高校實驗室建設與發展評價指數的構建

馬 楠, 楊春勇， 賀 軍, 白 云

(中南民族大學 a.實驗教學與實驗室管理中心;b.科學研究發展院,武漢 430074)

0 引 言

高校實驗室在高校建設與發展過程中的作用受到國家各級教育主管部門的關注和重視，2010年6月21日，國務院審議并通過的《國家中長期教育改革和發展規劃綱要(2010-2020)》中多次提及實驗室建設方面的事宜。目前涉及高校實驗室數據統計的工作主要有3項，①高等教育基層統計，②高等教育質量檢測統計，③普通高等學校實驗室基本信息統計。其中，普通高校實驗室基本信息統計列屬國家法定統計范疇，所得實驗室建設與發展數據最為全面和詳細。

目前對高校實驗室建設與發展的研究主要從三個方面展開。①高校實驗室建設發展數據統計工作的研究。如，從工作性質角度指出實驗室基本信息統計是實驗室建設與發展過程中一項重要的日常性工作，其能夠較為全面衡量實驗室發展狀態，并結合學校自身實際介紹信息統計指標的分解和學校部門分工的具體經驗[1]。加強統計法律意識、培養統計人員責任心、提升統計員業務能力是提高學校信息統計水平的重要途徑[2]。深入挖掘驗室基本信息能夠有效提高實驗室建設與管理水平[3]。總結了實驗室信息統計工作經常出現的典型問題，并針對性提出了解決對策[4]。②高校實驗室建設發展數據統計分析方法的研究。如，從技術層面介紹了跨軟件數據轉換、數據備份的具體做法[5-6]。以國家級重點實驗室的作用為切入點，對關鍵統計指標進行了解析[7]。介紹了使用辦公軟件解決信息統計上報中格式轉換及數據規范性設置的方法[8]。基于RUP理論，使用數據庫技術構建了B/S架構的高校實驗室信息統計系統，實現了實驗室基礎數據的上報與審核匯總等功能[9]。③對實驗室建設發展數據的分類研究。如，湖北省119所高校實驗室基本數據信息，客觀評價了湖北省“十二五”高校實驗室建設與發展的狀態，并從資源整合、設備共享、隊伍改革3個方面論述了高校實驗室的發展趨勢[10-11]。針對實驗教學內容的開展，提出高校實驗室建設的最終落腳點是實驗教學質量的不斷提升[12]。針對實驗技術隊伍建設，創新提出“點線面”相結合的隊伍培養方式[13]。針對實驗室儀器設備管理，結合高校設備管理流程，提出了精細化儀器設備績效管理體制[14-15]。針對實驗室投入經費，總結了目前高校實驗室經費的基本類型與使用特點，并針對經費支出中存在的主要問題提出了對策與建議[16-17]。

縱觀現有研究成果，可認為對高校實驗室建設與發展領域的研究成果已經頗為豐富，但基于實驗室宏觀整體數據所開展的實驗室建設效益分析以及發展的決策研究相對卻仍然較為薄弱。為加強這一短板領域的研究深度，首先需要構建高校實驗室建設發展評價指數。雖然現有高校實驗室信息統計體系能全面、完整反映學校實驗室的建設與發展狀態，但從數據分析角度來看，海量的實驗室發展數據無疑會給研究人員帶來較大難度，同時在進行實驗室建設效益分析時，受數據相關性和冗余性的影響，基于“投入-產出”視角的分析結論可能會產生偏差，數據無法對實驗室的發展決策提供有效支撐。因此本文嘗試構建一套相對簡單但又能反映實驗室發展全貌的評價指數，期望能夠為后續的研究提供方法支撐和新的視角。

1 變量定義與統計模型

1.1 變量定義

高校實驗室建設發展評價指數的構建基于目前應用范圍最廣，統計內容最為詳細的普通高等學校實驗室基本信息統計體系開展。普通高等學校實驗室基本信息統計體系主要涵蓋實驗室人、財、物等35個方面的數據。具體包含：教學為主實驗室數量、科研為主實驗室數量、教學為主實驗室面積、科研為主實驗室面積、國家級實驗教學示范中心數量、省級實驗教學示范中心數量、校級實驗教學中心數量、一般設備數量、貴重儀器設備數量、一般設備總值、貴重儀器設備總值、教學實驗項目數量、教學實驗人時數、科研實驗項目數量、社會服務實驗項目數量、教師人員數量、實驗技術人員數量、兼任實驗人員數量、國內學歷教育時間、國內非學歷教育時間、國外學歷教育時間、國外非學歷教育時間、儀器設備購置經費投入、實驗房屋建設經費投入、儀器設備維護經費投入、實驗教學運行經費投入、實驗教學研究與改革經費投入、設備使用機時、樣品測試數量、培訓人員數量、教學論文和教材數量、科研論文和教材數量、專利數量、教師省部級以上獲獎數量、學生獲獎數量。

1.2 模型設定

本文使用主成分分析法，對普通高等學校實驗室基本信息統計體系進行優化。主成分分析法是因子分析法的一種特殊形式。具體而言，是指通過對一組變量的幾個線性組合來解釋這組變量的方差和協方差結構，達到數據壓縮和數據解釋的目的[18]。

由于本研究中各分項實驗室建設與發展的指標含義各不相同，指標量綱存在明顯差別，因此為消除量綱對模型的影響，數據分析前需要進行標準化處理，使其均值為0、方差為1。如式1、2所示。

(1)

(2)

計算各主成分的方差貢獻率ei及累積貢獻率E。ei為第i個主成分的貢獻率，該值越大，則說明該主成分概括各指標數據的能力越強；m為全部主成分個數。在實踐中比較通行的確定主成分個數方法的準則有以下幾種：①E≥85%準則。E表示前m個主成分的累計貢獻率，即從原k個變量中提取的信息量，若已達到全部信息量的絕大部分(通常大于85%)，即可以認為，前m個主成分已基本反映了原變量的主要信息，取前m個變量足以說明問題。②λm>λ準則。先計算特征根λm的均值λ，然后將之與λm比較，選取λm>λ的前m個成分作為主成分。由標準化數據的相關矩陣R求得的λ=1，因此只要取λm>1的前m個主成分即可。所得主成分為：

f1=L11x1+L12x2+…+L1mxm

f2=L21x1+L22x2+…+L2mxm

…

fm=Lm1x1+Lm2x2+…+Lmmxm

(3)

式中,f1、f2、…、fm依次為第1、第2直至第m主成分因子。

2 分析與討論

研究基于湖北省普通本科高校2015 年實驗室建設與發展基本信息，使用SPSS18.0展開相應分析。35個分項指標的解釋總方差情況，如表1所示。

由表1數據所示，使用主成分分析法能夠將普通高等學校實驗室基本信息統計體系的35個分項指標優化至6個主成分因子，并且主成分因子對原有指標體系的解釋吻合度達到87.482%(超過85%)，能夠較為完整的反映實驗室建設與發展狀態。其中，第一個主成分因子對原有數據解釋率最大，從第2個因子開始，主成分因子對原有數據解釋率逐漸降低，直至第6個因子。為量化提取后6個主成分因子與原有35個數據指標的解釋關系，需進一步計算主成分因子荷載系數，荷載矩陣具體如表2所示。

表1 分項指標的解釋總方差情況

表2 主成分因子的荷載矩陣

(續表2)

通過表2分析結果可以確定提取后6個主成分因子與原有35個數據指標的計量關系，如：儀器設備維護經費投入=0.946f1+0.052f2+0.129f3-0.085f4-0.129f5+0.001f6;一般設備數量=0.897f1-0.4f2-0.006f3+0.021f4-0.019f5-0.042f6;一般設備總值=0.897f1-0.411f2-0.05f3+0.009f4-0.08f5-0.082f6等限于篇幅，此處不再逐一列舉二者的計量對應關系，方法同上。

通過分析，明確了原有變量與主成分因子的計量關系，實現了對原有數據框架體系的優化。但這6個主成分因子的實際含義如何，尚不確定。因此，此處采用方差最大方法，繼續對因子荷載矩陣進行正交旋轉，進而明確各主成分因子的實際含義，如表3所示。

表3 各主成分因子與原始變量的解釋關系表

通過表3結論可知，專利數量、儀器設備購置經費投入等10個指標在第1個主成分因子上具有較高的載荷，表明第1個主成分因子主要解釋對應的這10個指標，可以解釋為實驗室硬件資源。國外學歷教育時間、國外非學歷教育時間等10個指標在第2個主成分因子上具有較高的載荷，表明第2個主成分因子主要解釋對應的這10個指標，可以解釋為實驗室軟件資源。實驗教學運行經費投入、科研為主實驗室面積等7個指標在第3個主成分因子上具有較高的載荷，表明第3個主成分因子主要解釋對應的這7個指標，可以解釋為實驗室科研服務能力。校級中心數量、教學為主實驗室數量、教學實驗項目數量3個指標在第4個主成分因子上具有較高的載荷，表明第4個主成分因子主要解釋對應的這3個指標，可以解釋為實驗室教學支撐能力。教學實驗人時數、國家級實驗教學示范中心數量、省級實驗教學示范中心數量3個指標在第5個主成分因子上具有較高的載荷，表明第5個主成分因子主要解釋對應的這3個指標，可以解釋為實驗室規模與級別。實驗教學研究與改革經費投入、學生獲獎數量2個指標在第6個主成分因子上具有較高的載荷，表明第6個主成分因子主要解釋對應的這2個指標，可以解釋為實驗室教學改革與成效。

3 結 論

通過以上分析，構建了包含“實驗室硬件、軟件資源、科研服務能力、教學支撐能力、規模與級別、實驗室教學改革與成效”6個主成分因子的實驗室建設發展評價指數，實現了對現有高校實驗室建設與發展數據指標體系的優化，新的實驗室建設發展評價指數對原有指標體系的解釋吻合度達到87.482%，能夠較為完整反映實驗室建設與發展狀態。為了增強實驗室建設發展評價指數的實用性，建立因子分析模型，進一步量化了實驗室建設發展評價指數與現有普通高等學校實驗室基本信息統計體系的關系。

實驗室建設發展評價指數的構建并非是對現有普通高等學校實驗室基本信息統計體系的否定而是新的補充。其能夠從不同層面挖掘實驗室建設與發展信息，有效提高基于“投入—產出”視角的實驗室建設效益的分析效率，提升已有實驗室建設數據對實驗室未來發展決策的支撐能力，并為后續研究提供新的視角與參考。