基于因子分析的江苏省技术创新能力评价

贝淑华，王 圆，沈 杰

（南京林业大学经济管理学院，江苏南京 210037）

现今新一轮科技革命和产业变革蓄势待发，对我国整体发展带来巨大的挑战。创新是引领发展的第一动力，在这样的时代背景下，继续深入实施创新驱动发展战略显得尤为重要。区域创新体系是国家创新本土化的应用与延伸，近些年区域创新对区域经济增长的带动作用日益凸显。江苏省是国内经济发达的东部沿海省份，根据2020 年10 月发布的《中国城市竞争力第18 次报告》，江苏省13 个地级市的综合经济竞争力指数排名全部位于前100名，7 个地级市的科技创新竞争力指数排名也进入前50名［1］，江苏省在建设创新型经济方面取得了一定的成就。对江苏省技术创新能力进行评价，由此可明确其技术创新方面的短板，了解其创新体系建设的水平，便于有针对性地提出策略以提升江苏省整体技术创新能力。

1 文献综述

“区域创新体系（regional innovation system，RIS）”的概念最早由Cooke［2］在1992 年提出，并于1996 年被定义为：主要由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组织体系。这也正说明了产学研深度融合之于推动区域技术创新能力提升的重要作用。国内对于区域创新能力的研究也早在20 世纪末就开始，并取得了一定的成果。相关研究主要集中在两个方面：

一是区域技术创新能力指标体系的构建。如，中国科技发展战略小组从知识创造、知识流动、企业技术创新能力、技术创新环境、技术创新的经济效益等5 个方面选取一系列指标，建立了一套综合的创新能力指标体系［3］，这也是21 世纪初最具影响力的评价体系；张序萍等［4］从技术创新的投入、产出、扩散、支撑能力4 个方面出发，构建包括40个指标的覆盖面较广的评价体系；李杏等［5］引入文化指标和环境指标，构建江苏省创新评价指标体系；刘伟等［6］从另一角度，基于人才创新、技术创新、环境保障、经济增长4 个方面，构建了结合黑龙江省特点的区域创新能力评价体系；郭炬等［7］运用层次分析（AHP）与Dempster/Shafer 证据理论改进算法，从技术的创新投入、创新产出和创新环境3 个方面构建了区域创新能力评价指标；殷俊等［8］构建了一个结合创新主体和创新环境要素，从规模水平和投入产出两个层面衡量的区域创新能力评价指标体系。

二是区域技术创新能力评价方法的选取。如，王晓光等［9］运用主成分分析法对东北三省的区域创新能力做综合评价；曲永义［10］基于时间序列比较方法，分别对鲁苏浙粤的人力资源、财力资源、高技术产业发展、技术产出与扩散、企业技术创新等五方面能力状况及其总体技术创新能力进行综合比较和分析评价；郭丽芳等［11］采用熵值法与联系度改进的TOPSIS 法对中部六省区域创新能力进行动态评价；张扬等［12］运用因子分析法对国内区域技术创新能力进行评价，着重分析了中部六大省份与其他地区的差异；殷俊等［8］利用了综合指数法测算浙江省创新能力指数；金玉石［13］通过利用邓氏灰色关联模型，量化创新评价体系中各要素与人均地区生产总值(GDP)的关联度，判断各因素对经济增长的主次关系及其对吉林省技术创新能力的影响大小；陈阳等［14］为避免指标体系存在递阶结构特征带来的问题，构建SEM-G 评价模型，对我国30 个省份的技术创新能力进行评价。

综上，目前在区域技术创新能力评价指标选择方面，大多数研究的指标选择繁杂且随意性较大，早有学者指出这将使得一个地区真正的技术能力无法被有效测算［15］，并且少有研究选取分别反映企业、高校、科研机构这3 种不同创新主体的技术水平指标来构建评价体系；另外，具体到江苏省的相关研究十分匮乏，李杏等［5］研究了江苏省的创新指标体系，虽然构建了评价指标体系，但其在开展因子分析后并未对江苏省创新指标的各公因子得分表现作进一步的分析。因此，本研究从产学研三方角度选取指标，构建区域技术创新能力评价指标体系，对江苏省的技术创新能力进行评价与分析，以期更直观地判断江苏省技术创新各方面的能力。

2 评价指标体系构建与数据样本选择

要客观和科学地衡量区域技术创新能力，首先必须考虑到区域技术创新的投入与产出［16］，其次不能忽视影响技术创新长期发展的环境基础，因此，本研究从技术投入、技术产出和技术发展环境3 个方面选取指标构建区域创新能力评价指标体系。综合已有研究，考虑到数据的可获得性和可操作性，本研究选取了24 个指标（见表1）。其中，技术投入、产出和发展环境指标选取均涉及到了企业、高校、研发机构三方，有利于后续结合产学研发展状况对江苏省技术创新能力进行分析；发展环境指标还包括教育和经济两大方面，反映了技术创新能力的持续发展水平。此外，为了客观判断江苏省技术创新能力在全国范围所处的水平，本研究选取了我国31个省、自治区、直辖市作为样本进行横向比较，进一步找出与他省相比，江苏省技术创新方面的优点与不足。

表1 江苏省技术创新能力评价指标体系

本研究中，各指标的原始数据均来自《中国科技统计年鉴2019》与《中国统计年鉴2019》。

3 因子分析

技术创新能力是一种综合能力，没有一个特定的指标来衡量其高低，因此学者们构建相关指标体系来对之进行综合判断。由于多变量之间存在千丝万缕的关系，且变量表现出的数值也不都处于同一维度，难以进行直接比较，因此本研究采用因子分析法来将诸多变量归结为几个蕴含大部分信息量的公共因子，以此实现降维，并通过匹配相应的权重计算出公共因子的得分，由此实现对技术创新能力进行客观、科学的定量评价。

3.1 KMO 检验和巴特利特球形检验

运用SPSS24.0 软件对经标准化处理后的原始数据进行KMO 检验和巴特利特球形检验，检验结果如表2 所示。从表2 可以看出，取样足够多的KMO 度量值为0.724（大于0.7），巴特利特球形检验的显著水平Sig.为0.000，都表明本研究的变量之间存在相关性，即本文构建的指标评价体系适合做因子分析。

表2 江苏省技术创新能力评价指标的KMO 检验和巴特利特球形检验结果

3.2 公因子提取

本研究采用主成分分析法提取变量的公因子方差，结果如表3 所示，其中仅有2 个指标的提取度较低，分别为0.791，0.687，其余22 个指标提取公因子损失的信息量都在20%以下，这表明所提取的公因子能够很好地代表所有指标，因子分析效果较好。

表3 江苏省技术创新能力评价指标的公因子方差

根据特征值大于1 的原则提取公因子，得到总方差解释情况如表4 所示，可以看出共可提取出3个因子，其方差贡献率分别为67.781%、18.470%、6.309%，累计方差贡献率达到92.560%，意味着信息的损失量很小。进一步结合因子分析碎石图（见图 1），可以清晰地看出从第4 个因子开始特征值明显较小，因而提取3 个因子是比较合适的。

表4 江苏省技术创新能力评价指标的公因子提取

图1 江苏省技术创新能力评价因子分析碎石分布

3.3 旋转成分矩阵及公因子命名

为了更直观地解释以上提炼出来的公因子，采用最大方差法对因子进行旋转，得到旋转后的成分矩阵如表5 所示。从表5 中可以很明显地看出：

表5 江苏省技术创新能力评价指标主成分矩阵

表5（续）

（1）因子F1主要在R&D 人员全时当量、专利申请量、专利授权量、R&D 经费外部支出、地方生产总值、地方财政教育支出、地方财政科学技术支出等反映产学研三方总体技术创新水平的指标，以及新产品开发经费支出、规模以上工业企业新产品销售总额、高科技产业企业数、高技术产业利润额、高技术产品出口贸易额、规模以上工业企业R&D 经费内部支出、有R&D 活动的规模以上企业数等反映以企业为创新主体的技术创新水平指标上有较大的载荷，说明因子F1主要突出体现了企业在区域创新体系中的重要作用，因此将该因子命名为企业创新能力因子。

（2）因子F2主要在人均地区生产总值、研究与开发机构数、研究与开发机构R&D 经费内部支出、研究与开发机构发表科技论文数、研究与开发机构发表科技著作数、高等学校R&D 经费内部支出、高等学校发表科技论文数、高等学校发表科技著作数等指标上载荷较大，主要反映了高校与科研机构两方的区域创新能力，这也正是产学研中的“学”与“研”两大块，因此将此因子命名为学研方创新能力因子。

（3）因子F3在高等学校数、高等学校专任教师数上有很高的载荷，还可以发现，F3在地方财政教育支出这个指标上的载荷也较大，为0.652，显见，F3主要反映了区域的教育水平，因此将此因子命名为教育环境影响因子。

4 江苏省技术创新能力评价及分析

4.1 因子得分计算

根据表5 因子得分系数矩阵以及样本原始数据，可以得到3 个单项公因子的得分函数。记3 个因子的成分得分系数分别为αi、βi、γi（其中i为不同的指标，i=1～24），Xij为各指标标准化后的样本值（其中j为不同的地区，j=1～31），则各地区各因子得分函数可以表示为：F1j=∑αiXij，F2j=∑βiXij，F3j=∑γiXij。这里我们直接运用SPSS 软件计算出单项因子F1、F2、F3得分，以旋转后各公因子的方差贡献率占累积方差贡献率的比例确定各公因子的权重，得出综合得分的计算公式为：F综合=(0.512 13×F1+0.258 37×F2+0.155 10×F3)/0.925 60。在此基础上，代入单项因子得分结果，计算得出样本各地区技术创新能力综合得分。最后根据各项得分，对各样本地区在企业创新能力、学研方创新能力和教育环境3 个方面以及总的创新能力进行排名，结果如表6 所示。

表6 样本地区技术创新能力评价结果

表6（续）

4.2 评价结果分析

本研究构建的区域技术创新能力评价指标体系，涵盖了企业创新、学研方创新以及教育环境3 个方面，能够全面、有效地对区域技术创新能力进行评价。其中，企业创新所占权重为0.553，说明企业的创新能力对区域技术创新能力起着决定性的作用；学研方创新所占权重为0.279，说明学校和科研机构的创新能力对区域技术创新能力有着至关重要的作用；教育环境所占权重为0.168，说明教育环境对区域技术创新能力影响较小。

从技术创新综合得分来看，不同地区的技术创新能力差异巨大，突出表现为个别省份得分显著高于其他省份。其中，有20 个省份的得分低于全样本平均值，而得分最高的广东省、江苏省和上海市的得分分别达到2.248 8 分、1.528 0 分和0.974 8 分，可以看出，江苏省的整体技术创新能力居国内领先水平，但与广东省仍有较大差距。另外可以发现，长三角3 省1 市的技术创新能力都处于国内较高水平，这得益于长三角区域一体化发展战略的实施。江苏省位于长三角这一极具创新活力的地区，通过推动构建区域创新共同体，有望进一步激发江苏省的创新潜能。

企业创新因子方面，不同地区差距悬殊。其中，广东省以4.083 6 的得分遥遥领先于其他省份，江苏省排名第二，得分为2.367 5 分，说明江苏省的企业创新能力处于国内较高水平。企业是将科研成果转化为市场价值的主要推动者，是科技创新的主体，理想的区域创新系统是以企业为创新主体，促进技术转移与创新能力提升，因而企业创新因子对区域技术创新能力起着决定性的作用。江苏省企业创新整体运行情况良好，2018 年，全省有R&D 活动的规模以上企业数居全国第一；江苏省以企业为主体的创新投入和产出方面表现也很突出，均位于全国前3 名。但是从总体来看，江苏省与广东省的技术创新能力差距主要来源于企业创新方面的表现，国内许多大型上市公司如华为技术有限公司、广汽集团的总部都位于广东省，这些企业有着巨大的研究创新能力；相对而言，江苏省这类超大规模的企业较少，这是其企业创新方面的主要劣势。

学研方创新因子方面，江苏省排名较为靠后，得分仅为0.160 7 分，说明江苏省的高校和科研机构方面的创新水平较低。高校与科研机构在产学研深度融合的创新体系中发挥着创新知识源的作用，是科研成果的主要来源，为企业以及整个创新体系提供大量的高端人才和前沿科技与先进知识。考察原因发现，江苏省的高校科技创新投入和产出都处于国内较高水平，但研发机构的创新能力表现不佳，全省有研发机构130 家，国内排名第7 位，研发机构的内部支出和产出水平都较低。北京是我国的首都，高校聚集，研发机构的投入产出都处于国内最高水平，而上海市作为国内发达城市，其研发力量仅次于北京市，这两市的学研方创新因子排名第1、2 位；除上述两地区外，四川省、陕西省和湖北省的学研方创新排名也高于江苏省，但这3 个省份创新能力的其他方面表现欠佳。可见，江苏省未抓好创新源头，学研方技术创新能力与整体技术创新能力尚不匹配，还有很大的进步空间。

教育环境因子方面，江苏省排名仅为第7 位。教育水平直接影响创新人才的产出，间接影响未来区域的创新能力，因此这一因子对区域技术创新能力发展同样具有重要的作用。实际上，江苏省是国内教育大省，其高等学校数和专任教师数都居于全国第一，而江苏省的这个因子得分排名较低，并不是说江苏省的教育环境不佳，而是因为教育环境对整体技术创新能力影响是间接地通过影响其他指标而产生的，直接效果有限，但是却不可忽视。

5 结论与展望

本研究在总结以往研究的基础上，从技术投入、技术产出和技术发展环境3 个方面构建区域技术创新能力评价指标体系，运用因子分析法对我国31 个省份的技术创新能力进行评价，提取了3 个公因子，其中企业创新因子对技术创新能力影响最为显著，其次是学研方技术创新因子，教育环境因子也有一定的影响；同时结合评分结果，对江苏省的技术创新能力进行分析，发现江苏省整体创新能力居于国内领先水平，企业创新能力水平比较高，但学研方创新因子和教育环境因子相对而言表现较差。因此，江苏省要提升整体技术创新能力，需要依托长三角一体化战略的实施构建创新共同体，着力提升学研方的创新能力，尤其是研发机构的投入产出水平，同时要继续维持高水平的企业创新能力和优越的教育环境。

由于考虑到数据的可得性及其繁杂程度，本研究仅采用了产学研三方细分个别指标，还有许多指标都是总体指标，因此在未来的研究中可以考虑构建更加完善、细致的评价指标体系，得出更加精准的，基于企业、学校、研发机构三方的区域技术创新能力评价结果。