2016—2018 年我国区域科技人才竞争力评价

2021-12-04赵渊博

科技管理研究 2021年20期

赵渊博

(中国社会科学院中国社会科学评价研究院，北京 100732)

当前，科技创新已经成为推动经济增长的强大动力之一，也是一国综合实力的集中体现。全球化时代，科技实力已经成为衡量一国综合国力的重要因素，而各国科技竞争的背后是人才的竞争。人才是科技创新的主体，高水平的科技创新实力离不开一支高素质的人才队伍。中共中央国务院于2016 年发布了《国家创新驱动发展战略纲要》（以下简称《纲要》），指出要加快建设科技创新领军人才和高技能人才队伍，围绕重要学科领域和创新方向造就一批世界水平的科学家、科技领军人才、工程师和高水平创新团队，注重培养一线创新人才和青年科技人才。可以看出，我国已经将创新型科技人才队伍建设作为一项重大任务，也体现出科技人才对我国的重要性。根据《纲要》的“三步走”战略目标，第一步目标是到2020 年我国将进入创新型国家行列。在第一个战略目标刚刚结束之际，对我国科技人才竞争力水平进行评估，有助于整体把握我国科技人才竞争力变化过程，发现区域间的差异和不足，为进一步提升全国和区域科技人才竞争力提供有益参考。

1 文献回顾

区域人才竞争力评价可以分为国际城市人才竞争力评价和国内城市人才竞争力评价。国际城市人才竞争力评价方面，欧洲工商管理学院（INSEAD）［1］发布的The Global Talent Competitiveness Index 2020（《2020 年全球人才竞争力指数》），从人才吸引、人才成长、人才留存、发展环境以及职业技术技能和全球知识技能6 个方面对全球125 个经济体和114 座城市的人才竞争力进行了评估；瑞士洛桑管理学院世界竞争力中心［2］发布的IMD World Talent Ranking 2020（《2020 年IMD 世界人才排名》），从人才投资与发展、人才吸引力和人才就绪度3 个方面对63 个中高等人均收入经济体的人才竞争力进行了评价。国内城市人才竞争力评价方面，杨河清等［3］从理论层面建立了包括人才数量指数、人才质量结构指数、经济环境指数、生活环境指数、社会文化环境指数、自然环境指数、人才市场环境指数、人才效益指数、人才政策指数在内的9 个一级指标，并对首都地区的人才竞争力水平进行了测度；陶锦莉等［4］从长三角地区人才竞争力的角度出发，认为人才竞争力包括人才本体指标、人才客体指标和提升人才本体竞争力的保障体系指标3 个方面；李光全［5］建立了包括人力资源数量、人力资源质量、人力资源配置、人力资源需求和人力资源教育在内的指标体系，对我国主要城市人才竞争力进行了评价；司江伟等［6］构建了包括人才规模、人才结构、人才投入、人才产出和人才支持在内的山东省人才竞争力评价指标体系；赵紫燕等［7］采用问卷调查、专家打分等多种方式，建立了包括“中国区域人才竞争力指数”的评价指标体系。

在区域科技人才竞争力评价方面，国内的研究主要可以划分为区域科技人才竞争力的定义、指标体系和评价方法3 个方面。首先，关于科技人才竞争力的定义，如张体勤等［8］认为，高层次区域科技人才竞争力是指地区借助人才战略、人才政策、人才配置和人才队伍建设等来吸引、利用高层次人才，并促进增强区域经济社会发展的综合实力；林喜庆等［9］认为，城市科技人才竞争力是指一座城市科技人才的数量、素质、创新能力、培养能力、投资力度和外部环境等因素有机综合后的动态表现。其次，关于科技人才竞争力的评价指标体系，如倪鹏飞等［10］从地域差异角度出发，认为科技人才竞争力指标体系包括人才本体、人才环境、人才创富和人才创新；沈春光［11］基于灰色系统理论，从科技创新人才的存量、利用效率、发展环境和可持续发展4 个方面构建了区域科技人才竞争力评价指标体系，并对我国中部六省份科技创新人才竞争力了进行了评价；孙锐等［12］从区域人才强国战略角度出发，认为人才强国的内涵包括人才生成、人才配置、人才环境等；朱安红等［13］构建包括科技环境引力、科技人才投入、科技人才效益和科技促进发展4 个指标在内的科技人才竞争力评价指标体系，并对我国中部六省份科技人才竞争力进行了评价；李良成等［14］从广东省创新型科技人才竞争力角度出发，认为创新型科技人才是指科技活动人员，并将创新型科技人才竞争力评价指标确定为创新型科技人才资源、人才投入、人才产出和人才环境；张体勤等［8］从高层次区域创新人才竞争力角度出发，认为高层次创新人才是指从事知识创新、技术创新、知识传播和知识与技术应用的各类拔尖人才，高层次人才竞争力包括人才本体、人才效能和人才环境3 个方面；郭跃进等［15］从区域科技人才竞争力角度出发，认为科技人才竞争力指科技人才数量、质量、结构和环境因素在经济社会活动中的综合体现，主要包括人才投入、环境建设和成果产出3 个方面；刘泽双等［16］以关天经济区为研究对象，认为关天经济区人才竞争力包括人才资源竞争力、环境竞争力和发展竞争力；刘佐菁等［17］从广东省科技人才竞争力角度出发，认为科技人才竞争力包括人才结构竞争力、人才投入竞争力、人才产出竞争力、人才发展环境竞争力；杨洋等［18］从人才数量、人才素质、人才投入、人才平台和人才贡献5 个方面选取评价指标，对江苏省企业人才竞争力进行评价。最后，关于科技人才竞争力的评价方法，目前主要有层次分析法（AHP）、主成分分析法，熵值法、因子分析法、聚类分析法、Fuzzy-ANP 方法、德尔菲法等，部分研究综合运用了多种方法，有的则单独使用。

综合来看，目前关于区域科技人才竞争力的定义研究较少，现有研究主要是从指标选取角度对其内涵进行大致地界定；在评价指标体系构建方面，主要从人才资源、人才结构、人才投入、人才发展环境和人才产出5 个方面选取一级指标，评价方法主要以定量为主，且较少同时使用两种方法进行评价；除了李良成等［19-20］分别对2000—2008 年广东省人才竞争力和2004—2008 年我国31 个省份科技人才竞争力进行评价外，对一定时间跨度的区域科技人才竞争力评价的研究较少。

根据国家“十三五”规划纲要制定的实施人才优先发展战略目标，以及《国家创新驱动发展战略纲要》对科技创新人才队伍建设的总体要求，在已有研究基础上，本研究将运用因子分析法和聚类分析法对我国区域科技人才竞争力进行评价，以此分析“十三五”期间我国区域科技人才竞争力整体发展水平。考虑到数据的可获得性，选取2016—2018年作为研究时间范围。

2 评价指标体系构建、评价方法与数据来源

2.1 指标体系构建

2.1.1 构建原则

在区域科技人才竞争力评价指标体系构建过程中，坚持科学性、系统性、简洁性、可比性和动态性的原则。科学性是指所选取指标必须能够真实反映评价对象的重要信息，同时能够比其他指标更好地反映评价对象的信息；系统性是指需要按照一定的逻辑对指标进行选取，指标间具有一定的层次；简洁性不是指标越少越好，而是指对重复和可替代性的指标进行精简，只对重要指标进行保留；可比性是指指标必须是量化指标或者能够量化，便于计量分析，同时不同评价对象的同一指标可以进行比较；动态性是指指标在不同时期都能很好地反映评价对象的真实水平，避免选取在不同时期重要性有所变化的指标。

2.1.2 指标体系构成

在已有研究基础上，本研究认为科技人才是从事科技研发活动的人员，区域科技人才竞争力是指一个地区在吸引和开发人才资源以及营造人才发展环境方面所展现出的综合能力，因此将区域科技人才竞争力评价指标体系划分为人才资源、人才投入、人才产出和人才发展环境4 个方面。在考虑到指标数据可获得性情况下，根据指标定义、频度统计法和我国科技人才发展现状，选取已有研究中使用频率较高的有关指标，并根据因子分析法对其中的指标进行删选，最终选出了15 个指标，如表1 所示。

表1 区域科技人才竞争力评价指标体系

2.2 评价方法

首先，利用多元统计方法中的因子分析法对2016—2018 年间的我国31 个省份（未含港澳台地区）科技人才竞争力进行评价。因子分析法是多元统计中降维分析的一种统计方法，主要是将所选诸多具有相关性的原始变量综合为少数几个因子，并以这些因子代替原始变量来解释评价对象。其中，每个因子是相关性较高的原始变量的组合，这些因子可以代表原始变量绝大多数的信息，同时各个因子之间是相互独立的。因子分析的优点是减少了变量的数量，从而便于分析和解读。因子分析法主要包括六步：第一，原始数据标准化。将不同量纲的数据进行无量纲化处理，从而便于比较分析。本研究使用极值化法对原始数据进行标准化处理。极值化法是将某个变量的每个取值除以该变量所有取值中的最大值，每个变量标准化后的数据取值区间均是0～100。第二，建立相关系数矩阵。求解所有原始变量中两两变量之间的相关系数，在考虑到变量实际意义的情况下，删除相关系数接近1 以及过小的变量，对指标进行简化。第三，求取特征值和选取公因子。求解特征方程的特征值，并选取累积方差贡献率超过0.7 的前k个特征值作为k个公因子，k个公因子将代替原来的所有指标。第四，进行因子旋转。利用方差最大正交旋转法对因子进行旋转，使得所选取的k个因子在0～1 之间区别更明显，方便利用所选因子对评价对象进行解释。第五，计算因子表达式。利用回归法估计出因子得分函数的系数矩阵，从而写出因子表达式。第六，根据因子表达式计算出综合因子表达式，并对每个综合因子表达式进行排名。利用SPSS22.0 软件进行因子分析。

其次，利用聚类分析法对各省份的人才竞争力水平进行类别划分。聚类分析是将离差平方和较少的数据归为一类，区分开组间距离较大的数据类别。利用SPSS22.0 中的Ward 分析法进行聚类分析，组间距离采用欧几里得距离（Euclidean distance）。

2.3 数据来源

本研究数据来源于历年《中国统计年鉴》《中国科技统计年鉴》《中国教育统计年鉴》和各省份的统计年鉴。对于一些年份和地区的缺失数据，采取插值法和外延法进行估计。

3 区域科技人才竞争力评价

3.1 因子分析

3.1.1 数据处理

首先，对2016—2018 年31 个省份的指标数据进行KMO 检验和巴特利特（Bartlett）球形检验，结果如表2 所示，可以看出KMO 值均大于0.7，卡方值均大于800，且显著性小于0.000，表明这3 年的数据均适合做因子分析。

表2 31 个省份评价指标数据的KMO 和Bartlett 球形检验

其次，求特征值和累积方差贡献率。通过主成分法提取因子并进行因子旋转后，得出主因子和每个因子的方差贡献率，结果如表3 所示，3 年分别均提取了3 个主因子。其中，2016 年所提取的3 个因子可以共同解释原有指标的89.357%；2017 年所提取的3 个因子可以共同解释原有指标的89.591%；2018 年所提取的3 个因子可以共同解释原有指标的90.776%。总体上，2016—2018 年分别提取的因子累积方差贡献率均超过了85%，说明所提取的因子可以代表原来指标来描述区域科技人才竞争力水平。

表3 31 个省份评价指标的主要特征值和累积方差贡献率

第三，因子解释与因子得分。从旋转后的因子载荷矩阵可以看出（见表4），2016—2018 年提取的3 个因子所对应的指标相同。具体而言，X1、X2、Y1、Y3、Y4、Z1、Z4、M1共8 个指标具有较高的载荷，与研发人员数量、科技支出、教育经费支出、专利授权量、高新企业营收等资源投入有关，因此将这8 个指标代表的因子称为资源投入因子F1；X3、Y2、Z2、Z3、M2、M3、M4具有较高的载荷，与科技产出、地区产出水平相关，因此将其称为产出因子F2；M5与人的生活环境相关，因此将其称为生活环境因子F3。最终，经过因子提取和旋转后，共选出资源投入因子、产出因子和生活环境因子，这3 个因子可以解释31 个省份2016—2018 年3 年的科技人才竞争力水平。

表4 2016—2018 年31 个省份评价指标旋转后的因子载荷矩阵

在计算因子得分方面，首先利用回归法求解因子得分系数矩阵，其次利用因子得分系数矩阵和指标权重求解出综合得分。其中，指标权重是以该因子的方差除以所有因子的方差总贡献率得出，然后将每个因子得分与权重相乘之后求和，得出综合因子得分。以2018 年为例，2018 年3 个因子的方差分别为45.371、38.289 和7.117，总的方差为90.776，用这3 个因子的方差分别除以总方差就得到每个因子的权重，则3 个因子的权重分别为0.500、0.422、0.078，因此，2018 年的综合因子得分为F=0.500F1＋0.422F2+0.078F3。最终，根据因子得分的计算方法，可以分别得出31 个省份这3 年的综合因子得分，并对评价对象进行排名。2016—2018 年31 个省份科技人才竞争力各因子得分、总得分以及排名分别如表5～表7 所示。

表5 2016 年31 个省份科技人才竞争力因子得分与排名

表6 2017 年31 个省份科技人才竞争力因子得分与排名

表6（续）

表7 2018 年31 个省份科技人才竞争力因子得分与排名

3.1.2 评价结果分析

考察期间，从31 个省份总体排名来看，地区排名下降幅度最显著的有：辽宁和黑龙江均下降了6位，天津下降了4 位；排名上升幅度最显著的有：四川、福建、贵州和宁夏均上升了3 位；其他地区则变化在1～2 位，有的则保持不变。可以看出，辽宁和黑龙江的科技人才竞争力下降十分明显，而四川、福建、贵州和宁夏则在竞争力上有较为显著的提升。

从区域来看，按照我国对经济区域采取的东部、中部、西部和东北部划分标准［21］，东部沿海地区科技人才竞争力相对较强，中部地区和西部地区则依次递减。从历年的总得分排名来看，北京、广东、江苏、浙江、上海、山东历年排名均在前6 名，表明东部沿海地区不仅有较高的经济发展水平，也有较高的科技人才竞争力；安徽、天津、河南、山西、湖南、辽宁、河北、江西、内蒙古等中部主要省份的总体科技人才竞争力排名中等；贵州、宁夏、云南、甘肃、新疆、青海、西藏等西部地区的科技人才竞争力在历年排名中均处在20名以后，整体水平相对较弱。

从单个因子得分排名来看，虽然北京、广东、江苏、浙江等地排名较高，但是这些地区在个别指标上的排名却不是很高。以北京为例，北京产出因子和生活环境因子均在2016 年排名第一，但是资源投入因子却排在中等水平。资源投入因子方面，在上升幅度排名中，山西、西藏均上升了4 位，上升幅度最大；在下降幅度排名中，天津、吉林均下降4 位，下降幅度最大，广西则下降3 位。可以看出，山西和西藏在资源投入方面取得了较大进步，而天津和吉林的资源投入力度有下降趋势。另外，资源投入因子的总方差贡献率超过了44%，接近总方差的一半，说明资源投入在提升科技人才竞争力水平中发挥了关键作用；从单个因子排名来看，广东、江苏、浙江、上海和山东历年资源投入因子排名和总体排名相差无几，说明资源投入在这些省份的人才竞争力排名中发挥了重要推动作用。产出因子方面，河南和湖南的排名上升幅度最大，均上升了4 位，其次是江西上升了3 位；下降幅度最大的地区是黑龙江，下降了9 位，其次是内蒙古下降了3 位。由此可知，黑龙江在产出水平上有待进一步加大力度，扭转不断下降的趋势。生活环境因子方面，新疆的排名上升6 位，上升幅度最大，河南上升5 位，广西上升4 位；而海南的排名下降5 位，甘肃和陕西均下降4 位，江苏和黑龙江均下降3 位。由以上分析可知，新疆的生活环境改善幅度最大，其在吸引人才方面的环境竞争力不断提高。

3.2 聚类分析

3.2.1 数据处理

借助于SPSS22.0 中的Ward 分析法对31 个省份科技人才竞争力进行聚类分析，结果如表8 所示。

表8 2016—2018 年31 个省份科技人才竞争力聚类结果

3.2.2 聚类结果分析

从分类结果来看，31 个省份科技人才竞争力的聚类分析与因子分析的结果排名具有一定的相似性，排在第一类和第二类的地区包括北京、广东、江苏、上海、天津、山东、浙江，这与因子分析中排名靠前的地区基本相同。总体上来看，两类分析结果均具有一定的合理性。从3 年数量变化来看，我国科技人才竞争力形成了东部沿海、中部地区和西部地区的阶梯型下降格局。其中，第一类和第二类地区主要以东部沿海地区为主，而第三类以中部地区为主，第四类则以中西部地区为主。一方面，每一类的地区数量变化在2 个左右，数量变化较小；另一方面，没有一个省份能从第三类跨越到第一类，或者从第四类跨越到第2 类。这就导致一个结果：随着经济社会的发展，第一类和第二类经济发达地区对人才的吸引作用越来越大，从而这些地区的科技人才竞争力也会变得越来越强，使得第三类和第四类地区在提升科技人才竞争力上面临更大的困难。

4 结论与展望

4.1 结论

首先，我国科技人才竞争力的地区差异十分明显，形成了东、中、西部阶梯下降格局，以北京、广东、江苏、上海、山东、浙江等为主的东部沿海地区在科技人才竞争力上具有绝对优势，且这种优势随着经济社会发展会越来越大，而中部和西部地区的科技人才竞争力提升则要面临更大的困难。因此，需要在政策上不断扶持中西部地区的科技人才发展，通过东部地区与中西部地区开展长期科技人才交流合作的方式来促进提升中西部地区的科技人才发展水平。

其次，黑龙江、吉林、辽宁所在的东北地区科技人才竞争力发展趋势不容乐观。这3 个地区在总体排名变化、单个因子排名变化方面均处于下降趋势。黑龙江和吉林2018 年总排名分别为28 位和22位，排名十分靠后；2016—2018 年间，黑龙江、吉林和辽宁的总排名分别下降了6 位、2 位和6 位。从因子排名变化来看，吉林是资源投入因子下降幅度最大的地区，黑龙江是产出因子下降幅度最大的地区。因此，东北三省科技人才竞争力发展面临较大挑战，且短期内不易改变。面这种情形，需要国家在东北地区科技人才发展方面给予一定的政策倾斜，减缓该地区的人才流失速度，营造良好的科技发展环境。

第三，资源投入是推动科技人才竞争力水平提升的关键。资源投入在提升人才竞争力方面发挥的作用占据了半壁江山，因此经济发展水平较高的东部沿海地区在拥有较大的资源投入力度时，也拥有较高的总排名；而中西部地区的资源投入力度不足，尽管在产出因子和生活环境因子方面拥有较高的排名，依然无法拥有较高的总排名。因此，各地区应该在资源投入方面加大力度，同时兼顾产出水平和生活环境改善，共同实现科技人才竞争力水平的提升。