地区科技竞争力的理论评价体系X[(1)]，是依据地区科技竞争力的内涵和特征，并参阅国内外科技竞争力评价研究的大量成果后构建的，集中体现了研究者个人的专业知识和对地区科技竞争力评价体系的理论构思，具有很浓的主观色彩，因此很有必要对理论遴选的指标进行隶属度分析、相关分析和辨别力分析等实证筛选，以增强评价指标的科学性、合理性和可操作性[8]。

    　　(一)中国地区科技竞争力评价指标的隶属度分析
    研究者从北京、天津、上海、重庆、西安、南京和杭州等全国14个副省级以上的城市选择了300位科技专家进行专家咨询。这些专家主要来自于高等学校、研究机构、大中型企业和政府科技管理部门，有的从事科技竞争力的理论研究，有的负责地方科技管理工作，有的致力于研究开发与科技创新的实践活动。这些专家不仅对科技竞争力的内涵和内容有深刻的认识和理解，而且还掌握了较为丰富的科技竞争力评价专业知识。虽然专家对指标的选择具有主观性，是专家本人知识、经验的反映，但集成多数专家的意见，可以化主观为客观，删除一些不能较好地反映地区科技竞争力的评价指标，可以改善评价指标的质量，极大地增强评价指标的科学性。
    研究者将理论遴选的评价指标制成专家咨询表，采用电子邮件、邮局邮寄和现场访谈等多种方式，把专家咨询表送给专家，要求专家根据自身的专业知识，从45个评价指标中选出10个测度地区科技竞争力的最理想指标。研究者共向300位专家发送了专家咨询表，回收138份，有效专家咨询表110份。
    为了深入分析各位专家对理论遴选评价指标的总体看法，研究者以回收的有效咨询表为基础，对评价指标进行隶属度分析。隶属度这个概念来自于模糊数学。模糊数学认为，社会经济生活中存在着大量模糊现象，其概念的外延不是很清楚，无法用经典集合论来描述。某个元素对于某个集合(概念)来说，不能说是否属于，只能说在多大程度上属于。元素属于某个集合的程度称之为隶属度。如果把地区科技竞争力评价体系｛X｝视为一个模糊集合，把每个评价指标视为一个元素，对每个评价指标进行隶属度分析。假设在第i个评价指标X[，i]上，专家选择总次数为M[，i]，即总共有M[，i]位专家认为X[，i]是测度地区科技竞争力的最理想指标，那么该评价指标的隶属度为：R[，i]=M[，i]/110。
    若R[，i]值很大，表明该指标在很大程度上属于模糊集合，即评价指标X[，i]在评价体系中很重要，可以保留下来进入第二轮评价体系X[(2)]；反之，该评价指标有必要予以删除。通过对110份有效专家咨询表的统计分析，分别得到了45个评价指标的隶属度，删除了隶属度低于0.3的16个评价指标(如表3所示)，保留了其中的29个评价指标，构成了地区科技竞争力第二轮评价体系X[(2)]。

    表3　第一轮评价体系X[(1)]中被删除的隶属度低于0.3的16个评价指标 目标层  领域层   指标层(评价指标)                      变量标识   单位
          科     家庭电脑普及率                        X[，17]   0.163
          技     第三产业增加值占GDP比重               X[，18]   0.201
  中      支     公共图书馆数量                        X[，19]   0.198
  国      撑     科技情报和文献机构数                  X[，20]   0.257
  地      能     公民平均受教育年限                    X[，21]   0.282
  区      力     教育经费占GDP比重                     X[，22]   0.128
  科      科     工业废水排放达标率                    X[，25]   0.215
  技      技     固体废物综合利用率                    X[，26]   0.226
  竞      管     就业人员劳动生产率                    X[，27]   0.255
  争      理     高新技术产业就业人员劳动生产率        X[，28]   0.286
  力      能     亿元投资新增GDP                       X[，29]   0.292
  评      力     科技进步对GDP增长的贡献率             X[，30]   0.256
  价      科     技术成果成交额                        X[，35]   0.278
          技     每万人口技术成果成交额                X[，36]   0.198
          产     高新技术产业增加值占工业增加值比重    X[，43]   0.201
          出     高新技术产品出口额占商品出口额比重    X[，44]   0.185
          能
          力

     　　(二)中国地区科技竞争力评价指标的相关分析
    经过专家筛选的第二轮评价指标X[(2)]中，一些评价指标之间很可能存在着高度的相关性，这种高度的相关性会导致被评价对象信息的过度重复使用，从而极大地降低评价结果的科学性和合理性。相关分析是通过对评价指标之间的相关分析，删除一些隶属度偏低而与其他评价指标高度相关的指标，以消除或降低评价指标重复反应评价信息而带来的对评价结果的影响。
    评价指标相关分析通常包括以下三个基本过程：
    第一，评价指标的标准化处理。由于评价指标的量纲不同，需要对原始数据进行无量纲处理，以减少评价指标的不同计量单位对分析结果的影响。设X[，i]为评价指标的原始数据，S[，i]为评价指标的标准差，Z[，i]为标准化值，则有：
    第二，计算各个评价指标之间的简单相关系数及R[，ij]。计算公式为：
    第三，根据研究需求，确定一个临界值M(0＜M＜1)，如果R[，ij]＞M，则可以删除其中的一个评价指标(X[，i]或X[，j])；如果R[，ij]＜M，则同时保留两个评价指标。
    根据上述原理，课题组运用SPSS统计软件包对第二轮评价指标X[(2)]进行相关分析，得到相关系数矩阵。给定临界值M为0.9，在相关系数矩阵中共有8对评价指标的相关系数大于该临界值，删除了其中隶属度相对较低的8个评价指标(如表4所示)，保留剩余的21个评价指标构成了第三轮评价指标X[(3)]。
    表4　相关系数大于临界值(0.8)的评价指标 保留的评价指标(X[，i])    删除的评价指标(X[，j])        相关系数
万人国际互联网用户数      百人固定电话和移动电话用户数    0.941
科技经费占GDP比重         R&D经费占GDP比重                0.990
科技经费                  R&D经费                         0.987
科学家工程师数            科技活动人员数                  0.988
每万人口科学家工程师数    每万人口科技活动人员数          0.989
科学家工程师数            R&D人员数                       0.975
每万人口科学家工程师数    每万人口R&D人员数               0.989
高新技术产业增加值        专利授权量                      0.902

     　　(三)中国地区科技竞争力评价指标的鉴别力分析
    在构建评价体系中所遇到的一个不可回避的问题是评价指标的鉴别力分析。所谓评价指标的鉴别力是指评价指标区分评价对象特征差异的能力。地区科技竞争力评价指标的鉴别力则是评价指标区分和鉴别中国不同地区科技竞争力强弱的能力。如果所有被评价的地区在某个评价指标上几乎一致地呈现很高(或很低)的得分，那么就可以认为这个评价指标几乎没有鉴别力，不能诊断和识别出不同地区科技竞争力的强弱；相反，如果被评价的地区在某个指标上的得分出现明显的不同，则表明这个评价指标具有较高的鉴别力，它能够诊断和识别不同地区科技竞争力的强弱。在评价的指标反应理论(index response theory)中，通常用指标的特征曲线的斜率作为评价指标的鉴别力参数，斜率越大表明其鉴别力就越高。图2给出了三个评价指标的特征曲线，指标C曲线的斜率最大，其次是指标B，而指标A曲线的斜率最小，则可以判断：在这三个评价指标当中，评价指标C的鉴别力最强，评价指标A的鉴别力最差。