基于偏最小二乘通径模型的我国区域科技绩效综合评价

王庆丰

（中原工学院经济管理学院，郑州450007）

0 引言

科技投入带来的不仅仅是经济的增长，还有科技实力的增强和社会效益的提高，衡量科技绩效应从经济效益、社会效益以及科技实力提高等方面进行综合考虑。近年来我国的科技进步水平得到了快速提升，但是区域间科技进步能力却存在着极大的不平衡。现有文献更多地集中在国家层面上研究科技绩效评价问题，而较少地从区域的角度研究不同省份之间的差异。鉴于以往研究在指标体系选取和设立上不够全面或不具有代表性，论文通过建立科学的科技绩效评价指标体系，运用偏最小二乘分析方法对我国各地区科技绩效进行正确的评价和分析，为促进区域之间科技均衡发展提供借鉴和参考。

1 区域科技绩效评价指标体系构建及数据来源

目前，现有文献在评价衡量科技绩效问题时，过多地看重经济方面的单一产出。但这些指标体系过于简单，包含因素较少，不能全面反映科技绩效的整体性。衡量科技绩效不能仅仅只看GDP的增长，还需考虑由此带来的科技实力和社会效益的提高。因此，论文基于全面性、代表性和实际可操作性的原则，建立了一套较为完整的区域科技绩效评价指标体系，分别从科技成果产出、经济效益和社会效益三方面来衡量科技绩效水平，具体指标构成如表1所示。此外，在指标的选取和设立上，尽量采用可比性较强的相对量指标和区域间具有共性特征的可比指标，以增加区域之间的可比性。

论文选取了北京、上海、广东、江苏等31个省（市或区）作为样本省份。为保证数据的权威性、准确性和可得性，所有数据均来源于《中国统计年鉴2010》和国家科技部中国主要科技指标数据库。限于篇幅的原因，原始数据从略。

表1 区域科技绩效评价指标体系

2 基于偏最小二乘模型的我国区域科技绩效评价实证分析

2.1 偏最小二乘通径模型简介

偏最小二乘通径模型由伍德（Wold）等于上世纪80年代建立[1]。该方法采用偏最小二乘回归方法，通过一系列一元或多元线性回归进行迭代求解。当各变量集合内部存在较高程度的相关性时，该方法处理的结果更加可靠有效，是一种比较实用和有效的线性统计建模方法[2]。以偏最小二乘通径模型为基础，2001年古义诺特（C.Guinot）等提出一种复数据表分析方法[3]。在进行复数据表分析时，相当于设计一个特殊的结构方程模型。模型的左边由每一个数据表组成，同一个数据表中的所有显变量都受到同一个隐变量的影响。而模型的右边则由所有原始变量组成，由它们提取一个综合变量，该变量对所有原变量的代表性最好，同时又可以由所有的隐变量进行解释。论文即采用该方法对我国区域科技绩效水平进行评价和分析。

2.2 基于偏最小二乘模型的区域科技绩效评价

根据复数据表分析方法，构造区域科技绩效评价偏最小二乘通径模型，如图1所示。该模型图的左边分别是反映隐变量科技成果（Y1）、经济效益（Y2）和社会效益（Y3）的显变量组Y11～Y12、Y21～Y25、Y31～Y32；模型的右边是由所有显变量组成的一个大变量组，用Y11～Y32表示，相应的隐变量用Y表示。图中数字反映的是隐变量之间的路径关系。

从图1中可以看到，以这种方式提取的隐变量Y，一方面可以反映其他隐变量Y1、Y2和Y3所包含的信息，另一方面又与所有原始显变量之间具有较强的相关性，因此，Y可以作为概括原始变量信息的综合指标，成为区域科技绩效综合评价排序指标的依据。

对所有显变量进行标准化处理，利用偏最小二乘通径模型进行计算，结果如表2所示。由表2看出，各组显变量与其相应的隐变量的相关程度均较高，说明隐变量很好地概括了显变量组所包含的信息。同时隐变量Y对Y11～Y32的多元回归方程的R2为1.000，可以最大程度地代表原始变量的信息。

图1 区域科技绩效综合评价路径设计图

表2 区域科技绩效综合评价模型各显变量的外部权重及相关系数

同时，由表2中可以看出，隐变量Y与所有原始变量均有较高的相关系数，其中与万名就业人员发明专利拥有量、高技术产业增加值占工业增加值比重、高技术产品出口额占商品出口额比重、人均GDP、城市人均可支配收入相关程度最大，达到0.85以上；而与代表社会效益指标的工业废水排放达标率、单位地区生产总值能耗相关程度相对稍弱，但也分别达到了0.516和-0.633。这说明隐变量Y不仅能够代表科技成果产出水平，还能够很好地反映科技进步所带来的经济效益和社会效益的提高，可以综合地反映科技绩效水平。依据各省市隐变量Y的得分情况对31个省市区科技绩效综合评价结果进行排序，结果如表3所示。

2.3 结果分析与讨论

区域科技绩效综合评价结果显示，我国各省市之间科技产出综合绩效差距较大，其中北京、上海、天津得分最高，分别达到了3.107、2.640和1.892。而得分最低的青海、宁夏、新疆三地，其科技绩效综合评价得分分别只有-1.175、-1.157和-0.988。其中综合得分在0以上的只有8个省份，除北京三市以外，包括广东、江苏、浙江、福建、山东五省。究其原因，我国京、津、沪三市以及沿海各省集中了众多的科研机构和高等院校，科研力量雄厚，科技投入强度较高，科技成果较为丰富，高新技术产业发展迅速，产生了明显的技术溢出效应和带动效应，促进了经济的快速增长。在发展经济的过程中同时注意保护环境，注重可持续发展，单位地区生产总值能耗明显降低。而科技绩效得分较低的省市则主要表现为科技力量薄弱，科技投入过少，高新技术产业发展缓慢，或者以牺牲环境为代价来发展经济，节能降耗水平较低。从实际数据来看，以北京为例，2009年其万人技术成果成交额为5404.5万元，高技术产业增加值占工业增加值比重达到了26.57%，单位地区生产总值能耗仅为0.714吨标准煤/万元。我国科技绩效水平较低的省份主要集中在西部地区。其中，2009年万人技术成果成交额最低的广西只有2.1万元，高技术产业增加值占工业增加值比重最低的新疆只有0.33%，单位地区生产总值能耗最高的宁夏达到了3.954吨标准煤/万元。

表3 2009年我国各省市区科技绩效评价综合得分

结合图1有关信息可以发现，科技产出综合绩效Y是科技成果Y1、经济效益Y2和社会效益Y3的综合体现，其路径系数分别为0.284、0.633和-0.206，即：

Y=0.284Y1+0.633Y2-0.206Y3

其中经济效益是科技绩效的主要体现，其路径系数为0.633，而科技成果产出对科技绩效的路径系数只有0.284，尚不到经济效益路径系数的一半。如果不重视科技成果转化，充分发挥科技对经济的带动作用，即使科技成果直接产出再多，其科技绩效综合评价水平也会处于较低水平。陕西、甘肃两省是我国西部地区科研实力较强的两个地区，其境内的西安、兰州分别汇集了西安交通大学、兰州大学等一批国内知名高校和科研机构。就科技产出而言，两省分别排在第10位和第16位，然而其高新技术产业却未因此而得到快速发展，占工业增加值的比重分别只有8.26%和4.44%，其经济效益得分为-0.432和-0.859，分别排在经济效益指标的第17位和29位，从而导致两省的科技绩效综合排名分别降到了第16位和26位。

在社会效益指标中单位地区生产总值能耗是一个逆向指标，是衡量可持续发展的重要指标。科技进步必须与可持续发展结合起来，注重经济与社会、自然的和谐科学发展。如果科技产出对可持续发展作用不明显，也将影响到科技绩效的综合评价。东北三省作为我国重要的工业基地，集聚了大批的科研机构和技术人员，辽宁、吉林、黑龙江三省的科技产出水平分别排列第5、9、8位，但是其单位地区生产总值能耗却居高不下，分别高达1.704、1.520和1.354吨标准煤/万元，致使其社会效益排名分别落到了第20、21和19位，从而导致其科技绩效综合评价分别滑落到第11、14和22位。

3 结论

通过建立包括科技产出、经济效益、社会效益等隐变量在内的区域科技绩效综合评价指标体系，运用偏最小二乘分析模型对我国区域科技绩效进行综合评价。该方法能够较好地反映原始变量所包含的主要信息，同时又可以较好地解释各隐变量对区域科技绩效的影响程度。研究结果显示，区域科技综合绩效是科技产出、经济效益和社会效益的综合反映，其影响系数分别为0.284、0.633和-0.206，所得结论客观、可信，较有说服力。

区域科技绩效综合评价结果显示，我国各省市之间科技综合绩效存在较大的差异，东南沿海地区等省市由于科技投入强度较高，科研实力雄厚，同时注重科技成果转化和可持续发展，区域科技绩效综合评价得分较高。我国科技绩效水平较低的省份主要集中在西部地区，由于科技实力薄弱，且科技成果转化速度较慢，未充分发挥科技对经济的带动作用，导致高新技术产业发展缓慢，同时没有将科技进步与可持续发展紧密结合起来，科技进步造成的社会效益提高有限，影响了其科技绩效的综合评价结果。

[1]Wold.H.Soft Modeling:the Basic Design and Some Extensions[M].North-Holland:Amsterdam,1982.

[2]王惠文,吴载斌,孟洁.偏最小二乘回归的线性与非线性方法[M].北京:国防工业出版社,2006.

[3]Guinot C,Latreille J,Tenenhaus M.PLSPath Modellind and Multiple table Nanlysis:Application to the Cosmetic Habits of Women in France[J].Chemometrics and Intelligent Laboratory Systems,2001,(58).