德州学院 经济管理系 2013届 国际经济与贸易专业 毕业论文
1.评价指标体系的建立
考虑到中国科技发展战略研究小组提到的5个大的评价指标中的所有的详细的小指标，又结合山东的实际情况以及数据的可获得性，决定研究2011年底山东省区域创新能力的发展状况。而我选取的评价指标有34项，详细指标构成请参考表1-2。
2.数据的收集与整理
为保证数据的真实性，我从《山东科技统计年鉴2011》、《山东科技统计年鉴2012》、《山东统计年鉴2011》、《山东统计年鉴2012》、《中国城市统计年鉴2011》、《中国城市统计年鉴2012》中，搜集了山东省17个地级市的有关统计数据，并计算出探究山东省区域创新能力的指标所需要的所有数据。
（二）山东省区域创新能力的评价方法
1.因子分析定义
在对实际问题的研究中，往往涉及众多变量。变量太多不但会增加计算的复杂性，而且也给合理地分析问题和解释问题带来困难。虽然每个变量都提供了一定的信息，但其重要性有所不同。在很多情况下，变量间有一定的相关性，从而使得这些变量所提供的信息在一定程度上有所重叠。因子分析正是这样种能够有效降低变量维数并已得到广泛应用的分析方法，它的核心是用较少的互相独立的因子反映原有变量的绝大部分信息，同时形成反映因子和指标包含信息量的权数，以计算综合评价值，这就在指标权重的选择上克服了主观因素的影响，使得研究结果显得更加客观准确。
2.因子模型
因子模型为： X???aF?aF?.....?aF??
111111221mm1 X???aF?aF?....?aF?? 222112221m22 ???????????? X???aF?aFm?...?aF?? ppp11p2pmmp其中，X?(X1，X2，X3...... T是可观测的随机向量，ail是因子载荷；Fi称为X，Xm）的公共因子，即每个Fi(i?1,2,...,m)一般至少对二个随机变量有作用，否则它将归入特殊因子。?i称为X的特殊因子，每个特殊因子?i仅仅出现在与之相应的第i个随机变量Xi的表达式中，它只对这个随机变量有作用。如果即上式可表达成X???AF??,A（aij)?A，称为因子载荷矩阵。通常我们假定E(F)?0，E(?)?0，V(F)?1，
5
德州学院 经济管理系 2013届 国际经济与贸易专业 毕业论文
22V(?)?D?diag（?12，?2,...,?P），Cov（F,?）?E(F??)?0，由上述假定可以看出公共因子
彼此不相关且具有单位方差，特殊因子也彼此不相关且和公共因子也不相关。这一因子模型，在spss16软件中，虽没有直接的显示出，但在每一次因子分析的输出结果中，都会发现Fi的i其实就是提取的公共因子个数，也就是因子按其特征值大小排序的前i个因子，因子载荷矩阵在本论文的第二大部分-山东省区域创新能力的单项评价中会体现出巨大的作用。[4]
3.使用因子分析的条件
（1）所选取的变量存在一定的线性关系
（2）在某些统计软件包中就有一个选项成为KMO检验。若这个检验显著（即变量间的相关性被接受）则认为可以使用因子分析。国外有些统计学家还提出，综合相关指标KMO应当大于某值（如0.7），才能对所有变量使用因子分析。[5]综合相关指标KMO若大于0.7，说明对其进行因子分析的效果越好。若小于0.7则说明变量间的不相关性被接受，则认为不可以对其进行因子分析。
（3）P(Sig的值)<0.05。若此值大于0.05，则相关系数矩阵等同于单位阵，也就是说变量之间代表的信息无差异性，因此不能对其进行因子分析。
4.因子分析步骤
对于符合上述条件的样本数据，进行因子分析。步骤如下： （1）因子提取
提取因子的关键是通过样本数据求解因子载荷矩阵，主要有基于主成分模型的主成分分析法、基于因子模型的主轴因子法、极大似然法、最小二乘法、?因子提取法和映像分析法。其中，在因子分析占有主要地位且使用最为广泛的是主成分分析法。
（2）使因子具有命名可解释性
将原有变量综合为少数因子后，如果因子的实际含义不清，则极不利于进一步的分析。
本步正式通过各种方法使提取出的因子的实际含义变得清晰，使因子具有命名可解释性。
（3）因子得分的算法
本文采用因子回归分析系数作得分系数，因子得分的方程表示如下：
[5]
fj?ajx1x1?ajx2x2?...?ajxmxm ,fj为第j个因子的得分,ajxm为第j个公因子对应的因
子回归分析系数,xm为第m个变量。
（4）综合得分的算法及棑序
6
德州学院 经济管理系 2013届 国际经济与贸易专业 毕业论文
（j?1，2，3，4，...）利用公式Fj??个方面的综合得分为Fj，第i（Ui?Ci），某研究对象第ji?1n个公因子的权重为Ui，第i个公因子的得分值为Ci，主成分的个数为n（也为上面所说的i）。
三 山东省区域创新能力的单项评价
利用SPSS16软件，所收集到的数据，分别对知识创造能力、知识流动力、企业技术创新能力、创新环境、创新绩效5个方面进行因子分析并计算综合得分。
（一）知识创造能力评价分析
1.判断是否符合使用因子分析的条件
对于各市的区域知识创造能力的7个指标数据，所有的7个变量存在一定的线性关系。
表2-1KMO 检验和巴特利特球度检验
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Bartlett's Test of Sphericity Approx.Chi-Square df .852 149.629 21 .000
Sig. 可以根据表2-1得出结论，此组数据符合使用因子分析的条件。因此，可以对此组数据用spss16，对其进行因子分析。
2.因子提取
本文提取因子的方法采用是主成分分析法，主成分分析的结果如表2-2所示。 如表2-2所示，第一个因子的方差占样本方差的84.441%，可提取一个主因子。
表2-2 知识创造能力特征值及方差贡献率
Component 1 Total 5.911 Initial Eigenvalues %of Variance 84.441 Cumulative% 84.441 Extraction Sums of Squared Loadings Total 5.911 %of Variance 84.441 Cumulative% 84.441 （m?1，2，...，5）3.计算因子载荷矩阵即Am
先计算A1,其他陆续计算出来。经分析得到旋转后的因子载荷矩阵如表2-3所示： 表2-3为方差极大化旋转后的因子载荷矩阵。表中的数据显示：因子1对机构从事科技活动人员、发明专利申请受理数，每万人发明专利申请数，专利授权数等指标有较大影响，反映的是知识创造投入和产出的情况，可以把因子命名为“知识投入产出”。
7
德州学院 经济管理系 2013届 国际经济与贸易专业 毕业论文
表2-3 知识创造能力因子载荷矩阵
Component 变量 1 X8 .941 X9 .979 X10 .918 X11 .865 X12 .936 X13 .946 4.因子得分
根据上部分的公式，我计算出来山东省各市知识创造能力综合得分，并且对17各省的数据进行排名如表2-4。
表2-4 山东省各市知识创造能力综合得分及排名（2011年底） 城市 济南市 青岛市 淄博市 枣庄市 东营市 烟台市 潍坊市 济宁市 泰安市 F 2.413641 1.6997382 0.174168 -0.79669 -0.0574114 0.6380699 0.4689431 0.2068382 0.0230692 排名 1 2 6 16 9 3 4 5 8 城市 威海市 日照市 莱芜市 临沂市 德州市 聊城市 滨州市 菏泽市 F 0.036774 -0.7402351 -0.3763873 -0.5127933 -0.7390614 -0.4707839 -0.6595922 -0.932617 排名 7 15 10 12 14 11 13 17 从表2-4 可以看出，排在前8 位的济南市、青岛市、烟台市、潍坊市、济宁市、淄博市、威海市、泰安市知识创造能力为正，表示知识创造能力较强，菏泽市、枣庄市、日照市、德州市、滨州市等市知识创造能力排名靠后，这些城市创新资源投入较少而导致知识创造能力最弱。
（二）知识流动能力评价分析
下面来分析知识流动能力的6个指标。
表2-5 知识流动能力特征值及方差贡献率
Initial Eigenvalues Component Total %of Variance Cumulative% Total 1 2 3
2.936 1.322 1.029 48.928 22.029 17.126 48.928 70.957 88.083 8
2.936 1.322 1.028 %of Variance 48.928 22.029 17.126 Cumulative% 48.928 70.957 88.083 Extraction Sums of Squared Loadings
