【正文】 　摘 要：文章建立了高校科研绩效评价指标体系，并运用因子分析法对58所教育部直属高校进行科研绩效评价，得到了公因子得分和综合得分及排序，结合因子载荷矩阵，分析了高校科研绩效的影响因素。结果显示，可以从提高公因子得分入手，即从该公因子上负荷量较高的几个变量着手，优化科研管理，合理配置资源，促进高质量的科研成果产量的提升，提升科研绩效。
　　关键词：科研绩效评价；因子分析；高校；影响因素
  《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。在我国科研资源短缺的前提下，科研投入占高校总投入的比例却越来越大，尤其是教育部直属高校，因此有必要对其科研绩效进行评价和分析。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。
  一、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。
　　（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，即公因子。原始变量就分成两个部分，即公因子的线性函数和与公因子无关的特殊因子。这样可以找出复杂关系的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：
　　1.求标准化变量的相关矩阵，求出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。采用主成分分析法求解因子载荷，反映某个变量在其公共因子上的相对重要性。
　　3.因子旋转。如果因子负荷的大小相差太大，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。
  二、高校科研绩效评价指标体系的构建
　　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和评价标准所构成的有机整体。5确立高校科研评价指标体系是科研绩效评价的前提，必须遵循系统性、科学性、可行性和全面性等原则。
　　目前还没有一种技术手段能把所有目标与标准统统量化成相应的指标。6文章在深入分析大学科研评价的相关资料的基础之上，参考多套评价指标体系78910，遵循指标体系构建的基本原则，并结合我国直属高校的实际情况以及数据资料的可获取性，通过不断删减、修改和完善，初步构建了指标体系，如表1所示。
　　表1教育部直属高校科研绩效评价指标体系











　　










  三、教育部直属高校科研绩效实证结果与分析
　　（一）数据的选取
　　数据择取于《教育部直属高校基本情况统计资料汇编》（2004-2012）以及教育部等官方网站，数据真实可靠，囊括了教育部直属的58所高校（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），涵盖了科研人员、物力资源、经费投入、科技成果、科技人才、成果转化6个方面，共24项指标。借助SPSS软件，采用极值法对原始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。考察收集到的数据是否存在一定的线性关系，是否适合采用因子分析提取因子。自变量（X1~9）的相关系数矩阵（省略）显示，大部分相关系数处在0.4左右，自变量之间中等水平线性相关。因变量（Y1~15）的相关系数矩阵（省略）显示，大部分相关系数处在0.5左右，因变量之间中等水平线性相关。因此，自、因变量均适合进行因子分析。
　　2.适应性检验。对标准化数据进行KMO和Barelett球度检验，判断其是否适合因子分析法。结果显示：KMO取值均在0.8以上，根据kaiser给出的KMO度量标准可知原有变量适合进行因子分析；Barelett球度检验的观测值分别为2531.796、5854.198，相应的概率p均接近0，由于p值小于显著性水平α（0.05），拒绝零假设，因此认为相关系数矩阵与单位阵由显著差异。判断该因子分析模型具有较好的效果。
　　3.提取公因子。
　　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、3）。
　　表2 自变量特征根和方差贡献率





  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。
　　由表2可知，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。
  表3旋转后的因子载荷矩阵（自变量）









　　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F1上负荷量较大，因此将F1命名为自然科学人才及资产因子。同理，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F2上负荷量较大，将F2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、5）。
　　表4 因变量特征根和方差贡献率





  
  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，可以替代原有的15个指标。
　　同理，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，将因变量因子载荷矩阵进行正交旋转，结果如表5所示。
  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F3上负荷量较大，将F3命名为自然科学成果和成果转化因子。同理，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F4上负荷量较大，将其命名为人文社科成果因子。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在公因子F5上负荷量较大，将F5命名为科技人才和科技成果因子。
　　4. 计算因子得分及综合得分。
　　在因子模型中，假设公共因子F是由变量x表示的线性组合为：
　　Fj=βj1x1+βj2x2+…+βjpxp，j=1，2，…，m
　　其中，F和x均为标准化向量，βji为因子得分系数。此步骤由计算机自行操作完成，计算出各个公因子得分。
　　进而，以方差贡献率占被提取主成分的累积方差贡献率的比重作为因子的权重，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。用某一年产出综合得分除以投入综合得分即可得到某一年的科研绩效得分。结果如表6所示（仅以前15名高校为例）。
  表6绩效得分及排名表
















  （三）实证结果分析
　　从表6不难看出，各直属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。各高校可以根据实证结果，考察其科研绩效排名情况，找到科研绩效的影响因素，发现各自在科学研究活动中的优势与不足，改进科研管理和提高科研效率。以南京大学为例，在投入方面，南大的自然科学人才及资产因子得分分别为-0.7145，F1自然科学人才及资产因子得分相对较低，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，说明南大在以上五个方面的投入量相对较少；同理，南大的人文社科人才及资产因子（F2）得分为-0.0108，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、6可知，南大的自然科学成果和成果转化因子（F3）得分为0.5287，相对较高，即在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六个方面的产量相对较高；同样地，科技人才和科技成果因子（F5）得分为1.6485，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，可以理解为南大在这四个方面产量相当出色。相反，人文社科成果因子（F4）得分为-0.4017，相对较低，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低。可见，南京大学的绩效得分及排名很靠前，绩效情况较好。但是，人文社科方面的投入得分相对高于自然科学方面的投入得分，而人文社科方面的产出得分却低于自然科学方面的产出得分，说明南大的科研管理有值得商榷的问题存在。其他高校也有类似的解释，这里不做赘述。
　　此外，由表6可知，各高校公因子的得分的正负号可以作为衡量高校科研活动是否失衡的依据。比如清华大学的因子得分均为正数，东南大学的因子得分均为负数，复旦大学的因子得分均只有一个负数，说明这三所学校都算的上均衡发展，没有只重“文”或只重“理”；反之，北京师范大学的因子得分有正数和负数，且个数均不止为1，说明该校失衡发展。其他各校可遵循上文分析思路，寻找各自的薄弱环节，有的放矢，提高科研绩效。
  四、结论
　　文章基于因子分析方法，对我国教育部直属的58所高校科研绩效进行了实证研究，分析了影响高校科研绩效的具体影响因素。要想提高高校的科研绩效，可以从提高公因子的得分上入手，而公因子又是几个变量的代表性因子，也就是要从这几个变量着手优化科研管理，合理配置资源，促进高质量的科研成果产量的提升，从而提升科研绩效。
  参考文献：
　　[1]中华人民共和国国务院.国家中长期科学和技术发展规划纲要(2006-2020年)[N].中华人民共和国国务院公报,2006-02-07.
　　[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.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.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,1995,17-87
　　[6]刘新平,刘存侠.教育统计与测评导论[M].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].实践与探索,2002.2
　　[8]朱继洲,陆根书.高等学校综合校力评估诌议.《中国高等教育评估》.1994.4
　　[9]武书连等.2000.中国大学评价.大学园网站
　　[10]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)：58—60.
  第一作者姓名：仲洁，学历学位：高等教育学 学术硕士在读
  第二作者姓名：陈静漪，工作单位：河海大学公共管理学院，学历学位：教育学博士学位，职称：副教授.