中國三大經濟區域科技實力分析與評估

摘要：中國東部地區的科技財力投入和高新技術產出水平省際差距都比較大，幾乎所有中、西部省份的科技財力投入和高新技術產出都低于全國平均水平，科技財力投入水平與高新技術產出水平密切相關；科技人力投入水平與區域經濟發展水平密切相關，三大經濟區域的科技人力投入呈現明顯的梯度變化態勢。

關鍵詞：經濟區域；科技實力；因子分析

中圖分類號：C812；C832.1/.7文獻標志碼：Ａ文章編號：１６７３－２９１Ｘ（２００８）16－０124－03

1引言

當前，我們正處于一個經濟、科技、教育日益全球化的時代，各國之間綜合國力的競爭，歸根到底就是經濟與科技實力的競爭，而經濟實力很大程度上是由科技實力決定的。因此，每個國家科技實力的水平及其發展狀況，將決定它在世界格局中的地位和發展潛力。對一個地區而言，科學技術不僅對地方綜合實力及其變化起著十分重要的作用，而且科學技術本身的構成和水平，也正是地方綜合實力的重要組成部分。本文對科技實力的分析與評價問題進行初步探討，構建了區域科技實力綜合評估體系，并采用因子分析方法，分別對中國三大經濟區域的科技實力水平進行綜合測定和評估。

2數據采集

為全面反映三大經濟區域的科技實力，兼顧數據的易收集性，本文以2007年《中國主要科技指標數據庫》為依據，按照科技投入與產出，分設人力投入、財力投入、創新能力和高科技產出四個方面，共23個評價指標（如下表1所示）。

考慮到實際數據的限制，本次研究不涉及西藏、青海、香港、澳門和臺灣5個地區，所以，最終數據采集有效對象為其余29個省級地區。

3分析方法

由于科技系統本身的復雜性、科技指標的不完整性等原因，使得國內外現在并沒有統一的科技實力評價方法。通過對國內外已有的科技實力的評價方法進行歸納總結，本文提出了應用因子分析方法評價科技實力的設想，具體步驟如下：

（1）確定待分析的原有若干變量是否適合于因子分析。最簡單的方法就是計算變量之間的相關系數矩陣。如果相關系數矩陣在進行統計檢驗中，大部分相關系數都小于0.3并且未通過統計檢驗，那么這些變量就不適合進行因子分析。此外，SPSS在因子分析過程中還提供了幾種檢驗方法來判斷變量是否適于因子分析。主要的統計檢驗方法有如下幾種：巴特利特球形檢驗、KMO檢驗和反映像相關矩陣檢驗。本文主要采用相關系數矩陣、Bartlett球度檢驗和KMO檢驗三種方法。

（2）構造因子變量。因子分析中有多種確定因子變量的方法，如基于主成分模型的主成分分析法和基于因子分析模型的主軸因子法、極大似然法、最小二乘法等。其中基于主成分模型的主成分分析法是使用最多的因子分析方法之一，故本文也采用主成分分析法。

（3）利用旋轉使得因子變量更具有可解釋性。常用的旋轉方法有正交旋轉、斜交旋轉、方差極大法，其中最常用的是方差極大法，故本文也采用方差極大法。

（4）計算因子變量的得分。計算因子得分首先將因子變量表示為原有變量的線性組合，即：

估計因子得分的方法有回歸法、Bartlette法、Anderson-Rubin法等，本文選用回歸法。

4分析結果及討論

4.1相關分析

因子分析是從眾多的原始變量中構造出少數幾個具有代表意義的因子變量，這里面有一個潛在的要求，即原有變量之間要具有比較強的相關性。如果原有變量之間不存在較前的相關關系，那么就無法從中綜合出能反映某些變量共同特性的少數公共因子變量來。因此，在因子分析之前，需要對原有變量作相關分析。

（1）相關系數矩陣

根據SPSS軟件得到23個指標之間的相關系數矩陣，其中，除了變量19、20、23分別與變量3、7、9的相關系數比較小（低于0.3），其他的相關系數值大多高于0.6；因此，沒有理由認為這些變量不適合進行因子分析，相反，各指標之間存在較強的相關性，可以嘗試進行因子分析。

（2）KMO檢驗和Bartlett球度檢驗

根據SPSS軟件得到KMO和Bartlett球度檢驗結果，檢驗結果表明，KMO值為0.706，根據統計學家Kaiser給出的標準，KMO值大于0.7，不能否定因子分析的可行性；同時，巴特利特（Bartlett）球形檢驗給出的相伴概率小于0.0005，更小于顯著性水平0.05。因此，應該拒絕零假設，認為相關系數數據不可能是單位陣，即原始變量之間存在相關性，適合于作因子分析。

4.2因子分析

（1）選取因子變量

根據SPSS軟件可以得到各因子變量的方差貢獻（特征值）及累計方差貢獻率，筆者截取了排在前5名的主成分數據，其中，只有前三項（Y1、Y2、Y3）因子變量的特征值大于1；而且，其累計方差貢獻率達89.792%（大于85%），旋轉后的累積方差貢獻率也沒有提高。所以，選擇前三個因子變量作為公共因子是可行的。其中，第一個因子主要解釋了科技財力投入水平和技術創新能力兩個方面；第二個因子主要解釋了政府科技財力投入水平和高新技術產業化水平兩個方面；第三個因子主要解釋了科技人力投入水平。

（2）計算因子得分

根據SPSS軟件得到因子得分矩陣，其中，有一些地區得分為負數，但這并不代表地區的科技實力為負，這里的正負僅表示該地區科技實力與平均水平的位置關系。把地區科技實力的平均水平算作零點，這是在整個過程中將數據標準化的結果，因此不會影響可比性。

4.3列聯表分析

根據因子得分矩陣來判斷各地區的科技實力水平還是不太直觀，可以嘗試分別對各個公因子的得分值按取值大小進行分類，并做出分類后的因子得分與三大經濟區域的列聯表。筆者按FacN_1>=0.5，0.5>FacN_1>=0，0>FacN_1>=-0.5，-0.5>FacN_1（N=1，2，3）把各個因子得分分成四類，并生成列聯表。

（1）第一因子分析

根據SPSS軟件得到第一因子得分的列聯表（如下表2所示）。

由此表可以清楚地看到：首先，全國科技財力投入水平普遍比較低，區域差距較大。在29個省份中，得分超過平均水平的只有5個省份，其中有4個屬于東部地區。其次，東部地區內的科技財力投入差距也比較大。在11個省份中，因子得分超過平均水平的只有4個，科技財力投入水平沒有顯著規律。最后，中、西部地區的科技財力投入普遍較少。8個中部省份在第一因子上的得分都小于零；10個西部省份，除陜西（0.82）外，其余9個省份在第一因子上的得分也都小于零。這表明，幾乎所有中、西部省份的科技財力投入都低于全國平均水平。

（2）第二因子分析

根據SPSS軟件得到第二因子得分的列聯表（如下頁表3所示）。

由此表可以看出：首先，全國高新技術產出水平普遍比較低，區域差距較大。在29個省份中，因子得分超過平均水平的6個省份都屬于東部地區。其次，東部地區內的高新技術產出水平差距也比較大。在11個省份中，得分超過平均水平的只有5個，高新技術產出水平沒有顯著規律。最后，中、西部地區的高新技術產出水平普遍比較低。中西部地區18個省份的得分都小于零，表明中西部地區的高新技術產出水平都低于全國平均標準。與第一因子分析結果對比，我們可以發現：第一二因子分析結果具有較強的關聯性，這表明科技財力投入水平與高新技術產出水平密切相關。

（3）第三因子分析

根據SPSS軟件得到第三因子得分的列聯表（如下表4所示）。

由此表可以看出，首先，全國科技人力投入總體水平欠佳，區域差距比較大。因子得分超過零的省份有12個，其中11個屬于東部和中部地區。其次，東部地區科技人力投入水平相對較高。在11個省份中，得分超過平均水平的有7個。再次，中部地區科技人力投入水平規律不明顯。在8個省份中，只有4個省份的得分超過零。最后，西部地區科技人力投入水平普遍很低。在10個省份中，有9個的得分低于零，其中7個低于-0.5。由此可見，三大經濟區域的科技人力投入呈現明顯的階梯變化趨勢，這與各地區的經濟發展梯度變化趨勢具有較強的相似性，表明科技人力投入與區域經濟發展密切相關。