动态演变的商业环境与技术环境、变化多端的顾客偏好与市场竞争，提高了企业技术创新的复杂性、对资源和任务等外部环境的依赖性。环境的提升对企业创新活动开展与竞争优势保持、区域创新能力提升乃至经济水平增长都具有重要作用^[1]。因此构建适应创新驱动发展要求的创新环境也成为了中国实施创新驱动发展战略的核心任务。创新环境论最先由欧洲创新研究小组(groupe de recherche europe sur les millieu innovateurs，GREMI)^[2]在研究欧洲高新产业区的过程中提出，并将其定义为培育创新和创新型企业的场所。后续学者研究往往以此为基础并将创新环境限定为外部创新环境，认为创新环境是作用于企业创新决策和行为的外部要素，将直接影响企业的创新意愿、过程和结果。因此对企业创新需求的满足是创新环境设计与优化的核心任务，相比于传统的创新环境评价研究，从要素需求方——企业的视角设计的评价体系有助于反映中国创新环境建设水平。因此，本文尝试按照创新环境要素对企业创新活动的作用方式划分维度，并按照其影响机理构建指标体系的设计思路，运用Entropy-Topsis模型对中国制造业企业创新环境要素水平进行综合评价，结合评价结果剖析诸环境要素的发展水平，有助于深入挖掘优化创新环境建设的关键路径，并提出优化建议。

1 驱动创新的环境因素维度设计

根据外部环境要素对企业创新活动作用机制划分，企业创新环境要素可以分为以保障机制影响企业创新活动的保障效应要素、以动力机制影响企业创新活动的动力效应要素和以传导机制影响企业创新活动的网络效应要素三个维度。考虑到国内外学者研究视角差异而导致的内涵界限不清的现象，对创新环境要素的三个维度内涵界定如下。

1.1 以保障方式影响企业创新活动的保障效应要素

资源依赖理论认为，企业的行为受限于给予其所需资源的外部实体的需要^[3]，创新行为亦是如此，它将受制于企业自有的可用于创新资源及可获得的外部资源总和，因此外部创新资源的可得性和获取成本也是影响企业创新行为的重要因素之一。保障效应要素是指用于保障企业在从事创新活动中由于自身创新资源的不足而导致创新失败的外部资源要素集合。其主要通过为企业提供创新所需要的资源以驱动企业创新产出。此类要素的评价应当以测度企业创新过程中所需要的创新资源满足程度为目标，从企业对外部创新资源的期望及对可获得的外部创新资源的感知两个角度搜集数据，并通过对比两者差距计算各要素保障程度来描述创新环境的保障效应。

1.2 以动力方式影响企业创新活动的动力效应要素

为了避免内涵上的重复，本文将动力效应要素限定为对企业创新绩效存在着直接作用关系的那些要素。结合期望效用理论及前景理论的主要观点，动力效应要素是指外部动力要素中那些直接影响企业对所从事创新活动的未来收益和风险的预期，进而促使企业制定创新决策的要素集合。其主要以激励和规制两种手段直接促使企业制定创新决策，进而驱动企业创新行为。

1.3 以传导方式影响企业创新活动的网络效应要素

吴贵生等认为为了追求创新，企业需要同其它组织(供应商、客户、竞争者、研究机构、投资银行、政府部门等)建立各种联系，这种联系组成一个个网络，影响着企业创新^[4]。因此，网络效应要素主要是指创新主体或成员间基于某种相互联系(如竞争关系、合作关系或社会关系等)而形成的网络关联，旨在通过传导信息和资源以激发企业创新意愿的要素集合^[5]。通常表现为传导机制，通过将外部环境变化传导并映射创新主体来激发其创新意愿。

该类要素的传导作用意味着更高的网络效应未必会进一步提升企业创新绩效，应当考虑通过对网络效应与企业创新意愿之间的复合函数，在降维的基础上对网络效应进行测度与分析。

另外需要指出的是，政府的各项创新资金投入虽然为企业从外部获取并且起到用来保障企业创新活动所需资金的作用。但是考虑到这种资金的无偿性且获取成本几乎为零等特点，其投入可以视为企业创新活动投入的减项，动力效应远大于保障效应。因此按要素的重要性将其归类于动力效应要素。

综上所述，环境要素对企业创新活动影响机制的理论研究框架由保障效应类要素、动力效应类要素、网络效应类要素构成，其分别通过保障机制、动力机制、传导机制影响企业创新活动。

2 中国制造业企业创新环境评价指标 2.1 保障效应要素评价指标

保障效应要素是指企业在从事创新活动中由于自身创新资源的不足而需要外部资源提供保障的要素集合。企业只能将拥有产权的资源用以生产活动，表现为资源的产权附加性，即资源以存量的形式存在于企业内部或企业所处的环境之中才能体现资源的价值。企业通过调动各种内外部资源以保障创新决策的有效执行，外部资源在弥补内部资源不足的同时，也能平衡资源获取成本的差异，以优化资源结构，提高创新收益。

参考国内外研究成果将保障效应要素划分为人力资源、财力资源、物力资源、信息资源、服务资源和配套资源等^[6-12]，包括18个具体指标。

2.2 动力效应要素评价指标

动力效应要素是指外部动力要素中影响企业对外部环境感知，使企业对所从事创新活动的未来效益和风险产生良好预期，进而激励企业制定创新决策的要素构成的要素集合。在动力效应要素的作用下，企业将对外部环境做出反应，但企业是否通过创新行为来改善现有处境，一方面取决于创新产品的发展前景，另一方面企业也将考虑创新决策的投入产出比率，两者共同构成了企业内部创新动力。动力效应类要素应当对企业创新活动具有明显的推动或拉动作用，通过提高企业内部创新动力从而达到影响企业创新决策目的。根据作用主体的不同动力效应要素可分为市场需求、科学技术以及政府支持三类要素。其中，市场需求和科学技术是通过创新所带来的未来收益拉动或推动企业创新^[13]；而政府支持是通过改善创新中的不确定性来避免企业决策者的损失规避本能，促使企业做出创新决策的要素。参考国内外研究成果^[14-16]，细化动力效应要素的三个维度，确定9个具体指标测度。

2.3 网络效应类要素评价指标

参考文献[17]，按照网络连接关系的差异，可将网络效应类要素划分为竞争关系网络、合作关系网络和外部支持网络。竞争关系网络是企业间由于竞争关系而形成的网状关联，主体包括企业直接竞争者、间接竞争者和企业自身，以水平联系为纽带；合作关系网络是指多个企业及相关主体间以直接或间接方式联系，并通过知识以及资源共享来从事产品(工艺)创新及其产业化活动而形成的正式和非正式关系，以垂直联系连接；外部支持网络指由于主体之间相互了解、沟通、深度互动和认同所构成的近乎制度化的联系和联结，通过网络中企业彼此的创新文化、思维及交流融合形成新的价值观、契约和文化氛围，进而影响企业创新活动，以人际联系连接。基于以上分析，并参考国内外相关成果^[18-21]，设置8个评价指标分别测度网络效应要素的三个维度。

3 基于Entropy-Topsis的中国制造业企业创新环境评价方法 3.1 应用熵值法确定评价指标权重

熵值法根据指标的变动程度反映其所包含的信息量，进而计算各指标的权重，以指标的信息熵为依据分配权重，最大限度的避免主观因素的干扰。熵权法的计算步骤如下：将原始数据按测评对象(m)和测评指标(n)构造m×n数据矩阵如下

$\mathit{\boldsymbol{A}} = {({x_{ij}})_{m \times n}} = \left[ {\begin{array}{*{20}{c}} {{x_{11}}}&{{x_{12}}}& \cdots &{{x_{1n}}}\\ {{x_{21}}}&{{x_{22}}}& \cdots &{{x_{2n}}}\\ \vdots & \vdots & \vdots & \vdots \\ {{x_{m1}}}&{{x_{m2}}}& \cdots &{{x_{mn}}} \end{array}} \right]$

(1)

利用式(2)~(5) 分别将正向测评和负向指标同向化和无量纲化：

${y_{ij}} = \left( {1 - \alpha } \right) + \alpha ({x_{ij}} - {b_j})/({a_j} - {b_j})$

(2)

${y_{ij}} = \left( {1 - \alpha } \right) + \alpha ({a_j} - {x_{ij}})/({a_j} - {b_j})$

(3)

${y_{ij}} = \left( {1 - \alpha } \right) + \alpha /(1 + {x_{ij}} - \beta )$

(4)

式中：β为该指标的最合适值, 0＜α＜1

$\begin{array}{l} {y_{ij}} = {\rm{ }}\left\{ \begin{array}{l} 1 + \left( {1 - \alpha } \right) - \alpha ({\beta _1} - {x_{ij}})/\\ \;\;{\rm{max}}({\beta _1} - {b_j},{a_j} - {\beta _2}),\quad {x_{ij}} < {\beta _1}\\ 1 + \left( {1 - \alpha } \right) - \alpha ({x_{ij}} - {\beta _2})/\\ \quad {\rm{max}}({\beta _1} - {b_j},{a_j} - {\beta _2}),\quad {x_{ij}} > {\beta _2}\\ 1,\quad \quad \quad \quad \quad \quad \quad \quad \quad \quad {\beta _1} \le {x_{ij}} \le {\beta _2} \end{array} \right.\\ \quad \quad \quad \quad \quad i = 1,2, \cdots ,m;j = 1,2, \cdots ,n \end{array}$

(5)

式中：a_j=max(x_ij)，b_j=min(x_ij)，0＜α＜1。将所有的规范化指标y_ij表述为标准化矩阵B如式(6)。

$\mathit{\boldsymbol{B}} = {({y_{ij}})_{m \times n}} = \left[ {\begin{array}{*{20}{c}} {{y_{11}}}&{{y_{12}}}& \cdots &{{y_{1n}}}\\ {{y_{21}}}&{{y_{22}}}& \cdots &{{y_{2n}}}\\ \vdots & \vdots & \vdots & \vdots \\ {{y_{m1}}}&{{y_{m2}}}& \cdots &{{y_{mn}}} \end{array}} \right]$

(6)

对于标准化矩阵B，以式(7) 计算其指标j下项目i的指标值比重p_ij：

${{p}_{ij}}={{y}_{ij}}/{{\sum }^{m}}_{i=1}{{y}_{ij}}$

(7)

计算指标j的熵值e_j的表达式为

${{e}_{j}}=-K{{\sum }^{m}}_{i=1}{{p}_{ij}}ln{{p}_{ij}}$

(8)

式中：K=1/ln(m)，若p_ij=0，则p_ijlnp_ij=0。

用式(9) 计算指标j的熵权w_j：

$\begin{align} & {{w}_{j}}=\frac{(1-{{e}_{j}})}{{{\sum }^{n}}_{j=1}(1-{{e}_{j}})},j=1,2,\cdots ,n, \\ & {{\sum }^{n}}_{j=1}{{w}_{j}}=1 \\ \end{align}$

(9)

3.2 应用Topsis模型综合测评中国制造业企业创新环境 3.2.1 Topsis模型概述

Topsis通过比较评价对象分别与最优、最劣两种方案的距离，获得各评价对象与最优方案的相对接近程度，以此作为评价优劣的依据。在中国制造业企业创新环境评价指标集合中，通过测量各项指标与最优向量及最劣向量的距离并进行排序，以此定量化的表述中国各区域制造业企业创新环境的优劣。

3.2.2 Topsis模型的操作步骤

参考文献[32-33]，确定模型操作步骤如下：

1) 由前文所述的标准化矩阵B=(y_ij)_m×n，(i=1，2，…，m；j=1，2，…，n)和权重向量W=[w₁w₂…w_n]^T，通过式(10) 得到加权后的决策矩阵R。

$\begin{align} & \mathit{\boldsymbol{R}}=\mathit{\boldsymbol{B}}\times \mathit{\boldsymbol{W}}={{({{r}_{ij}})}_{m\times n}}={{({{y}_{ij}}\times {{w}_{j}})}_{m\times n}}, \\ & \quad i=1,2,\cdots ,m;j=1,2,\cdots ,n \\ \end{align}$

(10)

2) 正向理想解S⁺和负向理想解S^-通过式(11)、(12) 计算得出。

$\begin{align} &{{S}^{+}}=\left\{ {{r}^{+}}_{j},j=1,2,\cdots ,n \right\}=\text{max}\left( {{z}_{ij}} \right) \\ &\quad \quad i=1,2,\cdots ,m;j=1,2,\cdots ,n \\ \end{align}$

(11)

$\begin{align} &{{S}^{-}}=\{{{r}^{-}}_{j},j=1,2,\cdots ,n\}=\text{min}({{z}_{ij}}) \\ &\quad \quad i=1,2,\cdots ,m;j=1,2,\cdots ,n \\ \end{align}$

(12)

3) 用式(13)、(14) 计算各测评对象的测评值到正向理想解S⁺和负向理想解S^-的欧氏距离。

${{d}^{+}}_{i}=\sqrt{{{\sum }^{n}}_{j=1}{{({{r}_{ij}}-{{r}^{+}}_{j})}^{2}},i=1,2,\cdots ,m}$

(13)

${{d}^{-}}_{i}=\sqrt{{}}{{\sum }^{n}}_{j=1}{{({{r}_{ij}}-{{r}^{-}}_{j})}^{2}},i=1,2,\cdots ,m$

(14)

4) 以式(15) 分别计算m个评价对象与最优方案的接近程度，以测量各区域制造业企业创新环境的差异。

${{C}_{i}}={{d}^{-}}_{i}/({{d}^{+}}_{i}+{{d}^{-}}_{i}),i=1,2,\cdots ,m$

(15)

4 实证评价 4.1 数据来源与问卷分析

在正式调研之前，参考和借鉴国内外具有高信度和效度的成熟量表生成预调研问卷，确保量表的内容效度及说服力；需要指出的是，为更好地反映保障效应要素的供给和满足程度，问卷中将保障效应要素题项分为期望和感知两部分，通过感知值描述企业对各种创新资源供给程度的评价，通过感知与期望的比值描述企业对各种创新资源满足程度的评价；而网络效应类要素在题项设计时将题项表述为“您认为您所在的区域中XX在多大程度上激发您在企业中开展技术创新活动”以避免网络指标与创新意愿不匹配的情况发生。

向本校80名MBA和EMBA学员发放预调研问卷，平均答题时间为824 s，筛除信度和效度较低的问项，并对用词及语序进行修正，生成正式问卷。根据各地区创新环境建设水平的差异，结合评价结果比较分析的需要，本文依据《中国区域创新能力报告2013》中的指标数据，对中国制造业企业按创新产出进行聚类分析并划分区域，以划分结果为依据进行抽样调查。在工信部的协助下，借助专业问卷服务机构，向中国内地五个区域30个省级行政单位的制造业企业共发放问卷2 368份。问卷共发放两次，2014年10~12月间在全国范围内发放问卷1 986份，因第五类地区回收问卷不足100份，于2015年3~4月在上述地区补充发放382份；最终回收有效问卷553份，有效回收率为23.35%。五类地区的划分及有效回收的问卷数量如表 1所示。

样本企业情况如表 2所示，其中成立5年以上的制造业企业占比98.55%，且各时间段分布比较均匀，这些企业在多年的经营中对创新环境的感知较为完整和准确，因此提供的信息更为可靠；样本中85%的企业主营业务收入处于5 000万元~50亿元，这也是企业迫切需要通过创新活动来实现转型和腾飞的阶段，因此获得了较高的回复率，他们对创新环境的高度关注也使得问卷信息价值更高；按行业类别看问卷涵盖了制造业的各个行业，且分布比较均匀，说明样本代表性很高。

问卷数据的项目分析结果表明，保障效应要素和动力效应要素的所有题项均能通过临界比检验，总分相关性检验和同质性检验，网络效应要素中有三个题项未通过项目分析，予以删除。

问卷数据的信度和效度检验结果如表 3所示，三类要素分别经过六次、两次、七次探索性因子分析，抽取出的共同因素与预先编制的指标体系结构相符，其信度和收敛效度、区分效度如下表所示。使用Cronbach′s α衡量量表的信度，结果均大于0.85，信度佳。所有变量KMO值均大于0.7，Bartlett′ s球形检验的p值均小于0.001；公因子累计解释总方差比例均大于50%，各变量因子载荷均大于0.45，量表具有较好的收敛效度。各评价指标间相关系数的置信区间均不涵盖数值1，评价指标间的概念区别显著，量表具有较好的区分效度。

4.2 评价过程与结果 4.2.1 评价过程

考虑到保障效应要素、动力效应要素、网络效应要素分别以保障机制、动力机制、传导机制作用于企业创新活动，且对企业创新活动在影响机制和影响方式上也存在明显的差异。因此，为保证创新环境评价及优化工作的客观性和科学性，应充分考虑上述差异，分别对三类要素进行实证评价。

为保证评价结果的区域可比性，避免样本量差异对评价结果的影响，评价过程按各类地区100份问卷进行评价，并通过纯随机抽样的方式剔除各地区超出的样本数据。在得到每份数据的评价结果之后，按所属区域进行整合，以分别反映五类地区的创新环境发展水平。

4.2.2 评价结果

根据上述的评价原理，运用Entropy-Topsis测评模型，借助Matlab2008进行编程，以五个区域共计500份数据对中国制造业企业创新环境进行综合评价，得到中国制造业企业创新环境影响要素重要程度及综合评价结果如表 4、5所示。

4.3 实证结果分析

评价结果显示，各地区创新环境建设水平基本上与创新产出存在正向相关关系，但在结构上仍存在差异，具体如下：

1) 广东、江苏两地由于地区经济总量大、综合实力强、经济活跃，来自竞争、合作和外部支持的网络效应要素对企业创新意愿影响明显，由于产业中外资企业和国有企业占据主导地位，其对市场和科学技术的关注度高，且易于获得政府政策支持使得该地区企业创新活跃，对创新资源的需求量也较大，虽然保障效应要素供给量大，但仍不能满足创新需要。因此，这些地区创新环境建设的主要瓶颈在于资源供给方面。

2) 北京、上海两地分别为国家政治、金融中心，对创新资源吸附能力强，资源满足度高，动力效应要素和网络效应要素均得到了充分的发挥，创新环境建设基本不存在瓶颈，最能满足创新活动开展的需要。

3) 山东、浙江两地虽然也具有较大的经济总量和较强的综合实力，但是创新环境建设与前两类地区存在着明显的差距。表现在该地区的创新活动主要受到市场的拉动作用影响，科技推动和政府支持作用明显不足，另外该地区对创新人才资源的吸附作用也明显不足，上述问题造成的短板效应严重制约了地区企业创新活动的开展。

4) 天津等四类地区和黑龙江等五类地区虽然各自产业结构和经济总量上有着明显的差距，但是在创新环境建设水平上除了在保障效应要素满足程度上四类地区明显高于五类地区外，其他要素相差不大。说明这些地区由于网络效应要素的传导作用没有得到充分发挥，企业创新意愿不强，进而导致动力效应不明显，这也是导致这些地区创新资源供给较少，但满足程度高的主要原因。

5 结论

本文按照创新环境要素对企业创新活动的作用方式差异划分维度以有针对性地设计评价方案，设计差异化的测度体系以反映各要素的影响机理不同，最后运用Entropy-Topsis模型评价各地区制造业企业创新环境要素水平。评价结果表明：

1) 保障效应和动力效应的综合评价结果与区域聚类结果吻合，网络效应要素评价结果则略显差异。显示出创新环境建设的水平整体上与区域创新能力呈正相关关系，即创新环境建设有助于区域创新能力的提高，创新环境相对落后的区域可以结合自身特点，研究先进地区成功经验的应用价值和可复制性。

2) 环境建设水平与区域创新能力存在差异的情况，原因可能有二，其一是由于区域特点引发环境要素的连续裂变，提升外部资源利用效率；其二是由于环境建设存在要素限制效应，环境要素发展的不均衡性影响区域内企业创新活动的开展。

3) 除北京、上海两地外，全国其他地区均存在着要素瓶颈，评价结果既与各地区创新能力和水平一致，也与笔者近年来在各地调研结果相吻合。说明设计的评价体系与方法能够较好地反映地区创新环境建设与优化水平，运用这一评价体系和方法对地区创新环境的持续关注有助于及时分析各地区创新环境建设中存在的问题和优化方向，进而实现要素间的优化配置，提升创新效果以更好地驱动地区发展。4) 利用Entropy-Topsis模型可以进一步探讨处于不同阶段、不同行业类别、不同规模的制造业企业创新活动的影响，以提高优化制造业企业创新环境对策的针对性和有效性，这也是本文的一个不足，将在以后的研究中进行尝试。