科技人才与科技创新协同度测度模型及应用

李良成^1，2，陈 欣²，郑石明²

(1.华南理工大学 马克思主义学院；2.华南理工大学 公共管理学院，广东 广州 510641)

摘 要： 分析了科技人才与科技创新之间的相互作用，阐述了两者协同发展的机理。基于此，构建了科技人才子系统有序度模型、科技创新子系统有序度模型、复合系统协同度测度模型。对2006-2016年我国科技人才与科技创新复合系统相同基期和相邻基期协同度进行实证分析，结果表明，科技人才与科技创新复合系统相同基期协同度显著上升，科技人才与科技创新复合系统相邻基期协同度处于稳定的低度协同演变状态，科技人才子系统与科技创新子系统协同度增长幅度在协同作用中更加趋于一致，两个子系统趋于良好的互相促进过程中。最后，提出了促进该复合系统协同发展的对策建议。

关键词： 科技人才；科技创新；协同度；测度模型

0 引言

随着第四次工业革命的来袭，全球掀起了一股新的科技革命，发达国家争先颁布创新战略与政策，以促进科技人才移民，抢占全球竞争制高点。习近平总书记强调，“发展是第一要务，人才是第一资源，创新是第一动力”。我国围绕科技创新和创新型科技人才出台了一系列纲领性文件。2005年，国务院出台《国家中长期科学和技术发展规划纲要(2006-2020年) 》，将提高自主创新能力作为国家战略，并指出科技人才是关键所在。随后出台《国家中长期人才发展规划纲要(2010-2020年)》，对科技人才支撑作出了总体部署。党的十八大强调“科技创新是提高社会生产力和综合国力的战略支撑，必须摆在国家发展全局的核心位置”。2015年以来，先后出台《中共中央国务院关于深化体制机制改革加快实施创新驱动发展战略的若干意见》、《国家创新驱动发展战略纲要》、《“十三五”国家科技创新规划》和《“十三五”国家科技人才发展规划》，提出了建设国家创新体系的具体要求，对提升创新人才资源供给水平、推动创新成果有效转化进行了系统调整与部署。十九大报告指出，我国将加快建设人才强国、加快建设创新型国家，这就需要围绕科技人才与科技创新展开系统研究。

建设布局燃机的区域将更加广泛，发达地区项目竞争日益激烈。目前，北京、上海等地区大型燃机项目已趋饱和，发展空间有限；位于江苏、广东等沿海地区经济发达的城市中心、工业园区的优质项目资源点已基本被占，燃机项目布局基本定型，新布局燃机项目条件更加严苛，发展空间受限，竞争日趋激烈，开发难度不断加大。随着环保约束条件加大，河北、山东和东北地区煤炭消费呈负增长，加之俄气等管线建设加快，未来这些地区会成为新的燃机项目发展区域，区域内省会和重点城市将会建设一批以解决供热为主要目的的热电联产项目。

学者们就科技人才与科技创新之间的关联作用和影响因素进行了一系列研究。①科技人才与科技创新之间的关系。夏天^[1]、程郁等^[2]认为，创新人才是科技创新的内部因素之一，创新人才是推动经济增长的创新要素。李琦^[3]指出高校科技人才具有科技研发、产业开发双重优势，能在科技成果转化过程中发挥独特作用。Furman、Hayes^[4]认为决定创新能力的因素有4项，其中包括人力资本投资、创新经费投资。Nieves等^[5]指出企业产品创新的前提是人才聚集；②实证分析科技人才对科技创新的影响。芮雪琴等^[6]、修国义等^[7]对区域人才聚集如何影响科技创新效率进行了研究。王晖^[8]、王聪等^[9]实证分析指出，科技人才聚集能促进科技创新。Miranda-martel等^[10]运用聚类分析,发现国际高技术移民吸引力与创新组合要素、经济增长水平相关；③运用系统学和协同学理论对创新系统及其协同效果进行研究。OECD^[11]提出国家创新系统由一系列子系统构成，子系统协调与否是其能否良性运行的基础。皮亚杰^[12]从结构学角度指出只有创新子系统间协调发展，国家创新系统促进新知识、新技术产生与应用的功能才能得到发挥。孙冰等^[13]认为企业自主创新系统的稳定取决于其各个子系统之间有序的协同作用，子系统包括资金、人才、技术和环境。贺灵等^[14]运用协同度模型实证分析指出，我国区域创新网络要素的协同作用和科技创新能力得到提升，但协同发展程度仍处于较低水平。罗兴鹏等^[15]对创新驱动战略实施与科技人才发展的耦合机理、测量、阶段划分以及模式进行了探讨。查成伟等^[16]根据协同和熵理论对高技术产业科技人才聚集效应与技术创新系统的协同度和有序度进行了测度。徐思思、张红方^[17]测度了科技创新人才聚集效应与高新产业发展之间的协同状态。

回顾相关研究成果可知，科技人才是科技创新发展的重要因素，科技人才体系是科技创新中的关键环节。科技人才和科技创新协同互动将促进高技术产业发展。近年，有学者研究了科技人才聚集对科技创新产出的影响及二者之间的协同作用，对本研究具有重要参考价值。但是，现有文献对科技创新人才与科技创新之间协同发展的研究尤其是实证研究还不够深入。那么，国家出台《国家中长期科学和技术发展规划纲要(2006-2020年) 》等一系列纲领性文件以来的实施效果如何？为回答这一问题，本文运用协同学理论对科技人才与科技创新之间的协同发展机理进行分析，构建相应的复合系统协同度测度模型，并通过实证研究对两者协同效果进行观测，客观分析科技人才与科技创新系统发展演化趋势，为政府制定相关政策提供理论支持和决策参考。

1 科技人才与科技创新协同发展机理

哈肯^[18]于20世纪70年代首次提出协同学的概念，指出协同学是一门跨越社会科学与自然科学的横断科学。协同运行规律是指构成系统的子系统通过协同作用，使得系统向有序结构转变，进而实现系统的功能。从协同学角度出发，一切开放系统在一定条件下都可以呈现出有序结构，即对于稳定系统而言，其子系统或构成元素都按照一定的方式协同有序地进行活动。本文将科技人才与科技创新视为协同运作的复合系统，它由不同性质的科技人才子系统和科技创新子系统构成，二者之间存在繁复的非线性关系与作用。科技人才发展子系统为科技创新提供人力支持时，通过科技人才在其专项研究方向上的成果为科技创新过程提供技术支持。科技创新成果由研发、成果转化两阶段组成，在这两个阶段中科研人员的参与起着至关重要的作用。科技创新子系统的发展为科技人才子系统提供所需资金，且由于科技创新过程蕴含着科学技术的需求，这为科技人才发展创造了较大的需求空间。科技人才子系统与科技创新子系统通过技术和资金紧密联系在一起(见图1)。高校、科研院所和企业开展科技创新项目需要科技创新系统提供资金支持，而科技创新的产出过程又倚重科技人才的参与，这种需要是技术在这个耦合中流动的体现。科技人才与科技创新的互动关系中，科技人才子系统的完善能够促进科技创新，科技创新水平提升通过引力场效应促进科技人才聚集和科技人才产出效率提升。在复合系统中，科技人才存在于产业、企业、科研院所、高校等不同科技创新主体的不同层次。人才之间分工协作，互相竞争，优势互补和共享创新资源，能够产生科技人才子系统的聚集效应，同时，使得创新环境更佳，一方面吸引更多科技人才，一方面促进科技创新产出。由此可知，科技人才与科技创新发展是一个平行、互嵌的有机整合体。

图1 科技人才与科技创新相互作用机理

2 科技人才与科技创新协同度测度模型构建

科技人才与科技创新协同度是指科技人才和科技创新复合系统从无序走向有序的趋势及其子系统和谐的程度。科技人才与科技创新的协同作用难以直接测量，本文运用协同学的序参量原理，分别确立科技人才和科技创新子系统的序参量，从而降低研究的复杂程度。本文借鉴孟庆松、韩文秀^[19]提出的复合系统协调度模型，从序参量入手构建科技人才与科技创新复合系统协同度测度模型。具体内容包括：子系统有序度测度模型、复合系统协同度模型、协同度测度指标体系。

2.1 子系统有序度测度模型

本文以国务院出台的《国家中长期科学和技术发展规划纲要(2006-2020年) 》为节点，选取2006年以来的数据进行分析。其中，三大检索论文数、国内专利申请授权数、国内生产总值、高技术主营业务收入数据来自于《中国统计年鉴》，其余数据均来自于《中国科技统计年鉴》。二级指标各年度数据参见表3。

定义1：序参量分量e _ij 的系统有序度为：

(1)

定义2：u ₁(s _i )为科技人才子系统有序度，u ₂(s _i )为第i 年科技创新子系统有序度。

由上可知，序参量分量的系统有序度越大，则其对系统从无序走向有序的贡献越大。序参量对子系统有序度的贡献可通过各分量系统有序度的集成来计算。子系统的整体效能并不能由各序参量有序度的数值大小完全决定，还与其组成形式息息相关。不同系统有不同的构成方式，因此有不同的集成方式。本文采用线性加权求和法进行集成，在线性加权求和法中，权系数λ_i应既能表示其系统现实运行状况，又能体现系统在发展期间的目标。

(2)

2.2 复合系统协同度模型

设初始时刻为t₀，科技人才子系统的有序度为科技创新子系统的有序度为发展阶段中的t₁时刻，各子系统的有序度分别为设复合系统协同度为C，则有如下定义：

Beta-Al2O3是钠硫电池中作为固体电解质应用的重要部件，并且以 M2OxAl2O3(M=Na+，K+，Rb+，Ag+等，x=5～11)通式代表的化合物，从微观结构来说，Beta-Al2O3有2种不同的晶体结构：β-Al2O3(六方晶系:P63/mmc)和 β″-Al2O3(菱形：R3m)，并且2相之间在化学组成和离子导电层间的氧离子堆垛顺序上有所不同，β相为Na2O(8-11)Al2O3，β″相为Na2O(5-7)Al2O3，而其中由于β″相中含有较多的Na+，并且比β相的导电率更高，从而β相更适合用于提高电池的可逆容量以及钠离子嵌入时的保持率。

(3)

由上述公式可知，协同度C为正值必须满足一个条件，即两个子系统在t₁时刻的有序度均大于其在t₀时刻的有序度。当两个子系统中任何一个在t₁时刻的有序度小于其在t₀时刻的有序度时，复合系统协同度C都会呈现负值。若只是一个子系统数值较大，或有序度提升幅度较大，则复合系统协同度并不会出现同等程度的提升。因此，复合系统协同度测度模型是将两个子系统的发展状况均作为测度依据，与两个子系统的有序度都有密切关联。公式(3)有两种运算法则，一是以相同时期为基期，反映一段时期内复合系统的长期演化趋势，目前大多数国家和国际组织普遍采用此协同度等级划分标准；二是以相邻时期为基期，这种方法可以较好地分析复合系统是否处于稳定的协同状态。基于此，本文将运用上述两种运算法则对科技人才与科技创新复合系统协同度进行测度，方法一为复合系统相同基期协同度，方法二为复合系统相邻基期协同度。由公式可知，C∈[-1,1]，协同度数值越高，表明复合系统的协同效应越好。具体等级划分参照夏业领^[20]的研究(见表1)。

表1 复合系统协同度评价标准

2.3 协同度测度指标体系

科学合理的指标体系能够使得测算更加精细且可信程度高，该指标体系应既能反映系统之间协同发展中的重要元素，又能去粗求精，避免过于冗杂。借鉴王宏起^[21]的研究，将科技创新子系统按照过程分为研发、成果转化两个序参量。参考郭跃进^[22]的研究，将科技人才子系统分为研发投入和劳务费用两个序参量，分别表示在科技人才研发上的投入和科技人才在参与研发过程中获得的回报与激励。具体指标体系如表2所示。

以色列是世界上最贫水的国家之一，将水资源定为战略资源，把水资源开发、保护和管理纳入可持续发展战略，以完善的管理法律、有效的市场手段及健全的管理机构加强水资源管理，以开源节流增加水供给量、减少水浪费，用水效率达到世界先进水平。以色列建国50多年来，农业用水量以3倍的增长支撑了12倍的增产。

3 实证研究

最后，将表5结果和表4的指标权重带入式(2)，得到各子系统与子子系统的系统有序度，并进一步将其带入式(3)，得到科技人才与科技创新复合系统相同基期和相邻基期协同度，其中，相同基期数据测算以2006年为基年，相邻基期数据测算以其上一年为基年。结果如表6和图2、图3所示。

3.1 数据来源

科技人才与科技创新复合系统由两个子系统构成，设为S ₁、S ₂，分别表示科技人才子系统和科技创新子系统。子系统又由若干基本元素构成，元素之间的相互作用和相互影响构成子系统的复合机制。子系统发展过程中的序变量设为e _j =^T (e _1j ,e _2j …e _ij …e _nj )，n ≥1。令e _ij 的最小值和最大值分别为α _ij 、β _ij ，其中i ∈[1，n ]。若e _ij 取值越大，系统有序度越高，则为正向指标；反之为逆向指标。有如下定义：

Horses and oxen return to pasture without compulsion, two or three days later autumn-snow is coming.

表2 科技人才与科技创新复合系统协同度测度指标体系

表3 科技人才与科技创新协同度测度指标数据

3.2 实证分析

指标权重对于协同度测度结果直接产生影响，因此要慎重选择其确定方式。指标权重确定有主观赋权法和客观赋权法，为了排除主观因素的影响，本文采用客观赋权法中的熵值法确定各指标权重。设评价对象m 个，评估指标n 个，形成原始矩阵(V _ij )_mxn ，定义a _j 为第j 项指标的信息熵值。

会上，彭光明作了题为《克难奋进加快转型全力以赴完成年度目标任务》的工作报告，回顾总结了前三季度主要工作，分析当前业务经营中存在的问题，安排布置下一阶段重点工作。彭光明还结合实际谈了当前转型升级工作的三点认识和体会：一是坚持稳健经营，加快创新发展；二是明确队列方位，实施超越发展；三是培育盈利模式，实现长远发展。

(4)

定义第j 项指标的权重为：

(5)

其中，d _j =1-a _j ，是第j 项指标的变异系数。

运用熵值法即公式(4)、(5)，计算子系统各指标权重，结果如表4所示。

表4 子系统各序参量权重

接着，计算子系统有序度和复合系统协同度。各指标量纲不同，会对数据处理造成影响，为消除这种影响，对表3数据进行标准化处理。本文采用均值-标准化法。

李彬[65]针对地方国有粮食企业，指出内部控制的主要内容。在公司层面，要设计合理的内部控制组织架构，建立健全决策机制；在业务层面，需要在收入支出、粮食采购储备、资产管理、合同管理、仓储管理和安全生产方面建立健全内部控制。宋芳[66]提出完善内部控制除了要关注管理机构、内部机构，还需要建立有效的激励机制，注重企业文化、提高企业内部会计控制管理。刘玉静[67]提出强化国有粮食企业内部控制需要单位负责人率先垂范，加强对内部人员的监督和内部审计，建立有效的会计系统，强化外部监督。

例 4：Kerbside materials collectionwas also attemptedin some sectors in Buenos Aires,but failed reportedly due to the high costs associated with collection and the decision not to subsidise such an effort.

(6)

其中，X '_ij 为标准化数据；为均值；S _j 为标准差。

以信息化为基础，在物联网、工业大数据等新兴技术的支撑下，区别于传统“一刀切”模式，做到不同线路、不同车型、不同维修深度的维修对象精准化是城市轨道交通车辆维修集约范式转移的一个方向。

对标准化后的数据进行信度检验，考察数据是否具有内在一致性。运用SPSS 21进行测算，结果显示，科技人才子系统、科技创新子系统以及复合系统的Cronbach's Alpha值分别为0.989、0.980、0.992，表明信度非常好，可以运用该组数据进行测算。

阿花像个双面人。在办公室里，她的表情严肃得让人喘不过气来。阿花说，订单任务很重，你必须不折不扣地完成。要充分利用你现有的人脉关系，把大发厂的订单拉过来。回到了出租屋，阿花像换了一个人，嘻嘻哈哈地，全没了工作时的严肃。弄得我上班了就疲软，下班了就旺盛。我们在缠绵时，阿花说以后拉一笔订单，奖励一次上床。我扑哧一笑，这大概是全世界绝无仅有的绩效考核指标了。阿花被我逗得花枝乱颤。我说，你要是这么考核我，我也有办法，我要需求旺盛了，就把一笔订单分几次拉；要是没有需求呢，咱一笔订单也不拉。阿花在我身下浪笑，说你的性欲还分淡季旺季啊？我说那当然，母狗母猫还有发情期呢。

运用公式(1)对标准化后数据进行测算，得到各序变量的有序度(见表5)。

由于度量尺度不统一（up-to-scale）的原因，并不能使用双目三维重建同样的方法去处理多视图三维重建。引入透视N点法（Perspective N Point，PNP）将双目三维重建拓展到多视图重建三维场景。有很多关于透视N点法的研究，如P3P、P4P、P5P[19-20]等。但为了提高重构算法的鲁棒性，一般使用多于4个特征点的算法来解决实际应用中的问题。PNP算法大致通过求得前两幅图像中的特征点的三维坐标以及这些空间点在第三幅图像中的像素坐标位置来计算估计第三幅视图拍摄时的位置姿态。并类推到更多视图的三维重建。

利用前述指标体系以及复合系统协同度测度模型，对我国科技人才和科技创新情况进行实证分析。

表5 各序变量有序度

注：其中序变量上限值为历年标准化数据最大值，下限值为实际数据最小值的110%

表6 各系统有序度及复合系统协同度

图2 各系统有序度

图3 科技人才与科技创新复合系统协同度

3.3 结果分析

本文以我国2006-2016年相关数据为样本，基于复合系统协同度模型，运用两种运算法则对我国科技人才与科技创新复合系统相同基期和相邻基期协同度进行了实证分析，主要结论如下：

(1)如表6、图2和图3所示，2006-2016年科技人才与科技创新复合系统相同基期协同度显著上升，这有赖于2006-2016年科技创新子系统和科技人才子系统有序度的持续提高(除受2008年全球金融危机的影响，2009年协同度有所下降之外)。复合系统相同基期协同度从2007年的0.063 2增长到2016年的0.958 3，年均增长率达到35.85%，其中，2007-2011年协同度为不协同，2012-2014年为基本协同，2015-2016年分别达到良好协同和优质协同水平。科技创新子系统和科技人才子系统有序度均处于持续上升状态，表明子系统之间的协同作用不断增强。

第一，朗读属于“阅读”的目标和内容范畴。因此，我们不能狭隘地理解“朗读”要求，必须将“朗读”置于整个阅读语境和情境中加以把握。

(2)科技人才与科技创新复合系统相邻基期协同度大多处于[0,0.2]之间，最大值仅为0.154 7，即复合系统长期处于低协同演变状态，且因为受全球金融危机的影响，2009年呈现负数状态，即非协同演变状态，表明2009年科技人才与科技创新复合系统的协同效益较差。2006-2016年科技人才与科技创新复合系统相邻基期协同度处于稳定的低度协同演变状态，这说明：①科技人才与科技创新之间存在协同互动作用，本文逻辑基础成立；②我国科技人才与科技创新的发展均取得一定成效并处于进步状态，科技人才与科技创新协同发展能力的提升有助于我国知识经济的高速发展，有利于创新驱动发展战略的实施；③波动情况于2013年有放缓的趋势，即实施创新驱动战略以来，复合系统的协同状况呈现较好的稳定发展趋势，但科技人才与科技创新复合系统的协同发展能力仍有较大提升空间。

(3)图3表明，复合系统相同基期协同度的走势与科技人才子系统有序度的走势大体一致。结合表6可知，复合系统相同基期协同度的较大波动往往出现在科技人才劳务费用子子系统有序度异动较大的时候。如2009、2011、2012年，该协同度出现下滑或较快增长现象。据数据分析结果，科技人才劳务费用较大程度上反映或者制约了协同度发展情况。

(4)由表5、表6得知，科技人才研发投入序变量保持正常增速，兼之序变量e₂(全国研究与试验发展人员经费内部支出占GDP比重)的有序度大幅度增长，表示国家加大了对高技术产业的研发投入。同年，科技创新研发成果子子系统的有序度增长良好，即高技术产业研发成果保持良好增长态势。高技术产业科技研发中，在国家投入为增长态势且研发成果丰硕的情况下，受全球金融危机的影响，2009年科技创新成果转化子子系统序变量e₉(新产品销售收入占主营业务收入比重)以及序变量e₁₁(高技术产业主营业务收入占GDP的比例)均呈现降低趋势，科技创新成果转化增速减慢。数据显示，科技创新成果转化有序度低于科技研发成果有序度，而新产品销售收入占主营业务收入比重的有序度演化呈现较大波动，说明科技创新与经济发展结合度还不够高，导致投入产出比低。科技人才劳务费用较大幅度降低，使得科技人才子系统有序度降低，复合系统协同度降低。为减轻金融危机对我国经济的冲击，政府颁布了一系列经济政策，加强对金融市场的支持，但金融危机仍对我国实体经济产生了巨大冲击，即使科技创新研发成果保持上升态势，但由于市场需求缩减，研发成果转化受阻，也会导致科技创新效益降低。而科技劳务费用不仅体现在科技研发过程中，而且与研发成果转化密不可分，故随之出现较大幅度降低。高技术产业最终要实现科研成果商业化和产业化，因此，经济市场波动必然带来高技术产业波动。

(5)科技创新子系统与科技人才子系统的增长幅度和数值大小在协同作用中愈发趋于一致，这说明两个子系统处于良好的互相促进状态，有利于复合系统相同基期协同度的持续增长。2012年我国国内生产总值增速开始回落，经济发展进入“新常态”。为此，2012年中共中央首次明确提出“加快完善社会主义市场经济体制和加快转变经济发展方式”，实施创新驱动发展战略。2013年科技人才子系统有序度增长速度进一步提升，且与科技创新子系统几乎持平，呈现优质协同发展趋势。创新驱动发展战略能否持续促进复合系统良好发展，还需观察后续数据。

4 对策与建议

我国正处于从要素驱动、投资驱动向创新驱动转换的攻关期，经济增长动力将转变为更多依靠人力资本集约投入和科技创新拉动，可以从完善科技人才发展体系和提升科技创新产出两方面着手，促进科技人才与科技创新协同发展。结合2006-2016年科技人才与科技创新复合系统协同度及其趋势分析，提出如下对策与建议：

(1)促进子系统间协同，建立科技人才协同创新资源共享机制。子系统和子子系统的平衡发展有助于复合系统协同能力发展。复合协同强调子系统间相互作用，加强子系统之间良好协作的意义大于单个子系统有序度的提升。政府应促进科技人才和科技创新管理活动的紧密结合，若单独就其中某一方面加大投入，很难提升二者之间的协同效应。如科技人才研发投入子子系统的有序度持续上升，但科技人才劳务费用子子系统有序度并未持续上升，而是呈现波动状态。科技创新活动成果子系统有序度持续上升，但科技创新成果转化子子系统中的新产品销售收入占主营业务收入比重及高技术产业主营业务收入占GDP的比例这两个子子系统呈现波动状态，进而造成了复合系统协同度的波动。因此，在增加研发投入的同时，要保持科技人才劳务费用的持续增长，要更加注重各创新主体之间以及从基础研究、应用基础研究、技术开发到技术商业化全链条创新活动之间的协同。要进一步建立科技人才协同创新的资源共享机制，首先，政府应加强高新区和创新园区建设，为科技人才的研发活动提供充满活力的创新环境。其次，突出研究的问题导向和需求导向，引导有条件的企业加大基础研究尤其是与企业应用需求直接相关的基础研究投入，有效调动企业创新积极性。支持企业建立技术中心或实验室等创新平台，吸引高校和科研院所相关伙伴开展研发合作。最后，推动企业之间以及企业与高校科研院所之间形成技术创新联盟进行协同创新，促进知识、技术、创新人才在联盟中的共享和流动，降低创新投资风险，提高联合产品开发成功率，加快企业技术创新和创新成果转化速度。

(2)提高研发投入强度尤其是企业研发投入强度。科技人才与科技创新复合系统相同基期协同度显著上升，科技人才子系统和科技创新子系统有序度均处于持续上升状态。这表明科技人才研发投入和科技劳务费用的持续增长为科技创新子系统提供了强大的经费保障，如我国研发投入强度由2006年的1.37%增长到2016年的2.11%，2006-2016年，国家财政科技拨款实现了年均16.48%的增长速度。但是，科技人才与科技创新复合系统相邻基期协同度处于稳定的低度协同演变状态，表明复合系统相邻基期协同度还有很大提升空间。如虽然我国已逐步缩小与发达国家在研发投入上强度的差距，但与美国近几年研发投入强度保持在2.8%左右相比，仍显不足，尤其是企业研发投入与美国还有巨大差距，如2016年我国制造业研发强度为1.0%，远小于美国的4.4%。未来需持续高强度地保持人、财、物等创新要素投入，如通过大力发展产业投资基金、科技成果转化引导基金、实施普惠性研发费用加计扣除政策、减税降费、加强知识产权保护等一系列组合政策，激励企业加大研发投入，推动我国科技创新能力快速提升。

(3)从科技人才劳务费用子子系统入手，着力提升科技人才子系统有序度。科技人才投入尤其是科技人才劳务费用较大程度反映或制约了科技创新之间的协同度，这就需要进一步加大研发投入力度，优化投入结构，尤其是引导全社会加大研发投入力度。要大力提高科技人员薪酬待遇，尤其是提高前瞻性和应用性基础研究领域研发人员待遇；加大对优秀科研人员的奖励力度，充分发挥收入分配政策的激励导向作用；加大绩效工资的分配激励力度，使知识价值创造者获得合理的回报；强化科技成果产权对科技人员的长期激励作用，加大高校、科研院所和国有企业科研人员科技成果转化股权激励力度，开展赋予科技人员职务成果所有权或长期使用权的试点。政府在简政放权、增加科研单位和科研人员资金使用自主权的同时，要强化契约管理，加强科研经费监管和绩效评估，开展第三方评估，保障科技人才资金投入的合理使用，全面激发各创新主体活力，使科技人才投入转化为现实生产力。

(4)围绕科技创新链，建立有利于科技成果转移转化的评价机制和激励措施，提高投入产出比。科技创新成果转化有序度低于科技研发成果有序度，投入产出比低，究其原因，主要包括：科技供给的质量和水平不高导致难以转化；高校、研究机构的科研活动动力不足，科研人员对成果创新性及市场应用性重视不够，科技创新活动及成果与市场的现实需求脱节；企业研发投入强度低，企业创造、吸纳和运用科技成果的能力不足；科技成果向现实生产力转化的渠道不畅等。提高科技投入产出比，首先，要切实打破以往高校唯论文、唯项目、唯专利等重“量”轻“质”及“重研发、轻转化”的“唯数量”评价制度，“建立以科技创新质量、贡献、绩效为导向的分类评价体系”，如建立符合科技成果转移转化的职称评价体系；大力消除各级政府不当资助、盲目追求数量、不合理的考评指标等 “非市场”因素，减少科技创新活动成果中的泡沫现象；淡化专利数量指标考核，大幅压缩和逐步取消专利申请费用的财政资助；对基础研究和应用基础研究，要以重大科研成果产出和学术贡献影响为主要指标进行同行评议，应用研究则以市场检验为主。要建立细化措施，使高校和研究机构对科研人员参与成果转化的支持政策落实到位。其次，政府要坚持“松绑+激励”的原则，积极推动科技与经济社会发展深度融合，以企业为主体、市场为导向，形成官产学研深度融合的技术创新体系，通过市场实现官产学研各创新主体之间创新资源的合理配置，建立主要由市场评价技术创新成果的机制，充分发挥企业在科技成果转化中的主体作用，形成科技成果从研发到市场化的畅通渠道。最后，我国已颁布科技成果转移转化“三部曲”，这有利于打破科技创新链条上的体制机制障碍，但要实现科技创新与产业需求的有机衔接，还需进一步健全科技成果转化的体制机制，细化关键政策落实措施，如通过实施减税降费等财税优惠政策鼓励科技型企业加大研发投入。要改变企业研发投入强度偏低的状况，政府需出台更多以技术为导向的政策，鼓励企业将更多的人力、财力投入研发，重视鼓励应用牵引，出台配套政策鼓励和引导采购自主知识产权产品，促使企业在应用过程中不断提升技术、工艺水平与产品质量。

5 结语

本文通过模型构建、数据搜集与计算，对科技人才与科技创新的子系统有序度及其复合系统的协同度进行了测量，并在此基础上深入分析了各子系统的有序度和复合系统协同度的演变趋势及其原因。建立了科技人才与科技创新系统协同度测度模型，为二者协同度的测量提供了理论支撑和数据参考。在实践意义上，可根据该模型实现对我国各省市科技人才与科技创新复合系统发展程度的动态监控，了解科技人才与科技创新的融合程度，为政策制定者优化科技人才政策和科技创新政策提供可资借鉴的客观依据。

本研究也存在不足之处，指标设计中未纳入创新环境，而创新环境是影响科技创新人才和科技创新协同度的一个重要变量，需要在未来研究中进一步完善指标体系。

参考文献:

[1] 夏天. 创新驱动过程的阶段特征及其对创新型城市建设的启示[J]. 科学学与科学技术管理, 2010,31(2):124-129.

[2] 程郁,陈雪. 创新驱动的经济增长——高新区全要素生产率增长的分解[J]. 中国软科学,2013(11):26-39.

[3] 李琦. 产业科技人才在科技成果产业化中的作用[J]. 中国高校科技, 2016(6):91-93.

[4] FURMAN J L, HAYES R. Catching up or standing still? national innovative productivity among "follower" countries, 1978-1999[J]. Research Policy, 2004, 33(9):1329-1354.

[5] NIEVES J, QUINTANA A, OSORIO J. Organizational knowledge and collaborative human resource practices as determinants of innovation[J]. Knowledge Management Research&Practice, 2016, 14(3):237-245.

[6] 芮雪琴,李亚男,牛冲槐. 科技人才聚集的区域演化对区域创新效率的影响[J]. 中国科技论坛, 2015(12):126-131.

[7] 修国义,韩佳璇,陈晓华. 科技人才集聚对中国区域科技创新效率的影响——基于超越对数随机前沿距离函数模型[J]. 科技进步与对策, 2017,34(19):36-40.

[8] 王晖. 科技人才聚集效应与科技创新产出的关系研究[J]. 湘潭大学学报：哲学社会科学版, 2014,38(4):28-32.

[9] 王聪,周立群,朱先奇,等. 基于人才聚集效应的区域协同创新网络研究[J]. 科研管理, 2017,38(11):27-37.

[10] MIRANDA-MARTEL M J，MIHI-RAMIREZ A,ARTEAGA-ORTIZ J. How the level of economic growth and the constituent elements of innovation attract international talent? [J]. Engineering Economics，2017, 28(2):187-197.

[11] OECD. Reviews of innovation policy: China[M]. ORCD ilibrary,2008.

[12] 皮亚杰. 结构主义[M]. 北京:北京商务印书馆, 1996.

[13] 孙冰,张敏. 基于序参量的企业自主创新动力系统协同机理研究[J]. 中国科技论坛, 2010(10):19-24.

[14] 贺灵,单汨源,邱建华. 创新网络要素及其协同对科技创新绩效的影响研究[J]. 管理评论, 2012,24(8):58-68.

[15] 罗兴鹏,张向前. 我国“十三五”期间创新驱动战略实施与科技人才发展互动耦合研究[J]. 科技进步与对策, 2015,32(17):145-151.

[16] 査成伟,陈万明,唐朝永,等. 高技术产业科技人才聚集效应与技术创新协同研究[J]. 科技进步与对策, 2015,32(1):147-152.

[17] 徐思思,张红方. 科技型人才聚集与高新产业协同度研究——基于武汉市的分析[J]. 武汉理工大学学报：社会科学版, 2018,31(2):113-119.

[18] HAKEN H SYNERGETICS. Introduction and advanced topics[M]. 3nd Berlin: Springer, 2004:24-45.

[19] 孟庆松,韩文秀. 复合系统协调度模型研究[J]. 天津大学学报, 2000(4):444-446.

[20] 夏业领,何刚. 中国科技创新-产业升级协同度综合测度[J]. 科技管理研究, 2018,38(8):27-33.

[21] 王宏起,徐玉莲. 科技创新与科技金融协同度模型及其应用研究[J]. 中国软科学, 2012(6):129-138.

[22] 郭跃进,朱平利. 我国区域科技人才竞争力评价研究[J]. 科技进步与对策, 2014,31(8):130-134.

A Measurement Model for Synergetic Degree between S &T Talents and S &T Innovation and its Application

Li Liangcheng^1,2, Chen Xin², Zheng Shiming²

(1.School of Marxism, South China University of Technology;2.School of Public Administration, South China University of Technology, Guangzhou 510641, China)

Abstract ：The interaction and coordinated development mechanism between S&T talents and S&T innovation were analyzed. Based on this, it constructed the S&T talents subsystem order degree model, the S&T innovation subsystem order degree model and the composite system synergetic degree measurement model. Adopting statistics from 2006 to 2016 in mainland China, it conducted an empirical analysis on the S&T talents and S&T innovation composite system synergy of the same base period, and the adjacent base period as well, the data of the past decade shows that the same base-phase synergies of S&T talents and S&T innovation composite system have risen significantly, while the adjacent base phase synergies of S&T talents and S&T innovation composite systems have been stable and at low-level, and the synergy growth rate of S&T talents subsystems and S&T innovation subsystems tends to be more consistent in the synergies and to be in a good mutual promotion process. Some suggestions for promoting the coordinated development of the composite system were proposed.

Key Words :Scientific and Technological Talent; Scientific and Technological Innovation; Synergetic Degree; Measurement Model

DOI ：10.6049/kjjbydc.L201808207

开放科学(资源服务)标识码( OSID)：

中图分类号： C969：G

文献标识码： A

文章编号： 1001-7348(2019)10-0130-08

收稿日期： 2018-12-04

基金项目： 国家社会科学基金重大项目(17ZDA063)；国家自然科学基金面上项目(71673308)

作者简介： 李良成(1965-)，男，湖北洪湖人，博士，华南理工大学马克思主义学院与公共管理学院研究员、硕士生导师，研究方向为公共政策分析、高教管理、战略管理；陈欣(1994-)，女，四川南充人，华南理工大学公共管理学院硕士研究生，研究方向为公共政策分析；郑石明(1967-)，男，湖南永州人，博士，华南理工大学公共管理学院教授、博士生导师，研究方向为环境政策、创新政策、治理创新。

湖北省科学技术协会 协办

(责任编辑：万贤贤)

标签：科技人才论文;  科技创新论文;  协同度论文;  测度模型论文;  华南理工大学马克思主义学院论文;  华南理工大学公共管理学院论文;