基于三阶段DEA的中关村科技企业创新效率研究

采用北京中关村自主创新企业数据,运用三阶段DEA模型,将专利和新产品销售收入同时作为产出变量,测算企业创新效率并分析其影响因素。结果发现中关村科技企业整体综合效率较高,但也有相当一部分企业纯技术效率较低,经过调整后,规模报酬递增的企业增多。在环境变量对企业创新效率的影响中,企业融资情况的改善、人力资本以及市场范围的提升有助于提升科技型企业的创新产出和科技成果的转化,从而提高创新效率,而企业规模的扩大、财政激励则会造成研发人员和研发资金投入冗余。     

基于三阶段DEA模型的长江中游城市群创新效率研究

以长江中游城市群28个地级市为研究对象,运用三阶段数据包络分析（DEA）模型测度并分析长江中游城市群2005—2018年的创新效率及其时空演化特征,采用地理加权回归（GWR）模型揭示创新效率空间差异的影响因子及其空间异质性.结果显示：长江中游城市群创新效率呈现两段式特征,2005—2010年为平稳发展期,2011—2018年为波动变化期;“一圈二群”创新发展趋势尚不明朗,目前还处于创新发展的初级阶段;长江中游城市群2005—2018年创新效率空间分异显著,整体上呈现“发散-聚敛-发散”的特征;经济基础（ECO）、产业结构（INDU）、外商投资（FDI）、政府支持（GOV）以及基础设施建设（BAS）对长江中游城市群创新发展的驱动模式存在较大差异,具有明显的空间分异性.     

基于DEA模型的徐州市科技创新效率研究

建立效率评估指标体系,运用数据包络分析(Data Envelopment Analysis,DEA)运筹学方法,将科技创新活动分为两个阶段:知识创造和成果转化,研究徐州市科技研发效率和成果转化效率,判断徐州市科技创新效率是否达到"帕累托"最优,是否存在科技投入冗余及科技产出不足,并对淮海经济区20市和江苏省13市的科技创新能力进行横向比较分析,以期对徐州市区域性产业科技创新中心建设情况进行监测评估。     

基于DEA模型的安徽省物流效率研究

在"一带一路"新政策指引下,物流业大力促进未来区域经济的发展。本文运用DEA模型对安徽省2010-2015年的物流效率进行研究分析。结果表明,当前安徽省物流效率的发展水平需要进一步的提高,并影响物流效率的因素主要是物流业的规模效率。同时,影响安徽省物流效率的因素,已经通过提高物流业信息的利用率等方式促进安徽省物流效率的提高。     

基于DEA的科技创新效率分析

科技创新在当今世界性竞争中起着越来越关键的作用，对科技创新投入产出相对效率的研究具有重要意义。采用DEA及其扩展模型，对1991—2007年间我国的科技创新投入产出相对效率进行评价分析和纵向比较，得出我国科技创新相对效率的变化情况，目的在于为合理利用有限的科技资源提供参考。     

基于超效率DEA模型的区域高校科技创新效率研究

科技创新对于一个国家和地区来说是发展建设的中坚力量,而高校作为整个科技创新体系中不可或缺的一部分,对其科技创新效率的测评就显得尤为重要。通过超效率DEA模型,对我国部分(31个)省市自治区高校2016年的科技创新效率进行了测度,并根据计算所得的超效率值对部分省市自治区高校的科技创新效率进行了排序评价,同时根据对各项变量松弛的测度,剖析了部分省份高校科技创新效率低下的原因。结果表明,我国各省份高校总体而言科技创新效率较高,未达到DEA有效的大部分省份高校主要原因是其规模效率低下和产出不足所导致,并针对我国各省高校科技创新效率的实际情况提出了相关建议。     

长三角城市群国家高新区创新效率比较分析——基于三阶段DEA模型

长三角城市群国家高新区作为创新发展重要载体,需要进一步提升创新引领力.由于外部环境因素和随机误差项的干扰,难以精准把握长三角城市群国家高新区创新效率提升切入点.因此,运用三阶段DEA模型,对2015年—2019年长三角城市群国家高新区创新效率进行实证分析.结果发现：长三角城市群国家高新区创新效率较低主要是纯技术效率和规模效率不高共同导致,且规模效率影响更大;上海国家高新区和江苏的多数国家高新区创新效率降低,浙江和安徽的多数国家高新区创新效率上升;经济发展水平、市场开放程度对国家高新区创新效率的影响由促进转变成降低,劳动者素质、科技创新潜力促进国家高新区创新效率的提高;环境和随机因素的影响程度逐渐减弱.因此,需要在提高规模效率基础上提高纯技术效率,加强长三角城市群国家高新区之间交流合作,优化长三角城市群国家高新区资源配置,减少冗余,促进长三角城市群国家高新区创新效率提高.     

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模型的京津冀地区科技创新效率评价研究

为科学有效地对京津冀地区科技创新效率进行评价,借鉴已有的科技创新监测研究成果,分别运用DEA的静态BCC模型和动态Malmquist指数模型对2014—2020年京津冀地区科技创新效率进行测度并对比。研究表明,北京的科技创新效率最高,河北次之,天津最低,但天津科技创新能力和管理水平提升幅度最大,且三地科技创新全要素生产率指数增长主要依赖于技术变革。据此提出相关建议：京津冀地区应立足实际找准自身科技创新发展定位;完善资源共享,加强协同创新;推进产学研之间多层次技术合作。     

基于三阶段DEA模型的山东省区域金融资源配置效率研究

为更加高效配置山东省金融资源,基于2019年山东省16地市数据,构建三阶段DEA模型测度区域金融资源配置效率。通过传统DEA模型测算初始效率,采用似SFA回归消除环境因素和统计噪声,最后计算调整后指标值的DEA效率。研究结果表明,由于金融机构经营管理水平不足和金融资源投入不合理,山东省区域金融资源配置效率未实现最优且不尽均衡;各地市主要通过规模作用拉动金融资源配置效率的提升。山东省金融改革今后应多关注纯技术效率对金融资源配置效率的拉动作用。     

基于三阶段DEA模型的河南省18市农业生产效率研究

提高农业生产效率是发展现代农业的基本要求,也是建设社会主义新农村的关键性工作之一.运用三阶段DEA模型对河南省18市的农业生产效率进行实证研究,结果表明,在虑除宏观环境和随机误差等因素对效率值的干扰后,河南省18市的农业生产效率发生了明显的变化.与传统的DEA方法相比,三阶段DEA模型测算的结果更真实准确,符合经济现实,更能客观地衡量河南省18市的农业生产效率.最后根据各市自身的效率特点,有侧重地从管理水平或生产规模的角度对农业生产效率的改善提供相适应的政策建议.     

东部三大城市群国家高新区创新效率评价——基于三阶段DEA模型

运用三阶段DEA模型对2019年我国东部三大城市群35个国家高新区的创新效率进行分析。实证结果表明：在剔除环境因素干扰后,东部三大城市群高新区综合效率有所下降,综合效率不高主要由较低的规模效率引起,大多数高新区处于规模报酬递增状态。其中珠三角城市群在调整后的平均综合效率最高,长三角次之,京津冀最低,规模因素成为制约京津冀和长三角创新效率提升的关键因素。环境因素中产业结构、文化教育环境和政策支持都有利于创新效率的提升,经济发展水平和基础设施环境抑制了创新效率的提升。     

基于三阶段DEA模型的江苏高等学校人文社会科学科研效率研究

采用三阶段DEA模型,以江苏省35所本科高等学校为评价单元,对各高校2014年哲学社会科学科研效率进行分析评价,研究结论表明:环境变量和随机因素对本科高校人文社科科研创新效率存在显著影响,其中地区经济水平、政府资金投入对科研创新效率的提升是正向的,而地区教育水平、非政府资金投入以及学术交流情况等对科研创新效率的提升是负向的;在剔除影响后,高校平均综合创新效率、纯技术创新效率和规模效率分别是0.700、0.803、0.872,存在显著的提升趋势;纯技术创新效率低下是造成综合效率不高的主要因素;南京大学等6所高校在调整后处于DEA前沿,是其他高校的科研创新的标杆。     

基于灰色DEA模型的河南省科技创新投入产出效率研究

构建了科技创新投入产出效率评价指标体系,为减弱不确定性因素对实验结果的影响,提高测算结果的精确度,将灰色理论与DEA模型相结合,运用灰色DEA模型对河南省18地市2011—2015年科技创新效率进行测算.结果表明,河南省各地市科技创新效率处于中等水平,开封等6地市的效率达到相对最优,其他各地市均存在资源闲置和产出不足情况.根据测算结果并结合实际情况,提出了优化创新氛围,建立长效机制,促进科技创新链和创新成果产业链有效结合等建议.     

东海陆源污染治理效率的实证研究 ——基于DEA三阶段模型分析

采用DEA三阶段模型,对剔除环境因素和随机误差的影响前后的东海陆源污染治理效率进行了测算与比较。研究结果表明:社会、经济和技术三个外部环境因素对东海陆源污染治理效率影响显著,且虚高了综合技术效率;当前综合技术效率水平不高,规模效率不足是制约综合技术效率水平的主因。因此,为了提高东海陆源污染治理效率,需要充分发挥外部环境因素的积极作用,也需要适度扩大治理陆源污染的投入规模来提升规模效率。     

基于DEA模型的中国石油企业科技效率研究

运用DEA投入导向模型,根据2000—2011年公开数据,选取科研与开发投入占总销售收入的比例、总资产、总资产周转率和资产负债率作为投入指标,选取油气探明储量、净资产收益率、净利润和总收入作为产出指标,以中石油、中石化以及中海油三大巨头为例,对我国石油企业的科技效率水平进行综合评价,并提出了提高我国石油企业科技效率的建议.     

基于DEA模型的安徽省区域经济运行效率评估

针对安徽省16个地级市的区域经济发展情况作出一定评价,在合理的指标体系构建基础之上,建立基于投入的C2R和C2GS2两种DEA模型,并以此对2008-2012年各决策单元进行分析.通过综合效率,纯技术效率以及规模效率的纵向和横向比较,得出5年间不同地区的经济变动情况.同时,利用投影定理,对近两年来非有效决策单元进行详细的投入冗余和产出不足分析.最终得出安徽大多数地区经济效率水平偏低,但有转好趋势等结论,同时,综合实证分析结果找出制约经济发展因素,据此给出应加快产业结构调整等相应的政策性建议.     

基于DEA模型的安徽省农业碳排放效率测算及分析

目的 分析2010-2019年安徽省及其分区的农业碳排放效率。方法 通过整理安徽省统计年鉴数据并折算农业碳排放量,利用IPCC的碳排放计算方法、数据包络分析中的CCR模型和Malmquist模型测算及分析2010-2019年农业碳排放总量和效率。结果 (1)安徽省农业碳排放总量从2014年起逐年递减,农业碳排放量分区由大到小依次为皖北、皖中、皖南;(2)安徽省农业碳排放效率未达到有效水平但呈上升趋势,地区间差异较大且皆不理想,其中皖南地区效率最高,皖北地区效率最低;(3)安徽省全要素生产率几乎全部达到有效水平,说明安徽省在发展低碳农业方面持续努力效果显著。结论 安徽省对发展低碳农业积极性很高,但基础水平较低,需要加强引导和管理。     

创新价值链视角下重庆高技术产业创新效率研究——基于三阶段链式网络DEA模型

基于创新价值链理论构建重庆高技术产业创新三阶段指标体系和三阶段链式网络DEA模型,使用重庆2009—2016年电子及通信设备制造业、计算机及办公设备制造业、医疗仪器设备及仪器仪表制造业、医药制造业等四个高技术行业投入产出指标数据,对重庆高技术产业技术创新三阶段效率与总效率进行测度,并分析其演变趋势。研究结论:重庆高技术产业创新资源投入冗余,不注重资源配置结构;高技术产业过度重视企业短期收益,忽略了长期技术积累;四大高技术行业之间创新效率不均衡,行业间缺乏创新合作。提出针对性政策建议促进重庆高技术产业创新绩效提升,推动重庆经济高质量发展。