高新技術產業競爭力評價實證分析——以四川省為例

朱 波 強，賴 勝 強，唐 雪 梅

（1.攀枝花學院，四川 攀枝花617000；2.重慶理工大學工商管理學院，重慶市400050；3.西南政法大學管理學院，重慶市 401120）

隨著經濟全球化的發展，地區間競爭日益激烈，發展高新技術及其產業成為各地競爭的主要方式。那么，如何了解本地高新技術產業發展的狀況呢？這就對高新技術產業競爭力評價提出了要求。對高新技術產業競爭力進行評價，需要構建與之相適應的評價指標體系并采用合理的評價方法。但目前對高新技術產業競爭力的評價，并沒有一個完善的體系，本文擬建立新的評價體系并采用因子分析法作為評價方法進行研究，并以四川省高新技術產業競爭力為例對所建立的體系進行實證研究。

一、高新技術產業競爭力的指標體系

指標體系是以多指標、多層次的方式來揭示事物間系統性和相關性的。評價高新技術產業競爭力，不但要注重其科技基礎和投入，也要重視發展高科技的外部環境，要關注其對經濟、社會發展的貢獻。目前，高新技術產業評價還缺乏公認的評價體系，本文參考國內外相關文獻，結合產業競爭力的相關理論，擬從四個方面對產業競爭力進行評價：一是高新技術產業投入指標；二是高新技術產業產出指標；三是高新技術產業政策環境指標；四是高新技術產業技術支持環境指標，其評價體系如表1所示。

二、高新技術產業競爭力評價方法

就常用的產業競爭力評價方法而言，目前多指標綜合評價的常用方法主要是功效系數法、綜合指數評價法、層次分析法、灰色系統評價法、模糊綜合評判法和多元統計評價法等。[1]其中，功效系數法、綜合指數評價法是常規的評價方法，它們主要是克服了有量綱指標評價的局限性，簡單易懂，但由于對比標準值不易確定，因此操作難度較大。模糊綜合評價法主要是利用隸屬函數和模糊統計方法來實現定性指標的定量化分析，解決了判斷的不確定性和模糊性，但難以解決指標相關所造成的信息重復評價。[2]層次分析法是將定性與定量方法相結合，把決策者經驗給予量化，適合用于目標結構復雜且缺乏數據的分析，但由于權重的確定過程具有很大的主觀性，從而降低了結果的可信度。多元統計分析方法主要是對多個變量進行定量統計分析的多指標綜合評價，因此多元統計分析方法在實際應用中被廣泛地引入綜合評價實踐。灰色系統評價法是通過對少量的代表性數據進行白化處理，實現預測和決策的目標，其計算方法簡單，但灰色關聯度量化模型和相關理論目前比較缺乏。目前，從我國綜合評價方法的實際應用來看，多元統計分析中的統計描述、探索性分析、列聯表分析、二維相關、秩相關、偏相關、方差分析、非參數檢驗、多元回歸、生存分析、協方差分析、判別分析、因子分析、聚類分析、非線性回歸、羅輯斯蒂克（Logistic）回歸等都被應用于綜合評價，它們或者是單獨使用，或者是結合使用，日益成為綜合評價的主流方法。[3]其中，主成分分析法比較適合多指標的高維度數據分析，這種方法實現了客觀賦權，但當主成分典型代表變量不是很突出時，容易導致主成分的經濟意義含糊不清。而通過聚類分析法來進行綜合評價分析，判斷樣本類別歸屬，則在具體排名分析方面不如因子分析法或者主成分分析法。因子分析法是主成分分析法的推廣運用，通過旋轉因子載荷矩陣，可以克服主成分分析方法存在的缺陷和問題。因此，本文采用因子分析法來對四川省高新技術產業競爭力進行實證研究分析。

三、四川省高新技術產業競爭力實證研究

本文擬采用因子分析方法，利用所建立的評價模型對四川省高新技術產業競爭力進行評價，通過實證分析來了解目前四川省高新技術產業在全國的競爭力狀況。因子分析方法的基本思想是將觀測變量進行分類，利用少數幾個因子去描述許多指標或因素之間的關聯性，將關聯性比較密切的幾個變量歸為同一類型的變量，而不同類型變量之間的相關性則比較低，歸化后的每一類變量就稱為一個公共因子，這樣就能夠以較少的幾個公共因子反映原數據的絕大部分信息了。本文采用2008年中國高新技術產業數據庫的相關數據進行實證研究，由于西藏和青海兩地的指標數據有多項不全，將它們的數據排除在外。

1.因子分析適合度檢驗

本文運用SPSS12.0統計分析軟件，因子根據原始數據標準化后的數值，由判斷檢驗結果可以知道，取樣適切性量數（Kaiser-Meyer-Olkin Measure of Sampling Adequacy，以下簡稱 KMO）為 0.796，偏相關性較弱，說明數據適合進行因子分析。而巴特利特（Bertlett）球形檢驗值在P<0.001的情況下，拒絕單位相關矩陣的原假設，因此研究數據適合進行因子分析（見表2）。

2.提取因子

利用主成分分析法進行因子分析，以特征值大于1為原則，根據所得結果，公共因子F作為選擇，結果見表3。其中，前四個因子特征值都大于1，且方差的累計貢獻率為92.88%，大于90%，而根據表3的分析結果，決定提取F1、F2和F3、F4這四個主因子來進行分析。

3.因子命名

由于因子對特征值的解釋不明顯，旋轉因子載荷矩陣，經過方差最大化旋轉后，因子載荷矩陣及因子得分情況如表4所示。由因子分析模型和因子旋轉載荷矩陣可知，主因子F1主要是由高新技術產業的產品出口總額、產業增加值、利潤、專利數量、新產品產值這五個指標決定，它代表了區域高新技術產業的發展成果，同時也體現了區域高新技術產業的整體產出能力，主因子F1對各指標的方差貢獻已經達到63.39%，是影響最大的因素，說明F1是影響一個區域高新技術產業競爭實力最主要的因素。將此因子命名為產出因子。

表2 KMO和巴特利特球形檢驗

表3 主成分分析結果

第二個公共因子F2由產業研發經費、新產品開發投入、技術引進費、高新技術企業的固定資產總額、科技活動的人員數量等五個指標構成，它代表著區域高新技術產業的投入水平，其中技術引進費和科技活動人員數量的載荷因子較高，說明區域高新技術產業競爭力受當地企業固定資產總額和引進技術費用的影響較大。其結果表明，區域高新技術產業發展與當地高新技術企業的固定資產規模密切相關，高新技術企業是高新技術產業發展的堅實基礎，要提高高新技術產業的競爭力，提高高新技術企業規模是關鍵性的因素；另一方面也表明，我國目前的技術創新還是以引進消化為主，通過科研機構或企業研發而進行自主創新的還相對較少。由于固定資產總額反映了高科技企業的規模，引進技術往往是有實力的高科技企業才進行，這些都與高科技企業發展的狀況相關，因此公共因子F2命名為高科技企業實力因子。

第三個公共因子F3主要由政府研發經費投入額和科技活動經費籌集額中的金融機構貸款額兩個指標構成，表明了外部金融機構和政府對高新技術產業發展支持的力度。高新技術產業要發展，資金是一個主要的瓶頸，當一個地區為高新技術產業發展提供良好的融資支持時，該地區高新技術產業的發展就較快，其競爭力就越強。在高新技術企業的融資中，政府政策支持和金融機構的支持是比較關鍵的因素，它是高新技術企業得到較快發展的重要外部因素。因此，將公共因子F3命名為外部融資支持因子。

表4 旋轉后因子分析結果

表5 各省市高新技術產業競爭力綜合評價表

第四個公共因子F4主要由科技人員占企業從業人員的比重和科技機構的數量兩個指標構成，反映了某區域高新技術產業的發展與當地的科技人才隊伍建設密切相關，當一個地區擁有眾多科技研究機構和研發團隊時，技術實力比較雄厚，能有效支撐高新技術產業發展，這也說明技術人才隊伍是高新技術產業發展重要的瓶頸性因素。一個地區要發展高新技術產業，首要的任務之一就是聚集一批該領域的專家和學者，組建良好的技術研究團隊，為高新技術產業發展奠定堅實的基礎。因此將公共因子F4命名為技術人才因子。

4.綜合評價

綜合評價采用回歸法求各因子的得分，即以各因子方差貢獻率占四個公共因子總方差貢獻率的比重作為各因子的權重，并進行加權匯總。利用各省（市）各因素具體值代入各因子的得分函數，計算得出各省市的綜合評價結果（如表5所示）。

四、實證結果分析

從以上實證分析結果可以看出，四川省高新技術產業的競爭力在全國三十多個省市區中的排名為第10位，處于中上游水平。從我國高新技術產業競爭實力評價的因子綜合得分來看，位于前五位的省市依次是廣東、江蘇、上海、北京、山東。這些省市主要分布在沿海經濟發達地區，經濟基礎條件較好，對高新技術產業在資金和人才方面的投入較高，高新技術產業產出水平也較高，因此競爭力也較強。四川省屬于西部地區，目前高新技術產業競爭力在西部省份中排名第一，實證結果反映了四川省高新技術產業發展的現狀。四川省高新技術產業近幾年來取得了較快發展，在高新技術企業發展、高新技術人才隊伍建設等方面都取得了一定的進步，綜合競爭實力得到了一定加強，但與發達地區相比，差距還很明顯，特別是在人才技術隊伍建設上更應加強，以逐步縮小這種差距。

實證結果同時表明，本文所采用的評價體系和評價方法基本合理，文章從產業投入、產業產出、產業支持環境和政策環境等產業內外部因素進行研究，通過因子分析法歸納出了對高新技術產業競爭力影響較大的四個因子，并對我國各省市區的高新技術產業進行了排序，實證結果較好地反映了實際狀況，研究方法值得類似研究借鑒。

[1]泰壽康.綜合評價原理與應用[M].北京：電子工業出版社，2003：10-11.

[2]朱世輝，楊春.結合層次分析法的模糊綜合評價模型及其應用[J].實驗科學與技術，2006（3）：42-44.

[3]虞曉芬.多指標綜合評價方法綜述[J].統計與決策，2004（11）：119-121.