科技型企業核心競爭力的綜合評價

劉建中，閆曉輝

（合肥學院，合肥 230022）

1 問題的提出

本文基于科技型企業核心競爭力評價指標體系構建原則，通過對合肥市18家科技型企業進行截面數據采集，利用本文利用Spss for Windows軟件主成分因子分析方法，來評價合肥市科技型企業核心競爭力的問題。

2 數據分析

2.1 數據整理與分析

本文擬采用X1-X12等12個指標，利用Spss軟件對18家企業的評價指標進行主成分分析。建立數據文件定義變量及標簽，并輸入原始數據：

變量含義：

（1）X1：企業從事科技人員總數（人）；

（2）X2：技術開發人員比重，即本科以上學歷人員/科技人員總數（%）；

（3）X3：科學家工程師比重，即中級職稱以上人員數/科技人員總數（%）；

（4）X4：政府撥款占經費投入比重，即政府撥款數/經費投入總額（%）；

（5）X5：企業自籌占經費投入比重，即企業自籌/經費投入總額（%）；

（6）X6：科技經費投入總額（萬元）；

（7）X7：技術研發支出總額（萬元）；

（8）X8：專利申請數（個）；

（9）X9：科研項目立項總數（項）；

（10）X10：科技人員獎勵（萬元）；

（11）X11：科技成果獎勵（萬元）；

（12）X12：凈利潤率（%）；

這里選取的具有代表性的一些指標，能夠作為合肥市科技型企業的評價指標。本文通過調研的方式對18家合肥市科技型企業進行了2008年、2009年、2010年截面數據的采集（數據略）。

2.2 對數據進行標準化處理

按Statistics，Summarize-Descriptive的順序逐步選擇各菜單的菜單項，打開Descriptive對話框，把（1）～（11）個變量移入Variable矩形框，選擇對話框下部的Save standardized values as variables選項，然后按ok按鈕。

表1 2008年科技評價指標總方差解釋KMO和Bartlett的檢驗

表2 2009年科技評價指標總方差解釋KMO和Bartlett的檢驗

表3 2010年科技評價指標總方差解釋KMO和Bartlett的檢驗

通過KMO和Bartlett檢驗（表1）我們知道，它們的KMO值分別為0.650＞0.5,0.697＞0.5,0.651＞0.5,從而我們可以進行主成分因子分析，結果見表2、表3。

2.3 數據的處理和結論

分別對合肥市18家企業所搜集的2008年、2009年、2010年科技數據進行因子分析。

主成分個數提取原則為主成分對應的特征值大于1的前m個主成分。特征值在某種程度上可以被看成是表示主成分影響力度大小的指標，如果特征值小于1，說明該主成分的解釋力度還不如直接引入一個原變量的平均解釋力度大，因此一般可以用特征值大于1作為納入標準。

對2008年科技評價指標，我們提取了4個主因子（累積方差貢獻率為87.145%），通過分析：首先第一主因子上從事科技人員總數、科技經費投入總額、技術研發支出總額等指標變量的載荷明顯較大，故可被解釋為科技投入因子，同時，專利申請數、科研人員獎勵、科研成果獎勵亦有相當的載荷，這說明科技投入是決定科技產出的主要因素，第一主因子的貢獻率高達47.989%，體現出18家企業在科技投入和科技產出存在較為明顯的差異；其次，同樣的道理可將第二主因子理解為科技覆蓋因子，是指技術研發人員比重與科研立項項目總數關系密切，科技覆蓋的群體越大那么科技產出也就越大；第三主因子解釋為政府支持因子，主要體現在政府撥款占經費投入的比重和企業擁有科學家、工程師的比重；第四主因子解釋為企業自主因子，即企業自籌經費占經費投入的比重。

對2009年科技評價指標，我們提取了3個主因子（累積方差貢獻率為84.102%），通過分析：首先第一主因子中包含指標同從2008年數據中所提取的第一主因子包含指標一樣，并且第一主因子的貢獻率高達52.982%；其次，技術研發人員比重與科研立項項目總數等指標在第二主因子上載荷比較大，同樣我們第二主因子理解為科技覆蓋因子；第三主因子仍解釋為政府支持因子，因為政府撥款占經費投入的比重這項指標在本主因子上載荷明顯。

對2010年科技評價指標，我們提取了4個主因子（累積方差貢獻率為92.799%），通過分析：第一主因子同2008年、2009年所提取的第一主因子一致，其貢獻率50.008%；其次，第二主因子主要包括企業自籌經費占經費投入比重、政府撥款占經費投入比重等指標，仍可以稱為政府支持因子；第三主因子，同2008年第三主因子、2009年第二主因子一致；第四主因子主要體現企業擁有科學家、工程師的比重。

表4 2008年科技評價指標總方差解釋

表5 2009年科技評價指標總方差解釋

表6 2010年科技評價指標總方差解釋

表7 2008年成份矩陣a

表8 2008年旋轉成份矩陣a

表9 2009年成份矩陣a

表11 2010年成份矩陣a

表12 2010年旋轉成份矩陣a

3 結果與討論

通過上面用spss軟件對初始數據的處理和解釋，我們最終保留了四個主成分來濃縮以前的11個初始科技評價指標，并可以發現三年數據中第一主成分的累積貢獻率分別為47.989%、52.982%、50.008%，從事科技人員總數、科技經費投入總額、技術研發支出總額、專利申請數、科研人員獎勵、科研成果獎勵等指標在第一主成分上載荷顯著，其中又體現出科技投入是決定科技產出的主要因素；另外，科技覆蓋因子、政府支持因子的貢獻率也比較大，這說明企業的科技進步在很大層面上依賴于政府的支持，以及企業自身的重視程度。

綜上，據分析我們知道：從事科技人員總數、技術研發人員總數、科研經費投入總額、技術研發支出總額、政府的支持力度等直接決定了企業的科技進步情況，應當視為科技進步關鍵要素，對企業的科技進步影響最為顯著。

[1]何曉群.多元統計分析[M].北京：中國人民大學出版社，2004,(3).

[2]王麗偉、曾慶黎.主成分分析在企業經濟效益評價中的應用[J].北京聯合大學學報,2006.

[3]盧紋岱.SPSS for Windows從入門到精通[M].北京：電子工業出版社，1997.