在此基础上运用主成分分析方法与向量自回归模型分析了创新驱动发展的绩效。从以上文献可以看出：目前关于创新驱动发展绩效评估一是缺乏统一评估标准。没有较为统一评估指标体系和评估方法，限制了创新绩效评估的进一步研究。同时，对策适用性不太强。目前的研究中多将创新驱动发展现状的研究作为重点，提出的对策建议相对过于宏观和抽象，比较难以落实。现有文献的绩效实证研究涉及到安徽省创新驱动发展绩效评估鲜见。本文拟借鉴相关研究文献的基础上，开展“十三五”期间安徽省创新驱动发展绩效评估。

二、评估指标与研究方法
     （一）评估指标
       根据创新驱动发展内涵，结合评估理论，基于重要性和便利性原则，选取创新驱动发展绩效评估指标如下：
       1.科技创新：R&D研发人员（万人）、科技研发经费（亿元）、专利申请量与授权量（件）、技术市场成交额（亿元）。
       2.经济发展：GDP（亿元）、地方财政预算收入（亿元）、社会消费品零售总额（亿元）、对外贸易出口额（亿元）、全省常住居民人均可支配收入（元）。
       所用指标原始数据均来源于长三角、中部地区2019年国民经济和社会发展统计公报（官网发布）、2020年统计年鉴（中国统计出版社出版），数据权威、真实，其统计口径、度量单位、统计时间相同，因而具有可比性。
     （二）研究方法
       由于本次创新驱动发展战略绩效评估指标仅使用了2019年度数据，是截面数据性质，且无显著的数理分布特征，且样本信息量比较少，适合灰色关联度和主成分分析法。
       1.灰色关联度。灰色关联基本思路即是通过数学曲线模拟，计算出研究对象的子序列与母序列之间接近程度，从而来判断因素的相互影响程度大小。首先确定子、母数据序列，由于各指标原始数据统计单位各不同，需进行标准化无量纲处理。通常在无特别要求的情况下，分辨率取值为0.5。
       2.主成分分析。因为反映研究对象的信息比较多，又相对错综复杂。主成分分析法正是经过代数中的正交变换，进行降维处理，把大量信息变换成能代表全部信息的一个或少数几个相互线性无关的综合指标。同时能保留原来绝大部分信息且失真损失量较小。

三、数据处理与评估分析
    （一）数据处理

      运用DPS软件中的灰色系统方法程序，即可得出表1计算结果。

表1 科技创新与经济发展灰色关联度

      使用SPSS23.0软件中的因子分析程序，得到表2的主成分分析结果。

表2 创新驱动发展主成分分析结果

（二）综合分析
       1.灰色关联度分析。安徽省、湖南省科技创新与经济发展之间的灰色关联度都是0.473，排序第四位，安徽省科技创新对经济发展发挥的推动作用居中，不太显著。河南省、江苏省科技创新与经济发展的灰色关联度为0.547、0.545，创新驱动效益显著性相当，位居第一、二。上海市和山西省灰色关联度为0.525，创新绩效一致，湖北省、浙江省、江西省创新驱动效用性依次递减。
       2.主成分分析。由于主成分F1在总量指标上载荷较大，F1可以命名为规模因子。主成分F2因子在质量指标上负载较大，F2可以作为为效益因子。
    （1）规模因子F1分析。安徽省F1得分为-1.443，为负值，低于平均水平，排名第七位。在长三角地区中，安徽省F1因子得分最低，江浙沪F1因子得分均为正值，依次排列前三位。安徽省F1与排名第一的江苏省相差7.231，差距明显。在中部地区中，安徽省F1得分仅高于江西省、山西省1.245、1.406，同属于后三名。安徽省F1得分与湖南省接近，创新效益近似。
    （2）效益因子F2分析。安徽省F2因子得分为-0.548，仍小于零，低于均值水平，相对于F1因子，排序则上升一位，位居第六。安徽省F2得分与湖南省、江西省相差不大，创新作用性相当。安徽省F2得分与排名第一的上海市相差3.336，差距明显。湖北省、山西省F2得分进入前三强，山西省、河南省、江苏省F2得分排列后三位。
    （3）F总体得分。F总体得分除了湖北省、河南省排序变动，其它省份综合得分排序与F1得分基本一致。安徽省综合得分F仍是负数，排名第七位，低于整体评估对象的平均水平，创新驱动发展效益不太理想，绩效仅领先山西省、江西省。江浙沪综合得分F都是大于零，高于平均值。中部地区综合得分F全部小于零，低于平均值。
            
                                                                                    四、对策建议与研究展望
      （一）对策建议
       1.深化长三角创新共同体建设。做好安徽省创新驱动发展顶层设计，东向发展，对标对表江浙沪，积极主动作为，快速融入长三角科技创新共同体建设。充分挖掘和发挥合肥综合性国家科学中心、合芜蚌自主创新示范区及合肥都市圈的引领带动与辐射的效应，提升创新能力和水平。理顺资金链、创新链、产业链、人才链，整合科技创新要素，做实基础科学研究和原始创新。在长三角创新共同体建设进程中，发挥安徽首创精神、创新自觉和创新力量。
       2.加强创新成果产业化的力度。科技创新的根本宗旨是为了提高社会生产能力和效率，促进经济又好又快地发展服务。要把科研成果写在安徽大地上，写在新产品上。扩大安徽创新馆功能，做好科技创新成果路演、推介和交流交易。积极参加长三角技术服务中心活动，推广展示安徽创新成果。恢复合肥项目资本对接会品牌，定期召开、发布安徽省最新创新专利技术，通过研发机构与企业技术转移，转化成产品，转化为现实生产力，提升创新价值，凸显科技创新贡献。

       3.探索创新驱动发展绩效评估。继续进一步深入贯彻落实创新驱动发展战略，赋能安徽省经济社会高质量发展。营造全社会浓厚的创新文化，尊重、鼓励、宽容创新，深入推动安徽省“双创”活动。建立创新项目数据库和创新服务信息平台系统，做好安徽省创新驱动发展监测监督，落实科研项目计划的事前、事中、事后评估。在创新实践中，探索出具有安徽特色的创新驱动发展绩效评估方式方法。避免体制内自我评估，建立定性与定量相结合的评估模式，委托第三方机构评估。
     （二）研究展望
       本文采用了灰色关联度与主成分分析法两种计量模型，对安徽省创新驱动发展绩效进行了测度，并与长三角、中部地区比较。但是评估指标、数量方法和研究结果有待于进一步论证，关于创新驱动发展绩效评估还需要做好理论依据、指标体系和评估方法的深入研究。这也是本课题做好持续性研究的努力方向。
                                                                                              （作者单位：合肥市委党校现代科技与文化教研部）