浙江技术创新人才集聚力评价指标体系研究

浙江省技术创新人才集聚力评价指标体系研究

王萍

内容提要在技术创新人才环境、人才吸引力等相关理论成果的基础上，综合考虑影响技术创新人才集聚的各个要素，通过定量研究筛选得到经济环境、生活环境、创新投入和创新产出四大类29个指标构成的区域技术创新人才集聚力评价指标体系，采用因子分析对各个指标进行赋权并建立起评价模型。最后应用该指标体系和模型，对浙江省的技术创新人才集聚力进行评价，并与一些省市进行比较分析，用具体的数字来刻画浙江省技术创新人才集聚力情况。

关键词技术创新人才集聚评价指标

一、浙江省技术创新人才集聚力评价指标筛选

（一）基础指标的收集

关于技术创新人才集聚力指标体系的研究，目前基本处于空白，类似的研究主要包括查奇芬（2002）的人才环境综合评价指标体系，宋鸿、陈晓玲（2006）的区域人才吸引力指标体系，牛冲槐、唐朝永（2007）的区域人才集聚力指标体系，牛冲槐、张蔷薇（2007）的区域科技型人才聚集效应支持体系评价指标体系，韩伯棠、王莹（2006）的中国科技人才资源评价指标体系等。梳理这些研究成果，总结出现有的技术创新人才集聚力指标主要包括：

（1）经济实力：包括 GDP、人均GDP、第三产业占GDP比重、固定资产投资、外商直接投资、财政收入、失业率、恩格尔系数。（2）生活水平：包括人均住房面积、在岗职工人均工资、个人可支配收入、人均年消费支出、每万人医生数、每万人拥有病床数、商品房平均价格。（3）文化教育水平：包括人均教育经费、每十万人口在校大学生数、高等学校数。（4）基础设施：包括每万人公交车数、人均道路面积、每万人拥有绿地面积。（5）技术创新研发投入：包括R&D投入占GDP比重、人均科技经费支出、科技活动人员比重。（6）研发能力：包括专利申请数、专利授权数、科技论文数。（7）创新产出：包括新产品产值占工业总产值比重、新产品销售收入占产品销售收入比重。（8）创新成果流动能力：包括技术市场成交额、国内技术购买成交额、国外技术引进额。（9）人才载体数量：包括企业数、有科技活动企业数、人才中介机构数。

（二）评价指标的筛选

指标构建中的一个不可回避的问题就是评价指标的鉴别力分析。本文采用变差系数来描述区域技术创新人才集聚力评价指标的鉴别力：

其中，，即平均值，为标准差。运用浙江省2002—2006

年的统计数据计算得出各指标的变差系数，如表1所示。

变差系数越大，该指标的鉴别能力越强；反之，鉴别能力则越差。取临界值0.5，小于0.5的指标删除，因此删除了变差系数相对较小的“GDP”、“恩格尔系数”、“人均年消费支出”、“每万人拥有病床数”、“商品房平均价格”、“国内技术购买成交额”这6个指标。最后筛选出29个指标。

二、基于因子分析的评价指标体系构建

通过筛选得到的29个指标，采用因子分析法进行拟合，对其进一步归类以形成指标体系。结果表明，经方差极大旋转以后，被提取的四个主因子的特征值分别为18.071、6.075、2.565、2.289。它们的方差贡献率分别为67.210%、20.949%、8.844%和2.998%，累计方差贡献率达到99.172%。显然这四个主因子能够解释评价指标的大部分信息。通过因子分析得到各因子的载荷情况见表2。

根据方差和因子载荷分析结果得出：

第一因子包括人均GDP、第三产业占GDP比重、固定资产投资、外商直接投资、在岗职工人均工资、个人可支配收入、财政收入、失业率这8个指标，可以命名为经济环境。

第二因子包括人均住房面积、每万人医生数、每万人口在校大学生数、高等学校数、每万人公交车数、人均道路面积、每万人拥有绿地面积，可以命名为生活环境。

第三因子包括人均教育经费、R&D经费支出总额、科技经费支出总额、科技活动人员数、国外技术引进额、企业数、有科技活动企业数、人才中介机构数，可以命名为创新投入。

第四因子包括专利申请数、专利授权数、科技论文数、新产品产值占工业总产值比重、新产品销售收入占产品销售收入比重、技术市场成交额，可以命名为创新产出。

由此整理得到浙江省技术创新人才集聚力指标体系：

三、评价指标权重的确定

本文选取2002年至2006年浙江省统计数据，采用因子分析法，利用SPSS11.0对人才集聚力指标进行赋权。

（一）方差分析和载荷分析

对“经济环境”大项中的8个指标、“生活环境”的7个指标、“创新投入”的8个指标、“创新产出”的6个指标进行SPSS因子分析，得到KMO测度分别为0.755、0.849、0.835、0.847，表示可以做因子分析。经方差极大旋转以后，“经济环境指标”被提取的两个主因子的特征值分别为6.002、1.426，它们的方差贡献率为75.021%和17.823%，累计方差贡献率达到92.844%；“生活环境指标”被提取的两个主因子的特征值分别为5.482、1.407，它们的方差贡献率为78.320%和20.095%，累计方差贡献率达到98.415%；“创新投入指标”被提取的两个主因子的特征值分别为4.731、2.518，它们的方差贡献率为59.138%和31.476%，累计方差贡献率达到90.614%；“创新产出指标”被提取的两个主因子的特征值分别为4.773、1.098。它们的方差贡献率为79.552%和18.305%，累计方差贡献率达到97.857%。显然通过上述方法所提取的主因子能够解释评价指标的绝大部分信息。

同时采用方差极大值旋转法进行因子分析。表4是删除了较低载荷后得到的载荷分析矩阵。

（二）权重

在载荷分析的基础上，根据各因子的方差贡献率和在主要评价指标上的载荷系数，可以确定各主成分和评价指标的权重值，如表5所示。

根据上述指标体系和权重，就可以构造如下的浙江省人才集聚力评价模型：

式中，Fj（j=1，2，3，4，5）为相应指标的综合得分；

ωi（j=1-2）为第i个因子所对应的权重系数，每类指标均提取2个公因子；

Fij为第j年在第i个因子上的得分。

应用该模型，就可以对区域进行人才集聚力的评价。下文将以浙江省为例阐

述区域技术创新人才集聚力指标体系的应用。