创新驱动发展战略下省际企业创新能力评价

李金叶+付宇杰

内容摘要：本文按照企业创新流程将指标划分为创新环境、创新投入、创新产出、创新成效4类，选取18个与企业创新能力相关的指标，运用主成分分析法对31个省市区2012年的创新能力进行综合评价和排序，克服了层次分析法与模糊综合评价法主观性的缺陷，为我国创新驱动发展战略中企业创新能力评价提供参考。

关键词：创新驱动发展战略 主成分分析 聚类分析

引言

如何客观的评价企业创新能力成为了学术界讨论的热门话题。从目前查阅的国内文献来看，评价企业创新能力的方法主要为两种，第一种方法是模糊综合评价法，高志杰（2010）运用模糊综合评价法对黑龙江省中小企业技术创新绩效进行整体分析和综合评判；董岗等（2004）采用德尔菲法和多级模糊综合评价法建立了一套企业技术创新能力的指标体系，并依据指标体系探究了企业创新能力。第二种方法是层次分析法与模糊综合评价法相结合，马靖忠等（2010）运用层次分析和模糊综合评价相结合的方法对钢铁行业企业的创新能力进行了综合评价；李群等（2004）分析了企业技术创新的内涵，从创新决策与管理能力、创新资源投入能力、研究与开发能力、制造能力、营销能力和实现能力六个方面提出评价技术创新能力的因素，并运用层次分析和模糊综合评价进行了综合分析。上述两种评价方法虽然能够对企业创新能力进行全面综合的评价，但层次分析法主观性较强，主观认识的差异会导致评价结果的不同；另外，模糊综合评价在计算上较为复杂，若指标过多或者指标体系涉及多级时计算较为困难。因此，本文运用主成分聚类分析方法，利用全国31个省市区2012年的数据，对企业创新能力进行实证分析。

模型的构建和指标的选取

（一）计量模型

设有n个观测对象，每一对象有m个指标因子xj（ j=1，2，…，m），所得观测值为xij（i=1，2，…，n），构成原始数据矩阵X=（xxj）n×m。基本步骤如下：

1.原始数据标准化。为了使综合评价的结果客观、合理，必须消除数量级和量纲不同带来的影响，通常采用的是标准化处理（标准化处理后的值为xij*）：

（1）

式中：和Sj分别为第j个指标的样本均值和标准差，且

（2）

2.计算指标的相关矩阵。在标准化数据矩阵X*=（x*ij）的基础上，计算原始指标的相关系数矩阵R=（rij）m×m。其中，rij是xi指标与xj指标之间的相关系数，且

（3）

其中，i，j=1，2，…，m

3.计算相关矩阵的特征根和特征向量。计算特征方程，求出所有的特征根λ1≥λ2≥...≥λn≥0，相应特征向量tj=（t1j，t2j，…，tmj）。

4.确定主成分的个数。当前r的个主成分的累计贡献率达到85%时，在已确定的全部m个主成分中选择前r个来进行评价分析。

5.求n个观测对象在前r个主成分上的得分。主成分得分是已标准化的原始数据在主成分所定义的新坐标系中的新数据，即

， j=1，2，…，r （4）

6.对新数据（Y1，Y1，…，Yr）进行聚类分析。根据r前个主成分的得分进行聚类分析，确定每个类样品的排序，并进行综合评价。

（二）指标选取

本文所选取的指标，参照2013年国家统计局社科文司《中国创新指数（CII）研究》课题组研究设计的评价我国创新能力的指标体系，课题组从创新环境、创新投入、创新产出、创新成效4个方面设计了3级指标体系共21个指标，一级指标为中国创新指数，包括4个二级指标，分别是创新环境、创新投入、创新产出、创新成效。考虑到本文研究的对象是企业，所选取的指标应考虑到企业创新的过程，另外还要考虑数据的获取性，对指标体系进行修改，部分指标进行替换，最终选取了18个指标，如表1所示。

实证结果

（一）主成分分析

本文采用主成分聚类分析方法，选取2012年度相关数据，对中国31省市区的企业创新能力进行评价。利用SPSS软件，对原始数据进行标准化。

由累计贡献率的计算结果可知，相关系数的前4个特征值大于1，分别为：9.764、2.429、1.985、1.069，四个公因子的累积贡献率为84.704%（接近85%），根据主成分分析法累积贡献率大于85%的原则，可以认为18个指标可以综合成4个主因子作为评价企业创新能力的主成分。

根据所提取的4个主成分因子的载荷矩阵可知，第一主成分F1在 W3、W4、W5、W8、W9、W13、W14、W15、W16、W17、W18这11个变量的载荷值都很大，因此第一主成分是企业创新能力的主要反映，称之为企业创新能力因子；第二主成分F2在W1、W2、W10、W12这4个变量的载荷值较大，是企业创新环境的主要反映，称之为企业创新环境因子；第三主成分F3在W6、W7的比重这2个变量的载荷值较大，是企业创新投入的主要反映，称之为企业创新投入因子；第四主成分在W11这个变量的载荷值较大，是企业技术依存的主要反映，称之为企业技术依存因子。

在确定主成分后根据SPSS19.0软件主成分计算结果给出的全国31个省市区在4个主成分上的得分，再利用Excel软件，将各主成分方差贡献率在累积贡献率中的比重作为计算综合得分的权重，最终计算出全国31个省市区企业创新能力的最终得分，如表2所示。

（二）聚类分析

在计算出综合得分后，再次利用SPSS19.0软件对主成分计算的结果进行聚类分析，考虑到仅用综合得分作为分类的依据信息量小，会有片面性。本文最终把全国31个省市区的四个主成分得分和综合得分作为聚类分析的依据，本次聚类采用分层聚类过程，聚类方法采用Ward法，距离测度采用得到系统聚类分析的谱系图，如图1所示。endprint

根据聚类结果可知（地区名称后括号为主成分综合得分的排名），第一类为：黑龙江（21）、江西（27）、山西（22）、云南（29）、河南（16）、广西（19）、西藏（31）、青海（30）、贵州（20）、甘肃（23）、宁夏（25）、海南（24）、内蒙古（26）、新疆（28）、河北（18）、四川（17）、辽宁（15）。这17个地区的综合得分在-0.74121

～-0.16171之间，综合得分排名在15～31名，上述17个地区的各主成分得分和综合得分相似，属于企业创新能力欠发达地区。

第二类为：北京（5）、上海（3）、安徽（11）、湖北（13）、湖南（12）、天津（9）、吉林（14）、重庆（10）、福建（8）。这9个地区除北京、上海之外，其余7个地区的创新能力排名在8～14名之间，北京、上海排名分别为第5、第3，上述9个地区各主成分得分和综合得分相似，属于创新能力发展中地区。

第三类为：江苏（2）、浙江（4）、广东（1）、山东（6），这4个地区的企业创新能力在全国范围内较强，各主成分的排名都在全国前列，上述4个地区的各主成分得分和综合得分相似，属于企业创新能力发达地区。

第四类为：陕西（7），仔细观察陕西创新指标数据结果，陕西省创新环境的指标高于全国平均水平，陕西省拥有西安交通大学等众多知名大学，高层次人才比例高于全国，如果吸引人才、保护人才、防止人才流失措施得当，这将为陕西省现有和未来的创新资源提供持续不断的供给源泉；而创新投入方面陕西省的数据低于全国平均水平，陕西省有必要鼓励大中型企业建立研究开发中心和加大研发投入，消化吸收引进技术，对重复引进给予必要的限制。在创新产出、创新成效两方面陕西的数值也偏低，在西部12省中也低于重庆、四川、甘肃，说明陕西省创新转化整体水平不高，有很大的潜力可挖。综合来看，陕西单独归为一类是因为企业创新能力具有天然禀赋，有很大的潜力发展为发达地区，但由于创新转化能力的不足和创新投入结构不合理导致了创新能力与全国的平均水平之间的差距。

结论

文中所建立的创新型企业评价新指标体系包含了企业创新的整个流程，涵盖创新环境、创新投入、创新产出、创新成效四个方面内容，指标体系设置科学合理；利用主成分聚类分析既避免了层次分析法与模糊综合评价法需要采用专家调查法确定指标权重的缺陷，减少专家打分的主观性，又能从总体上客观判断省际企业创新能力强弱、发现不足、找出需要改进的方面，便于进一步提升区域企业创新能力。

参考文献：

1.高志杰.基于AHP的黑龙江省中小企业技术创新能力模糊综合评价[J].生态经济，2010（8）

2.董岗，傅铅生.关于企业创新能力的评价模型研究[J].商业研究，2004（9）

3.马靖忠，关军.钢铁产业集群创新能力评价体系探析[J].企业经济，2010（4）

4.李群，凌亢.企业技术创新能力指标体系的模糊理论综合评价[J].数学的实践与认识，2004（5）endprint

根据聚类结果可知（地区名称后括号为主成分综合得分的排名），第一类为：黑龙江（21）、江西（27）、山西（22）、云南（29）、河南（16）、广西（19）、西藏（31）、青海（30）、贵州（20）、甘肃（23）、宁夏（25）、海南（24）、内蒙古（26）、新疆（28）、河北（18）、四川（17）、辽宁（15）。这17个地区的综合得分在-0.74121

～-0.16171之间，综合得分排名在15～31名，上述17个地区的各主成分得分和综合得分相似，属于企业创新能力欠发达地区。

第二类为：北京（5）、上海（3）、安徽（11）、湖北（13）、湖南（12）、天津（9）、吉林（14）、重庆（10）、福建（8）。这9个地区除北京、上海之外，其余7个地区的创新能力排名在8～14名之间，北京、上海排名分别为第5、第3，上述9个地区各主成分得分和综合得分相似，属于创新能力发展中地区。

第三类为：江苏（2）、浙江（4）、广东（1）、山东（6），这4个地区的企业创新能力在全国范围内较强，各主成分的排名都在全国前列，上述4个地区的各主成分得分和综合得分相似，属于企业创新能力发达地区。

第四类为：陕西（7），仔细观察陕西创新指标数据结果，陕西省创新环境的指标高于全国平均水平，陕西省拥有西安交通大学等众多知名大学，高层次人才比例高于全国，如果吸引人才、保护人才、防止人才流失措施得当，这将为陕西省现有和未来的创新资源提供持续不断的供给源泉；而创新投入方面陕西省的数据低于全国平均水平，陕西省有必要鼓励大中型企业建立研究开发中心和加大研发投入，消化吸收引进技术，对重复引进给予必要的限制。在创新产出、创新成效两方面陕西的数值也偏低，在西部12省中也低于重庆、四川、甘肃，说明陕西省创新转化整体水平不高，有很大的潜力可挖。综合来看，陕西单独归为一类是因为企业创新能力具有天然禀赋，有很大的潜力发展为发达地区，但由于创新转化能力的不足和创新投入结构不合理导致了创新能力与全国的平均水平之间的差距。

结论

文中所建立的创新型企业评价新指标体系包含了企业创新的整个流程，涵盖创新环境、创新投入、创新产出、创新成效四个方面内容，指标体系设置科学合理；利用主成分聚类分析既避免了层次分析法与模糊综合评价法需要采用专家调查法确定指标权重的缺陷，减少专家打分的主观性，又能从总体上客观判断省际企业创新能力强弱、发现不足、找出需要改进的方面，便于进一步提升区域企业创新能力。

参考文献：

1.高志杰.基于AHP的黑龙江省中小企业技术创新能力模糊综合评价[J].生态经济，2010（8）

2.董岗，傅铅生.关于企业创新能力的评价模型研究[J].商业研究，2004（9）

3.马靖忠，关军.钢铁产业集群创新能力评价体系探析[J].企业经济，2010（4）

4.李群，凌亢.企业技术创新能力指标体系的模糊理论综合评价[J].数学的实践与认识，2004（5）endprint

根据聚类结果可知（地区名称后括号为主成分综合得分的排名），第一类为：黑龙江（21）、江西（27）、山西（22）、云南（29）、河南（16）、广西（19）、西藏（31）、青海（30）、贵州（20）、甘肃（23）、宁夏（25）、海南（24）、内蒙古（26）、新疆（28）、河北（18）、四川（17）、辽宁（15）。这17个地区的综合得分在-0.74121

～-0.16171之间，综合得分排名在15～31名，上述17个地区的各主成分得分和综合得分相似，属于企业创新能力欠发达地区。

第二类为：北京（5）、上海（3）、安徽（11）、湖北（13）、湖南（12）、天津（9）、吉林（14）、重庆（10）、福建（8）。这9个地区除北京、上海之外，其余7个地区的创新能力排名在8～14名之间，北京、上海排名分别为第5、第3，上述9个地区各主成分得分和综合得分相似，属于创新能力发展中地区。

第三类为：江苏（2）、浙江（4）、广东（1）、山东（6），这4个地区的企业创新能力在全国范围内较强，各主成分的排名都在全国前列，上述4个地区的各主成分得分和综合得分相似，属于企业创新能力发达地区。

第四类为：陕西（7），仔细观察陕西创新指标数据结果，陕西省创新环境的指标高于全国平均水平，陕西省拥有西安交通大学等众多知名大学，高层次人才比例高于全国，如果吸引人才、保护人才、防止人才流失措施得当，这将为陕西省现有和未来的创新资源提供持续不断的供给源泉；而创新投入方面陕西省的数据低于全国平均水平，陕西省有必要鼓励大中型企业建立研究开发中心和加大研发投入，消化吸收引进技术，对重复引进给予必要的限制。在创新产出、创新成效两方面陕西的数值也偏低，在西部12省中也低于重庆、四川、甘肃，说明陕西省创新转化整体水平不高，有很大的潜力可挖。综合来看，陕西单独归为一类是因为企业创新能力具有天然禀赋，有很大的潜力发展为发达地区，但由于创新转化能力的不足和创新投入结构不合理导致了创新能力与全国的平均水平之间的差距。

结论

文中所建立的创新型企业评价新指标体系包含了企业创新的整个流程，涵盖创新环境、创新投入、创新产出、创新成效四个方面内容，指标体系设置科学合理；利用主成分聚类分析既避免了层次分析法与模糊综合评价法需要采用专家调查法确定指标权重的缺陷，减少专家打分的主观性，又能从总体上客观判断省际企业创新能力强弱、发现不足、找出需要改进的方面，便于进一步提升区域企业创新能力。

参考文献：

1.高志杰.基于AHP的黑龙江省中小企业技术创新能力模糊综合评价[J].生态经济，2010（8）

2.董岗，傅铅生.关于企业创新能力的评价模型研究[J].商业研究，2004（9）

3.马靖忠，关军.钢铁产业集群创新能力评价体系探析[J].企业经济，2010（4）

4.李群，凌亢.企业技术创新能力指标体系的模糊理论综合评价[J].数学的实践与认识，2004（5）endprint