基于因子分析的陕西省科技创新能力评价，本文主要内容关键词为：陕西省论文,因子论文,创新能力论文,评价论文,科技论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
中图分类号：F 061.5；F 224.0文献标识码：A文章编号：1672-7312(2008)03-0221-04
0 引言
陕西省有10个地级市，传统上划分为三大区域：关中地区包括西安，咸阳，宝鸡，渭南，铜川；陕北地区包括榆林，延安；陕南地区包括汉中，安康，商洛。陕西是我国科技教育资源相对雄厚的省份之一，综合科技实力居全国前列。但是，各区域科技资源状况及科技创新能力如何，很少有学者研究；在建设创新型陕西以及建设具有陕西特色的区域创新体系的宏伟目标的指引下，陕西省各地市十分重视科技创新，重视科学与技术对经济的促进作用。我省“十一五”规划指出：关中重点建设先进制造业基地，率先发展；陕北重点建设能源化工基地，跨越发展；陕南重点建设绿色产业基地，突破发展。要又好又快地完成这些光荣而艰巨的任务还必须以科技创新为根本动力，当务之急是科学评价其科技创新能力，在此基础上“对症下药”，提升各区域技术创新能力。在此背景下，客观科学地评价各地区科技创新能力、分析区域科技创新能力的差异与对策，明确各自的优劣势，取长补短，对于各地区科学地制定区域经济发展政策和科技创新政策具有十分重要的意义。
1 建立评价指标体系及因子分析法的数学模型
1.1 科技创新能力评价指标体系
在对区域科技创新能力本质、内涵理解及文献调研的基础上，参考了可持续发展指标体系、科技实力指标体系等研究的体系，瑞士洛桑管理学院近几年来关于竞争力的研究报告；借鉴、吸收中国科技战略发展研究小组在《2005-2006中国区域创新能力报告》中的指标，从知识创造能力、知识获取能力、企业技术创新能力、创新环境、创新的经济绩效五个方面出发，结合科学性、合理性、系统性、整体性、实证可行性等原则，设计出适合陕西省各地市实际情况的评价指标体系(见表1)。
通过《陕西统计年鉴2006》、《2005年陕西省科技统计报告》、陕西科技信息网http://61.185.238.213、陕西知识产权网www.snipo.gov.cn/及政府渠道可采集到相关数据。
1.2 因子分析数学模型
因子分析过程是将多变量表示为较少的因子，用下面的数学模型表示因子分析的主要过程。
上式为因子分析的数学模型，如果利用矩阵形式则表示为x=AF+ε。
其中X为可观测的n维变量向量，它的每一个分量表示一个指标或变量；F为因子向量，每一个分量表示一个因子，由于它们出现在每个原始变量的线性表达式中，所以又称为公共因子；矩阵A为因子载荷矩阵，其中元素
称为因子载荷，ε称为特殊因子，表示原始变量中不能由因子解释的部分，均值为0。
因子分析的基本思想是通过对变量的相关系数矩阵的内部结构进行分析，从中找出少数几个能够控制原始变量的因子
，选取公共因子的原则是尽可能包含更多的原始变量信息，建立因子分析模型，利用公共因子再现原始变量之间的相关关系，达到简化变量降低变量维和对原始变量再解释及命名的目的。
1.3 确定创新能力综合评价的模型
2)其次，对目标层科技创新能力F进行评价时，SPSS15.0统计软件从40个基础指标中提取主因子。评价模型还是以各所选主因子得分为变量，所选主因子方差贡献率(特征值贡献率)为权数，利用加权平均法计算各样本综合得分。
2 模型分析：区域科技创新能力之评价
2.1 因子分析步骤
2.1.1 数据检验(标准化后的数据)
并非任何数据都适合做因子分析，它要求数据间有很强的相关性。运用SPSS15.0统计分析得到的相关系数矩阵可以看到，大部分的相关系数都较高，能够提取公共因子，适合因子分析。巴特利特球度检验的观测值为314.906，相关系数矩阵与单位阵有显著差异。同时，KMO值为0.746，根据Kaiser的度量标准已达取样适切性的中等水平，因此适合进行因子分析。(见表2)
表2适宜性检验KMO测度值
KMO检验值 0.746
巴特利特球度检验值 反映像314.906
差异性110.000
显著性水平0.000
2.1.2 因子提取
将各项评价指标的原始数据标准化后建立变量的相关系数矩阵，从而得到区域科技创新能力的因子特征根及方差贡献率。
由表3可知，变量的相关系数矩阵有两大特征根：9.578，1.078，它们一起解释了Z的标准方差的96.872％(累计方差贡献率)，前2个成分反映了原始数据所提供的足够信息。同时，基于过程内特征根大于1的原则，使用主成分分析法(Principal components)相应提取2个主成分量
。(见表3)
2.1.3 因子旋转
其实，在本例中，由于两个主因子在原始变量上的载荷值可以很好解释，不需要对因子载荷矩阵实施正交旋转以使因子具有命名解释性。在以后续分析中，如需要旋转通常选用方差最大化正交旋转(Varmiax)法。在此不在赘叙。
2.1.4 计算因子得分
用回归法(regression)计算因子得分。以旋转前各主因子的信息贡献率作为加重权数计算各地区科技创新能力的综合测评得分，公式如下：
=0.8988 fac1_1+0.1012 fac2_1。各系数为各因子的方差贡献率与2个主成分的累计贡献率(96.872％)的比值。同理，由Baitlett法得出各地区分项能力即
的得分及综合得分F与排序。
3 结论与建议
由表4可知，综合因子得分排在前面的三名的城市分别为西安市、宝鸡市、咸阳市。无论是区域科技创新能力的各分项排名，还是总排名西安以绝对优势遥遥领先，并且得分均为正，由此可见西安市的科技创新能力很强，科技发展比较平稳。然而，绝大部分区域创新能力得分为负，说明陕西省整体区域创新能力还有待提高。此外，陕西区域科技创新能力呈现不平衡态势。以西安市、咸阳市、宝鸡市为代表的关中地区科技创新能力明显高于陕北(榆林、延安)、陕南(汉中、安康、商洛)，而在全省范围内，西安市又远远高出其它地区。
在区域创新能力中，企业技术创新能力前三名全集中在关中地区，这进一步印证了关中强大的工业基础。宝鸡市总排名第二。其中知识创造能力排名第三，次于咸阳，但取得这样的成绩与其较多的高校及科研院所是分不开的。企业技术创新能力排名第二，进一步印证了宝鸡市拥有众多规模以上工业企业、且创新能力较强的实情。知识流动能力、创新环境、创新经济绩效分别排名3、4、4，处于中上水平，有待进一步加强、改善。
咸阳市总排名第三。其中知识创造能力排名第二，仅次于西安，这得益于咸阳众多的高校及科研院所。企业技术创新能力、创新环境分别排名第3、第2。说明在全省范围内咸阳市拥有较强的企业技术创新能力，良好的创新环境；比较而言，知识流动能力、创新经济绩效处于全省中游水平，有待日后加强。
铜川市总排名第四，除知识流动能力、创新经济绩效排名靠前(分别位列第4、5)，其它各分项能力处于中等偏下的水平。2005年陕西省科技统计结果显示，铜川市科技活动人员数全省倒数第一，占全省的比例不足1％；科技活动经费不足亿元，全省倒数第二；研究与试验发展(R&D)开发人员数所占比例不足1％，全省倒数第三，R&D经费内部支出倒数第一。因此，铜川市以后应该加大科研人员及经费的投入力度。
渭南市总排名第六。其中知识流动能力较强，排名第二。知识创造、企业技术创新能力处于中等水平，创新环境、创新经济绩效处于中等稍微偏下水平。其人员与经费投入处于全省中等水平。
在陕北地区中，延安市总排名第五，处于中间水平；榆林市排名则较为靠后，排第八位。但是，这两市创新经济绩效突出，延安市在全省位列第2，榆林市第3。这也与实际情况完全吻合。据报道，延安市在陕西省人均财富排名第一，而榆林市2006年经济总量仅次于西安，且经济增长速度连续四年全省第一。值得注意的是：陕北是以煤、油、气、盐等矿产资源的开发、利用为主线，三步并作两步走，实现跨越式发展，带动工业经济超常增长。由于煤炭石油等都是资源性行业，具有不可持续性，受环境限制比较明显。虽然对经济的贡献比较大，但从长远来看，陕北目前还是应该加大发展科技附加值比较大的行业。延安的创新环境良好，排名第3，除了自身油、气等资源富集。这与陕西省对革命老区的战略、政策倾斜不无关系。陕北地区其科技人员与经费投入低于汉中市、渭南市，占全省比例不足1％。
在陕南地区中，汉中市总排名第七，各分项能力也处于中等偏下水平。而安康、商洛的情况更不容乐观，区域科技创新能力的各分项排名、总排名都排在最后。汉中市科技方面投入在全省还占有比较优势。2005年，科技活动人员数全省排第5，科技活动经费排第4；研究与试验发展(R&D)开发人员数排第4。而安康、商洛科技人员、经费投入均严重不足，各项投入几乎都是全省倒数第一，这也是其科技创新能力低下的主要原因之一。
总之，除西安市外，陕西省其它地市科技创新能力不强，科技投入力度不够。科技投入的总量和强度仍显不足，投入结构不尽合理，特别是政府科技引导资金投入强度小，支持力度弱，与经济社会发展不相适应，科技投入须进一步加大，科技能力亟待进一步提升。