科技项目财政投入绩效评价模型的选择与构建*

刘 平

(赣南师范大学 教育经济研究中心，江西 赣州 341000)



·应用数学·

科技项目财政投入绩效评价模型的选择与构建*

刘 平

(赣南师范大学 教育经济研究中心，江西 赣州 341000)

科技项目财政投入既是国家财政支出的重要组成部分，也是政府科技管理创新的基础.本文在剖析科技项目绩效评估特点的基础上，借鉴国内外相关研究成果，构建了基于科技项目财政投入的绩效评价指标体系，并对江西省科技项目财政投入绩效进行数据包络分析.

科技项目财政投入；绩效评价模型；数据包络分析

科技投入是科技进步的物质基础和前提.作为科技投入的重要组成部分，科技项目财政支出在资源分配和管理创新中具有重要的引领和带动作用.科学技术的进步和发展是提升国家综合国力的战略支撑.在经济全球化的大背景下，开展科技项目财政投入绩效评价不仅是促进资源优化配置的着力点，而且也是引领科技创新，提高科技管理水平主要动力.因此，建立科技项目财政投入绩效评价指标体系和模型，对我国的科学技术进步和发展具有重要的现实意义.

1 科技项目财政投入绩效评价特点

科技项目财政投入绩效评价是指运用标准化原则对科技财政的支出和产出所进行的综合测量和评估.一般来说，为了保证良好的科技项目投入绩效水平，应将评估重点放在实施项目的过程中，适时对科研项目施行中的产出指标与原定目标进行对比，判断二者之间是否存在偏差，并在综合分析的基础上，提出改进意见，找出恰当的应对之法.在这个意义上，科技项目财政投入的绩效评估具有以下几个特点:

第一，滞后性.科学技术活动的自身特点，决定了科技项目的绩效评价具有滞后性.主要原因有二：一是由于科技活动的开展需要经过一定的时间才能产出成果，不可能一蹴而就；二是由于科技财政支出的目是为了促进科技进步和发展，而要将科学技术转化为现实的生产力也要经历一个过程.换言之，从科技项目财政投入到基础研究，从实验室的研究成果到生产技术的革新和发明，都不可能瞬间实现，其滞后性是显而易见的.

第二，不可控性.科技项目的绩效的不可控性主要受两个因素影响:一是由于科技项目的研究进展往往受各种因素的综合影响，突破性研究成果的取得往往具有随机性，很难精准预测；二是由于科学研究是对未知世界的探索，研究的最终结果很难预料，甚至不能排除最终失败的结果.

第三，间接性.众所周知，高等院校和研发机构作为基础研究的重阵，业已成为我国科技财政投入的主要方向.但是，考虑到高校和研发机构的成果绝大多数是以论著、专利的方式呈现，这多少与科技项目财政投入的初衷相悖.因为，从动机上讲，科技项目财政投入的目的是为了激发科技创新发展的带动效应，所以要求其成果形式应该是立竿见影的.所以，科技项目财政投入绩效评价必须正视科技项目的研究成果与政府预期之间的关系.

第四，全程性.科学技术的发展史表明，事后式的科技项目财政投入绩效评价有时会让人产生质疑.一般认为，事后评价往往容易高估成功的第1 000次试验而否认前999次失败的试验.在这个意义上，要做到科技项目财政投入绩效评价的科学、合理，必须注重科学研究的全过程，必须从科学研究的全过程中择取相应的指标，从而保证绩效评价的公正性.

科技项目财政投入绩效评价的上述特性，在某种意义上突显了评价方法重要性.例如，在美国、德国等西方发达国家，对科研项目评估程序的规范性都给予了特别关注，小到每一评估步骤，大至项目的整体运行，都作出了详细说明和周密安排，并接受社会的全程监督.鉴此，我国科研项目财政投入的绩效评估来，当务之急是建构一套简明且可操作性强的评估体系，这不仅使科研项目的评估活动自始至终都有章可循，而且还能适时发现问题，及时纠偏.

2 科技项目财政投入绩效评价模型的选择与构建

2.1 科技项目财政投入绩效评价模型的选择

尽管国内外有关科技项目绩效评价的研究比较多，但对科技项目政府财政支出绩效评估的文献却比较少.概括而言，财政投入绩效评估的模型或方法主要有三种.一是生产函数法.这一方法由索罗最先提出，是运用余值法来计算科技进步贡献率的一种模型.为此，索罗给出了增长速度方程模型Y=F(K,L,T)，在他看来，经济增长的带动因素主要有三，即K(资本)、L(劳动)、T(科技)，如果抛开资本和劳动对经济增长的贡献率，剩下的就是科技对经济增长的贡献率；二是模糊综合分析法，即通过预先建立科技投入产出分析指标体系，在对相关指标赋予相应权重后，再根据标准对各个指标进行绩效评估.从操作层面上讲，这一方法一方面主张从不同角度对评价对象进行综合分析，即既可以从客观因素入手，也可以从主观因素入手；另一方面，根据评价者的目的，可以自主设定模糊综合评价的权重，可以通过对同一评价对象设置不同的权重进行综合评价.从评价效果而言，一方面由于评价过程受评价者主观影响大，公信力相对较差；另一方面，由于在评价前，都要预先把相关性较强的因素进行删除或合并，但由于受之于主观因素的影响，信息重复往往难以避免，其信度自然大打折扣.三是数据包络分析法(DEA).数据包络分析(Data Envelopment Analysis)自1978年提出以来，就广泛运用于非盈利机构和政府部门的绩效评估.从操作层面上看，DEA可以结合科技项目的实施过程，确立有效的生产前沿面，进而通过对项目投入、产出规模来评估其绩效，并从中想找科技项目运行中的问题，为纠偏提供依据.所以，相对模糊综合分析法而言，DEA避免了主观确定指标权重带来的困扰，其信度自然要好些.

综上所述，鉴于找出投入和产出之间一一对应函数关系的难度和尽量避免绩效评价的主观影响，为了保证绩效评估的科学性，本文尝试用数据包络分析法(DEA)对科技项目财政投入的绩效进行测定和评价.

2.2 数据包络分析模型

数据包络分析(Date Envelopment Analysis)，是把单输入、单输出的工程效率概念推广到了多输入，特别是多输出的同类型决策单元(Decision-Making Units简称DMU)的有效性评价中.DEA是运用数学规划模型对具有多个输入和多个输出“部门”或“单位”的相对有效性进行评价的方法[1].从操作层面上讲，DEA是运用线性规划的方法评估一组同质DMU，在计算出相对效率值的基础上，把效率相对最优的DMU的观测值用前沿方法进行分析，描绘出由最佳投入产出组合点组成的边界，即相对有效的前沿面.因此，运用DEA人们就能直观地判定出项目的绩效水平，即没有达到相对有效的DMU落在该前沿之内，反之则在前沿之外.另外，还可以通过对比决策单元偏离面的程度来提出改进方法和路径.

2.2.1 DEA模型的基本思路

设定有n个DMUi(1≤i≤n)，每个DMU都有m种投入和p种产出，其中xi=(x1i,x2i,…,xmi)T表示为第i个DMU的投入，y=(y1i,y2i,…,ymi)T表示为第i个DMU的产出，v=(v1,v2,…,vm)T，u=(u1,u2,…,um)T表示投入和产出的权重，并且，xsi>0,yti>0，其中s=1,2,…,m；t=1,2,…,p；i=1,2,…,n，那么hj=uTyi/vTxi即为第j个决策单元DMUj的绩效评价指数.

若对DMU0进行绩效评价，选择权系数u和v，在各个DMU的绩效评价指数不超过 1 的条件下使h0最大，就有C2R模型：

将其进行对偶规划，模型变为D：

在上式基础上，引入新的松弛变量s-,s+,可将上式转换为如下形式：

进一步引入非阿基米德无穷小量ε，C2R规划模型为：

其中ε为非阿基米德无穷小量，emT=(1,1,…,1)T∈Rm,esT=(1,1,…,1)T∈Rs;s-，s+分别为输入输出松弛向量.设ε为非阿基米德无穷小，则最优解为λ0，s-0，s+0，θ0，其经济含义分别为：

2.2.2 DEA模型的选择

运用DEA方法进行绩效评价，按投入和产出两个测量标准，可区分为投入主导型和产出主导型两种.投入主导型适用于分析产出相同情况下如何控制投入规模，力争投入最小化；产出主导型则适用于比较在投入相同的情况下如何扩大产出规模，争取产出最大化.

DEA自提出以来，得到了数度扩展，衍生出许多模型，而C2R模型和B2C模型无疑是最常见的两个模型.历史地看，先是C2R模型把单产出的效率测量发展成为多产出的效率评价，然后Banker、Charns和Cooper又于1984年创建了B2C模型，率先把DMU生产规模报酬的可变性纳入到模型中，将规模效率和纯技术效率引入人们的视野，从而进一步扩大了DEA的适用范围.正是在这个意义上，本文选择用C2R模型和B2C模型对科技项目财政投入进行绩效评估.

2.3 科技项目财政投入绩效评价指标体系的构建

课题组在严格遵循评价指标体系建构原则的基础上，根据科技项目绩效评价的特点，并结合政府科技项目财政支出的实际，建立了科技项目财政投入绩效评价指标体系(详见表1).

3 科技项目财政投入绩效评价模型的验证

表1 科技项目财政投入绩效评价指标体系

表2 江西财政科技投入与产出(2003-2014)

数据来源：根据2004-2014年《江西统计年鉴》《中国科技统计年鉴》和《中国统计年鉴》的相关数据整理.

表3 江西省科技项目财政投入绩效评价结果

本文以江西省2003年-2014年科技项目实施的基础数据为基础，按照表1的指标体系，对科技项目财政投入绩效评价的DEA模型进行验证.

3.1 数据采集与DEA评价结果

本着真实性和可查性，对2003-2014 年江西省的相关数据进行整理(其中2009年由于相关数据缺少，故没有纳入)，采集了江西省财政科技投入、产出的相关数据(见表2).

根据表2的基础数据，借助DEA软件，对江西省11年的科技项目财政投入绩效进行运算、整理，得出绩效综合评估结果(见表3、图1).表3中DMU1、DMU2、……DMU11分别反映了2003年-2014年江西省财政科技投入绩效.

从表3可以看出，随着“科教兴赣”和“人才强省”等战略的实施，在2003-2014年的11个DMU中，有5个DMU的综合效率为，实现了DEA相对有效，占DMU总数的54.54%，说明江西省的科技管理能力在不断增强，政府科技财政投入的绩效水平在持续提升.

3.2 DEA可能性前沿面的描绘

对DEA可能的前沿面进行描绘，是为了直观反映财政投入理论上的产出可能性.参照De Borger、Afonso、Fernandes等人的研究成果，本文先对每个DMU的每一类投入和产出指标的标准化值赋予同等权重(即三类投入和产出指标由各自正规化后的子指标赋予相等的权重0.33)，然后在加总的基础上[3]，建立了江西省科技项目财政投入和产出指标，作为绩效评价的单一度量(见表4，表中数据是经正规化处理后的数值).

表4 江西科技项目财政投入绩效正规化后的子指标及综合指标

根据表4中投入产出的综合指标，绘出了江西省财政科技投入理论上的产出可能性前沿(图1).图1显示，有6个年份处在产出前沿面边界上(即处于图中实线上)，达到了技术有效(即纯技术效率等于1)，其余5个年份未达到技术有效，位于图1中三角形、正方形和圆形标记处.(图中三角标记为2003年江西财政科技投入绩效所处的位置，正方形标记为2009 年财政科技投入绩效所处的位置，圆形标记2011 江西财政科技投入绩效所处的位置).

图1 江西省科技项目财政投入绩效前沿面

3.3 综合效率分析

表3显示，11个DMU综合效率为1仅有6个，其余5个DMU的财政科技投入与产出没能达到了“帕累托最优”.对此，项目组运用假设规模报酬可变的B2C模型，从纯技术效率和规模效率两个方面对江西科技项目财政投入综合效率进行分析.

3.3.1 纯技术效率分析

统计显示，处于技术有效状态的年份占54.5%.从纯技术效率而言，尽管DMU1、DMU2、DMU4、DMU6和DMU8都没达到技术有效，但产生的原因不一.具体而言，DMU1、DMU2和DMU4没有达到技术有效，主要是由于财政科技投入不足造成的，并不能简单认定其绩效水平低.因为在2008年以前，江西省的财政科技投入本来总量就小，其产出规模自然也不可能大.从中也进一步说明DEA评价的是相对效率，而不是绝对效率，绩效评估的结果不能简单认定为高或低.再比如，从财政科技资金投入的数量上看，尽管2004年比 2003 年同比增长了31.23%，2010 年比2008年同比增长了63.39%，但是产出都没有随之相应出现大幅度增长.至于DMU8没有能达到技术有效状态，主要是因为 2010以来，在全省GDP出现较快增长的时候，财政科技投入却没能按相应比例增长.所以，自2012年以来，随着科技强省战略的深入开展和《国务院关于支持赣南等原中央苏区振兴发展的若干意见》等政策、法规的贯彻实施，江西在创新科技管理体制的同时，科技项目的绩效水平也随之提升.所以，在某种意义上讲，绩效水平的高低与国家的宏观政策密切相关.

3.3.2 规模效率分析

表3显示，5个没有达到最优规模的DMU，所属阶段不尽相同，其中DMU1、DMU2、DMU4和DMU6处于递增阶段，DMU8则处于递减阶段.DMU9、DMU10和DMU11达到技术有效，一方面表明虽然各指标间的组合达到了最优，但要保持现有产出水平，必须保证现有投入规模；另一方面也表明由于处于规模效率递增阶段，所以随着投入的加大，产出将以高于投入的速度增加.DMU1、DMU2、DMU4既未达到技术有效，也没有实现最优规模.值得一提的是，尽管三者的财政科技投入资源间的组合和科技资源的配置都未能实现最优，但规模效率却处于递增阶段.所以，此时如果能适当增加投入，其产出也会随之增加，进而达到综合效率提高的目的.从理论上讲，DMU8处于规模递减阶段，说明即使加大投入也不会增加产出.因此，为了避免造成不必要的资源浪费，应该向提高综合效率的方向努力.

3.4 松弛变量分析

一般来说，投入冗余值(S-)是对产出不变的条件下各个DMU投入不足的表达，产出冗余值(S+)是对投入不变条件下各个DMU产出不足的表达.从理论上讲，要保证DEA相对有效，各个DMU就必须处于“帕累托最优”状态，即DEA相对有效的的投入冗余值(S-)和产出不足值(S+)都应该为0.

表5 江西省财政科技投入产出松弛变量值

表5显示，在投入指标冗余值(S-)的11个DMU中，“财政科技资金投入占财政支出的比例”“财政科技资金投入”“R&D人员折合全时当量”和“科技活动人员总数”需改进的指标单元均有2个，其所对应的DMU的规模收益值和技术效率值都小于 1，表明财政科技投入对经济发展和社会效益的促进作用还没能充分发挥出来.

在产出指标不足值(S+)中，“技术市场合同交易额”指标需改进的单元有2个，“有效发明专利数”“科技论文产出量”和“专利申请数”指标各需改进1个单元.出现产出指标不足值(S+)，说明江西的科技成果转化率低，究其原因主要是科技资源的利用水平不高，产学研深度融合的科技创新体系尚待完善.换句话说，充分利用现有资源，推动科技体制改革，促进产学研合作，加快新产品开发和技术推广，努力使科技成果转化为现实生产力，应是当前提升江西科技项目财政投入绩效水平的重要着力点.

[1] 段永瑞.数据包络分析：理论和应用[M].上海：上海科学普及出版社，2006：4-9.

[2] 赵志华,董小林.陕西省环保投资绩效DEA实证分析[J].环境科学导刊，2013,(1):80-83.

[3] 刘振亚,唐滔,杨武.省级财政支出效率的DEA评价[J].经济理论与经济管理， 2009,(7):50-56.

The Choice and Establishment of the Performance Evaluation Model of the Financial Investment on Science and Technology Project

LIU Ping

(EducationandEconomyResearchCentreofGannanNormalUniversity,Ganzhou341000,China)

Financial investment on science and technology project is not only the most important part of the national financial charges, but also the foundation of the government science and technology management innovation. The thesis is founded on analyzing the characteristics of performance evaluation on science and technology project. Taking from the research results both abroad and at home, the thesis tried to establish the performance evaluation system based on the financial investment on science and technology project, and had a data envelopment analysis on the performance evaluation of financial investment on science and technology project of Jiangxi province.

financial investment on science and technology project; performance evaluation model; data envelopment analysis

2016-10-09

10.13698/j.cnki.cn36-1346/c.2016.06.007

江西省软科学研究计划项目( 20141BBA10007)

刘平(1963-)，男，江西赣县人，赣南师范大学教育经济研究中心教授，研究方向：教育经济学.

http://www.cnki.net/kcms/detail/36.1037.C.20161209.1500.016.html

F224;F812.7;G322

A

1004-8332(2016)06-0032-06