论文部分内容阅读
【摘 要】在知识经济时代，教育、科技和社会的发展是区域经济发展的主要动力因素，明晰三者之间的协同发展关系是制定区域经济发展政策措施的基础。论文建立教育-科技-社会发展复杂系统协同度模型，以浙江等7个省份为例进行实证研究。通过发现三系统协同度的一般规律，为区域发展研究与地方政府政策制定提供理论依据。
【Abstract】In the era of knowledge economy， the development of education， science and technology and society is the main driving force of regional economic development. It is the basis of formulating regional economic development policies and measures to clarify the coordinated development relationship among the three. This paper establishes a coordination degree model of the complex system of education-science and technology-society development， and makes an empirical study of seven provinces including Zhejiang. By finding the general law of the coordination degree of three systems， this paper provides a theoretical basis for regional development research and local government policy-making.
【关键词】区域发展;协同度;面板数据;复杂系统
【Keywords】regional development; coordination degree; panel data; complex system
【中圖分类号】F124;G322 【文献标志码】A 【文章编号】1673-1069（2021）05-0128-02
1 引言
“十四五”时期，为推进区域高质量发展，如何促进各经济要素间产生“1+1>2”的协同效应成为人们关注的焦点。本文将教育、科技和社会的发展关系放在复合系统的框架下展开研究，分别建立3个子系统的有序度和协同度模型，以浙江等7个省份为研究对象进行实证分析，为各省和地区政府关于区域经济发展的决策提供参考。
2 研究理论及方法概述
本文设教育、科技和社会系统Si（i=1，2，3），S1代表教育系统;S2代表科技研发系统;S3代表社会系统。假设系统S1的序参量变量为xi=（xi1，xi2，…，xin），？琢ij≤xij≤？茁ij，n≥1，j∈[1，n]，？琢ij和？茁ij分别为系统Si的第j个指标的下限和上限;将指标分为正向指标（xi1，xi2，…，xim）和负向指标（xim+1，xim+2，…，xin），正向指标是指标值越大，有序度越大;同理负向指标是指指标值越小，有序度就越大。而指标的有序贡献度公式为：
并通过线性加权法，求出系统Si的有序度ui（Xi）：
式（2）中，ωj为第j个指标的权重，并运用熵值法求权重。而系统Si的有序度ui（Xi）∈[0，1]，其值越大，系统Si的有序度就越高，反之则越低。熵值法步骤如下：
①将原始数据归一化。设m个指标n个对象的原始数据矩阵为：
A=（？琢ij）m×n （3）
将其归一化得到：
R=（rij）m×n （4）
②定义熵权。第i个指标的熵为：
③定义熵权。第i个指标的熵权：
通过式（1）～（6），计算出各子系统的有序度之后，运用耦合度函数计算两子系统的协调度：
同时，建立教育、科技创新和社会这三系统协同度模型：
M是Sl、S2和S3三个系统的综合协同度;而K为调和系数（K≥6）;？渍、？浊和？姿分别是Sl、S2和S3的权重。当U1=U2=U3>0时，三个系统协同发展，达到最佳。
④建立生产函数模型，将7省份中的社会与科技创新，社会与教育以及教育、科技创新和社会三系统协同度作为生产要素（由于后期计算的科技创新与教育协同度发展趋势未符合模型，因此，科技创新与教育协同度不作为生产要素），分别与固定资产投入和劳动力投入一起建立C—D生产函数：
Y=AK？姿1L？姿2ST？姿3 （9） Y=BKβ1Lβ2SEβ3 （10）
Y=ZKθ1Lθ2Mθ3 （11）
其中，Y代表GDP;A、B和C代表综合技术水平;K代表固定资本投入量;L代表年末从业人员数表征;ST代表社会与科技创新的协同度;SE代表社会与教育的协同度;M代表教育、科技创新和社会三系统协同度，而λi、βi和θi（i=1，2，3）分别是在不同协同度下，固定资本、劳动力和协同度对经济增长的弹性系数。
3 教育、科技创新和社会协同度实证分析
3.1 确定序参量的权重
根据公式（3）～（6），计算出7个省份教育、科技创新和社会子系统各序参量分量的权系数，如表1所示。
3.2 协同度计算与模型估计
根据式（1）和式（2），分别计算出2003-2019年间7个省份教育子系统、科技创新子系统和社会发展子系统的有序度。其中，？琢ij、？茁ij分别取2003-2019年三大子系统的序参量分量Xij的最大值的110%和最小值的90%。并运用式（7）和式（8）求得社会与科技子系统的协调度、社会与教育子系统的协调度和教育与科技子系统的协调度以及三大系统之间的协同度。
在此基础上，利用Eviews8.0软件对（9）～（11）模型进行估计，结果如下：
（12）
（-2.3301） （18.0071） （6.1971）
（13）
（-0.0402） （21.0507） （3.6028）
（14）
（-4.2424） （0.0288） （0.1599）
（i=1，2，…，7;t=1，2，…，17）
上述回歸模型的拟合优度平均达到了99.5%，拟合效果都较好，而各地区的各协调度的弹性系数λ3i β3i和θ3i的估计结果，如表2所示。
17年来7个省份的教育、科技和社会子系统彼此之间的协同度不断提升。其中，历年的教育与科技创新的协同度最大，一直处于高度协同状态，此外，7个省份的三系统协同度都有不同程度的提高，其中，广东省综合协同度最高，内蒙古和四川最低。
4 结论
研究发现：教育与科技创新协同不受地域和时间的影响，教育是科技创新的重要条件，具有使科学转化为生产技术的中介作用，而科技创新是教育的重要表现，即教育水平越高，科技创新能力越强。因此，为实现教育、科技创新和社会的协同发展，需同时在这三个领域制定相应的政策措施。
【参考文献】
【1】王弟海，陈理子，张晏.我国教育水平提高对经济增长的贡献——兼论公共部门工资溢价对我国教育回报率的影响[J].财贸经济，2017，38（9）：129-145.
【2】管婧婧，周子杰，马国斌.浙江省县域科技创新活动的评估与空间聚集[J].科研管理，2017（10）：58-67.
【3】李雨晨，陈凯华，张艺.科技创新能力测度结果的指标选取差异性研究[J].科学学与科学技术管理，2017，38（4）：3-15.
【4】张红历.中国信息社会发展水平的时空分异研究：2007—2016年[J].情报科学，2017，35（12）：3-9+15.
【Abstract】In the era of knowledge economy， the development of education， science and technology and society is the main driving force of regional economic development. It is the basis of formulating regional economic development policies and measures to clarify the coordinated development relationship among the three. This paper establishes a coordination degree model of the complex system of education-science and technology-society development， and makes an empirical study of seven provinces including Zhejiang. By finding the general law of the coordination degree of three systems， this paper provides a theoretical basis for regional development research and local government policy-making.
【关键词】区域发展;协同度;面板数据;复杂系统
【Keywords】regional development; coordination degree; panel data; complex system
【中圖分类号】F124;G322 【文献标志码】A 【文章编号】1673-1069（2021）05-0128-02
1 引言
“十四五”时期，为推进区域高质量发展，如何促进各经济要素间产生“1+1>2”的协同效应成为人们关注的焦点。本文将教育、科技和社会的发展关系放在复合系统的框架下展开研究，分别建立3个子系统的有序度和协同度模型，以浙江等7个省份为研究对象进行实证分析，为各省和地区政府关于区域经济发展的决策提供参考。
2 研究理论及方法概述
本文设教育、科技和社会系统Si（i=1，2，3），S1代表教育系统;S2代表科技研发系统;S3代表社会系统。假设系统S1的序参量变量为xi=（xi1，xi2，…，xin），？琢ij≤xij≤？茁ij，n≥1，j∈[1，n]，？琢ij和？茁ij分别为系统Si的第j个指标的下限和上限;将指标分为正向指标（xi1，xi2，…，xim）和负向指标（xim+1，xim+2，…，xin），正向指标是指标值越大，有序度越大;同理负向指标是指指标值越小，有序度就越大。而指标的有序贡献度公式为：
并通过线性加权法，求出系统Si的有序度ui（Xi）：
式（2）中，ωj为第j个指标的权重，并运用熵值法求权重。而系统Si的有序度ui（Xi）∈[0，1]，其值越大，系统Si的有序度就越高，反之则越低。熵值法步骤如下：
①将原始数据归一化。设m个指标n个对象的原始数据矩阵为：
A=（？琢ij）m×n （3）
将其归一化得到：
R=（rij）m×n （4）
②定义熵权。第i个指标的熵为：
③定义熵权。第i个指标的熵权：
通过式（1）～（6），计算出各子系统的有序度之后，运用耦合度函数计算两子系统的协调度：
同时，建立教育、科技创新和社会这三系统协同度模型：
M是Sl、S2和S3三个系统的综合协同度;而K为调和系数（K≥6）;？渍、？浊和？姿分别是Sl、S2和S3的权重。当U1=U2=U3>0时，三个系统协同发展，达到最佳。
④建立生产函数模型，将7省份中的社会与科技创新，社会与教育以及教育、科技创新和社会三系统协同度作为生产要素（由于后期计算的科技创新与教育协同度发展趋势未符合模型，因此，科技创新与教育协同度不作为生产要素），分别与固定资产投入和劳动力投入一起建立C—D生产函数：
Y=AK？姿1L？姿2ST？姿3 （9） Y=BKβ1Lβ2SEβ3 （10）
Y=ZKθ1Lθ2Mθ3 （11）
其中，Y代表GDP;A、B和C代表综合技术水平;K代表固定资本投入量;L代表年末从业人员数表征;ST代表社会与科技创新的协同度;SE代表社会与教育的协同度;M代表教育、科技创新和社会三系统协同度，而λi、βi和θi（i=1，2，3）分别是在不同协同度下，固定资本、劳动力和协同度对经济增长的弹性系数。
3 教育、科技创新和社会协同度实证分析
3.1 确定序参量的权重
根据公式（3）～（6），计算出7个省份教育、科技创新和社会子系统各序参量分量的权系数，如表1所示。
3.2 协同度计算与模型估计
根据式（1）和式（2），分别计算出2003-2019年间7个省份教育子系统、科技创新子系统和社会发展子系统的有序度。其中，？琢ij、？茁ij分别取2003-2019年三大子系统的序参量分量Xij的最大值的110%和最小值的90%。并运用式（7）和式（8）求得社会与科技子系统的协调度、社会与教育子系统的协调度和教育与科技子系统的协调度以及三大系统之间的协同度。
在此基础上，利用Eviews8.0软件对（9）～（11）模型进行估计，结果如下：
（12）
（-2.3301） （18.0071） （6.1971）
（13）
（-0.0402） （21.0507） （3.6028）
（14）
（-4.2424） （0.0288） （0.1599）
（i=1，2，…，7;t=1，2，…，17）
上述回歸模型的拟合优度平均达到了99.5%，拟合效果都较好，而各地区的各协调度的弹性系数λ3i β3i和θ3i的估计结果，如表2所示。
17年来7个省份的教育、科技和社会子系统彼此之间的协同度不断提升。其中，历年的教育与科技创新的协同度最大，一直处于高度协同状态，此外，7个省份的三系统协同度都有不同程度的提高，其中，广东省综合协同度最高，内蒙古和四川最低。
4 结论
研究发现：教育与科技创新协同不受地域和时间的影响，教育是科技创新的重要条件，具有使科学转化为生产技术的中介作用，而科技创新是教育的重要表现，即教育水平越高，科技创新能力越强。因此，为实现教育、科技创新和社会的协同发展，需同时在这三个领域制定相应的政策措施。
【参考文献】
【1】王弟海，陈理子，张晏.我国教育水平提高对经济增长的贡献——兼论公共部门工资溢价对我国教育回报率的影响[J].财贸经济，2017，38（9）：129-145.
【2】管婧婧，周子杰，马国斌.浙江省县域科技创新活动的评估与空间聚集[J].科研管理，2017（10）：58-67.
【3】李雨晨，陈凯华，张艺.科技创新能力测度结果的指标选取差异性研究[J].科学学与科学技术管理，2017，38（4）：3-15.
【4】张红历.中国信息社会发展水平的时空分异研究：2007—2016年[J].情报科学，2017，35（12）：3-9+15.