理论教育 创新性评价指标的因子分析与模型构建

创新性评价指标的因子分析与模型构建

时间:2023-06-02 理论教育 版权反馈
【摘要】:鉴于通过文献研究已较为全面、充分地掌握了创新性评价指标的主要范畴与结构,因此采用验证性因子分析。在分析过程中,首先根据前述文献研究的基础设定出各变量之间的关系,然后以理论为基础,依据结构方程模型所提示的修正关系对模型进行调整,一步一步删除不显著的关系,补充新的关系,最终得到被数据支持的评价指标与分类模型。

创新性评价指标的因子分析与模型构建

1.文献研究法

首先通过收集、阅读与总结、分析大量的文献,一方面借鉴最新的技术创新相关理论,结合我国农业科技项目创新研究的特点,对农业科技项目的创新性评价指标要素进行规范研究;另一方面针对“十二五”国家科技支撑计划中农业领域科研项目,通过案例分析得到反映项目创新程度的评价指标。

2.调查研究法

在梳理并归纳了相关创新理论的基础上,采用调查研究方法,通过对科技计划项目评审专家与管理者等的访谈,得出创新性评价指标(二级指标);通过对评审专家及项目负责人的问卷调查,得到对于评价指标的重要性打分数据,而后运用统计分析的方法实现对初始的指标删减与分类。

3.统计分析方法

以问卷的形式进行实际调查,分别获取三类项目创新性指标的重要性数据。在尝试使用探索性因子分析后发现其结果不仅脱离了理论,且不符合实际情况。鉴于通过文献研究已较为全面、充分地掌握了创新性评价指标的主要范畴与结构,因此采用验证性因子分析。以筛选出的有效数据样本数建立基于结构方程模型的验证性因子分析模型,对初始指标进行分类与筛选。

(1)描述性统计分析。本研究通过描述性统计分析,得到三类项目在评价指标上的特性。同时也计算各指标的均值和标准差,了解各指标及各类项目在创新性评价上的一般反映。(www.daowen.com)

(2)验证性因子分析。在分析过程中,首先根据前述文献研究的基础设定出各变量之间的关系,然后以理论为基础,依据结构方程模型所提示的修正关系对模型进行调整,一步一步删除不显著的关系,补充新的关系,最终得到被数据支持的评价指标与分类模型。

4.运筹学分析法

运用基于统计学的层次分析法得到面向指标的权重(主观权重),运用基于运筹学的熵值法得到面向实际申请书样本的权重(客观权重),而后对主观客观权重进行了组合赋权法,通过线性(层次分析法、熵值法、组合赋权法)和非线性(TOPSIS法、模糊综合评价法)的五个评价法得到了两组评价结果(基于分层组合赋权法和离差最大化组合赋权法)。

5.比较分析法

(1)对三类科研项目的比较分析。通过对应用基础项目、应用开发项目、产业化开发项目的有关创新模式、创新需求、投入产出等指标重要性的比较,归纳总结各类项目的创新需求、创新模式、思路设计与实际科研活动之间的机理与特点。

(2)对两种赋权方法的比较分析。分别对基于两种组合赋权法得到的两组评价结果进行组合评价,在通过事前、事后一致性检验后,发现两组评价结果具有一致性,因此说,本书提出的层次-熵值分层组合赋权法具有一定的有效性与可操作性。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈