馬艷艷 郭金 張凱琳

摘要：科技創(chuàng)新能力對區(qū)域經濟發(fā)展至關重要。對近年來經濟增長勢頭明顯下滑的東北地區(qū)而言，區(qū)域創(chuàng)新能力的提升有助于東北老工業(yè)基地振興戰(zhàn)略和區(qū)域經濟復蘇的實現。使用全局主成分分析法和因子分析，對2005～2014年東北地區(qū)8項創(chuàng)新能力指標組成的面板數據建立區(qū)域創(chuàng)新能力評價體系并進行動態(tài)評價。研究結果表明，在樣本期間，東北地區(qū)區(qū)域創(chuàng)新能力總體呈上升趨勢，綜合排序為遼寧省、黑龍江省、吉林省，遼寧省在公共創(chuàng)新和企業(yè)創(chuàng)新方面均有明顯優(yōu)勢，但東北地區(qū)仍存在企業(yè)創(chuàng)新缺乏后勁和省份間差距擴大等問題。最后提出了相應的對策建議。

關鍵詞：東北地區(qū);區(qū)域創(chuàng)新能力;全局主成分分析;因子分析

中圖分類號：F061.5? ? ? ? ? ? ? ?文獻標識碼：A? ? ? ? ? ? ? ? DOI：10.3969/j.issn.1003-8256.2018.06.003

0? ? 引言

自2003年老工業(yè)基地振興戰(zhàn)略實施以來，東北振興取得較大進展。但近幾年來，東北地區(qū)的經濟增速明顯放緩，甚至出現負增長，呈現出“區(qū)域性塌陷”態(tài)勢。導致東北地區(qū)經濟增速下滑的原因復雜，既包括宏觀經濟結構因素，也包括微觀產業(yè)結構因素。黨的十九大明確提出，深化改革，加快東北等老工業(yè)基地的振興進程，是構成我國新時代區(qū)域協(xié)調發(fā)展戰(zhàn)略的重要組成部分。老工業(yè)基地振興必須依靠科技創(chuàng)新作為重要的助推器。創(chuàng)新能力作為促進區(qū)域經濟增長、影響區(qū)域經濟競爭的重要因素，是衡量區(qū)域科技創(chuàng)新實力和發(fā)展?jié)摿Φ闹匾叨萚1]。因此，客觀、科學地對東北地區(qū)創(chuàng)新能力進行評價并分析其變化趨勢，對于東北地區(qū)區(qū)域創(chuàng)新體系建設具有重要的現實意義。

1? ? ?文獻回顧

在眾多對于創(chuàng)新概念的解釋或理解中，1912年美籍奧地利經濟學家熊彼特（Joseph A·Schumpeter）[2]提出的創(chuàng)新理論是對后來的研究影響最為深遠的。根據熊彼特的觀點，創(chuàng)新的含義是把之前沒有出現過的生產要素和生產條件的組合引入生產體系，形成一個全新的生產函數，從而產生新的生產力。

首先出現的是國家創(chuàng)新的概念。1987年，英國經濟學家弗里曼（Christopher Freeman）[3]提出國家創(chuàng)新體系概念并應用于分析日本經濟問題，現在已經成為國家創(chuàng)新能力、國家競爭力的重要研究框架;1993年，美國經濟學家尼爾森（Richard R·Nelson）[4]在《國家創(chuàng)新體系：比較分析》中分析了17個國家的創(chuàng)新體系以及各國之間的相似性和差異性;世界經濟合作與發(fā)展組織（OECD）在1997年的《國家創(chuàng)新系統(tǒng)》報告中將國家創(chuàng)新系統(tǒng)描述為“由公共部門和私人部門的各種機構組成的網絡，其行為以及相互作用影響一個國家知識技術的擴散能力，進而決定國家的創(chuàng)新績效”[5]。

隨著對國家創(chuàng)新系統(tǒng)的研究日益成熟，在區(qū)域經濟日益發(fā)展活躍的時代背景下，國內外學者意識到區(qū)域經濟的重要性，“區(qū)域”也開始和“國家”一樣成為有代表性的經濟利益體。對于區(qū)域創(chuàng)新能力的基本內涵，國內外暫時沒有形成明確統(tǒng)一的概念。英國卡迪夫大學庫克（Philip Cooke）[6]于1992年在《區(qū)域創(chuàng)新系統(tǒng)：全球化背景下區(qū)域政府管理的作用》一書中首先提出了區(qū)域創(chuàng)新系統(tǒng)，從系統(tǒng)構成的角度對區(qū)域創(chuàng)新系統(tǒng)的概念作了十分詳細的界定。在我國，中國科技發(fā)展戰(zhàn)略小組的研究在此方面具有一定權威性，他們認為區(qū)域創(chuàng)新能力是指一個地區(qū)將知識轉化為新產品、新工藝、新服務的能力，表現為對區(qū)域社會經濟系統(tǒng)的貢獻能力，他們還將區(qū)域創(chuàng)新能力劃分為知識創(chuàng)造能力、知識流動能力、企業(yè)創(chuàng)新能力、創(chuàng)新環(huán)境和創(chuàng)新績效五個決定要素[7];任勝鋼等[8]對區(qū)域創(chuàng)新能力的定義是：某一特定區(qū)域的各個創(chuàng)新主體在一定創(chuàng)新環(huán)境條件下，創(chuàng)新投入與產出的水平;范柏乃等[9]認為區(qū)域經濟產出能力是區(qū)域創(chuàng)新能力的重點，促進經濟增長和提高區(qū)域綜合競爭力是提升區(qū)域創(chuàng)新能力的推動力。

國內諸多學者從不同角度、運用不同分析方法構建了區(qū)域創(chuàng)新能力評價體系。魏闕等[10]采用層次分析法及綜合評價法對吉林省“十一五”及“十二五”期間區(qū)域創(chuàng)新能力進行量化分析;曾春媛等[11]利用因子分析法對八大經濟區(qū)進行綜合評價并對構成要素進行橫向比較，然后對其2005～2012年的創(chuàng)新能力進行縱向分析;傅為忠等[12]提出了一種基于網絡層次分析法和灰色關聯分析法相結合的區(qū)域創(chuàng)新能力評價指標權重計算方法;王香花等[13]采用主基底變量篩選和個性綜合評價對2013年我國30個省市和13個評價指標進行了分析;徐林明等[14]利用基于Borda法的動態(tài)組合評價方法構建區(qū)域協(xié)同創(chuàng)新能力評價指標體系，對2009～2013年期間東部地區(qū)區(qū)域協(xié)同創(chuàng)新能力進行動態(tài)組合評價;李美娟等[15]提出基于灰靶理論的動態(tài)評價方法，構建區(qū)域協(xié)同創(chuàng)新能力評價指標體系，對2009～2013年期間中國省域協(xié)同創(chuàng)新能力整體和分項能力情況進行了研究;李慶軍等[16]利用因子分析法結合2015年山東省統(tǒng)計年鑒和山東省科技統(tǒng)計年鑒的相關數據，對山東省17市的創(chuàng)新能力進行了評價與分析;李興光等[17]以中國科技發(fā)展戰(zhàn)略小組編寫的系列研究報告《中國區(qū)域創(chuàng)新能力報告（2009—2016）》為基礎，參照區(qū)域創(chuàng)新能力的各項評價指標，對京津冀區(qū)域創(chuàng)新能力動態(tài)變化進行定性分析。

綜上所述，以往研究大部分著眼于某省內部地市創(chuàng)新能力的評價或大地理區(qū)域之間的對比分析，而從一個地理區(qū)域內的不同省份之間對比分析角度進行的研究較少，針對東北地區(qū)的研究就更少;另一方面，許多研究僅僅分析某時間節(jié)點的創(chuàng)新能力狀況，并不能反映區(qū)域創(chuàng)新能力的發(fā)展變化情況，而在動態(tài)評價方面仍然缺少權威客觀并具有一定普遍適用性的研究方法。本文的主要創(chuàng)新點包括：第一，使用可搜集到的最新10年數據對東北三省創(chuàng)新能力相對水平進行了對比分析;第二，本文率先將客觀確定指標權重、適用于動態(tài)變化分析的全局主成分分析法應用于區(qū)域創(chuàng)新能力評價研究中;第三，本文進一步利用旋轉后的因子載荷矩陣對不同主成分所反映的創(chuàng)新能力不同方面進行了展開分析，比之前研究中較為籠統(tǒng)的區(qū)域創(chuàng)新綜合能力更細化，對于區(qū)域創(chuàng)新能力的提升更具有針對性和現實參考價值。

2? ? 東北地區(qū)區(qū)域創(chuàng)新能力評價模型的構建

2.1? ? 指標選取

區(qū)域創(chuàng)新能力評價需要一套較好的指標。中國科技發(fā)展戰(zhàn)略研究小組在召開了近十次不同專家組成的學術會議、聽取了許多專家的意見后形成的區(qū)域創(chuàng)新能力評價框架具有一定的權威性和完善性。這個框架綜合考慮了區(qū)域創(chuàng)新體系建設情況、區(qū)域科技創(chuàng)新的鏈條建設、創(chuàng)新環(huán)境和績效的重要性，以及兼顧存量和增量四個原則[18]。因此，本文在選取指標的過程中，主要參考了該小組在《中國區(qū)域創(chuàng)新能力報告》中給出的指標體系，兼顧數據的完整性、連續(xù)性和指標的代表性，最終確定四類（知識創(chuàng)造、知識獲取、企業(yè)創(chuàng)新、創(chuàng)新績效）8個指標（見表1）。

2.2? ? 研究方法

2.2.1 經典主成分分析

主成分分析的思想是將多指標數據降維，使得在研究復雜問題時更容易抓住主要矛盾，簡化問題。通過對根據樣本數據得出的原始變量相關系數矩陣或協(xié)方差矩陣內部結構關系的處理，在保留原始變量主要信息的前提下利用原始變量的線性組合形成幾個線性無關的人造指標，即主成分。每一個主成分都是原始指標的線性組合，每個主成分也根據其方差貢獻率確定自身在最終的綜合得分中的權重，最終得到原始指標在綜合得分模型中的系數。

2.2.2 全局主成分分析

經典的主成分分析法往往只能用于截面數據的處理，不適合動態(tài)分析。隨著社會各項統(tǒng)計數據的逐漸積累完善，產生了大量有時間順序的截面數據組，即時序立體數據表或面板數據。肖澤磊等[19]在進行面板數據聚類分析前采用主成分分析對多指標面板數據進行了降維處理，但在每一時間上單獨進行主成分分析導致不同的數據表有完全不同的主超平面，不能滿足系統(tǒng)分析的統(tǒng)一性要求[20]。因此，本文對時序立體數據表進行全局主成分分析，可以用來了解系統(tǒng)的總體水平隨時間的變化軌跡，這種方法是經典的主成分分析法和時間序列分析法的結合[21]，具體過程如下：

（1）建立時序立體數據表

若研究個地區(qū)，分別使用相同的個經濟指標來描述，則在t年度就有一張行列的數據表：。每年一張表，年共有張數據表，這就是時序立體數據表。然后，將張數據表從上到下排列構成一個行，列的大矩陣，將這個矩陣定義為全局數據表，記為：

（2）將數據進行標準化處理

為了消除量綱和數量級的影響，需要對原始數據進行標準化處理，本文選擇的是Z標準化方法，該方法是多變量綜合分析中使用最多的一種。本文將標準后的數據表記為Z。

處理后各變量的平均值為0，標準差為1。

（3）對標準化陣Z求相關系數矩陣

定義全局時序數據表的重心：

其中是年度樣本點的權重，且滿足：

由于權重不隨時間所改變，故全局重心與各表重心的平均相等。定義全局變量為：

則全局方差為：

全局協(xié)方差為：

由此得到全局協(xié)方差矩陣：

，由于數據已經標準化處理，所以協(xié)方差矩陣即為相關系數矩陣。

（4）求特征根，確定主成分的個數

解相關系數矩陣的特征方程=0共得到個特征根，其中值由累計方差貢獻率 ≥85%或決定。再求出對應的特征向量，，…，，稱為全局主軸。

（5）計算主成分

是第個地區(qū)第個主成分的計算公式。

（6）利用個主成分進行綜合評價

對個主成分的計算結果進行加權求和，權數為每個主成分的方差貢獻率，即可得到最終的綜合得分評價值。

2.3? ? 模型構建與應用

本文從國家統(tǒng)計局網站和《中國區(qū)域創(chuàng)新能力評價報告》中獲得2005～2014年東北三省創(chuàng)新能力相關指標共240個數據，將數據導入SPSS軟件，在經過標準化處理后，進行全局主成分分析，結果如表2所示。

表2中第一列為8個成分;第二列為對應的特征值，表示所貢獻的方差大小;第三列為對應的成分所貢獻的方差占總方差的百分比;第四列為累計百分比。本文選擇特征值大于1的前兩個成分作為主成分，二者合計能夠解釋84.932%的方差，可以認為包含了絕大部分原始信息，其余成分包含的信息較少，故舍棄。

表3中的數值叫載荷數，為變量與主成分之間的相關系數，絕對值越大，說明關系越密切?？梢钥闯觯谝恢鞒煞峙c政府研發(fā)投入、研究與實驗發(fā)展全時人員當量、發(fā)明專利授權數、技術市場交易金額（按流向）、人均GDP、規(guī)模以上工業(yè)企業(yè)技術改造經費支出、規(guī)模以上工業(yè)企業(yè)R&D人員數等指標均具有很強的正相關性，與高技術企業(yè)數具有輕微的負相關性。而第二主成分與高技術企業(yè)數存之間在顯著的正相關性，與規(guī)模以上工業(yè)企業(yè)技術改造經費支出、規(guī)模以上工業(yè)企業(yè)R&D人員數存在中等的正相關性，與發(fā)明專利授權數、技術市場交易金額（按流向）、人均GDP水平、政府研發(fā)投入之間存在負相關性。這里得到的結果不能十分清晰地反映出不同主成分所代表的具體含義，因此還需要進行因子分析，以此獲得旋轉后的載荷矩陣。

計算表3中的載荷數除以表2中第2列對應的特征值的平方根可得到指標在不同主成分線性組合中的系數。按此方法，基于表2和表3的數據，分別計算出各指標在兩個主成分線性組合中的系數，結果見表4。兩個主成分的最終表達式為：

表2中主成分的方差百分比表示各主成分方差貢獻率，方差貢獻率越大則該主成分越重要。因此，方差貢獻率可以作為不同主成分的權重。本文以這兩個主成分方差貢獻率為權重，對指標在這兩個主成分線性組合中的系數做加權平均，并進行歸一化處理，結果見表4。

由此得到綜合得分模型為：

接下來，本文繼續(xù)對樣本數據進行因子分析以獲得旋轉后的載荷矩陣。值得注意的是，主成分值與因子值不可混淆，本文使用旋轉后因子載荷陣，是為了獲得主成分的含義更清晰的解釋進而命名主成分，沒有用到因子值，因此沒有混淆主成分分析和因子分析[21]。

首先要對變量進行相關性檢驗。KMO（Kaiser-Meyer-Olkin）檢驗統(tǒng)計量是用于比較變量間簡單相關系數和偏相關系數的指標，KMO值接近1說明變量間的相關性越強，變量越適合作因子分析;所有變量間的簡單相關系數平方和越接近0，KMO值越接近于0說明變量間的相關性越弱，越不適合作因子分析。本文數據的輸出結果KMO值為0.71，適合進行因子分析。

表5中的數值為旋轉后主成分與原始變量之間的相關系數，絕對值越大，說明關系越密切。本文注意到，組件1與發(fā)明專利授權數、人均GDP水平、政府研發(fā)投入、技術市場交易金額按流向、研究與實驗發(fā)展全時人員當量等反映公共部門創(chuàng)新投入與產出的指標相關性較強，因此本文將組件1即第一主成分命名為“公共創(chuàng)新因子”;而組件2與高技術企業(yè)數、規(guī)模以上工業(yè)企業(yè)技術改造經費支出、規(guī)模以上工業(yè)企業(yè)R&D人員數等直接反映企業(yè)創(chuàng)新能力的指標相關性較強，所以本文將組件2即第二主成分命名為“企業(yè)創(chuàng)新因子”，兩個主成分的得分分別大致反映對應的創(chuàng)新能力水平，如表6所示。

3? ? 東北地區(qū)區(qū)域創(chuàng)新能力評價結果分析

從東北三省區(qū)域創(chuàng)新能力綜合得分情況來看，三個省份的得分高低按遼寧、黑龍江、吉林依次排列，遼寧省的綜合得分明顯高于其他兩省，這說明遼寧省的區(qū)域創(chuàng)新能力總體而言優(yōu)于黑龍江、吉林;三個省份在樣本末期的綜合得分均高于樣本初期，并且從折線圖中可以看出上升趨勢，這說明在樣本期間東北三省區(qū)域創(chuàng)新能力總體來說均有所提升;遼寧省的創(chuàng)新能力綜合得分從2005年（0.492）到2014年（1.943）增長了1.451分，吉林省的創(chuàng)新能力綜合得分從2005年（-1.227）到2014年（-0.203）增長了1.024分，黑龍江省的創(chuàng)新能力綜合得分從2005年（-1.054）到2014年（0.0500）增長了1.104分，總分最高的省份的增長數值也最多，這說明東北地區(qū)三省之間的區(qū)域創(chuàng)新能力差距在擴大。

第一主成分（公共創(chuàng)新因子）貢獻的方差百分比為63.355%，說明公共創(chuàng)新投入與產出情況對區(qū)域自主創(chuàng)新能力具有決定性作用。從東北三省在樣本期內的分數變化來看，其動態(tài)變化趨勢與綜合得分類似，遼寧省的第一主成分得分明顯高于其他兩省，這說明總體而言遼寧省的公共創(chuàng)新投入和產出情況優(yōu)于黑龍江、吉林;三個省份在樣本末期的綜合得分均高于樣本初期，并且從折線圖中可以看出上升趨勢，這說明在樣本期間東北三省公共創(chuàng)新能力總體來說均有所提升。

第二主成分（企業(yè)創(chuàng)新因子）貢獻的方差百分比為21.576%，說明企業(yè)創(chuàng)新能力是區(qū)域自主創(chuàng)新能力的一個重要方面。從得分變化來看，相對黑龍江和吉林兩省，遼寧省仍然有較為明顯的優(yōu)勢，黑龍江省和吉林省在樣本期間前兩年（2005～2006年）的得分幾乎相同，2007年黑龍江省的得分增加，吉林的得分則下降，此后二者的變化趨勢相似，但黑龍江省一直高于吉林省，這說明企業(yè)創(chuàng)新能力排序為遼寧省、黑龍江省、吉林省;三個省份除了在2006～2008年期間的企業(yè)創(chuàng)新因子得分都出現了一定程度的下降情況外，在其他年份則都基本保持增長趨勢，這說明東北地區(qū)企業(yè)創(chuàng)新能力在樣本期間有所增強，但2006～2008年期間可能存在一些干擾因素導致東北地區(qū)企業(yè)創(chuàng)新情況受到影響;此外，三個省份在樣本期最后兩年（2013～2014年）的企業(yè)創(chuàng)新因子得分各自基本持平，吉林省甚至出現了輕微的降低，這說明近年來東北地區(qū)企業(yè)創(chuàng)新缺乏進一步的增長活力。

4? ? 研究結論與對策建議

本文使用全局主成分分析法，利用近10年內東北地區(qū)8項創(chuàng)新能力指標240個數據建立了區(qū)域創(chuàng)新能力評價指標體系。實證研究結果表明：第一，總體而言遼寧省的區(qū)域創(chuàng)新能力在東北地區(qū)仍處于領先地位，之后依次是黑龍江省和吉林省。第二，在樣本期間，東北三省區(qū)域創(chuàng)新能力總體來說均有所提升，但三個省份之間的差距有所增加，其中公共創(chuàng)新投入與產出情況和企業(yè)創(chuàng)新能力均逐年向好。第三，在公共創(chuàng)新能力和企業(yè)創(chuàng)新能力方面遼寧省均好于其他兩省，但若單獨觀察樣本期末尾，三個省份的企業(yè)創(chuàng)新因子得分都未呈現出明顯的增長趨勢。

針對以上研究結論，特別是東北地區(qū)企業(yè)創(chuàng)新能力弱勢的問題，本文提出如下對策建議：第一，地方政府在政策制定的過程中強調企業(yè)提升創(chuàng)新能力的重要性，并注重完善各類有助于創(chuàng)新能力發(fā)展的制度體系，例如知識產權保護和高技術產品稅收優(yōu)惠，在深化國有企業(yè)改革方面下大力氣，進一步開放市場，給創(chuàng)新型小微企業(yè)釋放空間和發(fā)展活力。第二，加強產學研用協(xié)同創(chuàng)新進程，推動創(chuàng)新成果從高校、研究所向東北地區(qū)制造企業(yè)擴散。第三，鼓勵東北地區(qū)企業(yè)建立開放式全面創(chuàng)新管理體系，夯實內部組織創(chuàng)新基礎，提高持續(xù)創(chuàng)新能力。第四，東北三省應加強創(chuàng)新協(xié)同合作，形成開放互動、優(yōu)勢互補、高效運行的區(qū)域科技創(chuàng)新體系。

在經濟下行壓力持續(xù)加大和轉型發(fā)展需求迫切的時代背景下，東北三省傳統(tǒng)的投資驅動、資源驅動模式難以實現可持續(xù)發(fā)展，地區(qū)之間的分化趨勢開始顯現。東北地區(qū)應依靠現有工業(yè)基礎、資源稟賦和區(qū)位比較優(yōu)勢，對東北老工業(yè)基地進行改造升級，抓住有利時機，盡快培育形成新的主導產業(yè)和新的經濟增長點。

參考文獻：

[1] 劉鳳朝，潘雄鋒，施定國.基于集對分析法的區(qū)域自主創(chuàng)新能力評價研究[J].中國軟科學，2005（11）：83-91.

[2] 熊彼特.經濟發(fā)展理論[M].北京：商務印書館，1990.

[3] FREEMAN C. Technology policy and economic performance： lessons from Japan[M]. London： Pinter Publishers， 1987.

[4] NELSON R. National innovation systems： a comparative analysis[M]. Oxford University Press，1993.

[5] 成邦文.OECD的科技統(tǒng)計與科技指標[J].中國科技信息，2002（5）：18-22.

[6] COOKE P， HANS Joachim Brazyk， HEIDENREICH M. Regional innovation systems： the role of governance in the globalized world [M]. London： UCL Press，1996.

[7] 中國科技發(fā)展戰(zhàn)略研究小組.2002年中國區(qū)域創(chuàng)新能力評價[J].科學學與科學技術管理，2003（4）：5-11.

[8] 任勝鋼，彭建華.基于因子分析法的中國區(qū)域創(chuàng)新能力的評價及比較[J].系統(tǒng)工程，2007（2）：87-92.

[9] 范柏乃，陳玉龍，段忠賢.區(qū)域創(chuàng)新能力研究述評[J].自然辯證法通，2015，37（5）：95-102.

[10] 魏闕，戴磊.吉林省區(qū)域創(chuàng)新能力評價指標體系研究[J].科研管理，2015，36（增刊1）：22-28.

[11] 曾春媛，王錦，高楠，等.我國區(qū)域創(chuàng)新能力的評價及比較：基于八大經濟區(qū)的實證研究[J].科技管理研究，2015，35（10）：1-6.

[12] 傅為忠，李寧馨.基于ANP和GRAP組合的區(qū)域創(chuàng)新能力評價指標權重的最小偏差計算方法研究[J].軟科學，2015，29（11）：130-134.

[13] 王香花，蘇彩平.基于創(chuàng)新系統(tǒng)視角的區(qū)域自主創(chuàng)新能力評價[J].統(tǒng)計與決策，2016（18）：58-61.

[14] 徐林明，孫秋碧，李美娟，等.區(qū)域協(xié)同創(chuàng)新能力的動態(tài)組合評價[J].統(tǒng)計與決策，2017（9）：68-70.

[15] 李美娟，魏寅坤，徐林明.基于灰靶理論的區(qū)域協(xié)同創(chuàng)新能力動態(tài)評價與分析[J].科學學與科學技術管理，2017，38（8）：122-132.

[16] 李慶軍，王霞，潘云文，等.基于因子分析的山東區(qū)域創(chuàng)新能力評價研究[J].科學與管理，2017，37（6）：32-37.

[17] 李興光，王玉榮，周海娟.京津冀區(qū)域創(chuàng)新能力動態(tài)變化分析：基于《中國區(qū)域創(chuàng)新能力評價報告（2009-2016）》的研究[J].經濟與管理，2018，32（2）：9-16.

[18] 中國科技發(fā)展戰(zhàn)略研究小組，中國科學院大學中國創(chuàng)新創(chuàng)業(yè)管理研究中心.中國區(qū)域創(chuàng)新能力評價報告2015[R].科學技術文獻出版社，2017.

[19] 肖澤磊，李幫義，劉思峰.基于多維面板數據的聚類方法探析及實證研究[J].數理統(tǒng)計與管理，2009，28（5）：831-838.

[20] 萬倫來，干俊峰，余曉鈺.基于Matlab的時序全局主成分分析方法及應用[J].華東經濟管理，2010，24（1）：150-153.

[21] 任娟.多指標面板數據融合聚類分析[J].數理統(tǒng)計與管理，2013，32（1）：57-67.

[22] 林海明，杜子芳.主成分分析綜合評價應該注意的問題[J].統(tǒng)計研究，2013，30（8）：25-31.