中国31省市工业企业创新活力的评价

李重燕，李先科

（广州应用科技学院，广州 511370）

企业的创新活动是社会技术进步的重要推动力。技术进步是一个动态的过程，由知识变革、发现替代老产品的新方法、开发替代产品、引进推销、组织和管理技术所组成［1］。Kim 指出“技术”指的是把投入转化为产出的具体生产流程，以及在实施这种转化中采取的构成这些活动的知识和技能的总和。当下，全球经济进入知识经济时代，知识在全球范围流动，技术进步加速，在此背景下研究企业的创新活力意义巨大。

奥地利经济学派认为，完全竞争的市场是不存在的，由于广泛存在的信息不对称使得分工与专业化的价值在市场中得以表现，因而现实的市场普遍表现为垄断竞争市场。在米塞斯-哈耶克范式里，企业家是市场的主角，发现和创造交易机会是企业家的基本功能［2］。因此，为追求利润最大化，企业家们普遍进行创新活动，将研究开发与技术创新作为企业获取持续竞争优势的非价格竞争的重要手段。企业的创新活动不是科学原理的平移过程，而是一个复杂的有机过程。安同良［3］认为，技术由包括原材料、工具及机械设备、管理、对技术及其技术产品的需求、技术工人及技术人员、资金、信息等7 个要素构成，简称为技术的6M1I 模式。企业作为7 大要素产生交互作用的重要载体，在利润最大化的驱动下不断开发新产品，进而满足消费者的多样化需求，提升市场的创新活力。当今社会，随着科技进步经历了第一次工业革命、第二次工业革命、第三次工业革命，以及正在进行的第四次工业革命。工业企业作为技术进步的重要推动者，在历次工业革命中发挥着无比重要的作用。尤其是当下进入知识经济时代，工业企业由传统制造升级为更高技术含量的生产工艺、全新的生产技术。创新活动的7 大要素在知识经济下发挥出比之前更大的创新效率。

国内众多学者的研究主要集中在企业科技研发能力的投入与产出的分析之上。缪根红等［4］通过创新活动投入、创新活动过程、创新活动产出等3 个方面来研究企业的创新活动。刘永松等［5］使用DEA模型和Malmquist 指数，从投入、产出视角构建中国各省市高技术企业技术创新效率评价模型和影响因素模型。冯银虎等［6］运用熵权-TOPSIS 模型及基于时序的动态评价方法分别对中国20 家煤炭上市企业综合技术创新能力进行评价。张志强等［7］提出基于技术-管理-效益体系的评价模型（TME），采用TME、量-质-效、技术创新水平、技术报表等评价工具，基于调研数据构造了创新价值评价体系。本文在众多学者研究的基础上将企业的科技研发能力评价进一步深化为对企业创新活力的评价，利用因子分析与K均值聚类分析来对中国省市的工业企业创新活力进行动态分析。

1 工业企业创新活力的评价体系

1.1 企业创新活力的内涵

技术进步的思维有多种来源，包括新的制造能力和对市场需求的新认识。企业进行创新活动的动力源于对未来竞争优势的提前布局，期望通过创新活动，突破技术桎梏，获取高于市场平均水平的利润空间。创新的表现可以是对已有产品的增值改进，也可以是将已有技术运用到新的市场，还可以是利用新技术服务一个已经存在的市场等。不管是哪一种创新，其过程都不是一个完全线性的过程。企业的创新活力不仅体现在其技术研发与投入能力，也体现在企业对新产品的追求。

1.2 评价指标选取

随着现代分工的深化，产品价值链的迂回度不断延长。产品价值链大致可以分为设计、制造、销售3 个环节。参考国内外众多文献，从产品生产的3 个环节来综合评价中国各省市的工业企业创新活力。具体来说本文关于中国主要省市工业企业创新活力的评价指标体系总共包含两个层级：一级指标（3 个）、二级指标（7 个）。一级指标包括工业企业的创新投入能力、创新产出能力、新产品研发能力3 个指标；其中，创新投入能力可以从劳动与资本两个生产要素投入来衡量，即包括工业企业R&D 人员数量X1和与R&D 活动经费X2两个二级指标；创新产出能力可以通过专利申请情况来反映，包括专利申请数X3、发明专利申请数X4、有效发明专利数X53 个二级指标；新产品研发能力则采取静态指标来衡量，包括新产品与R&D 项目数比X6、销售收入与开放经费比X7两个二级指标。中国主要省市工业企业创新活力的评价指标见表1。

表1 工业企业创新活力评价指标

1.3 数据说明与评价方法

为准确评价中国各省市工业企业创新活力，选取了2019 年各省市统计年鉴中的相关数据。为进一步研究中国不同区域的工业企业创新活力，进一步将各省市划分为8 大区域（本文研究不包括中国港澳台地区）。东北地区（3 个）：辽宁、吉林、黑龙江；北部沿海（4 个）：北京、天津、河北、山东；东部沿海（3 个）：上海、江苏、浙江；南部沿海（3 个）：海南、广东、福建；黄河中游（4 个）：河南、内蒙古自治区、山西、陕西；长江中游（4 个）：江西、湖南、安徽、湖北；西南地区（5 个）：广西壮族自治区、云南、贵州、重庆、四川；大西北地区（5 个）：青海、西藏自治区、甘肃、宁夏回族自治区、新疆维吾尔自治区。

采取的评价方法包括因子分析与聚类分析。因子分析是指研究从变量群中提取共性因子的统计技术。约翰逊等在研究中指出由于传统因子分析中公因子提取仅能针对指标的一致性进行测量，而不能对指标进行降维，因而在本次研究中采用因子分析模型L［8］对7 个二级指标进行降维处理。聚类分析指将物理或抽象对象的集合分组为由类似的对象组成的多个类的分析过程。聚类分析的方法主要有K均值聚类法与分层聚类法。K均值聚类的好处是可以先将数据分为K组，再随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心，由此得出想要的分类情况。因为本文希望将中国各省市的工业企业创新活力分为强、中、弱3 个层面进行分析，所以选取K均值聚类法对前述因子分析的结果进行评价。

2 实证结果分析

2.1 中国31 省市工业企业创新活力的测度

利用Stata 软件对中国2019 年各省市的数据进行分析，对前述构建的7 个二级指标的数据进行描述性统计分析，结果显示数据的总体质量较好，没有极端异常值，变量之间的量纲调整恰当。为进行因子分析做准备，首先对7 个指标的原始数据进行标准化处理，并计算其相关系数矩阵，以观察指标之间的关联情况，结果见表2。从表2 的结果可以看出，X1～X5指标之间的相关系数在1%的水平上都显著相关，而X6、X7因为进行了静态处理，与其他相关指标之间虽然相关度不高，但不影响因子分析的降维操作。

表2 指标间的相关系数矩阵

利用主因子法对变量进行因子分析，其KMO检验结果见表3，模型的综合KMO 检验结果为82.02 %说明对变量进行因子分析是可行的，说明本文所选数据比较适合因子分析，模型构建有意义。因此，可以从数据中提取公因子进行下一步分析。

表3 KMO 检验

采取主因子法对7 个二级指标提炼公因子，为减少信息的丢失，保留初始特征根大于1 的因子，将前两个主因子分别记为F1、F2。从结果可以看出，前两个因子的累计方差贡献率高达85.60%，说明保留两个因子非常合理的，原始变量的信息丢失率非常低，模型的解释效果不错。采取正交旋转的方式对因子结构进行处理，其结果见表4。因子载荷阵正交旋转的结果显示，F1、F2对整个模型的方差贡献率分别为69.30%和16.30%，整体变动不大，说明调整后的两个因子所代表的解释意义与调整之前没有显著区别，解释能力却得到了提升。

表4 因子方差计算结果

在图1 所示的因子分析碎石图中可以看出，因子的特征值的变化趋势呈现出3 个阶段的状态：第1个因子的特征值十分高，对解释原有变量的作用最大；第2 个因子和第3 个因子的特征值比较接近1，其解释贡献度其次；从第4 个因子开始特征值都很小并趋近于零，对原有变量基本上没有解释能力。因此，提取特征值大于1 的两个因子是十分恰当的，可以尽可能地对原始变量的信息进行解释。

图1 因子分析碎石图

利用Stata 软件对标准化后的变量分别计算两个因子的得分系数，通过因子得分，可以得到表5 所示的因子得分系数矩阵。结果显示：F1因子主要解释了R&D 人员数量、R&D 活动经费、专利申请数、发明专利申请数、有效发明专利数这前5 个变量，贡献度高达80.96%，充分说明了科技研发活动对工业企业创新活力的影响十分巨大。因此可以命名为研发活力因子；F2因子主要解释了新产品与R&D 项目数比与销售收入与研发经费比，其贡献度有19.04%，这说明新产品的销售收入越高、研发经费越低，工业企业创新需求的动力就越足。因此可以将其进一步命名为创新动力因子。综上所述，工业企业创新活力可以从研发活力、创新动力两个方面进行测度。

表5 因子得分系数矩阵

根据表5 的结果，可以列出如下因子得分函数：

其中因子载荷为正值，说明该因子与变量为正相关关系；因子载荷为负值，说明该因子与变量为负相关关系。式（1）说明，研发活力因子F1除新产品与R&D 项目数比的系数为负外，与其他二级指标均成正向关系，且前5 个指标的贡献较为接近；式（2）说明，创新动力因子F2与新产品与R&D 项目数比成正向关系，与销售收入与研发经费比成反向关系；式（3）说明，综合因子F综的评价意义主要由线性组合中系数比较大的因子F1的综合意义所决定。

2.2 中国31 省市工业企业创新活力的综合评价

对中国31 个省市工业企业创新活力进行测度，计算综合指标F综，并对各因子进行排名，再利用K-means 聚类分析将前述结果划分成3 个类别，聚类中心分别为2.703、0.248、-0.382，具体结果见表6。因子得分为负值并不意味着所选取省市的工业企业创新活力为负值，负值仅表示该地区的工业企业创新活力水平相对较低。因此，中国31 个省市可以分为“工业企业创新活力较高区域”“工业企业创新活力一般区域”“工业企业创新活力较低区域”3 类。

从表6 的结果可以看出，F综的排名和F1因子的排名重合度很高，这说明F1因子对工业企业创新活力综合得分的贡献度比较高。从研发活力因子F1来看，广东省因子得分为4.015，排名第一，紧随其后的是江苏省、浙江省、山东省及安徽省，这些省份的工业都比较发达，又说明了研发投入与产出与该省的制造能力有很强的正相关性；从创新动力因子F2来看，吉林省、北京市、海南省、上海市、广东省分别排名前五，说明2019 年这些省市的工业企业对新产品的追求驱动力十足，新产品的开放成果斐然，销售收入远超投入经费；从综合得分F综来看，广东省、江苏省的综合因子得分高达3.412 和1.992，名列第1 与第2，浙江省、山东省、安徽省、上海市、北京市、四川省、湖北省分别为第3 到第9 位，综合因子得分均为正数，而剩下的其余22 个省市则因子得分为负数，说明其工业企业创新活力相对低下；尤其是西藏自治区、宁夏回族自治区、内蒙古自治区、青海省、新疆维吾尔自治区、广西壮族自治区等地区，其研发活力因子F1、创新动力因子F2及综合因子得分都排名靠后，这一结果与这些地区的经济相对落后密切相关。因此，因子分析的结果与各省市的经济情况相对应，结果可靠性较高，具有较强的研究意义。

表6 中国31 个省市工业企业创新活力的因子得分与K 均值分类结果

从全国的空间格局来看，工业企业创新活力的因子得分呈现“东高西低”的大格局，沿海地区工业企业的创新活力明显高于中西部地区。与经济发展的空间失衡类似，工业企业创新活力也存在明显空间失衡状态，这与中国的产业分布也有关系，中国的高新产业主要分布在东部及沿海地区，内陆地区主要以劳动密集型产业为主，创新活力相对低下。由此可见，中国技术创新演进的传导路径也是由东往西，由资本密集型产业传导至劳动密集型产业。

从区域格局来看，中国8 大区域的31 省市工业企业创新活力也不尽相同。东部沿海的上海、江苏、浙江3 个省市的工业创新活力较为接近，在全国排名靠前，大西北地区的青海、西藏自治区、甘肃、宁夏回族自治区、新疆维吾尔自治区5 个省份排名都较为靠后，东北地区的辽宁、吉林、黑龙江3 个省份排名都在中间偏后，长江中游的江西、湖南、安徽、湖北4 个省份排名都在靠前的位次，这说明区位因素对部分省市的影响是相同的，其产业格局也较为类似；而东北部沿海的北京、山东的排名靠前，天津、河北排名靠后，南部沿海的广东排名第一，海南、福建处于中游水平，黄河中游的河南、陕西与内蒙古自治区、山西差距不小，西南地区的四川排名第8，重庆位居18，广西壮族自治区、云南、贵州排名靠后，这些地区的省市虽然地理位置差不多但是资源禀赋不一样，经济发展情况也有所差别，工业企业创新活力也存在较大的差距。综上所述，工业企业的创新活力与该省市所在的地理位置及由资源禀赋决定的比较优势均具有较强的相关性。

从全国各省市因子综合得分的聚类结果来看，有2 个省市为“工业企业创新活力较高区域”，9 个为“工业企业创新活力一般区域”，20 个为“工业企业创新活力较低区域”，呈金字塔形状。其中最高得分为广东省3.412，最低为西藏自治区-0.88，差距较大，全国平均值为-0.000 1，工业企业的创新活力整体较低。这与中国的出口导向型的经济增长模式有关，通过利用低廉的资源与廉价的劳动力发展劳动密集型产业，这样虽然经济增长快速，但技术进步却较为缓慢。因此，注重技术的内生演化，通过大力发展基础研究，扩大研发投入，努力培育创新型企业有利于提高中国工业企业的创新活力。

3 结论与建议

利用中国31 个省市2019 年的横截面数据，通过因子分析模型L 将影响工业企业创新活力的3 个一级指标7 个二级指标进行降维，对各省市工业企业创新活力进行测度，通过对提炼出来的两个公因子进行正交旋转处理，以提升因子的解释力。结果显示，可以从研发活力与创新动力两个角度来衡量省市的工业企业创新活力水平。比较不同地域的因子综合得分，发现受各省市经济发展不均衡影响明显，显然大多数东部沿海城市受益于地理位置等原因天然形成资源集聚的优势，以及产业空间布局上的比较优势，因而在企业的创新活力在全国范围内排名靠前；而中西部地区工业企业的创新活力还有待提高，科技研发活动的需求日益增大，企业的创新活动不断增加。

不同地区的工业企业创新活力水平与经济增长水平的差异化分析结果表明，提升工业企业创新活力，注重企业投入与产出的平衡，是提升区域经济增长水平的重要路径。因此，为进一步发挥省市的区位集聚效应，提升工业企业创新活力程度，提出4 个方面的对策建议：

1）加快发展科技研发能力的软硬环境建设。完善支持工业企业创新活动的制度设计，降低企业的创新活动的交易成本，科学研究与开发能力的提高，需要良好的经济基础、开放的市场体系、浓厚的商业文化、优越的科研技术人才等。科学研究与开发能力的发展，必须处理好软硬环境协调发展的关系，既加大对企业经济基础的投入，又形成了比较完整、方便的交通运输网络体系和信息交流渠道，并且还加强了对人才、科研资源的培养和法制建设。

2）利用区域内的资源，发展区域的特色产业。各省市要充分利用区域内省会城市及重点城市的资源优势，合理利用资源，形成特色经济区域。在不同地理环境条件下形成的各地区具有独特的资源优势。各地要根据自己的资源发展特色产业，既能较好地解决当地的社会就业问题，又能以特色产业带动当地的经济增长。

3）重点培育、引进创新型人才。创新活动离不开人才，各省市应该加大对教育的投入，集中力量建设世界性的大学和科研院所，提高应用型人才的培育能力。另外，可以通过人才落户的优惠政策来吸引人才，让不同领域的人才带动该城市工业企业科技研发能力的发展。鼓励、支持民营企业引进高级创新人才，制定合理的人才配套政策，充分发挥民营企业在创新人才的培育中的作用。

4）提升民营企业的创新活力，鼓励产学研创新合作。科技研发活动的不确定性很高，民营企业很难大量参与。因此政府可以拿出专项资金作为民营企业的科技研发的创新发展基金，为民营企业的创新活动提供发展和化解风险的资金基础。政府可以引导民营企业强化自主创新意识，使其充分利用城市的人才资源优势和高校的科研实力，广泛推广产学研等创新网络，充分发挥创新服务平台的积极作用，促进民营企业间及民营企业和科研院所、高校之间互相合作，加速科技研发能力的发展。