|
科技投入 科技发展规模指标（科技机构数、科技人员数） 科技产出 高新技术产业发展 科技活动经费支出 专利指标（专利申请量、专利授权量） 技术合同成交额 全市科研成果获奖数 高新技术企业数 高技术产业工业总产值 高新技术产品销售收入 4 创新型城市金融服务和科技创新的相关性分析 4.1 实证研究方法 首先运用主成分分析法分别对金融服务指标体系和科技创新指标体系进行分析，将多个 135 变量通过线性变换来选出较少个数重要变量，得出能够代表金融服务指标和科技创新指标的 主成分，然后再对得到的主成分进行相关分析，来探讨研究变量之间是否存在某种依存关系。 4.2 数据来源说明 （1）本文选取中国创新型城市中的几个典型代表，分别是北京、上海、武汉、南京、 广州、济南这六个代表。 140 （2）数据采集均为2009 年。 （3）实证分析中所有数据来自各市2010 年统计年鉴、各市科技信息网、各市统计信息 网以及科学技术委员会、中国宏观数据挖掘分析系统、中国科技统计报告、中国统计信息网。 经过整理最后数据见表4-1 和表4-2： 145 表4-1 城市科技创新情况表 Table 4-1 Table of Urban Technology Innovation 城市 北京 上海 武汉 南京 广州 济南 科技活动经费支出（亿元） 668.600 745.710 108.590 211.079 355.560 15.400 技术合同成交总额（亿元） 全市科研成果获奖数 高新技术产品销售收入（亿元） 高技术产业工业总产值（亿元） 高新技术企业数 专利申请量（件） 专利授权量（件） 科技机构数 科技人员数 1236.200 419 1483.543 5127.700 5225 50236 22921 353 473000 489.860 356 1230.398 5560.650 2525 62241 34913 134 345600 74.040 353 1938.390 2054.990 433 14600 6853 108 75000 63.780 237 2455.771 2444.760 414 14220 6591 106 15363 75.978 191 4170.573 4103.850 595 16530 11095 158 16143 18.000 249 959.317 1586.953 110 13701 6392 119 9219 表4-2 城市金融服务情况表 Table 4-2 Table of Urban Financial Services 城市 北京 上海 武汉 南京 广州 济南 地区生产总值（亿元）GDP 12153.00 15046.45 4620.86 4230.27 9138.21 3340.91 人均地区生产总值（元/人） 资本形成总额（亿元） 固定资本形成总额（亿元） 城镇居民人均可支配收入（元/人） 农村居民人均纯收入（元/人） 金融机构存款余额（亿元） 金融机构贷款余额（亿元） 保费收入（亿元） 居民储蓄存款总额（亿元） 全社会固定资产投资（亿元） 存贷差比率 保险深度 储蓄率 金融中介比率 70452.00 5256.20 4435.00 26738.00 11986.00 56960.10 31052.90 697.60 14566.30 4858.40 2.13175 0.05740 0.37616 0.68028 78989.00 6766.01 6447.52 28838.00 12324.00 44620.27 29684.10 665.03 14357.65 5273.33 0.99267 0.04420 0.34881 0.02335 51136.00 3059.15 3031.10 18385.02 7161.00 8761.62 7535.32 122.90 3010.11 3001.10 0.26538 0.02660 0.11783 0.30399 67455.00 2278.31 2129.34 25504.12 9858.00 11088.39 9444.48 175.42 3138.22 2668.03 0.38861 0.04147 0.08875 0.29276 89082.00 3101.29 2785.79 27610.00 11067.00 20944.19 13851.83 327.38 7954.22 2659.85 0.77612 0.03583 0.20566 0.16126 50219.00 1755.93 1712.35 22721.70 7804.80 6363.30 5700.86 96.27 1911.53 1655.37 0.19828 0.02882 0.06262 0.24683 150 4.3 数据处理过程 将表4-1 城市科技创新数据导入SPSS15.0 中进行主成分分析，得到总方差解释如表4-3： 表4-3 总方差解释 155 Table 4-3 Total variance explained Component Initial Eigenvalues Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings Total % of Variance Cumulative % Total % of Variance Cumulative % Total % of Variance Cumulative % 1 7.391 73.911 73.911 7.391 73.911 73.911 4.339 43.385 43.385 2 1.370 13.704 87.615 1.370 13.704 87.615 3.571 35.715 79.100 3 1.024 10.237 97.852 1.024 10.237 97.852 1.875 18.753 97.852 4 .197 1.972 99.825 5 .018 .175 100.000 6 2.79E-016 2.79E-015 100.000 7 9.78E-017 9.78E-016 100.000 8 5.35E-017 5.35E-016 100.000 9 -1.10E-016 -1.10E-015 100.000 10 -1.62E-016 -1.62E-015 100.000 Extraction Method: Principal Component Analysis. 由上表可知相关系数矩阵的特征根分别为：λ1=7.391；λ2=1.370；λ3=1.024；当m=3 时，累计贡献率已达97.852%，即包括了原始变量97.852%的信息，因此取三个主成分即可。 160 表4-4 主成分法提取的因子载荷阵初始解 Table 4-4 Component Matrix(a) Component 1 2 3 科技人员数X10 .994 -.105 .020 高新技术企业数X6 .960 -.049 .268 专利申请量（件）X7 .941 .052 -.331 技术合同成交总额（亿元）X2 .937 -.099 .329 科技活动经费支出（亿元）X1 .918 .355 -.164 专利授权量（件）X8 .875 .179 -.445 高技术产业工业总产值（亿元）X5 .866 .484 -.123 全市科研成果获奖数X3 .794 -.490 .019 科技机构数X9 .771 -.011 .620 高新技术产品销售收入（亿元）X4 -.367 .844 .330 Undefined error #11401 - Cannot open text file "e:\统计软件\spss\统计spss\en\windows\spss.err":a 3 components extracted. 165 对于表4-4 中每一列值依次分别除以λ1 、λ2 、λ3 ，这样就可以得到每个特征根 对应的单位特征向量，由此就可以得到三个主成分的表达式，分别如下： 第一主成分表达式 F1=0.3655ZX1+0.3533ZX2+0.3463ZX3+0.3446ZX4+0.3376ZX5+0.3220ZX6+ 0.3184ZX7+0.2919ZX8+0.2837ZX9-0.1351ZX10 170 第二主成分表达式 F2=-0.0897ZX1-0.0419ZX2+0.0446ZX3-0.0841ZX4+0.3036ZX5+0.1530ZX6+ 0.4132ZX7-0.4186ZX8-0.0091ZX9+0.7208ZX10 第三主成分表达式 F3=0.0193ZX1+0.2650ZX2-0.3268ZX3+0.3253ZX4-0.1617 ZX5-0.4398ZX6- 175 0.1218ZX7+0.0187ZX8+0.6130ZX9+0.3260ZX10；结果如表4-5 所示： 表4-5 科技创新主成分结果 Table 4-5 The results of scientific and technological innovation principal components 城市 主成分F1 主成分F2 主成分F3 北京 上海 武汉 南京 广州 济南 4.14156 2.81410 -1.48835 -1.88213 -1.39752 -2.12565 -0.42374 0.35220 -0.93059 0.16534 2.04703 -1.21025 1.31030 -1.76710 0.04339 0.06646 0.49947 -0.15251 180 对科技创新指标体系进行主成分分析提取了三个主成分，其中主成分F1 高载荷的指标 有专利授权量、高技术产业工业总产值、科技活动经费支出和专利申请量，相应的载荷因子 分别为0.942、0.906、0.905、0.870；主成分F2 高载荷的指标有科技机构数、技术合同成交 总额、高新技术企业数、科技人员数；主成分F3 高载荷的指标有高新技术产品销售收入和 全市科研成果获奖数。 185 根据主成分分析可知在科技创新主成分F1 上得分最高的是北京和上海，这和搜集所得 的数据基本上是一致的，北京和上海在专利申请和授权、科技活动经费以及高技术产业等方 面相对于其他城市来说确实做得很好，科技创新已经和企业与城市的发展紧紧联系在一起， 政府和企业非常重视科技创新。在科技创新主成分F2 上得分最高的是广州和上海，这两个 城市科技机构和科技人员以及高新技术企业非常活跃，政府和企业对于科技的投入非常大。 190 在科技创新主成分F3 上得分最高的是北京和广州，表明这两个城市相对于其他的来说对科 研产出效率比较高，专利技术活动非常活跃。 同理可以得到金融服务指标的主成分分析结果，如表4-6 所示： 表4-6 金融服务主成分结果 195 Table 4-6 The results of principal components of financial services 城市 主成分G1 主成分G2 主成分G3 北京 上海 武汉 南京 广州 济南 4.16957 4.04494 -2.90603 -1.83244 0.09132 -3.56736 2.13572 -1.59492 0.59333 -0.04928 -1.28183 0.19697 0.38076 -1.07790 -1.47925 0.96238 1.24856 -0.03454 对金融服务指标体系进行主成分分析提取了三个主成分，其中主成分G1 高载荷的指标 有固定资本形成总额、资本形成总额、全社会固定资产投资、地区生产总值、金融机构贷款 余额、储蓄率、居民储蓄存款总额、保费收入和金融机构存款余额；主成分G2 高载荷指标 200 有人均地区生产总值、城镇居民人均可支配收入、农村居民人均纯收入；主成分G3 高载荷 指标有金融中介比率、存贷差比率和保险深度。结果显示北京在G1 和G2 指标上得分最高， 这和北京金融发展情况相符，但是从上面的结果显示，北京在G3 指标上得分并不算很高， 表明北京在金融中介和保险市场方面还有待发展。 将上述得到的数据进行相关分析，得出相关系数如下表4-7 所示： 205 表4-7 相关分析 Table 4-7 Correlations F1 F2 F3 G1 G2 G3 F1 Pearson Correlation 1 .001 -.008 .941(**) .267 -.183 Sig. (2-tailed) .998 .988 .005 .608 .728 Sum of Squares and Cross-products 37.300 .022 -.110 43.881 4.939 -2.738 Covariance 7.460 .004 -.022 8.776 .988 -.548 N 6 6 6 6 6 6 F2 Pearson Correlation .001 1 .000 .328 -.618 .561 Sig. (2-tailed) .998 1.000 .525 .191 .247 Sum of Squares and Cross-products .022 6.852 .000 6.563 -4.889 3.592 Covariance .004 1.370 .000 1.313 -.978 .718 N 6 6 6 6 6 6 F3 Pearson Correlation -.008 .000 1 -.078 .726 .548 Sig. (2-tailed) .988 1.000 .884 .102 .260 Sum of Squares and Cross-products -.110 .000 5.119 -1.343 4.969 3.032 Covariance -.022 .000 1.024 -.269 .994 .606 N 6 6 6 6 6 6 G1 Pearson Correlation .941(**) .328 -.078 1 .000 .000 Sig. (2-tailed) .005 .525 .884 1.000 1.000 学术论文网Tag：代写论文 论文发表 职称论文 代写管理论文 |
