中国研究型大学科研全要素生产率动态评价——基于DEA-Malmquist指数的实证分析

利用DEA-Malmquist指数方法测算并分析"十一五"期间中国研究型大学自然科学学科科研全要素生产率,主要发现:研究型大学科研全要素生产率的改进主要源于技术进步,规模效率和纯技术效率改善的贡献不明显,尤其是规模效率甚至在一定程度上起拖累作用。分区域比较,受制于技术进步滞后,西部地区大学科研全要素生产率改进状况明显落后;得益于管理制度优化所带来的纯技术效率提升,东部地区,尤其是沪苏浙地区全要素生产率改进突出;得益于规模合理设置所带来的规模效率提升,中部地区全要素生产率不断改进。分学校层级比较,尽管"985工程"大学获得了更大的科研投入力度,但全要素生产率及各效率维度改进状况均落后于非"985工程"大学。因此,未来高水平研究型大学建设需高度重视效率问题。     

中国各地区高校科研的技术效率与规模调整——基于省级面板数据的DEA分析

为了动态地评价中国高校科研效率,整理了2001—2009年高校科研投入产出的省级面板数据,应用DEA方法(数据包络分析)对我国高校科研投入的技术效率与规模效率进行测算与分解。研究发现,我国高校科研投入产出效率整体不高,多数省份已经处于规模收益递减阶段。进一步对DEA非有效地区的投影及冗余进行分析结果显示,在不影响整体效率的情况下,科研投入和产出量都存在不同程度的可改进空间。据此,提出改进提高高校科研效率、缩小区域差距的政策建议。     

“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。     

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。     

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。     

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.     

省域高校科研产出效率分析——基于DEA-BCC模型

高校科研产出效率是衡量高校科研发展状况的重要参考依据之一。通过运用省际高校科研投入与产出数据,基于DEA-BCC模型测算和分析了我国地区间高校科研产出效率情况。结果表明：多数省份的高校科研投入产出处于DEA无效率;区域间的产出效率水平存在差异;DEA无效的省份大多处于规模报酬递减阶段,投入冗余和产出不足现象较为明显。科研资源的合理配置和共享是提升产出效率的重要举措。     

基于数据包络分析的高校科研绩效评价

应用数据包络分析(DEA)模型对我国50所重点院校的科研绩效进行了评价.结果表明,有70%的院校各项效率都达到0.8以上;有15所院校同时为技术有效和规模有效;有31所院校处于规模收益递增状态,所以还应适当地加大科研投入力度.通过计算交叉效率矩阵和相对有效决策单元被引用次数,对相对有效的院校进行了评价,其中有1所院校在两种方法下的效率都是最高的,说明该校科研绩效已经达到一个较高的水平.但也有一些相对有效的院校存在资源配置不均衡和产出不均衡问题,效率具有较大的"伪度".     

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。     

我国十大城市群高校科研效率及影响因素研究——基于DEA-Malmquist-Tobit模型

城市群高校作为科研创新体系的"桥头堡",肩负着培养创新人才、进行科学研究和服务创新战略的重要使命。以2009—2018年我国十大城市群高校为研究对象,运用DEA-Malmquist模型对各城市群高校科研效率进行测算。结果表明:2018年我国城市群高校科研效率明显提升,但是非DEA有效城市群仍然占比较高。山东城市群、中原城市群和长三角城市群等高校科研效率的增长主要源于技术进步效率的提高,珠三角城市群、海西城市群和辽中南城市群等高校科研效率的下降主要源于技术效率的降低。进而通过Tobit模型对影响高校科研效率的因素进行回归分析,发现城市群高校人力资本和财力资本处于"丰裕"状态,成果奖励、学术交流和科研机构处于"稀缺"状态。为推进我国高校内涵式发展,应减少人力资本和财力资本的过度投入,加强对外交流合作,改组和整合科研机构,完善成果奖励机制,努力推进城市群高校协同发展。     

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。     

高校二级学院教师人力资源配置效率评价 ——以X大学为例

从高校内部人力资源管理的角度,运用数据包络分析法（DEA）,以高校内部二级学院作为决策单元（DMU）,从人才和经费投入、科研和教学成果产出方面构建教师人力资源投入产出指标,建立二级学院教师人力资源配置效率评价DEA BBC模型,从综合技术效率、纯技术效率、规模效率、规模收益和松弛变量等微观层面,评价二级学院人力资源的投入产出效率。X大学13个二级学院教师人力资源配置效率的实证研究表明,该模型不仅能够从二级学院层面判断师资队伍职称结构和内部教师人力资源结构是否合理,亦能发现二级学院之间的人力资源配置效率差异,同时还能精确判断二级学院教师人力资源效率配置的改进方向和程度,使评价更具实践指导价值。     

高校科研投入产出效率探析——以浙江省为例

高校科研活动是科技创新的主要来源之一,考察高校科研效率有助于高校自身发展及整体科研资源的有效配置。本文运用DEA方法建立评价指标体系,对浙江省22所高校进行科研效率评价的实证研究,结果表明:浙江高校科研活动存在科研投入冗余量大、科技成果与技术转让薄弱、生产力转化效率低等问题,浙江省应在有效控制科研投入量的同时,加强管理水平、完善相关政策,鼓励科技成果转化。     

甘肃省高校社会科学科研投入产出效率分析——基于因子分析和DEA模型

以甘肃省为例,选取2017年本科高校社会科学科研投入产出的相关数据,利用DEA模型并结合因子分析来研究高校的科研投入产出效率。研究表明:甘肃省高校社科科研能力整体效率不高,两极分化情况比较严重,只有兰州大学和西北师范大学综合效率达到1,其余高校效率较低,综合效率值低于10%的高校多达6所。本文通过对结果分析,提出了相应的对策。     

“双一流”目标下高校高质量科研效率对比研究

“211”“985”建设的重点高校是我国“双一流”高校建设的领头院校,探究其优质科研成果产出绩效水平,对推进我国建设“双一流”高校具有重要的指导意义。文章首先基于因子分析法构建体现高质量科研产出成果的评价指标体系,其次运用DEA模型对“双一流”建设领头院校的2015—2016年科研效率进行实证分析。研究结果发现“双一流”建设实施前后领头院校的高质量科研效率水平提升幅度较小,大部分院校虽然呈上升趋势但依旧处于无效水平,且具有较大的提升空间,说明“双一流”建设实施成果初步有效但还有很大的完善空间,据此提出完善科研运行机制、创新激励体制等改进措施。     

基于DEA模型的江苏省农村商业银行综合效率研究

农村商业银行作为农村金融体系的支柱,为三农经济的发展作出了积极的贡献。本文运用DEA模型对2012年江苏省15家农村商业银行效率进行有效测度,实证结果表明江苏省农村商业银行显示出较高的综合效率水平,其中纯技术效率基本有效,规模报酬生产基本处于递增阶段,但规模效率有待进一步提高。     

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.     

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DEA和熵权TOPSIS模型比较的高校科技创新效率分析

高校是国家创新体系的重要组成部分,为深入分析新形势下高校科技创新效率,完善高校科技创新效率评价方法,综合运用数据包络分析(data envelopment analysis, DEA)模型和基于信息熵法的理想点模型(technique for order preference by similarity to an ideal solution model, TOPSIS),以天津市区域14所高校为例,对比分析了新形势下高校科技创新效率。基于DEA模型的分析结果表明,14所高校科技创新效率总体呈不规律波动趋势,即使继续加大投入力度,也仅能获得科技成果产出规模有限的增加;基于TOPSIS模型的分析结果表明,14所高校科技创新效率总体呈上升发展趋势,可继续加大投入力度,以促进科技成果更大规模地产出。通过两个模型的综合运用,实现了评价结果的交叉验证,为新形势下高校科技创新效率评价提供了新思路。     

径向集中式DEA模型的效率研究

通过分析径向集中式BCC模型和径向集中式CCR模型的特征,发现集中式DEA模型中各决策单元的权向量是相同的.基于这一特征,提出了集中式DEA模型的技术与规模效率、技术效率、规模效率、SBM效率和MIX效率.