基于PCA-DEA模型的科技创新绩效评价——以辽宁高校为例

赵聚辉，原泽慧，刘 扬

(1.辽宁师范大学，辽宁 大连116029；2.中国移动通信集团辽宁有限公司，辽宁 大连116000)

随着我国经济迈入高质量发展阶段，科技创新已成为引领社会进步的重要手段。高校作为实施创新驱动发展战略的主要载体，在服务区域经济、提升地区竞争力、促进创新型省份建设等方面发挥着巨大作用。近年来，国家对于高校科技创新给予大力支持，资金投入逐年增加，由2012年的1030亿元增加到2017年的1537亿元，短短五年，增长幅度高达6.9%。然而面对巨额的资金投入，如何最大限度地利用资源增强科技产出效能是值得政府与高校管理者关注的重要课题。辽宁作为教育资源大省，人才培养系统庞大，对其科技创新绩效进行全面客观的评价有助于发现内部管理存在的问题，有利于引导科技投入与产出的合理配置，进而提高资源利用率。因此，本文利用PCA-DEA组合评价模型，以高校的科技创新评价指标体系为基础，全面系统地对辽宁省“211”及省属本科高等院校2种高校类型共32所高校进行实证研究，评价各高校在规模效益与投入产出效率方面的实际情况，并为其未来发展提供一些可行性建议。

一、研究方法

主成分分析(principal component analysis，简称PCA)，由Hotelling于1993年首次提出，是一种利用降维思想，将原来众多具有一定相关性的指标x1，x2，x3，…，xn(假设n个指标)进行重新组合，以一组较少个数相互无关的综合指标Fp来替代原有指标的多元统计分析方法，选取的几个较少的综合指标应尽可能多的反映原来指标的信息。

数据包络分析(data envelopment analysis，简称DEA)，由Charnes，Coope和Rhodes于1978年提出，是一种用于前沿面估计的无参的数量分析方法。该方法主要运用数学规划的思想，对决策单元(DMU)投入产出情况进行相对效率评价。无须任何权重假设，从而避免了主观赋权产生的误差。但是DEA方法本身也存在一定缺陷，即投入与产出指标间如果相关性比较强，则会干扰分析结果，使决策单元有效性普遍接近于1，缺乏区分度。

鉴于此，本文采用PCA-DEA组合分析方法，先对所选取的指标进行主成分分析，提取少数几个无关的综合指标替代原有的指标，实现对指标的降维处理，有效减少指标间的重复性，然后将主成分得分经标准化处理后代入DEA模型对决策单元进行有效性分析。两者的整合既可以降低指标间的相互关联，提高其评价的科学性与准确性，又充分发挥了DEA方法对决策单元相对有效性评价方面的优势。

二、指标选择及数据来源

(一)构建辽宁高校科技绩效评价指标体系

设计一套系统、合理、可操作的评价指标体系，是科学评价高校科技绩效的前提。本文在参照现有理论研究的基础上，遵循全面性、相关性、完整性等构建原则，并结合辽宁高校具体情况，对其投入产出指标进行分解，最终选取了11个投入指标和6个产出指标。具体如表1所示。

表1 辽宁高校科技创新绩效评价指标体系

(二)数据来源

本文选取辽宁省“211”及省属本科高等院校2种高校类型共32所高校作为研究对象，所有数据均来源于2017年《高等学校科技统计资源汇编》，所有数据处理及分析在SPSS23.0、DEAP2.1等软件上进行。

三、实证分析

(一)样本数据处理

本文在对辽宁省32所高校样本利用PCA-DEA方法进行实证分析前，首先使用SPSS23.0软件对辽宁高校科技创新绩效评价指标体系中所包含的11个投入指标和6个产出指标分别进行KMO检验与Bartlett球形度检验，结果显示KMO检验值分别为0.882和0.688，Bartlett球形检验显著性均为0.000，表明适合用主成分分析法对辽宁省32所高校样本进行主成分分析。

在进行主成分分析之前，首先运用SPSS23.0软件对投入及产出数据进行标准化处理，消除指标间量纲差异的影响，随后计算各主成分的特征值、方差贡献率、累计方差贡献率，结果如表2所示。本文按照特征值大于1的原则提取主成分，投入指标和产出指标的前两项特征值符合要求，它们的累计方差贡献率分别为96.130%和77.088%，因此可以提取4个主成分代替原来17项指标的绝大部分信息。

表2 投入、产出指标主成分分析

利用因子载荷矩阵各指标对应的系数除以特征值的平方根，得到主成分系数向量，然后将各指标经标准化后的数据与之相乘，即可得到各主成分的得分结果。由于采用DEAP2.1软件进行DEA分析要求所有投入产出数据均为正值，而主成分分析计算出的结果存有负值的情况，因此需要对主成分因子得分数据进行标准化处理，具体方法如下:

设Fi、Zi分别为变换前、后的主成分因子得分，maxFi、minFi分别为每项指标的最大值和最小值，通过公式Zi＝0.1+0.9(Fi-minFi)/(maxFi-minFi)对数据进行调整，调整后的数据全部在[0.1，1]区间，满足DEAP2.1对数据的运行要求。

(二)投入产出的数据包络分析

将处理后的投入产出指标代入DEAP2.1软件，采用投入导向型对辽宁省32所高校的科技创新效率进行数据包络分析，具体结果如表3所示。

表3 辽宁高校科技创新效率分析结果

从综合效率来看，辽宁省共有3所高校达到投入产出配比最佳状态，分别为DMU18、DMU21、DMU31，占总样本的9.38%，说明这3所高校的科技投入均获得了充分利用，并且各投入要素取得了最优产出效果。综合效率值小于1的高校有29所，占总样本的90.62%，表明这些高校为非DEA有效，并且数值越小说明其投入产出效率越低。其中综合效率值在[0.9，1]区间的高校仅有DMU14一所，该学校的科技创新效率处于中等偏上水平，虽综合效率值接近有效前沿面，但在资源管理和技术改进方面仍存在一定的不足。其余28所高校的综合效率大多在[0.3，0.7]区间内，表明这些高校的投入产出效率不佳，其内部管理部门需认真反思，抓住问题根源，采取积极有效的措施改善资源配置无效等问题。

纯技术效率的均值为0.935，表明辽宁高校投入一定时，整体产出效率较高。其中DMU6、DMU18、DMU20、DMU21、DMU27、DMU28、DMU31七所高校纯技术效率等于1，占总样本的21.88%，说明这些高校资源利用率高，配比科学。结合规模报酬做进一步分析，可以发现DMU6处于规模报酬递减状态，该所高校应适当缩小投入规模以提高产出效率；DMU18、DMU21、DMU31三所高校处于规模报酬不变状态，说明这些高校的规模状态比较合理，不需要加大投入量即能获得最大收益；DMU20、DMU27、DMU28三所高校处于规模报酬递增状态，可以根据实际情况进一步扩大投入规模，从而获得更高比例的产出回报。而其他高校纯技术效率大多在[0.7，1]之间，应进一步提高资源管理水平，增强科技产出能力。

规模效率的均值为0.670，说明辽宁高校在资源配置和投入产出转化率方面整体表现欠佳。其中DMU18、DMU21、DMU31三所高校规模效率达到了1，占总样本的9.38%，说明这几所高校规模合理，管理得当，资源投入产出配比科学，达到了最佳生产规模；DMU2和DMU14规模效率在[0.9，1]之间，这两所高校在资源配置和投入产出方面稍加调整就能达到规模有效；其余27所高校规模效率都低于0.9，投入产出水平低，需加大力度提高资源管理水平，优化资源配置，找到最佳规模产出点，提高投入产出效率。

从规模报酬方面来看，DMU2和DMU6两所高校处于规模报酬递减阶段，占总样本的6.25%，说明现阶段在保证科技产出效率的基础上要适当减少资源投入规模；DMU18、DMU21、DMU31三所高校处于规模报酬不变阶段，说明这些高校的投入量与产出量达到了最佳规模点；其余27所高校都处于规模报酬递增阶段，占比84.38%，说明辽宁高校整体上科技创新规模较小，需要进一步扩大投入规模，从而更有效地提高科技产出效率。

四、结论与建议

本文采用PCA和DEA相结合的方法构建了高校科技创新绩效评价指标体系，并以辽宁省“211”及省属本科高等院校2种高校类型共32所高校作为研究对象，基于各高校2017年科技投入产出的面板数据，对其科技创新绩效进行测算分析，得到如下结论:

第一，综合效率均值为0.627，纯技术效率均值为0.935，规模效率均值为0.670，说明大部分高校在既定的资源投入下，科技产出水平不高，资源浪费现象明显。而且纯技术效率明显高于规模效率，并维持在较高水准，因此导致综合效率不高的主要原因是规模无效。

第二，综合效率和规模效率为1的高校有3所，占比9.38%，纯技术效率为1的高校有7所，占比21.88%，所以辽宁32所高校总体表现不理想，三者有效性的占比均不及总量的一半，在资源配置和内部管理等方面仍有较大的提升空间。

第三，结合规模报酬分析可知，DEA无效的大部分高校处于规模报酬递增阶段，这表明高校的综合效率虽然不佳但发展潜力大，可以通过扩大科技规模，增加投入，以获得更高比例的产出回报。

基于以上分析结果，为进一步提高辽宁高校的科技创新效率，提出以下建议:首先，保证教育主管部门对高校科技创新工作的重视，加大科技资金投入，进一步增强资金引导作用，保持产出效率的持续稳定提升。其次，合理利用科技人才，完善用人机制。科技人员发展是高校科技创新绩效提高的一个重要因素，各高校应重视人才培养，对于具有科研潜力的优秀教师要提供给他们良好的培训及广阔的发展空间，做到人尽其才，并在职称职务上破例提拔，充分调动他们研发的积极性，增加科技产出。最后，提高科技发展的管理水平，完善创新发展机制。各高校要调整粗放型的发展路径，掌控好投入与产出间的均衡度，积极与其他高校进行交流合作，在探索与学习中不断优化资源配置，提高资源利用效率，实现内涵性发展。