張明凱+趙光洲

摘要： 借助于建設(shè)面向東盟的大通道戰(zhàn)略和地理位置毗鄰優(yōu)勢(shì)，云南省與東盟國(guó)家開展了一系列的科技合作與交流項(xiàng)目，但從已有數(shù)據(jù)分析，合作與交流的效果并不理想。文章基于影響科技合作與交流的因素的問卷調(diào)查結(jié)果，利用spss16.0軟件采用因子分析法對(duì)這些影響因素進(jìn)行歸納，找出權(quán)重大的影響因素，為云南省高校與東盟今后順利開展合作與交流項(xiàng)目提供指導(dǎo)性建議。

Abstract： With the construction of a major thoroughfare strategy for the ASEAN and the location adjacent to the strategic advantages between Yunnan and ASEAN， these countries launched a series of scientific and technological cooperation and exchange programs. From analysis of existing data， the results are unsatisfactory. This article based on the impact of scientific and technological cooperation and the results of a survey's exchanged factors as well as uses factor analysis to summarize these factors and find the principle factors by using the spss16.0 software. In order to provide guidance for future success cooperation and exchange projects between Yunnan's universities and ASEAN.

關(guān)鍵詞： 云南高校；東盟；科技合作與交流；因子分析

Key words： Yunnan's universities；ASEAN；scientific and technological cooperation；factor analysis

中圖分類號(hào)：F207 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1006-4311（2014）02-0011-03

0 引言

高校是國(guó)際科技合作與交流活動(dòng)中最活躍的主體。加強(qiáng)國(guó)際科技合作與交流，是加快建立高水平科技創(chuàng)新隊(duì)伍、培養(yǎng)具有國(guó)際影響學(xué)術(shù)帶頭人的重要途徑，是增強(qiáng)高?？萍紕?chuàng)新能力和提高云南省科技核心競(jìng)爭(zhēng)力的需要。云南省由于特殊的地理位置和與東南亞國(guó)家歷史上形成的友好交往傳統(tǒng)，在推動(dòng)和實(shí)施科技合作交流方面具有得天獨(dú)厚的地緣優(yōu)勢(shì)，再加上中國(guó)—東盟自由貿(mào)易區(qū)的建設(shè)更是為云南高校與東盟國(guó)家的科技合作與交流提供了歷史性機(jī)遇。云南省高校與東盟國(guó)家之間的科技合作與交流取得了一定的成效，但也存在一些問題。在新形勢(shì)下，深入研究國(guó)際科技合作的發(fā)展戰(zhàn)略，找出影響科技合作與交流的主要因素，以進(jìn)一步推動(dòng)云南省高校與東盟國(guó)家之間的科技合作與交流工作的開展，具有重要的理論和實(shí)踐意義。

1 云南省高校與東盟科技合作與交流的影響因素指標(biāo)體系構(gòu)建

通過對(duì)云南省高校面向東盟科技合作與交流的歷史數(shù)據(jù)分析，根據(jù)以往對(duì)東盟國(guó)家科技合作和交流的實(shí)際案例研究，設(shè)計(jì)了影響云南省高等院校與東盟開展科技合作與交流影響因素的問卷，此問卷中設(shè)計(jì)的影響因素一共有21個(gè)，這21個(gè)因素分別為：合適的合作伙伴（X1），合作伙伴的誠(chéng)信度（X2），合作伙伴的研發(fā)能力（X3），研發(fā)結(jié)果能否達(dá)到企業(yè)技術(shù)要求（X4），研究成果是否能夠產(chǎn)業(yè)化（X5），在收益分配上的分歧（X6），研究成果市場(chǎng)價(jià)值高低（X7），合作成果知識(shí)產(chǎn)權(quán)糾紛（X8），中介機(jī)構(gòu)服務(wù)功能強(qiáng)弱（X9），資金支持（X10），雙方責(zé)權(quán)利的清晰度（X11），政策保障（X12），人力資源條件（X13），合作的風(fēng)險(xiǎn)（X14），成功的經(jīng)驗(yàn)（X15），領(lǐng)導(dǎo)的重視（X16），科技人員意識(shí)（X17），學(xué)歷互相承認(rèn)（X18），優(yōu)勢(shì)互補(bǔ)（X19），信息渠道的暢通（X20），市場(chǎng)潛力的大?。╔21）等。

通過對(duì)問卷進(jìn)行投放、回收、數(shù)據(jù)整理，利用spss統(tǒng)計(jì)分析軟件中的因子分析方法對(duì)這些影響因素進(jìn)行分析，找出能夠解釋現(xiàn)象的主要影響因子，而彼此之間替代性較弱的因子，去掉那些相關(guān)性較高的因子，就能夠達(dá)到用較少的因子去解釋整個(gè)現(xiàn)象的目的，這就是指標(biāo)體系構(gòu)建的目的。下面將對(duì)因子分析法進(jìn)行介紹。

2 實(shí)證分析

此次問卷共發(fā)放和回收了80份，對(duì)象是云南省與東盟國(guó)家開展過交流和合作的高等院校及科研機(jī)構(gòu)，經(jīng)過整理，最終得到有效問卷61份，問卷有效率為76%，通過對(duì)問卷結(jié)果的分析，找出權(quán)重大的公共影響因子。

2.1 因子分析的實(shí)現(xiàn)過程 運(yùn)用spss16.0統(tǒng)計(jì)分析軟件對(duì)應(yīng)的因子分析命令對(duì)61家科研機(jī)構(gòu)調(diào)研值進(jìn)行因子分析。具體操作步驟如下：

①打開相應(yīng)數(shù)據(jù)文件后，選擇菜單“Analyze→Data Reduction→Factor……”，彈出“Factor Analysis”對(duì)話框，在對(duì)話框左側(cè)的變量列表中選擇變量X1至X21，使之添加到“Variables”框。

②單擊“Descriptives”按鈕，彈出“Descriptives”子對(duì)話框，選中該對(duì)話框中所有選項(xiàng)，單擊“Continue”按鈕返回“Factor Analysis”對(duì)話框。

③單擊“Extraction”按鈕，彈出“Extraction”子對(duì)話框，選擇因子提取方法，選用“Principal components”方法，選擇相關(guān)系數(shù)矩陣作為提取因子變量的依據(jù)，選中“Unrotated factor solution”和“Scree plot”項(xiàng)，輸出未經(jīng)過旋轉(zhuǎn)的因子載荷矩陣與其特征值的碎石圖；選擇“Eigenvaluse over”項(xiàng)，在該選項(xiàng)后面可以輸入1，指定提取特征值大于1的因子。單擊“Continue”按鈕返回“Factor Analysis”對(duì)話框。endprint

④單擊“Factor Analysis”對(duì)話框中的“Rotation”按鈕，彈出“Factor Analysis： Rotation”對(duì)話框，該對(duì)話框用于選擇因子載荷矩陣的旋轉(zhuǎn)方法。旋轉(zhuǎn)目的是為了簡(jiǎn)化結(jié)構(gòu)，以幫助我們解釋因子。SPSS默認(rèn)不進(jìn)行旋轉(zhuǎn)（None）。選擇方差極大法旋轉(zhuǎn)Varimax，并選中“Rotated solution”和“Loading plot”項(xiàng)，表示輸出旋轉(zhuǎn)后的因子載荷矩陣和載荷散點(diǎn)圖，單擊“Continue”按鈕返回“Factor Analysis”對(duì)話框。

⑤單擊“Factor Analysis”對(duì)話框中的“Scores”按鈕，彈出“Factor Analysis： Scores”對(duì)話框，該對(duì)話框用以選擇對(duì)因子得分進(jìn)行設(shè)置，在彈出菜單中選擇“Regression”“Display factor score coefficient matrix”兩個(gè)選項(xiàng)。

⑥單擊“Factor Analysis”對(duì)話框中的“Options”按鈕，彈出“Factor Analysis： Options”對(duì)話框，該對(duì)話框可以指定其他因子分析的結(jié)果，并選擇對(duì)缺失數(shù)據(jù)的處理方法，選中“Exclude cases listwise”項(xiàng)，單擊“Continue”按鈕返回“Factor Analysis”對(duì)話框，完成設(shè)置。

⑦所有設(shè)置完成后，點(diǎn)擊“Ok”按鈕，軟件得到輸出結(jié)果。

2.2 對(duì)輸出結(jié)果的分析

2.2.1 KMO檢驗(yàn)和Bartlett球度檢驗(yàn)結(jié)果

表1給出了KMO檢驗(yàn)和Bartlett球度檢驗(yàn)的結(jié)果。KMO檢驗(yàn)用于檢驗(yàn)變量間的偏相關(guān)系數(shù)是否過小，一般情況下，當(dāng)KMO大于0.9時(shí)效果最佳，小于0.5時(shí)不適宜做因子分析。Bartlett球度檢驗(yàn)用于檢驗(yàn)相關(guān)系數(shù)矩陣是否是單位陣，如果結(jié)論是不拒絕該假設(shè)，則表示各個(gè)變量都是各自獨(dú)立的。從表1可以看出KMO檢驗(yàn)結(jié)果0.813，接近0.9，很適合做因子分析，Bartlett球度檢驗(yàn)給出的概率為0.000，小于顯著性水平0.05，因此拒絕Bartlett球度檢驗(yàn)的零假設(shè)，認(rèn)為適合于因子分析。

2.2.2 全部解釋方差表

表2是全部解釋方差表，此表顯示了提取出的因子的特征值，以及每個(gè)特征值的累積方差貢獻(xiàn)率，方差貢獻(xiàn)率是衡量各因子相對(duì)重要程度的指標(biāo)，方差貢獻(xiàn)率的大小，表示各個(gè)因子的相對(duì)重要程度。我們?cè)O(shè)置的是按照個(gè)數(shù)來提取公共因子，從表中可以看出，前5個(gè)因子的累積貢獻(xiàn)率達(dá)到了70%，并且前4個(gè)因子的特征值大于1，第五個(gè)因子的特征值接近于1，這樣就對(duì)公共因子系數(shù)的計(jì)算影響甚微。說明前五個(gè)因子對(duì)問題的解釋力度較強(qiáng)，對(duì)于研究問題來講具有較為顯著的代表性。故而，我們?cè)谶@里選取了五個(gè)公共因子。這樣就用5個(gè)公共因子來代替原來的21個(gè)影響指標(biāo)。從生成的碎石圖也可以看出，前5個(gè)公共因子能夠解釋21個(gè)影響因素的變異量（圖1）。

2.2.3 因子負(fù)荷矩陣

為了對(duì)所取得的這5個(gè)公共因子進(jìn)行合理解釋并進(jìn)一步得到它們各自對(duì)于這21個(gè)影響指標(biāo)的線性表達(dá)式，因而需要得到21個(gè)影響因素對(duì)5個(gè)公共因子的因子負(fù)荷量（即各因子與各影響因素的相關(guān)系數(shù)），因子負(fù)荷矩陣見表3。

將因子負(fù)荷陣中的5列數(shù)據(jù)輸入到數(shù)據(jù)編輯窗口（為變量B1、B2、B3、B4、B5），然后利用“Transform-compute”，在對(duì)話框中輸入“A1=B1/SQR（8.935）” [注：第二公共因子SQR 后的括號(hào)中填2.055，第三、第四、第五公共因子同理]，即可得到特征向量A1。同理，可得到A2、A3、A4、A5。然后就可以得出每一個(gè)因素相對(duì)于提取出的公共因子的系數(shù)，寫出各個(gè)變量對(duì)于公共因子的線性組合表達(dá)式如下：

F1=0.2134？鄢X1+0.2479？鄢X2+0.1439？鄢X3+0.2027？鄢X4+0.2452？鄢X5+0.2088？鄢X6+0.2151？鄢X7+0.2174？鄢X8+0.1826？鄢X9+0.2261？鄢X10+0.2375？鄢X11+0.2539？鄢X12+0.2254？鄢X13+0.2535？鄢X14+0.2171？鄢X15+0.2077？鄢X16+0.2281？鄢X17+0.1478？鄢X18+0.1910？鄢X19+0.2335？鄢X20+0.2412？鄢X21

F2=0.1032？鄢X1+0.0628？鄢X2+0.0258？鄢X3+-0.3690？鄢X4+-0.1409？鄢X5+-0.2595？鄢X6+-0.2497？鄢X7+-0.3600？鄢X8+-0.2518*X9+-0.0844？鄢X10+-0.1876？鄢X11+0.0335？鄢X12+0.0523？鄢X13+-0.0467？鄢X14+0.2965？鄢X15+0.3139？鄢X16+0.1953？鄢X17+0.3341？鄢X18+0.2295？鄢X19+0.1932？鄢X20+0.1772？鄢X21

F3、F4、F5的表達(dá)式原理同上，此處略去。

根據(jù)以上表達(dá)式，可知，第一公共因子F1在研發(fā)結(jié)果能否達(dá)到企業(yè)技術(shù)要求，研究成果是否能夠產(chǎn)業(yè)化，合作成果知識(shí)產(chǎn)權(quán)糾紛，資金支持，人力資源條件，合作的風(fēng)險(xiǎn)，科技人員意識(shí)，信息渠道的暢通，市場(chǎng)潛力的大小等指標(biāo)上載荷較大，可以認(rèn)為F1是保障條件因子。

第二公共因子F2是次重要的影響因子。該因子在成功的經(jīng)驗(yàn)，領(lǐng)導(dǎo)的重視等指標(biāo)上負(fù)載較大，可將F2定義為重視程度因子，在分析時(shí)可針對(duì)具體指標(biāo)逐個(gè)進(jìn)行。

第三公共因子F3重要性與F2基本相當(dāng)。該主成分在合適的合作伙伴，合作伙伴的研發(fā)能力，在收益分配上的分歧，學(xué)歷互相承認(rèn)等指標(biāo)上載荷較大?？梢哉J(rèn)為F3是合作伙伴因子。

第四公共因子在研究成果市場(chǎng)價(jià)值高低，中介機(jī)構(gòu)服務(wù)功能強(qiáng)弱，優(yōu)勢(shì)互補(bǔ)等指標(biāo)上載荷較大，可以認(rèn)為F4是應(yīng)用價(jià)值因子。

第五公共因子在合作伙伴的誠(chéng)信度，雙方責(zé)權(quán)利的清晰度，政策保障等指標(biāo)上的載荷較大，可以認(rèn)為F5是前提條件因子。

2.2.4 因子得分協(xié)方差矩陣（如表4所示）

表4是因子得分的協(xié)方差矩陣，由于因子得分的協(xié)方差陣為單位矩陣，說明提取的5個(gè)公因子之間是不相關(guān)的。

3 結(jié)論

通過對(duì)影響云南省高等院校與東盟國(guó)家科技合作與交流的因素的問卷結(jié)果進(jìn)行因子分析，發(fā)現(xiàn)21個(gè)影響指標(biāo)可以用五個(gè)公共因子來解釋，這五個(gè)公共因子代表了保障條件，重視程度，合作伙伴，應(yīng)用價(jià)值，前提條件等，這五類影響因素，對(duì)云南省高校與東盟國(guó)家科技合作與交流具有較大影響。根據(jù)對(duì)科技合作與交流的實(shí)際情況調(diào)查，一是大部分高等院?；蚩蒲性核呦驏|盟開展科技合作與交流的愿望強(qiáng)烈，但是實(shí)際開展科技合作與交流的項(xiàng)目數(shù)量不多，二是科技合作與交流過程中存在一些問題，通過對(duì)此次問卷調(diào)查結(jié)果的分析，找出了主要的影響因素，對(duì)今后云南省高等院校與東盟國(guó)家開展合作與交流提供必要的指導(dǎo)作用。

參考文獻(xiàn)：

[1]馬敏象等.云南與東盟科技合作[M].云南科技出版社，2008（5）.

[2]羅應(yīng)婷，楊玉娟.spss統(tǒng)計(jì)分析從基礎(chǔ)到實(shí)踐[M].電子工業(yè)出版社，2008，3.

[3]趙光洲等.云南省高等院校面向東盟科技合作與交流研究[R].省院省校合作項(xiàng)目.endprint

④單擊“Factor Analysis”對(duì)話框中的“Rotation”按鈕，彈出“Factor Analysis： Rotation”對(duì)話框，該對(duì)話框用于選擇因子載荷矩陣的旋轉(zhuǎn)方法。旋轉(zhuǎn)目的是為了簡(jiǎn)化結(jié)構(gòu)，以幫助我們解釋因子。SPSS默認(rèn)不進(jìn)行旋轉(zhuǎn)（None）。選擇方差極大法旋轉(zhuǎn)Varimax，并選中“Rotated solution”和“Loading plot”項(xiàng)，表示輸出旋轉(zhuǎn)后的因子載荷矩陣和載荷散點(diǎn)圖，單擊“Continue”按鈕返回“Factor Analysis”對(duì)話框。

⑤單擊“Factor Analysis”對(duì)話框中的“Scores”按鈕，彈出“Factor Analysis： Scores”對(duì)話框，該對(duì)話框用以選擇對(duì)因子得分進(jìn)行設(shè)置，在彈出菜單中選擇“Regression”“Display factor score coefficient matrix”兩個(gè)選項(xiàng)。

⑥單擊“Factor Analysis”對(duì)話框中的“Options”按鈕，彈出“Factor Analysis： Options”對(duì)話框，該對(duì)話框可以指定其他因子分析的結(jié)果，并選擇對(duì)缺失數(shù)據(jù)的處理方法，選中“Exclude cases listwise”項(xiàng)，單擊“Continue”按鈕返回“Factor Analysis”對(duì)話框，完成設(shè)置。

⑦所有設(shè)置完成后，點(diǎn)擊“Ok”按鈕，軟件得到輸出結(jié)果。

2.2 對(duì)輸出結(jié)果的分析

2.2.1 KMO檢驗(yàn)和Bartlett球度檢驗(yàn)結(jié)果

表1給出了KMO檢驗(yàn)和Bartlett球度檢驗(yàn)的結(jié)果。KMO檢驗(yàn)用于檢驗(yàn)變量間的偏相關(guān)系數(shù)是否過小，一般情況下，當(dāng)KMO大于0.9時(shí)效果最佳，小于0.5時(shí)不適宜做因子分析。Bartlett球度檢驗(yàn)用于檢驗(yàn)相關(guān)系數(shù)矩陣是否是單位陣，如果結(jié)論是不拒絕該假設(shè)，則表示各個(gè)變量都是各自獨(dú)立的。從表1可以看出KMO檢驗(yàn)結(jié)果0.813，接近0.9，很適合做因子分析，Bartlett球度檢驗(yàn)給出的概率為0.000，小于顯著性水平0.05，因此拒絕Bartlett球度檢驗(yàn)的零假設(shè)，認(rèn)為適合于因子分析。

2.2.2 全部解釋方差表

表2是全部解釋方差表，此表顯示了提取出的因子的特征值，以及每個(gè)特征值的累積方差貢獻(xiàn)率，方差貢獻(xiàn)率是衡量各因子相對(duì)重要程度的指標(biāo)，方差貢獻(xiàn)率的大小，表示各個(gè)因子的相對(duì)重要程度。我們?cè)O(shè)置的是按照個(gè)數(shù)來提取公共因子，從表中可以看出，前5個(gè)因子的累積貢獻(xiàn)率達(dá)到了70%，并且前4個(gè)因子的特征值大于1，第五個(gè)因子的特征值接近于1，這樣就對(duì)公共因子系數(shù)的計(jì)算影響甚微。說明前五個(gè)因子對(duì)問題的解釋力度較強(qiáng)，對(duì)于研究問題來講具有較為顯著的代表性。故而，我們?cè)谶@里選取了五個(gè)公共因子。這樣就用5個(gè)公共因子來代替原來的21個(gè)影響指標(biāo)。從生成的碎石圖也可以看出，前5個(gè)公共因子能夠解釋21個(gè)影響因素的變異量（圖1）。

2.2.3 因子負(fù)荷矩陣

為了對(duì)所取得的這5個(gè)公共因子進(jìn)行合理解釋并進(jìn)一步得到它們各自對(duì)于這21個(gè)影響指標(biāo)的線性表達(dá)式，因而需要得到21個(gè)影響因素對(duì)5個(gè)公共因子的因子負(fù)荷量（即各因子與各影響因素的相關(guān)系數(shù)），因子負(fù)荷矩陣見表3。

將因子負(fù)荷陣中的5列數(shù)據(jù)輸入到數(shù)據(jù)編輯窗口（為變量B1、B2、B3、B4、B5），然后利用“Transform-compute”，在對(duì)話框中輸入“A1=B1/SQR（8.935）” [注：第二公共因子SQR 后的括號(hào)中填2.055，第三、第四、第五公共因子同理]，即可得到特征向量A1。同理，可得到A2、A3、A4、A5。然后就可以得出每一個(gè)因素相對(duì)于提取出的公共因子的系數(shù)，寫出各個(gè)變量對(duì)于公共因子的線性組合表達(dá)式如下：

F1=0.2134？鄢X1+0.2479？鄢X2+0.1439？鄢X3+0.2027？鄢X4+0.2452？鄢X5+0.2088？鄢X6+0.2151？鄢X7+0.2174？鄢X8+0.1826？鄢X9+0.2261？鄢X10+0.2375？鄢X11+0.2539？鄢X12+0.2254？鄢X13+0.2535？鄢X14+0.2171？鄢X15+0.2077？鄢X16+0.2281？鄢X17+0.1478？鄢X18+0.1910？鄢X19+0.2335？鄢X20+0.2412？鄢X21

F2=0.1032？鄢X1+0.0628？鄢X2+0.0258？鄢X3+-0.3690？鄢X4+-0.1409？鄢X5+-0.2595？鄢X6+-0.2497？鄢X7+-0.3600？鄢X8+-0.2518*X9+-0.0844？鄢X10+-0.1876？鄢X11+0.0335？鄢X12+0.0523？鄢X13+-0.0467？鄢X14+0.2965？鄢X15+0.3139？鄢X16+0.1953？鄢X17+0.3341？鄢X18+0.2295？鄢X19+0.1932？鄢X20+0.1772？鄢X21

F3、F4、F5的表達(dá)式原理同上，此處略去。

根據(jù)以上表達(dá)式，可知，第一公共因子F1在研發(fā)結(jié)果能否達(dá)到企業(yè)技術(shù)要求，研究成果是否能夠產(chǎn)業(yè)化，合作成果知識(shí)產(chǎn)權(quán)糾紛，資金支持，人力資源條件，合作的風(fēng)險(xiǎn)，科技人員意識(shí)，信息渠道的暢通，市場(chǎng)潛力的大小等指標(biāo)上載荷較大，可以認(rèn)為F1是保障條件因子。

第二公共因子F2是次重要的影響因子。該因子在成功的經(jīng)驗(yàn)，領(lǐng)導(dǎo)的重視等指標(biāo)上負(fù)載較大，可將F2定義為重視程度因子，在分析時(shí)可針對(duì)具體指標(biāo)逐個(gè)進(jìn)行。

第三公共因子F3重要性與F2基本相當(dāng)。該主成分在合適的合作伙伴，合作伙伴的研發(fā)能力，在收益分配上的分歧，學(xué)歷互相承認(rèn)等指標(biāo)上載荷較大。可以認(rèn)為F3是合作伙伴因子。

第四公共因子在研究成果市場(chǎng)價(jià)值高低，中介機(jī)構(gòu)服務(wù)功能強(qiáng)弱，優(yōu)勢(shì)互補(bǔ)等指標(biāo)上載荷較大，可以認(rèn)為F4是應(yīng)用價(jià)值因子。

第五公共因子在合作伙伴的誠(chéng)信度，雙方責(zé)權(quán)利的清晰度，政策保障等指標(biāo)上的載荷較大，可以認(rèn)為F5是前提條件因子。

2.2.4 因子得分協(xié)方差矩陣（如表4所示）

表4是因子得分的協(xié)方差矩陣，由于因子得分的協(xié)方差陣為單位矩陣，說明提取的5個(gè)公因子之間是不相關(guān)的。

3 結(jié)論

通過對(duì)影響云南省高等院校與東盟國(guó)家科技合作與交流的因素的問卷結(jié)果進(jìn)行因子分析，發(fā)現(xiàn)21個(gè)影響指標(biāo)可以用五個(gè)公共因子來解釋，這五個(gè)公共因子代表了保障條件，重視程度，合作伙伴，應(yīng)用價(jià)值，前提條件等，這五類影響因素，對(duì)云南省高校與東盟國(guó)家科技合作與交流具有較大影響。根據(jù)對(duì)科技合作與交流的實(shí)際情況調(diào)查，一是大部分高等院校或科研院所走向東盟開展科技合作與交流的愿望強(qiáng)烈，但是實(shí)際開展科技合作與交流的項(xiàng)目數(shù)量不多，二是科技合作與交流過程中存在一些問題，通過對(duì)此次問卷調(diào)查結(jié)果的分析，找出了主要的影響因素，對(duì)今后云南省高等院校與東盟國(guó)家開展合作與交流提供必要的指導(dǎo)作用。

參考文獻(xiàn)：

[1]馬敏象等.云南與東盟科技合作[M].云南科技出版社，2008（5）.

[2]羅應(yīng)婷，楊玉娟.spss統(tǒng)計(jì)分析從基礎(chǔ)到實(shí)踐[M].電子工業(yè)出版社，2008，3.

[3]趙光洲等.云南省高等院校面向東盟科技合作與交流研究[R].省院省校合作項(xiàng)目.endprint

④單擊“Factor Analysis”對(duì)話框中的“Rotation”按鈕，彈出“Factor Analysis： Rotation”對(duì)話框，該對(duì)話框用于選擇因子載荷矩陣的旋轉(zhuǎn)方法。旋轉(zhuǎn)目的是為了簡(jiǎn)化結(jié)構(gòu)，以幫助我們解釋因子。SPSS默認(rèn)不進(jìn)行旋轉(zhuǎn)（None）。選擇方差極大法旋轉(zhuǎn)Varimax，并選中“Rotated solution”和“Loading plot”項(xiàng)，表示輸出旋轉(zhuǎn)后的因子載荷矩陣和載荷散點(diǎn)圖，單擊“Continue”按鈕返回“Factor Analysis”對(duì)話框。

⑤單擊“Factor Analysis”對(duì)話框中的“Scores”按鈕，彈出“Factor Analysis： Scores”對(duì)話框，該對(duì)話框用以選擇對(duì)因子得分進(jìn)行設(shè)置，在彈出菜單中選擇“Regression”“Display factor score coefficient matrix”兩個(gè)選項(xiàng)。

⑥單擊“Factor Analysis”對(duì)話框中的“Options”按鈕，彈出“Factor Analysis： Options”對(duì)話框，該對(duì)話框可以指定其他因子分析的結(jié)果，并選擇對(duì)缺失數(shù)據(jù)的處理方法，選中“Exclude cases listwise”項(xiàng)，單擊“Continue”按鈕返回“Factor Analysis”對(duì)話框，完成設(shè)置。

⑦所有設(shè)置完成后，點(diǎn)擊“Ok”按鈕，軟件得到輸出結(jié)果。

2.2 對(duì)輸出結(jié)果的分析

2.2.1 KMO檢驗(yàn)和Bartlett球度檢驗(yàn)結(jié)果

表1給出了KMO檢驗(yàn)和Bartlett球度檢驗(yàn)的結(jié)果。KMO檢驗(yàn)用于檢驗(yàn)變量間的偏相關(guān)系數(shù)是否過小，一般情況下，當(dāng)KMO大于0.9時(shí)效果最佳，小于0.5時(shí)不適宜做因子分析。Bartlett球度檢驗(yàn)用于檢驗(yàn)相關(guān)系數(shù)矩陣是否是單位陣，如果結(jié)論是不拒絕該假設(shè)，則表示各個(gè)變量都是各自獨(dú)立的。從表1可以看出KMO檢驗(yàn)結(jié)果0.813，接近0.9，很適合做因子分析，Bartlett球度檢驗(yàn)給出的概率為0.000，小于顯著性水平0.05，因此拒絕Bartlett球度檢驗(yàn)的零假設(shè)，認(rèn)為適合于因子分析。

2.2.2 全部解釋方差表

表2是全部解釋方差表，此表顯示了提取出的因子的特征值，以及每個(gè)特征值的累積方差貢獻(xiàn)率，方差貢獻(xiàn)率是衡量各因子相對(duì)重要程度的指標(biāo)，方差貢獻(xiàn)率的大小，表示各個(gè)因子的相對(duì)重要程度。我們?cè)O(shè)置的是按照個(gè)數(shù)來提取公共因子，從表中可以看出，前5個(gè)因子的累積貢獻(xiàn)率達(dá)到了70%，并且前4個(gè)因子的特征值大于1，第五個(gè)因子的特征值接近于1，這樣就對(duì)公共因子系數(shù)的計(jì)算影響甚微。說明前五個(gè)因子對(duì)問題的解釋力度較強(qiáng)，對(duì)于研究問題來講具有較為顯著的代表性。故而，我們?cè)谶@里選取了五個(gè)公共因子。這樣就用5個(gè)公共因子來代替原來的21個(gè)影響指標(biāo)。從生成的碎石圖也可以看出，前5個(gè)公共因子能夠解釋21個(gè)影響因素的變異量（圖1）。

2.2.3 因子負(fù)荷矩陣

為了對(duì)所取得的這5個(gè)公共因子進(jìn)行合理解釋并進(jìn)一步得到它們各自對(duì)于這21個(gè)影響指標(biāo)的線性表達(dá)式，因而需要得到21個(gè)影響因素對(duì)5個(gè)公共因子的因子負(fù)荷量（即各因子與各影響因素的相關(guān)系數(shù)），因子負(fù)荷矩陣見表3。

將因子負(fù)荷陣中的5列數(shù)據(jù)輸入到數(shù)據(jù)編輯窗口（為變量B1、B2、B3、B4、B5），然后利用“Transform-compute”，在對(duì)話框中輸入“A1=B1/SQR（8.935）” [注：第二公共因子SQR 后的括號(hào)中填2.055，第三、第四、第五公共因子同理]，即可得到特征向量A1。同理，可得到A2、A3、A4、A5。然后就可以得出每一個(gè)因素相對(duì)于提取出的公共因子的系數(shù)，寫出各個(gè)變量對(duì)于公共因子的線性組合表達(dá)式如下：

F1=0.2134？鄢X1+0.2479？鄢X2+0.1439？鄢X3+0.2027？鄢X4+0.2452？鄢X5+0.2088？鄢X6+0.2151？鄢X7+0.2174？鄢X8+0.1826？鄢X9+0.2261？鄢X10+0.2375？鄢X11+0.2539？鄢X12+0.2254？鄢X13+0.2535？鄢X14+0.2171？鄢X15+0.2077？鄢X16+0.2281？鄢X17+0.1478？鄢X18+0.1910？鄢X19+0.2335？鄢X20+0.2412？鄢X21

F2=0.1032？鄢X1+0.0628？鄢X2+0.0258？鄢X3+-0.3690？鄢X4+-0.1409？鄢X5+-0.2595？鄢X6+-0.2497？鄢X7+-0.3600？鄢X8+-0.2518*X9+-0.0844？鄢X10+-0.1876？鄢X11+0.0335？鄢X12+0.0523？鄢X13+-0.0467？鄢X14+0.2965？鄢X15+0.3139？鄢X16+0.1953？鄢X17+0.3341？鄢X18+0.2295？鄢X19+0.1932？鄢X20+0.1772？鄢X21

F3、F4、F5的表達(dá)式原理同上，此處略去。

根據(jù)以上表達(dá)式，可知，第一公共因子F1在研發(fā)結(jié)果能否達(dá)到企業(yè)技術(shù)要求，研究成果是否能夠產(chǎn)業(yè)化，合作成果知識(shí)產(chǎn)權(quán)糾紛，資金支持，人力資源條件，合作的風(fēng)險(xiǎn)，科技人員意識(shí)，信息渠道的暢通，市場(chǎng)潛力的大小等指標(biāo)上載荷較大，可以認(rèn)為F1是保障條件因子。

第二公共因子F2是次重要的影響因子。該因子在成功的經(jīng)驗(yàn)，領(lǐng)導(dǎo)的重視等指標(biāo)上負(fù)載較大，可將F2定義為重視程度因子，在分析時(shí)可針對(duì)具體指標(biāo)逐個(gè)進(jìn)行。

第三公共因子F3重要性與F2基本相當(dāng)。該主成分在合適的合作伙伴，合作伙伴的研發(fā)能力，在收益分配上的分歧，學(xué)歷互相承認(rèn)等指標(biāo)上載荷較大?？梢哉J(rèn)為F3是合作伙伴因子。

第四公共因子在研究成果市場(chǎng)價(jià)值高低，中介機(jī)構(gòu)服務(wù)功能強(qiáng)弱，優(yōu)勢(shì)互補(bǔ)等指標(biāo)上載荷較大，可以認(rèn)為F4是應(yīng)用價(jià)值因子。

第五公共因子在合作伙伴的誠(chéng)信度，雙方責(zé)權(quán)利的清晰度，政策保障等指標(biāo)上的載荷較大，可以認(rèn)為F5是前提條件因子。

2.2.4 因子得分協(xié)方差矩陣（如表4所示）

表4是因子得分的協(xié)方差矩陣，由于因子得分的協(xié)方差陣為單位矩陣，說明提取的5個(gè)公因子之間是不相關(guān)的。

3 結(jié)論

通過對(duì)影響云南省高等院校與東盟國(guó)家科技合作與交流的因素的問卷結(jié)果進(jìn)行因子分析，發(fā)現(xiàn)21個(gè)影響指標(biāo)可以用五個(gè)公共因子來解釋，這五個(gè)公共因子代表了保障條件，重視程度，合作伙伴，應(yīng)用價(jià)值，前提條件等，這五類影響因素，對(duì)云南省高校與東盟國(guó)家科技合作與交流具有較大影響。根據(jù)對(duì)科技合作與交流的實(shí)際情況調(diào)查，一是大部分高等院?；蚩蒲性核呦驏|盟開展科技合作與交流的愿望強(qiáng)烈，但是實(shí)際開展科技合作與交流的項(xiàng)目數(shù)量不多，二是科技合作與交流過程中存在一些問題，通過對(duì)此次問卷調(diào)查結(jié)果的分析，找出了主要的影響因素，對(duì)今后云南省高等院校與東盟國(guó)家開展合作與交流提供必要的指導(dǎo)作用。

參考文獻(xiàn)：

[1]馬敏象等.云南與東盟科技合作[M].云南科技出版社，2008（5）.

[2]羅應(yīng)婷，楊玉娟.spss統(tǒng)計(jì)分析從基礎(chǔ)到實(shí)踐[M].電子工業(yè)出版社，2008，3.

[3]趙光洲等.云南省高等院校面向東盟科技合作與交流研究[R].省院省校合作項(xiàng)目.endprint