基于SE-DEA方法的電網(wǎng)科技投入效果測評研究

張 磊， 李存斌， 藺帥帥

(華北電力大學(xué) 經(jīng)濟與管理學(xué)院，北京 102206)

基于SE-DEA方法的電網(wǎng)科技投入效果測評研究

張 磊， 李存斌， 藺帥帥

(華北電力大學(xué) 經(jīng)濟與管理學(xué)院，北京 102206)

科技資源的合理使用是電網(wǎng)企業(yè)提升自身競爭力的基礎(chǔ)。針對電網(wǎng)企業(yè)的科技資源進行分析，結(jié)合企業(yè)的自身特點，構(gòu)建出符合電網(wǎng)企業(yè)的科技資源投入產(chǎn)出效果評價指標體系；為了克服DEA方法不能合理解決多個DEA有效的問題，提出了超效率DEA模型，通過算例分析，驗證了模型的有效性，并對結(jié)果進行了DEA無效分析、差異分析和指標影響程度分析等，最后為電網(wǎng)企業(yè)科技資源有效配置的相關(guān)政策制定提出了建議。

電網(wǎng)企業(yè)； 科技資源投入產(chǎn)出； 超效率DEA； 綜合效率

0 引 言

電力行業(yè)是國民經(jīng)濟基礎(chǔ)產(chǎn)業(yè)，關(guān)系到國家安全和國民經(jīng)濟命脈。隨著我國當前融資體制、電力體制改革的不斷深入，市場經(jīng)濟體制不斷被引入電力市場，電網(wǎng)企業(yè)在投資項目中越來越注重經(jīng)濟效益與社會效益的綜合衡量。同時，隨著電網(wǎng)企業(yè)建設(shè)投資精益化管理工作的推進，投資效益，投資效率、投資的效果和作用成為企業(yè)管理的重點問題。在這種形式下，如何通過建立科學(xué)的電網(wǎng)企業(yè)科技投入效果測評評價指標體系，運用相應(yīng)的評價方法，發(fā)現(xiàn)影響科技投入效果高低的關(guān)鍵因素，進而提出相應(yīng)的改進措施，對于電網(wǎng)企業(yè)提高科技投入效果具有重要的現(xiàn)實意義。

電網(wǎng)科技項目是一種知識密集、技術(shù)密集、人才密集的投資項目，解決電網(wǎng)建設(shè)、安全生產(chǎn)、經(jīng)營管理等方面關(guān)鍵技術(shù)問題，能夠直接為公司服務(wù)。同時，科技項目與其它固定資產(chǎn)投資項目不同，項目成果及效益有其獨特性，具體表現(xiàn)為：(1)滯后性，科技項目的技術(shù)從成果的獲得到應(yīng)用于生產(chǎn)通常需要一個較長的時間間隔，項目成果未得到應(yīng)用前只具有潛在經(jīng)濟效益；(2)不確定性，科技項目成果的經(jīng)濟效益難以估量，能否實現(xiàn)受到諸多不確定因素的影響；(3)延展性，成功的科技成果應(yīng)用于某種產(chǎn)品或某個項目后，該產(chǎn)品或項目又可應(yīng)用于另一產(chǎn)品或項目，從而形成新的效益，形成一個縱向多級系統(tǒng)，同時，科技成果能夠多次應(yīng)用于多種產(chǎn)品，形成構(gòu)成一個橫向多級系統(tǒng)；(4)量化難，科技成果的產(chǎn)出難以量化，尤其是科技項目在培養(yǎng)人才、學(xué)術(shù)價值、社會影響等方面的價值難以換算為經(jīng)濟價值。電網(wǎng)科技項目的特性使得科技項目評價復(fù)雜化，企業(yè)在投資管理過程中往往同時面臨決策難和驗收難的困境。

國內(nèi)外學(xué)術(shù)界及各國政府均對科技資源投入給予了大力支持，同時對其進行了廣泛的研究。目前對于科技資源的研究主要集中在兩個方面：(1)研究尺度，大部分學(xué)者均是以全國或者某一個區(qū)域為層面進行分析研究。如，范斐等分別以全國31個省市區(qū)[1]和全國286個地級以上城市[2]等的科技資源相關(guān)數(shù)據(jù)為基礎(chǔ)，采用DEA法計算出了這些區(qū)域內(nèi)的科技資源配置效率；王蓓等[3]將熵值法和DEA方法相結(jié)合，以京津冀、長三角和珠三角地區(qū)為例進行了資源配置效率的分析；張公毅等[4]利用評價因子分析法對山東省科技資源配置效率與經(jīng)濟增長進行了研究，然后通過與國外科技資源優(yōu)化配置的比較分析，提出山東省科技資源的優(yōu)化發(fā)展目標和對策；史安娜等[5]以2001～2012年我國30個省域的面板數(shù)據(jù)為基礎(chǔ)，構(gòu)建了基于DEA的超效率CCR模型與Malmquist指數(shù)[6]模型；(2)配置內(nèi)容上，多是從科技資源的空間分布、配置效率、模式和對象等某一單一的方面展開研究。例如，陳國生等構(gòu)建了基于Bootstrap-DEA的三階段DEA模型，用來對我國科技資源配置效率的空間差異進行研究；閆平等[7]結(jié)合Malmquist指數(shù)和DEA方法各自的優(yōu)勢對我國的48個高校進行了科研效率研究，并得出大部分高校仍存在科研管理水平低、配置不合理等問題。除此之外，Yang Qingfeng[8]、黃海霞[9]、陳祺琪[10]、田淑英[11]等分別對高新技術(shù)產(chǎn)業(yè)、戰(zhàn)略新興產(chǎn)業(yè)、農(nóng)業(yè)、林業(yè)等方面的科技資源配置情況進行了研究。針對DEA方法，也有很多學(xué)者進行了創(chuàng)新性的應(yīng)用，Tavakoli等[12]提出了一種基于DEA和ANP法的組織結(jié)構(gòu)排序和人資管理優(yōu)化的模型；De-chang Xia等[13]基于傳統(tǒng)的DEA模型，提出了一種基于線性規(guī)劃的灰色DEA模型，等。

綜合以上，可以發(fā)現(xiàn)，目前針對電力企業(yè)的科技投入產(chǎn)出效果測評研究的文獻還比較少，且大多基于主觀分析。所以，本文結(jié)合電網(wǎng)企業(yè)科技資源的特點，建立了投入產(chǎn)出指標體系，提出了一種基于SE-DEA方法的電網(wǎng)科技投入產(chǎn)出效果測評模型，該模型輸入輸出數(shù)據(jù)不受量綱的限制，不需要預(yù)先主觀確定指標權(quán)重，避免了主觀因素的影響，提升了效果測評的客觀性。

2 基于DEA方法的電網(wǎng)科技投入效果測評研究

2.1 指標選取

DEA評價方法至關(guān)重要的一步就是指標的選取，而且在選取的過程中，不僅要重視指標的質(zhì)量，也應(yīng)該關(guān)心指標的數(shù)量，除此之外，評價的樣本規(guī)模也是主要關(guān)注點之一，一般而言，樣本規(guī)模應(yīng)該是指標數(shù)量的三倍以上。

分析國內(nèi)外關(guān)于科技投入產(chǎn)出的問題，研究公司開展科技活動所需人才、資金與相關(guān)設(shè)備等資源的現(xiàn)實情況。從指標體系入手，對現(xiàn)有的指標體系進行研究，借鑒其產(chǎn)出指標體系的構(gòu)建[14,16]和科技部頒布的《國家高新技術(shù)產(chǎn)業(yè)開發(fā)區(qū)指標體系》，結(jié)合公司特點和相關(guān)專家，構(gòu)建電網(wǎng)企業(yè)科技投入效果測評指標體系如下。

(1)投入指標

投入是從事科技活動的基本要素和重要基礎(chǔ)，投入的大小決定科技活動的規(guī)模。科技投入即科技資源指數(shù)，主要包括人力資源和經(jīng)費資源兩個方面，這是因為狹義的科技資源只包括科技人力資源和科技財力資源。并且，科技人力資源是所有科技資源中唯一能夠發(fā)揮主觀能動性的資源，而科技財力資源是一切物質(zhì)財富積累和創(chuàng)造的基礎(chǔ)。具體指標包括：從業(yè)人員的數(shù)量、R&D人員數(shù)量、碩士以上學(xué)歷研發(fā)人員數(shù)量以及科技活動經(jīng)費總額4個指標。

(2)產(chǎn)出指標

鑒于電網(wǎng)科技活動的特點，本文主要考慮論文數(shù)量、專著數(shù)量、專利數(shù)量三個產(chǎn)出指標。論文和專著數(shù)量在一定程度上反映了一個企業(yè)的科研基礎(chǔ)實力，而發(fā)明專利數(shù)量則在一定程度上反映了一個企業(yè)的技術(shù)開發(fā)能力和對未來潛在市場的開拓能力。

2.2 方法選擇

數(shù)據(jù)包絡(luò)分析方法(Data Envelopment Analysis,即DEA)是采用線性規(guī)劃的方法，利用觀察的有效樣本數(shù)據(jù)，把每一個評價對象作為一個決策單元(Decision Making Units，DMU)，最終對決策單元進行有效性評價，得出每個DMU的相對效率的一種數(shù)學(xué)方法。假設(shè)有n個DMU，每個DMU都有m種類型的輸入和s種類型的輸出。分別用Xj表示輸入，用Yj表示輸出。

Xj=(x1j,x2j,…,xmj)T，Yj=(y1j,y2j,…,ysj)

式中：xij>0表示第j(j=1,2,…,n)個決策單元DMUj的第i種類型輸入的輸入量；yrj>0表示第j個決策單元DMUj的第r種類型輸出的輸出量，i=1,2,…,m，j=1,2,…,n，r=1,2,…,s。

評價第j0決策單元DMUj0有效性的C2R模型為

(1)

式中：Xj和Yj分別表示投入和產(chǎn)出指標；λj為第j個指標的權(quán)重變量，S-和S+為松弛變量，θ為評判DMUj是否有效的標準，若θ=1則說明該決策單元的投入產(chǎn)出已達到最優(yōu)生產(chǎn)前沿，投入效果為最佳；當θ<1，S+>0,S->0時，則認為改決策單元是無效的，但可以肯定的是θ越接近1，表明決策單元的投入效果越佳。

所以，使用C2R模型進行評判時，就會出現(xiàn)多個DEA有效的情況，即它們的效率值均為1，并不能評判出決策單元之間的優(yōu)越性問題，所以，C2R模型在比較相互之間差異性方面還存在一定的局限性。為了解決這個問題，Anderson等對C2R模型進行了改進，提出了超效率(SuperEfficiency)DEA模型，即SE-DEA模型，該模型的思路是：在計算某個有效決策單元的超效率時，即將這個決策單元排除在外，用其他決策單元投入產(chǎn)出的線性組合代替這個決策單元的投入產(chǎn)出，即可得到該DMU的超效率。按照這種計算思路，得到的所有超效率值都是不同的，這就為所有DEA有效的決策單元提供了一種效率比較的方法。SE-DEA模型為

(2)

式中：θ即為算出的超效率值，其他符號均與式(1)相同。

因為超效率模型只是針對有效的決策單元進行分析計算，并不改變DEA模型中無效的決策單元的效率值，所以將兩者進行結(jié)合，就可以對所有的決策單元進行效率值的排序，所以，本文中使用這兩者對電網(wǎng)企業(yè)科技投入的效果進行測評研究。

3 實例分析

3.1 數(shù)據(jù)來源

對電網(wǎng)企業(yè)科技資源投入效果進行研究，可靠真實的數(shù)據(jù)是研究的基礎(chǔ)。本文中通過大量的調(diào)查問卷法、網(wǎng)絡(luò)資料的收集，并結(jié)合2013年中國科技統(tǒng)計年鑒的相關(guān)數(shù)據(jù)得到投入指標的具體值，因為類似于論文數(shù)量、專利數(shù)量這樣的產(chǎn)出結(jié)果都具有一定的滯后性，所以產(chǎn)出指標的值選取2015年的統(tǒng)計數(shù)據(jù)。考慮到本文的投入產(chǎn)出指標共有7個，按照“決策單元個數(shù)至少為投入產(chǎn)出指標個數(shù)總和三倍以上”的要求，本文選取了電網(wǎng)企業(yè)的24個科研院所為研究樣本，根據(jù)統(tǒng)計得到的數(shù)據(jù)，對這24個科研院所的科技投入效果進行評價。

3.2 效率測算

以從業(yè)人員的數(shù)量、R&D人員數(shù)量、碩士以上學(xué)歷研發(fā)人員量以及科技活動經(jīng)費總額4個指標為投入指標，以論文數(shù)量、專著數(shù)量和專利數(shù)量3個指標為產(chǎn)出指標，利用Matlab編程對24個電網(wǎng)科研院所科技投入效果進行測算，結(jié)果如表1所示。

由DEA模型可知，若綜合效率值為1，則表示DEA有效。那么，由表1可知，這24個電網(wǎng)科研院所的科技投入產(chǎn)出效率是較高的，平均值可以達到0.904，其中，綜合效率值為1的有9個，表明這9個科研院所處于DEA有效的狀態(tài)，其余的15個的綜合效率值小于1，所以表明DEA是無效的。

綜合效率的值是純技術(shù)效率值和規(guī)模效率的乘積，其中純技術(shù)效率和規(guī)模效率分別反映結(jié)構(gòu)和規(guī)模兩方面的效率情況，由表1可知，它們的平均值分別為0.904和0.924，都比較接近1。

表1 24個科研院所投入產(chǎn)出效率值

Tab.1 The input-output efficieney values of 24 scientific research institutes

DMU超效率值綜合效率技術(shù)效率規(guī)模效率規(guī)模收益10 84520 8450 9090 930drs20 58510 5850 5920 988drs31 0788111-40 88330 8830 9700 911drs50 74740 7470 7550 990drs60 83120 8310 8410 988drs71 7231111-81 5222111-90 86310 8630 8690 993irs100 8750 8750 8751-110 84240 8420 8470 994irs120 98420 98410 984irs130 89830 8980 9850 912drs141 2437111-151 0923111-160 91720 9170 9600 956drs170 73960 7400 7970 928drs181 563111-191 8024111-201 0453111-210 83150 8320 8720 953drs220 89120 8910 8920 999irs231 0608111-240 95480 95510 955irs平均值0 9040 9240 978

因為有9個DMU均為DEA有效，所以，為了進一步的比較這幾個科研院所之間的差異，對其進行SE-DEA分析，計算出超效率值，效率值的趨勢變化如圖1所示?？梢钥闯觯蒲性核?9的效率值是最高的，達到了1.802 4，雖然電網(wǎng)企業(yè)的科技投入轉(zhuǎn)化率整體而言比較高，但是橫向比較的話，各個單位之間的差距波動還是比較大的，這不僅與單位所在的地區(qū)的經(jīng)濟發(fā)展水平有關(guān)，還取決于企業(yè)的規(guī)模、管理情況等因素。所以，這不僅是對企業(yè)科技投入效果的反映，也是對企業(yè)總體的發(fā)展、管理水平的反映。

圖1 超效率值變化情況Fig.1 The figure of super efficiency value changes

3.3 結(jié)果分析

(1)DEA無效分析。由表1可知除了綜合效率為1的9個科研院所外，其他15個均表現(xiàn)為DEA無效。其中，企業(yè)12和企業(yè)24 DEA無效的原因是這兩個企業(yè)的規(guī)模效率無效，因為它們的技術(shù)效率是有效的，也就是說，在技術(shù)條件一定的情況下，這兩個企業(yè)的投入產(chǎn)出結(jié)構(gòu)是合理的，只是規(guī)模不合理，且都處于規(guī)模報酬遞增階段；企業(yè)10 DEA無效的原因是技術(shù)效率不合理，而規(guī)模效率合理，也就是說是這個企業(yè)沒能對科技資源進行充分利用；除此之外的12個科研院所的綜合效率表現(xiàn)為無效是由于技術(shù)效率和規(guī)模效率均表現(xiàn)為無效，也就是說，這12個科研院所的投入產(chǎn)出結(jié)構(gòu)和規(guī)模兩方面均沒有達到最優(yōu)水平，除了第9、11和22這三個科研院所表現(xiàn)為規(guī)模遞增外，其他幾個均為遞減。

(2)差異分析。分別以技術(shù)效率和規(guī)模效率的均值為高低界限，將所有的DMU劃分為“高高”、“高低”、“低高”和“低低”4類，如圖2所示。由圖可知，電網(wǎng)科技資源投入產(chǎn)出水平整體而言還是比較高的，但也存在不盡如人意的地方，如在“低低”區(qū)域，存在3個科研院所，表明它們的結(jié)構(gòu)與規(guī)模的發(fā)展均沒有達到平均水平，對于這樣的DMU，在科技資源的配置過程中應(yīng)同時兼顧投入的規(guī)模和提高管理技術(shù)水平等；對于技術(shù)效率高而規(guī)模效率低的“高低”型的DMU，則應(yīng)在保障管理水平的同時，努力改善企業(yè)的規(guī)模，提高科技資源投入產(chǎn)出的綜合效率，對于“低高”型科研院所則正好相反。

圖2 技術(shù)和規(guī)模效率空間散點分布圖Fig.2 Scattergram of technical and scale efficiency

(3)指標影響程度分析。對于科技資源投入產(chǎn)出綜合效率的影響，每個指標的影響程度均會表現(xiàn)出一定的差異，為了對每個指標的影響程度進行分析，利用投入或者產(chǎn)出不同的組合方案對指標進行測算。因為組合方案較多，這里只選取剔除單一指標后的方案進行比較，利用Matlab計算出剔除某指標之后的DEA效率值，結(jié)果如表2所示。

表2 不同組合方案的投入產(chǎn)出DEA效率值

Tab.2 Input-output DEA efficiency ralues of different alternatires

剔除指標名稱綜合效率技術(shù)效率規(guī)模效率從業(yè)人員0 7460 8810 847R&D人員數(shù)量0 7030 8240 853碩士以上學(xué)歷研發(fā)人員數(shù)量0 8080 8900 908科技活動經(jīng)費總額0 7380 7780 949論文數(shù)量0 7080 8540 829專著數(shù)量0 7250 9140 793專利數(shù)量0 7710 8990 858

以C表示所有的指標集，Ci表示剔除第i個指標的指標集，V(C)表示在指標集C之下的DEA有效的綜合效率，反映指標i對DEA有效的影響程度的公式如下所示：

(3)

式中：Mi表示指標的影響程度，其值越大，說明影響程度越大。

根據(jù)公式(3)可計算出M1=0.212 ，M2=0.286 ，M3=0.119 ，M4=0.225 ，M5=0.277 ，M6=0.247 ，M7=0.173 。由此可以看出，對于投入指標，R&D人員數(shù)量對于綜合效率的影響程度最大；而從產(chǎn)出角度看，論文數(shù)量的影響是第一位的。通過對每個指標的影響程度進行測算，可以為電網(wǎng)科研院所提高自身的科技資源配置水平提供合理的建議及意見。

4 結(jié) 論

考慮到電網(wǎng)企業(yè)科技資源投入產(chǎn)出的特點，根據(jù)DEA方法不需要預(yù)先求解權(quán)重，也不受限于指標量綱影響等優(yōu)勢，本文構(gòu)建了基于SE-DEA方法的電網(wǎng)科技投入產(chǎn)出效果測評模型，從而避免了主觀因素的影響，充分提高了科技資源投入產(chǎn)出效果測評的客觀準確性。以24個電網(wǎng)科研院所為研究對象進行了實例分析，并進行了充分的結(jié)果分析。基于結(jié)果分析，了解了電網(wǎng)企業(yè)科技資源配置的基本情況，為提高電網(wǎng)科技資源投入產(chǎn)出效果提出了以下幾點建議。

(1)各個電網(wǎng)企業(yè)應(yīng)根據(jù)自身效率高低情況采取不同的措施，對于技術(shù)效率低的企業(yè)，應(yīng)該加強制度變革以及管理上的創(chuàng)新，建立新的制度體系，引進一些新的管理理念；對于規(guī)模效率低的企業(yè)應(yīng)該根據(jù)評價結(jié)果規(guī)模效益的情況，根據(jù)自身情況進行規(guī)模的擴大或縮小，以此提升效率水平；

(2)雖然電網(wǎng)企業(yè)科技資源投入產(chǎn)出的效果整體比較高，但是仍然存在部分資源浪費的問題，尤其是在財力資源方面存在冗余的情況，國家電網(wǎng)公司應(yīng)當在保障投入產(chǎn)出合理的情況下，控制經(jīng)費上的投入，建立透明、嚴格的經(jīng)費使用監(jiān)管機制，提高國家電網(wǎng)公司的科技投入產(chǎn)出水平；

(3)通過指標影響程度分析可以得出，R&D人員數(shù)量和論文數(shù)量對電網(wǎng)企業(yè)科技投入產(chǎn)出的效率影響較大。鑒于這些分析，建議電網(wǎng)企業(yè)應(yīng)當增加科技人員的配置，使其在電網(wǎng)科技高效發(fā)展中發(fā)揮應(yīng)有的作用。

[1] 范斐, 杜德斌, 李恒. 區(qū)域科技資源配置效率及比較優(yōu)勢分析[J]. 科學(xué)學(xué)研究, 2012，30(8): 1198-1205.

[2] 范斐, 杜德斌, 李恒等. 中國地級以上城市科技資源配置效率的時空格局[J]. 地理學(xué)報, 2013(10): 1331-1343.

[3] 王蓓, 劉衛(wèi)東, 陸大道. 中國大都市區(qū)科技資源配置效率研究——以京津冀、長三角和珠三角地區(qū)為例[J]. 地理科學(xué)進展, 2011，30(10): 1233-1239.

[4] 張公毅. 區(qū)域科技資源配置效率評價研究[D]. 青島：青島理工大學(xué), 2010.

[5] 史安娜, 徐巧玲. 我國科技資源配置效率的實證分析——基于DEA的超效率CCR模型與Malmquist指數(shù)模型[J]. 科技管理研究, 2015，(1): 54-59.

[6]CHIANGKAO.Malmquistproductivityindexbasedoncommon-weightsDEA:ThecaseofTaiwanforestsafterreorganization[J].Omega, 2010, 38(6): 484-491.

[7] 閆平, 馬璇璇, 王海濤. 我國高?？蒲行试u價——基于DEA與Malmquist指數(shù)的分析[J]. 財會月刊, 2016，(32): 3-9.

[8]YANGQINGFENG.DEAapplicationresearchintechnicalefficiencyevaluationofhigh-techindustry[J].HebeiJournalofIndustrialScienceandTechnology, 2014, 31(1): 46-49.

[9] 黃海霞, 張治河. 基于DEA模型的我國戰(zhàn)略性新興產(chǎn)業(yè)科技資源配置效率研究[J]. 中國軟科學(xué), 2015，(1): 150-159.

[10] 陳祺琪, 張俊飚, 程琳琳，等. 農(nóng)業(yè)科技資源配置能力區(qū)域差異分析及驅(qū)動因子分解[J]. 科研管理, 2016，37(3): 110-123.

[11] 田淑英, 許文立. 基于DEA模型的中國林業(yè)投入產(chǎn)出效率評價[J]. 資源科學(xué), 2012，34(10): 1944-1950.

[12]TAVAKOLIMM,SHIROUYEHZADH,DABESTANIR.ProposingahybridmethodbasedonDEAandANPforrankingorganizationalunitsandprioritizinghumancapitalmanagementdrivers[J].JournalofModellinginManagement, 2016, 11(1): 213-239.

[13]XIADC,LIBT,WANGJP，etal.ResearchonGeneralDEAModelBasedontheGreyLinearProgramming[J].AppliedMechanicsandMaterials, 2014, 577: 828-831.

[14] 曹志鵬. 創(chuàng)新驅(qū)動發(fā)展模式下我國科技資源配置效率[J]. 企業(yè)經(jīng)濟, 2013，(8): 155-158.

[15] 孟衛(wèi)東, 王清. 區(qū)域創(chuàng)新體系科技資源配置效率影響因素實證分析[J]. 統(tǒng)計與決策, 2013，(4): 96-99.

[16] 梅姝娥, 陳文軍. 我國副省級城市科技資源配置效率及影響因素分析[J]. 科技管理研究, 2015，(6): 64-68.

Research on Evaluation of Power Grid Science and Technology Input Efficiency Based on SE-DEA Method

ZHANG Lei, LI Cunbin, LIN Shuaishuai
(School of Economics and Management, North China Electric Power University, Beijing 102206, China)

Rational use of science and technology resources is the basis for power grid enterprises to enhance their competitiveness. In this paper, based on the analysis of the scientific and technological resources of the power grid enterprises, combined with the characteristics of the enterprise, the evaluation index system of the input and output of science and technology resources is constructed. In order to overcome the problem that the DEA method can not solve the problem of multiple DEA effectively, the super efficiency DEA model is put forward. Through the example analysis, the validity of the model is verified. And through the DEA invalid analysis, the difference analysis and the index influence degree analysis and so on, the related policy formulation for the power grid enterprise science and technology resources effective disposition are proposed.

power grid enterprise; input and output of science and technology resources; SE-DEA; comprehensive efficiency

10.3969/j.ISSN.1007-2691.2017.04.16

2016-12-10.

國家自然科學(xué)基金資助項目(71671065,71271084)；國家電網(wǎng)公司總部科技項目(KJGW2015-020).

C939

A

1007-2691(2017)04-0105-06

張磊(1976-)，男，工程師，研究方向為科技管理、信息管理；李存斌(1959-)，男，博士生導(dǎo)師，研究方向為風險管理及信息管理；藺帥帥(1992-)，男，博士研究生，研究方向為風險管理及信息管理。