基于PCA的高新技术产业技术创新能力评价以泉州为例

—1—基于PCA的高新技术产业技术创新能力评价——以泉州为例李金兰,郑淑蓉（华侨大学工商管理学院，福建泉州362021）摘要：在明确高新技术产业及其技术创新能力两个概念的基础上，本文根据指标体系设计原则，综合已有研究成果，从产业共性角度设计高新技术产业技术创新能力评价指标体系。用主成分分析法（PCA）对泉州高新技术产业中各行业大类的技术创新能力进行分析，得出技术转化能力、技术创新基础和创新经济支撑力是影响技术创新的主要因素。根据综合评价结果得到各行业技术创新能力排序及其优劣势，有利于相关部门制定政策，从而调整和优化产业结构。关键词：高新技术产业；技术创新能力；指标体系；主成分分析法；评价[中图分类号]F062.4前言从微观层面讲，技术创新可以改善产品结构，提高产品附加值，以适应瞬息万变的市场需求，从而提高企业的经济效益提升企业的竞争力；从中观层面讲，技术创新可以催发新兴产业群的成长，促进产业结构优化的同时提高高技术产业对地区经济的贡献度；从宏观层面讲，利用率先创新的引擎效应，模仿创新的扩张效应，创新继起的持续效应，结构优化的集成效应的动态机理，技术创新是高质量经济增长的源泉。总之，技术创新是人类财富之源，是经济增长的根本动力。对技术创新能力测度与评价是人们正确认识和把握技术创新的能力与水平、系统总结技术创新经验的主要手段。客观、科学地对各行业技术创新能力进行评价和比较研究,明确各自的优劣势,对于发现产业整体发展中存在的问题、正确选择技术创新战略、制定科学的技术创新政策、促进产业结构调整和升级具有十分重要的意义。为此，本文拟在构建产业技术创新能力评价指标体系的基础上,利用主成分分析法并借助SPSS.V13.0和excel，分析评价泉州高新技术产业的技术创新能力。1.高新技术产业技术创新能力的相关概念及其指标体系构建1.1高新技术产业及其技术创新能力高新技术产业，一般是指知识和技术密集度高、资源和能耗低、环境污染少、渗透力强、研发投入强度高、知识和创造力依赖性强、高增值的产业，它具有渗透性强、关联度高、市场需求广阔、资源利用率高、风险性高、附加值高等特征[1]。在其领域中的每一个创新突破，都会带动一批新兴产业群的成长，形成新的经济增长点，创造新的需求。因此，发展高新技术产业是推动经济增长方式转变、实现经济结构优化升级的重要途径。高新技术产业技术创新是指以市场为导向,以提高产业竞争力为目标,从新产品或新工艺设想的产生,经过技术的获取(研究、开发和引进技术、消化吸收)、工程化到产业化整个过程的一系列活动的总和。高新技术产业技术创新能力是采用先进科学技术和手段开发新产品、新工艺并使其形成经济效益的能力,它是推动产业发展的动力[2]。1.2高新技术产业技术创新能力指标体系设计依据科学性、可操作性、可比性、系统性等指标设计原则，综合已有文献研究成果，并结合高新技术产业的特点和产业技术创新能力影响因素，从人员、经费、设备、产出等方面综合考虑，经过比较和筛选，构建高新技术产业技术创新能力评价指标体系（见表1）。表1高新技术产业技术创新能力指标体系目标层指标类别指标名称—2—高新技术产业技术创新能力人员R&D人员折合全时单量/单位数(A2)科学家和工程师占从业人员比重(A8)经费筹集与支出R&D经费总额/主营业务收入(A1)非R&D投入强度(A3)开发新产品经费占科技活动经费之比（A4）科研基建支出占科技活动经费之比（A5）技术引进经费比重(A6)金融贷款占科技活动经费之比(A7)科技活动经费筹集总额/单位数（A13）设备固定资产原值/单位数（A14），生产设备中微电子控制设备所占比重（A15）产出专利授权数/单位数(A9)出口创新产品销售收入占总产值的比重(A10)全员劳动生产率(A11)新产品产值率(A12)1.3各指标计算公式及其经济意义1.R&D经费总额/主营业务收入(A1)=R&D经费内外部支出/主营业务收入，反映R&D投入强度。2.R&D人员折合全时单量/单位数(A2)，反映R&D活动人员参与情况。3.非R&D投入强度(A3)=（技术引进经费+技术改造经费）/主营业务收入，反映技术转化及扩散能力。4.开发新产品经费占科技活动经费之比（A4）=新产品开发经费/科技活动经费内部支出，反映新产品开发的资金支持力度。5.科研基建支出占科技活动经费之比（A5）=科研基建支出/科技活动经费支出总额，反映科研基建资金的投入情况。6.技术引进经费比重(A6)=技术引进费用/科技活动费用，反映引进外来先进技术的强度。7.金融贷款占科技活动经费之比(A7)=金融贷款/科技活动经费筹集总额，反映所处的金融环境。8.科学家和工程师占从业人员比重(A8)=科学家和工程师人数/从业人员数，反映高素质人才资源的拥有情况。9.专利申请数/单位数(A9)，反映专利的申请情况。10.出口创新产品销售收入占总产值的比重(A10)=出口创新产品销售收入/总产值，反映产品的国际竞争力。11.全员劳动生产率(A11)=增加值/从业人员数，反映人力投入的经济效益。12.新产品产值率(A12)=新产品产值/总产值，反映新产品开发的经济效益。13.科技活动经费筹集总额/单位数（A13），反映创新倾向。14.固定资产原值/单位数（A14），反映技术制造能力。15.生产设备中微电子控制设备所占比重（A15）=微电子控制设备原价/生产经营用机器设备原价，反映劳动手段的先进程度以及技术制造转化能力。2.主成分分析法（PCA）[3-4]2.1基本原理PCA是利用高维变量空间降维的思想，在保证数据信息丢失最少的原则下，把多个变量转化—3—为几个互不相关的综合变量（通常称为主成分）以达到简化分析、提高分析效率的多元统计方法。该方法的核心是构造原始变量的适当线性组合以产生一系列互不相关的新变量（主成分），从中提取若干个主成分使其尽可能多的包含原变量信息，再以各主成分的方差贡献率为权数结合主成分得分构造综合评价函数，然后按照得分高低对样本进行排序。PCA以信息量为权重，能消除指标赋权的主观性。利用PCA进行评价，不仅能综合反映各行业技术创新能力强弱的各项信息，而且能够克服原指标间信息重叠的问题。2.2分析步骤设有n个样本和p个指标，可得数据矩阵X=（ijx）n×p(其中i=1，2，^，n；j=1，2，^，p)。根据上述PCA基本原理，可把分析步骤归纳如下:（1）数据标准化。为排除量纲和数量级的不同，使各指标数据具有可比性，需对原始数据进行标准化处理。即：),^,2,1;,^,2,1(/)(zpjnisxxjjijij，其中：xj和Sj分别为第j个指标的样本均值和标准差。（2）求相关系数矩阵。根据标准化数据（zij）n×p求解相关系数矩阵R=（rij）p×p，其中：rij是指标ix和指标jx之间的相关系数，记：),^,2,1,(111pjixxnrnkkjkiij。（3）计算特征根及特征向量，并求得各主成分得分与主成分载荷。由特征方程│R-λI│=0，求解R的特征根λi(λ1≥λ2…≥λP0)及其对应的单位特征向量ei(i=1,2,^p,且‖ei‖=1)。则主成分得分为),^2,1(,pizFiTiie，主成分载荷为)^,1,(,pjieaijiij，其中aij表示第i个成分与第j个变量的相关系数。（4）确定主成分个数。贡献率解释了主成分Fi所反映信息量的大小，贡献率最大的主成分成为第一主成分，其次是第二主成分，以此类推。主成分Fi的贡献率和累计贡献率分别为p1iii/和piimii11/，当%85/11piimii时，表明前m个主成分基本保留了原变量信息，故提取m个主成分。（5）以各主成分贡献率为权数构造综合评价函数。piiimiiimiiiwwFwH1i11/,/其中。3.泉州高新技术产业技术创新能力例证3.1评价对象按GB/T4754-2002行业分类标准，除核燃料工业和航空航天器制造业外，泉州高新技术产业包含以下7大行业，分别是：①医药制造业，②电子及通信设备制造业，③电子计算机及办公设备制造，④医疗器械及仪器仪表制造业，⑤信息化学品制造，⑥高新技术改造传统行业，⑦非工业高新技术行业。扣掉数据严重缺损的“电子计算机及办公设备制造和信息化学品制造”，本文研究样本共5个。3.2数据收集与处理获取指标数据数据来源于《2008泉州统计年鉴》中“2007年度泉州市高新技术产业发展情况表”[5]，借助excel计算整理，得到各项技术创新能力指标值，如表2所示。数据标准化—4—为使各指标具有可比性，对原始指标数据进行标准化处理。借助SPSS.V13.0，操作步骤:Analyze—DescriptionStatistic—Description，选择Savestandardizedasvariables。标准化结果如表3所示。求相关矩阵R，并提取主成分计算相关系数矩阵R，并求解R的特征根及特征向量，再根据累计方差贡献率提取若干个主成分。SPSS.V13.0操作步骤:Analyze—DataReduction—Factor，选择标准化指标作为变量，单击Descriptive按钮选择Coefficients，单击Score按钮选择Saveasvariables和Displayfactorscorecoefficientmatrix。输出结果见表4至表7。表4CorrelationMatrix(相关矩阵R)表明，各项指标之间具有强相关性，特别是指标A1与A5、A8，A2与A9、A13，A5与A8，A9与A13、A14，A10与A12，A11与A14的相关系数比较大，且都在0.87以上。说明它们之间存在信息上的重叠，适合采用主成分分析法。由表5TotalVarianceExplained（总方差分解）可见，特征根λ1=6.456、λ2=4.605、λ3=2.895，前3个主成分的累积方差贡献率达93.039%，即涵盖了大部分信息，这表明前3个主成分能够代表最初的15个指标来分析产业技术创新能力，故提取前3个主成分，并分别记作F1,F2,F3。从表6ComponentMatrix(a)（因子载荷矩阵）可知，指标Z3,Z4,Z6,Z9,Z11,Z14,Z15在第1主成分上有较高载荷，表明F1与这些指标有较高的相关性，它是非R&D投入强度、开发新产品经费比重、技术引进经费比重、专利申请量和技术制造转化能力等指标的综合，因此可以解释为技术创新转化能力；第2主成分F2与Z1,Z2,Z5,Z8,Z13有较高的相关性，是R&D投入强度、R&D全时人员当量、科研基建资金投入、工程人员比重和科技活动经费筹集总额等指标的综合，故可定义为技术创新基础能力；第3主成分F3与Z7,Z10,Z12有较高的相关性，这3个指标主要反映了经济实力与竞争力水平，因此可以解释为技术创新经济支撑力。表7ComponentScoreCoefficientMatrix（因子得分系数）列示了前3个特征根对应的特征向量（即各主成分解析表达式中标准化变量的系数向量）故各主成分解析表达式分别为：F1=-0.074Z1+0.067Z2+0.143Z3+0.098Z4-0.036Z5+0.132Z6-0.014Z7-0.086Z8+0.122Z9+0.084Z10+0.123Z11+0.098Z12+0.09Z13+0.132Z14+0.129Z15F2=0.184Z1+0.189Z2+0.052Z3-0.129Z4+0.206Z5+0.032Z6+0.102Z7+0.179Z8+0.113Z9+0.014Z10-0.042Z11-0.005Z12+0.163Z13+0.025Z14-0.008Z15F3=0.071Z1-0.077Z2+0.084Z3+0.082Z4+0.074Z5-0.114Z6+0.278Z7-0.026Z8-0.117Z9+0.287Z10-0.106Z11+0.267Z12-0.104Z13-0.145Z14+0.118Z153.3评价结果分析将各