投入产出效率（精选10篇）
投入产出效率 篇1
摘要：运用超效率数据包络(SE-DEA)模型对广东省2001-2008年的地方财政科技投入效率进行分析和评价。实证分析表明,广东的地方财政科技投入总量和强度历年都不足,科技人才投入不足,对地方经济发展的拉动效应不够大。根据实证分析的情况,为提升广东地方财政投入产出效率提出对策建议。
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.
[4]Andersen P,Petersen N C,A procedure for ranking efficient units indata envelopment analysis[J].Management Science,1993,39(10):1261-1264
湖南省R&D投入产出效率研究 篇2
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.
投入产出效率 篇3
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.
投入产出效率 篇4
摘要：整合和管理物流供应链条不仅是降低企业运营和物流成本的关键，也是增强企业竞争力和促进企业升级的有效途径，而信息技术的投入又是决定物流链管理水平的重要因素。通过对河北省制造业企业物流链管理现状的调查，利用DEA分析方法对河北省制造业企业物流信息技术投入与企业效益进行投入产出评价，结果表明：河北省制造业企业物流链信息技术投入产出效率明显不高，尤其是中小企业投入产出效率更低，结果还显示大部分企业信息技术投入比例并不协调，物流信息技术（ERP、数据库）投入能力不足。
关键词：河北省；制造业；物流链管理；投入产出效率；评价方法；评价指标
中图分类号：F224 文献标识码：A 文章编号：1007-2101（2014）01-0114-04
一、导论
20世纪80年代中后期，伴随全球企业组织形式变革以及企业竞争力加强，如何降低企业成本增强竞争力成为企业关注的重点。在此背景下，企业物流供应链管理营运而生。但真正引起学术界和实业界对物流供应链条管理高度关注却是20世纪90年代以后的事情[1]。所谓物流供应链是指围绕核心企业，通过对信息流、物流、资金流的控制，从采购原材料开始，到制成中间品以及最终产品，最后由销售网络将产品送到消费者手中的将供应商、制造商、分销商、零售商直到最终用户连成一个整体的功能网络结构模式[2]。
尽管企业物流供应链管理研究出现时间并不长，国内外学者却对此投入了大量研究，尤其企业物流链管理对企业绩效研究成果颇为丰富。比如，Bharadwaj et al、Hendricks et al以及Bruce Dehning et al等人都曾采用调查方式从不同视角研究企业重视物流链管理前后企业运行绩效，研究结果都是积极的，即企业物流链管理对企业运行绩效的影响是显著的。虽然我国学者对物流链研究起步较晚，但仍有丰富成果可寻，比如廖成林研究发现供应链管理实施对竞争优势、组织绩效有显著的影响；郑称德研究结论表明ERP实施能提高企业的应收账款和流动资产周转率，减少单位销售额所需员工数；林丹明研究证实了企业对信息技术的投资有利于提高企业绩效[3]。在此过程中，虽然也有学者关注物流信息技术的影响[4]，但鲜有研究物流链信息技术投入产出效率的成果。鉴于河北省制造业企业较多，企业物流链管理过程中问题较为突出，我们选取河北省制造业企业进行物流链信息技术投入产出效率的评价，以此希望能够揭示问题、寻找答案，为制造业企业健康发展提供指导。
二、评价方法选择
评价方法也称为多指标综合评价方法，是指通过一定的数学模型将多个指标值按照一定的标准和规范合成一个评价值。合成综合评价值的数学方法有多种，相应评价方法也有多种。伴随学科间融合发展以及信息技术进步，数学、信息、人工智能等相继进入综合评价方法中。陈衍泰等人根据学科分类把综合评价方法划分为九大类，分别是定性评价方法（专家会议法、Delphi法）、技术经济分析方法、多属性决策方法、运筹学方法（数据包络分析）、统计分析方法（主成分分析、因子分析、聚类分析、判别分析）等方法。其中，数据包络分析方法是由美国运筹学家查恩斯（A.Charnes）、库伯（W.Cooper）以及罗兹（E.Rhodes）在“相对效率评价”概念的基础上，提出的一种新的评价同类部门或单位间相对有效性的系统分析方法，又称为DEA分析方法（Data Envelopment Analysis）[5]。
相比其他研究方法，DEA分析方法具有很多优势。首先，它并不直接对数据进行综合，因而无需对数据进行无量钢化处理。其次，它能充分考虑对于决策单元本身的最优的投入产出方案，能够更理想的反映评价对象自身的信息和特点。再有它不必确定输入输出变量间的关系的显著表达式，也无需任何权重假设，排除了很多主观因素的影响，具有很强的客观性。正是因为具有这种独特优势，DEA方法在效率评价中有着广泛的应用[6]。本研究目的就是评价河北省制造业企业物流链管理过程中信息技术投入产出效率，由于不同学者以及企业家对相应投入产出指标认识不一，指标很难赋予权重，为此我们选择DEA分析方法作为本研究评价方法。
DEA常用的基本模型为CCR模型和BCC模型[7]。其中CCR模型是用来测量决策单元的综合效率：即决策单元在投入既定、实现产出最大或产出既定、实现投入最小的能力。在CCR模型中，当效率值θ=1，且松弛变量均为0时，决策单元DEA有效，当θ=1，但至少某个松弛变量不为0时，则决策单元为弱DEA有效，当θ<1，决策单元不是DEA有效。在CCR模型中引入凸性假设，可得到BCC模型，它评价决策单元的技术效率。如果效率值δ=1且各指标松弛量为0，则该决策单元达到了技术有效；否则为技术无效。利用CCR模型和BCC模型，可以计算出决策单元的规模效率，其值为η=θ/δ，并可以根据有关参数判断其规模收益情况，是处于规模收益递增还是递减阶段。若处于规模收益递增阶段，则增加一定比例投入会带来更高比例的产出；若处于规模收益递减阶段，则增加一定比例投入仅能带来小于该比例的产出。显然，DEA有效的决策单元都具有规模效益不变的特点。
三、信息技术投入产出效率评价指标构建与数据来源
（一）投入产出效率评价指标构建
为保障评价工作顺利开展和评价结果实效性，制造业企业物流链信息技术投入产出指标的选择需要遵循一定原则。首先应坚持科学性原则，不仅评价指标体系结构的安排要科学合理，指标元素的选取、指标数据来源以及指标处理都必须建立在科学基础之上。其次应坚持代表性原则，反映企业物流链管理信息技术投入产出指标有很多，如果把这些指标都纳入评价指标体系中即不现实，也不合理，为此应尽量选取那些具有代表性的投入产出活动作为入选指标。再次还要坚持可操作性原则，选取那些数据相对稳定性、具有可比性且容易获取的指标。最后坚持完备性原则，制造业企业物流链管理信息技术投入产出活动是一个复杂的体系，因此选择的投入产出指标能够全面、系统、客观地反映信息技术投入产出的全貌。
笔者认为制造业企业物流链管理信息技术能力由企业物流信息技术、人力信息技术和商务信息技术组成。其中企业物流信息技术主要由企业物流链硬件设备（比如计算机设施）、软件信息技术（ERP、CPFR）以及数据库系统（供应商数据库、客户服务数据库、内部数据库）组成，我们选择具有代表性的软件信息技术和供应商数据库作为反映企业物流信息技术指标。企业人力信息技术包括的内容更多，不仅需要企业员工具有口头、书面表达能力、沟通能力，还需企业具有轻松工作环境，较快接受物流链管理新鲜事物和技术的能力，更需要企业具有清晰的物流链管理目标等，我们选取企业不同职能部门员工之间沟通以及员工能否快速接受物流链信息化的变革作为人力资源信息指标。企业商务信息技术能力是指企业维护和增进与客户和供应商紧密关系的能力，不仅取决于企业与供应商交流与合作关系，企业与客户之间关系处理也是重要组成部分，为此我们选取企业和主要供应商的沟通渠道和信赖关系以及调整运营和物流管理流程规划来反映企业商务信息技术能力。我们把企业物流信息技术、人力信息技术和商务信息技术作为投入制造业企业物流链信息技术投入指标，即投入指标由6项指标构成（见表1）。同时，我们选取代表企业营业业绩的产品调整速度、成本降低来代表企业营运业绩，利用销售额回报率、利润增长率、资产回报率代表企业财务指标，利用这5项指标代表制造业企业物流链信息技术产出指标（见表1）。
（二）数据来源
本研究投入产出指标数据来源于“河北省制造业企业物流链管理调查”问卷统计数据。变量涉及的所有指标的测量均采用Likert7级量表，所有问题均设计为“完全不同意”到“完全同意”的选项（见表2）。测量量表主要参考国外相关研究文献，并结合国内的实际情况，同时咨询了部分专家学者及国内部分实践经验丰富的供应链管理人员。调查问卷发放范围为河北省境内制造业企业，发放问卷200份，回收166份，回收率83%，有效问卷148份，有效率为89%，回收率和有效率满足调查技术要求。
四、评价结果
利用DEA-Solver-LV软件对收集整理的投入指标和产出指标的数值进行分析，分析与评价结果（见表3）如下：
1. 在随机抽取的这100家企业中只有14家既是规模有效，又是技术有效，综合效率高的企业占到了14%，有41家企业仅是技术有效，占到了样本的40%，有22家企业仅是规模有效，占据了样本的20%，而有84家企业都是规模无效和技术无效的，这个数据显示效率低下的企业占了84%的比例。通过数据对比可知，河北省企业物流链管理的信息投入的规模和分配结构存在严重的失调，高投入、低产出的现象普遍存在，因此河北省企业物流链管理信息投入利用率急需提高。这些企业应该结合企业自身的发展，在提高信息技术投入的同时合理分配信息技术在人力和商务信息上的分配，从而寻求最佳的投入和分配，增加企业的核心竞争力，创造更好的业绩。信息投入技术有效说明该企业物流链管理信息技术在企业物流信息技术投入、人力资源信息技术投入、商务信息技术资源上的投入分配均优于其他企业，而规模效率最高表示企业的信息规模投入优于其他企业，增加企业的技术投入引发更好的资产绩效。
2. 只有14%的企业既是规模有效，又是技术有效，而且这14家企业集中在金属加工/机械制造行业，有效的企业占此行业的29%；有3家集中在木材加工/家具制造行业，有效的企业占样本的90%；有2家企业集中在化工/石化行业，有效企业占20%。说明河北省的木材加工/家具制造行业的信息技术投入和利用率较其他行业均达到了一个很好的水平，而金属加工/机械制造行业和化工/石化行业的物流链信息技术投入的利用率较其他行业达到了较好的水平，说明这三个行业的企业平时比较注重物流链信息技术投入的规模和在几个指标间合理分配。但这并不意味着这几个企业达到了最好的水平，这些企业应在现有的水平上进一步采取措施提高综合利用率。
3. 有41家企业是技术有效，规模无效，占据样本的40%。通过对比数据可知，技术有效的企业大部分分布在纺织服装行业、化工/石化行业、设备制造行业、电子电气行业。说明这41家企业的信息技术投入在人力资源、企业信息技术能力和商务信息技术的分配结构比较合理，但是信息技术的投入规模有待于改善，行业间最主要的问题是物流链信息技术的投入力度不够。现在是知识社会，科技能够带来效率，信息化的物流链能够提高企业的核心竞争力，降低成本。所以企业根据实际情况增加信息技术的投入，尤其是纺织服装行业、化工/石化行业、设备制造行业、电子电气行业更应该注重信息技术投入的增加，以提高产出。
4. 有22家企业是规模有效，技术无效，这22家企业平均分布在各个行业，说明这22家企业信息技术规模的资源配置无效，也即信息技术投入在物流信息基础，人力资源和商务信息技术的分配不合理，规模有效说明投资力度较大，所以是典型的高投入、低产出的状况。技术效率的低下使得企业不能获得最大的产出。因此各个行业都应该加大资源的合理分配力度，而上述这部分企业应该在保持现有信息技术投资规模的前提下合理分配资源。
五、结论
通过以上的分析可以得到以下结论：
1. 除14%的企业处于DEA有效外，其他企业都处于DEA无效，其中有40%的企业处于技术有效，而20%的企业处于规模无效，各企业的综合效率水平、技术效率水平、规模效率水平存在很大差距。
2. 信息技术水平投入低的企业，有的效率水平较高，而投入高的企业有的效率水平低下，所以河北省应该改善信息技术投入结构及投入经费，提高投资技术效率。
3. 河北省大部分企业都处于DEA无效状态，有的企业虽然信息投入很高，但是整体效率却很差，这其中的一个主要原因就是对信息投入的消化吸收能力差，投入了信息技术，但没有发挥出信息技术的产能。投入信息技术的目的就是用高科技的技术和知识来促进经济效益的提高，如果没有办法对信息技术的投入完全消化吸收和合理利用，那么仅靠加大信息技术投入是无法在现代竞争中占主导优势的。因此，不断提高河北省企业信息技术投入的综合效率才是提高企业业绩的根本途径。
参考文献：
[1]Wantao Yu，Ramakrishnan Ramanathan. An assessment of operational efficiency of retail firms in China[J].16 Journal of Retailing and Consumer Services，2009（16）：109-122.
[2]王冬梅，吕本富.供应链管理对企业财务绩效的影响研究[J].管理评论，2010，（1）：94-96.
[3]郑称德，等.我国企业ERP系统实施绩效的实证研究[J].科学学与科学技术管理，2008，（4）：148-151.
[4]张永军，王文彬.供应链管理过程中信息技术对物流的影响[J].中国市场，2008，（2）：104-105.
[5]陈衍泰，陈国宏，李美娟.综合评价方法分类及研究进展[J].管理科学学报，2004，（2）：69-79.
[6]魏权龄.评价相对有效性的DEA方法——运筹学的新领域[M].北京：中国人民大学出版社，1988.
[7]王雪原，王宏起.我国科技创新资源配置效率的DEA分析[J].统计与决策，2008，（8）：108-110.
投入产出效率 篇5
科技评价制度始于西方发达国家, 从20世纪50年代起, 西方发达国家就已经建立了相关制度。瑞士洛桑国际管理开发研究院自1986年起每年一期《世界竞争力年鉴》 (简称《洛桑年鉴》) , 对有关国家和地区的国际竞争力进行分析评价, 并排出名次[1,2,3]。我国学者对于科技活动评价方面的研究成果也很多。钟淑萍 (2007) 指出应该从科技投入、科技活动、科技产出、科技协调四个方面建立一套多角度、全方位的科技竞争力评价指标体系[4];査奇芬和戴明峰 (2009) 从科技资源状况、高新技术状况、科技成果状况三个方面建立了我国科技活动水平评价指标体系, 运用因子分析进行科技活动水平的综合评价[5];李兵、王铮等 (2009) 在C-D生产函数的基础上引入科技投入变量构建生产函数模型, 确定各投入要素对产出的贡献率[6]。
有关科技评价的指标不断地在发展完善, 各国在实践中已经不断发展完善了适合本国国情的科技活动评价体系。本文借鉴已有的成果, 根据辽宁省自身的特点, 建立一套能够准确反映本地区科技活动水平的科技活动评价体系, 并分别运用数据包络分析和秩和比方法对辽宁省科技活动投入产出效率进行比较分析, 以便更好的确立辽宁省科技活动评价的重点, 提高辽宁省科技评价的效率和质量。
1 科技活动比较指标体系的建立
科技活动评价指标体系一般包括两种性质不同的指标, 即绝对数指标和相对数指标。绝对数指标主要反映科技活动运作的规模情况, 我们可以称其为科技活动运作的效果指标;相对数指标则不同, 它主要反映的是在科技活动运行的不同阶段或不同资源的科技产出效率以及科研成果对资源的利用强度等情况, 称其为科技活动运作的效率指标。在对辽宁省科技活动情况比较分析中我们采用将绝对数指标和相对数指标相结合的指标体系, 以使比较分析结果更加客观全面。本文根据《中国科技统计年鉴》 (1998—2009年) 获得的数据选取如下指标[7,8]:
2 科技活动投入产出效率的比较分析
科技活动运行效率一直是科技管理部门和政府决策部门重视的问题, 但是科技活动运作系统本身是一个复杂的系统。本文结合上述指标数据分别运用数据包络分析方法和秩和比法对地区间科技活动运行效率进行比较分析。
2.1 基于数据包络分析的投入产出效率比较分析
2.1.1 数据包络分析的基本原理和选择依据。
数据包络分析 (DEA) 基于数学规划思想, 通过建立线性规划模型以评价决策单元之间的相对效率。该方法在评价系统运行效率方面比传统的投入产出模型、经济计量模型更为优越, 具体表现在DEA方法对所选取的指标要求比较宽松, 在运算过程中不要求对原始数据进行无量纲化处理。另外, DEA方法评价的决策单元既可以是同一时期的不同部门, 也可以是同一部门的不同时期, 这也提高了其对于科技活动运行效率评价的可用性[9]。
针对于实际科技评价情况, 我国多是通过科技活动投入的调控进行科技评估的[9], 因此选择投入型DEA方法 (C2R模型) 进行我国各地区科技活动投入产出效率的比较分析。
C2R模型是通过投入产出的经济系统, 对多个决策单元 (DMU) 中每个决策单元与其他决策单元的合理性和有效性的判别。
设有k个DMU, 每个DMU有m种投入和n种产出, 用xij表示第j个DMU中第i种类型投入指标的投入总量, 用yrj表示第j个DMU中第r种类型产出指标的产出总量。vi为第i种类型投入指标的权数, ur为第r种类型产出指标的权数, 权系数V= (v1, v2, …, vm) , U= (u1, u2, …, un) 。则每个DMU有其相应的效率评价指数
对于第j0 (1≤j0≤k) 个DMU的效率的评价DEA模型为
由上式求得的第j0个DMU的效率是相对于其他DMU的。为方便求解, 引入ε任意小的正数, 通常取ε=0.00001, 运用Charnels一Cooper变换, 将 (1) 式化简为等价的线性规划问题
其中, s-和s+分别为投入和产出的松弛向量, θ, λj, s-, s+为待估参数[11]。由 (2) 式求得各参数值, 其经济含义为:
(1) DEA有效性:当θ=1时, 称第j0个DMU为DEA弱有效, 如果同时有s-=s+=0成立, 称第j0个DMU为DEA有效。当θ<1时, 第j0个DMU为DEA无效。
(2) 技术有效性:如果s-=s+=0, 则第j0个DMU实现了充分利用投入要素, 取得了最大的产出成果, 称为技术有效。否则称为技术无效。
(3) 规模有效性:取为第j0个DMU的规模收益值。当K=1时, 称第j0个DMU规模有效;当K<1时, 称第j0个DMU规模收益递增;当K>1时, 称第j0个DMU规模收益递减。
(4) DEA无效、技术无效、规模无效:当第j0个DMU是DEA无效时, 也是技术无效和规模无效[9,10]。
2.1.2 科技活动投入产出DEA有效性的实证分析。
选取全国、北京、辽宁等8个地区2008年的科技活动投入产出相关指标, 考察2008年各地区科技活动投入各个要素对科技活动产出的直接贡献效率。科技活动投入指标为科技活动人员、R&D人员全时当量、科技经费内部支出总额、R&D经费支出;科技活动产出指标为专利申请受理数、国内中文期刊科技论文数、技术合同成交额。具体数据来源于中国科技统计网www.sts.org.cn, 鉴于篇幅具体数据略[8]。
运用EXCEL中的规划求解方法, 对线性规划问题式 (2) 进行计算, 取ε=0.00001, 得到的运算结果见表2。
其中S1-、S2-、S3-、S4-分别为科技活动投入指标科技活动人员、R&D人员全时当量、科技经费内部支出、R&D经费支出的松弛向量;S1+、S2+、S3+分别为科技活动产出指标专利申请受理数、国内中文期刊科技论文数、技术合同成交额的松弛向量。由表2可知, 北京、上海、江苏、浙江、山东的θ值都等于1, 说明这些地区DEA有效, 科技投入产出效率最高;辽宁和广东的θ值都小于1, 故为DEA无效的, 这两个省份的科技投入产出效率低于其他地区, 由DEA运算结果知, 它们都表现科技活动投入过剩。辽宁省科技活动人员对应的松弛向量为2.10, R&D人员全时当量对应的松弛向量为0.33, 说明辽宁省存在科技人力资源冗余, 科技活动人员存在2.1万人过剩, R&D人员全时当量存在0.33万人年的过剩, 表明科技经费利用力度过低, 没有很好的实现人力资源的充分开发;另一方面技术市场合同成交额对应的松弛向量为135.14, 表明辽宁技术市场交易不够活跃, 规模不够大。从科技运行规模效益来看, 辽宁省的规模收益值为K= (0.02+0.18+0.01) /0.96=0.22<1, 其科技运行规模收益递增。因此, 为了保持辽宁省科技长期健康发展的态势, 必须要进一步大力加大科技投入力度, 并且真正做到科技经费使用到位, 充分发挥科技人力的聪明才智, 实现人尽所用的目标。
2.2 基于秩和比法投入产出效率比较分析
科技投入产出运行的效率也可以通过构建一些相对数指标来从不同的侧面反映出来, 由科技活动投入产出相对数指标, 运用秩和比法对科技投入产出运行效率进行比较分析。
2.2.1 秩和比法。
秩和比法 (RSR法) 是我国学者田凤调于1988年提出来的, 是由统计学中秩的概念引申出的一种非参数统计比较方法[11]。其具体思路如下:
(1) 计算秩和比。设X1, X2, …Xn为n个两两不同的实数数列。如果恰好有Ri个元素不超过Xi, 则记Ri为Xi在此数列的秩。如果有几个实数相同, 取它们秩的平均数。对于Xi, 对应于m个比较指标, 它们的秩为Rij (j=1, 2, …, m) , 则Xi的秩和为
第i个对象Xi的秩和比为
由式 (4) 可知, 最小秩和比为0, 最大秩和比为1, 因此, 0≤RSRi≤1。
(2) 确定秩和比的区间估计。根据1999年柳青和林爱华提出的秩和的区间估计方法, 得到RSRi的置信度为1-α的置信区间为
其中标准误差
2.2.2 科技活动投入产出秩和比的实证分析。
根据2008年度科技活动统计数据计算出的相对数指标为科技活动人员中科学家与工程师比例 (X1) 、科技活动人员资金装备率 (X2) 、地方财政科技拨款占财政支出的比重 (X3) 、R&D经费占科技经费支出的比重 (X4) 、科学家与工程师科技论文产出率 (X5) 、科技经费论文产出率 (X6) 、科技经费专利产出率 (X7) 、技术合同成交额占GDP的比重 (X8) 、高技术产品出口额占GDP的比重 (X9) 。鉴于篇幅有限具体数据略。
由于所有相对数指标都是高优指标, 与科技活动运行的实际情况相符。因此在此情况下, 根据数据进行编秩并求解, 结果见表3。
由结果可知, 上海和北京的秩和比最高分别为0.901和0.827, 表明这两个地区科技活动运行效率最高;其次为广东、辽宁、江苏秩和比分别为0.605、0.580、0.543, 虽然与北京、上海相差显著, 但这些地区的科技活动运行效率也比较高;最后是浙江、山东、福建和安徽, 它们的秩和比较前面几个地区低很多, 表明这些地区的科技活动运行效率与前面地区差距很大。进一步观察各个地区在每个指标上的秩值, 可以发现除了上海的所有秩值都很高外, 其他地区的秩值都有高有低, 可以看出除上海各个指标运行效率都很高外, 其他地区都在某个方面处于优势, 而又在某个方面处于劣势。因此, 我们引进各地区秩值的离散系数D来反映科技活动运行效率的薄弱程度, D的计算公式为
由表3中D值可以看出, 北京和上海的科技活动不仅运行效率最高, 而且运行协调程度最好;虽然广东、辽宁、江苏的科技活动运行效率相差不多, 但广东和江苏科技活动运行都具有相当的不协调程度, 较好的是辽宁, D值仅为0.326。
对于辽宁来说, 有三个指标排在前三位, 四个指标排在中间, 有两个指标排在后面。可见, 辽宁省科技活动发展的优势主要在于科技论文产出和技术市场交易;弱势在于高技术产品出口额和专利产出。
3 政策与建议
3.1 加大科技活动投入力度, 优化科技活动资源配置
转变辽宁省科技活动人员和R&D人员的冗余现象, 努力调动他们的工作积极性, 真正做到有投入就有高质量产出。经过严格考察引进优秀人员, 着力营造一个让科技人员安心工作的环境, 为他们搭建施展才华的平台, 切实建立一套行之有效的竞争机制, 尽快使优秀人才脱颖而出。在资金投入方面, 科技经费筹集应以政府拨款为主, 社会力量投资为附, 不断加大社会投资比重。同时, 科技活动人力投入和资金投入要合理结合, 才能提高科技投入产出效率。从现状看, 辽宁省科技活动人力投入相对冗余, 这主要是因为科技资金投入不足, 使得科技人才没能充分发挥作用, 因此辽宁省在重视科技活动人力和资金投入力度的同时, 也应该将两者有效地结合起来, 真正实现资金用到位, 人才用到位。
3.2 增强科技活动创新能力, 提高科技活动经济效益
辽宁省技术市场交易不够活跃, 其科技成果和高新技术产出都与科技发达地区有很大差距。辽宁省应充分发挥其高校科研综合实力强的优势, 提供优越政策, 加大对教育科研单位的资金投入, 对高水平的科技人才的高质量产出实行丰盛的奖励, 为他们提供方便渠道, 建立合理的评价方式。同时辽宁应该加快高新技术产业的发展, 培育和吸收高层次科技人员, 增加含金量最高的发明专业的申请量, 掌握国际核心技术, 注重新产品开发, 形成以企业为主体, 以科研院所和高等院校为依托, 产学研相结合的技术创新体系。
3.3 加强科技活动产出效率, 注重科技活动成果转化率
辽宁省科技活动投入产出效率较低, 但科技运行规模收益递增, 可见提高该省科技活动产出效率具有很大潜力。首先高效利用科技活动资源, 科技人才投入过多或者过少都不太适宜, 过多会影响科研活动的效率和造成科研资源的浪费, 而过少的话则会影响到科技活动产出和科技成果的开发和推广应用;其次辽宁省科技活动成果转化率有待提高, 应该从以下几个方面入手:第一, 确立合理的科研立项项目;第二, 建立科技成果转化平台, 促进科技成果的市场推广;第三, 完善科技成果转化后的售后服务。
参考文献
[1]SLOW R M.Technical Change and the Aggregate Production Function.Review of Economics and Statistics, 1957, 312-320
[2]GONDOLA S.The Theory of Technological Change and Economic Growth.London:Routledge, 1990
[3]吴辰.从《洛桑年鉴》看中国科技的国际竞争力[J].科技管理研究, 2004 (12) :20-26
[4]钟淑萍.区域科技竞争力指标体系的编制[J].经济研究导刊, 2007 (12) :163-165
[5]查奇芬, 戴明锋.我国各地区科技活动水平的因子分析[J].统计与决策, 2009 (23) :90-92
[6]李兵, 王铮, 等.我国科技投入对经济增长贡献的实证研究[J].科学学研究, 2009 (2) :196-201
[7]辽宁省统计局.辽宁统计年鉴[M].北京:中国统计出版社, 1998-2009
[8]http://www.stats.gov.cn/
[9]吴文江.数据包络分析及其应用[M].北京:中国统计出版社, 2002
[10]魏权龄.评价相对有效性的DEA方法—运筹学的新领域[M].中国人民大学出版社, 1988
投入产出效率 篇6
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7
改革开放以来, 我国高等院校在探索新知识、新技术上成效显著, 人力和物力资源互动作用于科研创新产出[1]。鉴于我国高校科研基础较为薄弱、科研资源整体上存在稀缺性[2], 如何提高科研投入产出效率备受关注。此外, 人力和物力资源成本不断增加, 且不同区域、不同性质的院校在资源投入方面差别较大, 研究不同的投入要素对产出的影响是否存在区域和校际差异很有现实意义。市场经济要求科研专著和论文产出不仅作为知识的形式产出, 更要参与到商业化浪潮中[3], 因此, 提升高校科研成果转化能力同样值得思考。
本文对中国647所高等院校的科研投入与产出状况进行了定量描述和定性分析, 从横、纵两个角度探索了不同区域、不同性质的高等院校的科研产出效率差异及其原因, 为政府优化科研资源分配机制助力, 并为高校提高科研投入产出效率和成果转化能力提供参考。
二、理论分析与研究假设
1. 科研人员、科研经费投入产出效率的比较
Tauer[4]的研究发现不同类型的高校人员的产出效率差异显著。虽然科研人员投入与经费投入相互支持, 但两种投入的产出效率很可能并不相同, 原因有: (1) 科研人员的科研成果的影响因素的可控性强于科研经费的影响因素; (2) 职称压力对科研人员起客观激励作用;而科研经费的监督机制不健全。因此, 提出:
H1:科研人员投入的产出效率高于科研经费投入的产出效率。
2. 科研投入产出的区域差异和校际差异
区域差异上, 东部地区经济发达, 资源丰富, 西部地区高等院校受政策倾斜, 而中部地区集中了诸多教育强省, 各地区在科研创新上优势各不相同;校际差异上, 我国高等教育长期实行扶优保重的政策, “211”“985”工程院校存在一定优势, 但这种优势有些只是在少数专业上存在绝对优势。据此, 提出假设:
H2a:东部地区高校的科研投入产出效率并不高于中、西部地区高校的科研投入产出效率。
H2b:“211”“985”工程院校的科研投入产出效率并不高于非“211”“985”工程院校。
三、数据与模型
本文研究对象为31个省市自治区的647所本科院校, 研究时限为2007-2013年。各指标数据来源于《中国教育经费统计年鉴》和《中国高等学校科技统计资料汇编》。科研投入与产出模型为:Y=f (X) , 其中, Y为高校科研创新产出;X为影响高校科研创新产出的人力和财力要素, 具体如下, 并利用stata软件进行回归。
其中, 因变量Y包括专著数 (Monograph) 、学术论文产出 (Academic paper) 、技术转让当年实际收入 (Real income) ;自变量X包括研究与发展人员 (rdp) 和科技经费 (sti) 。μ是随机误差项。
四、结论与政策建议
通过回归分析, 结论如下: (1) 科研人员、经费投入是影响院校科技产出的重要因素, 人员投入的产出效率相对较高, 但科研成果转化上, 经费作用较大。 (2) 从区域统计结果看, 东部院校的专著数、学术论文产出效率不存在显著优势, 而其经费投入对技术转让当年收入的正向影响存在区域优势;中部院校科研经费投入的专著数、学术论文数产出效率高于东部和西部院校, 而技术转让当年收入产出效率较低;西部院校的科研经费投入的产出效率相对来说较低, 但是科研人员的投入产出效率全部是正向显著。 (3) 从校际统计结果看, 非“211”“985”院校的科技经费投入的各项投入的产出效率均高于“211”“985”院校;而科研人员的专著数产出效率而言, 非“211”“985”院校也高于“211”“985”院校, 学术论文产出效率略低于“211”“985”院校。
政策建议: (1) 健全科研经费的分配和社会监督机制, 适度提高中、西部地区的科研经费投入; (2) 根据科研投入产出的区域和校际差异, 充分发扬东部地区在技术转让当年实际收入产出、中部地区在专著和论文产出中的区域优势, 并适度加大对西部地区科研人员的投入; (3) 消除科研资源尤其是科研经费分配的校际歧视。
摘要：对31个省区高等院校2007—2013年科研投入与产出的数据进行回归, 从纵横两个方面比较高等院校科研投入产出效率的区域、校际差异。结果表明: (1) 科研人员的投入产出效率相对较高, 但在促进科研成果转化上, 科技经费作用更大; (2) 与中、西部地区相比, 东部院校的专著、论文的投入产出效率不存在显著优势, 但其科研经费投入对技术转让的正向影响却很明显; (3) 非“211”“985”院校的科研经费的投入产出效率显著高于“211”“985”院校。因此, 科研投入不应存在区域和校际歧视。
关键词：投入产出效率,区域差异,校际差异
参考文献
[1]李建华, 周胜军, 孙宝凤.我国科技人力资源与财力资源匹配规模优化研究[J].科学管理研究, 2001, (6) :72-76.
[2]俞立平.不同科研经费投入与产出互动关系的实证研究——基于面板数据及面板VAR模型的估计[J].科研管理, 2013, (10) :94-102.
[3]翟天任, 李源.高校科技成果转化的协同管理路径研究[J].科技进步与对策, 2012, (22) :44-47.
投入产出效率 篇8
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)
国有企业债务结构与创新产出效率 篇9
关键词：国有企业;债务结构;创新产出效率
一、 引言
创新作为引领企业发展的第一动力，一直以来，是关乎经济社会持续发展的重要主题。在国际发展竞争日趋激烈和我国经济进入新常态的形势下，党和政府在十八大会议上将企业创新提高到事关国家和民族前途命运的高度，将其作为“十三五”时期最重要的发展目标。
历经改革开放30多年的发展，我国经济快速增长，虽然经济总量在日益扩大但粗放型的增长方式未得到根本改变。2008年金融危机以后，世界经济增速放缓，影响至今仍在继续，我国经济从高速增长转为中高速增长的新常态模式，为实现经济社会的可持续发展，从依靠要素驱动、投资驱动转向依靠创新驱动的转型升级迫在眉睫。在各行业中，企业研发投入前10名几乎都是国有企业。由此可见，国有企业作为我国市场经济的中坚力量，担负着中国经济的“领头羊”作用，在过去是，在未来也将是国家技术创新的主力军。
然而，创新活动作为一种投入大、周期长、信息不对称程度高的高风险投资，从初始需要大量的资金支持，到后续需要管理层的监督、管理，都为企业日常经营活动带来了较大的风险和困难。国有企业因存在所有者缺位，管理者缺乏监督的现实情况，创新活动带给国有企业管理者的负担大于激励，因此，针对国有企业缺乏创新动力的讨论由来已久。然而，国有企业是否缺乏创新能力？如何提高国有企业创新水平？以上问题尚待解决。
为回答上述问题，本文搜集我国A股上市企业创新投入、创新产出和债务结构的数据，分析国有企业创新投入和创新产出效率，并从债务结构角度探讨如何提升国有企业的创新水平。
二、 文献综述与理论假设
1. 国有企业与创新投资效率。与非国有企业相比，国有企业进行创新研发投入具有三大条件与优势。
一是融资优势。企业的创新研发活动对资金的需求量较大且信息不对称程度较高，因此面临着较强的融资约束（Hall，2002;唐清泉和肖海莲，2012），需要外部融资的支持。与非国有企业相比，国有企业因其具有的规模优势、政府资源和强大的竞争地位，拥有丰富的融资渠道和低廉的融资成本（刘慧龙等，2014;韩鹏飞等，2015），成为创新研发的先决条件。
二是政策目标。国有企业除了实现经营目标外，作为国有资产的代理人还必须承担相应的社会责任，如解决就业、税收等。在国家全面推动创新转型升级的政策背景下，国有企业作为市场经济的主体，承担着我国企业创新转型的主要任务，担负着实现创新驱动发展战略的政策目标。
三是政策优势。在国家将创新作为一项重大战略的前提下，各级政府在企业技术创新方面发挥了重要的支持作用。如在全国范围内兴建科技产业园区为企业建立创新环境，提供创新奖励和政府补贴为企业提供资金支持（李政、陆寅宏，2014）。而国有企业因其与政府具有“天然”联系，能够优先享有优惠政策，有助于开展创新活动。
国有企业的实际控制人是政府，存在大股东缺位的问题，无法发挥大股东的监督作用，因此国有企业中的委托代理问题较为严重（陈冬华等，2005;周仁俊等，2010）。创新作为一项长期、复杂和不确定性较强的投资活动，其产出的效率和效果与管理层的管理和监督水平息息相关。因国有企业管理层缺乏监督和有效的奖惩机制，使管理层在创新活动的产出问题上无论干好干坏都没有动力或压力，导致创新效率低下。基于以上讨论，本文提出第一个假设：
H1a：与非国有企业相比，国有企业的创新投入较高;
H1b：与非国有企业相比，国有企业的创新产出较低。
2. 国有企业债务结构与创新产出。企业债权给企业带来了破产清算的压力，因而能一定程度上对管理者发挥约束作用，提高生产经营效率，降低委托代理成本。针对企业的创新活动，不同的债务类型发挥的作用有所不同。
企业的短期债务虽然融资成本较低，但在短时间内承担着还本的压力，若经营业绩不善，无法提供足够现金流偿还短期债务就可能被破产清算。这种压力迫使经营管理者追求短期利益，有更强烈的动机提高经营效率和业绩，此时管理者对于占用大量资金并可能带来突破性成果的创新研发就会加大关注和监督，从而企业创新产出效率提高。而长期债务虽然融资成本较高，但是付息的压力远远小于还本压力;同时若企业经营不善，管理层可将债务压力转嫁给下一任接班者，因而长期债务对企业创新成果的改善作用不明显。
基于以上讨论，本文提出第二个假设：
H2a：短期债务能提高國有企业的创新产出效率;
H2b：长期债务不能提高国有企业的创新产出效率。
三、 研究设计
1. 样本选择和数据来源。本文研究样本为2003年～2014年我国沪深两市A股上市企业。文中使用的国有企业数据来自于CSMAR数据库，根据实际控制人信息归类整理得到;上市公司拥有的专利数目来源于中国知识产权局的《中国专利全文数据库》;企业的研发投入R&D数据，来源于公司年报手工搜集;其他公司财务数据来自于CSMAR数据库。
本文对样本进行了如下处理：（1）剔除金融企业;（2）剔除上市时间晚于2013年的样本;（3）剔除财务数据缺失的样本;（4）为消除极端值的影响，对所有连续变量在1%的水平上进行Winsorize处理。本文最终得到16 801个“公司—年”样本观测值。
2. 主要解释变量。
（1）企业创新（Innovation）。
①创新投入（RDS）。企业进行研发投入的目的是为了生产新颖的产品或改进提高现有的生产工艺水平，因而是用于衡量企业创新投入的主要指标。本文借鉴已有文献（Chen & Hsu，2009），将企业当年研发支出占销售收入的比重作为衡量企业创新投入的主要指标。用销售收入对R&D支出进行调整可以消除企业规模的差异，从而更好的反映每个公司对创新的投入力度。
②创新产出（APP3）。企业的专利申请数量代表了一个企业创新的产出情况，是衡量企业创新产出的主要指标。考虑到企业从做出创新决策到获得创新成果申请相关专利存在时间上的滞后性，借鉴He和Tian（2013）对企业创新的度量方法，选用企业滞后三年的申请专利数量的自然对数作为主要的被解释变量（LnAPP3）。
（2）债务结构（Debt）。借鉴Kim和Lee（2008）的研究，本文将债务结构分为短期债务（SLoan）和长期债务（LLo-an），分别用企业短期银行贷款和长期银行贷款与总资产之比来度量。
（3）控制变量。本文借鉴已有文献（Aghion，VanReenen & Zingales，2013），对影响公司创新活动水平的变量进行了控制。控制变量包括：企业规模（Size）、企业寿命（Age）、企业总资产收益率（ROA）、企业的营业收入年增长率（Growth）、企业资本支出（CapExp）和企业财务杠杆（Leverage）。
2. 模型设计与变量定义。本文利用以下回归模型对本文的假设1进行证明：
四、 实证结果分析
1. 描述性统计结果。表1是本文主要变量的描述性统计结果。由表可知：（1）国有企业均值为0.606，说明我国A股上市公司中，国有企业占比超过60%，是我国市场经济的主要力量;（2）我国平均每家企业每年申请专利数量15件，获批数量13件，但标准差都较大，说明企业间创新能力差别较大，持续能力较差;（3）企业创新研发R&D投入平均每年达4 414千万元，说明创新研发活动对资金需求量巨大。
2. 实证结果分析。
（1）国有企业与创新投资效率。表2的第一、二列是国有企业与创新投资效率的回归结果。由表2可知：①国有企业（SOE）与创新投入（RDS）的回归系数为正，且在1%的水平上显著，这与本文假设H1a一致，说明有企业在创新研发投入中“毫不吝啬”，国有企业平均研发支出显著高于非国有企业，说明国有企业有着强烈的创新动力。基于本文分析，这可能来自于三方面的支持：一是国有企业拥有便捷的融资渠道和低廉的融资成本，为创新活动提供支持;二是国有企业担负创新转型的政策性目标;三是国有企业能够优先享有国家、政府推行的促进企业创新的优惠政策。②国有企业（SOE）与滞后三年的专利申请数量（LnAPP3）负相关，且在1%的水平上显著，与本文假设H1b一致，说明国有企业创新活动的产出水平显著差于非国有企业，与国有企业的大力投入相比，其创新活动产出效率较低。
（2）国有企业债务结构与创新产出。表2的第三、四列是国有企业债务结构与创新产出的回归结果。由结果可知，短期债务与国有企業哑变量的交互项显著为正，且在1%的水平上显著，而长期债务与国有企业的交互项不显著，这与本文假设H2a和假设H2b一致，说明短期债务的增加能减轻企业委托代理问题，提高经营绩效从而提高国有企业的创新水平，一定程度上改善了国有企业创新产出效率低下的问题，而长期债务不具有此显著效应。
（3）稳健性检验。为保证前述结果稳健，本文借鉴已有文献（董晓庆等，2014），选择企业当年研发投入员工占总员工的比重作为衡量创新投入的替代变量;使用滞后三年的专利获批数量作为衡量创新产出的替代变量;同时，将创新产出的滞后时间缩短为滞后2年、滞后1年进行稳健性检验。回归结果与本文的发现保持一致。
五、 结论
国有企业创新是在中国经济形势发展新常态的背景下，社会和学术界都重点关注的热门话题。国有企业是否缺乏创新动力，创新效率是否低下以及该如何提高创新产出都是关乎国有企业转型升级的重要问题。本文通过实证研究发现：（1）与非国有企业相比，国有企业因拥有融资优势、政策扶持优势和肩负的政策目标，创新研发投入较高;（2）与非国有企业相比，国有企业因大股东监督缺位和委托代理问题，创新研发产出较低;（3）债务结构能够改善国有企业创新产出效率低下的问题。具体来说，短期债务能促使创新产出提高，而长期债务不存在上述作用。
本文的研究结论具有重要的理论和现实意义：第一，本文发现国有企业创新投入较大，并非缺乏创新动力，真正缺乏的是对于创新活动后续持续的监督和管理，使得创新投入虽大但创新产出较少，效率较低，丰富了企业创新活动的相关研究。第二，本文发现国有企业灵活调整债务结构能够改善创新效率低下的问题，在企业为创新研发寻求外部融资时，可合理适量多使用短期债务，以提升创新活动的效率与效果。第三，本文为政府提供了一定的借鉴意义，为保证国有企业创新活动的有效开展，政府应加强对国有企业创新活动效率的监督，将效果和效率指标融入管理者的考核机制中，以解决目前投入大而产出小的现状。
参考文献：
[1] 江诗松，龚丽敏，魏江.转型经济背景下后发企业的能力追赶：一个共演模型——以吉利集团为例[J].管理世界，2011，（4）：122-137.
[2] 鞠晓生，卢荻，虞义华.融资约束、营运资本管理与企业创新可持续性[J].经济研究，2013，（1）：4-16.
[3] 李汇东，唐跃军，左晶晶.用自己的钱还是用别人的钱创新？——基于中国上市公司融资结构与公司创新的研究[J].金融研究，2013，（2）：170-183.
[4] 唐清泉，肖海莲.融资约束与企业创新投资——现金流敏感性——基于企业R&D异质性视角[J].南方经济，2012，（11）：40-54.
基金项目：中国人民大学科学研究基金（中央高校基本科研业务费专项资金资助）项目（项目号：16XNH080）。
作者简介：许言（1990-），女，汉族，贵州省贵阳市人，中国人民大学商学院博士生，研究方向为公司财务、公司治理。
投入产出效率 篇10
关键词：义务教育投入,义务教育产出,效率
中国义务教育投入中财力投入的力度很大, 2011年国家财政性教育经费在普通初中及普通小学经费来源的方式中所占比重达到93.91%, 而国家对义务教育的预算内教育经费投入更是在国家财政支出中占到7.1%。如此大规模的投入无疑可以在一定程度上保证义务教育投入的充足性, 但是在效率方面却有待提升。
一研究方法与数据
由于义务教育投入产出的多样性, 本文采用主成分分析法将全国31个省市的数据进行降维处理, 得出各投入产出指标权重系数, 进而计算出2005~2010年各省份平均效率得分, 从而得出中国义务教育投入产出效率现状的相关结论。
本研究数据主要来源于《中国教育统计年鉴》 (2005年至2010年历年) 和《中国教育经费统计年鉴》 (2006年至2011年历年) 。
二指标的选取与处理
能反映义务教育投入的指标有很多, 概括起来可以分为财力投入、人力投入和物力投入三个部分。考虑到数据的可获得性和代表性, 本研究从财力资源投入中选取生均预算内教育经费、预算内教育经费占教育经费的比重以及预算内教育经费占财政支出的比重;人力资源投入中选取生师比、专任教师职称合格率以及专任教师学历合格率;物力资源投入中选取生均校舍面积、生均图书册数以及生均固定资产作为义务教育的投入指标。义务教育产出比较难衡量, 基于数据的可获得性, 本文采用国内学者认可度较高的升学率、完成率以及保留率作为义务教育的产出指标。
由于本文选取的各投入产出指标间单位不同, 各指标数量级相差极大, 所以要将所有指标数据进行预处理, 采用归一化法使数据标准化。
三义务教育投入产出效率得分分析
关于效率的定义有很多种, 本文参考众多文献, 将义务教育投入产出效率定义为义务教育产出得分与投入得分之比。为得到义务教育投入产出效率得分, 首先运用主成分分析法确定投入产出各指标的权重系数。用KMO和Bartlett检验判断数据适合做主成分分析。利用SPSS中的主成分分析法分析后, 进行权重系数的计算。用主成分分析后得到解释的总方差和成分矩阵, 我们用其中的Initial Eigenvalues中的Total进行计算, 得出各指标加权系数。最后, 依据各指标权重系数按公式加权后对2005~2010年的义务教育投入产出得分进行计算, 得出义务教育投入产出得分表。将2005~2010年每年的投入产出得分进行简单加权平均, 按照公式计算出2005~2010年各省份义务教育投入产出平均效率。
四讨论
从上述研究中可以得出, 义务教育投入产出平均效率得分的前三名分别是广东、陕西和宁夏, 后三名分别是云南、贵州和甘肃。在这六个省份中, 西部省份占六分之五, 说明西部省份在义务教育投入产出效率方面两极分化严重。在得分前十名的省份中东部省份只有一个, 东部省份虽然经济比较发达, 但是在义务教育投入产出效率上却落后于中西部, 义务教育投入利用效率并不高。说明单纯增加投入并不能保证义务教育的效率, 重要的是运用得当。
整体来说, 中国各省份之间义务教育投入产出效率的差异十分明显, 大多数东部省份的效率低于中西部省份。自西部大开发和中部崛起战略实施起, 中国中西部地区得到很大程度的重视和发展。新增教育财政经费始终保持重点向农村特别是向西部地区农村倾斜;“国家贫困地区义务教育工程”“中小学危房改造工程”“中西部农村初中校舍改造工程”等工程都表明了国家对中西部地区义务教育的倾斜。在政策扶持下, 中西部地区的义务教育投入产出效率相对较高。
五建议
1. 均衡省际的教育经费投入
由于中国实行地方负责、分级管理的教育财政制度, 使义务教育经费来源过度依赖于地方政府的财政实力, 从而导致经济发达、欠发达地区的教育经费投入差距过大。中西部地区的经费投入仍然较为匮乏, 而东部省份对义务教育的投入却存在饱和现象。政府可以通过建立合理的财政转移支付制度, 让投入从富裕地区向贫困地区横向流动, 这样既保证中西部地区教育投入的充足, 同时在一定程度上限制东部省份教育经费的投入过度, 促使东部地区提高义务教育投入产出的效率。
2. 优化教师队伍结构
优秀的教师是高质量教育的基础。目前, 各省份间教师情况的差异很大。经济发达省份拥有一大批高学历、高职称、高知识水平的教师, 而且这些教师拥有更多的培训进修机会, 使其和经济相对落后省份的教师形成了鲜明的对比, 这种师资上的差距, 也是造成低投入、低产出的主要因素。政府需要引导优秀人才到经济相对落后地区, 从而通过教师质量来促进教育质量的提高, 以教育质量的提高来促进教育效率的提高。
3. 提高物力资源的配置效率
随着人口流动范围越来越大, 一些人口分布密集地区出现教学设施配置不够的情况, 而人口分布稀少地区出现教学设施荒废等情况。基于此, 各省在配置物力资源时要考虑人口分布情况, 合理分配物力资源。而校际的差异则导致了择校热等问题。因此, 缩小校际差异是提高教育物力资源配置效率的主要措施。政府要进行宏观调控, 适当整合不同办学质量的学校, 让物力资源在不同质量的学校中合理分配。
参考文献
[1]王善迈.教育投入与产出研究[M].石家庄:河北教育出版社, 1996
[2]王磊.我国义务教育经费投入存在的主要问题[J].教育与经济, 2002 (1)