科技计划项目的分类评价分析

王燕 WANG Yan

（石家庄市科技信息研究所，石家庄 050051）

0 引言

科技计划项目，是指为解决一个比较复杂的综合性的科学技术问题而确定的研究与试验发展工作。科技计划项目由若干科研课题组成，这些课题有共同的综合目标，且彼此之间有内在联系。[1]科技计划项目的科研规模较大，完成周期较长。它具有唯一性、一次性、多目标和生命周期属性等特征，它强调创新，强调知识总量，以及运用这些知识去创造新的应用，是一种系统的、创造性的活动。我国在“十三五”科学和技术规划中明确提出要全面推行课题制，积极开展科技项目招标制，建立科学、公正的科技评估制度，健全科技计划执行制度。地方性财政科技计划项目既要满足国家科技战略的指导要求，又要兼顾地方性科技目标。科技计划项目评价是科技主管部门对由政府资助的科技计划项目的投入和产出效果进行评价的一种方法。加大科技计划项目效果评价工作力度，有利于提高各科技投入主体尤其是政府的决策水平，能有效地激发和调动各单位实施科技计划项目的积极性，有利于建立和完善科技计划项目管理制度，为科技资源投入决策提供可靠的科学依据。

1 评价方法的选择及评价指标体系的建立

1.1 评价方法的选择

评价的目的是对被评价对象的整体进行综合的评价。其难点在于需要采取一定的方法对多指标进行综合，对不同量纲的指标进行无量纲化的处理以便比较分析。评价的方法有很多，主要有综合指数法、德尔菲法、层次分析法、因子分析法、DEA方法、神经网络评价等。综合指数法无法确定指标权重，德尔菲法主观性较强，层次分析法主要用来确定指标体系的权重，因子分析法依赖于指标之间的内在结构，神经网络需要大量的数据。DEA方法不需要弄清楚各个评价决策单元的输入与输出之间的关联方式，只需要最终用极值的方法，以相对效益这个变量作为总体上的衡量标准，以决策单元各输入输出的权重向量为变量，从最有利于决策的角度进行评价，从而避免人为因素确定各指标的权重而使得研究结果的客观性受到影响。[2]因此，DEA方法近年来在各级评价中受到学者的青睐。本文采用DEA方法，以某地区“十三五”期间的科技计划项目为例，开展实证分析，对各类别的项目进行评价分析。

数据包络分析（DEA）方法是运用数学工具评价经济系统生产前沿面有效性的非参数方法，其适用于多投入多产出的多目标决策单元的绩效评价。[3]这种方法以相对效率为基础，根据多指标投入与多指标产出对相同类型的决策单元进行相对有效性的评价。该方法以经验数据为基础，逻辑上合理，故能衡量各决策单元由一定量大投入产出预期的输出能力，并且能够计算在非DEA有效的决策单元中，投入没有发挥作用的程度。

DEA方法中最主要的模型主要有两种，一种是基于规模报酬不变（CRS）假设的CCR模型，另一种是基于规模报酬可变（VRS）假设的BCC模型。在DEA分析过程中，有投入导向和产出导向两种分析导向可以选择。其中，投入导向侧重于在相同的产出下，从投入角度对进行绩效分析，使资源配置达到最优；产出导向则侧重于如何在相同的资源投入下增加产出。在DEA评价的基本模型中，CCR模型应用最为广泛，可以用来计算技术效率是否有效，但不能对其效率进行进一步分析。BCC模型是对CCR模型的修正，在BCC模型中，综合效率（CRS）被分解为纯技术效率（VRS）和规模效率（SCALE），相对来说能够更加全面地对绩效进行评价。因此，针对地方政府科技计划项目，通过建立合理的指标评价体系，以投入为导向，在CCR模型的基础上，使用BCC模型对市科技计划项目的绩效进行评价分析。

①CCR模型。

如果每个决策单元有m个投入指标和n个产出指标，xij为j个决策单元的第i种投入量，yrj为第j个决策单元对第r种的产出量。效率为产出的加权和与投入的加权和的比值，以效率作为目标函数，以不同决策单元效率不超过1作为约束，就可以得到CCR的分式建构模型，模型如下：

经过Charnes-Cooper变换，可以将上式的分式规划模型转化为等价线性规划问题，原分式规划转化如下：

②BBC模型。

CCR模型的一个基本假设前提是规模报酬是不变的，BCC模型主要是对CCR规模报酬不变的假设进行了修正，在原来的CCR模型中增加一个凸性假设条件：∑λnj=0，从而得到了如下基于投入的BCC模型的线性规划。

1.2 评价指标体系的建立

指标的构建及确定必须遵守选定指标体系的基本原则，具有代表性，即能很好地反应科技计划项目投入和产出的关键因素；科学性，要能够真实地反映科技计划项目投入产出的基本现状，以及各个指标之间与项目绩效的相互关系；系统性，选取的各个指标之间应该是既相互联系又相互独立的；可操作性，指标应尽可能简单明了，易于收集，且所选取评价指标应是可以进行多次计算及检验的。[4]在对科技计划项目效果进行评价时，对于指标的选择及确定在尊重上述原则的基础上，又要兼顾科技计划项目中投入与产出的质量。本文从项目投入与项目产出两个方面建立了指标。在项目投入方面，主要选择人力与财力投入两种类型的指标。主要包括“经费投入”、“项目研究人数”与“吸引高级人才”。对于项目产出，主要分为四种类型：一是人才培养，即各项目培养硕博研究生的数量；二是成果产出，主要包括学术成果与技术成果等。其中学术成果一方面是论文、专利、专著的产出数量与质量，另一方面是被政府认可项目获奖情况，技术成果主要包括形成的新产品、新技术、新工艺等的数量以及形成的技术标准的数量与质量；三是成果转化，主要包括成果推广以及产生的经济效益；四是产出时效，用以反映和考核项目产出时效目标的实现程度。[5]在具体的实施中，可以对二级指标进行更细的定量化操作，如，资金到位率指标达到100%，为100分：80分：资金到位率在80%（含）～100%；60分：资金到位率在60%（含）～80%；40分：资金到位率在40%（含）～60%；20分：资金到位率在40%以下。

表1 科技计划项目绩效评价投入产出指标体系

2 分类评价分析

本文采用全面调查方法对某地区“十三五”期间的科技计划项目进行效果评价，涉及生物医药、电子信息、装备制造、现代农业等多个领域。通过发放调查问卷，回收调查问卷形式，整理得出调查数据。运用非参数DEA方法，采用CCR和BCC投入导向模型，对2016-2020年5年间1000余项科技计划项目，按照单位性质、计划类别、活动类型开展分类评价分析。

①按单位性质评价。依据科技计划项目承担单位的性质，分别按照高等院校、科研院所、政府部门、事业单位、企业、其他，对不同单位性质的科技计划项目的绩效进行进一步分析，得到表2所示结果。

表2 “十三五”期间各单位科技计划绩效评价结果

从综合效率来看，其他类、政府部门与高等院校的综合效率最高，分别为0.999、0.996、0.970，三类单位的综合效率均值都接近于1，DEA有效占比也处于前列，说明这些单位承担的科技计划项目绩效表现良好，资源得到了有效利用。科研院所、事业单位、企业承担的科技计划项目综合效率均值相对较低，DEA有效占比也相对较低，与前三类单位相比，这三类单位在项目绩效上还需进一步提升。

从纯技术效率来看，各单位的纯技术效率均较高，表明不同承担单位的科技计划项目的日常管理水平较高，能将投入资源较好地转化为科技产出。但各承担单位之间的效率值还是略有差异，政府部门、事业单位与其他单位的纯技术效率均值都为1，说明这三类单位的日常管理水平较好。而企业的纯技术效率为0.940，相对来说最低，因此企业更需要关注项目的日常管理水平。从规模效率来看，各单位的规模效率均处于较高水平，表明项目承担单位能合理配置资源，获得最优产出成果。高等院校、科研院所、政府部门与其他类单位的平均规模效率都在0.9以上，事业单位和企业的规模效率均值略低，在0.85左右，均高于整体规模效率的总体值0.823。

②按计划类别评价。依据科技计划项目的计划类别，分别按照科技支撑计划、成果推广计划、国际科技合作计划、科技创新平台建设计划、软科学计划、其他计划、科技领军人物及创新团队计划，对科技计划项目的绩效进行进一步分析，得到表3所示结果。

表3 “十三五”期间各计划类别科技计划绩效评价结果

从综合效率来看，软科学计划与科技领军人物及创新团队计划的综合效率均值都为1，且DEA有效占比为100%，表明这两类项目的科技投入资源的利用充分。成果推广项目、国际科技合作项目、创新平台建设项目与其他项目的综合效率均值均在0.9以上，且DEA有效占比也处于较高水平，仅需稍微调整资源配置能力就可能达到高绩效。对于科技支撑项目来说，其综合效率均值略低，为0.786，反映了该计划各项目的绩效情况差别较大；科技支撑项目综合效率较低的主要原因是规模效率较低。

从纯技术效率来看，七类计划类别的纯技术效率都比较高，表明各项目在技术和管理水平都取得了不错的成绩，因此对于不同计划类别的项目，规模效率变化是其综合效率变化的主要原因。从规模效率来看，除科技支撑计划外，其余六项计划的规模效率均在0.95以上，且规模报酬处于最佳的项目占大多数。对于科技支撑计划来说，规模报酬递增项目为483项，占计划项目数的49.90%，规模报酬不变项目数为443项，占计划项目总数的45.76%，因此增加投入会为科技支撑计划来的项目带来更好的产出。

③按科技活动类型划评价。依据科技计划项目的活动类型，分别按照基础研究、应用研究、试验发展、研究与试验发展成果应用、技术推广与科技服务，对“十三五”期间科技计划项目的实施效果进行进一步分析，得到表4所示结果。

表4 “十三五”期间各科技活动类型科技计划绩效评价结果

从综合效率来看，不同活动类型项目的综合效率差别较大，应用研究类项目的综合效率均值最高，达到0.950；其次是技术推广与科技服务类项目，综合效率均值达到了0.914。从DEA有效占比来看，应用研究的DEA有效占比最高，达到了83.33%，表明多数应用研究类项目对投入资源的利用达到了有效；试验发展、研究与试验发展成果应用、技术推广与科技服务的DEA有效占比分别是51.30%、41.83%，41.25%，较多的项目未达到DEA有效，因此，这类项目仍需进一步提升资源利用能力，进一步将科技投入转化为科技产出。

从纯技术效率来看，不同科技活动类型项目的纯技术效率较为稳定，且效率值都比较高，充分反映了各类型项目的治理水平较高，项目绩效整体水平较好。从规模效率来看，几种类型项目的规模效率都在0.8以上，规模效率整体较高。但从规模报酬来看，试验发展、研究与试验发展成果应用、技术推广与科技服务这几类有较多的项目处于规模报酬递增状态，说明这些项目受到投入规模或是资源配置的限制。因此，在纯技术效率保持基本稳定的情况下，上述类型的项目要关注其规模效率，通过提升规模效率进而达到提升项目绩效的目的。

3 结论

应用DEA方法，可以获得被评价对象的总体效率，分为纯技术效率与规模效率，综合效率。总体效率体现了评价对象投入产出的有效性，是对评价对象资源配置能力、资源使用效率等多方面能力的综合衡量与评价；纯技术效率反映的是被评价对象由于管理和技术等因素影响的效率；规模效率反映的是由于规模因素影响的效率，如投入不足等。“十三五”期间该地区科技计划项目较多，开展分类评价，可以更好地针对不同类别的项目进行分析，更有针对性地找出问题。

通过对该地区科技计划项目按照承担单位性质的分类评价，可以看出：高等院校承担项目的综合效率值较高，企业效率值相对较低，进一步分析是由于企业的纯技术效率较低，企业需要关注项目的日常管理水平。按科技计划类别的分类评价显示：软科学及人才类项目综合效率都达到了1，科技支撑类项目效率较低，主要原因是规模效率较低，亟需增加投入。按科技活动类型分类评价，可以看出：应用研究类项目综合效率值最高，非R&D（研究与试验发展成果应用、技术推广与科技服务）项目普遍偏低，需要通过提升规模效率来提升整体水平。

通过运用DEA方法对该地区的评价，不仅找出该地区不同类别项目的效率高低，而且能进一步分析效率不足的原因。针对存在的问题，建议一是进一步强化企业创新主体地位，建立科技型中小企业—高新技术企业—科技领军企业的梯度培育体系，培育战略科技力量，带动相关产业发展；二是加强基础研究和原始创新，加大财政对基础研究投入力度，构建基础研究多元化投入机制，引导鼓励企业和社会增加基础研究投入；三是建立科研项目的绩效评价机制，制定出台绩效评价具体实施细则，完善分类评价指标，引导科研单位优化资源配置、调整机构运营模式、强化科研质量提升。