区域科技创新能力分析

◇宿迁学院文理学院 姜 楠

科技创新是增强国家核心竞争力的关键，提高区域科技创新能力是推动经济和社会发展的重要因素。本文从科技创新能力的内涵出发，选取评价区域科创能力的指标。运用描述性统计分析、因子分析和聚类分析三种方法，分析评价各地区科技创新能力，并对政府和科技创新主体建言献策。

1 引言

1.1 研究背景及意义

自1978年以来，我国面临日益复杂的国际环境，如金融危机、中美贸易战、新冠疫情等，这些对我国各区域的科技创新能力的提升造成了一定的干扰。因此，扩大对科技创新能力指标监测范围，构建能科学、有效、及时反应地区科技创新能力的指标评价体系，成为当前经济领域的热点研究方向。

在地方的企业、学校、政策等各种科技创新主体和因素相互影响下，各区域的科技创新能力大相径庭[1]。由于我国数字化进程发展相对较晚，对科技创新能力的评级体系理论研究与实例分析尚处于起步阶段，但受到互联网经济快速发展的影响，近年来研究科技创新能力的学者增多，从总体的研究成果来看，其主要侧重于实证研究。

唐炎钊通过模糊综合评估模型分析区域科技创新能力[2]；此后张卫国、欧晨、刘勇军改进求解模糊判断矩阵的方法，建立基于LFPP-FAHP的创新能力评价模型[3]。郑雨苹、张良强、郑剑锋基于因子分析赋权法和层次分析法，选取评价指标，实证研究福建省科技创新能力[4]；汪晓梦基于主成分分析法，比较与评价了长三角三市的科技创新能力[5]。对于分析区域科技创新能力，上述研究成果具有一定的帮助，但这些研究所选取的指标不全相同，对区域科技创新能力的理解也不一样。

1.2 主要研究内容

本文尝试基于区域科技创新能力的内涵，选取准确、科学的评价指标。首先对指标数据作箱线图与星相图，并比较各区域差异；其次通过因子分析法得到各区域科技创新能力排名和影响区域创新能力的公共因子；然后分别基于公共因子得分和原始指标数据做聚类分析，并比较它们的聚类差异；最后结合分析结果评价各地区科技创新能力，并对政府和科技创新主体提出相关建议。

2 指标体系的构建和实例分析

2.1 指标的选取及描述性统计分析

为选取科学、系统的指标，查阅《国家创新调查检测评价指标体系》以及相关文献，考虑统计口径和数据的易获取性，选择14个指标（见表1）。

表1 区域科技创新指标集

为了解指标数据的分布情况和各区域样本变量的观测数据特性，对全国各个地区的14项指标数据绘制相应的箱线图（见图1）与星相图（见图2）。

图1 14项指标箱线图

图2 各区域星相图

图1给出了所选指标数据的偏度与异常值分布情况。从中可以发现，除指标4和指标6，其余各指标数据有较为明显的偏度。除了指标1和指标14，其余各指标数据都存在异常值，特别是指标12中的北京市尤为突出，远高于其他地方，形成异常值。

从图2发现全国各个省、市、自治区的指标数据的观测特性，即北京、广东、上海、山东、江苏、浙江这六个地区的科技创新能力显著，其他各区域科技创新能力不尽相同且不显著。

2.2 区域科技创新能力的因子分析和聚类分析处理

因子分析法基于降维思想，把多个变量综合为少数变量。即考虑变量间的相关关系，把相关性较高的放在同一类，反之在不同的类中，每一类变量代表一个公共因子[7]。

聚类分析是一种基于数据特征的分类方法，首先确定一定规则，然后按此规则把具有较大相似性的对象分在同一类，差异较大的分在不同的类中。

为检验各指标间的独立性及判定样本是否能用于因子分析，对表1中选取的14个指标数据进行相关性分析，这里使用KMO和Bartlett检验（见表2）。

表2 KMO和Bartlett的检验

表2给出所选指标的KMO和Bartlett检验结果。从中可以发现，样本数据的KMO检验值为0.832，根据Kaiser给出的度量标准，本样本适合作因子分析，而Bartlett检验值小于显著性水平0.05,拒绝原假设,因此可进行因子分析。

下面对数据进行降维处理。在对标准化后的指标数据进行相关性分析后，提取所选指标的公因子并计算相应的矩阵特征值和累计方差贡献率（见表3）。

表3 矩阵特征值和累计方差贡献率

从表3可以得到前4个因子所解释的方差贡献率占90%以上，14项指标的信息基本能够通过这4个因子得到反映，所以提取前4个因子作为公共因子。

为了解释各公共因子的含义，考虑因子旋转，得到旋转后的因子载荷矩阵（见表4）。

表4 旋转后因子载荷矩阵

从表4可以得到各指标对公因子的解释程度，即因子1受地区生产总值X3、工业企业R&D人员量X5、工业企业R&D经费X6、财政科学技术地方支出X8、开发新产品工业企业消费支出X9、开发新产品工业企业销售收入X10、工业企业有效发明专利件数X11、第三产业增加值X13的影响较大，这些指标反应了与企业相关的信息，从而称因子1为企业因子。根据表3可以得到企业因子对科技创新能力的贡献率达到58.68%，反映科技型企业对地方科技创新能力的贡献度。同理，根据各指标对因子的解释能力，分别称因子2、因子3、因子4为环境因子、薪资因子和潜能因子，其对科技创新能力的贡献率分别达到17.00%、8.80%、8.73%。

为了更清晰地呈现各省市的科技创新发展情况，以方差贡献率为权数，计算综合因子得分并排序，同时按14项指标数据以及因子得分分别使用离差平方和法进行系统聚类分析（见表5）。

表5 区域科技创新能力的评价结果

从表5可得，北京、上海、江苏、浙江、安徽、福建、山东、河南、湖北、湖南和广东这11个地方的综合因子得分为正，其余20个省市得分均为负。这反映了我国各个地方科技创新能力的不平衡性。此外，北京、江苏和广东这3个地方的分类结果完全一致，其他区域都略有变动，如西藏、甘肃、青海和宁夏的分类差异（在按因子得分聚类中单独分为一个层次）。由此可见，以公共因子得分为依据的聚类分析的判别更为精细，主要原因在于公共因子已提取原数据的大部分重要信息[8]。

3 结论及建议

通过对2019年各地区科创能力的分析可发现，环境因素、薪资因素、潜能因素和企业因素对地区科创能力影响显著，从研究的结果来看，目前我国地区科创能力从东部沿海向西部逐渐减弱的趋势依旧明显。因此，为了促进我国科创能力的提升，特提出如下建议：一是优化地区科创环境。加强地区间研究型机构的合作，搭建企业、科研机构供需合作平台，提升创新成果产业化转换效率；二是加大对地方科创资金投入。积极推动提高地方金融机构对科创机构的贷款扶持力度，提高科研经费占地方财政的比重，避免科研机构出现融资难的问题，推动科创能力发展；三是强化企业主体地位。促进企业间跨地区交流，提升企业科技赋能的紧迫感和吸收创新成果的主动性，挖掘整合人才资源，用好现有的，引进急需的，培养自己的专业人才，同时地方也应支持企业对重大科研项目的研究。