趙忠君，牛 帆

(湘潭大學(xué) 商學(xué)院人力資源管理研究所， 湖南 湘潭 411005)

一、引言

自我國第一個(gè)國家高新區(qū)受批以來，至今已經(jīng)歷了30多年發(fā)展歷程，在此過程中，我國高新技術(shù)開發(fā)區(qū)參與并且引領(lǐng)了我國經(jīng)濟(jì)變遷的格局。國家高新區(qū)[1](State High-technology Park)是一種綜合性基地，高新區(qū)是以智力密集為平臺(tái)，高新區(qū)的目標(biāo)是利用自然資源和科學(xué)技術(shù)開發(fā)出新產(chǎn)品和新技術(shù)，從而為社會(huì)經(jīng)濟(jì)等各方面的發(fā)展提供動(dòng)力。高新區(qū)已然成為經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)型進(jìn)程中的一環(huán)，高新區(qū)所創(chuàng)造的價(jià)值巨大。高新區(qū)成為經(jīng)濟(jì)與科技相結(jié)合的重大推動(dòng)力，作為國家創(chuàng)新體系中的不可或缺的成分之一，高新區(qū)極大地推動(dòng)了區(qū)域產(chǎn)業(yè)技術(shù)進(jìn)步和產(chǎn)業(yè)升級(jí)。

我國高新區(qū)的發(fā)展呈現(xiàn)出明顯的階段性，具體可以劃分為三個(gè)階段：第一，醞釀階段(1984—1988)。在這一階段，我國審批建立了第一個(gè)國家高新區(qū)試驗(yàn)區(qū)，并且發(fā)布了兩個(gè)重要性的發(fā)展計(jì)劃，即國家高新區(qū)研究發(fā)展計(jì)劃以及火炬計(jì)劃。這一階段的準(zhǔn)備為我國高新區(qū)的發(fā)展掀起了嶄新的一頁。第二，創(chuàng)辦階段(1988—1991)。在此期間，我國第一批國家高新區(qū)成功創(chuàng)立，此時(shí)國家高新區(qū)初具規(guī)模。第三，成長與發(fā)展階段(1992年—至今)。這一階段初期，國家高新區(qū)的數(shù)目為25個(gè)。在此時(shí)期我國高新區(qū)發(fā)展異常迅速，一直到1997年，我國國家高新區(qū)達(dá)到了53個(gè)。到2012年的時(shí)候，國家高新區(qū)的數(shù)量更是翻了兩番，總數(shù)突破100個(gè)。截至2014年我國高新區(qū)達(dá)到115個(gè)。我國國家高新區(qū)的總數(shù)呈現(xiàn)一個(gè)不斷上升的趨勢，新興的國家高新區(qū)如雨后春筍般破土而生。當(dāng)然國家高新區(qū)的發(fā)展不僅僅體現(xiàn)在數(shù)量上的增長，它所帶來的各方面的變化也是有目共睹的。截至2015年，根據(jù)數(shù)據(jù)顯示，我國115個(gè)國家高新區(qū)營業(yè)總收入的總額達(dá)到200000億元，工業(yè)總產(chǎn)值超過了160000億元，帶來的凈利潤突破了15000億元，上繳稅額達(dá)到了13000億元，出口創(chuàng)稅總額為4351億美元。從這些龐大的數(shù)值我們可以看到國家高新區(qū)的發(fā)展在質(zhì)、量兩個(gè)方面都取得了顯著的成就。高新區(qū)的發(fā)展歷史雖然不長，但是它所帶來的影響卻是有目共睹的。這些高新區(qū)作為一個(gè)發(fā)展平臺(tái)，不僅僅提升了自身的發(fā)展，還對(duì)周邊地區(qū)的進(jìn)步與發(fā)展產(chǎn)生了一定的影響。但與此同時(shí)，高新技術(shù)產(chǎn)業(yè)區(qū)在發(fā)展過程中出現(xiàn)了功能偏離現(xiàn)象、比較優(yōu)勢弱化、自主創(chuàng)新能力不強(qiáng)、機(jī)制不完善等問題，這些問題的存在在一定意義上給高新區(qū)的發(fā)展評(píng)估造成了反面影響。綜合以上情況，國內(nèi)外的研究學(xué)者對(duì)國家高新區(qū)的關(guān)注度一直居高不下。本文綜合原則性以及實(shí)際可操作性對(duì)現(xiàn)有的高新區(qū)評(píng)價(jià)指標(biāo)體系進(jìn)行分析整合，基于2015年我國115個(gè)高新區(qū)的截面經(jīng)濟(jì)數(shù)據(jù)，采用SPSS統(tǒng)計(jì)軟件中的因子分析評(píng)價(jià)法對(duì)我國高新區(qū)的經(jīng)濟(jì)實(shí)力進(jìn)行一個(gè)綜合評(píng)分，根據(jù)軟件運(yùn)算結(jié)果的得分對(duì)我國115個(gè)國家級(jí)高新區(qū)進(jìn)行綜合排名，使其明確自身實(shí)力的位置國家高新區(qū)的經(jīng)濟(jì)效益也是其績效水平的直觀反映，高新區(qū)的經(jīng)濟(jì)效益如何以及其排名的高低等這些指標(biāo)對(duì)于有關(guān)管理部門的意見建議的提出也有著至關(guān)重要的作用，對(duì)于相關(guān)的管理決策部門的決策制定提供一定的幫助。因此，通過選取高新區(qū)評(píng)價(jià)指標(biāo)并對(duì)高新區(qū)的經(jīng)濟(jì)效益進(jìn)行綜合評(píng)價(jià)具有重要的理論和現(xiàn)實(shí)意義。

二、文獻(xiàn)回顧與綜述

關(guān)于國家高新區(qū)指標(biāo)的相關(guān)研究國外相對(duì)于國內(nèi)而言開始得較早，研究的成果也多于國內(nèi)。如1995年，F(xiàn)reeman[2]首次歸納概括出創(chuàng)新體系的概念，為以后有關(guān)創(chuàng)新體系以及創(chuàng)新體系的評(píng)價(jià)打下了良好的研究基礎(chǔ)。美國學(xué)者愛弗雷特·M·羅杰斯和朱迪恩·K·拉森(2004)[3]是第一個(gè)開始對(duì)高新區(qū)進(jìn)行評(píng)價(jià)的，通過選取定性綜合性指標(biāo)揭示了硅谷的“凝聚經(jīng)濟(jì)效益”。Mueller[4]研究了專利數(shù)量與研發(fā)投入兩者之間的關(guān)系，他發(fā)現(xiàn)專利數(shù)量主要受“衡量 R&D 投入”的各指標(biāo)的影響。X Fei和Q Bu[5]根據(jù)“復(fù)雜系統(tǒng)”提出的系統(tǒng)構(gòu)建思想，通過內(nèi)容分析，探索中國高新區(qū)人才聚集體系指標(biāo)評(píng)估框架。通過分層次過程評(píng)估不同指標(biāo)的權(quán)重，然后總結(jié)理論推導(dǎo)和實(shí)證分析結(jié)果，提出基于人才聚合體系評(píng)估與優(yōu)化的高新區(qū)創(chuàng)新驅(qū)動(dòng)型發(fā)展路徑與策略；亦有學(xué)者使用因子分析法對(duì)高新區(qū)進(jìn)行了相關(guān)研究。如Buesa、Heijs 和Baumert(2010)[6]利用因子分析法討論了高新區(qū)的創(chuàng)新因素。X Wang(2013)等[7]構(gòu)建了由城市化指標(biāo)、工業(yè)化指標(biāo)和分離指標(biāo)組成的城市生產(chǎn)融合度量指標(biāo)系統(tǒng)。之后利用因子分析與聚類分析相結(jié)合的研究方法對(duì)于高新技術(shù)產(chǎn)品如何進(jìn)行歸類提供了有益建議。DH Zhao和FQ Sun(2014)[8]在總結(jié)前人的研究方法后，采用了因子分析法對(duì)現(xiàn)有的54個(gè)高新區(qū)進(jìn)行分析，發(fā)現(xiàn)高新區(qū)的發(fā)展存在著明顯的不均衡。

國內(nèi)的研究也是碩果累累。其中關(guān)于高新區(qū)評(píng)價(jià)指標(biāo)構(gòu)建的最具代表性的是國家科技部從經(jīng)濟(jì)、人才等八個(gè)方面二十多個(gè)指標(biāo)構(gòu)造的評(píng)價(jià)體系，之后科技部又對(duì)現(xiàn)有的考核指標(biāo)進(jìn)行了更新；之后科技部又將指標(biāo)體系從創(chuàng)新環(huán)境、創(chuàng)新能力和經(jīng)濟(jì)發(fā)展三大方面進(jìn)行了調(diào)整，這都體現(xiàn)了高新區(qū)評(píng)價(jià)指標(biāo)體系的與時(shí)俱進(jìn)性[9]。在指標(biāo)體系構(gòu)建逐步完善中，亦有學(xué)者進(jìn)行了相關(guān)研究。岳立等(2013)[10]基于11個(gè)省份的截面數(shù)據(jù)，從投入和產(chǎn)出的角度出發(fā)，通過構(gòu)建DEA模型選取了效率評(píng)價(jià)指標(biāo)。方玉梅和劉鳳朝(2014)[11]通過構(gòu)建一個(gè)四維評(píng)價(jià)模型，運(yùn)用熵值法對(duì)54個(gè)國家高新技術(shù)開發(fā)區(qū)的創(chuàng)新績效進(jìn)行了定量評(píng)估。如于晶等(2016)[12]依據(jù)“負(fù)責(zé)任創(chuàng)新”的理念，從企業(yè)產(chǎn)品設(shè)計(jì)理念、產(chǎn)品生產(chǎn)過程和評(píng)價(jià)監(jiān)督機(jī)制三方面構(gòu)建了一套企業(yè)負(fù)責(zé)任創(chuàng)新評(píng)價(jià)指標(biāo)體系，然后對(duì)大連高新區(qū) NV 和 SA 企業(yè)進(jìn)行了研究；因子分析法作為一種被廣泛應(yīng)用的統(tǒng)計(jì)方法已經(jīng)被用于對(duì)于國家高新區(qū)的相關(guān)研究。如李曉梅(2012)[13]運(yùn)用因子分析法和聚類分析對(duì)我國20多個(gè)省市高新區(qū)進(jìn)行綜合評(píng)價(jià)，并對(duì)其進(jìn)行分類，提出了具有針對(duì)性的發(fā)展建議。徐嘉祺和賈金榮(2013)[14]使用因子分析法對(duì)29個(gè)省級(jí)高新區(qū)的經(jīng)濟(jì)績效進(jìn)行了考評(píng)，研究發(fā)現(xiàn)科研還有經(jīng)濟(jì)因素是營銷高新區(qū)經(jīng)濟(jì)績效的重大因素，而且這兩大因素的發(fā)展存在著一定程度的失衡。唐錦銓(2015)[15]選取福州高新技術(shù)開發(fā)區(qū)的475家中小型企業(yè)為研究對(duì)象，分別從理論上和實(shí)踐兩個(gè)層面闡述了企業(yè)的國際化程度與企業(yè)績效之間的相關(guān)關(guān)系。研究結(jié)果表明，各個(gè)中小企業(yè)之間的國際化程度的差異性很大，但是這卻不是影響中小企業(yè)經(jīng)濟(jì)績效水平的關(guān)鍵性因素。王霞等(2016)[16]以56個(gè)國家高新區(qū)為案例進(jìn)行實(shí)證研究，通過因子分析和熵值法結(jié)合的研究方法獲取各指標(biāo)的權(quán)重，從而對(duì)高新區(qū)的經(jīng)濟(jì)績效進(jìn)行定量研究，這在一定程度上提高了研究的準(zhǔn)確性和有效性。

綜上所述，從國內(nèi)外的研究現(xiàn)狀來看，兩者之間在研究趨勢和研究方法上并沒有明顯的差別，都是經(jīng)歷了由定性分析到定量分析，最后是定性和定量相結(jié)合的大致過程?，F(xiàn)階段有關(guān)國家高新區(qū)的研究大都趨向于以選取某個(gè)地區(qū)特例為研究對(duì)象。再有，上述研究結(jié)論和成果都為后續(xù)的關(guān)于高新區(qū)各個(gè)方面的研究打下了堅(jiān)實(shí)的基礎(chǔ)，但是學(xué)者們對(duì)于國家高新區(qū)的研究也形成了一定的研究范式。這樣的范式所帶來的好處就是簡單、方便操作。但是也不可否認(rèn)的存在著一定程度的缺陷，比如在指標(biāo)權(quán)重的獲取上存在主觀性等，從而影響到評(píng)估的客觀真實(shí)性和有效性。所以，利用因子分析從市政定量的角度研究高新區(qū)的評(píng)估問題，可以在一定程度上保證研究的客觀性。在對(duì)高新區(qū)進(jìn)行定量分析的基礎(chǔ)上，客觀的給予高新區(qū)一個(gè)權(quán)重，并且依據(jù)該權(quán)重對(duì)我國國家高新區(qū)進(jìn)行綜合排名，從而可以為高新區(qū)的發(fā)展建議提供一些借鑒和參考。

三、 指標(biāo)選擇和研究方法建模

1.指標(biāo)選擇

綜合評(píng)價(jià)是決策理論研究中的一個(gè)極為重要的組成部分，但是在研究過程中不可避免的受到研究學(xué)者的知識(shí)體系、個(gè)人偏好及判斷水平等主觀因素的影響。除此之外，從評(píng)價(jià)的內(nèi)容來看，也存在著諸多的不穩(wěn)定性，評(píng)價(jià)起來也難以準(zhǔn)確把握，所以對(duì)評(píng)估工作的展開也帶來了很多的不確定性和評(píng)估難度。針對(duì)這些現(xiàn)存的問題，想要更好地完成對(duì)某個(gè)特定對(duì)象的準(zhǔn)確評(píng)估，就要準(zhǔn)確把握以下兩個(gè)方面的內(nèi)容，即在對(duì)國家高新區(qū)進(jìn)行綜合評(píng)價(jià)分析之前，一方面要選取合適的評(píng)價(jià)指標(biāo)，進(jìn)而構(gòu)建合理的評(píng)價(jià)體系；另一方面就是要選擇合適的定性或定量的方法進(jìn)行評(píng)估。

(1)指標(biāo)篩選原則。在對(duì)國家高新區(qū)經(jīng)濟(jì)效益進(jìn)行評(píng)價(jià)時(shí)，其評(píng)價(jià)的指標(biāo)種類非常之多。有投入方面的，有產(chǎn)出方面的，還有環(huán)境政策方面的，等等，各個(gè)方面以下的門類數(shù)量也是有很多。對(duì)于如此龐大的指標(biāo)庫，我們?cè)诤Y選的過程中要有原則性，從而可以從中選出那些對(duì)我們的研究真正有用的東西。如果選擇的指標(biāo)過多，可能引發(fā)信息過載，喪失指標(biāo)原來重要性，還會(huì)增加工作的繁瑣度和出錯(cuò)率。當(dāng)然，如若選取的指標(biāo)數(shù)量太少或種類并不夠全面的話，勢必會(huì)對(duì)評(píng)估的結(jié)果產(chǎn)生負(fù)面影響，從而評(píng)估的意義也就不大。通過分析，基于上述指標(biāo)體系選擇評(píng)價(jià)的認(rèn)識(shí)，指標(biāo)選擇基本思想總結(jié)為五點(diǎn)：客觀性、有效性、可獲得性、明確性、規(guī)范性等要求。

(2)指標(biāo)相關(guān)性和信度效度分析。采用SPSS16.0對(duì)所有指標(biāo)進(jìn)行相關(guān)分析，通過分析相關(guān)系數(shù)矩陣來判斷指標(biāo)相關(guān)性。之后，進(jìn)行信度效度檢驗(yàn)，逐漸消除不合理因素，保留對(duì)評(píng)估有效的那些指標(biāo)，從而得到最后的評(píng)價(jià)指標(biāo)。

通過查閱大量文獻(xiàn)資料之后，根據(jù)數(shù)據(jù)的可得性以及論文的研究需要，最后選取了V1營業(yè)收入(千元)、V2工業(yè)總產(chǎn)值(千元)、V3凈利潤(千元)、V4上繳稅費(fèi)(千元)、V5出口創(chuàng)匯(千美元)、V6技術(shù)收入(千元)、V7產(chǎn)品銷售收入(千元)、V8商品銷售收入(千元)8項(xiàng)指標(biāo)[17]。

表1 經(jīng)過標(biāo)準(zhǔn)化的觀測變量相關(guān)系數(shù)矩陣

從表1可以得到高新區(qū)經(jīng)濟(jì)效益的相關(guān)系數(shù)，表格中的數(shù)值越大，相關(guān)性越高。如營業(yè)收入(千元)和上繳稅費(fèi)(千元)的相關(guān)系數(shù)為0.933，說明營業(yè)收入和上繳稅費(fèi)這兩個(gè)變量的相關(guān)性很高。而商品銷售收入(千元)和出口創(chuàng)匯(千美元)兩個(gè)變量的相關(guān)系數(shù)為0.481，說明商品銷售收入和出口創(chuàng)匯兩個(gè)變量之間的相關(guān)性不是特別高。綜合表中所有數(shù)據(jù)來看，各個(gè)指標(biāo)之間的相關(guān)性程度較高。

表2 可靠性統(tǒng)計(jì)量

表2兩個(gè)觀測值都在0.80以上，這說明該指標(biāo)評(píng)價(jià)體系的內(nèi)在一致性較強(qiáng)，可靠性較高。由此認(rèn)為選取的指標(biāo)具有較好的一致性，指標(biāo)的信度符合要求。

表3 KOM檢驗(yàn)和Bartlett檢驗(yàn)

論文Bartlett檢驗(yàn)的F值等于0.000，表示國家高新區(qū)經(jīng)濟(jì)效益的數(shù)據(jù)來自正態(tài)分布總體。如表3所示，KMO檢測值為0.841(>0.80)，KOM檢驗(yàn)值比較理想，從而可以初步認(rèn)為比較適合做因子分析。

綜上所述，從KOM檢驗(yàn)和Bartlett檢驗(yàn)結(jié)果可知，數(shù)據(jù)指標(biāo)初步符合分析的要求，這說明數(shù)據(jù)及各組成部分建構(gòu)的模型效度良好。

2.研究方法

一般認(rèn)為， 因子分析的淵源可以追溯到Karl Pearson和Charles Spearmen等人所進(jìn)行的有關(guān)分析。而“因子分析”這一名稱首次則是由Thurstone在1931年提出。在這之后，隨著社會(huì)生活的不斷進(jìn)步，人們逐漸的將因子分析這一方法應(yīng)用到了社會(huì)生活的各個(gè)方面，包括醫(yī)學(xué)、心理學(xué)、軍事學(xué)等各個(gè)領(lǐng)域。因子分析法越來越得到大家的認(rèn)可，其實(shí)用的范圍和用途也越來越廣泛，在社會(huì)生活的各個(gè)領(lǐng)域創(chuàng)造著重要價(jià)值。

因子分析(Factor Analysis)，作為一種應(yīng)用較為廣泛的多元統(tǒng)計(jì)研究方法，主要就是從眾多的數(shù)據(jù)變量中，抽離出幾個(gè)不可以直接觀測的“潛變量”(又稱為因子)，其大致目的就是用少數(shù)幾個(gè)因子去描述和解釋多個(gè)指標(biāo)或因素之間的相關(guān)性的一種多元統(tǒng)計(jì)分析方法。因子分析法的一個(gè)思想就是因子分析中的變量都既有共性又有個(gè)性，其共性指的是某些每個(gè)變量本身不是孤立存在的，而是與其他變量存在著這樣那樣的聯(lián)系。所以變量之間存在著相互聯(lián)系。變量的個(gè)性指的是變量的特性，即某個(gè)變量所包含的特有的信息，而這些信息是其他的變量所不能夠反映出來的。因子分析對(duì)樣本數(shù)據(jù)的多個(gè)指標(biāo)變量進(jìn)行降維處理，揭示出一組潛在的具有線性組合關(guān)系的特殊因子與公共因子，從而完成對(duì)數(shù)據(jù)的分析。在使用過程中，通常要求公共因子的數(shù)量盡可能的少，而且要在專業(yè)上有意義，各個(gè)相互聯(lián)系的變量之間都會(huì)受到公共因子的影響，而特殊因子則僅僅作用于它所反映的那個(gè)變量。

簡單地說，因子分析就是以闡釋變量與變量之間的相關(guān)性為目標(biāo)的通過降維的思想在盡可能保存原有資料的真實(shí)性的前提條件下，去最大程度且最好的解釋原來的數(shù)據(jù)，以便于發(fā)現(xiàn)事物表象下的本質(zhì)性的規(guī)律。

3.數(shù)學(xué)模型

設(shè)原有P個(gè)變量X1，X2，X3， …，Xp，并且每個(gè)指標(biāo)變量的平均值為 0，標(biāo)準(zhǔn)差均為1。注意此變量經(jīng)過標(biāo)準(zhǔn)化處理的變量?，F(xiàn)將每個(gè)原有變量有K(K

X1=a11f1+a12f2+a13f3+ … +a1kfk+e1

X2=a21f1+a22f2+a23f3+ … +a2kfk+e2

X3=a31f1+a32f2+a33f3+ … +a3kfk+e3

…

Xp=ap1f1+ap2f2+ap3f3+ … +apkfk+ep

用矩陣的形式表示為：

X=AF+e

其中 ，F(xiàn)稱為因子(或公共因子)，因?yàn)楣惨蜃映霈F(xiàn)在每個(gè)變量的線性表達(dá)式中，是每個(gè)變量共同擁有的；A稱為因子載荷矩陣；aij被稱作因子載荷，它所代表的意義是第i個(gè)原有變量在第j個(gè)因子上的負(fù)荷；e稱為特殊因子，它代表的是公共因子無法對(duì)原有變量進(jìn)行解釋的那部分。

因子分析的大致步驟如下：

(1)指標(biāo)的正向化。

(2)指標(biāo)數(shù)據(jù)的標(biāo)準(zhǔn)化( SPSS 自動(dòng)執(zhí)行)。

(3)指標(biāo)與指標(biāo)之間的相關(guān)性分析用 SPSS 軟件中表“Correlation Matrix(相關(guān)系數(shù)矩陣) ”判定。

(4)確定因子個(gè)數(shù) m：用 SPSS 軟件中表“Total Variance Explained” 特征值計(jì)貢獻(xiàn)率 ≥ 85%、結(jié)合表“Rotated Component Matrix( 旋轉(zhuǎn)后因子載荷陣) ”從而可以確定因子個(gè)數(shù)m。

(5)求因子載荷矩陣Bm：SPSS 軟件中表“Rotated Component Matrix” 。

(6)因 子Zi的命名：在SPSS運(yùn)行結(jié)果中，通過表“ Rotated Component Matrix”旋轉(zhuǎn)因子載荷矩陣 Bm ，將表中的第i列絕對(duì)值大的所對(duì)應(yīng)的變量歸為Zi一類，然后就可以根據(jù)所得到的分類結(jié)果對(duì) Zi進(jìn)行命名。

(7)求因子得分函數(shù)Zi表達(dá)式：Zi=b′iX，這里bi是SPSS 軟件中“Component Score Coefficient Matrix( 因子得分系數(shù)矩陣) ”的第i列向量。

(8)求每個(gè)公共因子的得分還有綜合因子的評(píng)分分值：綜合因子得分(評(píng)價(jià))公式：

(9)檢驗(yàn): 用實(shí)際結(jié)果和原始數(shù)據(jù)做聚類分析進(jìn)行檢驗(yàn)，然后進(jìn)行綜合評(píng)分。針對(duì)有爭議的結(jié)果，則采用對(duì)原始數(shù)據(jù)進(jìn)行判別分析的手段來解決爭議。

四、實(shí)證研究

論文運(yùn)用SPSS16.0統(tǒng)計(jì)軟件，對(duì)所篩選得到的八個(gè)指標(biāo)進(jìn)行實(shí)證統(tǒng)計(jì)分析。首先把收集到的原始數(shù)據(jù)進(jìn)行分類整理，然后導(dǎo)入到軟件當(dāng)中去，選擇相關(guān)模塊進(jìn)行操作。

1.全部解釋方差表

由表4可知，經(jīng)過旋轉(zhuǎn)之后論文的前兩個(gè)因子的特征根分別變成了4.098和3.418，所占的方差比重分別為51.224%和42.722%。1共因子的特征根為4.098(>1)，2公因子的特征根是3.418(>1)，1公因子的貢獻(xiàn)率為83.823%，2公因子的貢獻(xiàn)率為10.123%，且提取出來的兩個(gè)公共因子的累計(jì)貢獻(xiàn)率達(dá)到了93.946%。這可以表明這兩個(gè)公共因子所包含的信息可以涵蓋絕大部分原始數(shù)據(jù)當(dāng)中的信息，提取的兩個(gè)公共因子的擬合效度比較符合要求。

表4 全部解釋方差表

2.碎石圖(Scree Plot)

圖1為因子分析結(jié)果的碎石圖。碎石圖的一個(gè)最大的優(yōu)點(diǎn)就是它可以非常直觀的看出公因子的提取情況。從圖1中可以看到一個(gè)明顯的拐點(diǎn)出現(xiàn)在橫坐標(biāo)“2”所對(duì)應(yīng)的位置，這也就表明了軟件提取了兩個(gè)公共因子，通過結(jié)合表4和圖1就可以說明提取的兩個(gè)因子可以涵蓋絕大部分原始數(shù)據(jù)當(dāng)中的信息。這也說明了因子分析法是行得通的。

圖1 碎石圖

3.經(jīng)過旋轉(zhuǎn)的因子載荷矩陣和因子得分系數(shù)矩陣

初始因子載荷矩陣的代表性不強(qiáng)，數(shù)據(jù)展示也不直觀，不利于數(shù)據(jù)的觀測和比較。對(duì)于數(shù)據(jù)的進(jìn)一步分析解釋也不盡如人意?？紤]到初始載荷矩陣的種種弊端，我們知道因子載荷矩陣不是唯一的，從而可以對(duì)初始因子載荷矩陣進(jìn)行旋轉(zhuǎn)，使每一個(gè)觀測變量的值盡可能向0和1兩極分化。這樣做的好處就是可以更加方便地對(duì)數(shù)據(jù)進(jìn)行分析。

從表5中還可以看出，如商品銷售收入(千元)在F1公因子上的因子載荷為0.958，在F2公因子上的因子載荷為0.197，比較可得，商品銷售收入(千元)這一指標(biāo)在F1這一公共因子上具有較高載荷。又如出口創(chuàng)匯(千美元)在F1公因子上的因子載荷為0.257，在F2公因子上的因子載荷為0.874，比較可得，出口創(chuàng)匯(千美元)在F2這一公共因子具有較高載荷。

綜合比較可得：在F1這一公共因子上具有較大載荷的評(píng)價(jià)指標(biāo)如下：商品銷售收入(千元)、技術(shù)收入(千元)、營業(yè)收入(千元)、凈利潤(千元)、上繳稅費(fèi)(千元)，F(xiàn)1公因子主要體現(xiàn)了高新區(qū)的創(chuàng)新所帶來的收入，故將其命名為創(chuàng)新成果因子。

在F2這一公共因子上具有較大載荷的評(píng)價(jià)指標(biāo)如下：工業(yè)總產(chǎn)值(千元)、出口創(chuàng)匯(千美元)、產(chǎn)品銷售收入(千元)等指標(biāo)上具有較大載荷，F(xiàn)2公因子主要體現(xiàn)了高新區(qū)的產(chǎn)品生產(chǎn)能力和對(duì)外市場競爭力，故將其命名為對(duì)外產(chǎn)銷因子。

表5 經(jīng)過旋轉(zhuǎn)后的因子載荷矩陣和因子得分系數(shù)矩陣

為考察各個(gè)變量對(duì)因子的重要程度以及對(duì)高新區(qū)經(jīng)濟(jì)效益進(jìn)行綜合評(píng)價(jià)，論文采用回歸法得到因子得分矩陣，根據(jù)該矩陣以及變量的觀測值可以計(jì)算因子得分，如：

F1=0.208營業(yè)收入-0.228工業(yè)總產(chǎn)值+0.205凈利潤+0.198上繳稅費(fèi)-0.309出口創(chuàng)匯+0.308技術(shù)收入-0.123產(chǎn)品銷售收入+0.497商品銷售收入

F2= -0.012營業(yè)收入+0.455工業(yè)總產(chǎn)值-0.009凈利潤-0.011上繳稅費(fèi)+0.521出口創(chuàng)匯- 0.135技術(shù)收入+0.350產(chǎn)品銷售收入-0.368商品銷售收入

依據(jù)前述的特征根大于1的方差貢獻(xiàn)率和剛剛求得的F1(創(chuàng)新成果因子)和F2(對(duì)外產(chǎn)銷因子)，通過就算可以求得綜合的因子評(píng)分的分值，我們得到的具體計(jì)算公式如下：

F=0.51224F1+0.42722F2

根據(jù)上述的上述的計(jì)算公式，我們可以求得國家高新區(qū)在每個(gè)公共因子上的得分，以及高新區(qū)的綜合評(píng)分分值，然后根據(jù)運(yùn)行的結(jié)果，還可以得到我國115個(gè)高新區(qū)的排名情況。綜上，通過統(tǒng)計(jì)年鑒的所得數(shù)據(jù)，運(yùn)用SPSS統(tǒng)計(jì)軟件的因子分析法，可以得到我國115個(gè)國家高新區(qū)的綜合排名。其中排名前十位的是：北京中關(guān)村、上海張江、武漢、西安、成都、長春、天津?yàn)I海、深圳、廣州、南京。

五、結(jié)果討論與啟示

通過選取的國家高新區(qū)評(píng)價(jià)指標(biāo)，構(gòu)建評(píng)估體系，然后利用SPSS中的因子分析法對(duì)我國國家高新區(qū)的經(jīng)濟(jì)發(fā)展的實(shí)力給出一個(gè)比較綜合性的評(píng)估，最后以定量的分析115個(gè)國家高新區(qū)的經(jīng)濟(jì)發(fā)展情況，從而為高新區(qū)自身的發(fā)展以及有關(guān)部門的管理起到一定的作用。

1.結(jié)果討論

(1)從綜合情況來看，北京、上海張江、武漢、西安、成都、長春、天津?yàn)I海、深圳、廣州、南京等位于綜合排名的前列，這個(gè)結(jié)果與高新區(qū)的實(shí)際發(fā)展情況也是比較契合的。這些排名靠前的高新區(qū)，之所以綜合評(píng)分較高，是因?yàn)樗鼈兌继幱谫Y源條件相對(duì)充裕的地區(qū)。它們可以充分利用既有的資源來完善自身的發(fā)展，而且它們的技術(shù)相對(duì)成熟，可以對(duì)自身的資源加以充分利用。目前看來，各個(gè)國家高新區(qū)的發(fā)展的趨勢良好，整體的發(fā)展不論是在質(zhì)量還是在速度上都是值得贊揚(yáng)的。這些高新區(qū)的發(fā)展不僅僅作用于它們自身，而且?guī)?dòng)效應(yīng)明顯，給周邊地區(qū)的發(fā)展提供了契機(jī)。武漢、西安、天津發(fā)展的勁頭非常猛，由此可以預(yù)見未來高新區(qū)的發(fā)展一片大好，前景比較光明?？傮w而言，因子分析得出的最終結(jié)果與高新區(qū)的實(shí)際發(fā)展?fàn)顩r是較為契合的。

(2)從主因子來看，北京、天津、杭州在第一主因子上的表現(xiàn)比較出色。第一主因子F1(創(chuàng)新成果因子)主要體現(xiàn)的是各方面的收入情況，這從一個(gè)側(cè)面說明了這些地區(qū)是主要的經(jīng)濟(jì)利潤產(chǎn)出地區(qū)。這些高新區(qū)的經(jīng)濟(jì)利潤非常可觀。由于北京是我國政治、文化中心，具有得天獨(dú)厚的發(fā)展優(yōu)勢，并以此滋養(yǎng)著眾多科研院所，為高新區(qū)的發(fā)展助力不少。而上海、武漢、成都在第二主因子上表現(xiàn)比較突出。第二主因子F2(對(duì)外產(chǎn)銷因子)可以反映出高新區(qū)的工業(yè)生產(chǎn)能力和出口貿(mào)易能力。這也印證了上海作為我國對(duì)外經(jīng)濟(jì)貿(mào)易中心，是國際化的經(jīng)濟(jì)大都市，高新區(qū)的發(fā)展必然也會(huì)憑借著這些優(yōu)勢而茁壯成長。上海的對(duì)外貿(mào)易所帶來的經(jīng)濟(jì)效益明顯領(lǐng)先于其他諸多的國家高新區(qū)。

(3)就單個(gè)區(qū)域而言，北京國家高新區(qū)的排名在第一位。北京作為老高新區(qū)，作為國家政治、文化的中心，創(chuàng)造的經(jīng)濟(jì)效益非常可觀。這主要得益于北京的科研環(huán)境、政策環(huán)境良好，全國聞名的高校眾多，從而獲取的發(fā)展資源相較于其他高新區(qū)而言是比較多的。上海排名第二，處在一個(gè)非常具有競爭力的地位，主要源自于上海的重要地理位置，及其創(chuàng)新環(huán)境。上海作為我國經(jīng)濟(jì)金融的發(fā)展中心，獲取的國內(nèi)外資源途徑眾多，對(duì)其發(fā)展可謂是錦上添花。其中，成都高新區(qū)的發(fā)展非常迅猛，根據(jù)了解這主要得益于眾多的重大項(xiàng)目的順利完工。在2013年，包括戴爾全球運(yùn)營基地、西門子工程等在內(nèi)的九十余項(xiàng)重大工程項(xiàng)目在成都竣工。新引進(jìn)的多個(gè)億元以上的重大項(xiàng)目，引進(jìn)多個(gè)資金雄厚的金融項(xiàng)目，其中包括投資200個(gè)億的三峽西部項(xiàng)目以及網(wǎng)秦等100多個(gè)移動(dòng)互聯(lián)系統(tǒng)工程項(xiàng)目。這些重大項(xiàng)目的落地投產(chǎn)無疑推動(dòng)了成都國家高新區(qū)的發(fā)展與進(jìn)步。除此之外，像南通、長春凈月、泰州、武進(jìn)分列53名、57名、64 名、66名，這些新興的高新區(qū)就趕超了像桂林、煙臺(tái)、安陽等老牌高新區(qū)，由此可以看出新興高新區(qū)發(fā)展勢頭強(qiáng)勁，甚至趕超老牌高新區(qū)。

2.啟示

(1)國家高新區(qū)發(fā)展勢頭迅猛，產(chǎn)生的經(jīng)濟(jì)效益是不可估量的，這些經(jīng)濟(jì)效益必然也會(huì)帶動(dòng)我國在政治、文化、軍事等方面的長遠(yuǎn)發(fā)展。高新區(qū)為我國作出的經(jīng)濟(jì)貢獻(xiàn)以及其他帶動(dòng)效應(yīng)也是有目共睹的，國家高新區(qū)勢必會(huì)在今后的發(fā)展中一路向前。高新區(qū)是科學(xué)技術(shù)的發(fā)展基地，它的發(fā)展對(duì)本區(qū)域的經(jīng)濟(jì)以及周邊區(qū)域的發(fā)展的帶動(dòng)效應(yīng)都是不可估量的。高新區(qū)集聚自身的資源，并充分發(fā)揮資源的價(jià)值，從而創(chuàng)造出更大的價(jià)值。國家政策環(huán)境對(duì)高新區(qū)的發(fā)展也至關(guān)重要，良好的外部環(huán)境能夠有效的促進(jìn)高新區(qū)的發(fā)展，反之將有礙其快速發(fā)展。近年來國家審批的高新區(qū)的數(shù)量也在增多，高新區(qū)要認(rèn)清自身的位置，找準(zhǔn)發(fā)展方向，為國家綜合競爭力的提升添磚加瓦。

(2)高新區(qū)的發(fā)展呈現(xiàn)出不平衡等弊病，仍然可以看出整體呈現(xiàn)地區(qū)差異，東部地區(qū)相比西部的經(jīng)濟(jì)效益還是相差的比較遠(yuǎn)的。但是高新區(qū)的存在是不可或缺的。國家部門對(duì)于相對(duì)落后的地區(qū)要給予政策支持，加大扶持力度，使其發(fā)揮其自身優(yōu)勢，趨利避害。對(duì)于發(fā)展相對(duì)成熟穩(wěn)定的高新區(qū)，要總結(jié)他們的成功經(jīng)驗(yàn)，為相對(duì)落后的高新區(qū)提供借鑒作用。國家高新區(qū)要綜合各方的資源，提升競爭力，不斷縮小差距，使得國家高新區(qū)健康發(fā)展。正是如此，對(duì)高新區(qū)進(jìn)行綜合排名，更加有利于高新區(qū)認(rèn)清自己的定位，發(fā)現(xiàn)其與其他高新區(qū)的差距，找出自己的不足，取長補(bǔ)短，從而高新區(qū)的發(fā)展可以更加準(zhǔn)確和更有目標(biāo)導(dǎo)向。同時(shí)也有利于政府以及相關(guān)決策部門找出高新區(qū)發(fā)展中的不足，對(duì)癥下藥，從而促使高新區(qū)的發(fā)展越來越好。

[1]Chris Freem. The national system of innovation in historical perspective[J].Cambridge Journal of Economics, 1995(19): 5-24.

[2]Freeman C. The Economics of Hope: Essays on Technical Change, Economic Growth and the Environment[J]. 1993.

[3]Jan Faber, Annei,0es Barbara Hesen. Innovation capabilities of European nations cross—national analyses of patents and sales of product innovations[J]. Research Policy, 2004(33): 193-207.

[4]Mueller D C. Patents, Research and Development, and the Measurement of Inventive Activity[J]. Journal of Industrial Economics, 1966, 15(1):26.

[5]X Fei，Q Bu.The Research on Innovation-Driven Paths of High-tech Zone Under the New Normal in China[J].Advances in Social Science, Education and Humanities Research,2017,91:195-199.

[6]Buesa M, Heijs J, Baumert T. The determinants of regional innovation in Europe: A combined factorial and regression knowledge production function approach[J]. Research Policy, 2010, 39(6):722-735.

[7]Wang X, Su L, Guo B, et al. Evaluation of Industry-city Integration of High-Tech District Based on Factor Analysis and Cluster Analysis[J]. Science & Technology Progress & Policy, 2013.

[8]Zhao D H, Sun F Q, University H U, et al. Based on the Factor Analysis Method Research of Tangshan National High-tech Development Zone Construction[J]. Journal of Hebei United University, 2014.

[9]王雙雙,金鹿. 天津未來科技城考核評(píng)價(jià)指標(biāo)體系研究[J]. 科研管理,2015(S1):411-414.

[10]岳立,曾鑫. 基于DEA-Malmquist指數(shù)方法的西部11省城市化效率評(píng)價(jià)[J]. 湖南財(cái)政經(jīng)濟(jì)學(xué)院學(xué)報(bào),2013(03):61-66.

[11]方玉梅,劉鳳朝. 我國國家高新區(qū)創(chuàng)新能力評(píng)價(jià)研究[J]. 大連理工大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版),2014(04):26-32.

[12]于晶,劉盛博,王前. 大連高新區(qū)企業(yè)負(fù)責(zé)任創(chuàng)新評(píng)價(jià)指標(biāo)體系研究[J]. 科技管理研究,2016(20):37-42，48.

[13]李曉梅．基于因子和聚類分析的我國高新技術(shù)產(chǎn)業(yè)競爭力評(píng)價(jià)[J]．International conference on Engineering and Business management，2012.

[14]徐嘉祺，賈金榮．基于Thurstone因子分析的我國高新區(qū)績效評(píng)價(jià)研究[J]．求索，2013(11)：9-11.

[15]唐錦銓．中小型高新技術(shù)企業(yè)國際化與企業(yè)績效關(guān)系——基于福州高新區(qū)的實(shí)證檢驗(yàn)[J]．科技管理研究，2015(01)：134～140.

[16]王霞,王巖紅,蘇林,等. 國家高新區(qū)產(chǎn)城融合度指標(biāo)體系的構(gòu)建及評(píng)價(jià)——基于因子分析及熵值法[J]. 科學(xué)學(xué)與科學(xué)技術(shù)管理,2014,(07):79-88.

[17]科技部火炬高技術(shù)產(chǎn)業(yè)開發(fā)中心．2015中國火炬統(tǒng)計(jì)年鑒[M]．北京，2015：3-21.