賈異，童楊，劉棟，宋陽，卞曙光

(1.科學(xué)技術(shù)部 高技術(shù)研究發(fā)展中心,北京 100044；2.天津大學(xué) 管理與經(jīng)濟(jì)學(xué)部,天津 300072)

科學(xué)技術(shù)是推動(dòng)世界發(fā)展的關(guān)鍵因素.由于世界經(jīng)濟(jì)的迅速全球化，科學(xué)技術(shù)從根本上決定了國(guó)家的核心競(jìng)爭(zhēng)力.國(guó)家科技計(jì)劃項(xiàng)目的實(shí)施是國(guó)家提升相應(yīng)領(lǐng)域科學(xué)技術(shù)的重要手段，而項(xiàng)目負(fù)責(zé)人對(duì)科技計(jì)劃項(xiàng)目的執(zhí)行完成情況有著舉足輕重的影響，這就決定了項(xiàng)目負(fù)責(zé)人在科技計(jì)劃項(xiàng)目中的重要地位及項(xiàng)目管理部門對(duì)項(xiàng)目負(fù)責(zé)人評(píng)估決策的重要性.近些年，大數(shù)據(jù)的發(fā)展已滲透到各行各業(yè)[1]，國(guó)家科技項(xiàng)目管理中也產(chǎn)生了大量的數(shù)據(jù)，在科技項(xiàng)目管理中融入大數(shù)據(jù)理念[2]，有利于發(fā)揮大數(shù)據(jù)的作用，提高項(xiàng)目管理效率，優(yōu)化資源配置，提升科技項(xiàng)目執(zhí)行完成水平，最終達(dá)到提高國(guó)家核心競(jìng)爭(zhēng)力的目標(biāo).

當(dāng)前，國(guó)家科技計(jì)劃項(xiàng)目評(píng)審工作是一個(gè)收集項(xiàng)目評(píng)審信息，并對(duì)評(píng)審信息進(jìn)行分析和歸納的系統(tǒng)過程.例如國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目評(píng)審在著重評(píng)價(jià)的研發(fā)團(tuán)隊(duì)及工作基礎(chǔ)中對(duì)項(xiàng)目負(fù)責(zé)人有明確的評(píng)估要求，而評(píng)審工作主要采取同行評(píng)議的方式進(jìn)行，如預(yù)評(píng)審及視頻答辯評(píng)審均采用同行評(píng)議方式，而同行評(píng)議專家對(duì)于評(píng)估指標(biāo)的理解程度及各自的評(píng)估意見存在差異性，從而導(dǎo)致評(píng)議結(jié)果具有較大模糊性和不確定性.

利用大數(shù)據(jù)分析方法輔助科技計(jì)劃項(xiàng)目管理正受到越來越多的關(guān)注，很多學(xué)者從不同的角度給出了研究方法和理論體系.一些研究人員分析了科技項(xiàng)目管理數(shù)據(jù)的基本特征，并深入研究了這些數(shù)據(jù)的應(yīng)用模式.耿國(guó)慶[3]分析了科技計(jì)劃項(xiàng)目大數(shù)據(jù)的新特征，并研究了大數(shù)據(jù)在科技項(xiàng)目管理中的應(yīng)用及作用，進(jìn)而提出了科技計(jì)劃項(xiàng)目大數(shù)據(jù)背景下項(xiàng)目管理的策略.劉蔚等[4]等通過構(gòu)建科技計(jì)劃項(xiàng)目大數(shù)據(jù)分析模型，形成多種屬性特定服務(wù)場(chǎng)景的分析產(chǎn)品和決策支撐工具，為利用科技管理大數(shù)據(jù)支撐科技計(jì)劃管理和決策提供了參考.

科技計(jì)劃項(xiàng)目評(píng)審必須結(jié)合基于事實(shí)數(shù)據(jù)的定量分析和專家智慧的定性分析[5].本文利用大數(shù)據(jù)分析處理方法，建立科技計(jì)劃項(xiàng)目負(fù)責(zé)人與項(xiàng)目效果預(yù)測(cè)關(guān)聯(lián)模型，探討基于大數(shù)據(jù)分析建模的方法來輔助評(píng)審專家對(duì)項(xiàng)目負(fù)責(zé)人進(jìn)行評(píng)估的方法.通過對(duì)科技計(jì)劃項(xiàng)目資料的整理和收集，以及對(duì)項(xiàng)目負(fù)責(zé)人及其衍生數(shù)據(jù)的收集分析，建立模型并根據(jù)項(xiàng)目負(fù)責(zé)人數(shù)據(jù)預(yù)測(cè)項(xiàng)目執(zhí)行完成效果，借助現(xiàn)代科學(xué)分析方法，為科技計(jì)劃項(xiàng)目管理決策提供參考，以提高科技計(jì)劃項(xiàng)目管理效率，優(yōu)化資源配置，落實(shí)科技管理“放管服”精神，促進(jìn)科技計(jì)劃項(xiàng)目高質(zhì)量完成，提升科研績(jī)效.

1 數(shù)據(jù)獲取

為了促進(jìn)科技計(jì)劃項(xiàng)目高質(zhì)量地完成，建立起項(xiàng)目負(fù)責(zé)人各因素與項(xiàng)目執(zhí)行完成效果的關(guān)聯(lián)模型，將數(shù)據(jù)分為輸入數(shù)據(jù)與輸出數(shù)據(jù)兩大類.如表1所示，此兩大類信息皆為已知數(shù)據(jù)，其中輸入數(shù)據(jù)為可以反映項(xiàng)目負(fù)責(zé)人對(duì)整個(gè)項(xiàng)目影響較大的信息數(shù)據(jù)，包括：項(xiàng)目負(fù)責(zé)人個(gè)人情況、項(xiàng)目負(fù)責(zé)人的科研能力、項(xiàng)目負(fù)責(zé)人的組織能力及邊緣效應(yīng).輸出數(shù)據(jù)為項(xiàng)目結(jié)題情況信息，包括：項(xiàng)目完成情況、項(xiàng)目產(chǎn)出情況、項(xiàng)目創(chuàng)造利潤(rùn)、項(xiàng)目產(chǎn)出投入效益比及項(xiàng)目單位時(shí)間產(chǎn)出效益.項(xiàng)目結(jié)題情況信息顯示的是項(xiàng)目最終完成效果，可以反映出項(xiàng)目負(fù)責(zé)人的綜合能力在項(xiàng)目執(zhí)行期間對(duì)整個(gè)項(xiàng)目的影響，因此項(xiàng)目負(fù)責(zé)人信息與項(xiàng)目的結(jié)題情況存在著明顯的因果關(guān)系.利用大數(shù)據(jù)分析的方法將兩者關(guān)聯(lián)起來，分析兩者的關(guān)聯(lián)性，從而達(dá)到利用已知項(xiàng)目負(fù)責(zé)人信息預(yù)測(cè)項(xiàng)目執(zhí)行完成情況，并依據(jù)預(yù)測(cè)結(jié)果評(píng)估項(xiàng)目負(fù)責(zé)人個(gè)人綜合能力，為項(xiàng)目負(fù)責(zé)人評(píng)估機(jī)制優(yōu)化提供理論數(shù)據(jù)依據(jù).

如表1所示輸入數(shù)據(jù)信息包括4類，其中負(fù)責(zé)人個(gè)人基本信息在項(xiàng)目申報(bào)書中提取，信息包括項(xiàng)目負(fù)責(zé)人年齡、性別、學(xué)位、技術(shù)職稱、所屬單位性質(zhì)及科研職務(wù)等.

而負(fù)責(zé)人的科研能力不僅代表著其完成整個(gè)項(xiàng)目目標(biāo)的潛力，也代表著其在學(xué)術(shù)領(lǐng)域的帶頭作用大小.對(duì)負(fù)責(zé)人科研能力的考量主要從其H因子、G指數(shù)、授權(quán)專利、承擔(dān)/參與項(xiàng)目數(shù)量、科研獎(jiǎng)勵(lì)情況及關(guān)注領(lǐng)域數(shù)等方面.H因子及G指數(shù)均以百度學(xué)術(shù)數(shù)據(jù)庫為準(zhǔn);授權(quán)專利主要以soopat專利數(shù)據(jù)庫為準(zhǔn);參與或承擔(dān)過的項(xiàng)目數(shù)據(jù)以中國(guó)知網(wǎng)數(shù)據(jù)庫為準(zhǔn);科研獎(jiǎng)勵(lì)數(shù)據(jù)參考科技專家?guī)旆?wù)管理系統(tǒng);關(guān)注領(lǐng)域數(shù)據(jù)以中國(guó)知網(wǎng)數(shù)據(jù)庫為準(zhǔn).

項(xiàng)目負(fù)責(zé)人作為國(guó)家科技計(jì)劃項(xiàng)目的負(fù)責(zé)人，其應(yīng)具備相應(yīng)的組織能力，對(duì)國(guó)家級(jí)項(xiàng)目進(jìn)行統(tǒng)籌協(xié)調(diào)，規(guī)劃并督促國(guó)家科技計(jì)劃項(xiàng)目按時(shí)按標(biāo)完成.項(xiàng)目負(fù)責(zé)人的組織能力從承擔(dān)過國(guó)家科技計(jì)劃項(xiàng)目負(fù)責(zé)人的次數(shù)、承擔(dān)項(xiàng)目質(zhì)量、承擔(dān)項(xiàng)目參與單位數(shù)量、承擔(dān)項(xiàng)目參與人員數(shù)量、承擔(dān)的項(xiàng)目經(jīng)費(fèi)、擔(dān)任的領(lǐng)導(dǎo)職務(wù)等方面數(shù)據(jù)體現(xiàn).承擔(dān)國(guó)家科技計(jì)劃項(xiàng)目次數(shù)數(shù)據(jù)參考科技專家?guī)旆?wù)管理系統(tǒng);承擔(dān)項(xiàng)目質(zhì)量數(shù)據(jù)參照中國(guó)知網(wǎng)數(shù)據(jù)庫;承擔(dān)項(xiàng)目參與單位數(shù)量、參與人數(shù)及項(xiàng)目經(jīng)費(fèi)數(shù)均來自項(xiàng)目任務(wù)書數(shù)據(jù);項(xiàng)目負(fù)責(zé)人在社會(huì)中擔(dān)任領(lǐng)導(dǎo)職務(wù)數(shù)據(jù)從科技專家?guī)旆?wù)管理系統(tǒng)中獲取.

在信息數(shù)據(jù)激增的時(shí)代，除了項(xiàng)目負(fù)責(zé)人的主要科研背景對(duì)項(xiàng)目執(zhí)行有一定影響外，負(fù)責(zé)人的衍生關(guān)聯(lián)信息對(duì)項(xiàng)目負(fù)責(zé)人在項(xiàng)目執(zhí)行中的影響也不可小視.在這里稱之為邊緣效應(yīng).包括項(xiàng)目負(fù)責(zé)人的活躍網(wǎng)絡(luò)數(shù)據(jù)、學(xué)術(shù)影響力、社會(huì)屬性以及項(xiàng)目負(fù)責(zé)人與項(xiàng)目承擔(dān)單位間的關(guān)系.項(xiàng)目負(fù)責(zé)人的活躍網(wǎng)絡(luò)中6人學(xué)術(shù)水平主要從合作人的發(fā)文量、下載量及承擔(dān)/參與基金等方面進(jìn)行考量.活躍網(wǎng)絡(luò)數(shù)據(jù)來自中國(guó)知網(wǎng)數(shù)據(jù)庫.學(xué)術(shù)影響力則包括負(fù)責(zé)人曾作為專家參評(píng)過國(guó)家科技計(jì)劃項(xiàng)目的數(shù)目以及個(gè)人獲得學(xué)術(shù)/榮譽(yù)頭銜(中國(guó)科學(xué)院院士、中國(guó)工程院院士、863首席專家、973首席專家等)，與項(xiàng)目負(fù)責(zé)人在社會(huì)學(xué)術(shù)組織中的任職情況數(shù)據(jù)均從科技專家?guī)旆?wù)管理系統(tǒng)中獲取.

項(xiàng)目負(fù)責(zé)人與項(xiàng)目承擔(dān)單位間的關(guān)系對(duì)于項(xiàng)目實(shí)施進(jìn)展同樣有著不可忽視的影響，項(xiàng)目負(fù)責(zé)人所在單位與項(xiàng)目承擔(dān)單位一致抑或不一致，都對(duì)項(xiàng)目的執(zhí)行完成情況有正面或負(fù)面的影響.

輸出數(shù)據(jù)主要為項(xiàng)目結(jié)題情況信息，這一數(shù)據(jù)主要對(duì)照項(xiàng)目立項(xiàng)時(shí)任務(wù)書規(guī)定的目標(biāo)和任務(wù)，關(guān)鍵技術(shù)指標(biāo)等是否達(dá)到.這一數(shù)據(jù)包括5類，其中項(xiàng)目完成情況作為固定數(shù)據(jù)可以定性比較項(xiàng)目完成優(yōu)劣，同時(shí)作為項(xiàng)目負(fù)責(zé)人評(píng)估的重要參考依據(jù).項(xiàng)目執(zhí)行期間產(chǎn)出包括發(fā)表的論文數(shù)量，論文級(jí)別，申請(qǐng)和授權(quán)的專利情況，產(chǎn)生的標(biāo)準(zhǔn)與草案，出版的教材和學(xué)術(shù)專著，培養(yǎng)的博士后、博士、碩士及工程師等數(shù)量，項(xiàng)目團(tuán)隊(duì)通過項(xiàng)目實(shí)施獲得的獎(jiǎng)勵(lì)或榮譽(yù)情況.

以上兩類信息中，項(xiàng)目負(fù)責(zé)人信息屬于輸入數(shù)據(jù)，而項(xiàng)目結(jié)題情況是輸出數(shù)據(jù)，這些數(shù)據(jù)都需要進(jìn)行細(xì)致謹(jǐn)慎的量化與歸一化，以便于后續(xù)模擬處理.這些數(shù)據(jù)中有的數(shù)據(jù)本身即是數(shù)字化的數(shù)值，量化比較容易，可以直接采用或者經(jīng)過簡(jiǎn)單變換后采用.有的數(shù)據(jù)是非數(shù)值化數(shù)據(jù)，需要進(jìn)行處理,可以按照簡(jiǎn)單直觀的原則進(jìn)行等級(jí)分制量化.

2 模型建立

本研究為建立一個(gè)全面的項(xiàng)目負(fù)責(zé)人評(píng)估模型，選擇一個(gè)多輸入和多輸出變量的網(wǎng)絡(luò)模型.項(xiàng)目負(fù)責(zé)人的個(gè)人情況、科研能力、組織能力及邊緣效應(yīng)4類輸入數(shù)據(jù)可以反映出作為一個(gè)項(xiàng)目負(fù)責(zé)人在項(xiàng)目執(zhí)行中應(yīng)具備的個(gè)人基本素養(yǎng)及能力，其對(duì)項(xiàng)目的執(zhí)行完成情況有著較直接的影響，而代表項(xiàng)目執(zhí)行完成情況的項(xiàng)目產(chǎn)出、項(xiàng)目創(chuàng)造利潤(rùn)、項(xiàng)目產(chǎn)出投入效益比及項(xiàng)目單位時(shí)間產(chǎn)出效益4類輸出數(shù)據(jù)可以反映出項(xiàng)目最終的成果呈現(xiàn)，項(xiàng)目完成情況作為項(xiàng)目最終成果的綜合評(píng)定打分?jǐn)?shù)據(jù)可以定性比較項(xiàng)目完成優(yōu)劣，同時(shí)作為項(xiàng)目負(fù)責(zé)人評(píng)估的重要參考依據(jù).具體考慮利用python將各輸入變量與輸出變量建立關(guān)聯(lián)度模型，根據(jù)各個(gè)輸入變量與輸出變量的關(guān)聯(lián)度情況，最終形成一個(gè)4輸入、4輸出的擬合模型.主要大項(xiàng)數(shù)據(jù)包含的子項(xiàng)數(shù)據(jù)量化如表2所示.

如表2所示，項(xiàng)目負(fù)責(zé)人的個(gè)人情況中，技術(shù)職稱如初級(jí)、副高級(jí)、高級(jí)分別取1、2、3分.學(xué)位按照學(xué)士、碩士、博士分別取1、2、3分.科研職務(wù)按照項(xiàng)目負(fù)責(zé)人所在單位中擔(dān)任的職務(wù)高低，適當(dāng)加分；項(xiàng)目負(fù)責(zé)人的學(xué)術(shù)能力，如H因子、G指數(shù)、專利、承擔(dān)/參與科研項(xiàng)目數(shù)得分則采用原數(shù)據(jù)暫不做處理，后期統(tǒng)一歸一化；項(xiàng)目負(fù)責(zé)人的組織能力中，獲得的科研獎(jiǎng)勵(lì)則按照國(guó)家級(jí)、省部級(jí)、地市級(jí)分別計(jì)分并累加.作為項(xiàng)目負(fù)責(zé)人承擔(dān)過的項(xiàng)目數(shù)、參與單位數(shù)量、人數(shù)及項(xiàng)目經(jīng)費(fèi)數(shù)都采用原數(shù)據(jù)，數(shù)據(jù)處理時(shí)歸一化；項(xiàng)目負(fù)責(zé)人的邊緣效應(yīng)，與負(fù)責(zé)人合作緊密的同機(jī)構(gòu)及不同機(jī)構(gòu)人員數(shù)及他們的學(xué)術(shù)水平(發(fā)文量、下載量、基金數(shù))得分為原始數(shù)據(jù)累加，項(xiàng)目負(fù)責(zé)人參評(píng)過的國(guó)家級(jí)科技計(jì)劃項(xiàng)目數(shù)量得分為累加數(shù)，而其獲得的學(xué)術(shù)/榮譽(yù)頭銜得分按照層次級(jí)別劃分并分別賦值累加，最終做歸一化處理；項(xiàng)目產(chǎn)出的綜合情況，科研成果及獎(jiǎng)勵(lì)中項(xiàng)目產(chǎn)出的論文、專利、標(biāo)準(zhǔn)草案、專著等得分為累加得分.項(xiàng)目周期內(nèi)獲得的榮譽(yù)或獎(jiǎng)勵(lì)量化得分按照獎(jiǎng)勵(lì)的級(jí)別及數(shù)量進(jìn)行數(shù)據(jù)累加.項(xiàng)目周期內(nèi)培養(yǎng)的人才數(shù)量及創(chuàng)造的效益、利潤(rùn)等數(shù)據(jù)累加并最后歸一化.

表2 詳細(xì)子項(xiàng)數(shù)據(jù)表

為了建立數(shù)據(jù)模型，對(duì)70個(gè)已結(jié)題國(guó)家高技術(shù)研究發(fā)展計(jì)劃(863計(jì)劃)重大共性關(guān)鍵技術(shù)類課題進(jìn)行回溯整理，將項(xiàng)目任務(wù)書及結(jié)題報(bào)告中對(duì)應(yīng)的數(shù)據(jù)按照表1進(jìn)行搜集整理，部分?jǐn)?shù)據(jù)從網(wǎng)上數(shù)據(jù)庫獲取，量化并歸一化.將數(shù)據(jù)庫中70%作為建立模型的訓(xùn)練集，另外30%項(xiàng)目數(shù)據(jù)作為測(cè)試集，通過使用python的pandas模塊，將訓(xùn)練集中項(xiàng)目數(shù)據(jù)抽象成數(shù)組，通過計(jì)算皮爾森相關(guān)性系數(shù)和線性回歸算法，計(jì)算得到各輸入變量與輸出變量的關(guān)聯(lián)度模型及定量關(guān)系，建立4個(gè)輸入變量分別與4個(gè)輸出變量間關(guān)聯(lián)模型，并形成一個(gè)輸出變量對(duì)應(yīng)最終項(xiàng)目完成情況關(guān)聯(lián)模型.利用測(cè)試集數(shù)據(jù)對(duì)建立模型進(jìn)行驗(yàn)證，并通過對(duì)結(jié)果數(shù)據(jù)的對(duì)比模型進(jìn)行調(diào)整，最終得到模型結(jié)果.模型訓(xùn)練過程如圖1所示.

2.1 皮爾森相關(guān)性系數(shù)和線性回歸算法

2.1.1皮爾森相關(guān)性系數(shù)

分別計(jì)算項(xiàng)目產(chǎn)出、產(chǎn)出效率、項(xiàng)目創(chuàng)造利潤(rùn)、總投入與產(chǎn)出效益比與項(xiàng)目負(fù)責(zé)人的個(gè)人情況、學(xué)術(shù)能力、組織能力和邊緣效應(yīng)的皮爾森相關(guān)性系數(shù)，研究項(xiàng)目負(fù)責(zé)人的各項(xiàng)客觀因素與項(xiàng)目執(zhí)行完成效果間的相關(guān)性，定性分析項(xiàng)目負(fù)責(zé)人的各項(xiàng)客觀因素對(duì)項(xiàng)目完成結(jié)果影響大小.

2.1.2線性回歸算法

線性回歸(linear regression)[7]是一種應(yīng)用于統(tǒng)計(jì)學(xué)中的回歸分析方法，它能夠歸納出自變量和因變量之間相互依賴的定量關(guān)系，這種關(guān)系通過線性回歸方程來表示，其中自變量可以是一個(gè)也可以是多個(gè).

利用線性回歸算法可以定量計(jì)算出項(xiàng)目負(fù)責(zé)人的各個(gè)客觀因素與項(xiàng)目完成成果間的關(guān)系，并最終計(jì)算得到項(xiàng)目完成情況的量化得分，通過分?jǐn)?shù)對(duì)比判斷項(xiàng)目負(fù)責(zé)人綜合客觀情況.

2.2 模型

分別計(jì)算項(xiàng)目負(fù)責(zé)人個(gè)人情況、科研能力、組織能力、邊緣效應(yīng)與項(xiàng)目產(chǎn)出、產(chǎn)出效率、項(xiàng)目創(chuàng)造利潤(rùn)、總投入與產(chǎn)出效益比的皮爾森相關(guān)性系數(shù)，可以得到每項(xiàng)輸出變量與輸入變量的相關(guān)性關(guān)聯(lián)模型，可以定性分析輸入變量對(duì)輸出變量的影響力大小，同時(shí)，建立項(xiàng)目完成情況與各輸出變量的相關(guān)性關(guān)聯(lián)模型，定性比較各輸出變量對(duì)項(xiàng)目完成情況的影響.結(jié)果如圖2所示.

圖2為建立的各輸入數(shù)據(jù)與輸出數(shù)據(jù)間的模型，由圖2可以看出，項(xiàng)目產(chǎn)出與項(xiàng)目負(fù)責(zé)人的科研能力關(guān)聯(lián)度較高，項(xiàng)目負(fù)責(zé)人科研能力越強(qiáng)，則項(xiàng)目整體的產(chǎn)出就越多；項(xiàng)目產(chǎn)出效率與項(xiàng)目負(fù)責(zé)人的科研能力、組織能力和邊緣效應(yīng)都有較大關(guān)聯(lián)度.在一定時(shí)間內(nèi)，項(xiàng)目的整體產(chǎn)出除了靠項(xiàng)目負(fù)責(zé)人的個(gè)人科研能力外，項(xiàng)目負(fù)責(zé)人對(duì)整個(gè)項(xiàng)目團(tuán)隊(duì)的組織越強(qiáng)，項(xiàng)目團(tuán)隊(duì)高效協(xié)同地完成項(xiàng)目目標(biāo)成效越好，則產(chǎn)出效率也越高.項(xiàng)目負(fù)責(zé)人的邊緣效應(yīng)對(duì)產(chǎn)出效率影響也較大；項(xiàng)目創(chuàng)造利潤(rùn)與項(xiàng)目負(fù)責(zé)人的組織能力關(guān)聯(lián)度較大；總投入與產(chǎn)出效益比與項(xiàng)目負(fù)責(zé)人的個(gè)人情況關(guān)聯(lián)度最高，與負(fù)責(zé)人的科研能力和組織能力也有較強(qiáng)的關(guān)聯(lián)度；最終的項(xiàng)目完成情況則與各個(gè)結(jié)果數(shù)據(jù)都有較強(qiáng)的關(guān)聯(lián)度.

利用軟件對(duì)數(shù)據(jù)進(jìn)行分析，通過多元線性回歸算法，可以得到各個(gè)自變量與因變量間的定量關(guān)系，同時(shí)還可以確定線性回歸關(guān)系的顯著性，計(jì)算過程中將置信度設(shè)置為0.95.假設(shè)項(xiàng)目負(fù)責(zé)人個(gè)人情況為a，科研能力為b，組織能力為c，邊緣效應(yīng)為d，則各個(gè)自變量與因變量間的定量關(guān)系為：

S項(xiàng)目產(chǎn)出=0.353+0.014a+0.183b+0.072c-0.026d,

(1)

S產(chǎn)出效率= 0.337-0.029a+0.101b+0.230c+0.059d,

(2)

S項(xiàng)目創(chuàng)造利潤(rùn)=0.070+0.096a-0.033b+0.319c+0.026d,

(3)

S總投入與產(chǎn)出效益比=0.081+0.074a+0.030b+0.089c-0.012d,

(4)

S項(xiàng)目完成情況=0.568+0.265S項(xiàng)目產(chǎn)出-0.044S產(chǎn)出效率-0.050S項(xiàng)目創(chuàng)造利潤(rùn)+0.377S總投入與產(chǎn)出效益比,

(5)

(1)～(4)式為4個(gè)輸入數(shù)據(jù)與輸出數(shù)據(jù)間的定量關(guān)系公式，(5)式為最終結(jié)果項(xiàng)目完成情況與4個(gè)輸出數(shù)據(jù)間的定量關(guān)系公式，各定量關(guān)系的相關(guān)性判定系數(shù)R2分別為0.825 85,0.831 14,0.873 89,0.893 58及0.999 03，均接近于1，方程的顯著性檢驗(yàn)F統(tǒng)計(jì)值分別為77.063 87,79.984 92,136.453 44及16 797.938 75，數(shù)值均較大，說明各自變量與因變量間均存在顯著的線性回歸關(guān)系.依據(jù)結(jié)果來看，樣本是符合線性關(guān)系的，故用線性模型來表示是合理的，至于其他模型是否也會(huì)符合樣本數(shù)據(jù)，需要更進(jìn)一步的探究.通過公式結(jié)果可以看出，項(xiàng)目負(fù)責(zé)人的科研能力對(duì)項(xiàng)目產(chǎn)出影響較大，項(xiàng)目負(fù)責(zé)人的組織能力對(duì)產(chǎn)出效率、項(xiàng)目創(chuàng)造利潤(rùn)及總投入與產(chǎn)出效益比結(jié)果影響較大，這基本與各輸出與輸入間的相關(guān)性分析結(jié)果一致.

通過將輸入數(shù)據(jù)輸入模型，可以得到項(xiàng)目產(chǎn)出、產(chǎn)出效率、項(xiàng)目創(chuàng)造利潤(rùn)及項(xiàng)目投入與產(chǎn)出效益比情況，最終可以預(yù)測(cè)項(xiàng)目完成情況得分.利用此模型可以根據(jù)項(xiàng)目負(fù)責(zé)人的總體情況對(duì)項(xiàng)目最終實(shí)施效果及結(jié)果進(jìn)行預(yù)測(cè)，以此判斷項(xiàng)目申請(qǐng)團(tuán)隊(duì)中項(xiàng)目負(fù)責(zé)人對(duì)整個(gè)項(xiàng)目執(zhí)行效果的影響，并利用此模型對(duì)項(xiàng)目負(fù)責(zé)人進(jìn)行評(píng)估.選取項(xiàng)目實(shí)際數(shù)據(jù)對(duì)所建立的模型及數(shù)據(jù)進(jìn)行驗(yàn)證.圖3為4個(gè)項(xiàng)目的實(shí)際產(chǎn)出數(shù)據(jù)、實(shí)際結(jié)果數(shù)據(jù)與模型輸出結(jié)果數(shù)據(jù)對(duì)比圖.對(duì)于結(jié)果數(shù)據(jù)中項(xiàng)目產(chǎn)出的準(zhǔn)確率較高，因進(jìn)行模擬及計(jì)算的數(shù)據(jù)有限，所以結(jié)果有一定誤差，但最終的結(jié)果數(shù)據(jù)即項(xiàng)目完成情況得分趨勢(shì)準(zhǔn)確，可依據(jù)最終預(yù)測(cè)結(jié)果對(duì)項(xiàng)目負(fù)責(zé)人綜合情況進(jìn)行判斷，客觀地對(duì)項(xiàng)目負(fù)責(zé)人評(píng)價(jià)評(píng)估，能有效支撐對(duì)科技計(jì)劃項(xiàng)目負(fù)責(zé)人的評(píng)估.

3 評(píng)估機(jī)制

國(guó)家科技計(jì)劃項(xiàng)目在評(píng)審立項(xiàng)時(shí)，依然采取申報(bào)方填寫項(xiàng)目申報(bào)任務(wù)書，同行評(píng)議專家通過對(duì)任務(wù)書的審閱及個(gè)人理解對(duì)項(xiàng)目負(fù)責(zé)人進(jìn)行評(píng)估，大數(shù)據(jù)分析模型為項(xiàng)目負(fù)責(zé)人的評(píng)估提供了一種新思路，事先通過提交項(xiàng)目負(fù)責(zé)人個(gè)人情況信息，利用大數(shù)據(jù)分析建模的方法，結(jié)合皮爾森相關(guān)性系數(shù)分析、線性回歸分析等計(jì)算方法，綜合模擬預(yù)測(cè)出項(xiàng)目完成情況，進(jìn)而對(duì)項(xiàng)目負(fù)責(zé)人進(jìn)行評(píng)估，評(píng)估結(jié)果可以提供給同行評(píng)議專家，輔助專家在評(píng)審立項(xiàng)時(shí)對(duì)項(xiàng)目負(fù)責(zé)人評(píng)估打分，減少項(xiàng)目評(píng)審立項(xiàng)時(shí)專家主觀性、傾向性的影響，實(shí)現(xiàn)國(guó)家科技計(jì)劃項(xiàng)目的智慧評(píng)審、精準(zhǔn)評(píng)審，進(jìn)而提升國(guó)家科技計(jì)劃項(xiàng)目的科學(xué)化管理水平.

4 結(jié)論與展望

本文借助大數(shù)據(jù)分析處理方法，對(duì)國(guó)家科技計(jì)劃項(xiàng)目負(fù)責(zé)人總體評(píng)價(jià)體系進(jìn)行了建立大數(shù)據(jù)模型的初步嘗試，經(jīng)驗(yàn)證，模型在項(xiàng)目負(fù)責(zé)人評(píng)估中具有一定參考價(jià)值.在本文提出的方法框架下，通過對(duì)國(guó)家科技計(jì)劃項(xiàng)目信息進(jìn)行收集，并搜索補(bǔ)充相關(guān)數(shù)據(jù)，對(duì)項(xiàng)目負(fù)責(zé)人的總體情況數(shù)據(jù)進(jìn)行整理分析，通過建立模型對(duì)項(xiàng)目實(shí)施效果預(yù)測(cè)，以此來評(píng)估項(xiàng)目負(fù)責(zé)人.該方法為國(guó)家科技計(jì)劃項(xiàng)目評(píng)審中對(duì)項(xiàng)目負(fù)責(zé)人的評(píng)估提供了一種新的思路，可以利用此方法消除評(píng)估中專家主觀判斷存在的不全面、不客觀、不公正的問題，輔助評(píng)審專家對(duì)項(xiàng)目負(fù)責(zé)人的評(píng)估，從而使項(xiàng)目評(píng)審過程更加合理，最終達(dá)到促進(jìn)國(guó)家科技發(fā)展的目的.