二　创新力与城市文化产业

创意、创新能力是文化产业的核心。城市创新力日益成为地区文化产业获取区域竞争优势的决定性因素，因此，对于城市创新力的研究就理所当然地成为文化产业研究的焦点。

（一）指标体系构建与评价方法

1.城市创新力指标体系构建

依据城市创新力的内涵，考虑到数据搜集的便利性，选取了北京、上海、南京等国内22个城市作为研究对象，初始指标选取以下17项﹙见表2—4﹚：

﹙1﹚创新潜力，包括3项内容：每万人拥有高等学校在校生人数、大中型企业科技活动人员中科学家工程师比重；增加了每万人专业技术人员数。

﹙2﹚创新动力，包括6项内容：R&D经费支出占GDP比重、大中型企业R&D投入强度、教育投资占GDP比重、百户居民计算机拥有量、万人国际互联网络用户数、每百人公共图书藏书量。

﹙3﹚创新活力，包括5项内容：技术市场合同成交金额占GDP比重、高新技术企业工业总产值占GDP比重、新产品产值率、每10万人专利授权数；发明专利授权数占专利授权量百分比。

﹙4﹚创新实力，包括3项内容：保留了原先的人均GDP、全员劳动生产率，增加了地均GDP。以上17个指标构成了国内主要城市创新力比较研究的预选指标体系。

2.评价方法

﹙1﹚评价方法的选择。

评价指标体系确定之后，就要选择恰当的评价方法。目前，国内外研究领域关于指标体系的系统评价方法已有数十种之多，如综合指数法、因子分析法、主成分分析法、POPSIS法、功效系数法、层次分析法﹙AHP﹚、模糊综合评判法、灰色系统分析法等。而且系统评价方法还在不断发展，如乔治﹙M.George﹚等建立了一个可持续发展能力评价的神经网络模型；彭勇行选择最优化模型，发展提出了一种新的“组合评价法”。在众多系统评价方法中，并不是每一种都同样地适用于本研究，有的方法尽管在理论上似乎很理想，但是实际运用却因过于复杂而难以实现。如组合评价法，这种方法步骤较多，而且还要借助相当高深的数学工具和计算机应用软件，所以不宜采用。因此，选择一种适当的评价方法要把握需要和可能两个方面。在进行城市创新力的综合评价时，因子分析﹙Factor Analysis﹚法不失为一种合适的评价方法。

因子分析法指的是用较少的公共因子的线性函数关系和特定的因子之和来表示原变量，从研究相关矩阵内部的依赖性出发，把一些具有错综复杂的变量归结为少数几个综合因子的一种多元统计方法，其基本目的就是用少数几个具有实际意义的公共因子去描述许多指标或因素之间的联系，该方法能有效避免加权综合平均法存在的主观赋权问题。因此，本书采用因子分析法，以期对国内主要城市的城市创新力进行客观定量的评价。

﹙2﹚数据来源与标准化处理。

本书选取的评价指标数据主要来源于各城市2009年统计年鉴、中国城市2009年统计年鉴、各市2009年科技进步统计监测等或者由其计算而来。

由于各个指标量纲与取值范围不同而给分析带来不便，为此我们对数据进行了标准化处理，以使数据具备可比性且变量渐近遵从正态分布N﹙0，1﹚。

所谓的标准化处理就是通过计算出原始数据的标准化值，使之趋于标准正态分布的方法和过程。标准化值﹙Standard Score﹚是以变量值与其均值的差除以同一数据的标准差的比值，也称为标准分数或分数。其计算公式为：

式中的Zi表示第i个变量的标准化值。

标准化值是一个相对数测度，反映了以标准差σ为单位计量的第i个变量值与其均值的相对距离。标准化值的分子Xi−为第i个变量值与其均值的差，一般称为数据的中心化，表现为变量值与其均值的绝对距离。标准化值的分母为标准差σ，通过用标准差σ除以中心化后的数据，来消除标准化值的量纲和绝对水平，剔除不同的数据分布离散程度在量纲和数值水平上的差异，消除原始数据在偏态和峰度等方面的非正态特征，使数据趋于方差为1、均值为0的标准正态分布，从而使标准化处理之后的数据具有了普遍的可加性和直接的可比性。

3.因子分析步骤

对各变量进行标准化处理之后，本书首先利用统计分析软件SPSS13.0对数据进行了因子旋转，从众多指标的相关性入手找到主要影响因子，并对这些因子的实际统计意义进行了解释。其次，通过确定主要影响因子的得分，计算样本的综合得分，据此对城市创新力进行比较和评价。

在进行因子分析前，本书首先对样本数据进行了取样适宜性检验，以检验观测变量是否适宜做因子分析。即利用SPSS13.0对样本进行了相关系数矩阵的KMO检验。KMO检验的测度值范围在0—1之间。如果KMO值较小，表明观测变量不适宜做因子分析；反之，如果KMO值较大，则表明适宜做因子分析。通常认为KMO的值在0.5以上便可接受，适宜做因子分析。本次分析KMO值为0.523，满足分析的要求，适合做因子分析。﹙见表2—5﹚

通过因子旋转，我们得到了反映城市创新力的公共因子。但旋转后的因子载荷是公共因子的系数，而不是公共因子自身的值，为此，我们运用SPSS13.0软件的因子得分功能对公共因子进行评分，得到了各城市在每一公共因子的得分Fi。在此基础上，应用公式，构造出了综合因子得分F，其中θi是各主因子的方差贡献率。

（二）国内城市比较实证结果分析

1.因子荷载矩阵的建立

为了建立因子模型，本书首先建立了因子载荷矩阵，为便于后面的分析验证，根据因子分析法原理，本书运用统计软件SPSS13.0计算出了各因子所对应的特征值、方差贡献率、累计贡献率，其计算结果见表2—6。

从表2—6可以看出，按照设定的特征值大于1的原则，变量的相关系数矩阵有六个特征值，即4.557、2.791、2.050、1.846、1.629和1.423，方差累计贡献率达84.093％，且旋转后的各因子特征值全部大于1，因此选取这6个公共因子能够解释17个评价指标的大部分方差。

为了便于公共因子对实际问题的解释和分析，我们先对提取的六个主因子F1、F2、F3、F4、F5、F6建立了原始因子载荷矩阵。

2.公因子的析取及内涵解析

因子分析的目的是对由不同指标组成的各公因子含义及其之间的关系进行解释，根据因子载荷矩阵对各影响城市创新力层次分类评价指标与公因子的关系进行分析。对指标公因子关系的分析，通常需要一定的专业知识和经验，要对每个公因子给出具有实际意义的一种名称，它可以用来反映在预测每个可观测的原始指标变量时该公因子的重要性，即各有关指标相应于这个公因子的载荷。公因子的解释一般均带有一定的主观性，如果载荷矩阵中的一些指标元素对几个公因子的载荷值很接近，则分析人员的主观性很容易影响对因子分析的最终解释。为了减少这种主观性，便于对因子进行归类解释，需要对因子进行因子旋转。[3]

公因子是否易于解释，很大程度上取决于因子载荷矩阵的指标元素结构，由前述可知，因子载荷矩阵是从相关矩阵求得的，因此，因子载荷矩阵的所有元素均在+1和−1之间取值。如果载荷矩阵的所有元素都接近0或±1，则模型的公因子就容易解释。这时可将原始指标变量分成m个部分，第一部分对应第一个公因子F1，……，第m部分对应第m个公因子Fm。反之，如果载荷矩阵的多数元素取值居中，则将难以对模型的公因子做出解释。根据统计学原理，此时需要进行因子旋转，使得旋转以后的载荷矩阵在每一列上元素的绝对值尽量拉开距离，亦即尽可能使其中一些指标元素接近于0，另一些元素接近于±1。[4]

为此，在原始载荷矩阵建立的基础上，本书对载荷矩阵进行了方差最大化正交旋转，得到了旋转后的因子载荷矩阵。﹙见表2—7﹚

由表2—7可见，第一公因子F1在X15、X7、X8、X3、X13、X16，即人均GDP、百户城镇居民计算机拥有量、万人国际互联网络用户数、每万人专业技术人员数、每10万人专利授权数和地均GDP这六个指标上载荷较大，特别在X15﹙人均GDP﹚、X7﹙百户城镇居民计算机拥有量﹚上更为明显。该因子反映了在现代社会信息化水平和收入对城市创新力的影响度，是城市创新力的重要体现，可称为“信息投入产出因子”﹙方差贡献为26.804％﹚。

第二公因子F2在X4、X14、X10、X9，即R&D经费支出占GDP比重、发明专利授权数占专利授权量百分比、技术市场成交额占GDP比重、每万人公共图书藏书量这四个指标上载荷较大，尤其是在X4 ﹙R&D经费支出占GDP比重﹚和X14﹙发明专利授权数占专利授权量百分比﹚这两个指标上。该因子反映了创新投入与产出之间的紧密联系，可称为“科技投入产出因子”﹙方差贡献为16.419％﹚。

第三公因子F3在X6和X11，即教育投资占GDP的比例和高新技术企业工业总产值占GDP比重这两个指标上荷载较大，尤其是教育投资占GDP的比例这个指标。该因子反映了教育投入与创新能力之间的紧密关系，可称为“教育投入产出因子”﹙方差贡献为12.057％﹚。

第四公因子F4在X12、X5，即新产品产值率和大中型企业R&D投入强度这两个指标上载荷较大，尤其是X12﹙新产品产值率﹚。该因子是国家和地区自主创新实力和能力的重要指标，反映了企业科技投入与城市创新力之间的关系，可称为“企业投入产出因子”﹙方差贡献为10.858％﹚。

第五公因子F5在X17，即全员劳动生产率这个指标上载荷较大。该因子是衡量工业企业技术创新绩效的重要指标，体现了工业企业实现技术创新的产出能力和效果，可称为“技术创新绩效因子”﹙方差贡献为9.581％﹚。

第六公因子F6在X2，即大中型企业科技活动人员中科学家工程师比重这个指标上载荷较大。该因子是衡量创新人力资源素质的重要指标，可称为“创新人力资本因子”﹙方差贡献为8.373％﹚﹙见表2—8﹚。

3.样本城市因子得分及评析

通过因子旋转及SPSS13.0的得分功能，我们得到了六个公因子的得分，并据此得到了22个城市在各公因子上的得分。在此基础上，根据构造的综合得分公式，得到了22个城市的综合得分。其中F1—F6为各城市在6个公共因子上的因子得分，F为综合得分，它是22个城市创新力的综合反映﹙见表2—9﹚。

第一，综合排名老直辖市与改革开放前沿阵地较强，中西部较弱，且极化现象严重。在城市创新力的综合排名上，在总排名前5的城市中，除重庆外，北京、上海、天津三个老直辖市均榜上有名，直辖市占有三个，而其余的广州、深圳则为我国改革开放的前沿阵地；排名后5的城市则以中西部居多。﹙见图2—4﹚

而且，通过创新力综合得分我们还发现：城市间的创新力极化现象严重。如综合得分最高的北京与得分最低的郑州差值达1.45364分，可见两者之间的差距之大。且综合得分大于零的仅有8个城市，其余城市得分均小于零，这在很大程度上表明这些城市在创新力水平上的不平衡性，存在严重极化现象。

第二，因子排名，各有千秋；国际视野，差距甚大。在主因子F1“信息投入产出因子”上，上海、广州、深圳、苏州、宁波排名前五。这些城市都是我国经济发达地区，其居民的人均GDP、百户电脑拥有量在国内城市中均处于前列。而且，这些地区由于得我国改革开放风气之先，百姓敢闯敢冲、创新精神很强，创业创新能力在我国也是首屈一指，他们的每万人专利授权量在样本城市中均处于前列。而公因子F1排名较为靠后的城市，在6项指标上也相对靠后。﹙见表2—10﹚

但与世界发达城市相比，国内城市在F1所含的因子上与之差距甚大，即使是国内在F1主因子排名靠前的城市也不例外。以人均GDP指标为例，2005年，大阪、慕尼黑、悉尼、横滨、斯德哥尔摩、釜山、台北、中国香港、首尔、新加坡分别为36136、40531、40346、30818、52813、17649、18350、24581、23254、25176美元，而我国22个样本城市2008年人均GDP最高的深圳也仅为13153美元，差距之大由此可见一斑。[5]

在主因子F2“科技投入产出因子”上，北京、南京、西安、长沙和深圳排名前五。其中，北京在R&D经费支出占GDP比重、每万人公共图书藏书量和发明专利授权数占专利授权量百分比三项指标上均排名第一；南京、深圳在这三项指标上均位列前4；西安在R&D经费支出占GDP比重、长沙在发明专利授权数占专利授权量百分比上分别位列22个城市的第2名。而大连、苏州、宁波、重庆、郑州等城市的F2科技投入产出因子相对较弱，排名较后。如苏州虽然专利授权量在全国位列前茅，但其发明专利授权数较少，发明专利授权数占专利授权量的百分比在22城市中位列最后；宁波在“发明专利授权数占专利授权量”位列22城市的第21名，重庆在“R&D经费支出占GDP比重”、“每万人公共图书藏书量”和“发明专利授权数占专利授权量百分比”三个指标上均排后3名，致使这三个城市在F2中位列22城市中的最后三名。科技创新是提升城市创新力的关键，R&D经费支出占GDP比重﹙％﹚是衡量城市科技创新的主要指标。在该指标上，虽然我国的北京在2008年已达5.91％，在国内排名第一，西安高达4.41％、深圳高达3.336％、南京达2.7％，但国内大部分城市在该指标上的数值低于2％；而2005年斯德哥尔摩﹙4.27％﹚、大阪﹙3.18％﹚、横滨﹙3.18％﹚等均已超过3％。但在该指标上，国内城市还是有赶超的可能。但未来中国城市创新力要跻身国际先进行列，更主要的是要提高自身发明专利的比重。

在主因子F3“教育投入产出因子”上，北京、重庆、上海、天津和郑州排名前五。其中北京的“教育投入占GDP比重”位列22城市之首，是排名随后的济南的近3倍。而深圳、苏州等城市则排名相对靠后。

城市创新力的根本在于人才。人才的培养，政府的教育投入是一个重要的衡量指标。国际上发达城市对教育的投入都非常重视。我国虽然历来对教育非常的重视，但在政府的财力投入上，与发达国家城市的差距却是显而易见的。在所选取的12个国际城市中，早在2005年，伯明翰﹙3.33％﹚、斯德哥尔摩﹙4.32％﹚、大阪﹙3.11％﹚、首尔﹙3.43％﹚、悉尼﹙3.05％﹚、墨尔本﹙3.44％﹚、横滨﹙3.18％﹚、香港﹙3.64％﹚等城市的政府教育投入占GDP比重就均已在3％以上，仅有釜山﹙2.65％﹚、台北﹙2.85％﹚、慕尼黑﹙2.66％﹚、新加坡﹙2.43％﹚在3％以下。﹙见表2—11﹚而我国22个样本城市2008年在该指标上仍是2％以下的占了绝大多数，仅有北京﹙3.02％﹚、重庆﹙3.01％﹚、上海﹙2.38％﹚、天津﹙2.23％﹚、大连﹙2％﹚在2％以上。﹙见图2—5﹚

在主因子F4“企业投入产出因子”上，长春、青岛、天津、重庆和上海排名前五。郑州、杭州、广州等城市在F4上的得分较低﹙见表2—9﹚。这主要源于其在“新产品产值率”和“大中型企业投入强度”这两个指标得分较高。如22样本城市的“新产品产值率”均值为18.23％，而长春的新产品产值率高达46.14％，是排名最后的郑州﹙2.2％﹚的23倍。而广州的新产品产值率﹙8.52％﹚也仅为长春的18.4％；杭州的新产品产值率﹙14.81％﹚仅为长春的32.1％。﹙见图2—6﹚

在F5技术创新绩效因子上，天津、济南、武汉、南京和沈阳排名前五，宁波、深圳等排名较为靠后。技术创新绩效因子主要表现在全员劳动生产率这个指标上。﹙见图2—7﹚

在F6创新人力资本因子上，深圳、济南、武汉、哈尔滨和重庆排名前五，广州、长沙、西安排名较为靠后。这与这些城市在“大中型企业科技活动人员中科学家工程师比重”有直接的关联。深圳在该指标上得分较高，其“大中型企业科技活动人员中科学家工程师比重”高达85.12％，比排名第21的西安﹙53.89％﹚高31.23，更是排名第22的长沙﹙39.55％﹚的2.15倍。﹙见图2—8﹚

（三）南京城市创新力综合评价

1.综合排名优势明显

就总体排名而言，在全国22个城市中，南京综合排名优势明显，处于第二梯队。但是，看一个城市的创新力，不能仅看排名，还得看其得分与相邻城市的差距。由表2—9可知，南京的综合得分为0.2426，与排名前三的城市差距非常大，比排名前5的北京﹙0.91092﹚和上海﹙0.80761﹚分别低了0.66752和0.56501分，仅其差距分就均是南京的2倍以上；而与同处第二集团的深圳﹙0.40011﹚、天津﹙0.37017﹚和广州﹙0.26350﹚差距相对为小，分别低了0.15751、0.12757和0.0209分；尤其是与广州的差距较小，存在赶超的可能。

2.优势因子与近邻差距较小，有迎头赶上之可能

就自身而言，南京在科技投入产出因子和技术创新绩效因子上优势明显，分别位居第2和第4名。且与近邻相比，南京的优势因子与之差距较小，极有可能迎头赶上。如技术创新绩效因子以1.19695的高分位列22城市的第4，分别比排名前三的天津﹙1.67935﹚、济南﹙1.37936﹚和武汉﹙1.24268﹚低0.48240、0.18241和0.04573分。可见，在该因子上，虽与排名第1的城市有一定差距，但与近邻差距较小。

3.弱势因子实力较差，亟待突破

与国内的其他城市相比，南京的创新劣势也非常明显，在22个城市中，南京的教育投入产出因子﹙−1.10872﹚排名第21，与排名第1的北京﹙2.2846﹚相差3.39332分，比排名第18的苏州﹙−0.86136﹚也低了0.24736分；企业投入产出因子﹙−0.44954﹚排名第18；创新人力资本因子﹙−0.60704﹚排名第18。