摘要：中國(guó)東部地區(qū)的科技財(cái)力投入和高新技術(shù)產(chǎn)出水平省際差距都比較大，幾乎所有中、西部省份的科技財(cái)力投入和高新技術(shù)產(chǎn)出都低于全國(guó)平均水平，科技財(cái)力投入水平與高新技術(shù)產(chǎn)出水平密切相關(guān)；科技人力投入水平與區(qū)域經(jīng)濟(jì)發(fā)展水平密切相關(guān)，三大經(jīng)濟(jì)區(qū)域的科技人力投入呈現(xiàn)明顯的梯度變化態(tài)勢(shì)。

關(guān)鍵詞：經(jīng)濟(jì)區(qū)域；科技實(shí)力；因子分析

中圖分類號(hào)：C812；C832.1/.7文獻(xiàn)標(biāo)志碼：Ａ文章編號(hào)：１６７３－２９１Ｘ（２００８）16－０124－03

1引言

當(dāng)前，我們正處于一個(gè)經(jīng)濟(jì)、科技、教育日益全球化的時(shí)代，各國(guó)之間綜合國(guó)力的競(jìng)爭(zhēng)，歸根到底就是經(jīng)濟(jì)與科技實(shí)力的競(jìng)爭(zhēng)，而經(jīng)濟(jì)實(shí)力很大程度上是由科技實(shí)力決定的。因此，每個(gè)國(guó)家科技實(shí)力的水平及其發(fā)展?fàn)顩r，將決定它在世界格局中的地位和發(fā)展?jié)摿Α?duì)一個(gè)地區(qū)而言，科學(xué)技術(shù)不僅對(duì)地方綜合實(shí)力及其變化起著十分重要的作用，而且科學(xué)技術(shù)本身的構(gòu)成和水平，也正是地方綜合實(shí)力的重要組成部分。本文對(duì)科技實(shí)力的分析與評(píng)價(jià)問題進(jìn)行初步探討，構(gòu)建了區(qū)域科技實(shí)力綜合評(píng)估體系，并采用因子分析方法，分別對(duì)中國(guó)三大經(jīng)濟(jì)區(qū)域的科技實(shí)力水平進(jìn)行綜合測(cè)定和評(píng)估。

2數(shù)據(jù)采集

為全面反映三大經(jīng)濟(jì)區(qū)域的科技實(shí)力，兼顧數(shù)據(jù)的易收集性，本文以2007年《中國(guó)主要科技指標(biāo)數(shù)據(jù)庫》為依據(jù)，按照科技投入與產(chǎn)出，分設(shè)人力投入、財(cái)力投入、創(chuàng)新能力和高科技產(chǎn)出四個(gè)方面，共23個(gè)評(píng)價(jià)指標(biāo)（如下表1所示）。

考慮到實(shí)際數(shù)據(jù)的限制，本次研究不涉及西藏、青海、香港、澳門和臺(tái)灣5個(gè)地區(qū)，所以，最終數(shù)據(jù)采集有效對(duì)象為其余29個(gè)省級(jí)地區(qū)。

3分析方法

由于科技系統(tǒng)本身的復(fù)雜性、科技指標(biāo)的不完整性等原因，使得國(guó)內(nèi)外現(xiàn)在并沒有統(tǒng)一的科技實(shí)力評(píng)價(jià)方法。通過對(duì)國(guó)內(nèi)外已有的科技實(shí)力的評(píng)價(jià)方法進(jìn)行歸納總結(jié)，本文提出了應(yīng)用因子分析方法評(píng)價(jià)科技實(shí)力的設(shè)想，具體步驟如下：

（1）確定待分析的原有若干變量是否適合于因子分析。最簡(jiǎn)單的方法就是計(jì)算變量之間的相關(guān)系數(shù)矩陣。如果相關(guān)系數(shù)矩陣在進(jìn)行統(tǒng)計(jì)檢驗(yàn)中，大部分相關(guān)系數(shù)都小于0.3并且未通過統(tǒng)計(jì)檢驗(yàn)，那么這些變量就不適合進(jìn)行因子分析。此外，SPSS在因子分析過程中還提供了幾種檢驗(yàn)方法來判斷變量是否適于因子分析。主要的統(tǒng)計(jì)檢驗(yàn)方法有如下幾種：巴特利特球形檢驗(yàn)、KMO檢驗(yàn)和反映像相關(guān)矩陣檢驗(yàn)。本文主要采用相關(guān)系數(shù)矩陣、Bartlett球度檢驗(yàn)和KMO檢驗(yàn)三種方法。

（2）構(gòu)造因子變量。因子分析中有多種確定因子變量的方法，如基于主成分模型的主成分分析法和基于因子分析模型的主軸因子法、極大似然法、最小二乘法等。其中基于主成分模型的主成分分析法是使用最多的因子分析方法之一，故本文也采用主成分分析法。

（3）利用旋轉(zhuǎn)使得因子變量更具有可解釋性。常用的旋轉(zhuǎn)方法有正交旋轉(zhuǎn)、斜交旋轉(zhuǎn)、方差極大法，其中最常用的是方差極大法，故本文也采用方差極大法。

（4）計(jì)算因子變量的得分。計(jì)算因子得分首先將因子變量表示為原有變量的線性組合，即：

估計(jì)因子得分的方法有回歸法、Bartlette法、Anderson-Rubin法等，本文選用回歸法。

4分析結(jié)果及討論

4.1相關(guān)分析

因子分析是從眾多的原始變量中構(gòu)造出少數(shù)幾個(gè)具有代表意義的因子變量，這里面有一個(gè)潛在的要求，即原有變量之間要具有比較強(qiáng)的相關(guān)性。如果原有變量之間不存在較前的相關(guān)關(guān)系，那么就無法從中綜合出能反映某些變量共同特性的少數(shù)公共因子變量來。因此，在因子分析之前，需要對(duì)原有變量作相關(guān)分析。

（1）相關(guān)系數(shù)矩陣

根據(jù)SPSS軟件得到23個(gè)指標(biāo)之間的相關(guān)系數(shù)矩陣，其中，除了變量19、20、23分別與變量3、7、9的相關(guān)系數(shù)比較小（低于0.3），其他的相關(guān)系數(shù)值大多高于0.6；因此，沒有理由認(rèn)為這些變量不適合進(jìn)行因子分析，相反，各指標(biāo)之間存在較強(qiáng)的相關(guān)性，可以嘗試進(jìn)行因子分析。

（2）KMO檢驗(yàn)和Bartlett球度檢驗(yàn)

根據(jù)SPSS軟件得到KMO和Bartlett球度檢驗(yàn)結(jié)果，檢驗(yàn)結(jié)果表明，KMO值為0.706，根據(jù)統(tǒng)計(jì)學(xué)家Kaiser給出的標(biāo)準(zhǔn)，KMO值大于0.7，不能否定因子分析的可行性；同時(shí)，巴特利特（Bartlett）球形檢驗(yàn)給出的相伴概率小于0.0005，更小于顯著性水平0.05。因此，應(yīng)該拒絕零假設(shè)，認(rèn)為相關(guān)系數(shù)數(shù)據(jù)不可能是單位陣，即原始變量之間存在相關(guān)性，適合于作因子分析。

4.2因子分析

（1）選取因子變量

根據(jù)SPSS軟件可以得到各因子變量的方差貢獻(xiàn)（特征值）及累計(jì)方差貢獻(xiàn)率，筆者截取了排在前5名的主成分?jǐn)?shù)據(jù)，其中，只有前三項(xiàng)（Y1、Y2、Y3）因子變量的特征值大于1；而且，其累計(jì)方差貢獻(xiàn)率達(dá)89.792%（大于85%），旋轉(zhuǎn)后的累積方差貢獻(xiàn)率也沒有提高。所以，選擇前三個(gè)因子變量作為公共因子是可行的。其中，第一個(gè)因子主要解釋了科技財(cái)力投入水平和技術(shù)創(chuàng)新能力兩個(gè)方面；第二個(gè)因子主要解釋了政府科技財(cái)力投入水平和高新技術(shù)產(chǎn)業(yè)化水平兩個(gè)方面；第三個(gè)因子主要解釋了科技人力投入水平。

（2）計(jì)算因子得分

根據(jù)SPSS軟件得到因子得分矩陣，其中，有一些地區(qū)得分為負(fù)數(shù)，但這并不代表地區(qū)的科技實(shí)力為負(fù)，這里的正負(fù)僅表示該地區(qū)科技實(shí)力與平均水平的位置關(guān)系。把地區(qū)科技實(shí)力的平均水平算作零點(diǎn)，這是在整個(gè)過程中將數(shù)據(jù)標(biāo)準(zhǔn)化的結(jié)果，因此不會(huì)影響可比性。

4.3列聯(lián)表分析

根據(jù)因子得分矩陣來判斷各地區(qū)的科技實(shí)力水平還是不太直觀，可以嘗試分別對(duì)各個(gè)公因子的得分值按取值大小進(jìn)行分類，并做出分類后的因子得分與三大經(jīng)濟(jì)區(qū)域的列聯(lián)表。筆者按FacN_1>=0.5，0.5>FacN_1>=0，0>FacN_1>=-0.5，-0.5>FacN_1（N=1，2，3）把各個(gè)因子得分分成四類，并生成列聯(lián)表。

（1）第一因子分析

根據(jù)SPSS軟件得到第一因子得分的列聯(lián)表（如下表2所示）。

由此表可以清楚地看到：首先，全國(guó)科技財(cái)力投入水平普遍比較低，區(qū)域差距較大。在29個(gè)省份中，得分超過平均水平的只有5個(gè)省份，其中有4個(gè)屬于東部地區(qū)。其次，東部地區(qū)內(nèi)的科技財(cái)力投入差距也比較大。在11個(gè)省份中，因子得分超過平均水平的只有4個(gè)，科技財(cái)力投入水平?jīng)]有顯著規(guī)律。最后，中、西部地區(qū)的科技財(cái)力投入普遍較少。8個(gè)中部省份在第一因子上的得分都小于零；10個(gè)西部省份，除陜西（0.82）外，其余9個(gè)省份在第一因子上的得分也都小于零。這表明，幾乎所有中、西部省份的科技財(cái)力投入都低于全國(guó)平均水平。

（2）第二因子分析

根據(jù)SPSS軟件得到第二因子得分的列聯(lián)表（如下頁表3所示）。

由此表可以看出：首先，全國(guó)高新技術(shù)產(chǎn)出水平普遍比較低，區(qū)域差距較大。在29個(gè)省份中，因子得分超過平均水平的6個(gè)省份都屬于東部地區(qū)。其次，東部地區(qū)內(nèi)的高新技術(shù)產(chǎn)出水平差距也比較大。在11個(gè)省份中，得分超過平均水平的只有5個(gè)，高新技術(shù)產(chǎn)出水平?jīng)]有顯著規(guī)律。最后，中、西部地區(qū)的高新技術(shù)產(chǎn)出水平普遍比較低。中西部地區(qū)18個(gè)省份的得分都小于零，表明中西部地區(qū)的高新技術(shù)產(chǎn)出水平都低于全國(guó)平均標(biāo)準(zhǔn)。與第一因子分析結(jié)果對(duì)比，我們可以發(fā)現(xiàn)：第一二因子分析結(jié)果具有較強(qiáng)的關(guān)聯(lián)性，這表明科技財(cái)力投入水平與高新技術(shù)產(chǎn)出水平密切相關(guān)。

（3）第三因子分析

根據(jù)SPSS軟件得到第三因子得分的列聯(lián)表（如下表4所示）。

由此表可以看出，首先，全國(guó)科技人力投入總體水平欠佳，區(qū)域差距比較大。因子得分超過零的省份有12個(gè)，其中11個(gè)屬于東部和中部地區(qū)。其次，東部地區(qū)科技人力投入水平相對(duì)較高。在11個(gè)省份中，得分超過平均水平的有7個(gè)。再次，中部地區(qū)科技人力投入水平規(guī)律不明顯。在8個(gè)省份中，只有4個(gè)省份的得分超過零。最后，西部地區(qū)科技人力投入水平普遍很低。在10個(gè)省份中，有9個(gè)的得分低于零，其中7個(gè)低于-0.5。由此可見，三大經(jīng)濟(jì)區(qū)域的科技人力投入呈現(xiàn)明顯的階梯變化趨勢(shì)，這與各地區(qū)的經(jīng)濟(jì)發(fā)展梯度變化趨勢(shì)具有較強(qiáng)的相似性，表明科技人力投入與區(qū)域經(jīng)濟(jì)發(fā)展密切相關(guān)。