رتبه‌بندي كشورهاي منتخب در خصوص بهبود ظرفيت ملي نوآوري با استفاده از تحليل پوششي داده‌ها

Ranking Selected Countries for National Innovation Capacity Improvement through Data Envelopment Analysis

هر كشوري مي‌تواند با ايجاد زيرساخت‌هاي مناسب و بهبود فضاي ملي فرايند نوآوري را موثر و بهينه كند. هدف اصلي اين تحقيق رتبه‌بندي كشورهاي منتخب بر اساس عوامل ورودي و خروجي سيستم نوآوري كشورها در سطح ملي است. از بعد روش‌شناختي، در اين تحقيق بر اساس نظر خبرگان و تحليل آماري يازده متغير از بين بيست متغير جمعيتي، تحقيق و توسعه و فضاي كسب و كار به عنوان ورودي و تعداد ثبت اختراعات در اداره ثبت اختراعات امريكا به عنوان خروجي انتخاب شده‌است. داده‌هاي ورودي از گزارش‌هاي منتشرشده نهادهاي بين‌المللي از جمله بانك جهاني و بنياد هريتيج گردآوري شده‌اند؛ سپس رتبه 57 كشور منتخب بر اساس كارايي حاصل از تحليل پوششي داده‌ها در سه الگوي CCR ورودي محور، BCC خروجي محور و جمعي تعيين شده‌ است. يافته‌ها نشان مي‌دهد كه الگوي جمعي با منظوركردن همزمان ورودي و خروجي نتايج مناسب‌تري نسبت به دو الگوي ديگر داده ‌است. رتبه‌هاي بالاي تحليل به كشورهاي توسعه‌يافته با زيرساخت‌ها و اختراعات ثبت شده مناسب مربوط بوده است، در حالي كه كشورهاي توسعه‌نيافته و در حال توسعه با رتبه‌هاي پايين‌تر در ظرفيت ملي نوآوري، زيرساخت‌ها يا نتايج ضعيفي داشته‌اند؛ همچنين متغيرهاي مربوط به بودجه و تعداد محققان حرفه‌اي تحقيق و توسعه در بخش‌هاي دولتي و خصوصي اهميت نسبي بالاتري در بهبود ظرفيت ملي نوآوري كشورها دارند كه مي‌تواند در سياست‌گذاري‌ها و برنامه‌هاي خرد و كلان مدنظر باشد.

Each country can optimize the innovation process by improving infrastructures and national space. From methodological perspective, in this paper, 11 variables are selected from among 20 demographic, R&D, and business variables as inputs based on statistical and expert opinion methods and patent registration data in USPTO as model output. The data of input variables are gathered from published reports of some institutions and organizations such as the World Bank and the Heritage Foundation. Then, 57 countries are ranked with input -oriented CCR, output oriented-BCC and slack-based data development analysis model. Findings show that the Slack-based models have better results compared with input and output variables simultaneously. Developed countries with suitable infrastructures and registered patents are at top ranks while nondeveloped and developing countries with lower ranks have weak innovation infrastructures or outcomes. Accordingly, governmental and nongovernmental budget and the number of professional researchers of R&D are the most important assets for improving the national innovation capacity, which must be considered in policy making decisions