基于遗传算法的全国科技资源配置效率分析

第26卷第1期

莆田学院学报Vol.26No.12019年2月

Journal of Putian University

Feb.

2019

文章编号：1672－4143（2019）01－0022－05中图分类号：G311；C931.2

文献标识码：A

基于遗传算法的全国科技资源配置效率分析

郑洁红，彭建升

（莆田学院

科研处，福建

莆田

351100）

摘要：采用指标体系法计算全国31个省（直辖市、自治区）2008—2016年科技资源配置效率，结果显

示全国科技资源配置效率总体呈逐年提高趋势，且呈现东部高而西部低的规律。应用遗传算法（genetic algorithm ，GA ）对全国科技资源配置进行优化，结果理论上科技资源配置效率可以达到4.70。把最优的科技资源投入产出组合与京、沪、粤等城市进行比较分析，提示科技资源投入要精准化，并培育良好的市场经济环境，使科技产出最大化，提高科技资源配置效率。

关键词：科技资源；配置效率；指标体系法；遗传算法

收稿日期：2018-12-05基金项目：福建省社科规划应用研究后期资助重大项目（闽社科规办［

2018］19号）作者简介：郑洁红（1971-），女，福建莆田人，副研究员，博士，主要从事科技资源管理研究。

Analysis of National Science and Allocation Efficiency of Technology Ｒesource Based on Genetic Algorithms

ZHENG Jiehong ，PENG Jiangsheng

（Science Ｒesearch Department ，Putian University ，Putian Fujian 351100，China ）

Abstract ：The index system method is used to calculate the efficiency of scientific and technological resources

allocation of the 31provinces ，province-level municipality and autonomous regions from 2008to 2016．The results show that the efficiency of the allocation of science and technology resources in the whole country is increasing year by year ，but the East is higher than the West．The genetic algorithm is used to optimize the allocation of national scientific and technological resources ，and the allocation efficiency of science and technology resources could reach 4.70．The best technology resources allocation with Beijing ，Shanghai and Guangdong are compared and analyzed．It is put forward that the input of science and technology should be precise．A good market economy environment should be cultivated ，and maximized the output of science and technology．The efficiency of technology resources allocation could be improved．

Key words ：science and technology resources ；allocation efficiency ；index system method ；genetic algorithm

2015年，国家提出创新驱动发展战略，强调科技创新对经济社会发展的支撑作用

［1］

，全

国各省（直辖市、自治区）也纷纷出台落实创新驱动发展战略、建设创新型省份等相关措施，科技创新能力已经提到越来越重要的位置

［2］

。

科技资源的配置关系到有限科技资源的高效利用，对提升科技创新水平具有重要作用

［3］

。目

前，科技资源配置效率的研究方法主要有定性和定量分析，定性分析主要研究科技资源配置的机制体制问题，定量分析主要从微观角度对具体科

第1期郑洁红，等：基于遗传算法的全国科技资源配置效率分析

技资源分配行为进行分析［4－5］。定量分析方法主要有指标体系法、数据包络分析法（DEA）、比较优势分析法等［6－7］。定量分析方法常由于数据分析模型复杂，需要庞大的数据计算，本文尝试应用遗传算法分析优化科技资源配置效率，能对多目标值寻优，且数据分析过程更简化，数据处理工作量更少［8］。这种应用遗传算法分析科技资源配置效率研究报道还比较少，对丰富科技资源配置效率研究方法具有一定的意义。

一、科技资源投入产出指标及其权重

科技资源的投入主要考虑科技财力、人力、物力和经济社会环境因素，科技产出主要包括直接知识产出和间接经济效益产出［9］。科技资源投入和产出指标的选取同时还要考虑观察指标的连贯性，即所观察的指标每年的科技统计口径是一致的，要剔除统计内涵发生变化的指标［8］。综合上述考虑，最终选取6个科技资源投入指标和5个科技产出指标，并对每个指标进行编号和内涵说明，如表1。其中I1、I2、I3、I4、O1、

O

2

、O

3

指标来自2009至2017年的《中国科技统计年鉴》，I5、O4、O5指标来自2009至

2017年《中国统计年鉴》，I

6

指标来自《中国分省份市场化指数报告（2016）》［10］。另外，台、港、澳地区由于数据不全，未列入本文研究范围。

表1科技资源投入产出指标及其权重

科技资源投入产出指标指标内涵指标权重

科技资源投入I

1

：研究与试验发展人员全时当量（人年）反映科技人力资源投入0.19

I

2

：研究与试验发展经费内部支出（亿元）反映科技经费直接投入0.22

I

3

：研究与试验发展经费投入强度（%）反映科技经费投入强度0.11

I

4

：规模以上企业研发机构数量（个）反映科技研发实体数量0.38

I

5

：人均GDP（元）反映地区经济发展水平0.08

I

6

：市场化指数反映地区市场化水平0.02

科技产出O

1

：专利申请受理量（项）

O

2

：三大检索论文数量（篇）

反映科技活动的知识产出

0.21

0.16

O

3

：技术市场技术合同成交金额（亿元）0.29

O

4

：规模以上企业工业总产值（亿元）反映科技活动的经济产出0.14

O

5

：规模以上企业新产品产值（亿元）0.20

本研究采用指标体系法，科技产出与科技资源投入之比即是科技资源配置效率［11］。由于各个指标量纲不同，需对指标进行无量纲化处理，应用Matlab软件的Mapminmax函数进行归一化处理，使各指标归一化后数值在0.002至0.996之间。科技资源投入产出配置效率用下式表示。

E

i =

∑31

i=1

∑5

j=1

λij O ij

∑31

i=1

∑6

j=1

δij I ij

（1）

其中，E i为科技资源配置效率，i表示省份（直辖市、自治区），j表示科技投入产出指标编号，O

ij

表示第i省份第j个产出指标，I ij表示第i省份第j个投入指标，λij表示第i省份第j个科技产出指标的权重，δi j表示第i省份第j个科技投入指标的权重。权重δi j、λi j采用熵权法计算各项指标的权重，具体在Matlab软件中实现。

求得各科技资源投入产出指标的权重如表1所示，科技资源投入对科技资源配置效率影响的权重从高到低依次是I4、I2、I1、I3、I5、I6，可知规模以上企业研发机构数量机构数量对科技资源配置效率影响较大，其次是科技经费投入和科技人员投入，影响较小的是地区人均GDP和市场化指数。科技产出对科技资源配置效率影响的权重从高到低依次是O3、O1、O5、O2、O4，可知技术市场技术合同成交金额对科技资源配置效率的影响较大，其次是专利申请受理量和新产品产值，影响最小的是规模以上企业工业总产值。

二、全国科技资源配置效率

按照《中国科技统计年鉴》约定的全国地区划分方法，把全国分成4个地区：东部地区

32