中国开发区的产生起源于改革开放，其发展历程是中国对外开放的过程。1980年，国务院在深圳、珠海、汕头和厦门4个沿海城市创建经济特区。1984年起，国务院又先后批准建立14个国家级经济技术开发区(以下简称“国家级开发区”)，其以吸收利用外资、拓展外贸出口及发展现代工业为发展目标。^[1]截至2011年底，国家级开发区共计131家，其中东部地区66家，中部地区38家，西部地区27家，形成了较为合理的布局。

对于如何建立开发区指标体系和评价模型，学术界已经进行了一些有益的探索。Malecki较早研究了开发区评价指标的影响因素。^[2]Li等建立了评价高科技园区的角色模型，并进行了实证分析。^[3]Stuart 和Deng将硅谷创新评价模型引入对中国高科技园区的评价。^[4]Wei 和Leung研究了开发区的建立与外商投资环境、全球都市创建的关系。^[5]Yeung 等研究了开发区的各影响因素的相互关系，并分析了如何建立开发区绩效的评价模型。^[6]

中国国内的学者也对开发区指标体系和评价模型的建立进行了一些研究。朱立龙等建立了中国国家级经济技术开发区综合指标评价体系，运用主成分分析和因子分析研究了各指标体系之间的相互影响关系，并对中国54个国家级经济技术开发区进行了聚类分析。^[7]齐二石等将数据包络分析法引入经济开发区的效率评价，建立了经济开发区效率评价的DEA模型，运用所建立的模型对中国53个国家级经济技术开发区进行了实证评价，给出了各国家级经济开发区的总效率、技术效率和规模效率。^[8]张志斌等运用模糊分析和层次分析的基本思想，以问卷调查数据为基础，构建了3层级27个指标因子的开发区发展状况评价体系，建立了多因素、分层次的综合评价模型，并应用模型对兰州开发区发展状况进行实证研究。^[9]

然而，目前已有文献中的研究多为对开发区的综合评价，缺少对开发区经济发展水平及效益的独立评价。此外，现有文献在评价指标选取时大多没有参考政府相关部门对开发区的评价标准，具有一定的主观性，从而在一定程度影响了研究结论的决策参考价值。

2011年，全国131个国家级开发区实现地区生产总值(GDP)41357亿元，工业增加值30034亿元，工业总产值123529亿元，财政收入8593亿元，税收收入7288亿元，进出口总额6594亿美元，实际使用外资金额429亿美元，分别占全国的8.8%，15.9%，14.4%，8.3%，8.1%，18.1%和37%，分别比上年同期增长23.2%，26.6%，25%，23.9%，25.1%，16.2%和15.2%。^[10]增长率均为两位数。由此可知，国家级开发区已成为保增长、扩内需、调结构、促就业的重要支撑点。

开发区的引领效应是指开发区对其所在区域经济发展的带动作用，而国家级开发区作为种国开发区发展的样板，理应在拉动区域经济发展中起到更重要的作用。

笔者运用SPSS19.0统计软件，选取了商务部对国家级开发区投资环境评价的4个代表性经济指标，计算中国东部66个国家级开发区与其所在省(市)对应经济指标的Pearson相关系数，并对相关系数的显著性进行了检验，输出结果如表 1所示。结果表明：4项指标的p值均小于0.05，且相关系数为0.6以上，表明开发区与所在省(市)经济指标存在显著正相关。因此，有必要对国家级开发区对区域发展的引领效应作出评价。

表 1

表 1 中国东部国家级开发区与所在省(市)部分经济指标的相关系数 检验 GDP 工业增加值 税收收入 实际利用外资 Pearson 相关系数 0.725* 0.771** 0.631* 0.820** sig.(2-tailed) 显著性p值 0.012 0.006 0.037 0.002 注：** 为在0.01水平上显著相关；*为在0.05水平上显著相关。

表 1 中国东部国家级开发区与所在省(市)部分经济指标的相关系数

国家级开发区引领效应评价指标的选取和设定，主要参考商务部衡量开发区投资环境指标体系中的综合经济指标而建立，包括地区生产总值占全省比重X₁(%)、工业增加值占全省比重X₂(%)、税收收入占全省比重X₃(%)、实际利用外资占全省比重X₄(%)、出口总额占全省比重X₅(%)和进口总额占全省比重X₆(%)6项经济指标。研究所需的数据根据商务部发布的《2011年国家级经济技术开发区年报》相关数据计算得出，如表 2所示。

表 2

表 2 中国东部国家级开发区引领效应评价指标 % 所属省(市) X1 X2 X3 X4 X5 X6 北京 5.0 15.5 9.2 9.0 18.7 4.3 天津 20.0 31.3 42.7 40.6 50.7 41.5 辽宁 11.4 17.7 21.8 27.6 26.6 34.5 河北 2.0 3.0 8.3 11.6 9.6 12.4 山东 7.0 11.7 22.4 34.8 27.1 35.2 江苏 17.6 26.2 37.5 26.8 39.5 44.3 上海 9.0 14.5 16.7 4.0 4.0 4.0 浙江 10.0 20.3 26.3 29.2 15.7 30.5 福建 6.3 10.3 11.8 7.8 16.5 21.9 广东 6.2 9.9 19.8 9.6 4.4 8.2 海南 40.3 29.8 29.8 1.4 22.0 72.9 均值 23.4 17.3 18.6 18.4 21.3 28.2

表 2 中国东部国家级开发区引领效应评价指标

首先，运用SPSS19.0统计软件，对6个指标的原始数据进行标准化处理，得到标准的Z分数。相关系数矩阵中绝大部分的值为0.7以上，显著性检验的p值绝大部分小于0.05，说明原始变量之间存在较强的相关性，具有因子分析的必要性；其次，对因子分析的适用性进行KMO和Bartlett球形检验，KMO值为0.724，Bartlett球形检验的p值为0.000，df为15，近似卡方位51.939，这说明原始数据适合进行因子分析。

变量共同度反映了每个变量对提取出的所有公因子的依赖程度。^[11] 6个原始变量的共同度如表 3所示，从中可见，绝大部分变量的共同度都在0.9以上，这说明提取的因子已经包含了原始变量的大部分信息，因子提取的效果比较理想。

表 3

表 3 原始变量共同度表 类别 X1 X2 X3 X4 X5 X6 原始 1.000 1.000 1.000 1.000 1.000 1.000 提取 0.973 0.958 0.944 0.964 0.888 0.992 注：提取方法为主成分分析。

表 3 原始变量共同度表

公共因子特征值和方差贡献率如表 4所示。第1主成分的贡献率为72.542%，第2主成分的贡献率为16.259%，第3主成分的贡献率为6.523%，前3个公共因子的累计方差贡献率达到95%以上，这说明提取3个公因子时，已提取了原始变量的绝大部分信息。因此，提取前3个主因子，并得到因子载荷矩阵。

表 4

表 4 公共因子的特征值和方差贡献率 成分 初始特征值 提取平方和载入 合计 方差/% 累积/% 合计 方差/% 累积/% 1 4.353 72.542 72.542 4.353 72.542 72.542 2 0.976 16.259 88.801 0.976 16.259 88.801 3 0.391 6.523 95.325 0.391 6.523 95.325 4 0.175 2.915 98.240 5 0.071 1.187 99.427 6 0.034 0.573 100.000 注：提取方法为主成分分析。

表 4 公共因子的特征值和方差贡献率

根据旋转前的因子载荷阵，可得到每个原始变量的因子表达式，即

为了使各个因子的意义更加清晰，运用最大方差旋转法对因子载荷矩阵进行旋转，使各变量在某单个因子上有较高载荷，在其他因子上只有小到中等载荷。旋转后的因子载荷阵和因子得分系数矩阵如表 5和表 6所示。

表 5

表 5 旋转后的因子载荷阵 变量 成份 1 2 3 X1 0.827 0.189 0.504 X2 0.794 0.553 0.146 X3 0.670 0.655 0.258 X6 0.264 0.948 0.150 X4 0.175 0.087 0.962 X5 0.502 0.388 0.697 注：提取方法为主成分分析；旋转法为具有 Kaiser 标准化的正交旋转法，a旋转在 6 次迭代后收敛。

表 5 旋转后的因子载荷阵

从表 5可见，第1主因子F₁在X₁，X₂和X₃上有较大的载荷，这3项指标分别是开发区的地区生产总值、工业增加值和税收收入占全省的比重，反映的是开发区的经济产出能力，可命名为“经济产出因子”；第2主因子F₂在X₆上有较大的载荷，该项指标是开发区进口总额占全省比重，反映的是开发区的资本投入能力，可命名为“资本投入因子”；第3主因子F₃在X₄和X₅上有较大的载荷，这2项指标为开发区的实际利用外资额和出口总额占全省比重，反映的是开发区的出口创汇能力，可命名为“出口创汇因子”。

表 6

表 6 因子得分系数矩阵 变量 成份 1 2 3 X1 0.763 -0.513 -0.016 X2 0.592 -0.032 -0.324 X3 0.232 0.228 -0.127 X4 -0.425 0.008 0.840 X5 -0.046 0.069 0.392 X6 -0.599 0.989 0.042 注：提取方法为主成分分析；旋转法为具有 Kaiser 标准化的正交旋转法。

表 6 因子得分系数矩阵

因子得分系数矩阵如表 6所示，从表 6中的数据可以得到旋转后的因子得分表达式，即

以公共因子的方差贡献率进行加权，得到开发区引领效应综合得分函数为

为了对开发区对区域经济的引领、带动作用能力进行综合评价，分别对3个主因子计算其得分，并按上述公式计算开发区引领、带动作用能力综合得分，得到东部地区11个省(市)排名，如表 7所示。

表 7

表 7 中国东部地区国家级开发区引领效应综合评价排名 所属省(市) 综合评价F 经济产出因子F1 资本投入因子F2 出口创汇因子F3 天津 1.36917 (1) 1.65213 (1) 0.07024 (6) 1.46024 (1) 江苏 1.04736 (2) 1.26124 (2) 0.29109 (3) 0.55413 (4) 海南 0.51632 (3) 0.26424 (4) 2.48158 (1) -1.57874 (11) 上海 0.30877 (4) 0.80313 (3) -1.28180 (11) -1.22436 (10) 浙江 0.00728 (5) -0.04008 (6) 0.07163 (5) 0.37362 (5) 辽宁 -0.08594 (6) -0.20143 (8) 0.10584 (4) 0.72039 (3) 北京 -0.22051 (7) -0.02520 (5) -0.99190 (10) -0.46978 (8) 广东 -0.25999 (8) -0.10148 (7) -0.77736 (9) -0.73317 (9) 福建 -0.52088 (9) -0.59694 (9) -0.22278 (7) -0.41815 (7) 山东 -0.90168 (10) -1.44254 (10) 0.58655 (2) 1.40351 (2) 河北 -1.25991 (11) -1.57306 (11) -0.33310 (8) -0.08769 (6) 注：上行数字为得分，下行括号内数字为排序。

表 7 中国东部地区国家级开发区引领效应综合评价排名

聚类分析的基本思想是首先定义能度量样品间相似程度的统计量，在此基础上求出各个样品之间相似程度的度量值；然后按相似程度的大小，把样品逐一归类，关系密切的聚集到一个小的分类单位，关系疏远的聚合到一个大的分类单位，直到所有的样品都聚合完毕，把不同的类型一一划分出来，形成一个由小到大的分类系统；最后根据整个分类系统画出聚类谱系图。^[12] 国家级开发区引领效应聚类谱系如图 1所示。

根据聚类方法的不同，又可分为系统聚类法、K-均值聚类法、模糊聚类法等。本研究采用系统聚类法，根据3个公因子的得分情况，对东部地区11个省(市)进行了聚类，结果如图 1示。

图 1

图 1 国家级开发区引领效应聚类谱系图

根据聚类分析的谱系图，按照国家级开发区在区域经济中引领、带动作用的不同，将中国东部11个省(市)分为3类、4类和5类时的结果如表 8所示。综合对比各种分类结果，笔者认为分为4类最为合适。

表 8

表 8 东部国家级开发区引领效应聚类结果 类别 第Ⅰ类 第Ⅱ类 第Ⅲ类 第Ⅳ类 第Ⅴ类 3类 辽宁、山东、天津、江苏、浙江 河北、北京、上海、广东、福建 海南 4类 辽宁、山东、浙江 河北、北京、上海、广东、福建 天津江苏 海南 5类 辽宁、山东、浙江 河北、北京、上海、广东、福建 天津 江苏 海南

表 8 东部国家级开发区引领效应聚类结果

第Ⅰ类包括辽宁省、山东省和浙江省。这3个省份拥有的国家级开发区数量分别为5家、9家和14家，开发区数量较多。山东省的5个国家级开发区引的资本投入因子F₂、出口创汇因子F₃得分均列第2名，但经济产出因子F₁仅列第10名，使开发区对区域经济发展整体带动作用受到一定限制；辽宁和浙江两省的开发区引领效应综合得分和3个主因子得分在东部沿海省市中均处于中等水平。

第Ⅱ类包括河北省、北京市、上海市、广东省和福建省。这5个省(市)拥有国家级开发区分别为3家、1家、4家、5家和6家。河北省国家级开发区对区域经济的引领作用最低，其综合得分F、经济产出因子F₁均位列最后1名；上海市的开发区虽然资本投入因子F₂、出口创汇因子F₃排名均靠后，但由于经济产出因子F₁排名第3，使其引领效应综合得分比较靠前；北京市、广东省和福建省等3省(市)的开发区引领效应综合得分分别位列第7、第8和第9名，各项因子得分均位于东部地区平均水平之下。

第Ⅲ类包括天津市和江苏省。天津市拥有3个国家级开发区；江苏省共拥有15个国家级开发区，数量居我国各省市之首。这两个省(市)的国家级开发区不仅数量较多，而且发展效益也较好，对区域经济发展的带动作用较大。天津市和江苏省的开发区引领效应综合得分F分列第1名、第2名。2个地区3个主因子得分排名也都位居前列。天津市开发区的资本投入因子F₂得分为第6名，而经济产出因子F₁、出口创汇因子F₃得分均为第1名；江苏省的3个主因子得分则分别为第2、第3和第4名。这两个省(市)的开发区是全国开发区发展的示范和样本。

第Ⅳ类为海南省。海南省的国家级开发区仅有1家：海南洋浦开发区。虽然海南省国家级开发区仅有1家，但是开发区对区域经济的引领效应却比较显著。开发区引领效应综合得分F、经济产出因子得分F₁、资本投入因子F₂分别位列第3、第4和第1名，但其出口创汇因子F₃得分却非常低，位列最后1名。说明海南洋浦开发区对区域经济发展的引领作用非常明显，已经成为拉动海南经济增长的重要引擎。未来应当继续发挥利用开发区的引领效应，依托开发区，促进区域经济发展。

第一，国家级开发区对区域经济发展具有显著的引领效应。通过对东部11个省份的66个国家级开发区与其所属省(市)经济指标的相关分析，发现两者之间具有统计意义上的显著性，且相关系数高达0.6以上。东部省(市)国家级开发区的地区生产总值、工业增加值、税收收入、实际利用外资、出口总额等5个经济指标占全省的比重均在20%左右，进口总额占全省比重则接近30%。开发区对区域经济拉动作用十分明显。

第二，开发区引领效应的大小与开发区规模大小之间没有必然性。研究对开发区引领效应与开发区地区生产总值的相关性进行了分析，发现两者之间没有显著的相关性。2011年海南国家级开发区的GDP仅为210.96亿元，为东部地区国家级开发区GDP均值的8%，为江苏国家级开发区的2%，但开发区对区域经济的引领综合效应却在东部11个省份中排名第3，且经济产出因子和资本投入因子均位于东部地区前列。

第三，北京市、广东省、福建省和山东省等经济发达省(市)的国家级开发区对区域经济的引领效应得分较低，但不能因此否定开发区对区域经济的带动作用。事实上，这4个区域各具特色。例如：北京市的高端功能区布局为“六高四新”，北京市开发区仅仅是“六高”之一；广东省和福建省均以外向型经济为主，是中国对外开放最早的地区，4个经济特区均位于此，拥有其他地区不可比拟的政策优势；山东省开发区的资本投入、出口创汇能力均位居前列，而经济产出能力稍有不足。

第四，河北省国家级开发区规模偏小、效益偏低，辐射范围有待扩展。河北省国家级开发区引领效应综合得分、经济产出因子得分均位列最后1名，资本投入因子和出口创汇因子得分也比较靠后。2011年河北省的3个国家级开发区引领效应各项指标得分均远低于东部地区平均值，尤其是GDP、工业增加值两项指标占全省比重都在5%以下，税收收入、利用外资、进出口总额占比也仅为10%左右，而且3个国家级开发区都在东部沿海地区，对冀北和冀中南地区的影响微乎其微。