我國省級科技創(chuàng)新能力指標體系的構建

楊玉東，曲曉娜

（1.山西交通科學研究院集團有限公司，山西 太原 030006；2.山西財經大學，山西 太原 030006）

0 引言

伴隨著經濟與社會的發(fā)展，科技進步和創(chuàng)新已成為增強綜合國力的決定性因素?！读暯疥P于科技創(chuàng)新論述摘編》中指出，創(chuàng)新是引領發(fā)展的第一動力。抓創(chuàng)新就是抓發(fā)展，謀創(chuàng)新就是謀未來。適應和引領我國經濟發(fā)展新常態(tài)，關鍵是要依靠科技創(chuàng)新轉換發(fā)展動力?？梢娍萍紕?chuàng)新其重要性。近年來“高鐵”、“5G”等一些科技創(chuàng)新被世界所認可，表明我國科技創(chuàng)新能力正在逐步發(fā)展，但我國仍處于社會主義初級階段，科學創(chuàng)新水平還有相當大的發(fā)展空間，因此對于我國科技創(chuàng)新的研究很有必要。

當前對于科技創(chuàng)新能力研究主要集中在對各科技創(chuàng)新指標確定權重，主要運用層次分析或因子分析法對科技創(chuàng)新能力進行評價。馮套柱等（2008）對2006 年陜西省10 個地級市相關數據運用因子分析法構建出區(qū)域科技創(chuàng)新能力評價模型，對各一級指標找出主成分，計算各一級指標的得分及綜合得分，對各地級市的科技創(chuàng)新能力進行評價[1]。時培芬等（2011）對2009 年山東省17 個地區(qū)的企業(yè)數據使用因子分析法提取出主成分，對各地區(qū)的科技創(chuàng)新測度綜合得分，對山東省日照市的企業(yè)科技創(chuàng)新能力做出評價[2]。陳媛等（2014）首先對濟南市構建了科技創(chuàng)新評價指標體系，選取2013 年濟南市各縣數據進行層次分析，確定了各指標所占權重，最后對各縣的科技創(chuàng)新綜合評價值進行排序[3]。郭金興等（2019）使用我國各地2008—2017 年有關科技創(chuàng)新數據，運用層次分析法計算指標的權重，對各地的科技創(chuàng)新水平進行分析與比較[4]。

除上述研究之外，還有部分學者用其他方法來研究科技創(chuàng)新，主要使用數據包絡分析法、聚類分析法或者多種方法綜合使用來進行分析。Eric C.Wang等（2006）采用生產框架與數據包絡分析方法相結合來評價各國研發(fā)活動的相對效率。在30 個國家采用了三階段方法，使用DEA 評價效率和使用Tobit 回歸來控制外部環(huán)境。結果表明，不到一半的國家在研發(fā)活動中完全有效，大多數國家在發(fā)表SCI 和EI 出版物方面具有比產生專利更顯著的優(yōu)勢[5]。 李文輝等（2019）首先使用主成分分析法對我國2004—2016 年的高?？萍紕?chuàng)新能力進行分析，在此基礎上，用數據包絡分析模型構建指標體系，最后基于DEA 模型計算了Malmquist 指數來測度科技創(chuàng)新全要素生產率[6]。徐輝軍等（2019）收集了2016 年長三角地區(qū)數據進行FCM聚類分析，通過比較研究法研究了各地區(qū)的優(yōu)缺點[7]。Damián Tojeiro-Rivero 等（2019）假設公司的網絡活動向創(chuàng)新的轉變可能因公司所在的區(qū)域環(huán)境而異。對于2000—2012 年期間的西班牙制造業(yè)使用多級框架方法，得出區(qū)域環(huán)境不僅對企業(yè)的創(chuàng)新績效有直接的影響，而且對企業(yè)網絡活動的回報也有影響，最后結果表明創(chuàng)新活動的開展對知識密集型企業(yè)更有利，而研發(fā)外包對知識儲備低的企業(yè)更有利[8]。

通過對之前文章的研究發(fā)現：學者們主要是對指標賦予權重，直接用原有指標來衡量各地科技創(chuàng)新能力。但是收集到的原始指標太過繁雜，因此本文想通過降維來使指標簡化，此外還對數據進行了更新，故本文選取了我國2017 年各省份有關科技創(chuàng)新指標采用因子分析方法來進行分析。

1 科技創(chuàng)新能力指標選取

本文通過借鑒國內外學者對科技創(chuàng)新、科技競爭力等方面的相關研究，對我國各省的科技創(chuàng)新水平建立指標體系?；诳萍紕?chuàng)新的實際活動過程和數據的可得性，本文將科技創(chuàng)新分為了投入、環(huán)境及產出三大部分，21 個指標來進行研究（見表1）。

科技創(chuàng)新投入部分主要包含人力、財力方面的支出，是決定科技創(chuàng)新規(guī)模的決定性因素；科技創(chuàng)新環(huán)境主要是指投入是在什么樣的大環(huán)境下發(fā)揮作用，其中包含科技環(huán)境、市場環(huán)境、教育環(huán)境、國際環(huán)境及政策環(huán)境；科技創(chuàng)新產出表示投入在環(huán)境的影響情況下會得到怎樣的效果。

表1 科技創(chuàng)新評價指標

本文收集了2017 年全國31 個省份的相關指標，數據來源于《中國科技統(tǒng)計年鑒》《中國統(tǒng)計年鑒》《中國金融年鑒》《中國區(qū)域經濟統(tǒng)計年鑒》，其中西藏地區(qū)關于高技術產業(yè)新產品主營業(yè)務收入的2017 年數據缺失，基于對之前數據的比較，發(fā)現西藏地區(qū)該指標的相鄰年份之間數值差別很小，所以采用2016 年的數據進行代替。

2 實證分析

從所選指標上來看，指標數量過于冗雜，不能明顯看出哪些指標對于科技創(chuàng)新起到了至關重要的作用，并且我們不能只通過其中某一個指標來對我國31 個省份的科技創(chuàng)新能力進行排序。因此，為了對31 個省份的科技創(chuàng)新能力有一個更加客觀的評價，本文選擇使用因子分析方法來對上述指標進行降維，提取出主要因子，進而計算出各省的因子得分來綜合判斷各地區(qū)科技創(chuàng)新能力的強弱。

2.1 數據處理及提取因子

由于指標之間量綱不一，相互之間很難進行比較，因此需以標準化的原始數據來做之后的分析，使變量具有可比性。但即使對數據進行了標準化，也不能保證指標可以做因子分析，所以需提前對處理后的變量做可行性檢驗。KMO 檢驗統(tǒng)計量是用于比較變量間相關程度的指標，取值范圍在0 和1 之間，在多元統(tǒng)計中，經常使用KMO 檢驗統(tǒng)計量來判斷數據是否適合做因子分析或主成分分析。KMO 值越接近于1，變量之間的相關程度就越高，就越適合作因子分析；反之，KMO 的值越接近于0，所得數據越不適合作因子分析，故本文選擇KMO 檢驗統(tǒng)計量來做適宜性檢驗。從表2 中可知，KMO 統(tǒng)計量為0.750，而且Bartlett 球度檢驗的p 值小于0.05，結果表明，本文選取的指標數據可用于因子分析（見表2）。

表2 適宜性檢驗KMO 測度值

從表3 中可以看到，提取出的3 個因子可以解釋原始變量89.714%的方差，包含了原始數據的大部分信息，同時提取出的3 個主要因子的特征值均大于1，表明提取3 個因子是比較合適的。

表3 特征根與方差貢獻表

2.2 計算因子得分并排序

求出公因子之后，我們希望找出這些因子與原始指標之間的線性關系，以便進一步進行分析，將原始數據導入SPSS 軟件中處理，得到因子得分系數矩陣（見表4），將每個指標對于每個因子的得分看作系數。

表4 因子得分系數矩陣

由上述內容可知，本文對21 個指標進行降維提取出 3 個主成分，將 3 個主成分分別記為 F1、F2、F3，并得出3 個主成分得分為：

對主成分表達式的系數取絕對值后進行比較后，可大致對這些主成分進行命名。從第一主成分來看，高技術產業(yè)有效發(fā)明專利數、普通高等學校本科畢（結）業(yè)生數、新產品開發(fā)經費支出、專利申請數、高技術產業(yè)新產品開發(fā)及銷售主營業(yè)務收入5 個指標排名前五，主要反映專利及新產品方面，因此可將第一主成分命名為發(fā)明因子；從第二個主成分來看，各地區(qū)研究與試驗發(fā)展經費投入強度、技術市場成交額、人均互聯(lián)網寬帶接入端口、高等學校R&D 經費內部支出、普通高等學校本科畢（結）業(yè)生數5 個指標排名在前，主要反映技術層面，因此將第二主成分命名為技術因子；從第三個主成分來看，普通高等學校本科畢（結）業(yè)生數、地方財政支出、高?？萍颊撐陌l(fā)表數量、人均互聯(lián)網寬帶接入端口、市場化指數排名靠前，基本都為技術創(chuàng)新環(huán)境指標，故命名第三個主成分為創(chuàng)新環(huán)境因子。

得到主成分得分后，通過這3 個因子分別的特征值在總特征值中的比例來確定各因子所占比重，進而計算各省在科技創(chuàng)新方面的綜合得分（見表5）。由表3 可知，綜合得分為：F=0.782F1+0.158F2+0.06F3。

表5 各省份科技創(chuàng)新能力得分及排名

3 結論及建議

為了解我國各省的科技創(chuàng)新能力水平，本文構建了科技創(chuàng)新能力指標體系，將科技創(chuàng)新分為投入、環(huán)境及產出三大部分21 個指標，使用SPSS 軟件進行因子分析，通過降維將多個關于科技創(chuàng)新能力指標轉換為3 個綜合因子，從而減少需要分析的變量，減少問題分析的復雜性。通過對3 個主成分（綜合因子）分別的特征值在總特征值中的比例來確定各因子所占比重，進而計算各省在科技創(chuàng)新方面的綜合得分。初始的21 個指標都是客觀的，直接可以獲得數據，而平時我們更多關心的是如發(fā)明情況、技術能力、創(chuàng)新環(huán)境情況等這些抽象的問題，因此抓住提取出的3 個綜合因子可以幫助我們對我國的科技創(chuàng)新能力進行深入分析、正確評價。

通過運用該科技創(chuàng)新能力指標體系進行實證分析，測度了各省的綜合得分。從整體來看，科技創(chuàng)新能力綜合得分前三名的地區(qū)為：廣東省、江蘇省、浙江省；陜西、河南、黑龍江等地排名末尾，我國大部分地區(qū)的科技創(chuàng)新能力仍為負值，表明我國科技創(chuàng)新水平還比較低，需大力發(fā)展。從單個因子排名來看，廣東省的發(fā)明能力遠在其他省之上，江蘇省、浙江省的發(fā)明能力雖不及廣東省，但相較于其他省份來說也比較強，這離不開高新技術產業(yè)的集聚；在技術能力層面，北京市、上海市、浙江省的排名居于前三，這3 個省的經濟都位于我國的發(fā)達層次，因此技術能力與經濟水平是同向發(fā)展的。在創(chuàng)新環(huán)境因子方面，河南、山東、江蘇都表現出具有良好的科技創(chuàng)新環(huán)境。綜合來說，各地得分最主要還是取決于當地的投入，因此要想提高科技創(chuàng)新能力，必須加大在投入方面的力度。

針對各地的科技創(chuàng)新發(fā)展，本文提出以下幾點建議：一是各地應該根據自身的科技創(chuàng)新環(huán)境來對科技投入進行適度調整，從而使資源利用率最大化，避免浪費資源；二是完善科技創(chuàng)新環(huán)境，當地政府應該積極支持，盡可能打造一個適合科技創(chuàng)新因素發(fā)展的平臺；三是擴大各地區(qū)的開放程度，學習和吸收其他地區(qū)的科學技術，并在此基礎上打造屬于具有自身特色的科技創(chuàng)新體系。