基于因子分析的山东区域创新能力评价研究

李庆军　王霞　潘云文　万连城　陈英

摘要：本文结合山东区域创新发展实际，构建了山东省区域创新能力评价指标体系，利用因子分析法对原指标体系降低维数的基本思想，构建了评价模型，结合2015年山东省统计年鉴和山东省科技统计年鉴的相关数据，对山东省17市的创新能力进行了评价与分析。以期找出各市创新发展过程的差距，为地方政府在制定科技创新政策时提供理论参考。

关键词：区域创新能力；因子分析；评价

中图分类号：F270.7 文献标识码：A DOI：10.3969/j.issn.1003-8256.2017.06.007

Research on Evaluation of Regional Innovation Capacity in Shandong Based on Factor Analysis Method

LI Qingjun1， WANG Xia2，PAN Yunwen1， WAN Liancheng3， CHEN Ying4

（1. Institute of Science and Technology for Development of Shandong， Jinan 250014， Shandong， China； 2.Shandong Yateer Group， Jinan 250100， Shandong， China； 3. Journal Publication Center， Xidian University， Xi'an 710071， Shaanxi， China；

4. Dongying Hekou Blue Economic Industrial Park Service Center， Dongying 257200， Shandong， China）

Abstract： Based on Shandong's practical situation of regional innovation development， this paper constructed evaluation index system of regional innovation capacity for Shandong， using the principle of factor analysis method to reduce dimensions of original index system， and forming an evaluation model， and then evaluating and analyzing the innovation capacity of 17 cities in Shandong based on related data from Shandong Statistical Year Book-2015， Shandong Science and Technology Statistical Year Book-2015 and so on. We expected that the output of this paper can mark the differences of each city during innovation development， and provide theoretical reference for government to make science and technology innovation policies.

Keywords： Regional innovation capacity； Factor analysis； Evaluation

0 引言

區域创新能力是一个地区获取竞争优势，促进经济增长，优化产业结构的重要因素，也是支撑国家创新体系建设的重要指标。因此，进行区域创新能力的评价，找出区域城市间创新发展的差距，提出对策建议，对提高区域创新能力具有重要的现实意义。

近年来，自Cooke等[1]首次提出区域创新体系的概念以来，国内外学者开展了大量关于区域创新能力评价的研究；Autio[2]对区域创新体系中的研究技术的发展进行了评价研究，并提出评价国家创新体系应采用与评价区域创新体系不同的方法；Pinto 等[3]将区域创新能力评价指标体系分为技术创新、经济结构、人力资本和劳动力市场四个二级指标，并运用因子分析法进行了评价研究。在区域创新能力评价方面，国内最有影响力的是中国科技发展战略研究小组每年发布的“中国区域创新能力报告”，在最新的报告中，山东的综合区域创新能力位居全国第6位[4]；国内其他学者对区域创新能力的评价研究可以分为两类：一类是利用因子分析和聚类分析方法开展的区域创新能力评价研究，周立等[5]、孙锐等[6]利用该方法分别对中国大陆31个省级区域2004年和2005年的创新能力进行了分析与评价；金凤花等[7]利用因子分析和聚类分析法，构建了经济环境、教育环境、创新资源与产出、邮电通信与网络规模四个维度，对上海都市圈创新能力进行了评价研究。 另一类是利用层次分析法对区域创新能力进行评价研究，赵炎等[8-10]利用层次分析法先后对上海市宝山区、上海市、上海市张江高新区的区域创新能力进行了评价研究。

山东省17城市科技创新能力的高低关系到科技创新的全省格局，关系到山东省创新驱动发展战略的深入实施，本文构建了山东省区域创新能力评价指标体系，利用因子分析法对山东省17城市的创新能力进行了评价与分析，通过评价发现各市科技创新存在的问题，挖掘短板和薄弱环节，为全面提升山东创新能力提出有效的对策建议，为政府科学决策提供重要参考。

1 区域创新能力评价指标体系的构建

1.1 评价指标选取原则

（1）选取的指标能够获取权威数据。基本数据来源于《山东省统计年鉴》、《山东省科技统计年鉴》、《中国科技统计年鉴》以及“山东省知识产权统计”等公开数据。确保数据的权威性、准确性、持续性和及时性。endprint

（2）指标具有可比性。选取的评价指标一定要涵义明确、口径一致。考虑到山东省17个市的差距较大，尽量选取相对指标，降低指标对各市规模的敏感程度，以此增强指标的可比性。

（3）目标导向原则。评价的目的不是单纯评出名次及优劣，更重要的是引导和鼓励各市向提高科技创新能力的方向和目标发展，推动山东创新驱动发展战略的深入实施。

1.2 构建评价指标体系

根据评价指标的选取原则，确定山东区域创新能力为目标层；确定创新资源、知识创造、科技合作、企业创新、创新绩效、创新环境为准则层；针对准则层，选取了22个指标组成指标层；这样构建出了由目标层、准则层和指标层组成的山东区域创新能力评价指标体系，如表1所示。

2 实证分析

本文采用因子分析方法，建立因子分析数学模型，利用SPSS19.0作为统计分析工具，并构建综合评价模型，计算山东17城市的创新能力整体得分。

2.1 因子分析的数学模型及步骤

因子分析是将具有错综复杂关系的变量（指标）综合为数量较少的几个综合变量（称之为因子），以再现原始变量与因子之间的相互关系[11]。

假设有n个样品，每个样品观测p项变量（指标），记为X1，X2，…，Xp，原始数据资料矩阵为：

则因子分析的一般数学模型为：

简记为

式中，为主因子，其系数称为载荷矩阵；是特殊因子，是不能被前m个主因子包含的部分。

本文的因子分析包括以下具体步骤：（1）确定分析变量，收集原始数据资料；（2）对原始数据进行标准化处理；（3）计算所选变量的相关系数矩阵；（4）因子提取；（5）因子的命名解释；（6）计算样本的因子得分；（7）构建综合评价模型。

2.2 变量及样本选取

本文的变量包括自变量和因变量，自变量为表1中指标层包括的22个评价指标；因变量为山东区域创新能力评价值；样本选取山东17城市2014年区域创新能力的相关指标值，原始数据全部来自官方发布的《2015山东省统计年鉴》、《2015山东科技统计年鉴》等。

2.3 数据处理及分析

（1）因子提取

本文采用SPSS19.0进行数据的统计处理，对原始数据进行标准化处理以后，经过对相关系数矩阵等方面的检验，得到矩阵特征值及累积贡献率，如表2所示，前5个因子的累积贡献率达到了84.975%，根据因子提取原则，可以得出前5个因子为主因子。

（2）因子命名解释

利用主成分提取方法，对因子载荷矩阵实行具有Kaiser标准化的正交旋转法，经过8次迭代后收敛，得到表3的旋转后的因子载荷矩阵，使因子具有命名的解释性。

由表3可以得出，主因子F1主要解释了规上企业减免税总额占规上企业销售产值的比重、每名R&D人员产出的科技论文和著作指数、每万人R&D全时人数、信息传输、软件和信息技术服务业，科学研究和技术服务业工资合计占全行业工资总额的比重、规上企业新产品销售收入占规上企业销售产值的比重、规上企业R&D经费外部支出占规上企业销售产值的比重、每十万人发明专利授权数、规上企业新产品出口占各市出口总值的比例8个指标；第一个因子F1主要体现了各市企业创新的总体情况。

主因子F2主要解释了高新技术产业产值、每吨标准煤产出GDP、R&D经费内部支出合计、R&D经费外部支出与GDP的比值、高新技术产业产值占规模以上工业总产值的比重、每十万人发明专利申请数；第二个因子F2主要体现了创新绩效的产出情况。

主因子F3主要解释了规上企业R&D经费内部支出占规上企业销售产值的比重、R&D经费内部支出与GDP的比值、政府科技支出占政府财政总支出的比例；第三个因子F3主要体系了各市科技创新投入增幅情况；

主因子F4主要解释了规上企业全时R&D人员占职工总人数的比例、人均GDP、R&D人员中较高层次人才指数所占比例；第四个因子F4主要体现了各市科技创新人才数量增长情况；

主因子F5主要解釋了高新技术产业产值增长率、每名R&D人员产出的有效发明专利；第五个因子F5主要体现了高新技术的产出增速情况。

（3）因子得分

表4是根据回归法输出的因子得分系数矩阵，可由指标值和因子得分系数矩阵，计算出每个主因子的得分情况。

本文根据表4所示的因子得分系数矩阵，再结合17城市的原始变量的标准化数值，可以计算得出每个城市在每个主因子上的得分情况，并列出各个城市的排名情况，如表5所示。

通过各个城市的排名情况可以看出，济南市企业创新的总体情况最好（主因子F1），这与济南市作为省会城市，在省级层面的整体创新政策环境优越，极大地促进了企业创新的活力和动力；青岛市创新绩效的产出情况最好（主因子F2），这比较符合青岛市的总体创新发展情况；莱芜市科技创新投入增幅情况最好（主因子F3），体现了莱芜市近年来对科技发展的重视程度；东营市在科技创新人才数量增长情况表现最好（主因子F4），黄河三角洲农高区的获批与建设，使得东营吸引了大量科技创新人才的到来，也促进了东营市科技创新人才队伍的建设；临沂市高新技术产出增速情况最好（主因子F5），说明临沂市在高新技术产业发展方面具有较大潜力。

（4）综合评价

本文根据各城市每个主因子得分，采取给每个主因子赋予权重的方法，可计算得出各个城市的综合得分，如表6所示。

每个主因子的权重用其方差贡献率除以所有主因子的总方差贡献率计算得到，各城市的综合得分计算公式如下：

通过表6可以得出，在区域创新能力综合得分方面，济南、青岛、烟台位居前三名，总体反映了济青烟在山东创新发展中的突出地位；济南市综合得分排名第一，分析其主要因子贡献情况可以看出，主因子F1和F4排名情况较好，说明济南市企业创新情况和科技创新人才方面比较突出，这与济南作为山东的省会城市，占据先天的资源优势有关，凭借得天独厚的政策支持，丰富的高校院所资源和高层次人才资源，高新技术企业集聚，创新创业环境宽松等优势，带动了济南企业创新发展和人才集聚；青岛市在本次排名中位列第二，这与预期的研究期望以及部分学者的研究结论有所出入，分析其原因可能是由于指标的选取和评价方法的不同造成。endprint

菏泽、棗庄、日照、德州的创新能力综合得分在山东省17城市中排名靠后，分析其主要原因是这些地区整体工业基础薄弱，尤其是规模以上企业少，整体创新环境不佳，由于地理位置等原因对科技人才尤其是高端人才缺乏吸引力，加之地方财政收入不高，自然投入到科技创新方面的经费就少，这些因素是这些地区整体创新能力落后的重要原因。

3 总结

本文以山东17城市的创新能力为研究对象，借鉴了2014年官方公布的权威数据，按照相关原则构建了山东区域创新能力评价指标体系，采用因子分析方法，对山东17城市的创新能力进行了系统地评价与分析。研究成果表明：（1）济南市企业创新的总体情况最好；青岛市创新绩效的产出情况最好；莱芜市科技创新投入增幅情况最好；东营市在科技创新人才数量增长情况表现最好；临沂市高新技术产出增速情况最好。（2）在区域创新能力综合得分方面，济南、青岛、烟台位居前三名，总体反映了济青烟在山东创新发展中的突出地位。（3）菏泽、枣庄、日照、德州的创新能力综合得分在山东省17市中排名靠后。希望通过本文的研究能够为地方政府找出自身差距，在今后的发展中弥补不足，不断提升自身的区域创新能力，推动地区创新驱动的深入发展。

参考文献：

[1] P Cooke ， MG Uranga ，G Etxebarria. Regional innovation systems： Institutional and organisational dimensions[J]. Research Policy， 1997， 26 （4-5） ： 475-491.

[2] Erkko Autio. Evaluation of RTD in regional systems of innovation[J]. European Planning Studies， 1998， 6（2）： 131-140.

[3] H Pinto， J Guerreiro.Innovation regional planning and latent dimensions： the case of the Algarve region[J]. Annals of Regional Science， 2010， 44 （2）： 315-329.

[4] 中国科技发展战略研究小组. 中国区域创新能力评价报告（2015）[M]. 北京：科学技术文献出版社，2015.

[5] 周立，吴玉鸣.中国区域创新能力：因素分析与聚类研究—兼论区域创新能力综合评价的因素分析替代方法[J].中国软科学，2006（8）：96-103.

[6] 孙锐，石金涛. 基于因子和聚类分析的区域创新能力再评价[J]. 科学学研究，2006， 24（6）：985-990.

[7] 金凤花，余光胜.上海都市圈创新能力评价研究-基于因子分析和聚类分析[J]. 科技管理研究，2013（12）：13-16.

[8] 赵炎，冯薇雨. 上海市宝山区区域创新能力评价研究[J].科研管理，2015（S1）：139-144.

[9] 赵炎，徐悦蕾.上海市区域创新能力评价[J].科研管理， 2016（S1）：489-494.

[10] 赵炎，徐悦蕾. 上海市张江高新区创新能力评价研究[J].科研管理，2017（S1）：90-97.

[11] 王淑芬.应用统计学（第2版）[M].北京：北京大学出版社，2014.

（编辑：姚英）endprint