2016—2018 年我國區域科技人才競爭力評價

趙淵博

(中國社會科學院中國社會科學評價研究院，北京 100732)

當前，科技創新已經成為推動經濟增長的強大動力之一，也是一國綜合實力的集中體現。全球化時代，科技實力已經成為衡量一國綜合國力的重要因素，而各國科技競爭的背后是人才的競爭。人才是科技創新的主體，高水平的科技創新實力離不開一支高素質的人才隊伍。中共中央國務院于2016 年發布了《國家創新驅動發展戰略綱要》（以下簡稱《綱要》），指出要加快建設科技創新領軍人才和高技能人才隊伍，圍繞重要學科領域和創新方向造就一批世界水平的科學家、科技領軍人才、工程師和高水平創新團隊，注重培養一線創新人才和青年科技人才。可以看出，我國已經將創新型科技人才隊伍建設作為一項重大任務，也體現出科技人才對我國的重要性。根據《綱要》的“三步走”戰略目標，第一步目標是到2020 年我國將進入創新型國家行列。在第一個戰略目標剛剛結束之際，對我國科技人才競爭力水平進行評估，有助于整體把握我國科技人才競爭力變化過程，發現區域間的差異和不足，為進一步提升全國和區域科技人才競爭力提供有益參考。

1 文獻回顧

區域人才競爭力評價可以分為國際城市人才競爭力評價和國內城市人才競爭力評價。國際城市人才競爭力評價方面，歐洲工商管理學院（INSEAD）［1］發布的The Global Talent Competitiveness Index 2020（《2020 年全球人才競爭力指數》），從人才吸引、人才成長、人才留存、發展環境以及職業技術技能和全球知識技能6 個方面對全球125 個經濟體和114 座城市的人才競爭力進行了評估；瑞士洛桑管理學院世界競爭力中心［2］發布的IMD World Talent Ranking 2020（《2020 年IMD 世界人才排名》），從人才投資與發展、人才吸引力和人才就緒度3 個方面對63 個中高等人均收入經濟體的人才競爭力進行了評價。國內城市人才競爭力評價方面，楊河清等［3］從理論層面建立了包括人才數量指數、人才質量結構指數、經濟環境指數、生活環境指數、社會文化環境指數、自然環境指數、人才市場環境指數、人才效益指數、人才政策指數在內的9 個一級指標，并對首都地區的人才競爭力水平進行了測度；陶錦莉等［4］從長三角地區人才競爭力的角度出發，認為人才競爭力包括人才本體指標、人才客體指標和提升人才本體競爭力的保障體系指標3 個方面；李光全［5］建立了包括人力資源數量、人力資源質量、人力資源配置、人力資源需求和人力資源教育在內的指標體系，對我國主要城市人才競爭力進行了評價；司江偉等［6］構建了包括人才規模、人才結構、人才投入、人才產出和人才支持在內的山東省人才競爭力評價指標體系；趙紫燕等［7］采用問卷調查、專家打分等多種方式，建立了包括“中國區域人才競爭力指數”的評價指標體系。

在區域科技人才競爭力評價方面，國內的研究主要可以劃分為區域科技人才競爭力的定義、指標體系和評價方法3 個方面。首先，關于科技人才競爭力的定義，如張體勤等［8］認為，高層次區域科技人才競爭力是指地區借助人才戰略、人才政策、人才配置和人才隊伍建設等來吸引、利用高層次人才，并促進增強區域經濟社會發展的綜合實力；林喜慶等［9］認為，城市科技人才競爭力是指一座城市科技人才的數量、素質、創新能力、培養能力、投資力度和外部環境等因素有機綜合后的動態表現。其次，關于科技人才競爭力的評價指標體系，如倪鵬飛等［10］從地域差異角度出發，認為科技人才競爭力指標體系包括人才本體、人才環境、人才創富和人才創新；沈春光［11］基于灰色系統理論，從科技創新人才的存量、利用效率、發展環境和可持續發展4 個方面構建了區域科技人才競爭力評價指標體系，并對我國中部六省份科技創新人才競爭力了進行了評價；孫銳等［12］從區域人才強國戰略角度出發，認為人才強國的內涵包括人才生成、人才配置、人才環境等；朱安紅等［13］構建包括科技環境引力、科技人才投入、科技人才效益和科技促進發展4 個指標在內的科技人才競爭力評價指標體系，并對我國中部六省份科技人才競爭力進行了評價；李良成等［14］從廣東省創新型科技人才競爭力角度出發，認為創新型科技人才是指科技活動人員，并將創新型科技人才競爭力評價指標確定為創新型科技人才資源、人才投入、人才產出和人才環境；張體勤等［8］從高層次區域創新人才競爭力角度出發，認為高層次創新人才是指從事知識創新、技術創新、知識傳播和知識與技術應用的各類拔尖人才，高層次人才競爭力包括人才本體、人才效能和人才環境3 個方面；郭躍進等［15］從區域科技人才競爭力角度出發，認為科技人才競爭力指科技人才數量、質量、結構和環境因素在經濟社會活動中的綜合體現，主要包括人才投入、環境建設和成果產出3 個方面；劉澤雙等［16］以關天經濟區為研究對象，認為關天經濟區人才競爭力包括人才資源競爭力、環境競爭力和發展競爭力；劉佐菁等［17］從廣東省科技人才競爭力角度出發，認為科技人才競爭力包括人才結構競爭力、人才投入競爭力、人才產出競爭力、人才發展環境競爭力；楊洋等［18］從人才數量、人才素質、人才投入、人才平臺和人才貢獻5 個方面選取評價指標，對江蘇省企業人才競爭力進行評價。最后，關于科技人才競爭力的評價方法，目前主要有層次分析法（AHP）、主成分分析法，熵值法、因子分析法、聚類分析法、Fuzzy-ANP 方法、德爾菲法等，部分研究綜合運用了多種方法，有的則單獨使用。

綜合來看，目前關于區域科技人才競爭力的定義研究較少，現有研究主要是從指標選取角度對其內涵進行大致地界定；在評價指標體系構建方面，主要從人才資源、人才結構、人才投入、人才發展環境和人才產出5 個方面選取一級指標，評價方法主要以定量為主，且較少同時使用兩種方法進行評價；除了李良成等［19-20］分別對2000—2008 年廣東省人才競爭力和2004—2008 年我國31 個省份科技人才競爭力進行評價外，對一定時間跨度的區域科技人才競爭力評價的研究較少。

根據國家“十三五”規劃綱要制定的實施人才優先發展戰略目標，以及《國家創新驅動發展戰略綱要》對科技創新人才隊伍建設的總體要求，在已有研究基礎上，本研究將運用因子分析法和聚類分析法對我國區域科技人才競爭力進行評價，以此分析“十三五”期間我國區域科技人才競爭力整體發展水平。考慮到數據的可獲得性，選取2016—2018年作為研究時間范圍。

2 評價指標體系構建、評價方法與數據來源

2.1 指標體系構建

2.1.1 構建原則

在區域科技人才競爭力評價指標體系構建過程中，堅持科學性、系統性、簡潔性、可比性和動態性的原則。科學性是指所選取指標必須能夠真實反映評價對象的重要信息，同時能夠比其他指標更好地反映評價對象的信息；系統性是指需要按照一定的邏輯對指標進行選取，指標間具有一定的層次；簡潔性不是指標越少越好，而是指對重復和可替代性的指標進行精簡，只對重要指標進行保留；可比性是指指標必須是量化指標或者能夠量化，便于計量分析，同時不同評價對象的同一指標可以進行比較；動態性是指指標在不同時期都能很好地反映評價對象的真實水平，避免選取在不同時期重要性有所變化的指標。

2.1.2 指標體系構成

在已有研究基礎上，本研究認為科技人才是從事科技研發活動的人員，區域科技人才競爭力是指一個地區在吸引和開發人才資源以及營造人才發展環境方面所展現出的綜合能力，因此將區域科技人才競爭力評價指標體系劃分為人才資源、人才投入、人才產出和人才發展環境4 個方面。在考慮到指標數據可獲得性情況下，根據指標定義、頻度統計法和我國科技人才發展現狀，選取已有研究中使用頻率較高的有關指標，并根據因子分析法對其中的指標進行刪選，最終選出了15 個指標，如表1 所示。

表1 區域科技人才競爭力評價指標體系

2.2 評價方法

首先，利用多元統計方法中的因子分析法對2016—2018 年間的我國31 個省份（未含港澳臺地區）科技人才競爭力進行評價。因子分析法是多元統計中降維分析的一種統計方法，主要是將所選諸多具有相關性的原始變量綜合為少數幾個因子，并以這些因子代替原始變量來解釋評價對象。其中，每個因子是相關性較高的原始變量的組合，這些因子可以代表原始變量絕大多數的信息，同時各個因子之間是相互獨立的。因子分析的優點是減少了變量的數量，從而便于分析和解讀。因子分析法主要包括六步：第一，原始數據標準化。將不同量綱的數據進行無量綱化處理，從而便于比較分析。本研究使用極值化法對原始數據進行標準化處理。極值化法是將某個變量的每個取值除以該變量所有取值中的最大值，每個變量標準化后的數據取值區間均是0～100。第二，建立相關系數矩陣。求解所有原始變量中兩兩變量之間的相關系數，在考慮到變量實際意義的情況下，刪除相關系數接近1 以及過小的變量，對指標進行簡化。第三，求取特征值和選取公因子。求解特征方程的特征值，并選取累積方差貢獻率超過0.7 的前k個特征值作為k個公因子，k個公因子將代替原來的所有指標。第四，進行因子旋轉。利用方差最大正交旋轉法對因子進行旋轉，使得所選取的k個因子在0～1 之間區別更明顯，方便利用所選因子對評價對象進行解釋。第五，計算因子表達式。利用回歸法估計出因子得分函數的系數矩陣，從而寫出因子表達式。第六，根據因子表達式計算出綜合因子表達式，并對每個綜合因子表達式進行排名。利用SPSS22.0 軟件進行因子分析。

其次，利用聚類分析法對各省份的人才競爭力水平進行類別劃分。聚類分析是將離差平方和較少的數據歸為一類，區分開組間距離較大的數據類別。利用SPSS22.0 中的Ward 分析法進行聚類分析，組間距離采用歐幾里得距離（Euclidean distance）。

2.3 數據來源

本研究數據來源于歷年《中國統計年鑒》《中國科技統計年鑒》《中國教育統計年鑒》和各省份的統計年鑒。對于一些年份和地區的缺失數據，采取插值法和外延法進行估計。

3 區域科技人才競爭力評價

3.1 因子分析

3.1.1 數據處理

首先，對2016—2018 年31 個省份的指標數據進行KMO 檢驗和巴特利特（Bartlett）球形檢驗，結果如表2 所示，可以看出KMO 值均大于0.7，卡方值均大于800，且顯著性小于0.000，表明這3 年的數據均適合做因子分析。

表2 31 個省份評價指標數據的KMO 和Bartlett 球形檢驗

其次，求特征值和累積方差貢獻率。通過主成分法提取因子并進行因子旋轉后，得出主因子和每個因子的方差貢獻率，結果如表3 所示，3 年分別均提取了3 個主因子。其中，2016 年所提取的3 個因子可以共同解釋原有指標的89.357%；2017 年所提取的3 個因子可以共同解釋原有指標的89.591%；2018 年所提取的3 個因子可以共同解釋原有指標的90.776%。總體上，2016—2018 年分別提取的因子累積方差貢獻率均超過了85%，說明所提取的因子可以代表原來指標來描述區域科技人才競爭力水平。

表3 31 個省份評價指標的主要特征值和累積方差貢獻率

第三，因子解釋與因子得分。從旋轉后的因子載荷矩陣可以看出（見表4），2016—2018 年提取的3 個因子所對應的指標相同。具體而言，X1、X2、Y1、Y3、Y4、Z1、Z4、M1共8 個指標具有較高的載荷，與研發人員數量、科技支出、教育經費支出、專利授權量、高新企業營收等資源投入有關，因此將這8 個指標代表的因子稱為資源投入因子F1；X3、Y2、Z2、Z3、M2、M3、M4具有較高的載荷，與科技產出、地區產出水平相關，因此將其稱為產出因子F2；M5與人的生活環境相關，因此將其稱為生活環境因子F3。最終，經過因子提取和旋轉后，共選出資源投入因子、產出因子和生活環境因子，這3 個因子可以解釋31 個省份2016—2018 年3 年的科技人才競爭力水平。

表4 2016—2018 年31 個省份評價指標旋轉后的因子載荷矩陣

在計算因子得分方面，首先利用回歸法求解因子得分系數矩陣，其次利用因子得分系數矩陣和指標權重求解出綜合得分。其中，指標權重是以該因子的方差除以所有因子的方差總貢獻率得出，然后將每個因子得分與權重相乘之后求和，得出綜合因子得分。以2018 年為例，2018 年3 個因子的方差分別為45.371、38.289 和7.117，總的方差為90.776，用這3 個因子的方差分別除以總方差就得到每個因子的權重，則3 個因子的權重分別為0.500、0.422、0.078，因此，2018 年的綜合因子得分為F=0.500F1＋0.422F2+0.078F3。最終，根據因子得分的計算方法，可以分別得出31 個省份這3 年的綜合因子得分，并對評價對象進行排名。2016—2018 年31 個省份科技人才競爭力各因子得分、總得分以及排名分別如表5～表7 所示。

表5 2016 年31 個省份科技人才競爭力因子得分與排名

表6 2017 年31 個省份科技人才競爭力因子得分與排名

表6（續）

表7 2018 年31 個省份科技人才競爭力因子得分與排名

3.1.2 評價結果分析

考察期間，從31 個省份總體排名來看，地區排名下降幅度最顯著的有：遼寧和黑龍江均下降了6位，天津下降了4 位；排名上升幅度最顯著的有：四川、福建、貴州和寧夏均上升了3 位；其他地區則變化在1～2 位，有的則保持不變。可以看出，遼寧和黑龍江的科技人才競爭力下降十分明顯，而四川、福建、貴州和寧夏則在競爭力上有較為顯著的提升。

從區域來看，按照我國對經濟區域采取的東部、中部、西部和東北部劃分標準［21］，東部沿海地區科技人才競爭力相對較強，中部地區和西部地區則依次遞減。從歷年的總得分排名來看，北京、廣東、江蘇、浙江、上海、山東歷年排名均在前6 名，表明東部沿海地區不僅有較高的經濟發展水平，也有較高的科技人才競爭力；安徽、天津、河南、山西、湖南、遼寧、河北、江西、內蒙古等中部主要省份的總體科技人才競爭力排名中等；貴州、寧夏、云南、甘肅、新疆、青海、西藏等西部地區的科技人才競爭力在歷年排名中均處在20名以后，整體水平相對較弱。

從單個因子得分排名來看，雖然北京、廣東、江蘇、浙江等地排名較高，但是這些地區在個別指標上的排名卻不是很高。以北京為例，北京產出因子和生活環境因子均在2016 年排名第一，但是資源投入因子卻排在中等水平。資源投入因子方面，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，廣西則下降3 位。可以看出，山西和西藏在資源投入方面取得了較大進步，而天津和吉林的資源投入力度有下降趨勢。另外，資源投入因子的總方差貢獻率超過了44%，接近總方差的一半，說明資源投入在提升科技人才競爭力水平中發揮了關鍵作用；從單個因子排名來看，廣東、江蘇、浙江、上海和山東歷年資源投入因子排名和總體排名相差無幾，說明資源投入在這些省份的人才競爭力排名中發揮了重要推動作用。產出因子方面，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；下降幅度最大的地區是黑龍江，下降了9 位，其次是內蒙古下降了3 位。由此可知，黑龍江在產出水平上有待進一步加大力度，扭轉不斷下降的趨勢。生活環境因子方面，新疆的排名上升6 位，上升幅度最大，河南上升5 位，廣西上升4 位；而海南的排名下降5 位，甘肅和陜西均下降4 位，江蘇和黑龍江均下降3 位。由以上分析可知，新疆的生活環境改善幅度最大，其在吸引人才方面的環境競爭力不斷提高。

3.2 聚類分析

3.2.1 數據處理

借助于SPSS22.0 中的Ward 分析法對31 個省份科技人才競爭力進行聚類分析，結果如表8 所示。

表8 2016—2018 年31 個省份科技人才競爭力聚類結果

3.2.2 聚類結果分析

從分類結果來看，31 個省份科技人才競爭力的聚類分析與因子分析的結果排名具有一定的相似性，排在第一類和第二類的地區包括北京、廣東、江蘇、上海、天津、山東、浙江，這與因子分析中排名靠前的地區基本相同。總體上來看，兩類分析結果均具有一定的合理性。從3 年數量變化來看，我國科技人才競爭力形成了東部沿海、中部地區和西部地區的階梯型下降格局。其中，第一類和第二類地區主要以東部沿海地區為主，而第三類以中部地區為主，第四類則以中西部地區為主。一方面，每一類的地區數量變化在2 個左右，數量變化較小；另一方面，沒有一個省份能從第三類跨越到第一類，或者從第四類跨越到第2 類。這就導致一個結果：隨著經濟社會的發展，第一類和第二類經濟發達地區對人才的吸引作用越來越大，從而這些地區的科技人才競爭力也會變得越來越強，使得第三類和第四類地區在提升科技人才競爭力上面臨更大的困難。

4 結論與展望

4.1 結論

首先，我國科技人才競爭力的地區差異十分明顯，形成了東、中、西部階梯下降格局，以北京、廣東、江蘇、上海、山東、浙江等為主的東部沿海地區在科技人才競爭力上具有絕對優勢，且這種優勢隨著經濟社會發展會越來越大，而中部和西部地區的科技人才競爭力提升則要面臨更大的困難。因此，需要在政策上不斷扶持中西部地區的科技人才發展，通過東部地區與中西部地區開展長期科技人才交流合作的方式來促進提升中西部地區的科技人才發展水平。

其次，黑龍江、吉林、遼寧所在的東北地區科技人才競爭力發展趨勢不容樂觀。這3 個地區在總體排名變化、單個因子排名變化方面均處于下降趨勢。黑龍江和吉林2018 年總排名分別為28 位和22位，排名十分靠后；2016—2018 年間，黑龍江、吉林和遼寧的總排名分別下降了6 位、2 位和6 位。從因子排名變化來看，吉林是資源投入因子下降幅度最大的地區，黑龍江是產出因子下降幅度最大的地區。因此，東北三省科技人才競爭力發展面臨較大挑戰，且短期內不易改變。面這種情形，需要國家在東北地區科技人才發展方面給予一定的政策傾斜，減緩該地區的人才流失速度，營造良好的科技發展環境。

第三，資源投入是推動科技人才競爭力水平提升的關鍵。資源投入在提升人才競爭力方面發揮的作用占據了半壁江山，因此經濟發展水平較高的東部沿海地區在擁有較大的資源投入力度時，也擁有較高的總排名；而中西部地區的資源投入力度不足，盡管在產出因子和生活環境因子方面擁有較高的排名，依然無法擁有較高的總排名。因此，各地區應該在資源投入方面加大力度，同時兼顧產出水平和生活環境改善，共同實現科技人才競爭力水平的提升。

4.2 研究局限

由于指標數據的可獲得性，本研究主要使用了定量指標，因此，在定性指標的量化和分析方面存在一定的不足；在指標選取方面，所選取的指標不能代表評價對象的全部，因此可能會忽略一些有較大影響力的指標；此外，由于數據考察時間是2016—2018 年3 年時間，時間跨度較小，對一些趨勢性的判斷存在不足。