基于AHP&DEA的农业科技人才绩效评价

郭婷婷

【摘 要】以绩效的视阈，对农业科技人才进行评价，是加强农业科技人才建设的重要手段。首先，分析农业科技人才的投入与产出，确定评价指标体系；其次，利用AHP方法计算各指标的权值，并利用DEA方法计算相对效率值；最后，对评价结果进行分析和改进。

【关键词】农业科技人才；绩效评价；AHP；DEA

【Abstract】In the visual threshold of performance， it is an important means to strengthen agricultural science and technology talents. Firstly， the input and output of agricultural science and technology talents are analyzed， and the evaluation index system is determined. Secondly， the weight of each index is calculated by AHP method， and the relative efficiency value is calculated by DEA method.

【Key words】Agricultural science and technology talents； Performance evaluation； AHP； DEA

0 前言

农业是我国社会经济的重要支柱，科技为第一生产力在我国传统农业向现代农业的转变过程中具有重要的推动作用。农业科技人才是科技的创造者和推动者，因此，加强农业科技人才的开发和培养是一个重要的课题。本文尝试以绩效的视阈，利用层次分析法（The Analytic Hierarchy Process， AHP）和数据包络分析（Data envelopment analysis，DEA）相结合的方法，对农业科技人才进行评价。

1 算法分析与设计

1.1 算法分析

AHP和DEA方法都是效率分析中常用的方法，比较而言，AHP方法简单、易懂，便于操作，但其评价结果不够精准，在要求较高的效率评价中不太适用；而DEA方法无需设置权重以及对指标进行无量纲化处理，在削弱主观因素在评价中影响的同时，也失去了决策者偏好的决定因素。综合来看，本文采用AHP和DEA相结合的方法，即利用AHP计算指标权重，利用DEA根据加权后的指标值计算效率值。

1.2 算法设计

依据算法分析，设计算法描述如下：

1）确定研究对象和目的，设计农业科技人才评价指标体系，并根据本文研究实例和现实环境，选取最终的输入输出指标；

2）利用AHP方法，计算各一级指标下的二级指标权值；

3）利用加权平均的方法计算各一级指标的综合权值；

4）搜集和整理原始数据，并利用极值法进行标准化处理；

5）将标准化后的数据代入DEA模型进行计算；

6）观察计算结果，如果效率值为1的单元数目不止一个，那么进入7，否则进入8；

7）因为效率值为1的单元不止一个，为了进一步比较其效率值的大小，可以使用超效率DEA模型，进一步计算其效率值。

8）结果分析（对评价结果进行分析）。

用流程图表示如图1所示。

2 算法应用

2.1 设计评价指标体系

在具体的评价过程中，根据不同的评价对象和环境，需要对评价指标进行遴选。从指标数量来说，DEA方法在DMU数量大于投入产出指标个数之和的2倍时，才能表现较高的准确率。同时，因为个别数据的获取较为困难，需要进行一定的取舍。因此，通过分析农业科技人才的投入和产出，确定农业科技人才绩效评价指标如表1所示。

2.2 研究对象与数据整理

本文以湖南省为研究对象。本文数据主要来源于三个方面：一是，各类年鉴数据，包括中国统计年鉴、中国农业统计年鉴、中国科技统计年鉴、湖南省以及各省市统计年鉴；二是，网络，包括湖南统计信息网等政府官方网站；三是，各种统计文献，包括中国农村科技发展报告、中国农村发展报告、农民收入调查与研究等等。

2.3 AHP计算权值

2.4 DEA计算效率值

利用DEA中的C2R模型计算各评价单元的效率值，其模型结构如式1所示。

采用DEAP2.1软件进行求解得到如表2所示的结果。DEAP2.1软件是专门针对普通DEA模型求解的软件，具有操作简单、运算速度快，结果清晰的特点。

2.4 结果分析与改进

2.4.1 结果分析

观察表2所示的计算结果，根据DEA有效性判断定理，我们有如下结论：

（1）从整体来看，综合效率值达到1的决策单元有北京、天津等14个省份，这表明其投入得到了最大化产出，其效率评价结果是DEA有效的；吉林和黑龙江两个省份的纯技术效率值等于1，造成综合效率小于1的原因在于其规模效率小于1，这说明其规模的投入有必要进行增加或者减少；余下的15个省的效率评价结果是非DEA有效的，其纯技术效率和规模效率均没有达到有效，存在投入冗余或产出不足等问题。

（2）从湖南省的具体情况来看，湖南省是非DEA有效的，具体来看：其纯技术效率为0.915，规模效率为0.947，综合效率为0.867，其发展趋势是规模报酬递减。

2.4.2 结果改进

表3 为湖南省的详细计算结果， 从表3可知应该从如下方面进行改进：从投入来看，三项指标均有冗余，分别为0.017，0.029和0.014，即在当前产出水平下，应减少相应投入，正确的投入水平应为：0.186，0.316，0.149；从产出来看，output3的产出应该增加0.03，达到0.269.

3 结语

在农业科技人才绩效的评价应用中，将AHP和DEA方法的优势结合起来，可以构建准确、完备的评价模型；该评价模型具有如下优势：利用AHP方法对各指标的权值进行计算，体现决策者的主观偏好，利用DEA方法进行计算，得到准确的相对效率排名。

【参考文献】

[1]中华人民共和国农村与社会发展司、中国农村技术开发中心.2003中国农村科技发展报告[R].北京：中国农业出版社，2004.

[2]Rousseau.S， Rousseau， R. Data envelopment analysis as a tool for constructing scientometric indicators[J]. Scienometrics， 1997， 40： 45-56.

[3]西奥多舒尔茨.经济增长与农业[M].北京：北京经济学院出版社，1991.

[责任编辑：杨玉洁]