《表2 学者群体分层结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《科技项目资助对论文产出绩效的作用效率测度研究——以人工智能领域为例》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

基于每位学者的科研水平特征向量（论文数量、总被引频次和h指数），通过Logistic回归计算学者倾向得分。采用倾向得分分层法将获资助和未获资助学者进行匹配，分为（未）获资助的低、中、高概率3个层次，如表2所示。其中，倾向得分即概率小于0.667的学者为低概率学者，大于0.667且小于0.833的为中概率学者，大于0.837的则为高概率学者。平衡性检验发现，匹配结果合理，按照上述概率进行分层能最大限度地保证每层倾向得分值的一致性，实验组和对照组可比性较强，分层有效。