基于因子分析法的高新區經濟效益綜合評價

趙忠君，牛 帆

(湘潭大學 商學院人力資源管理研究所， 湖南 湘潭 411005)

一、引言

自我國第一個國家高新區受批以來，至今已經歷了30多年發展歷程，在此過程中，我國高新技術開發區參與并且引領了我國經濟變遷的格局。國家高新區[1](State High-technology Park)是一種綜合性基地，高新區是以智力密集為平臺，高新區的目標是利用自然資源和科學技術開發出新產品和新技術，從而為社會經濟等各方面的發展提供動力。高新區已然成為經濟結構轉型進程中的一環，高新區所創造的價值巨大。高新區成為經濟與科技相結合的重大推動力，作為國家創新體系中的不可或缺的成分之一，高新區極大地推動了區域產業技術進步和產業升級。

我國高新區的發展呈現出明顯的階段性，具體可以劃分為三個階段：第一，醞釀階段(1984—1988)。在這一階段，我國審批建立了第一個國家高新區試驗區，并且發布了兩個重要性的發展計劃，即國家高新區研究發展計劃以及火炬計劃。這一階段的準備為我國高新區的發展掀起了嶄新的一頁。第二，創辦階段(1988—1991)。在此期間，我國第一批國家高新區成功創立，此時國家高新區初具規模。第三，成長與發展階段(1992年—至今)。這一階段初期，國家高新區的數目為25個。在此時期我國高新區發展異常迅速，一直到1997年，我國國家高新區達到了53個。到2012年的時候，國家高新區的數量更是翻了兩番，總數突破100個。截至2014年我國高新區達到115個。我國國家高新區的總數呈現一個不斷上升的趨勢，新興的國家高新區如雨后春筍般破土而生。當然國家高新區的發展不僅僅體現在數量上的增長，它所帶來的各方面的變化也是有目共睹的。截至2015年，根據數據顯示，我國115個國家高新區營業總收入的總額達到200000億元，工業總產值超過了160000億元，帶來的凈利潤突破了15000億元，上繳稅額達到了13000億元，出口創稅總額為4351億美元。從這些龐大的數值我們可以看到國家高新區的發展在質、量兩個方面都取得了顯著的成就。高新區的發展歷史雖然不長，但是它所帶來的影響卻是有目共睹的。這些高新區作為一個發展平臺，不僅僅提升了自身的發展，還對周邊地區的進步與發展產生了一定的影響。但與此同時，高新技術產業區在發展過程中出現了功能偏離現象、比較優勢弱化、自主創新能力不強、機制不完善等問題，這些問題的存在在一定意義上給高新區的發展評估造成了反面影響。綜合以上情況，國內外的研究學者對國家高新區的關注度一直居高不下。本文綜合原則性以及實際可操作性對現有的高新區評價指標體系進行分析整合，基于2015年我國115個高新區的截面經濟數據，采用SPSS統計軟件中的因子分析評價法對我國高新區的經濟實力進行一個綜合評分，根據軟件運算結果的得分對我國115個國家級高新區進行綜合排名，使其明確自身實力的位置國家高新區的經濟效益也是其績效水平的直觀反映，高新區的經濟效益如何以及其排名的高低等這些指標對于有關管理部門的意見建議的提出也有著至關重要的作用，對于相關的管理決策部門的決策制定提供一定的幫助。因此，通過選取高新區評價指標并對高新區的經濟效益進行綜合評價具有重要的理論和現實意義。

二、文獻回顧與綜述

關于國家高新區指標的相關研究國外相對于國內而言開始得較早，研究的成果也多于國內。如1995年，Freeman[2]首次歸納概括出創新體系的概念，為以后有關創新體系以及創新體系的評價打下了良好的研究基礎。美國學者愛弗雷特·M·羅杰斯和朱迪恩·K·拉森(2004)[3]是第一個開始對高新區進行評價的，通過選取定性綜合性指標揭示了硅谷的“凝聚經濟效益”。Mueller[4]研究了專利數量與研發投入兩者之間的關系，他發現專利數量主要受“衡量 R&D 投入”的各指標的影響。X Fei和Q Bu[5]根據“復雜系統”提出的系統構建思想，通過內容分析，探索中國高新區人才聚集體系指標評估框架。通過分層次過程評估不同指標的權重，然后總結理論推導和實證分析結果，提出基于人才聚合體系評估與優化的高新區創新驅動型發展路徑與策略；亦有學者使用因子分析法對高新區進行了相關研究。如Buesa、Heijs 和Baumert(2010)[6]利用因子分析法討論了高新區的創新因素。X Wang(2013)等[7]構建了由城市化指標、工業化指標和分離指標組成的城市生產融合度量指標系統。之后利用因子分析與聚類分析相結合的研究方法對于高新技術產品如何進行歸類提供了有益建議。DH Zhao和FQ Sun(2014)[8]在總結前人的研究方法后，采用了因子分析法對現有的54個高新區進行分析，發現高新區的發展存在著明顯的不均衡。

國內的研究也是碩果累累。其中關于高新區評價指標構建的最具代表性的是國家科技部從經濟、人才等八個方面二十多個指標構造的評價體系，之后科技部又對現有的考核指標進行了更新；之后科技部又將指標體系從創新環境、創新能力和經濟發展三大方面進行了調整，這都體現了高新區評價指標體系的與時俱進性[9]。在指標體系構建逐步完善中，亦有學者進行了相關研究。岳立等(2013)[10]基于11個省份的截面數據，從投入和產出的角度出發，通過構建DEA模型選取了效率評價指標。方玉梅和劉鳳朝(2014)[11]通過構建一個四維評價模型，運用熵值法對54個國家高新技術開發區的創新績效進行了定量評估。如于晶等(2016)[12]依據“負責任創新”的理念，從企業產品設計理念、產品生產過程和評價監督機制三方面構建了一套企業負責任創新評價指標體系，然后對大連高新區 NV 和 SA 企業進行了研究；因子分析法作為一種被廣泛應用的統計方法已經被用于對于國家高新區的相關研究。如李曉梅(2012)[13]運用因子分析法和聚類分析對我國20多個省市高新區進行綜合評價，并對其進行分類，提出了具有針對性的發展建議。徐嘉祺和賈金榮(2013)[14]使用因子分析法對29個省級高新區的經濟績效進行了考評，研究發現科研還有經濟因素是營銷高新區經濟績效的重大因素，而且這兩大因素的發展存在著一定程度的失衡。唐錦銓(2015)[15]選取福州高新技術開發區的475家中小型企業為研究對象，分別從理論上和實踐兩個層面闡述了企業的國際化程度與企業績效之間的相關關系。研究結果表明，各個中小企業之間的國際化程度的差異性很大，但是這卻不是影響中小企業經濟績效水平的關鍵性因素。王霞等(2016)[16]以56個國家高新區為案例進行實證研究，通過因子分析和熵值法結合的研究方法獲取各指標的權重，從而對高新區的經濟績效進行定量研究，這在一定程度上提高了研究的準確性和有效性。

綜上所述，從國內外的研究現狀來看，兩者之間在研究趨勢和研究方法上并沒有明顯的差別，都是經歷了由定性分析到定量分析，最后是定性和定量相結合的大致過程。現階段有關國家高新區的研究大都趨向于以選取某個地區特例為研究對象。再有，上述研究結論和成果都為后續的關于高新區各個方面的研究打下了堅實的基礎，但是學者們對于國家高新區的研究也形成了一定的研究范式。這樣的范式所帶來的好處就是簡單、方便操作。但是也不可否認的存在著一定程度的缺陷，比如在指標權重的獲取上存在主觀性等，從而影響到評估的客觀真實性和有效性。所以，利用因子分析從市政定量的角度研究高新區的評估問題，可以在一定程度上保證研究的客觀性。在對高新區進行定量分析的基礎上，客觀的給予高新區一個權重，并且依據該權重對我國國家高新區進行綜合排名，從而可以為高新區的發展建議提供一些借鑒和參考。

三、 指標選擇和研究方法建模

1.指標選擇

綜合評價是決策理論研究中的一個極為重要的組成部分，但是在研究過程中不可避免的受到研究學者的知識體系、個人偏好及判斷水平等主觀因素的影響。除此之外，從評價的內容來看，也存在著諸多的不穩定性，評價起來也難以準確把握，所以對評估工作的展開也帶來了很多的不確定性和評估難度。針對這些現存的問題，想要更好地完成對某個特定對象的準確評估，就要準確把握以下兩個方面的內容，即在對國家高新區進行綜合評價分析之前，一方面要選取合適的評價指標，進而構建合理的評價體系；另一方面就是要選擇合適的定性或定量的方法進行評估。

(1)指標篩選原則。在對國家高新區經濟效益進行評價時，其評價的指標種類非常之多。有投入方面的，有產出方面的，還有環境政策方面的，等等，各個方面以下的門類數量也是有很多。對于如此龐大的指標庫，我們在篩選的過程中要有原則性，從而可以從中選出那些對我們的研究真正有用的東西。如果選擇的指標過多，可能引發信息過載，喪失指標原來重要性，還會增加工作的繁瑣度和出錯率。當然，如若選取的指標數量太少或種類并不夠全面的話，勢必會對評估的結果產生負面影響，從而評估的意義也就不大。通過分析，基于上述指標體系選擇評價的認識，指標選擇基本思想總結為五點：客觀性、有效性、可獲得性、明確性、規范性等要求。

(2)指標相關性和信度效度分析。采用SPSS16.0對所有指標進行相關分析，通過分析相關系數矩陣來判斷指標相關性。之后，進行信度效度檢驗，逐漸消除不合理因素，保留對評估有效的那些指標，從而得到最后的評價指標。

通過查閱大量文獻資料之后，根據數據的可得性以及論文的研究需要，最后選取了V1營業收入(千元)、V2工業總產值(千元)、V3凈利潤(千元)、V4上繳稅費(千元)、V5出口創匯(千美元)、V6技術收入(千元)、V7產品銷售收入(千元)、V8商品銷售收入(千元)8項指標[17]。

表1 經過標準化的觀測變量相關系數矩陣

從表1可以得到高新區經濟效益的相關系數，表格中的數值越大，相關性越高。如營業收入(千元)和上繳稅費(千元)的相關系數為0.933，說明營業收入和上繳稅費這兩個變量的相關性很高。而商品銷售收入(千元)和出口創匯(千美元)兩個變量的相關系數為0.481，說明商品銷售收入和出口創匯兩個變量之間的相關性不是特別高。綜合表中所有數據來看，各個指標之間的相關性程度較高。

表2 可靠性統計量

表2兩個觀測值都在0.80以上，這說明該指標評價體系的內在一致性較強，可靠性較高。由此認為選取的指標具有較好的一致性，指標的信度符合要求。

表3 KOM檢驗和Bartlett檢驗

論文Bartlett檢驗的F值等于0.000，表示國家高新區經濟效益的數據來自正態分布總體。如表3所示，KMO檢測值為0.841(>0.80)，KOM檢驗值比較理想，從而可以初步認為比較適合做因子分析。

綜上所述，從KOM檢驗和Bartlett檢驗結果可知，數據指標初步符合分析的要求，這說明數據及各組成部分建構的模型效度良好。

2.研究方法

一般認為， 因子分析的淵源可以追溯到Karl Pearson和Charles Spearmen等人所進行的有關分析。而“因子分析”這一名稱首次則是由Thurstone在1931年提出。在這之后，隨著社會生活的不斷進步，人們逐漸的將因子分析這一方法應用到了社會生活的各個方面，包括醫學、心理學、軍事學等各個領域。因子分析法越來越得到大家的認可，其實用的范圍和用途也越來越廣泛，在社會生活的各個領域創造著重要價值。

因子分析(Factor Analysis)，作為一種應用較為廣泛的多元統計研究方法，主要就是從眾多的數據變量中，抽離出幾個不可以直接觀測的“潛變量”(又稱為因子)，其大致目的就是用少數幾個因子去描述和解釋多個指標或因素之間的相關性的一種多元統計分析方法。因子分析法的一個思想就是因子分析中的變量都既有共性又有個性，其共性指的是某些每個變量本身不是孤立存在的，而是與其他變量存在著這樣那樣的聯系。所以變量之間存在著相互聯系。變量的個性指的是變量的特性，即某個變量所包含的特有的信息，而這些信息是其他的變量所不能夠反映出來的。因子分析對樣本數據的多個指標變量進行降維處理，揭示出一組潛在的具有線性組合關系的特殊因子與公共因子，從而完成對數據的分析。在使用過程中，通常要求公共因子的數量盡可能的少，而且要在專業上有意義，各個相互聯系的變量之間都會受到公共因子的影響，而特殊因子則僅僅作用于它所反映的那個變量。

簡單地說，因子分析就是以闡釋變量與變量之間的相關性為目標的通過降維的思想在盡可能保存原有資料的真實性的前提條件下，去最大程度且最好的解釋原來的數據，以便于發現事物表象下的本質性的規律。

3.數學模型

設原有P個變量X1，X2，X3， …，Xp，并且每個指標變量的平均值為 0，標準差均為1。注意此變量經過標準化處理的變量。現將每個原有變量有K(K

X1=a11f1+a12f2+a13f3+ … +a1kfk+e1

X2=a21f1+a22f2+a23f3+ … +a2kfk+e2

X3=a31f1+a32f2+a33f3+ … +a3kfk+e3

…

Xp=ap1f1+ap2f2+ap3f3+ … +apkfk+ep

用矩陣的形式表示為：

X=AF+e

其中 ，F稱為因子(或公共因子)，因為公共因子出現在每個變量的線性表達式中，是每個變量共同擁有的；A稱為因子載荷矩陣；aij被稱作因子載荷，它所代表的意義是第i個原有變量在第j個因子上的負荷；e稱為特殊因子，它代表的是公共因子無法對原有變量進行解釋的那部分。

因子分析的大致步驟如下：

(1)指標的正向化。

(2)指標數據的標準化( SPSS 自動執行)。

(3)指標與指標之間的相關性分析用 SPSS 軟件中表“Correlation Matrix(相關系數矩陣) ”判定。

(4)確定因子個數 m：用 SPSS 軟件中表“Total Variance Explained” 特征值計貢獻率 ≥ 85%、結合表“Rotated Component Matrix( 旋轉后因子載荷陣) ”從而可以確定因子個數m。

(5)求因子載荷矩陣Bm：SPSS 軟件中表“Rotated Component Matrix” 。

(6)因 子Zi的命名：在SPSS運行結果中，通過表“ Rotated Component Matrix”旋轉因子載荷矩陣 Bm ，將表中的第i列絕對值大的所對應的變量歸為Zi一類，然后就可以根據所得到的分類結果對 Zi進行命名。

(7)求因子得分函數Zi表達式：Zi=b′iX，這里bi是SPSS 軟件中“Component Score Coefficient Matrix( 因子得分系數矩陣) ”的第i列向量。

(8)求每個公共因子的得分還有綜合因子的評分分值：綜合因子得分(評價)公式：

(9)檢驗: 用實際結果和原始數據做聚類分析進行檢驗，然后進行綜合評分。針對有爭議的結果，則采用對原始數據進行判別分析的手段來解決爭議。

四、實證研究

論文運用SPSS16.0統計軟件，對所篩選得到的八個指標進行實證統計分析。首先把收集到的原始數據進行分類整理，然后導入到軟件當中去，選擇相關模塊進行操作。

1.全部解釋方差表

由表4可知，經過旋轉之后論文的前兩個因子的特征根分別變成了4.098和3.418，所占的方差比重分別為51.224%和42.722%。1共因子的特征根為4.098(>1)，2公因子的特征根是3.418(>1)，1公因子的貢獻率為83.823%，2公因子的貢獻率為10.123%，且提取出來的兩個公共因子的累計貢獻率達到了93.946%。這可以表明這兩個公共因子所包含的信息可以涵蓋絕大部分原始數據當中的信息，提取的兩個公共因子的擬合效度比較符合要求。

表4 全部解釋方差表

2.碎石圖(Scree Plot)

圖1為因子分析結果的碎石圖。碎石圖的一個最大的優點就是它可以非常直觀的看出公因子的提取情況。從圖1中可以看到一個明顯的拐點出現在橫坐標“2”所對應的位置，這也就表明了軟件提取了兩個公共因子，通過結合表4和圖1就可以說明提取的兩個因子可以涵蓋絕大部分原始數據當中的信息。這也說明了因子分析法是行得通的。

圖1 碎石圖

3.經過旋轉的因子載荷矩陣和因子得分系數矩陣

初始因子載荷矩陣的代表性不強，數據展示也不直觀，不利于數據的觀測和比較。對于數據的進一步分析解釋也不盡如人意。考慮到初始載荷矩陣的種種弊端，我們知道因子載荷矩陣不是唯一的，從而可以對初始因子載荷矩陣進行旋轉，使每一個觀測變量的值盡可能向0和1兩極分化。這樣做的好處就是可以更加方便地對數據進行分析。

從表5中還可以看出，如商品銷售收入(千元)在F1公因子上的因子載荷為0.958，在F2公因子上的因子載荷為0.197，比較可得，商品銷售收入(千元)這一指標在F1這一公共因子上具有較高載荷。又如出口創匯(千美元)在F1公因子上的因子載荷為0.257，在F2公因子上的因子載荷為0.874，比較可得，出口創匯(千美元)在F2這一公共因子具有較高載荷。

綜合比較可得：在F1這一公共因子上具有較大載荷的評價指標如下：商品銷售收入(千元)、技術收入(千元)、營業收入(千元)、凈利潤(千元)、上繳稅費(千元)，F1公因子主要體現了高新區的創新所帶來的收入，故將其命名為創新成果因子。

在F2這一公共因子上具有較大載荷的評價指標如下：工業總產值(千元)、出口創匯(千美元)、產品銷售收入(千元)等指標上具有較大載荷，F2公因子主要體現了高新區的產品生產能力和對外市場競爭力，故將其命名為對外產銷因子。

表5 經過旋轉后的因子載荷矩陣和因子得分系數矩陣

為考察各個變量對因子的重要程度以及對高新區經濟效益進行綜合評價，論文采用回歸法得到因子得分矩陣，根據該矩陣以及變量的觀測值可以計算因子得分，如：

F1=0.208營業收入-0.228工業總產值+0.205凈利潤+0.198上繳稅費-0.309出口創匯+0.308技術收入-0.123產品銷售收入+0.497商品銷售收入

F2= -0.012營業收入+0.455工業總產值-0.009凈利潤-0.011上繳稅費+0.521出口創匯- 0.135技術收入+0.350產品銷售收入-0.368商品銷售收入

依據前述的特征根大于1的方差貢獻率和剛剛求得的F1(創新成果因子)和F2(對外產銷因子)，通過就算可以求得綜合的因子評分的分值，我們得到的具體計算公式如下：

F=0.51224F1+0.42722F2

根據上述的上述的計算公式，我們可以求得國家高新區在每個公共因子上的得分，以及高新區的綜合評分分值，然后根據運行的結果，還可以得到我國115個高新區的排名情況。綜上，通過統計年鑒的所得數據，運用SPSS統計軟件的因子分析法，可以得到我國115個國家高新區的綜合排名。其中排名前十位的是：北京中關村、上海張江、武漢、西安、成都、長春、天津濱海、深圳、廣州、南京。

五、結果討論與啟示

通過選取的國家高新區評價指標，構建評估體系，然后利用SPSS中的因子分析法對我國國家高新區的經濟發展的實力給出一個比較綜合性的評估，最后以定量的分析115個國家高新區的經濟發展情況，從而為高新區自身的發展以及有關部門的管理起到一定的作用。

1.結果討論

(1)從綜合情況來看，北京、上海張江、武漢、西安、成都、長春、天津濱海、深圳、廣州、南京等位于綜合排名的前列，這個結果與高新區的實際發展情況也是比較契合的。這些排名靠前的高新區，之所以綜合評分較高，是因為它們都處于資源條件相對充裕的地區。它們可以充分利用既有的資源來完善自身的發展，而且它們的技術相對成熟，可以對自身的資源加以充分利用。目前看來，各個國家高新區的發展的趨勢良好，整體的發展不論是在質量還是在速度上都是值得贊揚的。這些高新區的發展不僅僅作用于它們自身，而且帶動效應明顯，給周邊地區的發展提供了契機。武漢、西安、天津發展的勁頭非常猛，由此可以預見未來高新區的發展一片大好，前景比較光明。總體而言，因子分析得出的最終結果與高新區的實際發展狀況是較為契合的。

(2)從主因子來看，北京、天津、杭州在第一主因子上的表現比較出色。第一主因子F1(創新成果因子)主要體現的是各方面的收入情況，這從一個側面說明了這些地區是主要的經濟利潤產出地區。這些高新區的經濟利潤非常可觀。由于北京是我國政治、文化中心，具有得天獨厚的發展優勢，并以此滋養著眾多科研院所，為高新區的發展助力不少。而上海、武漢、成都在第二主因子上表現比較突出。第二主因子F2(對外產銷因子)可以反映出高新區的工業生產能力和出口貿易能力。這也印證了上海作為我國對外經濟貿易中心，是國際化的經濟大都市，高新區的發展必然也會憑借著這些優勢而茁壯成長。上海的對外貿易所帶來的經濟效益明顯領先于其他諸多的國家高新區。

(3)就單個區域而言，北京國家高新區的排名在第一位。北京作為老高新區，作為國家政治、文化的中心，創造的經濟效益非常可觀。這主要得益于北京的科研環境、政策環境良好，全國聞名的高校眾多，從而獲取的發展資源相較于其他高新區而言是比較多的。上海排名第二，處在一個非常具有競爭力的地位，主要源自于上海的重要地理位置，及其創新環境。上海作為我國經濟金融的發展中心，獲取的國內外資源途徑眾多，對其發展可謂是錦上添花。其中，成都高新區的發展非常迅猛，根據了解這主要得益于眾多的重大項目的順利完工。在2013年，包括戴爾全球運營基地、西門子工程等在內的九十余項重大工程項目在成都竣工。新引進的多個億元以上的重大項目，引進多個資金雄厚的金融項目，其中包括投資200個億的三峽西部項目以及網秦等100多個移動互聯系統工程項目。這些重大項目的落地投產無疑推動了成都國家高新區的發展與進步。除此之外，像南通、長春凈月、泰州、武進分列53名、57名、64 名、66名，這些新興的高新區就趕超了像桂林、煙臺、安陽等老牌高新區，由此可以看出新興高新區發展勢頭強勁，甚至趕超老牌高新區。

2.啟示

(1)國家高新區發展勢頭迅猛，產生的經濟效益是不可估量的，這些經濟效益必然也會帶動我國在政治、文化、軍事等方面的長遠發展。高新區為我國作出的經濟貢獻以及其他帶動效應也是有目共睹的，國家高新區勢必會在今后的發展中一路向前。高新區是科學技術的發展基地，它的發展對本區域的經濟以及周邊區域的發展的帶動效應都是不可估量的。高新區集聚自身的資源，并充分發揮資源的價值，從而創造出更大的價值。國家政策環境對高新區的發展也至關重要，良好的外部環境能夠有效的促進高新區的發展，反之將有礙其快速發展。近年來國家審批的高新區的數量也在增多，高新區要認清自身的位置，找準發展方向，為國家綜合競爭力的提升添磚加瓦。

(2)高新區的發展呈現出不平衡等弊病，仍然可以看出整體呈現地區差異，東部地區相比西部的經濟效益還是相差的比較遠的。但是高新區的存在是不可或缺的。國家部門對于相對落后的地區要給予政策支持，加大扶持力度，使其發揮其自身優勢，趨利避害。對于發展相對成熟穩定的高新區，要總結他們的成功經驗，為相對落后的高新區提供借鑒作用。國家高新區要綜合各方的資源，提升競爭力，不斷縮小差距，使得國家高新區健康發展。正是如此，對高新區進行綜合排名，更加有利于高新區認清自己的定位，發現其與其他高新區的差距，找出自己的不足，取長補短，從而高新區的發展可以更加準確和更有目標導向。同時也有利于政府以及相關決策部門找出高新區發展中的不足，對癥下藥，從而促使高新區的發展越來越好。

[1]Chris Freem. The national system of innovation in historical perspective[J].Cambridge Journal of Economics, 1995(19): 5-24.

[2]Freeman C. The Economics of Hope: Essays on Technical Change, Economic Growth and the Environment[J]. 1993.

[3]Jan Faber, Annei,0es Barbara Hesen. Innovation capabilities of European nations cross—national analyses of patents and sales of product innovations[J]. Research Policy, 2004(33): 193-207.

[4]Mueller D C. Patents, Research and Development, and the Measurement of Inventive Activity[J]. Journal of Industrial Economics, 1966, 15(1):26.

[5]X Fei，Q Bu.The Research on Innovation-Driven Paths of High-tech Zone Under the New Normal in China[J].Advances in Social Science, Education and Humanities Research,2017,91:195-199.

[6]Buesa M, Heijs J, Baumert T. The determinants of regional innovation in Europe: A combined factorial and regression knowledge production function approach[J]. Research Policy, 2010, 39(6):722-735.

[7]Wang X, Su L, Guo B, et al. Evaluation of Industry-city Integration of High-Tech District Based on Factor Analysis and Cluster Analysis[J]. Science & Technology Progress & Policy, 2013.

[8]Zhao D H, Sun F Q, University H U, et al. Based on the Factor Analysis Method Research of Tangshan National High-tech Development Zone Construction[J]. Journal of Hebei United University, 2014.

[9]王雙雙,金鹿. 天津未來科技城考核評價指標體系研究[J]. 科研管理,2015(S1):411-414.

[10]岳立,曾鑫. 基于DEA-Malmquist指數方法的西部11省城市化效率評價[J]. 湖南財政經濟學院學報,2013(03):61-66.

[11]方玉梅,劉鳳朝. 我國國家高新區創新能力評價研究[J]. 大連理工大學學報(社會科學版),2014(04):26-32.

[12]于晶,劉盛博,王前. 大連高新區企業負責任創新評價指標體系研究[J]. 科技管理研究,2016(20):37-42，48.

[13]李曉梅．基于因子和聚類分析的我國高新技術產業競爭力評價[J]．International conference on Engineering and Business management，2012.

[14]徐嘉祺，賈金榮．基于Thurstone因子分析的我國高新區績效評價研究[J]．求索，2013(11)：9-11.

[15]唐錦銓．中小型高新技術企業國際化與企業績效關系——基于福州高新區的實證檢驗[J]．科技管理研究，2015(01)：134～140.

[16]王霞,王巖紅,蘇林,等. 國家高新區產城融合度指標體系的構建及評價——基于因子分析及熵值法[J]. 科學學與科學技術管理,2014,(07):79-88.

[17]科技部火炬高技術產業開發中心．2015中國火炬統計年鑒[M]．北京，2015：3-21.