河南省高校科技人才评价体系权重赋值研究

李永占

（许昌学院教育学院，河南 许昌 461000）

0 引言

改革开放以来，我国的区域发展战略在经历了从沿海大开放到西部大开发，再到东北等老工业基地振兴的历史演变后，2004年“中部崛起”的发展战略正式进入中央决策。“中部崛起”发展战略的实施为河南振兴、中原崛起赢得了天时、地利与人和等诸多优势，有力地推动了河南经济社会发展。“中原崛起”不仅关乎河南上亿人口的发展大计，对“中部崛起”战略的实现也具有举足轻重的影响。众多事实表明，当一个地区经济和科教均落后时，科教优先发展，才能提高地区的自主创新能力，进而大幅提升地区经济社会发展水平和综合竞争力。就河南省而言，一直以来，其科教发展与经济社会发展的实际需要很不相符。近些年，河南省大力推进“创新驱动、科教兴省、人才强省”战略，的确成绩斐然，但毋庸讳言，“科教”仍然是制约河南经济社会发展的短板。河南作为人口上亿的大省，与全国许多地区相比，优质高等教育资源明显不足，高层次人才更为缺乏。人才软实力的落后已严重影响了河南经济社会的健康发展。目前，河南省高校科技人才数量相对较少，尤其是像“两院院士”这样的领军人才，与发达省份相比，在数量上更是相差悬殊［1］。这固然与河南省经济发展水平较低的现实有很大关系，但也不能忽视高校当前的人才管理制度所造成的影响。在高校管理中，人才评价对人才潜能的发挥具有重要影响。构建科学的科技人才评价体系，对于吸引人才、留住人才、激发人才创造潜能，具有重要意义。为此，本研究基于河南省情，依据扎根理论，构建了河南省高校科技人才科研综合能力评价体系模型，以期为推动河南省高校人才队伍建设提供参考依据。该评价体系由4个一级指标、18个二级指标和55个三级指标组成。在权重赋值方面，本研究参考已有文献，采用层次分析法来确定各级评价指标的权重。

1 层次分析法及其应用

确定评价指标要素的权重，常用的分析方法主要有主观经验法、嫡值法、模糊聚类分析法、德尔菲法和层次分析法。前两者虽然操作非常简便，但主观性强，随意性大，精度低，结果评价准确性不够理想，往往不能合理体现评价指标的相对重要性。德尔菲法、层次分析法与嫡值法、模糊聚类分析法相比，前两者的优点是无需应用样本数据，专家仅凭个人知识经验对评价指标进行理解，即可做出评判，因而其使用范围相对广泛，尤其适合对一些定性类的指标进行评判。需要指出的是，虽然层次分析法与德尔菲法的适用范围差不多，但层次分析法对指标相对重要性的分析逻辑性更强，描述更细，并且加入了更多数学（如矩阵）处理，提高了其结果的可信度［2］。由于层次分析法将定性分析与定量分析相结合，对指标重要程度的评判做了较多的数学处理，使之更具逻辑性和科学性，可信度相对较高，因而经过慎重权衡，本研究选用层次分析法进行指标权重赋值。

层次分析法（Analytic Hierarchy Process，AHP），是美国运筹学家托马斯·萨蒂（T.L.Saaty）于20世纪70年代提出的系统评价方法，其应用的工具主要是数学矩阵。它基于网络系统理论，将一些定性、半定性问题转化为定量问题处理，使评价的因素层次化，从而能够逐层比较因素间的关联，为评价和预测事物发展提供较为可靠的依据［3］。作为一种分层次的权重决策分析方法，AHP的基本思想是将一个复杂的问题视为一个系统，将问题分解为多个组成元素，进而按支配关系分解为多个指标，形成递阶性的系统层次结构，使每层与其下一层均保持一定支配或隶属关系。使用层次分析法，系统中每一层次的各元素的相对重要性是通过两两比较的方式进行确定的（两两比较是求解判断矩阵特征向量常用的办法）。然后将不同决策者的判断进行综合，从而实现对同一层次中各因素相对重要性的大小排序。层次分析方法使不易定量描述的评价问题能够量化研究，将评价体系构建研究推向一个新的阶段。在能力评价系统中，如果某个因素的指标数不超过九个，一般是比较适合用层次分析法来确定各指标的相对权重的［4］。

人们在对社会、经济以及管理领域的问题进行系统分析时，面临的经常是一个由相互关联、相互制约的众多因素构成的复杂系统。层次分析法则为研究这类复杂的系统，提供了一种新的、简洁的、实用的决策方法。

层次分析法可用于几乎任何领域的多目标评价，如灾害应急能力评价［5］、煤矿安全评价［6］、食品安全评价［7］、就业质量评价［8］、生态环境质量评价［9］、组织绩效评价［10］、管理水平评价［11］、旅游竞争力评价［12］等。基于层次分析法的研究，通常先构建评价体系，接着利用层次分析法确定指标权重，最后给出综合得分排序［13］。

2 评价体系指标赋权

2.1 一级指标权重的确定

本研究的一级指标有四个，适合采用层次分析法进行权重赋值。这种赋值方法通常采用专家对评价指标的重要程度进行两两比较的方式，比较的结果采用矩阵方式予以呈现。矩阵运算过程可以手动进行，也可以借助计算机软件如MATLAB［14］。利用层次分析法来确定评价指标的权重通常需要进行五个步骤的操作，依次是：递阶层次结构模型构建、比较判断矩阵构建、指标相对权重计算、层次序列一致性检验及权值确定［15-16］。

2.1.1 递阶层次结构模型构建。在使用层次分析法的过程中，首先要将评价的各种因素进行系统性递阶处理，将各因素按属性分为若干组别，并按支配和隶属关系，形成不同的层级。通常上一层的因素是作为准则支配下一层因素的。系统性递阶处理时，通常将决策的目标、考虑的因素（决策准则）和决策对象按它们之间的相互关系分为最高层、中间层和最底层，用框图形式绘出层次结构图，展示因素所处的层次递阶，用以说明因素间的隶属关系。最高层是指决策的目的、要解决的问题。最底层是指决策时的各种备选方案。中间层也称准则层，是指考虑的因素、决策的准则。对于相邻的两层，称高层为目标层，底层为因素层。本研究所建立的评价指标体系共有4个一级指标，18个二级指标和55个三级指标。

2.1.2 比较判断矩阵构建。层次分析法的第二个步骤就是对同一层次的各元素进行两两比较，评判他们关于上一层次的某准则的相对重要性，从而构造出两两比较的判断矩阵。两两比较不同于把所有因素放在一起进行总体比较，前者采用的是相对尺度，从而尽可能地减少不同性质的各因素相互比较的困难，以提高评判的准确度。判断矩阵中各因素的值反映评价者根据某一准则对其下的各方案（因素）的相对重要性的认识，是对重要性的等级评定。构建判断矩阵，通常采用Saaty提出的1-9及其倒数标度法（如表1所示）。表2给出了由任意四个不确定名称的指标构建的两两比较判断矩阵。

表1 Saaty指标相对重要性1-9标度法

表2 任意四个指标的判断矩阵

参照表1，采用表2所示的Saaty 1-9标度法构建本研究中4个一级评价指标的判断矩阵。首先邀请某高校主持有省部级以上课题项目的5位教授组成专家组，根据现有的指标体系，参照Saaty的相对重要性标度表对同一级别的指标进行两两比较打分，最后将收回的份问卷运用层次分析法软件进行处理得出判断矩阵和相对重要性程度。表3呈现了其中一位专家对本研究中4个一级指标的判断矩阵赋值情况。

表3 本研究一级指标判断矩阵示例

2.1.3指标相对权重计算。

表3中的判断矩阵结构可以矩阵式表示如下：

计算评价指标权重，需要首先运用方根法计算判断矩阵的特征（优先级）向量。计算步骤如下：首先计算矩阵P各要素的优先级向量。矩阵P是一个四阶矩阵，下面计算该矩阵各行元素的连乘积的4次方根：

这里，0.707 1、1.414 2、1.934 3、0.353 5这四个值之和不等于1，因而无法进行比对，需要对将这四个值相加进行归一化处理，才能进行相互比对。通过数据的归一化，即可得到基本能力素质、教学能力素质、科研能力素质、社会影响力的特征（优先级）向量W。

至此，完成了一位专家给四个指标赋予的相对权重计算。

2.1.4 层次序列一致性检验。由于专家打分所形成的两两比较的判断矩阵可能会存在一定的误差，因而需进行层次序列的一致性比率检验。该检验需要根据4个一级指标构建的判断矩阵的最大特征根来进行。只有当一致性比率CR值小于0.1时，才可以判断矩阵的一致性是令人满意的，因而专家对4个指标所赋予的权重是合理的；反之，则表明判断矩阵误差较大，需要重构判断矩阵，直至一致性比率CR值小于0.1。检验公式为这里，CI为一致性指数，其计算公式为λmax为判断矩阵的最大特征根，其计算公式为λmax=其中，（PW'）i表示向量PW'的第i个元素；RI是多阶判断矩阵的平均随机一致性指标，其值随指标数而变化［6］。详见表4。

表4 多阶判断矩阵RI值

检验如下。

由上可知，判断矩阵的平均随机一致性比率CR为0.040 6，该指标远小于0.1，因而可以认为该判断矩阵构建是有效的，权重的分配是合理的。

2.1.5 指标权重的确定。由于一致性比率CR值远小于0.1，该专家构建的判断矩阵的一致性是令人满意的，因而该专家判定的4个一级指标的权重分别为：0.160 4、0.320 7、0.438 7、0.080 2。该指标是根据一位专家的打分获得的4个一级指标的权重。按照同样的方法，我们要计算出了另外4位专家打分后每位专家所确定的4个一级指标的权重。5位专家给出的一级指标权重结果如表5所示。

由表5可知，每位专家的CR值均小于0.1，表明判断矩阵的一致性令人满意，权重分配较为合理，评定结果是有效的。对5位专家给出的一级指标权重进行平均，得到最终的一级指标（基本能力素质、教学能力素质、科研能力素质、社会影响力）在河南省高校科技人才评价指标体系中的权重分别为0.167 1、0.325 4、0.432 3、0.075 2。

表5 5位专家一级权重评定结果

2.2 二级指标权重的确定

本研究共提炼出18个二级指标。二级指标权重的确定与一级指标相同，也是采用层次分析法算出每位专家对每个一级指标统领下的一组二级指标给出的权重及CR值，然后计算5位专家给出的权重的平均值，从而确定一组二级指标的最终权重。本研究首先给出“基本能力素质”这个一级指标所统领的一组二级指标的权重的最终确定步骤。结果见表6。

表6 5位专家对“基本能力素质”下的二级指标权重评定结果

由表6可知，每位专家的CR值均小于0.1，表明判断矩阵具有令人满意的随机一致性，权重分配比较合理，评定结果有效。对5位专家给出的“基本能力素质”下的一组二级指标权重进行平均，得到这组二级指标（职业道德、思想品德、身心健康、资历经历、知识技能、学习能力、现代信息技术）最终在“基本能力素质”中的权重分别为0.144 3、0.150 7、0.091 5、0.170 7、0.164 0、0.145 8、0.133 0。

本研究其次给出“教学能力素质”这个一级指标所统领的一组二级指标的权重的最终确定步骤。结果见表7。

表7 5位专家对“教学能力素质”下的二级指标权重评定结果

由表7可知，每位专家的CR值均小于0.1，表明判断矩阵具有令人满意的随机一致性，权重分配比较合理，评定结果有效。对5位专家给出的“教学能力素质”下的一组二级指标权重进行平均，得到这组二级指标（基本教学能力素质、教学创新、学科建设能力）最终在“教学能力素质”中的权重分别为0.644 8、0.211 4、0.143 8。

本研究接着给出“科研能力素质”这个一级指标所统领的一组二级指标的权重的最终确定步骤。结果见表8。

表8 5位专家对“科研能力素质”下的二级指标权重评定结果

由表8可知，每位专家的CR值均小于0.1，表明判断矩阵具有令人满意的随机一致性，权重分配比较合理，评定结果有效。对5位专家给出的“科研能力素质”下的一组二级指标权重进行平均，得到这组二级指标（基本科研能力素质、科研创新、科研绩效、科研投入、科研倾向、科研诚信）最终在“科研能力素质”中的权重分别为0.182 0、0.156 0、0.511 3、0.051 9、0.038 3、0.060 5。

本研究最后给出“社会影响力”这个一级指标所统领的一组二级指标的权重的最终确定步骤。结果见表9。

表9 5位专家对“社会影响力”下的二级指标权重评定结果

由表9可知，每位专家的CR值均小于0.1，表明判断矩阵具有令人满意的随机一致性，权重分配比较合理，评定结果有效。对5位专家给出的“社会影响力”下的一组二级指标权重进行平均，得到这组二级指标（学术影响、社会参与）最终在“社会影响力”中权重分别为0.662 6、0.337 4。

2.3 三级指标权重的确定

本研究共挖掘出55个三级指标。三级指标权重的确定方式与一级和二级指标相同，也是采用层次分析法算出每位专家对每个二级指标统领下的一组三级指标给出的权重及CR值，然后计算5位专家给出的权重的平均值，从而确定一组三级指标的最终权重。鉴于三级指标数量较多，每个指标权重计算的方法和程序是相同的，为了节省篇幅，减少不必要的重复，本研究仅给出“基本科研能力素质”这个二级指标所统领的一组三级指标的权重的最终确定步骤。结果见表10。

表10 5位专家对“基本科研能力素质”下的三级指标权重评定结果

由表10可知，每位专家的CR值均小于0.1，表明判断矩阵具有令人满意的随机一致性，权重分配比较合理，评定结果有效。对5位专家给出的“基本科研能力素质”下的一组二级指标权重进行平均，得到这组三级指标（项目申报、科研讯息、经验总结、团队协作、支持利用、灵活调节、信息分析、管理能力）最终在“基本科研能力素质”中的权重分别为0.205 8、0.050 6、0.143 2、0.158 0、0.047 7、0.057 1、0.178 3、0.159 3。

综合上述权重计算结果，河南省高校科技人才科研综合能力评价指标的权重分配如表11所示。

表11 河南省高校科技人才科研综合能力评价体系权重判定表

3 结语

本研究前期阶段已经基于质性研究的经典方法——扎根理论，通过访谈数十位河南省高校科技人才，构建出了河南省高校科技人才科研综合能力评价指标体系模型，该模型包括4个一级指标、18个二级指标和55个三级指标。前期工作的成果是鼓舞人心的，但该评价指标体系模型只能说明对河南省高校科技人才进行科研综合能力评价，应从哪些维度或因素着手，并不能表明这些维度或因素在人才评价中的重要程度。为此，本研究接续前期研究成果，经过对各种方法的反复比较、考量，最终采用将定性和定量研究相结合，具有更多数学处理的层次分析法来解决人才评价指标体系的权重赋值问题。本文详细介绍了四个一级指标权重确定的具体步骤和运算过程，对于二级和三级指标，由于其权重赋值的方法与一级指标相同，故而仅列出最后的结果步骤。高校科技人才评价工具的开发不是一蹴而就的，要经过长期的检验、修改和完善，才能获得信效度满意的工具。本研究虽将前期研究获得的评价体系模型赋权，但这并不意味着研究成果可以直接用于人才测评，因为三级指标在实施人才评价时具体的评分标准尚待给出，而这正是课题组下一个阶段要完成的任务。

本研究在对科技人才评价指标体系进行权重赋值时，采用了层次分析法。运用该方法时，需要邀请多位专家对各指标关于上一层维度的重要性进行评估。因而，专家人选可能对赋值结果有一定影响。如果所选出的五位专家知识结构有一定的异质性，且均具有较高的学术成就，那么所得的权重结果可能比根据五位知识结构相似、学术成就一般的专家打分所计算出的权重结果要更准确可靠一些。为此，如果条件允许的话，后续研究可以多选几组专家打分，最后取平均值作为权重，以期获得更为准确的结果。