近年来，国内不少地方争创国际科技创新中心，综合性国家科学中心，工作开展如火如荼。为评估成效、彰显成绩，各种排名指数被媒体报道、智库文章、甚至各地政府报告引用，其中就包括世界知识产权组织（WIPO）每年发布的全球创新指数（Global Innovation Index）之全球科技集群（science and technology cluster）排名。

权威的机构（联合国专门组织）、“全面”的评价（创新、科技）、稳定的更新（每年一次，已发布15版）、细化到城市和地区的排名（特别是国内地区和城市），对地方政府来说，WIPO GII科技集群似乎是完美的评价指标。但是，这一排名是如何计算的，是否真的全面、准确地反映了区域的科技全貌，似乎没有太多人关注，WIPO官方中文也只是简单提及。为此，对其排名方法（methodology，方法学）作一简要介绍和分析，以供参考。

一、指标选择

1.从指标的数量来看，WIPO GII科技集群的方法学是类似指数排名中最简单的一个，只考察2个指标：PCT专利和SCIE收录的论文。（作为对照，WIPO用于计算国家GII排名的指标多达81种。）

自2022年起，对SCIE期刊论文只选取原著论文（articles of original research），不再将会议论文摘要、简报（meeting abstracts、conference summaries、paper briefs）等纳入排名计算。

2.从指标选取的时间范围来看，每次排名选择近5年内的专利和论文用于计算，且有1年滞后。如2022年排名依据的专利申请和论文发表时间为2016-2020年，2021年排名依据的为2015-2019年。

二、集群划分和排名计算

GII科技集群的生成和划分，主要使用了地理信息系统和聚类算法等工具。

1.首先，进行地理编码。从PCT专利和SCIE论文数据中提取专利申请人和论文作者的地址信息，再利用ArcGIS等地理信息系统工具，将这些地址进行地理编码（即将地址转换为地图上的地理位置信息）。其中，专利申请人地址可精确到街道一级，部分地址模糊或信息不全的则精确到城市一级（全球4.8万个地理编码的城市）。论文作者地址全部精确到城市一级。

2.第二步，进行聚类分析。使用DBSCAN密度聚类算法，对地理编码进行聚类分析，预设参数为：集群半径15公里，申请人/作者密度4500人（专利申请人与论文作者的权重相同）。根据分析结果，生成全球233个科技集群。这些集群的范围与行政区划无关，可能会横跨城市、省份甚至国家（如巴塞尔集群的范围涉及瑞士、德国和法国）。

3.第三步，合并部分相邻集群。对233个集群进行分析，如果两个集群的边缘相距3-5公里，且两者之间共同申请人/共同作者的联系最为紧密，则将其合并。按照这种处理方法，2022年共将20个集群进行了合并，包括广州和深圳-香港，以及上海和苏州（首次）。通过合并，最终发布排名的集群减少到223个。

4.最后，通过计算每个集群内的专利数和论文数，得出排名。

三、讨论

WIPO GII 科技集群排名的优点主要有：

1.选择的指标相对权威、计算方法基本客观。

2.运用地理信息系统进行数据处理，不依赖地方政府的统计数据，在集群划分上突破行政区划限制，能够更加准确地反映创新产出的集聚形态。

主要缺点是：

1.指标过于单一，仅有2种，难以真正反映各地方创新全貌。

2.论文作者地址的定位分辨率只到城市一级，过于粗糙，影响集群划分的结果。比如像北京、上海这样的超大城市，就很难与附近城市划分为同一集群。

3.统计的数据有滞后。相对国内日新月异的科技发展速度，不能准确反映最新的发展成效。

四、结论

只要你所关心的地区排名靠前或不断提升，WIPO GII 科技集群就是好排名。反之的话......

公众号相关文章：