我國省級科技創新能力指標體系的構建

楊玉東，曲曉娜

（1.山西交通科學研究院集團有限公司，山西 太原 030006；2.山西財經大學，山西 太原 030006）

0 引言

伴隨著經濟與社會的發展，科技進步和創新已成為增強綜合國力的決定性因素。《習近平關于科技創新論述摘編》中指出，創新是引領發展的第一動力。抓創新就是抓發展，謀創新就是謀未來。適應和引領我國經濟發展新常態，關鍵是要依靠科技創新轉換發展動力。可見科技創新其重要性。近年來“高鐵”、“5G”等一些科技創新被世界所認可，表明我國科技創新能力正在逐步發展，但我國仍處于社會主義初級階段，科學創新水平還有相當大的發展空間，因此對于我國科技創新的研究很有必要。

當前對于科技創新能力研究主要集中在對各科技創新指標確定權重，主要運用層次分析或因子分析法對科技創新能力進行評價。馮套柱等（2008）對2006 年陜西省10 個地級市相關數據運用因子分析法構建出區域科技創新能力評價模型，對各一級指標找出主成分，計算各一級指標的得分及綜合得分，對各地級市的科技創新能力進行評價[1]。時培芬等（2011）對2009 年山東省17 個地區的企業數據使用因子分析法提取出主成分，對各地區的科技創新測度綜合得分，對山東省日照市的企業科技創新能力做出評價[2]。陳媛等（2014）首先對濟南市構建了科技創新評價指標體系，選取2013 年濟南市各縣數據進行層次分析，確定了各指標所占權重，最后對各縣的科技創新綜合評價值進行排序[3]。郭金興等（2019）使用我國各地2008—2017 年有關科技創新數據，運用層次分析法計算指標的權重，對各地的科技創新水平進行分析與比較[4]。

除上述研究之外，還有部分學者用其他方法來研究科技創新，主要使用數據包絡分析法、聚類分析法或者多種方法綜合使用來進行分析。Eric C.Wang等（2006）采用生產框架與數據包絡分析方法相結合來評價各國研發活動的相對效率。在30 個國家采用了三階段方法，使用DEA 評價效率和使用Tobit 回歸來控制外部環境。結果表明，不到一半的國家在研發活動中完全有效，大多數國家在發表SCI 和EI 出版物方面具有比產生專利更顯著的優勢[5]。 李文輝等（2019）首先使用主成分分析法對我國2004—2016 年的高?？萍紕撔履芰M行分析，在此基礎上，用數據包絡分析模型構建指標體系，最后基于DEA 模型計算了Malmquist 指數來測度科技創新全要素生產率[6]。徐輝軍等（2019）收集了2016 年長三角地區數據進行FCM聚類分析，通過比較研究法研究了各地區的優缺點[7]。Damián Tojeiro-Rivero 等（2019）假設公司的網絡活動向創新的轉變可能因公司所在的區域環境而異。對于2000—2012 年期間的西班牙制造業使用多級框架方法，得出區域環境不僅對企業的創新績效有直接的影響，而且對企業網絡活動的回報也有影響，最后結果表明創新活動的開展對知識密集型企業更有利，而研發外包對知識儲備低的企業更有利[8]。

通過對之前文章的研究發現：學者們主要是對指標賦予權重，直接用原有指標來衡量各地科技創新能力。但是收集到的原始指標太過繁雜，因此本文想通過降維來使指標簡化，此外還對數據進行了更新，故本文選取了我國2017 年各省份有關科技創新指標采用因子分析方法來進行分析。

1 科技創新能力指標選取

本文通過借鑒國內外學者對科技創新、科技競爭力等方面的相關研究，對我國各省的科技創新水平建立指標體系?；诳萍紕撔碌膶嶋H活動過程和數據的可得性，本文將科技創新分為了投入、環境及產出三大部分，21 個指標來進行研究（見表1）。

科技創新投入部分主要包含人力、財力方面的支出，是決定科技創新規模的決定性因素；科技創新環境主要是指投入是在什么樣的大環境下發揮作用，其中包含科技環境、市場環境、教育環境、國際環境及政策環境；科技創新產出表示投入在環境的影響情況下會得到怎樣的效果。

表1 科技創新評價指標

本文收集了2017 年全國31 個省份的相關指標，數據來源于《中國科技統計年鑒》《中國統計年鑒》《中國金融年鑒》《中國區域經濟統計年鑒》，其中西藏地區關于高技術產業新產品主營業務收入的2017 年數據缺失，基于對之前數據的比較，發現西藏地區該指標的相鄰年份之間數值差別很小，所以采用2016 年的數據進行代替。

2 實證分析

從所選指標上來看，指標數量過于冗雜，不能明顯看出哪些指標對于科技創新起到了至關重要的作用，并且我們不能只通過其中某一個指標來對我國31 個省份的科技創新能力進行排序。因此，為了對31 個省份的科技創新能力有一個更加客觀的評價，本文選擇使用因子分析方法來對上述指標進行降維，提取出主要因子，進而計算出各省的因子得分來綜合判斷各地區科技創新能力的強弱。

2.1 數據處理及提取因子

由于指標之間量綱不一，相互之間很難進行比較，因此需以標準化的原始數據來做之后的分析，使變量具有可比性。但即使對數據進行了標準化，也不能保證指標可以做因子分析，所以需提前對處理后的變量做可行性檢驗。KMO 檢驗統計量是用于比較變量間相關程度的指標，取值范圍在0 和1 之間，在多元統計中，經常使用KMO 檢驗統計量來判斷數據是否適合做因子分析或主成分分析。KMO 值越接近于1，變量之間的相關程度就越高，就越適合作因子分析；反之，KMO 的值越接近于0，所得數據越不適合作因子分析，故本文選擇KMO 檢驗統計量來做適宜性檢驗。從表2 中可知，KMO 統計量為0.750，而且Bartlett 球度檢驗的p 值小于0.05，結果表明，本文選取的指標數據可用于因子分析（見表2）。

表2 適宜性檢驗KMO 測度值

從表3 中可以看到，提取出的3 個因子可以解釋原始變量89.714%的方差，包含了原始數據的大部分信息，同時提取出的3 個主要因子的特征值均大于1，表明提取3 個因子是比較合適的。

表3 特征根與方差貢獻表

2.2 計算因子得分并排序

求出公因子之后，我們希望找出這些因子與原始指標之間的線性關系，以便進一步進行分析，將原始數據導入SPSS 軟件中處理，得到因子得分系數矩陣（見表4），將每個指標對于每個因子的得分看作系數。

表4 因子得分系數矩陣

由上述內容可知，本文對21 個指標進行降維提取出 3 個主成分，將 3 個主成分分別記為 F1、F2、F3，并得出3 個主成分得分為：

對主成分表達式的系數取絕對值后進行比較后，可大致對這些主成分進行命名。從第一主成分來看，高技術產業有效發明專利數、普通高等學校本科畢（結）業生數、新產品開發經費支出、專利申請數、高技術產業新產品開發及銷售主營業務收入5 個指標排名前五，主要反映專利及新產品方面，因此可將第一主成分命名為發明因子；從第二個主成分來看，各地區研究與試驗發展經費投入強度、技術市場成交額、人均互聯網寬帶接入端口、高等學校R&D 經費內部支出、普通高等學校本科畢（結）業生數5 個指標排名在前，主要反映技術層面，因此將第二主成分命名為技術因子；從第三個主成分來看，普通高等學校本科畢（結）業生數、地方財政支出、高校科技論文發表數量、人均互聯網寬帶接入端口、市場化指數排名靠前，基本都為技術創新環境指標，故命名第三個主成分為創新環境因子。

得到主成分得分后，通過這3 個因子分別的特征值在總特征值中的比例來確定各因子所占比重，進而計算各省在科技創新方面的綜合得分（見表5）。由表3 可知，綜合得分為：F=0.782F1+0.158F2+0.06F3。

表5 各省份科技創新能力得分及排名

3 結論及建議

為了解我國各省的科技創新能力水平，本文構建了科技創新能力指標體系，將科技創新分為投入、環境及產出三大部分21 個指標，使用SPSS 軟件進行因子分析，通過降維將多個關于科技創新能力指標轉換為3 個綜合因子，從而減少需要分析的變量，減少問題分析的復雜性。通過對3 個主成分（綜合因子）分別的特征值在總特征值中的比例來確定各因子所占比重，進而計算各省在科技創新方面的綜合得分。初始的21 個指標都是客觀的，直接可以獲得數據，而平時我們更多關心的是如發明情況、技術能力、創新環境情況等這些抽象的問題，因此抓住提取出的3 個綜合因子可以幫助我們對我國的科技創新能力進行深入分析、正確評價。

通過運用該科技創新能力指標體系進行實證分析，測度了各省的綜合得分。從整體來看，科技創新能力綜合得分前三名的地區為：廣東省、江蘇省、浙江?。魂兾?、河南、黑龍江等地排名末尾，我國大部分地區的科技創新能力仍為負值，表明我國科技創新水平還比較低，需大力發展。從單個因子排名來看，廣東省的發明能力遠在其他省之上，江蘇省、浙江省的發明能力雖不及廣東省，但相較于其他省份來說也比較強，這離不開高新技術產業的集聚；在技術能力層面，北京市、上海市、浙江省的排名居于前三，這3 個省的經濟都位于我國的發達層次，因此技術能力與經濟水平是同向發展的。在創新環境因子方面，河南、山東、江蘇都表現出具有良好的科技創新環境。綜合來說，各地得分最主要還是取決于當地的投入，因此要想提高科技創新能力，必須加大在投入方面的力度。

針對各地的科技創新發展，本文提出以下幾點建議：一是各地應該根據自身的科技創新環境來對科技投入進行適度調整，從而使資源利用率最大化，避免浪費資源；二是完善科技創新環境，當地政府應該積極支持，盡可能打造一個適合科技創新因素發展的平臺；三是擴大各地區的開放程度，學習和吸收其他地區的科學技術，并在此基礎上打造屬于具有自身特色的科技創新體系。