摘要本文通過構(gòu)建反映創(chuàng)新發(fā)展和經(jīng)濟(jì)結(jié)構(gòu)的指標(biāo)體系，通過熵值法構(gòu)造加權(quán)矩陣，采用TOPSIS綜合評價(jià)模型對各個(gè)省份的創(chuàng)新發(fā)展進(jìn)行評價(jià)，并借用R軟件對各個(gè)省份的高質(zhì)量發(fā)展綜合得分進(jìn)行地圖可視化映射展示。發(fā)現(xiàn)在空間上，創(chuàng)新水平的高低與地域有關(guān)，東南沿海省份及北京上海創(chuàng)新水平較高，中部地區(qū)創(chuàng)新水平一般，西部地區(qū)較差。依據(jù)綜合評價(jià)的結(jié)果對于反映創(chuàng)新水平的二級指標(biāo)進(jìn)行嶺回歸和LASSO回歸，挑選出對于創(chuàng)新發(fā)展水平影響較大的指標(biāo)。接著針對經(jīng)濟(jì)結(jié)構(gòu)的5個(gè)指標(biāo)進(jìn)行回歸分析，第三產(chǎn)業(yè)協(xié)調(diào)和全社會(huì)固定資產(chǎn)投資對于創(chuàng)新的影響較大。并依據(jù)與本文構(gòu)建的指標(biāo)體系以及數(shù)據(jù)分析，針對創(chuàng)新方面給予總結(jié)及建議，并認(rèn)為應(yīng)從創(chuàng)新的環(huán)境及人才等方面給予重視。關(guān)鍵字：創(chuàng)新發(fā)展、topsis綜合評價(jià)、嶺回歸、lasso回歸[7]。（10）（11）其中，t代表懲罰的力度，t越大，對系數(shù)的大小懲罰越重，約束越緊。取系數(shù)的平方和形式可以避免正負(fù)系數(shù)相抵消的情況。在矩陣形式中，Z按照傳統(tǒng)是標(biāo)準(zhǔn)化之后的（均值為0，方差為1），y也需要中心化。由公式可知最優(yōu)解為（12）λ是這個(gè)模型的調(diào)整參數(shù)，當(dāng)λ趨于0的時(shí)候，就退化為最小二乘估計(jì)法。當(dāng)λ趨于正無窮的時(shí)候，則是純截距回歸。Lasso回歸原理介紹lasso回歸是和嶺回歸類似，也是構(gòu)建一個(gè)懲罰函數(shù)來壓縮一些變量從而得到一個(gè)簡潔的模型，lasso的復(fù)雜程度由λ來控制，λ越大對變量較多的線性模型的懲罰力度就越大，最終獲得一個(gè)變量較少的模型。它保留了子集收縮的優(yōu)點(diǎn)，是一種處理具有復(fù)共線性數(shù)據(jù)的有偏估計(jì)。它的原理可類似于“馬太效應(yīng)”，因?yàn)槭怯衅模Ｐ拖喈?dāng)于犧牲偏差來尋求方差，以達(dá)到盡可能的貼合實(shí)際，這就導(dǎo)致對模型貢獻(xiàn)大的變量的系數(shù)相對會(huì)變大，而對模型貢獻(xiàn)小的變量系數(shù)會(huì)被壓縮到0，λ值越大，變量的數(shù)量就越少。除此之外，另一個(gè)參數(shù)α來控制應(yīng)對高相關(guān)性數(shù)據(jù)時(shí)模型的性狀。lasso回歸α=1，嶺回歸α=0，這就對應(yīng)了懲罰函數(shù)的形式和目的。我們可以通過嘗試若干次不同值下的λ，來選取最優(yōu)λ下的參數(shù)。（13）（14）其中λ與t是一一對應(yīng)，為參數(shù)調(diào)節(jié)系數(shù)。令當(dāng)時(shí)一部分系數(shù)會(huì)被壓縮至0，而達(dá)到壓縮變量的目的。兩類回歸模型理論評價(jià)如下圖所示，兩個(gè)圖是對應(yīng)于兩種方法的等高線與約束域。橢圓代表的是隨著模型隨著λ的變化所得到的殘差平方和，β為橢圓的中心點(diǎn)，為對應(yīng)普通線性模型的最小二乘估計(jì)。左右兩個(gè)圖的區(qū)別在于約束域。等高線和約束域的切點(diǎn)就是目標(biāo)函數(shù)的最優(yōu)解，嶺回歸方法對應(yīng)的約束域是圓，其切點(diǎn)只會(huì)存在于圓周上，不會(huì)與坐標(biāo)軸相切，則在任一維度上的取值都不為0；對于Lasso回歸方法,其約束域是正方形，會(huì)存在與坐標(biāo)軸的切點(diǎn)，使得部分維度特征權(quán)重為0。所以，Lasso回歸方法可以達(dá)到變量選擇的效果，將不顯著的變量系數(shù)壓縮至0，而嶺回歸方法雖然也對原本的系數(shù)進(jìn)行了一定程度的壓縮，但是任一系數(shù)都不會(huì)壓縮至0，最終模型保留了所有的變量。由下圖可知嶺回歸解和lasso回歸解與原先的最小二乘解都是有一定距離的。相較于最小二乘和嶺回歸，lasso回歸可以使部分變量的系數(shù)壓縮到0，使貢獻(xiàn)小的變量表現(xiàn)為不顯著。模型構(gòu)建及實(shí)證分析數(shù)據(jù)來源及處理在各類指標(biāo)中，由于統(tǒng)計(jì)口徑或是數(shù)據(jù)提供問題，本文將一些指標(biāo)進(jìn)行略微調(diào)整。相關(guān)數(shù)據(jù)來源，其中，專利發(fā)明總數(shù)、R&D人員總數(shù)、從業(yè)人員總數(shù)、R&D課題數(shù)、高等學(xué)校數(shù)、R&D經(jīng)費(fèi)支出、各地區(qū)規(guī)上工業(yè)企業(yè)數(shù)量情況、高技術(shù)產(chǎn)業(yè)投資額、各地區(qū)高技術(shù)產(chǎn)業(yè)專利情況、各地區(qū)高技術(shù)產(chǎn)品進(jìn)出口貿(mào)易來源于《2018年中國科技統(tǒng)計(jì)年鑒》，社會(huì)消費(fèi)品零售總額、各省GDP、第三產(chǎn)業(yè)年度增加值、城鎮(zhèn)居民人均收入、農(nóng)村居民人均可支配收入、全社會(huì)固定資產(chǎn)投資、全體居民消費(fèi)水平、來源于《2018年中國統(tǒng)計(jì)年鑒》首先檢查數(shù)據(jù)完整性，以及各個(gè)省份相同指標(biāo)數(shù)據(jù)單位是否一致、統(tǒng)一，接著通過15個(gè)小指標(biāo)計(jì)算各個(gè)二級指標(biāo)的值，然后對數(shù)據(jù)進(jìn)行歸一化處理，消除數(shù)據(jù)量綱，為后續(xù)分析做鋪墊。將已經(jīng)歸一化處理的數(shù)據(jù)導(dǎo)入到python中，按照上文模型理論體系構(gòu)建順序進(jìn)行求解，首先將數(shù)據(jù)讀入python數(shù)據(jù)框中，形成一個(gè)31行9列的一個(gè)矩陣。接著通過熵權(quán)法對加權(quán)矩陣進(jìn)行求解。表SEQ表\*ARABIC2各變量熵值及權(quán)重然后根據(jù)指標(biāo)權(quán)重的大小構(gòu)建加權(quán)決策矩陣，計(jì)算每個(gè)指標(biāo)的正理想解與負(fù)理想解。因?yàn)閿?shù)據(jù)為無量綱數(shù)據(jù)，因此使用通過歐式距離計(jì)算各個(gè)觀測到正理想解與負(fù)理想解的距離。模型的貼合度就是觀測到負(fù)理想解的距離比上到正理想解與負(fù)理想解的距離之和。比值越大，說明觀測離正理想解的距離越近與負(fù)理想解的距離越遠(yuǎn)，觀測的表現(xiàn)就越優(yōu)，其評分相對較大，就表明創(chuàng)新水平越高。表SEQ表\*ARABIC3各省份創(chuàng)新水平綜合評分通過對31個(gè)地區(qū)創(chuàng)新水平綜合評價(jià)排序，本文大致將各省市劃分為三大類，第一梯隊(duì)是廣東、北京、上海、江蘇、浙江等東南沿海省份，這些省份、直轄市的創(chuàng)新水平引領(lǐng)全國，同時(shí)匯聚了全國優(yōu)秀資源創(chuàng)新基點(diǎn)高潛力大；第二梯隊(duì)就是中東部地區(qū)相較于東部省份有些差距，但是發(fā)展經(jīng)濟(jì)發(fā)展也十分迅速，將會(huì)帶動(dòng)創(chuàng)新水平的提升；第三梯隊(duì)就是西部地區(qū)，創(chuàng)新水平低下，經(jīng)濟(jì)發(fā)展較緩慢，在創(chuàng)新方面還需要繼續(xù)發(fā)展。表SEQ表\*ARABIC4各省份創(chuàng)新水平程度劃分圖3各省創(chuàng)新水平熱力圖嶺回歸分析將2017年各個(gè)區(qū)域創(chuàng)新水平的指標(biāo)數(shù)據(jù)讀入程序中，然后進(jìn)行無量綱化處理并拆分?jǐn)?shù)據(jù)集為訓(xùn)練集和測試集，用訓(xùn)練集來擬合模型，多次迭代模型以尋求最優(yōu)的參數(shù)值，用測試集來檢驗(yàn)?zāi)Ｐ偷念A(yù)測值和實(shí)際值的偏差，偏差小的說明模型擬合的較好。經(jīng)過模擬得出以下結(jié)果。表SEQ表\*ARABIC5嶺回歸結(jié)果Signif.codes:0‘***’0.001‘**’0.01‘*’0.05‘.’0.1‘’1Residualstandarderror:0.008208on20degreesoffreedom由上面結(jié)果可知在使用嶺回歸分析影響創(chuàng)新水平的指標(biāo)時(shí)發(fā)現(xiàn)科技論文數(shù)量、高等學(xué)校數(shù)是不顯著的，高科技產(chǎn)業(yè)投資對于創(chuàng)新的影響程度較小，而各地區(qū)規(guī)上工業(yè)企業(yè)數(shù)量情況、萬人發(fā)明專利擁有量對于地區(qū)創(chuàng)新水平的高低有很大影響。Lasso回歸分析應(yīng)用和嶺回歸類似方法，將同樣的數(shù)據(jù)進(jìn)行l(wèi)asso回歸，并得到以下系數(shù)表，根據(jù)表中內(nèi)容我們可見高等學(xué)校數(shù)這個(gè)變量已經(jīng)壓縮至0，高技術(shù)產(chǎn)業(yè)投資額的系數(shù)也壓縮的很小?？梢妉asso回歸相較于嶺回歸有壓縮變量的作用，lasso回歸有著與嶺回歸不同的原理，它可使變量顯著的更加顯著，不顯著的就被壓縮至0，從而達(dá)到壓縮變量的作用。因?yàn)楸粔嚎s至0的變量對于方程的貢獻(xiàn)極小，所以即使刪去相應(yīng)的變量也不會(huì)對方程產(chǎn)生較大的影響，反而變量的個(gè)數(shù)相較于原來有所減少，方程更簡潔計(jì)算也相對方便。表SEQ表\*ARABIC6Lasso回歸系數(shù)表通過對比嶺回歸和lasso回歸的結(jié)果發(fā)現(xiàn)，lasso回歸的R-squared為0.996，嶺回歸的R-squared為0.9954，兩者相差不大，從殘差標(biāo)準(zhǔn)誤來看，嶺回歸的殘差標(biāo)準(zhǔn)誤為0.008208，而lasso回歸的殘差標(biāo)準(zhǔn)誤0.0009722，lasso回歸相對于嶺回歸來說效果要好一些，除此之外lasso回歸還將部分不顯著的變量壓縮至0，提高了樣本在維度中的濃度，因此我們可將lasso回歸結(jié)果作為創(chuàng)新發(fā)展水平測度綜合評價(jià)中顯著變量選擇的工具。lasso回歸結(jié)果中的變量系數(shù)反應(yīng)出變量的重要程度，由系數(shù)我們可知，在對于創(chuàng)新水平測度的綜合評價(jià)中萬人發(fā)明專利擁有量、每萬人從業(yè)人員中R&D人員數(shù)、R&D經(jīng)費(fèi)支出占GDP比重、各地區(qū)高技術(shù)產(chǎn)品進(jìn)出口貿(mào)易、各地區(qū)高技術(shù)產(chǎn)業(yè)專利情況、各地區(qū)規(guī)上工業(yè)企業(yè)數(shù)量情況的系數(shù)較大，表明在影響地區(qū)創(chuàng)新水平的眾多因素中創(chuàng)新人才、創(chuàng)新資金、創(chuàng)新企業(yè)起決定性因素。經(jīng)濟(jì)結(jié)構(gòu)變遷表SEQ表\*ARABIC7經(jīng)濟(jì)結(jié)構(gòu)變遷回歸結(jié)果Signif.codes:0‘***’0.001‘**’0.01‘*’0.05‘.’0.1‘’1；R-squared:0.6911由回歸分析的結(jié)果可知模型的AdjustedR-squared為0.6911，即模型能解釋69.11%的因變量，而且模型中常數(shù)項(xiàng)、第三產(chǎn)業(yè)協(xié)調(diào)和全社會(huì)固定資產(chǎn)投資表現(xiàn)的都比較顯著，具有統(tǒng)計(jì)學(xué)意義。由此回歸模型結(jié)果我們可知，每當(dāng)?shù)谌a(chǎn)業(yè)協(xié)調(diào)指數(shù)增加1時(shí)，創(chuàng)新水平綜合評價(jià)的分就會(huì)增加0.747，三產(chǎn)業(yè)協(xié)調(diào)和全社會(huì)固定資產(chǎn)投資表現(xiàn)與綜合評價(jià)得分正相關(guān)，社會(huì)消費(fèi)品零售總額與創(chuàng)新水平發(fā)展綜合評價(jià)得分負(fù)相關(guān)?？偨Y(jié)及建議本文應(yīng)用topsis綜合評價(jià)模型對于反映創(chuàng)新能力水平的9個(gè)二級指標(biāo)進(jìn)行綜合評價(jià)，通過嶺回歸和lasso回歸模型對二級指標(biāo)進(jìn)行選取。由嶺回歸和lasso回歸分析結(jié)果對比可知lasso回歸在本次分析處理中表現(xiàn)比嶺回歸要好，因此本文選擇lasso回歸的結(jié)果作為回歸分析的主要方法。在lasso回歸中經(jīng)過次次迭代選擇懲罰參數(shù)，最終將顯著性較差的變量的系數(shù)壓縮至0，從而達(dá)到降維的目的。由結(jié)果可知在創(chuàng)新層面上萬人發(fā)明專利擁有量、每萬人從業(yè)人員中R&D人員數(shù)、R&D經(jīng)費(fèi)支出占GDP比重、各地區(qū)高技術(shù)產(chǎn)品進(jìn)出口貿(mào)易、各地區(qū)高技術(shù)產(chǎn)業(yè)專利情況、各地區(qū)規(guī)上工業(yè)企業(yè)數(shù)量情況的系數(shù)較大，在這些指標(biāo)背后隱藏的是支撐地區(qū)創(chuàng)新的各種因素，如人才、資金、技術(shù)儲(chǔ)備、工業(yè)環(huán)境等，因此對于區(qū)域創(chuàng)新水平綜合評價(jià)而言上述五個(gè)指標(biāo)起著重要作用。探究經(jīng)濟(jì)結(jié)構(gòu)變遷對于創(chuàng)新能力的影響時(shí)發(fā)現(xiàn)在影響經(jīng)濟(jì)結(jié)構(gòu)變遷的諸多因素中第三產(chǎn)業(yè)協(xié)調(diào)和全社會(huì)固定資產(chǎn)投資對于地區(qū)創(chuàng)新的影響較大。及服務(wù)業(yè)越發(fā)達(dá)，表明經(jīng)濟(jì)發(fā)展水平越高，資金越充足，對于創(chuàng)新的影響就越大。關(guān)注創(chuàng)新的人才創(chuàng)新說到底還是人的創(chuàng)新，首先要有足夠的高質(zhì)量的人才，而人才的培養(yǎng)就關(guān)聯(lián)到教育和資金問題。地方和國家要對教育事業(yè)給予最大的支持，要投入足夠的資金和良好的環(huán)境，確保人才的可持續(xù)高質(zhì)量供應(yīng)。最近的貿(mào)易戰(zhàn)也給予我們一些啟示，在美國對我國芯片封鎖下我們不能進(jìn)行有效的反擊，反映了我國在芯片行業(yè)的競爭力不足，也就是創(chuàng)新能力不足，受到了國外技術(shù)的限制。在基礎(chǔ)研究領(lǐng)域國家和地方也要進(jìn)行投入，雖然基礎(chǔ)研究回利慢，但是這種影響深遠(yuǎn)，有利于后續(xù)創(chuàng)新的發(fā)展。關(guān)注創(chuàng)新的環(huán)境即便是有了高端的人才，也要給予其合適的環(huán)境、政策、資金等眾多條件。環(huán)境對于創(chuàng)新來說也是極其重要的，不僅僅時(shí)生活環(huán)境，還有政策環(huán)境如“大眾創(chuàng)新，萬眾創(chuàng)業(yè)”和文化環(huán)境如創(chuàng)新創(chuàng)業(yè)產(chǎn)業(yè)孵化基地這種大環(huán)境，人人都懷著一個(gè)創(chuàng)新的心，那么我們的創(chuàng)新能力自然而然的就提升了。關(guān)注產(chǎn)教結(jié)合要發(fā)揮高等教育和研究所的優(yōu)勢，不能僅僅搞研究，還要把研究出來的東西進(jìn)行實(shí)踐，反過來再次指導(dǎo)研究，這樣不僅可以加快研究進(jìn)程，在一定程度上也可以解決研究經(jīng)費(fèi)問題。除此之外，政府也可以適當(dāng)參與進(jìn)來，以政策的刺激或者是優(yōu)惠撮合企業(yè)與高等院校、研究所合作，以促進(jìn)經(jīng)濟(jì)結(jié)構(gòu)變遷和改革。關(guān)注經(jīng)濟(jì)發(fā)展資金是創(chuàng)新能力水平提升的動(dòng)力之一，有了充足的資金就可以搭建必要的創(chuàng)新環(huán)境，引進(jìn)高端人才。政府也應(yīng)通過減稅或者其他激勵(lì)政策加大對于創(chuàng)新產(chǎn)業(yè)的扶持，加大對于高等學(xué)校研究所的撥款。創(chuàng)新能力和經(jīng)濟(jì)發(fā)展是相輔相成的，是是相互影響的，我們必須調(diào)節(jié)好他們之間的關(guān)系。參考文獻(xiàn)“十三五”時(shí)期科技創(chuàng)新驅(qū)動(dòng)對我國區(qū)域發(fā)展格局變化的影響與適應(yīng)[J].經(jīng)濟(jì)地理,2016,36(1):1-9.劉偉.科普是技術(shù)創(chuàng)新的有力推手[J].科技智囊,2018,No.277(8):70-87.陳虹,宋屹.科技創(chuàng)新：優(yōu)化經(jīng)濟(jì)結(jié)構(gòu)的決定性因素[J].河北企業(yè),2003(7):15-15.杜輝."創(chuàng)新型城市"的內(nèi)涵與特征[J].大連干部學(xué)刊,2006,22(2):10-12.葉琳.福建創(chuàng)新型省份建設(shè)進(jìn)程評價(jià)研究[J].發(fā)展研究,2011(2):30-33.ChenMH,ChangYC,HungSC.SocialcapitalandcreativityinR&Dprojectteams[J].R&DManagement,2007,38(1):21-34.董力,劉艷玲.嶺回歸在我國工程保險(xiǎn)需求影響因素分析中的應(yīng)用[J].西安電子科技大學(xué)學(xué)報(bào)：社會(huì)科學(xué)版,2013(2):34-41.附錄表SEQ表\*ARABIC8符號(hào)說明致謝我的學(xué)年論文是在劉云忠老師的悉心指導(dǎo)