投入-产出效率（共12篇）
投入-产出效率 篇1
1 引言
近年来, 广东省区域创新能力不断增强。广东在国内率先出台《广东省实施自主创新促进条例》。2012年广东的技术自给率从53.9%上升到68%, 研究与实验发展经费支出占生产总值比重从1.3%提高到2.1%。PCT国际专利受理量、发明专利授权量稳居全国第一。电子信息、新能源、高端装备制造、生态环境等重点领域的一批关键技术取得突破, 基因组、超材料、干细胞、中微子等方面创新成果跻身国际领先水平。省部院产学研合作获得显著成效, 共实施合作项目2万多项, 累计实现产值超过1.2万亿元。获得“973”首席科学家项目37项。
党的十八大报告中提出“创新驱动发展战略”, 科技作为创新驱动力的作用不断凸显。当前阶段, 广东省正处于经济结构调整的加速期、产业转型升级的攻坚期和科技创新的活跃期。截至2012年, 广东省R&D投入强度已达2.1%, 不断增加的科技投入对广东省的社会经济发展起到了积极的促进作用, 而如何追寻科技投入与科技产出的最佳平衡点, 成为了各级政府关注的重点。因此, 对科技投入产出效率进行评估, 进而指导资源的合理、高效运用具有重要意义。
由于科技活动是一个多投入、多产出的过程, 传统的投入产出比例法和参数法已不再适用, 学者们更多采用非参数法来计算投入产出效率, 而DEA模型是最常用的方法之一。通过收集相关数据, 本文从技术有效性和规模有效性角度分别对广东省2000-2012年的科技投入产出效率进行实证分析, 以期为相关部门提供参考。
2 指标体系构建
科技投入是指支持开展科技活动的投入, 即生产性投入, 主要分为人力投入和财力投入两个方面, 二者紧密联系, 相辅相成。其中, 人力投入是根本, 是促进科技发展的原动力, 财力投入是保障, 是加大人力投入的助推器。因此, 在人力投入方面, 主要选择专业技术人员数、R&D人员数和从事科技活动人员数3个指标;在财力投入方面, 主要选择科技活动经费支出总额和地方财政科技拨款总额两个指标。
科技产出是指科学研究与技术创新活动所产生的各种形式的成果, 是科技投入的直接反映, 主要包括知识产权和高新技术两个方面。其中, 科技论文和专利是知识产权的主要表现形式, 分别体现知识创造成果和技术发明成果, 而技术市场合同成交额直接反映了出售专利或技术转让所获得的收入;高新技术产业是国民经济的战略性先导产业, 其能否健康发展决定着产业结构能否顺利转型升级, 主要可以用高新技术产业总产值和新产品销售收入两个指标来衡量 (见表1) 。
3 DEA模型
数据包络法 (DEA) 由著名运筹学专家A.Charnes和W.W Copper首次提出, 是一种以“相对效率”概念为基础的多指标投入产出效益评价方法。通过构建DEA模型, 不仅可以对决策单元的有效性进行排序和评价, 还能进一步分析各决策单元非DEA有效的原因及改进方向。
假定n个决策单元DMU, 每个DMU都有m个非负输入指标和s个非负输出指标, 分别可表示为Xi= (x1i, x2i, …, xmi) , Yi= (y1i, y2i, …, ysi) , 对应的权重向量分别为Vj= (v1j, v2j, …, vmj) T, Uk= (u1k, u2k, …, usk) T, 其中i=1, 2, …, n, j=1, 2, …, m, k=1, 2, …, s, 构建的DEA (C2R) 模型如下所示:
为了便于求解, 引入剩余变量s+和松弛变量s-, 可得到相应的对偶规划模型:
4 实证分析
通过查阅广东统计年鉴、广东科技年鉴、中国科技统计年鉴及广东省科技局、统计局网站等, 获取了广东省2010-2012年的科技投入产出数据。鉴于科技产出具有滞后性, 选取滞后期为1年。
4.1 数据标准化
由于不同指标之间的差异较大且单位不同, 不具有可比性, 采用内差打分法将各指标数据进行无量纲化处理, 从而得到评价指标的规范化结果。因为选取的指标都为正向指标, 所以可以统一对指标进行如下变换, 令
其中, pij为第i年第j个指标标准化处理后的评价值, qij为第i年第j个指标的原始值, qj*max为第j个指标在所有评价年份中的最大值, qj*min为第j个指标在所有评价年份中的最小值。标准化后的结果如表2所示。
4.2 相关性分析
经验法则表明, 决策单元DMU的样本数至少是投入、产出指标之和的两倍以上时, 使用DEA方法效果最佳。因此, 利用SPSS 17.0软件分别对投入、产出指标间的相关性进行分析, 剔除相关性极强的指标, 以期精简指标体系。相关性分析的结果显示, R&D人员数与从事科技活动人员数, 科技活动经费支出总额与地方财政科技拨款总额, 高新技术产业总产值与新产品销售收入总额, 发明专利授权量与技术市场成交合同额之间的相关性分别都达到0.95以上, 因此删除从事科技活动人员数、科技活动经费支出总额、新产品销售收入总额和技术市场成交合同额这4项指标。简化后的指标体系如图1所示。
4.3 结果分析
4.3.1 效率分析
以广东省2000-2012年间每一年的科技投入产出作为决策单元, 运用DEAP 2.1软件进行求解, 可得到每一年的综合效率值、纯技术效率值和规模效率值, 见表3所示。
由表3可见, 2000-2012年, 广东省的科技投入产出效率有6年达到DEA有效 (θ=1) , 有5年处于DEA有效边缘 (0.9<θ<1) , 整体而言, 广东省的科技投入产出效率平均值达0.962, 科技资源配置基本处于相对最佳状态。
从技术效率和规模效率分别来看, 技术效率代表投入产出的转化率, 规模效率代表投入增加引起的产出增加率。在DEA无效的年份中, 规模效率不为1的年份较多, 反映综合效率的无效很大程度上由规模无效导致, 投入产出规模存在不匹配。进一步分析发现, 除2010年外, 规模无效的年份都处于规模收益递增的趋势, 说明在对科技投入加强管理的同时, 增加一定量的科技投入可以带来更高比例的科技产出。
4.3.2优化调整分析
由DEA模型的基本原理可知, 如果DMU为非有效, 则肯定存在一个从非有效到有效的调整方案。通过获取投入指标的剩余变量值和产出指标的松弛变量值, 可以得到广东省科技投入产出的优化方案, 从而提出如何量化调整投入和产出。具体如表4所示。
表4给出了DEA无效年份中, 科技投入冗余和科技产出不足的量化值。结果显示, 产出指标中, 国际三大检索工具收录论文数历年来都已达到理想数值, 从2000年的12 111篇到2012年已近30 000篇, 每年的增长率都在10%以上, 反映广东省在论文发表方面成果显著且论文质量较高;发表专利授权量在2000-2003年间与理想数值差距巨大, 产出严重不足, 但在随后的几年中逐渐趋于理想, 反映广东省在技术创新方面能力不断提高;高新技术产业总产值在某些年中也存在一定不足, 但整体而言并不明显。投入指标中, 除了2000年和2001年存在冗余过度现象外, 其他年份中基本不存在显著冗余。
参考文献
[1]魏权龄.数据包络分析[M].北京:科学出版社, 2004.
[2]王守宝.地区科技投入产出相对效率评价研究[J].东岳论丛, 2010 (7) :48-51.
[3]王莉, 李旻暾, 刘芹.基于DEA的广东省科技投入产出相对效率评价研究[J].科技管理研究, 2010 (22) :75-77.
[4]薛蔚.统计分析与SPSS的应用[M].北京:中国人民大学出版社, 2011.
[5]叶佳, 徐福缘, 李佳.产学研合作效率评价研究——基于DEA分析方法[J].技术经济与管理研究, 2013 (2) :21-24.
投入-产出效率 篇2
文/ 陆春莲
案例分析
(说明：以下案例及解析为蓝海·乐享HR俱乐部活动上资深HRM孙女士与现场HR互动的实录)
如何“贴近员工注重细节”得落实员工关怀？
实例：某连锁便利店2000年成立于上海，近几年来，由于周围越来越多的便利店开始涌现，不但于现有的店面在客源上形成了竞争，同时也造成了一些中层管理人员的流失。与此同时，为了削减管理成本，该便利店开始大量雇佣外地非城镇人员来替代现有上海籍员工，也造成了员工流失率不断升高，员工素质和客户满意度不断降低的局面。最新的员工满意度调查显示，员工对企业的满意度、敬业度已经跌至历史最低水平。请针对该连锁店的经营状况，做出一个旨在提升员工忠诚度的员工关怀计划。
员工关怀计划一
奖励优秀店长每年旅游一次。
为中高层员工提供住房补贴。
根据KPI考核，给优秀员工发放季度奖金。
捐助希望小学或图书馆。
解析：
该员工计划主要以鼓励和嘉奖中高层管理人员为主。中高层管理人员是企业的核心人才，为了保证企业的竞争力，他们的确是人力资源部门最该保留的人员。但该员工计划最大的缺陷就是为普通员工设置的关怀项目过少。要知道，单单依靠中高层管理人员是无法支撑和维持企业的建设和发展的，只有激发所有员工对工作的热情、对企业的热爱，才能统一企业的凝聚力，发挥最大价值。建议该员工计划的制定者能博、剥出部分的精力和资金，用来给员工颁发一些阳光普照类的小奖品，或定期组织全体员工进行联谊活动，让所有的员工都有参与感，能由衷得任何和融入企业文化之中。
员工关怀计划二
针对女性员工，提供插花、生理健康等培训。
为员工购买额外的保险。
按照员工级别，在员工结婚或员工家属过世时给予礼金。
每个月度给员工发放一些接近有效期的日用品，作为员工福利。
解析：
该员工计划针对企业的员工以女性为主，为女性员工提供了一些额外的福利，普及到了大部分的群体。同时也想到发放一些接近失效的日用品作为员工福利。这样做，不但企业所需负担的资金少，而且对于文化水平不高、生活水平颇低的连锁店员工来说，则是一种相当实用的福利。该员工计划比较容易引起质疑的是第三点——“按照员工级别，在员工结婚或员工家属过世时给予礼金。”面对喜事和丧事，无论员工级别的高低，他们都应该被一视同仁。员工关怀的目的之一是为了增强员工对企业的忠诚度，建议该员工计划的制定者，将第三条改成“按照员工的服务年限，在员工结婚或员工家属过世时给予礼金。”这样更能鼓励员工在企业长期服务。
员工关怀计划三
为外来员工回乡探亲报销往返车票。
建立公司基金，免息贷款给员工购置大件。
为优秀员工提供内部和外部培训，并为工龄长、服务佳的店长提供内部创业机会。在重大节日向员工家属寄送贺卡和感谢信。
在三八妇女节等特殊节日为女性员工提供休假等福利。
解析：
相较而言，该员工关怀计划考虑得最为周全、最有可能获得董事会的认可。成本低回报率高是该员工关怀计划突出的特点。首先从员工关怀项目的制定上看，给员工家属寄送卡片和感谢信的成本并不高，但它却让员工的整个家庭都感受到了企业的关怀。另外该员工关怀计划也针对了企业女性员工偏多的个性，为女性员工提供休假等额外的福利，成本也不高，但这种讲究细节的关怀却可以赢得员工对企业的信赖感和归属感。最重要的是，企业还为优秀员工提供免费培训和内部创业，在其职业发展道路上助其一臂之力。
蓝海集团专家点评：
决定员工关怀效果的因素是企业的诚意，而不是投入的资金。
员工关怀的方案要符合企业个性。
好的员工关怀可以提升员工的忠诚度。
湖南省R&D投入产出效率研究 篇3
关键词 R&D；投入产出效率；DEA
中图分类号 F223；F127 文献标识码 A
Abstract This paper analyzed the R&D input and output activities of Hunan province based on the BCC model， a normal model of DEA. Combining 30 provincial regional statistics， a comparative analysis of R&D inputoutput efficiency of Hunan province in 2013 was constituted. Then on the basis of empirical research， some relevant countermeasures and suggestions were proposed.
Key words R&D；InputOutput efficiency；DEA
1 引 言
一国经济的发展和创新能力的提升都离不开科技的助推，科技是国家强盛之基，创新是民族进步之魂[1].技术创新是促进科学技术又好又快改革的重要动力，它来源于R&D活动的发展，并以其为核心内容.一个国家科技实力和核心竞争力往往与R&D活动规模息息相关.2013年中国R&D经费内部支出为11 846.6亿元，投入强度为2.08%，已进入创新阶段（R&D投入强度为2%），但离建设创新型国家的目标（2.5%）[2]仍有0.42%的差距.科技资源的有限性与社会需求的无限性并存，完善配置资源，使效用最大化，进而推动科技进步，值得各界重点关注.
近些年，不少专家、学者从不同的角度，如国家、区域、产业的差别，采用多种方法研究R&D创新效率，并得到了较为丰富的研究成果.廖伟（2010）比较了中国与OECD国家的科研投入，研究发现中国与部分国家如韩国、日本、德国等还存在差距，主要体现在R&D投入总量不足、强度偏低，尤其是在基础研究上的经费投入过少[3].张永凯（2011）基于随机前沿模型，通过整理1996～2006年的面板数据，详细分析了31个国家的R&D资源配置效率.认为科技大国的资源配置效率反而较低，中国的效率相对较高[4].有的学者从省际比较的角度出发，如卢方元（2011）从经费投入与结构两个角度研究中部六省R&D活动情况.发现中部六省对原始创新重视不够，六省间效率存在差异，且政府支持力度有待加强[5].张明火（2014）采用DEA模型，研究比较了2004-2011年各省市R&D活动效率.结论表明我国整体效率差异化明显，综合效率东部高于西部高于中部，而且高效率和差效率阶段的省份数量少，中间两个阶段省份数量偏多[6].还有学者以单个省市为研究对象，如罗玮（2011）通过构建R&D投入产出效率的评价指标体系，发现南京市各区县之间资源利用效率存在差异，且南京市投入产出效率在省内外排名不理想[7].韩笑南（2014）从产出角度做DEA模型分析，旨在提高R&D资源利用率，发现陕西省产出不足主要表现在高技术产业产出率低以及专利产出不足[8].针对产业创新效率研究的学者也不少，綦良群等（2014）以中国装备制造业R&D效率及其影响因素为切入点，采用SFA方法和柯布道格拉斯生产函数构建模型，其创新点在于系统地解释了中国装备制造业R&D效率的发展现状、规律和趋势，并分析了其影响因素[9].在识别和选择先导性战略新兴产业的过程中，陈文俊（2013）按照战略新兴产业存在未知、待发掘的特点，透过知识发现的视角，采用关联规则方法，根据R&D经费投入强度指标与专利授权量指标之间的强关联规则关系，建立先导性战略新兴产业数据挖掘关联规则识别模型.以中国长三角地区为实证分析对象，在对该地区的战略新兴产业进行识别时，得出5条符合约束条件的强关联规则，其对应的战略新兴产业的产业顺序分别为高端装备制造等5个产业 [10].
2 投入产出现状分析
2.1 投入现状
国内外学者通常利用物质资源与人力资源来展现其研究对象研发活动的投入规模.物质资源包括R&D经费内部支出和R&D投入强度，具体来说R&D经费内部支出是指在统计年度内，调查单位用于内部开展R&D活动的实际支出，R&D投入强度是指R&D经费内部支出占当年生产总值的比重；人力资源是指全社会R&D人员的数目，一般用R&D人员全时当量表示[11].通过查阅近几年的《湖南省科技统计年鉴》和《湖南省统计年鉴》，本文对湖南省的R&D投入现状进行了一定的研究，并做出了详细分析.
2.1.1 R&D投入规模和强度
由表1可以看出，2009～2013年间，湖南省GDP从13 059.69亿元增长到24 501.67亿元，R&D经费内部支出从153.5亿元增长到327.03亿元.短短五年间，增幅高达87.6%和113.1%.通过表中数据，可以发现无论是湖南省生产总值还是研发经费内部支出，虽然金额逐年增长，但是增速逐年放缓.
2013年湖南省研发经费内部支出为327.03亿元，较上年增长13.68%，其中，基础研究支出10.95亿元，应用研究支出42.09亿元，用于试验发展的经费支出高达273.98亿元，同比分别增长17.97%，12.96%，13.62%.由上述数据可知，试验发展支出占R&D经费内部支出的83.78%，处于绝对主导地位，湖南省对于基础应用研究的经费投入还有待提升，尤其是基础研究支出经费占比过低，只有3.35%.从经费执行部门来看，86.18%的经费用于企业R&D活动，其中工业企业占比达到95.94%，而科研机构和高等学校的R&D活动经费支出占比各为5.15%和8.01%.83.19%的经费来自于企业自筹，金额高达272.07亿元，来自政府的资金只有46.10亿元，占比只有14.1%.这也在一定程度上解释了湖南省用于基础和应用研究经费占比过少的原因，因为政府出资较少，大部分R&D经费来自于企业自筹，多用于企业的试验研发.
nlc202309051121
“十二五”规划的主要目标之一是力争研究与试验发展经费支出占国内生产总值比重达到2.2%[12].图1展示了湖南省和全国R&D强度的比较，可看出，全国R&D投入强度逐年增长，2013年达到2.08%，按这个增长速度，实现“十二五”目标指日可待.但较其他发达国家，我国R&D投入强度仍有待加强，据中国科技统计年鉴归纳整理，R&D投入强度国际排名中，2012年韩国以4.36%排第一，紧随其后的是芬兰（3.55%），以及瑞典（3.41），日本（3.35%）.湖南省R&D投入强度呈现逐年增长的趋势，2013年达到1.33%，较上年增长0.3个百分点.2010年R&D投入强度同比减少0.02个百分点，究其原因是当年R&D增速只有21.54%，低于GDP增速.虽然湖南省R&D投入强度平稳增长，但与全国其他先进地区相比，仍有差距.2013年北京R&D投入强度为6.08%，上海3.6%，天津2.98%，江苏2.51%.纵观2009—2010年全国各省市R&D投入强度，湖南省排名较稳定，大致处于全国第15名的位置，且每年R&D强度均未超过全国平均水平.
2.1.2 人力资源投入
2013年湖南省R&D人员全时当量为103 421人年，较上年增加3.38%，是2009年的1.62倍.由表2可知，R&D人员全时当量逐年增长，但增长率却在放缓，尤其是2013年增长率远低于前几年的水平.
3.38 数据来源：湖南省统计年鉴归纳整理.
2013年湖南省基础研究人员6 825人年，应用研究人员13 189人年，试验发展人员83 407人年，基础研究人员和试验发展人员分别同比增长9.92%和3.83%，应用研究人员同比下降2.31%.与全省R&D人员全时当量相比，各占比6.6%，12.75%，80.65%.由图2可知，2009～2013年间，从事基础研究的研发人数最少，从事试验发展的R&D人员占有绝对地位.湖南省作为教育大省，人力资源丰富，但2013年湖南省从事研究的人员只有49 507人年，在全国的排名仅第12位，远不及广东（179 605人年）、江苏（147 688人年）、和北京（127 649人年）.
2.2 产出成果
R&D成果具有知识性和经济性，细分来看，知识性体现在有效发明专利数和国外主要检索工具（SCI，EI，CPCIS）收录我国科技论文数上，技术市场成交合同金额以及高技术产业新产品销售收入是经济性的主要代表.表3列明了2009～2013年湖南省产出成果的情况，可以发现，2013年无论是知识成果还是经济成果，均有较大的提升.
有效专利数指调查单位作为专利权人在报告年度拥有的、经国内外知识产权行政部门授权且在有效期内的专利件数[11].通过查阅2014年《中国科技统计年鉴》，湖南省2013年有效专利共计75530件，全国排名第12名，平均每万人口11.3件有效专利，在全国排第16位.远比不上排名前五的北京（103.7）、浙江（100.5）、上海（80.5）、江苏（77.7）、广东（55.1）.通过查阅数据可知，虽然湖南省有效专利件数比黑龙江、陕西多，但由于人口数多于这两个地区，故全国排名落后于两省.此外，通过查阅2014年中国科技统计年鉴，湖南省2012年被国外主要检索工具收录的科技论文数共计12 679篇，平均每万人1.9篇，全国排第十二位.北京每万人达到29.3篇，上海每万人有12.0篇，湖南省在论文收录数量与质量上还有待提升.
经济成果方面，2013年湖南省技术市场成交合同金额达77.21亿元，增幅高达82.78%，全国排名也上升了三位，位居全国第16名，但较北京2 851.72亿元、陕西533.28亿元和上海531.68亿元来说仍存在较大差距.湖南省2013年高技术产业新产品销售收入为761.68亿元，全国排名第10位，是上年的2.06倍，占比从1.44%提升至2.44%.
总体来看，湖南省R&D活动投入产出情况在全国处于中等地位，仍有提高的可能.具体来说，R&D经费内部支出、R&D人员全时当量、主要检索工具论文收录数以及高技术产业新产品销售收入排名较靠前，有效专利数全国排名中等偏上，但R&D投入强度、有效专利数和技术市场成交合同金额排名较靠后，应加大关注力度，使得合适的R&D投入带来较大的R&D产出.
3 R&D投入产出效率模型分析
3.1 模型原理
数据包络分析法（Data Envelopment Analysis），简称DEA方法.著名运筹学家A.Charnes、W.W.Cooper和E.Rhodes于1978年第一次提出并命名，旨在评价多个部门或单位间的相对有效性.该方法的原理是对输入的投入产出数据进行综合分析，确定理想的生产前沿面，通过观察各决策单元（DMU）与理想生产前沿面之间的距离，确定DMU是否为DEA有效，并指出其他非DEA有效的决策单元改进方向.
由于CCR模型不能单纯地评价“技术有效”性，1984年Banker、Charnes和Cooper给出了能单独评价DMU“技术有效”的BCC模型[13].通过该模型可以得到决策单元的纯技术效率、规模效率以及规模报酬.其主要内容是：假设有n个部门，每个部门作为一个决策单元（DMU），每个决策单元都有m个投入和s个产出.它们分别由向量Xj和Yj表示，具体模型如下所示：
3.2 评价指标建立
对于R&D活动效率的分析，学术界通常采用的定量方法有两类.一类是如张永凯[4]、綦良群[9]等学者采用的随机前沿分析法，另一类则采用DEA方法，如张明火[6]、韩笑南[8]等学者.而罗玮[7]、张宇青[14]则将两种方法结合起来对R&D效率进行评价研究.由于R&D活动具有多投入多产出的显著特点，因此参考其他学者的方法，本文拟选用DEA方法，基于投入角度的BCC模型，选择规模可变的角度来衡量湖南省R&D投入产出效率.
nlc202309051121
根据研发活动的特点和数据的可得性进行数据筛选，本文以R&D人员全时当量、R&D经费内部支出和新产品开发经费作为R&D投入指标，把有效专利、国外主要检索工具（SCI、EI、CPCIS）收录论文数、技术市场成交合同金额和高技术产业新产品销售收入作为R&D产出指标.由于投入产出具有滞后性，因此，参考学者的做法，将滞后期设置为1年.本文拟对湖南省R&D效率进行横向比较，以全国30个省市自治区（西藏部分数据缺失，不包括西藏）为研究对象，分析其2012年的R&D活动投入数据与2013年的R&D活动产出数据.（数据来源：2013～2014《中国科技统计年鉴》）
3.3 结果分析
通过运行软件DEAP2.1，得出下列结果.其中，综合效率是在固定投入量下，产品的实际产出与最大产出之间的比率，它不考虑规模收益，而纯技术效率与规模效率则是考虑了规模收益.由表4可知，达到DEA有效的单元为北京、天津、吉林、黑龙江、江苏、浙江、河南、广东、重庆、陕西、甘肃、青海和新疆共计十三个地区，其纯技术效率和规模效率均是1，意味着其经济活动不仅实现了技术有效，而且达到规模有效，并且保持规模报酬稳定，此时的R&D投入产出效率为最佳状态.另外，内蒙古和海南的纯技术效率是为1，但规模效率各为0.525和0.626，均没达到1，表示在既有规模下，其技术效率有效，不存在资源浪费现象，但规模效率还有待提升.从规模报酬看内蒙古处于规模递减状态，而青海处于规模递增状态，这两个省应当根据本省情况分别增减投入规模，从而使得投入产出实现DEA有效.
由于DEA无效的决策单元存在，无法根据综合效率的数值，来比较每个省市之间的效率大小.为了更好地了解湖南省R&D投入产出效率在全国所处的位置，可以通过剔除有效决策单元，并对剩下的决策单元重新做DEA分析[15].由第二次分析结果，这时，可以发现：内蒙古、辽宁、上海、安徽、福建、湖北、湖南、四川、贵州以及云南处于DEA有效状态.再一次剔除这些DEA有效的省份，对剩下的省份做DEA分析，由结果表4可以发现此时处于DEA有效的是河北、山西、江西、山东、广西和海南，而宁夏仍为DEA无效状态.
由上述实证分析可看出：湖南省在第二次DEA分析后才达到有效状态.若根据该结果，将全国30个省市分为四个阶层，湖南省处于第二阶层，对应来说，其R&D投入产出效率居于全国中等水平.详细来看，湖南省综合效率是0.876，虽然高于全国平均水平（0.837），但仍是非DEA有效.其规模效率是0.993，纯技术效率只有0.882，低于全国平均水平（0.888），体现了湖南省R&D投入资源利用率偏低，投入与产出结合水平不高，可能存在资源浪费，挖掘不足的情况.
由表5可知，通过与生产前沿面的比较，湖南省在同样的产出情况下投入冗余.其中R&D人员全时当量、R&D经费内部支出以及高技术产业新产品开发经费的冗余率都达到了11.83%.而作为产出指标之一的技术市场合同成交金额严重不足，其产出不足率高达318.71%.因此，适度缩减投入规模，即在产出不变的情况下，投入比例减少11.83%；或者提高管理水平和效率，进一步提升纯技术效率，使得产出增加.
4 结论与对策
本文以1年作为R&D投入产出活动的时间滞后期，选取DEA模型来分析湖南省R&D投入产出效率，得出下列结论，从而提出相应的对策建议.
第一，之所以湖南省R&D投入产出效率较低，主要是由于纯技术效率较低，且低于全国平均水平.对比上年，湖南省规模效率显著提升，但纯技术效率有所降低.这表明，湖南省虽然通过加大科技投入来带动规模效率的大幅提升，但对已有资源的挖掘不足，没有使其充分利用.因此，促进纯技术效率的提升将成为接下来的工作重点.
第二，投入资源冗余，对其利用不充分也是造成湖南省R&D投入产出效率低的原因之一.通过上述分析可知，在既有的产出规模下，湖南省R&D资源投入冗余率为11.83%，较上年提升11.08%.因此，关注的重点不是减少投入资源绝对数量的问题，而是投入资源的合理配置，提高已有资源的利用率.结合湖南省自身特点，合理调整投入与规模的关系，使二者协调发展，共同促进创新产出.
第三，创新产出不足，不仅是由于没有合理使用投入资源，更多地体现为成果转化率低，主要表现在技术市场成交合同金额远没有达到应有水平.因此，政府应给予足够的引导与支持，推动科技成果的市场化[15-19].具体来说：完善与知识产权保护相关的法律，为科技成果的市场化与创新提供法律保障；加大科技成果转化引导基金的投入，简化审批流程，更好地服务中小企业；规范技术市场，加强产学研合作，引入正规的中介机构，促进知识到成果的转化；在提高现有科技人才专业素质的同时，发掘、引进并培养更多的科技人才，建立并完善奖励机制，降低人才流失率.
参考文献
[1] 习近平.科技是国家强盛之基，创新是民族进步之魂[N].人民日报.2014-6-10.
[2] 成思危.论创新型国家的建设[J].中国软科学，2009，24（12）：1-14.
[3] 廖伟.中国与OECD国家R&D投入比较研究[J].特区经济，2010（8）：107-109.
[4] 张永凯.世界主要国家R&D资源配置效率及影响因素研究[J].世界地理研究，2011，31（3）：18-26.
[5] 卢方元，刘龙飞.中部六省R&D经费投入与结构分析[J].地域研究与开发，2011，29（5）：26-29.
[6] 张明火，何郁冰.我国地方R&D活动效率比较研究[J].科技进步与对策，2014（2）：24-29.
[7] 罗玮.南京市R&D投入产出效率研究[D].南京财经大学经济学院，2012.
[8] 韩笑南，李爱鸽.陕西省R&D投入产出效率研究[J].农村经济与科技，2014，28（1）：150-153.
[9] 綦良群，王成东，蔡渊渊.中国装备制造业R&D效率评价及其影响因素研究[J].研究与发展管理，2011，23（1）：111-118.
[10]陈文俊.基于R&D指标的先导性战略新兴产业发现研究[J].财经理论与实践，2013，34（1）：109-113.
[11]国家统计局，科学技术部.中国科技统计年鉴——主要统计指标解释[M].北京：中国统计出版社，2013.
[12]中华人民共和国科学技术部.国家“十二五”科学和技术发展规划[R].北京：科学技术部，2011.
[13]魏权龄.评价相对有效性的数据包络分析模型—DEA和网DEA[M].北京：中国人民大学出版社，2012.
[14]张宇青，易中懿，周应恒.我国省际R&D活动效率评价研究——基于DEA和SFA模型[J].科学管理研究，2013（2）：90-93.
[15]杜栋，庞庆华，吴炎.现代综合评价方法与案例精选[M].北京：清华大学出版社，2012.
[16]贺正楚.基于数据包络分析法的湖南省“两型”农业生产效率评价[J].农业现代化研究，2011，32（3）：90-93.
[17]吴艳，周震虹.我国各省市农业投入与产出的效率评价[J].经济地理，2011，31（6）：999-1002.
[18]翟欢欢，张蜜.内部管理效率对农业生产效率影响的实证分析[J].湖南大学学报：自然科学版，2012，39（3）：92-97.
[19]翟欢欢.基于DEA三阶段模型的两型农业生产效率——以湖南省为例[J].农业系统科学与综合研究，2011（4）：13-18.
科技投入产出效率指标体系的构建 篇4
一、建立科技投入产出效率的指标体系
1. 内生增长理论的启示。
根据内生增长理论, 科技投入产出效率评价实质上包括两层含义:一是对科技过程本身产出相对于投入的效率与效果的关注;二是对科技产出社会经济影响的评估。由于新古典经济学的生产函数方法, 在对科技过程经济影响的评价中忽略了两个重要的事实:新的知识产出在很大程度上源于原有的知识累积;知识溢出对新的知识产出有着不可低估的作用。这是在评价过程中容易忽略的事实。
科技投入需要从人力投入、资金投入和环境输入三个方面考虑。反映科技投入过程中的人力投入的指标为:科技活动人口的总数;研发人数 (即科学家及工程师的人数) 这两个指标反映了科技投入人力的数量;万人口科技活动人员 (即每万名经济活动人口中科学家和工程师人数) , 该指标反映了人力投入的质量。反映科技投入过程中资金投入的指标有:科技活动经费总额;研究和发展经费支出总额, 这两个指标反映了资金投入的数量;科技经费支出占GDP的比重, 该指标反映了资金投入的数量和质量。软硬件环境输入指标有:年新增固定资产, 该指标反映了科研仪器设备和研究环境的数量;科研人员人均年新增固定资产, 该指标反映了科研仪器设备和研究环境的质量。
由于科技活动的产出具有直接和间接的效果, 因此, 可以将产出指标分为知识产出指标和经济产出指标。知识产出指标为:国内中文期刊科技论文数, 发明专利申请授权量。经济产出指标为:GDP的增长率, 技术市场成交额。
综合以上信息, 建立评价科技投入产出效率的指标体系, 如表1所示。
2. DEA方法对指标体系的要求。
本文在综合考虑各种评价方法的基础上, 对科技投入产出效率的分析决定采用DEA的评价方法, 所以在选取指标时要结合DEA方法的特点对指标进行选取。通过研究, 对一组决策单元, 用DEA方法对各决策单元作有效性评价, 其结果与所选用的指标体系是密切相关的。
DEA方法要求决策单元应具有同构性。具体解释为相同的任务和目标、具有相同的类型、具有相同的输入输出指标。此外, 所有的决策单元必须在相同的市场条件下运作。DMU的数量一般要大于投入和产出项目总和的2倍。在对全国31个省、市、自治区的截面评价中, 上述要求是完全满足的。
吴广谋、盛昭瀚两位学者进行了相关研究, 并得出很多有价值的结论。在对科技投入产出效率作DEA评价时, 需要建立反映系统实质特性的简练的指标体系。指标间存在正线性关系时, 可去掉相关指标。这样既减少了收集数据的工作量, 也降低了数据处理的维数。
二、主成分分析对评价指标的降维
由于投入指标的数目较多, 多个变量之间都存在着相关性, 为使复杂的问题更加清晰, 把多指标重新组合成一组相互独立的少数几个综合指标, 并且反映原指标的主要信息, 这就是主成分分析法。本文使用的数据资料主要取自《中国统计年鉴》《中国科技统计年鉴》以及科技部门网站的科技专题数据。应用2007年数据, 运用SPSS16.0软件进行以下操作。
KMO值用于解释主成分分析是否适用于本模型, 若它在0.5和1.0之间, 表示合适;小于0.5表示不合适。应用SPSS16.0软件, 计算得出KMO值等于0.738, 大于0.6;Bartlett的检验也是通过的。因此数据适合应用主成分分析方法。于是进行第一轮主成分分析。
先将原始数据进行标准化处理, 求出每个变量所对应的特征值以及初始载荷矩阵。然后求出每个特征值所对应的特征向量。特征值和特征向量如表2所示。
我们可以看出最后一个特征值最小, 近似为0, 表示该主分量对总体的贡献很小 (几乎没有贡献) 。而由此特征根所对应的特征向量中第五个分量所占的权数最大, 为0.53, 应该删除该变量。删除的原则是:把特征向量中具有最大分量所对应的变量删掉。
第二轮主成分分析:在8个变量中, 删除第三个变量后, 还剩7个变量, 以此7个变量在做主成分分析。最后一个特征值最小, 为0.005, 该特征值所对应的特征向量为 (0.70, 0.69, 0.13, 0.43, 0.06, 0.03, 0.00) 。第一个分量占的权数 (为0.70) 最大, 按删除原则, 应该删除第一个变量, 这样删除变量5和变量1后, 还剩6个变量。在此基础上, 进行主成分分析。
第三轮主成分分析:最小的特征值为0.03, 所对应的特征向量为 (0.68, -0.34, -0.75, 0.11, 0.04, 0.04) 。删掉第三个分量所对应的变量。
第四轮主成分分析:最小的特征值为0.055, 所对应的特征向量为 (-0.54, 0.64, -0.36, 0.41, 0.00) 。删掉第二个分量所对应的变量。
投入-产出效率 篇5
关键词：档案 管理 投入产出
1、对企业档案工作的一些认识
所谓档案是国家机构、社会组织和个人在社会活动中直接形成和保存备查的文字、图像、声音以及其他各种形式的历史纪录，档案是人类活动的记录，是人们认识和把握客观规律的重要依据。借助档案，能够更好地了解过去、把握现在、预见未来。档案工作是党和国家事业发展的一个不可缺少的方面，是一项崇高的事业。企业档案作为企业的一项重要的基础工作和重要信息资源，其作用的大小，价值的体现和地位的高低是随着现代企业制度的建立和对企业档案认识的不断深化而不断提高的。社会经济改革和日益激烈的市场竞争，使那些不注重对日常信息资源的积累、管理，不注意档案工作和做好档案信息资源开发利用的企业容易失去工作的方向，而不能获得最佳的经济效益和社会效益，这样的事例在古今中外是时有发生的。因此企业领导者决定着企业档案工作的走向。开明的、有远见的、认识到档案工作重要性的和档案意识较高的企业领导者，会使一个企业的档案工作甚至企业本身充满生机和活力。
不同所有制的企业，其档案工作有着不同的特点和重点，如股份制企业档案来源复杂、内容广泛，档案产权多元化，对档案工作所产生的效益要求较高，因而在档案工作中要注意文件材料的收集，通过提高档案人员的业务素质，强化档案工作的服务意识，充分发挥档案信息资源的作用，提高企业的经济效益。而企业集团的档案管理体制较为复杂，成员企业间档案工作的发展很不平衡，水平有高有低，因此应采用一定的行政手段，对集团的档案工作实行规范化和标准化。对于外商投资、中外合资、合作这样的外资企业因为不同国家的文化背景、传统观念和管理模式不一样，其文件产生的渠道较为杂乱，档案载体多样化，如软盘、磁带、录像带、照片、缩微胶片等，标准和非标准的书写格式和规格尺寸等，因此其档案管理所具有双重性、多样性和重要性是显而易见的，这些都加大了档案管理的难度。在具体的管理工作中，应主要从宣传中国档案管理的法律、法规，接受中国档案行政管理机关的监督和指导，扬长避短，逐步形成一套系统完整的档案管理体制。相比来说，炼油企业档案来源比较复杂，主要包括各级政府部门以及上级有关石油石化主管部门等，而且炼油企业的绝大多数是国有企业，必须接受国家的领导，因此炼油企业档案管理工作必须时刻与政府保持一致，按照国家的法律法规办事，主要收集各种政府文件、法律法规、上级炼油方面的文件等，为企业的生存发展作好基础工作。
2、炼油企业档案馆投入与产出及今后设想
投入与产出 篇6
那人又问：“我该如何提问呢？”
德鲁克说：“只有先问‘我该如何贡献’或‘我要怎样付出’你才能获得成功。”
曾看到一篇关于一个琴童在国际大奖赛中摘得桂冠的报道。报道中所提的两个问题给人留下深刻的印象。
问题一：你能每天在钢琴前坐上11个小时吗？
11个小时就是39 600秒。一个坐姿坚持39 600秒。那该多么难耐！
问题二：你能连续11个小时反复练习弹奏同一首曲子吗？
在琴凳上持续坐11个小时已是难事，反复练习弹奏同一首曲子，岂不难上加难！其间必将充斥太多的单调、枯燥、乏味！
而以上两点正是琴童成功的法宝。
如果把“贡献”“付出”看成一种投入的话，那么“杰出”和“成功”就是产出。
“投入”与“产出”往往是成正比的。当一个人对自己的工作投入的是冷淡、懈怠、无所谓时，工作除了回报他空虚、无聊、失望、沮丧和平庸之外，还能给他带来什么呢？ 相反，当一个人以满腔的热情对待自己的工作，把自己全部的聪明才智都投入到工作中去的时候，生活自然不会亏待他，他一定能从工作中收获成绩与肯定。
自古以来，每位仁人志士的成功都是付出了很多代价的。没有人能随随便便成功，不经历风雨怎么能见到彩虹。
曾经有一套畅销书在排行榜上高居首位长达数月。据说这套畅销书作者不习惯用电脑写作，他喜欢用手书写稿件。他身高1.72米，可是，他已经成文或者写废的手稿叠加起来竟高达1.74米，比他的身高还要高出2厘米！这1.74米高的手稿，全是由他一笔一笔写就的，一个字一个字码成的。写作期间，因为伏案久坐，这位1.72米的作者患上了颈椎病，曾经无数次地贴膏药、看医生，他的超乎寻常的付出终于换来图书的畅销佳绩，给他的人生涂上了艳丽的一笔。
确实，艰难困苦，玉汝于成。成功不是偶然的，也不是上天赐予的，而是付出代价后的回报。纵观古今，每个人的成功不一样，但是都必须付出代价却是永恒不变的真理。
天上不会掉馅饼，人间也没有免费的午餐。因此，我们要树立“我愿意为成功付出代价”的理念。
小成功小代价，大成功大代价！别人看电视的时候，我要学习；别人睡懒觉的时候，我要早点起床；别人恋家的时候，我要奔向远方；别人休息的时候，我要继续流汗；别人把钱用于享乐，我却要为成功投资；我要比别人更成功，我就要比别人付出更多的代价！
为了事业，我得耐住寂寞，忍受清苦，经得起批评，挡得住诱惑。
为了成功，我甘愿付出，毫不犹豫！我要放弃清闲，选择忙碌；我要放弃放纵，选择节制；我要放弃舒服，选择吃苦；我要放弃小利，选择大得；我要放弃安稳，选择开拓。
投入-产出效率 篇7
1 DEA模型介绍
DEA模型是一种评价决策单元相对有效性的非参数分析方法, 主要采用线性规划方法和对偶理论。由CHARNES A., COOPER W.W.和RHODES E.在1978年共同提出[1], 此后对数据包络分析方法进行不断改进, 相继提出C2W型DEA模型、C-D型DEA模型、BC2型DEA模型等, 被广泛地应用于医院、大学、法院、商业农场、城市等不同的行业效率的评价分析, 也应用于不同国家、地区、年度等效率的评价分析。数据包络分析方法具有如下优点:
1) 该方法不需要了解具体的生产函数形式。
2) 该方法计算结果直接表明各决策单元相对效率。
3) 该方法的输入数据不受纲量限制。
4) 该方法能够分析多投入和多输出情况[2,3,4,5,6]。
基于数据包络分析方法, 大量学者在电力行业开展了投入产出效率评价的研究[7,8,9,10,11,12,13,14]。VANINSKY A.采用运营成本和能量损失率作为输入, 容量利用率作为输出, 采用DEA方法分析了1994年至2004年美国电网发电机利用效率[15];CRISWELL D.R.利用数据包络分析方法对比分析了陆地和空间大规模电力系统优越性, 其结论显示月球太阳能发电系统比地球的太阳能、化石能源、核能具有更高效率[16];吴育华, 甘世雄对电力工业效率进行评价, 采用C2R和B2C模型对国内8个电力公司实施测评分析[17]。但是这些数据包络分析方法主要是针对独立的对象之间相对效率的对比, 对具有包含关系的对象之间的相对效率评价研究却很少涉及。
2 DEA数据与效率值映射关系分析
数据包络分析 (DEA) 作为一种“面向数据”的分析方法, 在度量多投入多产出决策单元相对效率时, 具有显著优势。针对原始的分式规划形式, 采用C2变化将其等价为线性规划形式, 则C2R模型线性规划形式为:
式中:Xj为投入量矩阵, Yj为产出量矩阵, ω和μ为投入、产出系数矩阵。
DEA方法的C2R模型线性规划与对偶规划是等价的, 对偶形式为
研究某对象整体相对效率时, 投入量矩阵为X, 产出量矩阵为Y, 相对效率值向量为θ;按照式 (2) 计算第i个决策单元效率值时, 可行解集合可表示为:
经转换可以得到:
式 (4) 中左边存在j=i项, 合并移项得:
两式联立消去λi得
得到投入产出值与效率值可行集合关系。假设包括两大部分, 一部分投入为XS, 产出为YS, 另一部分投入量为XK, 产出量为YK, 且满足
式中:j为第j决策单元数据, j=1…n。
数据组中第i项效率值与XSj/XSi、YSj/YSi成线性比例关系, 假设当j≠i时, XSj、YSj与XKj、YKj按随机线性组合, 第i项数据XSi=Xi/2+ω, YSi=Yi/2-σ, 其中ω、σ为任意大于零的有理数, 而XKi=Xi/2-ω, YKi=Yi/2+σ。
根据式 (6) , θSi=1+∑λj (XSj/XSi-YSj/YSi) ≤θi, 同理, 可以得到θKi≥θi。
于是得到不等式关系:
式中, θs、θK分别为数据XSj、YSj和XK、YKj的DEA效率值。
式 (8) 表明对象整体相对效率值θ位于其构成部分与其余部分相对效率值之间, 但两者不是线性关系, 而是具有映射不等式关系。由此可以认为, 相对效率值对相同投入产出决策单元效率值具有对应映射不等式关系, 并通过效率值大小比较不同范围内电网的投入产出效率水平及其对整体的贡献度。
3 DEA模型构建
构建电网投入产出效率评价模型时, 需要合理选择投入元素和产生元素, 同时也要考虑数据的可获取性和典型代表性。按照投入产出评价相对效率原则, 投入元素应该是为实现电网功能所投入的主要设备和电网运行时消耗的电力能源, 产出元素应该是基于主要设备的投入和电能消耗所实现的电能的传输。电网的主要设备包括输电线路和变电设备, 电网运行消耗指的是电量损耗。电网实现的功能是提供输送的电量。为评价电网的相对效率水平。本文选取年份作为决策单元, 投入元素为电网35 k V及以上电压等级变电容量 (万k VA) 、35 k V及以上电压等级线路长度 (万km) 和综合线损率, 分别记为X1、X2和X3。产出元素为电网供电量 (亿k W·h) 为产出部分, 记为Y1。
4 数据介绍
本文选择全国电网、国网公司经营区电网域和国网公司电网三个主体作为评价分析对象, 其中, 全国电网为中国地域范围内全部电网;国网公司经营区域代表国家电网公司经营区域范围内全部电网;国网公司代表国家电网公司自有资产的电网。三者关系如图1所示, 全国电网包括了国网经营区电网, 国网经营区电网包括国网公司电网。选择全国、国网公司经营区和国网公司作为研究对象, 是由于它们既能反应中国整体电网相对效率, 也能从区域和企业分析各自电网相对效率, 分析对象中某构成部分相对效率在整体中的水平和贡献。
采用1997—2011年电网运行历史数据, 数据来源于《电力统计年鉴》中对电网环节的相关统计[18], 利用DEA方法分析三个对象的电网综合效率。1997—2011年全国、国网经营区和国家电网公司35 k V及以上电压等级变电容量、35 k V及以上电压等级线路长度和电网综合线损率分别如图2、图3、图4所示。中国电网变电容量与线路长度逐年增加、线路损耗率基本成下降趋势, 各年供电量如图5所示, 成上升趋势。
5 映射关系实证分析
利用DEAP 2.0软件计算1997—2011年全国、国网经营区和国网公司投入产出效率DEA值的结果如图6所示。
从图6中可以看到, 1997—2011年间, 中国电网建设与电网功能的投入产出效率处于震荡波动的时期。全国、国网经营区、国网公司电网环节DEA效率值在各年份变化趋势基本相同。1997年, 三者电网DEA效率值为1, 电网运行相对有效;1998—2004年, 全国电网DEA效率值高于国网经营区和国网公司, 国网经营区低于国网公司电网DEA效率值。根据上节结论, 在全国范围内, 国网经营区以外的电网运行效率高于经营区效率, 由于国网公司经营区域分布在三华和西北东北地区, 地域广阔, 区域内平均经济水平低于南方五省, 国网经营区电网效率水平较低, 而在国网经营区范围内, 经营区电网DEA效率值低于国网公司DEA效率值, 虽然国网公司覆盖范围广, 但由于国网公司供电区电网基础较好, 因此, 国网公司电网投入产出效率较高。2005—2007年, 国网公司电网相对效率超过全国和国网经营区域。2008年, 受全球金融危机影响, 导致电网相对效率出现下降幅度较大, 其中国网公司经营区域下降幅度最大, 其次是国网公司, 全国效率下降幅度较小。主要原因在于国网经营区域面积供电面积大, 受到的影响较大, 国网经营区域以外电网地域面积较小, 运行基础和经济环境较好。随着2009—2010年经济回暖以及电网公司调整发展策略, 科学评估发展形势, 电网运行效率逐年提升, 且国网公司DEA效率值提升率最大, 2010年, 其效率值再次超过全国电网, 由此也体现了国网公司较强的电网发展规划和建设运营能力。2011年, 全国DEA效率值均为1。
6 结语
投入-产出效率 篇8
1 问题的提出
《中共中央国务院关于卫生改革与发展的决定》中明确指出:“总投入量不足与浪费并存是制约我国卫生事业发展的主要问题。”我国绝大部分卫生资源集中在医院,特别是集中在城市大型医院。城市医疗服务系统中部分大型医院的高投入和低效率是造成卫生资源浪费的最主要原因之一。如何在现有的卫生资源条件下对卫生资源优化配置,使医院在较少的投入下取得最大的产出,尽量减少不必要的浪费,提高医院的运营效率,同时实现最佳的社会效益,已成为卫生行政管理者和医院管理者共同面临的问题。
医院要提高运营效率,既需要科学的理论作为指导,也需要相应的管理运行机制和评价技术方法作为保障。近年来,数据包络分析(DEA)分析方法在医院相对效率评价的应用已引起研究者的较多关注[1,2,3],已有的研究表明,DEA方法尤其适合于多投入、多产出的效率模型。DEA方法不需要选择生产函数,也不需要进行参数估计,对于非有效单元,DEA方法不仅能指出指标的调整方向,还能给出具体的调整量。但是,采用传统的DEA方法在相对效率时往往会遭遇评价结果排序并列的问题,而且传统DEA模型各指标权重完全由模型计算得到(客观赋权),不能反映评价者对评价指标的主观偏好,本文将层次分析法和数据包络分析结合起来,对传统DEA分析模型进行改进,以求模型评价结果更符合实际应用要求。
2 DEAHP模型
2.1 DEA模型
数据包络分析方法(DEA)是衡量投入产出效益的有效方法,它的投入指标与产出指标数据从相对有效性角度出发,对各单元的投入产出效益进行分析,它不需要定义输入与输出的间关系的显性表达式,而且对评价指标的量纲也无特殊要求,尤其善于有效处理多种投入、多种产出问题。
如决策单位DMUj(j=1,2,…,n)的投入量向量为Xj,产出量向量为Yj,DMU指的是不同的医疗单位,医院的规模与级别可以有所不同。令投入、产出权变量分别为V=(V1,V2,…Vm)和u=(u1,u2,…uS)T。那么可以建立如下的投入导向的通常有效性DEA模型,见公式1。其中当△=0时为传统模型,当△=1为BCC模型[4]。
公式1:
Maxhk=uTYrk+△μ0
s.t.
VTXik=1
VTXj-uTYj+△μ0≥0,j=1,2…,n
u,v≥0
2.2 AHP方法
层次分析法(Analytic Hierarchy Process,AHP)是Thomas L.Saaty于1971年首度提出,其主要的功能乃是使错综复杂的系统简化成为要素层级结构系统,由评价者对评估要素进行素间成对比较,并经由量化的过程建立比对矩阵,据以求出特征向量代表层级间各因素的权重,并产生特征值,以评定单一成对比较间的一致性强弱程度,供作决策资讯取舍或评估指标。层次分析法中的因素层级若系多重架叠,则需决定各层级的优先因素权重,再加以关连串合,求解最低层级各因素对层级的合成权重,再连结所有比对矩阵的一致性指数,求出整体层级的一致性指数与一致性比率,据以评估整体层级的共识性,由上可知层次分析法实质上是一种主观赋权法[4,5]。
2.3 DEAHP模型
上述的DEA模型是完全建立在输入、输出的观察数据的基础上的,认为所有投入产出项具有相同的重要程度,具体的权向量由决策单元(DMU)按照对自己最有利的原则选取,也就是将投入产出项的权向量对效益结果的影响等同看待。这种权向量的确定具有无限制性,其优点是:权数的产生不受人为主观因素的影响非常公正且公平;缺点是:如果权数的刻意选择将可能造成该DMU为相对有效率,因此其效率未必来自自身效率,而是来自于权数的选择。是故如此的先天赋予权数所得的相对效率值是否合公平合理,而被接受呢?故本研究针对此一缺点提出一修正方法,采用的方法是引入权重向量WI来约束v、u的取值,以体现决策者对不同投入(产出)项目的偏好程度,而权向量可以用层次分析法(AHP)得到。将权重约束条件代入式1可以得到修正后的DEAHP模型,见式2。
见式2:
Maxhk=uTYrk+△μ0
s.t.
VTXik=1
VTXj-uTYj+△μ0≥0,j=1,2…,n
V∈V={v|Cv≥0},u∈U={u|Du≥0,u≥0}
C=(cab)m×m,D=(dop)s×s,a,b=1,2…,m;o,p=1,2…,s
cab=WIa/WIb,a≠b;cab=1-m,a=b;
dab=WIo/WIp,o≠p;dop=1-m,o=p;
△=1,0
定义Maxhk(△=0)为整体效率,Maxhk(△=1)为技术效率,整体效率与技术效率的比为规模效率。整体效率、技术效率和规模效率取值与评价项目投入产出效益的关系见表1。
3 DEAHP模型在医院上的应用
3.1 投入产出指标的选择
使用数据包络分析首需适当的筛选投入产出项目,影响组织经营效率的投入产出要素相当繁多,基于医院资料取得的限制及多数学者采用的输入与产出项,本研究选定医师数、护士数、病床数、其他医疗人员与医院成本5项为投入变量,入院人次、手术次数、门急诊人次与医院收入四项为产出项,见表2。以湖南省17所三级甲等医院为例进行分析。模型计算所需数据见表3、4。
3.2 评估结果的分析
采用传统的DEA模型求得客观赋权情况下各医院投入产出情况,见表5。
由表5可知,显示某年度各医院的整体效率值、技术效率及规模效率值,而相对总体效率值不佳的原因多来自技术效率不佳,故相对无效率的单位需调整其投入的比例。例如湖南人民医院技术效率为0.925,长沙一院的技术效率为0.986,湘雅三院技术效率为0.952,而其规模效率值接近1,显示这3个单位的相对无效率原因,主要来自技术相对无效率,可以通过改变各投入要素的间的配比关系达到提升投入产出效率的效果。
观察其Σλ值分别为1、1.5及1.1。DMU的规模报酬状态可分为:①固定规模报酬CRS时,Σλ=1;②规模报酬递增IRS时,Σλ<1;③规模报酬递减DRS时,Σλ>1。故湖南人民医院、长沙一院及湘雅三院因技术效率不佳,且为DRS规模报酬递减状态,故需降低投入项目的医疗支出及医疗器械的规模,并调整投入项的资源分配情况,将可提升总体效率率值。而湖南肿瘤医院及湖南脑科医院的无效率来自于规模上的无效率,但其Σλ<1,属于规模报酬递增,若要增加规模效率则必须要增加投入规模,进而提升总体效率率值。
另外,从传统DEA模型分析可知,长沙三院、湘雅医院等9所医院,总体效率值为1,传统的DEA模型无法对此九所医院进行排序。
3.3 DEAHP模型的评估结果分析
由于修正的DEA模型以及以上投入产出项资料,可得新的效率值,由表5的效率值及排序与修正模型的效率值及排序,见表6。
由表6可知,各医院在修正模型下的绝对效率值、效率平均数与有效率的DMU个数均有普遍下降的趋势,而在排序上也有些许变动,但明显下降的有南华大学三附院、长沙三院、南华大学一附院、湘雅三院及南华大学二附院。而在有效率单位方面,在原模型下为长沙三院、湖南妇幼保健医院、湖南儿童医院、岳阳医院、湘雅医院、湘雅二院、南华大学一附院、南华大学二附院及南华大学三附院,而在修正模型下只有湖南妇幼保健医院为有效率单位。若对于权数设限越严谨,则DEA模型具有越高的解析能力。传统DEA下相对有效率的单位可能有多个,而修正模型下可能只有一个。
4 结论
本研究应用DEAHP法于医院投入产出效率评估上,希望能借由评价项目各项的特性,建构出一套完整、可行、公平、兼具主客观面及可提供各种管理决策建议的评估模型,而本研究经由目标的确定、决策单位的选择,投入产出项的筛选,并从各项分析得到以下结论:
本研究由相对效率分析及规模报酬分析清楚地算出各大医院的客观面DEA相对总体效率值,并找出相对总体效率值为1.0的相对有总体效率的医院。而在规模报酬分析发现现多数总体相对效率无总体效率的医院,多因配置无效率,即以目前的生产条件下,其产出量已达到纯粹技术上有相对效率的水准,但相对于其他技术上有相对效率的资源投入组合而言,其使用较高的成本,故对于资源投入的配置上需做进一步的调整,使其能以更少的成本,得到最大的产出;另外多数无总效率的医院其Σλ>1,故属于规模报酬递减的状态,因此借由减少各项投入,缩小整体规模,将可使规模报酬递减的状态调整到最适规模报酬的生产阶段,并使其相对总体效率值提升。经由差额变数分析,也可算出各无相对总体效率的医院欲成为有相对效率的单位所需改善的产出及减少的投入,并以其参考集合单位作为其模仿的对象,效仿其经费支出及医护人员配备等资源投入的方式与管理策略,以改善本身无相对总体效率的状态。
IRS:Increasing Return to Scale(规模报酬递增);CRS:Constant Return to Scale(固定规模报酬);DRS:Decreasing Return to Scale(规模报酬递减)
各医院在修正模型下普遍有下降的趋势,但对排序的影响并不大,只有部分医院影响较大。由此结果可看出DEA分析模型的可信度,但是资源在有限的情况下,追求资源的有效分配的前提下,若能以修正模型的分析结果来分配资源会更有效率。将经由DEAHP法所得的投入产出项权重比值代入DEA模型,并以此修正模型进行分析,仅有湖南妇幼保健医院为有绝对总体效率的单位,故依此模型可进行绝对效率的衡量,并依绝对效率值进行排序。
权数设限情况下的效率值、效率平均值与有效率的DMU个数,较未设限情况下呈递减的趋势。如在传统模型中可得到相对有效率的医院为长沙三院、湖南妇幼保健医院、湖南儿童医院、岳阳医院、湘雅医院、湘雅二院、南华大学一附院、南华大学二附院及南华大学三附院且效率平均值为1,但是经由修正模型得到相对有效率的医院只有湖南妇幼保健医院且效率平均值为1。可看出经由修正模型所得的结果较为准确可信。
任何一个组织都希望通过效率的提升,进而提高组织生产力,降低投入成本,以提高组织本身的竞争能力。对于一个非营利组织而言,虽然效率并不一定是最终目标,但是若能经由效率的提升可节省许多资源,进而使医院资源利用增加,以达成其组织最终目标。本研究首度尝试应用DEAHP分析模型探讨湖南省各大医院的生产效率,期望通过效率的提升,政府可将节省下来的资源,投入到其他部门,以满足民众更多的期望及政府的其他施政目标。
参考文献
[1]刘宏韬,房耘耘.应用DEA方法评价医院效率的研究进展[J].中华医院管理杂志,2004,20(7):420-422.
[2]邴媛媛,徐凌中,李延鹏.卫生服务的效率及其测量[J].中华医院管理杂志,2001,17(5):272-275.
[3]韩梅.DEA方法在国外医疗卫生系统效益评价中的应用[J].中华医院管理杂志,2002,18(9):546-548.
[4]运筹学教材编写组.运筹学[M].北京:清华大学出版社,2005.
投入-产出效率 篇9
一、DEA评价模型
在人们的生产活动和社会活动中常常会遇到这样的问题:经过一段时间之后, 需要对具有相同类型的部门或单位 (称为决策单元) 进行评价, 其评价的依据是决策单元的“输入”数据和“输出”数据, 输入数据是指决策单元在某种活动中需要消耗的某些量, 例如投入的资金总额, 投入的总劳动力数等等;输出数据是决策单元经过一定的输入之后, 产生的表明该活动成效的某些信息量, 例如不同类型的产品数量, 产品的质量, 经济效益等等。根据输入数据和输出数据来评价决策单元的优劣, 即所谓评价部门 (或单位) 间的相对有效性。
数据包络分析 (Data Envelopment Analysis, 简称DEA) , 就是一种用于评价同类部门或单位间的相对有效性的决策方法。它是一种对若干类型的具有多输入、多输出的决策单元 (Decision Making UNIT, 简称为DMU) , 进行相对效率与效益方面比较的有效方法。DEA以相对效率概念为基础, 应用数学规划模型计算、比较决策单元之间的相对效率, 对评价对象作出评价。DEA通常是对一组给定的决策单位, 选定一组输入、输出的评价指标, 求所关心的特定决策单元的有效性系数, 据此将各决策单元定级排队, 确定有效的决策单元, 并给出其他决策单元非有效的原因和程度。DEA无须先了解输入和输出之间的关联关系, 而且无须任何权重假设, 从而避免了许多主观因素, 具有很强的客观性。DEA法的优点吸引了众多的应用者, 应用范围已扩展到美国军用飞机的飞行、基地维修与保养, 以及陆军征兵、城市、银行等方面。目前, 这一方法应用的领域正在不断地扩大。DEA也可以用来研究多种方案之间的相对有效性 (例如投资项目评价) ;研究在做决策之前去预测一旦做出决策后它的相对效果如何。
1978年由著名的运筹学家A.Charnes、W.W.Cooper和E.Rhodes提出的第一个DEA模型被命名为CCR模型。其基本步骤如下:
设有n个决策单元DMUj (1≤j≤n) , DMUj对应的输入、输出向量分别为:
而且xij>0, i=1, 2, …, m;
一般情况下, 因为我们对输入、输出量之间的信息结构了解较少或者它们之间的相互代替性比较复杂, 同时为了尽量避免主观意志的影响, 所以我们并不事先给定输入、输出权向量:v= (v1, v2, ……, vm) T, u= (u1, u2, ……, um) T, 而是先把它们看作变向量, 然后在分析过程中再根据某种原则来确定它们, 如图1所示:
对于DMUj有相对效率指数:
现在对DMUjo进行效果评价 (1≤jo≤n) , 构造下列最优模型
将其写成矩阵形式, 有
通过Charnes-Cooper变换, 可将 (5) 式变成等价的线性规划模型:
为了讨论及应用方便, 进一步引入松弛变量S+和剩余变量S-, 根据线性规划对偶理论, (P) 对偶规划模型为:
这里称线性规划 (D) 为规划 (P) 的对偶规划。检验DEA有效时, 可利用线性规划, 也可以利用对偶线性规划, 但其计算量相当大, 现在可以借助相关软件 (如LINGO、LINDO、DEAP等) 进行运算。
二、实证分析
选取徐州夹河矿1996年~2005年每年的安全投入产出结果作为DEA的一个决策单元。并且选取年安全投入总额 (2005年前为安技措费, 2005年为生产安全费用) 、吨煤安全投入、安全工程投入、安全设备投入、安全科技投入、安全管理投入等六个指标作为输入变量, 选取事故发生率、原煤产量作为输出变量。见表1。
关于表1中数据的解释说明:
考虑安全产出效益的滞后性, 本文时滞期限取为一年, 即每一个决策单元中, 事故发生率、原煤产量等指标值均以下一年数据列示。即1996年的决策单元中, 输入变量 (年安全投入总额、吨煤安全投入、安全工程投入、安全设备投入、安全科技投入、安全管理投入) 为本年的数据, 输出变量 (事故发生率、原煤产量) 为1997年的数据。考虑数据口径的统一性、可比性原则, 将死亡人数、重伤人数、轻伤人数按1:29:300折算成轻伤人数。夹河矿1996~2005死伤人数折算结果如表2所示。
运用LINGO9.0将表1中数据进行相应运算, 结果如表3所示。
(评价模型:CCR)
由表3可知, 1998年该矿安全投入产出效果的相对评价结果为非DEA有效、规模收益递减, 原因在于其原煤产量较上一年度有所下降, 同时事故发生率较上一年度上升。通过分析当年各投入指标的效率 (见表4) , 发现该年各投入指标中只有安全管理投入效率较上年下降, 为0.7220, 而其它投入指标的效率都较上年上升或持平。因此, 若想提高该矿的安全投入产出效果, 必须深入分析该年安全管理投入效率下降的原因, 并作出相应调整。2002年该矿安全投入产出效果的相对评价结果也是非DEA有效、规模收益递减。这是因为尽管当年原煤产量较上一年有所上升, 而且事故发生率下降, 但是原煤产量增加的幅度以及事故发生率下降的幅度相对于安全投入增加的幅度并不相对称。2005年该矿安全投入产出效果的相对评价结果不但为非DEA有效、规模收益递减, 而且整体相对效率只有0.2678。原因很明显:虽然安全投入大幅度增加, 可是事故发生率却大幅度增加, 而且原煤产量也较上一年度下降。从2005年开始, 全国煤矿执行《煤炭生产安全费用提取和使用管理办法》, 该矿也根据规定提取了安全费用, 所以安全投入总量大幅度增加, 但是这些安全投入并未发挥其应有的效用。
可见, 单纯增加煤矿安全投入的数量, 并不意味着其安全投入产出效率就能相应提高。安全投入的结构、时点等也是影响安全投入产出效率的重要因素。所以应该综合考虑煤矿自身的情况, 进行科学合理的安全投入决策, 在确定了安全投入总额之后, 还要特别注意投入方向的选择、投入结构的安排和投入时点的把握。只有这样, 才能提高安全投入产出的效率, 最大限度地发挥安全投入的效用。
从表4还可以看出, 历年来, 夹河矿安全科技投入的产出效率都比较高, 平均为0.9999, 基本发挥了其应有的效用。而安全设备投入与安全管理投入的产出效率都较低, 平均分别为0.5894与0.6801, 说明其安全设备投入与安全管理投入的效果不好, 特别是安全设备投入的效果最差。因此, 该矿应该分析造成这种状况的原因, 采取相应的措施, 提高安全设备投入与安全管理投入的产出效率。
三、结论
煤矿的安全投入产出效率取决于其安全投入的合理程度。当安全投入合理时, 往往安全产出就大、安全投入产出效率就高。反过来说, 一个煤矿的安全投入产出效率高, 往往表明该煤矿的安全投入就合理。但是单纯增加煤矿安全投入的数量, 并不意味着其安全投入的产出就能相应提高。安全投入的结构、时点等也是影响安全投入产出效率的重要因素。所以应该综合考虑煤矿自身的情况, 进行科学合理的安全投入决策, 在确定了安全投入总额之后, 还要特别注意投入方向的选择、投入结构的安排和投入时点的把握。只有这样, 才能提高安全投入产出的效率。
摘要：煤矿安全生产形势的根本好转从根本上取决于企业的安全投入决策的科学性。DEA模型避免了许多主观因素, 具有很强的客观性。运用该模型对煤矿安全投入产出效率进行综合评价, 有利于管理者把握安全投入的数量、结构、时点等重要因素对安全产出效率的影响程度, 从而作出科学决策。
关键词：安全投入产出,效率,DEA
参考文献
[1]杜栋.现代综合评价方法与案例精选[M].北京:清华大学出版社, 2005
[2]吴文江.数据包络分析及其应用[M].北京:中国统计出版社, 2002
[3]龙如银.矿业城市可持续发展理论与方法研究[D].中国矿业大学博士论文, 2005 (5) .
[4]王书明, 何学秋, 王恩元.煤矿安全投入综合评价指标的筛选与确定[J].徐州工程学院学报 (自然科学版) , 2009 (4)
投入-产出效率 篇10
随着经济全球化进程的快速推进,供应链管理已经成为提高企业竞争力的一种全新的管理模式。为了适应瞬息多变的市场需求,跨国制造企业越来越强调自身的核心能力,而对于非核心能力的运输业务,则外包给承运商。由于物流在供应链管理中的重要地位,正确、合理地选择货物承运商就显得尤为重要。当制造商与承运商之间建立起了稳定的合作伙伴关系,有利于降低企业的物流成本,提高客户服务水平,提升企业竞争力[1]。
目前,对承运商评价与选择,主要采用层次分析法、模糊评价法等。例如,沈雁和姚冠新[1](2002)运用层次分析法对承运商进行综合评判并择优选用;又如焦蕾稚[2](2004)提出了用模糊聚类分析法解决第三方物流承运商选择问题的一个简单模型,即先用模糊聚类分析法对可选择的物流承运商进行聚类,然后在较小的选择范围内进一步选择,从而使实际的复杂问题得到简化。
然而这些方法主观性强,评价与选择有一定的随意性。因此,本文应用了一种基于投入产出效率的承运商评价方法,通过承运商之间效率的比较,得出各个承运商的综合绩效得分,进而将承运商分成三个等级再进行选择。
1 承运商绩效评价指标体系
承运商绩效评价指标体系必须能够全面客观地评价承运商的运作绩效,以便企业能够全面了解承运商的相关情况,从而对承运商进行评价选择。结合跨国制造企业实际情况,建立承运商绩效评价指标体系,如图1所示[2,3]。
(1)运输费率:直接影响企业的运作成本,是企业评价承运商所必须要加以考虑的因素。
(2)物资残损率:反映了承运商所承运商品的质量情况,如果承运商的运输货物的物资残损率较搞,必定会影响到跨国制造商的信誉。
(3)总运量:是指承运商对制造商的历史运输总量,反映了承运商的运输能力,是评价承运商的重要因素之一。
(4)运达准时率:是指按照跨国制造商所要求的时间、地点和数量,承运商将指定数量的产品准时送到指定地点的发生率,是评价承运商的关键因素。
(5)信息监控程度:反映了承运商的信息化建设和货物跟踪水平,也是评价承运商的一个考虑因素。
根据承运商绩效评价指标体系,选取承运商评价的输入指标为:运输费率x1和物资残损率x2;输出指标为:总运量y1、运达准时率y2和信息监控程度y3。其中,x1=每四十英尺普通货柜运价(文中以上海到悉尼的运价来计算),x2=物资残损数与输送物资总数的百分比;y1=承运商年度运输总量(二十英尺普通货柜数),y2=输送准时批数与输送总批数的百分比,y3=可实施监控的里程数除以总里程。在上述各指标中,运输费率和物资残损率是越小越好,因此作为评价模型的输人,而运输能力、运达准时率和信息监控程度都是越大越好,因此作为评价模型的输出。
2 承运商的绩效评价
2.1 基于投入产出效率的承运商绩效评价模型
基于投入产出效率的承运商绩效评价模型,用于解决多个承运商之间的效率的比较,从而得出承运商绩效的综合得分,为承运商的选择提供基础。
步骤1:先由简单的多投入、单产出的情况扩展到多投入、多产出的情况;
步骤2:由承运商两两之间的比较扩展到n个承运商间的比较,得出承运商绩效的综合得分。
2.1.1 多投入、单产出的情况
为了简化问题,先考虑投入指标为2个,产出指标为1个的情况,继而再扩展到多投入和多产出的更为一般情况。可以形成共识的是:当其他情况一致时,承运商的产出越大越好;同样,在其他情况一致下,承运商的投入将是越少越好。因此,承运商绩效增值判断的依据是:越小的投入,越大的产出。
假设如图2所示,存在n个投入指标为2个、产出指标为1个的承运商。承运商1的投入指标为x11、x12,产出指标为y11;其中x的第一个下标表示1号承运商,第二个下标表示本承运商中第1个或第2个投入指标。同样,y的第一个下标表示1号承运商,第二个下标表示本承运商中第1个产出指标。用同样方法定义承运商2至承运商n的各投入和产出指标。
先看任意两个承运商,如图3。不妨设为承运商1和承运商2之间的比较:
引入参数λ1(λ1叟0)个承运商1和λ2(λ2叟0)个承运商2,ep12为一比值,无单位。两个承运商以λ1个和λ2个的组合投入与产出,则二者相比较的线性规划模型,如下式所示:
式(1)的含义为:承运商1和承运商2如何组合,使得如果至少生产承运商1的产量y11,需要投入承运商2投入指标x21和x22的最少比例倍数ep12。也就是说,以承运商1的产量为基准,考虑承运商2的投入的情况。决策变量ep12的下标也体现了这层含义:下标的第一个数字就是基准承运商,第二个数字为与基准承运商相比较的承运商。不等式y11λ1+y21λ2叟y11保证了在组合为λ1和λ2下的承运商1和承运商2的产量至少要比y11高;而不等式x11λ1+x21λ2叟x21ep12保证了λ1和λ2的组合下的两个承运商的第一个投入指标要少于或等于x21与ep12的乘积。同样,通过不等式x12λ1+x22λ2叟x22ep12约束了第二个投入指标。目标函数意思是,承运商2的投入指标x21和x22的倍数最小,体现了投入越小,生产效率越高的思想。
同样地,我们可以写出以承运商1为基准,承运商3与承运商1比较,承运商4与承运商1比较,承运商n与承运商1比较的目标函数和约束条件式。
2.1.2 多投入、多产出的情况
假设如图4所示,存在n个投入指标为i个,产出指标为j个的企业。对于企业p(p∈{1,2,3,…,n})来说,投入指标为xpk(k=1,2,3,…,i);产出指标为xpl(l=1,2,3,…,j),而企业q(q∈{1,2,3,…,n})投入指标为xqk(k=1,2,3…,i),则任意两个承运商p、q之间,以p为基准进行比较的线性规划模型,如下式所示:
对任意两个企业进行如上比较,则得两两相比EP矩阵如下:
通过EP矩阵,定义企业p的综合绩效得分AEPp如下式:
2.2 绩效评价算例
某跨国制造公司的国际运输主要由10家承运商承担,现应用基于投入产出效率的承运商绩效评价模型评价10家承运商的绩效,对2007年该公司承运商的原始数据,用EXCEL计算,结果如表1所列。
3 承运商的选择
根据承运商的综合绩效得分,把10家承运商分成三个等级,企业1、6、9为第一等级(AEP>0.8),企业3、5、10为第二等级(0.7<AEP<0.8),得分最低的企业2、4、7、8为第三等级(AEP<0.7)。选择承运商时,如果不是客户已经指定了承运商,则优先选择第一等级中费率最低且满足船期要求的承运商,具体选择流程如图3所示。
4 结论
本文首先建立了跨国制造企业承运商绩效评价指标体系,然后在此基础上给出了一种基于投入产出效率的承运商绩效评价模型。该模型较为客观,不需要确定各评价指标的权重,评价的求解借助EXCEL软件,求解方便快速。最后,采用定性方法完成了承运商的选择。定性与定量方法的结合应用,有助于提高承运商评价及选择的准确性和可靠性,具有较好的实际应用价值与前景。
摘要：承运商的评价及选择,直接关系到供应链中跨国制造企业的运作成本,影响到企业的市场竞争力。因此,研究承运商的评价与选择方法,具有重要的理论意义和实践意义。文中提出了一种基于投入产出效率的承运商绩效评价模型,并应用该方法对某跨国制造公司承运商的评价选择进行了实例分析。
关键词：供应链管理,投入产出效率,承运商评价及选择
参考文献
[1]沈雁、姚冠新:《供应链物流管理中运输商综合评判研究》[J];《制造业自动化》2002(7):12-14。
[2]焦蕾稚:《基于模糊聚类分析的第三方物流承运商选择》[J];《物流科技》2004(11):34-37。
捷径高投入却换来低产出 篇11
下面两位家长将以对自己孩子参加艺考的态度为基点，为我们讲述那段难以忘怀的岁月。用生动的实事和最痛的领悟向我们呈现一个“败也艺考”的沉重结论。
都云家长痴，谁解其中味
胡萍
我的女儿参加了2013年的艺考，可是她连第一关筛选都没有通过……
我们老家在河南信阳，那是一个从幼儿园开始竞争就特别激烈的地方。她的成绩不算好，高中也没能上重点。我们厂的孩子曾有通过艺考而顺利进入北影的先例，于是我也想让她试试。高一期末考试后不久我就向她提出了试试艺考这条可以缓解高考分数压力的道路。或许是因为她从小就喜欢唱歌跳舞，认为自己还有一些天赋，样貌也还不错，她并没有反对。
于是，我们高二上期的时候就举家搬到了北京，在通天苑附近租了房子。紧接着，钱就像流水般地泻入艺考培训。其中包含文化课补习费1万元左右、专业课的集训费3万元、专业考试3000元的报名费，以及材料费、交通费、伙食费等花销已经记不太清楚的费用……为此我们到处借钱拉债，很多亲戚朋友都觉得我的这种投入完全是一个无底洞，但我仍然相信自己能尽力为女儿创造一个美好前程。每每想到这些，在那段艰辛的岁月里，我都觉得很有盼头。
然而，事与愿违。我的女儿没能实现梦想，也耽误了高二高三的学习。现在，她已就读一专科学校的会计专业。我们只希望她好好地走她的人生。
（专家忠告：艺术是一个高投入、低产出的行业，如果考生家庭没有一定的经济能力，还是请理智对待。对于从事表演艺术的孩子来说，天赋非常重要，家长们不要把艺考当作终南捷径。）
满纸追悔言，一把辛酸泪
郭世春
我的儿子其实对萨克斯风没有什么兴趣，也没演奏乐器这方面的天赋。但我还是让他在小学四年级时开始学习这门乐器，我坚信兴趣是可以培养的。我的规划是他如果照这样一年一级地考下去，到高一就能考到业余九级。对他无论参加艺考或者名牌大学的自主招生都是有好处的。
然而，北京大学当年自主招生萨克斯风学生太多，我们败下阵来，同时因为在中央音乐学院的考试中发挥不佳，结果两头皆空。我不服气，本来儿子重本可以去本地的一所综合类大学，我还是坚持要他复读。
第二年，儿子在专业老师的指导下，学习了另一种艺考中少见的乐器——笙，其指法和萨克斯风有些融通之处。果然顺利拿下了北大的自主招生降分政策并获得了中音的垂青。可是儿子因为急换乐器而耗费太多时间在练习上，文化课成绩并没有达到北大要求分数，只得去了中音。
现在，他特别埋怨我，和我冷战。他不喜欢现在的专业，因得知他们专业有一半的毕业生都转行从事别的职业，他时常担忧自己的前程和职业前景。
我现在也后悔，也时常独自伤心。可是他怎么就不明白，我做的一切都是为了他好啊！
（专家忠告：艺考是为那些真正在艺术上有深厚天赋与造诣的学生开启的一扇通往专业大学的大门。国家高考改革取消一般高校自主招生中体艺尖招生的宗旨亦在于此。）
事实上，艺考只是高考体系中的一种类型，不能把他完全等同于高考。因此，全力奔赴艺考，最后在高考中得不偿失的可能性一定会很大。原因有三：
耗不起的时间成本。时间的张力虽然在高考复习阶段已经被用到极致，但还是没有学生能坚持全天24小时不睡觉，第二天精神抖擞且效率颇高地复习。投入艺考学习的多，花在高考文化课复习的时间必然少。我想大家都明白加减进出的能量守恒定律，得多少，就会失多少，何况在其他因素作用下，甚至会失去更多。
攀不了的升学难度。很多家长把艺考看作捷径，其实不然。专业和文化课两不误是近年艺考招生指导思想，其门槛逐渐提高。从对数学考试的重视到将艺考范围缩小至除艺术类专业外的学前教育、艺术教育等17种非艺术类专业。几乎每年艺考文化课控制分数线较上年都有不同程度的上升。
悔不及的专业选择。艺考代表的是对艺术考生多年学习的水平检验，艺考生选择艺考道路必定下大力气深入学习，即意味着放弃了对其他专业的垂青。但不幸的是，2014年全国就业率较低的15个本科专业中就有表演、播音与主持艺术、音乐表演等艺考类热门专业。爱即深爱；若浅尝辄止，抑或是一生的痛楚，追悔莫及。
投入-产出效率 篇12
关键词：地方财政,超效率数据包络(SE-DEA)模型,科技投入,效率分析,广东省
1 引言
政府的科技投入远远不及企业的科技投入,但是却起着主导性的作用,因为它代表了政府的政策导向,起到“四两拨千斤”的作用。近年来,我省地方财政对科技投入的力度不断加大,科技产出每年有较快的增长。但是,在当前财政资金有限的情况下,人们更关注的是地方财政科技投入产出的效率。在此之前,专家学者们采用多种方法例如:层次分析法、灰色关联度分析法、模糊综合评价法、横断面数据分析方法、传统数据包络分析方法等,对多个省市或者对广东各个地市的地方财政科技投入产出效率做分析,但是,并没对广东历年的地方财政科技投入产出效率做分析。本文将采用超效率数据包络(SE-DEA)模型对广东历年的财政投入产出效率做分析,找出广东科技财政投入每年的效率,分析投入产出效率是高还是低,哪些投入存在冗余,哪些产出存在不足等问题。
2 广东地方财政科技拨款现状
2.1 地方财政科技拨款总量不断上升,但近年来增速有所放缓
2001-2008年,除了2002年以外,其他年份的地方财政科技拨款总量呈逐年快速上升的态势,从2001年的40.77亿元到2008年的132.52亿元,增长了3.25倍。从增长速度看,“十五”以来,我省地方财政科技拨款基本上呈现逐年增长的态势,年均增速为18.3%,但近几年来增速有所放缓,2005年、2006年、2007年分别为28.1%、24.3%、14.6%,2008年增速为11.11%,降至近年来新低,也低于全省财政支出的增速(19.59%)。
2.2 地方财政科技拨款占地方财政支出比例不高
我省地方财政科技拨款占地方财政支出比重从2003-2006年逐年上升,但是2007、2008年呈现下降趋势,到2008年下降到3.51%,比2006年的历史高位下降了0.57个百分点。
广东地方财政科技投入的快速增长,必然会带动地区经济和科技产出的快速增长。但是,有限的财政资金如何发挥引导带动作用,这就要进一步深入分析地方财政科技投入产出的效率问题。因此,下面我们引入超效率数据包络(SE-DEA)模型来计算地方财政科技投入产出的效率。
3 广东地方财政科技投入产出效率分析
3.1 超效率DEA模型介绍
超效率数据包络模型(Super Efficiency DEA,SE-DEA)[4]是由Andersen&Petersen根据传统DEA模型提出新模型,传统DEA模型如CCR、BCC等只能计算出有效率和无效率的决策单元,但是对决策单元无法进行比较和排序,而超效率DEA模型可以弥补传统DEA模型的这个不足,计算出的效率值不再限制在0-1的范围内,而是允许效率值超过1,可以将各决策单元进行排序和比较。模型如下:
其中,θ为规划目标值,λj(j=1,2,…n)为规划决策变量,Y=(y1,y2,…,yn)T为投入变量向量,X=(x1,x2,…xn)T为产出变量向量,S-=(s-1,s-2,…,s-m)T,S+=(s+1,s+2,…,s+m)T为松弛变量向量。
3.2 投入产出指标体系
根据科学性和可操作性原则,结合数据包络分析方法和财政科技投入产出系统的特点,设定投入产出指标体系。投入指标包括资金投入和人员投入,产出指标包括社会经济效益、科技成果。指标体系如下:
3.3 实证分析
利用MaxDEA1.0软件对数据进行运算,得出结果如下:
4 结论
根据计算结果,我们可以得出如下结论:
4.1 2008年地方财政科技投入效率最高,2002年效率最低
数据显示,2002年广东省地方财政科技拨款增速高达41.5%,表明地方政府对科技投入的重视程度大为提升,但是由于地方政府尚未能寻求到带动地区经济和科技产出的快速增长的有效抓手,科技投入相对效率较低。而随着近几年“自主创新”成为国家战略发展的基点,科技创新工作逐渐从“配角”转变为“主角”,广东省省部产学研合作、专业镇技术创新平台等等科技专项发展迅速,省市联动频密,地方财政科技投入产出效率平稳发展。而2008年出台的《广东自主创新规划纲要》等一系列重大政策,指明了建设创新型广东的路径,促成广东地方财政科技投入的总额及相对效率的达到历年新高。
4.2 2001—2005年规模收益递增,2006-2008年规模收益递减
2001-2005年地方财政科技投入总额相对早前有较大幅度提升,促成科研人员数量、科研机构实验设备数量的增加,形成规模收益递增;而日渐庞大的科研队伍,也随之带来了科技管理部门、高校、科研院所与企业科研部门之间的协调难度加大,管理效率大大降低等问题,这就促使规模收益递减。如何建立科学、客观的科技投入产出绩效评价机制,提高管理效率、降低管理成本,力争使规模收益更多地处于不变阶段,值得广东省科技管理部门深入考量。
4.3 地方财政科技拨款历年投入不足
2008年地方财政科技拨款占地方财政支出比例达不到目标值。结果显示,我省地方财政科技拨款除了2002年,其他年份都投入不足,这直接导致了产出的不足,如:地区生产总值从2002-2008年达不到目标值,而且离目标值的差距逐年越拉越大,反应了地方财政科技投入的不足,会大大减弱了对经济增长拉动作用。2008年,虽然地方财政科技拨款总量上有了增长,但是占地方财政支出的比例却达不到目标值,这说明了08年财政科技投入力度还远远不够。
4.4 科技活动人员2004-2008年达不到目标值
结果显示,我省科技活动人员从2004年开始到2008年都达不到目标值,说明近年来科技人员投入不够。人才是科技发展的核心因素,人才投入的不足将大大阻碍了科技的发展。
4.5 “十一五”期间发明专利申请量达到要求
“十五”期间,我省发明专利申请量达不到目标值,但到了“十一五”,发明专利申请量以年均15%的增速增长,总量排在全国首位,说明我省在自主创新方面取得较大的成效。
4.6 技术市场成交合同金额、科技论文产出数量不足
2004、2007、2008三年我省技术市场成交合同金额没有达到目标值,2007和2008年科技论文产出不足,而且到2008年距离目标值差距变大,说明我省在这两方面相对科技投入来说效率较低。
5 对策建议
5.1 建立健全科技投入产出绩效评价体系,加大地方财政科技投入力度。
对地方财政科技投入产出绩效评估体系仍需要继续进行有益的探索,不仅要从计算方法、数学模型上取得新的研究成果,更需要力争建立健全建立了绩效评估体系,并应用于地方科技管理部门、科研机构的绩效考核中,形成对科技创新工作的监督与敦促。由于技术创新存在失败风险、前期投入巨大而后期产出难以确定,导致科技投入的产出存在不稳定性,而目前政府官员的政绩考核依然以GDP为标准,如果缺乏广东省委省政府强势引导,长期以往,地方科技投入势必不足。要改变这一状况,就要改变以往以GDP为主的政府绩效考核体制,增加财政科技投入指标,使财政科技投入得以重视,从而加大投入力度。
5.2 利用好人才引进计划和奖励政策,加大科技人员投入。
利用广东人才引进计划和高层次人才回国创办企业优惠政策,设立专门机构并配备服务人员,创造良好的环境,引进高素质人才队伍;充分运用人才奖励政策,对取得成绩的科技活动人员进行奖励,提高他们的积极性;不断创新制度,完善政策,优化环境,留住优秀人才。
5.3 以产学研结合为契机,加快科技成果转化,提高科技拉动经济发展的效率。
科技成果转化率低,主要原因就是技术研发在选题时就脱离了市场,使得技术转化先天不足。产学研紧密结合,进一步强化了技术创新需要以市场为导向的重要作用,是解决科技与经济相互脱节的关键举措。同时,需要整合全省科技成果转化资源,与全国各区域性科技成果转化服务机构建立协作联系,聚合全国的技术、人才和资本要素,面向地方提供科技成果转化信息发布、成果展示、项目推介、中介咨询等综合服务,推动全省及跨区域技术转移和科技合作,有效聚合企业、高校院所和中介服务机构等优势科技资源,构建全省统一开放的科技成果交易大市场。
参考文献
[1]魏权龄.数据包络分析[M].北京:科学出版社,2004.
[2]林佳丽,薛声家.广东省各市科技创新有效性评价基于DEA超效率模型的分析[J].科技管理研究,2008(8)111-114.
[3]顾骅珊,雷媛玲.基于DEA的浙江省R&D投入绩效评价研究.技术经济,2010(3):17-21.