高新技术产业竞争力评价实证分析——以四川省为例

朱 波 强，赖 胜 强，唐 雪 梅

（1.攀枝花学院，四川 攀枝花617000；2.重庆理工大学工商管理学院，重庆市400050；3.西南政法大学管理学院，重庆市 401120）

随着经济全球化的发展，地区间竞争日益激烈，发展高新技术及其产业成为各地竞争的主要方式。那么，如何了解本地高新技术产业发展的状况呢？这就对高新技术产业竞争力评价提出了要求。对高新技术产业竞争力进行评价，需要构建与之相适应的评价指标体系并采用合理的评价方法。但目前对高新技术产业竞争力的评价，并没有一个完善的体系，本文拟建立新的评价体系并采用因子分析法作为评价方法进行研究，并以四川省高新技术产业竞争力为例对所建立的体系进行实证研究。

一、高新技术产业竞争力的指标体系

指标体系是以多指标、多层次的方式来揭示事物间系统性和相关性的。评价高新技术产业竞争力，不但要注重其科技基础和投入，也要重视发展高科技的外部环境，要关注其对经济、社会发展的贡献。目前，高新技术产业评价还缺乏公认的评价体系，本文参考国内外相关文献，结合产业竞争力的相关理论，拟从四个方面对产业竞争力进行评价：一是高新技术产业投入指标；二是高新技术产业产出指标；三是高新技术产业政策环境指标；四是高新技术产业技术支持环境指标，其评价体系如表1所示。

二、高新技术产业竞争力评价方法

就常用的产业竞争力评价方法而言，目前多指标综合评价的常用方法主要是功效系数法、综合指数评价法、层次分析法、灰色系统评价法、模糊综合评判法和多元统计评价法等。[1]其中，功效系数法、综合指数评价法是常规的评价方法，它们主要是克服了有量纲指标评价的局限性，简单易懂，但由于对比标准值不易确定，因此操作难度较大。模糊综合评价法主要是利用隶属函数和模糊统计方法来实现定性指标的定量化分析，解决了判断的不确定性和模糊性，但难以解决指标相关所造成的信息重复评价。[2]层次分析法是将定性与定量方法相结合，把决策者经验给予量化，适合用于目标结构复杂且缺乏数据的分析，但由于权重的确定过程具有很大的主观性，从而降低了结果的可信度。多元统计分析方法主要是对多个变量进行定量统计分析的多指标综合评价，因此多元统计分析方法在实际应用中被广泛地引入综合评价实践。灰色系统评价法是通过对少量的代表性数据进行白化处理，实现预测和决策的目标，其计算方法简单，但灰色关联度量化模型和相关理论目前比较缺乏。目前，从我国综合评价方法的实际应用来看，多元统计分析中的统计描述、探索性分析、列联表分析、二维相关、秩相关、偏相关、方差分析、非参数检验、多元回归、生存分析、协方差分析、判别分析、因子分析、聚类分析、非线性回归、罗辑斯蒂克（Logistic）回归等都被应用于综合评价，它们或者是单独使用，或者是结合使用，日益成为综合评价的主流方法。[3]其中，主成分分析法比较适合多指标的高维度数据分析，这种方法实现了客观赋权，但当主成分典型代表变量不是很突出时，容易导致主成分的经济意义含糊不清。而通过聚类分析法来进行综合评价分析，判断样本类别归属，则在具体排名分析方面不如因子分析法或者主成分分析法。因子分析法是主成分分析法的推广运用，通过旋转因子载荷矩阵，可以克服主成分分析方法存在的缺陷和问题。因此，本文采用因子分析法来对四川省高新技术产业竞争力进行实证研究分析。

三、四川省高新技术产业竞争力实证研究

本文拟采用因子分析方法，利用所建立的评价模型对四川省高新技术产业竞争力进行评价，通过实证分析来了解目前四川省高新技术产业在全国的竞争力状况。因子分析方法的基本思想是将观测变量进行分类，利用少数几个因子去描述许多指标或因素之间的关联性，将关联性比较密切的几个变量归为同一类型的变量，而不同类型变量之间的相关性则比较低，归化后的每一类变量就称为一个公共因子，这样就能够以较少的几个公共因子反映原数据的绝大部分信息了。本文采用2008年中国高新技术产业数据库的相关数据进行实证研究，由于西藏和青海两地的指标数据有多项不全，将它们的数据排除在外。

1.因子分析适合度检验

本文运用SPSS12.0统计分析软件，因子根据原始数据标准化后的数值，由判断检验结果可以知道，取样适切性量数（Kaiser-Meyer-Olkin Measure of Sampling Adequacy，以下简称 KMO）为 0.796，偏相关性较弱，说明数据适合进行因子分析。而巴特利特（Bertlett）球形检验值在P<0.001的情况下，拒绝单位相关矩阵的原假设，因此研究数据适合进行因子分析（见表2）。

2.提取因子

利用主成分分析法进行因子分析，以特征值大于1为原则，根据所得结果，公共因子F作为选择，结果见表3。其中，前四个因子特征值都大于1，且方差的累计贡献率为92.88%，大于90%，而根据表3的分析结果，决定提取F1、F2和F3、F4这四个主因子来进行分析。

3.因子命名

由于因子对特征值的解释不明显，旋转因子载荷矩阵，经过方差最大化旋转后，因子载荷矩阵及因子得分情况如表4所示。由因子分析模型和因子旋转载荷矩阵可知，主因子F1主要是由高新技术产业的产品出口总额、产业增加值、利润、专利数量、新产品产值这五个指标决定，它代表了区域高新技术产业的发展成果，同时也体现了区域高新技术产业的整体产出能力，主因子F1对各指标的方差贡献已经达到63.39%，是影响最大的因素，说明F1是影响一个区域高新技术产业竞争实力最主要的因素。将此因子命名为产出因子。

表2 KMO和巴特利特球形检验

表3 主成分分析结果

第二个公共因子F2由产业研发经费、新产品开发投入、技术引进费、高新技术企业的固定资产总额、科技活动的人员数量等五个指标构成，它代表着区域高新技术产业的投入水平，其中技术引进费和科技活动人员数量的载荷因子较高，说明区域高新技术产业竞争力受当地企业固定资产总额和引进技术费用的影响较大。其结果表明，区域高新技术产业发展与当地高新技术企业的固定资产规模密切相关，高新技术企业是高新技术产业发展的坚实基础，要提高高新技术产业的竞争力，提高高新技术企业规模是关键性的因素；另一方面也表明，我国目前的技术创新还是以引进消化为主，通过科研机构或企业研发而进行自主创新的还相对较少。由于固定资产总额反映了高科技企业的规模，引进技术往往是有实力的高科技企业才进行，这些都与高科技企业发展的状况相关，因此公共因子F2命名为高科技企业实力因子。

第三个公共因子F3主要由政府研发经费投入额和科技活动经费筹集额中的金融机构贷款额两个指标构成，表明了外部金融机构和政府对高新技术产业发展支持的力度。高新技术产业要发展，资金是一个主要的瓶颈，当一个地区为高新技术产业发展提供良好的融资支持时，该地区高新技术产业的发展就较快，其竞争力就越强。在高新技术企业的融资中，政府政策支持和金融机构的支持是比较关键的因素，它是高新技术企业得到较快发展的重要外部因素。因此，将公共因子F3命名为外部融资支持因子。

表4 旋转后因子分析结果

表5 各省市高新技术产业竞争力综合评价表

第四个公共因子F4主要由科技人员占企业从业人员的比重和科技机构的数量两个指标构成，反映了某区域高新技术产业的发展与当地的科技人才队伍建设密切相关，当一个地区拥有众多科技研究机构和研发团队时，技术实力比较雄厚，能有效支撑高新技术产业发展，这也说明技术人才队伍是高新技术产业发展重要的瓶颈性因素。一个地区要发展高新技术产业，首要的任务之一就是聚集一批该领域的专家和学者，组建良好的技术研究团队，为高新技术产业发展奠定坚实的基础。因此将公共因子F4命名为技术人才因子。

4.综合评价

综合评价采用回归法求各因子的得分，即以各因子方差贡献率占四个公共因子总方差贡献率的比重作为各因子的权重，并进行加权汇总。利用各省（市）各因素具体值代入各因子的得分函数，计算得出各省市的综合评价结果（如表5所示）。

四、实证结果分析

从以上实证分析结果可以看出，四川省高新技术产业的竞争力在全国三十多个省市区中的排名为第10位，处于中上游水平。从我国高新技术产业竞争实力评价的因子综合得分来看，位于前五位的省市依次是广东、江苏、上海、北京、山东。这些省市主要分布在沿海经济发达地区，经济基础条件较好，对高新技术产业在资金和人才方面的投入较高，高新技术产业产出水平也较高，因此竞争力也较强。四川省属于西部地区，目前高新技术产业竞争力在西部省份中排名第一，实证结果反映了四川省高新技术产业发展的现状。四川省高新技术产业近几年来取得了较快发展，在高新技术企业发展、高新技术人才队伍建设等方面都取得了一定的进步，综合竞争实力得到了一定加强，但与发达地区相比，差距还很明显，特别是在人才技术队伍建设上更应加强，以逐步缩小这种差距。

实证结果同时表明，本文所采用的评价体系和评价方法基本合理，文章从产业投入、产业产出、产业支持环境和政策环境等产业内外部因素进行研究，通过因子分析法归纳出了对高新技术产业竞争力影响较大的四个因子，并对我国各省市区的高新技术产业进行了排序，实证结果较好地反映了实际状况，研究方法值得类似研究借鉴。

[1]泰寿康.综合评价原理与应用[M].北京：电子工业出版社，2003：10-11.

[2]朱世辉，杨春.结合层次分析法的模糊综合评价模型及其应用[J].实验科学与技术，2006（3）：42-44.

[3]虞晓芬.多指标综合评价方法综述[J].统计与决策，2004（11）：119-121.