Constructing Evaluation System of Transformation Efficiency of Scientific and
Technological Achievements in Chinese Universities by Using Analytic Hierarchy Process
高濛 GAO Meng
（北京工业大学经济与管理学院，北京 100124）
（School of Economics and Management，Beijing University of Technology，Beijing 100124，China）
摘要：本文采用层次分析法，以人力投入、资金投入、其他投入和市场收入四个方面作为准则层，构建了15个指标，确定了各个指标的权重和完整的效率评价体系。
Abstract: This paper adopts the analytic hierarchy process, and uses the four aspects of human input, capital investment, other inputs and market income as the criterion level to construct 15 indicators, and determines the weight of each indicator and the complete efficiency evaluation system.
关键词：科技成果转化；层次分析法；效率评价体系
Key words: transformation of scientific and technological achievements; analytic hierarchy process; efficiency evaluation system
中图分类号：G322 文献标识码：A 文章编号：1006-4311（2018）34-0237-04
1 高校科技成果转化的背景
在党的十九大报告中，习总书记多次强调“科技”，“技术”等词，彰显了科技的重要性；还多次提出要建设创新型国家。为了建设创新型国家，至关重要的一点在于要促进高校科技成果向实际生产力进行转化，把知识形态的技术落实到实际的生产当中。近年来，我国一直在建设高水平研究型大学，以培养研究型人才为目标,在科研方面也取得了丰硕的成果，其中有很大一部分已经接近了国际的领先水平。但是据统计，我国的高校科研成果预期可以有30%转化为生产力，但实际上只有15%进行了有效转化。而发达国家的转化率高达70%。我国的转化率为何低，如何提升我国的科技成果转化率，成为了众多学者的研究问题之一。
2 建立评价指标体系
2.1 层次分析法的基本原理
层次分析法是由美国学者萨蒂（T.S.Saty）首先引入教育评价领域用以确定评价指标的权重系数。这种方法是一种系统分析方法，它首先要求把问题层次化，根据评价对象的性质把评价目标分解成不同类别系统和不同层次的指标；然后对同层次中各指标两两比较，判断相对重要程度，并把比较判断结果按给定的标度量化；最后通过统计运算，得出该层各指标权重。这是一种使人们的判断、比较实现规范化、数量化的方法，可以使很多不确定因素得到很大程度降低，因此是一种确定权重的科学方法。
2.2 评价指标的选取
本文通过阅读大量文献，并根据国家教育局公布的《高等学校科技统计资料汇编》中，基于投入产出视角，将我国高校科技成果转化的过程分为人力投入（B1）、资金投入（B2）、其他投入（B3）和市场收入（B4）这四个方面，作为准则层。并将每一个准则层细分为若干指标层。目标层为高校科技成果转化效率评价（A）。表1给出了本文所使用的15个指标，并给出部分指标的解释。
3 指标权重的确定
3.1 建立结构模型
根据上文选取的指标及准则，我们可以建立结构方程模型。如图1所示。最上面的是目标层，即所要研究的问题，由一个因素构成。中间层的因素是准则层，由人力投入B1、资金投入B2、其他投入B3和市场收入B4四个因素构成。最底层的因素是指标层，由15个二级指标构成。
3.2 构建判断矩阵
■
当建立好层次结构模型之后，需要对每一层次中各个因素相对于上一层因素的重要性进行两两比较，构建出判断矩阵，判断矩阵元素的值反映了人们对各因素相对重要性的主观认识与评价。通常以1-9来表示程度，该种量化规则由美国运筹学家A.L.Saaty教授提出。数字的具体含义如表2所示。以Ai和Aj分别表示同层次的任意两个指标，以aij和aji分别表示Ai与Aj比较和Aj与Ai比较的判断值，规定aij=1/aji。
层次分析法的核心在于判断矩阵的构建，直接影响着指标权重的计算结果。本文使用专家评价法，邀请了10名科技创新专业的教师对表2中的指标进行比较和评价。各个教师的评价是相互独立的。将10个教师的评价取算术平均值，构成判断矩阵的元素。最终，得到了5个判断矩阵。其中包括一个准则层判断矩阵和四个指标层判断矩阵。如表3～表7所示。
■
■
■
■
■
3.3 层次单排序
即对上一层因素而言，本层次各因素的重要性排序。它可以看成是计算判断矩阵的最大特征根及特征向量问题，即对某判断矩阵B，计算满足BW=λmaxW的最大特征根及特征向量，然后进行特征向量归一化，再将归一化后所得到的特征向量W=[ω1，ω2，…，ωn]T作为本层次因素的权重。向量归一化矩阵的元素计算方法如下。
计算判断矩阵的每一行元素的乘积Mi
■ 其中■（1）
计算Mi的n次方根Wi，
■ （2）
对向量■正规化
■（3）
式中W1，W2，…，Wn为该层n个元素相对于上一层某元素的相对权向量，写成向量形式。
下面以准则层判断矩阵为例，进行单排序权向量的计算。
计算准则层判断矩阵的每一行元素的乘积Mi
■
计算Mi的n次方根Wi
W1=■=0.760 W2=■=1.316
W3=■=2.213 W4=■=0.452
对向量■正规化
■
得到权向量ω
根据上述三个步骤，可得到准则层的权向量
■
3.4 一致性检验
当得到了权重后，还需进行一致性检验，如果通过了一致性检验，即CR<0.10时，那么就可以采用该权重。否则，即CR?叟0.10时，需要对判断矩阵重新进行修正。
进行一致性检验的步骤如下。
计算最大特征根λmax
计算判断矩阵A的特征根，即求解该方程
■ （4）
■ （5）
其中，λmax为A的最大特征根，W为对应于λmax的正规化特征向量，其分量ωi是相应因素单排序的权值。
计算一致性指标CI
■ （6）
计算一致性比率CR
■ （7）
其中RI为随机性指标，如表8所示。一般来说，对于1阶、2阶判断矩阵，RI只是形式上的，按照我们对判断矩阵所下的定义，1阶、2阶判断矩阵总是完全一致的。
■
下面以准则层为例进行一致性检验。
计算最大特征根λmax
■
计算CI
■
计算CR
■
根据CR的值，可以接受表8中矩阵的一致性。
同理，对另外四个矩阵进行层次单排序和一致性检验，得到表9。为了简化计算，本文使用Python语言定义了计算函数（计算过程略）。
■
根据表9可以看到，各个指标层均通过了一致性检验。由于B4的阶数为2，因此可以不用CR来进行判断，默认通过一致性检验。
3.5 层次总排序和一致性检验
层次总排序是将每一层次的权重与上一层次的权重相乘，即得到了整个评价体系的综合权重，计算结果如表10所示。
■
层次总排序的一致性比率CR为
■（8）
则可以计算出层次总排序的值CR为
■
由于CR的值小于0.1，因此接受层次总排序的一致性检验。
4 结论
层次分析法提高了指标权重计算的精确度和科学性，为准确确定我国高校科技成果转化评价指标的权重提供了可行的解决方案。本文在构建我国高校科技成果转化评价指标的基础上，采用层次分析法确定了各个指标的权重，形成了完整的效率评价体系，对于评估高校科技成果转化效率具有良好的参考价值，为提高科技成果转化效率，促进实体生产力的发展的科学性和有效性提供了思路。
参考文献：
[1]徐兆勇.基于层次分析法的科研员绩效评价模型研究[J].科研管理，2009（3）：115-118，147.
[2]彭国甫，李树丞，盛明科.应用层次分析法确定政府绩效评估指标权重研究[J].中国软科学，2004（6）：136-139.
[3]孙成勋，李红彦，李润琴.层次分析法在管理水平综合评价中的应用[J].工业技术经济，2013（9）：72-78.
[4]徐泽水.群组决策中专家赋权方法研究[J].应用数学与计算数学学报，2001，15（1）：19-22.
[5]郭文明，相景丽，肖凯生.群组AHP权重系数的确定[J].华北工学院学报，2000，21（2）：110-113.
[6]袁明达，图新曙.基于AHP的牛鞭效应群决策评估方法[J].统计与决策，2006（20）：46-48.
[7]陈治宏，卢国明，吴晓华，等.基于AHP的群决策风险评估方法[J].计算机与应用，2009，29（S1）：125-127. |
