基于DEA和AHP方法的科技人才绩效评价

2018-04-03

山东农业工程学院学报 2018年2期

（广东科学技术职业学院广东广州 510640）

0.引言

科技为我国现代化发展起着推动作用，科技人才亦是我国社会发展的重要支柱。因此，加强科技人才的开发是坚守科技的重要进程。而在科学工作中，科技人才的水平直接影响着科研水平，有效的绩效评价则是对科技人才管理的重要方法。其中，科技人才评价凭借其监督性、反馈性、导向性等特点，有效提高科技人才管理与筛选水平，为我国科研事业的发展奠定基础。

1.评价方法分析与设计

1.1 评价方法分析

AHP是The Analytic Hierarchy Process的简称，因其在计算时具有较高的层次性，我国将其称为层次分析法，AHP计算评价犯法较为简单，可操作性较高，但其评价结果准确度不适用于精密绩效评价过程。DEA则是Data envelopment analysis的简称，翻译为数据包络分析法。运用DEA进行评价计算时，过程较为简便，无需设计AHP中需要用到的权重与指标，但其忽略了主馆评价因素。

1.2 评价方法设计

根据上述评价方法分析可知，DEA与AHP方法皆存在部分缺点，但若将二者进行结合，可有效提高评价效率。为此，需要对研究对象进行确立，并设计评价指标，并将现实事例相关数据进行录入，选取最终指标。然后利用AHP方法，将各级指标权重数值进行计算，并将加权平均算法融入其中，计算综合权重数值，随即将数据整理，运用极值算法促使数据标准化。然后利用DEA方法计算，并对数据进行观察，如果效率值为1的数目大于一个，则需利用DEA方法加强计算。

2.基于DEA和AHP方法的科技人才绩效评价应用基础

2.1 设计评价指标

在对科技人才进行评价时，需要根据不同的对象及评价环境设定不同的评价指标，因此设立完善的评价指标体系是整个评价过程的基础。从评价指标数目入手，DEA方法的指标数量大于产出指标数量二倍以上，评价结果准确率较高。且由于部分数值获取与计算较为困难，需要评价人员作出取舍。因此分析科技人才的投入与收获，可有效获得绩效评价指标体系。指标体系主要分为投入指标与收获指标两大部分，而每一部分又需分为一级指标与二级指标两小部分。投入一级指标需要包括经济投入、物质投入、培养环境三项指标，二级指标包括经费内部支出、外部支出、科技财政投入、科技机械功率、科技人才数量、经费投入强度等指标。收获一级指标则需包括科技产出、贡献水平、转化能力三项指标，二级指标则需包括科技论文、授权专利、科技申请、人均收入、科技产量增加值、科技产品出口数量、技术市场成交合同数量等指标。

2.2 研究数据整理

本文研究数据主要来源于部分年鉴类数据，例如：中国科技统计年鉴、各省市统计年鉴等。此外，本文结合网络，利用部分地区统计信息网一级政府专业网站对数据进行收集并整理。本文亦针对各类报告、统计文献进行研究，加强本次研究的权威性与准确性。

3.以AHP为基础的科技人才绩效评价

3.1 建立因子判断矩阵

因子判断矩阵作为绩效评价的判断性因素，因此需要对每个因子之间的实现与联系组出有效评估，并判断其是否可作为因子进行对比。为此，可以设计相关调查问卷，主要针对部分专家与学者进行调查，并聘请管理经验较为丰富的人员或专家对其进行管理，一次确立不同层次、不同内容因子耳朵重要性，并确立其分值。不仅可有效避免专家对因子的主观性判断，亦有效提高了整个判断过程的科学性与权威性。如果面向层次相同但内容不同的因子进行判断，则需利用九标度方法确立，即将因子进行对照，依据各因子之间的相对重要程度，利用数字对其标注。

3.2 检测矩阵统一性

矩阵统一性检测是对因子逻辑正常的保障，在为专家进行问卷调查时，有可能会出现因子循环的状况，使得因子逻辑混乱，不具备统一性。在矩阵中，设置统一性指标为CI=λmax-n/n-1，其中n代表相同层次内部指标数量，而λmax则代表特征根的最大值。以此确立统一性指标比例——CR=CI／RI，如果CR值小于0.1，则可因此判断整个矩阵制具有统一性，且达到了统一性的标准。

3.3 确定各指标因素权重

利用AHP方法与YAAHP软件可有效确定各指标体系中各因素所占权重，并针对层次不同的指标计算出其相对权重。随即对每个层次内部因素的实际权重进行计算，确保其可达到决策目标。最后与权重平均值相加，并对整体进行排序，因此算出权重总值。根据计算可知，评价标准中科研绩效的总权重值为0.0378，各类项目总权重值为0.0577，学术论文发表权重平均值约为0.0586，科技人才培养平均权重值约为0.0437。利用YAAHP软件与AHP方法结合所算出的层次指标的不同实际权重，可有效算出其对于决策目标达成的实际权重，并能进一步确立其决策目标的达成可能性，从而进行整体性排序，最终确立出指标因素权重。

3.4 得分计算

对科技人才绩效评价得分计算，需将AHP层次分析法所算出的权重与指标作为基础。结合我国近几年科技人才投入、收获指数，算出科技人才产出整体分数。在对数据进行标准化处理与计算后，则需利用DEA计算方法，将相关数据进行有效计算，并从中找出不同因素的平均得分。最后根据得分数据进行分析，大体上可看出我国科技人才内部产出与收获存在较大差异。笔者结合我国科技人才统计报告，对此结果做出以下设想。部分科技人才会参加重点科研项目，并因此获得较高的文学科技成就。而其他科技人员的经验不足，一直在参加科技活动提升自我，导致其产出因素较收获指标多，分数不够平均。由此可见，利用以AHP为基础的绩效评价方法所得数据与现实科技人员绩效状态吻合度较高，只要进一步投入更多科技研究，可有效计算出科技人员绩效水平。

3.5 实例分析

以我国湖南省为例，对其农业科技人才进行绩效评价，并利用以AHP方法为基础的评价策略进行计算。首先计算湖南省部分地区指标的权值，一级指标Wx1=[0.1823,1.000,0.5419]X1，二级指标权值为Rx1=[0.5490,0.2973,0.1639]。并得出加权平均值为Sx1=Wx2·Rx1=0.1823*0.5419+0.2973+0.549*0.1639=0.4863，最终得出Sy1=0.8，Sy2=0.5。第二，利用DEA计算效率值，并因此得出湖南省农业科技人才综合效率为0.867，纯技术效率为0.915，规模效率为0.947，呈现递增的趋势，在全国地区的效率排名第19。从整体情况看，湖南省农业科技人才绩效评价综合效率低于1，未达到有效标准范围内。根据其投入、收获二者标准计算结果看，其投入值约为0.017，冗余数量较高，因此，湖南省在科技人才培养时可适当减少投入，使其投入水平值趋于0.166。利用此种方法进行计算可建立准确且较完善的评价模型，绩效评价结果准确度较高且符合现实发展状况，更具权威性。

4.以DEA为基础的科技人才绩效评价

4.1 DEA基本原理

DEA汉译为数据包络法，于1978年正式被提出，相对效率为其理论基础，用来评估产出决策是否具有较高的技术含量与规模。DEA不会被量纲所束缚，可以有效规避主管态度对评价结果造成的误差。DEA在工作时会将所有评估对象看作一个整体，并将其作为同一单元进行决策，我们将其称为DMU。随即将DMU中的投入值与收获值相关数据进行运算，并需确立其DEA是否有效。例如，设运算单位DMUi，i作为其实际数量，以此代表DMU投入、收获的数据。并可真对某一单元得出其评价模型，并进行解答与评价。

4.2 实例分析

以某地区环境学院科技人才绩效评价实例分析，利用上述以DEA为基础的层次分析法，可有效得出与之对应的指标与体系。在设计其评价指标时，主要将科研项目、科研成果、专利著作等方面纳入其中，按照层次分析法计算其权重，输出收获指标主要可分为两类——科研成果、人才产出。其中科研成果主要包括科研项目、论文发表、申请专利、获得奖励等，人才培养则需包括各学历人才培养投入。最终得出某环境学院科技人才DEA运算数据结果。并根据不同决策单元对其技术效率、规模效率、规模报酬进行分类排序。切实得出技术效率的含义与参数，并得出决策单元投入与收获比例状况，并利用Drs与Irs作为其递减与递增的标志。从DEA有效层面看，参与研究的20名科技人才中，有四名的技术效率、规模效率达到标准范围，如果继续加强科研项目投入，四名科技人员的收获规模与数值也将保持稳定、不变。综合其科研产出分数，可见其春科研分数之高，并达到平衡稳定的状态，可在未来发展过程中加大投入，调节科技人才科研管理水平，从而增加收获值。