劉洪久,劉清揚,胡彥蓉,孫偉國
(1.浙江農(nóng)林大學 信息工程學院,浙江 杭州 311300;2.東北大學 工商管理學院,遼寧 沈陽 110169;3.常熟理工學院 經(jīng)濟與管理學院,江蘇 蘇州 215500)
十八大報告指出“科技創(chuàng)新是提高社會生產(chǎn)力和綜合國力的戰(zhàn)略支撐,必須擺在國家發(fā)展全局的核心位置”,要旗幟鮮明地把創(chuàng)新驅(qū)動貫穿到全面小康和現(xiàn)代化建設的各個方面。從經(jīng)濟發(fā)展上看,根據(jù)2014年統(tǒng)計年鑒,以江蘇為例,縣域經(jīng)濟GDP為25 438.41億元,占全省的51.8%,已占江蘇經(jīng)濟的半壁江山。但整體上看,縣域科技投入占財政收入比率較低,以縣域經(jīng)濟較為發(fā)達的常熟市為例,其比例僅為1.67%,低于全省平均水平(4.14%)??h域科技投入不足,導致創(chuàng)新能力較弱的狀況在各省比較普遍,這將會影響縣域經(jīng)濟的轉(zhuǎn)型發(fā)展。因此,了解縣域科技創(chuàng)新能力的現(xiàn)狀并提出改進策略,有利于經(jīng)濟的發(fā)展和轉(zhuǎn)型。
Saxenian認為科技創(chuàng)新能力來自市場科技資源的豐富、創(chuàng)新型企業(yè)的不斷衍生和壯大、政府新的管理方法和政策,以及來自不同區(qū)域主體互動產(chǎn)生的協(xié)同創(chuàng)新能力[1]。Salter提出創(chuàng)新評價體系包括投入產(chǎn)出、產(chǎn)業(yè)結(jié)構(gòu)、傳統(tǒng)產(chǎn)業(yè)的貢獻、優(yōu)惠的技術(shù)政策、政策的靈活性、科技成果轉(zhuǎn)化程度、人力資本、知識創(chuàng)新和政府的研發(fā)投入等[2]。孟曉華認為科技創(chuàng)新應包括科技綜合實力與信息化水平、知識產(chǎn)生與傳播、科技投入與產(chǎn)出、科技創(chuàng)新、經(jīng)濟效益等[3]。劉爽認為科技創(chuàng)新能力依賴于創(chuàng)新技術(shù)基礎、創(chuàng)新資源投入能力、創(chuàng)新產(chǎn)出能力和創(chuàng)新貢獻能力的增加[4]。虞震提出科技創(chuàng)新能力由投入、產(chǎn)出、技術(shù)擴散與經(jīng)濟績效、環(huán)境四個方面構(gòu)成[5]。龐秀萍通過科技進步環(huán)境、科技投入和科技活動產(chǎn)出評價了河北省的科技創(chuàng)新能力[6]。陳金德等構(gòu)建的科技創(chuàng)新能力評價指標體系包括科技創(chuàng)新投入、科技創(chuàng)新產(chǎn)出和科技支撐能力三個方面,他提出了廣東省不同類型的鄉(xiāng)鎮(zhèn)通過創(chuàng)新轉(zhuǎn)型升級的對策[7]。林萍等通過創(chuàng)新環(huán)境、創(chuàng)新投入、創(chuàng)新產(chǎn)出和創(chuàng)新成效評價科技創(chuàng)新能力,采用熵值賦權(quán)法對新疆科技創(chuàng)新能力進行評價,提出了科技創(chuàng)新環(huán)境優(yōu)化、科技創(chuàng)新投入增加、科技創(chuàng)新產(chǎn)出和科技創(chuàng)新成效提高的策略[8]。
綜上所述,目前對創(chuàng)新能力評價的共同觀點是科技的投入和產(chǎn)出,但研究范圍上更多是省域或者是較大的區(qū)域,而對縣域科技創(chuàng)新能力的研究還比較少見。
為保證研究的客觀性,本研究中49個縣市的樣本數(shù)據(jù)均來源于江蘇省、江蘇各地市、江蘇各縣市2014年的統(tǒng)計年鑒和統(tǒng)計公報。
基于國內(nèi)外研究的共性,評價指標體系包括科技創(chuàng)新投入和產(chǎn)出兩個部分。科技創(chuàng)新投入的指標包括縣域?qū)I(yè)技術(shù)人員數(shù)量、縣域財政科技經(jīng)費支出和縣域投入R&D費用??萍紕?chuàng)新產(chǎn)出的指標包括縣域?qū)@暾埡褪谟钄?shù)量(包括發(fā)明專利)、當年高新技術(shù)企業(yè)數(shù)量、當年高科技產(chǎn)品數(shù)量(省級)、科技進步獎的數(shù)量(國家、省和市級)和縣域?qū)I(yè)技術(shù)人員數(shù)量。具體的指標體系見表1。
表1 科技創(chuàng)新的評價指標體系
當前,比較通用的評價方法有層次分析法、灰色關(guān)聯(lián)度法、模糊綜合評價法等,這些方法簡單實用,但有一個問題是共同存在的:指標體系中每個指標的權(quán)重需要主觀確定,以往研究大多采用層級分析或者專家打分的方法確定,在評價中加入了人為的因素,這樣就會降低評價的客觀性和科學性,影響最后的評價結(jié)果,從而容易出現(xiàn)失真的結(jié)論[9-10],
而本
研究采用的評價方法為因子分析。因子分析法首先分析各個變量之間的相關(guān)性,然后將眾多的關(guān)系復雜的變量指標降維為幾個綜合性因子的統(tǒng)計學方法,該方法不受主觀權(quán)重的影響,分析結(jié)論相對客觀合理[7,11]。
由于每個指標的單位是不同的,因此在進行評價之前首先要對數(shù)據(jù)進行歸一化處理,以消除量綱的影響,具體按公式(1)計算:
(1)
將樣本的每個指標數(shù)據(jù)輸入SPSS19.0建立數(shù)據(jù)文件進行相關(guān)分析,可以得到樣本系數(shù)矩陣(見表2)。由表2可以看出,大部分指標間的相關(guān)系數(shù)都比較高,這說明指標變量間具有較強的線性關(guān)系,可以從中提取出公共因子,具有進行因子分析的基本條件。
另外,從表3可以看出Bartlett檢驗統(tǒng)計量的觀測值為782.543,相應的概率值小于0.001,遠小于一般顯著水平0.05,因此可以認為單位矩陣和相關(guān)系數(shù)矩陣具有顯著差異。同時,KMO檢驗值為0.824>0.8,所以,可以應用因子分析處理原有變量指標。
將49個縣市歸一化后的數(shù)據(jù)帶入SPSS19.0中運算,在計算過程中,采用主成分分析方法作為因子提取方法,可得相關(guān)特征值、特征值貢獻率和累積貢獻率(見表4)。
由表4可知,應選取2個因子,原因在于它們對樣本方差的累計解釋率達到了86.004%,大于85%。因此,提取2個因子就能對49個縣市的科技創(chuàng)新能力作出較好的解釋,其中F1的因子方差占全部方差的貢獻率比重最高,達74.632%,所以其綜合原有10個變量的能力最強;F2因子占全部方差的11.372%。這2個因子基本上融合了所有10項指標的信息,原來的10項指標可以轉(zhuǎn)化為2個綜合指標。
當完成對特征值的特征矩陣的計算后,還必須要根據(jù)因子載荷矩陣來計算每個因子的得分情況。由于因子載荷矩陣展示的是原始指標與所提取的因子間的線性關(guān)系,所以每個因子線性組合了原始指標變量,具體見表5。
表2 相關(guān)矩陣
表3 KMO和Bartlett 的檢驗
表4 解釋的總方差
注:提取方法為主成分分析。
表5 成分矩陣
以Xi表示第i個因子,F(xiàn)為各縣市科技創(chuàng)新能力的綜合得分,利用旋轉(zhuǎn)后的因子載荷矩陣,2個得分因子的表達式是:
F1=0.920X1+0.922X2+0.943X3+0891X4+0.907X5+0.818X6+0.949X7+0.884X8+0.829X9+0.473X10
(2)
F2=0.160X1+0.234X2-0.222X3-0.396X4-0.295X5-0.485X6+0.196X7+0.200X8+0.248X9+0.623X10
(3)
根據(jù)上面的公式和樣本數(shù)據(jù)可以計算出49個縣市2個因子的各自得分。以各因子的方差貢獻率占2個因子總方差貢獻率的比重作為權(quán)重進行加權(quán)平均,可以得到綜合因子F得分:
(4)
根據(jù)(4)式計算得出反映江蘇省各縣市科技創(chuàng)新能力評價的綜合得分,具體見表6。
表6 江蘇省各縣市科技創(chuàng)新能力評價得分
根據(jù)表6可以看出江蘇省縣域科技創(chuàng)新能力的排名,科技創(chuàng)新能力最強的是昆山市,得分為6.22,排在第一名;最弱的是泗洪縣,得分為0.12,排在最后一名。
從將表6的內(nèi)容按照地區(qū)整合(見表7),可以發(fā)現(xiàn)蘇州地區(qū)縣域科技創(chuàng)新能力最強,排在前5位的全部來自蘇州;而科技創(chuàng)新能力最弱的地區(qū)為宿遷,后5位中有2個縣市來自宿遷地區(qū)。
從表6并結(jié)合因子分析的過程可以發(fā)現(xiàn),影響科技創(chuàng)新能力的主要因素在于投入方面的因素,即地區(qū)科技人員的數(shù)量、地區(qū)社會R&D投入費用和地方財政科技支出,F(xiàn)1主要反映了這三個指標的作用,因此可以被稱為創(chuàng)新投入因子;F2則反映了創(chuàng)新的產(chǎn)出,重點反映了地區(qū)發(fā)明專利授權(quán)數(shù)量、當年高科技企業(yè)數(shù)量、當年高科技產(chǎn)品數(shù)量、當年科技進步獎數(shù)量,因此F2可以被稱為創(chuàng)新產(chǎn)出因子。蘇南地區(qū)科技創(chuàng)新能力較強的根本原因在于創(chuàng)新投入的絕對和相對比值較大,具有較強的優(yōu)勢;而蘇中和蘇北地區(qū)投入的相對較少,科技創(chuàng)新能力的劣勢比較明顯。
表7 江蘇省各縣市科技創(chuàng)新能力評價排名
根據(jù)實證分析可以知道,評價縣域創(chuàng)新能力的主要因子是投入,包括縣域科技人員的數(shù)量、縣域社會R&D投入費用和縣域財政科技支出,次要因子是產(chǎn)出,包括地區(qū)縣域發(fā)明專利授權(quán)數(shù)量、當年高科技企業(yè)數(shù)量、當年高科技產(chǎn)品數(shù)量、當年科技進步獎數(shù)量。
根據(jù)分析的結(jié)論,對于縣域科技創(chuàng)新能力的提升要尊重市場規(guī)律,鼓勵企業(yè)為市場競爭中的發(fā)展而投入,強調(diào)企業(yè)的創(chuàng)新主體地位;要給予縣域銀行適度的信貸權(quán)力和政策工具操作權(quán)力,加強貨幣政策傳導職能實現(xiàn),激發(fā)縣域銀行對縣域科技創(chuàng)新的金融支持作用;可設立縣域企業(yè)創(chuàng)新轉(zhuǎn)型投資引導基金,實施創(chuàng)業(yè)發(fā)展配套政策;要增加財政科技支出,建議在財政預算允許的前提下,逐年提高全社會研發(fā)費用的比例;要調(diào)整財政支持研發(fā)項目的結(jié)構(gòu),即加強向縣域地區(qū)的傾斜,尤其是向縣域企業(yè)申請的項目傾斜;要創(chuàng)建中心城市和縣市間的常態(tài)人才流動機制,培育和集聚人才隊伍,大力推進人才工程實施,要根據(jù)縣域科技創(chuàng)新和經(jīng)濟轉(zhuǎn)型發(fā)展的要求,充分發(fā)揮中心城市教育發(fā)達的優(yōu)勢,從各個高校和各個職業(yè)技術(shù)學院、學校為縣域科技創(chuàng)新和經(jīng)濟轉(zhuǎn)型的發(fā)展不斷培養(yǎng)和輸送“白領(lǐng)”“藍領(lǐng)”后備人才。要鼓勵縣域企業(yè)申請發(fā)明專利,申報國家、省市高科技企業(yè)認證,申報各種科技進步獎。從而通過科技創(chuàng)新投入的可持續(xù)增加,不斷推出科技產(chǎn)出成果,推動縣域經(jīng)濟的轉(zhuǎn)型發(fā)展。
參考文獻:
[1]SAXENIAN A.The Origins and Dynamics of Production Networks in Silicon Valley[M].Emerald Group Publishing limited,2013:30,283-309.
[2]SALTER A,CRISCUOLO P,TER WAL A.Coping with Open Innovation:Responding to the Challenges of External Engagement in R&D[J].California Management Review,2014,56(2):77-94.
[3]孟曉華,仇國陽,崔志明.全局主成分分析在區(qū)域科技創(chuàng)新能力指標體系構(gòu)建中的應用[J].科技管理研究,2006(12):43-45.
[4]劉爽.區(qū)域科技創(chuàng)新指標體系的構(gòu)建[J].黑龍江金融,2011(10):19-21.
[5]虞震.泛長三角區(qū)域科技創(chuàng)新能力評價與比較研究[J].社會科學,2011(11):47-52.
[6]龐秀平,趙宇,楊秀會.河北省科技創(chuàng)新能力模糊綜合評價實證研究[J].河北經(jīng)貿(mào)大學學報,2013(6):132-134.
[7]陳金德,伍曉玲,林雄.基于因子分析的廣東專業(yè)鎮(zhèn)科技創(chuàng)新能力評價研究[J].科技管理研究,2014(9):55-58.
[8]林萍,聶春霞,黃潤,等.新疆科技創(chuàng)新能力評價[J].科技管理研究,2014(7):44-48.
[9]崔穎.基于層次分析法的河南科技創(chuàng)新人才創(chuàng)新能力評價研究[J].科技進步與對策,2012(6):112-116.
[10]陶雪飛.城市科技創(chuàng)新綜合能力評價指標體系及實證研究[J].經(jīng)濟地理,2013(10):16-19.
[11]巴吾爾江,董彥斌,孫慧,等.基于主成分分析的區(qū)域科技創(chuàng)新能力評價[J].科技進步與對策,2012(12):26-30.