基于DEA的国家重点实验室投入产出效率评价

2014-05-02辛督强

实验技术与管理 2014年4期

辛督强

（西京学院基础部，陕西西安 710123）

国家重点实验室始建于1984年，是国家为提高基础研究水平、科技竞争力和国家创新能力而采取的通过国家重点投资和分级分类管理的国家级科研基地［1］。经过近30年的发展和建设，国家重点实验室已成为国家基础研究和应用基础研究最重要的知识创新平台，吸引和凝聚了一大批优秀的科技人才，完成了大量国家重大科研任务，有力地提升了国家和依托单位的整体科研实力和水平，也为国民经济、社会发展和国防建设中重大基础性、关键性问题的解决提供了强有力的技术储备和科技支撑［2－3］。国家重点实验室的投入产出效率是衡量其科研绩效的核心标志，对此需要进行科学的评价。

如何科学、合理地选择评价方法，从而使评价结果更具说服力，并以此为依据制定相关科技政策，是科研绩效评价的关键。目前，国内外已有很多学者从定性和定量两个方面提出了很多科研绩效评价的理论和方法。定性方法如基于同行评议的层次分析法和德尔菲法［4］；定量的方法如模糊综合评价法［5］、主成分分析法［6］、回归分析法［7］等。定性评价结果受参评专家的主观因素影响较大，往往不够客观；模糊评价法无法解决评价指标之间的相关性造成的信息重叠问题；主成分分析法则没有考虑不同样本的相互影响［8］；而回归分析法需假设自变量和因变量为线性关系，并且只能假设一个产出项为因变量，无法同时计算多项产出［9］。

1978年，A.Charnes等人提出了数据包络分析（data envelopment analysis，DEA）。DEA 可以评价多项投入、多项产出的同类决策单元的效率，在避免主观性、简化计算和减少统计误差的影响等方面有着巨大的优势。DEA方法还可根据投影原理，给出非有效决策单元各指标的调整方向和力度，从而使非有效决策单元在调整后达到投入产出最优。随着DEA新的模型不断提出和相关理论研究的持续深入，DEA方法的应用领域逐渐扩大，已成为测度效率的主流方法。本文采用DEA方法对2003—2010年我国国家重点实验室科研投入产出效率进行评价，以期为相关部门制定科研发展规划和政策，提高科研管理水平提供参考。

1 DEA评价模型

DEA方法分为投入导向型和产出导向型，一般科研活动中更注重通过增加投入提高产出，达到提高效率的目的。因此，本文运用投入导向型中最基本的模型——规模报酬不变（CCR）模型来进行分析。CCR模型得出的效率是整个集合的相对整体效率，可对决策单元的技术效率和规模效率同时进行评价，其表达式为：

其中，θ为效率指数，λj为权重，xj、yj为第j 个决策单元的投入和产出指标向量，ε为非阿基米德无穷小量，n为决策单元个数，s－、s＋为松弛变量。CCR模型的经济含义为：

（1）DEA有效性：当θ＝1，且s＋＝0，s－＝0，则称决策单元是DEA有效，即在原投入的基础上所获的产出已达最优；当θ＝1，且s＋≠0，s－≠0，则称决策单元是弱DEA有效；当θ＜1时，则称决策单元是DEA无效的；

（3）投影分析：根据s－、s＋的情况判断各项科技投入的冗余率和科技产出的不足率，从而探寻具体的改善措施。

2 指标选取与数据

本文以2003—2010年为时间序列，以全部国家重点实验室为研究对象，利用DEA方法考察其科研投入产出效率。

科研活动的投入主要有资金投入、人力资源投入和科研设备投入等，实际上对科研而言，财力、人力、物力和信息资源的投入归根到底都依赖于资金的投入，因此本文选择研究经费（万元）作为国家重点实验室科研投入的唯一测算指标。科研活动的产出包括专利、论文、获奖成果、著作、人才培养以及技术市场成交合同金额等。考虑到数据来源的权威性、可得性以及指标的代表性，本文选取发表论文（篇）、获奖成果（项）和研究生培养（人）作为国家重点实验室科研产出的测算指标。

科研活动投入、产出之间的滞后性是客观存在的，但这个滞后时间很难确定。已有文献对滞后时间的设定为1～3年不等［10－11］，也有些文献并未考虑滞后时间的问题［12－13］。本文取滞后时间为1年，即2003—2010年投入的研究经费分别对应于2004—2011年的各项产出（见表1）。

表1 国家重点实验室投入和产出表

3 模型计算与分析

3.1 投入产出的相关分析

进行投入产出分析的目的是确认所选投入指标值的增加带来产出的增加。本文利用SPSS统计分析软件对表1中的投入产出数据进行相关分析，结果如表2所示。从中可知，研究经费的投入和论文、获奖成果、人才培养之间的Person相关系数均大于0.5，表明它们之间呈很强的正相关性，投入的多少能直接影响产出的数量。

表2 国家重点实验室投入产出项相关系数表

3.2 投入产出的DEA效率分析

用MaxDEA软件的Input—oriented CCR对表1中的投入产出数据进行计算，计算出的国家重点实验室2003—2010年的技术效率（CRS值）和规模收益（Scale）如表3所示。

表3 国家重点实验室DEA得分和规模效益

3.2.1 技术有效性评价

技术有效性是指相对于输入而言输出已达最大，表现为CRS值为1。从表3的DEA绩效系数（CRS值）看，仅2004年DEA有效，说明相对于其他年份，2004年的科研经费投入得到了较为充分的利用，投入产出比达到最大。其余年的CRS值均未达到1，说明这些年份DEA无效。其中，2010年的CRS值最小，科研投入产出的绩效最差，对该年CRS值直观的解释为，要投入当年的33.59%而维持产出不变，才能达到DEA有效。从表3还可以看出，2003—2010年国家重点实验室的DEA效率呈波浪式发展，并总体呈下降的趋势。这说明近几年国家重点实验室的经费利用效率还不稳定，有的年份科研资源浪费严重，投入产出效率亟待提高，同时也说明国家重点实验室在产出上的潜力巨大。

3.2.2 规模有效性评价

规模有效性是指投入量处于最佳的规模，即处于规模收益不变的状态。从表3可知，2004年规模有效，达到了最大产出规模点。2003年规模收益递增，说明应适当增加投入量，这时产出量将有更高比例的增加，2004年的技术有效和规模有效说明了这一点。2005—2010年规模收益递减，此时增加投入量不可能带来更高比例或同比例的产出。为了提高研究经费利用效率，应适当缩减投入规模，使其达到规模有效。

3.2.3 DEA效率的改进

利用MaxDEA软件的投影分析可直接计算DEA无效决策单元的改进值，以便明确改进的方向和力度。从表4所列的DEA效率改进值可知，DEA无效的年份均存在投入过多的问题，总体的投入冗余率在42%以上，说明科研经费未得到有效利用。科研产出方面，所有DEA无效的年份均存在论文产出明显不足的问题，部分年份的获奖成果和人才培养也略微不足。结合表1数据可知，2010年比2003年的研究经费增长了575%，但发表论文数量的增长却不足35%，其增长速度明显低于经费的增长。造成这个问题的一个主要原因就是国家重点实验室在管理上重立项、轻产出，科研管理者和科研人员都很重视调动各种资源去争取研究经费，却不太重视课题立项后的研究工作和管理、绩效考核与评价，从而未能真正调动起科研人员的积极性和激发其全部科研潜能，最终导致科研经费很多，但科研产出却相对较少。

表4 国家重点实验室DEA效率改进值表

4 结论与建议

2003—2010年国家重点实验室投入与产出呈现很强的正相关性，但是在经费投入迅速增长的情况下，科研产出却并未以相同的比例增长，尤其是发表论文数量的增长水平远低于科研经费投入的增长水平。故而多数年份DEA无效，规模效率也未达到规模收益不变。为了提高科研投入产出效率，一方面要加强对国家重点实验室现有设备、资产、人员等的评价，根据评价结果及时调整研究方向和资源配置状况，将科研经费的投入量控制在最佳的规模，以期达到最大的产出规模点；另一方面要加强对投入经费的监管力度，使科研经费真正为科研服务。此外，还要重视对科研人员的培养和支持，进一步建立合理、有效的科研激励制度，从多方面激励科研人员自挖潜能，多出科研成果。

（

）

［1］危怀安，王婉娟，韩庆元，等.自主创新能力演化的体制性因素及作用机理：基于国家重点实验室的研究［J］.软科学，2013，27（3）：4－8.

［2］刘国瑜.大学科研与国家重点实验室建设探讨［J］.实验室研究与探索，2008，27（10）：140－142.

［3］谢永玉，王寿辉，燕文明，等.国家重点实验室大型仪器设备的统建共管与开发共享机制探讨［J］.实验技术与管理，2012，29（6）：215－217.

［4］谢虹.基于层次分析法的科技财政支出绩效评价研究［J］.中央财经大学学报，2007（4）：12－16.

［5］李衡，纪鹏飞.国有科研院所核心竞争力模糊评价分析［J］.数学的实践与认识，2010，40（17）：22－61.

［6］秦浩源.基于主成分分析法的科技投入产出聚类分析［J］.科技管理研究，2009（11）：169－171.

［7］储成顶，朱启星，成微，等.多元线性回归：最优子集法编程及科研实例［J］.数学的实践与认识，2006，19（3）：309－311.

［8］赵前，焦捷，王以华.中国省际科技竞争力评价：基于超效率DEA的分析［J］.清华大学学报：自然科学版，2011，51（6）：820－826.

［9］赵斐.基于DEA的国家自然科学基金投入产出相对效率评价［J］.图书情报研究，2010，3（3）：41－46.

［10］穆智蕊.基于超效率DEA模型的北京R＆D投入绩效评价［J］.科技进步与对策，2012，29（5）：117－120.