基于DEA的安徽省中央引導地方科技發展資金績效評價研究

摘 要：【目的】為明晰安徽省中央引導資金實施成效，對安徽省中央引導資金的投入產出進行分析，為安徽省中央引導資金實施方案的下一步編制和謀劃提供參考。【方法】基于2016—2021年中央引導地方科技發展專項資金項目在安徽省的投入產出情況，構建基于DEA-BCC、DEA-Malmquist模型的績效評價指標體系，對中央引導資金在安徽省省直單位和16個地級市實施成效進行實證分析。【結果】2016—2021年，安徽省中央引導資金的績效水平較高，投入產出效率良好。但隨著中央引導資金投入增加，冗余問題開始顯現。【結論】安徽省中央引導資金實施方案的下一步編制和謀劃應當完善績效評價體系、促進全省全地區協調發展、提高科技成果轉化效率，以發揮中央引導資金的積極引導作用。

關鍵詞：中央引導地方科技發展資金；數據包絡分析；績效評價；區域創新建設

中圖分類號：C934" " "文獻標志碼：A" " "文章編號：1003-5168（2024）24-0131-07

DOI：10.19968/j.cnki.hnkj.1003-5168.2024.24.025

Research on the Performance Evaluation of the Central Government’s Guide to Local Science and Technology Development Fund in"Anhui Province Based on DEA

Abstract： [Purposes] This study aims to clarify the implementation effects of central government's guide to local science and technology development fund in Anhui Province and provide a reference for the next step in the formulation and planning of the implementation plan for the fund in Anhui Province by analyzing the input-output of the found in Anhui Province.[Methods] Based on the input-output situation of the central government's guide to local science and technology development fund project in Anhui Province from 2016 to 2021， a performance evaluation index system based on DEA-BCC and" DEA-Malmquist model is constructed to empirically analyze the implementation effects of the fund in provincial agencies and sixteen cities in Anhui Province.[Findings] The research shows that the performance level of central government's guide to local science and technology development fund in Anhui Province during 2016-2021 was high， and the input-output efficiency was good. However， with the increase in the fund， redundancy began to emerge.[Conclusions] The next step in the formulation and planning of the implementation plan for central government's guide to local science and technology development fund in Anhui Province should focus on improving the performance evaluation system， promoting coordinated development across the province， and improving the efficiency of scientific and technological achievement transformation to give full play to the positive guiding role of the fund.

Keywords： central government's guide to local science and technology development fund; Data Envelopment Analysis （DEA）; performance evaluation; regional innovation development

安徽省自2016年起獲得財政部、科技部中央引導地方科技發展專項資金的資助，該資助由安徽省財政廳、省科技廳負責組織實施。自安徽省中央引導資金設立以來，該省科技創新活動投入保持著較高增速。2016—2021年，安徽省獲得中央引導地方專項資金45 300萬元，資助項目867個，涵蓋了自科基金杰青項目、重點實驗室、新型研發中心、科技扶貧、科技惠民、高新區和農業園區補助等類別。開展中央引導資金績效評價研究，對安徽省實施中央引導資金戰略部署，充分發揮中央引導資金在推動科技創新、促進經濟高質量發展方面的作用具有重要意義。

安徽省中央引導資金績效評價的難點在于中央引導資金覆蓋項目類別繁多，且各類別項目側重點各有不同。例如，重點實驗室績效目標側重于專利申請、發表研究論文、爭取國家項目、培養創新人才等指標；科技扶貧項目績效目標側重于引進推廣科技成果、科研成果轉化數、培訓和指導農業科技服務、指導和帶動新型農業經營主體等指標；“百城百園”項目績效目標側重于參加產學研科研人數、制定企業/行業標準、研發新產品等指標。本研究運用DEA模型對這類投入多、產出多的效率進行測算，并從動態與靜態的視角分析安徽省中央引導資金的實施現狀，為科技創新資源的科學化和規范化配置提供決策參考。

1 研究回顧

中央引導地方科技發展資金自2016年起在全國實施，目前國內尚未有學者發表以DEA方法開展中央引導資金實證分析的文章，但存在使用DEA方法對高校、科研院所投入產出或財政資金及其他行業績效進行研究的相關文獻，其理論及研究思路可以借鑒。

國內相關研究主要是基于1978年Charnes等［1］創建的數據包絡分析方法（DEA）來對各行業領域開展績效評價分析，主要區別在于指標構建、運用場景、模型選取等。魏權齡［2］系統介紹了DEA方法的各種模型及應用案例，同時也介紹了DEA模型指標選取的要點。余振乾等［3］依據財政資金項目的不同特點構建了不同的績效評價體系，并基于評價對象實際情況對指標進行進一步的完善。李萌萌等［4］使用層次分析法構建指標體系，對蕪湖市財政資金科研活動投入產出進行分析，提出在構建財政資金績效指標評價體系時應脫離常規的人財物及知識產權成果的傳統投入產出指標窠臼，將被評價對象潛在的投入與成果也納入投入產出指標體系內。趙慶國等［5］以DEA方法對我國不同區域高校科研情況開展績效評價，從人和財兩方面選取投入指標，從論文專著、專家授權、技術轉讓產值三方面選取產出指標，使用DEA-BCC、DEA-Malmquist模型分別對我國東中西部的靜態全生產效率及我國整體動態效率變化趨勢開展測算，并得出我國東中西部科研效率對比情況及全國整體科研動態效率變化情況，從而提出對策及建議。周廣亮等［6］以DEA方法對我國30個省級行政區的產學研開展情況進行研究，從科技成果產出、科技成果轉化兩個階段分析各部分生產效率，針對不同階段的不同生產主體提出相應的對策建議。

以上的實證研究借鑒了不同研究中關于DEA的分析方法，如投入產出指標選取，分析討論方法等，將其他行業或項目中DEA-BCC、DEA-Malmquist模型的應用模式嫁接至中央引導資金績效評價中，根據分析結果對中央引導資金的實施方向提供科學決策依據。

2 評價模型的構建

中央引導資金績效評價具有投入多、產出多的特點，使用DEA方法可以從靜態和動態不同角度有效分析績效情況和變化趨勢。文中采用BCC模型和Malmquist模型分別對安徽省2016—2021年的投入產出數據進行測算分析。

2.1 DEA-BCC模型

1978年，CCR模型首次被提出，該模型建立在資源投入規模比例與產出比例不變的基礎上，其以投入為主和產出為主的模型分別見式（1）、式（2）［7］：

之后，運籌學家對CCR模型進行了衍生，去除了以資源投入規模比例與產出比例不變的約束條件，生成新的表達式即BCC模型見式（3）：

2.2 DEA-Malmquist模型

1953年，Malmquist提出了Malmquist指數。最初該指數并沒有引起學界反響，直到Rolf Fare等人將Malmquist指數與DEA聯合后，該方法才廣泛運用于各生產、研究領域，用于決策單元動態趨勢測算。

DEA-Malmquist模型見式（4）：

全要素生產率變化（TFPCH）可測算投入資源在一定時間內整體效率情況，該指標判定臨界值為1，以此來判定效率提高或下降［8］，公式見式（5）。

技術效率變化（EFFCH）為全要素生產率變化的一個因素，其計算公式見式（6）。

綜上所述，Malmquist模型見式（7）：

TFPCH=EFFCH×TECHCH=PECH×SECH×TECHCH （7）

DEA-Malmquist模型可以在DEA-BCC模型靜態橫向比較的基礎上，對測算對象進行動態的縱向比較，從另一個視角捕捉測算對象的發展變化趨勢，從而為多角度科學決策提供依據。

2.3 指標選取

中央引導資金績效評價的難點在于中央引導資金支持覆蓋項目類別繁多，各類別項目側重點各有不同。對于此類多投入多產出的效率測算，基于指標構建的科學性、可比性、可操作性等原則，本研究構建了如表1所示的投入產出指標。

安徽省中央引導地方科技發展資金支持項目領域較廣，不同類別的項目其績效指標側重點各不相同。本研究在現有文獻和先前研究的基礎上，考慮到數據的可用性、可信度及中央引導資金的特點，選取中央引導資金支持項目在安徽省中央引導資金績效評價工作組的績效評價得分與帶動投入配套資金作為產出指標；同時選取安徽省2016—2021年對省直單位與全省16個地級市支持的項目金額與項目數作為投入指標，以便準確真實地反映中央引導資金的實際投入情況。并且，通過整理安徽省中央引導資金專項審計報告，得出投入產出數據。

3 安徽省中央引導資金績效實證分析

3.1 綜合效率分析

從總體上看，2016—2021年中央引導資金的績效水平較高，投入產出效率良好，獲得資助的省直單位和全省16個地級市的引導資金實施綜合效率六年平均值都高于0.75，全省分析單元引導資金綜合效率六年平均值高于0.800的占比82%（見表2）。通過對全省省直單位及16個地級市的引導資金使用效率進行為期6年的綜合評估，得到平均效率值為0.881。這一數據表明，在維持當前產出水平的前提下，中央引導資金的投入可以減少12%，而不影響產出效果。這指出安徽省在中央引導資金的使用上可能存在一定的冗余。

本研究分析了省直單位及全省16個地級市的引導資金投入產出效率，通過六年的平均數據揭示了各單位間效率的顯著差異。這些差異顯示出省內發展不均衡的現狀。特別是8個單位（如DMU14、DMU17、DMU24）的效率平均值達到或超過0.900，接近DEA有效邊界，表明這些單位的中央引導資金使用已接近最優產出效率。相反，以0.750為效率的基準線，蕪湖（0.776）、池州（0.783）、銅陵（0.796）的效率則低于此標準，說明這些地區在使用中央引導資金方面存在提升空間，尚未實現資金使用效率的最優化。

此外，單就2021年安徽省引導資金實施綜合效率值來看，在對省直單位及全省16個地級市的引導資金投入產出效率進行分析后，發現效率差異較為明顯。特別是有4個地市的綜合效率達到了1.000，這占到了所有樣本的24%；綜合效率為0.900～1.000的有省直單位和9個地級市，占樣本總量的53%；有3個地級市在2021年未獲得中央引導資金資助，綜合效率為0.000。

3.2 純技術效率分析

根據表3的數據，安徽省中央引導資金的純技術效率在過去六年的幾何平均值為0.903，表明與最優效率水平相比，還有10%的提升空間。在省直單位和全省16個地級市的純技術效率方面，省直單位和合肥市的表現最佳，已經達到了帕累托最優狀態。相比之下，蕪湖的純技術效率較低，其三年平均值為0.793，顯示在純技術效率方面有較大的提升空間。

2021年安徽省的純技術效率分析揭示了省內各地市在這一指標上的細微差別。具體來說，有7個地區，包括省直單位和6個地級市，達到了最高效率水平，占總體樣本的41%。另外，有6個地級市的純技術效率在0.900～1.000，占樣本的35%。安慶市的純技術效率相對較低，2021年的數值為0.845。而銅陵、黃山和淮北由于2021年未獲得中央引導資金，其純技術效率未能計算，顯示為0.000。

3.3 規模效率與規模報酬分析

從總體上看，2016—2021年間安徽省中央引導資金規模效率平均值為0.967，規模效率值較為理想，但這也表明約有1 494.9萬元中央引導資金沒有得到應有產出。除池州、亳州以外，省直單位和全省其他地級市的六年平均規模效率值基本趨同，這表明全省其他地市和省直單位規模效率處于同一水平。

此外，單就2021年的規模效率來看（見表4），除去當年未獲得中央引導資金支持的淮北、銅陵、黃山，省直單位和全省其他地級市的規模效率差異也相對較小。在2021年安徽省中央引導資金投入產出的規模報酬方面，省直單位和6個地級市處于規模報酬遞減狀態，即這些地區投入資源比例低于產出資源比例；其他10個地級市處于規模報酬不變狀態，說明這些地區增加投入資源比例等于新增產出資源比例，規模效率高于之前規模報酬遞減的省直單位與6個地級市，所以應加大處于規模報酬不變的10個地級市的中央引導資金的投入力度，使中央引導資金產出效率達到最優。

3.4 投入產出效率動態分析

對2016—2021年安徽省中央引導資金實施數據利用DEA-Malmquist模型進行測算，依據測算值分析中央引導資金在這段時間的實施效率變化。

將數據區間設置為2016—2021年，測算了2016—2017年、2017—2018年、2018—2019年、2019—2020年和2020—2021年安徽省中央引導資金實施Malmquist指數，根據DEA-Malmquist模型的計算結果，整理并制作了表5。

表5的數據揭示，2016—2021年，安徽省中央引導資金的投入產出效率整體呈上升趨勢，全要素生產率變化指數平均值為1.153。具體來看，2016—2017年、2017—2018年、2019—2020年的全要素生產率變化指數分別為0.872、0.791、0.939，顯示技術進步的降幅分別為13%、21%、6%。2018—2019年、2020—2021年，全要素生產率變化指數顯著增長，分別為2.019和1.559，技術進步年均增幅為102%和56%。

這表明，2018—2019年及2020—2021年的技術進步顯著，是推動全要素生產率上升的主要因素。因此，持續提升安徽省中央引導資金的投入產出效率，關鍵在于增強項目承擔單位的技術支持和技術創新能力［9］。

為了對安徽省省直單位和全省16個地市中央引導資金Malmquist指數變化情況作進一步的分析，基于安徽省中央引導資金的Malmquist指數，取2016—2021年各指標幾何平均數繪制了表6。

從表6可以看出，2016—2021年安徽省中央引導資金有10個地級市和省直單位的全要素生產率變化指數是大于1的，說明在2016—2021年省直單位和這些地市中央引導資金的投入產出效率是逐年提高的。

在對安徽省各地市中央引導資金投入產出效率的分析中，發現6個地級市的效率呈現下降。這些地市可按效率下降的原因分為兩類：第一類包括淮南、淮北、銅陵、阜陽、宣城等城市，這些地區2016—2021年的技術進步指數未達1.000，說明其提升科技創新能力的必要性，以促進地區高質量發展。第二類是池州，同一時期技術效率和進步指數均低于1.000，這表明該地區需聚焦于提升技術研發和整體技術能力，優化產業技術導向和資金分配策略。

4 結語

本研究構建了安徽省中央引導資金績效評價體系，對2016—2021年全省省直單位及16個地級市的中央引導資金實施績效進行實證研究，從靜態和動態兩個維度進行分析，得出以下結論：從實證分析結果總體上看，2016—2021年安徽省中央引導資金的績效水平較高，投入產出效率良好。隨著中央對長三角地區科技創新水平重視程度的不斷提高，對安徽省的科技創新發展資金投入也越來越多，2021年安徽省獲得的中央引導資金總數首次突破1億元。安徽省中央引導資金隨著資金投入的增加，原本的資金短缺問題得到了緩解，但同時，資金使用效率的問題開始顯現，資金分配可能存在過剩的情況。此外，安徽省16個地級市、省直單位投入產出差異顯著，部分地市在中央引導資金的資源配置能力和資源使用效率方面仍有提升的空間。為提升技術創新能力，這些地區應專注于技術進步和革新，優化中央引導資金的配置和投向，以促進技術發展和資金效率。評價體系為改進安徽省中央引導資金實施規劃提供了科學決策依據，因此本研究提出以下建議。

4.1 完善引導資金績效評價體系

為了解決引導資金績效評價體系不完整和評價結果應用不足的問題，建議開發一個多層次、相互補充的綜合評價指標體系。這個體系應包括標準化的通用指標，并細化指標的具體指導方法，明確各項指標的定義、量化標準和評分方法。這樣的模型和體系應能夠滿足各級科研項目的考核需求，適用于項目結題驗收和立項初期的評估。通過提高評價效率和結果的合理性，可以更好地利用績效評價來促進管理效能的提升。

4.2 促進全省科技創新協調發展

面對我省科技創新地區發展不平衡的實際情況，地區科技管理部門應當因地制宜，充分發揮當地特色環境資源、科技資源、人才資源及優勢產業等，編制適宜當地條件的科技創新發展規劃［10］。地區科技管理部門應當把握中央引導資金支持的大方向，提前謀篇布局，努力將本地區科技發展規劃融入全省科技創新規劃藍圖中，發揮出中央引導資金促進地區科技創新發展的作用。

4.3 推動科技成果轉移轉化

科研項目的實施目的是發展生產力，中央引導資金支持科研項目產出的科研成果要由科技管理部門組織產學研單位合作積極轉化落地。要將科技成果轉移轉化作為重要指標來衡量中央引導資金實施成效，對成果轉化力度大的組織部門或單位，可考慮滾動追加中央引導資金支持。科技管理部門要健全科技成果轉移轉化機制，推動全省科研成果賦權改革，加速科技成果交易大市場的建設，組織高水平科技成果轉化經紀人隊伍，出臺科技成果轉化激勵政策［11］。中央引導資金可借助安徽省科交會、安徽技術交易大市場、羚羊工業互聯網平臺、國家博士后揭榜掛帥平臺等推動全省科技成果轉移轉化，將科技成果落地為社會生產力，這對于優化中央引導資金循環生態具有重要意義。

參考文獻：

［1］CHARNES A，COOPER W W，RHODES E L.Measuring the efficiency of decision making units［J］.European Journal Of Operational Research，1978，2（6）：429-444.

［2］魏權齡.數據包絡分析［M］.北京：科學出版社，2004.

［3］余振乾，余小方.地方財政科技支出績效評價指標體系構建及其實施［J］.中國軟科學，2005（4）：63-69.

［4］李萌萌，尹政平.基于層次分析法的財政科技投入績效分析：以蕪湖市為例［J］.吉林省經濟管理干部學院學報，2016，30（5）：16-19.

［5］趙慶國，何佳.我國不同區域高校科研績效評價：基于超效率DEA模型和Malmquist指數法［J］.技術與創新管理，2020，41（6）：581-587.

［6］周廣亮，趙叢郁，陳昱，等.我國產學研協同創新績效評價及空間格局分析：基于兩階段DEA及Malmquist指數［J］.信陽師范學院學報（自然科學版），2022，35（2）：217-223.

［7］李鐳，雷良海.地方政府債務支出效率評估：基于DEA-Malmquist模型的分析［J］.科技和產業，2021，21（12）：47-52.

［8］牛君，劉智.湖南省文化產業投入產出效率實證分析：基于DEA-BCC和Malmquist指數模型［J］.湘南學院學報，2021，42（2）：35-41.

［9］趙立雨，苗思佳，吳婷.基于DEA-BCC與Malmquist的陜西省制造業綠色技術創新效率評價［J］.未來與發展，2020，44（8）：6.

［10］張小寧，張自強，滕雅瓊，等.試析中央引導甘肅省科技發展專項資金實施成效［J］.甘肅科技，2019，35（19）：4-8.

［11］劉志迎，張勇.安徽13個五年規劃（計劃）期發展與“十四五”發展對策［J］.理論建設，2019（6）：37-43