云南省高校面向东盟科技合作与交流的影响因素实证分析
2014-02-22张明凯赵光洲
张明凯+赵光洲
摘要： 借助于建设面向东盟的大通道战略和地理位置毗邻优势，云南省与东盟国家开展了一系列的科技合作与交流项目，但从已有数据分析，合作与交流的效果并不理想。文章基于影响科技合作与交流的因素的问卷调查结果，利用spss16.0软件采用因子分析法对这些影响因素进行归纳，找出权重大的影响因素，为云南省高校与东盟今后顺利开展合作与交流项目提供指导性建议。
Abstract： With the construction of a major thoroughfare strategy for the ASEAN and the location adjacent to the strategic advantages between Yunnan and ASEAN， these countries launched a series of scientific and technological cooperation and exchange programs. From analysis of existing data， the results are unsatisfactory. This article based on the impact of scientific and technological cooperation and the results of a survey's exchanged factors as well as uses factor analysis to summarize these factors and find the principle factors by using the spss16.0 software. In order to provide guidance for future success cooperation and exchange projects between Yunnan's universities and ASEAN.
关键词： 云南高校；东盟；科技合作与交流；因子分析
Key words： Yunnan's universities；ASEAN；scientific and technological cooperation；factor analysis
中图分类号：F207 文献标识码：A 文章编号：1006-4311（2014）02-0011-03
0 引言
高校是国际科技合作与交流活动中最活跃的主体。加强国际科技合作与交流，是加快建立高水平科技创新队伍、培养具有国际影响学术带头人的重要途径，是增强高校科技创新能力和提高云南省科技核心竞争力的需要。云南省由于特殊的地理位置和与东南亚国家历史上形成的友好交往传统，在推动和实施科技合作交流方面具有得天独厚的地缘优势，再加上中国—东盟自由贸易区的建设更是为云南高校与东盟国家的科技合作与交流提供了历史性机遇。云南省高校与东盟国家之间的科技合作与交流取得了一定的成效，但也存在一些问题。在新形势下，深入研究国际科技合作的发展战略，找出影响科技合作与交流的主要因素，以进一步推动云南省高校与东盟国家之间的科技合作与交流工作的开展，具有重要的理论和实践意义。
1 云南省高校与东盟科技合作与交流的影响因素指标体系构建
通过对云南省高校面向东盟科技合作与交流的历史数据分析，根据以往对东盟国家科技合作和交流的实际案例研究，设计了影响云南省高等院校与东盟开展科技合作与交流影响因素的问卷，此问卷中设计的影响因素一共有21个，这21个因素分别为：合适的合作伙伴（X1），合作伙伴的诚信度（X2），合作伙伴的研发能力（X3），研发结果能否达到企业技术要求（X4），研究成果是否能够产业化（X5），在收益分配上的分歧（X6），研究成果市场价值高低（X7），合作成果知识产权纠纷（X8），中介机构服务功能强弱（X9），资金支持（X10），双方责权利的清晰度（X11），政策保障（X12），人力资源条件（X13），合作的风险（X14），成功的经验（X15），领导的重视（X16），科技人员意识（X17），学历互相承认（X18），优势互补（X19），信息渠道的畅通（X20），市场潜力的大小（X21）等。
通过对问卷进行投放、回收、数据整理，利用spss统计分析软件中的因子分析方法对这些影响因素进行分析，找出能够解释现象的主要影响因子，而彼此之间替代性较弱的因子，去掉那些相关性较高的因子，就能够达到用较少的因子去解释整个现象的目的，这就是指标体系构建的目的。下面将对因子分析法进行介绍。
2 实证分析
此次问卷共发放和回收了80份，对象是云南省与东盟国家开展过交流和合作的高等院校及科研机构，经过整理，最终得到有效问卷61份，问卷有效率为76%，通过对问卷结果的分析，找出权重大的公共影响因子。
2.1 因子分析的实现过程 运用spss16.0统计分析软件对应的因子分析命令对61家科研机构调研值进行因子分析。具体操作步骤如下：
①打开相应数据文件后，选择菜单“Analyze→Data Reduction→Factor……”，弹出“Factor Analysis”对话框，在对话框左侧的变量列表中选择变量X1至X21，使之添加到“Variables”框。
②单击“Descriptives”按钮，弹出“Descriptives”子对话框，选中该对话框中所有选项，单击“Continue”按钮返回“Factor Analysis”对话框。
③单击“Extraction”按钮，弹出“Extraction”子对话框，选择因子提取方法，选用“Principal components”方法，选择相关系数矩阵作为提取因子变量的依据，选中“Unrotated factor solution”和“Scree plot”项，输出未经过旋转的因子载荷矩阵与其特征值的碎石图；选择“Eigenvaluse over”项，在该选项后面可以输入1，指定提取特征值大于1的因子。单击“Continue”按钮返回“Factor Analysis”对话框。endprint
④单击“Factor Analysis”对话框中的“Rotation”按钮，弹出“Factor Analysis： Rotation”对话框，该对话框用于选择因子载荷矩阵的旋转方法。旋转目的是为了简化结构，以帮助我们解释因子。SPSS默认不进行旋转（None）。选择方差极大法旋转Varimax，并选中“Rotated solution”和“Loading plot”项，表示输出旋转后的因子载荷矩阵和载荷散点图，单击“Continue”按钮返回“Factor Analysis”对话框。
⑤单击“Factor Analysis”对话框中的“Scores”按钮，弹出“Factor Analysis： Scores”对话框，该对话框用以选择对因子得分进行设置，在弹出菜单中选择“Regression”“Display factor score coefficient matrix”两个选项。
⑥单击“Factor Analysis”对话框中的“Options”按钮，弹出“Factor Analysis： Options”对话框，该对话框可以指定其他因子分析的结果，并选择对缺失数据的处理方法，选中“Exclude cases listwise”项，单击“Continue”按钮返回“Factor Analysis”对话框，完成设置。
⑦所有设置完成后，点击“Ok”按钮，软件得到输出结果。
2.2 对输出结果的分析
2.2.1 KMO检验和Bartlett球度检验结果
表1给出了KMO检验和Bartlett球度检验的结果。KMO检验用于检验变量间的偏相关系数是否过小，一般情况下，当KMO大于0.9时效果最佳，小于0.5时不适宜做因子分析。Bartlett球度检验用于检验相关系数矩阵是否是单位阵，如果结论是不拒绝该假设，则表示各个变量都是各自独立的。从表1可以看出KMO检验结果0.813，接近0.9，很适合做因子分析，Bartlett球度检验给出的概率为0.000，小于显著性水平0.05，因此拒绝Bartlett球度检验的零假设，认为适合于因子分析。
2.2.2 全部解释方差表
表2是全部解释方差表，此表显示了提取出的因子的特征值，以及每个特征值的累积方差贡献率，方差贡献率是衡量各因子相对重要程度的指标，方差贡献率的大小，表示各个因子的相对重要程度。我们设置的是按照个数来提取公共因子，从表中可以看出，前5个因子的累积贡献率达到了70%，并且前4个因子的特征值大于1，第五个因子的特征值接近于1，这样就对公共因子系数的计算影响甚微。说明前五个因子对问题的解释力度较强，对于研究问题来讲具有较为显著的代表性。故而，我们在这里选取了五个公共因子。这样就用5个公共因子来代替原来的21个影响指标。从生成的碎石图也可以看出，前5个公共因子能够解释21个影响因素的变异量（图1）。
2.2.3 因子负荷矩阵
为了对所取得的这5个公共因子进行合理解释并进一步得到它们各自对于这21个影响指标的线性表达式，因而需要得到21个影响因素对5个公共因子的因子负荷量（即各因子与各影响因素的相关系数），因子负荷矩阵见表3。
将因子负荷阵中的5列数据输入到数据编辑窗口（为变量B1、B2、B3、B4、B5），然后利用“Transform-compute”，在对话框中输入“A1=B1/SQR（8.935）” [注：第二公共因子SQR 后的括号中填2.055，第三、第四、第五公共因子同理]，即可得到特征向量A1。同理，可得到A2、A3、A4、A5。然后就可以得出每一个因素相对于提取出的公共因子的系数，写出各个变量对于公共因子的线性组合表达式如下：
F1=0.2134？鄢X1+0.2479？鄢X2+0.1439？鄢X3+0.2027？鄢X4+0.2452？鄢X5+0.2088？鄢X6+0.2151？鄢X7+0.2174？鄢X8+0.1826？鄢X9+0.2261？鄢X10+0.2375？鄢X11+0.2539？鄢X12+0.2254？鄢X13+0.2535？鄢X14+0.2171？鄢X15+0.2077？鄢X16+0.2281？鄢X17+0.1478？鄢X18+0.1910？鄢X19+0.2335？鄢X20+0.2412？鄢X21
F2=0.1032？鄢X1+0.0628？鄢X2+0.0258？鄢X3+-0.3690？鄢X4+-0.1409？鄢X5+-0.2595？鄢X6+-0.2497？鄢X7+-0.3600？鄢X8+-0.2518*X9+-0.0844？鄢X10+-0.1876？鄢X11+0.0335？鄢X12+0.0523？鄢X13+-0.0467？鄢X14+0.2965？鄢X15+0.3139？鄢X16+0.1953？鄢X17+0.3341？鄢X18+0.2295？鄢X19+0.1932？鄢X20+0.1772？鄢X21
F3、F4、F5的表达式原理同上，此处略去。
根据以上表达式，可知，第一公共因子F1在研发结果能否达到企业技术要求，研究成果是否能够产业化，合作成果知识产权纠纷，资金支持，人力资源条件，合作的风险，科技人员意识，信息渠道的畅通，市场潜力的大小等指标上载荷较大，可以认为F1是保障条件因子。
第二公共因子F2是次重要的影响因子。该因子在成功的经验，领导的重视等指标上负载较大，可将F2定义为重视程度因子，在分析时可针对具体指标逐个进行。
第三公共因子F3重要性与F2基本相当。该主成分在合适的合作伙伴，合作伙伴的研发能力，在收益分配上的分歧，学历互相承认等指标上载荷较大。可以认为F3是合作伙伴因子。
第四公共因子在研究成果市场价值高低，中介机构服务功能强弱，优势互补等指标上载荷较大，可以认为F4是应用价值因子。
第五公共因子在合作伙伴的诚信度，双方责权利的清晰度，政策保障等指标上的载荷较大，可以认为F5是前提条件因子。
2.2.4 因子得分协方差矩阵（如表4所示）
表4是因子得分的协方差矩阵，由于因子得分的协方差阵为单位矩阵，说明提取的5个公因子之间是不相关的。
3 结论
通过对影响云南省高等院校与东盟国家科技合作与交流的因素的问卷结果进行因子分析，发现21个影响指标可以用五个公共因子来解释，这五个公共因子代表了保障条件，重视程度，合作伙伴，应用价值，前提条件等，这五类影响因素，对云南省高校与东盟国家科技合作与交流具有较大影响。根据对科技合作与交流的实际情况调查，一是大部分高等院校或科研院所走向东盟开展科技合作与交流的愿望强烈，但是实际开展科技合作与交流的项目数量不多，二是科技合作与交流过程中存在一些问题，通过对此次问卷调查结果的分析，找出了主要的影响因素，对今后云南省高等院校与东盟国家开展合作与交流提供必要的指导作用。
参考文献：
[1]马敏象等.云南与东盟科技合作[M].云南科技出版社，2008（5）.
[2]罗应婷，杨玉娟.spss统计分析从基础到实践[M].电子工业出版社，2008，3.
[3]赵光洲等.云南省高等院校面向东盟科技合作与交流研究[R].省院省校合作项目.endprint
④单击“Factor Analysis”对话框中的“Rotation”按钮，弹出“Factor Analysis： Rotation”对话框，该对话框用于选择因子载荷矩阵的旋转方法。旋转目的是为了简化结构，以帮助我们解释因子。SPSS默认不进行旋转（None）。选择方差极大法旋转Varimax，并选中“Rotated solution”和“Loading plot”项，表示输出旋转后的因子载荷矩阵和载荷散点图，单击“Continue”按钮返回“Factor Analysis”对话框。
⑤单击“Factor Analysis”对话框中的“Scores”按钮，弹出“Factor Analysis： Scores”对话框，该对话框用以选择对因子得分进行设置，在弹出菜单中选择“Regression”“Display factor score coefficient matrix”两个选项。
⑥单击“Factor Analysis”对话框中的“Options”按钮，弹出“Factor Analysis： Options”对话框，该对话框可以指定其他因子分析的结果，并选择对缺失数据的处理方法，选中“Exclude cases listwise”项，单击“Continue”按钮返回“Factor Analysis”对话框，完成设置。
⑦所有设置完成后，点击“Ok”按钮，软件得到输出结果。
2.2 对输出结果的分析
2.2.1 KMO检验和Bartlett球度检验结果
表1给出了KMO检验和Bartlett球度检验的结果。KMO检验用于检验变量间的偏相关系数是否过小，一般情况下，当KMO大于0.9时效果最佳，小于0.5时不适宜做因子分析。Bartlett球度检验用于检验相关系数矩阵是否是单位阵，如果结论是不拒绝该假设，则表示各个变量都是各自独立的。从表1可以看出KMO检验结果0.813，接近0.9，很适合做因子分析，Bartlett球度检验给出的概率为0.000，小于显著性水平0.05，因此拒绝Bartlett球度检验的零假设，认为适合于因子分析。
2.2.2 全部解释方差表
表2是全部解释方差表，此表显示了提取出的因子的特征值，以及每个特征值的累积方差贡献率，方差贡献率是衡量各因子相对重要程度的指标，方差贡献率的大小，表示各个因子的相对重要程度。我们设置的是按照个数来提取公共因子，从表中可以看出，前5个因子的累积贡献率达到了70%，并且前4个因子的特征值大于1，第五个因子的特征值接近于1，这样就对公共因子系数的计算影响甚微。说明前五个因子对问题的解释力度较强，对于研究问题来讲具有较为显著的代表性。故而，我们在这里选取了五个公共因子。这样就用5个公共因子来代替原来的21个影响指标。从生成的碎石图也可以看出，前5个公共因子能够解释21个影响因素的变异量（图1）。
2.2.3 因子负荷矩阵
为了对所取得的这5个公共因子进行合理解释并进一步得到它们各自对于这21个影响指标的线性表达式，因而需要得到21个影响因素对5个公共因子的因子负荷量（即各因子与各影响因素的相关系数），因子负荷矩阵见表3。
将因子负荷阵中的5列数据输入到数据编辑窗口（为变量B1、B2、B3、B4、B5），然后利用“Transform-compute”，在对话框中输入“A1=B1/SQR（8.935）” [注：第二公共因子SQR 后的括号中填2.055，第三、第四、第五公共因子同理]，即可得到特征向量A1。同理，可得到A2、A3、A4、A5。然后就可以得出每一个因素相对于提取出的公共因子的系数，写出各个变量对于公共因子的线性组合表达式如下：
F1=0.2134？鄢X1+0.2479？鄢X2+0.1439？鄢X3+0.2027？鄢X4+0.2452？鄢X5+0.2088？鄢X6+0.2151？鄢X7+0.2174？鄢X8+0.1826？鄢X9+0.2261？鄢X10+0.2375？鄢X11+0.2539？鄢X12+0.2254？鄢X13+0.2535？鄢X14+0.2171？鄢X15+0.2077？鄢X16+0.2281？鄢X17+0.1478？鄢X18+0.1910？鄢X19+0.2335？鄢X20+0.2412？鄢X21
F2=0.1032？鄢X1+0.0628？鄢X2+0.0258？鄢X3+-0.3690？鄢X4+-0.1409？鄢X5+-0.2595？鄢X6+-0.2497？鄢X7+-0.3600？鄢X8+-0.2518*X9+-0.0844？鄢X10+-0.1876？鄢X11+0.0335？鄢X12+0.0523？鄢X13+-0.0467？鄢X14+0.2965？鄢X15+0.3139？鄢X16+0.1953？鄢X17+0.3341？鄢X18+0.2295？鄢X19+0.1932？鄢X20+0.1772？鄢X21
F3、F4、F5的表达式原理同上，此处略去。
根据以上表达式，可知，第一公共因子F1在研发结果能否达到企业技术要求，研究成果是否能够产业化，合作成果知识产权纠纷，资金支持，人力资源条件，合作的风险，科技人员意识，信息渠道的畅通，市场潜力的大小等指标上载荷较大，可以认为F1是保障条件因子。
第二公共因子F2是次重要的影响因子。该因子在成功的经验，领导的重视等指标上负载较大，可将F2定义为重视程度因子，在分析时可针对具体指标逐个进行。
第三公共因子F3重要性与F2基本相当。该主成分在合适的合作伙伴，合作伙伴的研发能力，在收益分配上的分歧，学历互相承认等指标上载荷较大。可以认为F3是合作伙伴因子。
第四公共因子在研究成果市场价值高低，中介机构服务功能强弱，优势互补等指标上载荷较大，可以认为F4是应用价值因子。
第五公共因子在合作伙伴的诚信度，双方责权利的清晰度，政策保障等指标上的载荷较大，可以认为F5是前提条件因子。
2.2.4 因子得分协方差矩阵（如表4所示）
表4是因子得分的协方差矩阵，由于因子得分的协方差阵为单位矩阵，说明提取的5个公因子之间是不相关的。
3 结论
通过对影响云南省高等院校与东盟国家科技合作与交流的因素的问卷结果进行因子分析，发现21个影响指标可以用五个公共因子来解释，这五个公共因子代表了保障条件，重视程度，合作伙伴，应用价值，前提条件等，这五类影响因素，对云南省高校与东盟国家科技合作与交流具有较大影响。根据对科技合作与交流的实际情况调查，一是大部分高等院校或科研院所走向东盟开展科技合作与交流的愿望强烈，但是实际开展科技合作与交流的项目数量不多，二是科技合作与交流过程中存在一些问题，通过对此次问卷调查结果的分析，找出了主要的影响因素，对今后云南省高等院校与东盟国家开展合作与交流提供必要的指导作用。
参考文献：
[1]马敏象等.云南与东盟科技合作[M].云南科技出版社，2008（5）.
[2]罗应婷，杨玉娟.spss统计分析从基础到实践[M].电子工业出版社，2008，3.
[3]赵光洲等.云南省高等院校面向东盟科技合作与交流研究[R].省院省校合作项目.endprint
④单击“Factor Analysis”对话框中的“Rotation”按钮，弹出“Factor Analysis： Rotation”对话框，该对话框用于选择因子载荷矩阵的旋转方法。旋转目的是为了简化结构，以帮助我们解释因子。SPSS默认不进行旋转（None）。选择方差极大法旋转Varimax，并选中“Rotated solution”和“Loading plot”项，表示输出旋转后的因子载荷矩阵和载荷散点图，单击“Continue”按钮返回“Factor Analysis”对话框。
⑤单击“Factor Analysis”对话框中的“Scores”按钮，弹出“Factor Analysis： Scores”对话框，该对话框用以选择对因子得分进行设置，在弹出菜单中选择“Regression”“Display factor score coefficient matrix”两个选项。
⑥单击“Factor Analysis”对话框中的“Options”按钮，弹出“Factor Analysis： Options”对话框，该对话框可以指定其他因子分析的结果，并选择对缺失数据的处理方法，选中“Exclude cases listwise”项，单击“Continue”按钮返回“Factor Analysis”对话框，完成设置。
⑦所有设置完成后，点击“Ok”按钮，软件得到输出结果。
2.2 对输出结果的分析
2.2.1 KMO检验和Bartlett球度检验结果
表1给出了KMO检验和Bartlett球度检验的结果。KMO检验用于检验变量间的偏相关系数是否过小，一般情况下，当KMO大于0.9时效果最佳，小于0.5时不适宜做因子分析。Bartlett球度检验用于检验相关系数矩阵是否是单位阵，如果结论是不拒绝该假设，则表示各个变量都是各自独立的。从表1可以看出KMO检验结果0.813，接近0.9，很适合做因子分析，Bartlett球度检验给出的概率为0.000，小于显著性水平0.05，因此拒绝Bartlett球度检验的零假设，认为适合于因子分析。
2.2.2 全部解释方差表
表2是全部解释方差表，此表显示了提取出的因子的特征值，以及每个特征值的累积方差贡献率，方差贡献率是衡量各因子相对重要程度的指标，方差贡献率的大小，表示各个因子的相对重要程度。我们设置的是按照个数来提取公共因子，从表中可以看出，前5个因子的累积贡献率达到了70%，并且前4个因子的特征值大于1，第五个因子的特征值接近于1，这样就对公共因子系数的计算影响甚微。说明前五个因子对问题的解释力度较强，对于研究问题来讲具有较为显著的代表性。故而，我们在这里选取了五个公共因子。这样就用5个公共因子来代替原来的21个影响指标。从生成的碎石图也可以看出，前5个公共因子能够解释21个影响因素的变异量（图1）。
2.2.3 因子负荷矩阵
为了对所取得的这5个公共因子进行合理解释并进一步得到它们各自对于这21个影响指标的线性表达式，因而需要得到21个影响因素对5个公共因子的因子负荷量（即各因子与各影响因素的相关系数），因子负荷矩阵见表3。
将因子负荷阵中的5列数据输入到数据编辑窗口（为变量B1、B2、B3、B4、B5），然后利用“Transform-compute”，在对话框中输入“A1=B1/SQR（8.935）” [注：第二公共因子SQR 后的括号中填2.055，第三、第四、第五公共因子同理]，即可得到特征向量A1。同理，可得到A2、A3、A4、A5。然后就可以得出每一个因素相对于提取出的公共因子的系数，写出各个变量对于公共因子的线性组合表达式如下：
F1=0.2134？鄢X1+0.2479？鄢X2+0.1439？鄢X3+0.2027？鄢X4+0.2452？鄢X5+0.2088？鄢X6+0.2151？鄢X7+0.2174？鄢X8+0.1826？鄢X9+0.2261？鄢X10+0.2375？鄢X11+0.2539？鄢X12+0.2254？鄢X13+0.2535？鄢X14+0.2171？鄢X15+0.2077？鄢X16+0.2281？鄢X17+0.1478？鄢X18+0.1910？鄢X19+0.2335？鄢X20+0.2412？鄢X21
F2=0.1032？鄢X1+0.0628？鄢X2+0.0258？鄢X3+-0.3690？鄢X4+-0.1409？鄢X5+-0.2595？鄢X6+-0.2497？鄢X7+-0.3600？鄢X8+-0.2518*X9+-0.0844？鄢X10+-0.1876？鄢X11+0.0335？鄢X12+0.0523？鄢X13+-0.0467？鄢X14+0.2965？鄢X15+0.3139？鄢X16+0.1953？鄢X17+0.3341？鄢X18+0.2295？鄢X19+0.1932？鄢X20+0.1772？鄢X21
F3、F4、F5的表达式原理同上，此处略去。
根据以上表达式，可知，第一公共因子F1在研发结果能否达到企业技术要求，研究成果是否能够产业化，合作成果知识产权纠纷，资金支持，人力资源条件，合作的风险，科技人员意识，信息渠道的畅通，市场潜力的大小等指标上载荷较大，可以认为F1是保障条件因子。
第二公共因子F2是次重要的影响因子。该因子在成功的经验，领导的重视等指标上负载较大，可将F2定义为重视程度因子，在分析时可针对具体指标逐个进行。
第三公共因子F3重要性与F2基本相当。该主成分在合适的合作伙伴，合作伙伴的研发能力，在收益分配上的分歧，学历互相承认等指标上载荷较大。可以认为F3是合作伙伴因子。
第四公共因子在研究成果市场价值高低，中介机构服务功能强弱，优势互补等指标上载荷较大，可以认为F4是应用价值因子。
第五公共因子在合作伙伴的诚信度，双方责权利的清晰度，政策保障等指标上的载荷较大，可以认为F5是前提条件因子。
2.2.4 因子得分协方差矩阵（如表4所示）
表4是因子得分的协方差矩阵，由于因子得分的协方差阵为单位矩阵，说明提取的5个公因子之间是不相关的。
3 结论
通过对影响云南省高等院校与东盟国家科技合作与交流的因素的问卷结果进行因子分析，发现21个影响指标可以用五个公共因子来解释，这五个公共因子代表了保障条件，重视程度，合作伙伴，应用价值，前提条件等，这五类影响因素，对云南省高校与东盟国家科技合作与交流具有较大影响。根据对科技合作与交流的实际情况调查，一是大部分高等院校或科研院所走向东盟开展科技合作与交流的愿望强烈，但是实际开展科技合作与交流的项目数量不多，二是科技合作与交流过程中存在一些问题，通过对此次问卷调查结果的分析，找出了主要的影响因素，对今后云南省高等院校与东盟国家开展合作与交流提供必要的指导作用。
参考文献：
[1]马敏象等.云南与东盟科技合作[M].云南科技出版社，2008（5）.
[2]罗应婷，杨玉娟.spss统计分析从基础到实践[M].电子工业出版社，2008，3.
[3]赵光洲等.云南省高等院校面向东盟科技合作与交流研究[R].省院省校合作项目.endprint
