基于因子分析的国家级开发区技术创新水平测度研究

凌 菲

(安徽财经大学 会计学院，安徽 蚌埠 233030)

0 引言

作为集聚创新资源和推动高技术产业发展的有效途径——国家级经济技术开发区(以下简称“开发区”)在过去的二十年时间里发展十分迅速。到2013年止，全国国家级开发区经认定的高新技术企业从最初的2 587 家增长到现在的325 万家，就业人数从12 万人增长到400 余万人，技工贸总收入从87 亿元增长到22 250 亿元，实现利润从8 亿元增长到1 000 余亿元，企业纳税从39 亿元增长到1 200 亿，出口创汇从118 亿美元增长到421 亿美元。统计数据显示，我国开发区的各项主要经济指标十年平均增长率均在60%以上，聚集了全国50%的高新技术企业和科技企业，其研发投入占全国三分之一。

我国开发区的快速发展除了基础建设、政策优惠和对外开放等制度性因素之外，另外一个重要的因素是得益于以科技进步为基础的管理创新和体制创新能力的提高。［1］良好的创新能力是开发区成功发展的基础，然而不同的开发区由于其内部条件和外部环境的不同会呈现出不同的创新能力。因此，建立一个科学的技术创新水平测度指标体系，对其进行客观评价，找出其优势与薄弱环节，对于开发区作出恰当的定位，进而正确地制定开发区发展战略意义重大。

从现有的文献看，国内外研究大部分集中在技术创新的模式、运行机制及扩散机理、区域创新能力研究等方面［2-4］，相关研究在内容上都是针对某一方面的，不能综合反映系统状况。另外，从现存的开发区创新水平测度指标体系研究来看，可以发现其有几个主要缺陷:其一，极少有文献对“开发区区域创新能力”概念和内涵进行准确的定义，因此，评价体系和指标的构建缺乏一定说服力;二是尽管有的指标体系设计的非常详尽，但采用主观而非客观赋值法确定各指标权重;三很多指标在测度形式上基本都是面向结果的综合评价，尚没有反映系统内部创新流动的指标和反映系统自身演化本质的指标体系。［5］

针对这些缺陷，为了对我国开发区技术创新水平有一个全局性的了解，设计能充分反映开发区创新过程和区域内部创新流动的指标体系，运用原始的、权威的统计数据分析我国各个开发区的技术创新水平，用功能互补的不同的方法予以定量化和评估，并进行实证，找出各个开发区之间的创新水平差距所在，以期开发区的可持续发展提供必要的参考。

1 开发区技术创新水平评价指标体系构建与模型选择

从本质上来看，开发区技术创新能力是开发区企业(或产业)在国内外市场竞争格局中所处的地位和优势。这种地位和优势，通常是由开发区企业(或产业)提供有效产品或服务能力决定的。因此，可以把开发区技术创新能力定义为:在开发区范围内，以增强开发区经济增长的原动力为目标，充分发挥区内企业、高校、研究机构、金融机构、中介服务机构和政府等行为主体的创新积极性，高效配置创新资源，将创新构想转化为新产品和新服务的能力。

1.1 指标体系的构建

基于对开发区创新能力内涵的理解，开发区创新过程反映的是在开发区创新环境支撑下开发区从创新资源投入到创新产出的全过程，因此我们认为开发区创新能力是开发区创新投入能力、创新产出能力、创新支撑能力有效协同而表现出的一项综合能力。这样我们就可以在“近可分解”原则的指导下，对这一综合能力按照过程进行适当的划分，将其分解为每一过程可以度量的能力指标，然后利用因子分析克服指标间的相关性进行整合和评价。［6］结合此视角，在参考国内外相关区域技术创新指标研究成果基础上，综合考虑指标选取的系统性、科学性、代表性、可行性及可操作性原则，初步确定29 个指标为初始指标。

1.2 评价模型的选择

开发区技术创新水平评价是一个多指标的综合评价问题。目前已有的一些多指标评价法各有优点，但同时也存在一些缺陷;一是赋权的主观性，二是评价指标之间存在相关性。因子分析在这种多指标评价中正好可以克服这样的缺陷，通过因子分析，将大量互相关联的初始指标转换成几个起决定作用、彼此不相关的公因子，最后利用因子得分对对象进行客观的测度评价。

2 开发区技术创新水平的实证分析

2.1 样本获取及数据标准化处理

研究样本来自中国主要的32 个国家级经济技术开发区，范围涵盖东、中、西部。数据主要来源于中国开发区统计年鉴、中国高新技术产业发展年鉴、科技部火炬中心网站，数据残缺项用区域常用值代替，其中漕河泾、虹桥和闵行数据合并入上海开发区计算。按照开发区技术创新水平评价体系中的初始指标，以32 家开发区为样本，通过相关指标的测度与计算，根据标准化公式:可得标准化矩阵，其中Yij为第i 个样本第j 个指标的标准化值。

2.2 KMO 样本测度和Barlett 球形检验

利用SPSS 软件对样本数据进行因子分析。经KMO 和Bartlett 检验，KMO(它是一个用于比较观测相关系数值与偏相关系数值的指标)的值为0.814 ＞0.6，Bartlett 球形检验显著性水平P ＜0.000 1，则拒绝原假设，表明样本个数充足，变量之间的相关系数矩阵不是一个单位阵，故可以对这些变量进行因子分析。

2.3 因子共同度分析及样本相关矩阵特征值计算

利用SPSS 软件计算因子共同度，指标变量与因子之间具有较强的相关关系，因子能够充分反映样本指标的信息量，进行因子分析的效果显著。

确定因子个数时，选取主成分的特征值大于1 的那些因子，并且按照因子分析的原则，所选取的主因子对方差解释的累计达到85%以上。结果显示，相关矩阵的前4 个特征值大于1 的因子对方差解释的累计百分比为85.325%，满足设定条件，因此选取4 个公因子。

2.4 因子正交旋转及旋转后载荷矩阵的结果分析

由于初始因子载荷矩阵结构不够明确，各因子的含义不突出。为此采用方差极大化(Varimax)为准则进行因子正交旋转，使各变量在某个因子上产生较高载荷，而在其余因子上载荷较小，同时旋转后其总体因子方差累积贡献率保持不变，即4 个因子的总体方差累积贡献率还是85.325%。经过4 次迭代后收敛，得到方差极大化后的因子载荷矩阵。

从矩阵列表中可知，公共因子F1 在X1(千人拥有研发人员数)、X2(企业万元销售收入中R＆D 经费支出)、X3(千人拥有科技活动经费筹集总额)、X4(人均政府对规模以下科技型企业创新资助)、X5(千人拥有发明专利累计授权数)、X6(人均技术合同交易额(万元/人)、X7(R＆D 经费支出占GDP 比重)、X8(高新技术企业利润率)、X9(高新区科研机构-企业-政府合作程度评价)等指标上具有较高正载荷，这些指标可表示开发区为知识创造和孕育创新而投入的资源强度，为创新资源投入能力因子。

公共因子F2 中，X10(单位面积营业总收入)、X11(单位面积的资产总额)、X12(高新技术产品销售收入占总产品销售收入比例)、X13(高新技术企业数占区内企业总数的比例)、X14(高技术企业工业生产总值占工业生产总值比例)、X15(高技术企业上缴税收收入占总税收收入的比例)等指标具有较高正载荷，这些指标代表开发区的产业化和规模经济能力，为研究开发能力因子。

公共因子F3 中，X16(内资企业专利授权数占高新区专利授权数比例)、X17(高新技术企业产品出口额占高新区出口总额比例)、X18(千人拥有欧美日注册商标、专利权数)、X19(高新区企业“走出去”程度评价)等指标具有较高正载荷，这些指标可代表开发区的国际化和参与全球竞争能力，为全球竞争能力因子。

公共因子F4 中，X20(千人拥有的高技术服务业从业人数)、X21(千人拥有的投资机构和金融机构从业人数)、X22(千人拥有的企业经营管理者人数)、X23(科技人员年均收入)及X24(高新区管委会体制与机制创新评价)等指标具有较高正载荷，它们与开发区的可持续发展相关，为可持续发展能力因子。

通过因子分析和因子旋转，将24 个指标降为4 维，并使4 个主因子的实际含义更加明确。

2.5 计算因子得分

根据因子得分系数矩阵与原始指标的标准化值可以计算每个主因子的得分，主因子得分表达式如下:F1=0.282Y1+0.215Y2+0.181Y3+…+0.042Y23+0.052Y24，F2=0.016Y1-0.083Y2-0.033Y3-…-0.067Y23-0.022Y24，F3=0.036Y1+0.042Y2-0.014Y3+…+0.085Y23+0.078Y24。F4=0.031Y1-0.017Y2+0.049Y3-…+0.019Y23+0.044Y24

进一步结合相应的方差贡献率，可以建立如下的综合线性评价函数:Wi=a1F1+a2F2+a3F3+a4F4=0.6948F1+0.145F2+0.0899F3+0.0613F4，其中，Wi为第i 个开发区样本的技术创新能力综合得分。

根据上面的综合线性评价函数及各样本开发区各主因子得分，计算出样本开发区技术创新能力综合得分并进行排序，如表1 所示。

表1 因子得分表

续表1

2.6 综合分析及评价

2.6.1 各开发区技术创新水平评价

在因子解释的基础上，结合表1 的各因子得分，可对各开发区创新水平进行评价。

(1)在“创新资源投入能力因子”中，得分排在前6 名的是北京、上海、广州、苏州、天津、和青岛开发区。它们均处于珠江三角洲、长江三角洲和环渤海地区，其中北京得分最高，北京是全国科技资源最密集最丰富的地区，无论从科技人员投入还是科技资金支出、技术成交金额等方面衡量，北京开发区占有很大的优势。上海和苏州开发区作为外资投资最活跃的地区，在吸引高科技人才和科技创新方面发挥了重要的窗口示范作用。得分最低的6 个开发区依次是昆明、海口、兰州、乌鲁木齐、银川和西宁。除了海口外，其它五个开发区均处于西部地区，本身经济基础很薄弱，科技资源短缺，科技创新投入严重不足，科研机构和当地企业的合作程度较少。

(2)在“研究开发能力因子”中，前6 名的依次是广州、北京、苏州、上海、西安和太原。广州得分最高，处于珠江三角洲的广州开发区已成为我国规模最大、发展速度最快、产品出口所占比重最高的高技术产业密集区，其高技术企业工业生产总值占工业生产总值比例高达55%，高技术企业上缴税收占全区46%。西安开发区作为西部地区科技发展的领头羊，高新技术产品销售收入占总产品销售收入比例为35%，高技术企业工业生产总值占工业生产总值比例也高达33%，说明其高技术产业研发能力相对很强，技术创新的后劲很强。而得分最低的6 个开发区是贵阳、呼和浩特、银川、西宁、乌鲁木齐和海口。除海口外，其他五个开发区均在西部地区。西部地区经济发展滞后，规模以上工业企业增加值中高技术产业份额不足、产业增加值占GDP 比重很少，开发区的产业化和规模经济能力偏弱，在创新资金投入研发能力上存在明显劣势。

(3)在“全球竞争能力因子”中，排在前6 名的是上海、北京、青岛、苏州、杭州和南京。这6 个开发区均处于前面提到的高技术产业三大密集地区。上海得分最高，其机电产品和其它高技术产品出口占高新区出口总额比例高达50%，对外产品和技术贸易十分活跃，同时高新区企业积极“走出去”，在国外投资设厂，积极开展国际化合作和竞争。得分最低的6 个依次为南昌、兰州、呼和浩特、银川和海口。这些开发区高新技术企业产品出口比例极小，人均拥有欧美日注册商标、专利权数几乎是空白，由于自身实力有限，根本没有能力参与全球竞争。

(4)在“可持续发展能力因子”中，前6 位的是天津、广州、北京、上海、福州和苏州。天津开发区在滨海新区基础上积极进行机制创新探索，建立了全国首家综合配套实验区，加强第三产业发展，实行更加优惠投资政策。目前开发区拥有的投资机构和金融机构、高技术服务业从业人数比例均居全国之首。这些数据反映出天津开发区第三产业的增长速度是相当快的，而且相对于其他产业来说，高技术产业和第三产业的增长已经成为天津开发区发展的一个新的强有力的增长点。得分最低的6 个依次是呼和浩特、哈尔滨、郑州、沈阳、长春和乌鲁木齐。除郑州外，其他几个开发区省均在东北或西北地区，其普遍存在的问题是传统产业结构老化，管理体制落后，老产品利润率低，科技创新投入很少，新兴产业发展严重滞后，可持续能力不足。

2.6.2 综合排名分析

从表1 上看，开发区技术创新水平的综合得分排在前10 名全部处于中国东部地区，尤其是北京、上海、广州和苏州4 个开发区的创新水平的综合得分远高于其他开发区，而且在各因子上得分都很高。根据统计数据，前十名的开发区高技术产业产值合计占全国开发区的75.21%，出口占全国的89.65%.北京、广州、上海、苏州、天津和杭州开发区2012年的科研经费均超过了50 亿元，其总和占到全国科研投入的53.5%。可以说这些开发区知识、技术、人才密集，具有独特的经济优势和发展高技术产业、开展技术创新的良好条件。综合排名后10 位开发区除了太原和海口外，其他开发区均处在西部，这些地区经济相对落后，人才相对匮乏，进行技术创新、发展高技术产业的底子很薄弱，在创新资源投入能力因子、研究开发能力因子、全球竞争能力因子上均处于明显的劣势，因此综合技术创新水平较低。综上所述，开发区技术创新水平与该地区的创新资源投入能力、研究开发能力及全球竞争能力有直接关系。一个地区的经济发展规模实力越强，势必在科技创新资源上投入更多，也就越重视研发能力的提高，其结果促使其自主创新能力也就越强，从而大大提高了开发区的可持续发展能力，推动开发区经济不断向前发展。这是东、中、西部开发区不均衡发展的原因所在。

3 结语

开发区技术创新水平的测度与评价由于可描述指标众多，而且指标间可能存在不同程度的相关性，增加了测评工作的难度。通过因子分析，建立一套有效、可行的开发区技术创新水平评价体系，把体系中所涉及的所有领域的复杂关系简单化，获取量化指标信息，为当地政府把握开发区技术创新水平和高技术产业的发展状况提供科学的判断依据。同时，通过对开发区技术创新水平各个方面发生的变化趋势和变化程度进行反映，由此发现阻碍和影响开发区技术创新水平持续提高的不利因素，分析原因，并采取相应措施，从而正确地把握开发区的发展方向，制定相关政策，进一步增强开发区可持续发展能力，带动地方经济的飞速发展。

［1］朱斌，王渝.我国开发区产业集群持续创新能力研究［J］.科学学研究，2012(10):529-537.

［2］朱海就.区域创新能力评估的指标体系研究［J］.科研管理，2010(3):30-35.

［3］孙锐，石金涛.基于因子和聚类分析的区域创新能力再评价［J］.科学学研究，2012(12):985-990.

［4］任胜钢，彭建华.基于因子分析法的中国区域创新能力的评价及比较［J］.系统工程，2010(2):87-92.

［5］李凯，任晓艳，向涛.产业集群效应对技术创新能力的贡献——基于国家开发区的实证研究［J］.科学学研究，2011(6):448-452.

［6］白俊红.企业技术创新能力测度与评价的因子分析模型及其运用［J］.中国软科学，2008(3):108-114.