基于聚类分析的安徽省技术创新水平分析

石彩霞

安徽理工大学经济与管理学院，安徽淮南，232001



基于聚类分析的安徽省技术创新水平分析

石彩霞

安徽理工大学经济与管理学院，安徽淮南，232001

在梳理国内外研究文献的基础上，运用因子分析法、区位熵和聚类分析法对安徽省技术创新现状进行了实证分析，旨在系统全面地考评安徽省技术创新水平以及地区之间的差异。结果表明，安徽省技术创新水平低于全国平均水平，并且各地市技术创新水平极不平衡，总体呈现出中间高两端低的局面。针对当前格局，建议安徽省应加大对科技创新能力落后地区的创新人才培养与技术创新的财政投入，促进省内各地区均衡发展，从总体上提升安徽省的技术创新水平。

技术创新；因子分析法；区位熵；聚类分析法

1　相关研究

1957年,索洛首先在生产函数中引入了技术因素变量，认为经济增长的最主要动力和源泉是技术创新，当经济达到均衡时，总产出和资本的增长率等于劳动力的增长率与技术创新率之和，突出了技术创新的重要作用[1]。

在索洛模型的基础上，经济学家放弃了把储蓄率和技术创新作为外生变量的假设，逐渐把技术创新因素作为内生变量引入模型，对实现经济增长的原因进行解释，发展出新增长理论。新增长理论朝着两个方向发展：一个方向重点是由罗默开创的技术创新内生化[2]；另一个方向是对资本概念的拓展，即卢卡斯倡导的引入人力资本因素[3]。

美国经济学家Edward J Malecki在1991年提出技术创新作为一个地区乃至一个国家发展的内在动力，随着时间的推移，为区域经济发展提供的服务会越来越明显[4]。2003年，Gary Conley等人提出依靠技术创新推动经济社会发展，对美国各个州以及地区来说，作用越来越重要[5]。

中国自从1978年改革开放以来，经济飞速发展，改变了整个国家的面貌，各行业、各领域的发展对技术创新产生了巨大的需求。我国对技术创新贡献率的研究自上世纪80年代初起，大部分基于西方经济增长理论和研究方法。

荣鹏飞等在剖析产业变革与技术创新关系的基础上，论述了产业变革规律对科技型企业技术创新的影响，提出了产业变革中科技型企业技术创新路径选择策略[6]。周青等实证分析了产业技术创新战略联盟不同矛盾类别及其作用因子间的相关关系[7]。宋纪宁等运用计量经济学中回归分析等方法，论证技术创新和中国科技金融之间的关系，发现科技金融在一定程度上促进了中国的技术创新[8]。王永等根据90个企业技术创新案例，提炼出技术创新节点诊断的4种方法和技术创新路径选择的4种类型，并指出了这些诊断方法和创新路径选择的适用条件[9]。蔡新蕾等开发了自主技术创新测量指标体系，并扩展了技术创新分类模式，发现自主技术创新行为水平以及渐进式或模块式技术创新与企业创新绩效正相关，同企业突破式或架构式技术创新与企业创新绩效负相关[10]。

杜鹏程等研究我国中部地区技术创新效率的差异性，发现该区域的全要素生产率指数稍高于全国平均水平，且中部地区6省发展并不同步[11]。范群林等用BCC模型与Malmquist指数法研究发现，我国西南地区环境技术创新效率每年均在递增，但其平均Malmquist指数每年却在递减，并分别从投入与产出的角度分析其中的原因[12]。刘宾采用索洛余值法测算河北省沿海区域技术创新对经济增长的作用，结果显示，河北省沿海区域资本投入维持较高弹性，技术创新贡献率呈下降趋势[13]。胡宗义等运用非线性STR模型，在综合高技术产业面板数据后，实证分析了要素投入与技术创新之间的关系，证明了其间存在非线性关系，并得出了不同发展水平下影响技术创新的关键要素[14]。

综上，学界关于技术创新的研究大多是从微观和宏观两个角度入手，无论是哪个层面的研究，都是从投入与产出的角度进行测度。但是，技术创新从投入到产出是一个极其复杂的过程，仅从投入与产出角度来解释整个技术创新过程存在一定的局限性，且整个过程不易测度。本文从技术创新的内涵出发，在前人研究的关键要素中选取合适的指标进行解释。以安徽省为例，运用区位熵来获得其技术创新水平的相对大小，并从统计学的角度，运用因子分析法验证指标的合理性和科学性，结合聚类分析法深度剖析安徽省各市的技术创新情况。

2　研究方法

2.1因子分析法

因子分析法是在降维的基础上保证原始数据的真实性而挖掘各原始变量之间的相互关系，从而简化数据，并探究数据之间的结构，发掘各指标变量潜在的内部联系和隐含的公因子，并通过因子旋转解释各变量的实际意义。

2.2区位熵

区位熵可以测度某一区域要素的空间分布情况，映射某一产业部门的专业化程度。简单地讲，区位熵反映的是一个相对概念，即一个区域指标变量值和指标变量总值与另一区域相应变量比值之比，公式为：

其中，ei为某一区域指标值，e为该指标总值，Ei为另一区域相同指标值，E为另一区域相同指标总值。Qi>1，说明当前指标变量在该区域专业化成效上优于另一区域平均水平，数值越大，表明专业化成效越高；反之，则越低。本文借助区位熵，比较安徽省与全国技术创新水平的集聚度，从而判断安徽省技术创新水平的相对高低。

2.3聚类分析法

研究一个区域的技术创新水平，因为要考虑各子区域之间的经济、政治、政策和环境等因素，所以常将相关指标和数据划分为不同的类型分别进行研究。本文选用系统聚类分析，将各指标各视为一类，并选用Ward's法计算类间距离，研究分析安徽省各地区的技术创新水平[15]。

3　实证分析

3.1评价指标构建

构建技术创新评价指标体系是进行技术创新评价的基础条件，根据技术创新内涵和要素，并参考前人研究结果，构建了技术创新评价指标体系，如表1所示。

表1　技术创新评价指标体系

3.1.1创新投入基础

创新基础的衡量指标选取X1和X2，这两项硬性投资指标不仅能克服国内多采用GDP、国内外专利和论文等范围广、创新针对性不强的弱点，而且能为技术创新提供很好的拓展平台，还能促进科研院所和企业间的互动交流，推动技术创新水平。

3.1.2自主创新能力

技术创新同样离不开人的自主性和积极性，X3是检测技术创新人员的参与度和积极性的有效指标。

3.1.3创新产出效果

选取X4、X5、X6和X7来衡量技术创新产出效果。在一定程度上，专利并非检测创新水平的最佳指标，但因其数据的可获得性和真实性而备受欢迎。另外，一些企业出于市场竞争的考虑，重要技术和专利项目并未公开，而X6和X7能更好地体现创新产出效果。

3.1.4政府支撑能力

政府一直发挥着“有形的手”的绝对影响力，以各种形式辅助和支持技术创新水平的健康有序发展。选用X8和X9不仅能减轻企业的成本负担，也能提高企业对技术创新参与的活跃度。

3.2因子分析3.2.1变量选取与数据处理

基于数据的可得性，本文选取R&D经费、技术市场成交额和专利授权与申请量三个指标来判断安徽省技术创新水平的高低。基于数据的真实性，此次分析选取《中国统计年鉴》近3年的相关指标数据，如表2所示。

表2　区位熵指标原始数据

此时e和E分别表示安徽省和全国两个区域的指标总值。将安徽省的技术创新水平与全国比较，得出安徽省创新水平指标值的大小，并以此为研究依据，进一步剖析安徽省各市的发展状况。其中Q1、Q2、Q3分别表示R&D经费、技术市场成交额和专利的区位熵。结合公式与数据，得出的结果如表3所示。

表3　区位熵结果表

由表3可以看出，尽管安徽省专利数(Q3)高于全国平均水平，但其转化能力(市场交易额Q2)却很低。因此，安徽省技术创新水平总体上低于全国平均水平，但从R&D经费区位熵来看，却有逐渐接近全国平均水平的趋势。因此，需要考虑安徽省各市的技术创新水平，从局部到整体，找出安徽省技术创新的薄弱地区，以便有的放矢地提升安徽省整体的技术创新水平。

3.2.2因子检验

为验证指标的合理性和科学性，采用因子分析法，并从《安徽统计年鉴》中获取近5年的数据指标进行相应检验。初始数据如表4所示。

表4　各指标原始数据

运用SPSS 19.0软件实行因子分析，并采用主成分分析萃取公因子。公因子选取准则为特征值大于1，将表2数据归一化处理，最终结果如表5和图1所示。

表5提取列给出了两个公因子的变量共同度，所有的变量共同度都在0.9以上，也就是说，每个变量被提取的公因子说明的程度都比较高，损失的信息较少。结合图1碎石图，得出第三个公因子以后，特征值已开始渐趋平稳。

表5　变量共同度

图1 碎石图

综上，指标体系中的9个指标变量可以较高程度地反映出研究的目的，即指标选取是合适的。由SPSS19.0提取的两个公因子分别是技术创新系统内变量(变量X1～X7，反映了技术创新系统内部投入和产出)和技术创新系统外变量(变量X8和变量X9，反映了政策对于技术创新的影响)。

3.3聚类分析

由上文分析可知，总体上安徽省技术创新水平偏弱。以下分析安徽省各地市技术创新水平。采用聚类分析法，借助SPSS19.0软件，取相关指标，基于各地市近3年数据进行聚类分析。

3.3.1指标选取和数据获取

根据上文构建的指标体系，以下选取6项指标作为各地市间聚类分析的依据，如表6所示。

表6　聚类分析指标

根据所选指标，从《安徽统计年鉴》获取近3年的相应数据，此处仅列出2014年数据(表7)。

表7　2014年各地市各指标原始值

3.3.2结果分析

对表7原始数据归一化后进行聚类分析，得到凝聚状态(表8)和树状图(图2)。

表8　凝聚状态表

图2 聚类分析树状图

根据上述分析过程，得到2014年安徽省各地市聚类分析结果，如表9所示。

从聚类分析结果看，第一类城市(合肥)为省内发达区和高消费区。合肥为省会城市，除了享有得天独厚的政治、经济、政策和地理等优势条件外，中国科技大学、合肥工业大学和安徽大学等知名高等学府也坐落于此，为技术创新储备了雄厚的人力资本。因此，合肥市技术创新水平省内第一的位置是毋庸置疑的。第二类城市为安徽省经济欠发达区，技术创新水平相对薄弱。皖北地区(阜阳、亳州、淮北、宿州)虽然近几年经济发展较快，但因人口稠密、教育落后以及人才紧缺等原因限制了其技术创新水平的提高；皖南地区(黄山、池州、宣城)和皖中地区(六安、安庆)多为山区，农林旅游业发达，环境条件良好，但工业产值低，在追求技术领域这一块动力不足。第三类城市属于安徽经济中等发达区，也是安徽省重工业集聚地。蚌埠作为安徽老牌省辖市，近年来发展势头虽然欠佳，但在商贸、科教、文化和交通等领域仍占据一定优势。淮南经济工业实力居皖北首位，煤炭储藏量居华东第一，但人力资源的欠缺是制约技术创新发展的重要因素。铜陵和马鞍山虽在技术创新水平方面没有多大贡献，可两市人均GDP和R&D经费支出近几年在省内均是名列前茅，这些资源为两市技术创新的发展奠定了坚实的基础。第四类城市(芜湖)是皖南和皖江地区综合实力和发展潜力仅次于合肥的城市。一方面，芜湖技术创新水平的提高不仅得益于“合芜蚌自主创新综合配套改革试验区”政策优势，而且芜湖开发区是国务院批准的国家经济技术开发区，开发区内资金充裕、人才殷实、技术先进。在10多年的建设中，芜湖开发区不仅在汽车零部件、电子电器和新材料等产业发挥主导作用，更是对外开放的示范区、先进制造业的领头羊，为芜湖市的技术创新提供了很好的发展空间。另外，芜湖技术创新的产出与投入虽仅次于合肥，排名第二，排名第一与第二的城市无法聚到一起，各列一类，说明二者之间还是有很大差距的。由以上分析可知，安徽省区域间技术创新的发展极不平衡的。

表9　2014年各地市聚类分析结果

4　结 论

经济发展与技术创新密不可分，在对相关文献进行探析的基础上，实证分析了安徽省技术创新水平，得出以下结论：

(1)技术创新水平的评价是个繁琐的过程。技术创新不是指单一技术的突破与发展，而是指科学与技术水平在与以往相比是否有全面的、系统的、质的提升；其次，技术创新不强调是否一定产生新的事物，而强调对当前面临的问题或困境是否具有适应性、针对性、创新性。

(2)现阶段安徽省技术创新水平还比较低，且省内各地市发展极不平衡，省内技术创新水平呈现出中间高两端低的尴尬局面。因此，政府在保持省内中部地区技术创新水平持续提高的前提下，应加大其他处于较低水平地区的技术创新投入、创新人才培养以及技术创新支持政策的倾斜，使得省内各地市均衡发展，从总体上提升安徽省的技术创新水平。

[1]Robert M Solow.Technical Change and the Aggregate Production Function[J].The Review of Economics and Statistics,1957,39(3)：312-320

[2]Paul M Romer.Increasing Returns and Long-Run Growth[J].The Journal of Political Economy.1986,94(5):1002-1037

[3]Lucas R E.On the Mechanics of Economic Development[J].Journal of Monetary Economics,1988,22(1)：3-42

[4]Edward J Malecki.Technology and Regional Development：A Survey[J].International Regional Science Review,1983，8(2)：89-125

[5]G Conley,J M Holifield.Technology-based Economic Development[J].Economic Development Journal,2003，2(2)：41-56

[6]荣鹏飞,葛玉辉.产业变革中科技型企业技术创新路径选择研究[J].科技进步与对策,2014(8):91-93

[7]周青,王乃有,马香媛.产业技术创新战略联盟冲突类型与影响因素的关联分析[J].科学学研究,2014,32(3):473-479

[8]宋纪宁,王天崇,赵一霖.中国科技金融与技术创新关系的计量分析[J].资源开发与市场,2013,29(11):1145-1147

[9]王永.企业技术创新节点诊断与创新路径研究[J].科技进步与对策,2014(8):70-73

[10]蔡新蕾,高山行,徐新.企业自主技术创新测度及不同创新模式作用研究[J].科技进步与对策,2014(1):116-121

[11]杜鹏程,李敏,洪艳.我国中部地区技术创新效率差异性研究[J].科技进步与对策,2014(4):36-39

[12]范群林,吴花平,王恩创，等.我国西南地区环境技术创新效率研究[J].中国科技论坛,2014(8):110-114

[13]刘宾.技术创新对河北省沿海区域经济增长贡献的实证研究[J].科技管理研究,2013,33(10):46-49,56

[14]胡宗义,刘春霞.基于非线性STR模型的要素投入与技术创新关系的实证研究[J].软科学,2013,27(9):7-12

[15]汪东华.多元统计分析与SPSS应用[M].上海:东华理工大学出版社,2014:141-170

(责任编辑：周博)

10.3969/j.issn.1673-2006.2016.10.005

2016-03-21

石彩霞(1991-)，女，安徽安庆人，在读硕士研究生，主要研究方向：物流与供应链管理。

F062.9

A

1673-2006(2016)10-0019-06