基于聚类分析的山东省海洋科技创新能力探究

许鲁秦，张锡宝

（青岛大学 经济学院，山东 青岛 266071）

引 言

海洋资源是我国的重要财富。21世纪以来，对海洋的综合开发和利用已经越来越引起国家的重视，各沿海地区在海洋科技创新战略方面投入的人力与物力越来越丰富，竞争愈演愈烈。山东半岛作为重要的海洋经济区域，在国家海洋开发战略的实施过程中扮演着举足轻重的角色。因此，建立科学的区域海洋科技创新评价体系来评价山东海洋经济区的科技创新能力，分析各沿海省市区的海洋发展优势，对于未来山东省海洋经济的发展以及战略统筹具有重要的指导意义。

1 文献回顾

区域科技创新是区域经济持续健康发展的源泉，国外最早对其研究的是美国学者埃弗雷特M·罗杰斯和朱迪思K·拉森。英国著名学者库克（1990，1994，1998） 对区域创新系统的概念进行了较为详细的阐述，认为区域创新系统主要是由在地理上相互分工与关联的生产企业、研究机构和高等教育机构等构成的区域性组织体系，而这种体系支持并产生创新[1]。总结发现，国外对区域科技创新能力的研究主要包括三个方面：一是区域创新实力分析；二是区域潜在能力分析；三是如何增强区域创新实力[2]。

目前国内的专家学者通过各种方法对区域科技创新能力的研究越来越丰富。李治国、于燕选取10个指标利用因子分析法对山东半岛蓝色经济区的科技创新能力进行了系统的研究，认为山东青岛具有较高的科技创新水平[3]；殷克东、李兴东综合运用熵值法、主成分分析法、灰色关联分析法和层次分析法分别对我国沿海地区海洋经济综合实力进行了模型测评，并采用Kendall方法对4种测评方法的结果进行了一致性检验和梯度划分，为我国沿海区域海洋经济的发展提供了有力的依据[4]；陈超贤基于层次分析法与加权平均法对中国沿海区域的海洋科技创新能力进行了简单的比较，认为山东科研效率相对较低[5]；李拓晨、丁莹莹建立海洋高科技产业科技能力评价指标体系后，采用格栅获取法和Borda数分析法，确定了指标体系各因素的权重并结合模糊综合评价对我国海洋高科技产业科技能力进行综合分析[6]；李彬、戴桂林继承前者的思想，使用模糊评估，灰色关联和主成分法来分别评估沿海省份的区域海洋科技创新能力，并通过引入模糊Borda数法和Kendall一致性检验，构建由多种评价方法组成的组合模型[7]。

通过对文献的比较可以发现，我国学者对于区域科技创新能力的研究所使用的方法较多样，主要包括数据包络法、层次分析法、主成分分析法、模糊评价法、灰色关联度分析法以及因子分析法等，形成了一些结论，为本文的研究奠定了坚实的基础。但是大部分学者只是使用了某一年的指标作为样本数据，没有时间序列数据上的纵向比较，无法对未来形势做出预判；另外，使用的方法较传统单一，指标欠全面。基于上述情况，本文选取了2011—2014年的数据作为样本，采用RCA指数评价法，因子分析法以及聚类分析法多种方法对中国沿海省份的海洋科技创新能力进行了全方位多角度的分析评价，避免使用单一模型的缺陷，并对各种分析结果进行了综合阐述，形成最终的结论，并提出了针对性建议。

2 指标、数据与方法

2.1 指标设置与数据来源

本文在对海洋科技创新能力综合评价指标体系进行设置时，在遵循体系的实用性、可操作性、有效性、完备性和系统层次性原则的基础上[8]，参考了其他学者的研究成果，并考虑了海洋开发和保护战略等方面，将海洋科技创新能力分为海洋科技创新基础、海洋科技创新投入、海洋科技创新产出和海洋科技创新绩效4个一级指标，每个一级指标下设2个二级指标，共计8个二级指标，其中，海洋科技创新基础包括了海洋创新人力物质基础和海洋科技创新环境；海洋科技创新投入包括海洋科技创新人力投入水平与海洋科技创新经费投入水平；海洋科技创新产出包括直接产出与创新产业；海洋科技创新绩效包括海洋开发水平与可持续发展水平。根据每个二级指标所测度的特征，共设置了35个三级指标，并按照指标分类进行编号，具体如表1所示。

本文选择评价与分析的是我国10个主要沿海省市区，包括天津，河北，辽宁，上海，江苏，浙江，福建，山东，广东，广西。主要测度的年份为2011—2014年，具体的指标数据来自《中国海洋统计年鉴》（2012—2015）、《中国近海海域环境质量公报》（2011—2014），并对数据进行了整理与计算。

2.2 测度方法

第一步，对2011—2014年10个沿海省市区35个指标的数据进行收集统计，在统计的过程中根据具体情况对指标数据进行了测算，如2014年D13指标（区域海洋生产总值增长速度）是相比较于2013年区域海洋生产总值的增速。

第二步，为了评估特定省份在特定指标中的比较优势，将特定省份的特定指标值与该指标在10个沿海省市区中的平均水平进行了科学的比较。这是对国际贸易的RCA指数的概念进行了简单的修改，具体计算方法为：（特定省份指标值/该指标的平均水平）-1。如果该比较优势指数值的计算结果小于0，则说明该省份在该指标中具有劣势，计算结果大于0，则说明具有比较优势。通过RCA指数，可以对山东省的海洋科技创新能力有初步的认识。

表1 区域海洋科技创新评价指标体系Tab.1 Evaluation index system of regional marine science and technology innovation

第三步，用SPSS软件将10个沿海省市区的35个海洋科技创新评价指标的优势指数的数据进行标准化处理之后进行因子分析，并计算出因子得分。通过因子得分对山东省的海洋科技创新能力进行一个更为科学与综合的评价。

第四步，计算出因子得分之后，用SPSS软件将10个沿海省市区进行系统聚类，进而了解山东省所在的分组及其他分组的整体特征，针对山东省不足方面向其他类别组借鉴发展经验，提出发展建议。

3 实证分析

3.1 描述性分析

为了初步评估分析山东省在10个沿海省市区中的海洋经济的发展状况与排名，根据10个沿海省市区2011—2014年35个指标的原始数据对山东省RCA进行了统计计算，山东省各指标RCA结果及排名情况见表2。

通过表2可以看出，山东省2011—2014年各指标在全国10个沿海省市区中的表现及发展情况。根据二级指标的8个分类分别对山东省的优劣势进行初步的分析判断。

山东省在海洋科技创新人力物力基础方面（A11～A15）表现优异，排名领先，尤其是海洋专业专科以上在校学生（A13）这一指标，四年来一直排名第一位，RCA指数都大于0.8，具有较大的优势，说明山东省重视对海洋专业科技创新人才的培养；但拥有海洋专利数的优势相对不明显。在海洋科技创新环境方面（A21～A27），山东省优势指标与劣势指标两者兼具，在海洋科研机构基本建设中政府投资数目（A26）巨大，2014年达到590535万元，是河北省的200倍，2011年，A26 RCA指标达到4.19，是山东省最具优势的指标；但是海洋专业毕业生中本科以上学历所占比重较低，尽管近几年该指标有趋于变好的趋势，但是排名仍然处于中下游，且RCA指数小于0，具有比较劣势；另外海洋科技活动人员中高等职称所占比重有下降迅速，值得引起社会的关注。

在海洋科技创新人力投入水平（B11～B13）方面，山东省投入了大量的海洋科技活动人员与海洋R&D人员，优势明显，但海洋科技活动人员占海洋科技从业人员的比重较低，主要与山东省的海洋科技从业人员基数较大有关。经费投入水平上（B21～B24），尽管海洋R&D课题数排名靠前，但是山东的海洋R&D人员人均课题数的排名徘徊在第4名、第5名的位置，优势不明显。

表2 2011—2014年山东省海洋创新指标RCA及排名情况Tab.2 Marine innovation indicators RCA and ranking of Shandong Province in 2011-2014

山东省的海洋科技创新直接产出水平（C11～C15）与海洋科技创新产业化水平（C21～C22）良好，除了海洋科技管理服务增加值占海洋增加值比重排名中游外，无论是海洋科技论文发表总量与人均水平，还是著作出版量与专利授权数，山东省的各项指标都处于全国领先地位，说明山东省海洋科技活动人员在海洋科技创新科研成果方面是非常高产的。

山东省的海洋开发水平（D11～D15）与海洋可持续发展水平（D21～D23）整体表现不佳。人均海洋生产总值的RCA指标、海洋生产总值增长速度的RCA指标、海洋第三产业所占比重RCA指标以及万元海洋生产总值直排海废水量RCA指标为负值，不具有比较优势，且排名较靠后，显示山东省的海洋科技创新绩效平平，与巨大的投入水平不成正比，但值得关注的是，可持续发展水平的三个指标排名都趋于向好的位置发展，尤其是近海海域一二类海水所占比重，更是上升明显。

3.2 因子分析

本文对影响各沿海省市区海洋科技创新能力的因素进行分析，原始数据为中国主要10个沿海省市区的区域海洋指标RCA，因变量为区域海洋科技创新能力，自变量较多，包括了35个变量，所以很容易产生多重共线性与自相关的问题。下面以2014年的数据为例，用因子分析法进行降维处理提取主要影响因子，并计算出各沿海省市区各项因子得分与综合得分。

3.2.1 相关性分析

用SPSS软件对数据进行标准化处理后，求变量的相关矩阵，对变量进行相关行分析，结果发现，大部分数据都有较强的相关性，如A12与A15、B11、B13、B21等变量之间的相关系数高达0.9以上。因此，对数据进行处理，用因子分析后的指标结果进行分析可能会更精确。由于指标存在着比较显著的相关性且数目较多，为了减少可能存在的多重共线性影响，有必要用因子分析进行降维处理。

3.2.2 公因子方差

公因子方差是按照标准和因子数量提取公因子后，新变量所能代表的原始变量的比例。例如，变量A25海洋科技活动人员人均申请专利受理数这一指标提取的公因子方差为0.998，表示提取的公因子解释原始变量的能力达到99.8%，即公因子解释原始因子的能力极强。如表3所示，除了A11、A14、A26这三个指标的公因子方差在0.7～0.9之间外，剩余的32个指标的公因子方差都在0.9以上，说明提取的公因子解释了原始变量绝大部分的信息。

3.2.3 主成分法提取因子

本文釆取主成分法提取公因子，并按最大方差旋转法进行载荷矩阵旋转，解释的总方差结果如表4所示。从表4中可以明显看出，第一成分和第二成分的初始特征值分别为14.228和6.861，远远大于1，直到第七个成分，初始特征值都是大于1的。前七个成分的旋转累计平方和为95.463%，大于85%。表明提取的主成分可以很好的解释原始变量的大部分信息。

3.2.4 旋转成分矩阵

提取公因子后，用最大方差法对矩阵进行旋转得到旋转成分矩阵，如表5所示。

从表5中可以看出，下面16个变量在因子F1上的载荷较高，即A11（海洋科研机构数量）、A12（海洋科研机构从业人员）、A13（海洋专业专科以上在校学生）、A15（海洋科研机构年度经费收入总额）、A22（海洋科技活动人员中硕士以上学历所占比重）、A26（海洋科研机构基本建设中政府投资）、A27（海洋专业高等教育专任教师）、B11（海洋科技活动人员）、B13（海洋R&D人员）、B21（海洋R&D经费）、B22（海洋R&D课题数）、C11（发表海洋科技论文）、C13（发表海洋科技国际论文）、C21（海洋科研管理服务增加值）、C22（海洋科研管理服务增加值占海洋增加值比重）、D11（区域海洋生产总值）对因子F1的解释能力较强。其中，B13（海洋R&D人员）、C13（发表海洋科技国际论文）以及C11（发表海洋科技论文）在F1的载荷最大，可以将因子F1命名为海洋直接产出能力；A14（区域拥有海洋发明专利数）、A23（区域海洋专业本科以上毕业生人数)、A25（海洋科技活动人员人均申请专利受理数）、B24（海洋R&D人均经费）、C15（区域海洋科技活动人员人均专利授权数）、C16（区域海洋发明专利授权数）、D13（海洋生产总值增长速度）在因子F2上的载荷较大，因此把因子F2命名为海洋科技创新投入产出水平；D12（区域人均海洋生产总值）、D14（区域海洋生产总值占地区GDP比重）在因子F3上的载荷较大，可以将F3命名为海洋科技创新绩效水平；A21（区域海洋科技活动人员中高级职称所占比重）、C12（区域海洋科技活动人员人均发表科技论文数）、

C14（区域出版海洋科技著作）在因子F4上的载荷较大，结合其他年份在该因子的载荷，可以将F4命名为海洋潜在发展能力；D21（区域万元海洋生产总值直排海废水量）、D22（区域近岸海域一二类海水所占比重）、D23(区域万元海洋生产总值确权海域面积)在因子F5上的载荷较大，因此将F5命名为海洋可持续发展能力；B23（区域海洋R&D人员人均课题数）在F6上具有较高的载荷，因此将F6命名为海洋人均课题数；D15（海洋第三产业所占比重）在F7上具有较高的载荷，因此将F7命名为海洋第三产业开发能力。最终原来的35个指标降维处理之后变为7个指标。

表3 公因子方差Tab.3 Common factor variance

表4 解释的总方差Tab.4 Total variance explained

表5 旋转成分矩阵Tab.5 Rotational component matrix

3.2.5 因子得分系数矩阵

用SPSS软件可以得出因子得分系数矩阵。以2014年的最新指标作为因子得分的目标数据，最终可以算出各省份在每一个因子上的得分以及综合得分：

通过因子得分可以看出，影响各沿海省市区的海洋科技创新能力的因素是不同的。就山东省而言，海洋直接产出能力（因子1）是山东省海洋科创新竞争力的核心优势，在10个沿海省市区中处于遥遥领先的地位；海洋潜在发展能力（因子4）与可持续发展能力（因子5） 较强，排名第二，分别落后于河北省与辽宁省。但是山东的区域海洋R&D人员人均课题数（因子6）较少，海洋第三产业开发能力（因子7）较差。因子6较低可能主要是由于山东省R&D人员较多的原因，考虑到因子6与因子7对于整体的方差贡献率较低，所以整体而言，山东省的海洋科技创新能力综合实力强。

表6 2014年各省份因子得分与综合得分Tab.6 Factor scores and comprehensive score in 2014

从综合因子得分来看，综合得分前3名为山东、上海、广东，山东省得分为64.321 0分，排名第一位，充分反映出山东省的海洋经济发展竞争力优势；排名综合得分靠后的为广西、河北、福建、天津，其中广西省各指标的表现普遍不好，海洋经济发展欠佳；福建省的主要劣势在于因子1、因子2与因子4；辽宁，江苏，浙江的海洋经济综合发展能力处于中间的位置。

3.3 聚类分析

根据各因子得分，对10个省份用类平均法做系统聚类，图1显示的是系统聚类的树状图。

在图的顶部开始，第一个群组包括我国经济最发达的省份上海以及与上海地理位置较近的浙江，在下一阶段，辽宁省也进入该群组。组1的明显特点是海洋科技创新投入产出水平（因子2） 具有明显的优势，说明组1在A14（区域拥有海洋发明专利数）、A23（区域海洋专业本科以上毕业生人数）、A25（海洋科技活动人员人均申请专利受理数）、B24（海洋R&D人均经费）、C15（区域海洋科技活动人员人均专利授权数）、C16（区域海洋发明专利授权数）、D13（海洋生产总值增长速度）指标上较有竞争优势。尤其是上海市的各项指标发展更为均衡，这与上海对外开放程度、海洋产业链的完善度及科研管理能力是分不开的。

图1 2014年沿海省份海洋科技创新树状图Fig.1 Marine science and technology innovation tree in the coastal provinces of 2014

第二个群组包括山东省和广东省。组2成员海洋科技创新综合竞争力很强，显著特征是在海洋直接产出能力（因子1）上得分很高，排名领先，反映出组2在海洋经济方面的学术成果产出较高，理论创新优势明显；但该组在海洋科技创新绩效水平上（因子3）的得分较低，反映出该组在成果转化与成果应用方面存在问题。另外，因子2、因子6的得分中游，实力相对较弱，不具有明显的竞争优势。在下一阶段，组2与组1合并为一个群组。

第三个群组包括天津和福建省。组3核心优势是海洋科技创新绩效水平（因子3），天津和福建省的人均海洋生产总值较高，海洋生产总值增长速度较快，海洋生产总值占地区GDP比重较大，指标反映良好。这些优势可能是由于天津和福建海洋产业体系较为完善的原因。组3共同的劣势表现在因子4上，且该组成员的综合得分排名靠后，不具有综合的竞争能力。江苏、河北、广西三个剩余省份都分别自成一组，与其它省份没有明显的相似特征。

4 结论与建议

4.1 研究创新与不足

本文通过RCA指数分析，因子分析，聚类分析三种分析方法对山东省的海洋科技创新能力进行了评价分析，避免了单一方法评价的缺陷，存在两点创新与一点不足：

（1） 采用修正的RCA指数法与系统聚类分析方法，从不同的角度对山东省的海洋科技创新能力进行分析，并得出新的结论。

（2） 在RCA指数分析阶段包括了时间序列数据，这有利于对每一指标的时间上的变化进行摸索，以便及时发现不利的发展趋势。

（3） 不足之处在于，只研究了10个沿海省市区的海洋科技创新能力，成员较少，采用聚类的分析方法时个别组的共同特征表现不明显。这种不足是由聚类分析本身的特点决定的。

4.2 结论

根据评价分析结果，得出以下几个主要结论：

（1）山东省海洋科技创新综合能力处于全国领先地位。通过因子分析，山东省的综合因子得分在沿海省份中排名第一，在我国海洋经济发展战略中发挥着领头与示范作用。另外，相比于其他省份，山东省各项指标发展较为全面与均衡，海洋科技创新整体水平高。

（2）山东省在海洋科技创新人力物力基础方面优势显著。在RCA分析中，海洋科研机构基本建设中政府投资数目、海洋科技活动人员中硕士以上比重以及海洋专业专科以上在校学生等指标表现良好，创新资源高度集中，为山东省海洋经济的稳定发展创造了良好的基础环境，也充分体现了政策扶持、人员素质在山东省海洋科技创新能力上发挥的重要作用。

（3）海洋直接产出能力高，理论创新优势明显。在描述性分析与因子分析中，山东省在海洋科技研究上的论文产出与著作产出水平是比较高的，发表海洋科技论文与海洋科技国际论文的数量都位居前列，具有明显的竞争优势，但如何将研究结果应用到实践之中需要引起政府的重视。

（4）海洋创新绩效较落后，成果转化能力不足。研究发现，山东省的人均海洋生产总值，海洋生产总值增长速度等指标明显劲头不足，落后于上海等经济发展水平更高的区域；在聚类分析中，山东省与广东省在具有相似的优势与劣势，即直接产出能力高，但创新绩效较低，成果转化能力已经成为制约山东海洋经济发展的主要因素。

4.3 建议

针对上述结论，对山东省未来海洋科技创新能力的发展提出一些政策建议：

（1）持续发挥优势因素。山东省应在山东半岛蓝色经济区战略的背景下，继续发挥山东在海洋专业人才资源、物力基础、政府扶持等方面的有利因素；青岛作为山东半岛蓝色经济区的主要城市，是全国海洋科技力量的富集区。在国家正在规划中心城市的背景条件下，青岛应抓住机遇，发挥得天独厚的科技创新优势，提升科研成果质量，做出更多的科技创新成果。

（2）形成有效的科技成果转化机制。可以根据产业需求确定高校研究方向，加强对海洋科技成果的管理，促进产学研相结合[9]；重视成果转化基地与公共服务平台的建设，构建科学合理的成果转化渠道，从而加快海洋科技成果向生产力的转化；通过海洋科技成果产权制度的建立，海洋科技成果产业化评估机制、市场机制、激励机制的完善，进一步促进海洋科技的研发能力[10]。

（3）加强与其它沿海省份的协同合作，优势互补。根据聚类分析的结果，天津和福建省的海洋绩效与海洋开发能力较高，上海市和辽宁省的海洋科技创新投入产出水平比山东省给更具优势，山东省可以借鉴这些地区的先进经验，推动该省的绩效发展和投入产出比水平。

参考文献:

[1] Cooke P，Guranga M，Etxebarria G.Regional Systems of Innovation:An Evolutionary Perspective[J].Environment and Planning，1998（30）：189-198.

[2] Tai-Yue Wang，Shih-ChienChien，Chiang Kao.The role of technology development in national competitiveness-Evidence from Southeast Asian countries[J].Technological Forecasting&Social Change，2007（74）：1357-73.

[3]李治国，于燕.基于因子分析的山东半岛蓝色经济区科技创新能力研究[C].东方行政论坛（第一辑)，2011:149-154.[4]殷克东，李兴东.我国沿海11省市海洋经济综合实力的测评[J].统计与决策，2011（3）：85-89.

[5]陈超贤.蓝色经济区建设背景下提升山东海洋科技创新能力研究[J].青岛行政学院学报，2012（2）：64-68.

[6] 李拓晨，丁莹莹.我国海洋高科技产业科技能力评价模型研究——基于Borda和模糊综合评价法[J].经济问题探索，2012（7）：38-43.

[7]李彬，戴桂林.基于组合模型的山东半岛蓝色经济区海洋科技创新能力综合评价[J].科学管理研究，2014（21）：61-65.

[8] 赵昕，郭晶.山东半岛蓝色经济区产业结构演进的科技驱动效应分析[J].海洋经济，2011（2）：32-38.

[9] 李乃胜.山东半岛海洋自然环境与科学技术 [M].北京:海洋出版社，2010:109-110.

[10]邰骎.浙江省海洋科技创新能力评价 [D].舟山:浙江海洋大学，2015.