中國(guó)省域科技創(chuàng)新水平評(píng)價(jià)

李國(guó)柱，黃琪駿

1.河北地質(zhì)大學(xué) 經(jīng)濟(jì)學(xué)院，河北 石家莊 050031；2.中央財(cái)經(jīng)大學(xué) 保險(xiǎn)學(xué)院，北京 100081

0 引言

社會(huì)發(fā)展的經(jīng)驗(yàn)表明，科技的革新能改變世界的發(fā)展水平，對(duì)國(guó)家的發(fā)展前景具有深遠(yuǎn)的影響。回首過(guò)去，中國(guó)憑借“四大發(fā)明”引領(lǐng)了世界的發(fā)展。通過(guò)不斷的努力，中國(guó)的綜合科技水平持續(xù)得到改善，并且在許多領(lǐng)域中領(lǐng)先世界其他國(guó)家。在農(nóng)業(yè)科學(xué)技術(shù)、國(guó)防軍事科學(xué)、生物醫(yī)學(xué)科學(xué)技術(shù)、信息技術(shù)等方面創(chuàng)造了良好成績(jī)。

隨著經(jīng)濟(jì)社會(huì)的飛速發(fā)展，愈發(fā)讓我們意識(shí)到科技創(chuàng)新[1]是中國(guó)共產(chǎn)黨執(zhí)政興國(guó)的重要方略。2015年10月，“十三五”規(guī)劃基于中國(guó)發(fā)展前景，針對(duì)性地提出“創(chuàng)新、協(xié)調(diào)、綠色、開(kāi)放、共享”的五大發(fā)展理念。在五大發(fā)展理念中，創(chuàng)新發(fā)展強(qiáng)調(diào)要把創(chuàng)新置于中國(guó)總體發(fā)展核心地位，持續(xù)促進(jìn)科技、理論和制度等的全方面的創(chuàng)新。2017年10月，黨的十九大報(bào)告指出，中國(guó)經(jīng)濟(jì)發(fā)展方向得到轉(zhuǎn)變，已經(jīng)從之前的高速增長(zhǎng)轉(zhuǎn)變?yōu)楦哔|(zhì)量發(fā)展。創(chuàng)新是使國(guó)家能夠高質(zhì)量發(fā)展、前進(jìn)的動(dòng)力，需要盡可能利用其在經(jīng)濟(jì)高質(zhì)量發(fā)展過(guò)程中的帶頭作用。創(chuàng)新是促進(jìn)發(fā)展的中堅(jiān)力量，科技創(chuàng)新對(duì)經(jīng)濟(jì)發(fā)展的重要性顯著增強(qiáng)是經(jīng)濟(jì)高質(zhì)量發(fā)展的特征之一。

科技從來(lái)沒(méi)有像今天這樣對(duì)一個(gè)國(guó)家的未來(lái)起著重要作用。推進(jìn)科技創(chuàng)新的發(fā)展，完善中國(guó)創(chuàng)新體系，加快建設(shè)中國(guó)成為科技強(qiáng)國(guó)[2]。這不僅是黨中央針對(duì)世界科學(xué)技術(shù)的發(fā)展和競(jìng)爭(zhēng)以及綜合國(guó)家實(shí)力競(jìng)爭(zhēng)的發(fā)展趨勢(shì)和客觀規(guī)律做出的科學(xué)性判斷，也是吸取中國(guó)社會(huì)發(fā)展的歷史經(jīng)驗(yàn)和教訓(xùn)得出的結(jié)論。新時(shí)代的到來(lái)，代表著近代以來(lái)飽受苦難的中華民族迎來(lái)了從站起來(lái)、富起來(lái)到強(qiáng)起來(lái)的絕對(duì)飛躍，這必須得到科技創(chuàng)新的堅(jiān)定支持，在不斷提高自主創(chuàng)新能力的基礎(chǔ)上向前發(fā)展。因此，探索全國(guó)31個(gè)省市(限于數(shù)據(jù)的可得性，未包括香港、 澳門特別行政區(qū)和臺(tái)灣省)科技創(chuàng)新發(fā)展情況，有利于了解中國(guó)各地區(qū)科技創(chuàng)新發(fā)展水平，反映各省市經(jīng)濟(jì)高質(zhì)量發(fā)展?fàn)顩r。

1 數(shù)據(jù)來(lái)源與變量選取

1.1 數(shù)據(jù)來(lái)源

文章對(duì)全國(guó)31個(gè)省市科技創(chuàng)新的發(fā)展水平進(jìn)行評(píng)價(jià)。利用到的相關(guān)科技創(chuàng)新數(shù)據(jù)主要來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒2020》。

1.2 變量選取

參考ZHANG Y et al.[3]構(gòu)建的科技系統(tǒng)，結(jié)合2019年中國(guó)科技創(chuàng)新數(shù)據(jù)，選擇8個(gè)正向指標(biāo)，分別是規(guī)模以上工業(yè)企業(yè)的R&D經(jīng)費(fèi)、規(guī)模以上工業(yè)企業(yè)的R&D項(xiàng)目數(shù)、地方科學(xué)技術(shù)投入資金、授權(quán)專利數(shù)、技術(shù)市場(chǎng)成交額、產(chǎn)品質(zhì)量合格率、普通高等學(xué)校正高級(jí)專任教師和普通高等學(xué)校數(shù)目。上述8個(gè)指標(biāo)均為正項(xiàng)指標(biāo)，當(dāng)其數(shù)值越大時(shí)，說(shuō)明該地區(qū)科技越發(fā)達(dá)。

2 主成分分析

2.1 主成分分析概念

主成分分析方法最初由皮爾森將非隨機(jī)變量進(jìn)行代入，然后由霍特林對(duì)該方法進(jìn)行了改進(jìn)，使其同樣適用于隨機(jī)變量。一般情況下使用離差平方和或者方差來(lái)衡量變量所包含信息的多少。主成分分析：利用降維的想法將原始變量組合成互不相干的新變量，進(jìn)而依據(jù)現(xiàn)實(shí)要求，從中提取出少量的總變量，以達(dá)到可以充分體現(xiàn)原始變量信息的目的[4]。

經(jīng)過(guò)線性組合，將初始的P個(gè)指標(biāo)變量重新組合成n個(gè)綜合指標(biāo)。用選取的第一個(gè)線性組合F1的方差Var(F1)來(lái)說(shuō)明信息量的多少，方差越大，代表F1所包羅的信息就越多。因此F1作為第一主成分，在選取的全部線性組合中，它的方差是最大的。當(dāng)?shù)谝恢鞒煞諪1未能充分表示初始P個(gè)指標(biāo)變量信息時(shí)，需要選擇第二個(gè)線性組合F2，為達(dá)到能有效表示初始信息的目的，已經(jīng)存在于F1中信息此時(shí)不必再呈現(xiàn)于F2中。F1與F2的協(xié)方差為零，這時(shí)選取的第二個(gè)線性組合F2被稱為第二主成分。根據(jù)上述步驟，在需要的情況下，繼續(xù)選取第三、第四，……，第P個(gè)主成分[5]。

2.2 主成分確定

利用SPSS軟件，利用主成分分析方法對(duì)原始指標(biāo)進(jìn)行降維，從而提取主成分。采用極差法對(duì)初始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，再對(duì)初始數(shù)據(jù)的樣本進(jìn)行充足性檢驗(yàn)，結(jié)果見(jiàn)表1。

表1 KMO和Bartlett的檢驗(yàn)Table 1 KMO and Bartlett′s test

根據(jù)表1，KMO值為0.730>0.5，這說(shuō)明給定的樣本充足。Bartlett的球形度檢驗(yàn)Sig.值為0.000<0.05，可以拒絕Bartlett的球形度檢驗(yàn)的零假設(shè)，說(shuō)明原始變量間具有相關(guān)性，KMO值與Bartlett的球形度檢驗(yàn)均說(shuō)明該原始數(shù)據(jù)可以進(jìn)行因子分析。

公因子方差結(jié)果見(jiàn)表2，呈現(xiàn)了在本次分析過(guò)程中，從各個(gè)初始變量中所提取到的信息情況，信息提取方法為主成分分析，提取度均在0.7以上，說(shuō)明主成分涵蓋每個(gè)初始變量較多的信息。

表2 公因子方差Table 2 Common factor variance

表3解釋的總方差說(shuō)明了各主成分解釋初始變量總方差的狀況。依據(jù)累計(jì)貢獻(xiàn)率靠近85%，選取2個(gè)主成分，將8個(gè)變量轉(zhuǎn)化為2個(gè)新指標(biāo)，起到了降維的作用。

表3 解釋的總方差Table 3 The total variance explained

未旋轉(zhuǎn)的因子載荷見(jiàn)表4，結(jié)果顯示提取2個(gè)主成分。R&D經(jīng)費(fèi)、R&D項(xiàng)目數(shù)、地方科學(xué)技術(shù)投入資金、專利授權(quán)數(shù)、產(chǎn)品質(zhì)量合格率、普通高等學(xué)校正高級(jí)專任教師數(shù)以及普通高等學(xué)校數(shù)，在成分1上具有較高載荷，表明成分1能夠大致表示上述指標(biāo)的信息情況。技術(shù)市場(chǎng)成交額在成分2上擁有較高載荷，表明成分2能夠大致表示技術(shù)市場(chǎng)成交額的信息。因而表明提取兩個(gè)主成分能夠大體代表原本指標(biāo)信息。

表4 成分矩陣aTable 4 Component matrix a

2.3 主成分得分

成分得分系數(shù)矩陣見(jiàn)表5。

表5 成分得分系數(shù)矩陣Table 5 Coefficient matrix of component scores

主成分得分情況見(jiàn)表6，其中Y1與Y2分別代表第一主成分得分與第二主成分得分，Y代表主成分綜合得分。對(duì)主成分綜合得分Y進(jìn)行排名，主成分綜合得分在前5名，即地區(qū)科技創(chuàng)新發(fā)展水平在前5名的分別是廣東、北京、江蘇、浙江、山東，說(shuō)明2019年這些地區(qū)科技創(chuàng)新水平較高，可能是北京作為中國(guó)首都，以及騰訊、阿里巴巴等高科技公司在廣東、浙江的原因。主成分綜合得分在后5名，即地區(qū)科技創(chuàng)新發(fā)展水平在后5名的分別是新疆、海南、西藏、寧夏與青海，說(shuō)明2019年這5個(gè)地區(qū)科技創(chuàng)新水平較低，可能是地處偏僻、經(jīng)濟(jì)社會(huì)發(fā)展較緩慢的原因。

表6 主成分得分Table 6 Principal component scores

3 有序聚類分析

3.1 有序聚類概念

通常的聚類分析，各個(gè)樣本之間是平等的，在進(jìn)行聚類時(shí)，是將所有樣本混合在一起，以距離或相似系數(shù)的標(biāo)準(zhǔn)來(lái)對(duì)樣本進(jìn)行分類[6]。有序聚類法作為一種常用的聚類分析方法，將n個(gè)樣本根據(jù)某種條件(時(shí)間、底層深度等)進(jìn)行排序，只有次序相鄰的樣本才可以聚為同一類。

本質(zhì)上，有序樣本的分類是在樣本中尋找n個(gè)劃分點(diǎn)，并且使用尋找的n個(gè)劃分點(diǎn)將以某種順序排列的樣本分段，并且將劃分后的每個(gè)片段看作不同類別。當(dāng)劃分點(diǎn)在不同位置處被獲取時(shí)，能夠獲得完全不同的劃分結(jié)果。為了確保最佳劃分方法，首先必須使劃分后的各個(gè)段內(nèi)樣本之間的差異達(dá)到最小化，同時(shí)需要與不同段的樣本之間達(dá)到差異最大化。因此有序聚類法又稱為最優(yōu)分割法[7]。

3.2 結(jié)果分析

利用R軟件，對(duì)全國(guó)31個(gè)省市科技創(chuàng)新水平的主成分綜合得分降序排名，進(jìn)而對(duì)其進(jìn)行有序聚類分析，有序聚類結(jié)果見(jiàn)表7。

表7 有序聚類表Table 7 Ordered clustering table

由表7可知，全國(guó)31個(gè)省市通過(guò)有序聚類可聚4類。第一類包括排名為19～31的地區(qū)，即黑龍江、云南、廣西、貴州、甘肅、山西、內(nèi)蒙古、吉林、新疆、海南、西藏、寧夏和青海，這些地區(qū)地理位置偏僻，經(jīng)濟(jì)發(fā)展水平較低，科學(xué)創(chuàng)新發(fā)展情況較差。第二類包括排名為9～18的地區(qū)，即湖南、安徽、河南、陜西、遼寧、福建、江西、河北、天津和重慶，上述省市大部分屬于華北和華中地區(qū)，經(jīng)濟(jì)與科技創(chuàng)新發(fā)展情況一般。第三類包括排名為4～8的地區(qū)，即浙江、山東、上海、湖北和四川，這些地區(qū)經(jīng)濟(jì)發(fā)展?fàn)顩r相對(duì)較好，科技創(chuàng)新實(shí)力較強(qiáng)。第四類包括排名為1～3的地區(qū)，即廣東、北京和江蘇，這3個(gè)地區(qū)經(jīng)濟(jì)社會(huì)發(fā)展情況很好，北京作為中國(guó)首都，聚集眾多高新科技，廣東、江蘇具有良好的地理優(yōu)勢(shì)、經(jīng)濟(jì)高速發(fā)展的條件，科技創(chuàng)新發(fā)展情況在全國(guó)最強(qiáng)。

4 結(jié)論與建議

4.1 結(jié)論

(1)2019年全國(guó)31個(gè)省市的科技創(chuàng)新發(fā)展數(shù)據(jù)適合主成分分析，可以提取2個(gè)主成分。計(jì)算主成分得分，并對(duì)主成分綜合得分Y進(jìn)行排名。排名依次是：廣東、北京、江蘇、浙江、山東、上海、湖北、四川、湖南、安徽、河南、陜西、遼寧、福建、江西、河北、天津、重慶、黑龍江、云南、廣西、貴州、甘肅、山西、內(nèi)蒙古、吉林、新疆、海南、西藏、寧夏及青海。

(2)對(duì)全國(guó)31個(gè)省市主成分綜合得分排名進(jìn)行降序排列后，對(duì)排名進(jìn)行有序聚類，能聚4類。第一類包括排名為19～31的地區(qū)，第二類包括排名為9～18的地區(qū)，第三類包括排名為4～8的地區(qū)，第四類包括排名為1～3的地區(qū)。

4.2 建議

從結(jié)果中可以看出廣東、北京和江蘇，這3個(gè)地區(qū)科技創(chuàng)新發(fā)展?fàn)顩r最好，聚為一類。三者經(jīng)濟(jì)、科技等發(fā)展水平在全國(guó)范圍內(nèi)均屬于領(lǐng)先地位，社會(huì)發(fā)展勢(shì)頭好。黑龍江、云南、廣西、貴州、甘肅、山西、內(nèi)蒙古、吉林、新疆、海南、西藏、寧夏和青海，由于地域因素，經(jīng)濟(jì)發(fā)展水平較低，科學(xué)創(chuàng)新發(fā)展情況較差，與廣東、北京及江蘇比較，經(jīng)濟(jì)社會(huì)發(fā)展情況較差。針對(duì)上述分析，現(xiàn)提出以下幾點(diǎn)建議。

(1)縮小地區(qū)發(fā)展差距。研究結(jié)果表明，中國(guó)各地區(qū)間的發(fā)展存在一定的差距。其中金融、城鎮(zhèn)化以及對(duì)外開(kāi)放作為影響地區(qū)經(jīng)濟(jì)差距的主導(dǎo)力量[8]，經(jīng)濟(jì)發(fā)展與科技創(chuàng)新關(guān)系密切。北上廣深等大城市經(jīng)濟(jì)社會(huì)發(fā)展情況良好，科技創(chuàng)新發(fā)展實(shí)力較強(qiáng)，相比之下，中國(guó)偏遠(yuǎn)地區(qū)，云南、廣西和甘肅等省市經(jīng)濟(jì)發(fā)展情況差，科技創(chuàng)新水平較低。縮小地區(qū)差距對(duì)全國(guó)科技創(chuàng)新的整體發(fā)展存在重要意義。

(2)堅(jiān)持“引進(jìn)來(lái)”的發(fā)展戰(zhàn)略[9]?？萍际堑谝簧a(chǎn)力，科技人才是科學(xué)技術(shù)發(fā)展的根本。深究貧困地區(qū)中經(jīng)濟(jì)水平相對(duì)較高的省市，大部分存在政府支出來(lái)聘請(qǐng)外部科技人員的現(xiàn)象。這些人才一般具有豐富的經(jīng)驗(yàn)，能夠通過(guò)科學(xué)技術(shù)繁榮農(nóng)業(yè)，擁有新的科學(xué)技術(shù)并且能將其付諸實(shí)踐。但是，一般貧困地區(qū)地處偏僻，而且在惡劣氣候和生活條件下，吸引人才是一項(xiàng)重要而又艱巨的項(xiàng)目工程。在發(fā)展的過(guò)程中，中國(guó)也應(yīng)該注意東西部地區(qū)的結(jié)合，借鑒東部地區(qū)發(fā)展的經(jīng)驗(yàn)，來(lái)促進(jìn)西部地區(qū)的高效發(fā)展，加快縮小東西發(fā)展差距[10]。遵循共同富裕、互惠互利的發(fā)展原則，推動(dòng)中國(guó)東西部地區(qū)之間的高效協(xié)調(diào)發(fā)展。