基于DEA方法的地方綜合院所R&D投入產出效率研究

2014-04-29 00:00:00王麗芳

科技創新與應用 2014年28期

摘要：建立地方綜合院所RD投入產出效率評價體系并通過實證研究，對得到的院所RD投入產出效率評測結果進行深入剖析，為院所提升創新能力提供決策參考。

關鍵詞：院所；創新；評價

地方科研院所是國家創新體系的重要組成部分和區域創新體系的中堅力量，是知識創新和技術創新的重要源頭。近年來，隨著整體科技水平和科研實力的不斷提高，國家對各類科研院所的重視程度逐漸提高，科研投入力度逐年增強。作為國家科技創新體系中的關鍵力量，各類科研院所集聚了大量科研人才、科技成果，承擔著國家主要科技創新和技術研發工作。

地方科研院所不僅是國家，同時也是區域創新體系的重要組成部分，擔負著以科技支撐經濟社會發展的重要使命。北京市科學技術研究院（以下簡稱“北科院”）作為全國最大的省級綜合性科研院，圍繞經濟社會發展（特別是北京地區）需求進行的應用開發研究形成了科技事業獨特的優勢。到目前為止，北科院在公益科技服務、公共技術研發、科普惠及民生等方面已經成為首都區域經濟社會發展中一支不可或缺的生力軍和突擊隊。

RD作為科技創新活動的核心部分，在提高院所的科技競爭力中發揮著越來越重要的作用。機構在重視RD投入量增加的同時，更需要關注RD資源的有效利用程度，所以對RD投入產出效率的評估問題日益受到了研究人員的關注。

本研究中利用了數據包絡分析方法（DEA）這種新的非參數統計分析方法來作為對RD效率測度的主要研究方法，利用RD投入產出指標來測度和評估科技創新績效，可以為最優化科技資源的配置，提高科技資金和人力資源的使用效率提供參考和依據。

1 DEA方法的基本理論及數學模型

1.1 基本理論

DEA方法是一種非參數的客觀評價方法，它是由美國運籌學家A.Charnes和W.W.Cooper等學者于1978年在“相對效率評價”的基礎上發展起來的一種新的系統分析方法。DEA方法屬于運籌學研究的領域，它主要采用數學規劃方法，利用觀察到的樣本數據，對具有相同類型的多投入、多產出的決策單元（Decision Making Units，簡稱DMU）進行生產有效性評價或處理其他多目標決策問題。它通過保持決策單元的輸入或輸出不變，借助于數學規劃將DMU投影到DEA前沿面上，并通過比較決策單元偏離DEA前沿面的程度來評價它們的相對有效性。DEA方法不必事先設定決策單元的具體輸入輸出函數，在測定若干決策單元的相對效率時，所得出的相對效率是其最大值，所得出的權重也是最優的，因此，DEA方法是評價多輸入多輸出問題的一種十分有效的方法。該方法近年來被廣泛運用到技術創新、資源配置等各個領域。

從經濟學角度看，DEA利用績效相對好的DMUs構造了生產函數的前沿面，它可以有效測度出非DEA有效的DMUs仍然存在的潛在發展能力，進而改善該DMU的效率，即在現有資源的基礎上能提供產品和服務的最大量，或者是為了滿足產品和服務需求，所需要投入資源的最少量。效率作為績效評估標準，反映了一個部門或機構將多種投入資源轉化為多種產出或服務的相對能力。

1.2 數學模型

美國學者Cooper，Charnes等（1978）根據Farrell的模型，將Farrell（單一投入產出）衡量效率的方法擴展到“多項投入/多項產出”，即所謂的CCR模式。繼CCR模式后Banker，Charnes Cooper（1984）提出BCC模式，擴大CCR模式效率觀點與運用范圍，因為CCR模式無法說明一個具弱效率的DMU，其弱效率是由技術無效率或者規模效率所造成的。針對CCR模式所假設的固定規模報酬（Constant Return to Scale，CRS）放寬為變動規模效率（Variable Return to Scale，VRS），即部分的投入增加，不會使得產出項也會有相對一部分的增加，引用Shephard（1970）距離函數觀念，導出與CCR相同的模式。此模式可計算出DMU的純技術效率（Pure Technical Efficiency），規模效率（Scale Efficiency）及規模報酬（Returns to Scale）。BCC模型如下所示：

2 評價指標體系設計

2.1 設計原則

文章基于DEA方法評估地方綜合院所RD投入產出活動的效率，以北科院為例，選擇指標和體系設計的基本原則如下：

2.1.1 科學性原則。評價指標體系應盡可能客觀的反映被評價事物，正確揭示評價對象的本質特征。

2.1.2 可比性原則。評價指標體系在被評價對象之間具有可比性，要求統計口徑、統計范圍要一致。

2.1.3 可行性原則。評價指標數據具有可采集性，以及評價方法具有可操作性。

2.2 指標的選取

按照上述評價指標體系設計的原則，文章建立了一個RD投入產出效率評價指標體系，根據DEA，其中的指標可分為兩類，即投入指標和產出指標。并遵循通常參考集元素的個數不少于輸入、輸出指標總數的兩倍為最佳的標準。選取RD活動經費內部支出和RD活動人員折合全時當量這兩個指標作為投入指標，反映RD創新的直接成果的申請發明專利數和發表科技論文作為產出指標。

3 實證分析

3.1 相關性分析

首先對投入產出項做相關性分析，以2001-2012年的北科院RD投入指標數據和產出指標，用excel數據分析功能中的相關系數做測定，結果如表1：

表1 投入產出項相關系數表

相關系數是變量之間相關程度的指標。相關系數用希臘字母？酌表示，？酌值的范圍在-1和+1之間。？酌>0為正相關，？酌<0為負相關。？酌=0表示不相關；？酌的絕對值越大，相關程度越高。通過上表的相關系數分析可知，各投入產出項為正相關關系，符合研究要求條件。

3.2 RD投入產出效率測度結果

通過相關性分析驗證后，文章用DEA方法的BCC模型對RD投入產出數據進行處理，具體結果見表2。

表2 北科院RD投入產出效率DEA評估結果

注：綜合效率（crste）是指不考慮規模收益時的技術效率；純技術效率（vrste）是指考慮規模收益時的技術效率（純技術效率）；規模收益（scale）是指考慮規模收益時的規模效率，純技術效率和規模效率是對綜合效率的細分。規模收益中，irs表示規模收益遞增；drs表示規模收益遞減；-表示規模收益不變。

通過模型的評估結果分析，北科院2007、2010和2012年出現規模效益遞減現象，這意味著在這三年中存在經費投入過高、人員冗余、投入/產出結構不合理以及科研效率偏低的現象。針對這些問題，院管理層應加強科學管理制度，充分利用現有資源和設備、充分調動人員積極性來提高科研系統的運行效率，增強創新能力及競爭力。

3.3 不同投入產出指標組合

DEA方法對效率值的測定很大程度上依賴于各投入和產出指標的組合，因此通過研究不同投入產出組合模型的效率值變化，可以從不同角度考察不同時期RD活動中的優勢和劣勢。由此，文章建立4個不同組合的DEA效率測度模型如表3所示：

表3 RD效率測度模型的投入產出指標組合

根據表顯示了不同投入和產出指標組合的DEA模型，通過DEA方法計算不同指標組合的RD效率值，運行結果如表4所示：

表4 不同指標組合的RD效率值

依據不同指標組合的RD效率值利用分層聚類法在SPSS11.0分析結果得出以下分類結果如表5：

表5 RD效率聚類結果

根據以上聚類結果，本研究中將這12年的發展分為三類，即綜合高效型、論文高效型和低效型：

（1）綜合高效型：這個階段在2009年、2011年和2012年。發展特征表現在人力效率、資本效率、論文效率和專利效率值都很突出，在各方面的發展表現相對很好。

（2）論文高效型：這個階段在2001年、2003年、2008年和2010年。這幾年在發表科技論文方便表現較好，論文效率相對較高。

（3）低效型：這個階段在2002年、2004年、2005年、2006年和2007年。這幾年在人力、資本投入及專利、論文產出效率都相對較低。

從聚類分析的結果來看，2007年以前北科院在資金和人力投入及專利和論文產出方面都相對薄弱，2008年以后RD投入產出效率得到較大改善，說明北科院向著一個較優的結構不斷發展，科技創新能力不斷提升，為北京地區科技發展作出積極貢獻。