謝賢芬,王斌會,古萬榮,楊 穎

(1.暨南大學(xué) a.經(jīng)濟(jì)學(xué)院;b.管理學(xué)院,廣東 廣州 510632;2.華南農(nóng)業(yè)大學(xué) 數(shù)學(xué)與信息學(xué)院,廣東 廣州 510642;3.中南大學(xué) 法學(xué)院,湖南 長沙 410083)

一、引言及文獻(xiàn)述評

創(chuàng)新是推動國家和地區(qū)經(jīng)濟(jì)增長和發(fā)展的驅(qū)動力,在經(jīng)濟(jì)發(fā)展過程中,單純依賴市場的自由引導(dǎo)或企業(yè)的自主創(chuàng)新力量往往不夠,需要依靠整個創(chuàng)新系統(tǒng)。創(chuàng)新系統(tǒng)是各級政府部門、高等院校、地區(qū)科研機(jī)構(gòu)及企業(yè)等實體單位協(xié)調(diào)運作,形成的有機(jī)復(fù)雜網(wǎng)絡(luò)系統(tǒng),在面對全球經(jīng)濟(jì)危機(jī)及適應(yīng)城市經(jīng)濟(jì)衰退的沖擊下,區(qū)域或省域經(jīng)濟(jì)區(qū)的創(chuàng)新系統(tǒng)表現(xiàn)出了較完備的抗風(fēng)險能力[1]。為此,學(xué)術(shù)界對創(chuàng)新系統(tǒng)從各方面進(jìn)行了深入研究,創(chuàng)新理論得到了迅速發(fā)展。從地區(qū)跨度來看,創(chuàng)新系統(tǒng)分為國家級創(chuàng)新系統(tǒng)、區(qū)域級創(chuàng)新系統(tǒng)和城市級創(chuàng)新系統(tǒng)。典型的國家級創(chuàng)新系統(tǒng)包括全球創(chuàng)新指數(shù)GII及歐洲創(chuàng)新記分牌EIS,以及中國兩個國家創(chuàng)新能力評價系統(tǒng):中國創(chuàng)新指數(shù)和國家創(chuàng)新指數(shù),這些均用來反映國家的創(chuàng)新能力及發(fā)展趨勢[2]。國內(nèi)外學(xué)者對區(qū)域級創(chuàng)新系統(tǒng)及城市級創(chuàng)新系統(tǒng)做了廣泛的研究,美國用來評價城市創(chuàng)新程度的指標(biāo)體系是“創(chuàng)新力指數(shù)”,澳大利亞和英國也使用該指數(shù)來衡量城市創(chuàng)新程度[3]。中國區(qū)域級或省級創(chuàng)新系統(tǒng)中,較為認(rèn)可的有《中國區(qū)域創(chuàng)新能力報告》、中國城市創(chuàng)新力指數(shù)和中國創(chuàng)新能力評價?？v觀國內(nèi)外學(xué)者的研究,衡量創(chuàng)新系統(tǒng)的各類研究也日益增多,主要有:創(chuàng)新能力研究、創(chuàng)新環(huán)境研究、創(chuàng)新發(fā)展研究、創(chuàng)新績效研究、創(chuàng)新空間關(guān)聯(lián)研究等[4-6]。

本文主要研究創(chuàng)新系統(tǒng)中的創(chuàng)新環(huán)境。20世紀(jì)80年代GREMI提出創(chuàng)新環(huán)境的概念,最初的涵義主要包括創(chuàng)新環(huán)境的定義及構(gòu)建、創(chuàng)新環(huán)境與經(jīng)濟(jì)發(fā)展的關(guān)系、創(chuàng)新環(huán)境對創(chuàng)新績效的影響研究三個方面。創(chuàng)新環(huán)境是指某一特定區(qū)域內(nèi)聚集資源的再分配,包含兩個層面的涵義:第一個層面是指單個或少數(shù)幾個關(guān)聯(lián)企業(yè)內(nèi)部的創(chuàng)新環(huán)境,如企業(yè)管理者的冒險、企業(yè)應(yīng)對市場機(jī)會的能力、企業(yè)自身資源的合理配置等,這是微觀層面的創(chuàng)新環(huán)境狀態(tài);第二個層面是指企業(yè)所處的外部環(huán)境創(chuàng)新,包括經(jīng)濟(jì)環(huán)境、勞動力市場、技術(shù)水平、區(qū)域文化等因素,這是宏觀層面的創(chuàng)新環(huán)境狀態(tài)。

創(chuàng)新環(huán)境狀態(tài)及指數(shù)研究最近受到國內(nèi)外學(xué)者的重視,由于不同文獻(xiàn)研究的數(shù)據(jù)、時間范疇、模型、國情等因素的不同,分析過程和得出的結(jié)論也不盡相同。國內(nèi)外相關(guān)研究多見于創(chuàng)新環(huán)境指標(biāo)體系研究與構(gòu)建、創(chuàng)新環(huán)境的測度方法、創(chuàng)新環(huán)境發(fā)展的對策研究等方向。在創(chuàng)新環(huán)境指標(biāo)體系構(gòu)建的研究工作中,國外學(xué)者M(jìn)ichael E.Porter等基于17個區(qū)域20多年的數(shù)據(jù)進(jìn)行研究,發(fā)現(xiàn)硬件條件完善有利于提升區(qū)域的創(chuàng)新環(huán)境[7];Porter認(rèn)為產(chǎn)業(yè)聚集有利于良好創(chuàng)新環(huán)境的創(chuàng)造,產(chǎn)業(yè)集群內(nèi)的企業(yè)往往能夠更快發(fā)展,以更低的成本快速實現(xiàn)企業(yè)的創(chuàng)新,同時,相關(guān)政策制度及市場也是影響創(chuàng)新環(huán)境的重要因素[8];學(xué)者M(jìn)artina Fromhold-Eisebith從社會資本對創(chuàng)新環(huán)境的影響因素分析出發(fā),結(jié)合德國Aachen地區(qū)的真實情況,分析兩者之間的相關(guān)性及差異性,發(fā)現(xiàn)相關(guān)性及差異性是相互作用的,這種協(xié)同作用有利于提升創(chuàng)新環(huán)境[9]。Collins等研究了歐洲企業(yè)創(chuàng)新的政策環(huán)境,發(fā)現(xiàn)地區(qū)的政策環(huán)境能夠極大地鼓勵并引導(dǎo)企業(yè)進(jìn)行技術(shù)創(chuàng)新,對創(chuàng)新活動推進(jìn)具有顯著的意義[10];楊毅同樣認(rèn)可政策環(huán)境的重要性,認(rèn)為應(yīng)加大政策層面對創(chuàng)新環(huán)境的引導(dǎo)和扶持力度,從而提升技術(shù)創(chuàng)新活動的活躍程度[11];施蕾等從基礎(chǔ)條件、人力資源、孵化能力和研發(fā)轉(zhuǎn)移4個層次構(gòu)建了包括20個基礎(chǔ)指標(biāo)的創(chuàng)新環(huán)境評價指標(biāo)體系,從省域的角度進(jìn)行比較研究,結(jié)合陜西省實際情況,深入探究其不足之處,并給出相應(yīng)的對策建議[12]。李玲等首次構(gòu)建了區(qū)域包容性創(chuàng)新環(huán)境指標(biāo)體系,該指標(biāo)體系既涵蓋了創(chuàng)新環(huán)境的基礎(chǔ)設(shè)施、支撐條件、市場及金融環(huán)境方面,也涉及創(chuàng)新主體、創(chuàng)新投資、企業(yè)的創(chuàng)新能力和制度環(huán)境等四個方面[13]。

在創(chuàng)新環(huán)境測度分析方面,大部分研究主要是建立各種模型評價各省份在一個時間點的創(chuàng)新環(huán)境,分析區(qū)域的創(chuàng)新能力差距并嘗試解釋產(chǎn)生差距的原因,它們并不能對各區(qū)域的創(chuàng)新環(huán)境狀態(tài)進(jìn)行縱向的動態(tài)分析。崔航采用層次分析法對中國典型的六大城市群(長三角、珠三角、京津翼、成渝、武漢、哈長)進(jìn)行實證分析,基于收集的創(chuàng)新環(huán)境指標(biāo)數(shù)據(jù)進(jìn)行評價,對各個城市群的不同維度進(jìn)行了詳細(xì)分析,同樣采用層次分析法的有黨晶晶等人[14-15]。黃玲雁構(gòu)建涵蓋經(jīng)濟(jì)環(huán)境、金融環(huán)境、基礎(chǔ)設(shè)施環(huán)境因素的創(chuàng)新環(huán)境指標(biāo)體系,利用因子分析法對湖南省14個地級市的創(chuàng)新環(huán)境進(jìn)行評價與分析,揭示了省域間的差異性[16]。陳紅川采用CURE聚類分析算法對高新技術(shù)企業(yè)的創(chuàng)新環(huán)境進(jìn)行了綜合分析,從政策環(huán)境、市場環(huán)境、人才環(huán)境等多個角度進(jìn)行了細(xì)化及分析[17]。鑒于多數(shù)文獻(xiàn)常采用單一的評價方法進(jìn)行測度,李沃源等將層次分析法、集對分析法、灰色關(guān)聯(lián)法和TOPSIS結(jié)合起來,建立了基于離差最大化的組合評價模型,該模型解決了應(yīng)用單一方法的不足,并對西部地區(qū)科技創(chuàng)新環(huán)境的區(qū)域差異性進(jìn)行分析[18]。另外還有一些文獻(xiàn)是以創(chuàng)新環(huán)境來解釋區(qū)域創(chuàng)新能力或區(qū)域創(chuàng)新效率,結(jié)合各種模型研究創(chuàng)新環(huán)境對它們的影響[19]。

創(chuàng)新環(huán)境發(fā)展的對策研究方面,蘇煒從基礎(chǔ)設(shè)施環(huán)境、經(jīng)濟(jì)環(huán)境及創(chuàng)新的產(chǎn)出等多個方面綜合評價了珠三角九大國家級自主創(chuàng)新示范區(qū)的創(chuàng)新環(huán)境,結(jié)合各地的實際情況,提出了持續(xù)高創(chuàng)新投入、加強(qiáng)基礎(chǔ)設(shè)施建設(shè)工作、建立多元化的創(chuàng)新投入新機(jī)制、完善創(chuàng)新體制等多項政策措施[20]。林媛媛等通過分析福建省的環(huán)境規(guī)劃、企業(yè)技術(shù)創(chuàng)新現(xiàn)狀和環(huán)境規(guī)制低效率原因三方面因素,對福建省企業(yè)的發(fā)展提供了研究對策[21]。

縱觀學(xué)者們的研究,他們大多采用的是事件分析法,即在構(gòu)建創(chuàng)新環(huán)境指標(biāo)體系的基礎(chǔ)上,分析過去確定時間段的創(chuàng)新環(huán)境狀態(tài),但是缺乏對未來創(chuàng)新環(huán)境發(fā)展?fàn)顟B(tài)走向的預(yù)測及監(jiān)控。如何衡量一個國家或地區(qū)的創(chuàng)新環(huán)境狀態(tài)并進(jìn)行預(yù)測呢?筆者認(rèn)為應(yīng)構(gòu)建一個綜合性指標(biāo)(指數(shù))來進(jìn)行測度,目前暫未發(fā)現(xiàn)有其他文獻(xiàn)構(gòu)建創(chuàng)新環(huán)境指數(shù),對創(chuàng)新環(huán)境指數(shù)進(jìn)行預(yù)警監(jiān)測的相關(guān)文獻(xiàn)也未見報道。

本文從宏觀角度去研究創(chuàng)新環(huán)境狀態(tài)的相關(guān)因素,構(gòu)建指標(biāo)體系,進(jìn)而建立預(yù)警機(jī)制,而不是純粹作為區(qū)域創(chuàng)新能力或區(qū)域創(chuàng)新效率的解釋變量。另外,創(chuàng)新環(huán)境發(fā)展過程涉及的經(jīng)濟(jì)運行指標(biāo)之間往往存在著相關(guān)關(guān)系,傳統(tǒng)的主成分合成指數(shù)法通常要求數(shù)據(jù)相互獨立,直接采用傳統(tǒng)主成分合成指數(shù)法可能得到不合理的結(jié)論。因此,這里利用穩(wěn)健主成分合成指數(shù)法構(gòu)建宏觀創(chuàng)新環(huán)境指數(shù)MacroIEI(Macro Innovation Environment Indicator),基于自適應(yīng)ARIMA方法及改進(jìn)型EWMA控制圖建立創(chuàng)新環(huán)境指數(shù)的動態(tài)預(yù)警模型,研究指標(biāo)的動態(tài)規(guī)律并給出相應(yīng)的政策建議,以供決策部門或相關(guān)企業(yè)參考,這為中國區(qū)域創(chuàng)新環(huán)境的測度提供了新的研究思路,對創(chuàng)新環(huán)境預(yù)警系統(tǒng)的建立也有一定的意義[22]。

二、動態(tài)預(yù)警模型與方法

(一)創(chuàng)新環(huán)境狀態(tài)指標(biāo)體系

本文在宏觀層次下構(gòu)建創(chuàng)新環(huán)境狀態(tài)指標(biāo)體系,指標(biāo)選取應(yīng)能覆蓋影響創(chuàng)新環(huán)境的經(jīng)濟(jì)與社會因素、硬件投入、市場機(jī)會等方面。這里參考了國家統(tǒng)計局社科文司“中國創(chuàng)新指數(shù)(CII)研究”課題組(2014)提出的指標(biāo)體系框架,該文提出創(chuàng)新環(huán)境領(lǐng)域應(yīng)能反映驅(qū)動創(chuàng)新能力發(fā)展必備的人力、財力等基礎(chǔ)條件的支撐情況,以及政策環(huán)境對創(chuàng)新的引導(dǎo)和扶持力度,共包括經(jīng)濟(jì)活動人口中大專及以上學(xué)歷人數(shù)、人均GDP、信息化、科技撥款占財政撥款的比重、享受加計扣除減免稅企業(yè)所占比重五個指標(biāo)[23]。然而在實際應(yīng)用中,有些參數(shù)可能會缺失,可以用相關(guān)或相近指標(biāo)來代替。比如,這里的信息化及享受加計扣除減免稅企業(yè)所占比重兩個指標(biāo)數(shù)據(jù)缺失,同時使用本科以上學(xué)歷人數(shù)指標(biāo)替代大專及以上學(xué)歷人數(shù)指標(biāo)、產(chǎn)值超億元企業(yè)數(shù)量替代享受加計扣除減免稅企業(yè)等。

鑒于上述的數(shù)據(jù)可獲取性以及統(tǒng)計口徑的差異性,從經(jīng)濟(jì)因素、制度因素、人才因素、硬件能力及產(chǎn)業(yè)聚集五個層次出發(fā),選取的創(chuàng)新環(huán)境狀態(tài)指標(biāo)主要包括專業(yè)機(jī)構(gòu)服務(wù)數(shù)、入園企業(yè)數(shù)量、企業(yè)固定資產(chǎn)投資、財政科技支出、高新區(qū)鼓勵創(chuàng)新的政策及措施數(shù)量、本科以上學(xué)歷人數(shù)、R&D人員數(shù)、高新區(qū)從業(yè)人員數(shù)、R&D經(jīng)費支出、高新區(qū)高新技術(shù)產(chǎn)品出口總額、高新區(qū)GDP、高新技術(shù)產(chǎn)品產(chǎn)值、產(chǎn)值超億元企業(yè)數(shù)量等13個相關(guān)指標(biāo)。有些原始數(shù)據(jù)不能很好地反映創(chuàng)新環(huán)境狀態(tài),本文提出構(gòu)建比率指標(biāo),即用增長率=(當(dāng)期指標(biāo)值-上一期指標(biāo)值)/上一期指標(biāo)值來表示,總體創(chuàng)新環(huán)境指標(biāo)體系見表1。

表1 創(chuàng)新環(huán)境狀態(tài)指標(biāo)體系

專業(yè)機(jī)構(gòu)服務(wù)數(shù)增長率及入園企業(yè)數(shù)增長率用來反映地區(qū)經(jīng)濟(jì)的發(fā)展能力;財政科技支出增長率及企業(yè)固定資產(chǎn)投資增長率用來反映地區(qū)的創(chuàng)新投入及市場經(jīng)濟(jì)水平;高新區(qū)相關(guān)政策措施增長率指標(biāo)表明國家/地區(qū)對創(chuàng)新園區(qū)從宏觀角度進(jìn)行引導(dǎo)及支持的程度,是政府政策調(diào)控的有力支撐;本科以上學(xué)歷占高新區(qū)從業(yè)人員比重及R&D人員占高新區(qū)從業(yè)人員比重,能反映地區(qū)的勞動者結(jié)構(gòu)及整體素質(zhì),是創(chuàng)新發(fā)展必備的人力條件;R&D經(jīng)費支出增長率和高新技術(shù)產(chǎn)品出口總額增長率,反映一個地區(qū)創(chuàng)新環(huán)境的研發(fā)投入及硬件水平;高新區(qū)GDP增長率、高新技術(shù)產(chǎn)品產(chǎn)值增長率和產(chǎn)值超億元企業(yè)數(shù)量增長率三大指標(biāo),是地區(qū)產(chǎn)業(yè)聚集效應(yīng)的最直接表現(xiàn),而產(chǎn)業(yè)聚集跟產(chǎn)出規(guī)模又是相互影響的,較大的產(chǎn)出規(guī)模將吸引更多優(yōu)勢企業(yè)聚集,產(chǎn)業(yè)的聚集又提高了資源共享,提高地區(qū)競爭力,從而實現(xiàn)更大的產(chǎn)出規(guī)模。

(二)創(chuàng)新環(huán)境指數(shù)計算方法

主成分分析方法的全稱為Principal Component Analysis,通常簡記為PCA,該方法最早是由Pearson在1901年提出來的,現(xiàn)在使用的PCA技術(shù)是經(jīng)過Hotelling改進(jìn)的,其基本思想便是數(shù)據(jù)降維,通過對數(shù)據(jù)壓縮把原來若干個映射同一個問題的研究數(shù)據(jù)xi解釋成一個新的相互無關(guān)的綜合指標(biāo)yi,這個指標(biāo)被稱為主成分,它們之間有如下的公式:

(1)

記標(biāo)準(zhǔn)化數(shù)據(jù)矩陣為Zn×p,建立變量的相關(guān)系數(shù)矩陣:R=(rij)p×p=Z′Z,然后求出相關(guān)矩陣R的特征值λ1≥λ2≥…≥λp>0及相應(yīng)的單位特征向量u1,u2,…,up,寫出主成分:yi=ui1z1+ui2z2+…uipzp,這里i=1,2,…,p。

根據(jù)累積方差貢獻(xiàn)率高于80%的基本原則,選定前m個主成分反映原評價對象。設(shè)前m個主成分為:C1,C2,C3,…,Cm,以方差貢獻(xiàn)率為權(quán)重,可以得到綜合評價函數(shù):

(2)

將主成分綜合得分值作為主成分合成指數(shù)值(PCSI),PCSI=C。通過該指數(shù)可以很好地反映宏觀經(jīng)濟(jì)運行指數(shù)的動態(tài)變化過程。

然而,從上面的傳統(tǒng)主成分構(gòu)建過程可以看到,主成分的計算基于協(xié)方差矩陣(或標(biāo)準(zhǔn)化矩陣),并在此基礎(chǔ)上計算其他統(tǒng)計量。由于協(xié)方差矩陣是不穩(wěn)健的,因此樣本中出現(xiàn)離群值時,相關(guān)系數(shù)矩陣、特征值和特征向量會受到較大影響,進(jìn)而得到不準(zhǔn)確的計算結(jié)果。2007年王斌會提出了基于FAST-MCD算法構(gòu)建穩(wěn)健的均值向量和協(xié)方差矩陣,并應(yīng)用到主成分分析中,通過模擬和實證研究發(fā)現(xiàn),改進(jìn)后的主成分分析方法確實能夠?qū)﹄x群值起到很好的抵抗作用[22]。穩(wěn)健主成分合成指數(shù)構(gòu)建的具體算法如下:

(1)獲取經(jīng)濟(jì)運行樣本數(shù)據(jù),并進(jìn)行標(biāo)準(zhǔn)化,記為Z;

(2)基于Fast-MCD算法得到協(xié)方差矩陣S和穩(wěn)健均值向量T;

(3)通過協(xié)方差矩陣S得到穩(wěn)健相關(guān)矩陣R;

(4)求解矩陣的特征方程,可得穩(wěn)健相關(guān)矩陣R的特征值λp和特征向量up;

(5)寫出主成分yi(i=1,2,…,p),按累積方差貢獻(xiàn)率大于80%的原則,取前m個主成分計算綜合得分。

按上述方法得到的綜合得分值即為穩(wěn)健主成分合成指數(shù)值,記為:PCSIm。本文將以此構(gòu)建宏觀創(chuàng)新環(huán)境指數(shù)MacroIEI,即:MacroIEI=PCSIm。

(三)基于自適應(yīng)ARIMA方法的創(chuàng)新環(huán)境指數(shù)預(yù)警模型

1.基于自適應(yīng)ARIMA的預(yù)測方法

ARIMA模型(自回歸求積移動平均模型)是一個經(jīng)典的時間序列預(yù)測方法,其基本原理是:先利用d階差分將非平穩(wěn)時間序列平穩(wěn)化,然后對平穩(wěn)化后的時間序列,利用自回歸過程AR(p)、移動平均過程MA(q)以及樣本自相關(guān)系數(shù)(ACF)和偏自相關(guān)系數(shù)(PCF)等對模型進(jìn)行辨識,該模型常用于時間序列分析。

如果某個時間序列{Xt}的d次差分Wt=(1-B)dXt是一個平穩(wěn)的ARMA過程,則稱{Xt}為自回歸移動平均求和模型。如果Wt服從ARMA(p,q)模型,則稱{Xt}是ARIMA(p,d,q)過程。ARIMA包含了自回歸、差分以及移動平均三個組成部分,p、d、q分別表示自回歸階數(shù)、差分次數(shù)和移動平均的階數(shù)。在實際應(yīng)用中,通常取d=1或2。這時可用平穩(wěn)過程Wt來代替不平穩(wěn)的Xt在ARMA模型中的位置,即:

Wt=c+φ1Wt-1+…+φpWt-p+εt+θtεt-1+…+θqεt-q

(3)

用滯后算子表示,則有:

Φ(B)Wt=c+Θ(B)εt

(4)

其中,Φ(B)=1-φ1B-φ2B2-…-φpBp,Θ(B)=1+θ1B+θ2B2+…+θqBq。經(jīng)過d階差分變換后的ARMA(p,q)模型稱為ARIMA(p,d,q)模型,式(3)等價于下式:

Φ(B)(1-B)dXt=c+Θ(B)εt

(5)

其中{εt}是白噪聲過程。模型ARIMA(p,d,q)的識別和參數(shù)估計步驟與ARMA(p,q)模型的參數(shù)估計基本類似。對于ARIMA(p,d,q)模型,參數(shù)d的確定由差分次數(shù)來決定。ARMA(p,q)模型的識別方法較多,一般會利用ACF函數(shù)和PACF函數(shù)來判斷類型。初始值的選擇往往是不準(zhǔn)確的,需要根據(jù)模型的檢驗結(jié)果對參數(shù)不斷進(jìn)行調(diào)整,最終得到最優(yōu)模型。估計模型的參數(shù)有兩種常見的方法:最小二乘法和極大似然法,這兩種方法都是“精估計”。本文提出一種自適應(yīng)方法,利用R統(tǒng)計軟件自編了adaptive.Arima()函數(shù),對R自帶的auto.arima()函數(shù)進(jìn)行了改進(jìn)。該函數(shù)能夠繪制模型的識別過程圖,并給出最優(yōu)模型的參數(shù)估計值及序列的預(yù)測值。另外,由于經(jīng)濟(jì)運行數(shù)據(jù)可能具有季節(jié)因素,如CPI指數(shù)的周期長度為12,這里在實現(xiàn)adaptive.Arima()時考慮了對數(shù)據(jù)進(jìn)行季節(jié)ARIMA模型的估計。adaptive.Arima()的基本模型如下:

adaptive.Arima(y,d=NA,D=NA,max.p=5,max.q=5,max.P=2,max.Q=2,max.order=5,max.d=2,max.D=1,…)

adaptive.Arima()的基本思想是對ARIMA建模的系數(shù)進(jìn)行逐步向后選擇的過程,其原理類似于線性回歸模型的逐步回歸過程,基于極大似然估計和AIC/BIC/AICC進(jìn)行模型的選擇,這里主要采用AIC最小準(zhǔn)則選擇最優(yōu)模型。

圖1是以高新區(qū)GDP指數(shù)為例說明adaptive.Arima()的模型識別過程,每一行對應(yīng)于每一步的后向選擇。每個小方格中的數(shù)字是對應(yīng)的系數(shù),系數(shù)值越大其對應(yīng)的小方格顏色就越深。每個小方格右下角的小三角形代表該系數(shù)的p值,p值介于0～0.1之間,p值越大,對應(yīng)的灰色就越深,p為0.1時為黑色。圖形的左邊是在每一步驟中建立的模型的AIC值,右側(cè)的sar是對應(yīng)的AR模型的殘差項系數(shù)值,sma是對應(yīng)的MA模型的殘差項系數(shù)值。根據(jù)AIC最小準(zhǔn)則,這里選擇迭代4次之后建立的ARIMA模型。從圖1及adaptive.Arima()函數(shù)的運行結(jié)果得到的最優(yōu)模型為:

圖1 1997—2019年高新區(qū)GDP的ARIMA模型識別過程圖

ARIMA(p=1,d=1,q=c(1,2,6))×(P=1,D=1,Q=1)7

2.構(gòu)建基于改進(jìn)型EWMA的動態(tài)預(yù)警模型

1959年Roberts提出了指數(shù)加權(quán)移動平均(EWMA)控制圖,它與累積和控制圖(CUSUM)一樣,要求觀測序列值相互獨立。然而,經(jīng)濟(jì)運行時間序列數(shù)據(jù)往往存在著自相關(guān)現(xiàn)象,若直接采用傳統(tǒng)的EWMA控制圖進(jìn)行過程控制,估計出的過程方差是有偏的。這里,將采用考慮了自相關(guān)關(guān)系的改進(jìn)型EWMA控制圖,并把上節(jié)中基于自適應(yīng)ARIMA方法得到的預(yù)測結(jié)果加入到該控制圖中,從而實現(xiàn)對創(chuàng)新環(huán)境指數(shù)進(jìn)行動態(tài)過程控制。改進(jìn)型EWMA控制圖的原理如下:

設(shè){Xt}是離散平穩(wěn)過程,EWMA統(tǒng)計量Zt、自協(xié)方差函數(shù)R(τ)=cov(Xt,Xt+τ)=E[(Xt-μ)(Xt+τ-μ)]僅與滯后期有關(guān)。統(tǒng)計量Zt及序列{Zt}的自協(xié)方差函數(shù)如下:

(6)

(7)

在式(6)中,λ是一個常數(shù),取值范圍為:0<λ≤1,EWMA統(tǒng)計量的初值Z0一般取E(X)=μ。在式(7)中,ρ(k)=R(k)/R(0)表示{Xt}后面k期的自相關(guān)系數(shù)。當(dāng)τ=0時,式(7)即為Zt的方差:

(8)

當(dāng)t→∞時,cov(Zt,Zt+τ)收斂且收斂值不依賴于t。由于cov(Zt,Zt+τ)收斂,則當(dāng)t很大時,由式(7)可知存在常數(shù)M,使得:

(9)

那么,Zt的近似方差為:

(10)

而Hunter及Zhang等人已經(jīng)證明了Z在自相關(guān)條件下的數(shù)學(xué)期望為[24-25]:

E(Z)=E(X)=μ

(11)

(12)

本文將利用上述方法對創(chuàng)新環(huán)境指數(shù)MacroIEI進(jìn)行過程控制,若計算得到的統(tǒng)計量觀測值全部落在式(12)對應(yīng)的控制線內(nèi),表明不存在離群值;否則,則存在離群值,需對離群值作進(jìn)一步分析。由于在對創(chuàng)新環(huán)境指數(shù)進(jìn)行實際的過程控制時,控制統(tǒng)計量Zt的均值及方差會受到樣本均值、樣本自協(xié)方差及相關(guān)系數(shù)的影響,為了減少相關(guān)因素對控制參數(shù)估計準(zhǔn)確度的影響,樣本數(shù)量不宜太少。

三、分析過程和結(jié)果

(一)樣本數(shù)據(jù)及描述性統(tǒng)計分析

我們使用創(chuàng)新環(huán)境狀態(tài)指標(biāo)體系(見表1)中的廣東省高新技術(shù)企業(yè)年度數(shù)據(jù),樣本期為1997—2019年,指標(biāo)數(shù)據(jù)來自《廣東統(tǒng)計年鑒》及《廣東科技年鑒》,表2羅列了各指標(biāo)變量的定義及基本描述性統(tǒng)計結(jié)果。

表2 描述性統(tǒng)計分析

從表2可以看出,只有X6(本科以上學(xué)歷占高新區(qū)從業(yè)人員比重)及X7(R&D人員占高新區(qū)從業(yè)人員比重)指標(biāo)的均值大于標(biāo)準(zhǔn)差,其他變量的標(biāo)準(zhǔn)差均很大,偏離均值較多,說明這些變量是非正態(tài)的。比如入園企業(yè)數(shù)量增長率X2,其均值為0.050,標(biāo)準(zhǔn)差為0.141,約為均值的3倍,產(chǎn)值超億元企業(yè)數(shù)量增長率X12的均值為0.051,標(biāo)準(zhǔn)差為0.146,也約為均值的3倍,這兩者都不符合非正態(tài)分布。此外,從Skewness和Kurtosis兩個統(tǒng)計量值也可以分析出這些數(shù)據(jù)不服從正態(tài)分布。

這里還引入了變異系數(shù)對各指標(biāo)進(jìn)行測度,變異系數(shù)值越小,說明數(shù)據(jù)的波動程度越小,變異系數(shù)值越大說明數(shù)據(jù)的波動程度越大,更可能存在離群值,從而影響創(chuàng)新環(huán)境的狀態(tài)。如X2的變異系數(shù)為2.836,X6的變異系數(shù)為0.111,說明X2的變動要比X6的大,表示在樣本期內(nèi)入園企業(yè)數(shù)量增長率變量的波動較大,這與廣東省對高新區(qū)的投入息息相關(guān),包括財政科技投入、政策環(huán)境對企業(yè)創(chuàng)新的扶持力度(如企業(yè)享受減免稅收優(yōu)惠政策)、產(chǎn)業(yè)聚集等因素。另外,衡量地區(qū)產(chǎn)業(yè)聚集效應(yīng)的三大指標(biāo)為:高新區(qū)GDP增長率(X10)、高新技術(shù)產(chǎn)品產(chǎn)值增長率(X11)和產(chǎn)值超億元企業(yè)數(shù)量增長率(X12),它們的變異系數(shù)值也較大,均大于2.0,進(jìn)一步驗證了產(chǎn)業(yè)聚集和產(chǎn)出規(guī)模的正向反饋作用,產(chǎn)出規(guī)模提升有利于促進(jìn)產(chǎn)業(yè)聚集,而產(chǎn)業(yè)聚集反過來又能實現(xiàn)更大規(guī)模產(chǎn)出。

(二)廣東省創(chuàng)新環(huán)境狀態(tài)綜合評價

基于表1的創(chuàng)新環(huán)境狀態(tài)各項指標(biāo),運用穩(wěn)健主成分合成指數(shù)法計算得到相關(guān)數(shù)據(jù)見表3。從表3可知,前5個特征值的累積方差貢獻(xiàn)率超過了80%,說明這5個主成分包含了大部分狀態(tài)指標(biāo)的信息,這些主成分對應(yīng)的載荷矩陣如表4所示。

表3 特征值、方差貢獻(xiàn)率及累積貢獻(xiàn)率

表4 主成分載荷

對前5個主成分按方差貢獻(xiàn)率進(jìn)行加權(quán)計算,利用創(chuàng)新環(huán)境指數(shù)計算方法獲得各年份的穩(wěn)健主成分合成指數(shù)值,即創(chuàng)新環(huán)境指數(shù)MacroIEI,繪制其走勢圖如圖2所示。

圖2 1997—2019年廣東省創(chuàng)新環(huán)境指數(shù)走勢圖

從圖2可以看出,在整個研究期內(nèi),廣東省創(chuàng)新環(huán)境指數(shù)處于一個波動的狀態(tài)。其中,有3個時間段的波動幅度較大,分別為:2001—2002年、2003—2005年和2007—2011年。以2008年至2009年為例,2008年的指數(shù)值為1.219 2,2009年的指數(shù)值為-0.589 1,波動差為1.808 3,是整個研究期內(nèi)波動幅度最大的?？傮w而言,創(chuàng)新環(huán)境指數(shù)的變動受到宏觀政策、外部環(huán)境、地區(qū)政府投入、經(jīng)濟(jì)因素等方面的影響,后續(xù)的預(yù)警監(jiān)控分析中將作更詳細(xì)的分析。

(三)估計方法和結(jié)果

1.平穩(wěn)性檢驗

平穩(wěn)是建立時間序列模型的前提,為了確定創(chuàng)新環(huán)境指數(shù)不存在隨機(jī)趨勢或確定趨勢,應(yīng)對該變量進(jìn)行平穩(wěn)性檢驗。本文采用ADF(Augmented Dickey-Fuller Test)方法來檢驗該變量序列的平穩(wěn)性情況。對廣東省高新技術(shù)產(chǎn)業(yè)創(chuàng)新環(huán)境指數(shù)MacroIEI進(jìn)行平穩(wěn)性檢驗,結(jié)果顯示其不平穩(wěn)。從圖2的MacroIEI走勢圖可以看出,該時間序列不呈現(xiàn)指數(shù)增長趨勢,因此采用差分法進(jìn)行平穩(wěn)化。經(jīng)一階差分后,序列d.MacroIEI的ADF檢驗結(jié)果為平穩(wěn),見表5。

表5 平穩(wěn)性檢驗結(jié)果

2.初步相關(guān)性分析及模型確定

對一階差分d.MacroIEI序列進(jìn)行數(shù)據(jù)的相關(guān)性及正態(tài)性檢驗,從序列數(shù)據(jù)的ACF圖和偏PACF圖(圖3)可以看出,ACF很明顯是“2后截尾”,而PACF圖中有若干項非0而呈現(xiàn)出振蕩拖尾的現(xiàn)象,可初步判斷序列d.MacroIEI序列應(yīng)為ARIMA(p,0,q)模型(p不為0)。

圖3 d.MacroIEI的自相關(guān)圖和偏自相關(guān)圖

另外,對序列數(shù)據(jù)d.MacroIEI進(jìn)行正態(tài)性檢驗,從其直方圖及QQ圖(見圖4)可以看出,基本符合正態(tài)分布。由于數(shù)據(jù)序列樣本量為20多個,這里采用小樣本的正態(tài)性檢驗方法Shapiro-Wilk進(jìn)行檢驗,得到的W=0.934 8,p值為0.170 8>0.05,結(jié)果認(rèn)為該樣本數(shù)據(jù)符合正態(tài)分布。

圖4 d.MacroIEI的直方圖和QQ圖

我們利用提出的自適應(yīng)ARIMA方法,即利用adaptive.Arima()函數(shù)對模型進(jìn)行識別,并對模型的最佳參數(shù)進(jìn)行估計,以AIC(Akaike information criterion)最小準(zhǔn)則AIC=-2ln(L)+2k和BIC(Bayesian Information Criterion)最小準(zhǔn)則BIC=-2ln(L)+kln(n)來選擇最佳模型,其中L為最大似然函數(shù),n為樣本數(shù)量,k為模型的參數(shù)個數(shù)。這里基于實際數(shù)據(jù),設(shè)置初始值為p=6、d=1、q=1,初始的完全模型為ARIMA(p=6,d=1,q=1),即有:

Yt=-1.675Yt-1-1.580Yt-2-1.183Yt-3-0.603Yt-4+0.003Yt-5+0.201Yt-6+0.519εt-1

該初始模型對應(yīng)的AIC值為53.93,BIC值為55.72,極大似然估計值為-18.96?；谠摮跏寄Ｐ驼{(diào)用adaptive.Arima()方法進(jìn)行逐步向后選擇,最終得到的最佳模型是:ARIMA(p=4,d=1,q=0),對應(yīng)的AIC值為48.58,BIC值為54.04,極大似然估計值為-19.92,該模型的系數(shù)估計值見表6。

表6 創(chuàng)新環(huán)境指數(shù)差分序列d.MacroIEI擬合結(jié)果

ARIMA(4,1,0)模型為:

Yt=-1.182Yt-1-1.017Yt-2-0.73Yt-3-0.348Yt-4

這里,Yt為原始序列作d=1階差分后得到的序列,即:d.MacroIEI。此時,基于擬合的ARIMA模型,向前預(yù)測兩期,得到序列d.MacroIEI的預(yù)測值為0.697 3及0.337 1,將它們代入到一階差分計算公式,即可得到廣東省創(chuàng)新環(huán)境指數(shù)MacroIEI在2020年和2021年的預(yù)測值,分別為-0.184 9和0.152 2,其預(yù)測走勢圖見圖5。

圖5 創(chuàng)新環(huán)境指數(shù)MacroIEI的預(yù)測走勢圖

從圖5可以看出,2018年的創(chuàng)新環(huán)境指數(shù)值比2017年的指數(shù)值有較大幅度增長,2019年的指數(shù)值開始下降,比2018年下降了0.292 3,下降的幅度較小。預(yù)測的2020年指數(shù)值接著下降,比2019年下降了0.697 3,而2021年相比2020年又是增加的,從-0.184 9增加到0.152 2,增幅為0.337 1。從整體上看,創(chuàng)新環(huán)境指數(shù)呈現(xiàn)出緩慢增長的趨勢。

3.建立動態(tài)EWMA預(yù)警監(jiān)測模型

對加入了預(yù)測值的創(chuàng)新環(huán)境指數(shù)MacroIEI數(shù)據(jù)進(jìn)行動態(tài)過程監(jiān)控,而使用常規(guī)控制圖的基本假設(shè)前提是:一是質(zhì)量特征值相互獨立;二是質(zhì)量特征值服從正態(tài)分布。實際的經(jīng)濟(jì)運行過程中,直接獲得的經(jīng)濟(jì)運行時間序列數(shù)據(jù)往往并不滿足“服從正態(tài)分布”和“數(shù)據(jù)間互不相關(guān)”這兩個基本條件。因此,需要對指數(shù)MacroIEI進(jìn)行平穩(wěn)性、正態(tài)性及相關(guān)性檢驗。

檢驗過程類似于上一節(jié),對加入了兩期預(yù)測數(shù)據(jù)的MacroIEI進(jìn)行一階差分,得到序列d.MacroIEI_p,對該序列進(jìn)行ADF檢驗,檢驗結(jié)果為Dickey-Fuller=-3.92,p值為0.00,結(jié)果平穩(wěn),表明一階差分后的序列基本消除了趨勢。對該序列進(jìn)行Shapiro-Wilk正態(tài)性檢驗,W=0.978 2,p值為0.270 3>0.05,該結(jié)果認(rèn)為樣本數(shù)據(jù)是來自正態(tài)分布的總體。這里省略對序列數(shù)據(jù)作ACF圖和偏PACF圖,因為結(jié)果跟上文的d.MacroICI類似。

由于創(chuàng)新環(huán)境指數(shù)的一階差分序列d.MacroIEI_p存在自相關(guān)現(xiàn)象,這里采用改進(jìn)型EWMA控制圖進(jìn)行預(yù)警監(jiān)測,同時也應(yīng)用常規(guī)EWMA控制圖進(jìn)行過程監(jiān)控,結(jié)果分別見圖6、圖7。

圖6 基于常規(guī)EWMA控制圖的過程控制圖

圖7 基于改進(jìn)型EWMA控制圖過程控制圖

在過程控制圖中有三條特殊的水平直線,如圖6,UCL為上控制線,LCL為下控制線,中間水平直線為中心線CL。當(dāng)檢測統(tǒng)計量的觀測值落在上下控制線外的區(qū)域時,認(rèn)為過程不處于受控狀態(tài),控制圖將給出過程失控的警報,即該觀測值為可能“離群值”。

從常規(guī)EWMA控制圖可以看到,所有樣本數(shù)據(jù)點及預(yù)測數(shù)據(jù)均落在控制限區(qū)域內(nèi),均不存在異常情況。對于改進(jìn)型EWMA控制圖,我們可以看到,一共有四個點是落在控制線外的,分別是2002年、2008年、2009年、2010年,而其他年份的真實值及兩個預(yù)測數(shù)據(jù)值都落在控制線內(nèi)。

結(jié)合廣東省實際的創(chuàng)新環(huán)境情況,改進(jìn)型EWMA控制圖判斷出的四個離群值是更符合實際的。(1)2008年底,中國受到美國嚴(yán)重的次貸危機(jī)影響,整個大環(huán)境的社會經(jīng)濟(jì)狀態(tài)是屬于一個下降(安全狀況降低)的情況,受其影響的創(chuàng)新創(chuàng)業(yè)環(huán)境狀態(tài)落在了控制線之外,這種情況更符合當(dāng)時的實際情況。而且這種狀態(tài)連續(xù)持續(xù)了三期,多了兩個鄰近的離群值,包括2009年及2010年,這幾個離群值的存在都具有一定的合理性,無論是受到宏觀政策、外部環(huán)境還是其他一系列經(jīng)濟(jì)因素的影響,宏觀上創(chuàng)新環(huán)境狀態(tài)的情況在一段時間內(nèi)應(yīng)具有一定的持續(xù)性,至少是短期的持續(xù)性。(2)2002年,雖然廣東省創(chuàng)新能力穩(wěn)居全國第三位,總體水平較高,但是影響創(chuàng)新能力各要素的方法是不平衡的,其中包括整個創(chuàng)新環(huán)境狀態(tài)。首先,2002年廣東省研發(fā)經(jīng)費支出中,政府投入部分約占10%,該數(shù)據(jù)為全國最低,投入明顯不足,政府對科技創(chuàng)新的重視程度遠(yuǎn)遠(yuǎn)不夠。同時,廣東省產(chǎn)學(xué)研合作還處于一個發(fā)展的態(tài)勢,企業(yè)與研究機(jī)構(gòu)、高等院校合作仍不太緊密,特別在某些領(lǐng)域的合作發(fā)展方面,學(xué)科分布與企業(yè)需求不太相符,這也造成了創(chuàng)新環(huán)境狀態(tài)的變動。需要說明的是,落在控制線外的樣本數(shù)據(jù)為離群值,這里的離群值并不一定是指創(chuàng)新環(huán)境狀況不好的情形,也可能是創(chuàng)新環(huán)境狀態(tài)極好,卻遠(yuǎn)遠(yuǎn)偏離其他數(shù)據(jù)的情形,此時應(yīng)根據(jù)實際情況進(jìn)行分析。

四、研究結(jié)論及啟示

基于廣東省高新技術(shù)企業(yè)1997—2019年的數(shù)據(jù),本文從宏觀角度研究創(chuàng)新環(huán)境狀態(tài)的相關(guān)因素及指標(biāo)體系、構(gòu)建創(chuàng)新環(huán)境指數(shù)及進(jìn)行預(yù)測預(yù)警分析,主要研究結(jié)論為:

第一,創(chuàng)新環(huán)境狀態(tài)指標(biāo)體系涵蓋了經(jīng)濟(jì)環(huán)境及硬件能力、制度及創(chuàng)新人才因素、產(chǎn)業(yè)聚集等幾個方面,構(gòu)建出的創(chuàng)新環(huán)境指數(shù)綜合反映出地區(qū)在這幾個方面的創(chuàng)新環(huán)境狀態(tài)。在對廣東省創(chuàng)新環(huán)境各指標(biāo)的實際數(shù)據(jù)進(jìn)行變異系數(shù)測度時,發(fā)現(xiàn)波動程度較大(變異系數(shù)值>2.0)的指標(biāo)包括:兩個經(jīng)濟(jì)因素指標(biāo)(專業(yè)機(jī)構(gòu)服務(wù)數(shù)增長率和入園企業(yè)數(shù)量增長率)、一個制度因素指標(biāo)(高新區(qū)相關(guān)政策措施增長率)和三個產(chǎn)業(yè)聚集指標(biāo)(高新區(qū)GDP增長率、高新技術(shù)產(chǎn)品產(chǎn)值增長率和產(chǎn)值超億元企業(yè)數(shù)量增長率)。這幾個指標(biāo)的波動程度類似,也與它們之間的正向相互作用有關(guān)。隨著高新區(qū)科技企業(yè)的投入及政策扶持力度加強(qiáng),會吸引更多優(yōu)勢企業(yè)入園,相應(yīng)帶動專業(yè)機(jī)構(gòu)服務(wù)數(shù)量增長;同時,優(yōu)勢企業(yè)入園又會提高資源共享及高新區(qū)的競爭力,從而帶動整個高新區(qū)的GDP及技術(shù)產(chǎn)品產(chǎn)值增加。因此,為了提升整個高新技術(shù)企業(yè)的創(chuàng)新環(huán)境,政府可持續(xù)加大對高新區(qū)在各方面的支持力度,加大財政科技投入,繼續(xù)實施相關(guān)稅收優(yōu)惠政策。同時,也應(yīng)重視變異系數(shù)較小的指標(biāo),如本科以上學(xué)歷占高新區(qū)從業(yè)人員比重,政府可通過制定人才獎勵政策等,為高新區(qū)引進(jìn)更多博士和碩士學(xué)歷人員,加強(qiáng)創(chuàng)新人才隊伍建設(shè),這也有利于改善創(chuàng)新環(huán)境。

第二,構(gòu)建了創(chuàng)新環(huán)境指數(shù)MacroIEI,由于創(chuàng)新環(huán)境發(fā)展過程涉及的經(jīng)濟(jì)運行指標(biāo)之間往往存在著相關(guān)關(guān)系,這里采用的是穩(wěn)健主成分合成指數(shù)法。從圖2的廣東省創(chuàng)新環(huán)境指數(shù)走勢圖可以看出,MacroIEI是波動的,且較大的波動后面往往跟著另一個較大的波動,較小的波動后面往往跟著另一個較小的波動,即:波動具有一定的持續(xù)性。從整體上看,樣本考察期內(nèi)的創(chuàng)新環(huán)境指數(shù)呈現(xiàn)出平緩上漲的趨勢。

第三,利用自適應(yīng)ARIMA方法對MacroIEI進(jìn)行預(yù)測,并首次將預(yù)警監(jiān)控技術(shù)引入到創(chuàng)新環(huán)境狀態(tài)的研究分析中,利用改進(jìn)型EWMA控制圖對創(chuàng)新環(huán)境指數(shù)MacroIEI進(jìn)行預(yù)警監(jiān)控,與并未考慮樣本數(shù)據(jù)相關(guān)性的常規(guī)EWMA控制圖進(jìn)行比較,發(fā)現(xiàn)常規(guī)控制圖未識別出來的可能離群值,改進(jìn)型EWMA控制圖都識別出來了,且這幾個離群值與實際情況較為相符。因此,相比常規(guī)控制圖EWMA而言,改進(jìn)型EWMA控制圖具有更好的檢測效果。

本研究得到的指數(shù)趨勢及預(yù)警監(jiān)控結(jié)論基本符合廣東省實際的創(chuàng)新環(huán)境狀態(tài),在一定程度上驗證了構(gòu)建的創(chuàng)新環(huán)境指數(shù)的適用性,提出的動態(tài)預(yù)警監(jiān)控方法也是合理的,可以依據(jù)這些來評價廣東省的創(chuàng)新環(huán)境狀態(tài),進(jìn)一步構(gòu)建區(qū)域創(chuàng)新環(huán)境預(yù)警系統(tǒng),本文采用的模型方法對中國其他地區(qū)的創(chuàng)新環(huán)境狀態(tài)研究具有一定的借鑒意義。