基于熵值法-超效率DEA分析法的广东省科技人才政策效率评价研究

周海燕 鲍祥生

【摘 要】科技人才是粤港澳大湾区建设国际科技创新中心的生力军，广东省应积极探索有利于人才发展的政策和机制。本文基于熵值法-超效率DEA分析法对广东省科技人才政策进行效率评估后发现，广东省科技人才政策整体效率表现为技术无效，并提出相关建议：注重科技人才政策的延续性，做好长期规划；优化政策体系中各类型政策的比重；优化科技人才政策体系中各类受惠群体的比重；按受惠群体类型制定、管理和实施政策，进一步加强部门间的联动。

【关键词】广东省；科技人才；政策效果评估；DEA模型

2019年2月，我国发布了《粤港澳大湾区发展规划纲要》，纲要中提及人才多达40处。纲要提出，粤港澳大湾区具备建设国际科技创新中心的良好基础，“要建设人才高地，实行更积极、更开放、更有效的人才引进政策……积极探索有利于人才发展的政策和机制，加快创建国际化人才特区。”在粤港澳大湾区建设的新时期，广东省将更加积极调整科技人才政策。

一、相关文献综述

近年来，我国对科技创新人才日益重视，学者们从不同角度进行了相关政策研究。部分学者对科技人才政策的整体情况进行了研究。比如，刘忠艳等（2018）研究了政策内容、政策工具等方面的政策变迁情况；刘云（2017）从人才的价值观与人才生态、人才计划的负面效应、科研机构用人选人、对博士后的支持、人才流动等多个方面对我国科技人才政策进行了思考。部分学者从引进、培养、使用、评价、激励等科技人才管理各个环节进行政策研究。比如，顾承卫（2015）从科研资助、薪酬个税、创业扶持、住房补贴等几个方面，研究了海外人才引进政策。吴江（2018）对青年科技人才的培养使用进行了深入思考。

综上所述，无论对科技人才和科技人才政策的研究都做了大量的研究工作，但是对科技人才政策评估，尤其是量化评估的研究工作较少。对政策进行科学的评估，才能准确地发现问题，从而提出有效优化建议，因此，本文旨在对广东省科技人才政策实施成效进行评估。

纵观我国有关政策效率评估评价的研究，目前采用的方法主要有因子分析、回归分析、DEA模型、QFD方法。王忠等（2016）对中美两国科技人才集聚政策进行了比较研究。王宁等（2018）采用因子分析和DEA模型对河南省科技人才政策实施成效进行了评估。谢科范等（2015）采用实验研究的方法，通过对相关政策的效果进行仿真模拟，研究了多种情况下科技人才政策的执行效果。刘洪民等（2019）提出科研履历法是科技人才政策研究的一个新方法和新思路。

其中，DEA模型可以对多投入和多产出模型进行评估，由于不需要设定函数模型、不需要人为设定权重，该方法从1979年创立至今，已经发展成一种定量评估效率的强大工具，在教育、医疗、金融、环境、农业和企业管理等领域得到十分广泛的应用。周博文等（2017）搜集、分析了我国29个省、市2015年截面数据，基于DEA模型评价了我国众创政策的效率。赵前等（2011）引入超效率DEA方法对中国的31个省（市、自治区）的总量科技竞争力和结构科技竞争力进行了效率评价。

本文将以广东省科技人才政策为研究对象，在王宁等人研究的量化评估方法的基础上，进一步优化评估方法，引入熵值法进行更加客观的数据处理，并采用超效率DEA分析法，对效率评价值为1的单元进行比较，获得更多有效信息，从而更科学地评价科技人才政策。

二、评价指标、数据与模型

（一）评估指标体系及数据来源

本文综合考虑现有研究成果，重点借鉴了王宁等（2018）的评估量化指标体系，并结合本文的评估方法，构建本文的评估指标体系，具体见表1。本文收集了2008年～2017年共10年间的政策进行效果评估，采用的数据主要来源于中国统计年鉴、中国科技统计年鉴、科技部官方网站、广东统计年鉴、广东科技年鉴、广东科技统计年鉴、广東科技统计网站公开的数据。

（二）超效率DEA评估模型

DEA数据包络分析中，CCR和BCC模型的不足之处在于，在模型中，通常会出现多个DMU被评价为有效的情况，导致没办法对这些决策单元进行效率比较。为解决这一问题，Anderson and Petersen提出超效率模型（Super Efficiency Model，SE），通过在标准效率DEA模型中加入了j≠k的条件限制，将被评价DMU从参考集中剔除。也就是说，被评价DMU的效率是参考其他DMU构成的前沿得出的，有效DMU的超效率值一般会大于1，从而可以对有效DMU进行区分。具体模型规划式如下：

三、实证分析

（一）政策产出指标熵值法因子降维

Golany和 Roll（1989）通过模型分析，发现参与评价的DMU个数至少应该是投入和产出项目数量之和的两倍。而根据本研究的设计，投入和产出指标二甲基指标有7个，即模型的决策单元需要至少14个。为了符合模型的假定，本研究需要将因子降维。先对各项指标使用极值法进行标准化处理，然后采用学界较为常用的熵值法赋权对各维度内的指标进行加总（刘树林等，1998） 。

（二）描述性统计分析

为了有效对比投入和产出，所有涉及金额的投入、产出指标已经经过价值指数平减。通过计算，投入和产出指标如表1所示：

2008-2017年间，广东省平均每年要出4.1份有关科技创新人才的政策。最多的年份有9份政策，专门针对科技创新人才的管理和服务。可以看出广东省政府对科技创新人才的关注和重视。从产出来看，科技人力、科研经费以及科研平台建设都相当丰富。

（三）实证结果及分析

1、超效率DEA模型分析

对广东科技创新人才政策超效率模型实证结果如下表所示：

四、技术效率分析

从表4可以看出，广东省科技创新人才政策的平均技术效率为0.6271，技术效率达到DEA有效的只有2013年和2017年，占总数的20%。这表明，广东省2008年以来的十年间，大部分年份的科技创新人才政策的效果都不够理想。另外，2013年技术效率达172.08%，2017年为112.96%，是十年间技术效率最高的两年；2013年颁布的是培养使用政策1份，2017年颁布的有流动引进、评审评价和综合政策3类政策，说明整体效率是否DEA有效与政策种类无关。

在8个技术效率非DEA有效的年份中，2016年最高，达到84.65%，其次是2008年和2015年，分别达到80.49%和76.68%。但是均未达到90%。另一方面，2010年、2012年和2014年这三年还不到20%，尤其2010年仅为10.52%，需要特别关注。

在DEA分析中，技术效率TE=纯技术效率PTE*规模效率SE，所以需要对技术效率进行分解以进一步了解这些年份技术效率非DEA有效的主要原因。通过分解可知，2010年、2012年和2014年这三年的规模效率非常低，而这三年的纯技术效率PTE尽管DEA无效，但是均能达到80%以上。可以认为，这三年技术效率无效且非常低，主要是由于规模效率无效所导致。

五、纯技术效率分析

纯技术效率是制度和管理水平带来的效率，是由于管理和技术等因素影响的生产效率。根据表4，广东省2008年以来的十年纯技术效率呈现上升趋势，且平均纯技术效率达到104.90%，为DEA有效，即使最低的2009年也达到了76.90%。另外，基本以2013年为分水岭，2013年及以后的纯技术效率基本为DEA有效。纯技术效率较高，说明广东省科技创新人才政策的制度执行和管理水平逐年上升，政策在颁布以后，尤其是2013年以后的政策，得到了良好的贯彻落实。尤其是2013年和2017年，分别达到174.94%和162.05%，数值较高，这也是2013年和2017年技术效率较高的主要原因。

六、规模效率分析

规模效率是反映考察对象是否在最合适的投资规模下开展经营活动的一个重要指标。在本模型中，规模效率反映的是科技人才政策规模的增加或减少所产生的效率变化，即科技人才政策的效率变化并非由于政策的执行情况，而是由于政策是否达到应有规模。

从表4可见，十年间的规模效率较低，平均仅为0.5425，是导致广东省大部分年份科技创新人才政策效果不理想的主要原因。且2008年以来的十年间，规模效率均小于1，规模收益为递增或递减，说明广东省这十年的科技创新人才政策属于规模效率无效，需要进行改进达到理想状态。

从时间上看，不同年份的规模效率波动较大，最高的2008年和2013年分别为98.32%和98.37%，均接近1；而最低的2010年、2012年和2014年分别仅为12.82%、14.42%和17.1%。另一方面，从当年颁布政策的情况来看，2008年和2013年颁布政策均仅有1个，而2010年、2012年和2014年这三年颁布的政策分别为9个、8个和7个。这似乎说明当年政策投入与规模效率成反向关系。

为验证这一假设，我们注意到2009年、2011年和2016年，这三年的政策投入均为3个，但是规模效率分别为37.94%、37.94%和84.09%，规模效率差距较大，因此可以认为，政策投入与规模效率之间并不存在反向关系。查看这三年的政策文本，2009年出台的三份文件均为引进领军人才和创新科研团队类的，属于流动引进类政策；2011年的三份文件中，两份是关于博士后培养的，一份是南粤人才培养，属于培养使用类政策；2016年的三份文件中，一份是关于成果转化的，一份是认定外籍高层次人才的，另一份是自主创新促进条例。由此，本文认为，2009年、2011年和2016年三年在政策数量相当的前提下规模效率差距较大，应该是与政策类别有关。所以，广东省历年来的科技人才政策规模效率无效应该是与政策体系的结构有密不可分的关系。

七、研究结论与政策建议

广东省2008年以来的十年间，科技创新人才政策整体效率为表现为技术无效（62.71%）；这种技术无效又表现为纯技术效率有效（104.90%），规模效率无效（54.25%）。表明广东省2013年以后在科技创新人才政策的颁布、实施和贯彻落实上是做得比较好的，其技术无效主要来源于投入规模不合理，没有达到规模经济，造成规模无效。即广东省的问题不在政策的执行，而在政策本身。要优化政策的制定，需要通过完善政策体系结构才能提高政策规模效率。故此，本文提出以下政策建议：

第一，注重科技人才政策的延续性，做好政策体系的长期规划。科技人才政策是一个复杂的综合体系，应着眼长远，形成科学的政策框架，单个政策的制定应与整个政策体系相呼应，始终对科技人才数量質量、成果产出效率和促进经济社会发展形成持续推动力。

第二，优化科技人才政策体系中各类型政策的比重。建议广东省未来应注重各类流动引进、培养使用、评审评价等各类政策的制定，使各类政策齐头并进，不断完善科技人才政策体系。

第三，按受惠群体类型制定、管理和实施政策。建议注重各部门加强联动沟通，使受惠群体范围进一步扩大，优化科技人才政策体系中各类受惠群体的比重。对相同受惠群体的政策发文，由一个部门统筹，形成针对某类科技人才的、包含引进、使用、评价等各个环节的完备政策。

（广东石油化工学院，广东 茂名525000）

参考文献：

[1]刘忠艳，赵永乐，王斌.1978—2017年中国科技人才政策变迁研究[J]. 中国科技论坛，2018（2）.

[2]刘云.关于科技人才政策的若干思考[J]. 科学与社会， 2017， 7（3）.

[3]顾承卫.新时期我国地方引进海外科技人才政策分析[J].科研管理，2015，36（S1）.

[4]吴江.靠什么用好用活青年科技人才[J].人民论坛，2018（01）.

[5]王忠，朱佩仪，刘军.中美科技人才集聚政策比较研究[J].自然辩证法研究，2016，32（09）.

[6]王宁，徐友真，杨文才. 基于因子分析和DEA模型的河南省科技人才政策实施成效评估[J].科学管理研究， 2018， 36（4）.

[7]谢科范，刘嘉，闻天棋.武汉市科技人才政策效果仿真分析[J].科技进步与对策，2015，32（14）.

[8]刘洪民，刘炜炜.基于科研履历分析的科技人才政策研究：一个文献述评[J].情报杂志，2019，38（04）.

[9]周博文，张再生.基于DEA模型的我国众创政策效率评价[J].财经科学，2017（09）.

[10] 赵前，焦捷，王以华.中国省际科技竞争力评价——基于超效率DEA的分析[J].清华大学学报（自然科学版），2011，51（06）.

[11] GOLANY B，ROLL Y. An application procedure for DEA[J]. Omega， 1989， 17（3）.

[12]刘树林，邱菀华.多属性决策基础理论研究[J].系统工程理论与实践，1998（1）.

基金项目：广东省“扬帆计划”引进紧缺拔尖人才项目（916022）；广东石油化工学院青年创新人才培育项目（2018qn04）。

作者简介：周海燕（1983—），女，江苏泰州人，硕士，助理研究员，主要研究方向：科技人才与人才政策，鲍祥生（1977—），男，江苏姜堰人，博士（后），副教授，主 要研究方向：高层次人才管理。