2.3 新能源风电发展技术进步评价模型

2.3.1 风电发展技术进步贡献率评价研究

新能源风电发展技术进步贡献率评价是研究我国新能源产业持续稳定发展所依靠的技术进步，而技术进步与创新最终需要强有力的技术人才支撑。新能源产业技术人才的技术水平不断提升，也会促进产业技术进步。随着新能源产业的不断发展，对技术及人才的技术要素要求也会随之提高。因此，如何判断、衡量技术人才技术进步程度及技术贡献率，有利于促进新能源风电产业技术进步。

技术进步贡献率是指在经济增长中由技术进步导致的增长所占的比重。由于技术进步的作用很难直接度量，通过将经济增长速度中扣除“资本”和“劳动”两个生产要素导致的经济增长后的剩余部分作为技术进步速度，再除以经济增长速度可得到技术进步贡献率。

1928年，美国经济学家柯布和道格拉斯提出了柯布-道格拉斯生产函数：

式中：A(t)为除资本K和劳动力L因素以外的影响产出的其他因素，如科学技术进步和制度因素等；A为A0(1+r)t; t为时间变量；A0为基期的效率系数；r为技术进步速度的平均增长率；α为资本弹性参数；β为劳动力弹性参数。

美国经济学家索洛在生产函数的基础上提出了技术进步经济增长模型，见式(2-2)：

即：经济增长率=技术进步增长率+资本弹性系数×资本增长率+劳动力弹性系数×劳动力增长率

技术进步对于经济增长的影响是融合在劳动力和资本投入中的，不能直接测量，通过式(2-2)推导得

式中：a为索洛余值，即扣除劳动和资本两个生产要素贡献的产出增长后的余值。

根据新能源风电产业发展特点，基于索洛余值法模型，构建新能源产业技术进步贡献率模型，见式(2-4)：

式中：Y为新能源工业总产值；Kt、Lt、Rt为资本、劳动力、资源条件投入要素；A为常数项；t为时间变量；α为资本弹性系数，β为劳动力弹性系数，λ为资源条件弹性系数；γ为技术进步系数。

对式(2-4)两边取对数，对t求导：

根据年份数据计算时，可取dt= 1, dYt、dKt、dLt、dRt换为ΔYt、ΔKt、ΔLt、ΔRt得到式(2-6)：

改写为：γ=y-(αk+βl+λr)

式中：y为新能源工业总产值增长率；k、l、r为资本增长率、劳动力增长率和资源条件利用增长率。

新能源风电发展科技进步贡献率：

资本贡献率：

劳动力贡献率：

资源条件利用贡献率：

2.3.2 基于要素投入的技术人才技术进步贡献率研究

技术人才的成长主要体现在技术水平的提升，而技术水平的提升需要不断地学习和实践操作，即在“学中干，干中学”。

假设T代表技术人才的技术水平，用S代表理论学习的投入，用R代表实践投入。从投入产出的角度，理论学习S和实践投入R作为投入要素，产出结果是技术水平T的不断提升。

由于新能源风电产业作为新兴产业，目前风电技术人才大多从其他专业转换过来的。因此，在投入方面有三大前提条件：

条件一：对于理论学习的投入S是充足的，而且学习方式众多，可以通过自学、单位组织、岗前培训、联合培养等。

条件二：实践投入R与时间呈正线性相关关系，即随着时间的投入，实践技术水平是不断提升的。虽然存在个体间的差异，实践技术提升速度不同，但整体呈现同向相关关系。

条件三：不同成长阶段技术增长速度不同。刚开始工作时，一般需要在别人的指导下从事一般常规的工作，成长速度较慢；经过3~5年的锻炼和经验积累后，才可以独立从事专业领域内某一模块的工作，成长速度加快；再经过3~5年的努力，可以熟知专业相关模块，在本专业领域内无壁垒，全面掌握某一专业领域，进入快速成长期；此后进入成熟期，可以全面指导本专业领域内的工作，或在某一专业模块是领军人物，但成长速度减缓，进入平稳阶段。

在以上条件基础上，可以得出新能源技术人才技术进步贡献率函数：

式中：Ti代表第i岗位技术进步贡献；a为外生变量，代表理论学习投入S对于技术进步贡献的影响；Ti-1代表在前一个岗位已具备的技术进步贡献；f(t)表示新能源风电技术人才技术增长速度。

f(t)满足以下条件：

当t≤t1时，f(t)递增；

当t1≤t≤t2时，f(t)=0；

当t2≤t时，对于第i岗位，f(t)递减；对于转型成功的技术人才，开始新的成长期。

如图2-7所示，技术增长速度随时间呈现S形变化，t1为拐点，当t≤t1时，技术增长速度较快，当t≥t1时，技术进步贡献率趋缓。

2.3.3 新能源风电技术进步程度评价模型构建

1．构建思想

(1)以岗位要求为基础。技术进步评价指标的选取应以岗位要求为基础，明确岗位任职资格要求和岗位绩效要求。以此引导员工在确定努力方向及改进提升点时，以所在岗位和目标岗位的工作要求为基础，关注目前岗位工作要求和未来发展需求，使员工为组织目标奋斗的过程成为个人自我目标实现的过程。一方面激励了员工持续的努力和奉献；另一方面使得组织朝着既定方向更好的发展。

(2)理论与实践相结合。理论来自于实践，并反过来指导实践、促进更好的实践。因此，设置技术进步程度评价指标时，应将理论知识学习与实践环节有机结合起来，使技术人才不断丰富理论知识，提高实践操作能力，全面提高综合胜任力，更好胜任岗位工作，提高绩效水平。

(3)短期表现与持续业绩相结合。客观准确评价技术人才综合技术水平，可以通过理论考试和持续绩效考核。理论考试、竞赛临场发挥情况(短期表现)很多时候会出现“失真”。而业绩表现是技术人才持续性、常态性的工作表现，是技术人才的显性化体现。设置技术人才技术进步评价指标时，应将员工的短期表现和其持续业绩表现有机结合起来，引导关注持续业绩。

2．基于因子分析法的技术进步评价指标体系

因子分析法是根据相关性大小把变量分组，使得同组内的变量相关性较高，不同组的相关性较低。每组变量代表一个基本结构，这个基本结构称为公共因子或主因子。在经济统计中，从一些有错综复杂关系的经济现象中找到少数几个主因子，每一个主因子代表反映经济变量之间相互依赖的一种经济作用，抓住这些主因子就可以帮助我们对复杂的经济问题进行分析和解释。

设提炼的指标有p个变量，为了对变量进行比较，并消除由于观测量纲的差异及数量级所造成的影响，将样本观测数据进行标准化处理，使标准化后的变量的均值为0，方差为1。则标准化后的样本数据矩阵为：

(1)计算相关关系矩阵：

(2)求相关矩阵R的特征值及特征向量。令│R-λI│=0，求得特征值、特征值向量。

(3)由特征向量计算因子载荷矩阵：

(5)选取m(m＜p)个主分量，这m个主分量的方差和占全部方差总和的比例接近于1 (一般选累计贡献率不小于85%的因子个数作为主因子个数)，即基本上保留了原来因子的信息，且因子数目由原来的p个减为m个。

(6)建立因子模型：

模型的矩阵形式为：X=AF+ε。其中F1, F2, …, Fn称为公共因子，它们是在各个原观测变量的表达式中都共同出现的因子，使相互独立的不可观测的理论变量；ε1, ε2, …, εp称为特殊因子，是向量X的分量Xi(i=1,2, …, p)所特有的因子，各特殊因子之间以及特殊因子与所有公共因子之间是相互独立的。矩阵中的元素aij叫做因子载荷，aij的绝对值越大(│aij│≤ 1 )，表明Xi与Fj的相依程度越大，或称公共因子Fj对于Xi的载荷量越大，故aij称为公共因子载荷量，简称因子载荷。矩阵A称为因子载荷矩阵。

(7)方差最大正交旋转。方差最大正交旋转使旋转后的因子载荷矩阵在保持各列彼此正交的前提下，元素平方后的方差尽可能大，便于公因子的解释。

(8)计算因子得分。根据结果判定并验证“公因子”(一级指标)，并提炼对“公因子”承载负荷较大的“二级指标”。

根据新能源风电技术人才技术贡献率曲线可知，风电技术人才技术增长速度由理论学习投入和实践投入因素决定，结合风电技术人才技术要素要求，本着“理论和实践相结合、短期和长期绩效相结合”的原则，以技术人才所在岗位职责为基础，将投入要素转化为具体量化标准，提出新能源技术人才技术进步程度相关评价指标。

新能源风电技术人才技术进步程度相关的衡量指标主要有学历、技术职称、经验、技术经济及新能源基础知识、核心专业知识、拓展知识、科技成果、技术方案设计、典型技术创新力要求、日常绩效等。

通过因子分析，构建了新能源风电技术人才技术进步程度评价指标体系，具体如图2-8所示。

(1)应知(Kn)。应知是指为正常履行岗位职责所必须具备的文化程度要求和理论知识要求。学历代表了一个人的文化程度要求，同时也代表曾经受过所学专业知识的系统训练。但在工作实践中具体到某个岗位要求时，理论知识包含了两层含义：一是在学历教育过程中所学到的原理性基础理论知识；二是在实际工作中的操作规程、操作手册。它是原理知识转化为具体操作性质的中间性理论知识。因而在人才成长评价指标体系应知要求中的理论知识更侧重于后者，即操作规程、操作流程、操作手册等知识。它进一步细分为技术经济及新能源基础知识、核心专业技术知识、岗位拓展知识模块。

技术经济及新能源专业基础知识指为履行岗位工作，技术人才应会和需掌握的本专业领域共性的、基础的、一般的知识，比岗位的要求要更广泛一些的新能源基础性知识和技术经济相关知识。岗位核心知识是指为履行岗位工作，员工必须掌握的本专业领域的核心知识，侧重为实务性、操作性知识。岗位拓展知识模块是为更好地履行本岗位工作，员工应掌握或了解的其他外延性、储备性的知识，尤其是对于本岗位而言，在业务流程上需要衔接的岗位所要求具备的知识。

(2)应会(Pr)。应会是指为正常履行岗位职责所必须具备的经验、创新能力和操作实务。经验是对员工劳动熟练程度的要求，与员工工作年限有关系，但不呈严格的正线性相关关系，即虽然一般呈现工作年限越长，经验越丰富，但不是绝对的。本书所提出的应会主要包括工作经验、技术职称和典型技术创新力要求。

(3)典型业绩(Tp)。一个优秀的技术人才，不仅自己优秀，还能带出优秀团队；因此衡量新能源技术人才技术进步程度有两个非常重要标志，一是个体成果丰富，二是能够主动共享技术经验与成果，带队伍，才能形成可持续的技术人才，整体技术水平才会提升。典型业绩主要表现在科技成果、技术方案设计、培养人才。

(4)日常绩效(Ac)。日常绩效表现主要包括两个方面：一是员工个体绩效表现情况，即员工个人表现与岗位工作标准相比；二是组织业绩比，即员工个人与组织或群体内其他人才相比优良比率。充分考虑员工所在部分或团队的绩效情况，即员工的绩效在团队整体绩效所处的位置及水平。

3．技术人才技术进步程度评价模型

根据技术人才技术进步程度评价指标体系，技术人才成长的状况是由“应知、应会、典型业绩和日常绩效”四个方面进行衡量。只要任何一个方面发生变化，技术人才技术状况也随之发生变化。因此，技术人才的技术进步状况可以用数量模型来表达，构建新能源技术人才技术进步程度模型。

(1)技术人才技术进步程度指数方程见式(2-9)：

式中：Gt为因变量，表示技术人才技术进步指数，说明技术人才成长状况；Kn为自变量“应知”; Pr为自变量“应会”; Tp为典型绩效；Ac为自变量“持续绩效”。

方程满足, Gt为单调递增函数。

(2)建立新能源技术人才技术进步程度指数方程的联立方程：

式中：Ed, Te, Ck, Ek是应知Kn的衡量因子，分别表示学历、技术经济及新能源基础知识、核心专业技术知识、岗位拓展知识；Tt, We, Ti是应会Pr的衡量因子，分别表示技术职称、工作经验、典型技术创新力要求；Tr, Ta, Ts是典型业绩Tp的衡量因子，分别表示培养人才、科技成果、技术方案设计；At, Ao是持续绩效Ac的衡量因子，分别代表个体绩效比和组织业绩比。

式(2-10)表明了新能源技术人才技术进步程度评价方法。

2.3.4 实证研究

本研究选取了风电制造企业、风力发电企业等企业进行了现场调研，采集数据，根据技术人才技术进步程度评价模型，对技术人才技术进步程度评价指标进行了因子分析。具体见表2-7。

因子分析要求原变量之间存在较强的相关关系，通过将原有变量中的信息重叠部分提取和综合成因子，减少变量个数。通过计算原有变量之间的相关系数、巴特利特球度检验(Bartlett's Test of Spheridty)和KMO检验(Kaiser-Meyer-Olkin Test)判定原变量是否适合进行因子分析。一般认为当KMO检验值在0.8以上，Bartlett显著性检验值小于1时表示较适合进行因子分析。根据因子分析结果显示，该测量结果KMO值为0.851, Bartlett检验值达到了显著，表明该分量表适合进行因子分析。

因子数目的确定依据因子的特征根值和累计方差贡献率。如表2-7所示，可见初始因子特征值大于1的有四个，累积方差贡献率为87.101%，提取的4个公因子基本上概括了数据的特性。

采用方差最大法对因子载荷矩阵实行正交旋转，旋转后的因子载荷矩阵见表2-8。