广东省新型研发机构绩效评价研究——基于DEA模型的效率分析

范明明，刘贻新，杨诗炜，张光宇

（1. 广东工业大学 管理学院, 广东 广州 510520；2. 广东工贸职业技术学院, 广东 广州 510510）

近年来，随着我国经济发展进入新常态，科技发展对经济增长的贡献变得越来越重要。然而，要想以科技推动经济高质量发展，就必须打通科技成果转化链条，将科研成果进行更高效的成果转化与市场化应用。由于传统体制内的科研机构存在着体制机制问题，难以真正关注到市场需求，而体制外的科研机构往往更多地关注短期经济效益。依靠传统研发机构很难解决这一矛盾，于是发展新型研发机构成为破解这一难题的关键[1-2]。新型研发机构是由多主体构成，以产学研合作为内核，将各主体分散化的知识劳动进行运用及集成式研发创新的新型法人治理机构。作为一种新兴的研发机构，在中央和地方政府的引导和支持下，新型研发机构逐渐呈现出井喷式的发展态势，成为一股不可忽视的新兴科技产业力量。2019年9月，科技部印发了《关于促进新型研发机构发展的指导意见》 。进一步明确了发展和培育新型研发机构，以构建更加科学、高效的科研组织体系的要求，将新型研发机构的培育和发展提到了更为重要的位置。

作为深化科技体制改革的重要推力，新型研发机构近几年的发展在广东、江苏、安徽等城市都取得了巨大的成就。据本文统计，截至2018年底，全国新型研发机构共746家，并以平均每年20%的增长速度快速扩张，成为创新驱动经济发展的动力源和桥头堡。从广东省的数据来看，广东省共有244家机构先后三批次被认定为新型研发机构[3]。这些新型研发机构集中分布在珠三角地区，为广东省科技成果产业化和经济发展注入了强大的动力。也有研究发现，新型研发机构在培育颠覆性创新技术，促进我国产业升级方面具有积极的作用[4]。然而，在实际发展中，由于体制机制不健全，遴选机制不完善，导致新型研发机构的质量良莠不齐。部分新型研发机构过度依赖于政府的财政补贴和税收优惠政策，缺少与市场的良性互动，导致高投入、低产出的投入产出效率偏低现象[5-6]。为了准确识别新型研发机构的研发实力和产出效率，为新型研发机构的重点培养和分类评价提供数据支持，对新型研发机构进行绩效评价具有重要的现实意义。

目前，安徽、河南、江苏等省份均已针对通过认定的新型研发机构实施了绩效评价，以此考核新型研发机构的绩效，确保新型研发机构可持续、高质量发展。本文从政府管理视角和机构自身发展视角，围绕如何评价新型研发机构绩效这一问题，建立完善、科学且具有实操价值的综合性评价指标体系，并采用该指标体系对广东省新型研发机构进行评价。研究结果能够为完善广东省新型研发机构的评价体系，以及后续分类管理和高质量发展提供一定的经验支持与实践指导。

1 文献综述与理论模型

1.1 文献综述

国内外学者对绩效概念的界定有不同理解，其中国内学者普遍基于投入产出理论将绩效理解为投入产出的效率，国外学者则侧重从产出效率和效果两方面定义绩效。本文主要关注微观视角下新型研发机构的绩效，即从企业层面上看，企业的投入带来产出增加的效率。

现有研究在研发机构的绩效评价理论和方法上已有丰富成果。在评价指标体系方面，由于研发机构与企业在生产目标上具有本质的不同，因此，构建科学的研发机构评价体系至关重要。早期学者从研发投入和研发产出两方面构建评价指标体系。童桦等[7]提出要注重科研绩效指标体系的层次性，综合考察机构在科技投入、科技产出和效益等方面的能力。郭百涛等[8]基于网络层次分析法(Analytic Hierarchy Process, ANP) 设计出了新型研发机构绩效评价模型，从创新活动、研发条件、创新效益和人力资源这几个维度构建指标体系，并通过定量方法得到各个指标的权重。也有学者提出对研发机构的评价，不仅注重其科研能力，也要注重机构的可持续发展能力和社会影响力[9-11]。随着市场经济的发展，研发机构在市场潜力、社会效益、成果转化方面的能力逐渐成为考察研发机构绩效的重要方面。科研产出和科研软实力的形成具有时滞性特点，因此需要全局考虑，构建体现研发机构产出时滞性和成果持续性的绩效指标考核体系。朱熊[10]提出了包含了科研项目、科研平台、科研业绩、和科研人才四个方面的综合评价体系，对研发机构的绩效评价体系进行了优化。孟溦等[11]认为新型研发机构具有多元主体和多元价值等困境，因此应对新型研发机构分阶段评价，并考虑研发成果的社会效益，重视综合性、长期性的研发成果。陈雪等[12]从新型研发机构的竞争力角度，构建了广东省新型研发机构评价指标体系。孙雯熙等[13]在综合分析国内新型研发机构评价的研究后，指出现阶段我国新型研发机构的评价研究仍处于探索阶段，评价指标体系和相关实证研究有待进一步优化。本文在现有研究基础上，从研发成果、经济效益和社会效益三个方面来衡量新型研发机构的产出，从人力、物力、财力三个方面衡量新型研发机构的投入，进而对新型研发机构进行效率评价。

在研究方法上，研发机构的绩效评价主要分为定性评价和定量评价两类。由于传统的定性评价方式具有较强主观性，难以形成有说服力的评价结果，因此现有评价相关的研究大多采用定量研究方法。陈红喜等[14]运用德尔菲法构建新型研发机构指标体系，然后通过网络层次分析法计算各指标权重，通过定性定量相结合的方法评价新型研发机构成果转化扩散绩效。王帮俊等[15]通过因子分析方法提取产学研合作的协同创新中的主效因子，对区域协同创新绩效进行评价。汤静[16]利用江苏省新型研发机构数据，采用DEA绩效分析方法从静态及动态两个层面对江苏省新型研发机构进行绩效评价分析。李群等[17]采用超效率DEA算法探究了高校实验室建设中的绩效考核问题。本文主要关注新型研发机构投入产出效率，因此采用DEA效率评价方法对广东省新型研发机构投入产出效率进行评价分析。

1.2 DEA方法原理与模型

CCR模型(该模型由美国运筹学家Charnes A ,Cooper W W和Rhodes E创立)在计算效率值时，往往会出现多个有效的决策单元(效率值为1)之间无法进行比较分析的情形,于是就产生了对CCR模型改进的超效率评价模型[19]。在超效率模型中，对于非DEA有效的决策单元而言，其所得的效率值不变，仍小于1。对于原来效率值都为1的DEA有效的决策单元重新计算超效率值(效率值都大于1)，从而使得所有的决策单元都可以进行比较分析。

2 样本选择与指标设计

广东省的新型研发机构建设一直走在全国前列，为其他地区的新型研发机构和科技创新平台建设起到了良好的示范带头作用，因此本文选择广东省这一区域作为研究对象。在样本的选择上，本文手工搜集了2015～2017年通过广东省科技厅认定的129家新型研发机构的相关的投入产出数据。

在现有研究基础上，结合广东省现有指标体系，综合考虑数据的可获得性，本文以资源配置作为投入变量，创新效益作为产出变量。合理的资源配置，是新型研发机构建设和发展的关键。因而，应将新型研发机构投入研发的人力、物力和财力纳入考核范围。为了便于投入与产出定量指标获取，本文进一步将资源配置细分为人力(I11)、物力(I12)、财力(I13)。由于新型研发机构作为市场主体，要坚持市场化的运作模式，需要自身具有造血功能才能持续运营。因此创新效益指标体系分别从经济效益(O21)、研发成果(O22)和社会影响(O23)3个方面对平台的社会效益进行衡量。具体指标如表1所示。

表1 新型研发机构评价指标体系Table 1 Evaluation index system of new R&D institutions

为了避免指标量纲不一致带来的误差，本文对所选取指标进行了无量纲化处理，即将所获取的数据通过Z-SCORE方法进行标准化处理，从而得到一个129×18的标准化数据矩阵。其中I111～I133表示投入变量，O211～O233表示产出变量。各个指标的具体算法见表2。

表2 评价指标计算方法Table 2 Calculation method of evaluation index

3 数据分析

3.1 描述性统计

首先基于广东省129家新型研发机构的相关研发数据进行描述性统计。如图1所示，统计结果发现：规模在0～2 000万元之间的机构数量占比达58%，规模在1亿元以内的机构数量更是高达91%，由此可见广东省新型研发机构主要以中小型研发机构为主。进一步，通过研发支出与总支出的比值计算了新型研发机构的研发强度，结果发现这一数值平均为46.3%(不包含办公场所)，这说明广东省新型研发机构在研发投入上具有较高的研发强度。

图1 新型研发机构的规模Fig.1 Size of new R&D institutions

从产出来看，专利申请数量，尤其是发明专利申请数量是衡量研发机构创新产出水平的重要指标之一。如图2所示，通过对广东省新型研发机构的有效发明专利进行统计分析，可以发现大约87%的新型研发机构的有效发明专利申请在15个以内，这一比重与传统研发机构差异不大，这似乎意味着相比于传统研发机构，新型研发机构在创新产出方面并没有太大优势。然而，进一步统计新型研发机构研发的新产品数量发现，广东省新型研发机构新产品数量高达3 322件，平均每家新型研发机构3年内推出新产品17.64件。这说明广东省新型研发机构非常重视科技成果转化，能够有力地将研发成果转化为可投入市场的新产品，弥补了传统研发机构成果转化不足的短板。

图2 有效发明专利拥有数统计分析Fig.2 Summariza of invention patents

从地域来看，广东省新型研发机构分布具有明显的地区集中趋势(如图3所示)。整体而言，无论是民办非企业、企业，还是事业单位类新型研发机构，大都分布在珠三角地区，这与当地的政策和经济发展程度有一定关系。在非珠三角地区，新型研发机构往往是由传统研发机构改制而成，因此非珠三角地区的新型研发机构主要以事业单位型为主。

图3 珠三角与非珠三角机构类型数据统计Fig.3 Summariza of new R&D institutions by area and attribute

3.2 DEA效率评价分析

根据前文已述的效率评价模型分别用deap2.1软件和MAXDEA软件进行效率评价和超效率评价，二者结果基本一致。由于CCR效率评价模型只能区分DEA有效和非DEA有效(DEA有效则效率值等于1，非DEA有效的效率值小于1)。因此，本文在DEA效率评价的基础上，针对DEA有效的新型研发机构进行超效率评价，部分评价结果如表3所示。

表3 DEA效率评价与超效率评价结果(部分)1)Table 3 DEA efficiency and super-efficiency evaluation

采用CCR模型测算的效率值中，DEA有效(技术效率值为1)的新型研发机构共72家，占样本总量的55.81%。这说明广东省一半以上的新型研发机构具有良好的投入产出效率，可见地方政府对新型研发机构的支持已见成效。进一步，对结果按机构属性和所属地区进行分类，获得各分类对应的评价结果。

由表4可知，从整体来看，大部分新型研发机构的投入产出效率较好，这意味着在这些新型研发机构中，资源的利用效率较高。从机构属性来看，民办非企业和事业单位型新型研发机构DEA有效数量占比分别为60.7%和62%，而企业型仅为47.1%。这说明民办非企业和事业单位性质的研发机构投入产出效率更高，企业类新型研发机构投入产出效率则有待提高。究其原因，笔者认为企业型新型研发机构在运营中可能更多地考虑机构的短期盈利，有可能忽视创新成果的产出，而企业在运营管理方面具有成熟的运营管理体系和高效激励机制，因此，在新型研发机构的未来发展战略中应当更加充分发挥企业型新型研发机构在科技研发中的作用，从而提高新型研发机构的整体研发效率。在DEA有效的新型研发机构中，民办非企业数量相对较少。这是因为，在广东省的新型研发机构认定中，民办非企业类的新型研发机构认定条件获准认定时间较晚，在第三批的新型研发机构认定条件中才获准认定，因此，民办非企业型的新型研发机构在整体数量上偏少。

表4 分属性DEA效率评价Table 4 DEA efficiency evaluation by attribute

由表5可知，从所属区域上分类，129家新型研发机构中，位于珠三角地区的新型研发机构有111家，占整体的86%，而位于非珠三角地区的仅有18家，占整体的14%，这表明广东省新型研发机构在地区分布上呈现地区分布不均的情况。在72家DEA有效的新型研发机构中，珠三角地区63家，DEA有效机构占比57%，非珠三角地区有9家，DEA有效机构占比50%。珠三角地区和非珠三角地区DEA有效的新型研发机构所占比重差别并不大。这说明从投入产出效率来看，珠三角地区新型研发机构和非珠三角地区新型研发机构并没有显著差别。但从绝对数量来看，珠三角地区DEA有效数量明显高于非珠三角地区。这意味着具有同等投入产出效率的非珠三角地区在发展新型研发机构方面仍有进一步提升空间。因此，应当发挥政府有形之手的作用扶持经济欠发达的非珠三角地区建设和壮大新型研发机构，以科技创新驱动地方经济发展。

表5 分地区DEA效率评价Table 5 DEA efficiency evaluation by area

由表6可知，从研发类型来看，广东省新型研发机构的研发类型主要以应用研究和成果产业化为主，这与传统体制内的专注于基础研究的研发机构有很大不同。从投入产出效率来看，专注于应用研究和成果产业化的新型研发机构DEA有效占比高达81%，在72家DEA有效的新型研发机构中，这一占比也高达48.6%，而同时进行基础研究的新型研发机构占比仅为16.6%。这意味着专注于应用研究和成果产业化的新型研发机构在投入产出效率上具有更大的优势，而基础研究由于短期难以形成看得见的成果，在投入产出上效率不高。这可能是因为基础研究往往具有较长的研发周期，因此，在短时间内，专注于基础研究的新型研发机构表现为高投入和低产出，降低了新型研发机构的整体效率。而专注于成果转化的新型研发机构可以利用现有的基础研究成果进行产品化和产业化，因此能够在短期内产生更多的看得见的成果。然而，无论是基础研发还是应用研究以及成果产业化都是科技发展的重要环节。因此，政府在进行财政支持时应该考虑不同研发类型的新型研发机构在投入产出效率上的差异，重点扶持有应用前景但投入产出效率较低的机构。

表6 按研发类型DEA效率评价Table 6 DEA efficiency evaluation by R&D type

由于DEA效率评价模型只能区分评价单元是否为DEA有效，对同为DEA有效的决策单元无法进行比较分析，因此可以采用超效率模型对现有结果进行进一步分析。表7列示了超效率值排名前20%的部分新型研发机构。

表7 超效率排名前20%评价结果（部分）Table 7 Super-efficiency evaluation

在超效率值排名前20%的新型研发机构中，事业单位的新型研发机构占比仍然最多，说明当前广东省新型研发机构的主力军仍为事业单位型新型研发机构；其次，企业类新型研发机构异军突起，在排名前20%的机构中占比39%，这也反映出，企业类新型研发机构投入产出效率呈现两极分化的特征。民办非企业研发机构研发效率整体上高于企业类研发机构，但投入产出效率突出的研发机构不多。从研发类型来看，超效率值排名前20%的新型研发机构中，“应用研究+成果产业化”模式仍是效率最高的模式。

如表8所示，从地域分布看，效率较高的新型研发机构中位于珠三角地区的新型研发机构占比超过90%，有绝对优势。非珠三角地区的新型研发机构仅有2家进入前20%。可以看出广州和深圳作为广东省科技创新走廊的两极，发挥着带动全省科技创新领头羊的作用，而非珠三角则更需要政府政策的引导，利用新型研发机构多方合作优势，加强与广深的科技创新资源对接，从而有效提升区域创新水平。

表8 按机构地域分类的超效率评价结果Table 8 Super-efficiency evaluation by area

4 总结与政策建议

4.1 本文总结

效率评价是对新型研发机构创新能力的客观评价，构建全面客观的评价指标体系，有利于对新型研发机构发展的全过程进行全面综合评价，从而为新型研发机构发展质量提升提供依据。本文围绕新型研发机构投入产出效率，通过DEA效率评价模型和CCR超效率评价模型分析了广东省129家典型新型研发机构的投入产出效率，并从各个不同维度分析了新型研发机构投入产出效率的差异。研究结果发现事业单位型研发机构投入产出效率较高，过度投入和投入不足情况较少。企业类研发机构投入产出效率表现一般，部分新型研发机构出现过度投资现象。从研发类型来看，“应用研究+成果产业化”模式是当前投入产出效率最高的发展模式。

本研究采用定量研究方法，首先构建了具有实用价值的综合评价体系，然后利用该评价指标体系，采用DEA效率评价的方法研究广东省新型研发机构投入产出效率特征，为后续新型研发机构的绩效评价和管理提供了一定借鉴。

4.2 政策建议

4.2.1 加强新型研发机构的分类管理

加强对新型研发机构的分类管理，对不同类型的新型研发机构采取有差别的补贴和帮扶政策。在目前的新型研发机构中，事业单位类的新型研发机构投入产出的效率较高，企业型新型研发机构投入产出效率较低。因此，在新型研发机构的建设和培育上应当逐渐降低事业单位类新型研发机构的补贴力度，将补贴机制变为奖励机制。对企业类新型研发机构和民办非企业类新型研发机构应当根据其实际发展情况给予财政补贴支持，着重支持具有特色的研发领域。

4.2.2 促进地区协调发展

大力支持非珠三角地区新型研发机构发展，促进区域协调发展。基于本文分析，珠三角地区与非珠三角地区的新型研发机构在投入产出效率上并无明显差异，而珠三角地区拥有的新型研发机构数量远高于非珠三角地区。因此，应当增加非珠三角地区新型研发机构的数量，利用地方优势形成一批有特色的新型研发机构，以科技创新驱动经济发展。

4.2.3 分类构建针对性的指标评价体系

本文分析发现，企业型新型研发机构在组织管理和专业化运营方面具有优势，而事业单位型新型研发机构和事业单位型新型研发机构则在基础研究方面有相对优势。从新型研发机构所专注的研发类型来看，专注于成果产业化和技术应用的新型研发机构比专注于基础研究的新型研发机构具有更大的创新效率优势。因此，在对新型研发机构进行评价时应当建立起适当的分类评价机制，不能仅仅依靠看得见的成果来评价新型研发机构，而是多角度地、长远地考虑新型研发机构的产出效率。

4.2.4 大力支持成果产业化研究

相对于传统研发机构，新型研发机构在成果产业化方面具有较大优势。本文分析发现“应用研究+成果产业化”模式是当前投入产出效率最高的发展模式。因此，应当大力支持新型研发机构的成果转化研究，发挥新型研发机构优势。