论文部分内容阅读
摘 要:创新型城市的快速发展和城市创新能力密不可分,而创新能力又和科技人力资源有着密切关系。本文着重讨论科技人力资源密度与创新型城市创新能力间关系,通过因子分析将我国30个创新型城市创新能力进行排名,并运用逻辑回归来研究二者间关系,得出科技人力资源密度显著正向影响创新型城市创新能力的结论,最后为科技人力资源开发以及创新型城市有效推进提出合理建议。
关键词:科技人力资源密度 创新型城市 因子分析 逻辑回归
一、引言
创新是人所特有的改造客观世界的体现,是社会赖以生存和发展的动力。创新型城市的建设更是需要创新能力推动,而科技人力资源便是推进创新型城市创新能力建设不可或缺的力量,加大科技人力资源对创新型城市创新能力影响深化探究,不仅可以增强创新型城市竞争优势,而且有利于创新型国家建设目标的实现,进而提高其国际竞争力。国内已有不少学者对科技人力资源密度和区域经济发展之间的关系进行了探究,如方伟、韩伯棠、王栋在其研究中发现,如果经济条件和社会环境相一致,则科技人力资源密度与我国中西部区域经济发展几乎不存在相关性,与东部区域经济发展存在微弱的正相关关系;如果经济条件和社会环境不同,则科技人力资源密度与中西部区域经济发展相关性不显著,与东部区域经济发展具有显著正相关关系。国内大多数学者都是对科技人力资源密度与区域创新能力的关系进行研究,却很少对科技人力资源密度与创新型城市创新能力之间的关系进行研究。二者存在怎样的关系呢?其影响又是如何呢?本文研究得出的结论是二者存在着正相关关系:科技人力资源密度越高,创新型城市创新能力越强。
二、相关概念的界定
1.创新型城市。对创新型城市的概念最具影响力的解释是由Charles Landry早在2000年在 《The Creative City》一书中提出,该书详细阐述了创新型城市如何行动及实施意见。国内相关研究对于创新型城市的概念也可以归结为两种:一种叫城市创新系统;另一种便是被大多数人认可的创新型城市。本文所研究的侧重于后者概念,公认的创新型国家一般都具有以下四个基本特征:(1)创新投入:研发投入占地GDP比重在2.5%以上;(2)科技进步贡献率:科技进步贡献率60%以上;(3)自主创新能力:对外技术依存度在30%以下;(4)创新产出:包括专利、科技论文数等创新产出高。由此可以认为创新型城市也应当具有这些基本特征。本文依据《中国城市低碳经济网》、《国家发展改革委关于推进国家创新型城市试点工作的通知》以及《中国创新型城市发展报告》中提供有关资料,并根据数据的可比性与易获取性,选取30个创新型城市试点:深圳、青岛、厦门、沈阳、西安、广州、南京、杭州、合肥、长沙、苏州、北京、上海、哈尔宾、连云港、济南、成都、大连、南昌、无锡、天津、唐山、包头、嘉兴、洛阳、武汉、兰州、海口、呼和浩特、乌鲁木齐。
2.科技人力资源密度。在此需要先了解科技人力资源的概念。科技人力资源概念最具权威和普遍认可的是1995年经济合作与发展组织(OECD)颁布的《堪培拉手册》,其指出:“从理论上,科技人力资源指的是实际从事或有潜力从事系统性科学和技术知识的产生、促进、传播和应用活动的人力资源”。并且从广义的角度来说,科技人力资源“包括所有完成高等教育的人,不管他们日后是否将学到的知识用于工作”。本文将科技人力资源总数划分为科技人员、高等院校在校学生数以及毕业生数,其中科技人员具体包括专业技术人员、科学技术活动人员、研究与开发(R&D)人员、科学家和工程师。本文30个创新型城市的科技人力资源规模原始数据来源于2014年各城市的统计年鉴。对于科技人力资源密度的测算可用常用方法来测算,即科技人力资源密度=科技人力资源总数/地区总面积。
三、创新型城市创新能力评价指标体系的构建
1.国内外有关创新型城市创新能力评价指标体系的研究。Florida Richard指出创新型城市创新能力核心是技术、人才和宽容,即“三T”指标:Technology、Talent、Tolerance,并运用其开创的创新力指数将美国城市进行创新能力的比较。Charles Landry 采用创新型城市创新能力的评价矩阵对美国城市创新能力进行评价,该矩阵由规模效应、多样性、便利性、安全与保障等指标构成。刘翠、刘彦华、朱慧采用Q型聚类及主成分分析法,从创新投入能力、创新产出能力、创新合作能力和环境支撑能力四个方面出发,评价合肥市的城市创新能力。张洁、刘科伟、刘红光 则根据统计数据及有关资料,运用主成分分析法和聚类分析法对我国主要创新型城市的创新能力进行评价,结果表明其具有显著区域差异。
2.本文关于创新型城市创新能力指标评价体系的构建。通过上述可以看出,对于创新型城市创新能力的评价指标选择上还存在着不少争议,指标体系繁多,由于没有一个统一的指标体系,很多实证研究评价结果不具有可比性。本文根据国内外的有关文献,借鉴喻金田、黄燕婷在创新型城市评价所构建的指标体系的基础上对创新型城市创新能力进行测评,共选取了20个指标,如表1所示。
表1 创新型城市创新能力评价指标体系
目标层 准则层 指标层 单位
創新能力
创新资源 高校在校学生数(X1)
高校毕业学生数(X2)
科技活动人员数(X3)
科技论文数(X4)
图书馆个数(X5) 人
人
人
篇
个
创新投入能力
R&D经费支出占GDP比重(X6)
大中型工业企业研发经费占销售收入比重(X7)
规模以上工业企业投入科技活动经费(X8)
科研机构数(X9)
有技术开发机构的企业占全部企业比重(X10) % %
亿元
个
%
城市竞争力 人均GDP(X11)
GDP年增长率(X12)
第三产业增加值占GDP比重(X13) 元/年
%
%
技术创新能力 专利授权量(X14)
科技成果数(X15)
新产品产值占工业总产值比重(X16) 个
项
%
制度创新能力 财政支出中科研经费支出比重(X17)
全社会教育经费投入占GDP比重(X18) %
%
服务创新能力 互联网用户数(X19)
技术市场合同成交额(X20) 人
亿元
四、创新型城市创新能力评价的实证研究
本文根据创新型城市的代表性和数据的可获得性,选取了我国不同区域的共30个城市,文中所使用的数据来自于《中国统计年鉴2014》、《中国科技统计年鉴2014》、2014年各城市的统计年鉴、2014年各城市的国民经济和社会发展统计公告以及R&D资源清查公报。
1.原始数据标准化处理。因为各个指标所得数据单位不统一,不利于比较分析,所以首先需要进行标准化处理,消除原始数据不同量纲所带来的影响,使得各指标的均值为0,方差为1。此过程通过SPSS19.0能够快速有效的解决。
2.因子分析的适用性检验。通过SPSS19.0对变量进行巴特利特球度检验(Bartlett test of sphericity)和KMO(Kaiser-Meyer-Olkin)检验,我们发现本文巴特利特球度检验的概率P值:0.000<0.05,因而拒绝原假设,说明原有变量存在较强的相关关系,并且KMO值是0.697,可以进行因子分析。
3.变量的共同度和因子抽取。测算结果显示,除了ZscoreX4(科技论文数)和ZscoreX14(专利授权量)之外,其余各项指标的共同度都超过80%,效果较理。通过因子抽取,前5个公因子的累积方差贡献率已经达到了76.39%,说明这5个公因子可以解释原有20个指标变量所涵盖信息。
4.综合排名计算。通过因子得分模型,可以得到因子得分函数:
F1=-0.088X1-0.091X2+0.441X3+0.023X4-0.045X5+0.094X6+…-0.083X20
……
F5=-0.018X1-0.015X2-0.055X3+0.29X4+0.237X5+0.021X6+…+0.027X20
接着,通过每个因子的方差贡献率占5个因子方差累计贡献率(76.397%)的比重当作权重来加权平均,计算公式为:F(综合得分)=0.580F1+0.170F2+0.107F3+0.076F4+0.066F5,最后据此得出30个创新型城市创新能力的排名,从高到低依次是:北京、深圳、天津、上海、廣州、南京、沈阳、济南、成都、长沙、哈尔滨、西安、武汉、大连、洛阳、杭州、南昌、唐山、厦门、无锡、苏州、合肥、包头、青岛、连云港、兰州、嘉兴、海口、呼和浩特、乌鲁木齐。
五、科技人力资源密度与创新型城市创新能力的相关性分析
为了研究科技人力资源密度对创新型城市创新能力排名是否有影响,本文通过二元逻辑回归来研究二者是否存在正相关关系。由于逻辑回归要求因变量是分类变量,因而首先对因变量进行赋值处理,在此将创新型城市创新能力排名前十位的赋值为1,代表城市创新能力较强,排名后二十位的赋值为0,代表城市创新能力较弱。处理结果如表2所示。
表2 30个创新型城市创新能力逻辑回归
B S.E. Wals df Sig. Exp (B)
步骤 1a 科技人力资源密度 0.029 0.011 6.975 1 0.008 1.029
常量 -3.230 1.082 8.908 1 0.003 0.040
a. 在步骤 1 中输入的变量: 科技人力资源密度。从表2中可以看出,自变量的概率P值:0.008<0.05,说明科技人力资源密度和创新型城市创新能力之间具有显著关系,与方差分析所得结论一致。并且由于自变量的系数B是0.029,为正值,说明二者具有正相关关系,即科技人力资源密度越高,创新型城市的创新能力越强。
六、实证结论与建议
1.主要结论。通过以上研究,可以得出几点结论:
1.1我国各个创新型城市的建设程度明显呈现出不均衡的现状。由30个城市的创新能力得分和排名可以发现,各个城市的得分存在较大的差距,这说明这些城市在某些方面做得较好,而在另一些方面存在着缺陷,也就是说各城市在创新型城市的建设过程中对各方面的均衡发展没有引起足够的重视,从而导致了整体绩效的低下。
1.2科技人力资源密度显著正向影响创新型城市创新能力。从科技人力资源密度与创新型城市创新能力的相关性可知,二者之间存在着显著正向影响,即创新型城市创新能力随着科技人力资源密度的增加而提高。本文认为影响科技人力资源密度的因素包括各个创新型城市的高等教育水平和规模、对创新实践的支持力度、政策以及环境等。创新型城市的快速有效发展,需要科技创新的大力推动,而创新能力又依赖于科技人力资源规模,进而反过来影响创新型城市的最终排名。
2.建议。
2.1增加科技人力资源规模,采取有效措施减少其流失。创新型城市创新能力与科技人力资源密度有着显著正向关系,因而想要推动城市经济发展,就必须扩大科技人力资源队伍规模。一方面由于教育是科技人力资源源泉,所以应当重视并大力发展高等教育;另一方面应制定有关吸引科技人员的政策,通过有效可行政策来避免科技人员流失。 2.2提高科技研发投入力度,加强科技人才队伍建设。创新型城市的建设,离不开科技研发的投入,尽管当前社会大环境处于经济“新常态”,但对于科技研发的投入不能减少,反而应当提高。并且还要加强科技人员队伍建设,既发挥其为创新型城市服务的作用,也有助于城市的创新能力不断提高。
2.3发挥政府的调控能力,加强城市间的城市合作。政府应当发挥其宏观调控能力,对本地区的有利于创新的各种资源进行调配和充分利用,从而吸引更多的科技人力资源。另外,由于每个城市都具有其他城市所不具有的优势,因此创新型城市之间应当加强合作,取长补短,建立和完善协同创新机制,推动科技人力资源在不同城市合理配置,从而加快城市创新能力共同提升。
参考文献:
[1]方伟,韩伯棠,王栋.科技人力资源分布密度与区域经济发展不平衡的关系研究[J].科技进步与对策,2008(25):18-21.
[2] LANDRY C. The creative city:a toolkit for urban innovators[M]. Earthscan Publications Ltd,2000.
[3] 国家发展和改革委员会.国家发展改革委关于推进国家创新型城市试点工作的通知(发改高技[2010]30号)[Z].2010-01-07.
[4] 经济合作与发展组织(OECD)欧盟统计局.科技部发展计划司、中国科技指标研究会.弗拉斯卡蒂叢书:科技人力资源手册[M].北京:新华出版社,2000.
[5] RICHARD F. The rise of the creative class[M]. New York Basic,2002.
[6] 刘翠,刘彦华,朱慧.合肥市创新能力实证研究[J].合肥工业大学学报(社会科学版), 2013(3):40-45.
[7] 张洁,刘科伟,刘红光.我国主要城市创新能力评价[J].科技管理研究,2007(11):74-77.
[8] 喻金田,黄燕婷.创新型城市评价指标体系研究——基于国内理论与实践的对比分析 [J].科技管理研究,2012(14):51-54.
作者简介:黄志强(1990—),男,安徽合肥人,安徽大学商学院硕士研究生,研究方向:技术经济管理;程玲玲(1990—),女,安徽安庆人,安徽大学商学院硕士研究生,研究方向:技术经济管理
※基金项目:国家自然科学基金资助项目(71372183);国家自然科学基金青年科学基金资助项目(71202064);安徽省高等教育振兴计划人才项目之安徽省学术技术带头人培养资助计划项目(05201350);安徽省省级质量工程项目“校企合作实践教育基地建设”(2012SJJD006)资助,安徽大学研究生扶持项目(yfc100317).
关键词:科技人力资源密度 创新型城市 因子分析 逻辑回归
一、引言
创新是人所特有的改造客观世界的体现,是社会赖以生存和发展的动力。创新型城市的建设更是需要创新能力推动,而科技人力资源便是推进创新型城市创新能力建设不可或缺的力量,加大科技人力资源对创新型城市创新能力影响深化探究,不仅可以增强创新型城市竞争优势,而且有利于创新型国家建设目标的实现,进而提高其国际竞争力。国内已有不少学者对科技人力资源密度和区域经济发展之间的关系进行了探究,如方伟、韩伯棠、王栋在其研究中发现,如果经济条件和社会环境相一致,则科技人力资源密度与我国中西部区域经济发展几乎不存在相关性,与东部区域经济发展存在微弱的正相关关系;如果经济条件和社会环境不同,则科技人力资源密度与中西部区域经济发展相关性不显著,与东部区域经济发展具有显著正相关关系。国内大多数学者都是对科技人力资源密度与区域创新能力的关系进行研究,却很少对科技人力资源密度与创新型城市创新能力之间的关系进行研究。二者存在怎样的关系呢?其影响又是如何呢?本文研究得出的结论是二者存在着正相关关系:科技人力资源密度越高,创新型城市创新能力越强。
二、相关概念的界定
1.创新型城市。对创新型城市的概念最具影响力的解释是由Charles Landry早在2000年在 《The Creative City》一书中提出,该书详细阐述了创新型城市如何行动及实施意见。国内相关研究对于创新型城市的概念也可以归结为两种:一种叫城市创新系统;另一种便是被大多数人认可的创新型城市。本文所研究的侧重于后者概念,公认的创新型国家一般都具有以下四个基本特征:(1)创新投入:研发投入占地GDP比重在2.5%以上;(2)科技进步贡献率:科技进步贡献率60%以上;(3)自主创新能力:对外技术依存度在30%以下;(4)创新产出:包括专利、科技论文数等创新产出高。由此可以认为创新型城市也应当具有这些基本特征。本文依据《中国城市低碳经济网》、《国家发展改革委关于推进国家创新型城市试点工作的通知》以及《中国创新型城市发展报告》中提供有关资料,并根据数据的可比性与易获取性,选取30个创新型城市试点:深圳、青岛、厦门、沈阳、西安、广州、南京、杭州、合肥、长沙、苏州、北京、上海、哈尔宾、连云港、济南、成都、大连、南昌、无锡、天津、唐山、包头、嘉兴、洛阳、武汉、兰州、海口、呼和浩特、乌鲁木齐。
2.科技人力资源密度。在此需要先了解科技人力资源的概念。科技人力资源概念最具权威和普遍认可的是1995年经济合作与发展组织(OECD)颁布的《堪培拉手册》,其指出:“从理论上,科技人力资源指的是实际从事或有潜力从事系统性科学和技术知识的产生、促进、传播和应用活动的人力资源”。并且从广义的角度来说,科技人力资源“包括所有完成高等教育的人,不管他们日后是否将学到的知识用于工作”。本文将科技人力资源总数划分为科技人员、高等院校在校学生数以及毕业生数,其中科技人员具体包括专业技术人员、科学技术活动人员、研究与开发(R&D)人员、科学家和工程师。本文30个创新型城市的科技人力资源规模原始数据来源于2014年各城市的统计年鉴。对于科技人力资源密度的测算可用常用方法来测算,即科技人力资源密度=科技人力资源总数/地区总面积。
三、创新型城市创新能力评价指标体系的构建
1.国内外有关创新型城市创新能力评价指标体系的研究。Florida Richard指出创新型城市创新能力核心是技术、人才和宽容,即“三T”指标:Technology、Talent、Tolerance,并运用其开创的创新力指数将美国城市进行创新能力的比较。Charles Landry 采用创新型城市创新能力的评价矩阵对美国城市创新能力进行评价,该矩阵由规模效应、多样性、便利性、安全与保障等指标构成。刘翠、刘彦华、朱慧采用Q型聚类及主成分分析法,从创新投入能力、创新产出能力、创新合作能力和环境支撑能力四个方面出发,评价合肥市的城市创新能力。张洁、刘科伟、刘红光 则根据统计数据及有关资料,运用主成分分析法和聚类分析法对我国主要创新型城市的创新能力进行评价,结果表明其具有显著区域差异。
2.本文关于创新型城市创新能力指标评价体系的构建。通过上述可以看出,对于创新型城市创新能力的评价指标选择上还存在着不少争议,指标体系繁多,由于没有一个统一的指标体系,很多实证研究评价结果不具有可比性。本文根据国内外的有关文献,借鉴喻金田、黄燕婷在创新型城市评价所构建的指标体系的基础上对创新型城市创新能力进行测评,共选取了20个指标,如表1所示。
表1 创新型城市创新能力评价指标体系
目标层 准则层 指标层 单位
創新能力
创新资源 高校在校学生数(X1)
高校毕业学生数(X2)
科技活动人员数(X3)
科技论文数(X4)
图书馆个数(X5) 人
人
人
篇
个
创新投入能力
R&D经费支出占GDP比重(X6)
大中型工业企业研发经费占销售收入比重(X7)
规模以上工业企业投入科技活动经费(X8)
科研机构数(X9)
有技术开发机构的企业占全部企业比重(X10) % %
亿元
个
%
城市竞争力 人均GDP(X11)
GDP年增长率(X12)
第三产业增加值占GDP比重(X13) 元/年
%
%
技术创新能力 专利授权量(X14)
科技成果数(X15)
新产品产值占工业总产值比重(X16) 个
项
%
制度创新能力 财政支出中科研经费支出比重(X17)
全社会教育经费投入占GDP比重(X18) %
%
服务创新能力 互联网用户数(X19)
技术市场合同成交额(X20) 人
亿元
四、创新型城市创新能力评价的实证研究
本文根据创新型城市的代表性和数据的可获得性,选取了我国不同区域的共30个城市,文中所使用的数据来自于《中国统计年鉴2014》、《中国科技统计年鉴2014》、2014年各城市的统计年鉴、2014年各城市的国民经济和社会发展统计公告以及R&D资源清查公报。
1.原始数据标准化处理。因为各个指标所得数据单位不统一,不利于比较分析,所以首先需要进行标准化处理,消除原始数据不同量纲所带来的影响,使得各指标的均值为0,方差为1。此过程通过SPSS19.0能够快速有效的解决。
2.因子分析的适用性检验。通过SPSS19.0对变量进行巴特利特球度检验(Bartlett test of sphericity)和KMO(Kaiser-Meyer-Olkin)检验,我们发现本文巴特利特球度检验的概率P值:0.000<0.05,因而拒绝原假设,说明原有变量存在较强的相关关系,并且KMO值是0.697,可以进行因子分析。
3.变量的共同度和因子抽取。测算结果显示,除了ZscoreX4(科技论文数)和ZscoreX14(专利授权量)之外,其余各项指标的共同度都超过80%,效果较理。通过因子抽取,前5个公因子的累积方差贡献率已经达到了76.39%,说明这5个公因子可以解释原有20个指标变量所涵盖信息。
4.综合排名计算。通过因子得分模型,可以得到因子得分函数:
F1=-0.088X1-0.091X2+0.441X3+0.023X4-0.045X5+0.094X6+…-0.083X20
……
F5=-0.018X1-0.015X2-0.055X3+0.29X4+0.237X5+0.021X6+…+0.027X20
接着,通过每个因子的方差贡献率占5个因子方差累计贡献率(76.397%)的比重当作权重来加权平均,计算公式为:F(综合得分)=0.580F1+0.170F2+0.107F3+0.076F4+0.066F5,最后据此得出30个创新型城市创新能力的排名,从高到低依次是:北京、深圳、天津、上海、廣州、南京、沈阳、济南、成都、长沙、哈尔滨、西安、武汉、大连、洛阳、杭州、南昌、唐山、厦门、无锡、苏州、合肥、包头、青岛、连云港、兰州、嘉兴、海口、呼和浩特、乌鲁木齐。
五、科技人力资源密度与创新型城市创新能力的相关性分析
为了研究科技人力资源密度对创新型城市创新能力排名是否有影响,本文通过二元逻辑回归来研究二者是否存在正相关关系。由于逻辑回归要求因变量是分类变量,因而首先对因变量进行赋值处理,在此将创新型城市创新能力排名前十位的赋值为1,代表城市创新能力较强,排名后二十位的赋值为0,代表城市创新能力较弱。处理结果如表2所示。
表2 30个创新型城市创新能力逻辑回归
B S.E. Wals df Sig. Exp (B)
步骤 1a 科技人力资源密度 0.029 0.011 6.975 1 0.008 1.029
常量 -3.230 1.082 8.908 1 0.003 0.040
a. 在步骤 1 中输入的变量: 科技人力资源密度。从表2中可以看出,自变量的概率P值:0.008<0.05,说明科技人力资源密度和创新型城市创新能力之间具有显著关系,与方差分析所得结论一致。并且由于自变量的系数B是0.029,为正值,说明二者具有正相关关系,即科技人力资源密度越高,创新型城市的创新能力越强。
六、实证结论与建议
1.主要结论。通过以上研究,可以得出几点结论:
1.1我国各个创新型城市的建设程度明显呈现出不均衡的现状。由30个城市的创新能力得分和排名可以发现,各个城市的得分存在较大的差距,这说明这些城市在某些方面做得较好,而在另一些方面存在着缺陷,也就是说各城市在创新型城市的建设过程中对各方面的均衡发展没有引起足够的重视,从而导致了整体绩效的低下。
1.2科技人力资源密度显著正向影响创新型城市创新能力。从科技人力资源密度与创新型城市创新能力的相关性可知,二者之间存在着显著正向影响,即创新型城市创新能力随着科技人力资源密度的增加而提高。本文认为影响科技人力资源密度的因素包括各个创新型城市的高等教育水平和规模、对创新实践的支持力度、政策以及环境等。创新型城市的快速有效发展,需要科技创新的大力推动,而创新能力又依赖于科技人力资源规模,进而反过来影响创新型城市的最终排名。
2.建议。
2.1增加科技人力资源规模,采取有效措施减少其流失。创新型城市创新能力与科技人力资源密度有着显著正向关系,因而想要推动城市经济发展,就必须扩大科技人力资源队伍规模。一方面由于教育是科技人力资源源泉,所以应当重视并大力发展高等教育;另一方面应制定有关吸引科技人员的政策,通过有效可行政策来避免科技人员流失。 2.2提高科技研发投入力度,加强科技人才队伍建设。创新型城市的建设,离不开科技研发的投入,尽管当前社会大环境处于经济“新常态”,但对于科技研发的投入不能减少,反而应当提高。并且还要加强科技人员队伍建设,既发挥其为创新型城市服务的作用,也有助于城市的创新能力不断提高。
2.3发挥政府的调控能力,加强城市间的城市合作。政府应当发挥其宏观调控能力,对本地区的有利于创新的各种资源进行调配和充分利用,从而吸引更多的科技人力资源。另外,由于每个城市都具有其他城市所不具有的优势,因此创新型城市之间应当加强合作,取长补短,建立和完善协同创新机制,推动科技人力资源在不同城市合理配置,从而加快城市创新能力共同提升。
参考文献:
[1]方伟,韩伯棠,王栋.科技人力资源分布密度与区域经济发展不平衡的关系研究[J].科技进步与对策,2008(25):18-21.
[2] LANDRY C. The creative city:a toolkit for urban innovators[M]. Earthscan Publications Ltd,2000.
[3] 国家发展和改革委员会.国家发展改革委关于推进国家创新型城市试点工作的通知(发改高技[2010]30号)[Z].2010-01-07.
[4] 经济合作与发展组织(OECD)欧盟统计局.科技部发展计划司、中国科技指标研究会.弗拉斯卡蒂叢书:科技人力资源手册[M].北京:新华出版社,2000.
[5] RICHARD F. The rise of the creative class[M]. New York Basic,2002.
[6] 刘翠,刘彦华,朱慧.合肥市创新能力实证研究[J].合肥工业大学学报(社会科学版), 2013(3):40-45.
[7] 张洁,刘科伟,刘红光.我国主要城市创新能力评价[J].科技管理研究,2007(11):74-77.
[8] 喻金田,黄燕婷.创新型城市评价指标体系研究——基于国内理论与实践的对比分析 [J].科技管理研究,2012(14):51-54.
作者简介:黄志强(1990—),男,安徽合肥人,安徽大学商学院硕士研究生,研究方向:技术经济管理;程玲玲(1990—),女,安徽安庆人,安徽大学商学院硕士研究生,研究方向:技术经济管理
※基金项目:国家自然科学基金资助项目(71372183);国家自然科学基金青年科学基金资助项目(71202064);安徽省高等教育振兴计划人才项目之安徽省学术技术带头人培养资助计划项目(05201350);安徽省省级质量工程项目“校企合作实践教育基地建设”(2012SJJD006)资助,安徽大学研究生扶持项目(yfc100317).