基于Malmquist指数法的高新技术企业科技成果推广绩效评价研究——以陕西高新技术企业为例

赵 瑛 ，石林娟 ，张 琅 ，陈 波

（1.陕西省科技资源统筹中心 成果交易部；2.西安理工大学 经济与管理学院，陕西 西安 710054）

基于Malmquist指数法的高新技术企业科技成果推广绩效评价研究
——以陕西高新技术企业为例

赵 瑛1，石林娟2，张 琅2，陈 波1

（1.陕西省科技资源统筹中心 成果交易部；2.西安理工大学 经济与管理学院，陕西 西安 710054）

文章运用M almquist指数分析方法对陕西省西安市、宝鸡市及杨凌市高新技术企业2006—2014年科技成果推广的绩效进行了综合评价，测算并对比了陕西省3个城市九年间全要素生产力（TFP）水平的变动情况；并对技术、纯技术效率以及规模效率的变动指标进行了对比分析，发现相对于规模效率，纯技术效率对技术效率的影响更为显著；所有决策单元都存在投入冗余和产出不足现象，产出不足现象尤为突出。相对西安及宝鸡，杨凌示范区资源的冗余及产出的不足更加严重。最后，针对各地区高新技术企业科技成果推广存在的问题，提出相关政策建议。

科技成果推广；绩效评价；M almquist指数分析法；高新技术企业

一、引言

高新技术企业科技成果推广，是加快高新技术企业生产方式转变、提高高新技术企业经营效率的关键。因此，着力推动高新技术企业科技成果推广的工作显得尤为重要。科技成果推广即对各领域新技术进行扩散和应用，从而使得研发成果真正变成生产力，为促进生产率提供引擎，也为推动行业技术革新，产生范围经济和规模效益，同时为产业转型，产业结构优化提供根本手段。曾有管理学大师就指出：只有充分认识到方法评价在系统实施过程中的重要性，我们付出的精力才有可能开拓今天和创造明天。那么，评价科技成果推广的指标和方法有哪些？尤其是现有科技成果推广如何评价？诸如此类问题有详尽的论述及实证研究支撑的研究较少。本论文通过DEA方法建立Malmquist TFP指数评价模型，评价陕西省三个市的高新技术企业科技成果推广的绩效，为高新技术企业提供科技成果推广获得一种新的管理方法，为政府完善高新技术企业科技推广模式提供理论指导和实践经验。

近年来，陕西省各市地方政府为了给高新技术企业应用新技术创造良好的环境，先后制定和发布了《陕西省建设科技成果推广应用办法》等有关加强科技成果的推广应用等方面的政策和规范文件，并取得了一定的成绩。但这只是从制度上保障和激励了高新技术成果的推广。目前高新技术成果推广还面临着一系列现实性的困难和问题，如高新技术企业科技成果投入产出不成比例，高技术企业科技成果推广绩效评价体系不完善等问题。而只有通过对科技成果推广绩效进行全面有效评价，才能更加深入的找到阻碍陕西省高新技术企业科技成果推广效果的关键点和瓶颈。进而从根本上改善高新技术在西安市、宝鸡市及杨凌市的应用和推广环境。本论文通过长期跟踪西安市、宝鸡市及杨凌市高新技术企业科技成果推广状况，收集第一手数据，并运用 DEA方法建立Malmquist TFP指数评价模型，比较西安市、宝鸡市及杨凌市的高新技术企业科技成果推广绩效，以反映西安市、宝鸡市及杨凌市高新技术企业科技成果推广的效果。

二、文献回顾

（一）科技成果推广转化

创新是经济社会发展源源不断的动力，而创新的本质就是科技力量带来的社会革新，因此，科技成果的大量应用以及推广将是社会经济发展的引擎。然而，我国科技成果推广应用一直处于较低水平，其对经济社会发展的促进作用还没有发挥到最大化。科技成果推广涉及到了两个最基本的理论，即创新扩散理论和企业行为改变理论。创新的扩散指的是一项创新成果从初创者向更多采用者或从初创地向更多采用地扩散的过程[1]，这一过程将使得此项创新成为大家普遍解决某项问题的方法而广泛使用。而企业将成为此项创新（即科技成果）的最终采用者，因为没有企业该项科技成果就不会真正转化为现实生产力，从而也就不会推动经济发展。此时企业需要在接受科技成果应用方面表现出积极性，而企业能否改变观念接受新技术这是科技成果能否推广的关键[2]。Bert Metz（2003）认为成果转化是很大程度上需要技术接受者有一定的经济基础和一定的文化素养。并指出科技成果转化是一个社会过程，需要时间去消化[3]。

在推动科技成果推广方面，国外学者对其进行了大量研究，通过梳理发现，欧美大多数国家的主要做法包括：完善技术推广相关法律法规；专门设立进行技术攻克和成果转化的专业机构，并提供各种优惠政策鼓励科研人员创业；建立产学研合作机制；新建科技园等。近年来，有关科技成果推广转化的国外研究主要围绕在科技成果产业化方面：Ulrich Lichtenthaler和 Eckhard Lichtenthaler等提出了通过观察大量企业的生存环境，进而得到判断该环境是否进行科技成果推广转化的普遍预测，即科技成果产业化能力预测[4]。David Bennett（2002）认为科技成果转化将会增加社会福利，因为科技成果转化实际上是新技术中所承载的知识产权在各主体之间的交易过程。由于成果所有者和成果需求者都希望在该过程中受益，所以交易或者合作发生，从而产生社会经济效益[5]。Einar Rasmussen通过对某高校的科研项目商业化程度进行研究发现：高校科研项目成果转化的成功是由于专门的技术转化部门的设立导致的商业化主体之间信息交流的通畅[6]。

总结当前我国科技成果转化推广工作，可以发现，目前普遍存在成果转化率低、推广转化模式不成熟以及领导重视程度不够等问题[7]。据不完全统计，截至日前，科技成果中已登记的累计达25 000件以上，但却大约有30%～40%的科技项目没有或者基本没有得到推广应用。这是一个值得重视和研究的问题[8]。另外，有研究表明，欧美等发达国家从研发到推广，再到产业化，其各阶段以10倍投入递增。而我国只在研发期投入大量资金，对于后期的推广转化并不十分的重视[9]。再则，对科技成果的考核重点在于结题验收，对结题后的推广问题并未考虑[10]。可见，我国科技成果推广意识淡薄的现象普遍存在，应当鼓励企业一方面加大科研投入，另一方面重视成果的推广和应用。

（二）科技成果推广绩效评价

科技成果推广绩效评价即对科技投入与产出之间效率的评价。目前，在对各行业的科技成果推广绩效评价上，国内外学者研究较为广泛。其中国内大多数有关科技成果绩效的研究主要集中在农业和建筑业领域。

国外学者So Young Sohn和 TaeHee Moon通过6个投入变量和3个产出变量建立DEA模型进而对企业科技成果研发及采用的程度进行了研究，从而提出了针对科技成果商业化率低的问题的对策[11]。Sally、David等通过研究农业科技成果推广效果，指出农业科技推广活动有利于生产率的提高和并为农民带来显著的经济效益[12]。Timothy A.Park、Luanne Lohr指出美国《政府绩效与结果法案（GPRA）》中要求每个联邦机构对他们的项目要有绩效目标和措施。而这样强烈的绩效意识最后被广泛的应用于科研、教育以及农业部推广项目的高效实施[13]。Sherry、Thatcher等认为推广机构的运营模式无关紧要，而如何提高推广服务效率才是真正值得重视的[14]。由上述可知，国外学者不仅看到了科技成果推广的重要作用还看到了绩效评价对科技成果推广的促进作用。

国内学者刘家树和菅利荣通过建立DEA模型，测度和分析了我国大中型工业企业的科技成果转化的效率，得出我国大中型工业企业科技成果转化效率比较低的结论。随后运用Tobit回归分析法综合分析出政府资金支持、新产品开发经费、科技服务以及区域因素对科技成果转化有显著影响[15]。尹岩青通过深度揭示装备科技成果推广转化的对象、方式、过程和目标等方面的内涵，全面构建了与之相对应的成果推广转化模式，并提出了必要的保障条件[16]。朱云欢和张明喜通过对2004—2008年各省市指标数据进行DEA分析，发现西部地区的科技成果转化效率明显比东部和中部低[17]。贺京同和冯尧采用DEA-Malmquist指数方法对中国高技术产业科技成果转化效率进行了测度，研究发现我国科技成果转化效率年平均增长率为负[18]。冯尧基于DEA的方法对我国1999—2008年我国27个省份高技术产业的科技成果转化效率进行了研究，研究发现我国东部地区科技成果转化效率最高，但效率的衰退程度也最高[19]。赵喜仓和安荣花基于熵值和随机前沿分析对江苏省2008—2010年13个城市科技成果转化效率及其影响因素进行测度发现，江苏省13个省市科技成果转化效率差异较大且江苏省近三年的科技成果转化效率没有显著的增长态势[20]。

（三）高新技术企业科技成果推广绩效评价

单纯讨论科技成果转化、推广及其绩效评价的文献数量很多，但对科技成果转化及推广的研究主要集中在农业、建筑业及装备制造业领域。国内专门针对高新技术企业科技成果转化、推广做的研究文献数量不多，对其进行绩效评价的研究更少。

胡连卡从理论上定性的分析了我国高新技术企业科技成果转化在科研人才队伍建设、企业创新能力及企业对科技成果转化的重视度方面存在的问题，并提出了相应的改善措施[21]。孙福全、彭春燕和邓婉君通过对上海市高新技术转化的政策内容、特点、实施进行解读，分析了上海市高新技术转化政策的实施效果及影响，对我国高新技术推广带来了重要启示[22]。

（四）文献述评

综上所述，科技成果推广转化已经成为公认的推动经济发展的重要引擎。这就使得对科技成果推广绩效的评价显得尤为重要。而具有高附加值的高技术企业科技成果的推广必然为我国产业转型、产业结构优化以及资源的可持续利用带来积极影响。对高新技术企业科技成果推广绩效的评价是发现现阶段高新技术企业发展瓶颈的重要途径，但目前对高技术企业科技成果推广绩效评价方面却比较薄弱，无论是理论还是实际指导上都不能满足高新技术企业科技成果推广发展的要求。

国内专门研究促进高新技术企业科技成果转化绩效评价指标和标准仍在探索阶段，现阶段高新技术企业的推动缺乏科学的考量，从而影响到高新技术企业技术成果的大范围推广转化。因此，为促进高新技术企业科技成果评价工作的展开，需要深化对这一阶段高新技术推广应用的了解，发现促进科技成果推广和转化的关键点，促进高新技术企业更高效的大规模推广转型。

三、评价指标体系构建

评价指标体系的设计要体现科学、合理的设计原则。而现有文献中存在许多不分领域和行业的科技成果推广效果评价研究。本文在查阅和总结大量文献的基础上，结合各行业的特点，找到了适合高新技术企业的针对性的科技成果推广绩效评价指标体系。

段婕和刘勇对所选研究对象每年的高技术产品出口额、技术产业规模等4个定量指标进行了统计，建立了衡量高技术产业科技成果转化的能力，从而研究科技成果转化对经济增长的影响[23]。陈伟、康鑫、冯志军和田世海运用GEM-DEA模型对我国30个省市的高技术企业科技成果转化关键指标进行了识别，建立了科技成果投入与产出2个二级指标，25个三级指标，并对其转化效率进行评价[24]。柴国荣、许崇美和闵宗陶构建了包括转化条件、支撑能力和转化效果3个一级指标，包括经费投入、人员投入、科技成果等7个二级指标，包括R&D经费投入、科技经费支出等25个三级指标。并对西部地区11省市的科技成果转化进行了应用研究[25]。综上所述可知，不同的行业其科技成果推广效率评价的指标体系各有不同，本文通过研读国内外有关各行业衡量科技成果转化的指标，并进行分析和对比，归纳出了适合高新技术企业的学术界普遍认可的指标体系，如表1所示。

表1 基于 DEA的高新技术产业科技成果推广评价指标体系

由于本文评价的是高新技术企业科技成果转化效率，所以本文的指标体系可以在前述基于全面性的指标体系的基础上有针对性的予以调整。本文采用的是DEA的Malmquist指数法对其进行评价，根据数据的可获得性及DEA评价方法中指标个数与决策单元的限制，本文选用了以下指标，构建了适合本文研究的指标体系。

按照经验法则（Ruleof Thumb），使用DEA时对投入输出指标总和存在数量限制。决策单位DMU的数量大于投入产出指标之和的两倍，否则会降低DEA方法的使用精度。本研究实证分析将针对2006—2014年西安市、宝鸡市及杨凌市高新技术企业科技成果推广数据进行绩效评价分析。其中产出指标3个，投入指标3个，决策单元共27个，2×（3+3）=12＜27，满足经验法则的要求。基于 DEA 的高新技术企业科技成果推广评价指标体系见表2。

表2 基于 DEA的高新技术产业科技成果推广评价指标体系

四、评价模型选择

（一）DEA方法的主要模型

由著名运筹学家 Charnes，Cooper和 Rhodes于 1978年提出的数据包络分析（data envelopment analysis，DEA）以相对效率概念为基础，以凸分析和线性规划为工具，计算比较具有相同类型的决策单元（Decision making unit，DMU）之间的相对效率，依此对评价对象做出评价。本文主要介绍DEA的CCR和BBC模型及超效率模型。

1.CCR模型。DEA方法的基本原理是：设有n个决策单元DMUj（j=1，2，…，n），它们的投入，产出向量分别为：Xj=（x1j，x2j，…，xmj）T＞0，Yj=（y1j，y2j，…，ysj）T＞0，j=1，…，n。由于在生产过程中各种投入和产出的地位与作用各不相同，因此，要对DMU进行评价，必须把它们看作只有一个投入总体和一个产出总体的生产过程，这样就需要赋予每个投入和产出恰当的权重。假设投入、产出的权向量分别为v=（v1，v2，…，vm）T和 u=（u1，u2，…，us）T，从而就可以获得如下的定义。

其中ε为非阿基米德无穷小量。

根据上述模型给出被评价决策单元DMUo（o∈{1，2，…，n}）有效性的定义：

2.BCC模型。CCR模型是假设生产过程属于固定规模收益，即当投入量以等比例增加时，产出量应以等比增加。然而实际的生产过程亦可能属于规模报酬递增或者规模报酬递减的状态。为了分析决策单元的规模报酬变化情况，Banker，Charnes与Cooper以生产可能集的四个公理以及Shepard距离函数为基础在1984年提出了一个可变规模收益的模型，后来被称为BCC的模型[26]。线性形式的BCC模型一般可表示为：

3.超效率模型。CCR模型在计算效率值时，经常会出现多个有效的决策单元（效率值为1）的情形，从而使得有效决策单元之间无法进行比较分析。Andersen和Petersen（1993）[27]实现了决策单元的完全排序，对于有效的决策单元而言，其计算出来的新效率值大于1，而对于无效的决策单元而言，其所得的效率值不变，仍小于1，从而使得全体决策单元可以实现完全排序。由于有效的决策单元效率大于1，从而就有了超效率（Super-efficiency）的概念。基于CCR模型的超效率DEA模型为：

Minimize θ

Banker和 Chang（2006）[28]证实了超效率极易受离群值的影响，因此该方法可以用来检测数据集中是否存在离群值。

（二）高新技术企业科技成果推广绩效评价模型选取

在对DEA方法选择时我们应充分考虑评价目的和现实的经济环境背景。首先，本研究针对的是西安市高新技术企业科技成果推广效果的评价，且数据属于面板数据，所以本文将以产出最大化为评价原则，因此选用以产出为导向的Malmquist TFP指数CCR模型。

五、基于DEA的科技成果转化绩效评价实证分析

（一）样本选择与数据来源

为保证实证结果的可靠性，本研究采用的数据均来源于对国家统计部门发布的年鉴及政府部分发布的文件的统计。样本主要是西安市、宝鸡市及杨凌示范区的高新技术企业，主要包括电子与信息技术企业、航空航天技术企业以及新能源与高效节能技术企业等。数据主要来源于2006—2014年的《陕西省火炬统计报告》，《陕西省高新技术企业统计年鉴》，其中参加科技项目人员数、项目经费内部支出、技术改造经费支出、专利授权数源于《陕西省火炬统计报告》，技术收入、新产品销售收入指标从2006—2014年的《陕西省高新技术企业统计年鉴》获得。

（二）描述性统计

在进行实证分析之前，本文先对样本数据进行描述性统计，进而了解西安市、宝鸡市以及杨凌示范区的高新技术企业科技成果推广投入与产出的基本情况。旨在直观的把握三个城市在科技成果推广方面的投入规模差异以及产出效果。

表3 基于每个变量的描述性统计

从表3数据看来，西安市、宝鸡市及杨凌示范区平均技术收入达到了13.594 425百万元，从极大值和极小值对比可以看出各区投入产出规模还是存在较大差异，对比2006—2014年三个高新区各指标的平均值，可以看出新产品销售收入最高的西安市高新区是销售收入最低的杨凌市高新区的1 195.5倍，但是技术改造经费支出的规模差距与技术收入规模差距不对等，专利授权数最多的西安市高新区和最少的杨凌市高新区相差9 583个，说明各高新区的技术创新能力存在较大差异。科技人才投入各高新区相差也比较大，人才投入最多的西安市高新区是投入最少杨凌市高新区的1 555倍。

（三）实证结果及分析

运用Deap 2.1软件，我们对2006—2014年九年间数据进行了运算，结果如表3和表4所示，除杨凌示范区外，西安和宝鸡高新技术企业的全要素生产力（TFP）变动具有高度一致性，高新技术企业的TFP在经历了2006—2007年增幅下挫后，于2008年实现了大幅跃升，但是又于2009年下行，经过2010—2012年的增幅后达到最大值1.513，又在2013—2014年间下行，反映出高新技术企业的全要素效率增幅波动比较大，但是其均值大于1，说明高新技术企业正在呈现出全行业复兴的局面。2006—2014年九年间高新技术企业TFP累计平均增幅达14.03%以上，年平均增长8.5%，其中，2009年相对于2008年TFP平均增幅为-41.4%，造成这个现象的主要原因是2008年的金融危机导致的我国实体经济萧条。

1.全行业分析

表4 高新技术企业各时期Malmquist指数及分解指标平均值变动表

从分解指标看，效率变动指标（EC）九年间先减小后增长，但是比2006年的增幅降低了7.5%。技术变动指标（TC）九年间有所增长，虽然期间也有增幅的波动，相对于2006年增长了27.6%，年平均增幅分别为1.2%和7.4%，特别是技术变动指标（TC）对于推动TFP变动贡献较大。说明高新技术企业在面临人才培养、技术革新和新产品推广的压力时，积极进行技术创新，强化品牌优势，注重内部挖潜，取得了明显的效果。在上述五年中，规模效率变动指标（SEC）整体经历了从2006—2011年的增长，于2012年开始下降，最终下降到有效值1处，相对于2006年的水平，2011年规模效率上升了4.2个百分点，平均每年上升0.7%。说明高新技术企业的规模效益已经显现。

2.各市企业分析

从表5可以看出，九年间西安市高新技术企业的技术效率值（techch）的增长值达到了13.8%，宝鸡市高新技术企业的技术效率值增长值在11.6%，说明西安市及宝鸡市的高新技术企业的技术水平均有所进步。而杨凌示范区高新技术企业的技术效率值变化了-2.5%，说明杨凌市九年间技术效率的平均增长处于无效状态。三个地区高新技术企业的技术效率变化均值为7.4%，总的来说，西安市和宝鸡市高新技术企业的技术效率处于良好发展的态势中，而杨凌示范区的技术效率处于无效状态。全要素生产率（tfpch）的三个值中仍旧是西安市和宝鸡市的值大于1，说明其变化为正值，而杨凌示范区的变化值为负，说明杨凌示范区高新技术企业的技术效率处于衰退之中，亟待采取有效措施，对其进行优化。规模效率处于兴盛之中，值得注意的是，宝鸡市高新技术企业在激烈的市场竞争中经营效率不断增强。

表5 高新技术企业2006—2014年Malmquist指数及分解指标平均值变动表

六、研究结论

本论文在总结前人已有研究成果的基础上，根据高新技术企业科技成果推广的特性和内涵，建立了全面的高新技术企业科技成果推广绩效评价指标体系，并就2006—2014年西安市、宝鸡市及杨凌市高新技术企业科技成果推广数据，采用DEA中的Malmquist TFP指数方法进行评价分析，对目前存在的问题提出了行之有效的对策和建议。

本文将DEA方法引入到高新技术企业科技成果推广绩效评价中。DEA方法具有不考虑量纲、不预设权重的优点，且可以同时使用相对指标和绝对指标，避免了由于预设权重而导致专家主观意见影响评价结果客观性的问题。通过运用DEA方法中的Malmquist TFP指数模型对西安市、宝鸡市及杨凌示范区高新技术企业科技成果推广绩效进行了评价分析。分析发现：相对于规模效率，纯技术效率对技术效率的影响更为显著，纯技术效率无效的主要原因是现有科技成果推广方式不当，导致大量科技成果闲置；所有决策单元都存在投入冗余和产出不足现象，产出不足现象尤为突出，急需转变现有高新技术企业科技成果推广的管理模式，提高资源的利用效率；相对西安及宝鸡，杨凌示范区资源的冗余及产出的不足上存在严重的问题，杨凌示范区的高新技术企业大多都是依托农业科技的，而杨凌示范区农业科技成果转换率比较低的原因其一是很多农户经营规模比较小，一般平均每户大概5～6亩或7～8亩地，从全国来看，人均耕地面积大概为1.2～1.3亩地，因为经营规模很小，农户认为科学技术的影响并不大。其二是没有一个高效的农业科技推广体系，导致农业科技转换效率不高。其三是很多农民没有掌握农产品营销的技巧和方法，商品分多种档次，但农产品真正却没有那么多，实际上农产品也应该拉开差距，根据收入和需求的不同，去生产相应不同档次的产品，但现在农民一般没有品牌意识。因此，构建以政府推动为核心的科技成果推广模式、完善科技成果推广的宣传、激励政策将成为推动高新技术企业科技成果推广、生产效率提高的重要保障。

[1]埃弗雷特·M·罗杰斯.创新的扩散[M].北京：中央编译出版社，2002.

[2]董景荣.技术创新扩散的理论、方法与实践[M].北京：科学出版社，2009.

[3]Bert Metz.Methodological and technological issues in technologytransfer，2003，21：55-58.

[4]Ulrich Lichtenthaler，Eckhard Lichtenthaler，Johan Frishammar.Technology commercialization intelligence：Organizational antecedents and performance consequences[J].Technological Forecasti-ng&Social Change，2009（76）：301-315.

[5]David Bennett.Innovative technology transfer framework linked to trade for UNIDO action glenville rawlines.A model to measure achieved levels of technical efficiency in african farmers，2002，21：30-34.

[6]Einar Rasmussen.Government instruments to support the commercialization of university research：Lessons from Canada[J].Technovation，2008（28）：506-517.

[7]王忠儒，2010.我国科技成果推广转化的现状及其对策[J].医学信息学杂志（2）：36-39.

[8]赵明，2010.简析科技成果的转化与推广应用[J].石油科技论坛（4）：34-36，80.

[9]卢健，2010.加快科技成果推广转化支撑民生水利建设[J].中国水利（4）：59-60.

[10]王忠儒，2010.我国科技成果推广转化的现状及其对策[J].医学信息学杂志（2）：36-39.

[11]SoYoungSohn，Tae Hee Moon.Decision Tree based on data envelopment analysis for effective technology commercialization[J].Expert Systems with Applications，2004（26）：279-284.

[12]Sally，P.M.，David.J.P.，Robert.K.l.Does agricultural extension Pay?Aease studyfor a newcrop，lupins，in Western Austrialia[J].Agrieultural Economiees，2004（30）：17-30.

[13]Timothy A.Park，Luanne Lohr.Performance evaluation of university extension providers：A frontier approach for ordered response data[J].European Journal of Operational Research，2007（10）：899-910.

[14]Sherry M.B.，Thatcher Susan A.Brown.Individual creativity in teams：The importance of communication media mix，Decision Support Systems，2010，49（3）：290-300.

[15]刘家树，菅利荣，2010.科技成果转化效率测度与影响因素分析[J].科技进步与对策（20）：113-116.

[16]尹岩青，2014.装备科技成果推广转化的内涵与模式研究[J].科学管理研究（1）：6-9.

[17]朱云欢，张明喜，2011.我国科技成果转化绩效评价及相关问题研究——基于各省市数据的DEA分析[J].科技与经济（2）：1-5.

[18]贺京同，冯尧，2011.中国高技术产业科技成果转化效率的实证研究——基于DEA-Malmquist指数方法[J].云南社会科学（4）：92-97.

[19]冯尧，2011.基于DEA方法的我国高技术产业科技成果转化效率研究[J].学术交流（3）：101-105.

[20]赵喜仓，安荣花，2013.江苏省科技成果转化效率及其影响因素分析——基于熵值和随机前沿的实证分析[J].科技管理研究（9）：81-85.

[21]胡连卡，2012.对我国高新技术企业如何提高科技成果转化率的思考[J].新材料产业（1）：75-77.

[22]孙福全，彭春燕，邓婉君，2011.上海市促进高新技术成果转化的启示[J].高科技与产业化（10）：80-84.

[23]段婕，刘勇，2011.科技成果转化对我国区域经济增长的有效性评价——基于2003-2008年面板数据的实证分析[J].科技进步与对策（12）：136-140.

[24]陈伟，康鑫，冯志军，等，2011.基于GEM-DEA模型的区域高技术企业科技成果转化效率评价研究[J].软科学（4）：23-26，35.

[25]柴国荣，许崇美，闵宗陶，2010.科技成果转化评价指标体系设计及应用研究[J].软科学（2）：1-5.

[26]Banker R D，Charnes A，Cooper WW.Some models for estimating technical and scale efficiencies in data envelopment analysis[J].Management Science，1984，30：1078-1092.

[27]Andersen P，Petersen N C.A procedure for ranking efficient units in data envelopment analysis[J].Management Science，1993，39：1261-1264.

[28]Banker R D，Chang H.The super-efficiency procedure for outlier identification，not for ranking efficient units[J].European Journal of Operational Research，2006，175：1311-1320.

F276.44

A

1004-2768（2017）11-0073-06

2017-08-17

陕西省教育厅科学研究计划项目（15JK1547）；陕西省技术转移与重点科技成果推广计划项目（2016CG-18）；西安理工大学校科研基金项目（105-451016013、105-400211414）

赵瑛（1969-），女，陕西西安人，陕西省科技资源统筹中心成果交易部办公室主任，高级工程师，研究方向：科技管理及成果转化；石林娟（1991-），女，陕西西安人，西安理工大学经济与管理学院硕士研究生，研究方向：企业投融资管理；张琅（1986-），女，陕西西安人，西安理工大学经济与管理学院讲师，研究方向：企业管理；陈波（1986-），男，陕西汉中人，陕西省科技资源统筹中心成果交易部技术员，研究方向：科技管理及成果转化。

A 校对：T）