基于因子分析的高校科研绩效评价研究(2004—2012年)*

仲 洁 陈静漪

《国家中长期科学和技术发展规划纲要(2006—2020年)》明确指出:“大学是我国培养高层次创新人才的重要基地，是我国基础研究和高技术领域原始创新的主力军之一，是解决国民经济重大科技问题、实现技术转移、成果转化的生力军。加快建设一批高水平大学，特别是一批世界知名的高水平研究型大学，是我国加速科技创新、建设国家创新体系的需要。”［1］可见，高校科研活动在我国科研系统中占据重要的地位。我国教育科研资源短缺，其中教育部直属高校的科研活动投入占高校总投入的比例越来越大，因此有必要对高校的科研绩效进行评价，以此保障科研资源的合理利用。科研绩效评价是在一定科研目标的基础上，运用科学、规范的评价方法，对一定时期的科研投入、产出和结果进行定量及定性的分析，作出真实、客观、公正的综合性评判。［2］

一、问题的提出

从20世纪初美国科研绩效评价初具雏形至今，国内外学者对科研绩效评价进行了较为广泛的研究。美国对高校绩效评价最典型的是2000年发布的“美国最佳研究型大学”年度评价报告，而英国高校科研评估(RAE)将评估结果与高等教育基金会的拨款挂钩。在我国，目前常见的绩效评价类型有上海交大的世界大学学术排名、网大中国大学排行榜等。多指标综合评价方法在科研绩效评价指标体系的构建方面有较广泛的应用，但部分研究是从总体规模的角度，而不是从科研投入、产出效率角度选取指标，忽视了科研投入与产出关系，甚至忽视了科研产出的质量，更注重科研产出的绝对量;在评价方法方面，文献分析法和层次分析法是我国应用最多的评价方法，近期形成了一种基于多种工具组合来评价高校绩效的趋势，如平衡积分卡与层次分析法组合、层次分析法与数据包法组合等。当前对高校科研绩效评价的探索和研究，除了陆根书教授对2002—2004年我国教育部直属高校科研绩效进行研究外，很少有学者对近几年教育部直属高校科研绩效及影响因素进行实证分析。基于此，文章择取了《教育部直属高校基本情况统计资料汇编》(2004—2012年)以及教育部等官方网站的相关数据，运用因子分析法对我国教育部直属的58所高校的科研绩效进行了评价，分析了高校科研绩效的影响因素，为高校优化科研管理进行了初步探讨。

二、基于因子分析的绩效评价方法

因子分析是研究如何以最少的信息丢失将众多原有变量浓缩成少数几个因子，如何使因子具有一定的命名解释性的多元统计分析方法。［3］

(一)采用因子分析法的现实依据

首先，由于涉及到的变量较多，直接进行高校间的比较分析不易操作，因此采用因子分析法能够有效降低变量维数，同时也不会造成信息大量丢失。其次，统计分析过程中，软件自动予以指标赋权，减少计算的工作量。最后，通过寻找主因子，能够准确把握影响高校科研绩效的因素，有利于深入分析和综合评价，为提高高校科研绩效提出有针对性的建议。

(二)因子分析法的基本思想

根据相关性的大小将变量分组，使得同组内变量间的相关性较高，不同组的变量间的相关性较低。每组变量代表一个基本结构，并用一个不可观测的综合变量表示，即公共因子。这样就找出了复杂关系问题中的几个主要因子，每个因子代表原始变量间的相互依赖关系。

(三)因子分析法的计算步骤

因子分析法的计算步骤如下:(1)分析变量间的相关性。借助SPSS软件计算相关矩阵R，求R矩阵的特征根和特征向量。(2)初始公因子及因子载荷矩阵求解。采用主成分分析法完成因子载荷的求解，反映某个变量在其公共因子上的相对重要性。(3)因子旋转。如果因子负荷相差太大，对因子的解释就有困难，为此可通过旋转坐标轴，使因子负荷在新的坐标系中向0或1两极分化，以便得到一个更易于解释的结构。［4］(4)采用回归的思想计算因子得分。(5)根据因子得分值进一步分析。

三、高校科研绩效评价指标体系的构建

科研绩效评价指标体系是指由各级各项评价指标及其相应的指标权重所构成的有机整体。［5］目前还没有一种技术手段能把所有的目标与标准统统量化成相应的指标。［6］文章在细致深入地分析科研绩效评价相关资料的基础之上，参考多套评价指标体系［7］［8］［9］，并结合我国高校的实际情况以及数据的可获取性，构建了高校科研绩效评价指标体系，如表1所示。

表1 教育部直属高校科研绩效评价指标体系

四、教育部直属高校科研绩效评价实证分析

(一)数据的选取

文章的数据择取于《教育部直属高校基本情况统计资料汇编》(2004—2012年)以及教育部等官方网站，数据真实可靠。样本囊括了教育部直属的58所高校(教育部直属高校共有75所，其中中央音乐学院、中央戏剧学院和西南财经大学等14所高校因其院校特征与其他高校差异较大，其数据的可获取性或可比性也较差，因而剔除;中国矿业大学、中国地质大学和中国石油大学三所两地办学高校各自合并为一所，因此文章一共选取了58所高校作为评价对象)。进而，文章借助SPSS软件采用极值法对收集到的数据进行了无量纲化处理。

(二)高校科研绩效评价的具体实施

1. 考察因子分析法对原有变量的适用性

(1)线性相关性检验。该检验考察变量间是否存在一定的线性关系，是否适用于因子分析。从原有自变量(X1～9)、因变量(Y1～15)的相关系数矩阵(省略)可以看到，自变量间、因变量间的相关系数均处于0.45左右，各自均处于中等水平线性相关，适用于因子分析。

(2)适应性检验。对无量纲化数据进行KMO和Barelett球度检验，结果显示:KMO取值均在0.8以上。根据kaiser的度量标准可知原有变量适用于因子分析;Barelett球度检验的相应概率p均接近0，由于p值小于显著性水平α(0.05)，应拒绝零假设，认为相关系数矩阵与单位阵有显著差异。因此，该因子分析模型具有较好的效果。

2. 采用主成分分析法提取因子并选取特征值大于1的公因子

(1)自变量提取公因子、因子载荷矩阵旋转和公因子命名(见表2、表3)。表2中列出了通过相关系数矩阵计算出来的特征值大于1的两个公因子，其累计方差贡献率为64.884%。这说明，前两个主成分解释了9个变量组合方差的64.884%，能够反映原有指标的绝大部分信息，可以用来替代原有的9个指标。

表2 自变量特征根和方差贡献率

表3 旋转后的因子载荷矩阵(自变量)

根据表2可知，文章提取了2个公因子，分别为F1、F2，为了明确每个公因子的意义，以便对实际问题做出科学分析，采用最大方差法，将自变量因子载荷矩阵进行正交旋转，结果如表3所示。

由表3可知，公因子F1中，研究与发展课题投入人数(自然科学)、参与项目研究生数(自然科学)、社会科技活动人员数(自然科学)、实验室(实习场所)面积和研究与发展经费拨入(自然科学)在该因子上的载荷较大，可将公因子F1命名为自然科学人才及资产因子;公因子F2中，研究与发展课题投入人数(人文社科)、社会科技活动人员数(人文社科)和研究与发展经费拨入(人文社科)在该因子上载荷较大，可将其命名为人文社科人才及资产因子。

(2)因变量提取公因子、因子载荷矩阵旋转和公因子命名(见表4、表5)。表4中列出了通过相关系数矩阵计算出来的特征值大于1的三个公因子，其累计方差贡献率为69.282%。这说明，前三个主成分解释了15个变量组合方差的69.282%，能够反映原有指标的绝大部分信息，可以用来替代原有的15个指标。

同理，采用最大方差法，将因变量因子载荷矩阵进行正交旋转，结果如表5所示。

表4 因变量特征根和方差贡献率

表5 旋转后的因子载荷矩阵(因变量)

由表5可知，公因子F3中，SCI期刊论文数、专利授权数、当量国家科技奖获奖数、全国百篇优秀博士论文获奖数、专利出售当年实际收入金额和技术转让当年实际收入金额在该因子上的载荷较大，可将公因子F3命名为自然科学成果和成果转化因子;公因子F4中，出版专著数(人文社科)、SSCI期刊论文数和A＆HCI期刊论文数、国内发表论文数(人文社科)和省部级科学研究与发展成果获奖数在该因子上载荷较大，可将其命名为人文社科成果因子;公因子F5中，SCI期刊论文数、国内发表论文数(自然科学)、当量毕业硕士研究生和当量毕业博士研究生人数在该因子上载荷较大，可将其命名为科技人才和成果因子。

3. 计算因子得分及综合得分。

在因子模型中，假设公因子F是由变量x表示的线性组合为:F=βj1x1+βj2x2+… +βjpxp，j=1，2，…，m。其中，F为公因子得分，F和 x均为标准化向量，βji为因子得分系数。进而，以方差贡献率比重为权重，加权平均每一年各投入、产出指标的因子得分，得到每一年投入、产出综合得分。用各个高校九年整体的投入综合得分的算术平均值除以产出综合得分的算术平均值，可得到各高校的科研绩效得分，如表6所示(仅以前15名高校为例)。

表6 教育部直属高校科研绩效得分及排名

续表6

(三)结果分析与对策建议

通过对教育部直属高校2004—2012年间的科研绩效进行因子分析，可得出以下结论:

第一，各高校在五个公因子上的得分差距悬殊，相应地绩效得分也有所不同，并且高校的科研投入、产出综合得分与科研绩效得分之间不呈正相关。高投入或高产出的高校，其科研绩效得分并不一定高，反之亦然。如G大学的科研投入、产出综合得分均较高，科研绩效得分排名却为第七;A大学的科研投入、产出综合得分均较低，科研绩效得分排名却为第一。可见，影响高校科研绩效的主要因素不只是投入或产出规模，更重要的是对科研资源的合理配置和有效利用。

第二，各高校可以通过考察科研绩效的影响因素，发现自身在科学研究活动中所具备的优势与不足，合理配置科研资源，实施科学化管理，从而提高科研绩效。以C大学为例，在投入方面，C大学的自然科学人才及资产因子得分为－0.5333，相对较低，而由表3、6可知，研究与发展课题投入人数(自然科学)、参与项目研究生数(自然科学)、社会科技活动人员数(自然科学)、实验室(实习场所)面积和研究与发展经费拨入(自然科学)四个变量在F1上负荷量较大，分别为0.852、0.739、0.812、0.795和0.836。这说明C大学在以上五个方面的投入量相对较少。C大学的人文社科人才及资产因子(F2)得分为1.4246，即其在研究与发展课题投入人数(人文社科)、社会科技活动人员数(人文社科)和研究与发展经费拨入(人文社科)三个方面的投入量相对处于中等水平。在产出方面，由表5、表6可知，C大学的自然科学成果和成果转化因子(F3)得分为0.8136，相对较高，即在SCI期刊论文数、专利授权数和专利出售当年实际收入金额等六个方面的产量相对较高;人文社科成果因子(F4)得分为0.8119，即在出版专著数(人文社科)、SSCI期刊论文数和A＆HCI期刊论文数、国内发表论文数(人文社科)和省部级科学研究与发展成果获奖数五个方面的产量较高;科技人才和成果因子(F5)得分为3.4368，SCI期刊论文数、国内发表论文数(自然科学)、当量毕业硕士研究生人数和当量毕业博士研究生人数四个变量具有较高负荷量，可以理解为C大学在这四个方面产量非常出色。可见，C大学的绩效得分及排名很靠前，绩效较好。虽然自然科学方面的投入量相对较低，但其自然科学和人文社科方面的科研产出量均较高，且发展较为均衡。其他高校有类似的解释，不做赘述。

第三，高校在自然科学方面的绩效与人文社科方面的绩效有显著差异:大部分高校在自然科学方面取得的绩效明显较高，少数高校在人文社科方面的绩效较高。这主要是因为各类高校的院校特征存在差异。对于部分强调均衡发展的综合型高校而言，虽然平衡了不同学科间的资源配置，但两者的绩效差异仍然较大，问题可能就出在高校内部科研管理部门的管理上，致使科研资源利用率较低，人文社科方面的科研绩效情况较差。

基于以上分析，本研究认为高校要建立鼓励创新、体现科研实绩的绩效管理机制。首先，高校是科研资源配置和管理的责任主体，应该高度重视并认真贯彻落实国家相关政策规定，在探索和学习中优化科研管理，从重视绝对值的科研产量转向重视科研相对产出量，强化成本意识。其次，高校可以定期开展校内科研绩效评价活动，考察自身的科研绩效情况，及时地在投入、产出和管理方面等寻求科研绩效低下的影响因素并制定整改措施，合理配置科研投入资源，如扩充社会科技活动人员队伍，制定合理的科研奖励政策，营造良好的科研氛围，努力调用有效物力资源，引进先进的实验设备，保证科研人员具有充足的实验室空间，丰富图书资料和数字化信息资源，为从事科技创新活动提供必要的物质基础等。这样能够有效调动科研人员的工作积极性，也有利于形成人人争先搞科研的良好氛围。［10］此外，高校应根据现实的需要以及自身特色来确定科研发展的方向，合理配置有限的科研资源，提高科研资源利用率。

总之，在鼓励创新、体现科研实绩的绩效管理机制的作用下，高校需要从提高公因子得分上入手，即从该公因子中负荷量较高的变量入手，合理配置资源，优化科研管理，实现资源效能最大化，从而提升自身的科研绩效水平。

五、结论

文章基于因子分析方法对我国教育部直属的58所高校进行了科研绩效实证研究，得出了一些有用的结论。但由于各方面的原因，本研究也存在一定的不足。如考虑到指标数据的可获取性及可操作性，对于理论上可行、却没有真实数据支撑的指标，只能剔除或用其他类似指标来替代;由于本人知识结构的局限性，不能将所有指标都纳入评价体系中，可能会导致评价结果有所偏差。文章作为阶段性研究成果，以上问题待进一步的研究。

［1］ 《国家中长期科学和技术发展规划纲要(2006—2020年)》摘要［J］.榆林科技，2006(1):1.

［2］ 戚涌，李千目.科学研究绩效评价的理论与方法［M］.北京:科学出版社，2009.11.

［3］ 薛薇.SPSS统计分析方法及应用［M］.北京:电子工业出版社，2009.

［4］ 柯惠新，黄京华，沉浩.调查研究中的统计分析法［M］.北京:北京广播学院出版社，1992.

［5］ 王汉澜.教育评价学［M］.开封:河南大学出版社，1995.83.

［6］ 刘新平，刘存侠.教育统计与测评导论［M］.北京:科学出版社，2002.11.

［7］ 蔡言厚，田金山，吴厚平.大学科研定量评价指标体系的探讨［J］.中国高等教育评估，2002(2):21－24.

［8］ 陆根书，朱继洲.高等学校的综合校力及其增强机制［J］.机械工业高教研究，1994(3):11－16.

［9］ 袁振国，张男星，孙继红.2012年高校绩效评价研究报告［J］.教育研究，2013(10):55－64.

［10］ 邓毅.高校科研量化评价探析［J］.现代教育论丛，2006(4):21－23.