基于结构方程模型资源枯竭型城市区域创新评价问题探究

《基于结构方程模型资源枯竭型城市区域创新评价问题探究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于结构方程模型资源枯竭型城市区域创新评价问题探究摘要：目前区域创新的研究成为了区域经济发展的热点问题，但是没有一套统一标准的指标体系及模型方法可以评价所有的区域创新问题，国内外对于评价问题研究的很多，但是对于资源枯竭型城市的评价研究还很少，由于“根植性”、'‘累积性”和"路径依赖”等特点，很多其他地区的区域创新方法及评价都无法应用在资源枯竭型城市。因此，本文结合资源枯竭型城市的特点，建立了基于结构方程模型的资源枯竭型城市区域创新指标体系以及评价方法步骤。为资源枯竭型城市政府工作提供公正考核的政策参考。关键词：

2、资源枯竭型城市区域创新结构方程模型目前资源枯竭型城市转型问题日益凸显，相关的学者对资源枯竭型城市的研究越来越多，但大多都集中在转型、增长等问题的研究，对区域转型的评价研究相对较少。许多国外资源型城市转型的经验认为，区域创新有利于这些区域的可持续发展。就目前而言，国内与国外对区域创新有着不同的评价，体现如下：R&D、模式创新、能力创新等方面。不同的评价使用不同的方法，目前国内外以主成分分析法、DEA、灰色聚类以及人工神经网络为主要方法。针对具有单产业、高污染特征的资源枯竭型城市的区域创新评价目前还没有出现。本文采

3、用结构方程模型针对性的评价资源枯竭型城市的区域创新问题，相对其他方法，结构方程模型的优点体现在：允许更大弹性的测量模型、可以估计整个模型的拟合程度以及可以同时处理多个因变量等，是一种非常有效的评价方法。1对于资源枯竭型的城市区域采取不同的创新评价和不同的指标体系资源枯竭型城市与其他城市相比，具有资源的高度依赖性、产业的极其单一性、环境的重度污染性等特性，这些区域大多技术较为落后、设备较为陈旧、人才较为匮乏。因此,在做评价的时候，与其他一般经济区域有明显的区别。结合区域创新的特点，资源枯竭型城市区域创新的评价指标

4、主要应该从以下几方面考虑：①考虑创新主体的状况。一般来讲创新主体包括高校、科研机构、企业的创新以及政府在创新过程中的引导组织能力和科技中介机构的相关充足的服务。②考虑运行状况。在各主体创建了创新环境后，优化配置资源枯竭型城市的创新资源，使这些创新资源与创新环境实现完美融合，发挥出较好的效应。③对于资源枯竭型城市的整体状况我们需要进行考虑。在经过区域创新后，整个资源枯竭型城市是否有城市经济结构的优化，地区经济是否实现跨越式发展，城市是否实现转型以及城市可持续发展能力等。综上可见，如表1所示我们可以看到资源枯竭型城

5、市区域创新评价指标体系。第一层指标可分为创新能力、创新环境、创新潜力三个方面。第二层指标按综合性、系统性等原则共建18个指标。2构建基于结构方程模型的资源枯竭型城市区域创新能力评价方法通过样本求协方差阵或相关阵S是结构方程模型的主要思想，再进行参数估计，以此找出变量间的隐含协方差阵或者相关阵C。此时，S应与C相等，但是实际情况可能会存在S与C不等，他们之间差距越小，表示假设的模型适配性越好。结构方程模型和其他的计量经济模型相比，除了具有路径分析的整合、分析验证性因素与一般统计检验方法，还具有其他统计方法所不具有

6、的潜变量和带误差的自变量等问题，观测变量(Measuredvariable)与潜变量(Latentvariable)是结构方程模型所涉及的两种基本变量形态，对于观测变量我们现今是指研究者可以对于观测而得到数据的变量，而潜变量则指的是研究者虽然不可以直接进行观测，但是能够利用观测变量进而推算估计出的一种变量。虽然国外对结构方程模型研究比较成熟，但国内特别是国内的资源枯竭型城市应用结构方程模型做评价还没有，结合结构方程模型及资源枯竭型城市的特点，应用结构方程模型评价的步骤大致包括以下几步：2.1模型的建立很多模型的

7、应用，都要做一些假设，结构方程模型也是如此，它是在这些假设中来确定模型中各变量之间的关系，表示的方式主要有矩阵方程或者路径图。2.2准备数据在结构方程模型中，数据一定要符合假设前提的要求，这样才不会在模型估计中产生错误的拟合结果，所以，任何的模型拟合之前都要初步检查数据，以此来确定满足假设条件；同时，还要对数据做无量纲化处理，这样做是为了消除数据的物理量纲，使得数据具有可比性。2.3模型拟合当准备完毕概念模型并且把数据完成准备后就要对模型中参数进行估计的一种方式即是模型拟合。求取参数使得模型隐含的协方差矩阵与样

8、本协方差矩阵“距离”最小结构是进行方程模型拟合的目标。就一般情况而言，利用不同的距离计算公式，可以运用结构方程模型中常用的五种模型拟合方法：迭代法(IterativeMethod,IM法)、极大似然方法(MaximuniLikelihood,ML法)、两阶段最小平方法(Two-stageLeastSquares,TSLS法)、最小二乘法(GeneralizedLeastSquares,