城镇化与科技创新相关性分析科技创新论文工业论文Word格式文档下载.docx

城镇化与科技创新相关性分析科技创新论文工业论文Word格式文档下载.docx

《城镇化与科技创新相关性分析科技创新论文工业论文Word格式文档下载.docx》由会员分享，可在线阅读，更多相关《城镇化与科技创新相关性分析科技创新论文工业论文Word格式文档下载.docx（6页珍藏版）》请在冰豆网上搜索。

进一步提高城镇化水平，必须建立和完善人才管理机制和激励机制，保证人才使用效率;

不同部门间应该提高对外衔接合作能力，缩短科技创新成果的转化和扩散时间，促进城镇化快速发展。

关键词:

城镇化科技创新DEA典型相关分析

一、引言与文献综述

近年来，各省市相继推出了一系列的人才引进政策，城市之间展开了日益激烈的“人才竞争”，人才已成为新一轮科技创新竞争的核心资源之一，而城镇化进程则促进了劳动力、人才资本和土地等要素向城镇集聚，从而进一步促进国经济快速增长和自主创新能力的不断提升。

那么，在经济发展的新常态下，城镇化的发展进程与科技创新之间到底有何关联?

基于以上思考，对城镇化与科技创新之间的相关性的研究，不仅可以很好地考察两者之间的关系，还有助于提升科技创新能力。

早在1867年西班牙的阿一舍尔达就在《城镇化的基本理论》中提出关于“城镇化”的理念，并通过研究得出城镇化的水平与一个国家的经济发展水平之间有着密不可分的关系的结论。

Carlino，ChatterjeeandHunt（2007）、成德宁（2005）、于莲（2016）等人采用规范分析方法，田逸飘，刘明月，张卫国（2018）、董淑太（2019）等人采用实证分析方法，对城镇化与科技创新效率关系进行研究，都发现城镇化进程的发展为科技创新提供了资金支持、促进了人才资源的集聚。

同时发现，城镇化进程对科技创新有着明显的正向促进作用，在同一时期城镇化水平越高则科技创新能力越强，其中人才聚集规模对科技创新效率的影响最大［11］。

WilsonＲP，Vandenabeele（2012）、郑凌霄（2014）、郭蓓（2018）等学者从科技创新角度入手，认为科技创新的发展对推动城镇化历程起着关键性的作用，科技创新是推动城镇化发展最强劲的软实力，也是经济社会进步的第一动力［4］。

胡振亚，汪荣（2012）等从城镇化与科技创新关系入手，通过从工业化和城镇化各自不同的角度构建模型分析与科技创新的关系，发现工业化、城镇化、技术创新三者之间相互依存相互制约［8］。

陈晓艳（2015）则采用定性和定量分析对安徽省城镇化和技术创新两组变量的数据进行典型相关分析，确定安徽省城镇化和技术创新能力之间具有密切联系［10］。

本文在借鉴前人对科技创新与城镇化研究的基础上加入科技创新效率的判断，并结合我国城镇化进程与科技创新之间的关系进行了相关性分析。

二、数据来源与研究方法

科技创新是一个多主体参与的系统，因此单一的指标很难阐述事物的本身。

本文整合了崔向欣、杨梅、郑凌霄等人选取指标的方法，根据DEA模型选择指标的四个基本原则，并结合我国科技创新投入产出的实际情况和城镇化的发展进程，构建了我国科技创新投入产出相对效率和城镇化的评价指标体系。

数据主要来源于《中国统计年鉴》和《中国科学技术统计年鉴》，选取的指标分别为城镇就业人口（x1）、城镇化率（x2）、每十万人口高等院校平均在校生数（x3）这三个城镇化指标和Ｒ＆D人员全时当量（y1）、Ｒ＆d经费支出（y2）、发表科技论文数（y3）、三种专利申请授权数（y4）、技术市场成交额（y5）这五个科技创新效率指标［10］。

本文主要使用DEAP12.1版本软件构建CCＲ模型对科技创新的投入和产出指标进行相对效率评价，用SPSS软件对城镇化与科技创新效率进行典型相关分析。

三、科技创新与城镇化统计分析

（一）科技创新统计分析本文根据研究需求和选取数据原则规定，选取我国Ｒ＆D人员全时当量（人年）、Ｒ＆D经费支出（亿元）作为科技投入指标;

选取发表科技论文数（万篇）、三种专利申请授权数（项）、技术市场成交额（亿元）作为科技产出指标。

从《中国统计年鉴》和《中国科学技术统计年鉴》2006—2018年相关数据中可以发现“十五计划”后，科技创新投入数量总体趋势呈不断攀升趋势，Ｒ＆D人员全时当量由2006年的150.2万人/年增至2018年的438.1万人/年，年均增长8.44%，Ｒ＆D经费支出由2006年的3003.1亿元增至2018年的19677.9亿元，年平均增长率高达14.38%。

从Ｒ＆D人员全时当量各年环比增长速度不难发现增幅比例呈明显波动状态，特别是2009年和2015年，2009年其增幅比例为14.23%，为近13年来增幅比例最高的一年。

从Ｒ＆D经费支出各年环比增长可以发现各年增幅比例都稳稳高于15%，2014—2018年环比增幅虽有所下降，但依然在10%徘徊。

科技投入数据表明，我国科技人才的有效工作时间在不断增加，科技创新人力资本在不断增多且即使在基数如此庞大的情况下，我国仍在不断加大对科技人员的培养与投入，说明我国对科技创新发展意识明显增强。

科技创新产出数量与投入数量总体趋势保持一致，都呈不断上升趋势。

从2006年至2018年以来发表论文数量和三种专利申请授权数来看，三种专利申请授权数比发表科技论文数上升趋势更为陡峭。

发表科技论文数量从2006年的106万篇增加至2018年的184万篇，平均环比增幅为4.44%，其中2009年增幅比例最大为12.5%。

三种专利申请授权数由2006年的268002项增至2018年的2447460项，平均环比增幅为16.18%，其中2009年增幅比例最大为29.21%。

无论是科技论文发表的数量还是三种专利申请授权数，2018年比2006年都有明显增加。

2006年至2018年技术市场成交额由1818亿元增至17697亿元，平均环比增长率为17.15%，其中2006－2013年环比增长比例波动幅度较大，特别是2012年的增幅比例远远超过平均增幅比例，高达25.99%。

2013－2017年环比增长幅度进入平缓状态，无较明显波动。

2018年技术市场成交额增幅比例又创“小高潮”，增幅比例高达24.15%，可见随着创新型国家建设的不断推进，我国技术市场交易也正在更加趋于活跃。

（二）城镇化统计分析本文选取2006—2018年城镇就业人口（万人）、城镇化率（%）、每十万人口高等院校平均在校生数（人）这三个指标来综合衡量城镇化水平。

通过对比2006—2018年城镇就业人口数据，可以看出我国2006年至2018年以来城镇就业人口呈不断上升趋势，2018城镇就业人口已上升至43419万人，相比2006年城镇就业人口已经增长约为1.47倍，农村就业人口则是从2006年额45348万人下降至34167万人。

城镇就业人口的上升趋势和农村就业人口的下降趋势形成鲜明对比，越来越多的农村人口涌入城镇择业。

城镇化率一般是用城镇人口占总人口数的比重来衡量的，城镇就业人口的增加与城镇化率的增长有着密不可分的关系，2011年后就城镇化率就已经正式迈入50%大关。

每十万人口中高等院校平均在校生人数近13年涨幅约为42%。

这些数据都更加客观地反映了我国城镇化进程正在不断加快。

四、实证检验结果

（一）科技创新效率实证结果如前所述，本文选取了我国Ｒ＆D人员全时当量（人年）、Ｒ＆D经费支出（亿元）作为科技投入指标，发表科技论文数（万篇）、三种专利申请授权数（项）、技术市场成交额（亿元）作为科技产出指标。

运用DEAP12.1软件中CCＲ模型进行测算整理得出以下数据并绘制成条形图（见图1）。

如图1所示，从各个决策单元的Θ值可以看出2006年、2010年、2012年、2018年这四年都达到了DEA的相对有效，根据松弛变量数值的不同，可以看出这四年均达到了强DEA有效。

相对于其他9年而言，这4年我国的科技投入产出都取得了效益最优，而其他8年都为自由单元，其科技创新效率都为相对无效。

从投入角度来看，表明科技投入并没有得到充分利用产出相对偏小，其中科技创新效率最低的为2014年，效率值仅为0.841。

我们可以将这13年大概分为三个阶段，第一阶段为2006－2010年，第二阶段为2011－2014年，第三个阶段为2015—2018年。

第一阶段和第三阶段都近似呈“U型”，而第二个阶段则呈现出近似直线下降的状态，此阶段的四年相对效率一直在下降，表明我国在建设科技创新型国家的进程中，虽意识到了科技创新的重要性，但有时却忽略了科技创新效率的相对有效性。

科技投入的加大不一定会带来相应的产出，反而可能会产生了冗余投入，在投入相对较大的情况下产出偏小，在产出相对的情况下投入过量。

（二）城镇化与科技创新实证结果使用SPSS软件对城镇化的三个指标之间进行相关性测算。

结果表明，三个指标之间的相关系数较为接近，其中最大的相关系数为0.993，代表城镇就业人口与每十万人口高等院校平均在校生数的相关性要超于和其他两个指标的相关性。

三个指标之间的相关系数都在0.9以上，表明城镇进程为城镇人口就业提供了便利，为人们教育提供了保障，让人们享受到了城镇化真正的权益。

三个指标之间具有的相关性代表它们所代表的总体是一样的，更加能够说明选取的指标是符合城镇化指标构建要求的。

使用SPSS软件对城镇化指标和科技创新指标进行相关性分析，得出城镇化和科技创新指标的相关系数（见表2）。

由表2可以看出，3个城镇化指标和5个科技创新效率指标之间相关系数十分相似，且相关系数平均值为0.972，这表明这8个指标之间相关性较高。

其中相关系数最高的是x2和y1，即城镇化率和Ｒ＆D人员全时当量之间的相互关系最为紧密。

x2与y5之间的性关系数较弱，即城镇化率与技术市场成交额之间的相互关系相比于其他指标之间关系较弱。

从各组的平均值来看，可以发现y1对x指标影响最大，即Ｒ＆D人员全时当量与城镇化指标相关性最大;

x1对y指标影响最大，即城镇就业人口与科技创新指标相关性最强。

经过典型相关分析一共提取了三对典型相关系数，这三对数据中第一对的相关性最高为0.999，很明显采用典型相关分析效果要比简单的相关分析要好，且得到的结果更加全面和真实。

从显著性检验结果来看，在α=0.05的置信区间下，第一对与第二对在典型相关系数为零假设的情况下，这两对典型相关性是显著的，而第三对典型相关性是不显著的。

这表明城镇化与科技创新在第一组典型相关系数下可以相互解释99.9%;

在第二组典型相关系数下可以相互解释94.0%。

因此通过第一组典型变量和第二组典型变量可以更加全面的解释城镇化与科技创新之间的关系，并从宏观的角度把握两者之间的实质联系，为进行后续的影响因素分析打下基础。

五、结论与讨论

本文通过统计分析方法对2006—2018年城镇化与科技创新的发展进行研究，并通过数据包络法和典型相关性分析方法分别对科技创新效率、科技创新与城镇化之间的相关性进行检验。

主要得出如下结论:

1.科技创新能力大幅度增加，但科技创新效率有待得到提高与重视。

从2006—2018年科技创新统计分析中可以发现，我国为了建设创新型国家投入了大量的资金和人力资源，随之而来的是我国科技创新能力和自主创新能力的不断提高。

但在对2006—2018年科技创新效率的分析中，发现我国2006—2018年科技创新相对效率类似于“U型”波动，13年中仅有4年科技创新投入产出相对有效。

这表明在我国不断建成科技创新型国家的过程中，科技创新作为经济发展的新引擎，其投入虽大幅度提高，但科技创新效率并不会因为科技投入的增加而变得更加有效率。

所以充分了解当地科技创新投入产出的数量，科学合理地配置科技创新中投入的物质资源和人力资源非常重要，而不是只是一味地加大创新投入，而忽略了所带来的创新产出。

2.城镇化进程发展较