一、评价体系的初始构建及研究方法
1.评价体系的初始构建
人力资源是一切经济活动中唯一具有创造力的因素。区域创新最终所引起的区域经济的增长与区域所储备的创新型人才密切相关。人力资源对其所处区域的支持能力评价重点是在评价人力资源在所在区域的一系列可量化的创新产出，产出体现着人力资源的效率以及效力。人力资源的创新产出还受所在区域经济环境、生活环境以及科研环境的影响。因此，区域创新的人力资源支持能力评价体系应包含区域人才储备、区域环境支持、区域创新产出三个层面。文章本着指标选取和设计的科学性、简洁性、易获取性和可比性的原则，从中国科技统计年鉴（２０１３）、中国统计年鉴（２０１３）以及中国科学技术指标以及科技报告等相关指标中，从区域人才储备、区域环境支持、区域创新产出三个层面选取了３４个备选指标。
2.评价体系的研究方法
文章主要采用的是探索性因子分析，这一方法最早由英国心理学Ｃ．Ｅ．斯皮尔曼提出，其重点是通过对变量相关系数矩阵的内部结构的研究，提取所有变量中的少数几个公共因子，再现原始变量与因子之间的关系，同时按照几个少数因子对变量进行分类。［３］主要步骤为：（１）构建相关系数矩阵。变量间相关系数显著大于０是应用因子分析提取公共因子的前提。（２）ＫＭＯ和Ｂａｒｔｌｅｔｔ球形检验。ＫＭＯ值愈接近１，变量愈适合做因子分析，ＫＭＯ值低于０．５则应放弃使用因子分析法。Ｂａｒｔｌｅｔｔ主要观察相关矩阵来判断因子分析模型的合理性。［４］（３）计算并观察各变量的方差贡献。一般，方差贡献低于０．４则应放弃该变量，所有变量的方差贡献均应大于０．６。（４）提取公因子，检查累计方差贡献率。其代表公因子对变量的解释能力。（５）因子旋转并对公因子进行命名。因子旋转的用意在于方便理解和解释因子的实际意义。（６）计算因子得分。Ｚｊ＝ａｊ１Ｆ１＋ａｊ２Ｆ２＋ａｊ３Ｆ３＋．．．＋ａｊｍＦｍ＋Ｕｊ其中，Ｚｊ：第ｊ个变量的标准化分数；Ｆｉ：公共因子；ｍ：所有变量公共因子的数目；Ｕｊ：变量Ｚｊ的唯一因子；ａｉｊ：因子负荷量或组型负荷量，表示第ｉ个公共因子对ｊ个变量方差的贡献。
二、评价体系的定量分析
1.指标的相关性分析通常，对评价指标进行相关分析
删除与其他指标相关个数最多或相关关系显著的指标，以消除由于信息重复对评价结果的影响。［５］基于这一目标，利用ＳＰＳＳ２０．０对现有数据进行相关性分析，剔除指标Ｘ２（区域内高等院校在校人数）、Ｘ３（区域内高等院校毕业生人数）、Ｘ４（区域内每万人在校大学生数）、Ｘ６（区域内每万人科技人员数）、Ｘ８（区域内每万人研究与开发人员数）、Ｘ１１（区域居民消费水平）、Ｘ１３（研究与发展人员全是当量）、Ｘ１９（区域主导产业工程技术人员相对比重）、Ｘ２１（区域内人均可支配收入同比上年增加值）、Ｘ２８（区域内年国内专利申请受理量）、Ｘ２９（区域内年国内专利申请授权量）、Ｘ３０（区域内规模以上工业企业年有效发明的专利数）、Ｘ３２（区域内高技术产业技术获取与技术改造），Ｘ３４（区域内规上工业企业新开发项目数）、由于删除１４个指标后所计算的相关系数矩阵符合后续进行探索性因子分析的要求，因此利用剩余２０个指标（表２）进行后续分析，由于篇幅的限制，相关系数矩阵从略。
2.评价指标的探索性因子分析及应用
通过对２０个指标进行探索性因子分析发现，ＫＭＯ度量值、Ｂａｒｔｌｅｔｔ检验值（表３）以及指标的共同度均大于０．６，这些数据证明该样本数据适合做因子分析。通过对区域创新中人力资源支持能力数据的分析，得到了相关的方差贡献率以及累积方差贡献率（表４、表５），５个公因子的累积变异方差率为８９．５６４％，但由于４个公因子就可以反映８３．６２８％的指标信息，因此本文提取了４个公共因子。从旋转后的成份矩阵图来看，与公因子Ｆ１密切相关的是：Ｖ１７（区域内年均发表的科技论文数量）、Ｖ１３（区域技术市场成交合同金额）、Ｖ１８（国外主要检索工具收录的区域内的科技论文数量）、Ｖ８（研究与发展经费投入强度）和Ｖ２（区域内高技术产业开发区从业人员数），这些指标都属于创新的范畴，因此将Ｆ１命名为创新支持因子；与公因子Ｆ２密切相关的是：Ｖ１５（区域内高技术产业年获取专利数）、Ｖ１１（区域内年商标注册数）、Ｖ９（研究与发展人员劳务费支出）、Ｖ３（区域内研究与开发从业人员数）以及Ｖ４（区域内公有经济企事业单位专业技术人员），这些指标多与人才储备与产出相关，因此将Ｆ２命名为人才支持因子；与公因子Ｆ３密切相关的是：Ｖ５（人均ＧＤＰ）、Ｖ７（区域科技创新拨款占区域财政总支出的比重）、Ｖ１２（区域内人均ＧＤＰ同比上年增加值）、Ｖ６（区域人均社会保障支出）、Ｖ１０（区域内年末金融机构人均贷款余额）、Ｖ１９（区域内新产品产值占工业总产值的比重），这些指标多与区域内的创新环境、发展环境等相关，因此将Ｆ３命名为环境支持因子；与公因子Ｆ４密切相关的是：Ｖ１６（区域内年增Ｒ＆Ｄ活动的企业数）、Ｖ１（区域内高等院校和公共科研机构的数量）、Ｖ１４（区域５年内有效专利增加数量），这些指标多属于研究的范畴，因此将Ｆ４命名为研究支持因子。继而根据旋转后的因子得分矩阵，以特征值贡献率为权重，综合计算因子得分公式为：Ｆ＝０．２７１９Ｆ１＋０．２５７５Ｆ２＋０．２２７０Ｆ３＋０．１７７２Ｆ４。
由于篇幅的限制，文章只对东部地区的省市进行关于人力资源对区域创新支持能力的排名，通过计算各样本的综合因子得分，得出其排名情况如表６。通过综合因子以及４个公因子的数据分析，可以看出北京、上海、广东的人力资源支持能力明显优于其他省份。结合综合得分以及公因子的具体数值来看，排名靠前多是创新支持因子与环境支持因子高的区域，这说明这些区域在人才效率上具有较强的竞争力；同时说明国家在这些区域的科研以及资金投入上都给予了较大的支持，提高了这些区域的人力资源支持能力；另外，人力资源对区域创新的支持能力与区域发展水平也有一定的关系，区域发展总体水平较高的排名多靠前。关于人才支持因子和研究支持因子的分析结果多与省份的地域面积与人口有密切关系，特别是人才支持因子高的多是人口多地域面积广的区域，像广东、江苏、浙江、山东。分析结果同时也有助于从各个维度对区域人力资源对区域创新的支持能力做出判断，为各省市的相关政策提供借鉴。
三、人力资源支持能力评价体系构建的结论
笔者以２０１２年全国３１个省市的人力资源对区域创新的支持能力状况作为研究样本，运用相关性分析对现有的３４个相关评价指标进行筛选优化，最终形成包含２０个评价指标的区域创新的人力资源支持能力的评价指标体系。通过探索性因子分析提取出４个公共因子，即创新支持因子、人才支持因子、环境支持因子和研究支持因子，这四个公因子可以解释总方差变异的８３．６２８％，涵盖了多数关于区域创新中人力资源支持能力指标的内涵，具有非常突出的统计意义，在一定程度上为研究区域创新的人力资源支持能力提供一个简化的可量化的评价指标体系。
运用因子分析法构建出可量化的区域创新中人力资源支持能力的评价体系可以为各区域相关领域提供一些参考及借鉴。通过评价指标的区域化应用可以为各区域提供参考，找出与其他区域的差别以及时改正补救。当然，由于研究条件以及知识水平方面的局限，评价体系还存在一定的缺陷：评价指标的设定多是择取于统计年鉴，而统计年鉴的一些内容并不能完整符合研究目的；评价指标在选取时本着可量化、数据易获取性的原则，而文章的研究目的是单纯的可量化的指标所不能完全涵盖的。由于目前的指标体系并不能完全涵盖研究目的的全部内涵，因此，指标体系的研究应结合另外一些成熟的定性指标体系，这也将会是下一步有价值的研究方向。
作者：姜玉波 贺晓春 单位：青海大学
