摘 要：随着知识经济时代的来临，哪座城市掌握知识、技术、人才，哪座城市就拥有竞争优势、就能抢占发展先机。党的十九大提出，人才是实现民族振兴、赢得国际竞争主动的战略资源。目前，国内外吸引人才竞争形势日益激烈，让深圳市面临“前有标兵、后有追兵”的竞争局面。因此，深圳市亟须了解自身科技人才竞争力水平，并采取相应措施来保持、提升竞争力。为分析深圳市科技人才竞争力水平，利用主成分分析法（PCA），通过与北京市、上海市、广州市进行比对，对深圳市科技人才竞争力开展实例研究。因此，首先介绍科技人才竞争力的研究背景与意义；其次，对人才竞争力和PCA分析方法进行介绍。基于此，利用层次主成分分析法（PCA）分别从定量层面对深圳科技人才竞争力进行评价。将北京市、上海市和广州市的科技人才竞争力与深圳市进行对比分析，明确深圳市科技人才竞争力水平，找出深圳市科技人才竞争力的不足，进一步提出帮助深圳市提升科技人才竞争力的建议与对策。
关键词：深圳市；科技人才竞争力；PCA分析法
一、研究背景与意义
党的十九大提出，人才是实现民族振兴、赢得国际竞争主动的战略资源。习近平总书记对人才工作多次作出重要论述，他强调，人才是富国之本，兴邦大计，办好中国的事情，关键在党，关键在人，关键在人才。他还提出，创新驱动的本质就是利用人才进行驱动，要发挥人才在创新驱动发展战略中的引领作用，强调聚下人英才而用之，提高全球配置人才的资源能力，从而实现不唯地域引进人才，不求所有开发人才，不拘一格用好人才[1]等。
深圳四十年的改革开放成功经验，已充分表明科技人才的重要性。为把深圳市建设成开放包容、激励创新、崇尚创业、充满活力的现代科技人才良港，深圳市提出了很多有利于提升科技人才竞争力的政策，加大了科技人力引进与扶持力度。但是，目前深圳市在科技人才竞争力提升方面面临着诸多问题，如科技人才总量较少，科技人才评价标准的合理性与有效性有待提升等。另外，深圳市在提升科技人才竞争力的过程中，既面临着传统发达国家对于人才的吸引，也面临着新兴经济体对于人才的争夺。与此同时，北京市、上海市在科技人才吸引方面有着长期的显著优势，天津市、重庆市等新一线、二线城市的科技人才吸引力也日益提升，中西部城市也在不断发展，以求在科技人才市场中分一杯羹。
由此可见，深圳市面临“前有标兵、后有追兵”的国内外科技人才竞争环境，如果不能快速且持续地提升对科技人才的吸引力，完全有可能在激烈的人才争夺中丧失既往优势[2]。因此，分析了深圳市科技人才队伍的现状和特点，剖析了深圳市在科技人才队伍建设中存在的深层问题，运用PCA分析法对深圳市科技人才竞争力进行分析，提出了帮助深圳市提升科技人才竞争力的建议与对策。
二、PCA分析法
（一）PCA分析法的基本概念
主成分分析法（Principal Component Analysis），也称主分量分析法，此方法基于降维思想，将多指标转换成为少数几个综合指标（即主成分）。每个主成分不但可以反映原始变量的大部分信息，而且信息之间没有重复[2]。主成分分析法将复杂因素归结为几个主成分，从而将问题变得更加简单，却又能得到更加有效、更加科学的数据信息和结果。
对于后市，预计尿素货源将出现紧缺情况，价格或将有所上涨，且今冬明春化肥价格将普遍高于去年同期水平。当前磷肥价格比较稳定，但是受到氮肥和钾肥价格高位的带动，经销商和厂家对磷肥价格都存看涨预期。闫光荣预计，短期内化肥价格将继续保持高位，厂家开工率处于低位，农民购肥的积极性也不高，所以行业越来越困难，亟需突破。
主成分分析计算方法和步骤[3]：一方面，为更好地反映被研究对象之间的不同，在研究某一事物或现象时，通常要考虑增加测量指标，这样会导致研究问题的负载程度增加。另一方面，由于每个指标都是对同一问题的体现，造成了信息的重叠性。因此，研究者会关心在多指标的数据分析中，如何压缩指标个数、压缩后的指标能否充分反映个体之间的差异，主成分分析法则较好地解决这个问题。
主成分分析的应用目的可以简单地归结为数据的压缩、数据的解释。此方法常被用来寻找和判断某种事物或现象的综合指标，并且对综合指标所包含的信息给予适当的解释，从而更加深刻地揭示事物的内在规律。
（二）PCA分析法的步骤
具体来说，实现主成分分析法的基本步骤如下[4-6]：
1.对原始指标进行标准化，以消除变量在数量极或量纲上的影响。
式中：NIR为近红外波段，R为红波波段，NDVI值越大则植被覆盖度越高，NDVI值越小，则植被覆盖度越低。
其中，计算得到标准化矩阵Z。
中国社会科学院农村发展研究所研究员党国英表示，产权改革的核心问题主要围绕三点：土地要不要交易、在什么范围内交易、交易的条件是什么。目前，农村土地承包权只能在村集体内部流转。在农村集体产权制度改革中，除了经营权可进入市场流转外，更重要的是要改革承包权。“在一定条件下，要允许农村土地承包权进入市场自由流转。这个探索更符合市场经济的要求。”党国英说。
2.根据标准化后的数据矩阵求出相关系数矩阵R。
5）并不热衷追求勘探热点。最近两年炙手可热的北大西洋塞内加尔和毛里塔尼亚以及南美近海圭亚那等热点区（包括巴西盐下深水），埃尼公司没有在其中或者近邻获取任何区块，这一点和埃克森美孚等国际大石油公司不同。埃尼的理念是通过自己的勘探发现来创造热点，已经成为热点的区域不符合埃尼公司前沿区的进入标准。这可以说是埃尼公司独特的一面。
3.求出R矩阵特征方程 R-λIp=0的特征根和特征向量。
4.确定主成分，结合专业知识对各主成分所蕴含的信息给予适当的解释。
U1称为第一主成分，U2称为第二主成分，……，Up称为第p主成分。
5.合成主成分，得到综合评价值。
对m个主成分进行加权求和，即得到最终评价值，权数为每个主成分的方差贡献率。
三、深圳市科技人才竞争力实例研究
在前文构建的理论模型和评价指标体系基础上，选取了北京市、上海市、广州市和深圳市4个城市作为样本城市，进行数据的收集和处理。运用主成分分析法（PCA）对科技人才资源竞争力进行实证研究，确定了各指标的权重分布，通过平均加和的方法计算出样本城市创意人才竞争力的综合得分与排名。
（一）初始数据的获得
本文的原始数据来源于《中国统计年鉴》、《深圳统计年鉴》、《广州统计年鉴》等材料以及搜狐、安居客等网站中2012—2017年度的相关数据。通过计算得到的评级指标初始数据如表1所示。
表1 科技人才竞争力评价指标初始数据
评价指标 北京 上海 广州 深圳人才资源从业人员总数（万人） 685.2 641.2 835.3 456.2高等教育指数（%） 70.35 58.52 49.27 16.10就业率（%） 98.6 95.9 97.6 97.5就业产业指数（%） 95.9 96.67 92.57 99.99 R&D指数（%） 3.06 1.87 0.30 1.58有效发明专利指数（件/万人） 41.29 58.50 57.84 164.50经济发展人才投入人均 GDP（元） 113 000 110 500 120 000 179 200人均出口总额（美元/人） 2 394.06 7 576.53 8 980.65 19 948.5人均可支配收入（元） 57 275 57 692 50 941 48 696人均消费性支出（元） 35 415.7 37 458.3 44 970.2 36 481人均GDP年增长率（%） 10.99 12.30 4.97 8.42人均科学技术支出（元/人） 1 315.14 1 412.02 1 297.58 3 388.68人均文化体育与传媒支出（元/人） 912.79 468.35 434.39 460.15人均社会保障与就业支出（元/人） 3 295.90 4 085.99 2 371.61 885.56人均医疗卫生与计划生育支出（元/人） 1 831.34 1 583.06 1 997.55 1 690.24人均交通运输支出（元/人） 1 626.69 1 668.93 995.54 3 786.46人均住房保障支出（元/人） 1 482.24 953.18 1 077.57 2 374.87生活环境人均公园绿地面积（平方米/人） 13.5 7.6 16.5 12空气质量达到及好于二级天数（天） 186 252 312 340消费价格指数（%） 101.4 103.2 102.7 108.1平均房价（元/平） 57 597 52 142 22 926 44 060
（二）初始数据的无量纲处理
在利用数据进行计算前，需要对初始数据进行无量纲化处理。本文采用极值标准化法对初始数据进行无量纲化处理。
其中
3.因子旋转。为了增强因子对变量的解释能力而采取因子旋转。研究中采用了方差最大正交旋转，这样能够使公共因子的载荷系数更接近0或1，利于公共因子对变量的解释与命名。
可以邀请各行各业的专家、学者以及老师和学科带头人在价值观中选择他们认为最基础和核心的观念和精神，也可以提供他们认为重要的价值观。由信息管理员和经典文献研究有造诣的专家系统组织形成系列专题。针对某一主题，形成以相应主题专家推荐为主的书目和对应的推荐文献。通过读者在经典注释本、评点本、赏析本的版本中梳理主题内涵的固化、发展、延伸，调整相应主题的系列内容和体系。邀请在这方面有研究的老师和专家开展系列论坛，通过主题在中西方思想长河中的位置和观点对比以及经典情节和事例引发的思想碰撞和在当代文明中的思考，进一步充实相应主题的内容。使道之器用，器聚升华为道，形成各主题的数据库信息。
对于与科技人才竞争力负相关的指标（消费价格指数、平均房价），本文对其进行无量纲化处理的公式为：
K：人均交通运输支出
通过无量纲化处理得到的评级指标计算数据如表2所示。
表2 科技人才竞争力评价指标计算数据
评价指标 北京 上海 广州 深圳从业人员总数 0.604 1 0.488 0 1 0高等教育指数 1 0.782 1 0.611 5 0人才资源就业率 1 0 0.629 6 0.592 6就业产业指数 0.448 9 0.552 8 0 1 R&D指数 1 0.568 2 0 0.462 9有效发明专利指数 0 0.139 7 0.134 3 1经济发展人才投入人均GDP 0.036 4 0 0.138 3 1人均出口总额 0 0.295 2 0.375 2 1人均可支配收入 0.953 6 1 0.249 6 0人均消费性支出 0 0.213 8 1 0.111 5人均GDP年增长率 0.820 9 1 0 0.470 7人均科学技术支出 0.008 4 0.054 7 0 1人均文化体育与传媒支出 1 0.071 0 0 0.053 8人均社会保障与就业支出 0.753 1 1 0.464 3 0人均医疗卫生与计划生育支出 0.599 0 0 1 0.258 6人均交通运输支出 0.226 1 0.241 3 0 1人均住房保障支出 0.372 1 0 0.087 5 1生活环境人均公园绿地面积 0.662 9 0 1 0.494 4空气质量达到及好于二级天数 0 0.428 6 0.818 2 1消费价格指数 1 0.731 3 0.806 0 0平均房价 0 0.157 3 1 0.390 4
（三）基于PCA的科技人才竞争力评价值计算
本节选择了SPSS18.0软件来进行分析。具体分析步骤如下。
1.对无量钢化的原始数据进行KMO（Kaiser-Meyer-Olkin）检验和 Bartlet球形检验。KMO（Kaiser-Meyer-Olkin）检验和Bartlett球形检验构成了主成分分析的基本前提。KMO值的取值在0到1之间，能够帮助判断原始数据之间的相关关系。当KMO值越接近于1时，说明变量之间的具有较强的相关性，适合进行主成分分析。
In Finding Nemo，we follow（跟随）Marlin as he looks for his son Nemo.On the way，he becomes good friends with Dory.Dory is a friendly and cute fish.But she has a bad memory（记忆）.
2.提取若干个主成分。根据研究需要，研究者按照主成分提取原则确定主成分的个数。一般情况下，当主成分提取的特征值大于1或累计贡献率达到80%时，即可以作为提取的主成分。
对于与科技人才竞争力正相关的指标（从业人员总数、高等教育指数、就业率、就业产业指数、R&D指数、有效发明专利指数、人均GDP、人均出口总额、人均可支配收入、人均消费性支出、人均GDP年增长率、人均科学技术支出、人均文化体育与传媒支出、人均社会保障与就业支出、人均医疗卫生与计划生育支出、人均交通运输支出、人均住房保障支出、人均公园绿地面积、空气质量达到及好于二级天数），本文对其进行无量纲化处理的公式为：
4.根据主成分得分系数矩阵，计算主成分得分。依照计算得到的分数，可以对样本对象进行排名与分析。
地方政府的恶性竞争主要表现在地方政府“涸泽而渔”，超负荷透支地方资源上。例如，简单选择投资建设产值高税收多的大项目，导致个别行业过剩；城乡公共基础设施建设严重两级分化；财力过度集中在建设方面，宜居要求的环境、科教文卫、社会治安等方面无暇兼顾。这种简单粗暴的发展方式必然引起政府间恶性竞争，尤其是人、才、物资源匮乏的中西部城市更为明显。
研究中从人才资源、经济发展、人才投入、生活环境四个方面开展分析，对四座城市的科技人才竞争力进行综合评价。
1.3.2 对照品溶液的制备 精密量取阿多尼弗林碱对照品1 mL，置10 mL量瓶中，加入内标溶液1 mL，加0.5%甲酸溶液适量并稀释至刻度，摇匀，作为对照品溶液。
运用SPSS18.0软件对四座城市的科技人才资源指标相关数据进行主成分分析，得到科技人才资源指标相关系数的特征值及方差贡献率和主成分得分系数矩阵，如表3、表4。
表3 科技人才资源指标相关系数的特征值及方差贡献率
成分 初始特征值 提取平方和载入合计 方差的% 累积% 合计 方差的% 累积%1 3.431 57.178 57.178 3.431 57.178 57.178 2 1.608 26.806 83.984 1.608 26.806 83.984 3.961 16.016 100.000 4 1.762E-17 2.937E-16 100.000 5-2.196E-16 -3.660E-15 100.000 6-2.878E-16 -4.797E-15 100.000
表4 科技人才资源指标主成分得分系数矩阵
成份1 2从业人员总数 -.303 -.135高等教育指数 -.201 .317就业率 -.003 .262就业产业指数 .301 .170 R&D指数 .116 .605有效发明专利指数 .253 -.175
由表4科技人才资源各主成分的得分系数矩阵，可以得到Z1，Z2两个主成分的得分表达式：
C1：从业人员总数
首先需要将各种格式的源数据转换至包含NIS模型的ArcGIS海图数据库中。其次将ArcGIS海图数据库中的数据提取并克隆到本地桌面端的专题海图生产数据库中，专题海图生产数据库是一个包含了NIS模型的Geodatabase，并根据感兴趣区域（图幅范围）对数据进行批量裁剪。然后，基于专题海图符号库和注记配置规则，对数据进行符号化和注记配置。最后，对地图添加标题、图廓、经纬网等整饰信息。
由于矿区第四系覆盖厚，矿体全呈隐伏状态。矿区已知矿(化)体共32条，其中工业矿体15条。均呈脉状或似层状，全部产于石炭系中，分布范围南西起自17线，北东至54线，长约1 700 m，宽约500 m，面积1 km2。埋藏标高-415～70 m，除1、2、7号为主矿体外，其他皆为规模不大的小矿体(见表1)。
J1：就业率
J2：就业产业指数
R1：R&D 指数
Y：有效发明专利指数
最后，根据公式6和公式7，计算出科技人才资源指标的综合得分与排名如表5所示。
表5 科技人才资源指标综合得分与排名
城市 主成分1 主成分2 综合得分 排名北京 -0.073 0.930 0.207 2上海 -0.020 0.470 0.115 3广州 -0.212 0.158 -0.079 4深圳 0.327 0.340 0.278 1
运用SPSS18.0软件对四座城市的经济发展指标相关数据进行主成分分析，得到经济发展指标相关系数的特征值及方差贡献率和主成分得分系数矩阵，如表6、表7。
由表7经济发展各主成分的得分系数矩阵，可以得到Z1，Z2两个主成分的得分表达式：
表6 经济发展指标相关系数的特征值及方差贡献率
成分 初始特征值 提取平方和载入合计 方差的% 累积% 合计 方差的% 累积%1 3.139 62.771 62.771 3.139 62.771 62.771 2 1.719 34.374 97.145 1.719 34.374 97.145 3.143 2.855 100.000 4 2.056E-16 4.112E-15 100.000 5-1.647E-17 -3.294E-16 100.000
表7 经济发展指标主成分得分系数矩阵
成份1 2人均GDP .395 .152人均出口总额 .367 .073人均可支配收入 -.266 .174人均消费性支出 -.164 -.513人均GDP年增长率 -.020 .436
P：人均 GDP
E：人均出口总额
R2：人均可支配收入
C2：人均消费性支出
L：人均GDP年增长率
由表13生活环境各主成分的得分系数矩阵，可以得到Z1，Z2两个主成分的得分表达式：
表8 经济发展指标综合得分与排名
城市 主成分1 主成分2 综合得分 排名北京 0.444 0.404 0.418 2上海 0.420 0.481 0.429 1广州 0.022 0.321 0.124 4深圳 0.414 0.285 0.358 3
运用SPSS18.0软件对四座城市的经济发展指标相关数据进行主成分分析，得到科技人才投入指标相关系数的特征值及方差贡献率和主成分得分系数矩阵，如表9、表10。
表9 科技人才投入指标相关系数的特征值及方差贡献率
成分 初始特征值 提取平方和载入合计 方差的% 累积% 合计 方差的% 累积%1 3.752 62.536 62.536 3.752 62.536 62.536 2 1.217 20.282 82.818 1.217 20.282 82.818 3 1.031 17.182 100.000 1.031 17.182 100.000 4 7.796E-17 1.299E-15 100.000 5-7.480E-17 -1.247E-15 100.000 6-1.493E-16 -2.488E-15 100.000
表10 科技人才投入指标主成分得分系数矩阵
成份1 2 3人均科学技术支出 .243 -.082 -.084人均文化体育与传媒支出 .102 .005 .923人均社会保障与就业支出 -.286 -.371 .145人均医疗卫生与计划生育支出 .075 .779 .012人均交通运输支出 .236 -.221 .064人均住房保障支出 .317 .036 .245
由表10科技人才投入各主成分的得分系数矩阵，可以得到Z1，Z2两个主成分的得分表达式：
A：人均科学技术支出
B：人均文化体育与传媒支出
D：人均社会保障与就业支出
焦虑的时候，除了买买买，还有扫扫扫。干家务活不知什么时候成了一个清零焦虑的好办法，听着音频拖地，拖到哪个房间把手机拎到哪个房间。抹桌子有点问题，因为不停地要涮抹布，而手又是湿的，就干脆把手机放到客厅中间，声音开最大，在某些房间也还是听不清，听不清就听不清，有个响声陪着，证明了我不是一个人在战斗就行。
F：人均医疗卫生与计划生育支出
G：高等教育指数
其中，是经过无量纲化处理后的科技人才竞争力评价指标的计算值，值在0—1之间；Xij表示第i坐城市的第j个科技人才竞争力评价指标的初始值；Mij和mij分别表示不同城市的第j个科技人才竞争力评价指标的初始值的最大值与最小值。
Q：人均住房保障支出
最后，根据公式10、11和公式12，本文计算出科技人才投入指标的综合得分与排名，如表11所示。
表11 科技人才投入指标综合得分与排名
城市 主成分1 主成分2 主成分3 综合得分 排名北京 0.054 0.140 1.127 0.255 2上海 -0.107 -0.389 0.218 -0.109 4广州 -0.016 0.553 0.099 0.119 3深圳 0.424 -0.059 0.273 0.300 1
运用SPSS18.0软件对四座城市的生活环境指标相关数据进行主成分分析，得到生活环境指标相关系数的特征值及方差贡献率和主成分得分系数矩阵如表12、表13。
最后，根据公式8和公式9计算出科技人才资源指标的综合得分与排名，如表8所示。
表12 生活环境指标相关系数的特征值及方差贡献率
成份 初始特征值 提取平方和载入合计 方差的% 累积% 合计 方差的% 累积%1 2.223 55.572 55.572 2.223 55.572 55.572 2 1.463 36.577 92.148 1.463 36.577 92.148 3.314 7.852 100.000 4 1.754E-17 4.384E-16 100.000
表13 生活环境指标主成分得分系数矩阵
成份1 2人均公园绿地面积 -.188 .544空气质量达到及好于二级天数 .463 .119消费价格指数 -.547 .203平均房价 .088 .475
W：人均公园绿地面积
S：空气质量达到及好于二级天数
3.1 原料准备。第一步是备料，把日常生活中廉价而易得的布头、废旧衣服(以纯棉布最好)拆洗干净，裁剪成大小适当的尺寸。第二步是做“褙子”，即用刷子在布料上涂刷自制的面粉浆糊，将布料逐层裱糊在一起。第三步是剪样，用硬纸板画出各种尺码鞋垫的大小，拓在“褙子”上，先用铅笔画个样，再用剪刀裁下模子。第四步是搭面，用糨糊在裁好的模子上贴一层新的白棉布，作为鞋垫上纳绣图案的“面子”。这样，鞋垫的“骨子”就做好了。
X：消费价格指数
M：平均房价
最后，根据公式13和公式14，本文计算出生活环境指标的综合得分与排名，如表14所示。
综上所述，在科技人才资源方面，综合得分前两名分别是深圳市和北京市；在经济发展方面，上海市的综合得分排名第一；在科技人才投入方面，深圳市综合得分要领先于其他3座城市；在生活环境方面，广州市的综合得分遥遥领先。
表14 生活环境指标综合得分与排名
城市 主成分1 主成分2 综合得分 排名北京 -0.347 0.511 -0.006 4上海 -0.097 0.249 0.037 3广州 -0.084 1.161 0.377 1深圳 0.209 0.520 0.306 2
四、深圳市科技人才竞争力提升对策
（一）加强科技人才培养体制改革
1.大刀阔斧推动简政放权，着力破除人才管理束缚。加快转变政府职能，继续取消、转移、下放市级行政职权，以“壮士断腕”的决心自我革命，充分释放改革活力。
2.破除传统体制壁垒障碍，推动人才更加顺畅流动。放宽人才入户门槛，解决人才流动中最“头疼”的户籍问题。开展高端特聘岗位试点，在专业性较强的党政机关、国有企事业单位开展高端特聘岗位试点，打破编制职级、薪酬待遇等限制，吸引高端专业人才到体制内服务。
3.最大限度放宽科研限制，充分释放科技人才创新活力。进一步放宽科研人员管理限制，鼓励事业单位科研人员离岗创业，对国有企事业单位科研人员和专业技术人员因公出国（境）实行有别于党政机关领导干部的灵活管理机制。
液态涂材在基体表面进行结合的前提是发生润湿，而发生润湿取决于分子间吸引力，若涂材与基体间分子吸引力较大，则在基体表面发生润湿进行结合，润湿程度由接触角θ反映，实际生产中一般通过表面预处理方法如喷砂和辅助方法如喷涂粘结层等来提高基体表面的粗糙度和粘结性以增加结合强度。而在结合面两侧的区域会发生涂层和基体的扩散形成固溶体、低熔点共晶或金属间化合物。此外，当加入第二或第三元素使合金熔点或液相线温度改变，会对扩散过程产生明显影响。如在γ-Fe中加入Mo会形成碳化物从而降低碳的扩散系数。
（二）加强科技人才队伍建设
1.聚焦体制机制改革进行突破。习近平总书记在党的十九大报告中提出的人才工作“三个更加”具有很强的针对性。针对制约人才发展的“痛点”、“堵点”，深入研究国家、省有关政策文件精神，从简政放权、人才评价、职称制度等体制机制改革方面进行重点突破。
2.推动人力资源服务业集群发展，做强做大国有人力资源龙头服务机构。以深圳人才园为核心园区，推进“一园多区”人力资源服务产业园发展。对资源进行重新整合，将深圳人才集团打造成国际一流的综合人力资源服务商供应商。
3.加强科技人才工作队伍建设。常态化举办全市人才工作者和人才服务专员研修活动，搭建沟通交流提升平台，促进人才工作者熟悉政策、精通业务、掌握方法。拓宽人才工作队伍覆盖面，将各大企业人才服务专员纳入工作队伍，延展人才工作手臂，实现服务企业和人才“无死角”。
参考文献：
[1] 杨丽萍.深圳：给人才优先发展以法治保障[J].中国人才，2017，8（9）：44-45.
[2] 苏键，陈军，何洁.主成分分析法及其应用[J].轻工科技，2012，（9）：12-13.
[3]林海明，杜子芳.主成分分析综合评价应该注意的问题[J].统计研究，2013，V30（8）：25-31.
[4]刘世晶，王帅，陈军，等.基于改进主成分分析和AdaBoost算法的运动虾苗识别方法[J].农业工程学报，2017，33（1）：212-218.
[5]陈军飞，吴铭峰.主成分分析在城市复合系统发展评价中的应用[J].软科学，2006，20（1）：9-11.
[6]林海明，杜子芳.主成分分析评估指数的构造条件和案例[J].21世纪数量经济学，2013，（13）.
Study on the Evaluation of the Competitiveness of the Science and Technology Talents in Shenzhen city Based on the PCA analysis method
ZHANG Kun
（Department of Management and Economics，Tianjin University，Tianjin 300072，China）
Abstract：With the coming of the age of the knowledge economy，which city has the knowledge，technology and talent，which city has the competitive advantage，Weundefinedll be able to seize the advance of the development.The Partyundefineds 19-year-old proposal，the talent is to realize the national rejuvenation，win the strategic resources of the international competition initiative.At present，the competition situation of attracting talents at home and abroad is becoming more and more intense，and Shenzhen is facing the"Thereundefineds a pilot，and then thereundefineds a trooper."of the competition.Therefore，it is important for Shenzhen to know the level of the competitiveness of its scientific and technological personnel and to take corresponding measures to maintain and improve the competitiveness.In order to analyze the competitive level of science and technology talents in Shenzhen，a case study was carried out on the competitiveness of science and technology talents in Shenzhen by using the principal component analysis method（PCA）.Therefore，firstly，the background and significance of the research on the competitiveness of the science and technology talents are introduced；secondly，the competitive ability of the talents and the analysis method of the PCA are introduced.On the basis of this，the evaluation of the competitiveness of Shenzhenundefineds science and technology talents from the quantitative level is made by the principal component analysis method （PCA）.The competitive power of the science and technology talents in Beijing，Shanghai and Guangzhou is compared and analyzed，and the competitiveness of the science and technology talents in Shenzhen is determined，and the shortage of the competitiveness of the science and technology talents in Shenzhen is found out，and the suggestions and countermeasures for improving the competitiveness of the science and technology talents in Shenzhen are further put forward.
Key words：Shenzhen city ；the competitiveness of science and technology talents；PCA analysis method
中图分类号：C93
文献标志码：A
文章编号：1673-291X（2019）08-0084-07
收稿日期：2018-11-19
作者简介：张鲲（1982-），男，甘肃酒泉人，硕士研究生，从事人力资源管理研究。
[责任编辑 柯 黎]
标签：科技人才论文; 成分论文; 得分论文; 指标论文; 深圳市论文; 社会科学总论论文; 人才学论文; 世界各国人才调查及其研究论文; 《经济研究导刊》2019年第8期论文; 天津大学管理与经济学部论文;