養老科技創新生態系統健康性多維評價研究

黨和政府十分重視以科技創新應對人口老齡化的工作。應對人口老齡化不僅要依托人口政策、養老模式、養老保障和養老服務，更要努力落實黨和政府關于依靠科技創新應對人口老齡化的要求。養老科技創新生態系統及其健康性分析是落實該要求的重要理論實踐，但目前尚未發現相關的針對性研究。以生態學理論為指導，以“健康”表征“發展質量”，以“養老科技創新系統”為研究對象，界定養老科技創新生態系統的概念，并在此基礎上提出養老科技創新生態系統健康性的概念維度、構成要素及評價模型，最后從截面綜合分析、動態時序演化和空間相關性等3個方面對我國養老科技創新生態系統的健康狀態進行評估。從整體上把握我國養老科技創新生態系統的發展質量，以期為提高我國養老科技創新水平提供有益參考，為各級政府部門制定應對人口老齡化的科技創新相關政策提供科學依據。

2019年，中共中央、國務院印發了《國家積極應對人口老齡化中長期規劃》，提出強化應對人口老齡化的科技創新能力，把技術創新作為積極應對人口老齡化的第一動力和戰略支撐；《“十四五”國家老齡事業發展和養老服務體系規劃》提出，要大力發展銀發經濟，促進老年用品科技化、智能化升級;2024年政府工作報告和中央一號文件均強調了要加強養老科技創新研發應用;2025年政府工作報告進一步明確提出，積極應對人口老齡化，大力發展銀發經濟。應對人口老齡化不僅要依靠人口政策、養老模式、養老保障、養老服務，更要努力落實黨和政府以科技創新應對人口老齡化的要求。養老科技創新生態系統（Gerontechnology Innovation Ecosystem,GIE）及其健康性分析是關于依靠科技創新應對人口老齡化的重要理論探討，對于保證GIE高質量發展具有重要意義。但在中國知網（CNKI）中對“養老科技創新”進行主題檢索，僅發現10篇相關論文，且研究多從技術、學科、企業、政策、用戶等單一角度對養老科技創新進行分析。養老科技創新的集成性、復雜性特點決定了從單一要素的角度開展分析是不充分的，而從創新生態系統的視角探析養老科技的發展規律和提升路徑具有重要價值。養老科技的創新模式勢必會朝著創新生態系統的方向演進，但該領域目前尚未出現相關研究成果。

健康性是創新生態系統持續運行、良性進化及有序聯動的基礎指標，是系統抵御外部干擾、保持高創造力、實現高質量發展的關鍵。健康的創新生態系統可以保障系統內部創新活動可持續地開展以及創新動能的有效提升，是未來競爭力培育須重點關注的內容。基于此，本文以創新生態系統理論為指導，以“健康度”表征“發展質量”，界定了GIE的概念內涵，探究了GIE健康的概念維度、構成要素與評價模型，最后從截面綜合分析、動態時序演化和空間相關性等3個方面對我國GIE健康狀態進行了多維評估，并提出針對性的對策建議，以期為提高我國養老科技創新水平提供有益參考，為各級政府部門制定相關科技創新政策提供科學依據。

1 相關概念

1.1 養老科技創新

養老科技（Gerontechnology）指面向人口老齡化與老齡社會的科技創新活動，由Gerontology（老年學）和Technology（技術）兩個術語構成。其中：Gerontology是關于老年人和老齡化的生理學、心理學及社會學現象的科學研究；Technology是對產品、服務及方法進行研究、開發和設計的工程技術。由此可見，養老科技是對老年人個體、老齡化社會進程的認識和對工程技術選擇的認識，其科技領域（包括基礎科學與應用科學）涵蓋了化學與生物化學、心理學、建筑學、ICT、機械電子與機器人技術、設計與人因工程學、管理學、社會學等。此外，養老科技創新直接面向并解決人口老齡化這一社會問題，是民生科技創新的組成部分。與傳統科技創新相比，其更注重多元創新主體的廣泛參與以及創新成果的轉移和擴散，每一環節都遵循著循環且不斷進化的非線性創新模式。因此，養老科技創新不僅需要在某一科學原理點上實現突破，還要以點帶面，關注不同創新主體之間的價值共創。

綜上所述，養老科技創新是“老年學”和“技術”結合形成的多學科、跨領域的應用型研究。其創新過程充分考慮老年群體的需求，并通過科技手段進行相關產品、技術和服務的開發設計與成果轉化，從而全方位提升老年人的生活質量。

作為多學科、跨領域的民生科技創新活動，養老科技創新具有高知識密集度、高復雜性、高集成度、高投入性、高動態性、民用生態依賴性等特征；其創新過程需要不同學科、領域之間的技術交互與融合，以及不同創新主體之間的協同合作。因此，基于創新生態系統視角研究養老科技創新是最優選擇。它以生態學、系統學和科技創新理論交叉融合的特性在創新理論中占據獨特優勢，能夠充分考慮養老科技多元創新主體之間的聯動問題，為養老科技創新提供了全新的研究視角。

1.2 GIE概念內涵

GIE是將“生態系統”概念嵌入“養老科技創新系統”概念而形成的一個復合概念，其本質是具有生態特征的復雜系統。為此，結合創新生態系統相關研究與養老科技創新特征提出GIE概念，即在特定的社會空間內，以國家戰略和用戶需求為導向，以滿足老年人相關需求為內容，以養老科技為基礎，以科技創新為手段，由養老科技創新相關的生物成分和非生物成分，通過物質、能量、信息等要素的循環互動形成的復雜系統。為把握GIE概念的內涵與外延，進一步從老年人、養老科技、創新和系統等4個角度展開分析。第一，GIE是以滿足老年人相關需求為內容的科技創新活動，不斷開發針對性的創新性產品是關鍵；第二，GIE以養老科技為基礎，其本質是依托技術手段滿足老年市場需求，是科技創新與市場需求緊密結合的結果；第三，GIE具有科技密集性，以科技創新為手段，而非重復已有的產品和服務活動；第四，GIE是將生態系統理論嵌入養老科技創新形成的復合概念，系統中的各成員相互聯系與制約，保障系統有序發展并不斷進化。

作為多學科、跨領域的民生科技創新活動，GIE誕生于人口老齡化這一特定的社會背景下，厘清GIE的核心特征還需要回歸到民生科技創新系統。民生科技創新系統呈現出創新資源易得性、創新效率高效性、自主創新持續性以及創新成果共享性等特征。然而，作為民生科技創新的一類，GIE在成果的共享與擴散、發展驅動因素等方面具有獨特性，并主要表現在創新目標、創新內容、創新結果及創新驅動等方面。

第一，系統創新目標不同。GIE具有顯著的針對性、專向性與供給惠民性。其既能提升老年人的生活質量和獲得感，助力社會健康和諧發展，又因養老科技屬于民生科技范疇，重視成熟且適用技術的推廣擴散，讓更多老年人便捷、經濟、快速地享受科技創新成果。因此，GIE的發展更聚焦科技研發與成果擴散而非企業商業戰略，具有明顯的供給惠民性。

第二，系統創新內容不同。GIE具有科技密集性，旨在提供滿足老年群體多樣化需求的技術、產品、服務及環境，其設計需要考量老年人因身體機能衰退產生的特殊需求。因此，GIE要求創新組織打破邊界，實現跨組織的功能互補；且因養老科技具有多學科、跨領域、高集成度的特征，其功能創新、知識創新、管理創新等相互交叉、相互促進，表現出創新內容高度融合的特征。這與傳統工業創新過程中，技術創新占據重要地位且各創新內容相對獨立存在明顯差異。

第三，系統創新結果不同。GIE以養老科技為基礎，依托技術手段滿足老年市場需求，是科技創新與市場需求緊密結合的結果。養老科技創新依賴現代科技的產業化應用，由相關工業與醫療業融合而成，綜合性強且涉及多種行業，如遠程醫療、老年人社交網絡等。因此，GIE的創新產出表現出明顯的應用性、服務性特征。

第四，系統創新驅動不同。在GIE的發展過程中，政府的作用至關重要。政府既通過政策營造良好的養老科技創新環境、培育創新主體，也是科技創新基礎設施的提供者。因此，外部驅動（主要為政策制度和人口壓力）是GIE發展的核心因素。由于GIE具有明顯的供給惠民性，養老科技創新主體的主動創新意愿不強，需要政府通過政策法規、知識產權保護、創新設施建設、財政支持等多方面手段驅動創新。

1.3 GIE健康概念維度

生態健康既指依靠系統自身結構和功能來維持其良好運行，也包含人類健康和福祉等方面，即健康的生態系統不僅需要維持自然生態系統的活力、組織力和恢復力，且能夠可持續地提供生態系統服務。結合已有研究，本文從GIE生物成分（創新主體）、非生物成分（創新環境）、系統整體功能（生物&非生物成分）等3個方面界定GIE健康概念：養老科技創新主體內部、創新主體與創新環境之間、系統與外部之間的物質、能量及信息保持良性暢通流動，表現為創新主體的組織結構和內部秩序合理；具備一定的生產力且能持續產出有價值的創新成果；對外部沖擊具有較強的抵御能力；系統服務功能完整且對社會發展有益。

為全面系統地闡述GIE健康性，把概念的不同側面分類為“維度”，再用“指標”解釋和測度各“維度”，從不同側面理解概念的內涵和特性，進而全面把握概念的寬度和深度。

結合上述對GIE健康性的定義與生態系統健康性分析的“活力—組織力—恢復力—服務力”框架，從系統活力—內驅維度、系統組織力—基礎維度、系統恢復力—外變維度、系統服務力—表征維度全面闡述GIE健康性。其中，系統活力、組織力與恢復力等3個維度表征GIE的物理健康，分別對應GIE的功能、結構和過程；服務力表征GIE潛在可提供的服務，即通過GIE的結構、過程和功能直接或間接獲得的可持續使用的產品和服務。具體如圖1所示。

1.3.1 內驅維度—系統活力EV

GIE的系統活力指養老科技創新主體通過廣泛互聯，實現人才、技術、知識流、信息流、資金流、物資流等各種創新要素的高效流動，從而維持核心主體通過創新及成果轉化獲取經濟利益的能力，主要體現為系統創新與商業轉化能力。系統活力可以保障GIE創新要素的流動頻率和速度，實現系統內部的高效互動，助力系統向更高層次演化。該指標可用系統的生產能力、商業化能力等測度。

1.3.2 基礎維度—系統組織力EO

GIE的組織力是系統健康發展的基礎，既保障系統創新主體之間創新鏈條的完整性，又反映系統自身的綜合運行狀態，表現為系統內創新主體的結構層次和結構多樣性，以及創新主體間的合作競爭關系。其中，創新主體的結構層次和結構多樣性是保障主體合作創新的前提，能顯著提升系統的創新速率和成功率，還能在系統受到外部沖擊擾動時，通過多元異質的組成部分選擇性削減影響。此外，通過合作與競爭可以加速主體間知識與價值的流動頻率。各主體既要依靠知識流動提升創新能力，又要依靠價值供給保障自身生存空間。

圖1 GIE健康性的四維概念維度示意圖

1.3.3 外變維度—系統恢復力ER

GIE的恢復力是指系統應對內外部復雜環境的沖擊時，繼續維持自身功能、結構、服務等不發生質變的能力屬性。其前提是系統具備超出自身需求的資源冗余及多元的連接結構，以保障系統應對外界沖擊時擁有足夠的資源和結構儲備，進而避免脆弱性導致的系統崩潰。因此，系統恢復力主要包括維持組織結構、抵御脅迫以及受干擾后的復原潛力與抗干擾能力兩個方面。此外，GIE健康發展的關鍵在于具有持續進化以應對內外變化的能力。而養老科技創新主體與環境的相互作用，構成系統演化發展的基本動因。

1.3.4 表征維度—系統服務力ES

GIE的服務力是指通過生態系統的結構、過程和功能，直接或間接獲得的可持續使用的產品和服務，主要表現為對科技、經濟、社會的影響（如對老齡社會的經濟貢獻、環境質量改善、養老科技市場壓力緩解等方面）。此外，養老科技的創新擴散比創新本身更重要且有助于提升創新的經濟效益，而民生科技的獨特性便在于其成果共享與擴散。因此，創新擴散能力也是GIE服務力維度的重要組成部分。

目前，關于創新生態系統健康性的研究范圍較為寬泛，未考慮到日益凸顯的老齡化社會背景，也未聚焦養老科技領域。此外，現有研究對創新生態系統健康性的評估多基于活力—組織力—恢復力（Vigour-Organization-Resilience,VOR）三維框架，鮮少采用自然生態系統中的活力—組織力—恢復力—服務水平（VigourOrganization-Resilience-Service,VORS）四維框架。而養老科技作為民生科技的一類，其創新生態系統與一般的創新生態系統相比，在創新成果共享與擴散等方面具有獨特性，更強調老年人的健康與福祉，這與VORS框架中的S維度—生態系統服務功能相契合。因此，將VORS框架引入GIE健康性分析具有一定的科學性和合理性。鑒于此，本文以GIE的“創新生態系統服務”維度定量表征其對人類福祉的“服務力”，將傳統的三維評估框架拓展為“活力—組織力—恢復力—服務力”四維評估框架，以全方位、系統性地分析GIE健康性。四維度的邏輯關系如圖2所示。

第一，4個維度相互制約、相互影響，單獨追求某一維度的健康無法提升整體健康性。第二，系統組織力維度表征GIE的結構，是系統健康的基礎。系統組織力對系統活力具有支撐和約束作用，是系統產生恢復力的基礎，同時也是系統服務力的提供主體。第三，系統活力表征GIE的功能，是系統健康發展的核心。系統活力能為服務力維度的價值產出提供支持并影響系統恢復力。第四，系統恢復力維度表征系統的動態性，是GIE健康的載體。系統恢復力通過維持系統的功能、結構等不發生質變，為其他維度提供穩定的環境。第五，系統服務力維度表征系統的對外輻射能力，是系統健康發展的目標。系統服務力通過提供養老科技產品和服務，滿足老齡社會特有的物質文化需求，創造社會財富。GIE健康發展是創新基礎穩固（系統組織力完備）、創新過程高效（系統活力充足、系統恢復力強大）、創新結果顯著（系統服務力顯著）共同作用的結果。綜上，GIE健康性的4個維度之間并非彼此獨立，而是作為一個循環系統相互作用。

圖2 GIE健康性評價的邏輯框架

2 GIE健康性多維評價指標與模型構建

為保障GIE的有序發展，有必要評估其系統健康性。依據GIE健康性的評價維度，遵循既有研究中相關指標的選取及測度規則，構建系統的健康性評價指標體系和模型。

2.1 指標體系設計的基本原則

構建評價指標體系時，除遵循科學性、客觀性、動態性、典型性等傳統原則外，還須突出關鍵性、可量化、綜合性和個性化等4項原則。

2.1.1關鍵性原則

GIE健康性評價指標數量過少會導致評價結果不全面，指標數量過多則會淹沒主要指標，并受到數據可獲性制約，從而影響評價的可行性和科學性。因此，構建評價指標體系時，指標應為各維度的關鍵核心要素。

2.1.2可量化原則

養老科技領域未建立專門的產業/技術分類目錄，數據獲取難度較大。因此，在構建評價指標體系時，須重點考慮指標數據的來源及量化問題。GIE健康性評價涉及數學、統計學、計量經濟學等多學科的多種方法，需要獲取精準數據并進行清洗、估算及預測，對于無法準確獲取數據的指標則應舍棄。

2.1.3綜合性原則

GIE是多要素構成的復雜系統，包含技術屬性、成長階段、資本規模各異的多元養老科技創新主體。因此，評估其健康性須具備整體性思維，指標應盡可能全面，既要充分考慮創新主體的異質性，又能凸顯GIE健康性的本質特征。

2.1.4個性化原則

滿足老年人特殊需求是GIE存在與發展的使命。因此，構建其健康性評價指標體系時，應充分考慮養老科技創新活動的“目標市場獨特性”，創新性地構建和使用包含“老年”因素、凸顯“老年”特色的個性化指標。

2.2 GIE健康性評價指標體系的構成與計算

2.2.1系統活力EV維度的指標構成與計算

GIE中不同的養老科技創新種群通過利用系統內的創新資源開發養老科技、工藝和市場，并輸出產品、技術和服務，以創造價值。因此，GIE系統活力可分為功能活力（創新能力）和生產活力（商業轉化能力）兩類：前者從功能要素的角度反映系統活力，表征GIE功能的高級化程度；后者則表征GIE創新活動的執行效果。

在GIE功能活力的眾多測度指標中，專利應用最廣，但僅用專利數量絕對值難以動態反映系統功能活力的變化趨勢；變化率可從生產新知識的角度展現系統功能活力的發展狀況。本文采用養老科技創新產出質量（相關專利授權率）、養老科技創新產出效率（相關專利申請年增長率）及養老科技創新產出價值（相關專利轉讓次數）來測度GIE的功能活力，并分別記作EV1、EV2、EV3。

計算GIE的生產活力時，由于財務指標數據較為全面、準確且時間序列相對完整，本文分別選取養老科技上市企業的投入資本回報率、總資產增長率和凈利潤增長率，從投入資本、資產的使用效率和經營管理等角度衡量GIE的生產活力，并分別記作EV4、EV5、EV6。

2.2.2系統組織力EO維度的指標構成與計算

系統組織力是指GIE結構的復雜性，體現GIE各組成部分之間的相互作用，包括多樣性與連通性兩個維度。

（a）多樣性計算

GIE在創新種群多樣性的基礎上，還呈現出創新基因多樣性和市場多樣性，分別表現為養老科技創新種群、養老科技創新技術與知識、養老科技市場的豐富程度及分布均勻性。其中，EO1表示種群多樣性，采用靜態多樣性指數EO11與動態多樣性指數EO12綜合加權平均計算得出；EO2表示基因多樣性，采用涉老科技論文的學科分布廣度EO21和涉老技術專利的技術分布廣度EO22綜合加權平均計算得出；EO3表示市場多樣性，借鑒生態學中的香農—維納指數計算得出。

首先，種群多樣性EO1用于反映某區域創新群落的豐富與均勻程度。選取養老科技高新企業、高等院校及科研機構、養老科技企業孵化器、國家大學科技園等核心創新主體作為主要創新種群。該指標由靜態多樣性指數EO11與動態多樣性指數EO12綜合加權平均計算得到，EO1越接近于1，表示GIE種群多樣性越強。靜態種群多樣性指數EO11通過Simpson指數測算得出，具體計算公式如式（1）所示。

式（1）中：N表示創新個體總數量；n表示創新種群數量；Ni表示按創新種群劃分的創新個體數量。EO11的值域為0～1，越接近1表明種群多樣性越強，系統的組織結構越穩定；反之亦然。

此外，已有研究表明，核心創新種群的合作變化率可表征一定時間內系統種群多樣性的變化趨勢。因此，動態種群多樣性指數EO12通過養老科技上市企業和涉老高校的合作變化率綜合加權平均計算得到。

其次，基因多樣性EO2是指GIE在多個領域拓展知識與技術基礎的行為或狀態。該指標采用涉老科技論文的學科分布廣度EO21和涉老技術專利的技術分布廣度EO22綜合加權平均計算得出，具體計算公式如式（2)—(3）所示。

式（2）中：M表示養老科技論文在學科分類中所占的學科數目；Ki表示屬于學科分類i的養老科技論文在全部論文中的比例。EO21數值越大，表明GIE知識多樣性越強，學科領域分布越廣。同理，N表示養老科技專利在專利分類中所占的技術領域數目；Ti表示屬于技術領域i的專利在全部專利中的占比。EO22數值越大，表明GIE技術多樣性越強，技術領域分布越廣。

最后，市場多樣性EO3是檢驗系統生命力的重要指標。GIE將創新要素轉化為創新成果，催生新的市場空間；而多樣化市場又為GIE成員創造新的需求和機會，促使系統保持活力并持續進化發展。借鑒生態學中的香農—維納指數構建市場多樣性指數EO3，具體計算公式如式（4）所示。

式（4）中：S表示養老科技在國民經濟分類中所占的產業數目；Pi表示屬于國民分類產業i的養老科技企業在全部企業中的比例。EO3數值越大，說明市場的不確定性越高，市場多樣性也越強。

（b）連通性計算

GIE的連通性體現為創新種群間的關聯程度，即不同創新種群之間的聯系頻次與強度，主要包括合作與競爭兩類關系，分別記作種群協作連通性EO4與種群競爭連通性EO5。其中：種群協作連通性EO4采用合作深度EO41與合作廣度EO42綜合加權平均計算得出；種群競爭連通性EO5通過以Pianka模型衡量組織間的生態位重疊度來表征。

其一，種群協作連通性EO4反映了GIE不同創新種群之間相互學習和相互適應的協同進化關系。種群間相互作用越強烈或聯系越頻繁，協同進化程度就越高，則種群間的協作連通性EO4越大。本文結合生態學和組織網絡研究，就GIE內養老科技創新主體間協同進化的關系構建了合作網絡模型。在該模型中，創新主體之間相互作用的強度和頻率是指種群對彼此演化的選擇壓力有多大。

合作深度EO41用合作創新能力表征，即某養老科技創新主體與其他主體的合作金額越大，合作論文/專利越多，則EO41數值越大。具體使用創新個體相互之間的合同頻次、合作論文/專利數量等合作強度指標進行測度。借鑒生態學中CONNECT連通指數的思想，將GIE創新主體合作網絡中產生合作行為的任意兩個節點之間的最短路徑除以網絡中所有可能的連通路徑數目，以此測度其合作深度EO41，具體計算公式如式（5）所示。

式（5）中：dij表示節點i與j之間的最短路徑；N表示合作網絡中的節點數。

社會網絡分析中，點中心度表示與某主體直接相連的組織個數；度數越大，代表與該創新主體合作的主體個數越多，該主體掌握的知識來源越廣泛。由于單個節點度表示該節點有多少個其他節點與之相關聯，那么整個網絡的平均度便可反映網絡各個節點的直接關聯程度。因此，可用其測度系統的合作廣度EO42。該指標采用整個社會網絡的平均度來測度，具體計算公式如式（6)—(7）所示。

式（6)—(7）中：EO42表示整個網絡中各個節點的平均度；∑in=1Di表示網絡中所有節點的中心度總數；N表示網絡節點總數量；Di表示節點i的中心度；ki表示與節點i相連的邊的數量；M-1表示節點i與其他節點都相連的邊的數量。

其二，GIE內的創新生態位重疊度表示兩個養老科技創新組織對同一創新要素的競爭程度。重疊度越大，競爭越激烈。通過Pianka模型計算GIE內創新組織間的生態位重疊度，用以表征競爭連通性EO5，具體計算公式如式（8）所示。

式（8）中：EO5表示a、b兩個養老科技創新組織之間的創新生態位重疊度；qaj、qbj分別表示a、b兩個組織開展創新活動所利用的資源j的量在所有資源中的占比；m表示資源種類。關于養老科技創新資源的種類，借鑒已有研究，使用系統創新種群專利IPC號聚類分析所得到的核心技術領域TF進行界定。

2.2.3系統恢復力ER維度的指標構成與計算

GIE恢復力主要包括對外界干擾的抵抗力與自我修復的復原力。其中：抵抗力使用系統穩定性ER1和系統模塊度ER2表示；復原力使用養老科技人才儲備強度ER3、養老科技技術儲備強度ER4、養老科技知識儲備強度ER5表示。

借鑒改進的M.Godron穩定性模型，利用GIE中養老科技種群相對頻度和種群數倒數的累計值建立模型，擬合y=ax2+bx=c和y=-x+100，通過Godron穩定性交點的橫縱坐標x和y推斷GIE的抵抗力。交點越接近基準點（20,80），系統越穩定。具體計算公式如式（9）所示。

式（9）中：xi和yi分別表示i區域GIE的Godron穩定性的橫、縱坐標。ER1數值越大，表示i區域GIE的Godron穩定性坐標點與基準點的歐氏距離越小，系統穩定性越高。

系統模塊度表示群落內的實際聯結數與隨機網絡聯結數的差值。該值越大，系統內部聯結越緊密且對抗外部聯結稀疏導致割裂的能力越強，則系統對外界干擾的抵抗力越大。因此，可用其度量GIE的抵抗力大小，具體計算公式如式（10）所示。

式（10）中：ER2表示GIE的系統模塊度；m表示網絡中邊的個數；A為邊權矩陣；Aij表示網絡中節點i和節點j之間邊的數目；ki、kj分別表示節點i和節點j的度數；

表示隨機狀態下節點i和節點j之間邊數的期望值；ci、cj分別表示節點i和節點j所屬的社區。在i和j屬于相同社區時，δ(ci,cj)取值為1；否則為0。

在自然生態系統研究中，學者們對不同類型的土地賦予了不同的生態復原力值。借鑒該思想，本文認為，GIE中不同強度的養老科技創新（人才、技術、知識）儲備，對應不同的復原力。具體來說，GIE內研發人員占比、發明專利占比和CSSCI論文占比越大，則對應養老科技創新主體的創新潛力越大，其主動吸收及創造新知識等以應對技術環境快速變革的能力越強，即GIE的復原力越高。因此，分別將養老科技人才儲備強度、養老科技技術儲備強度、養老科技知識儲備強度記作ER3、ER4、ER5，用以表征GIE的復原力。

2.2.4系統服務力ES維度的指標構成與計算

GIE服務力是指通過系統的結構、過程和功能，直接或間接獲得的可持續使用的產品和服務，分為理論服務力和應用服務力兩部分。其中，理論服務力是指聚焦GIE的創新產出在理論層面對涉老科技創新和老齡社會發展的服務能力，體現為養老科技創新的供需匹配程度，以及養老科技創新成果的轉化能力與擴散能力。綜上，GIE服務力主要包括養老科技創新供需匹配度ES1、養老科技創新成果轉化度ES2、養老科技創新成果擴散度ES3等3個指標。

基于已有研究，構建養老科技創新供需匹配模型。GIE中養老科技創新供需匹配度ES1的具體計算公式如式所示.

式（11）中：ES1i表示區域i的GIE中養老科技創新供需匹配度；Pi表示區域i的養老科技專利總量；Pi(Cs,d>0.5）表示區域i滿足養老科技創新需求的供給專利數量。

借鑒已有研究，將養老科技成果轉化收益劃分為以下3類：以轉讓、許可、作價投資等3種方式轉化科技成果的合同金額（萬元）；獎勵個人現金和股份的總金額（萬元）；以技術開發、技術咨詢、技術服務等方式轉化的科技合同金額（萬元）。利用加權平均數方法對以上3種形式的金額進行計算，最終得出養老科技創新成果轉化度ES2。

借鑒已有研究，提取養老科技專利中的前向引用信息，統計其被其他創新主體引用的次數，以此作為GIE創新成果擴散度ES3的測量指標。

應用服務力為貨幣化價值，是以貨幣形式體現養老科技生產活動的最終成果，包括養老科技產品銷售效益和養老科技落地應用經濟效益。借鑒已有研究，采用養老科技產品產值率、萬名老年人共享產值以及萬名老年人知識產權收入進行測度，分別記作ES4、ES5、ES6，計算方法如下。

綜上，本文構建了GIE健康性的綜合評價指標體系，共包含4個一級指標、8個二級指標和22個三級指標，具體如表1所示。

表1 GIE健康性的綜合評價指標體系

2.3 GIE健康性的評價模型構建

從綜合提升系統健康性的角度開展研究，要兼顧GIE健康性4個維度之間的協調水平、各維度的獨立發展水平，以及GIE健康性的動態變化趨勢。現有對于綜合指數測度的研究，大多采用計算各子維度的分值之和或分值乘積等方式，雖然操作比較簡單，但無法體現子維度之間的關聯關系。而GIE健康性評估中各維度間是非線性的復雜耦合關系。耦合協調概念來源于物理學，是兩個或兩個以上的系統或運動形式通過自身和外界的相互作用而對彼此產生影響的過程，強調系統間齊頭并進、共同發展的狀態。耦合協調度包含“協調”和“發展”兩個層面的內涵，能夠體現多個系統在保證自身發展的同時兼顧彼此協調一致的程度。因此，可采用耦合協調度模型綜合考察4個維度間的關聯程度，進而對GIE進行健康性評價。

借鑒修正耦合協調度模型來構建GIE健康性指數EHI(Ecosystem Health Index,EHI），以便提高模型檢驗的信度和效度。該模型可推導出由EV、EO、ER、ES等4個維度有機構成的GIE的協調度、發展度與系統健康性指數。計算方法如下。

式（15)—(17）中：u1、u2、u3、u4分別表示GIE健康性4個維度的指數得分EVI、EOI、ERI、ESI，且均根據熵權法計算得到；Dc、Dd分別表示GIE健康性4個維度的協調度與發展度得分；EHI表示GIE的綜合健康性指數；α、β、γ、δ分別表示4個維度的權重，由該維度下所有構成指標的權重加和得到，各個指標的權重則通過熵權法計算得到。

3 GIE健康性的多維評價結果分析

我國養老科技創新活動具有明顯的區域性、動態性和關聯性，即兼具空間性質的結構層次性和時間性質的演化過程性。本文以區域GIE健康性為實證分析對象，對我國除港澳臺外的31個省（區、市）（以下簡稱區域）的GIE健康性進行分析。

3.1 GIE健康性的靜態截面分析

對研究時間內的區域GIE健康性指數進行描述性分析發現（見表2）：數據不存在異常值，且均在平均值的3個標準差范圍內波動，中位數與平均值差距較小；2017年、2018年以及2021年的中位數大于平均數，說明這些年份的區域GIE健康性指數呈負偏態分布；而2019年與2020年的區域GIE健康性指數呈正偏態分布。基于標準差、方差以及離散系數（標準差/方差）可知，區域GIE健康性指數的離散程度較大。從絕對波動來看，各年度標準差與均值的比值相對較大（40%～43%），表明區域GIE健康性指數的絕對波動幅度較大。從相對波動來看，各年度的離散系數在41.49%～43.65%之間，整體離散系數為41.28%，表明區域GIE健康性指數圍繞均值的相對波動較大；并且，離散系數在2019年達到峰值，之后雖略有收斂但整體仍處于中等偏上水平。此外，通過分析最大值和最小值可知，區域GIE健康性指數存在兩極分化現象，且隨著時間推移，最大值與最小值的差距整體呈擴大趨勢。

表2 2017—2021年區域GIE健康性指數的描述性分析

進一步對研究時間內的EHI指數分布進行統計分析，并繪制出各年度及整體的EHI指數分布特征圖，具體如圖3所示。其中：橫坐標為EHI指數的接收區域，左側縱坐標為頻率，右側縱坐標為正態分布值。由圖3可知，區域GIE的EHI指數分布有所差異：2017年、2018年及2019年，EHI指數值接近于正態分布，峰值主要集中在0.28～0.34之間；2020年和2021年，EHI指數值分布有右偏移的趨勢，峰值主要分布在0.31～0.37之間；EHI指數總體呈現波動上升的趨勢。但總體而言，各區域GIE的EHI指數較小，表明各區域的GIE健康性整體偏低。此外，隨著時間推移，EHI指數極值處的區域數量不斷增加，各區域的EHI指數差異越來越明顯，表明區域GIE健康性的多級分化現象越來越突出。

圖3 分時段區域GIE的EHI指數分布特征

為了更直觀地觀測和分析2017—2021年我國31個區域的GIE健康性，本文以圖表形式呈現研究時段內歷年各區域GIE健康性指數的大小及變化趨勢，具體如圖4所示。

由圖4可知，北京、江蘇、上海、浙江和山東的綜合值在2017—2021年始終位于全國前5，其GIE處于較高健康水平；以湖北、湖南、河南為代表的中部地區次之；以青海、寧夏、甘肅、新疆、貴州為代表的西部地區發展滯后。這表明，東部地區仍占據著大多數的高值區和部分中值區，中部地區占據著部分中值區和部分低值區，而廣大西部地區的GIE健康水平處于低值區。GIE健康性存在明顯的由東部向西部遞減的趨勢。

圖4 2017—2021年各區域的GIE健康性指數

區域間的GIE健康性差異明顯，這與我國經濟社會發展的空間特征具有一致性。GIE健康發展需要創新要素的密切配合。東部地區地理位置優越，經濟較為發達，形成了開放式創新格局，創新創業更具活力，各項創新要素充足，因此其GIE健康性突出；而廣大中西部地區，尤其是西部地區，經濟落后導致對創新資源的吸引力低，創新創業活力不足，以本地為依托的養老科技創新主體協作與價值共創成效不佳，個別GIE健康性子維度甚至是整體發展滯后，阻礙了區域GIE健康性的提升。同時，從各地區的整體特征來看，2017—2021年間的區域GIE發展存在一定的曲折性和震蕩性，健康發展任重而道遠。

為了更直觀地探究不同區域GIE健康性的差異，將2017—2021年各區域GIE的EHI健康性指數平均值作為分類變量進行聚類分析。在多種聚類方法中，組間連接方法的聚類效果較好。因此，本文采用組間連接方法對區域GIE健康性進行聚類分析。由于當前國內外研究中關于生態系統健康評價的等級劃分尚未形成統一標準，為了更精確地表示生態系統的健康狀況，借鑒生態學中對生態健康的分類標準，將區域GIE健康性劃分為“創新生態健康Ⅰ類區”“創新生態健康Ⅱ類區”以及“創新生態健康Ⅲ類區”等3類。分析結果如圖5所示。

圖5 區域GIE健康性指數聚類譜系圖

整體來看，研究時間內全國有83.87%的區域GIE健康性處于創新生態健康Ⅱ類和Ⅲ類區。具體而言，江蘇、浙江、山東、北京和上海等5個區域為第一梯隊，占比16.13%,GIE健康性指數均值大于0.52，屬于創新生態健康Ⅰ類區；安徽、重慶、天津、廣東、四川等13個區域為第二梯隊，占比41.94%,GIE健康性指數均值大于0.25，屬于創新生態健康Ⅱ類區；廣西、遼寧、陜西、河北、云南、甘肅等13個區域為第三梯隊，占比41.94%,GIE健康性指數均值介于0.12～0.25之間，屬于創新生態健康Ⅲ類區。其中，Ⅲ類區主要集中在東北部、西部和部分中部地區，其在養老科技創新發展方面存在較為明顯的短板。

由此可知，我國區域GIE健康性存在明顯的不均衡現象，區域GIE健康性在華東、華中、西南、中南、東北、西北區間呈明顯梯度特征。憑借養老科技創新資源稟賦與地理區位優勢，華東區占據80%的Ⅰ類區和23.1%的Ⅱ類區，GIE健康性處于全國領先地位；華北區緊隨其后，占據20%的Ⅰ類區，Ⅱ類區和Ⅲ類區均各占比15.4%；西北、中南和西南區的GIE健康性均處于Ⅱ類區和Ⅲ類區；而東北區的GIE健康性則全部處于Ⅲ類區。

3.2 GIE健康性的動態演化分析

通過分析研究時間內各區域GIE的EHI指數可知，全國31個區域的EHI指數均值為0.327。其中，北京EHI指數均值最高，為0.591；甘肅EHI指數均值最低，為0.126。兩者相差0.465，表明區域間的EHI指數兩極分化較為明顯。江蘇、上海、山東和浙江分列第二至第五名；此外，云南、貴州、黑龍江的EHI指數則較低。整體而言，北京及華東地區的EHI指數較高，GIE健康性處于較高水平且持續提升；西南地區的EHI指數處于較低水平，但增長率較高，與其他區域的差距在不斷縮小。將區域GIE健康性指數的靜態均值與區域GIE健康性指數的變化率進行對比，結果如圖6所示。由圖6可知，部分經濟發達的區域（如重慶、福建），GIE健康性水平較高，但增長率為負，說明該區域的GIE健康性水平整體呈下降趨勢；部分經濟發展較為落后的區域，如陜西、寧夏、貴州等地的情況則恰好相反；也有部分經濟發達的區域，如廣東、江蘇、北京等地，GIE健康性處于較高水平，且變化率為正，說明該區域的GIE健康性水平仍保持上升趨勢。由此可見，GIE健康性的變化趨勢與經濟發展水平并不存在顯著的關聯性。

圖6 區域GIE中EHI指數的靜態均值和變化率對比

采用自然斷點法將各區域GIE在不同時段內的EHI指數變化率分為明顯下降、輕微下降、基本維持、輕微上升和明顯上升等5個等級，結果如表4所示。由表4可知，在2017—2018年間，我國31個區域中，GIE的EHI指數明顯下降、輕微下降、基本維持、輕微上升和明顯上升的區域數量分別占比16.13%、19.35%、32.26%、29.03%和3.23%；在2018—2019年間，EHI指數明顯下降、輕微下降、基本維持、輕微上升和明顯上升的區域數量分別占比3.23%、19.35%、51.61%、22.58%和3.23%；在2019—2020年間，EHI指數明顯下降、輕微下降、基本維持、輕微上升和明顯上升的區域數量分別占比3.23%、32.26%、45.16%、9.68%和9.68%；在2020—2021年間，EHI指數明顯下降、輕微下降、基本維持、輕微上升和明顯上升的區域數量分別占比16.13%、41.94%、22.58%、12.90%和9.68%。可見，隨著時間推移，我國31個區域中GIE的EHI指數明顯上升和輕微下降的區域數量整體呈增長趨勢，且分布較為分散。其中，明顯上升的區域主要有貴州、陜西、內蒙古等地。

表4 各評估時段EHI指數變化的區域數量及其占比

3.3 GIE健康性的空間相關性分析

鑒于31個區域的GIE健康性存在明顯的地區差異，因此有必要在上述評價的基礎上進行空間相關性分析，以深入探究各區域GIE健康性的空間差異及特點。為此，以31個區域的空間地理距離為基準構建空間權重矩陣。具體而言，結合經緯度數據，采用歐氏距離計算區域間的距離。通過全局莫蘭指數對2017—2021年的GIE健康性指數EHI進行空間相關性檢驗，結果如表5所示。

表5 2017—2021年區域GIE中EHI的全局莫蘭指數

注：*、**、***分別表示通過10%、5%、1%的顯著性檢驗。

由表5可知，2017—2021年的全局Moran's I均為正值，且均通過了顯著性檢驗，表現出明顯的空間依賴性。隨著時間推移，全局Moran's I的數值整體呈現小幅波動下降趨勢，從2017年的0.471降至2018年的0.411，再升至2020年的0.443，緊接著又降至2021年的0.405，表明各區域GIE健康性指數之間存在的空間依賴性呈現先減后增再減的態勢，但整體空間相關性呈現輕微減弱趨勢，集聚效果顯著下降。Moran's I整體年均下降率為3.50%，間接體現出各區域GIE健康性正逐步提升而空間關聯程度減弱。此外，雖然全局Moran's I的數值有所下降，但現階段仍大于0.2，表明31個區域之間的GIE健康性存在顯著的空間正相關性。換言之，GIE健康性較高與GIE健康性較低的區域之間在空間分布上存在一定的集聚現象，即目前我國區域的GIE健康性與空間分布相關聯，存在集聚效應。然而，Moran's I反映的是整體空間集聚程度，掩蓋了局部空間相關性，無法展現區域間具體的空間關聯特征。因此，本文構建了局部空間莫蘭指數模型，進一步研究空間集聚特征。

通過局部Moran's I度量本區域與鄰近區域GIE健康性的關聯程度，測算局部Moran's I的顯著性，并構建以Moran's I散點圖為基礎的Lisa集聚地圖和Lisa顯著性地圖。依據研究結果，基于區域GIE健康性關聯特征，將其分為4類：(1)“高—高”集聚，即高值區域被高值區域包圍；(2)“高—低”集聚，即高值區域被低值區域包圍；(3)“低—高”集聚，即低值區域被高值區域包圍；(4)“低—低”集聚，即低值區域被低值區域包圍。

表6列出了研究時間內局部Moran's I通過顯著性檢驗的區域及其集聚類型。由表6可知，樣本期內無“低—高”集聚區域，因而后文分析時僅列出其他3類。此外，研究時間內，GIE健康性存在顯著空間相關性的區域有江蘇、上海、浙江、福建、安徽、江西、四川、新疆、內蒙古、云南、寧夏、吉林和遼寧，其余區域未通過顯著性檢驗，可認為不存在空間相關性。

表6 2017—2021年區域GIE中EHI指數的集聚類型分布

注：括號中為數量合計。

研究時間內3種集聚類型下GIE健康性的集聚特征與區域分布如下。

第一，“高—高”集聚型區域。研究時間內，上海、浙江、安徽、江蘇等4個區域始終為“高—高”集聚型；江西和福建所屬集聚類型的變動較大，由2017—2019年的“高—高”集聚型轉為不顯著類型。具體而言，浙江、上海、福建、江西等區域GIE健康性局部莫蘭指數的顯著性水平為5%，江蘇為1%，且健康性排名相對靠前，表明這些區域的GIE健康性保持在較高水平，同時對周邊地區具有顯著的正向輻射帶動作用，屬于能夠發揮擴散效應的區域。該類區域養老科技創新活躍、經濟發展水平高、創新環境優越，吸引外部科技資源集聚的能力較強，養老科技創新人才與經費等大量涌入，進而形成了GIE健康性“高—高”集聚。

第二，“高—低”集聚型區域。研究時間內，該類型的區域較為穩定，四川始終為“高—低”集聚型。其GIE健康性排名靠前，健康性水平較高，但其周邊地區如陜西、貴州、西藏、青海等的GIE健康性水平相對較低，因而屬于極化效應區。此外，2017年寧夏為“低—低”集聚型，2018年起轉為“高—低”集聚型且集聚類型未再發生變化，可見其GIE健康性持續提升，且增速遠高于周邊地區，與周邊地區的差距不斷拉大。值得注意的是，該集聚類型的區域若能帶動鄰近較低水平的區域發展，便有可能成為向“高—高”集聚型轉變的過渡區域。

第三，“低—低”集聚型區域。研究時間內，該集聚類型的區域變化最大。其中，內蒙古始終屬于該類型集聚；寧夏在2018年由“低—低”集聚轉為“高—低”集聚；新疆在2018年由不顯著區域進入“低—低”集聚區域且保持不變；云南在2018年由不顯著區域轉為“低—低”集聚，維持3年后在2021年又重新成為不顯著區域；吉林在2019年由不顯著區域轉為“低—低”集聚且保持至2021年；遼寧在2020年從不顯著區域轉為“低—低”集聚，2021年又成為不顯著區域。由此表明，我國以華北區的內蒙古、東北區的吉林和遼寧，以及西北區的新疆為主形成了GIE健康性低水平發展集聚帶，并對周邊地區產生了影響。該類區域自然生態環境較差，經濟發展水平較低，養老科技基礎較為薄弱，不利于養老科技研發人員、經費等資源的集聚，因此逐漸形成了“低—低”集聚區。

4 結論與對策

4.1 研究結論

本文在界定GIE概念的基礎上，解析了其健康性維度，通過引入自然生態學中的“活力—組織力—恢復力—服務力”框架，從GIE“結構—功能—過程—服務”等角度對其健康性進行全方位評價，并從截面綜合評價、時序演變分析以及空間相關性分析等3個方面對我國31個區域的GIE健康性展開實證探討。

研究發現：第一，從縱向時間演化來看，各區域GIE健康性水平整體較低但穩步增長，提升空間大，排名相對穩定，梯隊層級基本固化，且離散程度較大，存在兩極分化現象。

第二，從橫向空間分布來看，區域GIE健康性從高到低依次為華東區、華北區、中南區、東北區、西南區和西北區。隨著時間推移，地區內差異與地區間差異均有一定程度的緩解，且呈現出東部引領、中部崛起以及西部和北部落后的空間格局。

第三，從空間相關性來看，各年度全局莫蘭指數均通過了顯著性檢驗且系數為正，表明GIE健康性呈現顯著正向的空間相關性。但空間集聚效果顯著性有所下降，整體年均下降率為3.50%。此外，絕大部分區域集中在“高—高”集聚區和“低—低”集聚區，呈現明顯的兩極分化趨勢。其中：“低—低”集聚帶以華北區的內蒙古、西北區的新疆和西南區的云南為主，“高—高”集聚帶以華東區的江蘇、上海、浙江及安徽為主。

4.2 理論貢獻

第一，為養老科技創新研究提供了新思路。我國進入老齡化社會較晚，養老科技研究剛起步，存在諸多待探討的理論問題和實踐問題。本文結合科技創新理論、生態學理論及創新生態系統相關理論，針對我國養老科技創新發展實際，提出GIE的全新概念并構建其概念模型，形成分析與評估的方法體系，為養老科技創新發展研究提供了新視角、新范式與新理論。

第二，豐富了創新生態系統的健康性研究。相較于一般的創新生態系統，GIE在創新成果共享與擴散等方面具有獨特性，本文將傳統創新生態系統健康性的“活力—組織力—恢復力”三維評估框架拓展為“活力—組織力—恢復力—服務力”四維評估框架，對相關研究內容進行了豐富和拓展。

第三，推動了養老科技創新與創新生態系統領域跨學科研究的深入發展。GIE健康性研究涉及管理學、社會學、經濟學、工學、生態學等多個學科領域，有助于促進跨學科研究，提升研究工作的創新性。

4.3 對策建議

GIE作為跨領域、多學科的民生科技創新范疇，其創新活動涉及多個領域和部門，需要多主體間的合作與協調。鑒于當前我國各區域GIE發展尚不完善，僅依靠市場調控難以實現其自身的健康發展。因此，本文基于GIE健康性的多維評價結果，提出以下促進其健康發展的差異化建議。

第一，管理部門應針對性規劃養老科技創新資源的空間配置，引導其更多流向東北和西部地區，促進該類地區GIE的發展。

第二，加大對西部和東北部地區養老科技成果轉移轉化及知識產權保護的支持力度，有效降低轉化成本，消除成果轉化與擴散的潛在障礙，推動該類地區養老科技新技術和新產品的產業化，進而有效提升養老科技創新成果的經濟效益，從成果轉化層面促進GIE健康水平的提升。

第三，對于GIE健康性水平較高的東部和中部地區，政府部門可側重優質資源投入，以推動地區養老科技創新的突破與變革，避免低水平重復創新和產品同構現象，減少區域內及區域間的養老科技創新資源爭奪，提高GIE健康發展的生態空間質量。

本文來源于《創新科技》2025年第8期。米蘭，河北師范大學商學院講師；黃魯成，北京工業大學經濟與管理學院教授，博士生導師；韓朝曦，哈爾濱工程大學經濟管理學院博士研究生。文章觀點不代表主辦機構立場。

◆ ◆ ◆

編輯郵箱：sciencepie@126.com