基于DEA-Malmquist模型的区域创新效率评价

以广东省16个地级市为研究对象,选取2010～2018年统计数据,综合运用DEA-BBC模型、DEA-Malmquist指数和聚类分析,对广东省区域创新效率进行评价.结果表明,区域综合技术效率呈上升趋势,城市间综合技术效率、纯技术效率和规模效率存在差异;大部分城市全要素生产效率呈上升趋势,只有汕头市因为技术效率和技术进...     

基于DEA-Malmquist指数的我国电信业效率研究

运用非参数的DEA-Malmquist指数方法研究了中国电信业2007-2009年的生产率水平,并将中国电信业的效率水平与全球电信业的效率水平进行对比,发现我国的TFP增长率与国际平均水平相比还是比较低的,3大运营商中只有中国移动的平均TFP是正增长,中国电信和中国联通的平均TFP都是下降的,国内运营商的TFP增长率有待提高。     

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。     

安徽省科技创新效率评价及对策研究 ——基于DEA-Tobit模型

基于DEA-Tobit模型,对2018年安徽省16个地市的科技创新效率和影响因素加以评价和分析.研究发现:安徽省科技创新研发效率强,但科技创新成果转化效率不高;科技研发人员、仪器设备购买费用和专利申请数都对安徽省科技创新效率有很强的促进作用.最后基于上述分析,针对性地提出解决对策.     

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。     

我国区域技术市场运行效率差异分析——基于DEA-BCC和DEA-Malmquist模型

基于BCC及Malmquist指数模型,从横截面和跨期纵向对区域技术市场运行效率进行检验。静态横截面分析结果显示省际的技术市场运行效率的差异较大,但东中西部之间技术市场效率的差异在不断缩小;长江经济带技术市场发展水平的提升,对全国技术市场差异的缩小起到了关键作用。动态跨期纵向分析结果显示技术市场整体效率低下的原因是纯技术效率引起的,中、西部地区技术市场存在明显"追赶效应",进一步验证了区域间技术市场运行效率的差异在不断缩小的结论。     

甘肃省工业企业科技创新思考与建议

当前,甘肃省经济社会正进入工业化发展的中期阶段,处于加速转型跨越的新起点,要推动经济持续健康发展,必须实施创新驱动发展战略,提高自主创新能力。围绕甘肃省"3341"项目工程,实施科技创新工程,增强企业技术创新主体地位,构建以企业为主体、市场为导向、产学研相结合的技术创新体系成为提升经济社会发展的有效引擎。对甘肃省工业企业发展现状及问题进行了分析,提出了切实可行的对策。     

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.     

基于三阶段DEA-Malmquist模型的乡村振兴下的农业保险支农效率

采用三阶段DEA-Malmquist模型,通过测度农业保险支农的TFP及其构成,对我国2008—2017年31个地区在乡村振兴背景下的农业保险支农效率进行测度与区域差异分析,并采用SFA模型剔除环境变量和随机误差.分析结果表明:(1)对投入指标进行调整前,总体全要素生产率变动下降,表明在农业保险支农过程中,未充分发挥已有农业保险要素投入的潜力,且该下降主要源于技术进步的阻碍.从地区来看,各省全要素生产率变动下降的省份达30个,农业保险支农发展的潜力较大.(2)剔除环境变量与随机误差后,全要素生产率变化和技术进步有所增加,增长达到28.0%和14.3%,表明在农业保险支农过程中更加注重技术的提高.但是,技术效率变化下降了8.47%,影响了TFP的提高.各省Malmquist生产率指数除吉林、黑龙江、广东、新疆外均有改进,且其改进得益于技术进步的改进.区域间技术进步存在显著差异,但纯技术效率变化和规模效率变化差异在缩小.     

基于技术效率与规模效率的江苏科技创新效率分析

十二五时期,中国经济愈加常态化,科技强国、科技富民的要求愈加迫切。基于DEA数据包络分析法对十一五和十二五时期江苏13个地级市科技创新效率进行研究,将综合效率分解为纯技术效率与规模效率,并且对每个地级市进行细分,以期全面地反映科技创新投入产出效率是否区域均衡化,结果表明引起江苏各市科技创新效率与经济发展不同步的关键因素是规模效率不均衡和投入产出规模结构不合理。     

高精尖产业科技资源配置效率动态演化研究——基于企业微观视角

为探究高精尖产业微观科技资源配置效率,考虑区域及行业科技资源禀赋的异质性,本文选取2014—2018年北京地区新一代信息技术产业上市公司面板数据作为研究对象,运用超效率DEA-Malmquist指数从企业微观视角对科技资源配置效率及其动态演化进行了测度和分析。结果发现：各年度科技资源配置有效的公司数量偏少,科技资源配置效率均值介于0.645—0.772之间,配置效率整体偏低。从动态演化趋势看,除2015年配置效率比2014年稍微下降外,其他年度的配置效率均呈现波动性上升态势,全要素生产率年均增长2.3%,技术效率是关键促进因素,纯技术效率对技术效率的正向影响比较明显,规模效率的影响则有一定的波动性;技术进步尚存在较大的发展空间,规模集聚效应还有待提升。     

石油类本科高校科技创新效率分析

运用DEA-BCC模型和DEA-Malmquist指数模型分析方法,对2007-2016年我国石油类本科高校的科技创新效率进行测度评价。结果表明:静态来看,2016年我国石油类本科高校科技创新综合效率、规模效率和纯技术效率均没有能够达到DEA有效,且各石油高校存在显著的差异性。石油高校科技创新资源配置规模与结构是提升科技创新综合效率的重要要素。从动态来看,大部分石油本科高校科技创新效率全要素生产率具有明显下降趋势,科技创新技术进步指数和技术效率变化指数两者较低是导致石油本科高校科技创新全要素生产率有所下降的重要原因。提升我国石油本科高校的科技创新效率应该逐步完善高校科研管理机制,培育高端技术科研人才;瞄准能源领域科技前沿,深化高校科技创新供给;加强产学研合作,推进科技创新成果市场转化。     

甘肃科技创新效率研究

为了能对提高甘肃各市州科技创新效率提供科技决策依据,选取2010—2012年甘肃14个市州科技投入及产出指标,运用DEA(数据包络分析)模型评价科技创新效率水平,探讨科技创新效率及空间结构演变过程。结果显示:2010—2012年,大部分市州达到了综合效率最优,平均综合效率均达到了最优水平的90%以上;DEA有效市州为兰州、金昌、张掖、临夏;甘肃科技创新效率在空间上明显由中部辐射至四周。应运用区域经济发展中的点轴扩散理论,加速形成"酒泉-兰州-天水"科技创新发展纽带。     

中国高校科技创新效率研究

高等学校是科技事业发展中基础研究的核心力量,在科技发展中拥有不可替代的作用.将综合类高校的文理科数据分别划分到人文社科类和理工农医类高校的统计数据中,采用2009～2018年中国31省面板数据,应用DEA-Malmquist方法,实证测算文理科高等学校的科技创新静态效率水平和动态效率变化,并比较文理差异.研究发现:高等...     

基于DEA-Malmquist模型的科技金融结合效率评价 ——以安徽省为例

科技与金融的结合是增强自主创新能力、促进经济社会转型升级的必经之路.运用DEA-Malmquist指数模型对2009—2018年安徽省的科技金融结合效率进行评价,随后对2016—2018年安徽省16个地市的效率进行比较分析.研究发现:①安徽省的科技金融发展效率处于相对有效状态;②2016年仅有蚌埠、池州2个地市达到DEA有效,2018年仅有阜阳、六安与铜陵3个地市处于有效状态;③安徽省全要素生产指数不高,要加大提升科学技术能力.基于实证结果,为促进安徽省科技金融发展,提出合理配置研究与试验发展(R&D)经费、加大科研人才队伍建设、构建产学研模式,提高科技成果转化以及加快区域间科技金融的协同发展等对策建议.     

广东区域科技创新效率测评研究

纳入政府资金投入与非期望产出建立指标体系,运用DEA-Malquist方法对2015—2017年广东区域科技创新效率进行评价分析。结果表明:广东科技创新效率在2015—2016年的下降幅度大于2016—2017年的上升幅度,技术进步效率为幅度升少降多的关键因素;科技创新效率大于1的城市分为两类,分别为技术进步推动和各组成效率综合推动,大部分城市呈现技术进步趋势;科技创新效率小于1的城市分为三类,分别为技术衰退、规模不经济和管理与组织方式滞后,绝大部分城市呈现规模不经济趋势;科技创新效率存在区域联合技术进步与规模经济,经营管理与组织变革存在聚集效应,且为正溢出效应,但科技创新的动力不足。因此,广东需继续加大科技创新资源投入,注重绿色生产技术进步,加强基础与应用研究,引进与培养科研高端人才,打造广东区域一体化开放融合的科技创新生态体系。     

基于DEA-Malmquist指数的贵州生态经济系统发展效率评价

从系统论的视角出发,建立特定的投入产出评价指标,选取2001~2012年贵州省及2007~2012年各地级市及自治州的截面数据为样本,运用DEA模型和非参数Malmquist指数法对其的生态经济系统发展效率进行静态和动态趋势分析。结果显示:多数年份的生态经济系统发展效率为非DEA有效,存在资源配置不合理及资源浪费等问题;年平均TFP指数仅为0.989,呈衰退趋势,其中技术进步是造成TFP指数总体偏低的主要影响因素。并据此提出优化人力资源结构、发挥贵州资源禀赋优势、推行绿色GDP制度、提高科技投入等建议。