基于因子分析法的区域科技人才创新能力评价与分析.docx

基于因子分析法的区域科技人才创新能力评价与分析.docx

《基于因子分析法的区域科技人才创新能力评价与分析.docx》由会员分享，可在线阅读，更多相关《基于因子分析法的区域科技人才创新能力评价与分析.docx（9页珍藏版）》请在冰点文库上搜索。

基于因子分析法的区域科技人才创新能力评价与分析

基于因子分析法的区域科技人才创新能力评价与分析

　　摘要:

经济全球化和日益激烈的区域竞争对区域经济发展提出了新的要求,区域科技人才创新能力已成为衡量区域创新系统的重要尺度。

本文在分析区域人才创新能力多种影响因素的基础上,建立了包含3个模块、7个因素、18个具体指标的评价体系,运用因子分析法对我国11个具有代表性的地区进行定量分析,并对结果进行了定性分析。

　　关键词:

区域科技人才创新能力因子分析

　　中图分类号:

F123文献标识码:

A文章编号:

1672-3791（2011）11（b）-0210-04

　　随着经济的发展,国家的竞争力越来越多的取决于区域的竞争力,区域的经济发展能力和竞争力也受到越来越多的关注。

而区域的竞争优势来源于区域创新能力的提高,区域创新能力是指一个区域能够成功的运用新知识,推进区域社会经济发展的能力,它不仅是对区域竞争力进行评价的重要指标,同时还是一个国家参与全球产业分工的重要资源。

　　目前国内外已有很多的学者对区域创新能力开展评价研究,并取得了不少研究成果。

从已有的成果来看,大部分的研究是将重点放在对区域物资资本及科技技术创新的研究上,而忽视了以知识、信息积累为基础的科技人才资源的开发和利用,区域科技人才创新已经成为区域创新过程中最重要、最稀缺的资源,是提升一个区域乃至一个国家核心竞争力和综合经济水平的根本所在。

因此对区域科技人才的创新能力进行评价研究,并做出简要分析具有十分重要的现实意义。

　　1区域科技人才创新能力评价指标体系的建立

　　区域科技人才创新能力是指一个区域的科技人才具有创造力,能够提出、解决新问题,开创事业新局面,对社会物质文明和精神文明建设做出创造性贡献的能力。

区域科技人才创新能力主要表现在以下几个方面:

一是一个区域在创新过程中对科技人才的重视程度,表现为区域对科技人才创新方面人、财、物的投入;二是一个区域的科技人才在创新过程中规模、水平的提高,表现为区域科技人才的成果产出;三是一个区域科技人才创新能力的经济性体现,表现为创新成果与经济社会发展的结合程度。

因此对区域科技人才创新能力进行评价的重点是建立一套科学化、标准化、系统化、规范化的指标体系,能够全面、客观的体现不同区域对科技人才的培养、鼓励机制和使用情况,并充分利用指标对区域科技人才创新能力的现状和发展趋势进行多角度、多层次的了解、评价和分析。

　　从众多的研究来看,区域科技人才创新能力评价指标的建立具有一定的模糊性和复杂性,因为科技人才创新能力的评价载体是“人”,因此其评价具有一定的过程性和动态性;另一方面,科技人才创新能力属于一种无形资产,它不能完全精确的用量化指标来进行讨论。

因此,参照《中国区域创新能力报告》以及各学者在这方面的研究文献,将评价因素分为以下三大因素。

（1）人才创新成本。

反映的是当地政府对创新型人才开发的投入情况,并在一定程度上体现了政府对科技人才创新的重视程度。

人才创新资本可以从人才投入规模、人员结构和未来发展空间来进行评价。

（2）人才创新成果。

这一模块反映的是科技创新人才在各种环境因素作用下的科研产出,是科技人才创新能力的直观反映。

创新成果不仅代表了科技人才前期创新活动所取得的结果,同时还反映了其科技成果与当今社会经济发展的结合程度,并客观衡量了区域未来创新的基础能力和发展空间。

对它的评价主要受科技成果和科技转化两方面的影响。

　　（3）人才创新环境。

它反映了一个区域的各项外部环境条件对创新型人才的影响程度。

其中各项环境指标包括区域的经济发展水平、科技人员的生活水平、政府对科技创新的支持程度等方面,总结为三个主要方面:

生活环境、工作环境、社会环境。

　　根据以上的分析和总结,本文主要从3大模块、7个因素、18个具体指标对科技人才的创新进行评价。

表1为建立的科技人才创新能力评价指标体系。

　　2分析模型的选择和基本思想

　　2.1分析模型的选择

　　由于区域科技人才创新能力的各评价指标所显示的统计信息交叉、重叠,许多指标可能同时受制于某一个或某几个因素,这样就增加了评价的复杂性。

因而可以利用多元统计理论中的因子分析方法,对各评价指标进行综合分析,整理出共性指标,即主因子。

这些指标不仅能够反映原变量的主要信息,而且各指标之间是相互独立的,这样就使得变量分析变得更简洁、清晰,避免了信息重复引起分析问题的虚假性,在保证信息量的同时,简化了问题。

　　因子分析模型的基本原理就是用样本的数据资料将对每一个原始观测变量起支配作用的公共因子与特殊因子的线性函数来表达,以便达到较好地解释原始变量的相关性并降低其维数的目的。

一般应使公共因子尽可能少,且在专业上有意义,公共因子共同作用于各个变量,特殊因子仅作用于对应的那个变量。

　　2.2因子分析法的具体步骤

　　根据所建立的评价指标体系一共包括18项指标:

（1）

（1）对变量进行标准化处理。

　　假定我们对N个样本进行分析,为了消除观测量纲的差异和数量级不同所带来的影响,先对样本数据进行标准化处理,即:

　　则标准化后的样本数据矩阵为:

（2）

（2）计算相关系数矩阵R的特征方程的18个非负的特征值:

且各特征值间存在以下关系:

。

　　（3）计算与特征值项对应的特征向量。

　　,18个特征向量形成特征向量矩阵。

然后由特征向量矩阵C计算因子载荷矩阵:

　　（4）根据累计方差贡献率接近1的原则,选择m个公共因子,m〈18,即这m个主因子的方差与全部方差总和的比例a接近1,这一原则基本保留了原观测量的信息。

公式如下:

　　（3）

　　（5）建立因子分析模型。

　　设为公共因子矩阵,则因子分析模型为:

　　（4）

　　其中A为m个公共因子的因子载荷矩阵,即:

　　（6）对主因子进行因子旋转。

　　有时直接根据特征根、特征向量求得的因子载荷矩阵难以看出公共因子的含义,这时的因子模型反而不利于对因子的实际意义进行合理的解释。

这时需要通过因子旋转的方法,使每一个变量仅在一个公共因子上有较大的载荷,而在其余的公共因子上的载荷较小,使同一列上的载荷值尽可能的向靠近1和靠近0的两级分离。

在这里我们采用方差最大正交旋转法,它使旋转后的因子载荷矩阵C在保持各列彼此正交的前提下,元素平方后的方差尽可能大。

　　（7）计算因子得分。

　　将公共因子表示为变量的线性组合,即:

　　（5）

　　上式称为因子得分函数。

由于因子得分函数中方程的个数小于变量的个数,因此不能精确计算因子得分,只能对因子得分进行估计。

在这里我们采用回归法对因子得分进行估计,其基本思想为最小二乘法。

对18个观测量做回归,建立回归方程:

　　（6）

　　据此可得到因子得分估计值的数学模型:

　　（7）

　　式中R为原观测量的相关系数矩阵,当因子正交时,AT为旋转后的因子载荷矩阵的转置。

　　（8）计算综合因子得分。

　　以各个公共因子对标准化观测向量的方差贡献大小为权重,进行加权综合计算。

通过几个主因子的方差贡献率来确定综合评价函数的权数,能够简化众多原始指标变量,并克服主观赋权法的缺陷。

综合因子得分公式为:

　　其中为第i个主因子的方差贡献率。

这样就可以将对观测量的分析从m维转变为1维,大大降低了分析问题的难度,同时还可以对样本进行排序处理。

　　3区域科技人才创新能力评价的实证研究

　　3.1数据的来源与处理

　　本文选取反映区域人才创新能力的18个指标作为原始变量,运用SPSS13.0软件,对全国比较有代表性的11个省市的人才创新能力进行分析评价。

各地区的原始数据主要来自《中国区域创新能力报告2010》、《中国科技统计年鉴》、《中国统计年鉴》以及各地区的历年统计年鉴等相关资料。

　　先将原始数据输入统计软件中,对其进行标准化处理。

对标准化后的数据做进一步的计算,包括:

计算相关系数矩阵、特征值;提取公因子;进行因子旋转;计算因子得分等。

　　3.2软件实现过程

　　首先得到的是各变量之间的相关系数矩阵,结果表明它们之间的相关性较好,适合做因子分析（由于数据量较大,在此就不一一列明）。

进而采用主成分分析法进行因子分析与选择,得到相关矩阵（表2）。

　　由表2可知,变量的相关系数矩阵有4大特征值:

11.511、1.904、1.821、1.085,它们一起解释了累计方差贡献率达到90.678%的意义,后面的14个只有不到10%,因此前四个因子已经能够反映原始数据所提供的重要信息,同时,基于过程中特征值大于1的要求,使用主成分分析法（PrincipalComponentAnalysis）,提取相应的4个主因子变量F1、F2、F3、F4。

　　为了加强公共因子对实际问题的分析解释能力,我们对建立的因子载荷矩阵进行因子旋转,选用方差最大化正交旋转（VarimaxwithKaiserNormalization）,经25次旋转后,得载荷矩阵（表3）。

由表3可知,如变量与某一因子的载荷系数绝对值越大,则该因子与变量关系越近。

　　从表3的矩阵可以看出从政府科技投入到R&D人员全时当量以及R&D人员中科学家及工程师所占的比重这6项指标的载荷主要在第一个主因子F1上,因而可以归纳F1是区域科研投入现状因子;而从居民消费水平到高新技术产业务产值占GDP的比值这5项指标则在第二个主因子上的载荷比较大,可以总结为F2是区域创新经济水平因子;平均发表科技论文数、平均发明专利授权数以及技术市场企业平均交易额（按流向）在主因子F3上的载荷较大,主要反映的是区域创新科技产出成果,因而F3是科技产出因子;剩下的4个变量在主因子F4上的载荷比较大,它们充分反映了区域人才创新的发展前景,因而F4则是创新发展潜力因子。

　　本文采用主成分分析法对18个评价指标进行降维处理,最后提取出4个主因子,极大的简化了评价的分析过程。

将评价指标归纳为4个主因子,在这4个主因子上进行区域创新能力的评价分析,不仅能够减少计算方面的工作量,不需要对18个指标进行一一比较、分析;还可以在对各个区域创新能力进行两两比较时,充分利用主因子的经济社会含义,具体分析某区域在其中某一项或几项具有较高的得分,即该区域在某方面或几方面具有较好的发展水平,区分各指标在综合评价中的作用。

　　利用回归分析法计算各地区的单因子得分（表4）,同时根据表4可以得到主因子的因子得分模型。

如:

主因子F1的得分表达式为:

　　以此类推其他3个主因子的得分表达式。

如下所示:

　　具有一定权威性的《中国区域创新能力报告2010》尽管指标设计很详尽,但是各权重的设定多采用的是主观赋值法而不是客观量化的方法,具有一定的主观臆断性,所以本文在这里采用计算因子加权总分的方法对不同区域的人才创新能力进行综合评价,其中权重的确定是关键。

通常的做法是根据实际问题由专家组来确定。

在这里我们选择对其进行量化,以各自的贡献率占比为权数进行线性加权平均求和。

从定性方面考虑,采用方差贡献率占比为权数更能体现各主因子在整体得分上的优劣势情况;从数量上考虑,以四个主因子的方差贡献率占比为权重得到综合得分,结果的数量级更易于进行分析。

因此,以各公因子对标准化观测量的方差贡献比例大小为权重进行加权汇总,根据综合因子得分公式,就可以得到各地区的综合得分,并可以进行具体分析与对比。

（如表5）

　　3.3结果分析

　　根据上述各个公共因子的合理解释以及各地区在主因子上的得分和综合分值,我们就可以对这11个比较有代表性的区域进行创新能力的综合评价了。

　　从表5我们可以看出,在综合排名上,北京的分数遥遥领先,这主要得益于北京的大学多、科研院所多,所获取的国家资源多、政府支持力度大,北京也就因此成为人才培养和聚集的主要地区,在人才创新方面具有很强的科技人才支撑。

上海在综合得分方面排名第二,处在一个有力的竞争位置上,其创新能力主要表现在上海对创新所需要的经济基础能力比较强,科研成果能够很好的实现生产化,产学研结合程度比较高,科技市场成交率比较大,为人才创新提供了很好的发挥空间,促进上海地区人才创新能力的进一步提高;另一方面,上海的地域特征以及经济条件也吸引了越来越多的科研人员,为城市创新做出了很大的贡献。

江苏的人才创新能力仅次于北京和上海,这主要得益于它的地理位置,江苏紧邻上海,其经济的发展与上海地区的技术辐射和外溢有关,在科技成果产业化的实现方面,江苏地区充分利用涓滴效应（trickling-downeffect）,从与发达地区的相互交流中受益,从而能够加快自身发展的正向效应,江苏省在人才创新未来发展方面的得分较大,这主要是因为江苏省在创新现状和经济发展方面居于较高位置,但是科技成果产出水平较低,因此,在基础扎实但结果不理想的前提下,江苏省的人才创新能力提升空间比较大。

接下来是我国东北部、中部和西部地区比较有代表性的地区,在这些城市中,辽宁省由于直接受京津唐地区的技术发展和溢出效应的影响,在科技产出方面的排名比较好;四川省的排名则是与自身较优的自然及人力资源、科研机构和院所相关;而广西是受珠江三角洲经济发展影响以及中国西部开发政策的号召,在创新方面有很好的发展空间;黑龙江省在创新科技产出因子上的得分比较大,则是由于东北地区是我国重工业的生产基地,在这里一些特性的科技成果可以实现生产化,但其大学和科研院所分布一般,同时还受气候和经济条件的限制,科技人才聚集程度较低,因而黑龙江省在其他方面的排名比较均衡,未来发展空间一般;其他的地区主要是受地域和经济条件的限制,在各方面的排名比较均衡,且呈现越往西排名越低的趋势。

这与我国各区域的创新能力现状比较符合。

　　参考文献

　　[1]沈春光,陈万明,裴玲玲.区域科技人才创新能力评价指标体系与方法研究[J].科学学与科学技术管理,2010

（2）.

　　[2]李晓璐,周志方.我国区域技术创新能力体系评价及提升――基于因子分析法的模型构建与实证检验[J].科学管理研究,2006

（2）.

　　[3]范德成,周豪.区域技术创新能力评价的因子分析法研究[J].工业技术经济,2006（3）.

　　[4]肖序,周志方.我国四大经济区域技术创新能力体系评价及地域差异研究――兼议西部地区技术创新能力的提升[J].科技进步与对策,2006（4）.

　　[5]李文博.中国区域创新能力评价的SVM建模研究[J].科技管理研究,2010（7）.

　　[6]任胜钢,彭建华.基于因子分析法的中国区域创新能力的评价及比较[J].系统工程,2007

（2）.

　　[7]岳鹄,张宗益.R&D投入、创新环境与区域创新能力关系研究:

1997～2006[J].当代经济科学,2008（6）.

　　[8]中国科技发展战略研究小组.中国区域创新能力报告2010[M].北京:

经济管理出版社,2010.

　　[9]中国统计年鉴2009[M].北京:

中国统计出版社,2009.

　　[10]中国科技统计年鉴2009[M].北京:

中国统计出版社,2009.

　　[11]中国统计年鉴数据库[EB/OL].中国知网.

　　[12]王湃,南玉范.SPSS在区域科技综合实力评价中的应用[J].中国管理信息化（综合版）,2006（11）.

　　[13]韩利红.河北省创新型科技人才竞争力评价与提升对策[J].河北学刊,2009（04）.

　　[14]韩利红,李荣平.河北省创新型科技人才竞争力评价与分析[J].河北大学学报（哲学社会科学版）,2009（6）.

　　[15]王兴艳,李欣,许一村,等.河北省创新型科技人才竞争力评价指标体系的构建[J].河北企业,2008（11）.