二、实证分析
（一）数据说明和指标选取
本节以国家首批“世界一流大学”建设高校为研究对象，因中央民族大学尚无学科进入ESI全球前1%，所以将其从样本中剔除，最终研究对象为41所一流大学建设高校。在评价指标的选取上，既体现高水平、高质量，同时又兼顾公平，选取论文总数X1（篇）、论文被引频次X2（次）、高被引论文数X3（篇）、热点论文数X4（篇）和进入百分之一学科数X5（个）等5项评价指标。研究数据来源于科睿唯安2019年3月发布的ESI数据。
（二）因子分析
（1）因子分析适用性检验。首先，运用SPSS 25.0统计软件，借助变量的相关系数矩阵、巴特利特球度检验和KMO检验方法进行因子分析适用性检验。相关系数矩阵中绝大部分的相关系数较高，值在0.5以上，说明原始变量之间存在较强的线性关系，有进行因子分析的必要；此外，巴特利特球度检验统计量的观测值为298.220，相伴概率P值接近0，KMO值为0.776，说明原始变量适合进行因子分析。
（2）提取因子。采用主成分分析法提取因子发现，5个变量的共同度均较高，值在0.9以上，各个变量的信息丢失较少，因此，因子提取的总体效果较为理想。由表3-14可知，第1个因子的特征值为4.287，能够解释原有变量总方差的85.74%；第2个因子的特征值为0.462，可以解释原有变量总方差的9.24%，两个因子的累计方差贡献率近95%。因此，通过提取前两个主因子得到因子载荷矩阵，并写出因子分析模型。
表3-14 因子解释原有变量总方差的情况
根据旋转前的因子载荷矩阵，写出因子分析模型：
（3）因子命名。为使两个因子的实际含义变得清晰，采用方差极大法对因子载荷矩阵进行正交旋转使各个因子具有命名解释性。由表3-15可见，论文总数X1、论文被引频次X2和百分之一学科数X5在第一个因子上有较高载荷，可命名为“学科规模因子”；高被引论文数X3和热点论文数X4在第二个因子上有较高载荷，可命名为“学科质量因子”。
表3-15 旋转后的因子载荷矩阵
（续表）
（4）因子得分函数。表3-16是因子得分系数矩阵，采用回归法计算因子得分函数：
以两个因子的方差贡献率为权数，得出一流大学学科建设绩效的综合得分函数：
表3-16 因子得分系数矩阵
为了对41所一流大学建设高校的学科建设绩效进行综合评价，分别计算两个主因子得分，并按公式（3）计算综合得分F，因篇幅有限，本书只列出综合得分前20%和后20%的高校，分别见表3-17、表3-18（完整排名见附录3）。
表3-17 一流大学建设高校学科建设绩效评价排名前20%的高校
表3-18 一流大学建设高校学科建设绩效评价排名后20%的高校
