基于DEA-Tobit模型的科技创新基金绩效评价及影响因素分析——以西部材料科技创新基金为例

合集下载
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

DOI :10.16675/14-1065/f.2020.18.080

基于DEA-Tobit 模型的科技创新基金绩效评价

及影响因素分析

□马贤娣,孙鑫旗

摘要:以2016—2018年西部材料科技创新基金支持的项目为例,用DEA-Tobit 模型分析了科技创新基金绩效的

影响因素,得出基金效率平均水平为0.608,标准差为0.285,具有显著影响的因素有基金参与度、软技术成

果数量和新产品销售收入。根据分析结果得出基金参与度的平方值、软技术成果数量和新产品销售收入对基

金效率影响显著且分别呈正相关关系的结论。在研究结论基础上提出了以市场需求为导向、对所处阶段不

同的科研项目提供差异化支持、引进激励机制等建议措施,以全面提升基金效率水平,促进西安市材料产业

发展。

关键词:科技创新基金;DEA 分析;Tobit 模型;基金效率

文章编号:1004-7026(2020)18-0164-05中国图书分类号:F223文献标志码:A

(西安航天源动力工程有限公司陕西西安710100)

———以西部材料科技创新基金为例

1研究背景科技创新基金是经国务院批准设立,用于支持科技型中小企业技术创新的政府专项基金,以市场机制运作,通过拨款资助、贷款贴息和资本金投入等方式扶持各种所有制类型的科技型中小企业,吸引地方政府、企业、风险投资机构和金融机构对科技型中小企业进行投资,逐步推动并建立符合市场经济客观规律的高新技术产业化投资机制。科技创新基金作为促进科技成果转化和高新技术产业发展的重要工具之一,近年来国家财政对其的投入持续加大,从2008年的14亿元增长至2013年的47.36亿元[1-2]。因此分析科技创新基金绩效考核及其影响因素成为事后管理的重要问题之一。现有文献中研究科技创新基金绩效评价及其影响因素的大体可以分两类。一是构建科技创新基金绩效评价指标体系的研究。肇先等(2008)[3]从科技创新基金评审实践出发,创新性地构建了技术创新项目的全面评价基本体系,包括企业情况分析、技术创新性分析、社会效益评价等若干项。杨浩(2013)[4]分析了科技创新基金项目书,通过粗集综合评价构建了一套科技创新基金评价体系,并应用该评价体系通过实证分析得出其具有一定科学性和实用性。罗思民(2014)[5]则基于层次分析法构建了科技创新基金项目绩效评价指标体系。现阶段科技创新基金绩效评价指标体系仍存在改善空间。郭峰(2013)[6]在武汉市科技创新基金验收指标体系的基础上通过和国内外比较典型的

项目绩效评价体系进行比较,发现其存在某些指标含义不清和对项目支持资金使用效率绩效评价缺失的问题,根据项目和企业情况结合原有科技创新基金项

目评价指标体系,经过调整形成优化的指标体系。二

是科技创新基金绩效评价及影响因素的研究方法。科技创新基金绩效评价的方法相对较成熟,主要有层次分析法(AHP )、主成分分析法(PAC )、数据包络分析法(DEA )等,影响因素分析方法主要有相关性分析法和线性回归法等。罗思民(2014)[7]运用AHP 方法对福建省科技创新基金项目进行了绩效评价,并用AHP/DEA 模型分析了各年份科技创新基金相对效率水平。梅建明和王琴(2012)[8]利用DEA/PCA 综合分析方法和多元线性回归模型对中部某市区科技创新基金绩效水平及其影响因素进行了分析。顾丽琴和梅烨丹(2013)[9]分别运用DEA 方法对江西、浙江省科技创新基金绩效进行了评价。

研究科技创新基金绩效评价和影响因素的方法都比较成熟,现有文献中研究国家和省级层次科技创新基金的较多,但是从微观层次对某个具体的科技创新基金绩效进行分析的较少。以西安市某材料产业科技创新基金(简称“材料基金”)为研究对象,从投入产出分析角度运用DEA-Tobit 二阶段模型对基金项目绩效进行核算,通过定性与定量相结合的方法得出影响基金资金使用效率的因素。在研究结论的基础上提出促进材料基金资金使用效率的建议,从而对西安市科技创新基金进一步发挥促进科技成果转化、高新技术产业发展具有一定指导意义,为西部地区科技创新基金运营提供借鉴。

2研究方法和变量选取

DEA-Tobit 二阶段模型是数据包络分析(DEA )和作者简介:马贤娣(1980—),女,陕西蒲城人,硕士研究生,高级会计师,研究方向:财务管理。

孙鑫旗(1990—),男,陕西宝鸡人,硕士研究生,研究方向:投资分析与管理。

Tobit模型的结合。第一阶段用DEA计算材料基金效率值,第二阶段以其效率值为Tobit被解释变量做回归分析。DEA在处理多投入多产出的效率核算问题时具有独特优势,能够有效核算材料基金资金综合效率值。另外,Tobit模型恰好对受限因变量能够用极大似然估计法做回归分析,其估计值具有无偏性且可以避免自相关和异方差问题对参数的影响。以下对该框架所涉及的方法和变量作简要说明。

2.111数据包络分析(DEA)模型

DEA是使用线性规划模型评价具有多个输入和输出决策单元(DMU)间相对有效性的一种系统分析方法。DMU的概念是广义的,可以是一个部门、一个大学,也可以是一个企业,具有输入和输出特点,并且在将输入转换成输出的过程中,努力实现自身的决策目标。根据规模报酬是否可变假设不同,DEA模型可以分为基于规模报酬固定的CCR模型和基于规模报酬可变的BCC模型。根据投入与产出控制的角度不同,可以分为投入导向模式和产出导向模式。若研究产出一定投入最小化问题,则选择投入导向模式;若研究投入一定产出最大化问题,则选择产出导向模式。

基本原理是:假设有n个DMU,X j、Y j分别是DMU j的投入和产出,j=1,2,…,n,DMU j的综合效率值为:h j=u T Y j

v T X j

,1≤j≤n。u T、v T分别是X j、Y j的权重,X j=(x1j,x2j,…,x mj)T,j=1,…,n;Y j=(y1j,y2j,…,y sj)T,j=1,…,n;v=(v1,v2,…,v m)T;u=(u1,u2,…,u s)T,m、s分别是投入和产出的种类。其分式规划如下。

(CCR)O

max u T Y0

v T X0

=V1

p

u T Y j

v T X j

≤1,j=1,…,n u≥0,v≥

0000测算过程可由DEA0Solver软件来实现,求出其综合效率值h j,即每个决策单元的效率评价指数。0<h j≤1,当综合效率值为1时,说明该决策单元相对效率达到最大,当其处于0~1之间时,说明该决策单元的相对效率还有提高空间。

2.211标准的Tobit模型

Tobit模型是对被解释变量取值有限制、存在选择行为回归模型的统称。模型的基本形式如下。

y i *=x i茁+着i,着i~N(0,滓2)

y i=

y

i

*0if0y

i

*>0

000if0y

i

*≤

0000其中,x i是解释变量,y i是受限被解释变量,y

i

*是

被解释变量。用tobit模型分析科技创新基金绩效的

影响因素,主要有两点优势。被解释变量的取值在

[0,1]上,DEA计算出的效率值在(0,1]内,以1与效

率值的差值作为被解释变量,则恰好符合被解释变量

的条件;模型采用的极大似然估计法比最小二乘估计

法更精确。

2.311变量选取

选取的投入变量为企业投资支出总额和科技创

新基金对项目的经费支持金额,产出变量包括已授权

的专利数量、公开发表论文数量、工艺规程数量、其他

科技成果(工艺标准数量等)和新产品销售收入,选取

的变量如表1所示。研究数据取自材料基金支持过的

35个科研项目,故以此作为决策单元运用DEA方法

核算材料基金支持的各项目效率值,然后用Tobit模

型检验基金参与度、已授权的专利数量、公开发表论

文数量、工艺规程数量及其他科技成果、新产品销售

收入对科技创新基金效率值的影响显著性。其中,基金

参与度是指材料基金支持金额对科研项目投资总额

的占比,是一个相对值。

3科技创新基金绩效评价和Tobit回归结果

3.111材料基金绩效评价

将基金支持的35组项目的投入和产出变量用产

出导向的CCR模型计算出的综合效率值如图1。可以

看出,平均综合效率值为0.608,标准差为0.285。其中

综合效率达到相对有效的项目有9组,其效率值为1,占

项目数量比例为25.7%;综合效率值处于0.6~0.8的

项目有8组,占比为22.9%;处于0.4~0.6的项目有

投入变量产出变量待检验因素

表111变量和影响因素

企业投资支出总额

基金支持金额

已授权的专利数量

公开发表论文数量

工艺规程

其他科技成果

新产品销售收入

基金参与度

已授权的专利数量

公开发表论文数量

工艺规程

其他科技成果

新产品销售收入

图111基金项目综合效率值和描述性统计

Mean=0.608

Median=0.598

Maximum=1.000

Minimum=0.117

Std.Dev.=0.258

综合效率值

3579

111131517192123252729313335

1.2

1.0

0.8

0.6

0.4

0.2

相关文档
最新文档