摘 要：在对现有人才环境评价指标体系优化调整的基础上，通过建立在处理高维、非线性、非正态特点数据问题上具有独特优势的投影寻踪模型，从空间域上对我国15个“新一线”城市的人才环境进行定量化评价。研究结果表明：科研经费、每万人中大学生数量、专利申请受理量、教育支出等软环境影响因素业已成为新时期影响人才环境的主要因素；15个“新一线”城市的人才环境评价水平总体上偏低，其中13个城市得分处于中下水平；城市之间人才环境存在比较优势，部分城市在一些特定指标上具有明显的优势；地区之间的人才环境存在差异，东部地区明显优于中、西部地区。在此基础上提出优化“新一线”城市人才环境、吸引优秀人才支持地方经济发展的政策建议：更加注重优化人才软环境；充分发挥地区间的比较优势；强化对用人单位主体功能的发挥。
关键词：人才环境；评价；投影寻踪
随着我国人口红利的逐步消失，老龄化问题加剧，大批接受过高等教育的青年人才正成为各大城市竞相争夺的资源。因为对人才资源的争夺，将决定各城市未来在我国经济版图上的位置和影响力。正缘于此，“抢人大战”在各大城市不断升温，目前已进入白热化的阶段。各大城市纷纷出台相应的政策为引进人才助力，但纵观这些形式各异、花样翻新的人才引进政策，大都离不开“送户口”“送钱”“送房子”等几个关键点。但人才资源，特别是高层次、高素质的人才，可能更加关注自身事业的发展和人生价值的实现，而这在很大程度上取决于一个地区的人才成长和发展的综合环境：不但包括上述户口、房子等生存要素，还包括城市区位优势、生活便利程度、科技发展水平、人文地理环境、创新创业环境等诸多要素。因此，为了防止各地区之间的恶性竞争，防止人才政策的“烂尾”，让人才政策真正发挥作用，既要把人才吸引来，还要使人才留得住，切实为当地经济发展作出贡献，建立一套科学合理的人才环境评价体系，发现人才环境中存在的问题，对优化人才环境，制定切实可行的人才政策具有十分重要的现实意义。
1 文献回顾
我国对人才环境的研究虽起步较晚，但研究成果颇丰。目前已有的研究主要分为两个方面：一个是理论方面的研究，主要是针对人才环境评价的核心问题——指标体系的构建来展开。在这方面的研究上以王顺［1］为代表，其在人才理论和实践相结合的基础上构建了一套系统的、可操作性的人才环境综合评价体系，为我国城市人才环境评价提出了理论基础；此后，学者们对评价指标体系进行了补充完善，但由于社会变迁与经济的不断发展，指标体系也在不断调整与完善之中，对此问题的研究一直在继续。另一个是对人才环境评价方法的研究。黄苏萍等［2］利用层次分析法确定影响人才聚集竞争力各因素指标权重，建立人才环境评价模型，并以上海数据进行了实证研究。李朋林［3］基于灰色关联理论研究了人才指数与人才环境之间的关联影响，给出了测度人才环境指数的一种新方法，并通过计算给出了陕西省人才环境指数的具体结果。卢山等［4］采用主成分分析和象限图分析法，以江苏省为样本实证分析了决定新领军人才培养与吸纳环境的主要影响因素。石金楼［5］遵循可采性、比较性、非重复性等原则，运用因子分析法对江苏省13个地级市的人才环境进行了评价，给出了这些城市人才环境评价的相对次序。
通过对相关文献的梳理，可以发现：第一，虽然目前已有较为完整的人才环境综合评价体系，但如上所述，随着经济发展和社会变革，会不断地出现重要的技术、经济、社会、政策或者其他重要的变化，如国家倡导“大众创业，万众创新”对创新环境的影响、雾霾天气对城市宜居性的影响、房价对城市居住环境的影响，而原有的指标体系中缺少可以对创新环境、城市空气质量环境进行衡量的指标，而且原有的指标体系中用人均住房面积来衡量房价飞涨的城市居住环境显然不合适。人才环境水平的评价是一个动态的过程，因此，本文遵循系统性、完整性及可操作性等原则，对现有的人才环境评价体系作出了适当的优化调整，使得评价体系更为完善和全面。第二，学者们大都将研究对象固定为某单一地区，仅仅对该单一地区人才环境在时间域上进行了纵向比较研究，侧重于该地区人才环境的变化及其趋势，而将人才作为一中观问题从空间域上进行不同地区人才环境之间横向对比的研究却很少。而本文将选取我国的15个“新一线”城市进行空间域上的分析，从中观层面分析这些城市人才环境建设中存在的问题，以期能明晰各城市在人才环境建设中存在的优势与短板，为“新一线”城市进行人才环境优化提供参考依据，带动当地经济的可持续发展。第三，学者们在评价方法的选择上各有不同，这些评价方法有其优势但同时也存在一定的局限性。如德尔菲法、模糊综合评价法在评价过程中容易受到主观因素的影响，从而可能使得评价结果有失客观和公允；层次分析法的应用场景是那些指标个数较少的评价问题，而人才环境是一个复杂的巨系统，其中所涉及的指标非常多，因此层次分析法实际上并不适宜；因子分析法虽能克服主观因素的影响，在指标间存在较高相关性时有较好的效果，但当指标间相互独立或相关性较弱时评价结果并不理想。由于在本文对人才环境的评价中，综合考虑了区位优势、生活便利程度、科技发展水平、人文地理环境、创新创业环境等因素，而这些因素是从不同的侧面反映人才环境的诸多方面，其间的关联作用并不强，所以因子分析法也不太适合。此外，人才环境评价往往由诸多非线性、非正态的指标来决定，上述几种方法在处理这一类问题时更是无能为力。鉴于此，本文将以一种全新的方法——投影寻踪法来对15个“新一线”城市的人才环境进行评价。近期的理论分析与应用经验显示，投影寻踪法在处理具有高维、非线性、非正态特点数据的评价问题时具有良好的稳定性及较强干扰等优点，从而使得评价结果更加真实可靠。张发明等［6］在组合评价方法研究综述中也提到，投影寻踪这种新颖的方法与一般评价方法相比，在防止数据信息丢失、保证评价结果真实性方面具有优越性。人才环境优化是我国人才强国战略的重要组成部分，本文的研究以期对我国“新一线”城市制定切实可行的人才政策，促进这些城市的经济发展提供参考。
2 评价方法构建
2.1 原理
对于一维和二维的数据，常常只需要作出简单直方图就能了解数据特征，但在解决实际问题过程中，为了避免忽略掉任何可能的相关信息，往往在搜集资料时要全面考虑各个因素，从而使多元分析方法的应用不但非常普遍而且非常重要。当研究数据维度一旦大于4时，就无法用图像直接观察数据结构，需要将原始数据投影到可以进行观察的空间维度上（1～3维），而后通过观察数据在低维空间上的结构，间接把握其高维特征。投影寻踪法是20世纪70年代由美国科学家Kruscal提出，是一种新兴的统计方法，主要用于分析和处理非正态、非线性的复杂数据［7］。投影寻踪法首先将难以直接反映数据结构特征的高维数据利用计算机技术，通过某种组合投影到低维子空间上［8］；其次构造投影目标函数来衡量其反映高维数据结构可能性大小，设定约束条件找到投影目标函数最大化的投影方向向量；最后根据数据在低维空间上投影的方向向量来分析高维数据的结构特征。
2.2 优势特点
投影寻踪法应用于综合评价问题时，主要有两个方面的优势：一是在处理数据方面的优越性。传统的评价方法对原始数据的要求较高，而通常我们能够得到的数据又都是高维度、非线性、非正态的。投影寻踪法与传统方法相比，在处理高维度、非线性、非正态的数据方面有其独特之处，依据其原理所建立的模型信息损失量少，能够最大限度地保留原始数据的信息，从而可以更为全面完整地表征原始数据的结构特点。另一方面是在指标赋权时所体现的优越性。投影寻踪法是由样本数据直接驱动的，克服了传统评价方法需要人为赋权从而主观性太强的缺陷。与传统的评价方法相比，由投影寻踪法得到的结果也更为真实地反映客观事实，获得更为满意的评价效果。
2.3 建立步骤
第一步：样本评级指标数据的归一化处理。设指标值 {x(i,j)|i=1,2,...,n ；j=1,2,...,p}。其中：x(i,j)为第i个样本中第j个指标值；n和p分别为样本个数和指标个数。为了消除指标的量纲并且统一各指标的变化范围，这里我们采用极值归一化处理（其中指标又分为正向指标和负向指标，正向指标表示指标数值越大越好，负向指标恰好相反）［9］。
正向指标：
式（1）（2）中：xmax(j)、xmin(j)分别表示第j个指标值的最大、最小值；X(i,j)为指标特征值归一化的序列。
5G承载的挑战与技术方案探讨…………………………………………………………………李俊杰，唐建军 24-1-49
在778份样本中，共检出10份HPV18阳性，检出率1.3%（10/778），其中4份为多重感染。HPV18感染者年龄最小31岁，最大58岁，中位年龄40岁。
第三步：根据{z(i)|i=1,2,...,n}的一维分散图进行分类，其中a为单位长度向量。综合投影指标，要求投影值z(i)尽可分散的原则来构造投影指标函数：
我坚持着战斗到底的原则，一轮接一轮地与沙莉暗自较量，无论怎样风起云涌，她的表现总是镇定自如，一副胸有成竹的样子。有时我也奇怪为什么她那样从容看待每件事，即使我非常嚣张失控，她仍然如植物般自由摇摆，似乎没有精力去观察我的脸色和态度。
在运用传统方法优化投影目标函数时，一般要求目标函数连续且可导而且计算量大，处理起来较为困难。为了克服这一点不足，本文引用模拟生物优胜劣汰与全体内部染色体信息交换机制的实数编码的加速遗传算法（RAGA）来求解，并利用计算机技术简化操作［10］。
(4)加强对内瘘穿刺点的维护:品管圈护理人员要在透析后注意维护穿刺部位的卫生及干燥,在加压止血的12~24小时后才能拿掉覆盖穿刺点的纱布。若是穿刺点出现充血肿胀的情况,需用冷敷止血,若出血停止,24小时后再改为热敷消肿。
第五步：分类进行优化排序。把上一步求得的最佳投影方向a*代入公式（3）得到各样本的投影值，随后由大到小排序，即可得到相应决策方案的优劣次序，排名越靠前则越优。
3 实证研究
3.1 人才环境评价指标体系构建
人才环境是指人才赖以生存、得以发展的社会环境和自然人文环境，包括影响人才成长的各种外部要素（既包括硬环境，也包括软环境）。人才环境的内容非常广泛，涉及政治、经济、文化、人文、科技、教育、地理环境等各个方面，是一个庞大的复杂系统［11］。基于已有的研究成果，本文将人才环境分为区位环境、人文环境、生活环境、经济环境、创新创业环境共5个一级指标，旅客周转量、空气质量指数、每万人中大学生数量等15个二级指标；但随着近几年经济与社会环境的变化，部分指标已无法正确反映变化了的实际，因此，本文遵循系统性、完整性及可操作性等原则，对现有的人才环境评价体系作出了适当的优化调整［12］，使得评价体系更为完善和全面（如表1）。首先，近几年国家大力倡导“大众创业，万众创新”，强调推动大众创业、万众创新是充分激发亿万群众智慧和创造力的重大改革措施，是实现国家强盛、人民富裕的重要途径，打造一个良好的创新创业环境至关重要，因此，本文将原一级指标“创新环境”更替为“创新创业环境”，并在二级指标中加入“科技企业孵化器”指标来反映本地区创业条件；其次，加入“空气质量指标”来衡量城市环境条件，以期能反映近几年来雾霾天气对城市环境的影响；最后，将原“城镇居民人均住房面积”替换为“房屋平均销售价格”，因为在房价飞涨的当下，用人均住房面积来衡量居住环境条件显然不合时宜，一线城市“房价驱人”的现象屡见不鲜，人才在选择城市时必定会结合自己的经济实力与房价作对比，对于能否在这里稳定地发展下去，房屋价格更具有参考价值，因此，本文将原有的指标替换。
表1 人才环境评价指标体系
一级指标 二级指标指标作用区位环境X1 旅客运输量X1-1/万人 衡量本地区交通便利程度空气质量指数X1-2/级 衡量城市环境条件人文环境X2 每万人中大学生数量X2-1/人 反映本地区人口素质每百人公共图书馆藏书量X2-2/册 反映本地区文化环境水平生活环境X3 城镇居民人均可支配收入X3-1/元 衡量本地区收入水平房屋平均销售价格X3-2/元 反映本地区居住条件每万人拥有病床位数量X3-3/张 衡量本地区医疗水平教育支出X3-4/亿元 衡量本地区教育水平每万人拥有公共汽车数量X3-5/辆 反映本地区出行条件经济环境X4 人均地区生产总值X4-1/元 反映本地区经济总水平进出口总额X4-2/亿元 衡量本地区产品竞争力外商直接投资额X4-3/万美元 反映本地区开放程度创新创业环境X5 科研经费数量X5-1/亿元 反映本地区科研投入绝对水平专利申请受理量X5-2/件 衡量本地区科技创新水平科技企业孵化器数量X5-3/个 反映本地区创业条件
3.2 数据来源
“新一线”城市，是《第一财经周刊》自2013年开始，根据一系列的经济、政治和学术资源等指标综合评比后划分得出的城市。2018年最新公布的“新一线”城市包括：成都、杭州、重庆、武汉、苏州、西安、天津、南京、郑州、长沙、沈阳、青岛、宁波、东莞和无锡。在这场愈演愈烈的人才争夺战中，与传统的一线城市“北上广深”相比，“新一线”城市争抢人才的力度更大，也更为积极主动，这是因为在我国经济转型升级的背景之下，人才资源成为这些“新一线”城市追赶“传统一线”城市的重要砝码。从目前状况分析来看，很多地方在政策制定、扶持手段、评价条件等方面还存在一定的趋同性，甚至为了“掐尖”而哄抬扶持资金、优惠政策价码，这不仅不利于人才向这些城市流动，还会造成人才资源浪费及财政支出紧张等问题。基于此，本文以“新一线”城市作为具体的研究对象，选取上述15个城市2017年的数据作为样本，数据来源主要是《中国城市统计年鉴》《中国火炬统计年鉴》及各城市2017年国民经济与社会发展统计公报，部分无法直接观测的数据将通过各地区的统计年鉴和数据库中的相关数据计算得出。
第二步：构造投影指标函数Q(a)。投影寻踪方法就是把m维数据{X(i,j)|j=1,2,...,m}合成以为投影方向的一维投影值z(i)。
本文构建城市人才环境评价指标体系，尝试采用投影寻踪法对我国15个“新一线”城市进行定量综合评价，通过实证研究得出以下结论：
3.3 评价模型的建立
本研究以2017年15个“新一线”城市的评级按指标数据为样本，样本数为15（样本为县、市、市辖区），指标数为15。按照公式（1）（2）将评价指标原始数据进行标准化处理，并运用计算机语言编写应用程序，利用评价指标标准化值建立起投影寻踪分类评价模型，在Matlab软件中运行程序，得出最佳投影方向向量，即城市人才环境评价指标的最佳投影方向向量a=（0.170 8，0.116 5，0.382 9，0.114 4，0.136 8，0.104 6，0.256 3，0.284 8，0.089 8，0.337 8，0.191 7，0.336 6，0.407 3，0.303 7，0.301 3），将最佳投影方向向量与相应评价指标的标准化值相乘的积加和，得到人才环境评价模型：
将标准化数据代入评价模型，得出各子系统评价值和系统综合评价值（如表2）。
表2 样本“新一线”城市人才环境系统评价值
城市 综合得分 排名 区位环境 排名 人文环境 排名 生活环境 排名 经济环境 排名 创新创业环境 排名成都 1.590 20 5 0.103 80 6 0.344 50 4 0.307 90 6 0.259 00 11 0.575 00 3杭州 1.590 22 4 0.077 00 7 0.200 40 9 0.399 00 3 0.460 60 3 0.453 30 6重庆 1.743 41 2 0.205 40 1 0.283 80 6 0.541 10 1 0.271 00 10 0.442 00 7武汉 1.590 11 7 0.071 60 8 0.415 10 1 0.271 40 9 0.339 60 8 0.492 30 4西安 1.099 07 12 0.172 10 2 0.343 30 5 0.128 90 15 0.142 70 14 0.312 20 9天津 2.316 59 1 0.118 60 5 0.213 80 8 0.455 50 2 0.751 00 1 0.777 70 1南京 1.590 19 6 0.063 90 9 0.377 70 2 0.327 20 5 0.383 80 7 0.437 60 8郑州 1.142 61 9 0.145 60 3 0.365 10 3 0.220 10 11 0.238 00 12 0.173 70 14长沙 1.104 77 11 0.043 10 12 0.237 30 7 0.206 50 12 0.308 80 9 0.309 20 10沈阳 0.633 18 15 0.063 60 10 0.160 50 10 0.142 70 14 0.142 60 15 0.123 80 15青岛 1.114 33 10 0.034 80 13 0.113 60 12 0.280 30 8 0.409 60 6 0.276 00 12宁波 1.039 20 13 0.026 10 14 0.038 30 14 0.302 40 7 0.429 10 5 0.243 30 13苏州 1.595 89 3 0.129 00 4 0.101 80 13 0.348 10 4 0.435 50 4 0.581 50 2无锡 1.237 95 8 0.058 20 11 0.016 40 15 0.190 00 13 0.497 60 2 0.475 70 5东莞 0.829 33 14 0.000 00 15 0.117 00 11 0.243 00 10 0.167 40 13 0.301 90 11
3.4 评价结果分析
最佳投影方向向量实质上就是各类评价指标的权重，它可以反映各评价指标对人才环境综合评价结果的影响程度：无论正向指标还是逆向指标，其投影方向向量越大则说明相应的评价指标对人才环境的影响程度越大。计算结果表明：
3.4.1 指标权重分析
第一，排名前5位且投影方向向量均在0.3以上的依次为科研经费数量、每万人中大学生数量、人均地区生产总值、外商直接投资额、专利申请受理量，这些二级指标分属于经济环境和创新创业环境两个一级指标之下。说明当下的人才在选择自己发展的城市时，除了要考虑该地区的经济发展水平和收入水平之外，同时还考虑城市的创新创业环境。一个城市的创新创业环境越好，人才得以自由发展的机会也就越多，尤其对接受过高等教育的青年人才，收入水平是否符合预期、未来工作的发展前景与平台大小等因素逐步成为其选择工作地点的重要考虑因素。
第四步：约束非线性函数优化。当各个指标值的样本数据给定时，投影指标函数Q(a)就只取决于投影方向a的变化，不同的投影方向会有不同的数据结构特征，而最佳的投影方向就是最大可能暴露高维数据特征结构的投影方向，可以通过求解投影指标函数最大化的方式来估计最佳投影方向。非线性约束优化模型为：
第二，教育支出、每万人拥有病床位数量的最佳投影方向向量均在0.2以上。说明当下接受过高等教育的人才对城市科技创新和教育的条件也十分重视，科技创新环境对人才是否能施展才能具有一定的影响，教育条件对人才自身的提升及其子女是否能接受良好的教育都有影响。
第三，最佳投影方向向量小于0.2的指标中，反映区位环境的指标排名靠后。说明随着各地的发展，中、西部相对于沿海地区受限于地理空间的劣势正在被新的产业形态和交通组织方式所抵消。还可以发现，房屋平均销售价格指标的排名较为靠后。从指标的原始数据分析，“新一线”城市与“北上广深”这些一线城市的房价相比，大都还在可接受范围之内，因此，在所选择的样本之中，房价对人才环境的影响并不明显，说明当下接受过高等教育的青年人对住房条件等生活环境并非是首要且迫切需要考虑的事情。
3.4.2 综合评价分类分析
基于投影寻踪分类模型结果，将投影值即人才环境综合得分按照以下标准进行分类：投影值z(i)＞1.80，代表人才环境优越；1.80＜z(i)≤ 1.40，代表人才环境中等；40＜z(i)≤1.00，代表人才环境偏低。利用该分类标准，将样本15个“新一线”城市的综合得分划分为3个不同的等级：
3.4.3 区域分布分析
（2）苏州、杭州、成都、南京、武汉的人才环境处于中等。这5个城市的经济环境指标得分排名都处于中等位置，说明经济环境还尚未达到一线城市对人才的吸引力度；但它们的创新创业环境指标得分都普遍较高，排名居于前列，这也说明这些城市对科技创新创业的重视程度，为城市经济实力的提升蓄力，为赶超一线城市打下基础，也使得这成为这些城市吸引大量人才的一大亮点。
（3）无锡、青岛、宁波、西安、郑州、东莞、长沙、沈阳8个城市的人才环境综合评价得分一般，还有很大的提升空间。值得注意的是，这些城市的个别指标得分也有排名于前列的。如无锡，尽管其综合得分仅为1.237 95，属于人才环境偏低的等级，然而其经济环境指标和科技创新创业指标的得分和排名都很高，但生活环境、人文环境、区位环境指标的得分偏低导致其综合排名没能位居前列。这也说明人才在选择城市时，除了考虑经济方面的环境之外，对城市区位优势、生活的便利程度依旧有要求，这些环境条件对留住人才极为关键。
（1）天津（2.316 59）、重庆（1.743 41）排名于前两位，属于人才环境优越的等级。这两个城市的5个一级指标的得分都很高，无论是经济环境、创新创业环境和生活环境等都十分优越.
根据国家统计局的划分标准，将我国分为东部、中部、西部和东北四大地区［13］，并对“新一线”城市所属的区域进行归类（如表3）。其中，由于东北城市仅涉及沈阳，本文将其统归于东部地区。“新一线”城市多集中于东部地区，而且东部地区的城市人才环境综合得分也普遍较高，可以看出，东部地区相对比中部和西部地区人才环境具有明显的优势，中部地区和西部地区的人才环境相当，说明我国各地区人才环境发展水平并不均衡，中、西部地区的发展空间还很大。同时也能发现，天津、杭州、苏州、南京这些与“北上广深”临近的城市，要比“新一线”城市中其他城市的人才环境更为具有优势：一方面是由于一线城市对其的辐射作用，在经济发展方面存在一定的先发优势；另一方面也是因为在传统一线城市高房价和高消费的双重压力之下，人们更为愿意选择生活压力较小的城市。除此之外，在愈演愈烈的人才争夺战之中，中、西部地区争抢人才的动作和力度更大一些，如2017年，西安落户人口25.7万人，成都落户人口36.4万人，武汉落户人口19.8万人。其一是各地区出台“送户口”“送钞票”“送房子”这“老三样”人才政策起到一定的作用，但对于当下刚毕业的年轻人，户籍、买房甚至由此涉及的子女教育问题虽不是眼下最为紧迫的事情，但从长期在该城市工作计划角度考虑，户籍和房价却成为了重要的考虑因素。其二，中、西部地区城市虽没有东部地区城市的先发优势，但近年通过发展也逐步形成了一定的后发优势，如成都在电子信息产业、制造业方面的研发实力在国内处于领先地位，武汉则有望在新能源汽车研发与生产方面取得重大的突破等。
根据美国国家建筑信息模型标准(National BIM Standard, NBIMS)第三版的定义，BIM包含三重含义：建筑信息模型(Building Information Model)，建筑信息模拟 (Building Information Modeling)以及建筑信息管理 (Building Information Management)。作为数字化建造的核心, BIM代表着技术和商业模式的双重创新。本文作者将就美国BIM的发展政策， 技术标准，市场推广以及优秀应用案例进行调研分析，并对未来BIM在美国发展的前景和方向做出展望与预测。
表3 样本“新一线”城市人才环境的地区分布
?
4 结论
图书馆的发展先后经历了传统图书馆时代——图书馆各自为主，内部空间为专业阅览室加闭架书库；计算机网络化时代——1990年前后开始图书馆计算机集成系统建设，开始文献共建共享，书库空间逐渐向开架调整，2000年之后开始大规模馆藏资源数字化和借阅藏一体化空间布局。此阶段图书馆的中心工作是以资源建设为中心，大体量新馆建设是突出性标志；复合图书馆时代——20世纪末，以数字资源发现为主导，资源增加和馆藏结构与服务方式的变化，统一检索与资源发现，阅读推广与新媒体服务，24小时自助借还功能与流动书车，倡导提高阅读量。学习共享空间、双创发展空间应运而生。
（1）科研经费等软环境因素业已成为影响人才环境的主要因素。科研经费数量、每万人中大学生数量、人均地区生产总值、外商直接投资额、专利申请受理量、科技企业孵化器数量、教育支出已成为影响城市人才环境的主要影响因素，软环境水平直接影响到对人才环境的总体评价。
（2）“新一线”城市人才环境水平总体偏低。其中，有13个城市的人才环境评价得分处于中下水平，总体水平偏低，各大城市的人才环境水平都有很大的提升空间。
当时的公狗是咱现在的院长。那时候，他在葫芦套村当村长。他和老鳜鱼的老婆有一腿。老鳜鱼的老婆叫三妮。在葫芦套村是数得着的俊媳妇。
（3）城市之间人才环境存在比较优势。其中，人才环境水平处于中下水平的13个城市虽然综合得分相差不大，但部分城市在一些特定指标上具有明显的优势，说明城市之间存在比较优势。
相信大家都听过一句关于早期教育的老话：三岁看大，七岁看老。在家庭理财上，其实类似的原则也通用。一个家庭，能够建立起高效、稳固并且长期行之有效的家庭理财制度，头3年是黄金时期。结婚，意味着生活方式的巨大改变，对于小夫妻来说，每一天都是在变化中度过的，相应的，在理财观念和方式上的改变就显得不那么突出，所以，即使是转折非常大，夫妻双方也能够接受。而一旦当生活方式渐趋稳定后，若再要提出重大的变革措施，就很难得到对方的全力配合。
（4）地区之间人才环境存在差异。东部地区的城市人才环境要明显优于中、西部地区，中、西部城市为了能吸引人才，为其日后发展夯实基础，在人才环境方面有很大提升的空间。
5 对策与建议
基于以上建立的“新一线”城市人才环境评价模型，以及最佳投影向量和投影值的分析，本文提出如下若干具体建议：
鸭苗放养。鸭苗放养应分批次，时间间隔为一个月左右，第一批鸭苗放养时间可选择子啊鱼种投放10天后。在第一批鸭苗完成饲养出栏后，就可以直接进行第二批鸭苗投放。在鸭苗30日龄时，结合鸭生长实际，有意识的进行鸭群条件反射训练，一般在2—3周后，训练即可完成，此时鸭群成功形成条件反射，有效提升了自身的捕食能力和自我防护能力，然后就可以进行自然生态饲养。
（1）要更加注重优化人才软环境建设。营造良好的人才环境对吸引人才及发挥人才才能具有十分重要的作用，各类要素对人才环境都有显著的影响，改善人才科技创新创业环境、居住环境以及努力发展地方经济、提高人们的收入水平是营造良好人才环境的关键。各地区政府应该努力营造一种尊重知识、尊重人才、鼓励创新的文化氛围［14］，优化人才软环境，同时还应该提高人才生活待遇，改善人才硬环境。
2.弊端：（1）获得的能源同四季、昼夜及阴晴等气象条件有关；（2）目前相对于火力发电，发电成本高；（3）光伏板制造过程中要消耗大量化石能源并造成污染。
（2）要充分发挥地区间的比较优势。在人才政策的制定过程中，应该充分考虑本地的比较优势，以专属政策来突出地方特色。制定匹配地方产业特色和发展现状的人才政策，不仅可以将吸引人才与当地的社会经济实际相结合，还能避免对同质人才需求的恶性竞争，各地在产业上还能形成优势互补，努力打造一种多赢而非“零和”的局面。
（3）需更加强化对用人单位主体功能的发挥。目前所出台的人才政策大多属于政府主导模式，而人才市场的主体是用人单位［15］，理应成为人才争夺战的排头兵。各级政府应尝试改变过多干预具体人才工作的传统管理模式，让市场发挥其在人才评价和激励方面的作用；而政府则更应该将工作重心放在加强和优化人才公共服务和人才工作监管，保证人才和用人主体在市场上的公平竞争，打造一个良好的制度环境。
参考文献：
［1］ 王顺.我国城市人才环境综合评价指标体系研究［J］.中国软科学,2004(3):148-151.
［2］黄苏萍,彭希哲,朱咏.基于层次分析法的人才集聚竞争力效果评估：以上海为例［J］.人口与经济,2011(3):57-63.
［3］李朋林.人才环境及基于神经网络的陕西经济发展预测模型研究［J］.管理学报,2008(5):733-736，750.
［4］卢山,江可申.科技创新型领军人才培养与吸纳环境实证分析［J］.科学学与科学技术管理,2011,32(9):166-171.
［5］石金楼.基于因子分析的江苏省人才环境评价研究［J］.南京社会科学,2007(5):153-159.
［6］张发明,刘志平.组合评价方法研究综述［J］.系统工程学报,2017,32(4):557-569.
［7］曲小瑜,张健东.制造业环境技术创新能力综合评价：基于最大信息熵原理与投影寻踪耦合模型［J］.科技管理研究,2017,37(5):70-76.
［8］俊科,崔东文.基于鲸鱼优化算法与投影寻踪耦合的云南省初始水权分配［J］.自然资源学报,2017,32(11):1954-1967.
［9］邓楚雄,谢炳庚,李晓青,等.基于投影寻踪法的长株潭城市群地区耕地集约利用评价［J］.地理研究,2013,32(11):2000-2008.
［10］张华.人才国际化背景下创新创业人才流动机制研究：以江苏实践为例［J］.科技管理研究,2013,33(16):124-127，132.
［11］吴开亚,金菊良.基于变权重和信息熵的区域水资源安全投影寻踪评价模型［J］.长江流域资源与环境,2011,20(9):1085-1091.
［12］肖凡,陈建国.基于RCGA的PPC模型在化探异常识别与提取中的应用［J］.吉林大学学报(地球科学版),2017,47(4):1319-1330.
［13］侯爱军,夏恩君,李森.区域人才流动知识溢出效应的实证研究［J］.技术经济,2015,34(9):7-13，20.
［14］李柏洲,董恒敏.基于PP-SFA的协同创新中科研院所的价值创造效率研究：以中科院12所分院为例［J］.科研管理,2017,38(9):60-68.
［15］王雅荣,易娜.基于综合指数法的呼包鄂三市人才环境比较［J］.西北人口,2015,36(1):79-84.
Research on the Evaluation of Talent Environment in "New First-line" Cities on the Basis of the Projection Pursuit
Li Penglin, Tang Jun
( School of Management, Xi'an University of Science and Technology, Xi'an 710054, China)
Abstract: On the basis of the optimization and adjustment of the existing talent environmental evaluation index system， this paper conducts quantitative evaluation on the talent environment of 15 "new first-line" cities from the spatial domain by establishing a projection tracking model with unique advantages in processing high-dimensional，nonlinear and non-normal characteristic data. The results show that：the influence factors of soft environment such as the scientific research funds， the number of college students in every ten thousand people， the amount of patent application and the education expenditure have become the main factors affecting the talent environment in the new era; the assessment level of the talent environment in 15 "new first-line" cities is generally low with 13 cities scoring at the lower-middle level; there are comparative advantages in the talent environment between cities， and some cities have obvious advantages in some specific indicators; there are differences in the talent environment between regions，and the eastern region is obviously superior to the middle regions and western regions. On this basis， some policy suggestions are put forward to optimize the "new first-line" urban talent environment and attract excellent talents to support the development of local economy: pay more attention to optimize the soft environment of talents; give full play to the comparative advantages between regions; strengthen the main function of employing units.
Key words: talent environment; evaluation; projection pursuit
中图分类号：F222.1；F224；G301
文献标志码：A
文章编号：1000-7695（2019）09-0069-07
doi:10.3969/j.issn.1000-7695.2019.09.011
收稿日期：2018-06-21，修回日期：2018-09-06
基金项目：陕西省软科学项目“陕西省区县科技创新模式研究”(2015KRM085)
作者简介：李朋林（1964—），男，陕西延长人，教授，硕士研究生导师，主要研究方向为能源经济与管理、产业组织理论；唐珺（1994—），通信作者，女，山西大同人，硕士研究生，主要研究方向为产业经济。
标签：环境论文; 人才论文; 城市论文; 指标论文; 评价论文; 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; 《科技管理研究》2019年第9期论文; 陕西省软科学项目“陕西省区县科技创新模式研究”(2015KRM085)论文; 西安科技大学管理学院论文;