江苏县域科技创新能力评价的实证分析

刘洪久，刘清扬，胡彦蓉，孙伟国

(1.浙江农林大学 信息工程学院，浙江 杭州 311300;2.东北大学 工商管理学院，辽宁 沈阳 110169;3.常熟理工学院 经济与管理学院，江苏 苏州 215500)

一、问题的提出

十八大报告指出“科技创新是提高社会生产力和综合国力的战略支撑，必须摆在国家发展全局的核心位置”，要旗帜鲜明地把创新驱动贯穿到全面小康和现代化建设的各个方面。从经济发展上看，根据2014年统计年鉴，以江苏为例，县域经济GDP为25 438.41亿元，占全省的51.8%，已占江苏经济的半壁江山。但整体上看，县域科技投入占财政收入比率较低，以县域经济较为发达的常熟市为例，其比例仅为1.67%，低于全省平均水平(4.14%)。县域科技投入不足，导致创新能力较弱的状况在各省比较普遍，这将会影响县域经济的转型发展。因此，了解县域科技创新能力的现状并提出改进策略，有利于经济的发展和转型。

二、文献回顾

Saxenian认为科技创新能力来自市场科技资源的丰富、创新型企业的不断衍生和壮大、政府新的管理方法和政策，以及来自不同区域主体互动产生的协同创新能力[1]。Salter提出创新评价体系包括投入产出、产业结构、传统产业的贡献、优惠的技术政策、政策的灵活性、科技成果转化程度、人力资本、知识创新和政府的研发投入等[2]。孟晓华认为科技创新应包括科技综合实力与信息化水平、知识产生与传播、科技投入与产出、科技创新、经济效益等[3]。刘爽认为科技创新能力依赖于创新技术基础、创新资源投入能力、创新产出能力和创新贡献能力的增加[4]。虞震提出科技创新能力由投入、产出、技术扩散与经济绩效、环境四个方面构成[5]。庞秀萍通过科技进步环境、科技投入和科技活动产出评价了河北省的科技创新能力[6]。陈金德等构建的科技创新能力评价指标体系包括科技创新投入、科技创新产出和科技支撑能力三个方面，他提出了广东省不同类型的乡镇通过创新转型升级的对策[7]。林萍等通过创新环境、创新投入、创新产出和创新成效评价科技创新能力，采用熵值赋权法对新疆科技创新能力进行评价，提出了科技创新环境优化、科技创新投入增加、科技创新产出和科技创新成效提高的策略[8]。

综上所述，目前对创新能力评价的共同观点是科技的投入和产出，但研究范围上更多是省域或者是较大的区域，而对县域科技创新能力的研究还比较少见。

三、样本来源和评价指标选取

(一)样本来源

为保证研究的客观性，本研究中49个县市的样本数据均来源于江苏省、江苏各地市、江苏各县市2014年的统计年鉴和统计公报。

(二)评价指标

基于国内外研究的共性，评价指标体系包括科技创新投入和产出两个部分。科技创新投入的指标包括县域专业技术人员数量、县域财政科技经费支出和县域投入R&D费用。科技创新产出的指标包括县域专利申请和授予数量(包括发明专利)、当年高新技术企业数量、当年高科技产品数量(省级)、科技进步奖的数量(国家、省和市级)和县域专业技术人员数量。具体的指标体系见表1。

表1 科技创新的评价指标体系

四、评价方法选择

当前，比较通用的评价方法有层次分析法、灰色关联度法、模糊综合评价法等，这些方法简单实用，但有一个问题是共同存在的：指标体系中每个指标的权重需要主观确定，以往研究大多采用层级分析或者专家打分的方法确定，在评价中加入了人为的因素，这样就会降低评价的客观性和科学性，影响最后的评价结果，从而容易出现失真的结论[9-10]，

而本

研究采用的评价方法为因子分析。因子分析法首先分析各个变量之间的相关性，然后将众多的关系复杂的变量指标降维为几个综合性因子的统计学方法，该方法不受主观权重的影响，分析结论相对客观合理[7,11]。

五、实证分析

(一)对样本数据进行归一化

由于每个指标的单位是不同的，因此在进行评价之前首先要对数据进行归一化处理，以消除量纲的影响，具体按公式(1)计算：

(1)

(二)检验因子分析法的适用性

将样本的每个指标数据输入SPSS19.0建立数据文件进行相关分析，可以得到样本系数矩阵(见表2)。由表2可以看出，大部分指标间的相关系数都比较高，这说明指标变量间具有较强的线性关系，可以从中提取出公共因子，具有进行因子分析的基本条件。

另外，从表3可以看出Bartlett检验统计量的观测值为782.543，相应的概率值小于0.001，远小于一般显著水平0.05，因此可以认为单位矩阵和相关系数矩阵具有显著差异。同时，KMO检验值为0.824>0.8，所以，可以应用因子分析处理原有变量指标。

(三)计算特征值、特征值贡献率和累积贡献率

将49个县市归一化后的数据带入SPSS19.0中运算，在计算过程中，采用主成分分析方法作为因子提取方法，可得相关特征值、特征值贡献率和累积贡献率(见表4)。

由表4可知，应选取2个因子，原因在于它们对样本方差的累计解释率达到了86.004%，大于85%。因此，提取2个因子就能对49个县市的科技创新能力作出较好的解释，其中F1的因子方差占全部方差的贡献率比重最高，达74.632%，所以其综合原有10个变量的能力最强；F2因子占全部方差的11.372%。这2个因子基本上融合了所有10项指标的信息，原来的10项指标可以转化为2个综合指标。

(四)计算因子得分和综合得分

当完成对特征值的特征矩阵的计算后，还必须要根据因子载荷矩阵来计算每个因子的得分情况。由于因子载荷矩阵展示的是原始指标与所提取的因子间的线性关系，所以每个因子线性组合了原始指标变量，具体见表5。

表2 相关矩阵

表3 KMO和Bartlett 的检验

表4 解释的总方差

注：提取方法为主成分分析。

表5 成分矩阵

以Xi表示第i个因子，F为各县市科技创新能力的综合得分，利用旋转后的因子载荷矩阵，2个得分因子的表达式是:

F1=0.920X1+0.922X2+0.943X3+0891X4+0.907X5+0.818X6+0.949X7+0.884X8+0.829X9+0.473X10

(2)

F2=0.160X1+0.234X2-0.222X3-0.396X4-0.295X5-0.485X6+0.196X7+0.200X8+0.248X9+0.623X10

(3)

根据上面的公式和样本数据可以计算出49个县市2个因子的各自得分。以各因子的方差贡献率占2个因子总方差贡献率的比重作为权重进行加权平均，可以得到综合因子F得分：

(4)

根据(4)式计算得出反映江苏省各县市科技创新能力评价的综合得分，具体见表6。

表6 江苏省各县市科技创新能力评价得分

根据表6可以看出江苏省县域科技创新能力的排名，科技创新能力最强的是昆山市，得分为6.22，排在第一名；最弱的是泗洪县，得分为0.12，排在最后一名。

从将表6的内容按照地区整合(见表7)，可以发现苏州地区县域科技创新能力最强，排在前5位的全部来自苏州；而科技创新能力最弱的地区为宿迁，后5位中有2个县市来自宿迁地区。

从表6并结合因子分析的过程可以发现，影响科技创新能力的主要因素在于投入方面的因素，即地区科技人员的数量、地区社会R&D投入费用和地方财政科技支出，F1主要反映了这三个指标的作用，因此可以被称为创新投入因子；F2则反映了创新的产出，重点反映了地区发明专利授权数量、当年高科技企业数量、当年高科技产品数量、当年科技进步奖数量，因此F2可以被称为创新产出因子。苏南地区科技创新能力较强的根本原因在于创新投入的绝对和相对比值较大，具有较强的优势；而苏中和苏北地区投入的相对较少，科技创新能力的劣势比较明显。

表7 江苏省各县市科技创新能力评价排名

六、结论和建议

根据实证分析可以知道，评价县域创新能力的主要因子是投入，包括县域科技人员的数量、县域社会R&D投入费用和县域财政科技支出，次要因子是产出，包括地区县域发明专利授权数量、当年高科技企业数量、当年高科技产品数量、当年科技进步奖数量。

根据分析的结论，对于县域科技创新能力的提升要尊重市场规律，鼓励企业为市场竞争中的发展而投入，强调企业的创新主体地位；要给予县域银行适度的信贷权力和政策工具操作权力，加强货币政策传导职能实现，激发县域银行对县域科技创新的金融支持作用；可设立县域企业创新转型投资引导基金，实施创业发展配套政策；要增加财政科技支出，建议在财政预算允许的前提下，逐年提高全社会研发费用的比例；要调整财政支持研发项目的结构，即加强向县域地区的倾斜，尤其是向县域企业申请的项目倾斜；要创建中心城市和县市间的常态人才流动机制，培育和集聚人才队伍，大力推进人才工程实施，要根据县域科技创新和经济转型发展的要求，充分发挥中心城市教育发达的优势，从各个高校和各个职业技术学院、学校为县域科技创新和经济转型的发展不断培养和输送“白领”“蓝领”后备人才。要鼓励县域企业申请发明专利，申报国家、省市高科技企业认证，申报各种科技进步奖。从而通过科技创新投入的可持续增加，不断推出科技产出成果，推动县域经济的转型发展。

参考文献：

[1]SAXENIAN A.The Origins and Dynamics of Production Networks in Silicon Valley[M].Emerald Group Publishing limited,2013:30,283-309.

[2]SALTER A,CRISCUOLO P,TER WAL A.Coping with Open Innovation:Responding to the Challenges of External Engagement in R&D[J].California Management Review，2014,56(2):77-94.

[3]孟晓华，仇国阳，崔志明.全局主成分分析在区域科技创新能力指标体系构建中的应用[J].科技管理研究,2006(12):43-45.

[4]刘爽.区域科技创新指标体系的构建[J].黑龙江金融,2011(10):19-21.

[5]虞震.泛长三角区域科技创新能力评价与比较研究[J].社会科学,2011(11):47-52.

[6]庞秀平，赵宇，杨秀会.河北省科技创新能力模糊综合评价实证研究[J].河北经贸大学学报,2013(6):132-134.

[7]陈金德，伍晓玲，林雄.基于因子分析的广东专业镇科技创新能力评价研究[J].科技管理研究,2014(9):55-58.

[8]林萍，聂春霞，黄润，等.新疆科技创新能力评价[J].科技管理研究,2014(7):44-48.

[9]崔颖.基于层次分析法的河南科技创新人才创新能力评价研究[J].科技进步与对策,2012(6):112-116.

[10]陶雪飞.城市科技创新综合能力评价指标体系及实证研究[J].经济地理,2013(10):16-19.

[11]巴吾尔江，董彦斌，孙慧，等.基于主成分分析的区域科技创新能力评价[J].科技进步与对策,2012(12):26-30.