基于DEA模型的高校科技创新效率评价——以石油类高校为例

当前,我国经济发展的"新常态"与国际油价持续低迷的"新常态"并行,传统的投资驱动或要素驱动已难以为继,必须转向创新驱动。高校的科技创新活动是国家创新体系的重要组成部分,通过DEA模型,对我国16所具有代表性的石油类高校2015年的科技创新效率进行测评,并计算DEA有效高校的超效率值,分析了非DEA有效高校的投入冗余和产出不足。得出我国石油类高校技术效率总体上较高,非DEA有效的高校主要受规模无效率的影响,并且存在比较严重的产出不足现象。最后,对我国石油类高校进一步提升科技创新效率提出相应的对策措施。     

DEA／TOPSIS模型在高校教育质量评价中的应用

为提高高校教育质量评价的客观性,采用DEA／TOPSIS两阶段模型对高校教育资源的利用进行综合评价。该模型第一阶段使用DEA方法计算每个决策单元的相对有效性,第二阶段对相对有效性进行TOPSIS计算并作全排序优选,最后结合例子进行了分析。     

基于超效率DEA模型的高校科技创新效率评价

如何合理有效配置科技教育资源是各级政府的一项重要工作。首先运用传统DEA模型对2014—2015年我国各地高等院校科技创新效率进行实证分析。在此基础上,将前沿面投影和超效率DEA模型相结合,对有效和无效地区的高校科技创新效率进行研究。结果表明,高校科技创新效率并非完全与区域经济发展水平同步。因此,各地应结合各自实际情况制定相应的科技发展政策,国家应当合理配置各地区高校科技教育资源,全面提高我国高校科技创新效率。     

基于DEA的高校物流管理专业人才培养质量评价研究

人才培养质量评价可以促进高校应用型物流管理专业的人才培养模式的改革。基于OBE的教育理念下,文章从学生、教师和学校三个投入角度入手,构建了知识、能力与素质三维一体的人才培养质量目标的输出评价指标体系,应用DEA交叉评价法对选取的10所高校物流管理专业的人才培养质量进行了评价,得出了10所高校物流管理专业人才培养质量的自评价结果和相对有效性,并提出了针对性建议。     

基于超效率DEA和GIS的中国省际高校创新效率评价研究

文章选取了科技人员、科技经费等9个投入指标,出版科技著作、发表学术论文、专利授权数3个产出指标,进行数据包络分析(DEA)和超效率DEA分析。同时基于地理信息系统(GIS)对高校的综合效率进行了空间特征分析,并据此对各省高校提高创新效率提出因地制宜合理配置资源利用、建立内部创新效率机制的建议。     

河南省农业循环经济效率评价研究

采用数据包络分析方法(DEA模型),对2016年河南省18个地市农业循环经济效率进行测算,分析各地市的DEA相对有效性;同时运用Malmquist指数测算各地市的全要素生产率,对效率变化和技术变化趋势进行分析.结果表明,河南省18个地市中有7个地市DEA有效,占总地市的39%,其余11个地市均处于DEA无效状态;各地市存在不同程度的投入冗余,要素配置效率低;技术效率和规模效率对Malmquist指数都有一定的影响,其中技术进步对其贡献最大.     

基于关联NDEA评价高校科技创新资源配置效率

高校作为培养创新人才的主阵地,在科技创新方面肩负重任,研究高校如何实现有限资源的优化配置对于促进科研事业及高校的创新发展具有重要的理论意义和现实意义。将高校科技资源配置过程划分为知识转化和成果转化两个阶段,在规模报酬不变(CRS)的两阶段DEA模型中考虑共享型投入要素,并对初始投入资源分配比例的取值进行了限定,使最终的效率评价结果更合乎实际,并以29所高校案例分析说明模型的实用性。     

“一带一路”沿线省份高校科技创新效率研究

采用数据包络分析(DEA)模型构建了两阶段效率评价指标体系,评价了"一带一路"沿线省份高校科技创新效率。研究发现:知识创新产出方面,陕西、甘肃、广西、上海、广东、福建和海南等7个省份高校在技术和规模上实现了DEA有效;技术创新成果转化方面,陕西、甘肃、广西、上海、广东、黑龙江和重庆等7个省份高校在技术和规模都实现了DEA有效;从两个阶段综合效率平均值看,陕西、甘肃、广西、上海和广东等省份高校科技创新综合效率平均值为1,实现了DEA有效。     

知识产权视角的高校科研效率评价

以知识产权作为高校科技资源产出的重要表征,对高校科技资源的投入与产出效率进行评价,可优化科技资源配置,充分调动与激活各关键要素的作用,促进高校知识产权产出效率提高,对进一步促进高等教育发展,进而促进经济与社会发展具有重要意义.利用DEA模型对我国高等教育的知识产权投入产出效率进行评析,通过分析投入产出的技术效率和规模效率有效性,可以为高校知识产权资源的配置提供建议,为高校知识产权工作更好发展提供参考依据.     

偏好强度可调的DEA模型评价高校学科建设效率

为了提高学科建设效率评价的有效性，首先，将偏好强度比下限引入指标偏好数据包络分析(data envelopment analysis，DEA)模型模型中，构建了偏好强度可调的DEA模型. 其次，验证了通过设置不同的偏好强度比下限，该模型可以实现无偏好、偏好序以及具体偏好强度情形的效率测算. 最后，运用该模型研究我国“世界一流大学”建设高校学科投入产出效率状况，选取2012—2015年我国32所教育部直属的“985”高校相关数据进行实证研究. 实证研究的评价结果有助于教育主管部门和相关高校深入分析学科建设的投入产出情况，可基于不同的发展阶段和实际情况进一步优化学科建设资源配置.     

基于DEA-BCC模型的江苏省属高校人才发展效率研究

基于2017年江苏省高水平大学建设全国百强省属高校申报公示材料,收集了17所省属大学各项师资建设指标和学校人才培养等综合指标,建立了高层次人才、科学技术奖等含25个指标的评价体系并建立数据包络分析(DEA)的BCC模型。结果表明:南京师范大学等13所高校的人才投入-产出规模DEA有效,而南京艺术学院与江苏大学的人才发展规模非DEA有效。对比15所高校的人才发展规模综合效率排名与2017年武书连师资力量和综合实力排名,提出具有针对性与建设性的建议。     

面向高校内部的平行两阶段运营效率评价模型

提出了一种高校内部组织绩效的数据包络分析(DEA)估计方法.将高校运营效率的转化过程分为运营与社会化两个阶段,并进一步细分社会化过程中教育与科研的转化效率,将其看作是平行子系统的效率.最后,依据中国某985高校的内部学院数据,论证了该方法的合理性和实际意义.该方法为高校运营状况改善提供了具体、有效的管理决策建议.     

高校公益投资价值的综合量化评估 ——基于高等教育机构的应用分析

将高校资金使用效率DEA指标体系及评价模型与高校公益投资回报SROI模型相结合,可以组成高校公益投资价值的综合量化评估体系。再利用近7000余所高等教育机构2017年到2019年的经验数据,对这一体系进行应用分析;在此基础上,从不同角度对评估效果,以及其对各主体的引导作用进行探讨。结论表明,这一评价方法具有较强的科学性和拓展性,能够引导高校和投资主体关注高校的长期价值,为高校公益投资价值综合量化评估提供有效的工具。     

高校技术创新溢出能力对国家大学科技园孵化效率的影响

大学科技园作为促进政、产、学、研合作的重要平台,在行业技术进步和区域经济发展中发挥着重要作用.大学科技园的可持续发展,很大程度上依托于高校提供的科研人才及成果等多种创新资源,这些资源也是大学科技园得以顺利开展孵化活动的基础条件.以国家大学科技园及其依托的高校为研究对象,利用三阶段超效率DEA模型和熵值法分别评价2014年—2018年大学科技园的孵化效率和高校技术创新溢出能力,运用混合回归模型探究高校的技术创新溢出对大学科技园孵化效率及空间异地扩张的影响.研究发现：1) 研究期内,仅东部地区的孵化效率一直大于1,实现了DEA有效,北京、江苏和广东的国家大学科技园孵化效率也实现了DEA有效,多数省份的孵化效率偏低,且呈现波动下降的趋势;高效率区主要由东部沿海、中部少数省份组成,东北三省和中部多数省份多位于中效率区,低效率区大都由西部省份组成.2) 各省级区域高校技术创新溢出能力与地区经济发展水平呈现相似的特征,北京、江苏和上海的高校技术创新溢出能力一直处于较高等级,大部分省区市高校的技术创新溢出能力呈现先稳步增长,后有所下降的趋势;整体来看,东部地区的技术创新溢出能力较高,中西部地区较低.3) 高校技术创新溢出能力对大学科技园的孵化效率存在正向影响.大学科技园空间扩张分析结果表明,依托较高技术创新溢出能力高校的大学科技园,更容易实现辐射异地发展,助力科技园迈向世界一流大学科技园.     

DEA方法在江西省12所本科院校办学效益评价中的应用

运用DEA方法对江西省12所本科院校的办学效益的相对有效性进行实证分析后发现,样本中院校的总体效率一般,存在较大的改进空间.非DEA有效的院校占75%,应引起相关部门的重视.分析结果认为EDA方法对提高院校的办学,充分利用教育资源有一定的作用.     

基于DEA的云南省高校投入产出效果分析

根据2004—2013年云南省与全国平均的投入产出数据,利用DEA的CCR模型及"超效率"(Super-Efficiency)模型,并使用DEA-Solver-LV软件对云南省高校投入产出效率进行实证分析.通过分析结果我们了解了云南省高校投入产出的具体情况,并提出了如何提升云南高等院校投入产出水平的建议.     

不同类型高等学校科技创新效率变化分析

运用DEA法评价19992011年期间6种不同类型高校科技创新效率．研究发现，不同类型高校科技创新效率存在差异，工科院校综合效率均值最高，农林院校综合效率均值最低．综合大学、工科院校、农林院校、师范院校和其他院校的综合效率波动主要由纯技术效率变化引起，医药院校综合效率提升受到规模效率制约．研发投入、政府支持程度、基础研究投入、社会服务能力、专业技术人员投入对不同类型高校科技创新效率的影响程度存在明显差异．     

南京高校动态科研效率的实证分析

运用数据包络分析法(DEA)和Malmquist生产率指数对“十一五”期间南京市12所高校的科研效率进行实证分析,研究结果发现,南京高校的科研效率总体较高且呈现增长的趋势,其增长主要归因于技术进步,但也存在部分高校存在资源浪费和冗余现象,最后,提出进一步提高高校科研效率的对策建议.     

基于偏好强度可调DEA的高校学科建设效率评价

当前，世界一流学科建设是世界一流大学建设的重要支撑，成为优化高等教育体系的重要杠杆。为了提高学科建设效率评价的有效性，首先，本文将偏好强度比下限引入指标偏好DEA模型中，构建了偏好强度可调的DEA模型。其次，验证了通过设置不同的偏好强度比下限，该模型可以实现无偏好、偏好序以及具体偏好强度情形的效率测算。最后，运用该模型研究我国“世界一流大学”建设高校学科建设投入产出效率状况，选取2012-2015年我国32所教育部直属的985高校相关数据进行实证研究。实证研究的评价结果及启示有助于教育主管部门和相关高校深入分析学科建设的投入产出情况，可基于不同的发展阶段和实际情况进一步优化学科建设资源配置。     

我国高校科技投入产出动态效率测度——Malmquist指数方法的研究

以全国高校2002年-2009年各省市R&D人员全时当量、R&D经费实际支出和高校科技转让当年实际收入为依据,采用Malmquist指数方法,分析了全国高校科技投入产出效率的动态变动.结果发现:我国高校科研效率的提高更多的是由技术变动引起的,而效率变动并不显著,尤其是在2006年之后这种趋势就更为明显,从地区上看,中西部地区技术效率的贡献更大.实证分析的结果为我国高校科研制度进一步的深入改革提供了科学的参考.