我國省域科技創新水平的空間分布評價

朱 輝

（天津工業大學 管理學院，天津 300387）

科技發展是經濟發展的重要動力。近幾十年來，我國經濟的迅速崛起舉世矚目，但區域發展的不平衡性，南北差距與東西部差距日趨擴大引起越來越多的重視和爭議。區域發展的不平衡性，越來越多地源于科學技術方面的差距，區域科技創新是提升區域核心競爭力的重要因素，以往學者們從區域創新體系、區域科技進步、區域核心能力、區域產業集群等不同的理論視角來探索區域經濟發展的動力，以解決我國區域發展的不平衡性。近年來從空間分析的角度來研究區域科技創新與經濟增長的問題，逐漸得到學術界的重視。本文利用全局主成分分析模型，在構建我國省域科技創新水平評價指標體系的基礎上予以科學的評測及分析比較。從空間統計分析的角度，通過Moran’s I統計量的運用，分析區域科技創新空間結構演變歷程和聚集格局及其效應，尋求后發地區依靠加快區域科技創新、實現區域經濟跨越式發展的可能路徑。

一、我國區域科技創新水平的現狀評價

1.評價指標的選取

表1 區域科技集聚度評價主要指標

區域科技創新能力是衡量區域經濟是否擁有核心競爭力的重要標志，王啟仿等從科技投入、科技產出、社會管理環境和可持續創新這幾個方面構建了一套區域科技創新能力的評價指標體系［1］；邵云飛等對影響區域科技創新能力因素的研究，給我們對區域科技創新能力評價指標體系的構建起到了很大的啟示作用［2］。本文在總結前人研究成果的基礎上，結合數據的可獲取性，從科技投入、科技產出以及高新技術產業發展三個維度，選擇10個指標對區域科技創新進行評價（見表1）。

具體指標值根據《中國科技統計年鑒》數據整理，其中指標X5（國外論文數）是2年平均，其余全部數據均為2009年至20011年近三年各項指標數據的3年平均值。

2.評價過程

利用SPSS17.0統計分析軟件完成數據處理和分析，對各省市自治區的10項指標的數據進行標準化處理，對原始數據進行巴特利特球度檢驗和KMO檢驗，巴特利特球度檢驗統計量的觀測量值為706.923，相應的概率p接近0，可認為相關系數矩陣有顯著性差異。同時，KMO值為0.757，根據Kaiser給出了KMO度量標準可知原有變量適合進行主成分分析。

表2 解釋的總方差

運用SPSS軟件進行主成分分析，得出相關系數矩陣，然后根據相關系數矩陣，計算出特征根和特征向量，以及方差貢獻率。按照主成分分析的相關要求，對公共因子的特征值和所選因子對方差解釋的累計百分比進行檢驗結果如表2所示。

根據主成分分析的結果，大于1的特征值有兩個，這兩個主成分的貢獻率占全部主成分的貢獻率的90.380%，說明其綜合每一個指標的信息程度達到了90.380%，信息量較充分，損失的信息較少，能夠表征出原來10個指標所反映的全部信息量?？梢赃M行下一步的分析。

由表3可知，指標X10、X9、X8、X4和X3在第二個主成分上有較高載荷，他們的主體主要與企業相關，可以將第二個主成分命名為企業科技創新主成分。其余指標都在第一個主成分上有較高載荷，可以將其命名為公共科技創新主成分［3］。

在計算出主成分載荷矩陣之后，就可以得到主成分得分系數矩陣，如表4所示。

表3 旋轉后因子載荷

根據上表的主成分得分矩陣得出計算主成分綜合模型公式為：

將原始數據標準化后代入上述方程，即可得到區域科技聚集度水平的綜合評分結果。然后借助于ArcGIS9.2對樣本地區的科技創新綜合水平在中國地圖上進行等級劃分，如圖1。圖1可以非常直觀地反映我國的科技綜合水平的地域分布特點。本文采用的分級方案為Natural Breaks自然間斷點分級法，它是在分級數確定的情況下，通過聚類分析將相似性最大的數據分在同一級，差異性最大的數據分在不同級，這種方法比較好保持數據的統計特性。

圖1 我國省域科技創新指數空間分布四分位圖

最后，根據全國樣本地區主成分的綜合得分，對31個省的科技創新水平聚集度進行劃分?？萍紕撔碌途奂貐^是區域科技創新聚集度水平綜合得分低于-0.31的地區。包括河南、江西、廣西、青海、貴州、云南、新疆、海南、西藏9個省市，約占樣本總數的29%。“科技創新中聚集地區”是區域科技創新聚集度水平綜合得分低于-0.1，高于-0.34的地區。包括陜西、湖北、湖南、內蒙古、重慶、四川、寧夏、吉林、山西、安徽、黑龍江、河北、甘肅13個省市，約占樣本總數的42%?？萍紕撔麓胃呔奂貐^是區域科技創新聚集度綜合水平得分低于1.0，高于-0.1的地區。包括東部沿海省份（如廣東、江蘇、福建等省份），約占樣本總數的20%，這些省份都是我國經濟發展的先頭城市。

科技創新聚集地（科技創新高聚集地區）是區域科技創新聚集度水平綜合得分高于1.0的地區，包括北京、上海和天津。

可見我國地域科技創新水平呈現明顯的梯度特征，從東部沿海地區到中部地區，再到西部地區科技創新水平依次降低，從南往北也存在這種科技創新水平降低的現象。這種科技創新水平的分布也反映了我國的科技創新力量的不均衡狀態?？萍紕撔铝α糠植疾痪鶆?，分布在少數地區，其中科技創新高水平區域（科技創新高集聚地區）出現有北京、天津和上海形成的三角頂點；科技創新次高水平區域為沿海科技次高聚集帶的環渤海、長三角和珠三角形成的“帶狀“區域；而科技創新中等水平區域則多為中部地區；西北的大部分地區則是我國的科技創新低水平區域。綜上所述可以得出我國不同地域間科技創新水平與其經濟實力是相匹配的，東部沿海經濟發達地區的科技創新水平都比較高，中部經濟一邊地區創新水平次之，西北經濟不發達地區的科技創新水平最低。

三、基于Moran’s I統計值的省域科技創新空間分布狀況分析

1.Moran’s I的計算說明

在空間相關分析應用研究中，為檢驗全域空間自相關現象存在與否，常使用空間自相關指數Moran’s I對其加以研判說明［4］。

根據計算公式可得到表示全國31個省的31×31階的鄰近標準的二元權重矩陣。事實上，中國地圖中的海南島和廣東省、廣西自治區雖然不鄰接，但實際上，海南和廣東、廣西聯系密切，所以有些學者如王勁峰提出將海南和廣東、廣西看作互為鄰居。本文通過手工編輯海南省和廣東省、廣西自治區互為鄰接區域。

2.基于Moran’s I的檢驗結果

選取我國科技創新R&D經費內部支出指標，依照Moran統計量的計算公式，2009-2011年我國31個省域科技創新R&D經費支出的空間自相關Moran’s I統計結果分別為0.207274、0.200138、0.215771，Moran I的顯著性檢驗值Z值均大于正態分布函數在0.01水平下的數值，即臨界值1.96，說明我國科技經費支出具有明顯的正的空間自相關性，即全國各省科技創新R&D經費內部支出在空間分布上處于非隨機狀態，也就是說相同科技創新發展水平的區域在地域上有著顯著的聚集特征，科技創新水平較高的區域傾向于聚集在一起，科技創新水平較低的地區也聚集在一起。

圖2 科技創新R&D經費支出的Moran散點圖（2011）

此外，如圖2所示，圖中紫色色實線的斜率反映的是2011年中國科技創新R&D經費支出的Moran’s I指數為0.215771。統計

在測量過程中，發現了一系列的問題。

1.測量身高的過程中，頭發對測量結果有一定程度的影響。F傳感器主要是靠超聲波來測量被測對象到傳感器的距離，頭發的松散程度影響了測量結果，這個影響因素屬于不可避免的，也是因人而異的。所以在此次測量身高的過程中，我選擇在被測對象的頭頂上放一張薄紙，可以保持頭頂的一個水平高度，其次因為紙薄，基本上對測量結果不會有較大的影響。

2.E系統或者C計算器收集數據時，從圖形中明顯可以看出測量得到的數據并不是一個穩定的數值，而是有一定的上下波動范圍。經多次測量發現，這個波動為上下1厘米。本文中，在進行測量系統分析中收集的數據，使用的C計算器，操作者根據自己的選擇讀取一個數據。在身高測量過程中，使用的是E系統，如圖4-1所示，收集的數據呈上下波動狀態，通過對數據的觀察，選取眾數（出現頻率最大的數）作為測量結果進行分析。

結 語

通過對A實驗室的探索及其研究，將其運用到設計身高測量系統中，以解決傳統身高測量系統的不足。從而設計了快捷式身高測量系統，制作出人體身高測量儀。

通過對測量系統的分析，發現該系統存在線性偏倚問題，對此，進行了回歸分析，矯正測量數據與實際數據之間的偏差，確定了身高的測量計算公式，實際身高=2.127（傳感器固定高度）-0.969測量距離+0.0496（固有誤差）。實際系統在長時間運行中測量誤差小于3毫米，確保了系統的準確性和測量數據的有效性。

雖然做出了身高測量儀的模型，但是這個模型仍有不足之處。例如為求方便，模型的制作主要借助了傳統的身高測量儀，沒有做出模擬圖中的效果。因此，本文作者對未來工作有以下幾點展望：

1.能做出模擬圖中的效果，并將其真正用于實踐中。2.通過更有效的方法來校正測量儀器的準確度。3.針對數據過多，能夠在不穩定的數據中更準確的選擇一個有效數據。4.再選取一個能夠測量壓力的傳感器，設計一個可以同時測量身高和體重的測量儀。