基于DEA-Malmquist模型的科技创新人才政策实施效果评估

商 勇 丁新兴

（河南财经政法大学 统计与大数据学院，河南 郑州 450046）

一、文献综述

人才已经成为全球各国经济社会发展中最重要的战略资源，而科技创新人才是人才资源中的重中之重。郑州市地处中原腹地，近年来积极贯彻“人才强市”政策，取得显著成效。但是面对新形势和新变局，郑州市仍存在科技创新人才引进难、人才流失等问题。如何完善科技创新人才发现、培养、引进机制，进一步强化科技创新的战略支撑作用，是郑州市下一阶段的重要目标。对政策效果进行系统评判，不仅是考察政策是否有效的手段，也是政策改进、延续或终止的关键性决策依据。

政策评估研究国外早于国内，Hellmut Wollmann认为政策评估是客观、系统性地检验政策是否实现了其预期目标，从而将政策绩效的评价信息反馈给政策制定者[1]。Chen H T和Carbe P提出了自上而下的评估方法，即先展开可行性评估、效果评估，最后发布评估结果[2]。

国内学者对公共政策也进行了丰富的研究，潘毅和高岭（2008）从评估者、评估对象、评估目的、评估标准和评估方法五个维度对中美公共政策评估的差异进行分析，得出了针对我国公共政策评估系统存在的一些问题的启示[3]。张永岳和张传勇等（2010）运用公共政策评估理论和方法对上海市房地产政策进行研究，发现调控政策取得了一定效果，但仍存在短期性、相机性、非均衡性等问题[4]。廖娟（2018）利用CHIP数据研究了残疾人就业政策对残疾人就业和收入的影响，发现《残疾人就业条例》实施后企业的税收优惠减少、残疾人个体的就业门槛变高是导致残疾人就业前景不明朗的重要原因[5]。陈玲和段尧清（2020）以我国31个省区市2000—2019年的面板数据运用倾向得分匹配方法建立双重差分模型，解决了公共政策的内生性问题，提出政务大数据政策可以推动技术创新[6]。

关于科技创新人才政策、科技创新人才的研究不断涌现，赵前和焦捷等（2011）考虑到决策单元之间的相互影响，引入超效率DEA模型，发现各省科技投入和产出的效率值呈现出两端偏小、中间偏大的格局[7]。杜红亮和任昱仰（2013）以海外科技人才政策为对象，通过对多部门进行相对独立的多角度评估，以客观展示海外科技人才政策的实施效果[8]。盛楠和孟凡祥等（2016）对科技人才的概念做出界定，在此基础上结合创新驱动需求对科技人才评价体系进行研究，并提出指标构建、建设流程和管理流程的相关建议[9]。王宁和徐友真等（2018）基于因子分析和DEA方法对河南省2011—2015年科技人才政策的实施效果进行评价，结果显示不同科技人才政策实施效果有显著差异，其规模效率呈现先下降后上升的趋势[10]。顾玲琍和王建平等（2019）运用专家访谈法、问卷调查等方法，构建科技人才政策实施效果评估体系，研究发现政策总体实施效果较好，但也存在政策知晓度不高、政策执行部门之间协同性不高、政策软环境需要进一步优化等问题[11]。孙锐和孙雨洁（2020）创新性地引进政策文本数据库和语料库，构建青年科技人才引进评价指标体系，并将研究成果应用于典型地区的总额评价实证分析中[12]。

从目前的研究看，评估评价研究在增多，但占比仍较低，尤其是量化研究少。且现有的研究方法如问卷调查、专家访谈、层次分析等在确定权重时具有一定的主观性，导致评估结果并不准确，而DEA分析法可以很好地解决这一问题。本文以郑州市为例，通过政策的投入产出效率评价郑州市2010—2019年科技创新人才政策的实施成效，为郑州市科技创新人才政策的调整和制定提供参考建议，为其他城市的政策制定提供参考。

二、科技创新人才政策评价指标体系构建

（一）评估对象

随着社会发展对科技创新人才的需求越来越大，为了改善人才缺乏的困境，郑州市自2006年开始大力引进科技创新人才，考虑到政策的时滞性，本文选取2010—2019年的科技创新人才政策进行评估。政策文件来自郑州市人才办、郑州市人力资源与社会保障局、郑州市科技局等部门的官方网站。

（二）评估指标体系

评估指标体系是评估政策实施效果的基础，王宁和徐友真通过经济支持、人数支持和科研产出反映产出指标。芮国强和彭伟等（2017）运用人才规模与质量、人才发展环境、科技创新能力、高新技术企业竞争力4个指标对人才政策进行评估[13]。

本文在借鉴已有研究基础上，将郑州市2010—2019年的科技创新人才政策数作为投入指标，而科技创新人才政策的产出则以资源型、成果型、转化型3个产出指标来体现，最终得到的评价指标体系如表1所示。数据来自《河南统计年鉴》《郑州统计年鉴》《河南省劳动力年鉴》、郑州市人力资源与社会保障局网站等。数据处理软件为DEAP2.1和python3.6。

表1 郑州市科技创新人才政策实施效果评价指标

DEA模型要求决策单元个数至少是投入和产出指标之和的两倍，根据本文的实际情况，投入和产出二级指标共有7个，因此至少需要14个决策单元。为了符合模型的假定，需要对产出指标进行因子降维处理。先对各项指标采用极值法进行标准化处理，然后采用熵值法赋权对各维度内的因子进行加总。

本文对每个二级指标进行熵值化处理，从而得到二级指标的权重。用极值法进行无量纲化处理，消除极值影响。将计算得出的权重乘以每个二级指标的无量纲化值并加总，达到因子降维的效果。各方案的因子得分为：

表2 各指标熵值法得分

（三）DEA-Malmquist模型

在处理多指标投入和产出方面，DEA模型具有特有的优势，因此本文拟采用BCC模型分析在规模效益可变的情况下郑州市科技创新人才政策的相对效率。由于不同时期的生产前沿面不同，基于不同生产前沿面所计算的相对效率不具可比性，也就无法比较不同时期的相对效率，无法通过BCC和CCR模型进行跨期比较。而Malmqusit指数可以解决DEA模型不能跨期效率比较的问题，因此通过Malmquist指数来进行动态变化分析。

三、科技创新人才政策实施效果评估

（一）静态分析结果

以郑州市10个年份作为决策单元，从纵向上对郑州市科技创新人才政策的投入与产出效率进行研究。运用郑州市2010—2019年的时间序列数据，使用DEAP2.1软件进行处理，结果如表3所示。

表3 科技创新人才政策DEA分析

1.技术效率分析

由表3可以看出，郑州市科技创新人才政策的平均效率为80.3%。而技术效率达到有效的只有2014年、2015年、2016年和2017年，占总数的40%。说明郑州市近10年的科技人才政策实施效果不太理想。技术效率在2019年达到最低（33.3%），造成2018年、2019年政策技术效率下降的原因是之前年份的实施效果开始减弱，且当时政策的实施效果受时滞性影响而未完全体现。

在6个技术效率非DEA有效的年份里，2012年最高，达91.7%，其次为2013年、2011年，分别为84.8%、79.2%。2018年、2019年则不超过50%，需要特别关注。

在DEA分析中，技术效率（TE）=纯技术效率（PTE）×规模效率（SE），因此需要对技术效率进行分解以探求其原因。通过分析发现，2018年、2019年的规模效率非常低，且纯技术效率均DEA有效，可以认为技术效率无效的原因是其规模效率无效。

2.纯技术效率分析

纯技术效率是制度和管理水平带来的效率。由表4可知，2010—2019年郑州市的纯技术效率呈上升趋势，且平均纯技术效率达94.6%，为DEA有效。其中2010年纯技术效率最低为76.7%，2014年以后的均纯技术效率有效。纯技术效率上升，说明郑州市科技创新人才政策的管理水平在逐年提高。尤其是在2014年的政策颁布以后，政策实施效果较好。

3.规模效率分析

规模效率是反映考察对象是否在最合适的投资环境下进行经营活动的一个重要指标。本模型中，规模效率反映的是科技创新人才政策规模的增加或减少所产生的效率变化，即科技创新人才政策的效率并不取决于其执行情况，而是取决于政策是否达到应有的规模。

郑州市10年间的规模效率较高，均值达到了85.3%，是导致郑州市科技创新人才政策实施效果不明显的主要原因。自2014年开始，政策的规模效率开始由规模递增变为规模递减，说明政策上需要改变规模效率。

从时间上看，不同年份的规模效率波动较大，规模效率在2014—2017年均达到1，而在2019年最低，仅有33.3%。另外，从政策的颁布看，2014—2017年颁布政策的数量分别为3个、6个、3个、21个，而2018年和2019年颁布的政策为14个、4个，规模效率与政策颁布个数成反比关系，说明颁布的政策没有落实到位，最终造成政策的规模效率不高。

科学越轨是目前科学界热门的话题，因为随着社会的进步科学越轨行为屡见不鲜，甚至某些知名科学工作者也不能幸免，浙江大学贺海波教授因论文抄袭，被撤销副教授职务与任职资格，浙江大学药学院院长也因监管不利，不在继续聘用。本文将从科学越轨行为产生的原因，对社会的影响以及防治科学越轨行为的对策展开，全面分析科学越轨行为的前世今生以及未来。

（二）动态结果分析

运用DEA模型测算郑州市的生产效率水平，仅是一种静态分析，由于不同时期的生产前沿面不同，由BCC和CCR模型求出的效率值均为当期的相对效率值，无法对相对效率值为1的时期进行评价，因此通过计算Malmquist指数对各地区生产效率变化的情况进行判断，并对变化来源进行分析，各地Malmquist指数变动如表4所示。

表4 2015—2019年各地区Malmquist指数变动

在Malmquist指数的计算中，本文以2015年作为基期，其Malmquist指数为1。相比2015年，2019年全要素生产率指数（TFP）为1.178，表明在2015—2019年郑州市科技创新人才政策平均生产率总体上得到改善。生产率要素的变化可以分解为技术效率（TEC）变化、技术（TC）变化带来的影响，2015—2019年期间平均技术效率变化为0.975，平均技术变动为1.209。与2015年相比，全要素生产率的提高主要源自技术进步。

基于各个地区TFP指数变动及其构成可以发现，各区域2015—2019年TFP指数变动呈分化趋势，部分地区指数呈上升趋势，部分地区指数呈下降趋势，且变动的原因有所不同，根据2015—2019年各地区生产率指数变动的原因进行分类，结果如表5所示。

表5 2015—2019年生产率指数变动原因分类

在2015—2019年中有6个地区生产率指数得到提高，12个地区生产率指数下降。郑州市在技术效率保持不变的情况下技术发生进步，在2015年和2019年均处于技术有效，其技术效率位于前沿，2015—2019年生产率指数的变动全部由技术变动引起。说明其针对科技创新人才政策实施所开展的组织创新等技术手段值得在全省推广。下面以郑州市为例，进一步分析Malmquist指数变动原因。

郑州市属于“技术效率不变，技术进步”导致生产率提高类别，其技术进步促进了生产率的提高。在此期间郑州市技术效率变化为1，可以将其分解为纯技术效率变动和规模效率变动。结合表4和表6可以看出郑州市在规模效率上均高于河南省其他地区。但技术效率不变限制了生产率指数的提高，因此未来郑州市可通过提高人才政策资源管理水平来提高技术效率。

表6 2015—2019年郑州市Malmquist生产率指数变化分解

（三）政策文本分析

利用python网络爬虫技术，爬取2011—2020年郑州市政府工作报告和科技创新人才政策，研究政府对科技创新人才工作的重视程度以及科技创新人才政策的重点分布。

1.科技创新人才政策文本分析

本文共爬取了科技创新人才政策70件，政策来源为郑州市人力资源和社会保障局、郑州市发展和改革委员会、郑州市教育局、郑州市科技局和郑州市财政局，说明郑州市科技创新人才政策由多部门共同制定，科技创新人才政策的协同性较高。对爬取的科技创新人才政策进行汇总，并利用python的分词包jieba对政策文本进行分词①分词，就是将连续的字序列按照一定的规范重新组合成词序列的过程。去停用词②删除一些互联网上大量出现或者在文本中无具体意义的词（如，的、地、和、与）。处理。

（1）政策文本词频统计

对分词后的政策文本进行词频统计，同时词频统计结果不断更新停用词表③即所有停用词组成的文档，本文在分词表中加入新的停用词，删去不必要的词，突出政策文本的重点。，最终选取了词频数前20的重点词，结果如表7所示。

表7 政策文本词频统计

由表7可以看出，科技创新政策重点分布在科技、技术、创新、人才等方面，其中“人才”一词的词频达到了1165，平均一件政策文件中出现16.64次，说明政策在制定时突出了科技创新人才的重要性。“企业”一词出现频率也颇高，达844次，说明郑州市政府在制定政策时考虑到以企业为平台，为科技创新提供环境，同时引进的人才可以在各科技型企业中培养锻炼。其次是“技术”“创新”“科技”三个词，其频数分别为 759、684、680。

（2）政策文本词云图

以分词后的词频制作文本的词云图。词云图中词的字体越大，则该词在政策文本中出现的次数越多，在政策制定中的地位也就更突出。根据词云图中词的大小，大致分为三个梯度。第一梯度为：人才、科技型、企业、组织、社会保障、人力资源。第二梯度为：科技、创新、创业、提供、建设、学术、技术。第三梯度为：职业培训、支持、经费、管理，大致呈由大至小的维度延展开来。

2.政府工作报告文本分析

对郑州市政府工作报告进行分词和去停用词处理，同样通过词频统计和绘制词云图来观察近年来郑州市政府的工作重点。

（1）政府工作报告词频统计

从历年政府工作报告的词频统计来看，“创新”自2011年就开始出现在政府工作报告中，“科技”自2012年开始在政府工作报告中出现，而“人才”一词在2020年的政府工作报告中才开始出现，这可能是由于2020年之前的政府工作报告对“人才”提及较少，而本文仅统计了词频数前100的词。同时这几个词的词频呈现出逐年增长的趋势，说明其在政府工作报告中出现的次数越来越多，即政府对科技创新越来越重视。

（2）政府工作报告词云图

对2011—2020年的政府工作报告文本内容绘制词云图，可以发现“引进、人才、创新、培育”等词汇在词云图中十分明显，说明科技创新与人才引进是政府工作的重心所在，体现出郑州市政府对科技创新人才工作的重视。而由历年政府工作报告的词云图来看，2018年之前的政府工作报告中，与科技创新人才有关的词汇较少出现，而2018年之后与科技创新人才工作有关的词汇开始增加，且其出现次数随年份的推进而增多，字体大小也逐渐增大，说明政府对科技创新人才工作越来越重视。

四、结论与政策建议

（一）结论

1.技术效率制约郑州市科技效率提升。郑州市属于“技术效率不变，技术进步”促进规模效率提升类型，其规模效率呈先上升下降的趋势。整体而言，郑州市的科技效率居省内第一，但近几年科技效率有所降低，制约了科技创新人才政策的绩效。此外，就河南其他地区而言，各地区Malmquist指数不尽相同，技术效率、技术进步对地区生产率表现出不同方向、不同程度的推动作用。

2.不同年份政策实施效果存在一定差异。郑州市科技创新人才政策有效年份占年份总数的40%，部分年份的相对效率较低，说明不同年份科技创新人才政策的效率存在显著差异。2014年郑州市科技创新人才政策的技术效率、规模效率、纯技术效率均为1，达到了最优生产规模，这是因为2012年郑州市开始出台大量科技创新人才政策并加大对科技创新人才政策的重视所致。2018年和2019年政策技术效率大幅度下降，原因在于之前的政策实施效果开始减弱，且当期出台的政策还未显出成效。

3.郑州市科技创新人才政策体系的主体框架基本形成。2010—2020年郑州市颁布的科技创新人才政策涵盖科技创新人才的培养、流动、服务、引进等多方面；科技创新人才政策得到不断完善，政策的颁布呈现出“前期重视引进，后期重视培养”的特点，为郑州市创新驱动发展以及建立国家创新城市提供了人才保障。运用文本分析技术，对政府工作报告和科技创新人才政策进行深度挖掘，发现郑州市政府对科技创新和人才引进工作越来越重视，且政策制定由多部门共同完成，协同性较高。

（二）政策建议

1.加快郑州市各项科技创新人才服务设施建设。一是构建具有自身特色的科技创新人才服务平台，不仅要建立并完善科技创新人才市场，还要效仿先进城市，建立人才孵化器、招聘国家级人才的专门机构等平台，以及引导其他科技创新人才中介机构的设立。二是加快互联网科技创新人才市场建设步伐，完善科技创新人才信息网络服务体系和科技创新人才数据信息库，为全市科技创新个人和单位提供连续开放的科技创新人才信息服务。

2.完善科技创新人才政策的运行机制，做好政策体系的长期规划。政策的实施效果不仅与时滞性有关，也与政策运行机制不完善、执行细节偏差有很大关系。科技创新人才政策是复杂的体系，因此郑州市有关政策制定部门在制定政策时要做好长远规划，形成科学的政策框架。

3.完善科技创新人才政策体系。良好的政策体系应该包括评价、培养、激励、保障、引进5个模块。现阶段郑州市的人才政策应着重于人才的培养和服务两个方面，保证引进的人才可以留下来。同时加强政府在人才工作中的导向和规范作用，在建设“国家中心城市”的定位基础上，结合产业结构调整，继续实施人才强市战略。建立健全由郑州市人民政府领导的人才工作领导小组，确保科技创新人才激励工作有据可依，并加强对科技创新人才工作的指导、督察和考核。◆