摘要：论文基于K均值聚类法和因子分析法，对我国各地区高技术制造业创新能力进行了评价和分析。分析发现，我国高技术制造业的创新能力总体上呈现出东高西低的分布态势，地区之间发展不平衡，北京、上海、广东、江苏、浙江和山东等东部地区创新能力较强，大部分西部内陆地区创新能力较弱。
关键词：高技术制造业；创新能力；K-均值聚类；因子分析
一、引言
高技术制造业是产业链中附加值最高、创新能力最活跃的高端产业，是推动一个国家产业结构升级和经济高质量发展的关键。国内外关于创新的研究已经持续了一百多年，作为创新理论的代表，南赛•施瓦茨和莫卡顿•卡曼提出了影响创新的三个决定性因素：一是竞争的水平，只要行业存在就有竞争，竞争是技术创新的必要条件；二是企业规模，要想提高企业规模，物质资源、财力和劳动力是技术创新的必要条件；三是垄断力量，技术创新的持续性在于这一力量，垄断水平越高，企业对市场的控制力越强。近年来，国内关于高技术制造业创新的研究也逐渐增多，冯宗宪和丁梦（2018）采取GMM模型方式，实证阐述了本土技术工艺转移对我国省际高技术产业创新效率的影响。孙研和李涛（2020）采取了三阶段DEA模型，选用7个细分行业范畴，分析了高技术产业的创新效力态势。
二、高技术制造业创新能力评价指标体系构建评价
高技术制造业的创新能力，需要有一个合理的创新评价指标体系。从现有文献看，不同学者从不同角度构建了多种评价体系，本课题组在前人研究的基础上，结合现阶段国情，构建了本项目的评价指标体系。首先选取了3个一级指标，分别是创新投入能力、创新实施能力和创新产出能力，然后在3个一级指标中细分出10个二级指标。具体评价指标如表1所示。以上指标的原始数据来源于《中国统计年鉴》及《中国高技术制造业统计年鉴》，数据来源可靠。
三、高技术制造业创新能力综合评价与分析
（一）K-均值聚类分析
1.方法简介。K-均值算法源于信号处理中的一种向量量化方法，现在更多地作为一种聚类分析方法流行于数据挖掘领域。K-均值聚类是把n个点划分到k个聚类中，使得每个点都属于离它最近的均值对应的聚类，以此作为聚类的标准。
2.聚类结果。依照表1所示的创新能力评价指标，获取原始数据后采用K-中值聚类法，对高技术制造业的创新实施能力、创新投入能力和创新产出能力分别进行聚类处理，在此基础上对高技术制造业的综合创新能力进行聚类，结果见图1。
3.聚类结果分析。从数据处理的结果及图1分析看出，北京和上海在高新技术创新能力上单独成类，表明这两个地区的综合分值高，与其他地区相似度低。北京和上海虽然在综合排序上很靠前，但在创新实施能力、产出能力方面赶不上广东。另外，北京和上海之间的标准值比较接近，在多维空间中距离相对较小，故自动聚为一类。江苏和浙江创新能力并列归为第二类，江苏省在实施和投入能力方面排名占有优势，而浙江则是在投入和产出能力方面排名比较靠前。采用K-均值聚类法分析得出结论：北京和上海在创新能力中并列全国第一，与其他地区拉开了一定的距离，其中北京在投入能力中排名第一，在实施能力中排名第四，在产出能力中排名第三。上海在实施能力与投入能力中排名第二，在产出能力中排名第三。
（二）因子分析
1.KMO与Bartlett检验。根据相关理论，每个变量是否独立，都与Bartlett球的测量统计值有关；KMO值越接近1，KMO值越高，越适宜采用因子分析法。根据表1所列的指标体系，将原始数据标准化后利用KMO检验和Bartlett球形检验，检验结果见表2。KMO值为0.731，Bartlett检验的统计值为467.629，检验结果说明表1中的10项二级指标适合因子分析。
2.公共因子求解。使用主成分分析法提取特征值在1以上的因子是公因子，因子得分是原变量的信息混合，接收到的因子变量可以代替原来的变量进行数据建模，降低了维数，简化了问题。表3是总方差的分解结果。从表3可以看出，主成分分析提取了3个公因子，它们互不相关。3个公因子特征值的累积贡献率达到93.094%，贡献率超过85%。原始变量93.094%的变化可以用3个因子来解释。进一步将因子载荷矩阵进行旋转，结果见表4。从表4看出，第一公因子上，专利申请数、有效发明专利数、营业收入、R&D活动人员数、新产品开发经费支出是贡献率高的指标，第一公因子与这些指标类似，主要反映创新产出能力。第二公因子上贡献率高的指标有R&D经费投入额、R&D经费投入强度、政府资金支持，说明第二公因子与这些指标的联系比较紧密，这些指标主要反映创新投入能力。第三公因子上贡献率高的指标是有R&D活动的企业占比以及有研发机构的企业数占比，说明第三公因子与这些指标的联系密切，这些指标主要反映创新实施能力。在表4数据的基础上，进一步处理得到各因子得分的系数矩阵，见表5。由表5得分矩阵可知这3个公因子与原变量的关系为：F1=0.185X1-0.129X2+0.125X3+0.020X4-0.211X5+0.001X6+0.202X7+0.180X8+0.195X9+0.195X10F2=-0.050X1+0.082X2-0.225X3+0.278X4+0.653X5+0.374X6-0.084X7-0.039X8-0.079X9-0.064X10F3=-0.035X1+0.695X2+0.433X3+0.057X4+0.108X5-0.226X6-0.062X7-0.029X8-0.026X9-0.061X10根据上述公式，可计算出各地区3个公因子的得分和排名，计算结果见表6。在此基础上，从各省份10个创新能力指标中抽取出3个因子的特征值。各省创新能力综合水平的评价指标可合成为一个综合评分F，且有：F=0.628F1+0.215F2+0.157F3
3.因子得分及排序。根据上述公式，可以计算出各地区高技术制造业创新能力的总得分和排名。计算结果见表6。
4.数据结果分析。从综合得分来看，广东、江苏、浙江、北京、山东和上海这些东部省市的高技术制造业创新能力较强，西北、东北、西南的大部分地区及位于东部的河北省，高技术制造业创新能力较低，与发达地区有较大差异，有待发展和提高。
四、主要研究结论与对策
（一）主要研究结论
1.我国高技术制造业的创新能力从总体上看呈现出东高西低的分布态势，地域发展不平衡。
2.从创新能力第一层次三大指标的具体表现来看，地区之间也存在着较大的差异。北京的创新投入能力最强，但实施能力较弱；广东的创新实施能力和产出能力最强，但投入能力则较弱；上海、江苏和浙江则是各方面都较强，比较均衡；而大部分西部地区各方面相对较弱。
3.从创新能力第二层次十个指标的因子分析评分来看，江苏、广东、浙江、北京、山东、上海得分较高，排名靠前，创新能力较强；大部分西部地区排名较靠后。
4.从综合创新能力聚类的结果看，北京、江苏、上海、浙江和广东综合创新能力较高，其中北京和上海为综合创新能力最强的第一类，浙江和江苏为第二类，广东为第三类；而中西部大部分省份综合创新能力较低。
（二）提升高技术制造业创新能力的对策建议
1.建立科学合理的高技术人才培养和留用机制，鼓励多地区人才共享，消除地域之间的创新力差异，提升我国高技术制造业的整体创新能力。
2.建立自主创新体系，使自主创新的观念深入人心。鼓励高技术制造企业与科研单位、高校等合作建立实验室，加强重点领域的创新攻关能力。
3.提高高技术制造业的收益，加快科技成果的切实转化。政府要适当干预、鼓励金融机构优先向高技术制造企业发放优惠贷款，并提供相应的贴息政策，降低研发风险，解决融资难题，加快科技成果转化为现实生产力。
参考文献：
[1]冯宗宪，丁梦.本土技术转移对省际高新技术产业创新效率影响的实证分析[J].统计与决策，2018（22）：108-111.
[2]吴艳霞，周春光.西部地区高技术产业技术创新能力评价研究———基于熵权与变异系数组合赋权法的综合评价模型[J].新疆农垦经济，2018（12）：83-88.
[3]孙研，李涛.我国高新技术产业创新效率测算[J].统计与决策，2020（16）：115-118.
[4]尹洁，施琴芬，李锋.高技术产业创新生态系统内部种群竞争演化机制研究[J].统计与决策，2020（24）：161-165.
作者：马银戌 刘皓田 单位：河北经贸大学
