对全国31个省市综合科技创新能力的线性回归分析

NORTHERNECONOMY

对全国31个省市综合科技创新能力的线性回归分析□/齐培潇1郝晓燕1、2史建文1

一、多元线性回归

概念，他把创新定义为：把一种从来没有过的关于生产要素的新组合引入生产体系。党的十七大报告提出：提高自主创新能力，建设创新型国家。科技创新是现代经济和企业的活力之源，是经济和社会发展的心脏，也是科技创新正在成综合生产率提高的基本驱动力。当前，

为经济增长的持久动力、经济和社会发展的主导力量。正如西蒙·库兹涅兹所言，“知识和科技创新对任何有

，被称为

的估的

意义的增长都是必要的条件”。

改革开放以来，我国经济建设取得了巨大成就，但仍有诸多问题尚需亟待解决。目前,我国经济增长的科技进步贡献率仅为39％，而其他创新型国家则高达70％以上；我国拥有自主知识产权技术的企业仅为0.3‰，企；；；。，其

业对外技术依存度指标高达50％，而世界上其他公认的创新型国家一般在30％以下，美、日仅为5％左右。

区域科技创新能力下设5个二级指标（知识创造、知识获取、企业技术创新能力、创新环境和创新的经济绩效）和21个三级指标。本文以实证分析的形式，利用SPSS13.0对北京、上海、广东等31个省市区域科技创新能力的5个二级指标做线性回归分析，从影响整体科技创新能力（因变量）水平的5个二级指标（因素变量）中寻找出哪些指标的影响最为显著，以区别重要因素和次要

多元线性回归是研究一个随机变量与多个自变量之间的统计线性相关关系，如产销售收入与个人可支配收入、研发费、商品价格等要素之间的关系。

（一）多元线性回归模型的一般形式

一个随机变量y关于一组变量（确定型）多元线性总体回归模型的表现形式为：

。其中

回归参数，其值要通过本数据进行估计。若计值为

，则称为y关于

线性回归方程，为y在x的回归值。

（二）多元线性回归模型的基本假设

1.零均值与同方差的假设，即2.随机误差服从正态分布的假设，即3.随机误差相互的假设，即他每个自变量不能存在线性相关关系，也即

由以上假定可知：中I为单位矩阵。

二、研究概述

4.自变量无多重共线性的假设，即任何一个自变量与其

熊彼特（J．A．Schumpeter）于20世纪提出创新的

治区技术创新管理的激励区域适应性效果评价研究（NJ09074）。

本文系内蒙古自治区自然科学基金项目内蒙古技术创新管理的激励评价研究（2009MS1009）和内蒙古自治区高等学校科学研究项目内蒙古自

2010年第6期79

学术视点

NORTHERNECONOMY

因素，并以此为基础做出相应评价。

三、对北京等31省市科技创新能力的线性回归分析（一）数据的选取

归前的11.26841减少到回归后的0.45737。

从方差分析中，可以得到模型的设定检验F统计显著性水平的P值几乎为零，于量的值为F=3636.967，

是肯定我们所建立的模型通过了设定检验，即因变量与自变量之间的线性关系明显，这与相关系数的检验结果是一致的。

我们还可以从回归系数和变量显著性检验的T值上发现，各变量的显著性水平的P值都为零，表明各变量的显著性检验都能通过，与F检验和相关系数R的检验结果是一致的。另外，常数项b0的置信度为95％的区间估计为（-0.814，0.312）。

四、结论分析

本文选取中国科技部编《中国区域创新能力报告》中提供的北京等31省市的科技创新能力各项指标值为原始数。数据中据（限于版面，在此不列出原始数据，可参考原文）有31个样本，代表31个省市，有6个属性变量：x1（知识创造）、x2（知识获取）、x3（企业创新）、x4（创新环境）、x5（创新绩效）、（y综合评价指标）。依据线性回归分析为综合科技创新能力寻求一个恰当的回归模型，分析综合科技创新能力与对它具有显著影响的因素之间的关系。

(二)对31省市科技创新能力的线性回归分析将表1中的数据导入SPSS13.0，把y作为模型的被解释变量，x1、x2、x3、x4、x5作为模型的解释变量。在处理数据时，指定自变量进入模型分析的方法采取了Enter法，即全部被选变量一次进入回归模型。预测区间的置信概率取为95％。

表1相关系数表

由以上分析，可以得出如下的回归方程：从回归方程中可以看出，首先是企业创新（x3）前面的权重系数较大，也就是说，企业创新在提升综合科技创新能力中起到举足轻重的作用，这也是符合当前世界经济发展的大趋势的：即创新是当今世界经济和社会、企业发展的活力源泉。那么，在现实的经济运行环境中我们应更加强调创新，并把它推到一个新的高度，这样企业才能摆脱困境，获得再生并蓬勃发展，以此推动企业进步、促进企业组织结构调整，加强规模经济的发展和产业集中度的提高。其次是创新环境（x4）、创新绩效（x5）对综合科技创新能力的影响。我们要特别加强企业创新、创新环境和创新绩效三者之间的互动，创造优良的创新环境，为企业创新提供良好氛围。要对创新绩效进行及时的评价，以制定出高效的进一步推进企业创新，而企业创新的提升又可以进一步完善创新环境，使三者良性促进，互相加强，最终大力提高综合科技创新能力。

从回归方程还可以得出，当企业创新（x3）、创新（x5）的指数分别提升0.2、环境（x4）和创新绩效0.217、0.209时，均可使综合科技创新能力指数提高1。当然，我们也不能因此而忽视了知识创造（x1）和知识获取（x2）对提高综合科技创新能力的基础性作用，没有知识的创造和知识的获取，其他一切都是空谈。

(作者单位：1.内蒙古工业大学管理学院;2.内蒙

古农业大学管理学院)

从表1中看到，因变量y与自变量x1、x2、x3、x4、x5之间的相关系数依次为0.763、0.938、0.914、0.9、0.5，反映综合评价指标与知识创造、知识获取、企业创新、创新环境、创新绩效之间都存在着显著的相关关企业创新和创新环境之间的线系，尤其是与知识获取、性相关关系更是显而易见。此外，企业创新与知识获取、创新环境之间的相关系数分别为0.908、0.915，说明它们之间存在着较为显著的相关关系。知识获取和创新绩效之间的线性相关关系显著也是符合事实的：二者的相关系数为0.821。

从对模型的分析中我们可以看出，所有5个自变量都进入模型，说明我们所采用的所有的解释变量都是显著并且是有解释力的。

表2模型概述表

从对模型整体拟合效果上看，该模型的拟合优度系数为0.999，反映了因变量与自变量之间具有高度显著的关系。从相对水平上看，回归方程能够减少因变量y99.8％的方差波动；从绝对水平上看，y的标准差从回

80

2010年第6期