基于三阶段DEA模型的我国科普投入产出效率研究

刘广斌，李建坤

(1.北京石油化工学院 经济管理学院，北京 102617； 2.北京化工大学 经济管理学院，北京 100029)

基于三阶段DEA模型的我国科普投入产出效率研究

刘广斌1，李建坤2

(1.北京石油化工学院 经济管理学院，北京 102617； 2.北京化工大学 经济管理学院，北京 100029)

应用三阶段DEA方法，研究了我国科普投入产出效率状况，选取2008-2014年我国大陆地区31个省(自治区、直辖市)相关数据进行分析比较，得出了我国科普投入产出综合效率不断波动，近年呈缓慢下降趋势，各省效率水平差异较大的研究结论，分析了影响综合效率变化的原因，提出了提高科普投入产出效率的建议。

科普；投入产出；效率；三阶段DEA模型

一、引言

科普是科技传播与普及的简称，目标是在社会范围内扩散科学技术知识，提高劳动者科学素质，服务社会的科技创新，促进社会的发展[1]。科普是提升公民科学素质的关键手段，关系着国家的发展和民族的兴盛。2016年5月30日，习近平总书记在全国科技创新大会、两院院士大会、中国科协第九次全国代表大会上讲话时强调：“科技创新、科学普及是实现创新发展的两翼，要把科学普及放在与科技创新同等重要的位置。没有全民科学素质普遍提高，就难以建立起宏大的高素质创新大军，难以实现科技成果快速转化[2]。”把科学普及和科学素质建设提高到了前所未有的高度，对于在新的历史起点上推动科学普及和公民科学素质建设，具有重大意义。

中国公民科学素质调查结果显示，2015年我国有6.2%的公民具备了基本的科学素质，而早在2000年，美国的这一比例就已经达到17%，我国与发达国家的差距可见一斑[3]。为了进一步提升我国公民的科学素质水平，必须拓展科普传播的途径和渠道。统计数据表明，我国科普事业始终保持稳定的发展势头，但与发达国家相比，仍有很大差距。科普资源的稀缺，是我国科普事业发展需要长期面对的问题。在此条件下，科普工作的开展，不仅要合理增加科普资源的投入，更要关注如何以有限的投入获得最大化的产出，如何提高科普投入产出的效率。因此，开展科普投入产出效率的研究，是理论和实践的共同要求，具有重要意义。

科普投入产出效率，是指各种科普投入与科普产出的比例关系，关注的是以科普人员、科普场地和科普经费等资源的投入所能得到的科普活动和科普传媒等产出的多少。从已搜集到的文献资料来看，国内外关于科普投入产出效率的研究都刚刚开始[4]，目前可检索到的研究成果比较有限。但国内已有学者关注到这些问题，刘广斌等(2016)尝试应用效率评价经典方法DEA对2006—2013年我国科普投入产出效率进行分析评价[5]；杨传喜，侯晨阳(2016)采用Malmquist-DEA方法和各省科普统计面板数据，对2006—2013年我国科普资源配置的全要素生产率进行了动态评价[6]，这些研究工作具有一定的探索意义。此外，孙钰等(2015)应用DEA交叉效率模型对城市公共基础设施进行了效益评价[7]；黄海霞等(2015)应用DEA模型对我国战略性新兴产业科技资源配置效率进行了研究[8]。这些成果为本文的研究提供了借鉴和参考。本世纪初，我国开始开展科普统计工作。科普统计得到的数据，通过《中国科普统计》(中华人民共和国科技部)向社会发布。《中国科普统计》为我国科普投入产出效率评价提供了数据支持。

本文采用三阶段DEA方法，对近年来我国大陆地区31个省、自治区和直辖市(以下简称省市自治区)的科普投入产出效率进行分析评价，为各省市自治区更加合理地配置科普资源，提高科普资源的利用效率提供参考和决策支撑。

二、科普投入产出效率评价方法

(一)效率评价方法的选择

效率评价方法的主流代表是前沿分析方法(Frontier Analysis)，根据是否要估算效率前沿单元生产函数中的参数，可进一步分为非参数方法和参数方法。在计算过程中，参数分析方法需要确定效率前沿的生产函数具体形式，并对函数中的各个参数进行估计；非参数方法则以技术效率理论为基础，无需设定生产函数的具体形式。非参数方法以数据包络分析法(Data Envelopment Analysis，DEA)为主要代表[9-10]。

DEA方法是Charnes等(1978)创建的，其基本模型有C2R模型和BC2模型[11]。C2R模型假设规模收益是不可变的；BC2模型则假设规模报酬可变，并将综合技术效率进一步分解成纯技术效率和规模效率，有助于明确造成决策单元DEA无效的原因。但是，BC2模型没有考虑外生环境变量和随机干扰项等对测算结果的影响，为此，Fried等(2002)提出了三阶段DEA模型，用以剥离外生环境变量和随机干扰项，提高测度结果的准确性[12]。

科普投入产出系统是具有多种投入和多种产出的复杂系统，投入指标与产出指标之间也很难找到明确的函数关系，量纲更难统一，适于采用DEA模型对其效率进行分析评价。以不同省份作为决策单元，各决策单元具有相同的性质。三阶段DEA模型使用时不用事先假定前沿函数类型，其中BC2模型可将综合技术效率分解，计算时无须对数据进行无量纲化处理，也可对无法价格化甚至难以确定权重的指标进行分析。三阶段DEA模型能够剔除环境和随机误差的影响，更加真实的反映各决策单元的效率情况。因此，研究我国科普投入产出效率，适合选用三阶段DEA模型。

(二)三阶段DEA模型

采用三阶段DEA模型进行效率分析的原理和步骤如下。

1.一阶段DEA分析

第一阶段仅仅是基于原始数据的DEA分析，考虑科普投入产出系统的特点，选用BC2模型，测算各个决策单元(Decision Making Units，DMU)的相对效率，形成初始效率评价结果[13-14]。

假设有n个DMU，每个DMU有m种投入(用向量X表示)和s种产出(用向量Y表示)。那么，它的效率可以表示如下：

(1)

通过调整向量U和V的取值，使hj满足条件：hj≤1。

以U和V为变量，以hj0为目标，以所有DMU的效率指数为约束条件，对DMUj0进行效率评价，即可构造C2R模型，如式(2)所示：

(2)

式中：xj=(x1j,x2j,…,xmj)；yj=(y1j,y2j,…,ysj)；j=1,2,…,n。

对式(2)进行Charnes-Cooper等价变换，令：t=1/(vTX0)，ω=tv，μ=tu。

得到等价线性规划问题，再对其进行对偶变换，得到式(3)：

(3)

为简化计算，引入非阿基米德无穷小量ε，并再次进行对偶变换，得到式(4)：

(4)

式中：e-T=(1,1,…1)∈Em；e+T=(1,1,…,1)∈Es。

利用式(4)，可以直接判断出DMUj0是否为DEA有效。设λ*,S*-,S*+,θ*为式(4)的最优解，则有如下结论：

①若θ*=1，且S*-=0，S*+=0，则被评价DMU落在了最佳生产集合面上，效率值等于1；

②若θ*=1，且S*-不等于0，或者S*+不等于0，则被评价DMU为弱DEA有效；

③若θ*<1，则被评价DMU不在最佳生产集合面上，且距离最佳生产集合面越远，效率值越低。

(5)

C2R模型得出的综合技术效率(TE)可由BC2模型分解为纯技术效率(PE)和规模效率(SE)，三者之间的关系为：TE=PE·SE。

2.二阶段SFA分析

影响生产者效率的因素通常包括内生影响因素和外生影响因素两部分。内生影响因素是指管理组织生产活动的效率，外生影响因素则包括影响生产的外部环境因素，以及包含运气好坏等的随机干扰因素等。在进行生产者绩效分析时，应尽量排除外生环境因素的影响，才能尽可能真实地反映出生产者效率。

第二阶段使用随机前沿分析(StochasticFrontierApproach，SFA)的随机成本函数模型进行回归分析，分解投入松弛，调整投入项，以剔除随机因素、外生环境因素和管理无效率等所带来的干扰，将各DMU调整至相同的外部环境和运气水平之下。

根据Fried等学者(2002)所采用的方法[12]，构造如下类似SFA回归函数的模型，如式(6)所示：

(6)

对回归模型的各参数进行估计，并对所选的投入变量进行调整，调整公式如式(7)所示：

(7)

3.三阶段DEA分析

第三阶段使用调整后的投入数据，结合原始的产出数据，采用一阶段DEA分析中的BC2模型，重新计算所得到的各DMU的效率值，即为无环境因素和随机干扰影响的效率值，该效率值能够更科学地反映出各DMU的效率水平和管理水平。

三、评价指标的选取与数据来源

(一)投入产出指标的选取

目前国内外有关科普投入产出效率的研究有限，关于科普投入产出指标的选取，没有权威的研究成果可供参考。根据《中国科普统计》的内容框架，参考相关研究成果[15-19]，给出我国科普投入产出评价指标体系框架，如表1所示。

表1 科普投入产出评价指标体系框架

使用DEA模型时，所选指标的数值必须是非负的[20]。根据经验法则，决策单元个数n应至少是投入指标和产出指标个数之和(m+s)的两倍，即n≥2(m+s)。所选取的投入产出指标不同，得到的效率值不同，效率评价结果也随之变化。实证分析时，可根据具体评价内容和目标，对投入、产出指标进行筛选和修订。考虑指标之间相关性等的影响，选取如下指标研究我国各区域科普投入产出效率。

①科普投入指标。选取科普人员(X1)、科技馆(X2)、科学技术博物馆(X3)和科普经费(X4)。

②科普产出指标。选取科普图书(Y1)、科普期刊(Y2)、科普讲座(Y3)、科普展览(Y4)和科普竞赛(Y5)。由于科技活动周和大型科普活动中也有科普讲座、科普展览和科普竞赛等活动，为避免重复，没有选择科技活动周和大型科普活动两项产出指标。

实证分析的决策单元是我国大陆各省市自治区，样本数是31个，科普投入产出指标个数之和等于9个，符合DEA模型对指标的要求。

(二)外部环境指标的选取

外部环境变量是超出各省份科普主体可控范围的影响因素，本研究选取地区生产总值、地方政府科普经费拨款与地方生产总值之比、自然地理位置作为外部环境变量。

①地区生产总值。经济发展水平与科普投入产出效率密切相关。一个地区的经济越发达，就意味着该地区在科普资源投入、利用经验等方面拥有越大的优势；反之，经济欠发达地区的科普资源更为稀缺，经验更为匮乏，劣势更明显。

②地方政府科普经费拨款与地方生产总值之比。我国科普经费主要依赖于财政拨款，各个地区政府工作重心不尽相同，对科普事业的支持力度也有较大差距，直接影响着该地区科普事业的发展。因此，选取科普经费的地方政府拨款部分与当地的生产总值之比，作为衡量地区政府对科普事业支持的力度。

③自然地理位置。地理位置与地区的宏观经济水平、政策倾斜力度和产业集聚等有着密切的联系，从而影响该地区科普事业的发展。引入虚拟变量L作为自然地理位置的区分变量，设L=1表示我国东部地区，L=0表示我国中部或西部地区*依据国家统计局对东、中、西部地区的划分，东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南11个省(市)；中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南8个省；西部地区包括内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆12个省(市、自治区)。。

(三)数据来源

① 科普投入产出指标数据。主要来源于《中国科普统计(2008—2014年版)》[21]；统计时间为每年的1月1日至12月31日。

②数据区间段。由于我国科普统计时间较短，到目前为止可以得到7年连续完整的统计数据，统计区间段选取2008—2014年科普投入产出的相关数据。

③环境变量相关数据。环境变量的相关数据主要来源于《中国统计年鉴》[22]和《中国科普统计》。

四、我国各地区科普投入产出效率评价

(一)一阶段DEA测算结果分析

选取BC2模型进行第一阶段传统DEA分析，使用DEAP2.1软件，测算2008—2014年我国大陆31个省市自治区的科普投入产出效率。分析发现，一阶段DEA测算结果存在如下问题。

①个别省份的数据存在异常，如江西省除2011年以外综合效率值均为1，而2011年的综合效率值只有0.579；某些处于经济欠发达地区的省份，如西藏等，能多次实现DEA有效。这些情况难以解释和说明。

②西部地区的规模效率均值高于东部地区，而我国西部地区经济欠发达，科普资源相对贫乏，科普投入产出规模较小。

为提高分析结果的可靠性，需要进一步分析决策单元所处的外部环境，剥离环境因素和随机干扰对效率值测度所产生的影响。

(二)二阶段SFA回归分析

第二阶段SFA分析的因变量是一阶段DEA分析中科普投入指标的松弛变量，分别是科普人员松弛变量(S1)、科技馆松弛变量(S2)、科学技术博物馆松弛变量(S3)和科普经费松弛变量(S4)；自变量是地方生产总值、地方政府科普经费拨款与地方生产总值之比和自然地理位置。

选取上文介绍的类似SFA回归函数的模型，使用Frontier4.1软件，对因变量和自变量进行回归分析。为避免单位不统一或数量级差异较大等的影响，对地方生产总值和地方政府科普经费拨款与地方生产总值之比进行Z-score标准化处理。环境变量对投入冗余的影响是相对稳定的。为避免重复叙述，仅以2014年为例对SFA结果进行分析，如表2所示。

由表2可以知道，从总体上看，各似然比LR都通过了1%的显著性检验，说明所选外部环境变量对效率值有显著影响；σ2值均较大，γ值均趋近于1，且都通过了1%的显著性检验，表明技术无效对松弛变量有显著影响。3个环境变量对4个投入指标的松弛变量都有一定的影响，但强度略有差异。除地方生产总值对科学技术博物馆的影响和自然地理区域对科技馆松弛变量的影响外，其余均能通过10%的显著性检验。特别是3个环境变量对投入项科普人员和科普经费所对应的松弛

表2 SFA回归分析结果

注：T值是显著性检测结果，用以检测自变量对因变量是否有显著性影响的；***代表1%的显著性水平，**代表5%的显著性水平，*代表10%的显著性水平。

变量的影响非常显著，达到了1%的显著性水平，说明这3个环境变量对科普人员和科普经费有着较强的影响力。因此，通过SFA分析剔除环境因素的影响是非常必要的。

(三)三阶段DEA测算结果分析

经过第二阶段的SFA回归分析，可剔除外生环境影响和随机干扰，将所有省份调整至相同的外部环境和运气水平之下。采用调整后的投入数据和初始产出数据，使用BC2模型，再次测算2008—2014年31个省市自治区的科普投入产出效率，测算结果如表3所示。

表3 我国大陆地区31个省市自治区科普投入产出效率值表(三阶段DEA测算结果)

表3测定的科普投入产出效率是相对相率，反映了某一决策单元的效率相对于DEA有效单元(效率值为1)的效率情况。决策单元效率值越低，说明该单元与DEA有效单元相比，效率越差。综合效率是对规模报酬不变条件下DMU与生产前沿面之间距离的测度，代表了既定投入水平下DMU获取最优产出的能力。综合效率(TE)可分解为技术效率(PE)和规模效率(SE)。技术效率是对规模报酬可变条件下DMU与生产前沿面之间距离的测度，反映了决策单元的管理水平、技术方法水平等。规模效率是对不完全竞争等约束下DMU的实际生产规模与最优生产规模之间距离的测度，反映了决策单元的资源配置水平。

1.各省市自治区科普投入产出综合效率及差异分析

(1)达到DEA有效的省市自治区分析

DEA有效的省市自治区分布情况见表4。东部地区的北京、上海、天津3个直辖市实现了7年DEA有效。中部地区的河南和江西，西部地区的重庆、新疆和甘肃等，也分别在6个年份实现了DEA有效。总体来看，达到DEA有效的省份数量呈减少的趋势，特别是2013和2014年有较大的减少。

(2)未达到DEA有效的省市自治区综合效率及差异分析

根据三阶段DEA测算结果，我国各省份科普投入产出综合效率水平差异较大，2008—2014年不同综合效率水平的省市自治区分布情况，如表5所示。

测算期内，有些省份虽然没有达到大多年份DEA有效，但综合效率值也较高，达到了0.9以上，如江苏和陕西。还有部分省份的综合效率值在全国的平均水平之上，如广东、河北、山西、黑龙江、安徽、湖南、云南、广西。说明这些省份所投入的科普资源得到了较好的利用，科普资源配置也比较合理，但还需要改进和提高。还有部分省份的综合效率值接近全国的平均水平，如浙江、辽宁；也有一些省份综合效率值较低，如福建、山东、吉林、湖北、宁夏、西藏、贵州、内蒙古、青海、四川等。这些省份在科普资源利用和配置方面都需要改进和提高。不同区域综合效率差异主要受纯技术效率和规模效率变化的影响。

表4 2008—2014年DEA有效(综合效率值TE=1)的省市自治区分布

表5 2008—2014年平均综合效率省市自治区分布

2.各省市自治区科普投入产出技术效率及差异分析

测算期内未达到6年以上DEA有效的省份中，部分省份达到了技术有效，如表6所示。可以看出，纯技术效率为1的省市自治区2011年以后有明显的下降。大部分省份偶尔某年技术有效，能保持多年技术有效的省份较少。说明科普资源没有得到持续的充分利用。

结合表3可以看出，江苏、浙江和西藏都达到了6年以上纯技术效率等于1，这些省份科普资源得到了较为充分的利用，DEA无效主要是因为规模效率的影响。特别是西藏，由于规模效率较低，使得综合效率远低于全国的平均水平。

3.各省市自治区科普投入产出规模效率及差异分析

测算期内未达到6年以上DEA有效的省份中，达到规模有效的省份情况如表7所示。可以看出，达到规模有效的省份较少，且2013和2014年数量明显减少。大部分省份偶尔某年规模有效，还没有达到5年以上规模有效的省份。说明大部分省份科普资源没有得到优化配置。

4.科普投入产出平均综合效率变化分析

2008—2014年不同效率水平(综合效率TE)的省市自治区数量及在31个省份中所占的比例，如图1所示。可以看出，综合效率值为1的省份平均所占比例约为40%；综合效率值高于0.8(含)的省份平均所占比例约为60%；还有约40%的省份综合效率值低于0.8，特别是还有约17.5%的省份综合效率值低于0.6。2013和2014年，达到DEA有效的省份所占比例呈下降趋势，综合效率值低于0.6的省份所占比例有所增加。

2008—2014年，我国各省市自治区科普投入产出平均综合效率在0.52到1之间波动，均值是0.82，综合效率呈下滑趋势。全国的平均技术效率不断波动，平均规模效率相对平稳，但近2年出现下滑趋势。技术效率的波动以及规模效率的下滑造成了综合效率的波动下降。

表6 2008—2014年DEA无效但纯技术效率值为1的省市自治区分布

表7 2008—2014年DEA无效但规模效率值为1的省市自治区分布

图1 2008—2014年科普投入产出综合效率值分布情况

五、研究结果及建议

通过对2008—2014年31个省市自治区科普投入产出效率的分析，得出以下研究结果，并提出提高科普投入产出效率的建议。

(1)我国科普投入产出平均综合效率不断波动，2013—2014年呈现缓慢下降的趋势。平均技术效率波动较为明显，平均规模效率相对平稳但呈下降的趋势，平均规模效率值和平均技术效率值相差不大。技术效率的波动和规模效率的下降影响了我国科普投入产出效率的提升。从国家层面看，应提升管理水平，优化资源配置，使有限的科普资源发挥更大的效能。

(2)北京、上海、天津、海南、江西、河南、重庆、新疆、甘肃等省份科普投入产出综合效率较高。北京、上海、天津等直辖市，经济较为发达，科普资源相对丰富，管理水平和技术方法都较为先进，有能力充分利用科普资源，实现科普资源的合理配置，一般可获得较高的投入产出效率。与东部地区相比，中部和西部地区的科普资源相对有限，管理经验和方法有所欠缺，但上述省份仍能够在多个年份达到DEA有效，说明这些省份对科普资源的珍惜和重视，也说明即使科普投入有限，只要加以合理配置和充分利用，也能保持较高的效率水平。这些省份应总结经验，保持其稳定的效率水平，并进行宣传和推广。

(3)江苏、西藏、浙江、山西等省份达到了多年技术有效或纯技术效率较高，这些省份对科普资源的利用比较充分，但对科普资源配置不够合理，导致增加一定比例的投入却不能获得最优比例的产出，造成了科普资源的相对浪费。这些省份在保持科普资源有效利用的基础上，应重点在科普资源的合理配置方面挖掘潜力，提升规模效率。

(4)陕西、河北、安徽、湖南、云南等省份规模效率较高，这些省份对科普资源的配置比较合理，但对科普资源的利用不够充分，纯技术效率相对较低，影响了科普投入产出综合效率水平。这些省份应重点加强对科普资源的有效利用，避免科普资源的浪费。

(5)广东、黑龙江、广西、辽宁、湖北、四川等省份纯技术效率和规模效率都不够稳定，有的年份效率较高，有的年份效率又较低，波动较大。这些省份应查找效率波动的原因，提升管理水平和技术水平。

(6)山东、福建、青海、宁夏、吉林、内蒙古、贵州等省份科普投入产出综合效率较低。说明这些省份在科普资源的利用或科普资源的配置方面存在一定的问题，应强化管理，既要加强对科普资源的充分利用，也要加强对科普资源的优化配置。

[1]任福君,翟杰全.科技传播与普及概论(修订版)[M].北京:中国科学技术出版社，2014.44-51.

[2]习近平.为建设世界科技强国而奋斗.在全国科技创新大会、两院院士大会、中国科协第九次全国代表大会上讲话[Z]. 北京:人民出版社，2016.

[3]中国科学技术学会，第九次中国公民科学素质调查结果, http://www.cast.org.cn/n35081/n35096/n10225918/16670746.html.

[4]李建坤，刘广斌，刘 璐.科普投入产出相关文献研究综述[J].科普研究，2015,(3):82-89.

[5]刘广斌，刘 璐，任伟宏.基于DEA的中国科普投入产出效率初步分析[J].重庆大学学报(社会科学版)，2016,(01):118-126.

[6]杨传喜，侯晨阳.科普资源配置效率评价与分析[J].科普研究，2016,(1):41-48.

[7]孙 钰，王坤岩，姚晓东.基于DEA 交叉效率模型的城市公共基础设施经济效益评价[J],中国软科学，2015,(1):172-183.

[8]黄海霞,张治河.基于DEA模型的我国战略性新兴产业科技资源配置效率研究[J].中国软科学，2015,(1):150-159.

[9]李双杰，范 超.随机前沿分析与数据包络分析方法的评析与比较[J].统计与决策，2009,(7):25-28.

[10]SEIFORD L M. Data envelopment analysis: the evolution of state of the art (1978～1995). Journal of Production Analysis,1996, (7): 99-137.

[11]CHARNES A, COOPER W W, Rhodes E. Measuring the efficiency of decision making units. European Journal of Operational Research, 1978,( 2): 429- 444.

[12]FRIED H O, LOVELL C A K, SCHMIDT S S, YAISAWAMG S. Accounting for environmental effects and statistical noise in data envelopment analysis[J].Journal of Productivity Analysis，2002,(17):157-174.

[13]ZHU J. Robustness of the efficient DMUs in data envelopment analysis [M].European Journal of Operational Research，l996,(90):451-460.

[14]LIANG LIANG，JIE WU． The DEA game cross-efficiency model and its nash equilibrium [J].Operations Research，2008,( 5):1278-1288．

[15]佟贺丰，刘润生，张泽玉.地区科普力度评价指标体系构建与分析[J].中国软科学，2008,(12):54-60.

[16]李 婷.地区科普能力指标体系的构建及评价研究[J].中国科技论坛，2011,(7):12-17.

[17]吴华刚.我国省域科普资源建设水平指标体系的构建及评价研究[J].科技管理研究，2014,(18):66-69.

[18]张慧君,郑 念.区域科普能力评价指标体系构建与分析[J].科技和产业,2014,(2):126-131.

[19]刘广斌，李会卓，尹 霖.我国科普产业统计指标体系构建研究[J].科普研究，2015,(6):51-57.

[20]魏权龄.数据包络分析(DEA)[J].科学通报，2000,(17):1793-1808.

[21]中华人民共和国科学技术部编.中国科普统计(2008—2014年版)[M].北京:科学技术文献出版社，2009-2015.

[22]国家统计局编.中国统计年鉴[M].北京:中国统计出版社，2009-2015.

(本文责编：海 洋)

Study on Input-Output Efficiency of Science Popularization in China Based on Three-Stage DEA Model

LIU Guang-bin1, LI Jian-kun2

(1.SchoolofEconomicsandManagement,BeijingInstituteofPetro-ChemicalTechnology,Beijing102617,China; 2.SchoolofEconomicsandManagement,BeijingUniversityofChemicalTechnology,Beijing100029,China)

Three-stage DEA model was applied to research the Input-Output efficiency (IOE) of science popularization (SP) of China. Based on a comparative analysis of the SP related statistical data of 31 provinces (autonomy region, municipality) between 2008 and 2014, it was concluded that the comprehensive IOE of national SP fluctuates and tends to decline in recent years, and IOE differs from province to province obscurely. The causes that result in the change of comprehensive efficiency were analyzed and suggestions on how to improve the IOE of national SP were put forward.

Science popularization(SP)； Input and output； Efficiency； Three-stage DEA model

2016-12-25

2017-04-20

国家自然科学基金项目(71473021)；国家软科学计划项目(2014GXS5D224)。

刘广斌(1961-)，女，山东宁津人，北京石油化工学院经济管理学院教授，硕导，研究方向：技术经济评价。

G35

A

1002-9753(2017)05-0139-10