三阶段DEA视角下中国情报服务效率评价实证研究

●曾硕勋，张雪燕，肖琬蓉

（1．甘肃省科技情报研究所，兰州730000；2．董志中学，甘肃庆阳745000）

三阶段DEA视角下中国情报服务效率评价实证研究

●曾硕勋1，张雪燕2，肖琬蓉1

（1．甘肃省科技情报研究所，兰州730000；2．董志中学，甘肃庆阳745000）

情报服务；三阶段DEA模型；效率评价；中国

以2012年我国31个地区的情报服务为研究对象，通过三阶段DEA模型分析法揭示当前我国各地区情报服务的真实效率水平、效率区域分布以及影响情报服务效率的主要因素，以期为我国各地区情报服务发展，乃至区域经济发展提供相应的决策参考。

目前，信息服务业已成为我国经济发展的一个巨大动力，情报服务作为信息服务业的一个重要核心组成部分，其发展优劣直接影响社会、科技、经济发展，如何合理、客观地评价情报服务效率，对我国各地区社会、科技、经济的发展具有重大的理论和现实意义。

当前，情报服务蕴藏的巨大催化潜力已然成为社会各界关注的要点，而其配置效率问题在国内外学术界尽管研究不太多，但也在逐渐升温。Jati K.Sengupta论述了情报对于社会经济发展高效性，并就情报服务本身的效率问题，展开了理论探讨和模型假设检验。［1］麦淑平以广东省高校图书馆为例，进行了调查研究，从理论上探讨情报服务效益提升问题。［2］Mohammad AbdulMunim Joarder等人采用自建的Ⅴar模型对孟加拉国的股票市场情报服务效率进行了评价，［3］陈雪霞、周瑛等人采用层次分析、神经网络分析等方法对图书情报机构的情报服务进行效率评价。［4,5］钟华、毛太田、郭兵等人采用传统DEA模型，对情报机构的服务效率进行了绩效评价。［6-8］

由以上研究文献发现，国内外学者采用非参数三阶段DEA进行研究的相关文献鲜有出现，尤其是针对我国地区之间的情报服务效率比较研究较少。为此，本文试图以2012年我国31个地区的情报服务为研究对象，通过三阶段DEA分析法，力求解释当前我国各地区情报服务的真实效率水平、效率区域分布情况，以及影响情报服务效率的主要因素所在，以期在当前国内外经济情况不乐观的情况下，为我国各地区情报服务发展，乃至区域经济发展提供相应的决策参考。

1 数据来源、处理及研究指标

1.1 数据来源

借助“万方数据知识服务平台”，以“情报”为检索词，对我国31个地区与情报服务相关的“学者”、“机构”、“专家”三个子数据库进行检索，并初步形成上述三个投入指标。其他数据来源于《中国统计年鉴（2013）》和《中国中小企业年鉴（2012）》。

1.2 数据处理

鉴于DEA的多投入和产出指标之间的多重共线性可能影响研究结果，对文中的多个投入指标进行多重共线性检验和多重共线性投入指标进行降维处理，并针对降维后出现负值投入指标，进行min-max标准化，即（0，1）标准化处理。以上涉及数据处理均借助Spss 17.0和Excel完成。

1.3 研究指标

（1）投入产出指标。经过数据处理，根据降维因子的综合属性，最终将情报要素的“学者”、“机构”、“专家”三个投入指标降维成“情报人才”和“情报机构”；产出指标为地区“GDP”。

（2）环境因素指标。企业作为社会发展的最重要创新主体，是情报需求主力军。因此，“企业数量”将直接影响该地区的“情报人才”和“情报机构”多寡。此外，高校作为情报人才培育的主要基地，地区“高校数量”也是“情报人才”和“情报机构”的重要影响要素。为此，选取地区“企业数量”和“高校数量”作为环境因素指标，用于剔除地区差异，使效率评价具有客观性和可比较性。

2 研究理论及模型

2.1 第一阶段传统DEA模型

此阶段使用DMU初始投入产出数据，选取传统投入导向BCC模型，进行综合技术效率、纯技术效率和规模效率分析，并得出DMU的投入松弛情况，进入第二阶段分析。鉴于传统DEA理论及其模型已相当成熟，在此不再赘述。

2.2 第二阶段相似SFA分析模型

在第一阶段传统DEA分析得出的投入或产出的松弛变量，不应全归因于DMU管理的无效，它还受到环境因素和随机因素影响。因此，通过第二阶段构建类似SFA模型，可有效地过滤环境因素和随机因素造成的DMU无效成分，从而较为准确地测算出DMU管理无效水平。

其中，zj=（z1j,z2j,…,zpj）表示P个可观测的环境变量，为环境变量的待估参数向量。表示环境变量对投入差值的影响方式，这里采用线性的形式表示。vij+uij为混合的误差项，vij为随机干扰项，且；uij为管理无效率，且，其中uij≥0反映管理无效率。这里，，且。

此外，根据Schmidt、Battese和Coelli文献中关于时间序列的效率研究成果，［10,11］有以下公式：

投入调整前，需要从SFA的混合误差项（vij+uij）中分离出随机误差项（vij）。在此，根据管理无效条件估计，借助Jondrow［12］等提出的随机误差估计方法，其模型如下：

基于上述数据处理，进入投入数据重新调整，实现外部环境和随机误差剥离，各DMU的投入调整公

2.3 第三阶段投入调整后的DEA模型

在第二阶段的基础上，剔除了环境因素和随机干扰因素，将各DMU的投入数据调整到统一层面（消除了外部差异），并再次运用BCC模型进行效率评估，形成更为准确和客观的我国高新技术产业运行效率。

3 实证结果

3.1 第一阶段传统DEA实证结果

在传统DEA投入导向BCC模型下，借助DEAP2.1软件对我国31个地区的高新技术产业效率水平进行分析，得出相应的效率值和规模报酬情况，如表1所示。

表1 2012年我国31个地区情报服务效率情况

表1显示，2012年我国31个地区的情报服务综合技术效率均值0.274，纯技术效率均值0.651，规模效率均值0.441，仅北京地区处在技术效率的前沿面上，其他30个地区综合技术均无效。从无效DMU看，纯技术效率和规模效率都有不同程度的改进空间，纯技术效率明显好于规模效率，规模效率改进空间较大，是综合技术效率不足的主要原因。此外，从规模报酬情况看，30个地区均呈现递增情况，说明增加投入规模有利于提升情报服务的综合技术效率。表1中的相关数据均在不考虑环境因素和随机干扰因素下得出，其结果是否具有客观性，将在第二阶段分析中阐述。

3.2 第二阶段SFA回归结果

在完成以投入导向的第一阶段效率运算后，将“情报人才”和“情报机构”的松弛变量作为因变量，以环境变量的地区“企业数量”和“高校数量”为自变量，借助Frontier4.1软件进行SFA回归分析，参数估计及其检验情况如表2所示。

表2 SFA参数估计及检验

表2显示，两个环境因素对两个投入松弛变量的T检验，不同程度地在1%、5%、10%水平上具有显著性，具备进入第三阶段调整投入数据的DEA模型分析可能性和必要性。此外，一个值趋近0（0.00000343）和一个趋近1（0.99999999），说明外部的环境因素和随机因素均对两个投入松弛变量具有较明显的干扰程度。因此，进行环境和随机干扰因素剔除，更能揭示各地区情报服务的真实管理效率，而完成SFA分析和进入第三阶段分析显得十分必要。

从自变量对因变量的系数角度看，具有以下关系：（1）企业数量和高校数量均对地区的情报人才的松弛变量系数为正值，说明两个环境变量增加将加大情报人才的投入松弛量，形成投入冗余，不利于地区情报服务效率的提高；（2）企业数量和高校数量均对地区的情报机构的松弛变量系数为正值，说明两个环境变量增加反而减少了地区情报机构的投入冗余量，增加了效率。由以上两种关系可知，两个环境自变量形成了对因变量的同一方向制约作用，对第一阶段效率分析结果极可能存在较大程度的干扰。

3.3 第三阶段调整后的DEA实证结果

基于第二阶段类似SFA模型回归结果及相关计算，得到剔除环境和随机干扰因素后的2012年中国31个地区“情报人才”和“情报机构”投入调整数据，并再次借助DEAP2.1软件执行BCC模型，运行结果如表3所示。

表3 2012年我国31个地区情报服务三阶段DEA效率

4 实证比较与分析

4.1 总体效率比较分析

如图所示，虚线为第一阶段传统DEA模型下的综合技术效率，实线为剔除环境和随机干扰因素后的第三阶段DEA模型下的综合技术效率。剔除环境和随机干扰因素后，综合技术有效地区（处在前沿面DMU）从1个上升到3个，而平均综合技术效率（见表4）由0.274上升到0.527，纯技术效率由0.651上升到0.933，而规模效率则由0.441下降到0.557。这说明我国各地区的情报服务效率受到外部环境因素的严重干扰，总体效率被全面压低，尤其是情报服务的纯技术效率难以得到彰显。

图各地区情报服务效率传统与三阶段综合技术效率比较

传统DEA和三阶段DEA均显示我国各地区情报服务总体效率不足，传统DEA认为纯技术效率和规模效率都要大力改善才能较快提升综合技术效率，但三阶段DEA模型揭示了效率不足主要来自规模效率，规模效率不足为各地区提升情报服务效率找到了症结所在。此外，非有效地区均系规模报酬递增（irs），表明我国各地区提升情报服务效率的主要手段是要增加情报服务的规模投入。

表4 情报服务效率传统DEA与三阶段DEA均值比较

4.2 区域差异效率分析

表5 三阶段DEA区域效率比较

表5显示了按传统区域经济发展划分的东、中、西部情报服务效率统计情况。从综合技术效率看，东、中、西部效率分别为0.609、0.3915、0.5424，中部效率最低，与东西部存在较大距离，且远低于全国平均水平；从纯技术效率看，西部地区居首为0.9548，西部次之为0.9337，中部最差为0.8996，但三大地区差距较小；从规模效率看，呈现东、西、中排列，分别为0.6431、0.5609、0.4324，地区差异巨大，中西部明显落后于东部地区。综合来看，我国情报服务发展应该以扩大规模为首要任务，在此基础上实现综合技术效率的提高。就三个地区而言，东、西部地区应该适当扩大规模，加强管理；中部地区应该扩大规模和加强管理双管齐下。

4.3 特例分析

选择传统DEA与三阶段DEA模型下效率变化较大的地区为例，北京、内蒙古、广东、西藏四个地区在剔除环境影响因素后，情报服务效率发生了较大变化，文章认为原因在于：（1）与环境变量选择有关，环境变量为“企业数量”和“高校数量”，北京在这两者上均具有明显优势，剔除两者影响后，大大减少了北京地区的情报服务泡沫效率，同时其他地区效率也得到较为真实的反映；（2）与情报性质有关，情报属于信息范畴，在地域上没有界限，情报服务的辐射能力较强。因此，北京的情报服务机构的服务对象不会局限在北京范围内。

5 结论与启示

通过建立三阶段DEA模型，将影响我国情报服务效率的外部环境和随机干扰因素考虑进来，对我国31个地区进行了实证研究，得出结论如下。

（1）外部环境因素确实对我国各地区的情报服务效率评价产生了较大影响。传统DEA分析下，各地区情报服务效率均较低；三阶段DEA分析后，揭示出环境和随机干扰因素掩盖下的各地区情报服务真实效率水平，而且剔除环境和随机干扰因素前后，各地区效率情况均呈现不同程度和方向的变化，平均纯技术效率、平均规模效率以及整体综合技术效率均大幅上升。

（2）综合技术效率呈现东、西、中阶梯排列，且三者之间依次存在一定差距，而纯技术效率由低至高呈现西、东、中排列，说明西部地区投入规模不足严重影响该区域情报服务效率，反映了区域情报服务投入规模的不平衡。

（3）各地区情报服务投入规模不足是总体效率较低的主因，而无效地区均系规模报酬递增，因此增加各无效地区情报服务的投入规模，势必全面提升我国情报服务的总体效率。

情报服务作为信息产业服务的一个重要组成部分，对经济、社会、科技发展具有重大的现实推动意义。当前，情报服务触角在我国经济领域尚未完全张开，尤其是在西部地区情报服务纯技术效率远高于东、中部地区的情况下，加大情报服务的投入规模，势必润滑和推进地区经济发展。

［1］JatiK Sengupta．EconometricsofⅠnformation and Efficiency［M］．Dordrecht，Boston：K1uwer Academic Publishers，1993：195－217.

［2］麦淑平．图书馆竞争情报服务调查研究——以广东省高校图书馆为例［J］．图书馆理论与实践，2013（3）：2－28.

［3］Mohammad AbdulMunim Joarder，etal．An empirical testingofinformationalefficiency in Bangladesh capitalmarketⅠnformationalefficiency in Bangladesh capital market［J］．Economic Changeand Restructuring，2013（3）：331－356.

［4］陈雪霞．图书情报视阈下知识服务能力解读及评价［J］．图书馆，2010（1）：107－108，113.

［5］周瑛，刘天娇．基于神经网络的高校图书馆知识服务评价体系研究［J］．情报理论与实践，2013（2）：55－59.

［6］钟华，汪凌勇．DEA方法在企业竞争情报分析中的应用研究［J］．情报杂志，2007（12）：29－33.

［7］毛太田，陈能华．基于DEA的企业竞争情报获取方法绩效评估研究［J］．情报杂志，2007（12）: 10－14.

［8］郭兵，等．基于改进超效率DEA的企业竞争情报分析［J］．情报杂志，2012（12）：27－33.

［9］Tone K．A slacks-basedmeasureofsuper-efficiency in data envelopment analysis［J］．European Journal of OperationalResearch，2002（143）：32－41.

［10］SchmidtSS．TheMeasurementof Productive Efficiency：Techniques and Applications［M］．New York: Oxford UniversityPress，1982：68－119．

［11］BatteseGE，CoelliTJ．Frontierproduction functions, technicalefficiency and panel datawith application to paddy farmers in india［J］．Journal of Productivity Analysis，1992（3）：153－169．

［12］James Jondrow．On theEstimationofTechnicalⅠnefficiency in the Stochastic Frontier Production Function Model［J］．Journalof Econometrics，1982（19）：233－238.

G254.97；G252.8

A

1005－8214（2014）09－0036－04

曾硕勋（1981－），男，硕士，助理研究员，研究方向：区域经济、科技情报资源；张雪燕（1985－），女，董志中学教师，研究方向：英语科技文献翻译；肖琬蓉（1963－），女，正高级工程师，研究方向：图书情报、科技资源。

2013－10－12［责任编辑］闫东芳

本文系国家自然科学基金（项目编号：61162011），甘肃省技术研究与开发专项计划基金（项目编号：1004TCYA014）成果之一。