基于DEA的国家自然科学基金投入产出相对效率评价

赵 斐

(江苏大学科技信息研究所 镇江 212013)

基于DEA的国家自然科学基金投入产出相对效率评价

赵 斐

(江苏大学科技信息研究所 镇江 212013)

科研投入产出绩效评价是影响科研事业发展的重要因素，加强对自然科学基金投入产出的研究，有利于优化国家自然科学基金资源配置，改善国家自然科学基金的宏观管理。采用投入导向型的数据包络分析模型与文献计量学相结合的方法，运用MyDEA软件求解国家自然科学基金(面上与重点项目)1996-2005年间科研投入产出的DEA效率值，发现国家自然科学基金投入产出相对效率呈现下降趋势，需要采取有利的科研政策提高自然科学基金的利用效率。

数据包络分析 文献计量法 投入产出 效率评价

国家自然科学基金作为我国支持基础研究的主渠道之一，对提高我国基础研究若干战略领域的研究水平、增强我国解决重大综合性科学问题的能力以及加速培养和锻炼具有国际竞争力的高素质科研队伍等发挥了重要的作用。国家自然科学基金的投入产出效益是衡量一种基金科技活动绩效的核心标志，对自然科学基金投入产出进行评价，是考察在有限的投入下，能否有效地节省科研资源，从而得到最大的产出，加快我国基础研究的步伐。同时为国家自然科学基金委制定科研发展规划、科研政策和宏观调控与决策，提高科研管理水平等提供科学参考。

国内外的很多学者从定性和定量两个不同角度提出了多种R&D绩效评估的理论、方法和指标。定性的方法如广泛应用的专家评议法，但评估和预测的结果受评估人员和专家的主观因素影响较大；而构建复杂指标体系的方法也有指标过多、指标间关系不明确、操作过程复杂、数据获取不全等缺点。一般的定量方法如回归分析法存在的缺陷为：需要假设自变量和因变量关系为线性，只能假设一个产出项为应变量，无法将多个产出同时纳入计算。多目标分析法存在指标权重不易确定，评估结果容易受到主观性及外在因素影响。数据包络分析(Data Envelopment Analysis，DEA)于1978年由查恩斯(Charnes)等学者提出，可以衡量多项投入、多项产出的决策单元(Decision Making Unit，DMU)情况，在避免主观因素和简化算法、减少误差等方面有着巨大的优越性。

DEA方法主要应用于以下几方面：城市经济状况分析[1]、金融机构的效率分析[2]、公共事业的管理评估等[3]。近年来很多研究将DEA方法用于定量分析绩效问题，主要集中于对国际、区域、高校等的科研效率进行评价。如吴和成等[4-5]采用DEA方法对我国科技投入产出进行相对效率评价，谢建国和周露昭采用DEA方法对我国30个省区技术创新活动的有效性进行了两阶段分析[6]，赵镇采用DEA方法对黑龙江省高等教育资源配置效率进行评价分析[7]。

1 资料与方法

1.1 资料

国家自然科学基金按照资助类别可分为面上项目、重点项目、重大项目、重大研究计划、国家杰出青年科学基金等。面上项目是国家自然科学基金资助的最主要、最基础的类型，它包括对自由申请项目、青年科学基金项目和地区科学基金项目的资助，其资助经费占自然科学基金项目总经费的60%以上。重点项目资助类型是国家自然科学基金在“八五”期间设置的新类型，设置的目的是对科学发展中的关键问题和学科新增长点开展系统而深入的研究并强化支持。本文以面上和重点项目为代表来考察国家自然科学基金投入产出效率。本文调查研究的对象是我国1996-2005年结题的国家自然科学基金(面上与重点)项目。统计数据源来自国家自然科学基金委网站“统计报告”中资助项目统计年度报告(1996-2005年)[8]。

1.2 方法

DEA是由著名的运筹学家A.Charnes和W.W.Cooper等人在“相对效率评价”概念基础上发展起来的，是评价同类单元相对有效性的一种系统分析方法[9]，该方法可作为科研绩效评价的客观指标[10-11]。DEA方法可以同时给出投入和产出的调整方向及建议调整值，即在建议值成立后，可达到投入产出最优。

本文采用的分析工具是统计分析软件Spss和MyDEA。MyDEA为一款免费的数据包络分析软件，可以计算出DMU效率，并能给出使DMU有效的改进值。

1.3 DEA模型的选择

DEA方法分为投入导向型和产出导向型。投入导向型就是在产出固定的情况下，追求投入最小化。产出导向型就是在现有投入的情况下，追求产出最大化。一般科研中更加注重通过增加投入提高产出，从而达到提高效率的目的，因此在科研效率的研究中，一般采用基于投入导向型的模型[12]。本文即运用投入导向型中规模报酬不变(CCR)模型来进行分析。

CCR模型是在Farrell的技术效率概念[13]上引申出来的对多元投入与多元产出之DMU的效率衡量。CCR在规定规模报酬(Constant Return to Scale，CRS)的限制下，将各项投入与产出分别加以线性组合，再以投入与产出这两组线性组合的比率来表示效率，得出的效率是相对整个集合的整体相对效率，是对决策单元的规模有效和技术有效同时进行评价。

CCR模型的经济含义为：

(1)DEA有效：当θ=1，S-=0，S+=0，则称DMUj0是DEA有效的。即在原投入X0的基础上所获得的产出Y0已达到最优；当θ=1，S-≠0或S+≠0则称DMUj0是弱DEA有效的。即对原投入X0减少S-可原产出Y0不变，或在投入不变的情况下可将产出提高S+；当θ<1， 则称DMUj0是DEA无效的。即可通过组合将投入降为原投入X0的θ比例保持而原产出Y0不减，也就是说1-θ为第j个DMU多投入的比例，可以减少(或称浪费)投入的最大比例。

2 指标体系的建立

科研活动的投入包括资金投入、人力资源投入和科研设备的投入，实际上对科研而言，人、财、物和信息资源的投入归根到底都依赖于资金的投入。本文采用经费支出(万元)作为自然科学基金投入的测算指标[14]。

科研活动的产出包括成果奖、论著、学术交流、人才培养、专利等指标，笔者主要采用物化指标论著数量、专利数量作为衡量自然科学基金绩效的产出指标。科研活动的投入与产出之间的滞后性是客观存在的，滞后性一般为2-3年[15-16]，通过计算发现，延迟三年跟延迟两年的结果并无太大差异，因此我们将延迟期取作两年[17]。

在运用DEA模型测度效率时，要求各决策单元具有相同的投入、产出指标，并且根据经验法则，要求DMU的样本数至少是投入、产出指标项数之和的两倍以上。本文决策单元数量满足上述条件。

3 模型计算与分析

3.1 国家自然科学基金投入产出基本情况

将1996-2005年作为决策单元，国家自然科学基金1996-2005年间投入指标经费的有关数据，1998-2007年产出指标论著及专利的有关数据，如表1 所示：

表1 1996-2005年国家自然科学基金投入产出表

为了统计计量级别，经费以百万元为单位，论著以十篇为单位，来做科研投入产出时序图。从科研投入产出时序图(图1)中，发现科研投入经费和科研产出论著数量是一个逐年增加的趋势，但科研产出的专利数量呈现波动趋势，资金投入增长的均值是17.7%，论著增长的均值是9.1%，而专利的增长值为-5.6%，从以上数据分析可知，国家自然科学基金的资金投入并没有获得同等比例的增长。

图1 科研投入产出时序图

3.2 投入产出相关分析

在对国家自然科学基金投入产出指标数据进行初步统计后，对投入产出项做相关性分析，以确定投入的增加会使产出增加。本文以1996-2005年的国家自然科学基金投入指标数据和1998-2007年的国家自然科学基金产出指标数据作为数据源，运用统计分析软件SPSS进行的相关性分析，分析结果如表2 所示：

表2 投入产出项相关系数表

﹡.correlation is significant at the 0.05 level(2-tailed)

﹡﹡. correlation is significant at the 0.01 level(2-tailed)

投入指标经费、产出指标论著和专利的Person相关指数均大于0.7，表明他们之间是强的正相关，经费的投入多少能够直接影响产出论著和专利的数量。

3.3 国家自然科学基金投入产出效率分析

用MyDEA软件的Input-oriented CCR对上述整理好的国家自然科学基金投入产出数据进行处理，在表3中可以看到利用MyDEA计算出的国家自然科学基金1996-2005年这10年间投入产出效率值。

表3 国家自然科学基金投入产出相对效率评价结果表

利用MyDEA计算得出的技术效率即CRS是指不考虑规模收益时的技术效率(综合效率)。规模收益即Scale，是指考虑规模收益时的规模效率。

3.3.1 技术有效性评价 技术有效性是指输出相对于输入而言已达最大，即该决策单元位于生产函数的曲线上，表现为CRS值为1。从表3的DEA绩效系数(CRS值)看，1998年、1999年DEA有效，说明相对于其他DMU，这两年的科研投入产出比达到最大，即科研投入得到了充分的利用，结果令人满意。如果想进一步提高科研投入产出效率可以考虑从创新角度进行突破，使生产前沿面上移，从而增加产出。当然，并不是说这两年的科研发展不存在问题，我们得到的是相对效率，总有一个DMU是DEA有效的。

1996年、1997年、2000-2005年DEA绩效系数均未达到1，说明这8年DEA是无效的。2005年DEA绩效系数最小，说明科研投入产出绩效较差。可以直观的理解该系数为：用少于当前的投入就可以达到现有的产出，只要投入当年的43.2%就可以达到现有的科研产出水平。这说明我国在自然科学基金的利用效率上还有待提高，同时也指明了我国在科学产出上的潜力巨大。

我国R&D1995-2005年间的平均CRS值为0.16 ，我国自然科学基金的平均CRS值为0.75，高于我国R&D的 CRS值。相对于国内水平而言，我国自然科学基金得到了有效利用。1999-2003年我国技术效率的均值在0.75左右。但相对于国际水平而言，我们只是达到了平均水平，这表示我们还有可以提高的空间及可能性。在此可以借鉴美国、英国、日本等国的先进科研管理经验，提高我们科研投入产出效率和科研管理水平 。

图2显示了国家自然科学基金1996-2005年内CRS的时间增长曲线。从图2我们可以看出，1996-2005年国家自然科学基金呈现折线式发展，但是总体呈现缓慢下降的趋势，2005年达到最低。CRS值(综合效率值)的波动说明我国的自然科学基金利用率还不稳定，不能持续保持国家自然科学基金利用效率最大，即有的年份国家自然科学基金没有得到有效的利用导致科研投入的浪费。

图2 CRS有效性时间增长曲线

3.3.2 规模有效性评价 规模有效是指投入量处于最合适的投入规模，即处于规模收益不变的最佳状态。分析表3 数据可知，1998-1999年规模有效，说明此时规模收益不变，达到了最大产出规模点。1996-1997年、2000年规模收益递增，可以考虑适当增加经费投入，这时国家自然科学基金的论著及专利数量将有更高比例的增加，1998年的技术有效和规模有效说明了这一点。2001-2005年这5年是规模收益递减的，说明随着我国经济的发展，在研发投入上的规模效率开始下降，较高的研发(资金)投入并不能等比例的提高科研产出(论著和专利)的数量。为了提高基金利用效率，应考虑适当的减少投入规模，使其达到规模有效。

3.3.3 DEA效率的改进 分析DEA无效单元的改进，可以利用前面提到的投影定理进行改进。使用MyDEA软件直接计算出的改进值如表4所示。观察表中DEA无效的年份发现DEA无效的DMU均存在经费过多投入的问题，进一步说明科研投入项目经费使用效率偏低，由于我们使用的是投入导向型的CCR模型，故改进投入结构是必须的。科研产出方面，1997年、2000-2001年、2004-2005年同时存在专利产出不足的问题，说明专利数量这一指标总量偏低。2002年还存在的论著产出不足的问题，说明论著产出量这一指标总量偏低。其中负值表示需要减少的经费投入量，正值表示需要增加的论著和专利数量。

表4 DEA效率改进值表

4 讨论

科研的发展需要大量经费的投入，科研投入的增加和科研产出数量与质量的提高是正相关的，但科研产出的数量与质量并不完全取决于投入，科研工作和效率也起着至关重要的作用。因此需要重视对科研人员和技术人员的培养和支持，进一步建立合理有效的科研激励机制，从多方面激励科研人员多出科研成果。

专利是自主创新和知识产权的一个重要标志，但是我国国家自然科学基金在此方面的产出数量还不稳定，产出效率还不高。因此，应充分借鉴其他国家的成功经验，不断完善相应的政策，鼓励自主创新和高科技产业集群的发展，激发创新主体企业的自主创新活力。鼓励科研人员将知识转化为促进社会生产力的成果，提高专利类应用成果的产量，以提高科研活动效率。

2001-2008年国家自然科学基金委公布的年度报告中，每年统计的数据类别都有差异。1996-2000年的资助项目统计与年度报告统计的内容也不同，不利于科研人员对数据的获取、处理与分析。因而建议国家自然科学基金建立健全绩效评估的支撑体系，尽快规范受资助研究成果数据的采集和认证，促进数据共享，推动信息网络化建设，为绩效评价构建可靠的“硬件”系统。

国家自然科学基金存缺失中间评估。加强对国家自然科学基金中间评估的力度，根据评估反馈的信息及时调整R&D研究方向和R&D资源的配置状况，从而提高科研经费的使用效率。同时加强对国家自然科学基金利用的监管力度，使科研基金真正的为科研服务。

5 结论

本文的研究结果表明国家自然科学基金投入与产出之间有明显的正相关性，但是在我国自然科学基金投入不断增长的情况下，我们的科研产出并没有以同比例增长，论文和专利产出增长水平远低于经费投入的增长水平，并且专利的增长不稳定。故而有的年份技术效率没有达到1，规模效率没有达到规模收益不变。国家自然科学基金的投入产出效率只是达到了国际平均水平，距离高水平国家还有一定的差距，为了提高基金的使用效率，可以向DEA效率高的美国、日本等国家学习。美国鼓励并增强企业在R&D发展中的地位和作用。在投入方面，美国政府渐渐改变过去强调基础研究的做法，逐步转向注重基础研究和应用研究的结合，应用研究经费呈稳步上升趋势，同时，促进技术成果的商业化。日本R&D投入主要用于模仿创新和集成创新，二次创新能力比较强，注重专利的产出和商业化。

[1] Charnes A，et al.Using DEA to evaluate Relative efficiencies in the Economic Performance of Chinese Cities. Socioecon.Plann.Sci，1989(23)：325-344.

[2] Banker R D，et al. An Introduction to DEA with Some of Its Models and Their Uses .Research in Governmental and Nonprofit Accounting，1989(5)：125-163.

[3] Boussofiane A.Applied DEA.Eur. J. of Oper.Res，1991(52)：l-15.

[4] 吴和成，郑垂勇.科技投入产出相对有效性的实证分析[J].科学管理研究，2003，21(3)：93-96.

[5] 许治，师萍.基于DEA方法的我国科技投入相对效率评价[J].科学学研究，2005，23(4)：481-484.

[6] 谢建国，周露昭.中国区域技术创新绩效——一个基于DEA的两阶段研究[J].学习与时间，2007(6)：29-34.

[7] 赵镇. 基于DEA的高等教育科技资源配置效率评价分析——以黑龙江省为例[J].科技进步与对策，2009,26(2)：112-115.

[8] 何鸣鸿.2008年度报告.[2009-03-23].http://www.nsfc.gov.cn/nsfc2008/index.htm.

[9] Charnes A.，Cooper W.W.，Rhodes. E. Measuring the Efficiency of Decision Making Units [J].European Journal of Operational Research，1978(6)：429-444.

[10] Rousseau，S.，Rousseau，R.，Data Envelopment Analysis as a tool for constructing scientometrics indicators [J].Scientometrics，1997,40(1)：45-56.

[11] Rousseau，S.，Rousseau，R.，The scientific wealth of European nations: taking effectiveness into account [J].Scientometrics，1998,42(1)：75-87.

[12] Charnes，A，Cooper，W.W.，Rhodes，E．Measuring the efficiency of decision making units[J].European Journal of Operational Research，1978(2)：429-444.

[13] Farrell，M.J．The measurement of productive efficiency[J].Journal of the Royal Statistical Society，1957，Series A:General：253-281.

[14] 邓秀才,肖品龙. 从研究与发展投入产出的定量分析看高校科研活动的效果[J].科技进步与对策,2003(8):127-128.

[15] Adams，J.D.，Griliches，Z．．Research productivity in a system of universities.In:Encaoua，D. (Ed.)The Economics and Econometrics of Innovation[M]，Boston：Kluwer Academic Publishers，2000：105-140.

[16] Guellec，D.，van Pottelsberghe de la Potterie，B．．From R&D to productivity growth：do the institutional settings and the source of funds of R&D matter[J]. Oxford Bulletin of Economics and Statistics，2004，66(3)：353-378.

[17] 唐崇敏,官建成.基于DEA方法的科学论文产出效率分析[J].科学学与科学技术管理.2007(6)：29，31-32.

EvaluationoftheRelativeEfficiencyofNSFCActivitiesBasedonDEAAnalysis

Zhao Fei

Institute of Science and Technology Information, Jiangsu University, Zhenjiang 212013, China

The relative efficiency of scientific research is an important factor affecting the development of scientific research. Strengthening the study of input and output of Natural Science Foundation of China (NSFC) can help to optimize the allocation of resources and improve the macro-management of NSFC. This paper, by combining the input-oriented DEA and bibliometric method and employing the MyDEA program, figures out the DEA ratio of NSFC from 1996 to 2005 and shows the decline of the relative efficiency of NSFC activities. So it is necessary to introduce some polices to improve the efficiency.

data envelopment analysis (DEA); bibliometric; input and output; efficiency evaluation

G311

赵 斐，女，1984年生，江苏大学科技信息研究所08级硕士研究生。