云南省高校面向東盟科技合作與交流的影響因素實證分析
2014-02-22 09:14:03張明凱趙光洲
價值工程 2014年2期
張明凱+趙光洲
摘要： 借助于建設面向東盟的大通道戰略和地理位置毗鄰優勢，云南省與東盟國家開展了一系列的科技合作與交流項目，但從已有數據分析，合作與交流的效果并不理想。文章基于影響科技合作與交流的因素的問卷調查結果，利用spss16.0軟件采用因子分析法對這些影響因素進行歸納，找出權重大的影響因素，為云南省高校與東盟今后順利開展合作與交流項目提供指導性建議。
Abstract： With the construction of a major thoroughfare strategy for the ASEAN and the location adjacent to the strategic advantages between Yunnan and ASEAN， these countries launched a series of scientific and technological cooperation and exchange programs. From analysis of existing data， the results are unsatisfactory. This article based on the impact of scientific and technological cooperation and the results of a survey's exchanged factors as well as uses factor analysis to summarize these factors and find the principle factors by using the spss16.0 software. In order to provide guidance for future success cooperation and exchange projects between Yunnan's universities and ASEAN.
關鍵詞： 云南高校；東盟；科技合作與交流；因子分析
Key words： Yunnan's universities；ASEAN；scientific and technological cooperation；factor analysis
中圖分類號：F207 文獻標識碼：A 文章編號：1006-4311（2014）02-0011-03
0 引言
高校是國際科技合作與交流活動中最活躍的主體。加強國際科技合作與交流，是加快建立高水平科技創新隊伍、培養具有國際影響學術帶頭人的重要途徑，是增強高校科技創新能力和提高云南省科技核心競爭力的需要。云南省由于特殊的地理位置和與東南亞國家歷史上形成的友好交往傳統，在推動和實施科技合作交流方面具有得天獨厚的地緣優勢，再加上中國—東盟自由貿易區的建設更是為云南高校與東盟國家的科技合作與交流提供了歷史性機遇。云南省高校與東盟國家之間的科技合作與交流取得了一定的成效，但也存在一些問題。在新形勢下，深入研究國際科技合作的發展戰略，找出影響科技合作與交流的主要因素，以進一步推動云南省高校與東盟國家之間的科技合作與交流工作的開展，具有重要的理論和實踐意義。
1 云南省高校與東盟科技合作與交流的影響因素指標體系構建
通過對云南省高校面向東盟科技合作與交流的歷史數據分析，根據以往對東盟國家科技合作和交流的實際案例研究，設計了影響云南省高等院校與東盟開展科技合作與交流影響因素的問卷，此問卷中設計的影響因素一共有21個，這21個因素分別為：合適的合作伙伴（X1），合作伙伴的誠信度（X2），合作伙伴的研發能力（X3），研發結果能否達到企業技術要求（X4），研究成果是否能夠產業化（X5），在收益分配上的分歧（X6），研究成果市場價值高低（X7），合作成果知識產權糾紛（X8），中介機構服務功能強弱（X9），資金支持（X10），雙方責權利的清晰度（X11），政策保障（X12），人力資源條件（X13），合作的風險（X14），成功的經驗（X15），領導的重視（X16），科技人員意識（X17），學歷互相承認（X18），優勢互補（X19），信息渠道的暢通（X20），市場潛力的大小（X21）等。
通過對問卷進行投放、回收、數據整理，利用spss統計分析軟件中的因子分析方法對這些影響因素進行分析，找出能夠解釋現象的主要影響因子，而彼此之間替代性較弱的因子，去掉那些相關性較高的因子，就能夠達到用較少的因子去解釋整個現象的目的，這就是指標體系構建的目的。下面將對因子分析法進行介紹。
2 實證分析
此次問卷共發放和回收了80份，對象是云南省與東盟國家開展過交流和合作的高等院校及科研機構，經過整理，最終得到有效問卷61份，問卷有效率為76%，通過對問卷結果的分析，找出權重大的公共影響因子。
2.1 因子分析的實現過程 運用spss16.0統計分析軟件對應的因子分析命令對61家科研機構調研值進行因子分析。具體操作步驟如下：
①打開相應數據文件后，選擇菜單“Analyze→Data Reduction→Factor……”，彈出“Factor Analysis”對話框，在對話框左側的變量列表中選擇變量X1至X21，使之添加到“Variables”框。
②單擊“Descriptives”按鈕，彈出“Descriptives”子對話框，選中該對話框中所有選項，單擊“Continue”按鈕返回“Factor Analysis”對話框。
③單擊“Extraction”按鈕，彈出“Extraction”子對話框，選擇因子提取方法，選用“Principal components”方法，選擇相關系數矩陣作為提取因子變量的依據，選中“Unrotated factor solution”和“Scree plot”項，輸出未經過旋轉的因子載荷矩陣與其特征值的碎石圖；選擇“Eigenvaluse over”項，在該選項后面可以輸入1，指定提取特征值大于1的因子。單擊“Continue”按鈕返回“Factor Analysis”對話框。endprint
④單擊“Factor Analysis”對話框中的“Rotation”按鈕，彈出“Factor Analysis： Rotation”對話框，該對話框用于選擇因子載荷矩陣的旋轉方法。旋轉目的是為了簡化結構，以幫助我們解釋因子。SPSS默認不進行旋轉（None）。選擇方差極大法旋轉Varimax，并選中“Rotated solution”和“Loading plot”項，表示輸出旋轉后的因子載荷矩陣和載荷散點圖，單擊“Continue”按鈕返回“Factor Analysis”對話框。
⑤單擊“Factor Analysis”對話框中的“Scores”按鈕，彈出“Factor Analysis： Scores”對話框，該對話框用以選擇對因子得分進行設置，在彈出菜單中選擇“Regression”“Display factor score coefficient matrix”兩個選項。
⑥單擊“Factor Analysis”對話框中的“Options”按鈕，彈出“Factor Analysis： Options”對話框，該對話框可以指定其他因子分析的結果，并選擇對缺失數據的處理方法，選中“Exclude cases listwise”項，單擊“Continue”按鈕返回“Factor Analysis”對話框，完成設置。
⑦所有設置完成后，點擊“Ok”按鈕，軟件得到輸出結果。
2.2 對輸出結果的分析
2.2.1 KMO檢驗和Bartlett球度檢驗結果
表1給出了KMO檢驗和Bartlett球度檢驗的結果。KMO檢驗用于檢驗變量間的偏相關系數是否過小，一般情況下，當KMO大于0.9時效果最佳，小于0.5時不適宜做因子分析。Bartlett球度檢驗用于檢驗相關系數矩陣是否是單位陣，如果結論是不拒絕該假設，則表示各個變量都是各自獨立的。從表1可以看出KMO檢驗結果0.813，接近0.9，很適合做因子分析，Bartlett球度檢驗給出的概率為0.000，小于顯著性水平0.05，因此拒絕Bartlett球度檢驗的零假設，認為適合于因子分析。
2.2.2 全部解釋方差表
表2是全部解釋方差表，此表顯示了提取出的因子的特征值，以及每個特征值的累積方差貢獻率，方差貢獻率是衡量各因子相對重要程度的指標，方差貢獻率的大小，表示各個因子的相對重要程度。我們設置的是按照個數來提取公共因子，從表中可以看出，前5個因子的累積貢獻率達到了70%，并且前4個因子的特征值大于1，第五個因子的特征值接近于1，這樣就對公共因子系數的計算影響甚微。說明前五個因子對問題的解釋力度較強，對于研究問題來講具有較為顯著的代表性。故而，我們在這里選取了五個公共因子。這樣就用5個公共因子來代替原來的21個影響指標。從生成的碎石圖也可以看出，前5個公共因子能夠解釋21個影響因素的變異量（圖1）。
2.2.3 因子負荷矩陣
為了對所取得的這5個公共因子進行合理解釋并進一步得到它們各自對于這21個影響指標的線性表達式，因而需要得到21個影響因素對5個公共因子的因子負荷量（即各因子與各影響因素的相關系數），因子負荷矩陣見表3。
將因子負荷陣中的5列數據輸入到數據編輯窗口（為變量B1、B2、B3、B4、B5），然后利用“Transform-compute”，在對話框中輸入“A1=B1/SQR（8.935）” [注：第二公共因子SQR 后的括號中填2.055，第三、第四、第五公共因子同理]，即可得到特征向量A1。同理，可得到A2、A3、A4、A5。然后就可以得出每一個因素相對于提取出的公共因子的系數，寫出各個變量對于公共因子的線性組合表達式如下：
F1=0.2134？鄢X1+0.2479？鄢X2+0.1439？鄢X3+0.2027？鄢X4+0.2452？鄢X5+0.2088？鄢X6+0.2151？鄢X7+0.2174？鄢X8+0.1826？鄢X9+0.2261？鄢X10+0.2375？鄢X11+0.2539？鄢X12+0.2254？鄢X13+0.2535？鄢X14+0.2171？鄢X15+0.2077？鄢X16+0.2281？鄢X17+0.1478？鄢X18+0.1910？鄢X19+0.2335？鄢X20+0.2412？鄢X21
F2=0.1032？鄢X1+0.0628？鄢X2+0.0258？鄢X3+-0.3690？鄢X4+-0.1409？鄢X5+-0.2595？鄢X6+-0.2497？鄢X7+-0.3600？鄢X8+-0.2518*X9+-0.0844？鄢X10+-0.1876？鄢X11+0.0335？鄢X12+0.0523？鄢X13+-0.0467？鄢X14+0.2965？鄢X15+0.3139？鄢X16+0.1953？鄢X17+0.3341？鄢X18+0.2295？鄢X19+0.1932？鄢X20+0.1772？鄢X21
F3、F4、F5的表達式原理同上，此處略去。
根據以上表達式，可知，第一公共因子F1在研發結果能否達到企業技術要求，研究成果是否能夠產業化，合作成果知識產權糾紛，資金支持，人力資源條件，合作的風險，科技人員意識，信息渠道的暢通，市場潛力的大小等指標上載荷較大，可以認為F1是保障條件因子。
第二公共因子F2是次重要的影響因子。該因子在成功的經驗，領導的重視等指標上負載較大，可將F2定義為重視程度因子，在分析時可針對具體指標逐個進行。
第三公共因子F3重要性與F2基本相當。該主成分在合適的合作伙伴，合作伙伴的研發能力，在收益分配上的分歧，學歷互相承認等指標上載荷較大。可以認為F3是合作伙伴因子。
第四公共因子在研究成果市場價值高低，中介機構服務功能強弱，優勢互補等指標上載荷較大，可以認為F4是應用價值因子。
第五公共因子在合作伙伴的誠信度，雙方責權利的清晰度，政策保障等指標上的載荷較大，可以認為F5是前提條件因子。
2.2.4 因子得分協方差矩陣（如表4所示）
表4是因子得分的協方差矩陣，由于因子得分的協方差陣為單位矩陣，說明提取的5個公因子之間是不相關的。
3 結論
通過對影響云南省高等院校與東盟國家科技合作與交流的因素的問卷結果進行因子分析，發現21個影響指標可以用五個公共因子來解釋，這五個公共因子代表了保障條件，重視程度，合作伙伴，應用價值，前提條件等，這五類影響因素，對云南省高校與東盟國家科技合作與交流具有較大影響。根據對科技合作與交流的實際情況調查，一是大部分高等院校或科研院所走向東盟開展科技合作與交流的愿望強烈，但是實際開展科技合作與交流的項目數量不多，二是科技合作與交流過程中存在一些問題，通過對此次問卷調查結果的分析，找出了主要的影響因素，對今后云南省高等院校與東盟國家開展合作與交流提供必要的指導作用。
參考文獻：
[1]馬敏象等.云南與東盟科技合作[M].云南科技出版社，2008（5）.
[2]羅應婷，楊玉娟.spss統計分析從基礎到實踐[M].電子工業出版社，2008，3.
[3]趙光洲等.云南省高等院校面向東盟科技合作與交流研究[R].省院省校合作項目.endprint
④單擊“Factor Analysis”對話框中的“Rotation”按鈕，彈出“Factor Analysis： Rotation”對話框，該對話框用于選擇因子載荷矩陣的旋轉方法。旋轉目的是為了簡化結構，以幫助我們解釋因子。SPSS默認不進行旋轉（None）。選擇方差極大法旋轉Varimax，并選中“Rotated solution”和“Loading plot”項，表示輸出旋轉后的因子載荷矩陣和載荷散點圖，單擊“Continue”按鈕返回“Factor Analysis”對話框。
⑤單擊“Factor Analysis”對話框中的“Scores”按鈕，彈出“Factor Analysis： Scores”對話框，該對話框用以選擇對因子得分進行設置，在彈出菜單中選擇“Regression”“Display factor score coefficient matrix”兩個選項。
⑥單擊“Factor Analysis”對話框中的“Options”按鈕，彈出“Factor Analysis： Options”對話框，該對話框可以指定其他因子分析的結果，并選擇對缺失數據的處理方法，選中“Exclude cases listwise”項，單擊“Continue”按鈕返回“Factor Analysis”對話框，完成設置。
⑦所有設置完成后，點擊“Ok”按鈕，軟件得到輸出結果。
2.2 對輸出結果的分析
2.2.1 KMO檢驗和Bartlett球度檢驗結果
表1給出了KMO檢驗和Bartlett球度檢驗的結果。KMO檢驗用于檢驗變量間的偏相關系數是否過小，一般情況下，當KMO大于0.9時效果最佳，小于0.5時不適宜做因子分析。Bartlett球度檢驗用于檢驗相關系數矩陣是否是單位陣，如果結論是不拒絕該假設，則表示各個變量都是各自獨立的。從表1可以看出KMO檢驗結果0.813，接近0.9，很適合做因子分析，Bartlett球度檢驗給出的概率為0.000，小于顯著性水平0.05，因此拒絕Bartlett球度檢驗的零假設，認為適合于因子分析。
2.2.2 全部解釋方差表
表2是全部解釋方差表，此表顯示了提取出的因子的特征值，以及每個特征值的累積方差貢獻率，方差貢獻率是衡量各因子相對重要程度的指標，方差貢獻率的大小，表示各個因子的相對重要程度。我們設置的是按照個數來提取公共因子，從表中可以看出，前5個因子的累積貢獻率達到了70%，并且前4個因子的特征值大于1，第五個因子的特征值接近于1，這樣就對公共因子系數的計算影響甚微。說明前五個因子對問題的解釋力度較強，對于研究問題來講具有較為顯著的代表性。故而，我們在這里選取了五個公共因子。這樣就用5個公共因子來代替原來的21個影響指標。從生成的碎石圖也可以看出，前5個公共因子能夠解釋21個影響因素的變異量（圖1）。
2.2.3 因子負荷矩陣
為了對所取得的這5個公共因子進行合理解釋并進一步得到它們各自對于這21個影響指標的線性表達式，因而需要得到21個影響因素對5個公共因子的因子負荷量（即各因子與各影響因素的相關系數），因子負荷矩陣見表3。
將因子負荷陣中的5列數據輸入到數據編輯窗口（為變量B1、B2、B3、B4、B5），然后利用“Transform-compute”，在對話框中輸入“A1=B1/SQR（8.935）” [注：第二公共因子SQR 后的括號中填2.055，第三、第四、第五公共因子同理]，即可得到特征向量A1。同理，可得到A2、A3、A4、A5。然后就可以得出每一個因素相對于提取出的公共因子的系數，寫出各個變量對于公共因子的線性組合表達式如下：
F1=0.2134？鄢X1+0.2479？鄢X2+0.1439？鄢X3+0.2027？鄢X4+0.2452？鄢X5+0.2088？鄢X6+0.2151？鄢X7+0.2174？鄢X8+0.1826？鄢X9+0.2261？鄢X10+0.2375？鄢X11+0.2539？鄢X12+0.2254？鄢X13+0.2535？鄢X14+0.2171？鄢X15+0.2077？鄢X16+0.2281？鄢X17+0.1478？鄢X18+0.1910？鄢X19+0.2335？鄢X20+0.2412？鄢X21
F2=0.1032？鄢X1+0.0628？鄢X2+0.0258？鄢X3+-0.3690？鄢X4+-0.1409？鄢X5+-0.2595？鄢X6+-0.2497？鄢X7+-0.3600？鄢X8+-0.2518*X9+-0.0844？鄢X10+-0.1876？鄢X11+0.0335？鄢X12+0.0523？鄢X13+-0.0467？鄢X14+0.2965？鄢X15+0.3139？鄢X16+0.1953？鄢X17+0.3341？鄢X18+0.2295？鄢X19+0.1932？鄢X20+0.1772？鄢X21
F3、F4、F5的表達式原理同上，此處略去。
根據以上表達式，可知，第一公共因子F1在研發結果能否達到企業技術要求，研究成果是否能夠產業化，合作成果知識產權糾紛，資金支持，人力資源條件，合作的風險，科技人員意識，信息渠道的暢通，市場潛力的大小等指標上載荷較大，可以認為F1是保障條件因子。
第二公共因子F2是次重要的影響因子。該因子在成功的經驗，領導的重視等指標上負載較大，可將F2定義為重視程度因子，在分析時可針對具體指標逐個進行。
第三公共因子F3重要性與F2基本相當。該主成分在合適的合作伙伴，合作伙伴的研發能力，在收益分配上的分歧，學歷互相承認等指標上載荷較大。可以認為F3是合作伙伴因子。
第四公共因子在研究成果市場價值高低，中介機構服務功能強弱，優勢互補等指標上載荷較大，可以認為F4是應用價值因子。
第五公共因子在合作伙伴的誠信度，雙方責權利的清晰度，政策保障等指標上的載荷較大，可以認為F5是前提條件因子。
2.2.4 因子得分協方差矩陣（如表4所示）
表4是因子得分的協方差矩陣，由于因子得分的協方差陣為單位矩陣，說明提取的5個公因子之間是不相關的。
3 結論
通過對影響云南省高等院校與東盟國家科技合作與交流的因素的問卷結果進行因子分析，發現21個影響指標可以用五個公共因子來解釋，這五個公共因子代表了保障條件，重視程度，合作伙伴，應用價值，前提條件等，這五類影響因素，對云南省高校與東盟國家科技合作與交流具有較大影響。根據對科技合作與交流的實際情況調查，一是大部分高等院校或科研院所走向東盟開展科技合作與交流的愿望強烈，但是實際開展科技合作與交流的項目數量不多，二是科技合作與交流過程中存在一些問題，通過對此次問卷調查結果的分析，找出了主要的影響因素，對今后云南省高等院校與東盟國家開展合作與交流提供必要的指導作用。
參考文獻：
[1]馬敏象等.云南與東盟科技合作[M].云南科技出版社，2008（5）.
[2]羅應婷，楊玉娟.spss統計分析從基礎到實踐[M].電子工業出版社，2008，3.
[3]趙光洲等.云南省高等院校面向東盟科技合作與交流研究[R].省院省校合作項目.endprint
④單擊“Factor Analysis”對話框中的“Rotation”按鈕，彈出“Factor Analysis： Rotation”對話框，該對話框用于選擇因子載荷矩陣的旋轉方法。旋轉目的是為了簡化結構，以幫助我們解釋因子。SPSS默認不進行旋轉（None）。選擇方差極大法旋轉Varimax，并選中“Rotated solution”和“Loading plot”項，表示輸出旋轉后的因子載荷矩陣和載荷散點圖，單擊“Continue”按鈕返回“Factor Analysis”對話框。
⑤單擊“Factor Analysis”對話框中的“Scores”按鈕，彈出“Factor Analysis： Scores”對話框，該對話框用以選擇對因子得分進行設置，在彈出菜單中選擇“Regression”“Display factor score coefficient matrix”兩個選項。
⑥單擊“Factor Analysis”對話框中的“Options”按鈕，彈出“Factor Analysis： Options”對話框，該對話框可以指定其他因子分析的結果，并選擇對缺失數據的處理方法，選中“Exclude cases listwise”項，單擊“Continue”按鈕返回“Factor Analysis”對話框，完成設置。
⑦所有設置完成后，點擊“Ok”按鈕，軟件得到輸出結果。
2.2 對輸出結果的分析
2.2.1 KMO檢驗和Bartlett球度檢驗結果
表1給出了KMO檢驗和Bartlett球度檢驗的結果。KMO檢驗用于檢驗變量間的偏相關系數是否過小，一般情況下，當KMO大于0.9時效果最佳，小于0.5時不適宜做因子分析。Bartlett球度檢驗用于檢驗相關系數矩陣是否是單位陣，如果結論是不拒絕該假設，則表示各個變量都是各自獨立的。從表1可以看出KMO檢驗結果0.813，接近0.9，很適合做因子分析，Bartlett球度檢驗給出的概率為0.000，小于顯著性水平0.05，因此拒絕Bartlett球度檢驗的零假設，認為適合于因子分析。
2.2.2 全部解釋方差表
表2是全部解釋方差表，此表顯示了提取出的因子的特征值，以及每個特征值的累積方差貢獻率，方差貢獻率是衡量各因子相對重要程度的指標，方差貢獻率的大小，表示各個因子的相對重要程度。我們設置的是按照個數來提取公共因子，從表中可以看出，前5個因子的累積貢獻率達到了70%，并且前4個因子的特征值大于1，第五個因子的特征值接近于1，這樣就對公共因子系數的計算影響甚微。說明前五個因子對問題的解釋力度較強，對于研究問題來講具有較為顯著的代表性。故而，我們在這里選取了五個公共因子。這樣就用5個公共因子來代替原來的21個影響指標。從生成的碎石圖也可以看出，前5個公共因子能夠解釋21個影響因素的變異量（圖1）。
2.2.3 因子負荷矩陣
為了對所取得的這5個公共因子進行合理解釋并進一步得到它們各自對于這21個影響指標的線性表達式，因而需要得到21個影響因素對5個公共因子的因子負荷量（即各因子與各影響因素的相關系數），因子負荷矩陣見表3。
將因子負荷陣中的5列數據輸入到數據編輯窗口（為變量B1、B2、B3、B4、B5），然后利用“Transform-compute”，在對話框中輸入“A1=B1/SQR（8.935）” [注：第二公共因子SQR 后的括號中填2.055，第三、第四、第五公共因子同理]，即可得到特征向量A1。同理，可得到A2、A3、A4、A5。然后就可以得出每一個因素相對于提取出的公共因子的系數，寫出各個變量對于公共因子的線性組合表達式如下：
F1=0.2134？鄢X1+0.2479？鄢X2+0.1439？鄢X3+0.2027？鄢X4+0.2452？鄢X5+0.2088？鄢X6+0.2151？鄢X7+0.2174？鄢X8+0.1826？鄢X9+0.2261？鄢X10+0.2375？鄢X11+0.2539？鄢X12+0.2254？鄢X13+0.2535？鄢X14+0.2171？鄢X15+0.2077？鄢X16+0.2281？鄢X17+0.1478？鄢X18+0.1910？鄢X19+0.2335？鄢X20+0.2412？鄢X21
F2=0.1032？鄢X1+0.0628？鄢X2+0.0258？鄢X3+-0.3690？鄢X4+-0.1409？鄢X5+-0.2595？鄢X6+-0.2497？鄢X7+-0.3600？鄢X8+-0.2518*X9+-0.0844？鄢X10+-0.1876？鄢X11+0.0335？鄢X12+0.0523？鄢X13+-0.0467？鄢X14+0.2965？鄢X15+0.3139？鄢X16+0.1953？鄢X17+0.3341？鄢X18+0.2295？鄢X19+0.1932？鄢X20+0.1772？鄢X21
F3、F4、F5的表達式原理同上，此處略去。
根據以上表達式，可知，第一公共因子F1在研發結果能否達到企業技術要求，研究成果是否能夠產業化，合作成果知識產權糾紛，資金支持，人力資源條件，合作的風險，科技人員意識，信息渠道的暢通，市場潛力的大小等指標上載荷較大，可以認為F1是保障條件因子。
第二公共因子F2是次重要的影響因子。該因子在成功的經驗，領導的重視等指標上負載較大，可將F2定義為重視程度因子，在分析時可針對具體指標逐個進行。
第三公共因子F3重要性與F2基本相當。該主成分在合適的合作伙伴，合作伙伴的研發能力，在收益分配上的分歧，學歷互相承認等指標上載荷較大。可以認為F3是合作伙伴因子。
第四公共因子在研究成果市場價值高低，中介機構服務功能強弱，優勢互補等指標上載荷較大，可以認為F4是應用價值因子。
第五公共因子在合作伙伴的誠信度，雙方責權利的清晰度，政策保障等指標上的載荷較大，可以認為F5是前提條件因子。
2.2.4 因子得分協方差矩陣（如表4所示）
表4是因子得分的協方差矩陣，由于因子得分的協方差陣為單位矩陣，說明提取的5個公因子之間是不相關的。
3 結論
通過對影響云南省高等院校與東盟國家科技合作與交流的因素的問卷結果進行因子分析，發現21個影響指標可以用五個公共因子來解釋，這五個公共因子代表了保障條件，重視程度，合作伙伴，應用價值，前提條件等，這五類影響因素，對云南省高校與東盟國家科技合作與交流具有較大影響。根據對科技合作與交流的實際情況調查，一是大部分高等院校或科研院所走向東盟開展科技合作與交流的愿望強烈，但是實際開展科技合作與交流的項目數量不多，二是科技合作與交流過程中存在一些問題，通過對此次問卷調查結果的分析，找出了主要的影響因素，對今后云南省高等院校與東盟國家開展合作與交流提供必要的指導作用。
參考文獻：
[1]馬敏象等.云南與東盟科技合作[M].云南科技出版社，2008（5）.
[2]羅應婷，楊玉娟.spss統計分析從基礎到實踐[M].電子工業出版社，2008，3.
[3]趙光洲等.云南省高等院校面向東盟科技合作與交流研究[R].省院省校合作項目.endprint
