第五章　资助效益的综合评价

在研究个人特质要素、个人积累要素与资助效益间关系时，需进行资助效益评价，即评估科技人才接受基金或人才计划资助时在科学技术领域取得的工作成绩和获得的工作积累。从评价方式上可分为直接评价指标和间接评价指标。由于直接评价指标直接反映了科技人才对科学技术领域及社会的贡献，指标相对笼统，不便进行定量评估；于是采用了相对精确、易量化的间接评价指标。同时由于科研成果价值和表现形式的多样性决定了很难用同一标准判断科技人才的科技成果，通过对间接评价指标进行分类，保证评价结果的科学性。

科技人才的资助效益分为科技成果效益和人才成长效益。科研成果效益，主要包括资助前和期间的项目、论文、著作和专利情况；人才成长效益，主要包括资助期间的人才培养、学术交流和奖励情况。

第一节　评价方法：TOPSIS法

由于科技人员的资助效益表现为多个特征，其科研成果价值和表现形式的多样性决定了很难用同一标准判断科技人才的科技成果，另外科技人员科研业绩的评价经常涉及阶段性评价，这种评价既包括其正在进行的科技创新活动价值的评价，又包括在特定时期内已完成的创新性成果的评价，被评价的内容是二维的。因此，以往国内在综合评价中常采用的单一文献计量法、专家评议法等显然是不合适的，影响到评价结论的科学性和公正性。

TOPSIS法的全称是逼近理想解的排序法，是一种空间距离的思想，是多目标决策分析中常用的一种科学方法。该方法的思路是根据各被评估对象与正理想点和负理想点的距离来排列对象的优劣次序。所谓正理想点是设想的最好对象，它的各属性值达到所有被评对象中的最优值；而负理想点则是所设想的最差对象，它的各属性值都是所有被评对象中的最差值。用欧几里得范数作为距离测度，计算各被评对象到正理想点以及到负理想点的距离，距离正理想点越近，且距离负理想点越远的对象越优。TOPSIS通过正理想解和负理想点的确定，将实际样本中的优值和劣值引入评价模型中，从而使评价结果能够充分体现评价对象的各个特征，使评价结果与实际结果更为接近，可信度较强。该方法对数据分布及样本量、指标多少无严格限制，既适用于少样本的小资料，也适用于多样本的大系统；评价对象既可以是空间上的，也可以是时间上的。其应用范围广，具有直观的几何意义。

因此，我们引入多属性综合评价中的TOPSIS综合评价方法从空间距离的角度，结合现有的科技效益相关评价研究建立科技人才资助效益的综合评价模型，以实现对科技人员资助效益实施科学、客观、公正评价。

第二节　资助效益的评估模型构建

我们将科技人才的资助效益分为科技成果效益和人才成长效益。因此资助效果的综合评价就包括科技成果效益综合评价和人才成长效益综合评价，此外科技人员科技成果效益的评价经常涉及阶段性评价，因此还可以具体分为资助前科技成果效益评价和资助期间科技成果效益评价。评价指标主要采用间接性指标，科技成果效益主要体现在科技人才既往承担的科研课题、发表论文、出版专著数和专利。同时考虑科技人才成长，将科技人才在资助期间所取得科研成果的社会认可等相关性指标作为人才成长效益，主要包括人才培养、学术交流和奖励。基于上述认识，科技人才资助的综合评价具体包括五个方面：资助前科技成果效益评价（Pf）、资助期间成果效益评价（Pd）、资助期间人才成长效益评价（Gd）、资助后科技成果累积综合评价（Pa）、资助后资助效益综合评价（Pw），涉及的具体指标见表5-1与表5-2。

在确定指标具体表示以后，需要将各个指标无量纲化或统一量纲。这里主要借鉴科研机构和高校业绩点计算方法，分别规定各个三级指标业绩点换算（见表5-3）。

各个二级指标的记分公式为

资助前项目Af= Af 1×12 + Af 2×8 + Af 3×4 + Af 4×1

资助期间项目Ad= Ad1×12 + Ad2×8 + Ad3×4 + Ad4×1

资助前论文Bf= Bf 1×1 + Bf 2×2 + Bf 3×2

资助期间论文Bd= Bd1×1 + Bd2×2 + Bd3×2

资助前著作Cf= Cf 1×5 + Cf 2×1.5/20

资助期间著作Cd= Cd1×5 + Cd2×1.5/20

资助前专利Df= Df 1×1 + Df 2×2 + Df 3×2

资助期间专利Dd= Dd1×1 + Dd2×2 + Dd3×2

资助期间人才培养Xf= Xf 1×1 + Xf 2×2 + Xf 3×3

资助期间学术交流Yf= Yf 1×4 + Yf 2×2 + Yf 3×1

资助期间奖励Zf= Zf 1×4 + Zf 2×3 + Zf 3×2 + Zf 4×1.5 + Zf 5×1

设资助前科技成果效益中的正理想点为（），由样本中资助前项目、论文、著作和专利最大值组成；负理想点为），由样本中资助前项目、论文、著作和专利最小值组成。同理资助期间科技成果效益中的正理想点为），负理想点为），资助期间的人才成长效益正整理想点为），负理想点为、）。

设样本i的资助效益效益状态为），），），则可以得到：

资助前科技成果效益，样本i离正理想点的距离，离负理想点的距离

资助期间科技成果效益，样本i离正理想点的距离，离负理想点的距离

资助期间人才成长效益，样本i离正理想点的距离，离负理想点的距离

因此，我们可以得到样本i科技人才的资助效益评估

资助前科技成果效益

资助期间科技成果效益

资助期间人才成长效益

资助后科技成果累积效益

资助后资助综合效益

通过以上资助效益评估公式，可以得到每个样本的资助效益值，进一步进行排序和其他分析。

第三节　科技人才综合评价结果及差异性分析

一　科技人才综合评价结果

通过上面的资助效益评估公式，我们可得到每个样本i资助前科技成果效益评价（）、资助期间成果效益评价）、资助期间人才成长效益评价（）、资助后科技成果累积综合评价）、资助后资助效益综合评价），并分别对5个方面进行排序，得到最终评价结果（见表5-4）。

二　资助效益层次差异性分析

研究对象里包括三个层次：学科带头人、重大课题负责人（A层），重点课题负责人、启明星跟踪（B层），启明星（C层），由于每个层次的资助计划、人才结构都有很大的差异，因此从资助效益角度来看，三个层次应存在差异。由于上面的得到的资助前科技成果效益评价）、资助期间成果效益评价）、资助期间人才成长效益评价（）、资助后科技成果累积综合评价（）、资助后资助效益综合评价（）评价值分布上并没有呈现明显的正态性，因此采用非参数的检验方法，利用Spss13.0对以上五个方面进行了层次间的差异性分析，得到结果如表5-5所示。

从资助效益层次差异性分析可看出，资助前科技成果效益评价（）、资助期间人才成长效益评价（）、资助后科技成果累积综合评价（）、资助后资助效益综合评价（）在层次间表现出明显差异，而资助期间成果效益评价（）差异性并不明显，或者说相对其他四个方面差异性较弱。从上面层次差异性分析，可得到以下几个观点：

（1）资助效益在三个层次表现出差异（除资助期间成果效益）。这与现实中科技人才基金或人才计划实际基本一致，因此现有综合评价具有一定的科学性。

（2）资助效益在三个层次变现出差异。因此去寻找与资助效益有关的相关要素，对于理解资助效益层次的差异性、培养科技人才具有一定意义。

（3）资助期间成果效益层次差异性并不明显，而资助前科技成果效益、资助期间人才成长效益、资助后科技成果累积效益、资助后资助的综合效益表现出差异。实际来看，其原因可能是由于在资助期间，科技人才目标明确，科技成果指标任务已被明确在基金申请书或人才培养计划里，因此科技人才的科技成果效益层次的差异性表现得并不明显。而在资助前后，由于没有明确的任务目标限定，科技人才的成果和成长取决与其自身发展，所以差异性比较明显。这里面涉及很多影响因素，其中必然涉及科技人才内部的隐形因素和所处环境，因此研究科技人才的价值观、道德、人格等内部隐形因素以及团队环境因素与科技人才资助效益的关联性，发现影响资助效益的人才特质要素，具有理论意义和现实意义。

第四节　科研积累—资助效益转移矩阵

在科技人才选拔时，科研人才资助期间成果效益（Pd）、资助期间人才成长效益（Gd）、资助后科技成果累积效益（Pa）、资助后资助综合效益（Pw）都是未知的，需要根据资助前科技成果效益评价（Pf）（即资助前的科研积累）来估计科技人才未来的资助效益。因此，需在科研积累和资助效益间建立联系，具体包括两个：科研积累—资助后科技成果累积效益回归分析，科研积累—资助后资助综合效益回归分析，利用Spss13.0分析结果如下：

从而，可得到一个系数矩阵——科研积累—资助效益转移矩阵（M）

并可得到科研积累—资助效益的关系，样本i的资助前科技成果效益状态为（），设科技成果效益状态的标准化值（）。