江西省重点实验室投入产出效率研究

2024-05-23陈颖马临

河南科技 2024年6期

陈颖马临

摘要：【目的】江西省重点实验室正开展重组工作，需对各个重点实验室投入产出效率进行研究，为实验室重组提供参考依据。【方法】基于江西省重点实验室2021年度统计报表，从科技创新投入、科技创新产出两个方面构建投入产出效率指标评价体系，运用投入导向的DEA-CCR、DEA-BBC模型进行测度。【结果】江西全省239家省重点实验室只有109家DEA效率值为1。按依托单位类型测算，科研院所类实验室DEA效率值最低，按领域类型测算，地球科学类实验室DEA效率值最低。【结论】江西省重点实验室投入产出效率并不高，且存在资源浪费。建议着重提高医院和科研院所类以及地球科学、化学科学、生物科学三领域重点实验室的资源投入产出能力。

关键词：重点实验室；投入产出效率；DEA模型

中图分类号：F124.3 文献标志码：A 文章编号：1003-5168（2024）06-0145-05

DOI：10.19968/j.cnki.hnkj.1003-5168.2024.06.028

Research on Input-output Efficiency of Key Laboratory of

Jiangxi Province

CHEN Ying MA Lin

（ Jiangxi Institute of Science and Technology Information， Nan Chang 330000， China）

Abstract：[Purposes] As the key laboratory of Jiangxi Province is carrying out the reorganization work， it is necessary to study the input-output efficiency of each key laboratory to provide reference for the laboratory reorganization. [Methods] Based on the annual statistical report survey of key laboratories in Jiangxi Province， this paper analyzes and studies the construction situation， human resources， scientific research capacity， scientific and technological achievements， and open exchanges and cooperation of key laboratories in Jiangxi Province. The input-output efficiency index evaluation system is constructed from two aspects of scientific and technological innovation input and output， and the input-oriented DEA-CCR and DEA-BBC models are used to measure. [Findings] Among 239 provincial key laboratories in the province， only 109 have a DEA efficiency value of 1. According to the measurement of supporting units， the DEA efficiency value of scientific research institute laboratories is the lowest， and the DEA efficiency value of earth science laboratories is the lowest. [Conclusions] The input-output efficiency of key laboratories in Jiangxi Province is not high， and there is a waste of resources.It is suggested to strengthen the output capacity of resources input in hospitals and research institutes， as well as key laboratories in the fields of earth science， chemical science and biological science.

Keywords： key laboratory; input-output efficiency; DEA model

0 引言

國内外学者对投入产出效率的理论和实践进行了深入的研究分析。辛督强［1］运用DEA模型对2003—2010年国家重点实验室科研投入产出进行分析，发现国家重点实验室整体科研投入产出效率不高，且有逐年下降的趋势。程苹等［2］以2012—2016年99家企业国家重点实验室工作总结报告的投入产出效率截面数据为依据，运用DEA-BBC模型构建各个领域的投入产出效率指标体系，并结合企业国家重点实验室实际评估结果，分不同领域进行研究，得出了各个领域的投入产出效率趋势。赵晓萌等［3］以2013—2018年广东省197家重点实验室为研究对象，建立了人才队伍建设、科研学术研究、科技创新研发、成果转移转化4个评估体系，分别采用DEA-CCR和BBC模型进行测算，发现不同评估体系下效率特征存在明显差异。

1 研究目的

江西省重点实验室是江西省科技创新体系的重要组成部分，是全国重点实验室的有益补充和后备军，是开展高水平基础研究、应用基础研究、前沿技术研究，引领行业技术创新，聚集和培养优秀科技人才，开展学术交流的省科技创新基地［4］。江西省重点实验室在江西省学科建设和产业发展中发挥了重要作用，也为推动创新型省份建设做出了积极贡献。

2023年7月江西省科技厅印发了《江西省重点实验室优化重组方案》，提出根据省重点实验室发展战略定位，构建差异化评价指标体系。以严格准入标准和建设要求为前提，按照确保质量、严控数量的原则，通过“提升、调整、整合、撤销、新建”的方式，对现有省重点实验室进行优化，实现提升一批、调整一批、整合一批、撤销一批、新建一批“五个一批”的要求［4］。目前，科技部每3年组织一次已认定的省级重点实验室考核评估工作，对平台整体运行状况进行评价。要推进省重点实验室实现“五个一批”，必须了解各个实验室的发展状况以及投入产出效率，为实验室重组提供有效的理论和实证依据。如何科学、合理、有效地开展投入产出效率评价研究，是当前和今后一段时期省级科技主管部门关注的重要内容，也是省级科技计划体系的重要构成要素。

2 实证研究

2.1 指标体系的构建

本文以江西省2021年度统计数据报告完整的239家省重点实验室为研究对象，以年度统计数据报告为数据基础，结合江西省重点实验室优化重组方案内容，建立了科技创新投入、产出指标体系。首先，分析239家省重点实验室当年的投入产出效率；其次，将省重点实验室按依托单位类型、产业领域类型进行分类，分析不同类型的重点实验室投入产出效率。为进一步对重点实验室进行综合评估及实验室优化重组提供建议。

科技创新投入即人、财、物三方面的投入。因此从人力投入、财力投入和物力投入三方面考虑指标的选取［5］。人力投入指标选取R&D人员数、科技活动人员数、各类领军人才数3个能代表实验室科技创新能力的指标；财力投入指标选取当年运行经费、科研经费筹集额、R&D经费内部支出3个指标；物力投入选取科学仪器设备原值、试验场地面积两个指标。

科技创新能力是一个国家科技实力的重要体现，同时科技创新成果是科技创新能力的体现。因此，科技创新成果越多，一个国家或地区的科技创新能力则越强［6］。从学术研究产出、创新成果产出、成果转化产出3个方面来表示科技创新产出。其中，学术研究产出以获省部级及以上科技奖励数、发表论文和专著数为三级指标，创新成果产出以制定行业标准数、发明专利授权为三级指标，成果转化产出以成果转化项目数、成果转化实现年销售收入为三级指标（见表1）。

2.2 研究方法

本文选用DEA模型和DEA-XP1软件对江西省重点实验室投入产出效率进行实证分析。DEA方法具有两个优势：一是适用于多产出、多投入的效率评价问题；二是可以不对数据进行无量纲化处理，直接使用原数据进行建模［7］。DEA模型包含规模报酬不变（CCR）模型和规模报酬可变（BBC）模型两种。采用CCR模型测算得出技术效率值，采用BBC模型测算得出纯技术效率值，技术效率值比纯技术效率值得到规模效率值，用于分析规模配置对产出的影响［7］。本文分别采用CCR、BCC模型进行测算，综合分析江西省重点实验室的技术效率、纯技术效率和规模效率，从技术管理和规模投入两方面综合分析实验室投入产出情况。

DEA模型按导向性可分为投入导向和产出导向两个类型。投入导向是指在产出组合一定的前提下，用最小投入和实际投入之比估算可以减少的投入量；产出导向是指在投入组合一定的前提下，用实际产出和最大产出之比估算可以增加的产出量。在实际情况下，产出量往往不可控制，而投入量相对来说在可控范围內，所以本文采用以投入为导向的CCR和BBC模型。

2000—2022年，江西省共有241家省重点实验室，本文选取2021年度统计报告数据完整的239家进行研究。按依托单位类型分为企业、科研院所、高校、医院等四大类，分别有32家、30家、143家、34家，各类型占比情况见图1。按产业领域分为材料科学、信息科学、化学科学、医学科学、工程科学、生物科学、地球科学等七大类，分别有30家、19家、15家、63家、51家、50家、11家，各类型占比情况见图2。

3 结果与分析

3.1 各实验室DEA效率分析

采用以投入为导向的CCR和BBC模型分别计算得出239家江西省重点实验室的投入产出效率值，效率区间分布如表2所示。效率值为1的DEA有效，共有109家，占比45.61%，说明仅有109家重点实验室各项投入得到了充分利用，投入产出比最大。其余130家重点实验室DEA效率值均未达到1，说明这些重点实验室DEA无效，各项投入未得到充分利用。其中有47家重点实验室效率值在0.4以下，占比近五分之一，说明这些重点实验室投入产出效率很低，存在资源浪费现象，亟须整改［8］。

3.2 不同依托单位的DEA效率分析

对239家重点实验室按依托单位类型进行分类，计算得到4个不同依托单位类型的相对效率值。计算结果见表3。

根据计算结果，可将重点实验室按DEA效率值分为两类：

①企业和高校。企业和高校的技术效率值均小于1.000，纯技术效率值均为1.000，为弱DEA有效。这两类重点实验室中DEA效率值为1.000的实验室数量占比最高，说明这两种依托单位的重点实验室对管理和技术进行了较为有效的利用。但规模效率递减，此时增加投入量不可能带来更高比例或同比例的产出，应适当缩减投入规模，使其达到规模有效［9］。

②科研院所和医院。科研院所和医院的技术效率和纯技术效率均小于1.000，为非DEA有效。这两类重点实验室中DEA效率值为1.000的实验室数量占比较低，说明这两种依托单位的重点实验室在管理和技术上未达到最佳利用状态，投入虽多，产出能力却不足，存在资源浪费。其中，技术效率值最低的为科研院所类，说明其资源配置水平和结构需要进行调整。规模效率递增，说明此时适当增加投入量，产出量将有更高比例的增加［10］。

3.3 不同领域的DEA效率分析

对239家重点实验室按领域类型进行分类，计算得到7个不同领域类型的相对效率值。计算结果见表4。

根据计算结果，可将实验室按DEA效率值分为三类：

①信息科学领域属于第一类。该领域的技术效率、纯技术效率、规模效率均为1.000，属于DEA有效。说明该领域的重点实验室对管理和技术进行了有效利用，投入产出效率达到最优，在现有运行机制下可以稳定、高效地将投入转化为产出。

②材料科学、工程科学、医学科学属于第二类。此3个领域的技术效率均小于1.000，纯技术效率为1.000，为弱DEA有效。说明这3个领域的重点实验室对管理和技术进行了比较有效的利用，后期可以通过增加投入来增加产出数量，从而达到DEA有效。

③地球科学、化学科学、生物科学领域属于第三类。这3个领域的技术效率、纯技术效率、规模效率值均小于1，为非DEA有效。说明这3个领域重点实验室的管理和技术水平都不是最佳状态，投入多，产出少，未达到效率最佳。这3个领域的投入产出效率各不相同，若仅仅依靠增加投入并不能有效地提高产出能力，还要从技术、管理两个方面进行整改才能提高投入产出效率［11］。

4 江西省重点实验室存在的主要问题

4.1 缺乏顶层设计

江西省重点实验室的研究方向由申报单位根据自身的研究方向自下而上申报确定，缺乏总体布局。由于缺乏引导性，省重点实验室与江西省经济、社会发展的重点工作对应性不强，电子科学与器件、虚拟现实、钢铁材料、碳达峰碳中和、地下水污染防治等领域均无省重点实验室，对经济、社会发展的支撑度不够。另外，在申报过程中缺乏与已批建的省重点实验室的查重对比，造成现有省重点实验室研究领域存在一定程度的交叉重复。

4.2 研究方向对产业支撑度不高

江西省重点实验室已建设20余年，其间，随着学科的发展和新技术的不断涌现，部分实验室实际的研究方向与当初设立时确定的研究方向差异较大。还有一些重点实验室的研究方向过于狭窄，对产业支撑度不高，且与省重点实验室的要求有一定差距。

4.3 评价考核体系不健全

《江西省重点实验室管理办法》明确要求省重点实验室在批准组建后有3年建设期，3年建设期满需要进行验收。此后，每年都要填报年度报告，且3年进行一次评估考核。但现实中，各重点实验室并没有每年都填写年度报告，3年一次的评估也没有按时执行，2017年后甚至并未进行评估考核。年度报告、定期评估制度未完全执行，导致部分实验室人员变更、依托单位变更、依托单位主管部门变更等，对实验室的运行产生了不利影响。

5 江西省重点实验室发展建议

本文结合DEA模型评价结果，对重点实验室重组提出以下建议以供参考。一是着力提升DEA效率值在0.8～1之间的24家重点实验室。这类重点实验室虽未达到完全有效，但表现良好，可通过加强管理、健全评估体系等方式提高运行效率，达到DEA有效。二是重点调整依托单位为医院、科研院所以及领域为地球科學、化学科学、生物科学的重点实验室研究方向。将研究方向不符合原发展方向、研究方向狭窄、对产业支撑度不高的重点实验室进行调整，引导各依托单位、各领域的研究方向与江西省社会经济的需求相结合。三是在DEA效率值为0.4～0.6的重点实验室中选择部分与效率值高、研究方向相近、关联度较大的重点实验室进行整合，支持省重点实验室跨单位联合申报，将独立研究向集群研究转变。四是重点核查DEA效率值在0.4以下的重点实验室，若持续三年无产出或低产出，可考虑撤销。五是面向科技前沿，不设领域和方向，自由申报，严把遴选标准，充分挖掘江西省具有颠覆性和前瞻性的新兴技术研究领域和研究团队［12］。

6 结论

通过投入导向的CCR和BBC模型评价测算发现：239家江西省重点实验室中仅109家资源投入实现了产出最优效率，占比45.61%；47家重点实验室DEA效率值在0.4以下，占比19.67%。近五分之一的重点实验室投入产出效率非常低，考核的6项产出指标中，大部分只有一两项有产出，其他项都为零，这些重点实验室是否处于正常运行状态还须进一步核查。总体来说，缺乏顶层设计、管理机制不完善、研究方向对产业支撑度不高、考核评估体系不健全等原因导致江西省重点实验室投入产出效率总体不高，科研资源存在严重浪费现象，但同时也说明江西省重点实验室在产出上拥有巨大潜力。

参考文献：

［1］辛督强.基于DEA的国家重点实验室投入产出效率评价［J］.实验技术与管理，2014，31（4）：220-223.

［2］程苹，卢凡，汤高飞，等.企业国家重点实验室科研效率评价模型研究［J］.中国基础科学，2018，20（5）：51-56，62.

［3］赵晓萌，周俊杰，陈钰莹，等.不同投入产出评估导向下的广东省重点实验室运行效率研究［J］.科技管理研究，2021，41（15）：74-80.

［4］江西省科学技术厅.关于印发《江西省重点实验室优化重组方案》的通知［EB/OL］.（2023-07-13）［2023-11-12］.https：//www.jiangxi.gov.cn/col/col396/index.html

［5］盛静.京津冀工业废气污染治理投资效率及影响因素分析［D］.石家庄：河北经贸大学，2018.

［6］赵文会，王炜.基于DEA模型的高校实验资源投入产出有效性评价［J］.辽宁师范大学学报（自然科学版），2016，39（2）：156-162.

［7］张艺.Comparative Study on Input and Output Efficiency of Science and Technology Innovation in Beijing， Tianjin and Hebei Province［D］.保定：河北大学，2016.

［8］李雅丽.Study on ScienceFinance Input-output Efficiency Based on the DEA Method［D］.南昌：江西师范大学，2013.

［9］李妙妙，李昀.基于数据包络分析法的北京市共建重点实验室效率评价［J］.科技管理研究，2014，34（4）：48-52.

［10］李妙妙.北京市共建科学研究与科研基地建设评价研究［D］.北京：北京林业大学，2013.

［11］宋帅官.基于DEA模型的生物医药企业创新效率：对辽宁的调查和分析［J］.党政干部学刊，2012，（11）：71-75.