SPSS软件在科技项目评估结果统计分析中应用.docVIP

SPSS软件在科技项目评估结果统计分析中应用 　　摘要：选取国家重点新产品计划作为对象，采用长江咨询评估中心的原始样本数据，利用统计分析软件对评估模型应用结果进行比较研究，综合比较结果和启示，对评估工作的关键环节提出相应建议。 　　关键词：科技项目评估;统计分析软件 　　中图分类号：TP319文献标识码：A文章编号：1672-7800（2011）01-0013-05 　　 　　作者简介：张明山（1965-），男，湖北潜江人，硕士，湖北省科技信息研究院高级经济师，研究方向为科技管理；秦哲（1978-），男，湖北仙桃人，硕士，湖北省科技信息研究院助理研究员，研究方向为科技评估、科技统计；朱昌明（1982-），男，湖北潜江人，硕士，湖北省科技信息研究院研究实习员，研究方向为科技统计。1样本数据说明 　　 本文采用长江咨询评估中心的原始样本数据，该中心受理国家重点新产品计划项目95项，按学科分5类分别编号，每个项目咨询专家数皆为5人。利用数据库软件，对专家咨询意见进行数据处理，综合汇总得到数据表文件dpg.dbf。由于数据较多，未列出该数据表字段结构。 　　 经统计分析，咨询专家认为19个项目不满足筛选性指标，根据新产品计划评估结果划分原则，直接将其归为D类项目，因此，评估模型应用中实际项目数76项。根据《国家重点新产品计划评估指南》，B类以上（含B类）项目上报，上报项目数量不超过本地区上两年立项平均数的130%，上报项目中A类项目不应超过项目总数的30%，确定A类项目数15项，B类项目数36项，C类项目数25项。 　　2评估模型应用说明 　　 评估模型对评估结果将产生直接影响，是新产品计划评估工作中的关键环节，为筛选出择优效果更好的评估模型，我们需在评估理论和方法研究的基础上，不局限于为方法而方法的思维模式，站在理论和实践二元体系相结合的角度，对不同评估模型的应用效果予以对比分析。 　　 本文选择了4种科技评估中常用的评估模型（综合线性加权和评估模型、主成分分析评估模型、聚类分析评估模型、模糊综合评估模型），并利用EXCEL、SPSS、DPS软件分别进行了实证应用。我们将上述4种模型的应用结果与随机抽样模型的应用结果进行比较，可判断模型是否具有择优功能，进一步与国家科技部提供的参考模型的应用结果进行比较，可判断模型的择优效果。 　　3评估模型应用结果的统计分析 　　3.1命中度分析 　　 命中度是指以国家科技部公布的新产品立项清单为参照标准，各评估模型的评估结果与该参照标准结果的一致性程度。统计各评估模型所得A、B类项目的命中度，绘制成表格，见表1。 　　表1显示，对于A类项目，综合线性加权和模型、主成分分析模型、聚类分析模型的命中度相同均为60.00%，模糊综合模型命中度较低，仅13.33%，对于A、B类项目，综合线性加权和模型命中度最高，为86.27%，但与主成分分析模型、聚类分析模型的命中度相比差异并不大。考虑到新产品计划评估中，利用评估模型处理的专家意见仅是初步评估结果，评估中心还须根据情况对评估结果进行调整，同时，国家科技部采用的是综合线性加权和模型，因此相比较而言，主成分分析模型、聚类分析模型在初步专家意见处理中就能达到较高的命中度，说明这两种模型的实际应用效果很好。 　　综合模型A0060.0060.0013.33A、B类514443423886.2784.3182.3574.513.2方差分析 　　 方差分析是检验多个总体的均值是否有显著性差异的统计方法，可用于分析因素对因变量的影响。本文假定因变量为项目评分，影响因变量的因素为评估模型、评估指标，通过评估模型因素和评估指标因素的对比分析，可判断何种因素对项目评估结果影响更大，两种因素之间是否存在交互作用等。 　　 评估模型因素分7个水平，即总体项目Model0、综合线性加权和评估模型Model1、主成分分析评估模型Model2、聚类分析评估模型Model3、模糊综合评估模型Model4、国家科技部参考模型Model5、随机抽样模型Model6。评估指标因素分为13个水平，即13个一级评估指标。 　　 方差分析数据文件的建立，Model0可直接采用dpg.dbf文件中全部项目的专家评分，Model1-4可采用评估模型应用中建立的项目评分数据，Model5可利用VFP数据库软件间接采用dpg.dbf文件中的相应项目评分，Model6可利用EXCEL提供的数据分析功能中的抽样命令随机抽取51个项目，并建立相应数据文件。由于篇幅有限，本文仅列出SPSS方差分析数据文件结构，见表2。表2SPSS方差分析数据文件结构因变量 　　Dependent Variable因素 Factor评估模型 Model评估指标 Inde