（一）城市选取

长江经济带包括上海、江苏、浙江、安徽、湖北、江西、湖南、重庆、四川、云南、贵州等9个省2个直辖市，横跨中国东、中、西三大区域，面积约205万平方千米，人口和生产总值均超过全国的40％，具有独特优势和巨大发展潜力。为了评价长江经济带主要城市科技实力，本研究选取沿江11省市省会城市以及长三角重要创新节点城市，共14个，即上海、南京、苏州、无锡、杭州、宁波、合肥、南昌、武汉、长沙、重庆、成都、昆明、贵阳。

（二）指标体系构建

为研究长江经济带主要城市科技实力，探索长江经济带科技发展现状，在考察了国际和国内权威通用的科技发展指标体系和参阅了相关城市统计年鉴、科技统计年鉴中相关科技发展指标的基础上，本着综合性与系统性原则、借鉴与特色突出的原则、操作性与可比性原则，根据长江经济带城市科技发展实际，建立了长江经济带主要城市科技实力评价指标体系（见表12-1），对长江经济带主要城市科技实力进行分析比较。

表12-1　长江经济带主要城市科技实力评价指标体系

续　表

指标体系的研究主要围绕以下主要目的展开：一是客观描述。分析长江经济带主要城市科技实力指标，对14个长江经济带主要城市科技发展现状，包括发展的整体水平、发展优势和存在的劣势进行客观描述；二是综合评价。在客观描述的基础上，从城市科技创新主体、创新资源和创新能力等方面综合评价14个城市的科技发展水平。三是比较研究。通过主要城市科技发展指标的综合分析和评价，对长江经济带主要城市间科技实力进行比较分析，分析长江经济带主要城市科技创新的优势和劣势。

国务院发布的《国家中长期科学和技术发展规划纲要（2006—2020年）》中指出：中国科技创新体系是以政府为主导、充分发挥市场配置资源的基础性作用、各类科技创新主体紧密联系和有效互动的社会系统。国家科技创新体系主要由创新主体、创新基础设施、创新资源、创新环境、外界互动等要素组成。因此本研究归纳选取创新主体、创新资源和创新能力三方面对长江经济带主要城市进行评价。

创新主体具有创新的动力和能力，是创新投入、活动和收益的承担者。其衡量指标主要包括企业、高校与科研机构两类。其中，企业指标包括高新技术企业数和有R＆D活动企业数；高校与科研机构指标包括普通高等学校数、国家级实验室数、中职教育学校数。

创新资源是指创新主体在技术创新时需要的各种要素投入。其衡量指标主要包括人力资源、财力资源和平台资源三类。其中，人力资源指标包括：R＆D人员数、在校大学生数、中职教育在校学生数；财力资源指标包括R＆D内部支出、R＆D内部支出占GDP比重、企业R＆D投入；平台资源指标主要包括国家级经济开发区数、孵化器数。创新能力是指在特定的环境中，为满足社会需求而改进或创造新的事物并能获得一定有益效果的行为能力。其衡量指标主要包括创新成果、科技服务两类。其中，创新成果指标包括发明专利申请量、技术合同成交额和高新技术产业产值；科技服务指标主要包括科学研究和技术服务业人员数、国家软科学课题数（本项现已终止）和专利授权量占申请比重。

（三）评价方法

多指标综合评价是指人们根据不同的评价目的，选择相应的评价形式。这种方法会选择多个因素或指标，并通过一定的评价方法将多个评价因素或指标转化为能反映评价对象总体特征的信息，其中评价指标与权重系数确定将直接影响综合评价的结果。本研究采用定性与定量相结合方法。首先利用层次分析法对长江经济带主要城市科技实力评价指标确定权重，然后根据长江经济带主要城市科技实力评价指标数据进行标准化计算，最后利用两种方法确定的权重与指标值，综合得出长江经济带主要城市的科技实力得分，进而评价长江经济带科技创新发展现状。

层次分析法（AHP）最早由美国萨蒂（T.L.Saaty）提出，采用定性与定量相结合，将复杂对象的决策过程系统化、模型化、数学化。其主要特征是：合理地将定性与定量的决策结合起来，按照思维、心理的规律把决策过程层次化、数量化。层次分析法的特点是，在对复杂的问题的本质、影响因素及其内在关系等进行深入分析的基础上，利用较少的定量信息使分析问题过程数学化，从而为多目标、多准则或无结构特性的复杂问题提供简便的分析方法。其基本步骤为：建立层次结构模型，构造成对比较矩阵，计算权向量并做一致性检验，计算组合权向量并做组合一致性检验。

数据标准化是指研究、制定和推广应用统一的数据分类分级、记录格式及转换、编码等技术标准的过程。数据标准化方法是处理空间数据的常用方法。在数据分析之前，通常需要将数据进行标准化处理，以利于不同性质、不同量纲、不同数量变化幅度的数据进行统一分析。数据标准化方法较多，本研究采用较为常用的标准差标准化（z-score）方法。所谓标准差标准化，就是把变换数据减去其均值，再除以其标准差，即

zij=（xij-xi）/si

变换后数据均值为0，方差为1，且与指标的量纲无关。

（四）科技实力计算

1.构建层次结构模型

将长江经济带主要城市科技实力评价指标体系设置目标层（科技实力）、准则层（评价要素）、指标层（衡量指标）和决策层（主要指标），构成A、B、C、D四层指标体系框架。

A层为目标层，即长江经济带主要城市科技实力评价。

B层为准则层，分为B1创新主体、B2创新资源、B3创新能力。

C层为指标层，分为C1企业、C2高校与科研机构、C3人力资源、C4财力资源、C5平台资源、C6创新成果、C7科技服务。

D层为决策层，包括D1高新技术企业数、D2有R＆D活动企业数、D3普通高等学校数、D4国家级实验室数、D5中职教育学校数、D6 R＆D人员数、D7在校大学生数、D8中职教育在校学生数、D9 R＆D内部支出、D10 R＆D内部支出占GDP比重、D11企业R＆D投入、D12国家级经济开发区数、D13孵化器数、D14发明专利申请量、D15技术合同成交额、D16高新技术产业产值、D17科学研究和技术服务业人员数、D18国家软科学课题数（本项现已终止）、D19专利授权量占申请比重。

2.构建判断矩阵，计算各层权重

指标权重设定的合理与否在很大程度上影响综合评价的正确性和科学性。本研究通过对多名相关专家的咨询，针对长江经济带科技发展的实际情况，进行确定权向量，构建各层次的判断矩阵，并进行一致性检验。

一是构造判断矩阵及其标度、层次单排序及其检验、A层判断矩阵。

表12-2　A层判断矩阵(www.daowen.com)

其中：λMAX＝3 CI＝4.804 53E－09 RI3＝0.58 CR＝0.01＜8.283 67E－09

二是建立判断矩阵，计算C层权重。

表12-3　C层权重得分

三是建立判断矩阵，计算D层权重。

表12-4　D层总排序

续　表

四是根据计算，得出长江经济带主要城市科技实力评价指标权重（见表12-5）。

表12-5　长江经济带主要城市科技实力评价指标权重

续　表

3.收集相关数据，进行数据标准化（见表12-6），得出长江经济带主要城市科技实力评价得分（见表12-7）

（五）评价结果与分析

根据表12-7城市科技实力排序，可以看出长江经济带主要城市科技实力由高到低依次为上海、南京、苏州、武汉、重庆、杭州、成都、无锡、合肥、长沙、宁波、南昌、昆明和贵阳（见图12-1）。其中上海科技实力优势明显，遥遥领先。南京、苏州、武汉、重庆、杭州和成都分列第2位至第7位，科技发展具有一定优势。无锡、合肥、长沙、宁波、南昌、昆明和贵阳科技实力相对较弱，分别排名第8位至第14位，科技实力有待提高。

图12-1　长江经济带主要城市科技实力排名

表12-6　长江经济带主要城市科技实力指标标准化

表12-7　长江经济带主要城市科技实力评价得分

根据长江经济带主要城市科技实力排名，可将长江经济带主要城市划分为五大类：

一是科创中心城市，主要包括上海，其科技实力得分大于1.5，科技实力较强。上海经济在长江经济带处于领先地位的同时，其科研实力也遥遥领先其他长江经济带主要城市，各项科技实力指标都领先于其他主要城市。其中：上海R＆D内部支出占GDP比重（％）最高，达到3.6％；高新技术企业数达5 433家，占所有主要城市总数的近1/4；拥有国家级经济开发区15家、国家级实验室30个、普通高等学校68所，数量都高于其他主要城市；R＆D内部支出、发明专利申请量、科学研究和技术服务业人员数分别达到848.44亿元、81 664件和43.92万人，占主要城市总数的比重都在25％以上；R＆D人员数达23.68万，占所有主要城市总数的23.7％。但上海拥有中职教育学校68所，中职教育在校学生仅3.04万人，相对其他城市处于较低水平，在中职教育在校学生数方面仅高于宁波，排名倒数第二（见图12-2）。其原因与上海人才需求结构有关。相对其他主要城市，上海对高端人才需求较多，而对初、中级技术人员及技术工人需求较少。总体上，上海科技实力在长江经济带城市中优势突出，是长江经济带科技发展重要增长极。

图12-2　长江经济带主要城市中职教育指标

二是科技发展先进城市，主要包括南京、苏州和武汉，其得分在0.3—0.5之间（见图12-3）。南京、武汉和苏州创新主体与创新资源优势明显。南京拥有在校大学生80.53万人、普通高校59所，在这两个方面分别排名第二位、第四位，人力资源优势明显。同时南京的R＆D内部支出占比较高，科技研发投入较多，在这个方面排名第二位。但南京拥有的R＆D企业仅为897家，拥有的科学研究和技术服务业人员仅为7.23万人，拥有的专利授权量占申请比重仅为40.7％，相对其他科技发展先进城市偏低，创新能力有待提升。苏州借助上海的辐射带动作用，城市创新能力较强。苏州的R＆D人员数为13.72万，R＆D内部支出为371.54亿元，企业R＆D投入为300.88亿元，都排名第二位。苏州的企业数、高新技术产业产值也具有一定优势，但高校数量较少，在校大学生数和中职教育在校生数量较低，一定程度上制约苏州创新发展。武汉高校资源丰富，高等学校、中职教育都处于长三角主要城市前列，人力资源丰富。这三座城市国家级实验室数达到25个、23个、14个，分别位列第二位、第三位和第四位，高新技术企业数分别为2 748、1 113和2 950个，位于主要城市前列，创新主体实力较强。

图12-3　科技发展先进城市评价要素得分

三是科技发展良好城市，主要包括重庆、杭州和成都，其得分在0—0.3之间（见图12-4）。重庆在校大学生数较多，中职教育学校数和在校生数排名领先，人力资源丰富，为科技发展提供了充足人才。杭州创新资源较为丰富，R＆D内部支出为276.18亿元，企业R＆D投入为257.51亿元，在这两个方面分别排名第四位、第三位，但高新技术企业数、高新技术产业产值指标等相对较低，导致创新主体与创新能力较弱，创新资源亟待转化成良好的创新能力，培育更多的创新主体。成都创新主体、创新资源与创新环境较为均衡，在这三个方面都处于主要城市中等水平。

图12-4　科技发展良好城市评价要素得分

四是科技发展有待加强城市，主要包括无锡、合肥、长沙和宁波，其得分在－0.5—0之间（见图12-5）。宁波在校大学生数、中职教育在校生数较低，国家级实验室数量较少，人口资源偏弱。合肥、长沙、无锡的R＆D人员数、R＆D内部支出偏少，技术合同成交额较低，国家级经济开发区数量较少，创新资源有待加强。

图12-5　科技发展有待加强城市评价要素得分

五是科技发展相对落后城市，主要包括南昌、昆明和贵州，其得分在－0.5以下（见图12-6）。总体上，这三个城市创新资源相对匮乏，科技研发投入较少，从事科研相关人员不足，各项科技实力指标都处于较低水平，导致其总体科技实力相对落后。

图12-6　科技发展相对落后城市评价要素得分