鐘　穎

（安徽師范大學(xué)，安徽　蕪湖　241002）

?

安徽省高?？萍紕?chuàng)新效率研究
——基于三階段DEA模型的實(shí)證分析

鐘穎

（安徽師范大學(xué)，安徽蕪湖241002）

摘要：利用三階段DEA模型，從高等學(xué)校科技創(chuàng)新投入產(chǎn)出的角度，分別對(duì)安徽省29所公辦普通本科高校進(jìn)行科技創(chuàng)新效率評(píng)估，總體上，樣本高?？萍紕?chuàng)新效率不高，制約其提升的主要原因是規(guī)模效率，高校所在地區(qū)的經(jīng)濟(jì)發(fā)展水平與科技創(chuàng)新投入冗余存在顯著的正相關(guān)關(guān)系，非DEA有效高校的科技創(chuàng)新投入冗余比例和產(chǎn)出不足比例均較高；并運(yùn)用Malmquist全要素生產(chǎn)率指數(shù)模型對(duì)樣本高校進(jìn)行科技創(chuàng)新效率動(dòng)態(tài)分析，技術(shù)進(jìn)步和規(guī)模效率是導(dǎo)致Malmquist全要素生產(chǎn)率指數(shù)變化的主要原因。

關(guān)鍵詞：普通高校；科技創(chuàng)新效率；三階段DEA；Malmquist指數(shù)

1　引言

高校擁有豐富的科研人員和眾多的研究與發(fā)展機(jī)構(gòu)，在推動(dòng)區(qū)域和國(guó)家科技創(chuàng)新領(lǐng)域具有重要意義。但由于國(guó)家財(cái)政性高?？萍冀?jīng)費(fèi)的稀缺，高?？萍冀?jīng)費(fèi)存在違規(guī)使用問題，使得社會(huì)各界非常關(guān)注高校科技經(jīng)費(fèi)的利用效率。對(duì)各地區(qū)高校科技創(chuàng)新效率評(píng)價(jià)機(jī)制的研究，可以為國(guó)家和地方政府制定科技政策和科技經(jīng)費(fèi)管理政策，提供政策依據(jù)和理論指導(dǎo)。

目前我國(guó)學(xué)者對(duì)高?？萍紕?chuàng)新效率評(píng)價(jià)，大多采用單階段和兩階段DEA模型，其研究對(duì)象主要為教育部直屬高校和“211、985工程”高校的科研效率，如羅杭［1］、尹偉華和袁衛(wèi)［2］、胡詠梅等［3］，單階段和兩階段DEA模型未能剔除環(huán)境因素和隨機(jī)誤差對(duì)科研效率值的影響，其測(cè)量結(jié)果未能真實(shí)反映高校科研效率水平；李瑛等［4］、李向東等［5］利用三階段DEA模型，分別對(duì)2007年和2010年我國(guó)31個(gè)省市地區(qū)的高?？蒲行蔬M(jìn)行靜態(tài)的省際比較，未能反映各地區(qū)高?？蒲行实淖兓厔?shì)。

本文利用三階段DEA模型，對(duì)安徽省29所公辦普通本科高校①文中用序號(hào)表示29所公辦普通本科高校校名，序號(hào)J1表示中國(guó)科學(xué)技術(shù)大學(xué)，序號(hào)J2表示合肥工業(yè)大學(xué)，序號(hào)J3表示安徽大學(xué)，序號(hào)J4表示合肥學(xué)院，序號(hào)J5表示合肥師范學(xué)院，序號(hào)J6表示安徽建筑大學(xué)，序號(hào)J7表示安徽農(nóng)業(yè)大學(xué)，序號(hào)J8表示安徽醫(yī)科大學(xué)，序號(hào)J9表示安徽中醫(yī)藥大學(xué)，序號(hào)J10表示巢湖學(xué)院，序號(hào)J11表示安徽師范大學(xué)，序號(hào)J12表示安徽工程大學(xué)，序號(hào)J13表示皖南醫(yī)學(xué)院，序號(hào)J14表示安徽工業(yè)大學(xué)，序號(hào)J15表示銅陵學(xué)院，序號(hào)J16表示安慶師范學(xué)院，序號(hào)J17表示池州學(xué)院，序號(hào)J18表示滁州學(xué)院，序號(hào)J19表示安徽科技學(xué)院，序號(hào)J20表示安徽財(cái)經(jīng)大學(xué)，序號(hào)J21表示蚌埠醫(yī)學(xué)院，序號(hào)J22表示蚌埠學(xué)院，序號(hào)J23表示安徽理工大學(xué)，序號(hào)J24表示淮南師范學(xué)院，序號(hào)J25表示淮北師范大學(xué)，序號(hào)J26表示阜陽(yáng)師范學(xué)院，序號(hào)J27表示宿州學(xué)院，序號(hào)J28表示黃山學(xué)院，序號(hào)J29表示皖西學(xué)院。進(jìn)行高校間科技創(chuàng)新活動(dòng)的效率評(píng)估，并運(yùn)用Malmquist全要素生產(chǎn)率指數(shù)模型對(duì)樣本高校進(jìn)行科技創(chuàng)新效率動(dòng)態(tài)分析。

2　模型與數(shù)據(jù)

2.1模型

三階段DEA模型由Fried等［6］提出，與單階段和兩階段DEA模型相比，三階段DEA模型能剔除外部環(huán)境因素和隨機(jī)誤差對(duì)效率值的影響，測(cè)量結(jié)果能夠真實(shí)反映高?？萍假Y源的管理效率。三階段DEA模型由以下三階段構(gòu)成。

第一階段：面向投入的BBC-DEA模型

樣本高?？萍冀?jīng)費(fèi)投入使用的數(shù)量和結(jié)構(gòu)是各級(jí)政府、投資者和高校管理者等決策時(shí)的關(guān)鍵變量，且導(dǎo)向選擇對(duì)效率值只有細(xì)微影響［7］。因此，本文采用面向投入的BBC-DEA模型。

假設(shè)有I所高校，每所高校有N個(gè)投入、M個(gè)產(chǎn)出數(shù)據(jù)，有R種外部環(huán)境影響因素。對(duì)第i所高校，用列向量xi和qi分別代表它的投入和產(chǎn)出，則面向投入的BBC-DEA模型見公式（1）：

式（1）中，θ是一個(gè)標(biāo)量，λ是一個(gè)N×1的常數(shù)向量，II×1是一個(gè)I×1的向量。

通過式（1），解得θ值就是第i所高校的純技術(shù)效率。當(dāng)我們將式（1）中的II×1′λ= 1去掉，式（1）轉(zhuǎn)變?yōu)槊嫦蛲度氲腃CR模型，解得θ值為第i所高校的綜合技術(shù)效率。根據(jù)綜合技術(shù)效率等于純技術(shù)效率乘以規(guī)模效率的關(guān)系，可得規(guī)模效率值。

第二階段：利用SFA模型分解第一階段的松弛變量

第一階段DEA模型無(wú)法將外部環(huán)境因素和統(tǒng)計(jì)噪聲因素剔除，所獲得的效率值受到外部環(huán)境因素、統(tǒng)計(jì)噪聲因素和管理無(wú)效率因素的綜合影響，而第二階段以投入松弛量為因變量，以外部環(huán)境因素為自變量，對(duì)每一項(xiàng)投入松弛量分別構(gòu)建隨機(jī)前沿分析模型（SFA），分離出外部環(huán)境變量和統(tǒng)計(jì)噪聲因素對(duì)決策單元的影響，并對(duì)原始投入數(shù)據(jù)進(jìn)行調(diào)整。SFA模型描述見式（2）：

式（2）中，sij為投入的松弛變量，即實(shí)際投入與目標(biāo)投入之差，其中i = 1，2，3，…，N，j=1，2，3，…，I；zj= z1j，z2j，z3j，…，zkj，其中k=1，2，3，…，R，zkj表示第j個(gè)決策單元的第k個(gè)可觀察的外部環(huán)境變量；

βj=（β1j，β2j，β3j，…，βkj）T，其中βkj表示第j個(gè)決策單元的第k個(gè)待評(píng)估參數(shù)；vij為第j個(gè)決策單元在第i項(xiàng)投入時(shí)產(chǎn)生的統(tǒng)計(jì)噪聲，假定vij是獨(dú)立同分布的正態(tài)隨機(jī)變量，服從正態(tài)分布vij～N（0，σvi2）；uij為第j個(gè)決策單元在第i項(xiàng)投入時(shí)產(chǎn)生的管理無(wú)效率隨機(jī)變量，假設(shè)uij是獨(dú)立同分布的在0處截?cái)嗟姆秦?fù)正態(tài)隨機(jī)變量，服從半正態(tài)分布uij～N+（0，σui2）。

根據(jù)Fried等［6］在三階段DEA模型中采用的隨機(jī)成本前沿面模型，通過軟件Frontier4.1版，利用最大似然估計(jì)求出等變量，再采用Kumbhakar和Lovell［8］提出的三階段DEA模型管理無(wú)效率估計(jì)公式，見式（3），求得從而求得最后根據(jù)Fried等［6］在三階段DEA模型中提出的資源投入量調(diào)整公式，見式（4），對(duì)決策單元進(jìn)行各投入資源的數(shù)量調(diào)整。

式（4）中，xij為第j個(gè)決策單元調(diào)整前的第i個(gè)原始投入量，為第j個(gè)決策單元調(diào)整后的第i個(gè)投入量。

第三階段：利用調(diào)整后的投入量和原始產(chǎn)出量，采用面向投入的BBC-DEA模型，計(jì)算得到剔除外部環(huán)境因素和統(tǒng)計(jì)噪聲等誤差因素影響后的DEA效率值。

2.2數(shù)據(jù)

2.2.1科技創(chuàng)新活動(dòng)投入產(chǎn)出指標(biāo)體系

高?？萍紕?chuàng)新活動(dòng)投入產(chǎn)出變量的選擇，尚無(wú)一致結(jié)論［9］。遵循評(píng)價(jià)指標(biāo)選取原則，本文建立的科技創(chuàng)新投入產(chǎn)出指標(biāo)體系，見表1。

表1　科技創(chuàng)新活動(dòng)投入產(chǎn)出指標(biāo)體系

2.2.2外部環(huán)境影響因素指標(biāo)

利用三階段DEA模型測(cè)量效率時(shí)，需要結(jié)合樣本高校科技創(chuàng)新的特點(diǎn)，綜合考慮其主觀可控范圍以外的環(huán)境因素對(duì)科技創(chuàng)新效率的影響。本文選取政府對(duì)高校科技創(chuàng)新的資助力度、企業(yè)與高校的合作程度和當(dāng)?shù)亟?jīng)濟(jì)發(fā)展水平等作為外部環(huán)境影響因素，分別用樣本高校當(dāng)年撥入科技經(jīng)費(fèi)中的政府資金、企事業(yè)單位委托資金和地區(qū)人均GDP來表示。

2.2.3數(shù)據(jù)來源

本文數(shù)據(jù)主要來自2010—2014年《安徽統(tǒng)計(jì)年鑒》和《高等學(xué)?？萍冀y(tǒng)計(jì)資料匯編》。

3　實(shí)證分析

3.1三階段DEA估計(jì)結(jié)果

3.1.1第一階段DEA估計(jì)結(jié)果

運(yùn)用DEAP2.1版軟件和面向投入的BBC-DEA模型，對(duì)安徽省2009—2013年29所公辦普通本科高校的科技創(chuàng)新效率進(jìn)行分析，結(jié)果見表2、表3和圖1，用序號(hào)代表校名。從運(yùn)算結(jié)果來看，這29所樣本高?？萍紕?chuàng)新活動(dòng)的歷年綜合技術(shù)效率均值在2011—2012年間出現(xiàn)小幅提升，總體較低，呈下降趨勢(shì)，波動(dòng)較平穩(wěn)，2009—2013年各年未達(dá)到純技術(shù)效率最優(yōu)的高校比例在48％—62％，未達(dá)到規(guī)模最優(yōu)的高校比例在65％—75％，其中處于規(guī)模報(bào)酬遞增的高校比例保持在34％—45％。

表2　第一階段（調(diào)整前）和第三階段（調(diào)整后）樣本高校歷年科技創(chuàng)新效率平均值

圖1　2009—2013年樣本高?？萍紕?chuàng)新效率平均值

表3　2009—2013年29所樣本高校科技創(chuàng)新效率分布

3.1.2第二階段SFA回歸分析結(jié)果

利用軟件FRONTIER4.1版，以第一階段得到的2009—2013年樣本高?？萍紕?chuàng)新三個(gè)投入變量的松弛量平均值作為因變量，以三個(gè)外部環(huán)境變量作為自變量，分別進(jìn)行三次SFA回歸分析，回歸分析結(jié)果見表4。在投入松弛量回歸方程中，只有地區(qū)人均GDP通過了T檢驗(yàn)，所以有必要調(diào)整三個(gè)投入松弛量回歸方程的自變量，調(diào)整后的第二階段SFA回歸結(jié)果見表5。由表5可知，高校所在地區(qū)的經(jīng)濟(jì)發(fā)展水平與各投入冗余變量之間均存在顯著的正相關(guān)關(guān)系，表明地區(qū)經(jīng)濟(jì)發(fā)展水平越高，則工作生活的條件越好，越能吸引人才，從而越有可能帶來教學(xué)科研人員以及高級(jí)職稱人員投入的冗余；同時(shí)也表明地區(qū)經(jīng)濟(jì)發(fā)展水平越高，地方政府資助和當(dāng)?shù)仄髽I(yè)與高校的合作越多，科技經(jīng)費(fèi)的投入也越多，從而越有可能造成科技經(jīng)費(fèi)的浪費(fèi)。

表4　第二階段SFA回歸結(jié)果一因變量

表5　第二階段SFA回歸結(jié)果二因變量

3.1.3第三階段DEA估計(jì)結(jié)果

利用式（4），對(duì)第一階段DEA分析時(shí)采用的三個(gè)高校科技創(chuàng)新投入變量進(jìn)行調(diào)整，并利用調(diào)整后的投入量和原始產(chǎn)出量，運(yùn)用DEAP2.1版軟件，采用面向投入的BBC－DEA模型，計(jì)算得到剔除外部環(huán)境因素和統(tǒng)計(jì)噪聲等誤差因素影響后的DEA效率值，結(jié)果見表1、表2和圖1，用序號(hào)代表校名。從運(yùn)算結(jié)果來看，調(diào)整前后效率的變化較大，其中歷年綜合技術(shù)效率均值和規(guī)模效率均值與調(diào)整前相比有所下降，歷年純技術(shù)效率均值與調(diào)整前相比有所上升；2009—2013年各年未達(dá)到純技術(shù)效率最優(yōu)的高校比例與調(diào)整前相比有所下降，維持在48％—59％；未達(dá)到規(guī)模最優(yōu)的高校比例與調(diào)整前相比有所上升，維持在68％—76％，其中處于規(guī)模報(bào)酬遞增的高校比例與調(diào)整前相比上升幅度較大，維持在48％—76％；如表6所示，樣本高?？萍紕?chuàng)新綜合技術(shù)效率與純技術(shù)效率、規(guī)模效率的相關(guān)性均在1％的水平下顯著（雙尾檢驗(yàn)），其中綜合技術(shù)效率與規(guī)模效率的Spearman秩相關(guān)系數(shù)保持在86％—95％，顯著高于綜合技術(shù)效率與純技術(shù)效率的Spearman秩相關(guān)系數(shù)（71％—81％），說明綜合技術(shù)效率排序與規(guī)模效率排序具有較高的一致性，制約綜合技術(shù)效率提升的主要原因是規(guī)模效率。

表6　樣本高校科技創(chuàng)新綜合技術(shù)效率與純技術(shù)效率、規(guī)模效率的Spearman秩相關(guān)系數(shù)

3.1.4非DEA有效高校的效率改進(jìn)

利用投影分析，根據(jù)第三階段DEA分析中調(diào)整后的投入和原始產(chǎn)出數(shù)據(jù)，可得出純技術(shù)效率無(wú)效樣本高校的效率改進(jìn)方向。如表7所示，純技術(shù)效率無(wú)效樣本高?？萍紕?chuàng)新的投入冗余比例總體較高，呈先升后減趨勢(shì)，當(dāng)年高級(jí)職稱人員冗余比例均值最大；純技術(shù)效率無(wú)效樣本高校科技創(chuàng)新的產(chǎn)出不足中當(dāng)年技術(shù)轉(zhuǎn)讓收入不足比例均值最大，當(dāng)年成果獲獎(jiǎng)不足比例均值也較高，總體呈上升趨勢(shì)。

表7　純技術(shù)效率無(wú)效樣本高?？萍紕?chuàng)新投入冗余比例和產(chǎn)出不足比例

3.2 Malmquist全要素生產(chǎn)率指數(shù)分析結(jié)果

利用三階段DEA模型只能比較決策單元在同一時(shí)期的效率，無(wú)法比較其在不同時(shí)期的效率變化，本文采用Malmquist全要素生產(chǎn)率指數(shù)分析方法和DEAP2.1版軟件，利用三階段DEA模型中剔除了外部環(huán)境影響因素和統(tǒng)計(jì)噪聲后的安徽省29所樣本高校在2009—2013年間的投入產(chǎn)出數(shù)據(jù)，得到其在不同時(shí)期效率變化的指數(shù)。其中，Malmquist全要素生產(chǎn)率指數(shù)（tfpch）（以后簡(jiǎn)稱M值）可分解為技術(shù)進(jìn)步變化指數(shù)（techch）和綜合技術(shù)效率變化指數(shù)（effch），綜合技術(shù)效率變化指數(shù)（effch）又可以分解為純技術(shù)效率變化指數(shù)（pech）和規(guī)模效率變化指數(shù)（sech），tfpch= effch×techch= pech×sech×techch。由表8可知，樣本高校在2009—2013年間的M值平均每年減少5％，僅2011—2012年的M值大于1，樣本高校的科技創(chuàng)新效率呈先升后降趨勢(shì)。究其原因，首先技術(shù)進(jìn)步變化指數(shù)以年均2.5％的幅度逐年遞減，純技術(shù)效率變化指數(shù)和規(guī)模效率變化指數(shù)分別以年均0.3％和2.2％的幅度呈先升后降趨勢(shì)；技術(shù)進(jìn)步和規(guī)模效率是導(dǎo)致M值變化的主要原因。

表8　樣本高?？萍紕?chuàng)新Malmquist全要素生產(chǎn)率指數(shù)

4　結(jié)論與建議

4.1結(jié)論

一是，三階段DEA模型與單階段DEA模型相比，綜合技術(shù)效率均值和規(guī)模效率均值有所下降，純技術(shù)效率均值有所上升，未達(dá)到純技術(shù)效率最優(yōu)的高校比例有所下降，未達(dá)到規(guī)模最優(yōu)的高校比例有所上升，處于規(guī)模報(bào)酬遞增的高校比例上升幅度較大，綜合技術(shù)效率的排序與規(guī)模效率的排序具有較高的一致性，制約綜合技術(shù)效率提升的主要原因是規(guī)模效率。

二是，高校所在地區(qū)的經(jīng)濟(jì)發(fā)展水平與教學(xué)與科研人員冗余、高級(jí)職稱人員冗余、科技經(jīng)費(fèi)支出冗余均存在顯著的正相關(guān)關(guān)系，說明地區(qū)經(jīng)濟(jì)發(fā)展水平越高，則工作生活條件越好，地方政府資助越多、當(dāng)?shù)仄髽I(yè)與高校的合作越多，越能吸引人才，越有可能帶來教學(xué)科研人員以及高級(jí)職稱人員投入的冗余和科技經(jīng)費(fèi)支出的浪費(fèi)。

三是，純技術(shù)效率無(wú)效樣本高?？萍紕?chuàng)新的投入冗余比例和產(chǎn)出不足比例均較高，當(dāng)年高級(jí)職稱人員的投入冗余比例和當(dāng)年技術(shù)轉(zhuǎn)讓實(shí)際收入的產(chǎn)出不足比例最高。

四是，2009—2013年間，樣本高校的科技創(chuàng)新效率呈先升后降趨勢(shì)，技術(shù)進(jìn)步和規(guī)模效率是導(dǎo)致Malmquist全要素生產(chǎn)率指數(shù)變化的主要原因。

4.2建議

一是適當(dāng)擴(kuò)大科技經(jīng)費(fèi)使用范圍，建立激勵(lì)機(jī)制，提升高職稱人員的科研積極性。一方面在嚴(yán)格經(jīng)費(fèi)報(bào)銷制度的同時(shí)，賦予科研團(tuán)隊(duì)更多的經(jīng)費(fèi)支出自主權(quán)，加大經(jīng)費(fèi)合理支出的強(qiáng)度，提升科技經(jīng)費(fèi)的規(guī)模效率；另一方面在完善科技經(jīng)費(fèi)中人員經(jīng)費(fèi)支出政策的基礎(chǔ)上，擴(kuò)大人員經(jīng)費(fèi)開支范圍與比例，提升高職稱人員的科研積極性?？蒲泄ぷ鞯耐瓿刹粌H僅包含了必要的看得見、摸得著的硬件設(shè)備和材料，更需要參與人員的智力勞動(dòng)，我國(guó)從上世紀(jì)80年代就開始承認(rèn)腦力勞動(dòng)的重要地位，但在科技研究經(jīng)費(fèi)中，除了必要的研究生和臨時(shí)聘用人員的勞務(wù)費(fèi)，對(duì)參與者（尤其是主要參與者）的智力貢獻(xiàn)卻沒有任何體現(xiàn)。因此，對(duì)于提高科研人員積極性這一方面，可酌情考慮按工作量（表象貢獻(xiàn)）、智力作用（實(shí)質(zhì)貢獻(xiàn)）等因素影響的大小提取一定比例的酬金。

二是中央宏觀調(diào)整各地科技經(jīng)費(fèi)支持力度，促進(jìn)各地區(qū)均衡發(fā)展。根據(jù)2014年全國(guó)科技經(jīng)費(fèi)投入統(tǒng)計(jì)公報(bào)，研究與試驗(yàn)發(fā)展經(jīng)費(fèi)支出最多的6個(gè)?。ㄊ校榻K（12.7％）、廣東（12.3％）、山東（10％）、北京（9.7％）、浙江（7％）和上海（6.6％）；研究與試驗(yàn)發(fā)展經(jīng)費(fèi)投入強(qiáng)度（與地區(qū)生產(chǎn)總值之比）達(dá)到或超過全國(guó)平均水平的有北京、上海、天津、江蘇、廣東、浙江、山東和陜西等8個(gè)?。ㄊ校?0］?？梢钥闯?，上述提及?。ㄊ校┏岁兾魇【鶎儆跂|部的經(jīng)濟(jì)發(fā)達(dá)地區(qū)，這一統(tǒng)計(jì)表明各地區(qū)的科研發(fā)展所需經(jīng)費(fèi)支持仍存在很明顯的不平衡，勢(shì)必造成各地區(qū)的差距逐步繼續(xù)拉大。綜合考慮中國(guó)國(guó)情，有必要考慮中央對(duì)各地區(qū)科技經(jīng)費(fèi)的宏觀調(diào)控，從政策上來平衡各地區(qū)的發(fā)展，建立合理的人才資助計(jì)劃，引導(dǎo)人才向經(jīng)濟(jì)不發(fā)達(dá)地區(qū)流動(dòng)。

三是鼓勵(lì)高校科技成果的應(yīng)用轉(zhuǎn)化，促進(jìn)社會(huì)技術(shù)進(jìn)步?？萍紕?chuàng)新的最終目的是為實(shí)際需求服務(wù)，高校應(yīng)積極吸收國(guó)內(nèi)外最新科技成果，適應(yīng)經(jīng)濟(jì)社會(huì)發(fā)展需求，開展社會(huì)急需的科技創(chuàng)新，并將科研技術(shù)成果轉(zhuǎn)化為實(shí)際生產(chǎn)力。中央政府、各級(jí)地方政府可鼓勵(lì)企業(yè)、高校院所聯(lián)辦研發(fā)機(jī)構(gòu)，鼓勵(lì)企業(yè)參與高?？萍紕?chuàng)新平臺(tái)，將高校的科技成果轉(zhuǎn)化成企業(yè)所需；鼓勵(lì)高?？蒲腥藛T在完成本職工作的前提下兼職從事科技創(chuàng)業(yè)、成果轉(zhuǎn)化等活動(dòng)；支持科技服務(wù)中介機(jī)構(gòu)的發(fā)展；有計(jì)劃性地打造集成科技信息、科技培訓(xùn)、技術(shù)需求、成果展示、技術(shù)交易等功能的高校-企業(yè)聯(lián)合公共科技服務(wù)平臺(tái)。

參考文獻(xiàn)：

［1］羅杭. 2011年中國(guó)“985”大學(xué)效率評(píng)價(jià)——效率水平排序、影響因素研究與松弛變量分析［J］.清華大學(xué)教育研究，2013，（2）:87-95.

［2］尹偉華，袁衛(wèi).基于Bootstrap-DEA方法的中國(guó)教育部直屬高?？蒲行试u(píng)價(jià)［J］.統(tǒng)計(jì)與信息論壇，2013，（6）:61-68.

［3］胡詠梅，范文鳳.“211工程”高?？蒲猩a(chǎn)效率評(píng)估:基于DEA方法的經(jīng)驗(yàn)研究［J］.重慶高教研究，2014，（3）:1-14.

［4］李瑛，崔宇威.地方高?？萍紕?chuàng)新效率評(píng)價(jià)研究——基于超效率的三階段DEA分析［J］.東北師大學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2011，（2）:177-181.

［5］李向東，劉東皇，季慶慶.基于三階段DEA的中國(guó)地區(qū)知識(shí)生產(chǎn)效率研究［J］.生態(tài)經(jīng)濟(jì)，2014，（1）:74-78.

［6］FRIED H O，LOVELL C A K，SCHMIDT S S，et al. Accounting for Environmental Effects and Statistical Noise in Data Envelopment Analysis［J］. Journal of Productivity Analysis，2002，（2）:121-136.

［7］COELLI T J，RAO D S P，O’DONNELL C J，et al. An Introduction to Efficiency and Productivity Analysis（Second Edition）［M］. New York: Springer Science and Business Media，2005:180.

［8］KUMBHAKAR S C，KNOX C A. Stochastic Frontier Analysis［M］. Cambridge: Cambridge University Press，2000: 136-142.

［9］成剛，孫志軍.我國(guó)高校效率研究［J］.經(jīng)濟(jì)學(xué)，2008，（3）:1079-1104.

［10］國(guó)家統(tǒng)計(jì)局.2014年全國(guó)科技經(jīng)費(fèi)投入統(tǒng)計(jì)公報(bào)［R/OL］.（2015-11-23）. http://www.stats.gov.cn/tjsj/tjgb/rdpcgb/qgkjjftrtjgb/201511/t20151123_1279545.html.

責(zé)任編輯：陳小舉

EVALUATION OF THE S&T INNOVATION EFFICIENCY OF COLLEGES IN ANHUI PROVINCE -AN EMPIRICAL APPLICATION BASED ON THE THREE-STAGE DEA MODEL

ZHONG Ying
（Anhui Normal University，Wuhu Anhui 241002）

Abstract:This research has estimated the efficiency of S&T Innovation by the Three-stage DEA Model from the direction of colleges′S&T investment and production. The research includes twenty-nine public colleges in Anhui Province. Generally，the S&T Innovation efficiency of the sample colleges is not high. The low scale efficiency is the main reason for restricting the improvement of the efficiency of S&T Innovation. The GDP has a significant positive impact on the input redundancy. The input redundancy ratio and the insufficient output ratio of Non-DEA effective Colleges are higher. This research has conducted a dynamic analysis of S&T Innovation efficiency，using the Malmquist index of total factor productivity model. The main reason for the adjustment of the Malmquist index of total factor productivity is technological progress and scale efficiency.

Key words:ordinary universities；S&T innovation efficiency；Three-stage DEA；Malmquist index

作者簡(jiǎn)介：鐘穎（1982-），女，安徽蕪湖人。安徽師范大學(xué)歷史與社會(huì)學(xué)院，講師。研究方向：決策理論與方法、公共部門績(jī)效評(píng)估。

基金項(xiàng)目：安徽省高校省級(jí)優(yōu)秀青年人才基金項(xiàng)目（項(xiàng)目編號(hào)：2012SQRW023ZD）

收稿日期：2016-01-25

中圖分類號(hào)：C931；G463

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1672-2868（2016）02-0051-08