郭婷 貴淑婷 任妮

摘要 基于2012—2013年《中國科技統(tǒng)計年鑒》的科研機構(gòu)數(shù)據(jù)，利用DEA方法，對我國各省區(qū)市科研機構(gòu)的R&D情況進行了分析，并根據(jù)分析結(jié)果為各省區(qū)市科研機構(gòu)提出了改進的方向。研究發(fā)現(xiàn)，我國科研機構(gòu)整體R&D效率不高，省際間差距大，規(guī)模效率平均值高于純技術(shù)效率，但純技術(shù)效率為1.000的省區(qū)市要多于規(guī)模效率為1.000的省區(qū)市；在R&D的投入上，人員冗余的現(xiàn)象多于經(jīng)費冗余；在R&D的產(chǎn)出上，科技論文、科技著作、專利申請、有效發(fā)明專利、國家或行業(yè)標(biāo)準(zhǔn)都存在不同程度不足，其中科技論文數(shù)的不足最為嚴重，對專利的申請力度要大于對專利的維護力度；根據(jù)R&D投入水平和綜合技術(shù)效率，可將我國省區(qū)市科研機構(gòu)分為“高高”“高低”“低低”和“低高”4種類型，各省區(qū)市可根據(jù)自身的效率特點及所處的類型，針對性地進行效率改進。

關(guān)鍵詞 科研機構(gòu)；R&D效率；R&D；DEA

中圖分類號 S-058 文獻標(biāo)識碼 A 文章編號 0517-6611（2018）29-0170-06

Abstract Based on the research data of the 2012-2013 China Science and Technology Statistical Yearbook，using the DEA method， the R&D situation of scientific research institutions in various provinces of China was analyzed， the research directions of scientific research institutions in various provinces were proposed based on the analysis results. The study found that：Chinas scientific research institutions R&D overall efficiency was not high， the gap between provinces was large， the average scale efficiency was higher than that of pure technical efficiency.However， the provinces with pure technical efficiency of 1.000 were more than the provinces with scale efficiency of 1.000， the phenomenon of staff redundancy was more serious than that in the R&D output funds. In terms of R&D output，scientific papers， works of science and technology， patent application， patent， national or industry standards had different degrees of deficiency.The lack of the number of scientific papers was the most serious， the patent application was greater than the patent maintenance efforts.According to the R&D investment level and the comprehensive technical efficiency，the scientific research institutions in China can be divided into four types.Each province can improve efficiency according to its own efficiency characteristics and types.

Key words Scientific research institutions；R&D efficiency；R&D；DEA

科技創(chuàng)新作為科技進步的主要手段，已成為一個國家國力強弱、競爭力高低的決定性因素。R&D（研究與發(fā)展）作為科技創(chuàng)新的重要組成部分，決定著科技創(chuàng)新能力的高低。因此，各國都在不斷加大R&D活動的投入，以期提高科技創(chuàng)新能力，增強科技實力?？蒲袡C構(gòu)是實施科學(xué)研究的重要主體，是一個國家和地區(qū)科技創(chuàng)新體系中不可或缺的重要組成部分，它作為科技活動的源頭和基地，既是科學(xué)原理、自然規(guī)律的探索者，也是將科技轉(zhuǎn)化為生產(chǎn)力的中堅力量[1]。隨著我國經(jīng)濟的發(fā)展和科學(xué)體制改革的不斷深化，各地對科研機構(gòu)的投入不斷加大，科研機構(gòu)在科技發(fā)展中的作用和地位顯得越發(fā)突出和重要。但在科研機構(gòu)的發(fā)展過程中，也逐漸暴露出一些諸如科研機構(gòu)R&D效率偏低、資源稀缺性困境和資源配置不合理等問題。因此，科研機構(gòu)R&D效率的評價已成為當(dāng)前科學(xué)研究較為關(guān)注的問題，合理的評價結(jié)果對科研機構(gòu)的研發(fā)活動具有指導(dǎo)和借鑒的意義。

筆者利用《中國科技統(tǒng)計年鑒》統(tǒng)計的有關(guān)科研機構(gòu)的數(shù)據(jù)，采用DEA方法，對我國31個省區(qū)市科研機構(gòu)的R&D效率進行了一次系統(tǒng)性的評價分析，根據(jù)分析結(jié)果可以了解我國各省區(qū)市科研機構(gòu)的R&D現(xiàn)狀，并為各省區(qū)市科研機構(gòu)提高R&D效率提出了改進的方向。

1 文獻回顧

國外對科研機構(gòu)的R&D效率評價要早于國內(nèi)，國內(nèi)外R&D效率評價的對象多集中于國家間[2-4]、區(qū)域[5-7]、高校[8-10]、企業(yè)[11-12]等研發(fā)主體，對科研機構(gòu)[10，13-14]的R&D效率研究相對較少，因此筆者選擇科研機構(gòu)為評價對象，以期了解科研機構(gòu)的R&D現(xiàn)狀，并為科研機構(gòu)R&D效率的提升提出建議。

當(dāng)前在進行效率評價時，主要有2種方式：參數(shù)化分析方法（parametric approach）和非參數(shù)分析方法（nonparametric approach）。參數(shù)化分析方法必須預(yù)設(shè)生產(chǎn)函數(shù)，并對誤差項進行估計，然后通過計量回歸模型來估計參數(shù)，進一步評價生產(chǎn)效率，具有代表性的有隨機前沿法、回歸分析法和因子分析法等；而非參數(shù)分析法則無需預(yù)設(shè)生產(chǎn)函數(shù)及其參數(shù)，以線性規(guī)劃方法來求解各個觀察值的相對效率，具有代表性的有DEA、人工神經(jīng)網(wǎng)絡(luò)、層次分析法和模糊評價方法等。

DEA方法在R&D效率評價中的優(yōu)點主要表現(xiàn)在：R&D活動是一項多投入多產(chǎn)出的活動，而DEA方法本身就適用于評價多投入多產(chǎn)出問題；DEA方法不必考慮指標(biāo)的量綱，避免了由于指標(biāo)量綱不同而需尋求相同度量所帶來的許多困難；DEA方法不需要事先確定各R&D投入與產(chǎn)出指標(biāo)間的權(quán)重關(guān)系，減少了因指標(biāo)權(quán)重賦值帶來的誤差和工作量；DEA方法在對多個同種類型決策單元進行效率評價時，可以提供效率改進建議，使評價結(jié)果更便利地用于實踐。DEA因其自身的優(yōu)勢，得到了廣泛的應(yīng)用，筆者選擇DEA方法對科研機構(gòu)的R&D效率進行分析。

2 研究方法

數(shù)據(jù)包絡(luò)分析法（data envelopment analysis，DEA）是由著名運籌學(xué)家A.Charnes，W.W.Cooper和E.Rhodes在1978年提出，主要用于評價決策單元間（decision making unit，DMU）相對有效性的一種方法[15]。它的基本思想是將每一個被評價的單元或部門視為一個決策單元，由決策單元組DMUs構(gòu)成評價群體，這個群體可以是學(xué)校、政府部門、科研活動執(zhí)行體、銀行、企業(yè)等，處于同一評價群體的每個DMU都是具有同樣種類的資源消耗，并產(chǎn)生出同樣種類的產(chǎn)品，即各DMU具有相同的投入項指標(biāo)和相同的產(chǎn)出項指標(biāo)；在指標(biāo)項和DMUs確定以后，采用數(shù)學(xué)規(guī)劃模型比較DMU之間的相對效率，進行投入產(chǎn)出比率的綜合分析，得到每個DMU綜合效率的量化指標(biāo)值，從而確定相對效率最高的DMU（即DMU有效），并對DMUs進行排隊定檔次，同時給出非DEA有效的DMU和DEA有效的DMU之間差距的數(shù)據(jù)，以此作為調(diào)整非有效的DMU，向有效方向努力的方向和有關(guān)投入或產(chǎn)出項調(diào)整的數(shù)量依據(jù)[16-17]。

該研究數(shù)據(jù)來源于2012—2013年《中國科技統(tǒng)計年鑒》，以我國31個省區(qū)市的科研機構(gòu)為研究對象，由于R&D投入與產(chǎn)出之間存在一定的時間差，從項目申請、設(shè)備購置、人員配備、實驗研發(fā)到科技成果產(chǎn)出這一過程需要一定的時間才能有實際效果，因此該研究考慮了R&D投入與產(chǎn)出的時滯問題，將時滯設(shè)為1年，把2012年的相關(guān)數(shù)據(jù)作為R&D投入數(shù)據(jù)，2013年的相關(guān)數(shù)據(jù)作為R&D產(chǎn)出數(shù)據(jù)，分析2012年我國各省區(qū)市科研機構(gòu)的R&D效率。

在科研機構(gòu)的R&D活動中，人員和經(jīng)費是其投入的主體，因此該研究將R&D人員全時當(dāng)量和R&D經(jīng)費作為科研機構(gòu)R&D活動的投入指標(biāo)。其中前者是指R&D全時人員（全年從事R&D活動累計工作時間占全部工作時間90%及以上的人員）工作量與非全時人員按實際工作時間折算的工作量之和，全面地衡量了R&D活動中的人力資本投入量；后者是指科研機構(gòu)R&D內(nèi)部經(jīng)費與外部經(jīng)費之和，完整地反映了R&D活動中的經(jīng)費投入量。

在產(chǎn)出指標(biāo)上，根據(jù)文獻調(diào)研和《中國科技統(tǒng)計年鑒》提供的統(tǒng)計指標(biāo)，科研機構(gòu)的R&D產(chǎn)出主要包括專利、科技論文及著作等，考慮數(shù)據(jù)的可得性和完整性，該研究將科技論文數(shù)、專利申請數(shù)、有效發(fā)明專利數(shù)、科技著作數(shù)、國家或行業(yè)標(biāo)準(zhǔn)數(shù)這5項指標(biāo)作為科研機構(gòu)R&D產(chǎn)出的指標(biāo)，這5項指標(biāo)分別從不同角度表征了科研機構(gòu)的產(chǎn)出情況。該研究所建立的指標(biāo)體系如表1所示。

4 實證分析

該研究以2012—2013年《中國科技統(tǒng)計年鑒》的科研機構(gòu)數(shù)據(jù)為基礎(chǔ)，以我國31個省區(qū)市的科研機構(gòu)為研究對象，采用DEA方法，使用DEP2.1軟件，對科研機構(gòu)的R&D情況進行了效率分析、投影分析和聚類分析，分析結(jié)果如下。

4.1 效率分析 利用DEA的BCC模型和CCR模型可以得到各省區(qū)市科研機構(gòu)R&D的綜合技術(shù)效率、純技術(shù)效率和規(guī)模效率，具體結(jié)果見表2。

4.1.1 綜合技術(shù)效率分析。由表2可知，在31個省區(qū)市中，浙江、福建、廣東、海南、貴州、青海、寧夏和新疆8個省區(qū)科研機構(gòu)R&D的綜合技術(shù)效率為1.000，即這8個省區(qū)科研機構(gòu)的R&D情況處于有效生產(chǎn)前沿面上，投入和產(chǎn)出的效率達到相對最佳狀態(tài)，是科研機構(gòu)R&D效率最有效的省區(qū)。其余23個省區(qū)市科研機構(gòu)R&D的綜合技術(shù)效率小于1000，這表示我國50%以上地區(qū)科研機構(gòu)R&D的綜合技術(shù)效率相對無效，存在不同程度的投入產(chǎn)出不匹配的問題。整體而言，31個省區(qū)市科研機構(gòu)R&D綜合技術(shù)效率的平均值為0.701，屬于中度有效，表明我國科研機構(gòu)R&D投入產(chǎn)出情況有一定的改進空間，整體效率有待進一步提高；另外，在科研機構(gòu)R&D綜合技術(shù)效率無效的省區(qū)市中，吉林的效率最高，內(nèi)蒙古的效率最低，兩地效率差值達0.656，省份間的差異很大。

具體來看，吉林和北京2個省市科研機構(gòu)R&D的綜合技術(shù)效率介于0.900～1.000，屬于邊緣有效的省市，只需對這2個省市科研機構(gòu)R&D投入或產(chǎn)出的某些指標(biāo)或環(huán)節(jié)稍作調(diào)整，即可達到相對有效。天津、山西、遼寧、黑龍江、上海、江蘇、安徽、山東、湖北、廣西、云南、西藏和甘肅13個省級科研機構(gòu)R&D的綜合技術(shù)效率位于0.500～0.899，屬于中度有效的省區(qū)市，這些省區(qū)市科研機構(gòu)的R&D效率有一定的提升空間，若能合理配置科研機構(gòu)R&D投入與產(chǎn)出的效率，就能達到相對有效，否則就會變成科研機構(gòu)的R&D效率嚴重?zé)o效的省區(qū)市。河北、內(nèi)蒙古、江西、河南、湖南、重慶、四川和陜西8個省區(qū)市科研機構(gòu)R&D的綜合技術(shù)效率低于0.500，屬于嚴重?zé)o效的省區(qū)市，這8個省區(qū)市科研機構(gòu)R&D的效率有相當(dāng)大的提升空間，需要重新分配這些省區(qū)市科研機構(gòu)R&D投入與產(chǎn)出的效率，以達到效率相對有效。

結(jié)合各省區(qū)市科研機構(gòu)R&D投入與產(chǎn)出指標(biāo)的對應(yīng)值，可以發(fā)現(xiàn)科研機構(gòu)R&D綜合技術(shù)有效的地區(qū)是一些投入水平較低但產(chǎn)出水平較高的省區(qū)市；但效率高的省區(qū)市的產(chǎn)出水平不一定大于效率低的省區(qū)市，投入水平也不一定低于效率低的省份。如福建R&D人員投入排第26位、R&D經(jīng)費投入位于第24位。發(fā)表科技論文數(shù)位于第18位、出版科技著作位于第21位、專利申請數(shù)位于第21位、有效發(fā)明專利位于第21位、形成國家或行業(yè)標(biāo)準(zhǔn)數(shù)位于第18位；河南R&D人員投入排第9位、R&D經(jīng)費投入位于第10位、發(fā)表科技論文數(shù)位于第14位、出版科技著作位于第11位、專利申請數(shù)位于第14位、有效發(fā)明專利位于第16位、形成國家或行業(yè)標(biāo)準(zhǔn)數(shù)位于第24位；河南省科研機構(gòu)R&D投入都高于福建省，且R&D產(chǎn)出有4項都高于福建省，但福建省科研機構(gòu)的R&D效率有效，而河南省科研機構(gòu)的R&D效率無效。以此，科研機構(gòu)R&D投入和產(chǎn)出數(shù)量的多少并不等于R&D效率的高低，R&D活動是否有效取決于投入與產(chǎn)出指標(biāo)的合理配置，只有R&D人員與經(jīng)費投入適量，產(chǎn)出結(jié)果合理配置的省份才能充分利用各種投入資源，獲得高水平的產(chǎn)出，從而達到綜合技術(shù)有效。

4.1.2 純技術(shù)效率分析。BCC 模型將綜合技術(shù)效率分解為純技術(shù)效率和規(guī)模效率，由DEA的原理可知，省份科研機構(gòu)R&D綜合技術(shù)效率有效的前提是R&D效率既要達到純技術(shù)有效又要達到規(guī)模有效，因此根據(jù)純技術(shù)效率和規(guī)模效率能更準(zhǔn)確地反映出綜合技術(shù)效率無效的原因所在。

在31個省區(qū)市中，除了達到科研機構(gòu)R&D綜合技術(shù)效率有效的8個省區(qū)市外，北京、上海、山東、吉林和西藏這5個省區(qū)市科研機構(gòu)R&D的純技術(shù)效率值也為1.000，這意味著這5個省區(qū)市科研機構(gòu)的R&D現(xiàn)狀是純技術(shù)有效的，其R&D效率的提高主要受規(guī)模效率影響，應(yīng)適當(dāng)擴大或縮減規(guī)模來提高R&D效率，另外這5個省區(qū)市科研機構(gòu)R&D的綜合技術(shù)效率屬于邊緣有效和中度有效。其他省區(qū)市科研機構(gòu)R&D的純技術(shù)效率都小于1.000，說明這些省區(qū)市科研機構(gòu)R&D綜合技術(shù)效率無效的原因有一部分來自純技術(shù)效率，應(yīng)規(guī)范管理R&D活動，合理安排R&D進程，進而提高R&D效率。

4.1.3 規(guī)模效率和規(guī)模收益分析。規(guī)模效率是綜合技術(shù)效率與純技術(shù)效率的比值，當(dāng)規(guī)模效率為1.000時，表明決策單元規(guī)模有效，處于規(guī)模收益不變階段；若小于1.000則為規(guī)模無效，處于規(guī)模收益變動階段。在31個省區(qū)市中，除了達到科研機構(gòu)R&D綜合技術(shù)效率有效的8個省區(qū)市外，天津和河北這2個省份科研機構(gòu)R&D的規(guī)模效率值為1.000，處于規(guī)模收益不變的狀態(tài)，表明這2個省份科研機構(gòu)的R&D資源得到充分利用，要想提高綜合技術(shù)效率，應(yīng)維持規(guī)模現(xiàn)狀，提高純技術(shù)效率。

其余21個省區(qū)市的科研機構(gòu)均出現(xiàn)不同程度的規(guī)模無效，其中重慶、內(nèi)蒙古、江西和西藏4個省區(qū)市處于規(guī)模收益遞增狀態(tài)，表明這些省區(qū)市科研機構(gòu)R&D資源的利用效率不斷提升，在調(diào)整投入與產(chǎn)出資源內(nèi)部比例關(guān)系的同時，需適度加大投資力度，擴大研發(fā)規(guī)模，進而提高規(guī)模效率，直至達到規(guī)模收益不變；北京、山西、遼寧、吉林、黑龍江、上海、江蘇、安徽、山東、河南、湖北、湖南、廣西、四川、云南、陜西和甘肅這17個省區(qū)市科研機構(gòu)R&D處于規(guī)模收益遞減狀態(tài)，說明這17個省區(qū)市投入產(chǎn)出比例存在不同程度的失衡，相對產(chǎn)出來說投入規(guī)模偏大。對于這類省區(qū)市的科研機構(gòu)，增加投入反而不能帶來更大比例的產(chǎn)出，故應(yīng)調(diào)整投入與產(chǎn)出要素的內(nèi)部結(jié)構(gòu)，根據(jù)實際需要和技術(shù)實力選擇規(guī)模水平，進而提高規(guī)模效率，直至達到規(guī)模收益不變。

4.2 投影分析 利用BCC模型和CCR模型對科研機構(gòu)R&D非DEA有效的省區(qū)市進行“投影分析”，可得出非有效省區(qū)市的科研機構(gòu)為達到有效，R&D投入應(yīng)減少的量和R&D產(chǎn)出應(yīng)增加的量即省區(qū)市科研機構(gòu)應(yīng)改進的方向。

4.2.1 投入冗余分析。由表3可知，在23個科研機構(gòu)R&D效率非DEA有效的省區(qū)市中，北京、吉林、上海、山東和西藏這5個省區(qū)市科研機構(gòu)的R&D人員投入與經(jīng)費投入都得到了充分合理的利用，不存在資源浪費的情況；其余18個省區(qū)市科研機構(gòu)R&D人員與經(jīng)費都存在不同程度的冗余，人員與資金未能充分發(fā)揮其效用。

其中，陜西、四川、河南、湖北、江蘇和河北這6個省區(qū)市科研機構(gòu)R&D人員與R&D經(jīng)費冗余的現(xiàn)象比較嚴重，均超過了平均值，應(yīng)大力縮減R&D人員和R&D經(jīng)費的投入，減少資源的浪費，使投入的資源都能得到合理的利用；天津、黑龍江、江西、湖南這4個省區(qū)市只有R&D人員的冗余值超過了平均值，屬于R&D人員冗余嚴重的省份，應(yīng)大力減少人員的投入，適當(dāng)減少經(jīng)費的投入，從而使人力資源得到合理的配置；其余8個省區(qū)市科研機構(gòu)的R&D人員與R&D經(jīng)費冗余都低于平均值，應(yīng)適當(dāng)降低人力資本和經(jīng)費的投入，以提高R&D效率。

另外，R&D人員冗余現(xiàn)象較R&D經(jīng)費來說嚴重，有10個省區(qū)市的冗余值超過平均值，這不僅給管理人員增加了很多管理負擔(dān)，還容易導(dǎo)致科研“搭便車”現(xiàn)象的發(fā)生，所以應(yīng)合理配置科研機構(gòu)的人員結(jié)構(gòu)，明確科研人員的職責(zé)，使科研人員都能充分發(fā)揮自己在R&D活動中的作用，提高R&D效率。

4.2.2 產(chǎn)出不足分析。由表4可知，在23個科研機構(gòu)R&D效率非DEA有效的省區(qū)市中，北京、吉林、上海、山東和西藏這5個省區(qū)市科研機構(gòu)的R&D產(chǎn)出比較理想，5項指標(biāo)均達到了目標(biāo)值；其他18個省區(qū)市科研機構(gòu)的R&D產(chǎn)出都存在不同程度的不足，具體表現(xiàn)為以下方面。

（1）在科技論文方面，江蘇、江西、廣西和甘肅這4個省區(qū)科研機構(gòu)的科技論文數(shù)達到了目標(biāo)值，其余14個省區(qū)市的科研機構(gòu)需通過增加科技論文數(shù)來提高R&D效率，遼寧、陜西、四川、天津、湖南、安徽、湖北和山西這8個省市科技論文的產(chǎn)出不足超過了平均值，應(yīng)大力提高科技論文方面的產(chǎn)出。

（2）在科技著作方面，河南、湖北、云南這3個省科研機構(gòu)的科技著作數(shù)達到了目標(biāo)值，其余15個省區(qū)市的科研機構(gòu)需通過增加科技著作數(shù)來提高R&D效率，江蘇、陜西、安徽、遼寧、天津、黑龍江、山西和甘肅這8個省區(qū)科技著作不足數(shù)超過了平均值，應(yīng)大力加強科研機構(gòu)在科技著作方面的產(chǎn)出，以提高科研機構(gòu)的R&D效率。

（3）在專利申請方面，天津、河北、山西、內(nèi)蒙古、遼寧、黑龍江、安徽、河南、湖北、湖南、重慶、四川和陜西這13個省區(qū)市科研機構(gòu)的專利申請數(shù)達到了目標(biāo)值；另外云南、甘肅、廣西和江蘇4個省區(qū)的專利申請數(shù)嚴重不足，應(yīng)大力提高專利申請的數(shù)量。

（4）在有效發(fā)明專利方面，只有山西、內(nèi)蒙古和甘肅這3個省區(qū)科研機構(gòu)的有效發(fā)明專利數(shù)達到了目標(biāo)值；另外，陜西、江蘇、四川、遼寧、安徽和湖南這6個省份有效發(fā)明專利不足的數(shù)量較為嚴重，應(yīng)進一步增加有效發(fā)明專利的數(shù)量。

（5）在國家或行業(yè)標(biāo)準(zhǔn)方面，黑龍江、安徽、湖南、重慶、四川這5個省市科研機構(gòu)形成的國家或行業(yè)標(biāo)準(zhǔn)數(shù)達到了目標(biāo)值；其余13個省區(qū)市的科研機構(gòu)需通過增加國家或行業(yè)標(biāo)準(zhǔn)數(shù)來提高R&D效率，江蘇、湖北、云南、遼寧、河南、甘肅和山西這7個省份國家或行業(yè)標(biāo)準(zhǔn)數(shù)嚴重不足，應(yīng)進一步增加科研機構(gòu)在該方面的產(chǎn)出。

由（1）～（5）可知，這5項產(chǎn)出指標(biāo)按照達到目標(biāo)值和平均值的省區(qū)市個數(shù)排名為專利申請數(shù)、國家或行業(yè)標(biāo)準(zhǔn)數(shù)、科技著作數(shù)、有效發(fā)明專利數(shù)、科技論文數(shù)。科技論文數(shù)不足是制約各省區(qū)市科研機構(gòu)R&D效率的主要指標(biāo)。另外，23個科研機構(gòu)R&D非DEA 有效省區(qū)市都至少有1項產(chǎn)出優(yōu)勢，即至少有1項產(chǎn)出指標(biāo)的數(shù)量達到了目標(biāo)值，也就是說各省區(qū)市應(yīng)在保持自身產(chǎn)出優(yōu)勢的基礎(chǔ)上，加大其余產(chǎn)出指標(biāo)，尤其是那些產(chǎn)出嚴重不足的指標(biāo)的產(chǎn)量，從而提高科研機構(gòu)的R&D效率。

由（2）和（4）可知，專利申請達到目標(biāo)值的省區(qū)市有13個，而有效發(fā)明專利數(shù)達到目標(biāo)值的省區(qū)市只有3個。由此可見，我國科研機構(gòu)對專利的申請力度要大于對專利的管理、保護和應(yīng)用的力度，這一方面是因為科研機構(gòu)把專利申請數(shù)作為技術(shù)鑒定、課題驗收、職稱評定等的考核指標(biāo)，這有可能誘發(fā)科技人員“為申請而申請”的行為，使得“垃圾專利”的數(shù)量增多；另一方面是因為專利維護的成本要高于收益，專利開發(fā)與市場應(yīng)用脫節(jié)、商業(yè)化水平低，專利的收益較低，且我國專利保護水平較低，專利市場很容易被非法入侵，需要大量的成本進行維護，以致維護成本超過專利收益。

4.3 聚類分析 為了更有效地指導(dǎo)我國各省區(qū)市科研機構(gòu)R&D效率的實踐，根據(jù)各省區(qū)市科研機構(gòu)R&D的投入水平與綜合技術(shù)效率情況，將31個省區(qū)市的科研機構(gòu)分為“高投入高效率”“高投入低效率”“低投入低效率”和“低投入高效率”4種類型。

對于投入水平，先用因子分析法將R&D人員投入與R&D經(jīng)費投入2個指標(biāo)合并為1個因子，并計算總的因子得分，然后將高于因子得分平均值的省區(qū)市化為投入較高的省區(qū)市，低于因子得分平均值的省區(qū)市化為投入較低的省區(qū)市；對于綜合技術(shù)效率，則相對簡單，將高于綜合技術(shù)效率平均值的省區(qū)市劃為效率較高的省區(qū)市，低于綜合技術(shù)效率平均值的省區(qū)市劃為效率較低的省區(qū)市。這樣，就可以把31個省區(qū)市科研機構(gòu)R&D現(xiàn)狀分為4種類型（表5）。

類型Ⅰ為R&D投入水平和綜合技術(shù)效率均較高的“高高”型。北京、遼寧、上海這3個省市的科研機構(gòu)屬于該類型，這3 個省市均為我國經(jīng)濟較發(fā)達的地區(qū)，其科研機構(gòu)R&D投入水平較高，R&D效率水平也較高，是一種較為有效的類型，但也應(yīng)在保證R&D效率水平的基礎(chǔ)上，減少R&D投入，進而減少資源的浪費。

類型Ⅱ為R&D 投入水平高、綜合技術(shù)效率低的“高低”型。江蘇、湖北、四川、陜西這4個省的科研機構(gòu)屬于該類型，這4個省科研機構(gòu)的R&D投入都偏高，應(yīng)在今后的發(fā)展過程中適當(dāng)控制R&D投入規(guī)模，深化R&D投入與產(chǎn)出機制與體制改革，提高預(yù)算約束，加強管理創(chuàng)新，從而提高R&D技術(shù)效率，努力向類型Ⅰ靠近。

類型Ⅲ為R&D投入水平和綜合技術(shù)效率均較低的“低低”型。天津、河北、山西、內(nèi)蒙古、黑龍江、安徽、江西、河南、湖南、重慶、云南和西藏12個省區(qū)市的科研機構(gòu)屬于該類型。這些科研機構(gòu)大多位于我國中、西部地區(qū)，由于地區(qū)經(jīng)濟較為落后，因此對R&D的投入水平也較低，另外可能由于制度條件和管理水平的限制，科研機構(gòu)R&D的技術(shù)效率也較低。該種類型的科研機構(gòu)應(yīng)將有限的R&D資源投入其優(yōu)勢環(huán)節(jié)，集中資源和精力解決一些較有優(yōu)勢且產(chǎn)出效益好的科研問題，同時科研機構(gòu)也要認清自身在R&D投入產(chǎn)出機制和管理運作方面存在的問題，努力提高R&D效率。

類型Ⅳ為R&D 投入水平低、綜合技術(shù)效率高的“低高”型。吉林、浙江、福建、山東、廣東、廣西、海南、貴州、甘肅、青海、寧夏和新疆12 個省區(qū)的科研機構(gòu)屬于該類型。此種類型是科研機構(gòu)R&D最理想的狀態(tài)，用最少的R&D投入，取得最大的R&D效率，在今后發(fā)展過程中應(yīng)充分發(fā)揮其投入產(chǎn)出的優(yōu)勢，繼續(xù)加大R&D投入水平，以期獲得更多的產(chǎn)出。

5 結(jié)論及建議

5.1 結(jié)論 我國科研機構(gòu)整體R&D效率不高，省區(qū)市間差距大，規(guī)模效率平均值要高于純技術(shù)效率，但純技術(shù)效率為1000的省區(qū)市要高于規(guī)模效率為1.000的省區(qū)市；在投入上，R&D人員冗余的現(xiàn)象要高于R&D經(jīng)費；在產(chǎn)出上，科技論文、科技著作、專利申請、有效發(fā)明專利、國家或行業(yè)標(biāo)準(zhǔn)都存在不同程度不足，其中科技論文數(shù)的不足最為嚴重，專利的申請力度要大于對專利的維護力度；根據(jù)R&D投入水平和綜合技術(shù)效率，可將我國省區(qū)市科研機構(gòu)分為“高高”“高低”“低低”和“低高”4種類型。通過效率分析、投影分析和聚類分析，各省區(qū)市科研機構(gòu)可根據(jù)自身的效率特點及所處的類型，針對性地進行效率改進。

5.2 建議

5.2.1 合理配置科技資源，明確科研機構(gòu)定位。科研機構(gòu)應(yīng)根據(jù)實際情況，合理配置科技資源，減少或取消相對低效率科研方向上的資源投入，避免資源的浪費。各省區(qū)市的科研機構(gòu)應(yīng)依托本地的科技資源，明確科研機構(gòu)的定位，利用省區(qū)市優(yōu)勢揚長避短，提高R&D效率。

5.2.2 優(yōu)化效率評價過程，建立監(jiān)測機制。R&D活動是一項持續(xù)性的長期活動，對其效率的評價應(yīng)貫穿整個活動的始終。但是目前大多數(shù)研究只重視對最終結(jié)果的評估，忽視了過程評價。因此，應(yīng)把事前評價、事中評價和事后評價結(jié)合起來，建立一套對科研機構(gòu)R&D情況完整的評價體系，從而更好地指導(dǎo)科研機構(gòu)的R&D活動。與此同時，科研機構(gòu)還應(yīng)定期對R&D活動進行監(jiān)測，建立嚴格的信息反饋機制，及時地發(fā)現(xiàn)問題并糾正問題，提高R&D效率。

5.2.3 建立和完善激勵機制和考核機制。科研機構(gòu)為了提高科研產(chǎn)出數(shù)量，有必要建立有效的激勵機制，將R&D人員的成果與獎勵緊密掛鉤，從而提高R&D人員的積極主動性；在激勵過程中，不僅要考慮科研成果的數(shù)量，更要注重質(zhì)量，因此需要嚴格的考核機制來保證科研成果的數(shù)量。建立和完善激勵機制和考核機制，可以提升科研成果數(shù)量和質(zhì)量，進而提高R&D效率。

5.2.4 增加省際R&D合作項目，發(fā)揮省際協(xié)同效應(yīng)。各省份都有自身的R&D優(yōu)勢和不足，省際R&D合作項目能夠促進省際間科技資源的合理配置和高效利用，最大限度避免資源浪費。因此，各省區(qū)市的科研機構(gòu)應(yīng)增強互動與合作，增加省際R&D合作項目，共同提高R&D效率。

參考文獻

[1] 古景亮，賈培民，鐘彩霞，等.科研機構(gòu)創(chuàng)新能力綜合評價指標(biāo)應(yīng)用研究[J].醫(yī)學(xué)信息學(xué)雜志，2007，28（6）：565-567.

[2] NAGPAUL P S，BOY S.Constructing a multiobjective measure of research performance[J].Scientometrics，2003，56（3）：383-402.

[3] 張鳳，霍國慶.國家科研機構(gòu)創(chuàng)新績效的評價模型[J].科研管理，2007，28（2）：35-42.

[4] WANG E C.R&D efficiency and economic performance：A crosscountry analysis using the stochastic frontier approach[J].Journal of policy modeling，2007，29（2）：345-360.

[5] 楊淇蘥，李健.基于模糊綜合評價法的貴州省科研機構(gòu)創(chuàng)新績效評價指標(biāo)體系[J].科技情報開發(fā)與經(jīng)濟，2011，21（13）：129-133.

[6] 姜永葳，王秀麗.基于主成分分析的地區(qū)高校科研績效評價研究[J].科技和產(chǎn)業(yè)，2009，9（11）：97-99.

[7] 趙嚴偉.我國30個省市的研究與開發(fā)投入產(chǎn)出效率分析[J].貴州農(nóng)業(yè)科學(xué)，2013，41（2）：195-200.

[8] JOHNES J，YU L.Measuring the research performance of Chinese higher education institutions using data envelopment analysis[J].China economic review，2008，19：679-696.

[9] ABBOTT M，DOUCOULIAGOS C.The efficiency of Australian universities：A data envelopment analysis[J].Economics of education review，2003，22（1）：89-97.

[10] MORENO A A，TADEPALLI R.Assessing academic department efficiency at a public university[J].Managerial and decision economics，2002，23（7）：385-397.

[11] JEEVAN V K，GUPTA B M.A scientometric analysis of research output from Indian Institute of Technology，Kharagpur[J].Scientometrics，2002，53（1）：165-168.

[12] 程宏偉，張永海，常勇.公司R&D投入與業(yè)績相關(guān)性的實證研究[J].科學(xué)管理研究，2006，24（3）：110-113.

[13] COCCIA M.A scientometric model for the assessment of scientific research performance within public institutes[J].Scientometrics，2005，65（3）：307-321.

[14] 駱珣，盧嬋君.基于DEA的北京市轉(zhuǎn)制科研機構(gòu)投入產(chǎn)出效率評價[J].生產(chǎn)力研究，2007（9）：75-76.

[15] CHARNES A，COOPER W W，RHODES E.Measuring the efficiency of decision making units[J].European journal of operational research，1978，2（6）：429-444.

[16] 莫劍芳，葉世琦.基于DEA的資源配置狀況分析[J].運籌與管理，2002，11（1）：42-45.

[17] 韓松，魏權(quán)齡.資源配置的非參數(shù)DEA模型[J].系統(tǒng)工程理論與實踐，2002，22（7）：59-70.

[18] 韓東林，胡姍姍.省際比較視角下政府研究機構(gòu)R&D效率評價：基于第二次全國R&D資源清查數(shù)據(jù)[J].情報雜志，2012，31（5）：84-89.