2012年3月，教育部、财政部联合发文实施“高等学校创新能力提升计划”(简称“2011计划”)，目标为充分发挥高等学校多学科、多功能的优势，积极联合国内外创新力量，有效整合创新资源，构建协同创新的新模式与新机制，形成有利于协同创新的文化氛围。作为国家创新体系中的重要部分，高校在科技创新中起着举足轻重的作用。那么，中国高校的创新能力到底有多强？创新水平到底有多高？创新绩效到底有多好？这是政府管理部门、科学教育界、学术界、企业界都十分关注的热点问题。为此，武汉大学中国科学评价研究中心提出用“创新指数”衡量高校创新能力。“创新指数”是各高校在科学评价中得到的分数。2012年7月，武汉大学中国科学评价研究中心第三次推出了“中国高校创新指数”，对中国高校的创新能力进行评价^[1]。笔者将对“2012年中国高校创新指数”的原始数据进行分析，从较为深入的层次揭示中国高校创新能力的现状。

一、评价的对象和范围

“2012年中国高校创新指数”以中国121所重点大学(211工程、教育部直属、省部共建大学和燕山大学、黑龙江大学两所地方强校)以及武汉大学中国科学评价研究中心推出的2011年中国一般大学排行榜前100强作为实证分析的研究对象，收集2010-2011年的评价指标原始数据并进行“创新指数”评价。

二、评价指标体系

“2012年中国高校创新指数”依据的指标体系由3个一级指标，8个二级指标，24个三级指标构成。具体评价指标体系见表 1。

三、数据来源和评价模型

“2012年中国高校创新指数”指标体系共包含24个三级指标，其原始数据主要有以下来源：教育部、科技部、国家自然科学基金委、国家知识产权局、中国科技信息研究所等机构发布的统计数据资料；国内外有关数据库(ESI、DERWENT、SCI、SSCI、CSSCI等)；CERNET等网站上公布的统计数据。对指标数据进行处理如下：对部分评价指标，为了体现档次上的差异，按倍数关系等对统计数据进行适当当量处理，如1个ESI高被引作者折算为2个国内期刊高被引作者，1项德温特数据库发明专利折算为3项国内发明专利等；为使各指标能够进行相互比较，对采集到的各指标数值进行归一化处理。

评价模型指的是评价指标和评价结果之间的数学关系表达式。该评价采用线性加权求和法计算创新指数，其数学模型为^[2-3]：

$ {Y_{\rm{i}}} = \sum\limits_{j = 1}^{24} {{W_{\rm{j}}}{X_{{\rm{ij}}}}} \left( {0 \prec {W_{\rm{j}}} \prec 1,j = 1,2, \cdots ,24,\sum\limits_{{\rm{j}} = 1}^{24} {{W_{\rm{j}}}} = 1} \right) $

式中Y_i是第i个参评高校创新指数的得分值，W_j是第j个三级指标的权重系数，X_ij是第i个参评高校第j个三级指标经归一化处理后的值。习惯上，我们将所有参评高校创新指数的得分值Y_i的最高值Y_max定为100，则其他参评高校创新指数得分的相对值如下：

$ {Z_i} = \frac{{{Y_i}}}{{{Y_{\max }}}} \times 100 $

根据Z_i可对各高校的创新指数进行排序。

四、评价结果分析

限于篇幅，本研究仅选取2012年中国高校创新指数前100强作为分析对象，具体排名见表 2。

(一) 学校类型分析

从图 1可知，共有七种类型的高校进入“2012年中国高校创新指数前100强”，其中理工类高校有44所，综合类高校有26所，医药类高校有12所，师范类高校有9所，农林类高校有6所，文法类高校有3所。理工和综合类高校数量最多，排在前两位。与图 1中“评价对象”的曲线比较可知，“前100强”的曲线与其整体趋势一致，不过医药和农林类的高校呈上升趋势，师范和文法类的高校呈下降趋势，民族类高校下降为零。因此，在创新能力方面，医药和农林类高校的表现比师范、文法和民族类高校更突出。这与不同类型高校的性质有关，自然科学类比人文社会科学类的投入、产出要大，且投入、产出更容易进行量化。

(二) 省份分布分析

从图 2可知，北京、江苏、上海、湖北、陕西和广东六省市的高校总数涵盖了前100强高校的3/5，四川、黑龙江和湖南各有4所，山东、辽宁、天津、安徽、吉林和重庆各有3所，浙江、福建和河南各有2所，河北、甘肃、云南、江西和山西各有1所，广西、内蒙古、新疆、西藏、宁夏、贵州、青海和海南9省份无高校入围前100强。因此，前6省份具有良好的创新基础和条件，之后13省份的创新条件较差，创新基础较为薄弱。从地域和经济等方面看，前六省份多为经济较发达地区，经济和教育条件良好，而后13省份多为经济欠发达地区，经济和教育条件比较薄弱。总之，中国不同省份的创新条件和基础差别较大，地区差异明显。

(三) 多重线性回归分析

多重线性回归是简单直线回归的推广，研究一个应变量与多个自变量之间的数量依存关系^[4]。通过SPSS等工具对多重线性回归模型进行拟合可获得其标准化回归系数，标准化回归系数绝对值较大的自变量对应变量的贡献大。笔者通过该方法量化综合排名与创新投入排名、创新产出排名、创新效益排名之间的数量依存关系，以期考察创新投入排名、创新产出排名、创新效益排名对综合排名的影响程度。使用SPSS对以上数据进行多重线性回归分析，设定综合排名为自变量，创新投入排名、创新产出排名、创新效益排名为因变量。

从拟合模型中的R值和R Square值(表 3)可知，该模型具有统计学意义，但是模型有统计学意义不等于模型内所有的变量具有统计学意义，还需要进一步对各自变量进行检验。

从表 4可知t检验的Sig.值小于0.5，模型内的所有变量也具有统计学意义。其中“Input”的偏回归系数为0.173，标准化回归系数为5.338；“Output”的偏回归系数为0.351，标准化回归系数为12.541；“Benifit”偏回归系数为0.322，标准化回归系数为15.252。通过比较三者的标准化回归系数的绝对值，可知“Benifit”对“Overall”的影响程度最大，其次是“Output”，最后是“Input”。因此，创新效益排名对综合排名影响程度最大，其次是创新投入排名、最后是创新产出排名。各高校在提升自身创新能力时，除了加大创新投入外，更要注重创新产出和效益，创新产出和效益才是创新能力的根本所在。

(四) 中国一般大学进入中国高校创新指数前100强的分析

对原始数据统计可知，共有13所一般大学进入2012中国高校创新指数“综合排名”前100强，10所一般大学进入“创新投入排名”前100强，13所一般大学进入“创新产出排名”前100强，24所一般大学进入“创新效益排名”前100强。排名趋势见下图 3。

从图 3可知，“创新效益排名”具有最大值24，“创新产出排名”和“综合排名”的值均为13，“创新投入排名”的值仅为10。巧合的是，不同排名的数值大小分布与多重线性回归模型的分析结果相似：创新效益排名具有最大值，对综合排名影响程度最大，其次是创新投入排名，最后是创新产出排名。该结论与客观事实相符，至于其科学性，还有待于进一步研究。

从表 5可知，医药类高校在各项排名中的数量最多，其次是理工类、综合类、师范类、农林类和文法类，民族类高校尚无一所。该结果与图 1中的结论相似，自然科学类高校的创新能力表现好于人文社科类高校。至于造成该差异的原因，仍是不同科学的属性所致。

五、结论与讨论

从以上分析可知，中国高校的创新能力整体上存在不平衡的特点，且创新效益对高校创新能力的影响程度最大，其次是创新产出，最后是创新投入。

之一，中国高校创新能力具有类型分布不均衡的特点。理工、综合和医药类高校在创新能力方面表现突出，农林、师范和文法类高校其次，而文体和民族类高校表现相对较差。客观上，理工、综合和医药类高校具有雄厚的科研资金和实力。因此，各类型高校之间应加强相互交流合作，努力缩小彼此间的巨大差距。

之二，中国高校创新能力具有省份分布不均衡的特点。北京、江苏、上海、湖北、陕西和广东六省市高校总数涵盖了前100强高校的3/5，而大多数偏远地区省份甚至没有高校入围前100强。因此，国家应对偏远省份的高校进行政策、资金和人才方面的扶持，努力缩小地区之间的巨大差异。

之三，三大指标排名对综合排名的影响程度不同。创新效益排名对综合排名影响程度最大，其次是创新投入排名，最后是创新产出排名。因此，各高校在提升自身创新能力时，除了加大创新投入外，更要注重创新产出和效益。

之四，本研究获取的数据范围仅为2010—2011年，如果时间范围扩大至5年甚至更多，研究结论将会更加理想。