摘要
基于30个地区高校创新能力和人才创新指数，运用双变量相关性分析法，明确了高校创新能力对人才创新指数的25个关键影响因素。通过对25个关键影响因素的因子分析，提取了3个共性因子，分别为f1研发资源、f2创新平台建设、f3创新主体。采用多元回归法，探究3个共性因子对人才创新指数的显著性影响。研究发现，地区高校的研发资源是重要因素，一定程度上影响着创新人才培养质量。基于此，提出了三条建议：重点优化地区高校研发资源；完善高校创新平台；不断提高创新主体的创新思维与创新能力。研究成果为高校提高科技创新型人才的培养质量提供一定理论指导。
随着经济和科技事业的发展，我国对高校科技创新提出了更高、更迫切的要求。全国超40%的两院院士、近70%的国家杰出青年科学家基金获得者集聚高校，进一步推动了创新型国家和教育强国建
唐娜
综上，本文基于《中国普通高校创新能力监测报告2021
图1 研究框架
采用双变量相关分析方法，分析高校创新能力各评价指标（按地区统计）与中国人才创新指数（城市）的相关性。双变量相关分析是用于描述两个不同变量之间的紧密联系，检验两个变量间相关系数大小的方
图2 高校创新能力各指标与人才创新指数的双变量相关系数
双变量相关性结果的分析标准：当相关系数|r|≥0.8时，可以认为两个变量的相关性很高；当0.5≤|r|<0.8，可以认为两个变量的相关性适中；当0.3≤|r|<0.5，可以认为两个变量的相关性较低；当|r|<0.3，可以认为两个变量的相关性基本不存
通过分析发现，X26（去企业就业的毕业生）、X27（企业为学生设立的奖学金金额）、X28（高校校企合作教学情况），以及X29（专科生在校生数量）的相关系数均低于0.3。因此，将X1—X25作为高校创新能力对人才创新指数的关键影响因素（指标）。
因子分析法（主成分
适用性判断结果如
| KMO取样适切性量数 | 巴特利特球形度检验 | ||
|---|---|---|---|
| 近似卡方 | 自由度 | 显著性 | |
| 0.798 | 1 633.472 | 300 | 0.000 |
通过关键影响因素（X1—X25）的因子分析，总方差解释结果如
| 成分 | 初始特征值 | 提取载荷平方和 | 旋转载荷平方和 | ||||||
|---|---|---|---|---|---|---|---|---|---|
| 总计 | 方差百分比 | 累积 % | 总计 | 方差百分比 | 累积 % | 总计 | 方差百分比 | 累积 % | |
| 1 | 18.310 | 73.240 | 73.240 | 18.310 | 73.240 | 73.240 | 10.163 | 40.653 | 40.653 |
| 2 | 3.524 | 14.098 | 87.338 | 3.524 | 14.098 | 87.338 | 6.964 | 27.856 | 68.509 |
| 3 | 1.120 | 4.482 | 91.820 | 1.120 | 4.482 | 91.820 | 5.828 | 23.311 | 91.820 |
| 4 | 0.750 | 2.998 | 94.818 | ||||||
| 5 | 0.282 | 1.130 | 95.948 | ||||||
| 6 | 0.222 | 0.888 | 96.836 | ||||||
| 7 | 0.193 | 0.770 | 97.606 | ||||||
| 8 | 0.143 | 0.574 | 98.180 | ||||||
| 9 | 0.095 | 0.380 | 98.560 | ||||||
| 10 | 0.085 | 0.340 | 98.900 | ||||||
| 11 | 0.075 | 0.299 | 99.199 | ||||||
| 12 | 0.061 | 0.243 | 99.442 | ||||||
| 13 | 0.035 | 0.141 | 99.583 | ||||||
| 14 | 0.029 | 0.117 | 99.701 | ||||||
| 15 | 0.022 | 0.087 | 99.788 | ||||||
| 16 | 0.016 | 0.063 | 99.851 | ||||||
| 17 | 0.011 | 0.045 | 99.896 | ||||||
| 18 | 0.008 | 0.033 | 99.928 | ||||||
| 19 | 0.007 | 0.028 | 99.956 | ||||||
| 20 | 0.004 | 0.016 | 99.973 | ||||||
| 21 | 0.003 | 0.013 | 99.986 | ||||||
| 22 | 0.002 | 0.007 | 99.993 | ||||||
| 23 | 0.001 | 0.005 | 99.997 | ||||||
| 24 | 0.001 | 0.002 | 99.999 | ||||||
| 25 | 0.000 | 0.001 | 100.000 | ||||||
图3 关键影响因素X1—X25在公因子f1、f2、f3上的载荷值
公因子f1主要由12个影响因素（X1、X2、X3、X4、X5、X6、X7、X8、X9、X10、X11、X13）决定，在f1上这12个影响因素具有较高的载荷。公因子f1中X1（研发人员经费内部支出）、X2（研发人员课题经费）主要体现高校研发经济资源的投入，研发人员经费的投入有助于提升创新技术水平。通过技术创新提升专业创新人才的培养能力。X3（国际交流与合作人员）、X4（研发人员全时当量）、X5（研究生在校生数量）、X7（研发人员）主要体现高校创新人员、研发人员的数量。人员是高校创新与培养科技创新人才的原动力，人员规模直接影响高校创新水平与专业人才创新能力。X6（与企业合作获得发明专利授权数）、X8（与企业合作发表科技论文数）、X9（发表科技论文数）、X10（专利申请与所有权转让）、X11（企业委托科研项目数）、X13（高校参与创新战略联盟情况）主要体现研发资源和成果产出情况。公因子f1主要描述研发资源的投入和产出，因此，可将第一个公因子f1视为研发资源。
公因子f2主要由8个影响因素（X12、X15、X16、X17、X19、X20、X21、X22）组成，f2上这8个影响因素具有较高的载荷。公因子f2中X15（学校与企业合作申报获得纵向科研项目数）、X16（学校开设创业课程数）、X17（学校拥有与企业共建研发机构数）、X19（高校服务企业）、X20（校企共建基地）、X21（学校拥有外聘兼职教师）主要体现高校创新培养平台建设情况。通过开设各类创新创业相关课程，培养专业学生的科技创新意识、创新创业思维和创新创业能力，将企业的研发资源有效转化为学校专业创新人才的培养资源，为学生提供创新能力培养的环境，从而培养出科技领军人才和创新人才。X12（普通高校科技成果转化）、X22（高校设置专门技术转化机构和网站）主要体现高校创新成果转化平台的建设。平台鼓励和引导学生运用所学知识开展科技创新，提高专业创新能力和实践水平，将创新人员的科技研发思维转化为实际科技成果。高校创新成果转化平台是间接培养学生科技创新实践能力的重要途径，也是落实高校毕业生以创业带动就业、促进充分就业的重要举措。公因子f2主要体现高校创新的培养平台和成果转化平台，因此，可将第二个公因子f2视为创新平台建设。
公因子f3主要由（X14、X18、X23、X24、X25）5个影响因素构成，这5个影响因素在f3上的载荷均较高，主要反映高校创新的主体。高校是培养创新型高素质人才的主体，专任教师是培养学生创新的主要引路人，专任教师实践能力及其数量发挥着关键性作用。在校生是科技创新的潜在人员，投入大量的师资和教学资源，提高大学生创新创业项目数量，能够有效提升学生科技创新能力。因此，可将第三个公因子f3视为创新主体。
在明确关键影响因素的基础上，采用多元回归分析
利用SPSS计算公因子f1研发资源、f2创新平台建设、f3创新主体对应的因子得分，将其作为自变量，并引入人才创新指数作为因变量，构建多元回归模型，如
| Yi = β1F1i + β2F2i + β3F3i + ui | （1） |
多元回归分析结果如
| 模型 | R | 2 | 标准估算的错误 | 德宾-沃森 | |
|---|---|---|---|---|---|
| 1 |
0.91 | 0.838 | 0.819 | 3.195 34 | 2.587 |
a预测变量（常量）：创新主体、创新平台建设、研发资源。
；b因变量：高校人才创新指数。
| 模型 | 未标准化系数 | 标准化系数 | t | 显著性 | ||
|---|---|---|---|---|---|---|
| B | 标准错误 | Beta | ||||
| 1 | （常量） | 68.485 | 0.583 | 117.392 | 0.000 | |
| 研发资源 | 6.773 | 0.593 | 0.901 | 11.414 | 0.000 | |
| 创新平台建设 | 0.815 | 0.593 | 0.108 | 1.374 | 0.181 | |
| 创新主体 | 0.897 | 0.593 | 0.119 | 1.512 | 0.143 | |
a因变量：高校人才创新指数。
| 模型 | 未标准化系数 | 标准化系数 | t | 显著性 | ||
|---|---|---|---|---|---|---|
| B | 标准错误 | Beta | ||||
| 1 | （常量） | 68.485 | 0.606 | 113.081 | 0.000 | |
| 研发资源 | 6.773 | 0.616 | 0.901 | 10.995 | 0.000 | |
a因变量：高校人才创新指数。
经分析，得到高校创新能力关键影响因子对人才创新指数的回归模型，如
| Yi = 6.773F1i + 68.485 | （2） |
研发资源主要包括X1（研发人员经费内部支出）、X2（研发人员课题经费）、X3（国际交流与合作人员）、X4（研发人员全时当量）、X5（研究生在校生数量）、X6（与企业合作获得发明专利授权数）、X7（研发人员）、X8（与企业合作发表科技论文数）、X9（发表科技论文数）、X10（专利申请与所有权转让）、X11（企业委托科研项目数）、X13（高校参与创新战略联盟情况）。充分说明研发资源在人才创新指数中发挥着至关重要的作用，可重点增加研发资源的投入，提高产出效果，并加大创新平台建设力度，为创新主体创造良好的创新环境，提供全方位的科技研发资源保障。
高校的研发资源是影响创新人才指数的重要因素，研发资源越丰富人才创新指数越高。人才创新指数在一定程度上表明了高校创新人才培养的质量，为提升高校创新人才培养水平，可重点优化各地区高校的研发资源，完善高校创新平台，不断提升创新主体的创新思维和创新能力。
（1）优化各地区高校研发资源的配置，建立促进创新发展的资源环境，深化高校科技创新工作。各地区高校应紧密结合政策发展和市场需求，围绕支持高素质研发团队发展、营造科技创新良好氛围、加大科技研发投入、制定科学科研经费计划等方面，大力推进科技创新团队建设。
（2）完善高校创新平台。高校是我国培养高层次科技创新人才的主要阵地，是实现技术成果转化的主力军。为促进高校高质量发展、培养高质量科技创新人才，提升教育服务创新发展的效果，需进一步完善地区高校创新培养平台，促进成果转化平台建设。依托高校创新能力，制定以培养高质量科技创新人才为目标的培养体系，设置合理的创新课程，鼓励学生积极参与科研课题，主持创新创业项目。同时，加强与企业研发机构的深度合作，促进校企共建与产学研融合，为学生提供培养科技创新能力的机会和创新平台。
（3）不断提高创新主体的创新思维及能力。大学教师在培养科技创新人才方面发挥着重要作用，应积极参与创新能力实训，并将相关实训与教育教学、创新人才培养等有效融合，形成具有自身特色的育人方式，为培养学生创新思维和创新能力提供坚实的基础。作为科技创新型人才主力军的高校学生，要充分发挥自主意识，积极运用学校创新平台所提供的资源，激发创新潜能，不断更新知识。由于高校创新能力和创新人才指数是两个持续的变量，本文分析仅选用2021年的统计数据，后续研究可动态关注变量数据，更深入全面地探讨高校创新能力对创新人才培养质量的影响。
参考文献
鲍锦涛，谢冰.高校创新能力强 科技才能自立自强［J］.科技传播，2022，14（15）：13-14. [百度学术]
唐娜，杨道涛.江苏高校科技创新能力的现状与提升对策——基于2012—2020年的相关核心指标数据分析［J］.中国高校科技，2023（3）：22-25. [百度学术]
张羽程，夏斌，过国忠.如何进一步提升高校科技创新能力［N］.科技日报，2021-12-16（6）. [百度学术]
苏丽锋，高东燕.“双一流”高校创新能力与经济发展协调度研究［J］.教育经济评论，2021，6（1）：75-92. [百度学术]
中华人民共和国教育部，中华人民共和国科学技术部.中国普通高校创新能力监测报告-2021［M］.北京：科学技术文献出版社，2021. [百度学术]
柯勤飞.高水平地方应用型高校人才培养的创新与实践［J］.教育发展研究，2021，41（11）：53-58. [百度学术]
周文鹏，王志玲，蓝洁.城市科技创新人才指数研究——基于青岛的实证分析［J］.科技与经济，2017，30（5）：91-95. [百度学术]
深圳人才集团联合清华大学技术创新研究中心.中国创新人才指数2021［EB/OL］.（2022-12-12）［2023-12-07］.https：//www.cit-index.com/report.html#linian. [百度学术]
潘丹，熊雨萌，李永周，等.中国省域高校科技创新能力动态测度研究［J］.中国高校科技，2023（8）：17-22. [百度学术]
陈劲，杨硕，吴善超.科技创新人才能力的动态演变及国际比较研究［J］.科学学研究，2023，41（6）：1096-1105. [百度学术]
周兆丁，吕锟，沈瑾，等.统计软件SPSS相关分析及应用［J］.电脑知识与技术，2019，15（20）：301-302. [百度学术]
宋粉鲜，陈世文.统计学基础［M］.北京：现代教育出版社，2012. [百度学术]
姚怡帆，叶中华.中国创新能力的因子分析及障碍度诊断——基于全球创新指数［J］.科技和产业，2021，21（3）：19-27. [百度学术]
薛薇.SPSS统计分析方法及应用［M］.4版.北京：电子工业出版社，2017. [百度学术]