中国部分城市高新技术产业发展水平的定量分析

段非

中图分类号： F276 文献标识码： A

1．引言

高新技术产业以高新技术为基础，从事一种或多种高新技术及其产品的研究、开发、生产和技术服务的企业集合，是知识密集、技术密集的产业。产品的主导技术必须属于所确定的高技术领域，而且必须包括高技术领域中处于技术前沿的工艺或技术突破。 本研究选取了2006年中国20个城市的7个高新产业化指标，应用 SPSS统计软件对此进行了主成分分析；然后结合主成分分析结果，利用聚类分析方法得到了部分城市高新技术产业发展水平谱系图；最后结合各地区自身的地理状况、区位优势和经济发展水平，探讨了全国20个大城市高新技术产业化水平的区域相似性和差异性。

2．全国高新技术产业发展的“降维”分析

2.1 指标选取

选取高新技术产业化为一级指标，二级指标为产业化水平与产业化效益，衡量这两个指标就需要知道关于高新技术产业在工业与市场上的比重以及为人类社会带来的生产率。发展任何一种产业都是为了发展社会经济，继而提高人们的劳动生产率和经济水准。因此，本研究选取以下7个指标作为分析这20个城市高新技术产业发展水平的评价指标，并对这些评价指标作主成分（降维）分析。

X1——高技术产业增加值占工业增加值比重（以%为单位）。

X2——知识密集型产业增加值占生产总值比重（以%为单位）。

X3——高新技术产品出口额占商品出口额比重（以%为单位）。

X4——新产品销售收入占产品销售收入比重（以%为单位）。

X5——高技术产业劳动生产率（以万元∕人为单位）。

X6——高技术产业增加值率（以%为单位）。

X7——知识密集型产业劳动生产率（以万元∕人为单位）

2.2 指标间的相关性分析

利用SPSS软件对原始数据做标准化处理，然后计算得出各指标之间的相关系数矩阵，其结果见表1。

表1 相关系数矩阵

由表1不难得出，原始变量数据中，X1（高技术产业增加值占工业增加值比重）和X3（高新技术产品出口额占商品出口额比重）存在较大正相关；X3（高新技术产品出口额占商品出口额比重）和X6（高技术产业增加值率），X6（高技术产业增加值率）和X7（知识密集型产业劳动生产率）均存在着较大的负相关。

2.3 主成分贡献率及其主成分载荷分析

通过SPSS软件计算得到主成分特征值、贡献率、累积贡献率（如表2所示）。由表2可知，前三个主成分的累积贡献率为74.423%（理论上80%--85%，但通过SPSS分析得到将原有要素降到三维就够了），所以选取前三个主成分，就可以综合代表7个指标所反映的中国各地区交通运输的特征和基本情况。主成分载荷矩阵（表3）表明：第一主成分（贡献率为37.984%）在高技术产业增加值占工业增加值比重、高新技术产品出口额占商品出口额比重、新产品销售收入占产品销售收入比重、高技术产业增加值率、知识密集型产业劳动生产率有较大的正载荷（0.729、 0.856、0.546、0.668、0.645），这5个指标反映了中国这二十个城市高技术产业增加值与产量是衡量其产业化程度的主要方面，产业增加值率与劳动生产率也同步起到一定作用，可以说明第一主成分在某种程度上代表着这二十个城市高新技术产业化的整体状况。第二主成分（贡献率为21.986%）在高技术产业劳动生产率上具有较大的正载荷（0.822），在知识密集型产业劳动生产率上具有较大的负载荷，这说明第二主成分在一定程度上代表着劳动力的利用方向。第三主成分（贡献率为14.453%）在知识密集型产业增加值占生产总值比重上存在一定的负载荷，这说明第三成分在一定程度上也反映出与第一主成分相反的性质。

表2 主成分特征值、贡献率和累积贡献率

表3 主成分载荷矩阵

2.4 全国各省主成分得分评价与分析

计算各城市地区在第一、第二和第三主成分上的得分，如果一个区域在某一主成分上的得分为正，则意味着这一区域的该主成分在平均发展水平之上；反之，得分为负则表明在平均水平以下。另外，也可以按照各个主成分的贡献率，定义综合主成分得分，在这里，综合主成分得分Z=0.37984Z1+0.21986Z2+0.14453Z3，它反映了各城市地区高新技术产业化的综合发展水平。这二十个城市中第一、第二和第三主成分得分前五位的省份及其得分情况，具体见表4。

表4第一、第二、第三主成分得分前五名的地区

从表4中可知，苏州、深圳、宁波、厦门、杭州、济南、天津、武汉、北京、上海、南京、广州等城市的主成分得分均为正，说明这些城市高新技术产业化的发展水平均在全国的平均水平之上。第一、第二和第三主成分得分上的差异，综合反映了7个高新技术产业化发展状况的评价指标在区域结合上的差异。苏州、深圳、宁波、厦门和杭州等城市在高技术产业增加值占工业增加值比重、高新技术产品出口额占商品出口额比重、新产品销售收入占产品销售收入比重、高技术产业增加值率、知识密集型产业劳动生产率等方面表现的较为突出。济南、天津、深圳、武汉和厦门等城市在高技术产业劳动生产率上表现明显。北京、上海、杭州、南京和广州等城市知识密集型产业增加值占生产总值比重上的特征比较突出。而杭州的高新技术产业增加比重与高新产品的产出在第一、第三主成分得分中有明显表现，深圳、厦门在高新技术产业化在第一、第二主成分得分中均有明显表现，广东、湖南在高新技术产业比重增加和高技术产业劳动生产率方面共性表现更明显。

20个城市综合得分（表略）排名依次为苏州、深圳、北京、厦门、杭州、上海、南京、天津、宁波、济南、大连、广州、武汉、西安、成都、沈阳、青岛、哈尔滨、重庆、长春。前十个城市的高新技术产业化发展较为完备。

综合这20个城市来看，其中深圳、厦门、杭州、上海、天津、宁波、大连都位于我国沿海地带，是省级的甚至是全国的经济中心，拥有良好的区位优势，并且有一定发展基础，因此，它们能在高新技术产业化发展中拔得头筹。此外，北京、苏州、南京、济南、广州、武汉等地虽不临海，但是也是交通中心，现代化程度较高，在全国来说都是重要的经济、对外贸易、工商业和物流中心，其高新技术产业发展的实力也不容小觑。剩下的西安、成都、沈阳、青岛、哈尔滨、重庆、长春等城市，相较之前的地区来说就显得实力相对较弱，西安、成都与重庆都是地处西南西北，在内陆腹地，交通较为不便；沈阳、哈尔滨、长春都为东北三省的省会，这三个城市一向都是重工业区，但是在城市化的进程中未赶上其他城市的脚步，对于高新技术产业的发展实力较弱。

各个城市在地理位置上存在着差异性，以及受在历史上的城市功能与现在城市定位与城市政策的影响，这些因素都会对高新技术产业化的发展有明显的作用和。例如综合得分排在后四位的依次是青岛、哈尔滨、重庆、长春，其得分分别为：-0.28523、-0.41981、-0.78517和-0.94518，说明这几个地区的高新技术产业居全国的平均水平之下。

3. 所给地区高新技术产业发展的区域相似性和差异性分析

系统聚类分析方法是定量地研究地理事物分类问题和地理分区问题的重要方法。因此在这里我采用系统聚类分析方法对所给地区高新技术产业发展的区域相似性和差异性作综合和系统的分析。