趙淵博

(中國社會科學(xué)院中國社會科學(xué)評價研究院，北京 100732)

當(dāng)前，科技創(chuàng)新已經(jīng)成為推動經(jīng)濟(jì)增長的強大動力之一，也是一國綜合實力的集中體現(xiàn)。全球化時代，科技實力已經(jīng)成為衡量一國綜合國力的重要因素，而各國科技競爭的背后是人才的競爭。人才是科技創(chuàng)新的主體，高水平的科技創(chuàng)新實力離不開一支高素質(zhì)的人才隊伍。中共中央國務(wù)院于2016 年發(fā)布了《國家創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略綱要》（以下簡稱《綱要》），指出要加快建設(shè)科技創(chuàng)新領(lǐng)軍人才和高技能人才隊伍，圍繞重要學(xué)科領(lǐng)域和創(chuàng)新方向造就一批世界水平的科學(xué)家、科技領(lǐng)軍人才、工程師和高水平創(chuàng)新團(tuán)隊，注重培養(yǎng)一線創(chuàng)新人才和青年科技人才。可以看出，我國已經(jīng)將創(chuàng)新型科技人才隊伍建設(shè)作為一項重大任務(wù)，也體現(xiàn)出科技人才對我國的重要性。根據(jù)《綱要》的“三步走”戰(zhàn)略目標(biāo)，第一步目標(biāo)是到2020 年我國將進(jìn)入創(chuàng)新型國家行列。在第一個戰(zhàn)略目標(biāo)剛剛結(jié)束之際，對我國科技人才競爭力水平進(jìn)行評估，有助于整體把握我國科技人才競爭力變化過程，發(fā)現(xiàn)區(qū)域間的差異和不足，為進(jìn)一步提升全國和區(qū)域科技人才競爭力提供有益參考。

1 文獻(xiàn)回顧

區(qū)域人才競爭力評價可以分為國際城市人才競爭力評價和國內(nèi)城市人才競爭力評價。國際城市人才競爭力評價方面，歐洲工商管理學(xué)院（INSEAD）［1］發(fā)布的The Global Talent Competitiveness Index 2020（《2020 年全球人才競爭力指數(shù)》），從人才吸引、人才成長、人才留存、發(fā)展環(huán)境以及職業(yè)技術(shù)技能和全球知識技能6 個方面對全球125 個經(jīng)濟(jì)體和114 座城市的人才競爭力進(jìn)行了評估；瑞士洛桑管理學(xué)院世界競爭力中心［2］發(fā)布的IMD World Talent Ranking 2020（《2020 年IMD 世界人才排名》），從人才投資與發(fā)展、人才吸引力和人才就緒度3 個方面對63 個中高等人均收入經(jīng)濟(jì)體的人才競爭力進(jìn)行了評價。國內(nèi)城市人才競爭力評價方面，楊河清等［3］從理論層面建立了包括人才數(shù)量指數(shù)、人才質(zhì)量結(jié)構(gòu)指數(shù)、經(jīng)濟(jì)環(huán)境指數(shù)、生活環(huán)境指數(shù)、社會文化環(huán)境指數(shù)、自然環(huán)境指數(shù)、人才市場環(huán)境指數(shù)、人才效益指數(shù)、人才政策指數(shù)在內(nèi)的9 個一級指標(biāo)，并對首都地區(qū)的人才競爭力水平進(jìn)行了測度；陶錦莉等［4］從長三角地區(qū)人才競爭力的角度出發(fā)，認(rèn)為人才競爭力包括人才本體指標(biāo)、人才客體指標(biāo)和提升人才本體競爭力的保障體系指標(biāo)3 個方面；李光全［5］建立了包括人力資源數(shù)量、人力資源質(zhì)量、人力資源配置、人力資源需求和人力資源教育在內(nèi)的指標(biāo)體系，對我國主要城市人才競爭力進(jìn)行了評價；司江偉等［6］構(gòu)建了包括人才規(guī)模、人才結(jié)構(gòu)、人才投入、人才產(chǎn)出和人才支持在內(nèi)的山東省人才競爭力評價指標(biāo)體系；趙紫燕等［7］采用問卷調(diào)查、專家打分等多種方式，建立了包括“中國區(qū)域人才競爭力指數(shù)”的評價指標(biāo)體系。

在區(qū)域科技人才競爭力評價方面，國內(nèi)的研究主要可以劃分為區(qū)域科技人才競爭力的定義、指標(biāo)體系和評價方法3 個方面。首先，關(guān)于科技人才競爭力的定義，如張體勤等［8］認(rèn)為，高層次區(qū)域科技人才競爭力是指地區(qū)借助人才戰(zhàn)略、人才政策、人才配置和人才隊伍建設(shè)等來吸引、利用高層次人才，并促進(jìn)增強區(qū)域經(jīng)濟(jì)社會發(fā)展的綜合實力；林喜慶等［9］認(rèn)為，城市科技人才競爭力是指一座城市科技人才的數(shù)量、素質(zhì)、創(chuàng)新能力、培養(yǎng)能力、投資力度和外部環(huán)境等因素有機綜合后的動態(tài)表現(xiàn)。其次，關(guān)于科技人才競爭力的評價指標(biāo)體系，如倪鵬飛等［10］從地域差異角度出發(fā)，認(rèn)為科技人才競爭力指標(biāo)體系包括人才本體、人才環(huán)境、人才創(chuàng)富和人才創(chuàng)新；沈春光［11］基于灰色系統(tǒng)理論，從科技創(chuàng)新人才的存量、利用效率、發(fā)展環(huán)境和可持續(xù)發(fā)展4 個方面構(gòu)建了區(qū)域科技人才競爭力評價指標(biāo)體系，并對我國中部六省份科技創(chuàng)新人才競爭力了進(jìn)行了評價；孫銳等［12］從區(qū)域人才強國戰(zhàn)略角度出發(fā)，認(rèn)為人才強國的內(nèi)涵包括人才生成、人才配置、人才環(huán)境等；朱安紅等［13］構(gòu)建包括科技環(huán)境引力、科技人才投入、科技人才效益和科技促進(jìn)發(fā)展4 個指標(biāo)在內(nèi)的科技人才競爭力評價指標(biāo)體系，并對我國中部六省份科技人才競爭力進(jìn)行了評價；李良成等［14］從廣東省創(chuàng)新型科技人才競爭力角度出發(fā)，認(rèn)為創(chuàng)新型科技人才是指科技活動人員，并將創(chuàng)新型科技人才競爭力評價指標(biāo)確定為創(chuàng)新型科技人才資源、人才投入、人才產(chǎn)出和人才環(huán)境；張體勤等［8］從高層次區(qū)域創(chuàng)新人才競爭力角度出發(fā)，認(rèn)為高層次創(chuàng)新人才是指從事知識創(chuàng)新、技術(shù)創(chuàng)新、知識傳播和知識與技術(shù)應(yīng)用的各類拔尖人才，高層次人才競爭力包括人才本體、人才效能和人才環(huán)境3 個方面；郭躍進(jìn)等［15］從區(qū)域科技人才競爭力角度出發(fā)，認(rèn)為科技人才競爭力指科技人才數(shù)量、質(zhì)量、結(jié)構(gòu)和環(huán)境因素在經(jīng)濟(jì)社會活動中的綜合體現(xiàn)，主要包括人才投入、環(huán)境建設(shè)和成果產(chǎn)出3 個方面；劉澤雙等［16］以關(guān)天經(jīng)濟(jì)區(qū)為研究對象，認(rèn)為關(guān)天經(jīng)濟(jì)區(qū)人才競爭力包括人才資源競爭力、環(huán)境競爭力和發(fā)展競爭力；劉佐菁等［17］從廣東省科技人才競爭力角度出發(fā)，認(rèn)為科技人才競爭力包括人才結(jié)構(gòu)競爭力、人才投入競爭力、人才產(chǎn)出競爭力、人才發(fā)展環(huán)境競爭力；楊洋等［18］從人才數(shù)量、人才素質(zhì)、人才投入、人才平臺和人才貢獻(xiàn)5 個方面選取評價指標(biāo)，對江蘇省企業(yè)人才競爭力進(jìn)行評價。最后，關(guān)于科技人才競爭力的評價方法，目前主要有層次分析法（AHP）、主成分分析法，熵值法、因子分析法、聚類分析法、Fuzzy-ANP 方法、德爾菲法等，部分研究綜合運用了多種方法，有的則單獨使用。

綜合來看，目前關(guān)于區(qū)域科技人才競爭力的定義研究較少，現(xiàn)有研究主要是從指標(biāo)選取角度對其內(nèi)涵進(jìn)行大致地界定；在評價指標(biāo)體系構(gòu)建方面，主要從人才資源、人才結(jié)構(gòu)、人才投入、人才發(fā)展環(huán)境和人才產(chǎn)出5 個方面選取一級指標(biāo)，評價方法主要以定量為主，且較少同時使用兩種方法進(jìn)行評價；除了李良成等［19-20］分別對2000—2008 年廣東省人才競爭力和2004—2008 年我國31 個省份科技人才競爭力進(jìn)行評價外，對一定時間跨度的區(qū)域科技人才競爭力評價的研究較少。

根據(jù)國家“十三五”規(guī)劃綱要制定的實施人才優(yōu)先發(fā)展戰(zhàn)略目標(biāo)，以及《國家創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略綱要》對科技創(chuàng)新人才隊伍建設(shè)的總體要求，在已有研究基礎(chǔ)上，本研究將運用因子分析法和聚類分析法對我國區(qū)域科技人才競爭力進(jìn)行評價，以此分析“十三五”期間我國區(qū)域科技人才競爭力整體發(fā)展水平?？紤]到數(shù)據(jù)的可獲得性，選取2016—2018年作為研究時間范圍。

2 評價指標(biāo)體系構(gòu)建、評價方法與數(shù)據(jù)來源

2.1 指標(biāo)體系構(gòu)建

2.1.1 構(gòu)建原則

在區(qū)域科技人才競爭力評價指標(biāo)體系構(gòu)建過程中，堅持科學(xué)性、系統(tǒng)性、簡潔性、可比性和動態(tài)性的原則。科學(xué)性是指所選取指標(biāo)必須能夠真實反映評價對象的重要信息，同時能夠比其他指標(biāo)更好地反映評價對象的信息；系統(tǒng)性是指需要按照一定的邏輯對指標(biāo)進(jìn)行選取，指標(biāo)間具有一定的層次；簡潔性不是指標(biāo)越少越好，而是指對重復(fù)和可替代性的指標(biāo)進(jìn)行精簡，只對重要指標(biāo)進(jìn)行保留；可比性是指指標(biāo)必須是量化指標(biāo)或者能夠量化，便于計量分析，同時不同評價對象的同一指標(biāo)可以進(jìn)行比較；動態(tài)性是指指標(biāo)在不同時期都能很好地反映評價對象的真實水平，避免選取在不同時期重要性有所變化的指標(biāo)。

2.1.2 指標(biāo)體系構(gòu)成

在已有研究基礎(chǔ)上，本研究認(rèn)為科技人才是從事科技研發(fā)活動的人員，區(qū)域科技人才競爭力是指一個地區(qū)在吸引和開發(fā)人才資源以及營造人才發(fā)展環(huán)境方面所展現(xiàn)出的綜合能力，因此將區(qū)域科技人才競爭力評價指標(biāo)體系劃分為人才資源、人才投入、人才產(chǎn)出和人才發(fā)展環(huán)境4 個方面。在考慮到指標(biāo)數(shù)據(jù)可獲得性情況下，根據(jù)指標(biāo)定義、頻度統(tǒng)計法和我國科技人才發(fā)展現(xiàn)狀，選取已有研究中使用頻率較高的有關(guān)指標(biāo)，并根據(jù)因子分析法對其中的指標(biāo)進(jìn)行刪選，最終選出了15 個指標(biāo)，如表1 所示。

表1 區(qū)域科技人才競爭力評價指標(biāo)體系

2.2 評價方法

首先，利用多元統(tǒng)計方法中的因子分析法對2016—2018 年間的我國31 個省份（未含港澳臺地區(qū)）科技人才競爭力進(jìn)行評價。因子分析法是多元統(tǒng)計中降維分析的一種統(tǒng)計方法，主要是將所選諸多具有相關(guān)性的原始變量綜合為少數(shù)幾個因子，并以這些因子代替原始變量來解釋評價對象。其中，每個因子是相關(guān)性較高的原始變量的組合，這些因子可以代表原始變量絕大多數(shù)的信息，同時各個因子之間是相互獨立的。因子分析的優(yōu)點是減少了變量的數(shù)量，從而便于分析和解讀。因子分析法主要包括六步：第一，原始數(shù)據(jù)標(biāo)準(zhǔn)化。將不同量綱的數(shù)據(jù)進(jìn)行無量綱化處理，從而便于比較分析。本研究使用極值化法對原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。極值化法是將某個變量的每個取值除以該變量所有取值中的最大值，每個變量標(biāo)準(zhǔn)化后的數(shù)據(jù)取值區(qū)間均是0～100。第二，建立相關(guān)系數(shù)矩陣。求解所有原始變量中兩兩變量之間的相關(guān)系數(shù)，在考慮到變量實際意義的情況下，刪除相關(guān)系數(shù)接近1 以及過小的變量，對指標(biāo)進(jìn)行簡化。第三，求取特征值和選取公因子。求解特征方程的特征值，并選取累積方差貢獻(xiàn)率超過0.7 的前k個特征值作為k個公因子，k個公因子將代替原來的所有指標(biāo)。第四，進(jìn)行因子旋轉(zhuǎn)。利用方差最大正交旋轉(zhuǎn)法對因子進(jìn)行旋轉(zhuǎn)，使得所選取的k個因子在0～1 之間區(qū)別更明顯，方便利用所選因子對評價對象進(jìn)行解釋。第五，計算因子表達(dá)式。利用回歸法估計出因子得分函數(shù)的系數(shù)矩陣，從而寫出因子表達(dá)式。第六，根據(jù)因子表達(dá)式計算出綜合因子表達(dá)式，并對每個綜合因子表達(dá)式進(jìn)行排名。利用SPSS22.0 軟件進(jìn)行因子分析。

其次，利用聚類分析法對各省份的人才競爭力水平進(jìn)行類別劃分。聚類分析是將離差平方和較少的數(shù)據(jù)歸為一類，區(qū)分開組間距離較大的數(shù)據(jù)類別。利用SPSS22.0 中的Ward 分析法進(jìn)行聚類分析，組間距離采用歐幾里得距離（Euclidean distance）。

2.3 數(shù)據(jù)來源

本研究數(shù)據(jù)來源于歷年《中國統(tǒng)計年鑒》《中國科技統(tǒng)計年鑒》《中國教育統(tǒng)計年鑒》和各省份的統(tǒng)計年鑒。對于一些年份和地區(qū)的缺失數(shù)據(jù)，采取插值法和外延法進(jìn)行估計。

3 區(qū)域科技人才競爭力評價

3.1 因子分析

3.1.1 數(shù)據(jù)處理

首先，對2016—2018 年31 個省份的指標(biāo)數(shù)據(jù)進(jìn)行KMO 檢驗和巴特利特（Bartlett）球形檢驗，結(jié)果如表2 所示，可以看出KMO 值均大于0.7，卡方值均大于800，且顯著性小于0.000，表明這3 年的數(shù)據(jù)均適合做因子分析。

表2 31 個省份評價指標(biāo)數(shù)據(jù)的KMO 和Bartlett 球形檢驗

其次，求特征值和累積方差貢獻(xiàn)率。通過主成分法提取因子并進(jìn)行因子旋轉(zhuǎn)后，得出主因子和每個因子的方差貢獻(xiàn)率，結(jié)果如表3 所示，3 年分別均提取了3 個主因子。其中，2016 年所提取的3 個因子可以共同解釋原有指標(biāo)的89.357%；2017 年所提取的3 個因子可以共同解釋原有指標(biāo)的89.591%；2018 年所提取的3 個因子可以共同解釋原有指標(biāo)的90.776%。總體上，2016—2018 年分別提取的因子累積方差貢獻(xiàn)率均超過了85%，說明所提取的因子可以代表原來指標(biāo)來描述區(qū)域科技人才競爭力水平。

表3 31 個省份評價指標(biāo)的主要特征值和累積方差貢獻(xiàn)率

第三，因子解釋與因子得分。從旋轉(zhuǎn)后的因子載荷矩陣可以看出（見表4），2016—2018 年提取的3 個因子所對應(yīng)的指標(biāo)相同。具體而言，X1、X2、Y1、Y3、Y4、Z1、Z4、M1共8 個指標(biāo)具有較高的載荷，與研發(fā)人員數(shù)量、科技支出、教育經(jīng)費支出、專利授權(quán)量、高新企業(yè)營收等資源投入有關(guān)，因此將這8 個指標(biāo)代表的因子稱為資源投入因子F1；X3、Y2、Z2、Z3、M2、M3、M4具有較高的載荷，與科技產(chǎn)出、地區(qū)產(chǎn)出水平相關(guān)，因此將其稱為產(chǎn)出因子F2；M5與人的生活環(huán)境相關(guān)，因此將其稱為生活環(huán)境因子F3。最終，經(jīng)過因子提取和旋轉(zhuǎn)后，共選出資源投入因子、產(chǎn)出因子和生活環(huán)境因子，這3 個因子可以解釋31 個省份2016—2018 年3 年的科技人才競爭力水平。

表4 2016—2018 年31 個省份評價指標(biāo)旋轉(zhuǎn)后的因子載荷矩陣

在計算因子得分方面，首先利用回歸法求解因子得分系數(shù)矩陣，其次利用因子得分系數(shù)矩陣和指標(biāo)權(quán)重求解出綜合得分。其中，指標(biāo)權(quán)重是以該因子的方差除以所有因子的方差總貢獻(xiàn)率得出，然后將每個因子得分與權(quán)重相乘之后求和，得出綜合因子得分。以2018 年為例，2018 年3 個因子的方差分別為45.371、38.289 和7.117，總的方差為90.776，用這3 個因子的方差分別除以總方差就得到每個因子的權(quán)重，則3 個因子的權(quán)重分別為0.500、0.422、0.078，因此，2018 年的綜合因子得分為F=0.500F1＋0.422F2+0.078F3。最終，根據(jù)因子得分的計算方法，可以分別得出31 個省份這3 年的綜合因子得分，并對評價對象進(jìn)行排名。2016—2018 年31 個省份科技人才競爭力各因子得分、總得分以及排名分別如表5～表7 所示。

表5 2016 年31 個省份科技人才競爭力因子得分與排名

表6 2017 年31 個省份科技人才競爭力因子得分與排名

表6（續(xù)）

表7 2018 年31 個省份科技人才競爭力因子得分與排名

3.1.2 評價結(jié)果分析

考察期間，從31 個省份總體排名來看，地區(qū)排名下降幅度最顯著的有：遼寧和黑龍江均下降了6位，天津下降了4 位；排名上升幅度最顯著的有：四川、福建、貴州和寧夏均上升了3 位；其他地區(qū)則變化在1～2 位，有的則保持不變?？梢钥闯?，遼寧和黑龍江的科技人才競爭力下降十分明顯，而四川、福建、貴州和寧夏則在競爭力上有較為顯著的提升。

從區(qū)域來看，按照我國對經(jīng)濟(jì)區(qū)域采取的東部、中部、西部和東北部劃分標(biāo)準(zhǔn)［21］，東部沿海地區(qū)科技人才競爭力相對較強，中部地區(qū)和西部地區(qū)則依次遞減。從歷年的總得分排名來看，北京、廣東、江蘇、浙江、上海、山東歷年排名均在前6 名，表明東部沿海地區(qū)不僅有較高的經(jīng)濟(jì)發(fā)展水平，也有較高的科技人才競爭力；安徽、天津、河南、山西、湖南、遼寧、河北、江西、內(nèi)蒙古等中部主要省份的總體科技人才競爭力排名中等；貴州、寧夏、云南、甘肅、新疆、青海、西藏等西部地區(qū)的科技人才競爭力在歷年排名中均處在20名以后，整體水平相對較弱。

從單個因子得分排名來看，雖然北京、廣東、江蘇、浙江等地排名較高，但是這些地區(qū)在個別指標(biāo)上的排名卻不是很高。以北京為例，北京產(chǎn)出因子和生活環(huán)境因子均在2016 年排名第一，但是資源投入因子卻排在中等水平。資源投入因子方面，在上升幅度排名中，山西、西藏均上升了4 位，上升幅度最大；在下降幅度排名中，天津、吉林均下降4 位，下降幅度最大，廣西則下降3 位?？梢钥闯觯轿骱臀鞑卦谫Y源投入方面取得了較大進(jìn)步，而天津和吉林的資源投入力度有下降趨勢。另外，資源投入因子的總方差貢獻(xiàn)率超過了44%，接近總方差的一半，說明資源投入在提升科技人才競爭力水平中發(fā)揮了關(guān)鍵作用；從單個因子排名來看，廣東、江蘇、浙江、上海和山東歷年資源投入因子排名和總體排名相差無幾，說明資源投入在這些省份的人才競爭力排名中發(fā)揮了重要推動作用。產(chǎn)出因子方面，河南和湖南的排名上升幅度最大，均上升了4 位，其次是江西上升了3 位；下降幅度最大的地區(qū)是黑龍江，下降了9 位，其次是內(nèi)蒙古下降了3 位。由此可知，黑龍江在產(chǎn)出水平上有待進(jìn)一步加大力度，扭轉(zhuǎn)不斷下降的趨勢。生活環(huán)境因子方面，新疆的排名上升6 位，上升幅度最大，河南上升5 位，廣西上升4 位；而海南的排名下降5 位，甘肅和陜西均下降4 位，江蘇和黑龍江均下降3 位。由以上分析可知，新疆的生活環(huán)境改善幅度最大，其在吸引人才方面的環(huán)境競爭力不斷提高。

3.2 聚類分析

3.2.1 數(shù)據(jù)處理

借助于SPSS22.0 中的Ward 分析法對31 個省份科技人才競爭力進(jìn)行聚類分析，結(jié)果如表8 所示。

表8 2016—2018 年31 個省份科技人才競爭力聚類結(jié)果

3.2.2 聚類結(jié)果分析

從分類結(jié)果來看，31 個省份科技人才競爭力的聚類分析與因子分析的結(jié)果排名具有一定的相似性，排在第一類和第二類的地區(qū)包括北京、廣東、江蘇、上海、天津、山東、浙江，這與因子分析中排名靠前的地區(qū)基本相同。總體上來看，兩類分析結(jié)果均具有一定的合理性。從3 年數(shù)量變化來看，我國科技人才競爭力形成了東部沿海、中部地區(qū)和西部地區(qū)的階梯型下降格局。其中，第一類和第二類地區(qū)主要以東部沿海地區(qū)為主，而第三類以中部地區(qū)為主，第四類則以中西部地區(qū)為主。一方面，每一類的地區(qū)數(shù)量變化在2 個左右，數(shù)量變化較??；另一方面，沒有一個省份能從第三類跨越到第一類，或者從第四類跨越到第2 類。這就導(dǎo)致一個結(jié)果：隨著經(jīng)濟(jì)社會的發(fā)展，第一類和第二類經(jīng)濟(jì)發(fā)達(dá)地區(qū)對人才的吸引作用越來越大，從而這些地區(qū)的科技人才競爭力也會變得越來越強，使得第三類和第四類地區(qū)在提升科技人才競爭力上面臨更大的困難。

4 結(jié)論與展望

4.1 結(jié)論

首先，我國科技人才競爭力的地區(qū)差異十分明顯，形成了東、中、西部階梯下降格局，以北京、廣東、江蘇、上海、山東、浙江等為主的東部沿海地區(qū)在科技人才競爭力上具有絕對優(yōu)勢，且這種優(yōu)勢隨著經(jīng)濟(jì)社會發(fā)展會越來越大，而中部和西部地區(qū)的科技人才競爭力提升則要面臨更大的困難。因此，需要在政策上不斷扶持中西部地區(qū)的科技人才發(fā)展，通過東部地區(qū)與中西部地區(qū)開展長期科技人才交流合作的方式來促進(jìn)提升中西部地區(qū)的科技人才發(fā)展水平。

其次，黑龍江、吉林、遼寧所在的東北地區(qū)科技人才競爭力發(fā)展趨勢不容樂觀。這3 個地區(qū)在總體排名變化、單個因子排名變化方面均處于下降趨勢。黑龍江和吉林2018 年總排名分別為28 位和22位，排名十分靠后；2016—2018 年間，黑龍江、吉林和遼寧的總排名分別下降了6 位、2 位和6 位。從因子排名變化來看，吉林是資源投入因子下降幅度最大的地區(qū)，黑龍江是產(chǎn)出因子下降幅度最大的地區(qū)。因此，東北三省科技人才競爭力發(fā)展面臨較大挑戰(zhàn)，且短期內(nèi)不易改變。面這種情形，需要國家在東北地區(qū)科技人才發(fā)展方面給予一定的政策傾斜，減緩該地區(qū)的人才流失速度，營造良好的科技發(fā)展環(huán)境。

第三，資源投入是推動科技人才競爭力水平提升的關(guān)鍵。資源投入在提升人才競爭力方面發(fā)揮的作用占據(jù)了半壁江山，因此經(jīng)濟(jì)發(fā)展水平較高的東部沿海地區(qū)在擁有較大的資源投入力度時，也擁有較高的總排名；而中西部地區(qū)的資源投入力度不足，盡管在產(chǎn)出因子和生活環(huán)境因子方面擁有較高的排名，依然無法擁有較高的總排名。因此，各地區(qū)應(yīng)該在資源投入方面加大力度，同時兼顧產(chǎn)出水平和生活環(huán)境改善，共同實現(xiàn)科技人才競爭力水平的提升。

4.2 研究局限

由于指標(biāo)數(shù)據(jù)的可獲得性，本研究主要使用了定量指標(biāo)，因此，在定性指標(biāo)的量化和分析方面存在一定的不足；在指標(biāo)選取方面，所選取的指標(biāo)不能代表評價對象的全部，因此可能會忽略一些有較大影響力的指標(biāo)；此外，由于數(shù)據(jù)考察時間是2016—2018 年3 年時間，時間跨度較小，對一些趨勢性的判斷存在不足。