基于因子分析的创新绩效研究——以2008—2015年省际间面板数据为例

陈维花，李 鹏

（福州大学 经济与管理学院，福建 福州 350116）

党的十八届五中全会提出，实现“十三五”时期发展目标，必须牢固树立并切实贯彻创新、协调、绿色、开放、共享的发展理念。创新被鲜明地摆在发展理念的首位。全会强调，创新是引领发展的第一动力，必须把创新摆在国家发展全局的核心位置。这既是对“科技是第一生产力”内涵的进一步升华和深化，同时也表明了中央深入实施创新发展理念的坚定决心。当下，我国已走上全面创新之路。创新发展将成为“十三五”时期经济结构实现战略性调整的关键驱动因素，是实现“五位一体”总体布局下全面发展的根本支撑和关键动力。说到创新，就不得不提到创新绩效。创新在我国如此重要，但我国科技与经济“两张皮”现象仍然突出：一方面是企业的核心技术能力还不强，未形成创新驱动的发展模式。另一方面是大学和科研机构的科技成果转化率长期偏低，未能有效支撑经济发展。基于此，使用我国30个省（自治区、直辖市）的相关面板数据，运用因子分析方法分析我国30个省（自治区、直辖市）的创新绩效。

1 指标选取与数据收集

1.1 指标选取

通过阅读文献发现，测度创新绩效的指标很多，比如专利（专利申请数，专利授权数等）、新产品销售收入及新产品开发项目数都有学者在使用，如表1所示。以上的各指标各有优缺点，且本文在分析创新绩效使用因子分析，得到30个省（自治区、直辖市）的综合创新绩效值，测度创新绩效的指标越多越好，于是，本文选择了新产品销售收入（y1）、专利申请数（y2）、专利授权量（y3）、新产品开发项目数（y4）、专利受理数（y5）、有效专利数（y6）和发明专利授权量（y7）7个评价指标。

1.2 数据收集

考虑数据的可获得性和代表性，本文以我国30个省（自治区、直辖市）为研究对象（西藏地区由于部分年度数据缺失，所以删除了西藏自治区，另外，香港、澳门、台湾也不在本文研究范围内），选取2008—2015年8年间的数据进行分析。相对于以往研究，本文所选取的指标有利于降低主观指标以及调研数据所产生的统计偏误，其结果更为客观和精确。

表1 创新绩效测度指标

2 实证分析

2.1 数据有效度检验

运用因子分析方法的前提是，变量之间存在线性的关系，这样才能够达到减少变量，方便分析的目的。首先对原始数据进行描述性统计，如表2所示。

表2 描述性统计

由于数据之间的单位存在量纲差异，首先对原始数据进行标准化处理，消除量纲不同导致的影响，然后对标准化后的数据做相关性检验。

利用样本数据对创新绩效的7个评价指标之间的相关性进行分析，利用SPSS20.0基于样本数据计算7个指标之间的相关细节矩阵，如表3所示。

表3 Pearson 相关性检验

通过变量的相关矩阵可知，创新绩效的7个评价指标的大多数相关系数大于0.779，具有较强的相关性。

KMO检验主要是为了检验影响创新绩效评价的7个评价指标之间的偏相关性，如果创新绩效评价的7个评价指标之间的偏相关性过小，则不能进行因子分 析，一般来说，当KMO检验值超过0.9的时候，采用因子分析的效果最好；如果检验值低于0.5则不能进行因子分析。而巴特莱特球形检验则是为了检验相关系数矩阵是否是单位矩阵，如果巴特莱特的检验结果接受相关系数矩阵为单位矩阵，则说明创新绩效评价的7个评价指标之间是相互独立的，不能进行因子分析；如果巴特莱特检验结果拒绝评价指标之间的相关矩阵为单位矩阵，则说明这7个评价指标之间是相关的。利用本文所采集的样本数据进行KMO检验和巴特莱特检验，得到KMO检验和巴特莱特球形检验结果如表4所示。

表4 2008—2015年创新绩效指标KMO检验和巴特利球度检验

表4中的KMO检验值显示，除了2009年和2010年的检验值小于 0.7，其余6年的检验值都在0.7以上，检验结果表明这些指标适合做因子分析。另外，巴特利球度检验的概率值都是0.000，创新绩效评价指标之间是相互独立性假设不成立，说明所选择的指标之间存在比较高的相关性。因此，这些指标非常适合做因子分析。

2.2 提取因子

对创新绩效提取值指标数据进行主成分分析，得到创新绩效数据的共同度（表5）和因子累计贡献率表（表6）。

表5 创新绩效指标共同度提取值

表6 2009—2015年因子总方差解释原变量情况

共同度主要用来反映提取的公共因子对创新绩效的各指标的影响，其初始值均为1.000。可以看出，表5中的共同度结果显示各评价指标的共同度超过了0.7，说明创新绩效评价各指标的绝大部分信息可被因子分析，信息丢失较少。表明采用因子分析能获得较为满意的结果。

在进行因子分析时，对相关系数矩阵运用方差最大法进行正交旋转，旋转收敛的最大迭代系数为默认值25。根据原来变量的相关系数矩阵，采用主成分分析法提取因子并选取大于1的特征根。表6显示，2009—2015这8年变量相关系数矩阵均只有1个特征根大于1，2009年累计贡献率最低，为89.684%，解释了各省（自治区、直辖市）综合发展情况的89.684%。通常来说，主成分累计贡献率达到85%就可以很好地说明和解释原变量，也就是说前1个因子集中体现了原始数据大部分的信息，因此，提取1个公共因子是合适的，能够比较全面的反映情况。将11个原始指标所要表达的信息缩减为三个变量，很好地体现了因子分析降维的思想。

因为只抽取了一个成份，无法旋转此解，没有得到旋转成分矩阵表，就没有进行因子命名。

2.3 计算因子得分与综合评价得分

一般情况下，为实现对我国30个省（自治区、直辖市）创新绩效综合评价和排序，需要确定创新绩效评价各指标的权重。按照加权平均的方法，逐年求出30个省（自治区、直辖市）创新绩效的综合得分。由于只提取了1个公因子，这个公因子上的得分就是所求的综合得分，计算公式为：

其中，βi（i=1，2，...，7）为因子得分系数；yi（i=1，2，...，7）为标准化之后的数据。

成份得分系数矩阵和具体得分情况见表7和表8。

表7 成份得分系数矩阵

表8 2009—2015年各省（自治区、直辖市）因子得分表

3 结果分析

1）我国30个省（自治区、直辖市）在2008—2015年任何一个年度的综合因子的最高分与最低分差距较大，比如广东省在2008年得分最高，为3.395 9，最低分的青海只有-0.773 8，两者相差4.169 7。并且有20多个省份的得分为负值，表明我国创新绩效较低，各地区创新绩效存在较大差异。由于经济发展、地理位置、人口等因素造成了各地区之间创新绩效的不平衡。

2）从各省（自治区、直辖市）的横向比较来看，在2008—2015年之间，广东、江苏、浙江、山东、上海和北京这6个省市基本上年年都排名在前六位，尤其是浙江和山东这2个省份分别一直排在第三名和第四名。相反，云南、贵州、甘肃、内蒙古、新疆、宁夏、海南和青海八省的排名在这8年间基本位于后八位。不难理解，排名靠前的基本上都是经济发展迅速、人口密集的省份；而排名靠后的基本上都是经济发展相对缓慢，人口不太密集的省份。所以，我们在加快中西部地区经济的发展，提高创新效率。

3）从各省（自治区、直辖市）的纵向发展看，在2008—2015年年间，各省（自治区、直辖市）的创新绩效综合因子得分在2008年最高，有些省份从2008年一直下降。一方面是因为2008年国家及时的经济刺激计划，扩大内需，带动国内消费，减少对国外市场的依赖，金融危机在我国影响不大。另外，2008年奥运会给我国带来经济的增长。中国的经济从2010年到2015年已经连续下滑了六年，也是从改革开放以来第一次连续六年经济增长速度下滑，所以，创新绩效综合因子得分会下降。在这8年间，各省（自治区、直辖市）的绩效评价排序基本变化不大，从一定角度上说明了各省（自治区、直辖市）在创新发展上基本处于同步水平，反映了国家政策的作用在各省（自治区、直辖市）得到了较好的发挥。

4）我国30个省（自治区、直辖市）在2009—2015年任何一个年度的创新绩效综合因子得分和综合得分排序都几乎不相同，比如，湖南省在2008年时综合得分为-0.284 0，排在30个省当中的第14位，而在2015年时综合得分为-0.151 6，在30个省当中排第13位。这是因为每年的截面数据是相互独立互不关联的，因此不能简单地将每年的综合因子得分加总进行评价，否则会影响数据的客观性，所以，为了对30个省份的8年得分情况进行评价研究，本文借用李福祥［11］的方法：基于因子分析法的topsis综合评价法。对因子分析的综合因子得分运用 Excel软件处理，可以得出每一个省份2008～2015年这一区间创新绩效的综合评价结果及排名，如表9所示。

表9 30个省份2008—2015年创新绩效的综合评价结果及排名

4 结论与建议

本文以我国30个省（自治区、直辖市）的面板数据为例，通过因子分析法得到各省（自治区、直辖市）2008—2015年的创新绩效的综合得分，并基于因子分析法的topsis综合评价法得到创新绩效的综合评价结果及排名，对我国提高各省（自治区、直辖市）的创新绩效切入点具有重要的指导意义。

研究发现，我国创新绩效较低，并且各地区创新绩效存在较大差异；经济发达的东部地区的创新绩效较高；各省（自治区、直辖市）的创新绩效在这8年里均有下降的趋势，与我国经济增长下滑有关等等。

建议国家重视地区创新绩效的提升，进一步加强创新效率的提高，要根据不同省（自治区、直辖市）的特点和创新绩效的实际情况，给予相应的政策扶持和资金支持，减轻各地区创新绩效较大差异的状况，比如贵州省创新绩效的综合排名为23，政府可以增加该省的PPP模式项目，与实力雄厚的社会资本合作，加强本省的经济建设，提高创新绩效；同时，各省（自治区、直辖市）要加强人才的培养，建立人才激励机制，积极引进创新型人才到高新企业就业，对有突出贡献的管理人员和专业人员进行奖励，促进人才的合理流动，积极搭建人才交流合作平台。

参考文献：

［1］吴延兵.自主研发、技术引进与生产率：基于中国地区工业的实证研究［J］.经济研究，2008（8）：51-64.

［2］白俊红，江可申，李婧.应用随机前沿模型评测中国区域研发创新效率［J］.管理世界，2009（10）：51-61.

［3］韩晶.中国高技术产业创新效率研究：基于SFA方法的实证分析［J］.科学学研究，2010，28（3）：467-472.

［4］肖丁丁，朱桂龙，戴勇.R&D投入与产学研绩效关系的实证研究［J］.管理学报，2011，8（5）：706-712.

［5］蒋开东，俞立平，霍妍.企业自主研发与协同创新绩效比较研究：基于面板数据与非期望产出效率的分析［J］.软科学，2015，29（2）：68-71.

［6］肖文，林高榜.政府支持、研发管理与技术创新效率：基于中国工业行业的实证分析［J］.管理世界，2014（4）：71-80.

［7］赖永剑，贺祥民.金融发展与区域创新绩效的非线性关系：基于面板平滑转换回归模型［J］.华中科技大学学报（社会科学版），2015（2）：92-99.

［8］姜彤彤.省域范围内产学研协同创新效率评价及分析［J］.学术论坛，2015，38（3）：168-172.

［9］栾斌，杨俊.企业创新绩效脆弱性研究［J］.研究与发展管理，2016，28（3）：79-88.

［10］李鹏，陈维花.产学研协同创新主体投入对其效率的影响研究［J］.顺德职业技术学院学报，2017（3）：21-27.

［11］李福祥，刘琪琦.我国地区金融发展水平综合评价研究：基于面板数据的因子分析和topsis实证研究［J］.工业技术经济，2016，35（3）：152-160.