基于DEA模型下的科技投入产出效率评价研究.doc

1、基于 DEA 模型下的科技投入产出效率评价研究摘 要 通过构建科技投入产出指标体系，运用 DEA 模型对广东省2000-2012 年的科技投入产出效率进行评价。结果表明：广东省的科技投入产出效率平均值达 0.962，科技资源配置基本处于相对最佳状态，不存在科技资源过度浪费的现象，科技产出的不足在科技投入不断合理、高效利用的过程中逐渐得到消除。广东省应在有限的科技人力、财力资源条件下进一步提高资源的利用效率；在有条件的情况下，适当增加科技投入，以期获得更多的科技产出。 关键词 科技；投入；产出；效率；DEA 模型 中图分类号 F204 文献标识码 A 文章编号 1673 - 0194（2013）

2、13-0033-03 1 引 言 近年来，广东省区域创新能力不断增强。广东在国内率先出台广东省实施自主创新促进条例 。2012 年广东的技术自给率从 53.9%上升到68%，研究与实验发展经费支出占生产总值比重从 1.3%提高到 2.1%。PCT国际专利受理量、发明专利授权量稳居全国第一。电子信息、新能源、高端装备制造、生态环境等重点领域的一批关键技术取得突破，基因组、超材料、干细胞、中微子等方面创新成果跻身国际领先水平。省部院产学研合作获得显著成效，共实施合作项目 2 万多项，累计实现产值超过 1.2万亿元。获得“973”首席科学家项目 37 项。 党的十八大报告中提出“创新驱动发展战略”

3、，科技作为创新驱动力的作用不断凸显。当前阶段，广东省正处于经济结构调整的加速期、产业转型升级的攻坚期和科技创新的活跃期。截至 2012 年，广东省 R&D 投入强度已达 2.1%，不断增加的科技投入对广东省的社会经济发展起到了积极的促进作用，而如何追寻科技投入与科技产出的最佳平衡点，成为了各级政府关注的重点。因此，对科技投入产出效率进行评估，进而指导资源的合理、高效运用具有重要意义。 由于科技活动是一个多投入、多产出的过程，传统的投入产出比例法和参数法已不再适用，学者们更多采用非参数法来计算投入产出效率，而 DEA 模型是最常用的方法之一。通过收集相关数据，本文从技术有效性和规模有效性角度分别

4、对广东省 2000-2012 年的科技投入产出效率进行实证分析，以期为相关部门提供参考。 2 指标体系构建 科技投入是指支持开展科技活动的投入，即生产性投入，主要分为人力投入和财力投入两个方面，二者紧密联系，相辅相成。其中，人力投入是根本，是促进科技发展的原动力，财力投入是保障，是加大人力投入的助推器。因此，在人力投入方面，主要选择专业技术人员数、R&D人员数和从事科技活动人员数 3 个指标；在财力投入方面，主要选择科技活动经费支出总额和地方财政科技拨款总额两个指标。 科技产出是指科学研究与技术创新活动所产生的各种形式的成果，是科技投入的直接反映，主要包括知识产权和高新技术两个方面。其中，科技

5、论文和专利是知识产权的主要表现形式，分别体现知识创造成果和技术发明成果，而技术市场合同成交额直接反映了出售专利或技术转让所获得的收入；高新技术产业是国民经济的战略性先导产业，其能否健康发展决定着产业结构能否顺利转型升级，主要可以用高新技术产业总产值和新产品销售收入两个指标来衡量（见表 1） 。 3 DEA 模型 数据包络法（DEA）由著名运筹学专家 A. Charnes 和 W. W. Copper 首次提出，是一种以“相对效率”概念为基础的多指标投入产出效益评价方法。通过构建 DEA 模型，不仅可以对决策单元的有效性进行排序和评价，还能进一步分析各决策单元非 DEA 有效的原因及改进方向。

6、4 实证分析 通过查阅广东统计年鉴、广东科技年鉴、中国科技统计年鉴及广东省科技局、统计局网站等，获取了广东省 2010-2012 年的科技投入产出数据。鉴于科技产出具有滞后性，选取滞后期为 1 年。 4.1 数据标准化 由于不同指标之间的差异较大且单位不同，不具有可比性，采用内差打分法将各指标数据进行无量纲化处理，从而得到评价指标的规范化结果。因为选取的指标都为正向指标，所以可以统一对指标进行如下变换，令 4.2 相关性分析 经验法则表明，决策单元 DMU 的样本数至少是投入、产出指标之和的两倍以上时，使用 DEA 方法效果最佳。因此，利用 SPSS 17.0 软件分别对投入、产出指标间的相关

7、性进行分析，剔除相关性极强的指标，以期精简指标体系。相关性分析的结果显示，R&D 人员数与从事科技活动人员数，科技活动经费支出总额与地方财政科技拨款总额，高新技术产业总产值与新产品销售收入总额，发明专利授权量与技术市场成交合同额之间的相关性分别都达到 0.95 以上，因此删除从事科技活动人员数、科技活动经费支出总额、新产品销售收入总额和技术市场成交合同额这 4项指标。简化后的指标体系如图 1 所示。 4.3 结果分析 4.3.1 效率分析 以广东省 2000-2012 年间每一年的科技投入产出作为决策单元，运用 DEAP 2.1 软件进行求解，可得到每一年的综合效率值、纯技术效率值和规模效率值

8、，见表 3 所示。 由表 3 可见，2000-2012 年，广东省的科技投入产出效率有 6 年达到DEA 有效（=1） ，有 5 年处于 DEA 有效边缘（0.91） ，整体而言，广东省的科技投入产出效率平均值达 0.962，科技资源配置基本处于相对最佳状态。 从技术效率和规模效率分别来看，技术效率代表投入产出的转化率，规模效率代表投入增加引起的产出增加率。在 DEA 无效的年份中， 规模效率不为 1 的年份较多，反映综合效率的无效很大程度上由规模无效导致，投入产出规模存在不匹配。进一步分析发现，除 2010 年外，规模无效的年份都处于规模收益递增的趋势，说明在对科技投入加强管理的同时，增加一

9、定量的科技投入可以带来更高比例的科技产出。 4.3.2 优化调整分析 由 DEA 模型的基本原理可知，如果 DMU 为非有效，则肯定存在一个从非有效到有效的调整方案。通过获取投入指标的剩余变量值和产出指标的松弛变量值，可以得到广东省科技投入产出的优化方案，从而提出如何量化调整投入和产出。具体如表 4 所示。 表 4 给出了 DEA 无效年份中，科技投入冗余和科技产出不足的量化值。结果显示，产出指标中，国际三大检索工具收录论文数历年来都已达到理想数值，从 2000 年的 12 111 篇到 2012 年已近 30 000 篇，每年的增长率都在 10%以上，反映广东省在论文发表方面成果显著且论文质

10、量较高；发表专利授权量在 2000-2003 年间与理想数值差距巨大，产出严重不足，但在随后的几年中逐渐趋于理想，反映广东省在技术创新方面能力不断提高；高新技术产业总产值在某些年中也存在一定不足，但整体而言并不明显。投入指标中，除了 2000 年和 2001 年存在冗余过度现象外，其他年份中基本不存在显著冗余。 主要参考文献 1魏权龄.数据包络分析M.北京：科学出版社， 2004. 2王守宝.地区科技投入产出相对效率评价研究J.东岳论丛，2010（7）：48-51. 3王莉，李旻暾，刘芹.基于 DEA 的广东省科技投入产出相对效率评价研究J.科技管理研究，2010（22）：75-77. 4薛蔚.统计分析与 SPSS 的应用M.北京：中国人民大学出版社，2011. 5叶佳，徐福缘，李佳.产学研合作效率评价研究基于 DEA 分析方法J.技术经济与管理研究，2013（2）：21-24.