區域科技創新競爭力評價研究

摘要：提高科技創新競爭力能加快經濟增長效率，改善產業結構，是實現中國可持續發展的重要途徑。通過創建科技創新競爭力的評價指標體系，使用因子分析探尋影響中國7個區域科技創新綜合水平的主要原因，并使用聚類分析法把科技水平接近的區域進行分類。結果表明，工業企業科研項目與投入，教育與科研機構科研能力與區域高技術產業科研能力是影響整個區域科技創新競爭力的主要因子。將技術創新與區域的教育創新結合，使結果更有說服力。關鍵詞：科技競爭力；因子分析；聚類分析；評價指標

中圖分類號：F 124.3文獻標識碼：A文章編號：1672-7312（2018）01-0027-07

Abstract：Various regions are paying more attention to science and technology innovation.Improving the science and education innovation competitiveness can speed up the economic growth and improve the industrial structure，and is an important way to realize the sustainable development of China.The article selected 7 regions of China，and established a comprehensive index system of science and education innovation capability to find the key factors of science and education innovation capacity，The Results show that Industrial enterprises’ competitiveness，education and scientific research institutions’ competitiveness and high technology enterprises’ competitiveness are the three key factors which affect the science and education innovation.Innovation lies in studying the combination of technology and regional education innovation ability.Key words：Science and technology innovation ability；factor analysis；cluster analysis；evaluation index

0引言目前，中國開始進入科技創新驅動發展的階段，企業發展也從生產要素與投資驅動發展到了創新驅動的階段，一些發達國家在達到中國2015年左右的人均GDP水平階段時已經開始加速對創新的發展[1]。2014年10月初李克強總理在訪德期間，中德簽署了《中德合作行動綱要：共塑創新》，與德國合作高技術戰略計劃，提出兩國將開展工業生產的數字化合作，也就是工業4.0，這項計劃主要為了提升科學技術創新水平，發展智能化、數字化的智慧工廠[2]，區域的科技創新發展很大程度上反映了當地的先進程度與經濟水平，與科技發展最相關的就是技術水平人才的培養與教育。近年來，中國很多學者對科技，工業企業與服務方面的創新進行了探討，主要的研究指標有3個方面：①區域科研機構的投入與成果；②區域教育發展的投入與成果；③區域企業科技發展的現狀。但在現有文獻中對科技創新競爭力的研究比較多，但是基本上只研究科研發展方面，然而科技與教育兩者密不可分，教育是技術發展的基礎，

教育創新水平的高低決定區域高技術水平人才的輸出量，所以文中的創新之處在于將技術創新與區域的教育創新結合，這樣更能綜合評價區域科技創新。

1文獻回顧國外學者Malcki[3]認為在新技術和經濟全球化的快速發展下，一些高技術產業與標準化流水線式大規模生產的工業企業開始尋找低成本發展方式，致力于新產品與新技術的研發，使生產越來越高效。CharlesLandry[4]提出了創新型城市發展的7個方面：①富有創意的人；②意志與領導力；③開放的組織文化；④人的多樣性與智慧獲取；⑤對本地身份強烈的正面認同感；⑥城市空間與設施；⑦網絡機會，總結這7個方面主要是對人才的培養與城市科技發展的基礎支撐。在對科技創新綜合評價方面很多學者都選用因子分析法，如李藝、辛督強與韓國秀等。李藝[5]使用因子分析以創新的投入，產出以及支撐能力三類指標對安徽省的17個城市的創新能力進行評估，科技創新方面的指標有研究與發展機構的科研人員數量，科研經費支出；大中型企業的科研人員，科研經費的支出，有效專利數與發表科技論文數等。辛督強與韓國秀[6]使用因子分析對科技期刊的綜合評價結果排名。另外在評價體系方面，韓東林，杜永飛[7]等通過構建高技術服務業競爭力評價指標體系，在創新能力方面選取了有效發明專利數，形成國家或行業標準數以及技術市場成交額。分析中國長三角，珠三角以及環渤海三大區域的技術服務水平，發現珠三角排在首位，其次是長三角，最后是環渤海地區。杜英[8]等分析國內外創新型城市的指標，從創新環境、投入、產出記憶創新基礎這些方面評價了甘肅的城市創新。劉新靜，張懿瑋[9]對中國的北京、上海等12個大都市的綜合競爭力進行分析，包含人口，經濟，生活質量，科技智慧與文化教育5個方面，在科技方面選取了科學技術支出占GDP的比重與區域的文盲率作為評價指標。王哲、沙國、楊桔[10]通過知識，科研以及品牌創新這些評價體系研究了中部4大城市群的自主創新能力，在科研評價方面選取了省級研發機構數量，創新型企業數量，各類科技人員比重，以及省級以上科技成果等指標。

2研究方法與數據處理文中使用因子分析法分析區域科技競爭力，因子分析[11]的前提是最少的信息丟失，把與研究目的相關的眾多因素結合到一起，濃縮形成少數幾個綜合指標，這些綜合指標稱為因子，其有4個特點：第一，因子在數量上遠少于原有變量；第二，各個因子之間線性關系不顯著；第三，因子能夠反映出絕大部分的信息；第四，因子具有命名的解釋性。

2.1評價指標的構建與數據處理評價指標體系是因子分析的重點部分，評價指標體系要遵循3大原則，分別為客觀性原則，相對性原則以及可操作性原則。首先客觀性是指要從多個方面選取各個因子，綜合反映區域科研創新競爭力，相對性原則是指衡量各因子需要有標準，例如在文中，選取的樣本人口基數為2 171萬人的北京市，也有人口基數為9 847萬人的山東，在研究科研人數這項影響因素時，需要用科研人數所占總人口的比重來進行衡量，否則北京市的科研人數這項結果會失去意義。可操作原則是指所選取的評價指標的數據是可以統計的，并保持各指標計算口徑的一致，保證同一指標動態可比。文中根據國內外學者對科技競爭力方面的研究從區域科研機構科技創新水平、高技術產業科技創新水平、區域工業企業科技創新水平以及區域教育水平這4個方面選取了25個指標對區域科技競爭力進行統計分析，見表1.

2.2數據的獲取與量化文中所用數據主要來源于《2016中國統計年鑒》[12]和《2016中國科技統計年鑒》[13]。由于選取的各個指標單位存在差異，所以需要對這些數據進行標準化[13]，將它們轉化成無因次量綱的數據，使這些指標均值為0，方差為1，消除量綱影響，以便進行相互比較。計算公式：

Yi=Xi-S，其中

=1nni=1Xi，

S=

1nni=1（Xi-）2.

式中，Yi為標準化之后的數值；Xi原始數據；為原始數據平均值；

n為樣本數。

2.3因子分析的適用性檢驗因子分析的適用性分析一般采取計算相關矩陣法與KMO（KaiserMeyerOlkin）法。

2.3.1系數相關矩陣法計算原有變量的系數相關矩陣，如果矩陣中的大部分相關系數值都小于0.3，則表示不適合使用因子分析法。

2.3.2KMO（KaiserMeyerOlkin）法KMO檢驗統計量是用于比較變量間簡單相關系數和偏相關系數的指標，計算方法為

KMO=i≠jr2ij

i≠jr2ij+

i≠jp2ij

.

式中，

rij為變量xi和其他變量xj間的簡單系數關系；pij為變量xi和其他變量xj間在控制了剩余變量下得偏相關系數。KMO統計量在0～1之間，當所有變量間的相關系數平方和遠大于偏相關系數平方和，KMO的值接近1，也就表明著相關系數關系越強，越適合使用因子分析，若KMO值越接近于0，則越不適合使用因子分析。Kaiser給出的KMO值度量標準：0.9以上表示非常適合，0.8以上適合，0.7以上表示一般適合，0.6以上表示不太適合，0.5以下則表示非常不適合。KMO檢驗結果見表2.

通過統計軟件SPSS 19.0對各個評價指標進行KMO檢驗和Bartlett球度檢驗。結果顯示KMO值為0.729，表示一般適合，可以使用因子分析進行降維分析。

2.4因子提取因子分析采用了主成分分析法提取因子，并且選取大于1的特征根。因子的提取見表3，第一列數據是因子分析初始解下的變量共同度，表示提取所有特征根，變量的共同度都為1，第二列數據是指提取大于1的特征根的情況下的共同度，除了D13（規模以上工業企業RD經費內外部總支出占GDP）為0.721以外，其余評價指標的提取均大于84%，效果較為理想。

表4為因子分析因子解釋原有變量總方差的情況，計算各主成分的貢獻率，并按累積貢獻率提取主因子，以累積貢獻率達到85%為準則，提取前K個主因子，當前K個主因子的方差累積貢獻率超過85%，可認為這K個主因子反映足夠的信息量，因此可以用來解決實證問題。因子分析過程中，以主因子為標準提取因子，采用具有Kaiser標準化的正交旋轉法對因子荷載矩陣進行旋轉，可得到旋轉后的因子特征值和貢獻率以及旋轉后的因子載荷矩陣。從表4可以看出因子旋轉后累計方差比為93002%，對原變量的共同度沒有造成影響，但是重新分配了各個因子解釋原有變量的方差，改變了因子的方差貢獻率，使因子解釋性更好，93.002%大于85%表示能很好地反映所有變量。

長三角、珠三角以及環渤海地區分值較高，具體分值各區域的總分排名以及在各因子上的排名見表7.從總體排名上看，靠前的除了北京其余都是東南沿海地區，華東地區綜合排名第一位，并且遠高于第二位，區域教育與科研機構科研創新排名也非常靠前，但是在高技術產業方面還需改善；華北地區在總分排名靠前，但是在f2因子上排在第四位，也就是區域教育與科研機構的創新競爭力還需要提升；華南地區工業企業與高技術產業方面的創新具有很強的競爭力，在教育與科研機構方面還需改善；華中地區總分值排名第四，工業企業創新發展較好，高技術產業需要提升；東北地區總分排名第五，在工業企業創新以及高技術產業方面都需要改善；西南與西北地區總體比較接近，高技術產業創新發展較好，但需要在工業企業創新與教育科研創新這兩方面投入資金發展。

3結果分析與建議使用聚類分析將中國大陸各區域科技創新競爭力分類，結果如圖2所示。

各省市自治區的科技競爭力聚類分析結果：第一類為江蘇，第二類為山東、上海、北京、廣東和浙江，第三類為湖北、天津、陜西、河南、遼寧、福建、四川、安徽和湖南，其余省市為第四類。第一類的江蘇綜合得分遙遙領先于全國其他地區，江蘇省地處東南沿海，大部分城市都屬于三角城市圈，經濟實力雄厚，長三角是中國重要的長江經濟帶與“一帶一路”的交匯地區，2015年江蘇全省經濟總產值達到70 116.38億元，占到全國GDP的10.4%，同時在工業企業上的科研項目，新產品數都領先于其他地區，說明擁有較多的技術密集型工業企業，在原來的基礎上結合中國工業4.0的3大主題所涉及到的智能，繼續大力發展工業企業的技術性能，優化企業科技競爭力。另外，江蘇省在科研與教育創新上得分也名列前茅，尤其在發表科技論文、科技著作和有效專利數上優勢非常明顯，這得益于江蘇是教育大省，在科研方面投入資金也達到986 020萬元，擁有普通高校131所，數量排在全國各省之首。

第二類區域的山東、上海、北京、廣東和浙江的綜合得分都很高，北京與上海的教育與科研機構水平分別排在第一位和第二位，能夠吸引全國各地的

學者，聚集了全國的高端創新型人才， 另外，高技術產業得分排名也非常靠前，高技術產業的發展可以推動產業結構升級，使勞動生產效率和經濟效益提高，但是北京和上海的工業企業科技競爭力不足，北京工業企業科研項目僅有7 554項，有效發明專利也只有23 749件，工業企業需要多開發科研活動與科研項目，提高企業科技競爭力。浙江地處中國東南沿海，在長江三角洲南翼，東臨東海，交通樞紐發達，GDP也位于全國前列，是中國經濟最活躍的省份之一，山東處于東部沿海，在長三角北部，浙江與山東的工業企業創新力得分很高，分別排在第二和第三位，但是高技術產業得分較低，很多輕工業企業均為勞動密集型，高技術產業新產品開發項目數較少，所以需要進一步發展高技術產業，提高對新產品的開發，提高產業生產效率與經濟效益。另外，同處第二類的還有廣東與山東和江蘇，這3個省被評為中國最具綜合競爭力的省區，廣東省是中國第一經濟大省，高科技產業競爭力非常強，排在第一位，并且工業企業科技競爭力也非常靠前，尤其是區域研究與試驗科研人員，研究與發展機構科研人員總數，政府在科研方面投入的資金都在全國排在前列，但是教育與科研競爭力排名相對處于弱勢，尤其是高等學校科研課題投入經費為433 844萬元，遠低于科技創新力相近的其他地區，所以需要加大科研經費的投資來改善教育與科研環境，通過吸引更多的學者，培養創新型人才，大力推進創新創業教育，加強校企合作。第三類區域主要處于中部地區，總體在工業企業創新與教育科研方面上排名處于中國中上游，但在高技術產業方面相對落后。例如河南省，河南地處中國中東部，黃河中下游，交通便利，據2016年底統計常住人口9 532.42萬人，居中國第3位，是中國新興工業大省，在工業企業創新方面排在第五位僅次于廣東，規模以上工業企業科研的內外部支出達3 688 252.4萬元，在科研與教育創新方面排名位于中國中游，但在高技術產業方面有所欠缺，高技術產業有效專利僅有1 663件，新產品開發項目也只有1 540項，所以在這些方面要加大投資。四川省在第三類區域相對例外，四川是中國西部綜合交通樞紐和經濟發展高地，經濟總量在西部地區連續多年位居第一，在高技術產業方面發展很好，尤其是高技術產業有效專利達到7 010件，高技術產業新產品開發項目有

2 270項，排名都非常靠前，但是在工業企業科技創新上稍顯落后，有研發活動的企業數偏少，企業科研方面的投資力度還有待加強，企業科研主要靠勞動力密集型工業企業帶動經濟，因此需要激勵工業企業投入更多的資金開展科研活動。第四類區域綜合得分低，絕大部分地處中國偏遠地區，在經濟，科技，交通等方面都相對較弱，人才較為匱乏，在這些地區首先加大在教育方面的投資，吸引人才，發展科技，同時也需要和周邊地區共同合作，加快經濟發展。例如甘肅和青海，兩者地理位置相鄰，甘肅在工業企業科技發展和教育與科研機構主因子上都要強于青海，但是在高技術產業上稍遜于后者，所以可以聯合發展，互惠互利，同時提高區域科技競爭力。

4結論整體上第一類地區江蘇和第二類地區山東、上海、北京、廣東、和浙江在科技競爭力方面遠強于中國大陸其他地區。由于中國傳統的發展模式各個區域都存在差異，科技發展不均衡，而且在十三五時期，科技創新驅動發展戰略有可能強化“強者越強、弱者越弱”的發展趨勢，所以第一類和第二類地區要鞏固強化各自原本的科技優勢，并且加大對周圍第三、四類地區的輻射，帶動周邊地區科技競爭力共同發展。各區域積極開展校企合作，持續推進產教深度融合，優化科技創新環境，提高學校、科研機構以及企業的科研能力，重視中小型科技、工業企業的創新發展，打造創新鏈，在科技創新驅動發展領域營造優惠的競爭市場環境，激發已有創新資源潛力。

參考文獻：

[1]陸大道.中速增長：中國經濟的可持續發展[J].地理科學，2015，35（10）：1207-1219.

[2]蔡澤寰.應對工業4.0加強產教融合機制創新[J].中國高等教育，2016（z3）：24-26.

[3]Mikel Buesa，Joost Heljs.Regional systems of innovation and the knowledge production function：the spanishcase[J].Technovation，2006（26）：463-472.

[4]Charles Landry.The creative city：A toolkit for urban innovators[M].London：Earthscan Publications Ltd.，2000.

[5]李藝.基于因子分析和聚類分析法的安徽省城市技術創新能力評價[J].科技管理研究，2013（15）：56.

[6]辛督強，韓國秀.因子分析法在科技期刊綜合評價中的應用[J].數理統計與管理，2014（1）：116-121.

[7]韓東林，杜永飛，夏碧蕓.基于因子分析的中國三大區域高技術服務業競爭力評價[J].中國科技論壇，2013（10）：37-39.

[8]杜英.甘肅省創新型城市評價研究[J].中國科技論壇，2012（3）：98-103.

[9]劉新靜，張懿瑋.中國大都市城市競爭力評價分析-基于因子分析法[J].同濟大學學報：社會科學版，2016（1）：69-77.

[10]王哲，沙國，楊桔.基于因子分析法的中部城市群創新能力評價研[J].江淮論壇，2015（1）：104-108.

[11]何曉群.多元統計分析[M].北京：中國人民大學出版社，2004.

[12]國家統計局.2016中國統計年鑒[M].北京：中國統計出版社，2016.

[13]國家統計局.2016中國科技統計年鑒[M].北京：中國統計出版社，2016.

[14]馬立平.統計數據標準化——無量綱化方法[J].北京統計，2003（5）：34.

（責任編輯：王強）