中国城市软件产业创新能力评价与定位

屈 超，赵凤乐

(东北财经大学a.统计学院;b.国民核算研究中心，辽宁 大连 116025)

创新是软件产业增长最重要的驱动力，而城市为软件产业发展提供了最有力的平台，因此研究城市的软件创新行为，探寻软件产业的创新水平，为中国城市软件产业进行准确定位，对于每个城市有的放矢地发展软件产业具有重大的理论与现实意义。

但是国内对于软件产业的研究有两个问题值得注意:第一，软件产业的理论研究严重滞后，甚至当国务院明确提出提高软件产业自主发展能力之时，却无法找到一套能够客观评价软件产业自主创新能力的指标和方法;第二，对于软件产业的研究很多停留在“省”的层面，而实际上，软件产业的区域差异更体现为“市”的层面，城市的经济资源、自然资源、人才资源以及地方政府的政策、措施等都对软件产业产生了巨大的影响，软件产业在不同城市发展的水平差异巨大。软件产业创新能力的构成是什么?什么因素会影响软件产业创新能力的发展?如何对软件产业创新能力进行测度和评价?这些都是亟待解决的理论和现实问题。

一、文献综述与研究思路

近年来，众多国内外学者对软件产业创新问题作了一系列深入研究。张雅娴等(2001)从三个层面分析了政府促进技术创新的政策工具，然后针对国务院颁布的《鼓励软件产业和集成电路产业发展若干政策》对我国促进软件产业发展的技术创新政策进行了实证性的分析。［1］孙艳等(2002)从影响软件产业发展的关键要素——人力资源状况入手，分析了软件产业的人力资源特点及我国的现状和存在的问题。［2］原毅军等(2002)根据产业组织理论对软件产业国际化的含义提出了新的解释，从软件产业中市场关系国际化的角度建立指标体系，衡量一个地区软件产业的国际化程度。［3］在2005年，原毅军等又利用因子分析法，以我国15家上市软件生产企业年度报告为样本数据，对智力资本的价值创造潜力进行了评估，依据评估结果的比较和分析，提出增强我国软件企业智力资本价值创造潜力的建议。［4］刘洪君等(2010)从生物种群理论的视角出发，剖析产业集聚现象，并结合软件产业的特征，运用生物种群理论的分析方法和工具分析软件产业集聚的机制与模式。［5］毕秀晶等(2011)认为我国软件产业以东部地区为主，北京、上海等大城市集聚了软件骨干企业的绝大部分，软件出口具有较强的基地指向性，而且地区经济发展水平及外向度、政府政策支持、软件产业发展的基础要素供给能力是目前影响我国软件产业空间格局的主要因素。［6］

通过对相关文献的梳理发现，尽管学者们在我国软件产业创新发展方面做了广泛的研究，但在已有的文献中对软件产业定位的研究还相对缺乏，特别是对特定城市软件产业定位的研究更是少之又少。对城市软件产业的准确定位，不仅可以得到每个城市软件产业发展的优势和劣势，而且也为其制定相应发展政策提供科学依据，其具有重大的理论与现实意义。为了弥补上述既有文献的不足，本文利用多种多元统计方法，以软件产业的创新能力为研究对象，以城市视角为切入点，选择了17个样本城市，研究在一个相对封闭(城市的经济、政策环境相对自成体系)，彼此之间又充满竞争(城市之间的人才竞争、政策博弈等)的环境中，城市软件产业的自主创新能力如何，并对企业的自主创新力进行综合评价与定位。

二、指标、数据和模型说明

1.指标体系的构建

通常把创新分为创新投入和创新产出两个方面，但创新环境(如经济发展水平、创新信心指数及企业内部环境)也从侧面对软件产业的创新能力产生重要影响，因此为了做到对城市软件产业创新能力的全面分析与定位，本文将创新指标分为创新环境、创新投入、创新产出三大部分，具体指标体系见表1。

2.数据来源

本文的原始数据均来自于《中国统计年鉴》、《中国科技统计年鉴》、科技局网站、相关的政府报告以及中国国际软交会的调查数据，其中2010年有些城市的部分指标数据缺失，本文按照平均增长率、GDP的比例，以及占GDP比例的增长率进行了估算。

3.数据分析模型

这里指标数为15，年份的样本容量为3，是多元统计分析中典型的小样本问题。由于指标较多，逐个指标分析较为困难，且指标间有相关性，会带来信息重叠的问题，故需要采用降维、可消除相关性的综合指标来抓住主要信息，然后再对其进行分析。这样的方法多元统计分析中有主成分分析、因子分析等。但主成分分析的主成分载荷系数无直接的统计意义，对变量解释不力，综合评价函数方差较大，影响样品差距的客观性，而因子分析则能克服以上问题，所以本文采取因子分析法对各城市的创新能力进行综合评价。

表1 城市软件产业创新能力评价指标体系

本文基于因子分析的思想，首先将指标分为三类:创新环境指标、创新投入指标和创新产出指标，后对这三类指标分别进行因子分析，根据各类所包含指标相关性大小将它们分组，使得同组内的指标之间相关性较高，不同组的变量之间的相关性较低，通过对相关矩阵内部结构关系的研究，找出影响三类创新能力评价指标的主因子。以主因子为评价指标体系，进行综合评价，得到各城市的创新环境、创新投入和创新产出的得分，然后采用理想点法对城市的创新水平进行综合评价。为了研究城市之间软件产业创新发展的相似性，采用聚类分析法对目标城市进行分类。

4.数据处理

为了消除不同的量纲和量纲单位带来的影响，需要对上述15个评价指标进行标准化处理，将指标实际值转化为指标评价值。原理如下:

设综合评价中共有n个单位，m个指标，各指标分别为 X1，X2，…，Xm，Xij(i=1，2，…，n;j=1，2，…，m)表示第i个单位的第j个原始指标值，yij表示经过无量纲化处理的第i个单位的第j个指标值。

三、实证分析

1.因子分析模型适合度检验

本文将每年的评价指标分为三类:创新环境指标、创新投入指标和创新能力指标，并分别对三类指标进行因子分析，得到因子分析适合度结果。从数据结果上看，对标准化数据进行因子分析是比较合适的。

2.创新能力分项评价

本文利用因子分析方法分别分析17个城市软件产业在2008—2010年的创新环境、创新投入和创新产出，计算得到每一项的综合得分。然后根据综合得分进行总体排名，用PMH、PMT、PMC分别代表创新环境、创新投入和创新产出的排名，则排名结果如表2所示。

表2 创新能力分项评价

首先，可以由表2分析得出每个城市在创新环境、创新投入、创新产出方面的相对位置。由每个城市排名的变化可知在软件创新的三个方面每个软件城市均存在不同程度的发展不平衡问题。为了清晰地了解整体发展情况和趋势，做如表3所示的创新能力代表性城市统计表。

表3 创新能力代表性城市统计

从表3可知，就创新环境、创新投入和创新产出三个方面而言，在前三位的排名中，上海均稳居前两位，是创新水平最佳而且最稳定的城市;而虽然北京在创新投入方面成绩突出，在三年内均居第一名，但是在创新产出方面则略显不足，仅在2010年挤入前三名;在创新方面还有突出表现的城市就是深圳，深圳在创新环境、创新投入、创新产出三个方面表现稳定，而且除2010年的创新环境和创新产出稍降一名之外，其余全部都位居前三名;苏州尽管在创新环境和创新投入方面并没有特别突出的成绩，但是在创新产出方面却在三年内均位居前列，即苏州的创新发展水平虽然稍显不平衡，但总体发展水平较高。

在后三位的排名中，哈尔滨、珠海无论是在创新环境、创新投入还是创新产出方面均居于总体排名的后三位，即软件创新的总体水平欠佳，需要全面调整创新战略才会取得较大的进步;西安同哈尔滨、珠海的不同之处在于其创新投入水平位于中游水平，相较于创新环境和产出发展是较好的;而大连虽然在创新投入方面一度在2008—2009年位居后三位，但是创新环境却是在三年中均居于上游水平的，所以大连是一个软件创新水平很不平衡的城市;而济南、沈阳在创新环境、创新投入、创新产出三方面的创新发展均处于下游水平。

3.创新能力综合评价

本文的重要目标之一在于对每个软件城市的创新能力进行综合评价，为此在以上因子得分的基础上，由理想点收益型指标计算方法，可得到每年在这三个方面的正理想点和负理想点，统计结果如表4所示。

表4 理想点坐标

根据理想点原理，本文首先构造理想点评价函数，然后采用欧氏距离来计算评价指标到正理想点和反理想点的距离，最后通过计算理想点贴近度来进行排名:贴近度越大，代表距离正理想点越近，距离反理想点越远(对每年的赋权相同为1/3，然后对三年的贴近度进行加权平均得到软件城市的三年综合排名)。统计结果如表5所示。

4.软件城市聚类及类间比较

本文采用Q型聚类分析(对样品分类)，对已经标准化的样本数据进行分类，计算欧氏距离，再运用系统聚类法中的Ward法(离差平方和法)进行分析，最终得到聚类分析结果，如表6所示。

表5 创新能力综合排名

表6 2008—2010年聚类分析结果

由表6可知，三年中的聚类分析结果大致相同，只有南京、珠海两个城市在2010年由第二类城市转变为第三类城市，其余的城市的分类结果如下。

第一类城市:北京、上海、深圳、苏州;

第二类城市:天津、广州、杭州、大连、无锡、沈阳;

第三类城市:重庆、武汉、哈尔滨、西安、济南。

由前文的创新能力综合定位分析可知，第一类城市包含的是创新能力发展的龙头城市，而第二类则包含了中等水平的城市，最后第三类则是创新能力相对比较落后的城市。为了更加科学地区分类间的差异，对原始数据根据类别进行拆分，然后运用SPSS进行描述性统计，得到每一类的数据特点，如表7所示。

表7 类间差异分析

由表7数据可知，第一类城市无论是在创新环境、创新投入还是创新产出方面均高于平均水平，处于创新能力发展的前列;而第二类同第三类城市则均低于平均水平，由数值距离0值的远近可以判断，第二类城市的创新环境还是比较接近平均水平的，呈现出增长的发展趋势，甚至在2010年都高出了平均水平。相比较而言，第二类城市在创新能力的其余两个方面都要优于第三类城市，但优势不如创新环境明显。

四、结论与建议

(1)我国软件产业17个城市的创新能力发展水平总体呈现不平衡的特点。城市之间以上海、北京、深圳发展程度最高，尤其是上海，在评价创新能力的创新环境、创新投入和创新产出三个因子上都占有绝对的优势，其发展态势相对于其他城市而言更好地代表了软件创新能力的最高标准;而北京则在创新产出方面表现相对欠佳，但其创新环境一直处于上升的态势;深圳的总体创新能力稍低于北京和上海，但明显优于其他城市，而且其创新能力的发展是非常均衡的。济南、珠海、哈尔滨的创新能力发展水平明显处于较低水平，需要各地政府和企业发挥相应职能，制定软件产业发展战略，才会取得明显进步。

(2)我国软件产业发展已形成一定的区域格局，可大致划分为软件产业发达区、发展区和落后区三种区域类型，其包括的城市分别如下。发达区:北京、上海、深圳、苏州;发展区:天津、广州、杭州、大连、无锡、沈阳、南京、珠海;落后区:重庆、武汉、哈尔滨、西安、济南。

(3)我国软件产业创新发展区域特征及差距比较明显，总体发展趋势落后。第一类城市的创新环境、创新投入、创新产出均明显高于平均水平，而第二类和第三类城市则均低于平均水平。

［1］张雅娴，苏 竣.技术创新政策工具及其在我国软件产业中的应用［J］.科研管理，2001(7):65-72.

［2］孙 艳，薛 澜.软件产业的人力资源特点及中国的发展现状［J］.科学学与科学技术管理，2002(2):27-30.

［3］原毅军，姜运政.衡量软件产业国际化发展程度的指标体系研究［J］.科学学与科学技术管理，2002(12):43-45.

［4］原毅军，孙晓华，柏 丹.我国软件企业智力资本价值创造潜力的评估［J］.中国工业经济，2005(3):44-50.

［5］刘洪君，朱顺林.共生理论视角下产业集聚发展的机制与模式［J］.华东经济管理，2010(9):21-24.

［6］毕秀晶，汪明峰，宁越敏.中国软件产业的空间格局及影响因素分析［J］.经济地理，2011(1):84-89.