APP下载

基于因子分析的西安市创新驱动能力评价研究

2021-03-09张优智乔宇鹤

漯河职业技术学院学报 2021年1期
关键词:区县西安市指标体系

张优智,乔宇鹤

(西安石油大学 经济管理学院,陕西 西安 710065)

2005年中央提出要把我国建设成创新型国家。2006年提出不仅要提升自主创新能力,更要建设成创新型国家。2012年又明确提出,将创新驱动发展战略上升为国家战略。党的十八大也强调中国必须坚持实施创新驱动战略,走中国特色的自主创新道路,经济发展的驱动力逐步从要素驱动、投资规模驱动转向创新驱动。2019年政府工作报告中提到,我国创新驱动战略实施成果显著,创新能力和效率有所提升。作为关中平原城市群、一带一路及我国西部建设中的重要城市,创新驱动有助于西安经济高质量发展。因此,研究西安市创新驱动能力,对西安市13区县开展创新活动、促进经济发展具有积极的指导意义。

一、研究现状

程慧锦、马有才[1]对山东省创新驱动能力进行研究,从全面创新和创新驱动两个方面构建指标体系。杨朝继[2]从产业、自主、创新及评价四个方面构建创新驱动因素指标体系,最终确定创新驱动的核心是制度创新。张艾莉和张佳思[3]以“互联网+”为背景,从创新投入、实践和产出三方面研究制造业创新能力,研究结果显示各行业创新能力差距较大。宋文月和任保平[4]利用熵值法测度构建的创新驱动能力指标体系,并在此基础上进行了聚类分析,得出整体创新驱动能力有所提升但区域间差距拉大的结论。

除了构建指标体系之外,专利权授权数[5,6]、R&D经费支出[7]及效率测度方法[8,9]也是测度创新驱动能力的重要方法。胡立和和商勇等[10]、张利国和冷浪平等[11]均以长江经济带各省市作为研究对象,前者利用随机前沿分析法对技术创新效率的相关问题进行研究,研究结果表明所研究省市的创新效率能力较低;与此同时,后者用专利授权量来评估创新能力的大小,空间计量结果显示创新驱动能力存在正相关性。吕洪燕和乔朋华[12]发现各地区通过DDF模型测算得出的工业绿色创新效率存在较大差异。

部分学者在测算创新驱动能力的基础上进一步研究创新驱动与其他因素的关系。首先是有关创新驱动能力影响因素的研究,王毅、陈娱等[13]整合了熵值法、线性加权法及空间计量模型,对旅游产业创新能力时空变动及驱动因素的相关问题进行研究,分析结果显示旅游产业创新能力具有总体呈上升趋势但空间分布不平衡的特点,空间溢出、产业政策及基础导致这一特点的出现。其次是有关与经济发展关系的研究,周超[14]的研究内容为创新驱动能力影响因素与经济增长质量之间的相关性关系,分析的角度有创新投入、制度和环境,结果显示创新投入及环境对经济增长质量的长期效果更明显,而创新制度的短期作用更加明显。董小君和石涛[15]通过对经济高质量发展驱动因素空间效应的研究,明确了创新驱动的大致方向,他们的看法是科技创新投入对本省经济高质量发展有正向影响,科技研发成果及成果转化有负向空间溢出效应。

本文构建了西安创新驱动能力评价指标体系,并运用因子分析方法测度了2018年西安市13个区县的创新驱动能力,并按照因子得分大小对13个区县进行聚类分析,同时分析创新驱动能力对经济增长的作用。

二、西安创新驱动能力评价

(一)西安创新驱动能力评价指标体系

在考虑数据可获得性及指标选择合理性的情况下,从创新投入、产出及环境三个方面建立创新驱动评价指标体系[16],测度西安市11个区及2个县的创新驱动能力。创新投入使用科学技术财政支出(SF)以及信息传输、软件和信息技术服务业、科学研究和技术服务法人单位数(NU)两个基础指标代表;创新产出用规模以上工业企业营业收入(IN)来衡量;创新环境采用实际利用外资(FR)、科学技术财政支出占财政支出比重(PE)和普通初等教育及中等教育学校数(SN)三个指标来测度。具体评价指标体系说明如表1所示。

表1 创新驱动评价指标体系

(二)西安创新驱动能力得分

考虑到各项指标在单位和数量级方面存在差异,因此先对数据进行标准化处理,再进行因子分析。将数据利用min-max方法进行标准化处理后,首先通过KMO检验确认数据是否适合进行因子分析,若KMO值大于0.5则表明适合做因子分析,在SPSS 18.0中KMO检验得到的KMO值为0.6004,检验结果为所选取的数据适合进行因子分析。

表2为利用stata 15.0提取所得因子及其特征值、方差贡献率和累计方差贡献率,可以看到一共提取出6个因子,特征值大于1的因子有Factor1和Factor2两个,累积方差贡献率为71.72%,对原始数据所包含信息有较强的解释力,因此提取这两个因子作为公因子,进一步利用正交因子旋转分析变量与因子之间的相关程度。表3中第2列及第4列分别为各变量的Factor1和Factor2因子载荷值,可以看出对公因子F1贡献较大的变量为科学技术财政支出(SF)、实际利用外资及科学技术财政支出占财政支出比重(PE),说明西安市创新投入及创新环境指标对公因子F1贡献较大;信息传输、软件和信息技术服务业、科学研究和技术服务法人单位数(NU)、规模以上工业企业营业收入(IN)及实际利用外资(FR)对公因子F2贡献较大。

表2 各因子所解释的原始变量的方差

依据表3中第3列及第5列各变量的F1和F2因子得分系数和各变量数据分别计算F1和F2得分,公式(1)和公式(2)分别为计算西安市13个区县F1和F2得分的表达式。计算出13个区县F1和F2得分后,将F1和F2各自的方差贡献率在F1和F2累计方差贡献率中所占比重作为F1和F2的权重计算创新驱动能力综合得分F,公式(3)为创新驱动能力综合得分F计算公式。

表3 因子载荷值及因子得分系数

计算所得的13个区县F1和F2因子得分、创新驱动综合因子得分F分别见表4第2列至第4列,依据计算出的创新驱动综合因子得分F对13个区县进行排名,排名结果见表4第5列。由表4的创新驱动综合因子得分可以看出,2018年西安市各区县创新驱动能力存在较大差异,碑林区是西安市具有最高创新驱动能力的区域,周至县排名最后,部分区域更加重视创新投入和创新环境,对创新产出的重视程度不足。

表4 各区县创新驱动综合因子得分及排名

(三)西安创新驱动能力聚类分析

由表4可以看出,2018年西安市13个区县创新驱动综合因子得分排序依次是碑林区、未央区、莲湖区、新城区、雁塔区、灞桥区、阎良区、高陵区、长安区及临潼区,蓝田县、鄠邑区及周至县排名后三位。

在SPSS 18.0中对13个区县的创新驱动综合因子得分进行聚类分析,将西安市各区县创新驱动分为高、中、低三个能力。创新驱动综合因子得分大于0.5357的属于高创新驱动能力,仅有碑林区和未央区属于高创新驱动能力区域;因子得分取值在0.0544到0.5357的属于中创新驱动能力,因子得分小于0.0544的为低创新驱动能力,临潼区、蓝田县、鄠邑区及周至县处于低创新驱动能力区间。

三、创新驱动对经济增长的影响

在表4所示各区县创新驱动因子得分测算结果的基础上,分析创新驱动对经济增长的影响,构建如下模型:

GDP为各区县2018年GDP总值,F为表4测算所得的创新驱动因子得分,i代表13个区县,回归结果见表5。

表5 模型(4)回归结果

从表4、表5的回归结果可以看出,西安市各区县创新驱动对经济增长有正向促进作用。

四、研究结论及对策建议

本文运用因子分析法测度2018年西安市13个区县的创新驱动能力,并按照因子得分情况对13个区县创新驱动能力进行聚类分析。研究结果表明,西安市各区县创新驱动能力有较大差异,2018年碑林区、未央区及莲湖区创新驱动能力在13个区县排名前三位,属于高创新驱动能力区域;而蓝田县、鄠邑区及周至县排名后三位,属于低创新驱动能力区域;其余7个区县均属于中等创新驱动能力区域。同时创新驱动对西安市经济增长有较为显著的促进作用。

依据得出的结论,从以下几个方面提出对策建议:(1)经济实力较强的地区在保持经济发展的同时也应积极开展创新活动,充分发挥经济优势,为创新提供充足的资金支持;(2)碑林区、未央区等创新能力较强的地区继续发挥地区创新优势,为经济发展提供源源不断的动力,蓝田县、周至县等创新能力较差的地区积极引进先进技术,逐步向自主创新转型,推动地区创新协调发展;(3)政府和企业不仅要增加创新投入,更要提高创新投入的精准度,全社会营造良好的创新环境激发创造活力,给予创新产出充分的产权保护;(4)推动教育、科研及生产充分衔接,创新与市场需求要紧密接轨,政府搭建地区创新平台,整合地区创新资源,为技术和人才在地区内自由流动提供便利,实现比“产学研”一体化更加高级的“政产学研用”和“政用产学研”科技创新方式。

猜你喜欢

区县西安市指标体系
泸州市
2022城市商业魅力指标体系
泉州市各区县关工委亮点工作分布图
THE NEW STRATEGIES OF ENGLISH TEACHING IN PRIMARY SCHOOL
家乡
网络空间攻防对联合作战体系支援度评估指标体系构建
建筑工程造价指标体系构建与应用探究
融媒体时代区县台主持人转型升级与能力提升
123的几种说法
供给侧改革指标体系初探