甘肃省R&D人员评价研究*

2016-11-29吴洁琼王星星

甘肃科技 2016年18期

关键词：市州甘肃省载荷

吴洁琼，王星星

（甘肃省科学技术情报研究所，甘肃省科技评价监测重点实验室，甘肃兰州 730000）

甘肃省R&D人员评价研究*

吴洁琼，王星星△

（甘肃省科学技术情报研究所，甘肃省科技评价监测重点实验室，甘肃兰州 730000）

本文运用2014年甘肃省14个市州R&D相关数据，实证检验了甘肃省R&D人员的创新能力差异与影响因素。结果表明，对甘肃省R&D人员创新能力影响最大的科技投入产出，其次为创新环境，科研技术行业工资也对R&D人员有着较大的影响。对比甘肃省14个市州，兰州市的R&D人员创新能力遥遥领先其他市州。

甘肃省；R&D人员；因子分析

1 概述

美国经济学家舒尔茨在1960年提出了人力资本的概念，他在《论人力资本投资》的报告中称，经济增长的源泉不能只靠增加劳动力的物质投资，更主要的是靠人的能力的提高。人力资本概念的提出表明了人力资源在生产活动中的核心地位。对于R&D活动而言，R&D人员的存量和质量尤为重要，R&D活动成功与否很大程度上取决于R&D人员的知识水平和努力水平。

2 R&D人员评价指标体系的建立

评价R&D人力资源的状况不能只考虑其数量规模、结构和分布，还要考虑R&D人力资源的质量和水平，同时注意对R&D人员的制约和激励。R&D人员是构成科技人才队伍的主体，创新环境是R&D人员工作环境、社会环境的总称，创新环境既影响到人才队伍的工作产出效率，又影响到队伍的稳定和流动的发展变化。科技投入和科研创新是人员的输入和输出。根据上述分析可知，要描述R&D人员的状况，需要从科技投入、创新环境和科研创新等方面进行测度。基于此，本项目参照《甘肃省科技综合年报》和《甘肃省科技进步监测报告》等，从科研投入、创新环境和科技创新三个方面选择了10个指标作为甘肃省R&D人员的评价指标体系。

3 数据处理与分析

本文采用2014年最新统计数据，利用因子分析法对解释变量进行整合，提取出几个独立的公因子变量，进而将这些因子变量构成新的模型。

1）运用SPSS软件对模型进行因子分析。首先需要将数据进行标准化处理，其次对标准化后数据进行KMO检验(Kaiser-Meyer-Olkin)和Bartlett球度检验(Bartlett Test of Sphericity)，来判断数据是否合适进行因子分析。KMO统计量用于比较变量间简单相关系数和偏相关系数。KMO的取值范围在0和1之间。如果KMO的值越接近于1，则所有变量之间的简单相关系数平方和远大于偏相关系数平方和，因此越适合于作因子分析。Bartlett球度检验的统计量是根据相关系数矩阵的行列式得到的。如果该值较大，且其对应的概率小于显著水平，那么应该拒绝零假设，认为原始变量之间存在相关性，适合于作因子分析。本文中，我们所建模型KMO值为0.602。bartlett球度检验的概率为0.000，小于显著水平0.05，因此认为适合做因子分析。

2）构造因子变量。从表1中可以看出，前三个因子描述的方差可共同解释原始变量标准化方差的96.347%，即累计贡献率已达96.347%，也就是我们选择的3个因子变量所代表的信息量可以充分的解释并提供原始数据所能表达的信息。

表1 因子特征值及累计贡献比例值

3）因子旋转。未经过旋转的载荷矩阵中，因子变量在许多变量上都有较高的载荷，造成各个因子的含义比较模糊。因此对其进行旋转。结果见表2，经过旋转以后，第一个因子在发明专利拥有量、科技论文数、获省部级科技成果奖、R&D人员和R&D经费内部支出具有较大载荷。这些变量反应的是创新的投入和产出，所以我们称之为投入产出因子。第二个因子在万人输出技术成交额、百人固定电话和移动电话用户数、人均GDP和万人国际互联网络用户数上具有较大载荷，也就是说第二个因子反应的是创新环境的内容，所以我们称之为创新环境因子。第三个因子只在科研与综合技术服务业平均工资与在岗职工平均工资比例系数上具有较大载荷，所以我们称之为人员工资因子。