浙江省区域科技创新基础水平实证研究*

邹非

(浙江东方职业技术学院经济贸易系，浙江温州 325011）

浙江省区域科技创新基础水平实证研究*

邹非

(浙江东方职业技术学院经济贸易系，浙江温州 325011）

科技创新基础水平是一个地区创新发展的基础。以中央“十二五”规划精神为指导思想，按照系统性、科学性和可操作性的原则构建科技创新基础水平评价指标体系，采用因子分析和聚类分析的方法，对浙江省11个地市的科技创新基础水平进行实证分析。结果表明，浙江省科技创新基础水平还不均衡，应加快创新型人才队伍建设，加大创新基础投入，加速产业转型升级，大力发展海洋经济。

科技创新;区域创新;产业结构;产业转型;评价指标体系;因子分析;聚类分析

改革开放30年来，浙江经济发展有了巨大的飞跃。伴随着经济的腾飞，浙江的科技水平不断提高，自主创新能力也不断得到加强。但是，浙江的科技创新基础还很薄弱，区域科技创新发展还不均衡。在后金融危机时代，建立科学合理的区域科技创新基础水平评价指标体系对各个地区区域创新情况进行准确的分析定位有重要意义，是建立全面的区域科技创新水平评价指标体系的基础，也是指导各个地区有的放矢、突破各自科技创新瓶颈的重要前提。

一、文献回顾

国外学术界主要是对区域创新系统绩效评价进行研究，一般集中在3个方面:评价体系建立、评价指标选取和评价方法选择。C．Philip(2007）把区域创新系统绩效评价体系分为知识子系统、创新子系统和学习子系统［1］。A．Faggian和P．McCann (2009）在研究英国创新系统绩效评价时，引入人力资本流动这一子系统，对大学生毕业和地区间移民流动对区域创新系统绩效的影响进行研究［2］。B．Mikel和M．P．Monica等(2006）则认为企业、公共管理部门、创新支持基础设施、区域和国家的创新环境是区域创新系统最为重要的组成要素［3］。B．Thomas和M．P．Monica(2005）利用因子分析方法建立了一个新的区域创新系统绩效体系，该体系的特点在于包括了4个对创新系统理论来讲明显可辨别的非观测变量，即创新区域生产环境、高等教育系统与研究、政府服务与风险资本以及创新型企业的作用［4］。

我国学者对区域创新体系的研究主要集中于创新体系构建和创新能力评价等方面。中国科技发展战略研究小组(2001）发布的《中国区域创新能力报告》所采用的中国区域创新能力评价指标体系包含创新环境、知识创造、知识获取、企业创新能力、创新的经济效益5个方面，共有174个具体指标。彭建华(2006）在研究我国中部地区区域创新系统时，从内因和外因两个维度来评价区域创新绩效，即创新主体与创新环境。创新主体是内因，包括大学、科研机构、企业及其相互联系;创新环境是外因，包括基础设施、需求状况、金融环境、劳动力素质、开放与集聚性［5］。邹华等(2009）认为，科技创新体系建设是一个重新配置创新资源和确定新型运行规则的过程，在金融危机影响下，这个过程在经济环境变化的作用下也在发生变化，形成特定形势下的新型科技创新体系［6］。李倩(2010）等以灰色关联分析法为基础，从科技投入和产出两个方面构建科技创新能力的综合评价指标体系，对所选的8个区域的科技创新能力进行综合评价［7］。邹华(2010）等通过对科技创新与辽宁经济结构现状及其互动关系的研究，构建辽宁经济结构优化评价指标体系和结构导向型科技创新体系，为实现辽宁生产力跨越式发展提供理论支持［8］。

二、评价指标体系的构建原则

以中央“十二五规划”中提到的“坚持把科技进步和创新作为加快转变经济发展方式的重要支撑”和浙江省“十二五规划”提到的“创业创新环境实现新突破”为指导思想，多层次、多方位综合分析各种与科技创新基础水平提升有关的因素，将其逐层分解到相互影响相互支持的子系统中去，再对不同层次的因素进行分析，最后利用科学的方法对科技创新基础水平进行综合评价。

1.系统性原则

所谓系统，是指由相互联系和相互作用的若干部分组成，并具有特定功能的有机整体。系统具有集合性、层次性、相关性的特点，由若干要素结合而成。一个系统至少由两个或两个以上的子系统构成;系统内各要素之间相互依存、相互制约，表现为子系统同系统之间、系统内部子系统或要素之间的依存与制约。在构建指标体系的时候，必须从系统整体的角度出发，要求所预选的各个指标能够作为一个有机的整体，在其相互依存、相互制约中比较全面、科学、准确地反映、描述和涵盖区域科技创新基础水平的内涵、特征。在设计指标体系时，必须根据区域科技创新基础水平的系统结构将指标体系划分为若干层次，逐层次进行分解，并确定出具体指标，从而实现对区域科技创新基础水平的层次化描述。

2.科学性原则

指标体系的科学性主要体现在指标的选取和方法的选择上。要选择贴近实际、能反映客观规律的指标，数据要客观、真实、有效。方法选择要适当，所选用的方法要尽量是能被验证为正确的、适合的。另外，所采用的数据要注意绝对指标和相对指标相结合。从统计分析的角度出发，每个统计指标都只是反映某一个侧面内容，利用绝对指标反映总量、规模等因素，利用相对指标反映速度、结构、比率等。两类指标相辅相成、结合分析，可以更准确地反映实际情况。

3.可行性原则

在确定指标体系的时候，一定要考虑到数据的可获得性。要尽量选取那些可以获得的统计数据，只有这样研究结果才能真实可信和具有可操作性。

三、浙江省区域科技创新基础水平指标体系的构建及评价

1.区域科技创新基础水平指标体系的构建

评价区域科技创新基础水平主要考察人力资源、物质基础和技术设施3个方面共9个指标。这些指标既相互联系又相对独立，可以充分反映地区的科技创新基础水平，如表1所示。由于篇幅所限，原始数据略。

表1 区域科技创新基础水平评价指标体系

2.数据处理和结果分析

(1）巴特利特球形检验和KMO检验。巴特利特球形检验是以变量的相关系数矩阵为出发点的。它的零假设是H0:相关系数矩阵是一个单位阵，即相关系数矩阵对角线上的所有元素都是1，所有非对角线上的元素都为零。巴特利特球形检验的统计量是根据相关系数矩阵的行列式得到的。如果该值较大，且其对应的相伴概率值小于用户心中的显著性水平，那么应该拒绝H0，认为相关系数不可能是单位阵，即原始变量之间存在相关性，适合于作因子分析。相反，则不适合作因子分析［9］12。

KMO统计量是用于比较变量间简单相关系数和偏相关系数的一个指标，计算公式为

式中:rij——变量i和变量j之间的简单相关系数;

pij——偏相关系数。

可见，KMO统计量的取值在0和1之间。当所有变量间的简单相关系数平方和远远大于偏相关系数平方和时，KMO值接近1。KMO值越接近于1，意味着变量间的相关性越强，原有变量越适合作因子分析。当所有变量间的简单相关系数平方和接近0时，KMO值接近0。KMO值越接近于0，意味着变量间的相关性越弱，原有变量越不适合作因子分析。Kaiser给出了常用的KMO度量标准:0.9以上表示非常适合;0.8表示适合;0.7表示一般;0.6表示不太适合;0.5以下表示极不适合［10］254－255。

从KMO检验和巴特利特球形检验输出结果看，KMO值为0.633，大于0.6，适合作因子分析;巴特利特球形检验的Sig．取值为0.000，表示拒绝H0，适合作因子分析。

(2）数据处理。表2是变量共同度表，给出了提取公因子前后各变量的共同度，是衡量公因子相对重要性的指标。以第一行数据为例，可以看出，变量“万人科技活动人员”的共同度为0.937，即提取的公共因子对变量“万人科技活动人员”的方差作出了93.7%的贡献。同时可以看出，多数变量之间的相关性比较强，存在信息上的重叠。

表3是主成分表。从表中可以看出，第一主成分特征根为6.515，方差贡献率为72.388%，前2个主成分的累计贡献率为87.594%，根据提取因子的条件——特征值大于1，选出2个因子。注:提取公因子采用主成分分析法，下同。

表2 变量共同度表

表3 主成分表

图1是碎石图，它是按照特征根大小排列的主成分散点图，其因子特征值分布正好与旋转后的因子提取结果相符合，所以提取前2个因子就能基本包含全部指标所具有的信息。

图1 碎石图

表4是因子(主成分）载荷矩阵，用来反映各个变量的变异可以主要由哪些因子解释。从中可以发现，“万人科技活动人员”、“科研活动人员中科学家工程师”、“R＆D活动人员”、“R＆D活动科学家工程师”与第一主成分相关系数较高，均超过90%;“人均R＆D人员新增仪器设备费”与第二主成分相关系数较高。通过这个矩阵就可以给出各变量的因子表达式:

表4 因子载荷矩阵

表5是经过正交旋转后的因子载荷矩阵，经过旋转后，第一主成分的含义较为清楚，基本反映了人力资源投入情况和技术环境情况;第二主成分更加明确，反映了人均R＆D人员新增仪器设备费情况。通过这个矩阵可以给出旋转后各变量的因子表达式:

表5 正交旋转后的因子载荷矩阵

并且从表5中可以看出，第一主成分主要由X11、X12、X13、X144个变量决定，第二主成分主要由X22决定。

表6是因子得分矩阵，从表6中可以得到因子得分表达式:

表6 因子得分矩阵

表7是因子得分的协方差矩阵，由于因子得分的协方差矩阵为单位矩阵，说明提取的2个公因子是不相关的。

表7 因子得分的协方差矩阵

将标准化数据代入因子得分的表达式，计算出各个地区分别在2个主成分的得分，如表8所示。

表8 各个地区在主成分上的得分

根据表8，对提取的2个主成分进行聚类分析，采用系统聚类法，结果如表9和图2所示。由图2和表9的结果，可以判断浙江省区域科技创新基础水平可以分为5类，第一类城市为杭州、宁波;第二类城市为温州、湖州、金华、舟山、台州;第三类城市为嘉兴;第四类城市为绍兴;第五类城市为衢州、丽水。

表9 聚类分析结果

对选取出来的2个主成分进行综合统计，就是对各个地区科技创新基础水平进行综合评价。按照式(2）以公共因子对应的方差贡献率为权数进行计算，数据如表10所示。

图2 聚类树形图

表10 公因子对应的权重表

将各主成分的权重代入综合统计表达式，可得将表8的数据代入式(3），得到浙江省各个地区科技创新基础水平的最后评价结果，如表11所示。

表11 浙江省区域科技创新基础水平评价结果和排名

3.结果分析

根据SPSS的输出结果，区域科技创新基础水平的平均值为－2e－17，综合得分高于该均值的，表明其科技创新基础水平处于平均水平之上;而低于该均值的，则表明其科技创新基础水平低于全省平均水平。科技创新基础水平排在前3位的是杭州市、嘉兴市、宁波市;排在后3位的是温州市、衢州市、丽水市。分析这个评价结果，可以得出以下结论:

(1）浙江省区域科技创新基础水平尚不均衡，一线城市杭州、宁波科技创新基础较好，而衢州、丽水等二、三线城市的科技创新基础相对薄弱。该评价结果基本反映了浙江省区域科技创新基础水平的现状，说明本文建立的评价体系能比较客观地对区域科技创新基础水平进行评价。

(2）区域经济发展水平与科技创新基础水平是良性互动的关系，一方面经济增长促进了科技的投入，另一方面科技发展又促进了经济发展。杭州、宁波、嘉兴等城市经济发达，科技投入大，科技创新基础水平相对较高;而衢州、丽水等城市是经济相对薄弱地区，投入相对不足，科技创新基础水平相对较低。

四、对策建议

1.全面提高人员素质，加快创新型人才队伍建设

人是生产力中最活跃、最宝贵的资源，只有把人才战略提高到首要位置，才能夯实科技创新基础，有效促进科技创新水平的提升。浙江省除了要坚持已有的人才政策(如“151”人才培养计划等高端人才策略）外，还要对中低端科技人员加大扶持力度，在政策上给予适当倾斜，做到既要重点扶持，又要整体提升科技人员水平，这样浙江省的科技创新基础才会牢固，才能为顺利完成各项任务奠定扎实基础。

2.加大创新基础投入，促进地区均衡发展

要加大对科研设备的投资力度，形成既要有科技“国家队”，更要有大批“省队、市队、院校队、企业队”的金字塔式的格局。除了继续支持国家、省重点实验室和重点科研基地外，也要对一般的科研单位和部门给予关注，调动绝大多数科研人员的积极性，鼓励资助一些没有名气但却有发展潜质的项目或者个人，为他们提供必要的支持。要有重点，但要更重视普及，避免“马太效应”在科技投入领域的发生。要注重科技创新基础相对薄弱地区的投入，力求全省均衡发展，特别是对衢州、丽水这样的基础薄弱城市，省级有关部门应该加大投入，在人、财、物等方面给予更多支持。这样，浙江“创业富民、创新强省”总战略才能顺利实现。

3.以科技创新为基础，加快产业转型升级，发展特色经济，大力发展海洋经济

技术创新基础水平的提升离不开经济的可持续发展，二者是互相促进的关系。浙江省要以科技创新为基础，加快产业转型升级，大力发展特色经济，围绕海洋经济大做文章。全省各个地区要结合本地特点，发展特色经济。基础薄弱地区更要千方百计地发展地区经济亮点，突出特色，走属于自己的经济发展之路。全省要大力发展海洋经济，科学合理地利用海洋资源，争取走出一条适合浙江区域特点的新路子。

［1］Philip C．RegionaLinnovation systems，asymmetric knowledge and the legacies of learning［C］//The Learning Region:Foundations，State of the Art，Future．Edward Elgar:Cheltenham，2007:184－205．

［2］Faggian A，M cCann P．Human capital，graduate migration andinnovation in Britishregions［J］．Cambridge Journal of Economics，2009，33(2）:317－333．

［3］mikel B，Joost H，Monica M P，et al．Regional systems of innovation and the knowledge production function:the Spanish case［J］．Technovation，2006，26 (4）:463－472．

［4］Rutten R，Boekema F，Thomas B，et al．Analyzing regionaLinnovation systems through amulti-perspective econometric approach:the Spanish case［R］．London: 7th INFER Annual Conference，2005:7－9．

［5］任胜钢，彭建华．基于DEA模型的中部区域创新绩效评价与比较研究［J］．求索，2006(10）:15－18．

［6］邹华，刘检，王洪钧，等．金融危机冲击下的结构导向型科技创新体系［J］．沈阳工业大学学报:社会科学版，2009，2(4）:311－317．

［7］李倩，师萍，赵立雨．基于灰色关联分析的我国区域科技创新能力评价研究［J］．科技管理研究，2010 (2）:71－76．

［8］邹华，曹喆，陈世海，等．依靠科技创新带动辽宁经济结构战略性调整［J］．沈阳工业大学学报:社会科学版，2010，3(1）:46－51．

［9］邹非．管理学基础［M］．2版．厦门:厦门大学出版社，2010．

［10］薛薇．统计分析与SPSS的应用［M］．北京:中国人民大学出版社，2001．

Em pirical study on basic level of local scientific and technologicaLinnovation in Zhejiang Province

ZOU Fei
(Department of Economics and Trade，Zhejiang Dongfang Vocational and Technological College，Wenzhou 325011，China）

The basic level of scientific and technologicaLinnovation is the basis of locaLinnovative development．The evaluation indicator system of basic level of scientific and technologicaLinnovation is established systematically，scientifically and operationally under the guidance of the essence of“the 12th National Five-year Master Plan”made by the central government．Factor analysis and cluster analysis are applied to accomplish empirical analysis on the basic level of local scientific and technologicaLinnovation in the eleven municipal cities of Zhejiang Province．The result shows that the basic level of regional scientific and technologicaLinnovation in Zhejiang Province is unbalanced．The construction of innovative talents should be accelerated，the basic input of innovation should be increased，the industrial transformation should be promoted，and the oceanic economy should be developed rapidly．

scientific and technologicaLinnovation;locaLinnovation;industrial structure;industrial transformation;evaluation indicator system;factor analysis;cluster analysis

F 273.19

A

1674－0823(2012）01－0065－06

2011－05－16

浙江省新世纪教改项目(2009145）。

邹 非(1973－），男，辽宁辽阳人，讲师，硕士，主要从事企业管理等方面的研究。

* 本文已于2011－10－25在中国知网优先数字出版，DOI为CNKI:21－1558/C．20111025．1534．004，http://www．cnki．net/kcms/ detail/21．1558．C．20111025．1534．004．html．

(责任编辑:吉海涛）