2018关于河北省区域创新能力分析与评价
论文关键词：区域创新能力 因子分析 聚类分析论文摘要：区域创新能力是衡量区域创新系统状况的重要尺度，是增强地区竞争力、促进经济发展的重要手段。运用因子分析和聚类分析方法，对我国东部地区10省市的区域创新能力进行分析和评价。河北省要提升区域创新能力，主要需要改善创新环境、加大转移支付和拓宽融资渠道并举、加快知识流动和创新交流，重视教育和创新人才培养，加快企业技术创新体系建设，以高新技术改造传统产业等。
一、引言
区域创新能力是指一个地区将知识转化为新产品、新工艺、新服务的能力。它代表了创新要素在一定区域内聚集、整合以及推动持续创新的基本能力，是提升地区竞争力，实现区域协调发展的全局性重大课题。区域创新能力在一定程度上能够反映区域创新体系建设的状况。动态而客观地评价地区的创新能力，对于地区间的相互比较，制定适合自己区域经济发展的政策有着重要的作用。本文对我国东部l0省市的区域创新能力进行了实证分析和比较研究，并对河北省的区域创新能力进行定位，这对提升河北省的区域创新能力具有很强的实践指导价值。
二、区域创新能力的研究方法与研究模型
(一)因子分析
因子分析的基本思想是根据指标变量相关性大小把变量分组，使得同组内的变量之间相关性较高，而不同组变量间的相关性较低。每组变量代表一个基本结构，并用一个不可观测的综合变量表示，称为公共因子。因子分析的目的旨在研究如何用少数几个综合变量来代替众多初始变量，同时又尽量避免丢失太多信息，以达到降维的目的。因子分析的模型为：
X=AF+s(1)其中x=(x¨x：，…，Xp)是可观测的P维随机向量；F=(Fl，F2，…，Fm)(mp)为公共因子或因子向量；A=(a)为因子载荷矩阵，a为因子载荷，是第i个初始变量在第j个公共因子上的载荷；s为特殊因子，表示初始变量不能被公共因子解释的部分。因子分析的基本步骤为：
(1)对原始变量标准化，以消除指标变量之间因量纲不同而产生的影响。
(2)建立标准化的指标变量间的相关系数矩阵。
(3)计算相关系数矩阵的特征值及特征向量，
根据累计贡献率选取公共因子个数。
(4)对公共因子命名并给予合理的解释。
(5)建立初始因子载荷阵。
(6)将因子载荷阵进行方差最大化旋转，得到比较理想的新的因子载荷矩阵。
(7)计算各因子得分和综合得分，根据研究目的对问题作出相关分析，如综合排序、主成分回归等。
(二)聚类分析
聚类分析的基本思想是，认定所研究的样本或指标之问存在着不同的相似性，并根据一批样本的多个观测指标，具体找出一些能够度量样本或指标相似程度的统计量，以这些统计量为划分类型的依据，把一些相似程度较大的样本或指标聚合为一类，把另外一些彼此之间相似程度较大的样本或指标聚合为另一类，关系密切的聚合到一个小的分类单位，关系疏远的聚合到一个大的分类单位，直到把所有的样本或指标都聚合完毕，把不同的类型一一划分出来，形成一个由小到大的分类系统。聚类分析的最终目的就是把相似的研究对象归成类，其步骤是：
(1)计算n个待聚类样本两两之间的距离。
(2)构造n个类，每个类只包含一个样品。
(3)合并距离最近的两类为一新类。
(4)计算新类与当前各类的距离。若类的个数等于1，转到步骤(5)，否则回到步骤(3)。
(5)画出聚类谱系图。
(6)决定类的个数和类，并对其进行合理的解释。
三、东部地区区域创新能力的实证分析
(一)指标数据的选取、来源及处理
国务院发展研究中心2005年提出将内地划分为“四大板块八大经济区”的方案，将全国划分为东部、中部、西部、东北四大板块，并将这四大板块划分为八大综合经济区。其中，东部板块包括北京、天津、河北、山东、上海、江苏、浙江、福建、广东、海南。为了能对区域创新能力进行系统、综合的评价与比较，本文选取这1O个省市进行研究，是因为东部板块的10个省市具有经济发展水平接近、区位特征相似的特点。
本文数据为东部地区10省市2007年的区域创新能力指标。其中：x为人均地区生产总值(万元／人)，X为各地区人均财政支出(元从)，x，为人均科研经费内部支出(元／人)，x4为全社会固定资产投资占GDP比重(％)，x为各地区技术市场成交合同金额(万元)，x为高等学校科技人员(人)，x为各地区人均教育经费(元从)，x为国内专利申请授权数(件)，x为各地区单位面积外商投资金额(亿美元／l(m)，X。为公路和铁路密度(kg／km2)。指标数值来源于《中国统计年鉴一2008》。
本文运用统计分析软件SPSS13中的因子分析方法对1O个指标的数据进行分析，首先做Bartlett球形检验，以判断数据是否适合因子分析，结果见表1。
由表1发现，Bartlett球形检验统计量为127．89，其相伴概率P值为0，小于显著性水平值0．01，表示可以拒绝偏相关系数为0和相关系数矩阵为单位阵的原假设，表明数据适合进行因子分析。
在进行因子分析之前，初始变量的观测数据需要进行标准化，以消除量纲和数量级差异对分析结果的影响。因为对指标数值进行了标准化处理，平均水平为0，所以后面分析的结果会出现正值和负值，正值表示高于平均水平，负值表示低于平均水平。
(二)公共因子的提取
运用SPSS13对标准化的指标数据进行因子分析，计算因子载荷矩阵，并且为了明确公因子的含义使每一个指标变量在公因子上的载荷向0和1分化，使因子结构更加简单，本文采用方差最大正交旋转法进行正交旋转。公共因子的特征值和方差贡献率如表2所示，因子载荷矩阵如表3所示，旋转后的方差贡献率可以作为计算因子综合得分的权重。根据累积方差贡献率大于85％的原则，我们选
取3个公因子。其中第一个公因子F、第二公因子F2和第三公因子F，的方差贡献率分别为40．184％为32．654％和16．453，累积和达到89．291％，即三个公因子包括了89．291％的原始信息，所以我们选取三个公因子即三个综合变量进行分析。
页:
[1]