陳維花，李 鵬

（福州大學(xué) 經(jīng)濟(jì)與管理學(xué)院，福建 福州 350116）

黨的十八屆五中全會提出，實(shí)現(xiàn)“十三五”時(shí)期發(fā)展目標(biāo)，必須牢固樹立并切實(shí)貫徹創(chuàng)新、協(xié)調(diào)、綠色、開放、共享的發(fā)展理念。創(chuàng)新被鮮明地?cái)[在發(fā)展理念的首位。全會強(qiáng)調(diào)，創(chuàng)新是引領(lǐng)發(fā)展的第一動力，必須把創(chuàng)新擺在國家發(fā)展全局的核心位置。這既是對“科技是第一生產(chǎn)力”內(nèi)涵的進(jìn)一步升華和深化，同時(shí)也表明了中央深入實(shí)施創(chuàng)新發(fā)展理念的堅(jiān)定決心。當(dāng)下，我國已走上全面創(chuàng)新之路。創(chuàng)新發(fā)展將成為“十三五”時(shí)期經(jīng)濟(jì)結(jié)構(gòu)實(shí)現(xiàn)戰(zhàn)略性調(diào)整的關(guān)鍵驅(qū)動因素，是實(shí)現(xiàn)“五位一體”總體布局下全面發(fā)展的根本支撐和關(guān)鍵動力。說到創(chuàng)新，就不得不提到創(chuàng)新績效。創(chuàng)新在我國如此重要，但我國科技與經(jīng)濟(jì)“兩張皮”現(xiàn)象仍然突出：一方面是企業(yè)的核心技術(shù)能力還不強(qiáng)，未形成創(chuàng)新驅(qū)動的發(fā)展模式。另一方面是大學(xué)和科研機(jī)構(gòu)的科技成果轉(zhuǎn)化率長期偏低，未能有效支撐經(jīng)濟(jì)發(fā)展。基于此，使用我國30個(gè)省（自治區(qū)、直轄市）的相關(guān)面板數(shù)據(jù)，運(yùn)用因子分析方法分析我國30個(gè)?。ㄗ灾螀^(qū)、直轄市）的創(chuàng)新績效。

1 指標(biāo)選取與數(shù)據(jù)收集

1.1 指標(biāo)選取

通過閱讀文獻(xiàn)發(fā)現(xiàn)，測度創(chuàng)新績效的指標(biāo)很多，比如專利（專利申請數(shù)，專利授權(quán)數(shù)等）、新產(chǎn)品銷售收入及新產(chǎn)品開發(fā)項(xiàng)目數(shù)都有學(xué)者在使用，如表1所示。以上的各指標(biāo)各有優(yōu)缺點(diǎn)，且本文在分析創(chuàng)新績效使用因子分析，得到30個(gè)省（自治區(qū)、直轄市）的綜合創(chuàng)新績效值，測度創(chuàng)新績效的指標(biāo)越多越好，于是，本文選擇了新產(chǎn)品銷售收入（y1）、專利申請數(shù)（y2）、專利授權(quán)量（y3）、新產(chǎn)品開發(fā)項(xiàng)目數(shù)（y4）、專利受理數(shù)（y5）、有效專利數(shù)（y6）和發(fā)明專利授權(quán)量（y7）7個(gè)評價(jià)指標(biāo)。

1.2 數(shù)據(jù)收集

考慮數(shù)據(jù)的可獲得性和代表性，本文以我國30個(gè)省（自治區(qū)、直轄市）為研究對象（西藏地區(qū)由于部分年度數(shù)據(jù)缺失，所以刪除了西藏自治區(qū)，另外，香港、澳門、臺灣也不在本文研究范圍內(nèi)），選取2008—2015年8年間的數(shù)據(jù)進(jìn)行分析。相對于以往研究，本文所選取的指標(biāo)有利于降低主觀指標(biāo)以及調(diào)研數(shù)據(jù)所產(chǎn)生的統(tǒng)計(jì)偏誤，其結(jié)果更為客觀和精確。

表1 創(chuàng)新績效測度指標(biāo)

2 實(shí)證分析

2.1 數(shù)據(jù)有效度檢驗(yàn)

運(yùn)用因子分析方法的前提是，變量之間存在線性的關(guān)系，這樣才能夠達(dá)到減少變量，方便分析的目的。首先對原始數(shù)據(jù)進(jìn)行描述性統(tǒng)計(jì)，如表2所示。

表2 描述性統(tǒng)計(jì)

由于數(shù)據(jù)之間的單位存在量綱差異，首先對原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，消除量綱不同導(dǎo)致的影響，然后對標(biāo)準(zhǔn)化后的數(shù)據(jù)做相關(guān)性檢驗(yàn)。

利用樣本數(shù)據(jù)對創(chuàng)新績效的7個(gè)評價(jià)指標(biāo)之間的相關(guān)性進(jìn)行分析，利用SPSS20.0基于樣本數(shù)據(jù)計(jì)算7個(gè)指標(biāo)之間的相關(guān)細(xì)節(jié)矩陣，如表3所示。

表3 Pearson 相關(guān)性檢驗(yàn)

通過變量的相關(guān)矩陣可知，創(chuàng)新績效的7個(gè)評價(jià)指標(biāo)的大多數(shù)相關(guān)系數(shù)大于0.779，具有較強(qiáng)的相關(guān)性。

KMO檢驗(yàn)主要是為了檢驗(yàn)影響創(chuàng)新績效評價(jià)的7個(gè)評價(jià)指標(biāo)之間的偏相關(guān)性，如果創(chuàng)新績效評價(jià)的7個(gè)評價(jià)指標(biāo)之間的偏相關(guān)性過小，則不能進(jìn)行因子分 析，一般來說，當(dāng)KMO檢驗(yàn)值超過0.9的時(shí)候，采用因子分析的效果最好；如果檢驗(yàn)值低于0.5則不能進(jìn)行因子分析。而巴特萊特球形檢驗(yàn)則是為了檢驗(yàn)相關(guān)系數(shù)矩陣是否是單位矩陣，如果巴特萊特的檢驗(yàn)結(jié)果接受相關(guān)系數(shù)矩陣為單位矩陣，則說明創(chuàng)新績效評價(jià)的7個(gè)評價(jià)指標(biāo)之間是相互獨(dú)立的，不能進(jìn)行因子分析；如果巴特萊特檢驗(yàn)結(jié)果拒絕評價(jià)指標(biāo)之間的相關(guān)矩陣為單位矩陣，則說明這7個(gè)評價(jià)指標(biāo)之間是相關(guān)的。利用本文所采集的樣本數(shù)據(jù)進(jìn)行KMO檢驗(yàn)和巴特萊特檢驗(yàn)，得到KMO檢驗(yàn)和巴特萊特球形檢驗(yàn)結(jié)果如表4所示。

表4 2008—2015年創(chuàng)新績效指標(biāo)KMO檢驗(yàn)和巴特利球度檢驗(yàn)

表4中的KMO檢驗(yàn)值顯示，除了2009年和2010年的檢驗(yàn)值小于 0.7，其余6年的檢驗(yàn)值都在0.7以上，檢驗(yàn)結(jié)果表明這些指標(biāo)適合做因子分析。另外，巴特利球度檢驗(yàn)的概率值都是0.000，創(chuàng)新績效評價(jià)指標(biāo)之間是相互獨(dú)立性假設(shè)不成立，說明所選擇的指標(biāo)之間存在比較高的相關(guān)性。因此，這些指標(biāo)非常適合做因子分析。

2.2 提取因子

對創(chuàng)新績效提取值指標(biāo)數(shù)據(jù)進(jìn)行主成分分析，得到創(chuàng)新績效數(shù)據(jù)的共同度（表5）和因子累計(jì)貢獻(xiàn)率表（表6）。

表5 創(chuàng)新績效指標(biāo)共同度提取值

表6 2009—2015年因子總方差解釋原變量情況

共同度主要用來反映提取的公共因子對創(chuàng)新績效的各指標(biāo)的影響，其初始值均為1.000。可以看出，表5中的共同度結(jié)果顯示各評價(jià)指標(biāo)的共同度超過了0.7，說明創(chuàng)新績效評價(jià)各指標(biāo)的絕大部分信息可被因子分析，信息丟失較少。表明采用因子分析能獲得較為滿意的結(jié)果。

在進(jìn)行因子分析時(shí)，對相關(guān)系數(shù)矩陣運(yùn)用方差最大法進(jìn)行正交旋轉(zhuǎn)，旋轉(zhuǎn)收斂的最大迭代系數(shù)為默認(rèn)值25。根據(jù)原來變量的相關(guān)系數(shù)矩陣，采用主成分分析法提取因子并選取大于1的特征根。表6顯示，2009—2015這8年變量相關(guān)系數(shù)矩陣均只有1個(gè)特征根大于1，2009年累計(jì)貢獻(xiàn)率最低，為89.684%，解釋了各?。ㄗ灾螀^(qū)、直轄市）綜合發(fā)展情況的89.684%。通常來說，主成分累計(jì)貢獻(xiàn)率達(dá)到85%就可以很好地說明和解釋原變量，也就是說前1個(gè)因子集中體現(xiàn)了原始數(shù)據(jù)大部分的信息，因此，提取1個(gè)公共因子是合適的，能夠比較全面的反映情況。將11個(gè)原始指標(biāo)所要表達(dá)的信息縮減為三個(gè)變量，很好地體現(xiàn)了因子分析降維的思想。

因?yàn)橹怀槿×艘粋€(gè)成份，無法旋轉(zhuǎn)此解，沒有得到旋轉(zhuǎn)成分矩陣表，就沒有進(jìn)行因子命名。

2.3 計(jì)算因子得分與綜合評價(jià)得分

一般情況下，為實(shí)現(xiàn)對我國30個(gè)省（自治區(qū)、直轄市）創(chuàng)新績效綜合評價(jià)和排序，需要確定創(chuàng)新績效評價(jià)各指標(biāo)的權(quán)重。按照加權(quán)平均的方法，逐年求出30個(gè)?。ㄗ灾螀^(qū)、直轄市）創(chuàng)新績效的綜合得分。由于只提取了1個(gè)公因子，這個(gè)公因子上的得分就是所求的綜合得分，計(jì)算公式為：

其中，βi（i=1，2，...，7）為因子得分系數(shù)；yi（i=1，2，...，7）為標(biāo)準(zhǔn)化之后的數(shù)據(jù)。

成份得分系數(shù)矩陣和具體得分情況見表7和表8。

表7 成份得分系數(shù)矩陣

表8 2009—2015年各省（自治區(qū)、直轄市）因子得分表

3 結(jié)果分析

1）我國30個(gè)?。ㄗ灾螀^(qū)、直轄市）在2008—2015年任何一個(gè)年度的綜合因子的最高分與最低分差距較大，比如廣東省在2008年得分最高，為3.395 9，最低分的青海只有-0.773 8，兩者相差4.169 7。并且有20多個(gè)省份的得分為負(fù)值，表明我國創(chuàng)新績效較低，各地區(qū)創(chuàng)新績效存在較大差異。由于經(jīng)濟(jì)發(fā)展、地理位置、人口等因素造成了各地區(qū)之間創(chuàng)新績效的不平衡。

2）從各?。ㄗ灾螀^(qū)、直轄市）的橫向比較來看，在2008—2015年之間，廣東、江蘇、浙江、山東、上海和北京這6個(gè)省市基本上年年都排名在前六位，尤其是浙江和山東這2個(gè)省份分別一直排在第三名和第四名。相反，云南、貴州、甘肅、內(nèi)蒙古、新疆、寧夏、海南和青海八省的排名在這8年間基本位于后八位。不難理解，排名靠前的基本上都是經(jīng)濟(jì)發(fā)展迅速、人口密集的省份；而排名靠后的基本上都是經(jīng)濟(jì)發(fā)展相對緩慢，人口不太密集的省份。所以，我們在加快中西部地區(qū)經(jīng)濟(jì)的發(fā)展，提高創(chuàng)新效率。

3）從各?。ㄗ灾螀^(qū)、直轄市）的縱向發(fā)展看，在2008—2015年年間，各?。ㄗ灾螀^(qū)、直轄市）的創(chuàng)新績效綜合因子得分在2008年最高，有些省份從2008年一直下降。一方面是因?yàn)?008年國家及時(shí)的經(jīng)濟(jì)刺激計(jì)劃，擴(kuò)大內(nèi)需，帶動國內(nèi)消費(fèi)，減少對國外市場的依賴，金融危機(jī)在我國影響不大。另外，2008年奧運(yùn)會給我國帶來經(jīng)濟(jì)的增長。中國的經(jīng)濟(jì)從2010年到2015年已經(jīng)連續(xù)下滑了六年，也是從改革開放以來第一次連續(xù)六年經(jīng)濟(jì)增長速度下滑，所以，創(chuàng)新績效綜合因子得分會下降。在這8年間，各?。ㄗ灾螀^(qū)、直轄市）的績效評價(jià)排序基本變化不大，從一定角度上說明了各省（自治區(qū)、直轄市）在創(chuàng)新發(fā)展上基本處于同步水平，反映了國家政策的作用在各?。ㄗ灾螀^(qū)、直轄市）得到了較好的發(fā)揮。

4）我國30個(gè)省（自治區(qū)、直轄市）在2009—2015年任何一個(gè)年度的創(chuàng)新績效綜合因子得分和綜合得分排序都幾乎不相同，比如，湖南省在2008年時(shí)綜合得分為-0.284 0，排在30個(gè)省當(dāng)中的第14位，而在2015年時(shí)綜合得分為-0.151 6，在30個(gè)省當(dāng)中排第13位。這是因?yàn)槊磕甑慕孛鏀?shù)據(jù)是相互獨(dú)立互不關(guān)聯(lián)的，因此不能簡單地將每年的綜合因子得分加總進(jìn)行評價(jià)，否則會影響數(shù)據(jù)的客觀性，所以，為了對30個(gè)省份的8年得分情況進(jìn)行評價(jià)研究，本文借用李福祥［11］的方法：基于因子分析法的topsis綜合評價(jià)法。對因子分析的綜合因子得分運(yùn)用 Excel軟件處理，可以得出每一個(gè)省份2008～2015年這一區(qū)間創(chuàng)新績效的綜合評價(jià)結(jié)果及排名，如表9所示。

表9 30個(gè)省份2008—2015年創(chuàng)新績效的綜合評價(jià)結(jié)果及排名

4 結(jié)論與建議

本文以我國30個(gè)省（自治區(qū)、直轄市）的面板數(shù)據(jù)為例，通過因子分析法得到各?。ㄗ灾螀^(qū)、直轄市）2008—2015年的創(chuàng)新績效的綜合得分，并基于因子分析法的topsis綜合評價(jià)法得到創(chuàng)新績效的綜合評價(jià)結(jié)果及排名，對我國提高各?。ㄗ灾螀^(qū)、直轄市）的創(chuàng)新績效切入點(diǎn)具有重要的指導(dǎo)意義。

研究發(fā)現(xiàn)，我國創(chuàng)新績效較低，并且各地區(qū)創(chuàng)新績效存在較大差異；經(jīng)濟(jì)發(fā)達(dá)的東部地區(qū)的創(chuàng)新績效較高；各?。ㄗ灾螀^(qū)、直轄市）的創(chuàng)新績效在這8年里均有下降的趨勢，與我國經(jīng)濟(jì)增長下滑有關(guān)等等。

建議國家重視地區(qū)創(chuàng)新績效的提升，進(jìn)一步加強(qiáng)創(chuàng)新效率的提高，要根據(jù)不同?。ㄗ灾螀^(qū)、直轄市）的特點(diǎn)和創(chuàng)新績效的實(shí)際情況，給予相應(yīng)的政策扶持和資金支持，減輕各地區(qū)創(chuàng)新績效較大差異的狀況，比如貴州省創(chuàng)新績效的綜合排名為23，政府可以增加該省的PPP模式項(xiàng)目，與實(shí)力雄厚的社會資本合作，加強(qiáng)本省的經(jīng)濟(jì)建設(shè)，提高創(chuàng)新績效；同時(shí)，各?。ㄗ灾螀^(qū)、直轄市）要加強(qiáng)人才的培養(yǎng)，建立人才激勵機(jī)制，積極引進(jìn)創(chuàng)新型人才到高新企業(yè)就業(yè)，對有突出貢獻(xiàn)的管理人員和專業(yè)人員進(jìn)行獎勵，促進(jìn)人才的合理流動，積極搭建人才交流合作平臺。

參考文獻(xiàn)：

［1］吳延兵.自主研發(fā)、技術(shù)引進(jìn)與生產(chǎn)率：基于中國地區(qū)工業(yè)的實(shí)證研究［J］.經(jīng)濟(jì)研究，2008（8）：51-64.

［2］白俊紅，江可申，李婧.應(yīng)用隨機(jī)前沿模型評測中國區(qū)域研發(fā)創(chuàng)新效率［J］.管理世界，2009（10）：51-61.

［3］韓晶.中國高技術(shù)產(chǎn)業(yè)創(chuàng)新效率研究：基于SFA方法的實(shí)證分析［J］.科學(xué)學(xué)研究，2010，28（3）：467-472.

［4］肖丁丁，朱桂龍，戴勇.R&D投入與產(chǎn)學(xué)研績效關(guān)系的實(shí)證研究［J］.管理學(xué)報(bào)，2011，8（5）：706-712.

［5］蔣開東，俞立平，霍妍.企業(yè)自主研發(fā)與協(xié)同創(chuàng)新績效比較研究：基于面板數(shù)據(jù)與非期望產(chǎn)出效率的分析［J］.軟科學(xué)，2015，29（2）：68-71.

［6］肖文，林高榜.政府支持、研發(fā)管理與技術(shù)創(chuàng)新效率：基于中國工業(yè)行業(yè)的實(shí)證分析［J］.管理世界，2014（4）：71-80.

［7］賴永劍，賀祥民.金融發(fā)展與區(qū)域創(chuàng)新績效的非線性關(guān)系：基于面板平滑轉(zhuǎn)換回歸模型［J］.華中科技大學(xué)學(xué)報(bào)（社會科學(xué)版），2015（2）：92-99.

［8］姜彤彤.省域范圍內(nèi)產(chǎn)學(xué)研協(xié)同創(chuàng)新效率評價(jià)及分析［J］.學(xué)術(shù)論壇，2015，38（3）：168-172.

［9］欒斌，楊俊.企業(yè)創(chuàng)新績效脆弱性研究［J］.研究與發(fā)展管理，2016，28（3）：79-88.

［10］李鵬，陳維花.產(chǎn)學(xué)研協(xié)同創(chuàng)新主體投入對其效率的影響研究［J］.順德職業(yè)技術(shù)學(xué)院學(xué)報(bào)，2017（3）：21-27.

［11］李福祥，劉琪琦.我國地區(qū)金融發(fā)展水平綜合評價(jià)研究：基于面板數(shù)據(jù)的因子分析和topsis實(shí)證研究［J］.工業(yè)技術(shù)經(jīng)濟(jì)，2016，35（3）：152-160.