基于结构方程模型分析科研主体素养对科研创新绩效的影响机制

任红松，陈宝峰，肖 丽，张 琼，王 芳，陈雨薇

(1.中国农业大学经济管理学院，北京 100083；2.新疆农业科学院吐鲁番农业科学研究所，新疆吐鲁番 838000；3.新疆农业科学院科研管理处，乌鲁木齐 830091；4.新疆农业科学院农业经济与科技信息研究所,乌鲁木齐 830091；5.新疆维吾尔自治区科技发展战略研究院，乌鲁木齐 830011)

0 引 言

【研究意义】在我国建立创新型国家的背景下，科学技术的创新就成为其中的关键。而作为科技创新工作第一线的科研人员，其能力和素质的高低直接影响着科技产出水平。那么，从科研人员自身的素质、能力角度来研究其对最终科研产出水平的影响是十分必要的。而科研素养是针对科研人员的素质、能力的角度来描述科研人员的概念，科研素养的提升，既是提高科研产出的关键，也是改革科研机构设置、创新人才管理机制的目标导向之一。基于此，该文将研究科研人员科研素养对其创新绩效的影响研究，以便可以发现从个人角度影响科研创新能力的影响因素，从而为科研创新的提升提供一个较为新颖的影响角度。与此同时，从个人能力的角度去研究创新绩效的影响，也可以提出一个从提升个人能力、个人业务水平的角度提升科研创新的路径，从而可以在投入约束的条件下找出新的提升科研创新产出的办法。【前人研究进展】第一，科研人员自身科研素养的评价及相关指标。Durant认为科研素养有三层含义：首先是科学的内容(即科学知识)；第二层讲科学知识产生过程的重要性，也就是“科学方法”；第三层是科研过程中需要遵守的伦理道德[1-2]。科研素养是在经过后天教育培养之后形成的科研过程中稳定表现出的基本品质[2]。该文围绕研究，将从两个方面进行相关的研究综述。第一，科研人员自身科研素养的评价及相关指标。对于科研素养的形成过程也有不同视角的见解，其中一方面认为科研素养是在经过后天教育培养之后形成的科研过程中稳定表现出的基本品质[2]。另一方面认为科研素养是指研究者在从事科学研究活动中利用科学知识发现问题，在此基础上提出科学设想并进行论证的过程中所需要的能力及素质[3]。有些学者把科研素养等同于科研能力，指的是科学研究人员运用科学方法顺利完成科研活动所需要的身心条件。基于此，提出科研素养中应包含科研理论素养、科研能力素养、科研道德素养[4]。而关于科研素养的理论基础中，加涅认为，学习者通过学习，最终习得了某种或者某些“性能”(capabilities)，可以划分为五类，也就是五种学习结果[5]。第一层，言语信息学习，以通过言语交往或印刷物的形式进行的学习。第二层，智慧技能的学习，言语信息的学习帮助学生解决“是什么”的问题，而智慧技能的学习要解决“怎么做”的问题，以处理外界的符号和信息，又称过程知识。第三层，认知策略的学习，是个体支配自己学习、记忆、思维的技能。第四层，动作技能的学习，是具体技能的完成度，如运动技能、操作技能等。第五层，态度的学习，是影响个体行为选择的内部因素、心理状态。

科研活动是科研人员多年来学习行为的综合结果，因而可以从加涅的学习结果分类理论去理解。加涅学习结果理论中第一层、第二层与第四层，是对知识的学习与灵活运用的结果，与我们所定义的科研素养第一层面——基本素质，是一致的。加涅学习结果理论的第三层，认知策略，支配着学习者在对付环境时其自身的行为，即“内在的”东西，对应着科研素养第二层面——个人能力。加涅学习结果理论的第五层，态度，对应着科研素养的第三层面——科研修养。

第二，是关于科研素养对科研创新产出效率影响的研究。这类研究还相对较少，很多时候是是从该文定义科研素养中的某一些方面进行了影响研究。而且主要分为了主观因素和客观因素两个部分。在主观部分中，科研工作满意度对科研工作绩效之间存在交互影响[6]。而比较成体系的则是利用心理资本这个概念来研究绩效影响问题，主要内容是包括情绪稳定性、外向性、开放性、宜人性和责任感在内的五大人格结构，自信、希望、乐观和韧性这些积极的心理状态类的指标，以及更深入的创造力、智慧、幸福感、沉浸体验和幽默这些变量，并借助于这些概念用心理资本研究高校教师的工作绩效，得出以自信、希望、乐观、韧性组成的心理资本结合高校职工的年龄、职称、学历等作为自变量研究它们对科研绩效的影响，结果证明，这些指标都对科研绩效产生了影响[7]。

在客观部分中，基本上可以包含为地方基本状况、经济状况、产学研结合状况、人力资本投入程度等等[8-9]。尽管都是研究科研投入产出效率影响因素，但是该文中科研人员作为微观层面的个体在很多的影响因素中都不能相应的借鉴。虽然科研投入产出问题很少涉及到个人层面，但是在生产问题中有很多个人生产效率的影响因素。这些问题的研究比较成熟，而且现阶段公认的影响因素也比较确定，例如物质资本、人力资本、社会资本等相关概念和指标。而科研人员的科研素养则比较复杂，根据该文的科研人员科研素养的研究，认为科研素养中的许多问题与人力资本和社会资本由非常大的关联。

第二，科研产出的影响因素。学者们从环境因素、政策因素等多个角度研究对科研产出的影响。有的采用采用灰色关联分析模型，以江苏高校为例对科研经费与科研产出的关联度进行了测算，研究结果表明，企业委托经费和政府下拨经费与科研成果产出的关联度明显大于其他投入转入经费与科研成果的关联度。梁文艳等(2014)研究表明，科研管理和资源配置是制约科研生产的主要因素；所在区域科技进步对大学科研生产效率存在显著影响，但经济发展水平和集群效应这两个变量影响并不显著[10]。戴万亮等(2017)从政策支持、市场导向角度，运用DEA-Tobit模型对高校科研效率影响进行分析，结果表明，政府支持不足及高校科研的市场导向性不足是导致高校科研效率较低的主要原因[11]。第三，科研人员角度对科研产出的影响。学者们对研究人员科研产出及其影响因素的研究较多，很多学者从个体因素出发对研究人员科研产出进行分析，但是对科研产出的衡量和对影响因素的具体认识上却不尽相同。性别、本科生源校、学科差异为基本影响因素，对比分析了博士研究生科研产出水平[12]。研究发现，影响研究人员国际科研产出的因素包括个体层面的自我效能感和结果预期因素以及组织环境层面因素[13]。【本研究切入点】从科研素养概念的角度来看，科研素养是基于加涅的学习理论得出的关于科研人员的基本能力、素质的概念，可以较为全面的描述科研人员从个人素质到业务能力。可以作为一个有效的概念或影响因素来研究其对科研人员科研创新产出的影响。【拟解决的关键问题】首先，需要对科研素养的概念进行界定，确定什么是科研人员的科研素养，并对其指标体系进行确定和实证检验。其次，需要找出并证明科研人员科研素养对科研产出的影响机理。最后，需要建立科研素养对科研创新绩效之间的影响路径，并对此路径进行相应的证明。

1 材料与方法

1.1 材 料

1.1.1 科研主体素养的指标体系

科研素养总体可以细化为四个层面：第一个层面，科研基础；第二个层面，个人能力；第三个层面，思维风格；第四个层面，科研修养。将四个层面作为指标的四个基本维度，针对每个维度设置具体指标和可测指标。表1

表1 科研素养指标体系
Table 1 Scientific research literacy index system

维度Dimension指标Indicators具体指标Specific indicators题项编号Item number科研基础Scientific research base基本指标职称X41专业契合度工作年限X42团队贡献在本团队中的分量X43个人能力Personal ability交流能力与团队人员的交流频率X21合作能力团队人员对自己的帮助程度X22语言表达能力团队之间交流顺畅程度X23思维风格Thinking style政策接受程度现有科研相关政策满意度X31经费状况现阶段科研经费满意程度X32条件满意度科研条件(设备、场地、环境)满意度X33解决困难的心态解决困难过程的顺利程度X34科研修养Scientific research accomplishment理论学习意愿对本领域的基础理论学习意愿X11方法学习意愿对本领域科研方法的学习意愿X12知识更新获取最新知识的意愿X13学习广度个人的阅读广泛程度X14创新意愿寻求新方法处理问题的意愿X15个人追求科研对自身的意义X16

1.1.2 科研投入产出效率指标体系

在对科研创新投入产出效率研究之前，首先需要对科研创新的能力进行一个界定，一般来说，很多的学者对科研方面有关投出和产出的创新都有研究，诸如创新能力、服务转化能力、科研条件与平台、人才团队、管理能力和发展速度六方面[14]。在一般的研究科研问题投入产出效率时，多是从投入单元和产出单元两个方面进行指标的设置。其中投入单元一般为科研投入相关指标，例如课题、项目的参与与主持，课题、项目经费投入，科研设备投入以及其他投入等。主要是围绕项目、课题的数量以及相关经费的方面。但是针对不同的研究主体有着不同的侧重，在科研单位的层面，高校的主要科研投入是科研人员、科研整体、材料、设备、维护等相关费用的投入[15]；在科研项目层面，过程管理对科研绩效影响时利用科研项目中的经费和投入时间作为投入变量时，可以进行DEA分析[16]。在个人层面明显的投入产出角度进行研究的不多，但是在研究单位以及项目时基本也考虑了个人的因素，从投入工作的时长、精力等都体现了个人的因素。

另外关于创新产出的相关指标则已经较为公认，一般都是从论文、著作、专利、成果、成果转化等角度。一般研究科研绩效可以从“质”和“量”两个方面来进行界定，其中著作、专利、论文、获奖成果数量等可以直接加总的一般代表“量”的概念，而“质”一般分为客观和主观，其中客观方面也是可以直接相加或者计算的项目，而主观则包括了人员素质、科研潜能、社会效益等指标[17]。在建立科研绩效指标体系时，有部分将高校科研绩效分为论文发表、专利、科研获奖、成果转化、纵向课题以及学术兼职这几个方面[18]。有部分认为科研绩效评价应更多从输出端也就是科研成果入手，而非更多从输入端也就是项目获得以及项目经费等方面评价，其设计指标体系也都趋向于使用论文发表、编著出版著作数量、专利、横向课题以及纵向课题等指标[19]。在科研院所创新绩效的研究中，也有学者使用核心期刊发表数量、专利、获得奖励情况、科技成果转化等指标代表科研创新的绩效[20]。

创新产出指标的制定则根据现阶段研究成果制定时，既考虑到“量”的问题，又要考虑到“质”的问题。另外，对于指标的选取一般都是基于论文、著作、标准、专利以及专利成果转化等指标。因此本文也将选取论文、著作、标准、专利、成果、成果转化等指标进行设定。这也同论文上一章节中创新产出与科研投入的选取的指标相同。表2

表2 科研创新投入产出指标
Table 2 Input-output index of scientific research and innovation

科研投入/产出Research input/output指标题号Index qid科研投入指标Index of Research inputB1获得课题、项目数量B2获得课题项目级别B3获得科研经费的总量B4单个课题最高科研经费创新产出指标Index of Research outputC1核心论文数量(包括SCI、EI等国际期刊)C2最高论文影响因子C3著作、标准制定数量(考虑第一作者、参编等)C4科研成果数量(一般为专利、产品等)C5科研成果获奖级别

1.2 方 法

1.2.1 数据采集

研究对象是科研人员。在我国，科研人员主要集中在高校、事业单位、部分企业。为降低企业劳资制度对科研人员激励的影响，该文没有采用企业数据，为排除高校教师教学工作的影响而导致无法利用全部时间进行科研，也没有采用高校数据。

以新疆省农业科学院的科研人员作为本次调研对象。问卷的调研采取分层抽样的方法进行。第一层以不同的科研院所进行划分，每个科研院所调研问卷的目标定为28份，可以视情况、人数具体变化上下浮动。第二层以年龄进行划分，对单个科研院所来说：小于30岁的科研人员，目标随机调查7人；30<年龄≤40的科研人员，目标随机调查7人；40<年龄≤50的科研人员，目标随机调查8人；50<年龄的科研人员，目标随机调查7人。如果某一层的人员数量不足7人，则全部进行调查，其余各层抽样数量可以不变。

此次问卷调研采用的是电子问卷随机发放与纸质问卷随机发放两种方式相结合进行的。由于调研对象是科研工作者，因而问卷的调研阶段十分顺利，被测者根据调查问卷与问卷指南，能够很好的理解题目并准确作答。此次问卷共涉及11个院所，回收问卷210份，其中有效问卷178份。

在使用科研素养作为分析的关键自变量之前，需要对其进行因子分析以便确认每一个指标所属的维度，以及确定科研素养以及创新投入和产出每个维度的水平。在因子分析中，主要的检验是信度检验和效度检验，其中信度检验主要参考旋转因子载荷，而效度检验则观察每个题项“题项删除时的Cronbach's Alpha值”，具体结果如下所示：

从以上几个潜变量的cronbach α值来看，只有产品专利的为0.645，其他的都在0.7以上。在关于cronbach α值的判定标准中，0.6以上为可接受范围，0.7以上为尚可，0.8以上为上佳，0.9以上为极佳(吴明隆，2014)。在信度检验中，所有的假设的潜在变量均通过了信度的检验。其中，产品专利为可以接受，科研基础为尚可，科研修养、个人能力、思维风格和理论成果为上佳，科研投入为极佳。表3

表3 科研素养及创新投入产出信度
Table 3 Research literacy and innovation input-output reliability analysis table

一级指标Primary index维度Dimension题项编号Item number删除题项后的α值α with Delete itemCronbach α值Cronbach α科研素养Scientific literacy科研修养个人能力思维风格科研基础X110.828X120.835X130.862X140.857X150.858X160.859X210.815X220.774X230.789X310.796X320.822X330.805X340.807X410.456X420.501X430.6890.8720.8510.8480.700科研投入Research inputB10.947B20.931B30.921B40.9190.947科研产出Research output理论成果产品专利C10.787C20.807C30.726C40.478C50.4780.8680.645

1.2.2 结构方程模型主模型

对于研究影响机制和作用路径常用的方法就是SME结构方程模型，SME结构方程模型最早是由Sell W. righ提出的针对路径分析的概念。它是基于各个变量之间的协方差来分析潜在变量内部结构以及各个潜在变量因果关系的模型，是一个多变量测量和解释模型。不同于一般的多元回归模型，结构方程模型可以测量和解释哪些不能直接观测的变量之间的关系。现阶段结构方程模型的运用也较为广泛和成熟，在社会学、心理学、经济学、管理学等学科中都多有涉猎。

一个一般意义上的结构方程模型包括两类变量：可观测变量和潜在变量。其中，可观测变量属于可以直接调研或者测量的变量，而潜在变量属于不能被直接观察或者测量的变量。潜在变量是通过可以被观测的科观测变量表现出来。同时根据模型的具体结构包含两个子模型。其中一个子模型是测量模型，用来表现潜在变量与可观测变量之间的关系。一般的潜在变量也是通过测量模型由可观测变量表达出来的。另外一个子模型是结构模型用来表述潜在变量之间的因果关系。

在实际的操作用，通常采用一个路径图来代表结构方程模型。在这里，我们设置一个具有三个潜在变量，每一个潜在变量由三个可观测变量表达的一个基础模型供详细讨论。具体的模型见上图。在上图中，ξ，η1，η2都是我们所说的潜在变量，同时X1,X2,X3都是表达潜变量ξ可观测变量，而这个表达的方式和过程则使用上图中最靠左的一个测量模型表达。同时，在这个模型中表达ξ，η1和η2关系的方式叫做结构模型。

另外，在这个模型中还有外生变量和内生变量之分，这个划分依据主要是变量之间的因果关系。其中，内生变量指的是可以受其他任何一个变量影响的变量，相当于一个简单回归中的因变量，但不同于一般线性回归中的因变量，这个因变量还可以作另外一个变量的自变量。在上图中η1和η2都是内生变量，这两个变量都收到ξ变量的影响。而外生变量则是不受其他任何一个变量影响的变量，但是却影响其他变量，是一个“纯粹”的自变量。上图中的ξ变量就是外生变量。图1

图1 结构方程模型简介
Fig.1 Schematic diagram of structural equation model

1.2.3结构方程模型主要算法

由结构方程模型的基本模型介绍可知结构方程模型是由测量模型和结构模型共同构成。因此,结构方程模型的基本算法也是由测量模型和结构模型两个部分构成。以下将对两种模型的基本算法原理进行介绍。

(1)测量模型

测量模型再具体上还可以分为反应型模型和构成型模型。反映模型是指可观测变量是潜在变量的多重反映，而与之相反的构成型模型是指潜在变量是可观测变量的多重反映。通常情况下，测量模型多为构成型的模型。ξ变量作为例子来说，ξ分别是X1，X2，X3的反映，或者说可以由X1，X2，X3这三个可观测变量在一定程度上表示。为了更好的表达测量模型，使用上图中的结构方程模型作为例子进行介绍。具体测量模型的算法如下所示：

X=ΛX×ξ+δ.

Y1=ΛY1×η1+ε1.

Y2=ΛY2×η2+ε2.

其中，ξ和η1，η2分别作为外生和两个内生的潜变量。X是对应ξ的可观测变量，Y1是对应η1的可观测变量，Y2是对应η2的可观测变量。ΛX是对应外生变量ξ的因子载荷矩阵。ΛY1和ΛY2分别是对应内生变量η1和η2的因子载荷矩阵。δ，ε1和ε2分别为残差。通常解释测量的误差。而测量模型的表达式为：

(2)结构模型

在结构模型中，主要表示潜变量之间的因果关系。仍然按照上图所示，结构模型的计算表达试如下：

η=Bη+Γξ+S.

其中，η和ξ分别为内生潜变量和外生潜变量。B和Γ分别为路径系数的向量，S为残差项。具体的展示如下边的公式所示。

1.2.4 基于结构方程模型的基本路径假设

基于上文中的理论基础可以得出的是，科研素养可以对科研创新的产出产生影响，也可以对科研创新的投入产生影响，科研投入也会对科研创新的产出产生影响。假设路径是科研人员的科研素养影响其科研创新投入，而且科研创新投入影响科研创新产出，同时，科研人员的科研素养影响直接影响其创新产出。

图2 科研素养、创新投入、创新产出影响路径
Fig.2 Path chart of influence of scientific research literacy,innovation input and innovation output

具体的指标要符合以下的基本假设才能成立：

假设H3a：科研人员科研修养越强，科研人员理论创新成果越好。

假设H3b：科研人员个人能力越强，科研人员理论创新成果越好。

假设H3c：科研人员思维风格更积极，科研人员理论创新成果越好。

假设H3d：科研人员科研基础越好，科研人员理论创新成果越好。

假设H3e：科研人员科研修养越强，科研人员产品成果创新越好。

假设H3f：科研人员个人能力越强，科研人员产品成果创新越好。

假设H3g：科研人员思维风格更积极，科研人员产品成果创新越好。

假设H3h：科研人员科研基础越好，科研人员产品成果创新越好。

假设H3i：科研人员创新投入越好，科研人员理论创新成果越好。

假设H3j：科研人员创新投入越好，科研人员产品成果创新越好。

假设H3k：科研人员科研修养越强，科研人员创新投入程度越好。

假设H3l：科研人员个人能力越强，科研人员创新投入程度越好。

假设H3m：科研人员思维风格更积极，科研人员创新投入程度越好。

假设H3n：科研人员科研基础越好，科研人员创新投入越好。表4

表4 犯规估计及路径显著性
Table 4 estimation and path significance results table

结构路径Structure path具体路径Specific path估计系数Estimate标准误S.E.P值P 标准化系数Standardized Coefficients验证性路径Confirmatory path创新投入←科研素养0.7980.135∗∗∗0.550科研修养←科研素养1.0000.945个人能力←科研素养1.0350.126∗∗∗0.862思维方式←科研素养1.0340.127∗∗∗0.873科研基础←科研素养0.3090.069∗∗∗0.712理论产出←科研素养0.8760.130∗∗∗0.633产品成果←科研素养0.5020.1590.0020.359理论产出←创新投入0.2750.068∗∗∗0.288产品成果←创新投入0.4740.096∗∗∗0.492探索性路径Exploratory pathX16←科研修养1.0000.680X15←科研修养1.2940.153∗∗∗0.706X14←科研修养0.9380.114∗∗∗0.681X13←科研修养1.0460.137∗∗∗0.636X12←科研修养1.1950.126∗∗∗0.802X11←科研修养1.2430.124∗∗∗0.853X23←个人能力1.0000.794X22←个人能力1.1030.090∗∗∗0.874X21←个人能力1.1540.106∗∗∗0.768X34←思维方式1.0000.793X33←思维方式0.9740.095∗∗∗0.754X32←思维方式0.8910.096∗∗∗0.690X31←思维方式1.0640.095∗∗∗0.807X43←科研基础1.0000.435X42←科研基础2.6350.526∗∗∗0.671X41←科研基础2.4750.494∗∗∗0.821C1←理论产出1.0000.930C2←理论产出0.7040.071∗∗∗0.663C3←理论产出1.0270.059∗∗∗0.892C4←产品成果1.0000.773C5←产品成果0.7170.116∗∗∗0.619B1←创新投入1.0000.842B2←创新投入1.1590.072∗∗∗0.924B3←创新投入1.1230.072∗∗∗0.898B4←创新投入1.1020.069∗∗∗0.914

2 结果与分析

2.1 模型验证的犯规估计

在评价 SEM 拟合度之前，必须先通过“违犯估计”(Offending Estimates)检查，来判定估计系数是否超出了可接受的范围；所谓违犯估计是指 SEM 内统计所输出的估计系数超出了可接受的范围。协方差之间标准化的估计系数大于1；误差项的估计系数不能为负数标准化系数不能过于接近1(原则上不超过0.95)

以上的路径回归结果来看，最小的标准化路径系数0.288，最大的标准化估计系数为0.930。小于0.5的标准化系数的个数为4个，分别是科研素养对产品成果，创新投入对理论成果，创新投入对产品成果以及X43对科研基础。而且除了最小的0.288之外，两个都在0.4以上，而且有一个为0.49。对于一共26条路径的模型来说，也基本符合拟合的标准，可以判定模型有较为良好的拟合。表6，图3

表6 修正模型拟合度指标
Table 6 Modified model fitting index table

指标Index检验结果Inspection result保留标准Standard for keepCMIN/DF1.97﹤5P值0.00﹤0.05CIF0.915>0.9IFI0.917>0.9TLI0.901>0.9PNFI0.687﹤0.5RMSEA0.74﹤0.8

图3 结构方程模型结果路径
Fig.3 Structural equation model result path diagram

2.2 结构方程模型的拟合度

每一指标都有了一定的优化，首先是卡方值，减小到了1.97这个数值以及低于了较优的拟合程度值2，P值为0，小于0.05，证明整体模型回归显著。另外CIF值为0.915，IFI值为0.917，TLI值为0.901都超过了0.9。达到了拟合程度的一般要求。最后是RMSEA值低于了0.8，属于可接受的范围。这表明在修订之后的模型中，近似误差指数拟合度符合标准。所以，可以说修正后的模型的拟合度，以及误差程度优于修正前的模型，符合结构方程模型的一般拟合度。并得出科研素养中的科研基础，个人能力，思维风格，科研修养对科研投入和科研产出之间的路径关系。表7

表7 潜变量路径系数估计
Table 7 Latent variable path coefficient estimation table

整体潜变量估计路径Total latent variable estimation path具体潜变量估计路径Specific latent variable estimation path估计系数Estimate标准误S.E.P值P标准化系数StandardizedCoefficients科研素养Scientific literacy创新投入←科研素养0.7980.135∗∗∗0.550科研修养←科研素养1.0000.945个人能力←科研素养1.0350.126∗∗∗0.862思维方式←科研素养1.0340.127∗∗∗0.873科研基础←科研素养0.3090.069∗∗∗0.712科研素养与产出Scientific literacy and output理论产出←科研素养0.8760.130∗∗∗0.633产品成果←科研素养0.5020.1590.0020.359科研投入与产出Scientific literacy and input理论产出←创新投入0.2750.068∗∗∗0.288产品成果←创新投入0.4740.096∗∗∗0.492

2.3 结构方程模型的假设结果

科研素养不论对于创新投入还是创新产出都显著的相关，而且基于估计系数的正负值以及结构方程模型的要求，都是正向的影响。且都在1%以下的显著水平上影响。另外是创新投入对于创新产出的影响路径也都在1%以下的显著水平上影响。科研素养对创新投入也在1%以下的显著水平上影响，可以结合该文第一小节中的假设都是可接受的状态。表8

表8 假设检验
Table 8 Table of test results of hypothesis

题号Hypothesis number假设问题Hypothesis是否接受Accept or notHypothesis 1科研人员科研修养越强,科研人员理论创新成果越好可接受Hypothesis 2科研人员个人能力越强,科研人员理论创新成果越好可接受Hypothesis 3科研人员思维风格更积极,科研人员理论创新成果越好可接受Hypothesis 4科研人员科研基础越好,科研人员理论创新成果越好可接受Hypothesis 5科研人员科研修养越强,科研人员产品成果创新越好可接受Hypothesis 6科研人员个人能力越强,科研人员产品成果创新越好可接受Hypothesis 7科研人员思维风格更积极,科研人员产品成果创新越好可接受Hypothesis 8科研人员科研基础越好,科研人员产品成果创新越好可接受Hypothesis 9科研人员创新投入越好,科研人员理论创新成果越好可接受Hypothesis 10科研人员创新投入越好,科研人员产品成果创新越好可接受Hypothesis 11科研人员科研修养越强,科研人员创新投入程度越好可接受Hypothesis 12科研人员个人能力越强,科研人员创新投入程度越好可接受Hypothesis 13科研人员思维风格更积极,科研人员创新投入程度越好可接受Hypothesis 14科研人员科研基础越好,科研人员创新投入越好可接受

2.4 效应分析

SEM 效应包括直接效应、间接效应和总效应三部分，其三者之间的关系为：总效应=直接效应+间接效应。直接效应反映的是观测变量或者内生变量对内生变量的直接影响；间接效应反映的是观测变量或内生变量通过一个或多个中介变量对内生变量产生的间接影响。

表9 结构方程模型效应
Table 9 Structural equation model effect analysis table

创新投入Innovation input产品成果Product results理论成果Theoretical results科研基础Scientific research base思维风格Thinking style个人能力Personal ability科研修养Scientific research accomplishment直接效应科研素养0.550.3590.6330.7120.8730.8620.945Direct effect创新投入00.4920.2880000间接效应科研素养00.2710.1590000Indirect effect创新投入0000000总效应科研素养0.550.630.7910.7120.8730.8620.945Total effect创新投入00.4920.2880000

科研素养对产品成果的影响为0.359，而创新投入对产品成果的影响为0.492，可见对于产品成果来说，创新投入的作用要大于科研素养的作用。基于对上文的分析中可以得知，产品成果主要包含了专利、新产品等因素，而针对此类成果的产生，创新投入诸如课题项目的数量、级别以及经费对其产生的影响从逻辑上讲都要大于个人自身素质。之前的研究中，对于专利、产品的产出影响因素中，经费的数量也是非常突出的。而科研素养对于理论成果的影响为0.633，于创新投入对理论成果的影响为0.288。科研素养对于理论成果的影响程度要大于创新投入对理论成果的影响程度。证明个人的科研素养对于论文、著作的发表相对于课题的投入和经费的投入更重要。另外，创新科研素养对创新投入的直接影响为0.55。而科研素养对产品成果和理论成果的间接影响分别为0.271和0.159。这与之前的直接影响效应刚好相反，也是因为间接的影响是通过科研创新投入带来的，因此，在间接效应中，科研素养对产品成果的影响相对理论成果更足。从总的效应看，科研素养对产品成果的影响系数为0.63，对理论成果为0.791，总的来说就是科研素养对理论成果的影响更为突出。表9

3 讨 论

科研素养由科研修养、科研基础、个人能力以及思维风格。这四种指标都各自代表着不同的方面。其中科研修养主要代表个人对科研的追求，以及为此所努力的方式。而科研基础、个人能力则更为侧重科研人员的科研的基础能力、团队协作等方面。而思维风格则表明科研人员对于科研工作本身，以及所研究领域的基本认知和科研基本习惯。而科研素养的这四个方面有可以去影响科研创新投入和科研创新产出，基于此，可以得出的是科研素养对科研的创新方面存在着一个较为稳定的影响机制。

4 结 论

4.1 建立了一个科研素养直接影响科研创新产出，加上科研素养通过科研创新投入影响科研创新产出的路径。

4.2 科研素养中的科研修养、个人能力、思维风格和科研基础都显著的影响科研创新投入和科研创新产出，而且科研创新投入也显著的影响科研创新产出问题。这就形成了一个直接影响和间接影响的两路径影响机理。科研素养对于科研创新投入与科研创新产出都是正向的影响，也就是说，科研人员的科研素养越高，越能促进创新投入和创新产出的增加。对创新产出分为理论产出和成果产品类的产出两个部分，科研素养的影响方式并不相同。科研素养对理论产出的影响更为突出，科研素养可以直接影响一个人的论文发表的数量、质量以及著作的数量质量等理论成果。尽管科研素养可以直接影响诸如专利、新产品等成果，但是从模型中看主要影响该类成果的是科研创新的投入，例如课题的数量，级别以及经费等。