一、研究背景 在2014年夏季达沃斯论坛开幕式上，李克强总理首次提出“大众创业，万众创新”理念。在经济转型发展的背景下，必须加快实施创新驱动发展战略，使中国从制造大国向创造强国迈进。李克强总理指出，促进“大众创业、万众创新”，大学生是重要力量，要为他们实现梦想和自身价值“铺路搭桥”。为鼓励大学生创新创业，近年来国家相关部门陆续出台了一系列扶持政策，越来越多的大学生加入自主创新的队伍。但新浪网的一则调查显示，中国大学毕业生仅10％符合国际跨国公司的用人标准。原因是中国学生过于浅薄的创新能力。 教育部等教育主管部门和许多高校出台了一系列政策和措施，提升大学生培养质量，尤其是创新人才的培养质量，部分高校在探索实践中取得一定成效。[1]但我国大学生创新绩效整体上未得到明显提升，这与我国培养高层次创新人才的目标和人才强国的战略存在一定差距，创新人才培养仍存在许多问题。[2]大学生是我国未来的科技工作者，是科技创新取得质的飞跃的坚实基础。[3]如何利用好这支庞大且重要的大学生力量，服务于“万众创新”的浪潮，是当下值得深入思考的问题。培养创新型人才的有效途径在于培养本科生科研创新。[4]创新竞争力是体现研究型大学水平的重要依据。所以，研究型大学应该肩负起培养拔尖创新的精英人才的历史使命。[5] 绩效是一个组织或个人在一定时期内的投入产出状况。这是从企业角度看的，而高校科研创新活动由于其所具有的非营利性特征，相对于量化的任务产出，其绩效更加注重非量化的因素，主要包括科研成果应用，知识积累和创新，创新能力、创新行为和创新氛围等。[6]创新能力可以理解为产生新知识、新技术并用以创造价值和效益的现实能力和潜在能力。[7]高校创新能力的指标分为基础研究创新和技术创新，可分别由发表论文情况和专利授予情况体现。[8]因此，大学生创新绩效，最直观的体现就是大学生在校期间所创造出的创新成果，可量化的指标就是科研学术产出，这是大学生创新水平与创新能力的重要反映。[9] 所以，我们不难得出大学生创新绩效水平能有效地反映出大学生创新培养质量的优劣，只有对大学生科研绩效的关键因素进行研究，才能发现大学创新人才教育的培养方向。目前，国内针对大学生的创新绩效研究较少，且大多为单因素并列研究，几乎没有对多因素进行交叉分析。基于大学生创新绩效对于经济发展的重要作用，本文基于粒子群理论，建立八大因素对大学生创新绩效的影响模型，较系统、深入地研究大学生创新绩效的关键因素，力求能为当前大学创新人才培养和创新绩效提高提供参考借鉴。 二、调查对象与方法 1.调查目的、工具与过程 本次调查旨在得出大学生创新绩效的影响因素，并运用数学模型提炼出关键因素，分析各关键因素间交叉对大学生创新绩效的影响。调查选取25所不同类型的高校为样本，包括清华大学、上海交通大学、天津大学、华中科技大学、西安交通大学、武汉大学、华东理工大学、南京航空航天大学、中国地质大学(武汉)、华中农业大学、陕西师范大学、武汉科技大学等，调查对象为在校博士生、硕士生、本科生等。本次调查旨在多方面了解可能对大学生创新绩效产生影响的因子，包括性别、学校层次、学段、专业、成绩、导师、理想信念、生源地等情况，并且调查了大学生创新绩效情况(包括获奖情况、论文发表情况、获得专利情况等)，作为创新绩效衡量指标。本研究采取问卷调查法，除实地发放调查问卷之外，还辅之以个别访谈调查与走访调查。本次调查共发放问卷2500份，回收有效问卷2260份，回收问卷有效率为90.4％。基本信息统计详见表1。
2.回归分析 多元线性回归是一种用于研究一个因变量Y与两个或两个以上自变量之间的线性关系的回归分析，多元线性回归分析是对这种线性关系通过统计分析方法和函数进行解读和形式化描述的过程。其方法简单，对变量之间关系解释能力强的优点，在众多领域有着广泛的应用。设自变量的个数为k，多元线性回归的理论方程为式(1)所示：
是当所有自变量为0时的常数项，表示回归系数，回归系数主要有两种：非标准化回归系数和标准化回归系数。本文主要运用标准化回归系数进行讨论，由于标准化回归系数消除了因变量和自变量所取单位的影响，能够表示自变量对因变量影响程度，即可以分析多个自变量对因变量的影响程度大小。所以，在进行粒子群优化算法之前，将运用回归分析对大学生创新绩效的影响因素进行辨析和判断。 3.粒子群优化算法的应用 粒子群优化算法(Particle Swarm Optimization，PSO)是通过模拟鸟群觅食行为而发展起来的一种基于群体协作的随机搜索算法，由Eberhart博士和Kennedy博士于1995年共同提出[10]，广泛应用于各种优化问题的求解。
