《主成分分析与因子分析的异同和SPSS软件——兼与刘玉玫、卢纹岱等同志商榷.doc》由会员分享，可在线阅读，更多相关《主成分分析与因子分析的异同和SPSS软件——兼与刘玉玫、卢纹岱等同志商榷.doc（6页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、2005 年第 3 期 No. 3 2005 统计研究 Statistical Research 65 主成分分析与因子分析的 异同和 SPSS 软件 兼与刘玉玫 、 卢纹岱等同志商榷 林海明 张文霖 Between the Principal Component ABSTRACT Analysis and the Factor Analysis. This paper puts forward the difference essentially. and the Identity, which advances positive proposal to some users of this
2、 two methods 关键词 : 主成分分析 ; 因子分析 ; 混淆 ; 出错 ; 避免 设 X = ( X 1, , X P )!为标准化随机向量 ( p 2) , R 为 使用因子分析 时 : & 将 因子 分析 的思 想叙 述为 主 成 分分析的思想 ; 因 子 Z 的命 名出 错 , 如用 因子 得分 函 相关系数 矩阵 , F m = ( F1, , F m )! 为主 成 分 向量 , Z m = i ( Z1 , , Zm )! 为因 子 向量 , m # p , 为方 便 , 因 子、因 子 估 数对因子 Z i 进行命名 ; ) 某变量 X k 被 丢失 ; 将主成 分
3、计、因子得分用同一记号。 或因子错误地表示为 B!mX ( Bm 的意义 见表 1) ; + 不知 相 一 、 问题的提出 关系数 矩阵特征值 m i 与因子 贡献 v i 的区 别 , 如 综合因 子 主成分分析与 R- 型因 子分析 是多元 统计分 析中 的 两个重 要方法 , 同 是降 维技术 , 应 用范 围十分 广泛 , 但 通 过流行甚广的 SPSS 软件 调用这 两种方 法的 过程命 令 , 有 得分函数 i 。 Z 综 = i= 1 ( vi / p ) Z i 中 的 v i 错 误地取 为特征 值 些使用者容 易出现 混淆 性错 误 , 如 统 计研 究 % 2003 年
4、第 12 期发表的论文 经 济全 球化程 度的 量化研 究 % ( 以下 称 刘文 % ) 、电子 工 业 出 版社 2002 年 9 月出 版 的 SPSS for Windows 统计分析 ( 第二版 )% ( 以下称 卢书 %) 就 是这种 情 况。是什么原因造 成这些 错误呢 ? 主成分 分析 与 R- 型 因子分析到底有何异同呢 ? 经过对一些论文和一 些 SPSS 软件 教科 书仔细 分析、 比较我们发现出错的主要原因在于有些使用者和 SPSS 软 件教科书作者对怎样用 SPSS 软件得出主成 分分析与 R- 型因子分析的结果掌握不全面 , 对主成分分析 与 R- 型 因 子分析异
5、同的认识不透彻。 经过 仔细查证出现的错误有 : 使用主 成分 分 析 时 : & 叙 述 主 成分 分 析 概 念出 错 ; 主成分 Fi 求解出错 , 如 Fm = A!mX 中 A!mA m ( Im ( I m 为 单位矩阵 , A m 的意义 见表 1) ; ) 找不到主成分 Fi 的 命名 依据 , 对主成分 Fi 命名 出错 ; 某变 量 X k 被 丢失 ; + 对 A m 错 误地进 行旋转 ; ,错误地 进行回归 求 Fi ; 错误 地 把因子分析法 ( 含初始因子分析法 ) 当作主成分分析法。 二 、 主成 分分 析 与 R 型 因子 分析 数 学 模型的异同比较 相同之
6、处 : 主成分分析与 R- 型因子分析都是对协 差 阵的逼近 , 都 是打 算降 维解 释数 据集。 具体 为指 标的 正 向化 , 指标的标准化 ( SPSS 软件自动 执行 ) , 通过 相关系 数 矩阵判断变量 间的 相关 性 , 求 相关 系数 矩阵 的特 征值 和 特征向 量 , 主 成 分 间、因 子 间 线 性 无 关 , 用 累 计 贡 献 率 ( 85% ) 、变量不 出现 丢失 确 定主 成分、因 子个 数 m , 前 m 个主成 分与前 m 个 因子 对 X 的综合 贡献 相同、是最 大 化的 , 命名依据都是主成分、因子与变量的相关系数。 不同之处 : 方差 , 最大化
7、方向 , 所 处的坐 标系 ( 标准 正 交性 ) , 应用上侧重等不同见表 1。 主成分分析与因子分析定 量上不同 的显著 性标志 是 方差。事实上 , VarFi ( Var Z 综 , 即 F 综 的 取值范围比 Z 综 的取值范围大 , 这些 都肯定了主成分分 析 与因子分析的计量 值、评价体系不同。 结论 : 主成分分析与因子分析两种方 法方差、最大化 . 66 表 1 统计研究 主成分分析与 R- 型因子分析的不同 区别项目 表 达 式与 系 数 Fm= A!mX , A m 主成分分析数学模型 : = ( aij ) p / m = ( 1 , 2 , , m ) , R i =
8、 X= BmZ m R- 型因子分析数学模型 : + ( 为 特 殊 因 子 ) , 因 子 载荷 矩 阵 B m = 矩阵 i i , i 、 i 是相应的特征 值和单位 特征向量 , 1 ( bij) p / m = m C , m = ( 1 1 , 2 2 , , m m ) 为 因 变 量方 差 最 m 0。 初始因子载荷矩阵 ( i 、 i 同左 ) 。 大化 F i 依 次达到信息贡献 ( 方差 ) 最大化 , VarFi = i 。 Z i 没有达到方差最大化 , VarZi = 1。 矩 阵 方差 最 大 无 ,旋转后就不是主成分了 , 因为 VarFi ( i 。 有 ,
9、C= ( cij ) m / m 为 B m 方差最大正交旋转矩阵 , B m 达到 化旋转 因 变量对 X 的 贡献 相关系数 特征值 i j i 。 j aij 。 方差最大化。 p k= 1 i j i , 通常 1 v i 。 命名依据 用 j ( a 1j , , a pj ) 式中系数绝对值大的对应变 量对 F j 将 B m 的第 j 列绝对值大的对应变量归为 Zj 一类并由此 回归过程 标准正交性 命名 , 有时命名清晰性低。 无。 是 , A!mAm = Im ( 判据之一 ) 。 m m 对 Zj 命名 , 命名清晰性高 ( 精细 ) 。 m m m m m m m m m
10、 综 合 评价 函 数 F 综 = i= 1 i !) Fi , Var F 综 = ( . i ) !2 , != p 或 1 Z 综 = i= 1 ( v i !) Zi , vi ( i ( 判据之一 ) 及方差 + + , 通常 VarF Var Z i= 1 , 即 F 的 取值范 围通 m 2 2 ( 旋转后因子贡献从 变为 v , 因 常比 Z 综 m 大。 综 综 综 VarZ 综 = ( i= 1 v i ) ! i i 此权数应取为 v i !) , != p 或 v 1+ v2 + + v m 。 应用上侧重 信息贡献影响力综合评价。 成因清晰性的综合评价。 * 取初始因
11、子的方法为主成分法。 方向不同 , 直接导致主成分值、因子得分值、综合评 价值和 应用侧重上不同 , 综合 评价应 该分开 进行 , 混淆 在一 起是 M atrix1 中的第 i 列中系数绝 对值大 的对应 变量对 F ( 有时命名清晰性低 ) 。 i 命 名 不同计量值交替错误。 三 、 避免出错的方法步骤 1 主 成分分 析法 和 SPSS 软件 应用时 一对 一的 正确 步骤 : ( 1) 指标的正向化 ; ( 2) 指标数据标准化 ( SPSS 软件自动执 行 ) ; ( 3) 指 标 之 间 的 相 关 性 判 定 : 用 SPSS 软 件 中 表 0 Correlation M
12、atrix( 相关系数矩阵 )1 判定 ; ( 4) 确 定 主 成 分 个 数 m: 用 SPSS 软 件 中 表 0 Total Variance Explained( 总 方差 解释 )1 的 主成 分方 差累 计贡 献 率 85% 、结合表 0 Component Matrix ( 初 始因子 载荷阵 )1 中 变量不出现丢失确定主成分个数 m。 ( 5) 主成 分 Fi 表 达式 ( 这 是 SPSS 软件 及其 教科 书中 没完善的地方 ) : 将 SPSS 软件 中表 0 Component Matrix1 中的 第 i 列向量除以第 i 个特征根的开根后就得到第 i 个主成 分
13、 Fi 的变 量 系 数向 量 ( 在 0 transform 2 compute1 中进 行 计 算 ) , 由 此 写 出 主 成 分 Fi 表 达 式。 用 Fm = A!mX 的 A!mA m = I m 检验之。 ( 7) 主成分与综合主成 分 ( 评 价 ) 值 ( 这是 SPSS 软件 及 其教科 书 中 没 完 善 的 地 方 ) : 综 合 主 成 分 ( 评 价 ) 公 式 m i= 1 i p 在 SPSS 软 件 中表 0 Total Variance Explained1 下 0 Initial Eigrnvalues( 主成 分 方 差 )1 栏 的 0 % of
14、Variance ( 方差 率 )1 m i= 1 ( 8) 检验 : 综合主成分 ( 评价 ) 值用实际结果、经验与 原 始数据做聚类分析 进行 检 验 ( 对 有争议 的结 果 , 可 用原 始 数据做判别分析解决争议 ) 。 ( 9) 综合实证分析。 2 因子 分析法 和 SPSS 软件 应用 时一对 一的 正确 步 骤 : ( 1) ( 3) 步骤同主成分分析步骤。 ( 4) 确定因子个数 m: 用 SPSS 软件中 表 0 Total Variance Explained1 特 征 值 累 计 贡 献 率 85% 、结 合 表 0 Rotated Component Matrix(
15、旋转后因子载 荷阵 )1 中 变量不 出现丢 失 确定因子个数 m。 ( 5) 求 因 子 载 荷 矩 阵 Bm : SPSS 软 件 中 表 0 Rotated (6) 主 成 分 F i 命 名 : 用 SPSS 软 件 中 表 0 Component Component Matrix1。 r = 2 i . r = b 。 - 1 - 1 - 1 . ( 3 . . 林海明 张文霖 : 主成分分析与因子分析的异同和 SPSS 软件 67 ( 6) 因 子 Z i 的 命 名 : 将 SPSS 软 件 中 表 0 Rotated 到 86 702% , 且无变量丢失 , 故取 3 个 主成
16、分就 够了 , 但 为 了与 刘文 %进行比较 , 这里仍取 4 个主成分。 Component Matrix1 因子载 荷矩 阵 Bm 的第 i 列绝 对值 大的 表 2 方差解释 对应变 量 归为 Zi 高 ) 。 一 类 , 并由 此 对 Zi 命 名 ( 命名 清 晰 性 Tatal Variance Explained Extraction Sums of ( 7) 求因子得分函数 Zi 表达 式 : Zi = b!iX , 这里 b i 是 InitialEigenvalues SquaredLoadings SPSS 软件中表 0 Component Score Coeffici
17、ent Matrix ( 因 子得分 系数矩阵 )1 的第 i 列向量。 ( 8) 求因子得分值与综 合因 子得分 ( 评价 ) 值 : 综 合因 子得分 ( 评价 ) 公式 m i= 1 1 2 3 4 Total 6. 049 5. 813 1. 143 0. 876 % of Variance 40. 327 38. 754 7. 621 5. 840 Cumulative % 40. 327 79. 081 86. 702 92. 542 Total 6. 049 5. 813 1. 143 0. 876 % of Variance 40. 327 38. 754 7. 621 5.
18、840 Cumulative % 40. 327 79. 081 86. 702 92. 542 在 0 transform 2 compute1 中进行 计算 ) , vi / p 在 SPSS 软 件中 表 0 Total Variance Explained1 下 0 Rotation Sums of Squared Loadings( 旋转 后因 子 对 X 的 方 差 ) 1 栏 的 0 % of Variance1 p k= 1 m i= 1 ( 9) 检验 : 综合评价值用实际结果、经验与原始 数据做 Extraction Method: Principal Component
19、Analysis. 第 4 以后的特征值省略。 表 3 Component Matrix( 初始因子载荷阵 ) Component 1 2 3 4 13 6 4 0. 132 0. 169 0. 421 聚类分析进行检验 ( 对有争 议的结 果 , 可 用原始 数据 做判 x 14 0. 728 - 0. 623 0. 146 - 0. 101 别分析解决争议 ) 。 x x 1 0. 407 0. 552 0. 805 0. 766 0. 269 0. 196 - 0. 278 - 0. 165 ( 10) 综合实证分析。 以上看出 : 使用 SPSS 软件时 , 主成 分分析与因 子分析
20、是从初始因子载荷阵处分开的 , 表现为主成分分析 是通过 初始因子载荷阵列向量 单位化 ( 或 除相应特 征值 开根 ) 得 到主成分系数距阵、主 成分及 其值等 , 而 因子分 析是 通过 初始因子载荷阵进行旋转得到因 子载荷阵、再通过 回归得 到因子得分及其值等。 10 x 5 x15 x 2 x 8 x 9 x11 x12 x 7 x 3 0. 614 0. 579 0. 596 0. 636 0. 619 0. 654 0. 666 0. 274 - 0. 147 0. 763 0. 760 - 0. 727 0. 703 0. 703 - 0. 691 - 0. 685 - 0. 6
21、27 0. 016 0. 028 0. 005 0. 208 0. 041 0. 008 0. 171 0. 166 0. 183 0. 822 - 0. 055 - 0. 129 - 0. 235 0. 190 0. 147 - 0. 237 - 0. 227 0. 285 0. 465 结果 四 、 刘文 %、 卢书 %正 确的主 成分 分析 主成分命名 : 表 3 中每一个载荷 量表示主成分与对 应 变量的相关系数 , 且系数 符号与 题意相 符 , 结合贡 献率 与 正负相关性作用得出 , X2 - 货物贸 易占货物 GDP 的 比重、 经过仔 细验算 , 刘 文 %、 卢书 % 是将
22、 初始因 子分 析结 果当成了主成分分析结果。 X 7- 外国直接投 资占国内 投资总 额的比 重、 X 11 - 对外 贸 因子分析中如果方差最大正交旋转矩阵 C= I m , 即因 易依存度、 X 12 - 货 物和 服务 进 出 口总 额 占 GDP 的 比重、 子分析无旋转过程 , 称其为初始因子分析。表 1 中 主成分 X 14 - 对 外金 融资产 负债 总额 占 GDP 的比重 的综 合影 响 分析与初始因子分析仍 有方差、表达 式与 系数矩 阵、回归 是大至持平的 ( 见 后 F 综 表达式 X 2 、 X7 、X 11 、X 12 、 X 14 的 系 过程、标准正交性、综合
23、评价函数及方差 5 项的不同 , 故主 数 ) , 因 此 , 第一主 成分 F 1 与 X4 、 X6 、 X 8、X 13 十分 显著 正 成分值与初始因子得分值仍然计量不同 , 不能 混淆。 现按主成分分析法和 SPSS 软件应 用时一对一 的正确 步骤给出 刘文 % 的主成分分析结果 , 卢书 %的主成 分分析 结果读者同理自行给出。 笔者根 据 刘 文 % 给出 的数 据用 SPSS 软件 Analyze 菜 单 Factor 过程进行主成分分析 ( 通过相关系 数矩阵判 断变 量间的相关 性略 ) , 得出相 关系数 矩阵的 特征根 及主 成 分 贡献率见表 2, 特 征向 量矩阵
24、 见表 3。由 于前三 个主 成分 包含了全部 的指标所具 有的信息 且累计 方差贡 献率 已达 Z = ( v p ) Z . 2 中。用 v = b 检 验 , 通 常 v , Var Z = . 2 2 ( v ) /p 。 . x x x 相关 , 所 以我们 可以 称 之为 本国 发 生的 全部 收 益占 GNP 的比重、对外直 接投 资 和接 受外 国 直接 投资 总 额占 GDP 的比重、本国直接投资额 占全球 直接投 资额 的比重、国 际 金融总资 本流量占 GDP 的比重 综合指标 ; 第二主 成分 F2 与 X 1 、 X 5、 X8 、 X9 、 X 10 、 X 15
25、十分显著正相关 , 所以我们可以 称之 为 GDP 占全球 GDP 的 比重、本国 发生 的全部 收益 占 世界发生的全部收益的比重、本国直接投资额占全球直 接 投资额的比重、跨国并购 额占全 球跨国 并购 额的比 重、国 际经济外向度、国际金融总资本流量占全球国际总资本 流 68 量的比重综 合指标 ; 第三 主成 分 F 3 仅与 X 3 统计研究 十 分显 著正 世界各国的高度关注。 相关 , 所以我们可以称 之为外 国分支 机构 比重指 标 ; 而第 四主成分与 变量 没有 明显 的相 关 性 , 因此 不 对其 进行 命 名。从这里 也可以看出前 三个主成 分包 含了全 部的 指标
26、所具有的大部分信息。 四个主成分的表达式还不能从输出窗口中直接得 到 , 因为 0 Component Matrix1 是指初始 因子载 荷矩阵 , 为了 得到 四个主成分的表达式 , 以便求主成分值 , 还需进一步操 作 : 将前四个 因子载荷矩阵输入到数据编辑窗 口 ( 为 变量 B1 、 B2 、 B3 、 B 4) , 然后利用 0 Transform 2 compute1 , 在对话框中输 入 0 A1 = B1 SQR ( 6 049)1 , 即可 得 到主 成分 系 数向 量 A 1 。 表 4 国家 美国 英国 德国 日本 法国 新加坡 意大利 加拿大 中国 巴西 F1 3 2
27、9 4 45 1 40 0 44 0 87 5 27 - 0 61 - 0 43 - 2 18 - 1 91 排名 3 2 4 6 5 1 8 7 14 13 主成分 、 综合主成分值 F2 排名 F3 排名 F4 6 07 1 1 46 2 - 0 80 0 98 4 - 1 76 16 2 17 1 34 3 - 0 25 5 - 0 23 1 85 2 - 0 25 6 - 1 23 0 46 5 - 0 52 14 0 45 - 6 26 16 1 18 3 - 0 95 0 11 6 - 0 54 15 - 0 65 - 0 47 12 - 0 31 11 0 00 0 05 7 3
28、 00 1 1 83 - 0 05 8 - 0 43 12 0 14 排名 14 1 8 16 4 15 13 7 2 6 F 综 3 74 2 17 1 05 0 81 0 52 - 0 27 - 0 29 - 0 38 - 0 52 - 0 81 排名 1 2 3 4 5 6 7 8 9 10 同理 , 可得 到 A 2 、A 3 、A 4 。于 是 , 四个 主 成 分表 达 式如 下 澳大利亚 - 1 36 韩国 - 1 69 墨西哥 - 1 67 10 12 11 - 0 92 - 0 45 - 0 68 14 11 13 - 0 30 - 0 27 0 02 10 7 4 0 22
29、 - 0 61 - 0 30 5 12 9 - 0 91 - 0 92 - 0 95 11 12 13 (这里的 ZX i 是 X i 的标准化数据 ) : 新西兰 - 0 98 9 - 1 73 15 - 0 28 8 0 73 3 - 1 05 14 F1 = 0 1653ZX 1 + 0 2424ZX2 - 0 0596ZX 3 + 0 364ZX 4 俄罗斯 - 234 15 - 0 19 10 - 0 30 9 - 0 36 10 - 1 06 15 + 0 2495ZX 5 + 0 3357ZX 6 + 0 1113ZX 7 + 0 2584ZX 8 + 印度 - 2 56 16
30、- 0 10 9 - 0 46 13 - 0 39 11 - 1 13 16 0 2516ZX 9 + 0 2244ZX 10 + 0 2659ZX 11 + 0 2707ZX 12 + 表 4 中 主成 分 Fi 、 F 综 的 值与 刘 文 % 表 2 中 因 子 f i 0 3507ZX 13 + 0 2961ZX 14 + 0 2355ZX 15 ( = Zi) 、 F ( = Z 综 ) 的值全部不等 , 这是二 者函数 方差不 同 F2 = 0 3341ZX 1 - 0 3016ZX2 + 0 0064ZX 3 - 0 138ZX 4 造成 的 , 这 里 , Var F 综 =
31、1 87, Var Z 综 = 0 32, Var F 综 + 0 3163ZX 5 - 0 0512ZX 6 - 0 2602ZX 7 + 0 29192ZX 8 + Var Z 综 。 0 2914ZX 9+ 0 3176ZX 10 - 0 2865ZX 11 - 0 284ZX 12 由表 4 与 刘文 % 的表 2 对比可知 : 部分 国家参与经 济 F 4 = - 0 297ZX 1 - 0 251ZX 2 + 0 4973ZX 3 + 全球化程度综合主 成分值 排名中 , 中国 的排 名相差 较大 , 在本文表 4 中 , 中国 排第 9, 而在 刘文 % 中 国排 第 6; 新
32、加 0 1406ZX 0 2032ZX 4 - + 0 0593ZX 0 1569ZX 5 + - 0 4498ZX 0 1766ZX 6 + - 0 3046ZX 0 2528ZX 7 + - 坡、意大 利、加拿 大、韩国 在本 文中 表 4 分 别排 第 6、 7、 8、 0 2421ZX 8 12 + 0 1805ZX 9 13 - 0 1084ZX 14 10 - 0 1376ZX 15 11 12, 而在 刘文 % 中分别排 第 7、 8、 9、 13; 墨西 哥在本 文中 排 第 13, 而在 刘文 % 中排第 12。 应用这一线性组合计算出各主成分值 , 最后利 用综合 主成分函
33、数 ( != p = 15) : F 综 = 0 40327F1 + 0 38754F2 + 0 07621F 3 + 0 0584F4 = 0 1979zx 1 - 0 0189zx 2 + 0 066zx 3 + 0 0885zx 4 + 0 2218zx 5 + 0 1218zx 6 - 0 0251zx 7 + 0 2321zx 8 + 0 2241zx 9 + 0 2172zx 10 - 0 0064zx 11 - 0 0032zx 12 + 0 1002zx 13 + 0 022zx 14 + 0 2095zx 15 可以求得各 个国家世界 经济全球 化程度 的综合 主成 分值 (
34、 见表 4) 。 五 、 主 成 分分 析 与 ( 初始 ) 因 子分 析 的 实证比较 刘文 % 表 2 的结果为初始因子分析结果 ( 经仔 细验算 确认 ) , 现将其与主成分分析结果表 4 进行比较。 主成分分析与初始因子 分析的 命名 依据都 是初 始因 子载荷矩阵表 3 的相应列 , 刘文 % 对初始因子分析 的命名 准确性不够 , 致使相 应经济分 析有些 偏离实 际 , 如 刘文 % 中 0 中国参与经济全 球化程 度总体 水平很 低 , 但 对生 产与 贸易全球化依存度及投 资全球 化依存 度很高 1 并 不显 现。 实际结果表 4 中为 : 在华外国分支机构占世界全部 外国分
35、 支机构的比重很高 , 表明中国参与经济全球化进程 正受到 通过表 4 可将 综 合主 成 分 结果 在 等 距 d = ( 3 74 + 1 13) / 4= 1 2175 下可分为四类国家。 第一类国家 : 综合主成分值取值范围为 2 523, 3 74 。 第二 类 国 家 : 综 合 主 成 分 值 取 值 范 围 为 ( 1 305, 2 523 。 第三 类 国 家 : 综 合 主 成 分 值 取 值 范 围 为 ( 0 086, 1 305 。 第四 类 国 家 : 综 合 主 成 分 值 取 值 范 围 为 ( - 1 13, 0 086 。 通过样品的综合主成分值取值可以确
36、定样品的类别 , 如美国的综合 主成分 值为 3 74 是第 一类 国家 , 英 国的 综 合主成分值为 2 17 是第二类国 家 ; 但在 刘 文 % 表 2 中 , 美 国的综合值为 1 57, 在 此只能 划分为 第二类 国家 , 英国 的 综合值为 0 9, 在 此只能 划分 为第三 类 国家。如 果将 表 4 中美国、英 国、中国、巴 西、澳 大利 亚、韩国、墨西 哥、新 西 兰、俄罗斯、印度的综合 主成分 值在 刘 文 % 表 2 中 来确 定 样品的类别 , 结果是这些国家不在 刘文 % 表 2 的取值范 围 - 0 49, 1 57 内。即不同定量值会带来混乱。 以上可看出 :
37、 主成分分析与因子分析的实证结果是 有 差异的 , 定量值全部不同 , 不能混用。 2005 年第 3 期 No. 3 2005 统计研究 Statistical Research 69 日本向知识经济的战略转型 刘 彦 ABSTRACT Intellectual Property strategy is an important strategy selection as Japan entered the 21th. Century. The key problem for economic depression in Japan is having not established the
38、 modern industry structure in time after the traditional manufacturing moving out. The important reason for Japan3 s economic miracle is the hitchhike R&D input structure and the special R&D structure mainly depends on big company. During the period of transferring to knowledge economy, the traditio
39、nal dominant reason for miracle becomes the restricting reason, for competit ion in knowledge economy is focusing on the intellectual property right system and the original creation in R&D rather than hitchhike. 关键词 : 知识财产战略 ; 知识产权制度 ; 战略选择 2003 年 7 月 , 日 本总 理内 阁直 属的 知识 财产 战略 本 部正式推出 了 创造、保护及应用 知识财
40、产推进 计划 % ( 以 下简称 推进计划 % ) 。 就提 出 和实 施国 家 知识 产权 战 略 来说 , 日本并不是第一个。 令人关 注的是 , 日本 战后依 靠 成功的技术引进 , 实现了长达 20 年的经济增长 0 奇迹 1 , 并 相续提出 0 技术立国 1 和 0 科学技 术创造 立国 1 。日本已 是 世界技术强 国 之一 , 为 何又 提出 知识 财产 立国 ? 从 1997 年 4 月 0 21 世纪知识财产委员 会 1 向 政府提出政 策研究 报 告算起 , 日本为这一战略的制定做了长达 6 年的准备。考 虑到日本经历了 20 世纪 90 年 代 长期 的经 济衰退 和历
41、 届 政府的多次经 济与 行政 改革 , 知识 财产 战略 显然 是日 本 进入 21 世纪对多方比较权衡后的 重大战略选择。日本能 否成功将受到世人瞩目。 一 、 日本经济衰退之谜 推进计划 %认为 , 日本 战后通 过技术 引进 , 成功地 建 立了称 雄 世界 的 制造 体 系。产 业 竞争 力 居世 界 领 先 水 平。日本 20 世纪 90 年代泡沫经济崩溃以来 , 至今未能 摆 参考文献 脱经济衰退 , 原因之一是在 剧烈变 化的国 际环境中 , 日 本 仍然沉浸在以往的成功经 验之 中 , 黩守陈 旧的制度 , 未 能 对以往 0 日本模式 1 进行大胆的变革。 日本战后大量 引
42、进 欧美 先进 技术 , 每 年引 进技 术 迅 速增加 , 20 世纪 60 年代平 均每年 引进 1000 多 项 , 20 世 纪 70 年代前半期平均每年引进 2000 多项 , 1949 1975 年 , 日 本用不到 60 亿 美元 引进了 25000 多 项技 术 , 几乎 引进 了 20 世纪 70 年代前 所有 重要 的产 业技 术。技 术引 进使 日 本产业技术水平与欧美国家的差距迅速缩小。 20 世纪 50 年代初 , 日 本科学 技术落 后于美 国 20 世纪 20 30 年 , 到 20 世 纪 70 年 代 , 在 大部 分产 业 领域 , 日 本已 基本 消 除了
43、 * 基 金 项 目 : 科 学 技 术 部 科 技 兴 贸 行 动 计 划 资 助 项 目 (2004EE660003) 。 & 波特在 日本还有竞争力吗 ?%一书中从另一个角度提 出 过日本经济之谜 : 日本既 有高度竞 争力的产 业 , 也有不 具竞争 力 的产业 , 好象同时存在两个日本。 武汉大 学 、 湖南 大学 理学 ( 数学 ) 学 士 、 硕 士学 位 , 从事 多 1 刘玉玫 、 张 究 . 2003. 12. . 经济 全球 化程 度 的量 化研 究 . 统计 研 元统计学应用等研 究 。 邮编 : 510320 市广 东 商 学 院 统 计学 系 。 电 话 : 020 - 地 址 : 广东 省广 州 84096763。 邮 箱 : 2 卢纹岱 . spss for windows 统计 分析 . 电子 工业出 版社 . 2002. 9. 作者简介 林海明 , 男 , 广东 商学 院统 计学 系副 教 授 , 相继 获 得 linhml yahoo. com. cn。 张文霖 , 男 , 22 岁 , 广东 商学院统计 学系学 生 。 地址 : 广东商学院 601 信箱 。 邮编 : 510320。 邮 箱 : zwenlin 126. com。 电话 : 020- 84094459。 * &