基于相关—鉴别力分析的区域科技创新能力评价指标体系构建

王里克

（中共甘肃省委党校，甘肃 兰州 730070）

科技创新能力评价指标体系是认识与把握区域创新活动的本质、科学评测区域科技创新能力的实际水平、系统总结区域创新建设成败的评测工具，也是地方政府对科技创新活动进行宏观调控，正确制定区域创新政策的重要依据。因此，根据区域科技创新能力的概念本质与内涵，设立一套符合发展需要的区域科技创新能力的评价指标体系，进而为地方政府相关部门进行经济社会发展决策提供有理有据的参考是十分必要的。

一、科技创新能力评价指标体系的构建与优化原理

区域科技创新能力评价指标是度量区域科技创新能力强弱的工具。因此其指标体系的设计必须建立在科学的设计原则基础上，客观真实地反映区域知识和技术的现状和运行效率，尽可能选取能够反映区域科技创新发展能力的衡量指标，以求对区域科技创新能力有一个真实、可靠的评价，同时尽量选取具有共性的综合性指标，力求数据的可操作性。

（一）区域科技创新能力评价指标构建原则

1.先进性、科学性和合理性原则。指标体系应能真实、客观、全面的反映区域科技创新现实能力和潜力，指标概念必须明确且具有相对独立性，避免简单的堆砌指标，尽可能选取最能真实体现良好效果的统计指标。

2.系统性和整体性原则。区域科技创新能力评价指标系统是由多个子系统综合集成的，各个能力子系统必须采取一些相应指标才能反映出来，整个评价指标能够体现出足够的涵盖面，并充分反映区域科技创新能力的系统性原则和整体性原则。

3.可操作性原则。这一原则包含两层含义:一是资料的易得性，大部分数据可通过区域综合统计年鉴与各种专业年鉴获得，其它部分数据也能通过到相关部门调查获得；或者是在现有资料上的简单加工整理获得；二是指标容易量化，对定量指标要保证其可信度，而定性指标和经验指标应尽量少用。除此之外，考虑到可操作性，在选取指标时既需要兼顾总量指标，也应采用效率指标。

4.规范性和可比性原则。科技创新能力的评价，需要有一个衡量和评价的参照数值，可以通过同其他区域和行业评价结果的横向对比，也可以对自身进行纵向的比较，这就要求评价指标体系具有可比性和规范通用性。

5.动态评价和静态评价相结合的原则。区域科技创新能力是一个动态的积累过程，它对整个社会经济影响的滞后性及其它因素的影响，不易在较短的时间内取得其真实值。因此，在选择评价指标时，既要有测度区域科技创新活动结果的现实指标（静态指标），又要有反映区域科技创新过程（区域科技创新能力发展趋势）的过程指标（动态指标），综合反映区域科技创新能力发展的现状和未来趋势。即必须兼顾一个区域发展的存量、相对水平和增长率三个维度。

（二）区域科技创新能力评价指标优化筛选思路

一是通过相关性分析删除同一准则层内相关系数大的指标，避免了指标的信息重复；二是通过鉴别力分析删除变差系数相对较小的（即鉴别能力较差）的评价指标，保证筛选出的指标对评价结果有显著影响。

基于相关一鉴别力分析的科技创新能力评价指标体系构建优化步骤如图1所示。

二、区域科技创新能力评价指标体系构建和优化的思路

（一）评价指标体系初步构建

在文献综述与专家调研的基础上，本文参考了可持续发展指标体系、科技实力指标体系等研究的体系，欧盟成员国的科技创新能力评价指标，瑞士洛桑管理学院近几年来关于竞争力的研究报告；借鉴、吸收中国科技战略发展研究小组在《中国区域科技创新能力报告》中的指标，根据可操作性原则对指标进行先期量化。

（二）指标数据标准化

1.正向指标标准化。正向指标是数值越大，区域科技创新能力越强的指标。设xij为第i个方面第j个指标标准化后的值；υij为第i个方面第j个指标的值；m为被评价的对象数，根据正向指标的标准化公式:

2.负向指标的标准化。负向指标是数值越小，区域科技创新能力越强的指标。各个符号的含义同（1）式。根据负向指标的标准化公式:

（三）指标的相关性筛选分析

1.相关性分析的思路。通过计算两个评价指标之间的相关系数，删除相关系数较大的评价指标，消除评价指标所反映的信息重复对评价结果的影响，简化指标体系。相关性分析筛选指标的好处是剔除信息重复的指标。

2.相关性分析的具体步骤。计算各个评价指标之间的相关系数。设γij为第i个方面第j个指标的相关系数，Zki为第k个方面第i个指标的值为第i个指标的平均值。

规定一个临界值M（0＜M＜1），如果|γij|＞M，则可以删除其中的一个评价指标；如果|γij|＜M，则同时保留两个评价指标。

通过相关性分析删除同一准则层内相关系数大的指标，保证了筛选出的指标反映信息不重复。

（四）指标的鉴别力筛选分析

鉴别力分析就是指评价指标区分评价对象的特征差异能力。在评价指标反应理论（index response theory）中，通常把指标的特征曲线的斜率作为评价指标的鉴别力参数，指标的特征曲线描绘了被测试的某一能力水平与它可能正确回答综合能力概率之间的关系，特征曲线斜率越大其鉴别力也越高。但是描述上述的特征曲线需要较多的实际资料，这是一件相当有难度的事情，在实际应用中，我们通常用变差系数来描述评价指标的鉴别力:

（五）指标体系构建合理性判断

针对指标体系的评价方法有很多，各种方法在操作的可行性以及结论的科学性方面存在着不同，目前，广泛使用的主要有因子分析、层次分析以及模糊综合评价等方法。本文选用因子分析法对所建立的指标体系进行评价。因子分析法就是研究如何将众多的变量通过少数几个因子表示，并且保证信息损失最小和因子间不具有显著的相关性的多变量统计分析方法。

根据因子分析用数据方差表示指标信息含量的思路，建立指标体系构建合理性的判定标准。

设S为指标数据的协方差矩阵；trS为协方差矩阵的迹，表示协方差矩阵的主对角线上各指标方差之和；S为筛选后的指标个数；h为海选指标的个数。则筛选后的指标对海选指标的信息贡献率In为:

上式是筛选后的S个指标的方差之和trSS占海选的h个指标的方差之和trSh的比值，表示s个筛选后的指标所反映的h个海选指标的信息。根据因子分析的思想给出了指标体系构建合理性的判定标准In，解决了指标体系构建合理性的判定缺乏定量标准的问题。

得出结论:如果用少数几个因子反映了众多的变量的原始信息，则可认为指标体系构建合理。

三、区域科技创新能力评价指标体系的构建和优化

（一）评价指标体系初步构建

在文献综述与专家调研的基础上，本文参考了可持续发展指标体系、科技实力指标体系等研究的体系，以国际权威机构经典观点的高频指标为重点，根据可操作性原则，初步构建了区域科技创新能力评价指标体系，如表1所示。

（二）指标数据的标准化

根据表1注明的指标类型，将表中所列的正向指标数据代入式（2），负向指标数据代入式（3），得标准化处理后的值，列入表2各指标对应的行。

（三）基于相关性分析的指标筛选优化

将表2中的标准化结果数据代入式（3），应用SPSS软件计算得到相关系数，给定临界值为0.9，删除和保留见表1第5列，删除的指标在表1第5列中用“相关性分析删除”标出。

（四）基于鉴别力分析的指标筛选优化

在相关性分析的基础上，利用鉴别力分析筛选各准则层内剩余的指标，删除和保留见表1第5列，删除的指标在表1第5列中用“相关性分析删除”标出。

经过初步筛选和定量筛选，从最初的61个海选指标中筛选出17个指标。

（五）指标体系构建合理性的判定

根据表2的指标原始数据计算各指标的方差，将筛选后的指标方差之和trSS和海选指标的方差之和trSh代入式（5），得到筛选后的指标对海选指标的信息贡献率为:

In=trSS/trSh=2.0678*107/2.0866*107=99.1%

即从海选指标中筛选出27%（17/61=27%）的指标反映了99%的原始信息，证明建立的指标体系是合理的。

四、结论

区域科技创新能力进行评价是一个复杂的工作，它涉及到科技创新能力的各个方面，这其中一项核心的工作是设计科技创新能力评价体系。区域科技创新能力评价指标体系是整个科技创新能力评价中基础性关键性的一环，区域科技创新能力评价指标体系的设计直接影响评价结果的精准性。可以说，没有科学、合理的评价指标体系，就没有令人满意、信服的评价结果。

本文通过相关性分析删除同一准则层内相关系数大的指标，避免了指标反映重复信息；通过鉴别力分析删除变差系数相对较小的评价指标，保证筛选出的指标能在不同区域有较为显著的差异；根据因子分析用方差表示信息含量的思路，将筛选后的指标反映的海选指标信息含量作为指标体系构建合理性的判定标准，解决了指标体系的合理性判定缺乏定量标准的间题，从而增强了区域科技创新能力评价指标体系的科学性和合理性。

[1]OECD.The Measurement of Scientific and Technical Activities[M].Paris:OECDPublishing，1994:13-61.

[2]IMD.IMD World Competitiveness Yearbook 2007[M].Lausanne:IMD Press，2007:256-257.

[3]World Bank.World Development Indicators[M].Washington D.C:World Bank Press，2008:308-316.

[4]中华人民共和国科学技术部.中国科学技术指标[M].北京:科学技术文献出版社，2007:18-251.

[5]Tisdell Clem，Gao Zhicun.China's reformed science and technology system:an overview and assessment[J].Prometheus，2004，22（3）:311-331.

[6]Shinichi Kobayashi，Yoshiko Okubo.Dem and articulation，a key factor in the reconfiguration of the present Japanese science and techno logy system[J].Science&Public Policy，2004，31（1）:55-67.

[7]Hario lf Grupp，Mary Ellen Mogee.Indicators for national science and technology policy:how robust are composite indicators[J].Research Policy，2004，33（9）:1373-1384.

[8]中华人民共和国统计局.中国科技统计年鉴[M].北京:中国统计出版社，2011.

[9]中华人民共和国统计局.北京、上海、辽宁等14个省级行政区统计年鉴[M].北京:中国统计出版社，