张梦茹   西北政法大学经济学院  710122

摘要：在2018年初西安被选入“国家中心城市”，以及西安市政府着力打造西安作为硬科技之都的大背景下，本文采用西安2012-2016年西安市公布的数据，西安市科技创新竞争力进行研究，设计R&D经费投入、专利产出等12项科技创新指标，用stata14.0分析软件，采用主成分分析和因子分析法，研究西安市科技创新投入、产出具体的指标，找出影响西安市科技创新竞争力的主要因素，并提出对科技创新建设分析。

关键词：主成分分析；因子分析；科技竞争力；

1、引言

2017年10月18日，西安市委书记王永康在党的十九大开幕会陕西代表团全体会议上指出：把发展方式加快创新调整过来，着力打造硬科技之都。随后，2018年2月7日，国家发改委发布了《关中平原城市群发展规划》，其中提出“建设西安国家中心城市”，宣布西安正式成为在北京、天津、上海、广州、重庆、成都、武汉、郑州之后的全国第9个国家中心城市。通过西安市政府提出的相关政策可以看出，政府越来越重视科技创新能力以及科技创新对城市整体地位的带动作用。因此，进行科学的科技创新投入产出竞争力评价，能够找到城市科技创新水平以及定位，对提高现实科技创新能力和区域科技创新具有重要意义。

2、科技创新评价指标体系构建

国外最早与科技创新竞争力评价相关的研究报告，是美国乔治亚理工大学技术政策评估中心( TPAC)提出的科技创新竞争力评价体系。[①]目前，国外具有较大影响力的国家创新评估报告主要有：欧盟发布的《创新联盟记分牌》，世界识产权组织发布的《全球创新指数》，世界济论坛发布的《全球竞争力报告》，瑞士桑国际惯例学院发布的《世界竞争力年度报告》。国内较为权威的研究主要有: 中国社会科学院发布的 《中国城市竞争力报告》、中国科技发展战略研究小组发布的 《中国区域创新能力评价报告》等。

国内学者对科技创新竞争力的研究，根据不同的研究目的对科技创新竞争力的指标体系的制定各有不同，主要分为三种：全球科技创新中心的研究，陈搏（2016）构建的全球科技创新中心评价指标体系，由八个一级指标构成，分别是: 创新资源、创新产业、创新投入、创新载体、创新成果、创新文化、创新创业和创新影响。李强、余吉安（2016）对世界科学中心和创新高地的成功模式进行了对比分析，确立了科学中心和创新高地评价指标体系，其中包含5个一级指标，分别是技术创新体系能力、知识创新体系能力、多元化创新投入体系能力、创新服务体系能力、政府科技管理体系能力；对区域科技创新能力的研究，尤丹君（2013）从区域科技创新投入能力、区域科技创新产出能力、区域科技扩散吸收能力、区域科技产业化能力和区域科技创新支撑能力5个方面，创建了创新基础、创新环境、人才投入、财力投入、理论产出、专利产出、技术扩散、产业化水平、产业化效率等10个一级指标、20个二级指标，结合因子分析、聚类分析方法，对我国 2010年30个省区的科技创新能力进行评价。吴鸣然（2018）从科技创新投入-产出系统（包括创新发起能力和实现能力）、科技创新环境支撑系统（包括经济环境支撑和生态环境支撑）2 个方面设计区域创新竞争力评价体系，4层次21个指标构成设计评价指标体系，并以此对2013-2015年中国31个省、市、自治区的区域创新竞争力进行评价；对省、市科技创新竞争力的研究，陈黎（2011）选取15项科技指标构成科技创新竞争力体系，采用主成分因子分析法，研究广州科技创新投入、产出排名情况及其两者之间的关系。其中，每万劳动力 R&D 人员数等6项科技指标，分别从人力、财力方面反映各城市科技投入现状；从成果产出、成果转化方面设立专利申请量、高新技术产品产值、技术输出合同成交额等9项指标，反映各城市的科技产出情况。

通过对以上指标体系的研究，对科技创新竞争力的评价指标设计中普遍具有多样性，在以上学者的研究中，一级指标具有相似性，但具体到二级和三级指标就表现出明显的差别以及多样性，使评级指标太过繁杂，同时给具体指标的数据收集带来了一定的难度。本文在参考众多国内专家学者成果的基础上，遵循实用性、代表性、全面性、科学性和灵敏性的原则，对西安科技创新竞争力的评价主要从科技创新投入和科技创新产出两个方面来设计，并选取12个评价指标构成科技创新竞争力指标体系，可具体见下表。

3、实证研究

（1）数据来源

本文从2013-2017年《西安市统计年鉴》选取的2012-2016年5年的科技创新相关数据。科技创新投入方面包括：R&D人员全时当量（v1）、科技活动人员（v2）、R&D内部支出（v3）、财政科技支出（v4）、财政科技支出占当地财政一般支出比重（v5）；科技创新产出方面包括：专利申请总量（v6）、专利授权总量（v7）、发明专利申请量（v8）、发明专利授权量（v9）、发明专利授权占社会授权专利总量比重（v10）、高新技术产品利润总额（v11）、技术市场交易额（v12）。

（2）数据适用性检验

用KMO检验法对数据进行检验，检验数据是否合适做因子分析，根据检验结果显示：KMO值为0.583，在0.5- 1.0之间，说明指标间具有相关性，适宜做因子分析。

(3)主成分分析和因子分析

本文对2012-2016年西安市相关数据采用主成分分析法，求解初始公因子特征值、方差贡献率及累计方差贡献率。根据stata14.0的计算结果表明，如图2所示，提取特征值大于1的3个公因子的，3个公因子的累计方差贡献率达到98.32%，这说明提取3个公因子能解释12个原始变量的98.32%，未解释变量都为0，较为充分地保留了原始变量信息，所提取的公因子具有很好的代表性。经过进一步的操作得出主成分表达式：

Y1=0.2736v1+0.2381v2+0.3295v3+0.3265v4+0.3235v5+0.1822v6+0.3268v7-0.0429v8+0.3306v9-0.2955v10+0.3273v11+0.3210v12

Y2=0.3562v1+0.4523v2-0.0210v3-0.1690v4-0.1859v5-0.5052v6+0.1089v7+0.4829v8-0.0841v9-0.2369v10+0.0477v11-0.1981v12

Y3=-0.2717v1-0.2101v2+0.1304v3-0.0775v4-0.1046v5+0.4496v6-0.1183v7+0.7058v8-0.1378v9-0.2536v10+0.2004v11+0.1016v12

可以看出，第一主成分中v3、v4、v5、v7、v9、v11、v12变量系数都在0.3以上，说明第一主成分中所反映的信息是者7个变量的综合；第二主成分中主要反映的了v2、v8的信息；第三主成分中主要反映了v6、v8的信息。

对提取的3个公因子Fl、F2、F3建立因子载荷矩阵，根据旋转后因子载荷矩阵可得：第一公因子F1上高载荷的指标有R&D人员全时当量（v1）、科技活动人员（v2），它们主要反映的是在科技创新竞争力中科技创新人力投入力度，因此可以将F1定义成为人力投入因子。第二公因子F2上高载荷的指标有专利申请总量（v6）、技术市场交易额（v12），它们主要反映的是在科技创新竞争力中科技创新产出能力，可以将F2定义成为科技创新产出因子。第三公因子F3上高载荷的指标有财政科技支出占当地财政一般支出比重（v5）、发明专利授权占社会授权专利总量比重（v10），它们主要反映的是科技创新竞争力中在财政在科技创新方面和发明专利授权在各自总体中的占比，所以可以将F2定义为占比因子。

参考文献：

[1]阴新月．基于五元协同机理的天津市高新技术产业竞争力评价研究 ［D］．天津: 天津大学，2011: 1 － 2

[2][1]袁永,郑芬芳,郑秋生.广东建设全球性科技创新中心研究——基于全球创新城市指数[J].科技管理研究,2017,37(07):105-109.

[3]熊新文,王文华,周毓麟,黄艳萍,刘虎,周鹏程.推动全面创新,建设创新城市——孝感市建设创新城市的探索与实践[J].湖北工程学院学报,2014,34(01):79-83.