基于结构方程模型的山西省科技创新能力评价研究
摘 要:当代社会，科技创新已成为我国生产力发展，经济发展、社会进步的生命力所在，是推动人类社会进步的最主要的动力。本文首先提出山西省科技创新能力评价指标的因果关系模型，然后利用结构方程对评价指标间的因果关系进行了模型的构建与求解。通过研究表明，该模型能够很好的描述指标之间的因果关系，并能够准确定位影响山西省科技创新能力的关键因素，为评价和提高该省科技创新能力提供了有力依据。
关键词：山西省，科技创新，能力评价，结构方程模型
1 引言
当代社会，科学技术作为第一生产力，已成为经济发展和社会进步的最主要的因素和决定性力量，如果说“创新”是科技发展的生命力所在,那么“科技创新”则是生产力发展，进而经济发展、社会进步的生命力所在。[1]科技创新，是推动社会进步的重要动力，它为生产关系的变革中发挥着引导作用。
经济学家约瑟夫•熊彼特(Joseph Alois Schumpeter）于1912年将“创新”一词引入经济和科技领域。后来另一位经济学家缪尔（R•Mueser）把技术创新在此基础之上界定为“是以其构思新颖性和成功实现为特征的有意义的非连续性事件”；[2]英国学者莫尔（V•Moore）认为，技术创新是技术制品的创始、演进和开发过程；经济合作与发展组织（OECD）则强调技术创新是产品和工艺引入市场或应用于生产。[3]然而科技创新是原创性科学研究和技术创新的总称，是指创造和应用新知识和新技术、新工艺，采用新的生产方式和经营管理模式，开发新产品，提高产品质量，提供新服务的过程。科技创新可以被分成三种类型：知识创新、技术创新和现代科技引领的管理创新。[4]与之相关的理论还包括：技术创新理论，区域科技创新理论以及国家创新系统理论。
目前，对科技创新能力进行评价的方法和模型主要包括数据包络分析、层次分析法、多层次灰色评价、密切值法、因子分析法、模糊综合评价法等。在这些模型和方法中，影响科技创新能力的评价指标和因素是相互独立、相互平行的，然而这些传统的研究方法忽略了评价指标之间可能存在的相互影响、相互关联以及一些潜在的变量。而这又可能使评价结果失真，并导致我们将无法根据评价结果得出相应的改进措施以及采取有针对性的应对策略。而结构方程模型能够妥善处理科技创新能力中的一些潜在变量极其指标，从而能够很好地得出评价指标之间的相互影响及关联作用。
2 山西省科技创新能力评价的结构方程模型构建
2.1 结构方程模型的优点
结构方程模型最为显著的几个特点是：（1）评价多维的和相互关联的关系；（2）能够处理自变量（X）之间的多重共线性；（3）能够发现这些关系中没有察觉到的概念关系，而且能够在评价的过程中解释测量误差。
2.2 结构方程模型的基本原理
结构方程模型（SEM）是应用线性方程来表示观测变量与潜在变量，以及潜在变量之间关系的一种统计方法，是一种以回归为基础的多变量技术，并结合路径分析及因素分析，属于验证性实证研究的资料分析法，能同时处理多组变量间的关系，其目的是探究变量间的因果关系以验证理论，故又可称为因果模式分析技术。
2.3 结构方程模型的基本思想与方法
结构方程模型是以变量协方差阵为基础来分析变量间关系的一种统计方法，实际上是一般线性模型的拓展，包括测量模型与结构模型，这体现了传统路径分析与因素分析的完美结合。SEM一般使用最大似然法估计(Maxi-Likelihood，ML)分析结构方程的路径系数等估计值，因为ML法使得研究者能够基于数据分析的结果对模型进行修正。
与一般的计量经济模型不同，结构方程模型涉及的变量有两种基本的形态：观测变量(Measured variable)与潜变量(Latent variable)，数据能够被研究者观测得到的变量称为观测变量，而潜变量则不能被观测但可以由观测变量推估出来的变量。结构方程模型主要由测量模型和结构模型组成，测量模型描述的是潜变量如何被相应的观测变量所测量或概念化。[5]通常用如下测量方程表示：
x=λxξ+ σ (1)
y=λyη+ ε (2)
其中（1）是外源变量的测量方程，外源变量（exogenous variable）是指在模型当中未受任何其他变量的影响，但他却直接影响别的变量的变量。x是由q个外源观测指标组成的列向量，ξ是由外源潜变量的因子组成的n×1向量，λx是x在ξ上的q×n因子符合矩阵，σ是q个测量误差组成的向量；式(2)是内生变量的测量方程，内生变量（endogenous variable）是指模型当中，会受到任何一个其他变量影响的变量，也就是路径图中会受到任何一个其他变量以单箭头指涉的变量。y是由p个内生观测指标组成的p×l向量，η是由m个内生潜在变量组成的m×1向量，λy 是y在η上的因子负荷矩阵，ε是p个测量误差组成的向量，σ和ε表示不能由潜在变量解释的部分。[5-6]以上说明可以由图1测量模型图简单描述。
图1 多个观察变量与潜在变量的测量模型图
结构模型描述的是潜在变量间以及模型无法被其他变量解释的部分，通常用如下结构方程表示：
η1=β12η2+Γξ+ζ （3）
其中，η是内生潜在变量向量，ξ是外源潜在变量向量，β和Γ都是路径系数矩阵，ζ是结构方程的误差向量，是潜在变量无法解释的内容。以上说明可以由图2结构模型图简单描述。
图2 一个外源潜变量与内生潜在变量的结构模型图
2.4 结构方程评价模型的具体步骤
步骤一：理论概念模型的建立
结构方程模型实质上是一种验证性技术，因此在模型评价之前需要根据相关理论与假设条件，确定模型中各观测变量（即指标，通常是题目）与潜在变量（即因子，通常是概念）之间的关系以及各潜在变量间的相互关系（指定那些因子间相关或直接效应）；这种关系可以用矩阵方程或路径图的形式来表示。
步骤二：数据准备
一般认为样本数最少应在100以上才适合使用最大似然估计法（MLE）来估计结构方程（侯杰泰，2004），但样本数过大（如超过400到500时），MLE会变得过度敏感，容易使所有的拟合度指标检验都出现拟合不佳的结果（侯杰泰，2004），而小样本量又容易导致模型计算时收敛的失败进而影响到参数估计；特别要注意的是当数据质量不好，比如不服从正态分布或者受到污染时，更需要大的样本量。在样本数满足上述条件的基础之上，在模型建立时，还需注意用于结构方程模型的数据资料应该满足一定的假设条件，这样在进行模型估计时就不会得到错误的拟合结果。所以，在进行模型拟合前应该对数据做初步检查以满足所设定的条件，在此基础上还需对数据做无量纲化处理，以消除评价指标因单位或数量级的差别对结构方程模型评价结果产生的影响。
第三步：模型拟合
在理论概念模型与数据准备就绪之后，就应估计模型中的参数。这个过程是通过LISREL软件进行编程，运行，计算得到的，该过程的目标是最小化样本协方差阵与模型的协方差阵之间的“距离”。根据计算距离的不同公式，常用在结构方程模型有五种的拟合方法：最小二乘法(Generalized Least Squares,GLS)、极大似然估计法(Maximum Likelihood,ML)、一般加权最小平方法(Generally Weighted Least Squares，GWLS)、迭代法(Iterative Method,IM)及两阶段最小平方法（Two-stage Least Squares，TSLS)。
步骤四：模型评价
这个步骤重点考察模型对收集整理所得数据的拟合程度，包括模型整体绝对拟合程度、简约拟合程度和增值拟合程度。绝对拟合程度是用来衡量模型预测协方差矩阵对相关矩阵的整体拟合程度，是绝对意义上的假设模型拟合效果。这个效果取决于拟合指标的分布情况，是客观的置信标准，主要评价指标包括卡方值、卡法自由度比、GFI(Goodness-of-fit Index)、AGFI(Adjusted GFI)、PGFI(Parsimony Adjusted GFI)、RMR(Root Mean Square Residual)，RMSEA(Root Mean Square Error Approximation)；简约拟合程度衡量的是模型简约程度的大小，主要指标包括PNFI（Parsimony Normed Fit Index）、PGFI(Parsimony Goodness of Fit Index)等；增值拟合是用来比较虚无模型与理论概念模型之间关系的，主要指标包括NFI（Normed Fit Index）、TLI（Tucker-Lewis Index）、CFI（Comparative Fit Index）。绝对拟合程度、简约拟合程度与增值拟合程度是通过借鉴参考依据与模型计算结果做比照进而检验模型拟合的情况，通过比较可以得出模型的拟合效果，如果模型的拟合效果不好，则需要对模型的理论假设以及某些参数进行重新修正。
步骤五：模型修正
通过上面理论概念模型的建立、数据的准备、模型的拟合与评价，可以得出该模型的拟合效果，并进一步得出模型拟合是否良好。并对模型标准误、t值、标准化残差、修正指数、及各种拟合指数等进行检查，据此对模型的指标进行增删或者重组以修改模型并重复这一步直到模型拟合良好为止。
步骤六：计算各潜在变量得分并对结果进行分析
将LISREL软件运行结果的各个指数与相应参考指标进行比照，得出模型是否通过检验，如果结构方程模型通过拟合效果检验，就可以计算各潜在变量相互间的影响系数，在此基础上得到评价信息，然后对评价结果进行分析从而给出有针对性的对策与建议。
2.5 结构方程模型潜在变量的确立及评价指标体系设计
2.5.1 潜在变量的确立
对山西省科技创新能力进行评价，需要建立多层次指标体系，并注意研究分析评价指标相互间可能存在的因果关系。科技创新能力指标的选择与划分因人而异，这可能与地域、环境、以及研究人员本身的倾向等因素有关。
结构方程模型指标的选择是一门科学，理论上模型所含变量越多，模型拟合就越接近实际情况，也就越能够发挥结构方程的作用。反知，变量越少，则会导致模型拟合不佳，并且会产生很多错误的结果。但是变量越多，模型拟合越复杂，从而也加大了模型评价与修正的难度，为了穷尽变量之间的关系，有些学者还尽可能多的用箭头将内生变量与外源变量之间的关系标注在路径图上，而这也使得变量之间的关系主次不分，也使得结果的解释繁琐不堪。其实，“好”不等同于“多”，一个好的路径图并不要求包含尽可能多的箭头。相反，应该用尽可能少的箭头连接尽可能少的变量，与此同时模型的路径图又能够对所代表的样本拟合的很好。
综合前人研究结果，本文选取科技人力资源、科技财力资源、R&D发展活动、经济增长与教育潜力作为科技创新能力的五个组成部分，每部分都不可或缺，它们以不同的方式参与、影响着山西省科技创新活动。因此，本文将科技人力资源、科技财力资源、R&D发展活动、经济增长、教育潜力与科技创新能力作为六个潜在变量，其中科技人力资源、科技财力资源、R&D发展活动、经济增长与教育潜力是五个外源潜在变量，科技创新能力是内生潜在变量。科技人力资源、科技财力资源、R&D发展活动、经济增长与教育潜力不仅对科技创新能力产生影响，而且彼此之间还相互影响、相互依存。
2.5.2 潜在变量指标的选择及评价指标体系的建立
在确立了影响山西省科技创新能力潜在变量的基础上，还需进一步确定表达潜在变量的观测变量及潜在变量指标。本文以科技创新中投入产出要素分配为基础，确定衡量各个潜在变量的潜在变量指标。根据潜在变量与观测变量之间的关系，建立基于结构方程模型的山西省科技创新能力评价指标体系，如表1所示。
表１ 山西省科技创新能力评价指标体系
潜在变量 潜在变量指标（观测变量）
科技人力资源ξ1
专业技术人员X1
从事科技活动人员X2
从事R&D人员X3
科学家或者工程师X4
科技财力资源ξ2 科技经费X5
R&D经费支出X6
精密仪器和部件费用X7
R&D活动ξ3
经济增长ξ4 基础研究量X8
应用研究量X9
试验发展X10
R&D成果应用与科技服务X11
国内生产总值X12
社会劳动生产率X13
第三产业增加值X14
教育潜力ξ5
科技创新能力η
高校在校生人数X15
中等职业学校在校生人数X16
教育经费X17
专利申请受理量Y1
国内、国际科技论文总数Y2
科技进步与技术发明奖Y3
高科技产业产值Y4
新产品产值率Y5
2.6 提出假设
在分析了各变量及变量之间的关系之后，给出下面几个假设。
H1：科技人力资源投入越高，科技创新能力越强。
H2：科技财力资源投入越多，科技创新能力越强。
H3：R&D活动次数越多、水平越高，科技创新能力越强。
H4：经济增长幅度越大，科技创新能力越强。
H5：教育潜力越高，科技创新能力越强。
3 基于结构方程模型的山西省科技创新能力实例分析
3.1 数据选择
本文根据2004-2010年《中国统计年鉴》、《山西统计年鉴》、《山西科技统计年鉴》、《工业企业科技活动统计资料》以及《山西省科技论文统计报告》中山西省科技创新的相关数据，对山西省科技创新能力进行评价分析。
3.2 参数估计
本文首先借助excel软件对数据进行了无量纲化处理，然后利用SPSS17.0对收集整理到的数据进行了协方差的求解，运用LISREL8.70对模型进行LISREL语法设计及数据拟合。得出科技人力资源、科技财力资源、R&D发展活动、经济增长、教育潜力等外源潜在变量对山西省科技创新能力这一内生潜在变量的影响，以及观测变量对各潜在变量的作用，得出潜在变量与观测变量之间的路径系数，外源测量与内生测量变量的误差值ε与σ，如图3所示。
3.3 数据拟合结果
结构方程模型数据拟合指标主要有自由度、卡方值、NFI、NNFI与RMR等，拟合优度结果如表2所示。
表2 模型拟合优度结果
指标 DF Χ2 P NFI NNFI CFI IFI GFI AGFI RFI RMR RMSEA
指标值 194 395.14 0.00 0.93 0.97 0.91 0.91 0.96 0.92 0.89 0.055 0.076
由表2可知，该模型的NFI=0.93，NNFI=0.97,CFI=0.91,GFI=0.91，AGFI=0.92，IFI=0.91，RFI=0.89都符合指标要求，PNFI=0.86，接近0.9，PGFI=0.45Ф0.5的临界值，并且,χ2=395.14,df=194，卡方值与自由度之比为2.037介于2:1与3:1之间,表示假设模型与观察值之间存在显著差异，RMR=0.055，RMSEA=0.076，RMSEA的值小于0.08这个临界值，所有的λx、λy与Γ值都基本上符合标准，上述指标值说明这个结构方程模型的拟合是较理想的。
3.4 结果分析
(1)科技人力资源对科技创新能力作用的通径系数为0.52，表明山西省科技人力投入水平是该省科技创新能力最主要的影响因素。其中，从事科技活动人员对科技人力资源的影响系数为0.89，表明足够的科技人员是提高山西省科技创新能力的人力资本。
(2)科技财力资源对创新能力影响的通径系数为0.32，表明科技财力资源的投入对山西省科技创新能力具有一定的影响，尤其是R&D经费的支出，它对科技财力资源的影响系数为0.78。这也说明了山西省应该加大其在科技创新上的财力投入，由图3可知，山西省在科技经费上的投资力度还有待提高。
图3 山西省科技创新能力影响因素通径关系
(3)R&D活动的举办对科技创新能力影响的通径系数为0.48，表明科技研究与发展是影响山西省科技创新能力的一个重要因素。这主要表现在基础研究、应用研究与试验发展等活动上。
(4)经济增长对科技创新能力作用的通径系数为0.25，这一变量是所有外源潜在变量中影响比重最小的。因为经济增长并不是科技创新能力提高的直接原因，山西省经济增长能够带动其经济发展，从而刺激该省科技活动的创新与发展。
(5)教育潜力对科技创新能力影响的通径系数为0.45，表明教育潜力对山西省科技创新能力具有重要的影响作用，这也说明了一个地区教育水平的重要性。众所周知，有很大一部分科技成果都是直接来自于高校的研究，高校科技成果转化以成为我国科技创新的重中之重。因此我省应优化对高校在校生的培养，提高高校在校生教育经费的投入。
以上拟合结果与假设条件一致，这也说明模型拟合是比较理想的。
4 提高山西省科技创新能力的对策与建议
(1)加强科技创新人才培养
由以上分析可知，山西省科技人力投入水平是该省科技创新能力最主要的影响因素，所以科技创新人才的培养与能力的提高是该省科技创新能力提高的关键所在，高校在科技创新人才培养方面起到了关键作用。因此，我省应坚持以社会需求和市场为导向，立足以人为、高度尊重学生的个性发展与主体地位，极力改善素质教育，建立多规格、多层次、多维度的立体式人才培养方法与模式，全面激发学生的自主创新激情与动力，建立各种类型的创新基金，奖励创新人才的创新成果；其次，加强创新型人才间的交流，从而达到培养基础厚、能力强、潜力大、素质高的科技创新人才的目标。
(2)加大科技财力资源的投入力度
为有效提高山西省科技创新能力，我省应该大幅度增加在科技创新发面的资金投入力度，起到科技创新支撑与引领作用。首先，应加大财政科技经费投入，充分发挥财政资金引导作用。我省应重点支持产业带动强、技术先进、市场容量大并具有自主知识产权的新兴产业项目。其次，我省还应引导企业加大研发投入力度，逐步将企业放在科技投入主体的位置上。另外，我省还应进一步开拓融资投资渠道，努力建立科技投入多元化体系。此外，还应提高全省科研机构、医疗机构与高校院所等非企业单位的科技研发经费投入水平，逐步构建多层次多元化的科技投入体系。
(3)加强校、企、官的合作力度
高校、科研院所是知识创新的主要场所，高校具有很强的基础研究和应用研究的实力，但缺乏科研成果转化的机制，而企业直接面对社会市场，有较为完善的生产经营运作机制和巨大的创新需求，因此二者的合作是互补共赢的行为，而政府在其中扮演着不可或缺的角色，政府通过设计重点项目与课题，引导校、企在共同目标下，联合承担和开展研究工作，以整合创新力量，提高创新效果。[7]因此，我省大、中、小企业应树立良好的科技创新态度，积极与高校、政府合作，探索科技创新模式，以加快我省科技成果的转化速度。
(4)完善科技服务体系
山西省中小企业消化吸收先进科学技术的能力还不够强，该省缺乏良好的技术交易平台，为了提高我省的科技创新能力并且扩大技术交易市场，完善和建立科技服务体系已迫在眉睫。首先，应该建立融资、信息管理咨询以及风险评估等方面的相关服务平台，从而提高科技金融市场的服务质量；其次，还应该为不同种类的企业提供专门化、个性化服务，因此，我省还需创建商业服务体系与科技服务机构以进一步提高山西省的科技创新能力。
参考文献
[1] 李元书.坚持科技创新,不断发展生产力[J].云南科技管理,2004(02):1.
[2] 王秀丽.开发利用天津市创新信息资源,促进企业技术创新的研究[D].天津:天津理工大学,2003.
[3] 王志敏.我国科技创新环境的优化研究[D].安徽:合肥工业大学,2009.
[4] 百度百科.科技创新[EB/OL].http://baike.baidu.com/view/783511.htm, 2011-11-07.
[5] 李高扬,刘明广.基于结构方程模型的区域创新能力评价[J].技术经济与管理研究,2011(05):2.
[6] 黄宜,董毅明,王艳伟.基于结构方程模型的高校图书馆读者满意度评价研究[J].情报杂志,2008(08):1.
[7] 徐盈之,金乃丽.高校官产学合作创新对区域经济增长影响的研究[J].科研管理,2010(01):175-176.
