深圳特區(qū)科研人員數(shù)量影響因素分析

李翠芳 陳玉芳

[摘要]人才是經(jīng)濟(jì)發(fā)展的核心動(dòng)力，人才儲(chǔ)備量是決定地區(qū)發(fā)展的主要因素。通過(guò)分析深圳地區(qū)科研人員數(shù)量及與深圳科研經(jīng)費(fèi)內(nèi)部支出等方面的變量，分析人才保留的主要影響因素。為其他地區(qū)科研人員的儲(chǔ)備提供一些建議。

[關(guān)鍵詞]科研人才;科研經(jīng)費(fèi)內(nèi)部支出;偏相關(guān)分析;加權(quán)最小二乘回歸分析;地區(qū)經(jīng)濟(jì)發(fā)展

[中圖分類號(hào)] C96 ? ? ? ? ? ? ? ? ? ? [文獻(xiàn)標(biāo)識(shí)碼] A ? ? ? ? ? ? ? ? ? ? [文章編號(hào)] 2095-3283（2020）07-0063-03

Analysis of Factors Influencing the Number of Researchers in the Shenzhen Special Economic Zone

Li Cuifang ? ?Chen Yufang

（Huali College Guangdong University of Technology，Guangzhou Guangdong 511325）

Abstract： This paper analyzes the variables of the number of scientific research personnel in Shenzhen and the internal expenditure of scientific research expenditure in Shenzhen， and analyzes the main impacts on talent retention to provide some suggestions for the reserves of scientific research personnel in other regions.

Key Words： Scientific Research Talents; Discussion Of Internal Expenditures; Partial Correlation Analysis; Least Squares Regression Analysis; Regional Economic Development

一、緒論

改革開(kāi)放以來(lái)，深圳特區(qū)經(jīng)濟(jì)發(fā)展成績(jī)顯著，依托粵港澳大灣區(qū)的地理背景，不斷的吸收、接納國(guó)內(nèi)外優(yōu)秀人才。在城市產(chǎn)業(yè)布局中，多年來(lái)堅(jiān)持走節(jié)能環(huán)保、科技文化類型的產(chǎn)業(yè)路線，不斷涌現(xiàn)出優(yōu)秀的企業(yè)，如華為、中興、大疆等全球知名企業(yè)。這些企業(yè)的成長(zhǎng)離不開(kāi)優(yōu)秀人才的支持與努力。為此，本篇文章通過(guò)分析影響深圳人才去留的主要變量及之間的關(guān)系，為人才的保留提供一些思路。

張春英在其發(fā)表的文章中提到針對(duì)科研經(jīng)費(fèi)的支出分配與科研經(jīng)費(fèi)預(yù)算管理存在的缺陷，以及針對(duì)這些缺陷采取的彌補(bǔ)措施，展開(kāi)系統(tǒng)性的研究[1]，為本篇文章提供考察變量。王曉君以科學(xué)事業(yè)單位為研究對(duì)象，有針對(duì)性根據(jù)科學(xué)事業(yè)單位實(shí)施內(nèi)控的重要意義，分析內(nèi)部控制存在的問(wèn)題和原因，有針對(duì)性的提出了加強(qiáng)科學(xué)事業(yè)單位內(nèi)部控制建設(shè)的建議和有效措施[2]。為本篇論文的研究提供拓展思路。???、??等人在其論文中提到，科研項(xiàng)目經(jīng)費(fèi)使用過(guò)程中會(huì)出現(xiàn)違規(guī)現(xiàn)象，挫傷科研人員士氣，有必要建立有效的研究基金進(jìn)行管理。從中我們可以得知，科研經(jīng)費(fèi)的有效利用對(duì)科研人員發(fā)揮其最大的能力有著至關(guān)重要的作用[3]。Ingrid L. Potgieter 、Annette M. Snyman在其論文中通過(guò)按照年齡、性別、白人占比、分布地理位置、員工個(gè)人因素和工作保留因素的報(bào)告、個(gè)人情緒智力和自我尊重、工作保留、主管支持、職業(yè)機(jī)會(huì)等因素，分析人才保留的主要原因。為論文提供回歸分析模型提供建議[4]。姚連營(yíng)在其論文中提到，人才受城市文化底蘊(yùn)、社區(qū)文化參與、職業(yè)預(yù)期等因素影響更為顯著，并分析制約青年人才根植意愿的障礙，增強(qiáng)人才與城市的黏度進(jìn)行分析[5]。

二、研究工具

（一）偏相關(guān)分析

現(xiàn)實(shí)中，變量之間的相關(guān)關(guān)系是很復(fù)雜的。兩個(gè)變量的簡(jiǎn)單相關(guān)分析結(jié)果，在一些情況下無(wú)法真實(shí)、準(zhǔn)確地反映兩個(gè)變量之間的相關(guān)關(guān)系;單純計(jì)算簡(jiǎn)單相關(guān)系數(shù)，不能準(zhǔn)確地反映事物之間的相關(guān)關(guān)系，需要在剔除其他相關(guān)因素影響的條件下計(jì)算相關(guān)系數(shù)，在計(jì)算偏相關(guān)系數(shù)時(shí)，需要掌握多個(gè)變量的數(shù)據(jù)：一方面考慮多個(gè)變量相互之間可能產(chǎn)生的影響，另一方面采用一定的方法控制其他變量，考察兩個(gè)變量的凈相關(guān)，偏相關(guān)分析正是用來(lái)解決這個(gè)問(wèn)題的[6]。

本文通過(guò)深圳研發(fā)活動(dòng)人員（人）、深圳科研經(jīng)費(fèi)內(nèi)部支出、居民消費(fèi)價(jià)格分類指數(shù)（上年=100）、衛(wèi)生事業(yè)機(jī)構(gòu)數(shù)（個(gè)）、城鎮(zhèn)職工基本養(yǎng)老保險(xiǎn)參保人數(shù)（萬(wàn)人），以上5個(gè)變量之間，兩兩變量的凈相關(guān)比較，分析他們之間的關(guān)聯(lián)程度。

（二）加權(quán)最小二乘回歸分析

在標(biāo)準(zhǔn)線性回歸模型中，有一個(gè)基本假設(shè)是整個(gè)總體同方差即為因變量的變異不能隨自身預(yù)測(cè)值以及其他自變量的值的變化而變動(dòng)，在實(shí)際問(wèn)題中這一假設(shè)條件往往不被滿足，如果繼續(xù)采用標(biāo)準(zhǔn)的線性回歸模型，就會(huì)使結(jié)果偏向于變異較大的數(shù)據(jù)，發(fā)生較大的偏差，而最小二乘回歸分析便解決了這一問(wèn)題的設(shè)計(jì)，基本原理是為不同的數(shù)據(jù)賦予不同的權(quán)重以平衡不同變異數(shù)據(jù)的影響[7]。本文通過(guò)加權(quán)最小二乘回歸分析，主要分析深圳研發(fā)活動(dòng)人員與深圳科研經(jīng)費(fèi)內(nèi)部支出的關(guān)系，為深圳科研經(jīng)費(fèi)內(nèi)部支出規(guī)劃提供一些思路。

三、數(shù)據(jù)分析

（一）數(shù)據(jù)來(lái)源

本文通過(guò)EPS數(shù)據(jù)平臺(tái)獲得2001—2018年深圳特區(qū)經(jīng)濟(jì)發(fā)展過(guò)程中的如下變量：R&D活動(dòng)人員（人）、居民消費(fèi)價(jià)格分類指數(shù)（上年=100）、R&D經(jīng)費(fèi)內(nèi)部支出（萬(wàn)元）、衛(wèi)生事業(yè)機(jī)構(gòu)數(shù)（個(gè)）、城鎮(zhèn)職工基本養(yǎng)老保險(xiǎn)參保人數(shù)（萬(wàn)人）。通過(guò)偏相關(guān)分析，研究深圳特區(qū)人才引進(jìn)及人才保留的變量影響關(guān)系。

（二）偏相關(guān)分析

從圖1中可以看出，除城鎮(zhèn)職工基本養(yǎng)老保險(xiǎn)參保人數(shù)（萬(wàn)人）缺少2003年數(shù)據(jù)外，其他變量樣本個(gè)數(shù)均為18，研發(fā)活動(dòng)人員（人）均值為135950人，標(biāo)準(zhǔn)差為77196.707286;深圳地區(qū)科研經(jīng)費(fèi)支出均值為3801822.950000萬(wàn)元，其標(biāo)準(zhǔn)偏差為2871078.643157;居民消費(fèi)價(jià)格分類指數(shù)（上年=100）均值為102.143317，其標(biāo)準(zhǔn)偏差為1.985461;衛(wèi)生事業(yè)機(jī)構(gòu)數(shù)（個(gè)）均值為2490.833333，其標(biāo)準(zhǔn)偏差為1089.296062;城鎮(zhèn)職工基本養(yǎng)老保險(xiǎn)參保人數(shù)（萬(wàn)人）均值為671.3550，其標(biāo)準(zhǔn)偏差為309.361212。

從圖2中可以看到，變量的取值會(huì)同時(shí)受到其他變量的影響，控制住其他變量，輸出相關(guān)系數(shù)，具體內(nèi)容如下：

首先，深圳科研經(jīng)費(fèi)與衛(wèi)生事業(yè)機(jī)構(gòu)間相關(guān)系數(shù)及顯著性水平不受深圳研發(fā)活動(dòng)人數(shù)控制時(shí)，衛(wèi)生事業(yè)機(jī)構(gòu)數(shù)（個(gè)）與深圳科研經(jīng)費(fèi)內(nèi)部支出之間的相關(guān)系數(shù)為0.945，顯著性水平為0.000，小于0.05;控制深圳研發(fā)活動(dòng)人數(shù)時(shí)，衛(wèi)生事業(yè)機(jī)構(gòu)數(shù)（個(gè)）與深圳科研經(jīng)費(fèi)內(nèi)部支出之間的相關(guān)系數(shù)為0.579，顯著性水平為0.015，小于0.05。

其次，深圳科研經(jīng)費(fèi)與城鎮(zhèn)職工基本養(yǎng)老保險(xiǎn)參保人數(shù)間相關(guān)系數(shù)及顯著性水平不受深圳研發(fā)活動(dòng)人數(shù)控制時(shí)，城鎮(zhèn)職工基本養(yǎng)老保險(xiǎn)參保人數(shù)（萬(wàn)人）與深圳科研經(jīng)費(fèi)內(nèi)部支出之間的相關(guān)系數(shù)為0.972，顯著性水平為0.000，小于0.05;控制深圳研發(fā)活動(dòng)人數(shù)時(shí)，城鎮(zhèn)職工基本養(yǎng)老保險(xiǎn)參保人數(shù)（萬(wàn)人）與深圳科研經(jīng)費(fèi)內(nèi)部支出之間的相關(guān)系數(shù)為0.788， 顯著性水平為0.000，小于0.05。

再次，深圳科研經(jīng)費(fèi)與居民消費(fèi)價(jià)格分類指數(shù)間相關(guān)系數(shù)及顯著性水平不受深圳研發(fā)活動(dòng)人數(shù)控制時(shí)，居民消費(fèi)價(jià)格分類指數(shù)與深圳科研經(jīng)費(fèi)內(nèi)部支出之間的相關(guān)系數(shù)為0.230，顯著性水平為0.359;控制深圳研發(fā)活動(dòng)人數(shù)時(shí)，居民消費(fèi)價(jià)格分類指數(shù)與深圳科研經(jīng)費(fèi)內(nèi)部支出之間的相關(guān)系數(shù)為-0.518，顯著性水平為0.033，小于0.05。

最后，從上述數(shù)據(jù)來(lái)看，深圳研發(fā)活動(dòng)人員數(shù)量與衛(wèi)生事業(yè)機(jī)構(gòu)數(shù)量、深圳科研經(jīng)費(fèi)內(nèi)部支出及成長(zhǎng)職工基本養(yǎng)老保險(xiǎn)參保人數(shù)之間有較強(qiáng)的相關(guān)性，而居民消費(fèi)價(jià)格分類指數(shù)雖然較其他變量的相關(guān)性及顯著性效果差一些，但仍舊符合顯著性區(qū)間范圍，可用作深圳科研人員數(shù)量分析，且各變量之間有一定的相關(guān)性。

通過(guò)上述分析可以得知，衛(wèi)生事業(yè)機(jī)構(gòu)數(shù)量與職工基本養(yǎng)老保險(xiǎn)參保人數(shù)是深圳地區(qū)基礎(chǔ)條件所決定的，當(dāng)?shù)亟?jīng)濟(jì)發(fā)展較好，社會(huì)醫(yī)療系統(tǒng)條件及社保參保人數(shù)是整體經(jīng)濟(jì)發(fā)展水平的結(jié)果。而深圳科研經(jīng)費(fèi)內(nèi)部支出，則決定了人才的去留。第一，科研經(jīng)費(fèi)的投入，將影響人才個(gè)人能力的發(fā)揮。經(jīng)費(fèi)投入高，則顯示個(gè)人才能可發(fā)揮空間大，政府及企業(yè)在科研經(jīng)費(fèi)上的投入則直接影響個(gè)人職業(yè)的發(fā)展;第二，科研經(jīng)費(fèi)除了用于項(xiàng)目及科研研究外，還會(huì)對(duì)員工開(kāi)支產(chǎn)生影響，高產(chǎn)出率必然帶來(lái)人才的勞動(dòng)力高額付出，更多的工資、福利待遇會(huì)留住人才;第三，科研經(jīng)費(fèi)的投入也會(huì)為可持續(xù)發(fā)展的行業(yè)帶來(lái)勃勃生機(jī)，為當(dāng)?shù)毓?jié)能環(huán)保型的相關(guān)產(chǎn)業(yè)帶來(lái)溢出效應(yīng)。因此，在上述分析基礎(chǔ)之上，本文針對(duì)深圳研發(fā)活動(dòng)人員與深圳科研經(jīng)費(fèi)內(nèi)部支出之間進(jìn)行加權(quán)最小二乘回歸分析，分析兩者之間的關(guān)系。

（三）加權(quán)最小二乘回歸分析

⒈冪摘要

從圖6中，可以看到當(dāng)冪為4式，對(duì)數(shù)似然值為最大，為-203.846，所以我們應(yīng)該以深圳經(jīng)費(fèi)內(nèi)部支出的四次冪作為權(quán)重變量。

⒉模型概況

從圖4中可以看到，深圳科研經(jīng)費(fèi)內(nèi)部支出的四次冪做為權(quán)重變量;從圖5中獲知，修正的R方為0.929，模型的擬合程度較好，大于0.9;從圖6中獲知，方差分析中P值為0.00，模型的顯著性很高;從圖7中可知，模型中的深圳科經(jīng)費(fèi)內(nèi)部支出系數(shù)為0.054，其顯著性為0.00<0.05，非常顯著;而常數(shù)項(xiàng)為-10348.315，顯著性為0.003<0.05，較為顯著。

綜上分析，模型各變量的系數(shù)所決定的最終表達(dá)式為：深圳科研活動(dòng)人員（人）=-10348.315+0.054*深圳經(jīng)費(fèi)內(nèi)部支出（萬(wàn)元）。模型擬合優(yōu)度較好，圖5修正的可決系數(shù)為0.929。圖6顯著性水平P值為0.000，模型顯著性很高。深圳科經(jīng)費(fèi)內(nèi)部支出系數(shù)0.054很顯著，常數(shù)項(xiàng)-10348.315，略顯著。綜上可知，深圳經(jīng)費(fèi)內(nèi)部支出的增加，會(huì)帶來(lái)深圳科研活動(dòng)人員數(shù)量的增加，其增加關(guān)系如上述公式。

四、總結(jié)

通過(guò)上述分析可以得知，深圳研發(fā)活動(dòng)人員（人）、深圳科研經(jīng)費(fèi)內(nèi)部支出、居民消費(fèi)價(jià)格分類指數(shù)（上年=100）、衛(wèi)生事業(yè)機(jī)構(gòu)數(shù)（個(gè)）、城鎮(zhèn)職工基本養(yǎng)老保險(xiǎn)參保人數(shù)（萬(wàn)人）以上五個(gè)變量，兩兩變量之間相互關(guān)聯(lián)性很強(qiáng)，配套的衛(wèi)生事業(yè)機(jī)構(gòu)數(shù)量及成長(zhǎng)職工基本養(yǎng)老保險(xiǎn)參保人數(shù)與研發(fā)活動(dòng)人員的去留有著較強(qiáng)的影響關(guān)系。深圳研發(fā)活動(dòng)人員收入相對(duì)來(lái)說(shuō)較高，對(duì)居民消費(fèi)價(jià)格分類指數(shù)之間的關(guān)聯(lián)性相對(duì)較弱。

深圳科研經(jīng)費(fèi)內(nèi)部支出作為自變量，影響著深圳研發(fā)活動(dòng)人員的數(shù)量。通過(guò)政府項(xiàng)目資金支持、企業(yè)自力更生財(cái)力付出，才能吸引大量人才投入深圳的科技類產(chǎn)業(yè)當(dāng)中。人才的流入，會(huì)帶來(lái)產(chǎn)值的增加，為政府及企業(yè)的可持續(xù)發(fā)展提供持久動(dòng)力。因此，深圳政府大力推進(jìn)人才引進(jìn)方針及政策，落實(shí)好人才安居深圳的各種便利，為人才的成長(zhǎng)提供良好的環(huán)境;企業(yè)在人才工作中投入，與人才共同成長(zhǎng)，從而帶動(dòng)地區(qū)經(jīng)濟(jì)發(fā)展，且企業(yè)的投入在人才引進(jìn)及保留過(guò)程當(dāng)中起著決定性的作用。

[參考文獻(xiàn)]

[1]張春英.關(guān)于科研經(jīng)費(fèi)支出分配與預(yù)算管理研究[J].經(jīng)濟(jì)研究導(dǎo)刊，2020（03）：105-106.

[2]王曉君.對(duì)科學(xué)事業(yè)單位內(nèi)部控制管理優(yōu)化對(duì)策的思考[J].財(cái)會(huì)學(xué)習(xí)，2020（04）：255-256.

[3]???， ??， ???， et al. A Study on Inappropriate Research Fund Detection Model Using Artificial Neurual Network. 2019， 22（6）：963-986.

[4] Ingrid L. Potgieter， Annette M. Snyman .Journal of Psychology in Africa[J].2018.6（455-461） .

[5]姚連營(yíng).當(dāng)代青年研究[J]. 青年觀察.2019.5（46-54）為本文提供影響變量?jī)?nèi)容.

[6]李亞杰，多元統(tǒng)計(jì)分析[M] .北京郵電大學(xué)出版社，2018.09：91.

[7]楊維忠，張?zhí)?SPSS統(tǒng)計(jì)分析與行業(yè)應(yīng)用案例詳解[M].清華大學(xué)出版社.2011：94.

（責(zé)任編輯：顧曉濱 劉 茜）