地方高校科技創(chuàng)新效率評(píng)價(jià)研究
——基于超效率的三階段DEA分析

李 瑛，崔宇威

（1.南開大學(xué)周恩來(lái)政府管理學(xué)院，天津300071；2.天津氣象局科技處，天津300074）

地方高校科技創(chuàng)新效率評(píng)價(jià)研究
——基于超效率的三階段DEA分析

李 瑛1，崔宇威2

（1.南開大學(xué)周恩來(lái)政府管理學(xué)院，天津300071；2.天津氣象局科技處，天津300074）

筆者采用2007年中國(guó)地方高校科技數(shù)據(jù)，首先對(duì)人力投入進(jìn)行因子分析，提取三個(gè)公因子，在此基礎(chǔ)上運(yùn)用超效率的三階段DEA對(duì)28個(gè)省市的地方高校的科技創(chuàng)新效率進(jìn)行了評(píng)價(jià)分析，并對(duì)效率的影響因素進(jìn)行了分析，實(shí)證結(jié)果表明：在所采用的效率評(píng)價(jià)體系下，地區(qū)的經(jīng)濟(jì)發(fā)展水平和文化水平以及政府撥款在科研經(jīng)費(fèi)中所占的比例對(duì)效率沒有影響，但對(duì)于某些地區(qū)，在投入不變的條件下，地方高校中的研發(fā)機(jī)構(gòu)數(shù)太少和研究項(xiàng)目數(shù)太多是制約效率提升的主要因素。

地方高校；科技創(chuàng)新效率；因子分析；三階段DEA；SDEA

高校具有豐富的科技人力資源和充足的研發(fā)機(jī)構(gòu)以及大量的研發(fā)項(xiàng)目，是區(qū)域和國(guó)家創(chuàng)新系統(tǒng)的重要組成部分，對(duì)地方高校創(chuàng)新效率及其影響因素的研究可以為地方政府及有關(guān)部門制定相關(guān)科技政策，為高等教育的改革與發(fā)展，提供理論指導(dǎo)和政策依據(jù)。

目前學(xué)術(shù)界對(duì)高校科技創(chuàng)新體系的評(píng)價(jià)研究較少，這些研究主要分為兩部分：一部分是對(duì)創(chuàng)新能力的評(píng)價(jià)，如梅軼群［1］、梁燕等［2］對(duì)擬定的評(píng)價(jià)指標(biāo)體系賦權(quán)，在此基礎(chǔ)上對(duì)高校的科技創(chuàng)新能力進(jìn)行綜合評(píng)價(jià)；王光平［3］在擬定的評(píng)價(jià)指標(biāo)體系的基礎(chǔ)上用因子分析對(duì)全國(guó)30個(gè)省市的高校的科技創(chuàng)新能力進(jìn)行了評(píng)價(jià)。另一部分是周靜［4］110－117、張海燕［5］等運(yùn)用單階段DEA對(duì)不同地區(qū)的高校的創(chuàng)新效率進(jìn)行研究，在這些DEA評(píng)價(jià)模型中指標(biāo)之間往往出現(xiàn)交叉（如“支出經(jīng)費(fèi)總額”和“業(yè)務(wù)費(fèi)”），有研究表明［6］，指標(biāo)之間的這種交叉會(huì)對(duì)DEA的評(píng)價(jià)結(jié)果產(chǎn)生影響；同時(shí)，單階段的DEA模型給出的效率沒有將環(huán)境及隨機(jī)因素對(duì)效率的影響剝離。因此，本文首先對(duì)相互交叉又不能相互替代的投入指標(biāo)進(jìn)行因子分析，用提取的公共因子替代原始投入指標(biāo)，進(jìn)行三階段DEA分析。

一、模型與方法

數(shù)據(jù)包絡(luò)分析（DEA）運(yùn)用線性規(guī)劃求解效率前沿面，對(duì)于多輸入和多輸出的效率評(píng)價(jià)尤為適用，因?yàn)樗挥檬孪葘?duì)函數(shù)和分布的形式進(jìn)行假設(shè)，也不用對(duì)多輸入和多輸出進(jìn)行賦權(quán)，減少了主觀判斷對(duì)評(píng)價(jià)的影響。最常用的模型是Charnes，Cooper和Rhodes在1978年提出的CCR（規(guī)模報(bào)酬不變）和Banker，Charnes和Cooper在1984提出的BCC（可變規(guī)模報(bào)酬），這二者的結(jié)合可以獲得評(píng)價(jià)單元的純技術(shù)效率和規(guī)模效率。關(guān)于DEA的研究與應(yīng)用較為成熟，對(duì)于原理本文不再贅述。

單階段的DEA給出的效率測(cè)量不僅僅是管理的有效性，它包括了環(huán)境和隨機(jī)因素對(duì)效率的影響，為了解決這一問題，研究者們提出了三階段DEA模型，目前國(guó)內(nèi)外學(xué)術(shù)界在研究時(shí)使用的三階段DEA模型有兩種。一是Fried et al.于2002年提出了三階段DEA模型［7］：第一階段：傳統(tǒng)的DEA模型（BBC模型），用以計(jì)算輸入和輸出的松弛變量；第二階段：構(gòu)建相似SFA模型，以松弛變量作因變量，環(huán)境變量作自變量進(jìn)行分析，依據(jù)分析結(jié)果對(duì)投入或輸出進(jìn)行調(diào)整；第三階段：用調(diào)整后的輸入或輸出重新進(jìn)行DEA分析。當(dāng)分析的決策單元的數(shù)量較少時(shí)，松弛變量只有幾個(gè)非零值，會(huì)使SFA的分析結(jié)果失真。另一個(gè)是Michael F.Gormana和John Ruggiero［8］，在2008年對(duì)美國(guó)49個(gè)州的警察部門的績(jī)效評(píng)價(jià)時(shí)用到的三階段DEA，該方法最早由John Ruggiero在1998年提出，它的模型構(gòu)建和運(yùn)用分三個(gè)階段：第一階段，傳統(tǒng)的單階段DEA分析，借此計(jì)算每個(gè)決策單元的效率；第二階段，進(jìn)行Tobit分析，以第一階段的效率值為因變量，環(huán)境變量作自變量，依據(jù)分析結(jié)果計(jì)算每個(gè)決策單元的環(huán)境指數(shù)；第三階段，將環(huán)境指數(shù)作為投入，重新計(jì)算各個(gè)決策單元的效率。該模型在國(guó)內(nèi)的應(yīng)用尚未見報(bào)道。本文在該模型的基礎(chǔ)上采用超效率DEA分析，同F(xiàn)ried et al.的模型相似，該模型在第二階段的回歸中用的因變量是第一階段計(jì)算的效率值，而DEA有效單元的效率值都為1，這同樣會(huì)使回歸結(jié)果失真。

（一）第一階段超效率DEA模型

第一階段的目的是計(jì)算沒有考慮環(huán)境因素時(shí)各個(gè)地區(qū)的效率，傳統(tǒng)的DEA分析對(duì)于有效的決策單元的效率未加區(qū)分（給定效率值），在該階段與John Ruggiero不同的是我們采用SDEA（超效率數(shù)據(jù)包絡(luò)分析）計(jì)算效率值。SDEA最早由Per Andersen和其同事Niels Christian Petersen在1993年提出，該模型能夠?qū)EA有效的單元進(jìn)行排序，其基本思想是在進(jìn)行某個(gè)決策單元效率評(píng)價(jià)時(shí)，用其他所有決策單元的投入和產(chǎn)出的線性組合替代該決策單元的投入和產(chǎn)出，它自身被排除在外。一個(gè)DEA有效的決策單元在效率值保持不變的條件下其投入按比例的增加，其投入增加比例即其超效率評(píng)價(jià)值。

該階段的分析中給出的效率反應(yīng)的是由管理、環(huán)境和隨機(jī)因素三者決定，它沒有說(shuō)明地方高?？萍紕?chuàng)新的低效率是管理不善造成的，還是環(huán)境不利或其他隨機(jī)因素造成的。

（二）第二階段回歸分析

在第一階段SDEA分析中給出的效率值不再是介于0和1之間，因此我們用O.L.S.回歸將環(huán)境因素對(duì)效率的影響量化，假若有m個(gè)環(huán)境變量，n個(gè)地區(qū)，則效率與環(huán)境變量的回歸模型如下：

其中θi是第i個(gè)評(píng)價(jià)地區(qū)高校的第一階段創(chuàng)新效率值，βj是環(huán)境因素zj的回歸系數(shù)，是環(huán)境因素對(duì)第i個(gè)地區(qū)高校創(chuàng)新效率的影響。

（三）第三階段調(diào)整投入后的DEA分析

依據(jù)環(huán)境變量的值我們可以得到每個(gè)地區(qū)環(huán)境變量對(duì)效率影響的預(yù)測(cè)值，定義該值為環(huán)境指數(shù)，它由下式給出

具有最大環(huán)境指數(shù)值的地區(qū)，高校所面臨的科技環(huán)境是最有利的。因此，在第三階段的分析中將該指數(shù)作為輸入之一，重新進(jìn)行DEA分析，所得到的效率值消除了環(huán)境對(duì)效率的影響。因?yàn)?，就科技環(huán)境而言，各個(gè)地區(qū)的高校處在同一起跑線上。

二、數(shù)據(jù)與指標(biāo)

因?yàn)橥度牒彤a(chǎn)出指標(biāo)的選取會(huì)直接影響到評(píng)價(jià)結(jié)果。因此，在指標(biāo)選取時(shí)一定要符合完備性，不能遺漏重要的評(píng)價(jià)指標(biāo)，同時(shí)，還要考慮指標(biāo)之間的相互獨(dú)立，因?yàn)橹笜?biāo)之間的重復(fù)同樣會(huì)影響評(píng)價(jià)結(jié)果。本文在對(duì)相關(guān)文獻(xiàn)分析的基礎(chǔ)上，依據(jù)高?？萍紕?chuàng)新的內(nèi)涵和結(jié)構(gòu)以及高校科技創(chuàng)新體系數(shù)據(jù)的可獲得性擬定表1中的評(píng)價(jià)指標(biāo)。在考慮人力投入時(shí)，與以往的研究不同，我們不僅僅考慮投入的量，還考慮投入人員的素質(zhì)和投入布局，因?yàn)檫@二者都會(huì)對(duì)效率產(chǎn)生不可忽視的影響。“一般科技人員”是指投入科技人員中非科學(xué)家與工程師的那部分；“一般R＆D人員”指R＆D人員中非科學(xué)家和工程師的那部分，其他解釋類似。在產(chǎn)出指標(biāo)中的“科技成果獎(jiǎng)勵(lì)”我們只統(tǒng)計(jì)了國(guó)家科技進(jìn)步獎(jiǎng)，省、自治區(qū)、直轄市科技進(jìn)步獎(jiǎng)以及國(guó)務(wù)院各部門科技進(jìn)步獎(jiǎng)，對(duì)于地方高校而言獲獎(jiǎng)機(jī)會(huì)是不均等的，同時(shí)，2007年的數(shù)據(jù)表明，地方高校獲得的國(guó)家科技進(jìn)步獎(jiǎng)只有二等獎(jiǎng)。因此，我們沒有進(jìn)行獲獎(jiǎng)等級(jí)的加權(quán)處理。新疆、西藏、青海由于某些指標(biāo)數(shù)據(jù)缺失，沒有參與分析。本研究的數(shù)據(jù)來(lái)源于《2007年高等學(xué)校科技統(tǒng)計(jì)資料匯編》和《2007年中國(guó)統(tǒng)計(jì)年鑒》。

表1 高校創(chuàng)新效率評(píng)價(jià)指標(biāo)體系

人力投入指標(biāo)數(shù)量眾多，而且有些指標(biāo)之間有重復(fù)，去掉任何一個(gè)指標(biāo)會(huì)使評(píng)價(jià)失真，而指標(biāo)之間的重復(fù)也會(huì)影響評(píng)價(jià)結(jié)果，為了解決這一問題，首先對(duì)人力投入指標(biāo)進(jìn)行因子分析，使用軟件為SPSS13.0，采用“Principle Components”提取3個(gè)公因子，并對(duì)其進(jìn)行“Direct Oblimin”旋轉(zhuǎn)，使用回歸法計(jì)算因子得分系數(shù)矩陣，有關(guān)因子分析的數(shù)字特征描述及相應(yīng)檢驗(yàn)結(jié)果①由于篇幅限制相關(guān)的分析結(jié)果及因子命名沒有在文中給出，對(duì)此有興趣的讀者可以向作者索要。見表2。分析結(jié)果說(shuō)明9個(gè)人力投入指標(biāo)不僅適合作因子分析，而且提取的3個(gè)公因子能夠全面地反映人力投入指標(biāo)的信息。因此，在下面的分析中我們用3個(gè)因子得分替代9個(gè)人力投入指標(biāo)，因子得分有負(fù)值存在，在進(jìn)入計(jì)算之前3個(gè)因子得分需要進(jìn)行處理，使每個(gè)因子的最低得分不小于零。

表2 因子分析特征描述及檢驗(yàn)結(jié)果

三、結(jié)果與分析

（一）第一階段SDEA結(jié)果分析

如果運(yùn)用傳統(tǒng)的DEA分析，那些處于效率前沿的地區(qū)高校的創(chuàng)新效率值無(wú)法進(jìn)一步區(qū)分，給第二階段的分析造成較大的誤差，為此，該階段我們采用SDEA模型，分析軟件為EMS1.3，分析條件選擇規(guī)模報(bào)酬可變、投入主導(dǎo)。效率值列于表3中，同周靜［4］110－117的研究結(jié)論相似，地方高校科技創(chuàng)新有效區(qū)域并不一定分布在經(jīng)濟(jì)相對(duì)發(fā)達(dá)地區(qū)，在偏遠(yuǎn)或欠發(fā)達(dá)地區(qū)高校的創(chuàng)新效率也可以達(dá)到相對(duì)有效。其中，北京、云南、河南、陜西、寧夏五個(gè)地區(qū)高校的創(chuàng)新效率值比較高，通過(guò)觀察這些地區(qū)高校的經(jīng)費(fèi)投入方向和產(chǎn)出分布可以發(fā)現(xiàn)：陜西同其他四個(gè)地區(qū)不同，它的“研發(fā)經(jīng)費(fèi)投入”較“R＆D成果應(yīng)用及科技服務(wù)經(jīng)費(fèi)”低，或者說(shuō)將較多的經(jīng)費(fèi)投入到R＆D成果應(yīng)用及科技服務(wù)活動(dòng)中，它的成果中“技術(shù)轉(zhuǎn)讓金額”遠(yuǎn)遠(yuǎn)高于其他地區(qū)，而另外四個(gè)地區(qū)尤其是河南，它的產(chǎn)出高效率主要集中在“學(xué)術(shù)論文”和“科技著作”上。

表3 第一階段和第三階段SDEA分析結(jié)果

（二）第二階段的O.L.S.回歸分析結(jié)果

我們以第一步分析得到的效率值為因變量，以環(huán)境指標(biāo)為自變量用SPSS13.0軟件進(jìn)行回歸分析，結(jié)果示于表4中，由標(biāo)準(zhǔn)化回歸系數(shù)可以看出：同第一階段的發(fā)現(xiàn)吻合，一個(gè)地區(qū)的經(jīng)濟(jì)發(fā)展水平（人均GDP）以及科技活動(dòng)經(jīng)費(fèi)中政府撥款所占的比例均對(duì)地方高校的科技創(chuàng)新效率幾乎沒有影響；而高校中的研發(fā)機(jī)構(gòu)數(shù)量對(duì)效率有促進(jìn)作用，相同的人力和經(jīng)費(fèi)投入，研發(fā)機(jī)構(gòu)數(shù)越多創(chuàng)新效率越高；相反，同樣的投入，項(xiàng)目數(shù)越多效率越低。

表4 O.L.S.回歸結(jié)果

為了進(jìn)一步對(duì)效率的影響因素進(jìn)行考查，我們又將“研發(fā)人員中高級(jí)職稱所占的比例”、“研發(fā)經(jīng)費(fèi)占投入經(jīng)費(fèi)的百分比”、“參加項(xiàng)目的研究生與項(xiàng)目參加人員的比例”以及國(guó)際交流的有關(guān)表征指標(biāo)代入回歸模型，分析結(jié)果顯示：這些因素對(duì)本文效率評(píng)價(jià)體系下進(jìn)行的效率評(píng)價(jià)沒有影響?！把邪l(fā)人員中高級(jí)職稱所占的比例”表征的是研發(fā)人員的素質(zhì)，因?yàn)樵谌肆ν度胫形覀円呀?jīng)考慮了工程師和科學(xué)家的人數(shù)；而“研發(fā)經(jīng)費(fèi)占投入經(jīng)費(fèi)的百分比”對(duì)效率評(píng)價(jià)沒有影響，這一點(diǎn)在第一階段的結(jié)果分析中我們有同樣的發(fā)現(xiàn)，陜西的研發(fā)經(jīng)費(fèi)比例相對(duì)較低，但效率是最高的，可能是因?yàn)椤皩＠鍪劢痤~”和“技術(shù)轉(zhuǎn)讓金額”與“R＆D成果應(yīng)用及科技服務(wù)經(jīng)費(fèi)”的高低有關(guān)。

（三）第三階段的DEA分析結(jié)果

依據(jù)式（2）和表4的分析結(jié)果計(jì)算環(huán)境指數(shù)①因?yàn)檫@里分析的是總體，不涉及由樣本到總體的推斷，不具備統(tǒng)計(jì)顯著性的環(huán)境因素仍然參與環(huán)境指數(shù)的計(jì)算，因?yàn)橛绊懮跷?，不?huì)對(duì)計(jì)算結(jié)果產(chǎn)生影響。，由于本研究中的環(huán)境指數(shù)是負(fù)值，也就是說(shuō)對(duì)于所有的地區(qū)環(huán)境綜合影響都是負(fù)的，只是影響程度高低而已。因此，環(huán)境指數(shù)在作為“投入”之前需要對(duì)該指數(shù)進(jìn)行轉(zhuǎn)換處理，處理后環(huán)境指數(shù)最低的地區(qū)為零，其他地區(qū)均大于零。第三階段SDEA分析的結(jié)果（表3）表明：四川、浙江、江蘇、廣西這四個(gè)地區(qū)的高校的創(chuàng)新效率在剔除了環(huán)境指數(shù)的影響之后大幅度提升，環(huán)境指數(shù)實(shí)際上反映的是“研發(fā)機(jī)構(gòu)數(shù)”和“研究項(xiàng)目數(shù)”的影響，通過(guò)仔細(xì)觀察這四個(gè)地區(qū)的兩個(gè)指標(biāo)數(shù)據(jù)可以發(fā)現(xiàn)：浙江、廣西這兩個(gè)地方的高校研發(fā)機(jī)構(gòu)少，同時(shí)研究項(xiàng)目太多是制約效率提升的主要因素；江蘇和四川這兩個(gè)地方的地方高校創(chuàng)新效率的制約因素則為研究項(xiàng)目太多，因此在不改變投入的情況下，對(duì)于浙江和廣西既要考慮增加地方高校的研發(fā)機(jī)構(gòu)數(shù)又要減少研究項(xiàng)目的數(shù)量；而對(duì)于江蘇和四川則只要考慮在不改變經(jīng)費(fèi)投入的情況下，減少研究項(xiàng)目便可以使效率大幅度提升。除了上述四個(gè)地區(qū)外，其他地區(qū)沒有影響或影響甚微。

本文運(yùn)用超效率三階段DEA分析對(duì)全國(guó)28個(gè)地區(qū)的地方高校的科技創(chuàng)新效率進(jìn)行了評(píng)價(jià)分析，同時(shí)對(duì)本文擬定的效率評(píng)價(jià)指標(biāo)體系下效率的影響因素進(jìn)行了回歸分析，研究發(fā)現(xiàn)：地方高校的科技創(chuàng)新效率不受地區(qū)經(jīng)濟(jì)發(fā)展水平、教育水平的影響；地方高校的科技活動(dòng)經(jīng)費(fèi)主要來(lái)源于政府撥款和企業(yè)委托，在我們的效率評(píng)價(jià)體系中，二者的比例對(duì)效率評(píng)價(jià)不產(chǎn)生影響。“研發(fā)經(jīng)費(fèi)占投入經(jīng)費(fèi)的百分比”、“參加項(xiàng)目的研究生與項(xiàng)目參加人員的比例”以及國(guó)際交流的頻度對(duì)效率評(píng)價(jià)均無(wú)影響。在投入不變的情況下，高校內(nèi)的研發(fā)機(jī)構(gòu)數(shù)量對(duì)效率產(chǎn)生正的影響，而研究項(xiàng)目的數(shù)量對(duì)效率產(chǎn)生負(fù)的影響，對(duì)于某些地區(qū)，機(jī)構(gòu)的數(shù)量少和項(xiàng)目的數(shù)量多制約了效率的提升。

［1］梅軼群，張燕.高校科技創(chuàng)新能力的分析和評(píng)價(jià)［J］.技術(shù)經(jīng)濟(jì)，2006，25（6）：74－77.

［2］梁燕.廣東省高?？萍紕?chuàng)新能力比較研究［J］.高教探索，2009（4）：58－62.

［3］王光平，金浩.基于因子分析的高校科技創(chuàng)新能力的實(shí)證研究［J］.河北師范大學(xué)學(xué)報(bào)：哲學(xué)社會(huì)科學(xué)版，2008（4）：48－51.

［4］周靜.我國(guó)不同地區(qū)高?？萍紕?chuàng)新的制度效率與規(guī)模效率研究［J］.研究與發(fā)展管理，2005，17（1）.

［5］張海燕.2002－2005年間我國(guó)不同地區(qū)高?？萍紕?chuàng)新效率比較研究［J］.科技進(jìn)步與對(duì)策，2007，24（11）：109－114.

［6］智曉東.指標(biāo)相關(guān)性對(duì)DEA評(píng)價(jià)效用的影響［J］.統(tǒng)計(jì)研究，2009（6）：40－44.

［7］Fried H O，Lovell C A K，Schmidt S S，Yaisawarng S.Accounting for environmental effects and statistical noise in data envelopment analysis［J］.Journal of Productivity Analysis，2002（17）：157－174.

［8］Michael F.Gormana，John Ruggiero.Evaluating US state police performance using data envelopment analysis［J］.Int.J.Production Economics 2008（113）：1031－1037.

Evaluation of S＆T Innovation Efficiency of Chinese Provincial Colleges：A Three Stage DEA－Based Study

LI Ying1，CUI Yu－wei2
（1.Zhou Enlai School of Government，NanKai University，Tianjin 300071，China；2.Tianjin Meteorological Bureau，Tianjin 300074，China）

The article attempts to make factor analysis of human inputs to take three common factors using science and technology data of Chinese provincial colleges in 2007.Then the three stage DEA is used to evaluate S＆T innovation efficiency of 28higher learning institutions and to analyze the factors relative to efficiency as well.From the study above we come to conclusion that local economy，cultural progress and government funding for research are not relative to efficiency.However，number of colleges and research programs underway in some areas are decisive factors for it.

Provincial Colleges；S＆T Innovation Efficiency；Factor analysis；Three stage DEA；SDEA

G40

A

1001－6201（2011）02－0177－05

［責(zé)任編輯：何宏儉］

2010－10－20

南開大學(xué)亞洲基金（ASI002）

李瑛（1966－），女，山東煙臺(tái)人，南開大學(xué)周恩來(lái)政府管理學(xué)院行政管理系副教授，理學(xué)博士；崔宇威（1988－），女，黑龍江伊春人，南開大學(xué)周恩來(lái)政府管理學(xué)院研究生。