孟娜

摘? ?要：本文在構建技術創(chuàng)新能力評價指標體系的基礎上，運用因子分析法，對我國31個省市2012年～2017年的技術創(chuàng)新能力進行綜合評價。研究發(fā)現(xiàn)：技術創(chuàng)新經(jīng)濟效率、技術創(chuàng)新知識效率以及技術創(chuàng)新潛力是影響地區(qū)技術創(chuàng)新能力的三個關鍵要素;東部地區(qū)、中部地區(qū)、西部地區(qū)的技術創(chuàng)新能力依次降低。

關鍵詞：技術創(chuàng)新;區(qū)域經(jīng)濟;因子分析

一、引言與文獻綜述

黨的十九大明確提出創(chuàng)新是引領發(fā)展的第一動力，是實現(xiàn)我國建設現(xiàn)代化經(jīng)濟體系的重要戰(zhàn)略支撐。在過去的八年間，我國R&D經(jīng)費支出從2012年的1029.8億元上漲至2018年的19657億元，創(chuàng)新活力與日俱增，創(chuàng)新成果顯著。創(chuàng)新能力已然成為區(qū)域競爭的核心著力點，其能力的高低直接反映了區(qū)域的知識、技術、經(jīng)濟發(fā)展狀況，創(chuàng)新能力的測度成為國內(nèi)外學者的研究熱點。

區(qū)域技術創(chuàng)新能力是特定區(qū)域的綜合性創(chuàng)新能力，指一種將知識創(chuàng)新與技術發(fā)明等創(chuàng)新轉(zhuǎn)化為新產(chǎn)品、新工藝、新服務的能力，即創(chuàng)新成果商業(yè)化的能力?，F(xiàn)有關于技術創(chuàng)新能力衡量的方法主要有單指標衡量以及多指標綜合評價兩種方法。單指標通常選取新產(chǎn)品銷售收入、專利申請量或者專利授權量等指標來代表技術創(chuàng)新績效，多指標綜合評價則通過構建相應的技術創(chuàng)新績效評價指標體系，運用DEA、灰色關聯(lián)度、因子分析等方法測度技術創(chuàng)新能力的相對高低。由于單指標所包含的創(chuàng)新信息有限，相關研究以多指標綜合評價為主。韓兵和蘇屹等（2018）將高新技術企業(yè)的R&D人員投入和新產(chǎn)品開發(fā)經(jīng)費支出作為創(chuàng)新投入量，以專利申請量與新產(chǎn)品銷售收入作為創(chuàng)新產(chǎn)出，運用兩階段DEA模型分析了不同省份高新技術企業(yè)的技術創(chuàng)新績效。金玉石（2019）運用灰色關聯(lián)模型，從創(chuàng)新投入、創(chuàng)新產(chǎn)出、創(chuàng)新支撐環(huán)境以及創(chuàng)新的可持續(xù)性四個維度分析了吉林省技術創(chuàng)新能力關鍵影響因素。蔡文春（2015）從創(chuàng)新投入、創(chuàng)新環(huán)境、創(chuàng)新主體、創(chuàng)新效率四個維度對四川省21個地州市的技術創(chuàng)新能力開展研究。陳華彬（2018）基于因子分析的視角，從創(chuàng)新投入、創(chuàng)新產(chǎn)出、創(chuàng)新環(huán)境三維度構建了長江經(jīng)濟帶的綠色技術創(chuàng)新績效指標體系，得出創(chuàng)新能力、創(chuàng)新環(huán)境、創(chuàng)新生態(tài)是影響綠色創(chuàng)新能力的關鍵因素。綜上可知，以創(chuàng)新投入、創(chuàng)新產(chǎn)出以及創(chuàng)新環(huán)境這三個維度展開技術創(chuàng)新能力指標體系的構建得到了學者們的普遍認同。

部分學者運用DEA、動態(tài)組合評價方法、因子分析等對我國省域技術創(chuàng)新能力進行了實證分析，為提高區(qū)域技術創(chuàng)新能力出謀劃策。潘娟和張玉喜（2018）運用DEA對2005～2015年我國省域的政府、企業(yè)以及金融機構科技金融投入的創(chuàng)新績效進行研究，發(fā)現(xiàn)省域、區(qū)域之間的創(chuàng)新績效差異明顯，東部地區(qū)明顯優(yōu)于其他地區(qū)。徐銀良和王慧艷（2018）運用三階段DEA對我國30個省域的科技創(chuàng)新驅(qū)動產(chǎn)業(yè)升級的績效評價開展研究，發(fā)現(xiàn)科技創(chuàng)新驅(qū)動產(chǎn)業(yè)升級績效水平區(qū)域差異明顯，其與區(qū)域的經(jīng)濟發(fā)展水平、創(chuàng)新能力息息相關。徐林明、孫秋碧等（2017）基于Borda法的動態(tài)組合評價方法，對我國東部地區(qū)的區(qū)域協(xié)同技術創(chuàng)新能力進行分析，結果發(fā)現(xiàn)東部地區(qū)中北京的區(qū)域協(xié)同創(chuàng)新能力最強，而海南的區(qū)域協(xié)同創(chuàng)新能力較弱，一直處于東部地區(qū)末位。蔣振威和王平（2016）年以海南為研究對象，對其區(qū)域創(chuàng)新能力展開分析，結果發(fā)現(xiàn)海南省各市縣技術創(chuàng)新有聚集特征，與海南省經(jīng)濟發(fā)展格局不同。陳華彬（2018）基于因子分析的視角，發(fā)現(xiàn)長江經(jīng)濟帶的綠色技術創(chuàng)新績效水平層次不齊，應完善各地區(qū)的聯(lián)動協(xié)調(diào)機制，促進各地區(qū)的均衡發(fā)展。已有研究基本認同了我國創(chuàng)新能力區(qū)域發(fā)展不均衡的現(xiàn)狀。

綜上所述，現(xiàn)有研究從理論與實證方面完善了區(qū)域技術創(chuàng)新能力的研究，但因指標選取差異、分析模型差異等導致結果不一致，且多數(shù)研究局限于截面數(shù)據(jù)，研究結論缺乏代表性。本文遵循已有的研究模式，從“投入-產(chǎn)出-環(huán)境”三維度構建包含25個指標的區(qū)域技術創(chuàng)新能力評價指標體系，收集我國31個省市2012～2017年6年間的指標數(shù)據(jù)，運用“去時間化”處理與因子分析法相結合，對我國各個省市的技術創(chuàng)新能力進行綜合評價分析，探尋研究期內(nèi)影響區(qū)域技術創(chuàng)新能力的關鍵因素，并針對區(qū)域技術創(chuàng)新均衡發(fā)展提出對策。

二、實證分析

（一）因子分析法

因子分析法屬于多指標綜合評價方法的一種，主要依托多變量的數(shù)據(jù)所提供的豐富信息，提高結論的說服力。但繁雜的數(shù)據(jù)增大了研究的工作量，同時可能會因其變量之間的相關性，增加了研究問題的復雜性。因子分析法就是從研究變量內(nèi)部相關的依賴關系出發(fā)，把一些具有錯綜復雜關系的變量歸結為少數(shù)幾個互不相關的綜合因子，實現(xiàn)了數(shù)據(jù)的降維，降低了研究的工作量與難度。

（二）數(shù)據(jù)來源及評價指標體系的建立

本文從創(chuàng)新投入、創(chuàng)新產(chǎn)出以及創(chuàng)新環(huán)境三個方面入手，構建了關于我國各省市技術創(chuàng)新能力的三層級評價指標體系。該體系共選取了25個指標，包括的研究主體有規(guī)模以上工業(yè)企業(yè)、高新技術企業(yè)、高校、研究與開發(fā)機構以及對創(chuàng)新活動提供支持的政府，具體的評價指標體系如表1。各指標數(shù)據(jù)均來自于2013～2018年的《中國科技統(tǒng)計年鑒》。

（三）因子分析過程及結果分析

本文運用SPSS20.0軟件對2012年～2017年的6組截面數(shù)據(jù)首先進行“去時間化”，即將其置于同一維度中進行研究，降低了研究結果的偶然性。通過建立各省市技術創(chuàng)新能力分析模型，對影響區(qū)域技術創(chuàng)新能力的關鍵因子、關鍵指標進行識別，在保留原始數(shù)據(jù)較大信息量的同時實現(xiàn)降維。在進行分析時，考慮到原始數(shù)據(jù)量綱的不同，首先需要對原始數(shù)據(jù)進行標準化處理，以消除量綱的影響。在進行主成分提取之前，需要標準化后的原始數(shù)據(jù)滿足兩個假設條件，一是數(shù)據(jù)需是連續(xù)變量或者有序分類變量，二是變量之間存在線性相關關系。本文的數(shù)據(jù)均為連續(xù)變量，滿足假設一;然后需要通過KMO檢驗以及Bartlett球形檢驗判斷其數(shù)據(jù)之間是否存在線性相關關系，即是否適合做因子分析。KMO檢驗主要用來判斷數(shù)據(jù)之間的相關性，其系數(shù)介于0與1之間，KMO值越接近1，表示數(shù)據(jù)相關性越高;通過KMO檢驗和Bartlett球形檢驗分析各指標數(shù)據(jù)結構，結果如表2所示：KMO值為0.893，大于0.5，Bartlett球形檢驗的P值為0.000，小于0.001，顯示該指標數(shù)據(jù)結構很好，具有相關關系，適合進行主成分提取。

通過計算相關系數(shù)矩陣、因子載荷矩陣和旋轉(zhuǎn)后的因子載荷矩陣，依據(jù)特征值大于1的原則來進行主成分的提取，在保留原始數(shù)據(jù)較多信息（90.073%）的同時實現(xiàn)降維，得出創(chuàng)新能力公因子的特征值、方差貢獻率以及累計方差貢獻率，如表3所示。從表3可知，此次因子分析共提取了3個主成分。三個主成分的特征值分別為16.672、4.318、1.528，分別解釋數(shù)據(jù)總體變異的66.687%、17.272%、6.114%，累計解釋數(shù)據(jù)變異的90.073%，大于80%，表明前三個公因子所包含的信息能很好地反映原始數(shù)據(jù)所提供的信息，可以將其表示為F1、F2和F3。

對因子載荷矩陣使用最大方差法進行5次旋轉(zhuǎn)，得到旋轉(zhuǎn)后的因子載荷矩陣，具體如表4所示，其中加粗部分表示該公因子在相應指標上具有較大的載荷和解釋能力。如表4所示，其中第一個公因子F1在R&D經(jīng)費外部支出、高新技術企業(yè)數(shù)、規(guī)模以上工業(yè)企業(yè)數(shù)、R&D人員折合全時當量、高新技術企業(yè)新產(chǎn)品銷售收入、高新技術企業(yè)新產(chǎn)品開發(fā)經(jīng)費支出、R&D經(jīng)費內(nèi)部支出、規(guī)模以上工業(yè)企業(yè)新產(chǎn)品開發(fā)經(jīng)費支出、規(guī)模以上工業(yè)企業(yè)新產(chǎn)品銷售收入、國內(nèi)專利申請授權數(shù)、國內(nèi)專利申請受理數(shù)、地方財政教育支出、地方財政科學技術支出、地區(qū)生產(chǎn)總值這14個指標上具有較強的解釋力度，這幾個指標主要與高新技術企業(yè)和規(guī)模以上工業(yè)企業(yè)的研發(fā)情況有關，反映了企業(yè)的研發(fā)投入與研發(fā)產(chǎn)出之間的關系，且產(chǎn)出以專利與新產(chǎn)品銷售收入為主，符合企業(yè)的研發(fā)主要目標。且F1對數(shù)據(jù)總體變異的解釋力度最高，為66.687%，也說明了企業(yè)作為創(chuàng)新活動最活躍的群體，其創(chuàng)新績效對區(qū)域創(chuàng)新能力有較大的影響，因此可以將F1所代表的經(jīng)濟意義視為技術創(chuàng)新經(jīng)濟效率因子。

第二個公因子F2在研究與開發(fā)機構發(fā)表科技論文、研究與開發(fā)機構出版科技著作、研究與開發(fā)機構R&D人員折合全時當量、高等學校R&D人員折合全時當量、高等學校發(fā)表科技論文、高等學校出版科技著作、研究與開發(fā)機構數(shù)、省人均GDP這8個指標上具有將強的載荷，這幾個指標的研究主體以高校和研究與開發(fā)機構為主，產(chǎn)出以科技論文與科技著作為主，因此可以將F2所代表的經(jīng)濟意義理解為技術創(chuàng)新知識效率因子。

第三個公因子F3在高等學校數(shù)、高等學校專任教師數(shù)、規(guī)模以上工業(yè)企業(yè)內(nèi)部研發(fā)支出中政府資金這3個指標上具有較強的解釋力度，其主要與教育相關，區(qū)域教育水平的高低與創(chuàng)新人才的培養(yǎng)息息相關，因此可以將F3所代表的經(jīng)濟意義理解為技術創(chuàng)新潛力因子。

通過公因子得分矩陣（因篇幅有限，此處不作列示），可以得出公因子F1、F2、F3的得分，以各個公因子的方差貢獻率占三個公因子的累計方差貢獻率的比重為權重，可以得出各省市2012～2017年6年間的技術創(chuàng)新能力綜合得分為F=（0.4525×F1+0.26794×F2+0.18029×F3）/0.90073，結果如表5所示。

依據(jù)表5所得的31個省市6年技術創(chuàng)新能力得分，進行第二次因子分析，以得出各省市技術創(chuàng)新能力的綜合得分。具體分析步驟同上，首先判斷數(shù)據(jù)結構的相關性。結果顯示KMO值為0.822，大于0.5，且Bartlett球形檢驗的P值為0.000，小于0.001，均表明數(shù)據(jù)適宜進行主成分提取。依據(jù)特征值大于1的原則，可以提取一個公因子Factor1，可以解釋數(shù)據(jù)總體變異的99.106%（因篇幅有限，此處不作列示），即Factor1所表示的信息足以解釋數(shù)據(jù)的總體變異。各年度技術創(chuàng)新能力綜合得分對于Factor1的得分系數(shù)矩陣如表6所示。

因此次因子分析僅提取了一個公因子，則各省市技術創(chuàng)新能力綜合得分=Factor1=0.167×F2012+0.168×F2013+0.168×F2014+0.168×F2015+0.167×F2016+0.166×F2017=Factor1×0.99106/0.99106，詳細計算結果及排名如下表7所示。

各省市的技術創(chuàng)新能力差距明顯，最高得分為廣東省的2.8976，最低得分為西藏的-1.0136。其中得分在0以上的依次有廣東、江蘇、北京、浙江、山東、上海、湖北、四川、河南、遼寧、安徽這11個省市，其中東部區(qū)域有7個，中部區(qū)域有3個，西部區(qū)域有1個;得分在0以下的依次有天津、湖南、福建、陜西、河北、重慶、黑龍江、吉林、江西、廣西、內(nèi)蒙古、山西、云南、貴州、新疆、甘肅、海南、寧夏、青海、西藏這20個省市，其中東部區(qū)域有4個、中部區(qū)域有5個、西部區(qū)域有11個?？傮w來看，我國各省市的技術創(chuàng)新能力呈現(xiàn)出東部最優(yōu)、中部次之、西部相對較差的現(xiàn)狀，這與我國區(qū)域經(jīng)濟發(fā)展不平衡的現(xiàn)狀相吻合。

三、結論與對策

本文研究顯示：我國各省市對技術創(chuàng)新的重視程度日益提高，創(chuàng)新投入加大、創(chuàng)新成果顯著，但區(qū)域之間在技術創(chuàng)新能力方面差距明顯，區(qū)域發(fā)展不平衡的問題日益凸顯。其中，東部地區(qū)創(chuàng)新能力普遍較高，中部地區(qū)技術創(chuàng)新能力中等，西部地區(qū)技術創(chuàng)新能力相對較差。

為提高各省市的技術創(chuàng)新能力，實現(xiàn)區(qū)域技術創(chuàng)新能力的均衡發(fā)展，依據(jù)實證分析研究結果，特提出以下建議：（1）企業(yè)作為創(chuàng)新活動中最活躍的群體，其對地區(qū)技術創(chuàng)新能力的影響遠高于其他主體。當?shù)卣畱诙愂张c產(chǎn)業(yè)政策方面對企業(yè)開展的創(chuàng)新活動予以支持與優(yōu)惠;積極搭建創(chuàng)新資源共享平臺，主導政產(chǎn)學研協(xié)同創(chuàng)新;積極建設高新技術產(chǎn)業(yè)園區(qū)，吸引優(yōu)秀高新技術企業(yè)的入駐，帶動區(qū)域創(chuàng)新活力;營造良好的創(chuàng)新氛圍，加深企業(yè)之間的競爭與合作。（2）高校、科研機構作為創(chuàng)新知識產(chǎn)出的主體，其與企業(yè)的創(chuàng)新活動之間呈現(xiàn)螺旋式上升過程，創(chuàng)新是實踐與理論的碰撞與升華，當?shù)卣梢苑e極引導企業(yè)與高校、科研機構的合作交流，促使創(chuàng)新成果的商業(yè)化。（3）技術創(chuàng)新潛力也是提高區(qū)域技術創(chuàng)新能力的關鍵因素。各地區(qū)應有科教意識，堅持創(chuàng)新、教育兩手抓。各地區(qū)在積極開展創(chuàng)新活動的過程中，應積極推動當?shù)馗咝５慕ㄔO，落實科學的人才落戶政策，吸納優(yōu)秀的教師人才，為創(chuàng)新人才的培養(yǎng)奠定基礎。

技術創(chuàng)新能力是區(qū)域經(jīng)濟發(fā)展的不竭動力，而區(qū)域間技術創(chuàng)新能力的差異將導致區(qū)域經(jīng)濟發(fā)展更大程度的不平衡。各地區(qū)應積極鼓勵引導當?shù)仄髽I(yè)的創(chuàng)新活動，協(xié)調(diào)高校以及科研機構的發(fā)展，注重教育事業(yè)，關注創(chuàng)新人才的培養(yǎng)，走出一條具有地方特色的技術創(chuàng)新道路。

參考文獻

[1]金玉石.基于灰色關聯(lián)模型的省域技術創(chuàng)新能力測度[J].統(tǒng)計與決策，2019，35（04）：59-62.

[2]傅為忠，李怡玲.區(qū)域技術創(chuàng)新能力對環(huán)境績效影響的實證研究——基于SEM-PLS和DEA相結合[J].工業(yè)技術經(jīng)濟，2015，34（08）：81-90.

[3]Cooke P. Regional Innovation System： The Role of Governances in a Globalized World[M]. London： UCL Press 1996.

[4]韓兵，蘇屹，李彤，萬民.基于兩階段DEA的高技術企業(yè)技術創(chuàng)新績效研究[J].科研管理，2018，39（03）：11-19.

[5]蔡文春，楊育箐，譚繼成.基于因子分析的四川省創(chuàng)新型城市綜合評價[J].商業(yè)經(jīng)濟研究，2015（30）：144-145.

[6]陳華彬.長江經(jīng)濟帶綠色技術創(chuàng)新績效研究——基于因子分析法的視角[J].重慶理工大學學報（社會科學），2018，32（08）：34-44.

[7]潘娟，張玉喜.政府、企業(yè)、金融機構科技金融投入的創(chuàng)新績效[J].科學學研究，2018，36（05）：831-838+846.

[8]徐銀良，王慧艷.中國省域科技創(chuàng)新驅(qū)動產(chǎn)業(yè)升級績效評價研究[J].宏觀經(jīng)濟研究，2018（08）：101-114+158.

[9]徐林明，孫秋碧，李美娟，歐忠輝.區(qū)域協(xié)同創(chuàng)新能力的動態(tài)組合評價[J].統(tǒng)計與決策，2017（09）：68-70.

[10]蔣振威，王平.海南區(qū)域技術創(chuàng)新能力評價與空間差異性分析——基于2009—2014年海南18個市縣面板數(shù)據(jù)[J].經(jīng)濟地理，2016，36（11）：24-30.

[11]張艾莉，李月明.基于等級劃分的我國區(qū)域創(chuàng)新能力差異分析[J].科技進步與對策，2016，33（10）：28-33.

責任編輯、校對：王兆華