基于DEA的国家自然科学基金投入产出相对效率评价

合集下载

基于DEA的中国科普投入产出效率初步分析

Preliminary analysis of input- output efficiency of science popularization based on DEA 作者：刘广斌[1];刘璐[2];任伟宏[3]
作者机构： [1]北京石油化工学院经管学院,北京102617;[2]中国科学技术大学人文学院,安徽合肥230026;[3]中国科学技术协会,北京100863
出版物刊名：重庆大学学报：社会科学版
页码： 118-126页
年卷期： 2016年第1期
主题词：科普;投入;产出;效率;DEA
摘要：文章介绍了中国科普投入产出的基本现状,结合中国科普工作的实际情况,构建了中国科普投入产出评价指标体系初步框架。

应用数据包络分析法（DEA）,选取了中国科普统计2006-2013年间的数据,分析评价了中国科普投入产出效率,得到效率有待提高的初步研究结论。

基于DEA模型的房地产投入产出效率评价

基于DEA模型的房地产投入产出效率评价DEA模型，即数据包络分析模型，是由美国John F. Butler教授和Abraham Charnes教授等人在1984年提出的一种多变量效率评价方法。

DEA模型能够对非线性的效率评价进行客观的量化分析，因此在评价房地产企业的投入产出效率上具有重要的应用价值。

本文将基于DEA模型对房地产企业的投入产出效率进行评价，以期为房地产企业提供科学的决策依据。

我们需要确定参与评价的房地产企业的投入产出指标。

通常来说，房地产企业的投入指标包括资金、人力、物资等方面的投入，而产出指标则包括房地产销售额、利润、资产收益率等方面的产出。

在确定投入产出指标后，我们可以利用DEA模型对这些指标进行评价。

DEA模型的评价方法主要分为两种：CCR模型和BCC模型。

CCR模型是以Charnes、Cooper和Rhodes三位教授的姓氏字母命名的，该模型假设所有企业的投入产出效率均相同。

而BCC模型则是以Banker、Charnes和Cooper三位教授的姓氏字母命名的，该模型在CCCR模型的基础上加入了规模效率。

在具体应用时，我们可以根据情况选择适合的模型进行评价。

在进行评价时，我们需要输入每个房地产企业的投入产出数据，然后利用DEA模型进行计算。

计算完成后，我们可以得到每个房地产企业的效率评分，根据评分的高低对房地产企业进行排名，从而实现对房地产企业的投入产出效率进行评价。

通过DEA模型的评价，我们可以发现房地产企业的投入产出效率问题所在，并提出相应的改进措施。

在投入方面，房地产企业可以优化资金、人力和物资的配置，提高资源利用效率；在产出方面，房地产企业可以提高销售额、利润和资产收益率，实现更好的经济效益。

通过改进措施的实施，房地产企业的投入产出效率将得到提升，为企业的可持续发展提供坚实的基础。

除了评价房地产企业的投入产出效率外，DEA模型还能够对房地产企业进行效率比较和效率前沿分析。

基于DEA模型下的科技投入产出效率评价研究

基于DEA模型下的科技投入产出效率评价研究[摘要] 通过构建科技投入产出指标体系，运用DEA模型对广东省2000-2012年的科技投入产出效率进行评价。

结果表明：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，不存在科技资源过度浪费的现象，科技产出的不足在科技投入不断合理、高效利用的过程中逐渐得到消除。

广东省应在有限的科技人力、财力资源条件下进一步提高资源的利用效率；在有条件的情况下，适当增加科技投入，以期获得更多的科技产出。

[关键词] 科技；投入；产出；效率；DEA模型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。

基于DEA的全国各省市科研投入产出效率研究

基于DEA的全国各省市科研投入产出效率研究【摘要】运用数据包络分析法比较我国31个省市科研投入产出效率。

首先建立科研投入与产出指标体系，然后对收集的统计数据进行计算，发现我国大部分地区的科研投入产出为低效率，运营效率总体上不良，且东部地区的科研比较有效，中部和西部地区科研效率相对较低。

最后运用投影分析法，给出各个地区调节其投入产出以提高效率的对策。

【关键词】数据包络分析（dea）；科研效率；对策建议高校的科研活动是地区产业升级的助推器，科研经费是这个助推器得以运行的基础条件。

科研经费的投入量和科研经费的效率不仅直接关系到高校科研活动的质量，还会对地区的产业升级和经济转型产生深远的影响[1]。

高等教育核心竞争力反映一个地区在高等教育规模、质量、结构和效益等方面的综合水平和实力，是国家与地区竞争力的核心和基础。

目前我国对高等教育竞争力的研究尚处初级阶段，且侧重于理论研究而实证研究偏少。

虽有少许的定量分析研究，但也只是初步探索。

在对我国各地区科研实力评比方面，很多学者都是通过spss软件，对所选的若干项指标进行聚类分析和因子分析，客观、定量地衡量各地区科研实力。

本文比较了全国各省市在科研领域的投入产出情况，运用dea模型进行了科研经费效率评价，给出提高我国科研投入产出效率的对策建议。

1.dea简介数据包络分析（the data envelopment analysis，简称dea）是1978年由美国著名的运筹学家a.charnes和w.w.cooper等学者，以相对效率概念为基础发展起来的一种效率评价方法。

他们的第一个模型被命名为c2r模型，从生产函数角度看，这一模型是用来研究具有多个输入、特别是具有多个输出的“生产部门”同时为“规模有效”与“技术有效”的十分理想且卓有成效的方法。

1984年r.d.banker，a.charnes和w.w.cooper给出了一个被称为bc2的模型[2]。

数据包络分析（即dea）可以看作是一种统计分析的新方法，它是根据一组关于输入-输出的观察值来估计有效生产前沿面的。

基于DEA模型下的科技投入产出效率评价研究——以广东省科技投入产出效率评价为例

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标和ｓ个非负输出指标，分别可表示为ＸＦ（，， … ），Ｙ＝２０００ — ２０１２年的科技投入产出效率进行实证分析，以期为相关部（Ｙｌｉ妇， …，），对应的权重向量分别为Ｖｉ＝（ｖｊｌ，４， … ，），＝门提供参考。（ “ “ ， …， ‰），其中ｉ＝１，２， …，／７， √ ＝１，２， …，ｍ，ｋ＝ｌ，２， …，Ｓ，构建
对广东省的社会经济发展起到了积极的促进作用，
３ＤＥＡ模型
数据包络法（ＤＥＡ）由著名运筹学专家Ａ．Ｃｈａｍｅｓ和Ｗ．ｗ．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Ｃｏｐｐｅｒ首次提出．是一种以“ 相对效率 ” 概念为基础的多指标投资源的合理、高效运用具有重要意义。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
台《广东省实施自主创新促进条例》。２０１２年广东的技术自给率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收入两个指标来衡量（见表１）。

基于DEA的我国科技投入产出二次绩效评价

２００９年６月第２２卷第３期
广西财经学院学报
ｃＪｕａｆａｇｉＵｉｅｓｙｏｉａｃｎｃｎｏｍｉｓｏｒｌｏｎｘｎｖｒｉｆｎｎｅａｄＥｏｎＧｕｔＦ
— — —
Ｊｎ２０ｕ．０９Ｖ０．２Ｎ．１２ｏ３
（ｕｎｎＵｗｒｔｉｎｅａｄＥｏｏｉ，ｕｍｎ５２１Ｃｉ）ＹｎａｎｅｉｏｎｃｎｃｎｍｃＫｎｉｇ６０２，ｈｎｓｙｆＦａｓａ
Ａｂｔａ：Ｒｔｎｌｖｌａｉｇｔｅｉｐｔ－ｕｐｔｆｃｅｃｎｃｎｌｇｎＣｉａｈｓｇｅｔｓｎｆａｃｒｒａｏａｌｅｏｌ￣ｕｓ￣ｒａｉａｌｅａｕｔｕ－ｏｔｕｉｎｅａｄｔｈｏｏｙｉｈｎａｒａｉｉｃｅｆｅｓｎｂｅｌｓｌ＇ｏｙｎｈｎｏｓｅｇｉｎｏ＇，ｉｃ－ｔｉａｉｎａｄｈｇｅｆｃｅｃｎｕｅｏａｉ１ＩｈｓｐｐｒｂｄｐｎｅＤＥＡ２１ａｄＬｎａｒｇａｕｉｇｓｌｔｎｉＸＣＬ，ｉｚｔｎｉｈｒｉｉｎｙｉｓｆｐｔ．ｎｔｉａｌｏｅｃａｏ，ｙａｏｔｇｔｉｈＰ．ｉｅｒｐｏｒｎｎｎｕｉｎＥＥｎｏｏｂｓｄｏｅｄｔｎｅｏｍｅｔａａｙｉｕｄａｃｒｌｔｅｅｉｉｎｙｍｏｅ，ｔｅａｔｏａｒｄＯｅｆｒｎｅｒｃｏｎｆｅｔｃｎ－ａｅｎｔａａｅｖｌｐｎｌｓｑａｒｔｅａｖｆｃｅｃｄｌｈｕｒｃｒｉｉｐｒｏｍａｃｋｎｇｏｈｏｈｎｓｉｉｈｅｌｅｉｈｔｅｌｇｃｌｉｐｔｕｐｔｎＣｎｒｍ９８ｔ０７，ｐｉｔｕａｅｏｅａｆｃｅｃｓａｉｈｌｖｌｉｅｅｔｅｒ，ａｄｐｏｅｏｉａｕ —ｏｔｕｈａｆｎｉｉｏ１９ｏ２０ｏｎｅｏｔｔｈｖｒｌｅｉｉｎｙｗａｈｓｅｅｒｃｎａｓｎｍｐｓｄｈｔｔｌｔｎｙｄｔｒｅｒｖｅｔｃｎｌｇｃｌｉｐｔｆｃｅｃｎＣｎ．ｏｆｔｒｉｏｅｔｅｈｏｏｉａｕｉｉｎｙｉｈａｕｈｍｐｈｎｅｉＫｅｒｓｎｕｙｗｏｄ：ｉｐｔ—ｏｔｕｆｃｅｃｄｔｈｏｏｙｆｃｅｃ；ＤＥＡ；ｅａｕｔｎｕｐｔｏｉｎｅａｎｌｇ；ｅｉｎｙｓｎｃｅｉｖｌａｉｏ

基于DEA模型的基金资助效果评价研究

基于DEA模型的基金资助效果评价研究作者：达虎李唐艳李文艳后新莉杨凌来源：《现代信息科技》2023年第22期收稿日期：2022-11-08基金項目：甘肃省自然科学基金项目（21JR7RA754）；甘肃省软科学研究计划项目（20CX4ZA019、23JRZA354）；甘肃省委组织部陇原青年创新创业人才项目（2021LQGR08）DOI：10.19850/ki.2096-4706.2023.22.025摘要：以2018—2020年批复立项的甘肃省自然科学基金一般项目为例，在已完成结题验收的项目中每年度随机选取5个项目，共选择20个项目作为研究对象。

采用DEA模型对自然基金资助效果开展评价研究，重点分析基金资助效果的综合效率、纯技术效率和规模效率，同时分析自然基金资助项目成果及在实施经费“包干制”过程中存在的问题，并从多角度提出相应的对策。

关键词：DEA模型；自然基金；资助效果；包干制中图分类号：TP39；G301 文献标识码：A 文章编号：2096-4706（2023）22-0113-07Research on the Evaluation of Fund Funding Effectiveness Based on DEA Model —From the Perspective of“Overall Rationing System”of Scientific Research FundsDA Hu1， 2， LI Tangyan1， LI Wenyan1， HOU Xinli1， YANG Ling1（1.Gansu Computing Center， Lanzhou 730030， China; 2.Gansu Key Laboratory of Cloud Computing， Lanzhou 730030， China）Abstract： Taking the general projects of the Natural Science Foundation of Gansu Province approved from 2018 to 2020 as an example， 5 projects is randomly selected from the projects that have completed the final acceptance every year， and a total of 20 projects are selected as research objects. The DEA model is used to evaluate the effect of NSFC financing， focusing on the comprehensive efficiency， pure technical efficiency and scale efficiency of NSFC financing effect. At the same time， analyze the achievements of projects funded by the Natural Science Foundation and the problems in the implementation of the “Overall Rationing System” of funding， and propose corresponding countermeasures from multiple perspectives.Keywords： DEA model; Natural Science Fund; funding effect; Overall Rationing System0 引言过去科研项目经费的使用主要采用预算制，其要求在项目申报中将项目立项后经费使用情况制定一份详细的项目预算清单。

基于DEA模型的科技金融投入产出相对效率分析——以广东省为例

基于DEA模型的科技金融投入产出相对效率分析——以广东省为例江湧;闫晓旭;刘佐菁;杜赛花【摘要】科技金融是实现广东省创新驱动发展,自主创新能力提升的重要引擎.在建立科技金融投入产出效率评价指标体系的基础上,采用数据包络分析法,首先将2014年广东省的科技金融结合效率同全国其他省市对比,进行初步评价;然后对2000-2014年广东省自身科技金融结合效率作进一步研究,挖掘其存在的问题.研究结果表明,一味地扩大金融投入并不能有效提高科技产出,深化管理体制改革,推进市场化进程,优化科技金融内部结构才能实现科技金融的协调发展.%Science and technology finance is an important part of Guangdong province to achieve innovation driven development and independent innovation capability.This paper establishes the evaluation index system of science and technology of financial efficiency and makes full use of DEA model.First of all,this paper analyzes the efficiency of the 30 provinces and municipalities in the science and technology finance,and then it analyzes the efficiency technology and finance in Guangdong province from 2000-2014.The results show that it is difficult to solely rely on the expansion of financial investment to improve the output of science and technology.The future development of Guangdong province in science and technology finance will depend more on deepening the reform of science and technology management system to achieve the coordinated development of financial input and output of science and technology.【期刊名称】《科技管理研究》【年(卷),期】2017(037)003【总页数】6页(P69-74)【关键词】数据包络分析(DEA);科技金融;相对效率;管理体制改革【作者】江湧;闫晓旭;刘佐菁;杜赛花【作者单位】暨南大学管理学院,广东广州 510632;广东省科技创新监测研究中心,广东广州 510033;暨南大学,广东珠海 519000;广东省科技创新监测研究中心,广东广州 510033;广东省科技创新监测研究中心,广东广州 510033【正文语种】中文【中图分类】F832.7;G322.7科技与金融的结合是实施创新驱动发展战略、提升区域综合竞争力的基础性内容。

基于两阶段DEA的科学基金项目产出评价研究_段庆锋

ｎ …，ｓ．ｔ．ｘｘｉ＝１，ｍ ∑ｊ＝１ λ θ ｉ０ｉ０，ｊｊ≤ ｎ …，ｚｚｄ＝１，Ｄ ∑ｊ＝１ λ ｄｄ０，ｊｊ＝，， …，０＝１ｎ λ ｊｊ≥
科学基金虽然不直接参与项目科研活动，但项目的产出绩效却能够体现科学基金遴选机制的有效性及资助分配的合理性。科学基金采用同行评议的从竞争性的申请项目中择优选取并给予资助，方法，受到科学基金资助的科研项目活动导致多元的学术成果及影响。依据科研产出的知识特点，构建科学基金项目两阶段产出模型，如图１所示。第一阶段，项目受到科学基金资助，通过知识生产过程，产生凝聚了智力劳动成果的各种形式的知识成果；第二阶段，科研成果通过扩散、溢出的方式产生多元的间接影响，包括技术创新、经济效益、社会效应三个部分。
（）３
（）６
ｓｒ＝１ｒｒ０
ｒｅｅ θｆ对于决策单元ＤＭＵ两个子阶段的ＤＥＡ效０，
从科学基金管理的角度出发，中间指标Ｚ和输通常希望相对出Ｙ都是由于输入Ｘ所引发的结果，于一定的输入Ｘ，中间指标Ｚ和输出Ｙ能够尽可能即Ｚ和Ｙ组成的总产出相对最大化成为首要的多，的评价目标 !。另一方面，依据知识生产、传播的规科学基金项目绩效由两个子系统构成—知识生律，产阶段和知识扩散阶段，子系统的效率最优成为次要的评价目标。为了理解科研项目绩效的形成过程，辨别系统不同环节的效率状态差异，有必要区别并评价科学基金资助项目的知识生产效率和知识扩散效率。因此，笔者综合两种效率评价观点，提出一在Ｄ以目标! 种更加全面的评价方案：ＥＡ模型中，为约束条件，计算知识生产效率和知识扩散效率。显然，在目标 !下，决策单元的效率值可以由公式（）计算得出，下面讨论分阶段效率的计算方法。１为了计算分阶段效率，假定评价系统及各个子系统满足规模收益不变，而且中间指标Ｚ保持不变。若要提高被评价单元ＤＭＵ则需要减０的效率，少输入Ｘ和增加输出Ｙ。因此，对第一阶段采用投入导向的Ｃ第二阶段采用产出导向的ＣＲ模型，））分别得到模型如式（和（所示。ＣＣＲ模型，２３ｍｉｎ θ ０

基于复合DEA的我国各地区高新技术产业投入产出相对效率评价研究

（）１若＜，决策单元矗不为ＤＡ有效；２若ｏ，１则Ｅ（）％１则区高新技术产业呈现出不平衡发展态势．投入产出相对决策单元『至少为弱ＤＡ有效；３若０，其０Ｅ（）％１且有１，效率迫切需要科学方法予以比较分析。综上。于理论意基１则决策单元南为ＤＡ有效。，Ｅ
义和客观需要，文应用复合ＤＡ方法，我国各地区高本Ｅ对复合ＤＡ方法的基本原理是，设全部指标构成集合Ｅ新技术产业投入产出相对效率进行了较全面系统的实证Ｄ，以各决策单元的相对效率值（为分量构成向量０Ｄ）
方法对湖北省高技术产业近十年的投入产出相对效率进行了有效性评价和排序分析；娜、曙东（ｏ７以江苏薛赵２ｏ）
出。通过对偶变换，引入非阿基米德无穷小量，ｐ卜一２ＩｕＣＲｎｍｉ【－（ｒ－ｅＳ）ｎ０８￣＋ｒ＋】Ｓ
维普资讯
一２０年第３期０８
■现代管理科学
■名家观察
基于复合ＤＥＡ的我国各地区高新技术产业投入产出相对效率评价研究
●傅毓维朱发根刘拓
摘要：高新技术产业的发展，直接关系到一个地区产业结构优化和经济发展。文章运用复合ＤＡ数据包络分析）Ｅ（方
中，刘志迎、叶蓁（０６基于非参数的Ｍａｍｕｓ指数方法模型可以表示为：２０）ｌｑｉｔ

基于DEA模型下的科技投入产出效率评价研究——以广东省科技投入产出效率评价为例

/CHINA MANAGEMENT INFORMATIONIZATION好的品牌形象可以凝聚人们对产品的信任,提升中国产品品牌形象有助于树立起品牌意识,形成清晰的品牌愿景,科学的品牌发展规划,塑造鲜明的品牌个性。

在产品同质化非常严重的今天,消费者大多会买具有典型品牌个性的产品,独特的中国创造品牌更容易吸引消费者的注意力,促进中国产品的品牌个性化发展。

(3)良好的品牌形象有助于提升中国贸易的国际地位。

良好的品牌形象可以影响国际市场上的国家利益,品牌是市场经济的产物,竞争激烈的国际市场需要其产品有良好品牌形象。

中国作为发展中国家,要掌握自己命运,就必须实现由中国制造向中国创造的转变。

提升中国产品的海外品牌形象,有助于提升国家形象软实力,有助于提升中国产品在国际贸易中的地位。

2中国产品海外品牌形象发展存在的问题随着越来越多的中国产品进军海外市场,中国产品海外品牌形象也在不断地转换,中国产品海外品牌形象有所改善,总体而言,现阶段中国产品品牌形象发展依旧存在一些问题,具体表现在品牌企业发展鲜有规模,品牌形象信誉度有待加强,品牌形象号召力仍需提高等方面。

(1)品牌企业发展规模尚需扩大。

中国自加入WTO 以来,一直加强中国本土品牌企业的发展工作,并取得初步成效,已经有部分企业不仅在国内创建品牌,在国际市场上也占有重要的市场地位,像海尔、联想等品牌已然登上海外舞台,成为国际品牌,最新的世界品牌500强排行榜中有23个中国品牌跻身其间,这也充分说明中国品牌企业队伍正在不断地壮大,当然,同美国等发达国家相比,中国品牌企业发展仍旧鲜有规模,还需要进一步发展中国品牌企业。

(2)品牌形象信誉度有待提升。

长期以来,中国产品在海外市场上强调的是物美价廉,许多中国产品在海外占有一定的市场,但由于过分看重量的积累,而没有注重质的飞跃,这些产品多占据海外低端市场,有的企业直接放弃自有品牌做OEM,这就导致海外市场消费者对中国产品的品牌形象很长一段时间停留在劣质低价的印象上,对中国产品表现出极度不信任,中国产品亟需摘掉中国制造的帽子向中国创造转型,提升品牌信誉度。

基于DEA的我国高技术产业科技投入产出效率评价

知识产出经济产出
产出
申请专利数（个）
新产品销售额（万元）
高技术产品出口额（亿元）
经费投＾科技活动经费内部支出（万元）资产投Ａ
、
引言 ቤተ መጻሕፍቲ ባይዱ
高技术产业是以技术带动产业发展与经济效益增长的产业，国是际经济和科技竞争力的重要阵地。在我国，高技术产业是一个新兴的、发展迅速的产业，９５１９年至２ｏ年期间，加值从１８亿元提高到０６其增０１１０６０５亿元，占制造业增加值的比重从８８．％上升到１．％。发展高技３９术产业对推动产业结构升级，进经济转型，促加快经济增长，提高劳动生产率和经济效益具有不可替代的作用。科技投人产出效率是评价高技术产业科技资源利用效率的重要依据。目前各个国家对本国的高技术产业投人大量的人力、物力和财力，但产出并没有达到理想水平，因此，分析科技投人产出效率，中找到从关键性因素并加以改进显得尤为重要。本文利用数据包络分析（ａａＤｔＥｖｌｍｅｔ￣ｙｓ简称Ｄ）ｎｅｐｎｔｓ，ｏｉＩ法对我国高技术产业各行业在２０年０２２００６年这一时间段内的科技投人产出效率进行评价，对各行业的效率进行横向和纵向的比较分析，而找出各行业科技产出不足的症结从所在，同时，出提高我国高技术产业科技投入产出效率韵对策建议。提二、科技投入产出效率评价模型（２ＣＲＪＤＡ法通过对多个决策单元（ｅｉｏｋｎｉ，ＥＤｃｉＭａｉｇＵｎｔ简称ＤＭＵ）ｓｎｓ的投人与产出数据的综合分析，出Ｄ得ＭＵ综合效率的数量指标，并对各ＤＵ定级排队，Ｍ确定有效ＤＭＵ，同时给出其它ＤＭＵ非有效的原因、程

科技投入产出的相对效率评价研究——基于DEA的BCC模型与SE-CCR模型的分析

ｓｃｉｅｎｃｅａｎｄｔｅｃｈｎｏｌｏｙｇｏｕｔｐｕｔａｔｔｈｅｇｉｖｅｎｓｃａｌｅ．Ｋｅｙｗｏｒｄｓ：ｓｃｉｅｎｃｅａｎｄｔｅｃｈｎｏｌｏｙｇｉｎｐｕｔａｎｄｏｕｔｐｕｔ；ｅｉｃｆｉｅｎｃｙ；ＤＥＡ；ＢＣＣｍｏｄｅｌ；ＳＥ — ＣＣＲｍｏｄｅｌ
１问题的提出
技投入产出效率展开了大量的研究，以期提高科技资源利用效率，例如：高思中¨ ｊ分析了我国目前科
技投入产出效率低下的原因，并提出了提升的对策；多数学者（吴和成等；权进民等；樊宏等；徐蔷等）是从定量角度出发，通过选取投入与产出指标、建立数学模型实证分析我国科技投入产出状况。综合国内外研究，多数学者运用随机前沿法来评价科技投入产出效率，包括参数法与非参数法。考虑到我国不同地区科技进步状况差距很大，投入与产出之间的关系可能适用于不同的函数形式，故排除参数法。在非参数法中，数据包络分析法（ＤＥＡ）是科技投入产出效率评价最为常用的方法。该方法是一种用于评价多投入一多产出的同类决策单元（ＤＭＵ）之间相对有效性的系统分析方法，不需要预先估计参数及进行指标权重假设，不需要对指标数据进行量纲化处理，是管理科学领域非常重要的、有效的分析工具。基于ＤＥＡ在多投入与多产

基于DEA方法的国家工程技术研究中心投入产出效益评价研究

Ａｂｓｔｒａｃｔ：Ｆｉｒｓｔｌｙ，ｔｈｅｐａｐｅｒｅｖａｌｕａｔｅｓｔｈｅｐｅｆｒｏｒｍａｎｃｅｏｆＣｈｉｎｅｓｅＮａｔｉｏｎａｌＥｎｇｉｎｅｅｒｉｎｇＲｅｓｅａｒｃｈＣｅｎｔｅｒ（ＮＥＲＣ）ｆｒｏｍ２００２ｔｏ２００９ｗｉｔｈＭＡＴＬＡＢｓｏｆｔｗａｒｅｂａｓｅｄｏｎｔｈｅＤＥＡ（ｄａｔａｄｅｖｅｌｏｐｍｅｎｔａｎａｌｙｓｉｓ）ｍｏｄｅ１．Ｓｅｃｏｎｄｌｙ，ｔｈｅｐａｐｅｒｓｅｔｓｕｐ
ＰｅｒｆｏｒｍａｎｃｅＥｖａｌｕａｔｉｏｎｏｆＩｎｐｕｔ— — ｏｕｔｐｕｔＥｆｉｃｆｉｅｎｃｙｏｆＣｈｉｎｅｓｅＮａｔｉｏｎａｌＥｎｇｉｎｅｅｒｉｎｇＲｅｓｅａｒｃｈＣｅｎｔｅｒＢａｓｅｄｏｎｔｈｅＤＥＡＭｏｄｅｌ
ＺＨＯＵＱｉｏｎｇｑｉｏｎｇ一。ＹＵＺｈｏｎｇｑｉｎｇ。。ＨＥＬｉａｎｇ
（１．ＮａｔｉｏｎａｌＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙＩｎｆｒａｓｔｒｕｃｔｕｒｅＣｅｎｔｅｒ，Ｂｅｉｊｉｎｇ１００８６２，Ｃｈｉｎａ；

基于DEA模型的房地产投入产出效率评价

基于DEA模型的房地产投入产出效率评价随着经济的不断发展，房地产行业成为了一个备受关注的领域。

在这个行业中，投入和产出效率是其发展的关键因素之一。

为了对房地产行业的投入产出效率进行评价，研究者们提出了许多不同的模型和方法。

数据包络分析（DEA）模型是一种被广泛应用于房地产行业的工具，能够帮助评价企业的投入产出效率。

DEA模型是一种非参数的线性规划模型，其主要思想是通过比较各个决策单元（例如企业、机构或者地区）的投入产出数据，找出最有效率的单元，并以此为标准评价其他单元的效率。

在房地产行业中，投入通常指的是企业的资金、劳动、土地等资源，而产出则是企业的销售额、利润等经济绩效指标。

通过DEA模型，我们可以评价房地产企业的投入产出效率，发现其在资源利用方面存在的问题，并提出改进措施。

在进行基于DEA模型的房地产投入产出效率评价时，首先需要确定参与评价的决策单元。

一般来说，我们会选择同行业中具有相似规模和业务模式的企业作为评价对象。

然后，收集这些企业的投入产出数据，包括资金、土地、人力资源的投入数据，以及销售额、利润等产出数据。

接下来，我们需要确定DEA模型的输入和输出指标，通常选择的输入指标包括固定资产、人力资源投入等，输出指标则包括销售额、利润等。

通过DEA模型的计算，我们可以得出每个决策单元的投入产出效率指标，其中大于1的指标表示效率较高，小于1的指标表示效率较低。

通过比较不同企业的效率指标，我们可以发现效率较低的企业存在的问题，例如资源配置不合理、生产管理不当等。

在实际操作中，我们还可以利用DEA模型的结果进行效率前沿分析，找出最有效率的企业，并从中学习其经营管理经验，引导低效率企业进行改进。

除了评价单一企业的投入产出效率，基于DEA模型的房地产评价还可以拓展到整个房地产市场或者地区。

通过收集不同企业的数据，我们可以建立一个大型的投入产出效率数据库，从而对整个市场的效率水平进行评价。

这种全面的评价方式可以为政府部门、投资者、企业等决策者提供重要的参考依据，帮助他们制定相关政策、投资决策以及企业管理策略。

基于DEA的煤矿安全投入产出效率评价研究

产出关键因子,通过对关键因子的数据包络分析建立了煤矿安全投入产出效率评价模型.以
煤矿２０１２－２０１７年的安全投入和产出数据为例,成功提取生产环境和技术管理２个投入因
子及广义安全和安全事故２个产出因子,并基于投入产出因子进行了该煤矿安全投入产出效
率的 DEA 分析,应用结果证实了该评价方法的可行性和有效性.
fc
oa
lmi
nes
a
f
e
t
s
edonDEA [
J]Ch
i
naCoa
l,２０１９,４５
pu
yo
yba
２２
(
５):２２－２６

中国煤炭第４５卷第５期２０１９年５月
Copyright©博看网. All Rights Reserved.
集、多理论组合决策模型、平衡记分卡、马尔科夫
链预测性功能、灰色关联投影法及变异系数法等.
s,e
va
l
ua
t
i
onmode
l,DEAana
l
s
i
s
ye
y
y
y
由于煤矿生产过程复杂、开采环境恶劣,具有
较高的潜在危险因素,我国煤矿安全问题一直是煤
管理已经进入了不单单追求 “量”的投入,同时重
矿企业的工作重点.近年来,我国煤矿安全形势持
近年来,对于煤矿企业安全效率问题的研究一
视 “质”和 “效”的管理阶段.
想是将样本数据间的相关性大小表示为几个未知公
简化评价指标体系、降低评价指标维度,其基本思
本文运用因子分析方法的降维思想提取了煤矿

基于DEA方法的高校科研投入产出效率研究——以教育部直属高校为例

基于ＤＥＡ方法的高校科研投入产出效率研究———以教育部直属高校为例孙盘龙１，辛斐斐２（１．青岛大学师范学院，山东青岛２６６０７１；２．青岛大学青岛教育发展研究院，山东青岛２６６０７１）摘　要：国家对高校科研投入力度的不断增加引发了资源浪费、使用低效等一系列问题，科学、客观地评价高校科研投入产出效率成为当下学界研究的重点问题。

运用ＤＥＡ和Ｍａｌｍｑｕｉｓｔ指数方法对教育部直属高校科研投入产出效率进行静态和动态分析，发现多数教育部直属高校的科研投入产出效率有待进一步提高，技术效率和技术进步效率都是影响高校科研投入产出的关键因素。

据此提出相关建议，要将效率指标纳入高校评价体系，与科研资源的配置相挂钩；加强高校科研管理水平，促进科研创新技术进步。

关键词：教育部直属高校；科研投入产出效率；ＤＥＡ；Ｍａｌｍｑｕｉｓｔ指数中图分类号：　Ｇ６４６文献标识码：　Ａ文章编号：２０９５－６８００（２０２０）０１－０６８－０９随着国家对高校科研投入力度不断加大，高校科研资源浪费、使用过程中效率低下等问题引发社会关注。

高校科研投入产出的效率问题也成为了学界的重要研究课题。

教育部直属高校作为我国高校科研的主力军，一直以来都是国家和政府科研投入的重点关注对象。

但在当下我国科研资源紧缺的形势下，教育部直属高校的科研投入产出情况如何？高投入是否也同时带来了高产出？高校是否实现了科研资源的有效配置和效益最大化？这一系列的问题都是我们所亟需解决的。

本研究运用ＤＥＡ方法考察教育部直属高校科研投入产出效率情况，分析导致部分高校效率低下的原因，为解决高校科研资源浪费和投入产出效率低下的问题提供理论依据。

一、文献综述国内外学者对高校科研投入产出效率的研究以实证研究为主。

国内的研究多是结合具体的省市、地区或高校进行研究，从研究对象的角度大致可以分为三类：第一类是从宏观角度出发，以我国的省市、地区为研究对象，分析我国高校科研投入产出效率。

郭际、［１］仲洁、［２］耿清慧、［３］刘天佐［４］等人都以我国各省市作为研究对象，分析高校科研投入产出效率，结果都得出了不同省市地区的高校科研投入产出效率存在差异，并且东部地区高校科研投入产出效率大于中部和西部。