基于因子分析法的高新技術(shù)人才吸引力評價

溫寧寧

[提要] 在全球化和信息化浪潮下，高新技術(shù)人才吸引力水平?jīng)Q定著轉(zhuǎn)變經(jīng)濟(jì)增長方式及培育地區(qū)競爭優(yōu)勢的可行性。本文通過梳理文獻(xiàn)資料及政策措施，構(gòu)建高新技術(shù)行業(yè)人才吸引力水平評價指標(biāo)體系，并運用因子分析法對全國31個省市自治區(qū)年鑒數(shù)據(jù)進(jìn)行分析，從人才吸引力與區(qū)域經(jīng)濟(jì)發(fā)展水平等三種相對關(guān)系出發(fā)，挖掘典型地區(qū)所擁有的優(yōu)勢與劣勢。

關(guān)鍵詞：人才吸引力;因子分析法;高新技術(shù)

中圖分類號：C96 文獻(xiàn)標(biāo)識碼：A

收錄日期：2019年3月5日

一、引言

隨著經(jīng)濟(jì)全球化和產(chǎn)業(yè)信息化的發(fā)展，國際人才資源競爭日益激烈，高新技術(shù)行業(yè)由于具有高收益、高戰(zhàn)略、高群落、高滲透、高投資、高競爭等特點，從而為轉(zhuǎn)變經(jīng)濟(jì)增長方式、培育地區(qū)競爭優(yōu)勢、改變地區(qū)經(jīng)濟(jì)實力對比以及傳統(tǒng)產(chǎn)業(yè)升級提供了新的契機。為應(yīng)對知識經(jīng)濟(jì)的挑戰(zhàn)和新一輪爭奪人才的攻勢，我國各省市區(qū)紛紛大力推行人才引進(jìn)政策，吸引高新技術(shù)人才。這也使得“人才吸引力”成為各高校、各級政府關(guān)注和研究的課題。

檢索相關(guān)文獻(xiàn)不難發(fā)現(xiàn)其中存在幾點問題：一是人才吸引力水平方面的定量研究不完善，影響因素定義邊界不清且松散，數(shù)據(jù)多而雜;二是缺乏對31個省市自治區(qū)的橫向比較，不利于整體把握各省市區(qū)發(fā)展?fàn)顩r、差距和方向，無法為宏觀政策和決策的制定提供客觀依據(jù);三是缺乏特定類型人才，包括高新技術(shù)人才在內(nèi)的吸引力分析評價。因此，構(gòu)建有針對性的多因素量化評價模型，研究全國31省市自治區(qū)高新技術(shù)人才吸引力水平具有重要的實踐意義。

二、研究方法與指標(biāo)體系

（一）研究方法。本文采用由Charles Spearman于1904年首次提出的因子分析法作為研究高新技術(shù)人才吸引力的方法。因子分析法是應(yīng)用多元統(tǒng)計分析中最常用的一種降維、簡化數(shù)據(jù)技術(shù)，它通過研究眾多變量之間的內(nèi)部依賴關(guān)系，探求觀測數(shù)據(jù)中的基本結(jié)構(gòu)，是一種通過顯在變量測評潛在變量，通過具體指標(biāo)測評抽樣因子的統(tǒng)計分析方法。描述人才需求和吸引力的指標(biāo)錯綜復(fù)雜，運用因子分析法提取少數(shù)幾個主要因子，有助于深入分析、合理解釋和正確評價各地區(qū)的高新技術(shù)人才吸引力水平。

（二）構(gòu)建高新技術(shù)人才吸引力指標(biāo)體系。需求產(chǎn)生動機，動機驅(qū)動行為，評價31省市自治區(qū)對高新技術(shù)人才的吸引力首先應(yīng)該要了解高新技術(shù)人才的真實需求。基于已有理論、相關(guān)研究成果和政府官方政策資訊，可以將影響人才吸引力大小的屬性歸納為區(qū)域發(fā)展水平、生活質(zhì)量水平、高新行業(yè)前景三個方面，并細(xì)分20個三級指標(biāo)，從而展開全國各省市區(qū)高新技術(shù)人才吸引力的比較分析。評價指標(biāo)體系如表1所示。（表1）

表1 全國31 省市自治區(qū)高新技術(shù)人才吸引力評價指標(biāo)體系一覽表

（三）數(shù)據(jù)來源及處理。本研究所有數(shù)據(jù)均來自于《2018中國統(tǒng)計年鑒》，客觀、可信程度高。

1、評價指標(biāo)的正向化。本文所選取的指標(biāo)中，逆指標(biāo)包括：X4商品房平均銷售價格、X6城鎮(zhèn)登記失業(yè)率。這些逆指標(biāo)通常需要轉(zhuǎn)化為正向指標(biāo)才能正確的評價人才吸引力水平。本文采用倒數(shù)法對商品房平均銷售價格指標(biāo)進(jìn)行正向化，負(fù)數(shù)法對城鎮(zhèn)登記失業(yè)率指標(biāo)進(jìn)行正向化。

2、數(shù)據(jù)無量綱化。由于各項指標(biāo)數(shù)據(jù)的量綱不同，所以必須將這些指標(biāo)進(jìn)行無量綱化處理，這樣才便于指標(biāo)之間進(jìn)行對比。本文利用SPSS 23.0對數(shù)據(jù)進(jìn)行分析，采取Z標(biāo)準(zhǔn)化方法對數(shù)據(jù)進(jìn)行無量綱化處理，公式如下：

即每一變量值與其平均值之差除以該變量的標(biāo)準(zhǔn)差。無量綱化后各變量的平均值為0，標(biāo)準(zhǔn)差為1，從而消除了量綱和數(shù)量級的影響，后續(xù)因子分析結(jié)果更加合理。

三、高新技術(shù)人才吸引力分析和排序

（一）因子分析過程。根據(jù)因子分析的模型和原理，對收集的變量數(shù)據(jù)進(jìn)行KMO和Bartlett球形度檢驗，KMO值為0.717，0.7表示一般適合做因子分析。Bartlett檢驗的p值接近于0，遠(yuǎn)小于0.05，同樣說明所選擇的20個指標(biāo)可以做因子分析。采用主成分分析方法提取主因子，前5個因子的累計方差貢獻(xiàn)率達(dá)到83.610%，表明這5個因子包含了20個變量的絕大部分信息，即可以有效地反映全國31省市區(qū)高新技術(shù)人才吸引力水平。

為使每個公因子的載荷分配更加清晰，對初始因子載荷矩陣進(jìn)行旋轉(zhuǎn)，從而降低因子的綜合性，使其實際意義凸顯出來，以便于解釋因子。根據(jù)五個公因子在各項指標(biāo)上的載荷大小，將公因子F1～F5分別命名為“區(qū)域基礎(chǔ)因子”、“行業(yè)前景因子”、“就業(yè)保障因子”、“醫(yī)療衛(wèi)生因子”、“環(huán)境質(zhì)量因子”，權(quán)重分別為29.787%、23.126%、12.072%、9.670%、8.955%。

（二）高新技術(shù)人才吸引力得分及排序

1、因子得分。記X1*～X20*是將原始數(shù)據(jù)標(biāo)準(zhǔn)化后的數(shù)值，為了計算因子得分，采用回歸法得到因子得分系數(shù)矩陣，根據(jù)該矩陣可進(jìn)一步得出全國31省市自治區(qū)因子得分表達(dá)式，其中aij表示第j個指標(biāo)在第i個公因子上的得分系數(shù)。

2、綜合得分及排名。各省市高新技術(shù)行業(yè)人才吸引力水平綜合得分可根據(jù)因子得分加權(quán)計算得出，權(quán)重取各公因子的方差貢獻(xiàn)率占累計貢獻(xiàn)率的比重，計算公式為：

F=29.787%F1+23.126%F2+12.072%F3+9.670%F4+8.955%F5

3、地區(qū)發(fā)展水平排名。考慮地區(qū)發(fā)展存在一定程度不平衡，將人均GDP作為參考指標(biāo)，得到經(jīng)濟(jì)發(fā)展程度排名，便于進(jìn)一步分析高新技術(shù)人才吸引力與地區(qū)發(fā)展水平的匹配程度及原因。（表2）

表2 全國31 省市自治區(qū)高新技術(shù)人才吸引力因子得分及排名一覽表

四、高新技術(shù)人才吸引力評價

對比研究不同發(fā)展區(qū)域和發(fā)展水平的省市區(qū)的高新技術(shù)人才吸引力和實際經(jīng)濟(jì)發(fā)展水平，可以從整體上把握各地區(qū)經(jīng)濟(jì)發(fā)展的潛力和方向，為國家制定宏觀政策和地區(qū)推行正確決策提供客觀依據(jù)，從而縮小全國的發(fā)展差距，提高國家的整體經(jīng)濟(jì)實力。根據(jù)因子分析結(jié)果，本文從人才吸引力與發(fā)展水平的三種相對關(guān)系出發(fā)進(jìn)行分析。

（一）人才吸引力遠(yuǎn)超地區(qū)發(fā)展水平。根據(jù)模型分析結(jié)果可知，青海省和貴州省的人均GDP處于較落后位置，但在高新技術(shù)行業(yè)人才吸引力上則進(jìn)步明顯。分析公因子得分可知，青海省在區(qū)域基礎(chǔ)、醫(yī)療衛(wèi)生、環(huán)境質(zhì)量三個公因子上得分高于人均GDP水平相近省份，其中醫(yī)療衛(wèi)生因子得分更是以絕對優(yōu)勢名列第一，這與近幾年青海省大力推廣的醫(yī)改政策有關(guān)。貴州省雖然區(qū)域基礎(chǔ)因子處于劣勢，起點低，但是有賴于正確政策的引導(dǎo)，發(fā)展過程順利，當(dāng)前高鐵中心樞紐地位突出，打造出了有特色的云計算，因而在行業(yè)前景、就業(yè)保障等四個公因子上都優(yōu)勢明顯。這些進(jìn)步可歸因為地方有效的人才吸引政策和一線地區(qū)的擠出效應(yīng)。

（二）人才吸引力與地區(qū)發(fā)展水平基本保持一致。江蘇省、北京市、浙江省屬于一線省市，人才吸引力與地區(qū)發(fā)展水平基本保持一致且得分領(lǐng)先的，但是分析公因子得分不難發(fā)現(xiàn)：一是北京行業(yè)前景因子得分排名遠(yuǎn)落后于江浙。江浙有阿里這類高新技術(shù)行業(yè)大公司的支撐，在互聯(lián)網(wǎng)、電子信息產(chǎn)業(yè)方面進(jìn)步迅速，給人才創(chuàng)造了良好的發(fā)展天地，而北京因為經(jīng)濟(jì)規(guī)模大，導(dǎo)致相對增長速度較慢，行業(yè)上升前景有限;二是江浙就業(yè)保障因子得分遠(yuǎn)落后于北京，且與發(fā)展水平偏離程度較大。這是因為北京有全國最大最完備的總部經(jīng)濟(jì)，崗位數(shù)量處于絕對領(lǐng)先地位，失業(yè)率也遠(yuǎn)低于大部分省市區(qū)。

湖北省、陜西省屬于新一線或二線省市中高新技術(shù)行業(yè)人才吸引力處于中上游水平，兩省份在就業(yè)保障方面措施極好，作為全國科技和教育事業(yè)最發(fā)達(dá)的地區(qū)之一，無論在擁有的高校數(shù)量還是畢業(yè)生質(zhì)量方面都位居前列。但不占區(qū)位優(yōu)勢，自然資源有所限制，醫(yī)療衛(wèi)生、環(huán)境質(zhì)量等問題牽制整體水平。

安徽省、廣西壯族自治區(qū)、山西省、黑龍江省屬于二線或三線省市，各方面發(fā)展可圈可點，黑龍江省區(qū)域基礎(chǔ)好，且出臺了多項人才引進(jìn)政策，但是落實程度有待提升;山西省在環(huán)境質(zhì)量因子上的表現(xiàn)影響了最終的人才吸引力。

（三）人才吸引力落后于地區(qū)發(fā)展水平。重慶市、吉林省均屬于經(jīng)濟(jì)發(fā)展水平上游省市，但其在對高新技術(shù)行業(yè)人才的吸引力方面表現(xiàn)差強人意，處于墊底的位置，即便其區(qū)域基礎(chǔ)因子得分排名較高，其他各項因子仍在很大程度上影響了人才吸引力。重慶是全國最大的汽車生產(chǎn)基地，長安、力帆等本土品牌，已經(jīng)走向國際市場，吉林同樣是重工業(yè)大省，但兩地產(chǎn)業(yè)轉(zhuǎn)型升級支撐不足，互聯(lián)網(wǎng)產(chǎn)業(yè)、高新技術(shù)服務(wù)產(chǎn)業(yè)集群未出現(xiàn)，有限的工作機會與極高的地區(qū)生活成本限制了其對于高新技術(shù)人才的吸引力。

五、結(jié)論

本文通過分析2018年《中國統(tǒng)計年鑒》相關(guān)數(shù)據(jù)，將全國31個省市自治區(qū)高新技術(shù)人才吸引力作為研究對象，構(gòu)建包含有20個相關(guān)統(tǒng)計指標(biāo)的綜合評價指標(biāo)體系。應(yīng)用因子分析計算各個省市區(qū)高新技術(shù)人才吸引力并排序，與地區(qū)經(jīng)濟(jì)發(fā)展水平排名進(jìn)行對比分析，從基本一致、領(lǐng)先、落后三個差異程度分析關(guān)鍵省市自治區(qū)的政策背景和政策對吸引人才的有效性。依據(jù)分析結(jié)果，可初步得出結(jié)論：（1）從綜合得分及排名角度分析，高新技術(shù)人才吸引力大概率與地區(qū)經(jīng)濟(jì)發(fā)展水平保持一致或偏差較小，但也存在個別省市區(qū)因政策科學(xué)合理、落實到位而吸引力水平得到大幅提升，因產(chǎn)業(yè)轉(zhuǎn)型速度過慢、高新技術(shù)產(chǎn)業(yè)集群發(fā)展遲緩而嚴(yán)重拉低的情況;（2）從公因子得分及排名角度分析，大部分省市區(qū)存在內(nèi)部區(qū)域基礎(chǔ)、行業(yè)前景、就業(yè)保障、醫(yī)療衛(wèi)生、環(huán)境質(zhì)量五要素發(fā)展不均衡情況，針對省市區(qū)發(fā)展現(xiàn)況，完善人才引進(jìn)政策，注重地區(qū)協(xié)調(diào)可持續(xù)發(fā)展意義重大，將會為提高地區(qū)經(jīng)濟(jì)實力及發(fā)展水平提供一定機遇。

主要參考文獻(xiàn)：

[1]趙玉林.高技術(shù)產(chǎn)業(yè)化界面管理：理論及應(yīng)用[M].中國經(jīng)濟(jì)出版社，2004.

[2]史修禮，汪大海，鐘蘭芳.京、滬、深三地高新技術(shù)人才政策的分析[J].中國行政管理，2001（3）.

[3]宋鴻，張培利.城市人才吸引力的影響因素及提升對策[J].湖北社會科學(xué)，2010（2）.

[4]葉宗裕.關(guān)于多指標(biāo)綜合評價中指標(biāo)正向化和無量綱化方法的選擇[J].浙江統(tǒng)計，2003（4）.

[5]韓勝娟.SPSS聚類分析中數(shù)據(jù)無量綱化方法比較[J].科技廣場，2008（3）.

[6]王崇曦，胡蓓.產(chǎn)業(yè)集群環(huán)境人才吸引力評價與分析[J].中國行政管理，2007（4）.