ดัชนี GII เป็นดัชนีที่ใช้ข้อมูลรายงานเชิงสถิติ (Secondary Data) และข้อมูลจากดัชนีคอมโพสิตอื่นๆ (composite indicators) ที่ตัวชี้วัดย่อย (indicator) แต่ละตัวชี้วัดจะได้รับการจัดเก็บจากหน่วยงานระหว่างประเทศ (international agencies) อาทิWorld Bank, UNESCO, QS World University Ranking, ITU, Thomson Reuters, UNIDO, WIPO เป็น ต้น มาคิดคำนวณประเมินผลร่วมกัน สำหรับการจัดทำดัชนี GII ในปี 2021 จะมีการจัดเก็บจากตัวชี้วัดทั้งสิ้น 81 ตัวชี้วัด โดย จัดเก็บข้อมูลของ 132 ประเทศ/เขตเศรษฐกิจ ดังนั้น เพื่อให้คะแนนจากดัชนีGII สามารถสะท้อนความสามารถด้านนวัตกรรมของ ประเทศอย่างแท้จริง จำเป็นอย่างยงิ่ ที่ต้องมีการบริหารจัดการข้อมูลที่เกี่ยวข้อง ทั้งในส่วนของข้อมูลรายงานสถิติและข้อมูลจาก ดัชนีคอมโพสิตอื่นๆ ให้มีความถูกต้อง ตรงเวลาและทันสมัย

โครงสร้างตัวชี้วัดดัชนีGII

การวัดความสามารถด้านนวัตกรรม ประกอบด้วยดัชนีย่อย 2 กลุ่ม 7 ปัจจัยเสาหลัก 81 ตัวชี้วัด ดังนี้

ดัชนีย่อยปัจจัยเข้าทางนวัตกรรม (Innovation Input Sub-Index) สะท้อนถึงปัจจัยนำเข้า (Input) และสภาพแวดล้อมที่เอื้อต่อการเกิดนวัตกรรมในประเทศนั้นๆ คำนวณจากค่าเฉลี่ย 5 ปัจจัย คือ ปัจจัยด้านสถาบัน ปัจจัยด้านทุนมนุษย์และการวิจัย ปัจจัยด้านโครงสร้างพื้นฐาน ปัจจัยด้านระบบตลาด ปัจจัยด้านระบบธุรกิจ

ดัชนีย่อยผลผลิตทางนวัตกรรม (Innovation Output Sub-Index) สะท้อนถึงผลผลิตทางนวัตกรรมที่เกิดขึ้น ทั้งส่วนที่เป็นเชิงรูปธรรมและนามธรรม คำนวณมาจากค่าเฉลี่ย 2 ปัจจัย คือ ปัจจัยด้านผลผลิตจากองค์ความรู้และเทคโนโลยี และปัจจัยผลผลิตความคิดสร้างสรรค์

                            การคำนวณค่าเฉลี่ยของดัชนีย่อยปัจจัยนำเข้าด้านนวัตกรรม และดัชนีย่อยผลผลิตด้านนวัตกรรม ให้น้ำหนักอย่างเท่าเทียมกันระหว่างดัชนีย่อยปัจจัยเข้าทางนวัตกรรม และดัชนีย่อยผลผลิตทางนวัตกรรม โดยดัชนี GII มีค่าคะแนนตั้งแต่ 0 ถึง 100 ค่าคะแนน 100 ที่สะท้อนให้เห็นถึงจุดสูงสุดของขอบเขต ของตัวชี้วัดแต่ละตัว
 

   ดัชนีย่อยปัจจัยเข้าทางนวัตกรรม (Innovation input sub-index)

   1) ปัจจัยด้านสถาบัน (Institutions)

   1.1 สภาพแวดล้อมทางการเมือง (Political Environment)

     1.1.1 เสถียรภาพทางการเมืองและการปฏิบัติการ (Political and operational stability) วัดระดับโอกาสและความรุนแรงของความเสี่ยงทางการเมือง กฎหมาย การปฏิบัติงาน และความปลอดภัยที่ส่งผลกระทบต่อการดำเนินธุรกิจ 
             แหล่งที่มาของข้อมูล IHS Markit, Country Risk Scores (https://ihsmarkit.com/industry/economics-country-risk.html). Data year: 2021.

     1.1.2 ความมีประสิทธิผลของรัฐบาล (Government effectiveness) ใช้สะท้อนมุมมองด้านคุณภาพของการจัดบริการสาธารณะ คุณภาพของการบริการพลเมือง การกำหนดนโยบาย การดำเนินนโยบาย และระดับของความเป็นอิสระจากแรงกดดันทางการเมือง รวมถึงความน่าเชื่อถือของรัฐบาล ความมุ่งมั่นและความรับผิดชอบในการใช้นโยบายของรัฐบาล
             แหล่งที่มาของข้อมูล World Bank, Worldwide Governance Indicators (http://info.worldbank.org/governance/wgi). Data year: 2020.

   1.2. สภาพแวดล้อมด้านกฎระเบียบข้อบังคับ (Regulatory environment)

       1.2.1. คุณภาพด้านกฎระเบียบข้อบังคับ (Regulatory quality) ใช้สะท้อนความเข้าใจในความสามารถของรัฐที่จะกําหนดและออกแบบนโยบายที่เหมาะสม (sound policy) และกฎระเบียบที่เอื้อต่อการส่งเสริมและพัฒนาของภาคเอกชน
             แหล่งที่มาของข้อมูล World Bank, Worldwide Governance Indicators (http://info.worldbank.org/governance/wgi). Data year: 2020.

     1.2.2. หลักนิติธรรม (Rule of law) ใช้สะท้อนความเชื่อมั่นต่อขอบเขตแนวปฏิบัติและกฎของสังคม โดยเฉพาะคุณภาพในการบังคับใช้ข้อตกลง กรรมสิทธิ์ และอำนาจของตํารวจและศาล รวมไปถึงความเป็นไปได้ที่จะเกิดความรุนแรงและอาชญากรรม
             แหล่งที่มาของข้อมูล World Bank, Worldwide Governance Indicators (http://info.worldbank.org/governance/wgi). Data year: 2020.

      1.2.3. ค่าชดเชยในการเลิกจ้างพนักงานที่มีความซ้ำซ้อน (Cost of redundancy dismissal) วัดจำนวนสัปดาห์ที่นายจ้างต้องแจ้งพนักงานล่วงหน้าและสัปดาห์การให้เงินชดเชยในการเลิกจ้างหรือยกเลิกสัญญาจ้างพนักงานในตำแหน่งที่ซ้ำซ้อน โดยใช้สัปดาห์ของการได้รับเงินเดือนเป็นตัวกำหนด สำหรับพนักงานที่มีระยะเวลาจ้าง 1, 5 และ 10 ปีตามลำดับ โดยระยะเวลา 1 เดือนจะถูกสรุปเป็น 4 และ 1/3 สัปดาห์ แต่หากว่าค่าใช้จ่ายในการเลิกจ้างมีมูลค่าเท่ากับหรือน้อยกว่า 8 สัปดาห์ของการได้รับเงินเดือน ก็จะใช้จำนวน 8 สัปดาห์ของการได้รับเงินเดือนเป็นขั้นต่ำ แต่จะระบุจำนวนสัปดาห์จริงของการได้รับเงินเดือนไว้ด้วย ทั้งนี้ หากค่าใช้จ่ายในการเลิกจ้างมีมูลค่ามากกว่า 8 สัปดาห์ของการได้รับเงินเดือน ก็จะใช้จำนวนสัปดาห์ตามสัดส่วนที่สรุปไว้ อย่างไรก็ดี หากกฎหมายแรงงานมีความยุ่งยากและซับซ้อนเกินไป นายจ้างโดยเฉพาะบริษัทที่เกิดใหม่ก็มักจะจ้างงานแบบไม่เป็นทางการหรือจ้างงานนอกระบบ ซึ่งไม่เอื้อต่อการเกิดนวัตกรรม
             แหล่งที่มาของข้อมูล World Bank, Employing Workers Project (https://www.worldbank.org/en/research/employing-workers). Data year: 2020.

 2) ปัจจัยด้านทุนมนุษย์และการวิจัย (Human capital and research)

   2.1. การศึกษา (Education)

      2.1.1. งบประมาณด้านการศึกษา (Expenditure on education, % GDP) คำนวณจากงบประมาณการจัดการด้านการศึกษาของรัฐบาล โดยนับรวมจากค่าจ้างรายชั่วโมง/วัน เงินเดือน และค่าใช้จ่ายเงินโอนจากต่างประเทศมายังรัฐบาล แต่ไม่นับเงินทุนที่ใช้ในสิ่งก่อสร้างและอุปกรณ์ต่าง ๆ โดยคิดเป็นสัดส่วนเปอร์เซ็นต์ของ  GDP
               แหล่งที่มาของข้อมูล UNESCO Institute for Statistics (UIS) online database (http://data.uis.unesco.org). Data years: 2011–2021.

      2.1.2. ทุนอุดหนุนจากรัฐบาลต่อนักเรียนระดับมัธยมศึกษา (Government funding/pupil, secondary, % GDP/cap) คำนวณจากจำนวนงบประมาณทั่วไปทั้งหมด (ท้องถิ่น ภูมิภาค และศูนย์กลาง) ของรัฐบาลที่มีต่อนักเรียนระดับมัธยมศึกษา หักจากงบประมาณที่มาจากต่างประเทศหารด้วยจำนวนนักเรียนในระดับมัธยมศึกษาแล้วแสดงในรูปแบบของรายได้เฉลี่ยต่อหัว (GDP/capita (US$))
               แหล่งที่มาของข้อมูล UNESCO Institute for Statistics (UIS) online database (http://data.uis.unesco.org). Data years: 2011–2020.

       2.1.3. ระยะเวลาการศึกษาที่คาดว่าจะได้รับของวัยเรียน (School life expectancy, years) แสดงจำนวนปีทั้งหมดที่คาดว่าเด็กในวัยเรียนจะได้รับ โดยมีสมมติฐานว่าความเป็นไปได้ของการได้รับการศึกษาในช่วงอายุนั้น ๆ จะเท่ากับอัตราการลงทะเบียนเรียน ณ ปัจจุบันของช่วงอายุนั้น ค่าที่สูงจะแสดงให้เห็นถึงความเป็นไปได้ที่มากขึ้นที่เด็กจะได้รับการศึกษาและเพิ่มความเป็นไปได้ที่เด็กจะคงอยู่ในระบบการศึกษา อย่างไรก็ดี จำนวนปีที่คาดว่าเด็กในวัยเรียนจะได้รับการศึกษานั้นไม่จำเป็นต้องตรงกับจำนวนปีของการศึกษาเพราะอาจมีการซ้ำชั้น
              แหล่งที่มาของข้อมูล UNESCO Institute for Statistics (UIS) online database (http://data.uis.unesco.org). Data years: 2011–2020.

         2.1.4. การวัดผลสอบ PISA ด้านการอ่าน คณิตศาสตร์ และวิทยาศาสตร์ (PISA scales in reading, maths and science) โปรแกรม PISA ขององค์การเพื่อความร่วมมือทางเศรษฐกิจและการพัฒนา (Organization for Economic Co-operation and Development: OECD) ใช้ประเมินสมรรถภาพของนักเรียนอายุ 15 ปี ในด้านการอ่าน ด้านคณิตศาสตร์ และด้านวิทยาศาสตร์ โดยคะแนนที่ถูกคำนวณในแต่ละปีจะมีค่าเฉลี่ยอยู่ที่ 500 คะแนน และมีค่าคลาดเคลื่อนอยู่ที่ 100 คะแนน ซึ่งโปรแกรม PISA นี้ จะมีการพัฒนาแบบสำรวจทุก 3 ปี 
              แหล่งที่มาของข้อมูล OECD Programme for International Student Assessment (PISA) (https://www.oecd.org/pisa/). Data years: 2015–2018.

          2.1.5. อัตราส่วนนักเรียนต่อครูในระดับมัธยมศึกษา (Pupil-teacher ratio, secondary) คำนวณจากจำนวนนักเรียนที่เข้าเรียนระดับมัธยมศึกษาหารกับจำนวนครูที่บรรจุสอนในระดับมัธยมศึกษา เช่น ปี 2017 ประเทศไทยมีครู 1 คนต่อนักเรียน 24 คน ในขณะที่ค่าเฉลี่ยของกลุ่มประเทศรายได้ระดับปานกลางมีครู 1 คนต่อนักเรียน 18 คน
              แหล่งที่มาของข้อมูล UNESCO Institute for Statistics (UIS) online database (http://data.uis.unesco.org). Data years: 2011–2021.

   2.2. การศึกษาในระดับอุดมศึกษา (Tertiary education) 

             2.2.1. การลงทะเบียนเรียนในระดับอุดมศึกษา (Tertiary enrolment, % gross) อัตราส่วนของการลงทะเบียนเรียนในระดับอุดมศึกษาทั้งหมด โดยไม่คำนึงถึงอายุ / ประชากรที่สัมพันธ์กับการเข้ารับการศึกษาในระดับอุดมศึกษา
             แหล่งที่มาของข้อมูล NESCO Institute for Statistics (UIS) online database (http://data.uis.unesco.org). Data years: 2011–2021.

             2.2.2. ผู้สำเร็จการศึกษาด้านวิทยาศาสตร์และวิศวกรรมศาสตร์ (Graduates in science and engineering, %) จำนวนเฉลี่ยของผู้สำเร็จการศึกษาระดับอุดมศึกษาในด้านวิทยาศาสตร์ธรรมชาติ คณิตศาสตร์ สารสนเทศและเทคโนโลยี อุตสาหกรรมการผลิต วิศวกรรมศาสตร์ และการก่อสร้างในรูปแบบของเปอร์เซ็นต์ของผู้สำเร็จการศึกษาระดับอุดมศึกษาทั้งหมด
             แหล่งที่มาของข้อมูล UNESCO Institute for Statistics (UIS) online database (http://data.uis.unesco.org); Eurostat database (https://ec.europa.eu/eurostat/data/database); and OECD, Main Science and Technology Indicators (MSTI) database (https://stats.oecd.org/Index.aspx?DataSetCode=MSTI_PUB). Data years: 2015–2020.

               2.2.3. นักศึกษาต่างชาติที่เข้ามาเรียนในประเทศระดับอุดมศึกษา (Tertiary inbound mobility, %) จำนวนของนักศึกษาต่างชาติที่เข้ามาเรียนในประเทศโดยคิดเป็นเปอร์เซ็นต์ค่าเฉลี่ยของการลงทะเบียนเรียนระดับอุดมศึกษา
                แหล่งที่มาของข้อมูล UNESCO Institute for Statistics (UIS) online database (http://data.uis.unesco.org). Data years: 2011–2020.

   ดัชนีย่อยผลผลิตทางนวัตกรรม (Innovation output sub-index)

   6) ผลผลิตจากองค์ความรู้และเทคโนโลยี (Knowledge and technology outputs)

   6.1 การสร้างองค์ความรู้ Knowledge creation 

     6.1.1 การยื่นขอสิทธิบัตรตามถิ่นกำเนิด (Patents by origin/bn PPP$ GDP) จำนวนการยื่นขอสิทธิบัตรตามถิ่นกำเนิดหรือที่อยู่ หมายถึง การยื่นขอสิทธิบัตรต่อสำนักงานทรัพย์สินทางปัญญา (Intellectual Property Office) เพื่อหรือในนามของผู้ยื่นขอรายชื่อแรก เช่น การยื่นขอสิทธิบัตรเกี่ยวกับการทำไร่ต่อ Japan Patent Office (JPO) ถือเป็นการยื่นขออนุญาตสำหรับผู้ที่มีถิ่นที่อยู่ในญี่ปุ่น และ การยื่นขอสิทธิบัตรของผู้อาศัยในประเทศเยอรมนีต่อ European Patent Office (EPO) ในฐานะที่มีถิ่นที่อยู่ในกลุ่มประเทศสมาชิกของสหภาพยุโรป โดยวัดสัดส่วนตาม PPP $ GDP (พันล้าน)
            แหล่งที่มาของข้อมูล World Intellectual Property Organization, Intellectual Property Statistics (https://www.wipo.int/ipstats); and International Monetary Fund, World Economic Outlook Database, October 2021 (https://www.imf.org/en/Publications/WEO/weo-database/2021/October). Data years: 2014–2020.

     6.1.2 การยื่นคําขอระหว่างประเทศตามสนธิสัญญาความร่วมมือด้านสิทธิบัตรตามถิ่นกําเนิด (PCT patents by origin/bn PPP$ GDP) จำนวนการขอสิทธิบัตรระหว่างประเทศตามระบบ Patent Cooperation Treaty (PCT) ที่บริหารจัดการโดยองค์กรทรัพย์สินทางปัญญาโลก (World Intellectual Property Organization: WIPO) โดยระบบ PCT นั้นช่วยให้สิทธิบัตรสามารถคุ้มครองสิ่งประดิษฐ์ในประเทศต่าง ๆ ได้โดยการยื่นขอสิทธิบัตรระหว่างประเทศเพียงครั้งเดียว ซึ่งถิ่นกำเนิดของการขอสิทธิบัตรแบบ PCT จะหมายความถึงถิ่นที่อยู่ของผู้ยื่นขอรายชื่อแรก โดยวัดสัดส่วนตาม PPP $ GDP (พันล้าน) ปัจจุบันมีภาคีสนธิสัญญาความร่วมมือด้านสิทธิบัตร PCT 0จำนวน  156 ประเทศ/เขตเศรษฐกิจ
           แหล่งที่มาของข้อมูล World Intellectual Property Organization, Intellectual Property Statistics (https://www.wipo.int/ipstats); and International Monetary Fund, World Economic Outlook Database, October 2021 (https://www.imf.org/en/Publications/WEO/weo-database/2021/October). Data year: 2021.