相关性分析在大学科技竞争力评价模型构建中应用.docVIP

相关性分析在大学科技竞争力评价模型构建中应用.doc

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
相关性分析在大学科技竞争力评价模型构建中应用

相关性分析在大学科技竞争力评价模型构建中的应用   [摘要]研究引入相关性算法,如最佳子集变量算法、二元变量相关性分析等,对用于大学科技竞争力评价的科学指标体系进行优化研究。通过获得的完整数据,分析2007年教育部23所高校的114个与科技相关的评价指标之间及这些评价指标与大学科技竞争力的相关性,获得大学科技竞争力评价的最优评价模型。在此基础上,利用其他年份的高校科技数据及ESI(Essential Science Indicator)的文献计量数据对最优评价模型的适用性与合理性进行验证,进而确定一套较为适用、合理的表征大学科技竞争力的指标体系。   [关键词]评价 科技竞争力 相关性算法   [分类号]G640      1 相关性分析在大学科技竞争力评价中研究现状      在情报研究课题中,科学评价是非常重要的内容,包含了科研成果评价、科研组织和个人评价以及科研活动评价等。科学评价方法的研究与应用,经历了同行评议、定量评价的发展历程,评价方法和指标日益综合化、系统化,采用定量与定性分析相结合,运用多指标体系开展综合化、系统化评价的趋势越来越明显。      目前,从企业、大学到研究机构等的竞争力评价都是情报研究的热点,从理论研究到实践分析有很多成果,但在指标的选择和评价中仍存在很多问题。国内外主要的大学竞争力评价中,有的以科研为主,但大部分侧重于综合实力评价,评价的指标各有侧重,方法大不相同,如表1所示:   由此显示,目前国外综合排名较多,且评价数据的来源和指标的确定以定性为主,受人为因素影响比较大,定量处理方法还比较模糊,没有形成比较完善的定量指标的确定和分析方法。   相关性分析是指对多重指标之间,以及指标与其所确定的评价目标的相关性分析评价过程。采用相关性分析方法能够比较有效地解决评价指标合理选择的问题,在各领域的综合评价中发挥了比较重要的作用,而且研究人员也在不断引入新的方法来优化评价指标和模型,以提高评价的有效性。   本研究选取能够获取的数据,将相关性分析方法应用于大学科技竞争力分析中的指标遴选与评价,旨在优化科学评价的指标体系,为更有效的指标构建和科学评价提供理论依据和新的解决方案。      2 研究思路与方法      2.1 研究思路   针对情报研究中的大学科技竞争力评价工作,引入相关性挖掘的理论和方法,对综合评价体系进行适当的技术处理,以达到消除指标间相关性的目的,进而提高评价结果的有效性。   根据可以获得的数据情况,选取23所教育部直属高校(以下称为“大学”)作为研究对象机构(研究样本),选取与大学科技相关的信息(定量数据)为大学科技竞争力评价指标体系的备选指标集合,选取大学科技竞争力得分为评价目标值。利用相关性算法对评价指标进行遴选,并对各类评价指标项的显著性进行分析等,以获得评价性能更科学有效的评价指标。将评价指标进行多层次约简,直到最小的指标集合,可以更好地表达竞争力。   根据所得最优指标集合,采用跨年度的指标数据进行分析验证,进而通过一定的算法得出由最优指标构成的评价模型,再从不同角度进行分析验证,证实方法过程的有效性和所得结论的可靠性。      2.2 相关性分析算法   采用二元变量相关分析、最优子集回归、多元回归分析及交叉验证等相关性分析算法,进行指标的定量评价和分析;利用SPSS、Matlab以及自行开发的相关性分析工具。      3 大学科技竞争力评价最优指标模型的确定      3.1 数据的表示及预处理   为了符合相关性挖掘的要求,需要先将样本数据(即2007年23所大学的与科技相关的9大类114个指标)表示为如下形式:      其中,m表示指标所属类别的编号,取值范围为[1,9];n表示所属指标类的指标编号,由于每类的指标数不同,m取值不同n取不同整数值。为了减小不同指标数据之间在数量级上的差别,需要进行数据的预处理,即对相关指标数据进行标准化处理,标准化公式如下:   其中,xstd为标准化数据,Arg(xm,n)为23个样本的各指标数据的平均值。      3.2 大学科技竞争力得分与各类评价指标的相关性分析   为了确定每个指标与大学科技竞争力得分Yobs的相关性,及每类指标对Yobs的重要程度,进行了如下分析:   ?每个指标与大学科技竞争力得分Yobs做二元变量分析,获得评价指标与Yobs的相关性情况,得到了与Yobs的相关系数R大于0.5的评价指标集合,如表2所示:   这26个指标与Yobs的多元回归分析结果显示,该指标集合与大学科技竞争力的相关性较好,回归相关系数R达到0.90。         ?对各个评价指标类与大学科技竞争力得分Yobs进行多元回归分析,分析各

文档评论(0)

317960162 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档