基于SE—DEA模型的我国高校R&D绩效评价

査奇芬　丁月娇

摘要：文章利用DEA评价了我国各地区高校R&D投入产出效率，分析了非DEA有效地区的投入冗余量和产出不足量，应用SE-DEA模型对各DEA有效地区的绩效进行了排名对比，为提高我国高校R&D绩效提出了建议对策。

关键词：高校R&D；DEA；SE-EDA；投入产出效率

一、引言

研究与试验发展（Research and Development，R&D）是指在科学技术领域，为增加知识总量及运用这些知识去创造新的应用而进行的系统的创造性活动，包括基础研究、应用研究、试验发展三类活动。高等院校是知识、信息、人才等资源聚集地，是我国R&D活动的三大主体之一，其担负着培养高科技人才和重大科研项目的任务，对高校R&D活动的研究具有重要价值。

国内已有不少学者对我国高校R&D绩效方面进行相关研究。在高校科研能力的评价方法方面，孙世敏等用DEA的方法对我国各省市自治区的高校科研投入产出效益进行了评估；樊华等综合采用改进的DEA方法和PCA方法，分析评价了2002年我国高校科技绩效。在评价指标体系的建设方面，孙世敏等在研究我国地区高校R&D绩效分析中以R&D人员合计和R&D经费合计作为投入指标，产出指标包括出版科技专著数、发表学术论文数、知识产权授权数和科技成果转化金额。其研究基于决策单元（DMU）的不同可以分为四类：第一类是以一个单一的高校内部的院系为决策单元；第二类是以某省份或者某区域内的高校作为决策单元；第三类是以不同学校同一学科或院系作为决策单元；第四类是以不同省份或地区的高校作为决策单元。

本文利用DEA方法对我国各地区高校的R&D绩效进行分析，并且通过SE-DEA模型对DEA有效的决策单元进行对比排名，计算出非DEA有效单元的产出不足量和投入冗余量，并且进一步提出提高我国各地区高校R&D绩效的建议对策。

二、高校R&D绩效的评价方法及指标选取

（一）DEA方法介绍

数据包络分析（Data Envelopment analysis，简称DEA模型）是1978年由著名的运筹学家A.Charnes（查恩斯）、W.W.Cooper（库伯）及E.Rhodes（罗兹）首先提出的，用于评价相同部门间的相对有效性（DEA有效）。DEA方法是假定输入输出之间确实存在某种联系，但不需要确定这种关系的表达式，在处理多输入多输出的有效性综合评价方面占绝对的优势。DEA方法是根据决策单元输入输出的实际数据获得最优权重，排除了很多主观因素的影响，在对实际数据处理时会先做标准化处理，因此选取指标值时不需要考虑量纲问题。本文是通过DEA方法求得DMU的综合效率，即纯技术效率与规模效率的乘积，通过其来分析DMU的绩效问题。综合效率值为1的表明该DMU有效，否则无效。

DEA模型的一个弱点就是计算得到的多个DMU的综合效率值均为1，无法对DEA有效的决策单元进行比较和排序，无法进行深一步的评价，为此超效率DEA模型（super efficiency DEA，SE-DEA）被提出。该模型是假设决策单元的规模收益不变，分析投入产出效率，其值不再限于0～1之间，可以超过1，小于1无效，否则有效。这样也就可以对DEA有效的DMU进行比较并排序。

（二）高校R&D绩效指标选取

高校R&D绩效就是高校科研投入活动的产出对期望值所达到的程度，即高校R&D投入产出率。为了充分反映全国高校R&D活动的实际情况，本文结合前人关于R&D投入产出评价指标体系的研究成果，并且遵循指标体系的确立原则，确定了评价指标体系。本文选择的高校R&D活动的投入指标包括R&D人员全时当量和R&D内部支出经费，产出指标包括出版社科技著作、有效发明专利、专利所有权转让收入。

三、高校R&D绩效评价实证分析

本文以我国各地区高校R&D活动作为研究对象，将每个地区看成一个DMU，数据来源于《中国科技统计年鉴2013》，去掉了相关指标值为0的地区（内蒙古、海南、西藏、青海、新疆），共选取了我国26个省市，并且使用MAXDEA软件对我国各地区高校R&D绩效进行评价，结果如表1所示。

综合效率主要反映高校的科研环境、科研管理制度、产学研发展情况是否能够保证各项科技投入资源的潜能充分地发挥出来；纯技术效率取决于高校自身的管理体系、创新能力、研发效率等因素；规模效率则受到高校发展投入规模、人员数量、经费投入等因素的影响。主要结论分述如下。

第一，根据表1可以看出，北京等7个地区的综合效率值为1，表明这些省市区的R&D投入产出绩效的相对最优性；综合效率值为1的共7个省市区，占全国26.9%，则非DEA有效的地区占全国73.1%，表明我国高校R&D投入产出效率整体偏低。

根据国家经济区划，我国可划分为东部、中部和西部地区。东部地区如北京、河北、江苏、福建等省的高校科研投入产出效率明显优于其他各地区，但是像上海、天津这样经济比较发达的城市，其高校拥有的科研资源也是相当丰富的，而它们的DEA资源配置相对效率很低，反而经济欠发达、科技落后的云南省却达到DEA有效，表明R&D绩效并不是完全受区域经济的影响。

第二，由表1可知，北京等8个地区的R&D纯技术效率值为1，其中除了宁夏其余决策单元都是DEA有效，而造成宁夏非DEA有效是因为其规模较小，所以增加R&D资源的投入，扩大科研活动规模，则可以达到DEA有效。26个省市高校R&D活动非纯技术DEA有效的占全国53.85%，要想提高各地區高校R&D活动绩效需要重视高校的管理体系、提高其创新能力和增强研发效率等方面。

第三，当R&D规模达到饱和时，如果再增加投入，就可能出现规模收益递减的情况。从表1可知，北京等7个地区规模效率都是1，表明它们的规模收益不变，达到最大产出规模点；天津、浙江等省市R&D活动规模收益都是递增的，表明可以适当地增加R&D资源的投入，从而R&D产出将有更大比例的增加；上海、黑龙江等省市区R&D活动规模收益是递减的，表明随着R&D投入的增加，规模效率开始下降，也就是随着R&D资源投入的扩大而其产出达到饱和状态且不会有相应的提高。因此，应该适当降低投入规模，才能达到规模有效。26个省市区高校R&D规模收益递减的有10个，而其中中部地区有5个，这表明中部地区在之后的高校R&D活动中要加强资源合理配置，不要急于扩大R&D投入的规模，关键是要考虑如何提高科研效率。

第四，对于DEA有效的省市，通过投入冗余量和产出不足量可以提出相应的改进措施。通过软件分析，如吉林省高校R&D活动投入产出效率为0.405，是所有省市区R&D活动投入产出效率中最低的，其要到达DEA有效，从科研投入方面吉林省要减少1467.62人年的R&D人员全时当量，由现时的14690人年减少到13223.18人年，同时从科研产出方面而言，要增加1407.50种科技著作，从现有957种科技著作增加到2364.50种，有效发明专利药从现有的1588件增加到3923.53件，并且专利所有权转让收入要增加776.40万元，由现有的527.90万元增加到1304.30万元。

第五，在 DEA 的 CCR 模型分析过程中，DEA有效地区的综合效率值为1，无法直接比较这些DEA有效地区绩效的高低。通过MAXDEA软件利用SE-DEA模型测算出DEA有效的7个省市的R&D活动的超值效率，北京为1.528，排名第三；福建为1.467；河北为1.619；河南为1.672，排名第一；江苏为1.390，排名第五；云南为1.086；湖北为1.013。其中，河南省的R&D活动的超效率得分居于第一位，但这并不意味着当年R&D达到完全最佳状态。河南省现时的R&D人员全时当量为6565人年，R&D内部投入经费为151353万元，而最佳状态时R&D人员全时当量为12744.83人年，R&D内部经费投入为159541.20万元，其改进率分别为94.59%、5.41%。同时，出版科技著作数需要提高为现时的1倍，而有效发明专利和专利所有权转让收入的目标值与现时值是相同的，不需要改进。

四、总结与政策建议

我国高校R&D活动方面存在着部分地区R&D投入的资源不足、投入产出结构的不合理、规模收益递减等问题，必须采取有效措施提升高校R&D绩效。具体可采取如下措施。

第一，加大对西部高校的R&D资源的投入。西部省份高校大多是科技水平低、效率低，要加大对西部高校的科研投入，加强现有投入资源的管理，从而提高西部高校R&D活动的投入产出效率。

第二，注重提高研发效率，使纯技术效率与规模效率协调推进。在追求规模效率的同时要提高纯技术效率，从而提高高校R&D绩效。

第三，优化高校R&D投入产出结构，使资源配置与投入产出效率相统一。要达到DEA有效，更重要的是要优化R&D投入产出的结构，结构如果不合理，高投入就可能造成浪费，也就不能获得高的产出。

第四，加强全国高校人力资源建设，完善激励机制。加强人力资源建设，完善人才激励体制，从而提高科技创新水平。

参考文献：

[1]孙世敏，项华录，兰博.基于DEA的我国地区高校科研投入产出效率分析[J].科學学与科学技术管理，2007（07）.

[2]樊华，陶学禹.中国省域高校科技绩效综合评价研究[J].科技管理研究，2005（11）.

[3]杨正.基于DEA效率的高校科研评价研究[D].北京中国科学技术大学，2010.

[4]魏权龄.数据包络分析[M].北京：科学出版社，2004.

（作者单位：江苏大学财经学院）