基于因子分析的農業科技園區創新能力評價
——以安徽省國家級園區為例

夏巖磊

(1.安徽大學中國三農問題研究中心，安徽合肥 230001； 2.滁州學院經濟與管理學院，安徽滁州 239000)

在全球經濟增長乏力，以及我國經濟進入調結構、去產能、降增速、提質量的發展新階段下，以科技創新為主要支撐的新的增長點的挖掘，是各產業面對自身瓶頸能夠采取的重要手段之一。在當前經濟背景下，農業經濟及其相關產業更需要通過持續創新來激發新的活力。根據黨中央、國務院的部署，科技部會同農業部等部委于2000年啟動國家農業科技園區遴選與建設工作。農業科技園區的出現，是國家面向21世紀的重要農業經濟戰略。以農業科技園區為平臺，技術上可以促進信息技術與農業生產技術相結合，提高農業生產率(如無人機技術、遙感技術等在農業生產中的應用)；流通上可以借助大數據分析、跨境電商等為農產品銷售提供可靠渠道，拓寬流通領域；功能上可以發揮“農業孵化器”或“眾創空間”等平臺作用，為具備發展潛力與前景的農業小微企業助力培育。以國家科技部為主要牽頭單位，各相關部委高度關注國家級農業科技園區建設，并通過周期建設與評估驗收等形式督促掛牌園區和在建園區切實做好園區各項工作。對于未能通過評估的園區將進行限期1年的整改，限期后再次進行評估，整改期間，暫停國家星火計劃等國家重要科技攻關計劃的支持[1]。可見，國家級農業科技園區建設的好壞，關系著園區所在地區的農業科技水平與科技資金、項目及服務投入等可持續發展。因此，在農業科技園區創新能力與發展水平提升領域挖掘相關議題，提出相應對策，在當前創新引領的時代特征下，具有較強的現實意義。

1　問題的提出

伴隨著農業科技園區成長建設與創新發展而生的一個議題，是如何評價園區創新能力與發展水平的高低。這種能力和水平的高低，也直接關乎農業主管部門在園區設置與審批、不同園區的空間布局等問題上的決策。要想促使國家級農業科技園區不斷成長為各省(市、區)農業科技創新的領頭羊、農業科技成果轉移轉化的匯集地，需要樹立一個客觀、科學、可評價的價值導向，引導園區向提高創新能力與發展水平的目標邁進。這種價值導向，其表現形式應為一種統計指標體系，通過選取能夠代表創新能力的可觀測指標，為比較不同園區的創新能力與水平提供可靠依據。關于農業科技園區創新能力評價體系，國家科技部按照習近平總書記關于“建立符合國情的全國創新調查制度，準確測算科技創新對經濟社會的貢獻，并為制定政策提供依據”的指示精神，于2015年發布了《國家農業科技園區科技創新能力監測指標體系(試行)》文件，選取“創新產出”“創新條件”和“創新績效”等3個一級指標、16個二級指標和74個三級指標構建創新能力評價體系，為科學評價園區創新能力提供了重要基礎[2]。從指標設定的角度考察，我們發現該監測體系尚有不完善之處：(1)非同類指標間在內涵上有交疊，如“創新績效”中的孵化企業數、年度收入、年度產值等指標，也可以歸并于“創新產出”；(2)同類指標內部的次級指標雖然數量較多，相關性較大，但不能全面描述上級指標的整體情況，僅僅圍繞一個局部情況進行考察。

進一步地，國家科技部于2017年2月發布了《國家農業科技園區科技創新能力評價報告2015》[3]，將原來的監測體系指標經過處理，形成“創新支撐”“創新環境”“創新績效”等3個一級指標和18個二級指標(由于二級指標中相對數指標占據主體地位，因而該體系沒有設置三級指標)。指標權重采用了等權重賦值，并據此進行106個參評園區的創新能力評價，評價內容包括創新能力聚類分析、區域差異分析以及總體效率分析[3]。科學評價是一個探索性過程，綜合比較2套體系，2015年版相關報告[3]明顯比2014年版相關報告[2]的評價過程更加合理、科學，但也有可以深度挖掘的空間：(1)由于二級指標的增加，在指標相關性和重疊性這2個問題上仍存疑惑；(2)主要針對東部、西部和中部3個宏觀層次采用等權重分析及排序，從而劃分為同一組類的園區各指標數據相同，如需對某一區域內的園區(如安徽省內)進行內部比較，需要進一步計算。

綜上所述，指標選取的合理與否關系著評價體系的可靠程度，解決上述2個問題可以通過進一步完善體系、選取能夠全面評價的更加合理的指標來實現。確定合理的指標就需要先厘清影響創新能力的關鍵因素。鑒于此，本研究擬通過統計調查，從現有評價體系的指標設置出發，利用因子分析方法降維，梳理描述的園區創新能力隱含的潛在因子，并利用潛在因子得分及回歸，對選取的典型園區——安徽省國家級農業科技園區創新能力進行綜合評價。之所以選取安徽省的國家級園區作為考察對象，一是因為國家科技部第七批國家級農業科技園區認定結果公布后，安徽省擁有國家級農業科技園區15個，數量居全國首位；二是在已完成完整的建設周期的園區中，安徽省共有6家，從而保證樣本數據量較多；三是因為安徽省本身是農業大省，當前正處于全面加強創新型省份建設的重要階段，2015年又躋身全國首批8個“全面創新改革試驗區域”中的一員，從而更具備農業創新研究的典型性。

2　模型與數據

2.1　模型設定

假定研究總體為X=(X1，X2，X3，…，Xn)。式中：Xi為總體的觀測變量，總體均值E(X)=μ，存在協方差矩陣COV(σij)n×n。結合本研究對象，觀測變量即為18個二級指標。模型矩陣形式如下：

Xi-μ=AF+ε。

(1)

式中：F=(F1，F2，…，Fm)，為公因子；矩陣A為因子載荷；隨機系數矩陣ε為除公共因子外對變量產生影響的因素[4]。

該模型滿足如下關系假設：

m≤n；

cov(F，ε)=0；

該模型具有如下性質：(1)該模型分析過程不受計量單位影響。將原始變量進行線性變換，令：

X*=CX,μ*=Cμ,A*=CA,ε*=Cε；

則有CXi-Cμ=CAF+Cε；進而有X*-μ*=A*F*+ε*，仍然滿足原分析條件。

(2)該模型因子載荷矩陣A并不唯一。假定存在正交矩陣Hp×p，A*=AH，F*=H′F，當下列條件A～D得到滿足時，即：

A：E(H′F)=0,E(ε)=0；

B：var(F*)=var(H′F)=H′var(F)H=I；

D：cov(F*,ε)=E(F*,ε)=0。

則因子分析模型表示為X*-μ*=A*F*+ε*，從而因子載荷矩陣可以存在多個，并不是唯一的[5]。

主要參數的統計意義。(1)因子載荷是第i個變量在第j個公因子上的相對重要性的表達。因公因子之間不相關，相同公因子的相關系數為1，則有：

(2)

(2)變量共同度越大，模型對變量的解釋能力越好。將因子載荷矩陣A第i行元素的平方和定義為變量共同度，則有：

(3)

根據式(3)，當按行進行元素平方和處理后，每個變量被若干公因子的解釋轉化為變量變化情況由共同度變化(h2)和特殊因子變化(σ2)2個部分構成，從而當特殊因子方差越小、公因子方差越大時，模型對變量的解釋能力最強。

(3)公因子方差貢獻度，定義為因子載荷矩陣中第j列元素的平方和，由式(4)，按列進行元素平方和處理后，每個變量被同一個公因子解釋，表示同一個公因子對全部變量的方差貢獻總和，即：

(4)

2.2　估計方法說明

2.2.1關于因子載荷的估計主要采用極大似然估計法根據假定公因子F和特殊因子ε服從正態分布總體，變量X=(X1，X2，X3，…，Xn)來自正態總體N(μ，∑)隨機樣本，∑=AAT+∑。令似然函數為L(·)，則有：

2.2.2關于因子旋轉主要采用方差最大旋轉法因子旋轉的目的是通過一定方法促使每個變量在某個公因子上的載荷較大，在其他公因子上的載荷較小，實現兩級分化，從而能夠更加清晰地說明公因子對變量的解釋程度。方差最大旋轉的目的是使載荷陣的每列元素的平方能夠向著0或1分開，使每個因子上具有的最高載荷變量數最小[6]。

2.2.3關于因子得分主要采用回歸分析法將公因子表示為變量的線性組合，得到因子得分函數如下：

Fj=βj1X1+…+βjPXP。

(5)

經標準化處理后做回歸分析，得到回歸系數的估計。假定公因子對變量進行回歸，回歸方程如下：

令回歸系數矩陣如下：

則由系數矩陣及因子載荷矩陣的關系，得到因子得分關系式如下：

(6)

2.3　數據說明

通過實地調研及訪談，重點梳理描述園區創新能力的14個指標所隱含的潛在因子，計算因子得分，對選取的典型園區的創新能力作出評價。14個指標包括創新人才(X1)、園區R & D投入比例(X2)、融資強度(X3)、大型儀器設備值(X4)、研發中心比例(X5)、信息化水平(X6)、發明專利(X7)、省級以上品種審定(X8)、科技推廣能力(X9)、技術收入比例(X10)、孵化畢業企業數(X11)、產業融合度(X12)、科普能力(X13)和創新品牌情況(X14)。數據來源包括科技部《國家重點園區創新監測報告2014》《國家農業科技園區科技創新能力評價報告2015》、相關年度的《安徽統計年鑒》等。全部統計分析結果由軟件SPSS 22.0計算給出。

3　實證分析

3.1　原始變量描述統計分析

因子分析方法要求原始變量間應該具有較強的相關性，從而能夠得到共享的公共因子，因此，在進行因子分析前應先對已選取的14個原始變量進行描述統計及相關性分析。表1為各變量均值、標準差和分析數。

表1　原始變量描述統計

由表2可以看出，創新人才與省級以上品種審定、科技推廣能力及創新品牌數相關性均較高，園區研究與發展投入、融資強度相關性較高。總體來看，變量間相關度較高[7]。

表2　原始變量之間的相關系數

根據式(3)，變量共同度取值范圍為[0，1]，由表3給出的共同度取值均接近1，說明公因子對變量的解釋能力非常好。

3.2　公因子確定

在檢驗變量相關程度后，結合總方差分解、特征值碎石圖等確定公因子數。由表4可以看出，前4個公因子解釋的累積方差已達到96.086%，后面的公因子特征值可以忽略。從旋轉載荷平方和來分析，旋轉后的公因子較旋轉前的解釋率有所變化，但到第4個公因子時的累積貢獻率不再變化，從而確定4個公因子較為合適。

根據表4中的起始特征值合計列，可以描繪初始特征值的碎石圖(圖1)。

3.3　因子載荷與因子旋轉

表5、表6分別給出了未經旋轉的成分矩陣、旋轉后的成分矩陣。“旋轉”的目的是讓每個公因子的載荷分配更加清晰。通過對比，表6中的每個變量能夠在不同公因子上得到清晰的反映。圖2顯示了旋轉空間中的各變量在不同成分中的成分。

表3　公共因子方差

注：提取方法為主成分分析法。下表同。

表4　總方差解釋

表5　未經旋轉的成分矩陣

注：已提取4個成分。

綜合以上分析可以看出，(1)因子1在科技推廣能力、創新人才數量、創新品牌數、發明專利產出情況、孵化畢業企業、省級以上品種審定等指標上具有較高載荷，說明因子1能夠反映園區在創新成果方面的產出能力，因此定義因子1為成果產出貢獻因子。

(2)因子2在融資強度、產業融合度、技術與生產資料收入占營業收入比例以及R & D投入比例、省級以上研發中心占園區研發中心總數的比例等指標上具有較高載荷，表明因子2能夠反映園區要素投入對創新能力的促進程度，因此定義因子2為要素投入貢獻因子。

(3)因子3在信息化水平指標上具有較高載荷，表明信息化水平對創新能力提高的重要作用，因此定義因子3為信息技術貢獻因子。

表6　旋轉后的成分矩陣

注：旋轉方法為Kaiser標準化最大方差法；在6次迭代后已收斂。

(4)因子4在大型儀器設備值、科普能力等指標上具有較高載荷，表明園區的知識與技術擴散能力對創新能力提高的重要作用，因此定義因子4為擴散輻射貢獻因子[8]。

綜上，通過因子載荷旋轉，將14個可以描述園區創新能力的統計指標歸為4類，從而可以建立一套創新能力評價體系。

3.4　因子得分

表7給出了4個公因子的因子得分情況，根據因子得分可以給出公因子的得分公式。以公因子F1為例，得分公式如下[9]：

表7　因子得分系數矩陣

注：提取方法為主成分分析法；旋轉方法為Kaiser標準化最大方差法。

F1=0.159X1-0.014X2-0022X3+…+0.16X14。

(7)

3.5　綜合評價

根據因子得分公式及表7給出的因子得分系數矩陣，表8給出了本研究選取的6個典型園區的公因子得分情況。

表8　園區因子得分

進一步地，筆者擬對選取的典型園區進行綜合評價，可以借助表8的公因子得分，以每個公因子在表4中的載荷方差百分比為權重進行加權求和，并根據結果進行排序。表9給出了安徽省6個典型園區在4個公因子下的創新能力因子分析評價結果[10]。

表9　典型園區基于因子分析的創新能力評價結果

4　結論與討論

以因子分析方法確定衡量園區創新能力的14項指標隱含的4個公共因子，通過因子得分方式對選取的典型園區進行了綜合評價，得到以下結論：

(1)與以“創新產出”“創新條件”和“創新績效”等三大項為公因子、包含18個二級指標的衡量體系相比，提出以“成果產出”“要素投入”“信息技術”“擴散輻射”等4大項為公因子，包含14個二級指標的衡量體系，在一定程度上規避了非同類指標間內涵上有交疊、同類指標內部的次級指標數量多但不能全面描述上級指標等問題，使得衡量體系效率得到提高。

(2)對選取的安徽省6家已完成第1個建設周期的國家級農業科技園區進行綜合評價，發現獲批立項年份較早、建設時間較長的園區，因其基礎和積累有先行者優勢，從而創新能力較高，如宿州園區和蕪湖園區；同批次立項建設的園區，傳統農業和糧食產區為依托的園區創新建設能力較好，如安慶園區和蚌埠園區；合肥園區處于安徽省省會、全國科技創新型試點城市，區位優勢明顯，但在6家園區排名靠后，主要原因是統計年度內的部分指標比重小或缺失，如創新人才指標、技術收入占總收入比重、產業融合度等指標在6家園區排名均在最后，大型儀器設備值指標缺失。

對于不同樣本構建的指標體系及綜合評價結果可能會有差異，隨著安徽省各園區建設周期的完成，將有更多數據發布，后續研究中將對評價指標的選取、指標權重的估計、公因子回歸分析對創新能力影響，以及綜合評價結果的運用等進行深入研究。

參考文獻：

[1]科技部.科技部關于公布國家農業科技園區評估結果的通知(國科發農〔2013〕386號)[Z]. 2013.

[2]中華人民共和國科學技術部.國家重點園區創新監測報告2014[M]. 北京：科學技術文獻出版社，2015：34-43.

[3]中國農村技術開發中心.國家農業科技園區科技創新能力評價報告2015[M]. 北京：科學技術文獻出版社，2016：6-19.

[4]林海明. 因子分析應用中一些常見問題的解析[J]. 統計與決策，2012(15)：65-69.

[5]李衛東. 應用多元統計分析[M]. 北京：北京大學出版社，2015：213.

[6]夏怡凡. SPSS統計分析精要與實例詳解[M]. 北京：電子工業出版社，2010：231-236.

[7]蔣和平，孫煒琳. 農業科技園區綜合評價指標體系研究[J]. 農業科技經濟，2002(6)：21-25.

[8]克勞斯·巴克豪斯，本德·埃里克森，伍爾夫·普林克，等. 多元統計分析方法——用SPSS工具[M]. 上海：格致出版社，2009：240-264.

[9]劉戰平. 農業科技園區技術推廣機制與模式研究[D]. 北京：中國農業科學院，2007：112-125.

[10]張應武，李董林. 基于動態因子分析法的區域開放型經濟發展水平測度研究[J]. 工業技術經濟，2017(3)：123-130.