论文部分内容阅读
科技竞争力是对一个国家或地区在一定时期内与在自然科学、农业科学、医药科学、工程与技术科学、人文和社会科学领域中，与科技知识的产生、发展、传播和应用等活动有关的科技发展基础与潜力、科技投入、科技产出与科技成果转化、科技管理等水平或能力的综合反映。它反映了一个国家或地区的科技投入、产出、科技经济一体化程度以及科技潜力的综合水平。近30年来，科学技术日新月异，经济全球化突飞猛进，人类进入一个全球化竞争的新时代。全球化的竞争不仅意味着竞争范围的国际化、竞争领域的全面化、竞争程度的激烈化，还意味着竞争主体的多层化、竞争方式的多样化。而科学技术竞争力是国际竞争力发展的动力，提高科技竞争力已成为增强国家竞争力的关键所在。笔者借鉴国内其他学者对地区科技竞争力评价体系的研究。试图构建一套全面的、有效的、具有较高解释能力的省际评价指标体系。
一、构建省际科技竞争力评价指标体系的原则
在一个国家内，评价省际之间的科技竞争力，显然不能照搬国际评价的指标体系，特别是在构建省际科技竞争力指标体系时，更应考虑各省之间社会经济和科技发展的实际情况，笔者认为应遵循如下原则：
(一)科学性原则
科技竞争力评价指标体系的设计是否科学，直接关系到能否准确反映各地科学技术活动的规模、布局、结构及其成果的推广应用和影响。
(二)全面性原则
科学技术本身就是一个复杂的系统，它由多方面组成。构建科技竞争力评价指标体系，应从与科技活动有关的科技发展基础与潜力、科技投入、科技产出、科技成果转化及科技管理等方面来构建评价指标体系。
(三)可行性原则
我国省际科技竞争力评价指标体系尚未成熟，对科技竞争力相关要素进行全面系统分析，既要考虑需要，也要考虑可能。
(四)可比性原则
可比性原则要求评价结果在时间上和空间上都能够比较。时间上的比较，可反映省、市、自治区科技竞争力发展演进轨迹；空间上的比较则反映了各省、市、自治区之间科技竞争的优势和劣势，为制定区域发展政策与措施服务。
(五)同向性原则
反映科技竞争力的统计指标有正指标，也有逆指标。从正向描述社会经济现象的指标，称为正指标，正指标的数值越大越好；从反向描述社会经济现象的指标，称为逆指标，逆指标的数值越小越好。
(六)层次性原则
科技竞争力是一个系统，构成这个系统的评价指标体系要有不同的层次，从宏观到微观层层深入，这样不仅可以从总体上反映问题，也可以从不同层次反映问题。
二、省际科技竞争力评价指标体系的构建
评价指标体系应由总量指标、相对指标或者平均指标共同构成。总量指标是反映总体现象在一定时间和空间条件下达到的总规模或绝对水平的统计指标；相对指标是将两个有联系的指标数值加以对比，用来反映现象内部、现象之间数量联系程度及现象本身发展变化程度的统计指标；平均指标是反映一组统计数据一般水平或集中趋势的统计指标。为了更深入、更全面地认识问题，在进行分析比较时，就应将总量指标、相对指标或平均指标结合运用。
需要说明的是：一个国家或地区的科技竞争力，还可通过科技体制、科技发展环境、科技经费的配置方式、社会对科技活动的参与感和认同度、维护市场竞争秩序的能力等这些软因素体现出来。
三、评价省际科技竞争力指标的实证分析
科技竞争力的理论遴选评价指标体系是依据地区科技竞争力的内涵、构建原则，并参阅国内外科技竞争力评价研究成果后构建的，这需要对理论遴选的指标进行实证筛选。在实际工作中实证筛选最优的方法是因子分析法。
因子分析的目的是从众多的原有变量中综合出少数具有代表性的因子，这必然有一个潜在的前提，即原有变量之间应具有较强的相关关系。因此笔者在用因子分析时，需要首先对因子分析的条件，即原有变量是否存在相关性进行研究，这可通过巴特利特球度检验(Bart]eft test 0f sphericity)和KMO(Kaiser-Meyer-Olkin)检验来实现。
巴特利特球度检验以原有变量的相关系数矩阵为出发点，其零假设是：相关系数矩阵是单位阵，其检验统计量是根据相关系数矩阵的行列式计算得到，且近似服从X2分布，如果该统计量的观测值比较大，且对应的概率P值小于给定的显著性水平，则应拒绝零假设，认为相关系数矩阵不大可能是单位矩阵，原有变量适合做因子分析，否则原有变量不适合做因子分析。
KMO检验统计量的数学定义为：
式中：Rij是第一个变量与第一个变量的简单相关系数，pijF是第一个变量与第二个变量的偏相关系数。 KMO值越接近1，意味着变量间的相关性越强，原有变量越适合作因子分析，KMO值越接近O，意味着变量间的相关性越弱，原有变量越不适合作因子分析。Kaiser给出了常用的KMO度量标准：0.9以上表示非常适合，0.8表示适合，0.7表示一般，0.6表示不太适合，0，5以下表示极不适合。
为了比较各省、市、自治区在各个因子上的表现，需计算出因子得分，一般用回归法。其计算公式为F=A1,R-1X，其中A为因子载荷矩阵，R为变量之间的相关系数矩阵，5个公共因子得分不同。
从旋转之后的因子载荷矩阵可以看出，第一公共因子在人均GDP、当地网民占当地人口的比重、每万人高等学校普通本专科学生数、每万人口科技人员数、R&D人员全时当量、每万人口R&D人员全时当量、科技经费内部支出总额、每万人科技经费内部支出、科技经费支出占GDP的比重、R&D经费内部支出、每万人口R&D经费支出、每十万人平均专利申请受、技术市场成交合同金额、万人技术市场成交合同、每万人高技术产业增加值有较大的载荷，这些指标绝大多数属于相对指标，只有少数为总量指标，而这些总量指标除技术市场成交合同金额外，在第二因子中的载荷比在第一因子上的大，为此，把第一因子称为科技竞争力的相对指标因子。相对指标因子得分较高的5个省市为北京、上海、天津、陕西和辽宁。而相对因子得分最低的5个省份是广东、广西、海南、贵州、云南。我们知道广东省经济发展水平很高，但科技竞争力中的相对指标表现如此的不好，这说明广东省科技投入和经济发展的比例不协调；而其他四个省份经济发展水平较低，其相对因子得分也较低。
第二公共因子在GDP、当地网民 数量、高等学校普通本专科学生数、教育经费、科技人员总数、R&D人员全时当量、地方财政科技拨款总额、科技经费内部支出总额、R&D经费内部支出、国内专利申请受理数、高技术产业增加值、高技术产品出口额等总量指标上有较大的载荷，而这些总量指标几乎包含了总量指标的全部，所以可以将其命名为科技竞争力中的总量指标因子。总量因子得分最高的5个省份是广东，江苏、山东、浙江、四川，这些地区经济发展水平高，科技竞争力的总量因子也高。广东省总量因子排名第一，而相对因子排名最后，形成一个极大的反差，这种反差说明其总量指标因子和相对指标因子不协调，假若广东省相对指标因子稍好些，其科技竞争力的名次肯定会提前。得分最低的5个省市为天津、宁夏、青海、海南、新疆。天津市虽然经济较为发达，但由于其经济总量的限制，其科技投入的总量因子在30个省市中排在最后，这是可以理解的；而其他四个省份经济发展水平低，科技竞争力中的总量因子得分也低。
第三因子在每10万人平均专利申请受理数、高技术产业增加值、每万人高技术产业增加值、高技术产品出口额、每万人高技术产品出口额上有较大的载荷，这些指标属于科技产出和科技转化的指标，所以第三因子可以命名为科技产出和科技转化的因子。第三因子得分最高的是上海、广东、天津、江苏、青海；而最低的是山东、北京、四川、陕西、河南，对于这几个省份，其科技产出和成果转化方面表现出来的欠缺是值得关注的。
第四因子仅在规模以上工业企业新产品产值上较大的载荷，可以称第四因子为新产品因子。得分最高的是广西、天津、重庆、海南、浙江；最低得分的是青海、甘肃、新疆、云南、宁夏。 第五因子在科技进步对GDP增长的贡献上有较大的载荷，可以称第五因子为科技管理因子。得分最高的是湖北、江苏、黑龙江、上海、江西；得分最低的是广西、广东、浙江、北京、云南。
计算出各个省、市、自治区各因子的得分后，使用方差贡献率这一自动生成的信息量为权重，将各因子得分综合在一起，这避免了主观赋权中人为因素的影响，使分析结果更加真实、可靠。
各省、市、自治区在因子上的得分为正，表明该内容好于全国平均水平，得分为负，表明该内容差于全国平均水平。从综合得分上来看，北京得分遥遥领先，位居榜首，其科技竞争力的总量因子和相对因子都比较好，在科技发展基础和发展潜力、科技投入的排序也位居首位。这是因为北京作为政治、经济、文化、科技、教育中心表现出强大的科技竞争优势，但在科技产出与成果转化方面却尚有所欠缺。紧跟其后的上海和江苏、天津、浙江、山东也是科技、文化底蕴雄厚的地区。而排名后六位的新疆、宁夏、青海、广西、贵州、海南，除海南外均属于经济发展落后的西部地区。
因子分析给出了科技竞争力的大体排序，在科技产出和科技转化排序中，我们将科技进步对GDP增长的贡献也作为科技产出和科技转化内的一个指标列入其中，因为在科技管理这一层次中，最后仅剩下这一指标，这一指标虽属于科技管理层次中的指标，但在某种程度上也是科技转化这一层次中的指标。
一、构建省际科技竞争力评价指标体系的原则
在一个国家内，评价省际之间的科技竞争力，显然不能照搬国际评价的指标体系，特别是在构建省际科技竞争力指标体系时，更应考虑各省之间社会经济和科技发展的实际情况，笔者认为应遵循如下原则：
(一)科学性原则
科技竞争力评价指标体系的设计是否科学，直接关系到能否准确反映各地科学技术活动的规模、布局、结构及其成果的推广应用和影响。
(二)全面性原则
科学技术本身就是一个复杂的系统，它由多方面组成。构建科技竞争力评价指标体系，应从与科技活动有关的科技发展基础与潜力、科技投入、科技产出、科技成果转化及科技管理等方面来构建评价指标体系。
(三)可行性原则
我国省际科技竞争力评价指标体系尚未成熟，对科技竞争力相关要素进行全面系统分析，既要考虑需要，也要考虑可能。
(四)可比性原则
可比性原则要求评价结果在时间上和空间上都能够比较。时间上的比较，可反映省、市、自治区科技竞争力发展演进轨迹；空间上的比较则反映了各省、市、自治区之间科技竞争的优势和劣势，为制定区域发展政策与措施服务。
(五)同向性原则
反映科技竞争力的统计指标有正指标，也有逆指标。从正向描述社会经济现象的指标，称为正指标，正指标的数值越大越好；从反向描述社会经济现象的指标，称为逆指标，逆指标的数值越小越好。
(六)层次性原则
科技竞争力是一个系统，构成这个系统的评价指标体系要有不同的层次，从宏观到微观层层深入，这样不仅可以从总体上反映问题，也可以从不同层次反映问题。
二、省际科技竞争力评价指标体系的构建
评价指标体系应由总量指标、相对指标或者平均指标共同构成。总量指标是反映总体现象在一定时间和空间条件下达到的总规模或绝对水平的统计指标；相对指标是将两个有联系的指标数值加以对比，用来反映现象内部、现象之间数量联系程度及现象本身发展变化程度的统计指标；平均指标是反映一组统计数据一般水平或集中趋势的统计指标。为了更深入、更全面地认识问题，在进行分析比较时，就应将总量指标、相对指标或平均指标结合运用。
需要说明的是：一个国家或地区的科技竞争力，还可通过科技体制、科技发展环境、科技经费的配置方式、社会对科技活动的参与感和认同度、维护市场竞争秩序的能力等这些软因素体现出来。
三、评价省际科技竞争力指标的实证分析
科技竞争力的理论遴选评价指标体系是依据地区科技竞争力的内涵、构建原则，并参阅国内外科技竞争力评价研究成果后构建的，这需要对理论遴选的指标进行实证筛选。在实际工作中实证筛选最优的方法是因子分析法。
因子分析的目的是从众多的原有变量中综合出少数具有代表性的因子，这必然有一个潜在的前提，即原有变量之间应具有较强的相关关系。因此笔者在用因子分析时，需要首先对因子分析的条件，即原有变量是否存在相关性进行研究，这可通过巴特利特球度检验(Bart]eft test 0f sphericity)和KMO(Kaiser-Meyer-Olkin)检验来实现。
巴特利特球度检验以原有变量的相关系数矩阵为出发点，其零假设是：相关系数矩阵是单位阵，其检验统计量是根据相关系数矩阵的行列式计算得到，且近似服从X2分布，如果该统计量的观测值比较大，且对应的概率P值小于给定的显著性水平，则应拒绝零假设，认为相关系数矩阵不大可能是单位矩阵，原有变量适合做因子分析，否则原有变量不适合做因子分析。
KMO检验统计量的数学定义为：
式中：Rij是第一个变量与第一个变量的简单相关系数，pijF是第一个变量与第二个变量的偏相关系数。 KMO值越接近1，意味着变量间的相关性越强，原有变量越适合作因子分析，KMO值越接近O，意味着变量间的相关性越弱，原有变量越不适合作因子分析。Kaiser给出了常用的KMO度量标准：0.9以上表示非常适合，0.8表示适合，0.7表示一般，0.6表示不太适合，0，5以下表示极不适合。
为了比较各省、市、自治区在各个因子上的表现，需计算出因子得分，一般用回归法。其计算公式为F=A1,R-1X，其中A为因子载荷矩阵，R为变量之间的相关系数矩阵，5个公共因子得分不同。
从旋转之后的因子载荷矩阵可以看出，第一公共因子在人均GDP、当地网民占当地人口的比重、每万人高等学校普通本专科学生数、每万人口科技人员数、R&D人员全时当量、每万人口R&D人员全时当量、科技经费内部支出总额、每万人科技经费内部支出、科技经费支出占GDP的比重、R&D经费内部支出、每万人口R&D经费支出、每十万人平均专利申请受、技术市场成交合同金额、万人技术市场成交合同、每万人高技术产业增加值有较大的载荷，这些指标绝大多数属于相对指标，只有少数为总量指标，而这些总量指标除技术市场成交合同金额外，在第二因子中的载荷比在第一因子上的大，为此，把第一因子称为科技竞争力的相对指标因子。相对指标因子得分较高的5个省市为北京、上海、天津、陕西和辽宁。而相对因子得分最低的5个省份是广东、广西、海南、贵州、云南。我们知道广东省经济发展水平很高，但科技竞争力中的相对指标表现如此的不好，这说明广东省科技投入和经济发展的比例不协调；而其他四个省份经济发展水平较低，其相对因子得分也较低。
第二公共因子在GDP、当地网民 数量、高等学校普通本专科学生数、教育经费、科技人员总数、R&D人员全时当量、地方财政科技拨款总额、科技经费内部支出总额、R&D经费内部支出、国内专利申请受理数、高技术产业增加值、高技术产品出口额等总量指标上有较大的载荷，而这些总量指标几乎包含了总量指标的全部，所以可以将其命名为科技竞争力中的总量指标因子。总量因子得分最高的5个省份是广东，江苏、山东、浙江、四川，这些地区经济发展水平高，科技竞争力的总量因子也高。广东省总量因子排名第一，而相对因子排名最后，形成一个极大的反差，这种反差说明其总量指标因子和相对指标因子不协调，假若广东省相对指标因子稍好些，其科技竞争力的名次肯定会提前。得分最低的5个省市为天津、宁夏、青海、海南、新疆。天津市虽然经济较为发达，但由于其经济总量的限制，其科技投入的总量因子在30个省市中排在最后，这是可以理解的；而其他四个省份经济发展水平低，科技竞争力中的总量因子得分也低。
第三因子在每10万人平均专利申请受理数、高技术产业增加值、每万人高技术产业增加值、高技术产品出口额、每万人高技术产品出口额上有较大的载荷，这些指标属于科技产出和科技转化的指标，所以第三因子可以命名为科技产出和科技转化的因子。第三因子得分最高的是上海、广东、天津、江苏、青海；而最低的是山东、北京、四川、陕西、河南，对于这几个省份，其科技产出和成果转化方面表现出来的欠缺是值得关注的。
第四因子仅在规模以上工业企业新产品产值上较大的载荷，可以称第四因子为新产品因子。得分最高的是广西、天津、重庆、海南、浙江；最低得分的是青海、甘肃、新疆、云南、宁夏。 第五因子在科技进步对GDP增长的贡献上有较大的载荷，可以称第五因子为科技管理因子。得分最高的是湖北、江苏、黑龙江、上海、江西；得分最低的是广西、广东、浙江、北京、云南。
计算出各个省、市、自治区各因子的得分后，使用方差贡献率这一自动生成的信息量为权重，将各因子得分综合在一起，这避免了主观赋权中人为因素的影响，使分析结果更加真实、可靠。
各省、市、自治区在因子上的得分为正，表明该内容好于全国平均水平，得分为负，表明该内容差于全国平均水平。从综合得分上来看，北京得分遥遥领先，位居榜首，其科技竞争力的总量因子和相对因子都比较好，在科技发展基础和发展潜力、科技投入的排序也位居首位。这是因为北京作为政治、经济、文化、科技、教育中心表现出强大的科技竞争优势，但在科技产出与成果转化方面却尚有所欠缺。紧跟其后的上海和江苏、天津、浙江、山东也是科技、文化底蕴雄厚的地区。而排名后六位的新疆、宁夏、青海、广西、贵州、海南，除海南外均属于经济发展落后的西部地区。
因子分析给出了科技竞争力的大体排序，在科技产出和科技转化排序中，我们将科技进步对GDP增长的贡献也作为科技产出和科技转化内的一个指标列入其中，因为在科技管理这一层次中，最后仅剩下这一指标，这一指标虽属于科技管理层次中的指标，但在某种程度上也是科技转化这一层次中的指标。