高校NSSFC项目团队与人文社会科学创新能力的相关关系

一、高校NSSFC项目团队与人文社会科学创新能力的相关关系

高校NSSFC项目团队与人文社会科学创新能力之间的关系密切程度，可以通过一组数据进行考查与分析，计算它们的相关系数，分析它们之间的相关关系[32]。

作为高校人文社会科学科研项目的典型代表，NSSFC项目近几年得到了很大的发展。如前所述，高校是NSSFC项目资助最主要的获得者，占资助总额的3/4左右且呈上升趋势；年度项目高校系统占比更大，占4/5左右。那么，NSSFC项目与高校人文社会科学创新能力之间到底有多大关系？为了回答以上问题，首先，假设高校NSSFC项目数量与高校人文社会科学创新能力分值之间具有线性相关关系。其次，收集数据对假设进行证明，证明的方法是：运用数理统计方法，在前面分析NSSFC项目与高校人文社会科学创新能力之间相互影响的基础上，收集NSSFC项目与高校人文社会科学创新能力方面的数据资料，选择相匹配的数据作为研究样本，对这些数据进行必要的统计整理，使用相关系数的计算公式，计算NSSFC项目与高校人文社会科学创新能力分值之间的相关系数，分析其相关关系程度。最后，得出实证分析的研究结论与对策思考。

相关系数的计算公式是：

在公式3－1中：r表示相关系数，N表示样本数量；X和Y表示需要研究的两个变量。为了分析方便，需要说明的是：根据数理统计理论，相关系数的数值范围是在－1和1之间，即－1≤r≤1。r＝0时，则表示X和Y毫不相关，r＝1时，则完全相关；r＞0时，则表示X和Y为正相关，r＜0时，则为负相关；｜r｜越接近于1，则表示X和Y的相关关系越强，越接近于0，则表示相关关系越弱。一般认为，相关系数的绝对值｜r｜在0.3以下时，则表示X和Y无线性相关关系；在0.3以上时，则有线性相关关系；在0.3～0.5时，则是低度相关；在0.5～0.8时，则是显著相关；在0.8以上时，则是高度相关。在下面的计算过程中，运用这个公式的基本原理，但实际计算不直接使用公式，而是运用数据图表和Excel软件等进行计算，后面对此不再重复说明。

1.数据选择

为了收集资料和选择数据，需要分别对高校NSSFC项目与高校人文社会科学创新能力的资料进行分析，选择恰当的数据进行相关关系实证考查。

（1）高校NSSFC项目数据

NSSFC项目多种多样，有重大项目、年度项目、青年项目、后期资助项目、中华学术外译项目、西部项目、特别委托项目、中外合作研究项目等项目类型。对各种NSSFC项目数据资料进行收集、初步统计分析后，本研究选择NSSFC年度项目（含青年项目）[33]作为NSSFC项目研究样本。因为，在所有NSSFC项目中，NSSFC年度项目（含青年项目）最有代表性、典型性和可比性。第一，NSSFC年度项目（含青年项目）与NSSFC其他项目相比，项目数量大，代表性强，是NSSFC项目资助主体，而NSSFC其他项目数量比较小。例如2013年，NSSFC年度项目立项总数3　826项，高校系统共立项3　279项，占总立项数的85.7％；而NSSFC重大项目立项总数只有192项，NSSFC后期资助项目立项总数只有374项，NSSFC其他项目的立项总数也都比较小[34]。第二，NSSFC年度项目（含青年项目）与NSSFC其他项目相比，在全国范围内具有可比性，而NSSFC其他项目有的没有可比性，例如：西部项目资助西部地区，非西部地区高校没有该项目；特别委托项目和中外合作研究项目，也在全面范围内没有可比性。而且，NSSFC单列学科教育学、艺术学、军事学，在不同高校也难有可比性，因此本研究暂时没有把单列学科纳入研究范围。另外，如果将所有NSSFC项目进行折算统计，难以确定折算标准，数据统计工作量大，数据之间的可比性很难把握。因此，本研究选择高校2011—2015年NSSFC年度项目（含青年项目）数据，作为NSSFC项目研究样本。

（2）高校人文社会科学创新能力数据

随着建设创新型国家的提出，我国高校的整体科技创新能力不断提高，一些大学评价组织对大学进行评价时，提出了大学科研竞争力和创新竞争力等评价指标。在国外，对世界一流大学研究的侧重点各不相同，比较有代表性的机构是《美国新闻与世界报道》、英国《泰晤士报》“高等教育增刊”和美国的《新闻周刊》。在国内，研究大学评价比较有名的机构有武汉大学中国科学评价研究中心、上海交通大学高等教育研究所和浙江大学。在这些研究机构中，武汉大学中国科学评价研究中心把科研创新力作为一级指标，并有专门的“中国大学科技创新竞争力排行榜”和“中国大学人文社会科学创新竞争力排行榜”；上海交通大学高等教育研究所把科研成果作为一级指标，并在该项指标下设立了两个二级指标；浙江大学有专门的“国际大学创新力客观评价”，主要围绕创新实力、创新活力和创新影响力三个一级指标展开[35]。

在上述大学评价组织提供的数据库中，比较而言，武汉大学中国科学评价研究中心提供的中国大学人文社会科学创新竞争力数据最全面、最有代表性和可比性。首先，国外大学评价组织提供的数据库中，有些没有关于中国大学人文社会科学创新能力数据，有些即使有，也不够全面。其次，上海交通大学高等教育研究所把科研成果作为一级指标，没有直接使用人文社会科学创新力指标，而浙江大学的“国际大学创新力客观评价”主要针对世界知名大学进行评价，涉及中国大学的数据则相对比较少。因此，本研究选取武汉大学中国科学评价研究中心的“中国大学人文社会科学创新竞争力排行榜”数据，作为高校人文社会科学创新能力研究样本。

2.整理分析

根据以上选择的高校NSSFC项目研究样本和高校人文社会科学创新能力研究样本，进行样本数据整理，并计算分析如下：

（1）数据整理

由于“中国大学人文社会科学创新竞争力排行榜”只列出前100强数据，根据2014年初出版的《中国大学及学科专业评价报告2014—2015》中“中国大学人文社会科学创新竞争力排行榜”[36]前100名数据，中国大学人文社会科学创新竞争力前100强中100所大学，除了个别大学（主要是理工类大学）在个别年度没有获得NSSFC项目外，在2011年至2015年的五年NSSFC项目总计数量中，这些大学都获得了NSSFC项目。所以，在进行高校人文社会科学创新能力数据整理时，直接将“中国大学人文社会科学创新竞争力排行榜”前100名大学的人文社会科学创新竞争力总分数据录入统计表中对应的“高校人文社会科学创新能力分值”栏，将学校名称录入统计表中对应的“高校名称”栏，将排名录入统计表中对应的“序号”栏，同时，将类型序中的类型录入统计表中对应的“高校类型”栏。

统计表中“高校获批的NSSFC年度项目数量”有六项数据，其中栏目“2011”、“2012”、“2013”、“2014”和“2015”分别代表高校获批的2011年、2012年、2013年、2014年和2015年NSSFC年度项目（含青年项目）[37]数量，“合计”栏是2011年至2015年五年中高校获批的NSSFC年度项目（含青年项目）数量合计。这些数据全部根据全国哲学社会科学规划办公室网站公布的年度报告和项目公告统计而来。暂时不考虑任何特殊情况，现将有关数据整理为表3－1：

（2）计算分析

根据表3－1提供的高校人文社会科学创新能力与获批的NSSFC年度项目数据，应用前面列出的相关系数计算公式[38]，计算“高校人文社会科学创新能力分值”与对应的“高校获批的NSSFC年度项目数量”五年总计的相关系数为0.77，接近0.80，表明高校人文社会科学创新能力分值与高校获批的NSSFC年度项目数量接近高度相关，如果剔除个别特殊数据[39]，则高校人文社会科学创新能力分值与高校获批的NSSFC年度项目数量高度相关。基于这种考虑，考虑到不同类型高校可能的区别，分年度、分类（理工类、师范类、文法类和综合类）计算不同类型的高校人文社会科学创新能力分值与高校获批的NSSFC年度项目数量之间的相关系数，分别列于表3－2至表3－6：(https://www.daowen.com)

同时，对2011年—2015年五年数据合计也分类（理工类、师范类、文法类和综合类）计算不同类型的“高校人文社会科学创新能力分值”与“高校获批的NSSFC年度项目数量”之间的相关系数列于表3－7：

计算结果表明：对研究样本总体而言，高校人文社会科学创新能力分值与对应的高校获批的NSSFC年度项目数量之间为显著正相关，接近高度正相关，其中：33所理工类、17所师范类、7所文法类和31所综合类高校人文社会科学创新能力分值与对应的高校获批的NSSFC年度项目数量之间均为显著正相关或高度正相关，特别是17所师范类和7所文法类高校人文社会科学创新能力分值与对应的高校获批的NSSFC年度项目数量之间，无论是年度分类还是五年合计分类均为高度正相关，而且五年合计的分类相关系数比年度分类相关系数更大。因此，除个别特殊情况外，高校人文社会科学创新能力分值与对应的高校获批的NSSFC年度项目数量之间的正相关关系十分稳定。

3.建立模型

由上述计算结果可知，高校NSSFC项目团队数量与高校人文社会科学创新能力分值之间为高度正相关或者接近高度正相关。因此，可以设x为高校NSSFC项目团队数量，设yc为高校人文社会科学创新能力分值，对二者进行一元线性回归分析，并采用F统计量进行回归检验。假设回归方程为：

需要说明的是：在一元线性回归方程中，yc是直线的估计值，x是自变量；a、b是两个参数。根据最小二乘法的要求，求解a、b的方程组为：

最后将上述计算结果代入假设的回归方程，得出一元线性回归分析模型，用于对高校NSSFC项目团队数量和高校人文社会科学创新能力分值的关系分析与预测。例如，我们可以运用表3－1高校人文社会科学创新能力与获批的NSSFC年度项目数据统计表的数据，计算出a、b并得出一元线性回归分析模型的实际计算公式，可以用于实际分析与预测[40]。

后面的高校文科项目团队与人文社会科学创新能力的关系、高校人文社会科学创新能力与科技创新能力的关系，也可以参考上述一元线性回归分析，得出一元线性回归分析模型，用于进行相应的数据关系分析与预测。

4.基本结论

通过以上高校人文社会科学创新能力分值与对应的高校获批的NSSFC年度项目数量之间的相关系数计算分析可知，高校人文社会科学创新能力分值与对应的高校获批的NSSFC年度项目数量之间，为显著正相关关系或高度正相关关系，除个别特殊情况外，这种正相关关系十分稳定。因此，可以得出的结论是：其一，发展高校人文社会科学项目团队对提升高校人文社会科学创新能力具有重要促进作用。其二，师范类、文法类高校人文社会科学创新能力分值与对应的高校获批的NSSFC年度项目数量之间，无论是年度分类还是五年合计分类均为高度正相关，而且五年合计的分类相关系数比年度分类相关系数更大，说明五年合计数据对特殊情况具有减轻或剔除作用，师范类、文法类高校在成功申报NSSFC年度项目方面具有明显优势。其三，高校人文社会科学创新能力分值与对应的高校获批的NSSFC年度项目数量之间，为显著正相关关系或高度正相关关系，这表明高校人文社会科学项目团队与高校人文社会科学创新能力之间具有显著或高度良性互动关系：高校获批NSSFC年度项目对提升高校人文社会科学创新能力具有重要正向促进作用；反过来，提高高校人文社会科学创新能力有利于高校成功申报NSSFC年度项目。二者的良性互动，对提升高校整体人文社会科学创新能力具有重大意义。

正因为高校NSSFC项目团队数量与高校人文社会科学创新能力分值之间为高度正相关或接近高度正相关，因此，可以建立一元线性回归分析模型，用于对高校NSSFC项目团队数量和高校人文社会科学创新能力分值的关系分析与预测。