基于数据包络分析的科研项目绩效评价研究

杨浩森

摘要：文章以2022年已验收的宁夏地区中央引导地方科技发展资金支持项目为例，聚焦重点支持的化工、新材料、新能源、信息技术、冶金和装备制造6个产业的相关企业，每个产业选取3个共18个项目为样本，采用数据包络分析法对财政资金劳务费和非劳务费投入带来的产出数量、产出水平、人才培养、社会效益、引导作用开展绩效评价研究，分析总体效率水平和低效率项目存在的问题，并提出政策建议，以期为科技主管部门完善项目管理、优化资源配置提供参考依据。

关键词：数据包络分析；宁夏；中央引导地方；绩效评价

中图分类号：G644；F224；G311  文献标识码：A   文章编号：1674-0688（2023）03-0014-04

0 引言

中央引导地方科技发展资金（以下简称引导资金）是指中央财政用于支持和引导地方政府落实国家创新驱动发展战略的共同财政事权转移支付资金。近年来，通过重点支持自由探索類基础研究、科技创新基地建设、科技成果转移转化和区域创新体系建设4个具有战略性、全局性、前瞻性的区域重点科技项目，推动各地区创新环境持续优化、创新能力稳步提升。但是，目前引导资金总体绩效评价机制仍存在不足：一是绩效指标体系注重区域资金总体效益，未能有效覆盖所有关注重点；二是缺乏对绩效评价结果的有效应用，绩效报告偏向对情况的说明，对数据挖掘不够深入，缺乏进一步的分析、研究。针对以上问题，本文聚焦政府科研项目管理关注重点，突出指标设计与引导资金支持原则耦合，研究、设计适合成果转化类项目的绩效评价指标体系。此外，通过对样本项目的行业归类和效率进行分析，探讨引导资金对区域重点产业的支持作用，为科技管理部门完善项目管理、优化资源配置提供参考依据。

1 文献综述

（1）研究方法。DEA（探索性数据分析）模型近年来被广泛运用于创新效能评价上，2阶段DEA-Malmquist指数法由于可以评价时间序列效能变化情况、准确地识别技术进步和技术效率变化的原因而成为研究热点。周广亮［1］等用2阶段DEA-Malmquist指数法，对2015—2019年30个省份的“产学研”协同创新状况进行系统分析。方梓旭［2］用2阶段DEA-Malmquist指数法和托宾（Tobit）模型，对2016—2020年影响我国30个省众创空间创新创业效率的重要因素进行分析。

（2）研究目的。国内财政科研项目绩效评价研究主要集中在指标体系设计和创新研究方法上。邵舒扬［3］采用数据包络分析法中的B2C模型，收集官方权威科技统计数据，对山西省2008—2014年平台基地和人才专项进行实证分析。刘平［4］通过构建基于科技项目财政投入的绩效评价指标体系，对江西省科技项目财政投入绩效进行数据包络分析。张泽寿［5］等运用DEA模型，对2011—2019年甘肃省农业科技项目投入产出进行测算，得出甘肃省农业科技项目的综合效率、纯技术效率和规模效率。近年来，国内学者通过优化指标设计和DEA模型，多维度、多角度展开分析和研究，极大丰富了财政科研项目绩效评价工具，不少工具已经应用于现实项目管理工作当中，促进了理论与实践融合发展。但是，目前相关研究在指标设计方面趋于单一和扁平，对特定专项的针对性不强；项目、政策与产业研究的结合度不足，从项目入手进、指向产业的研究相对较少。本文在投入指标设计上使用财政经费中劳务费与非劳务费支出，增强可应用性。同时，将授权专利价值等作为成果产出水平指标，实现成果转化方向项目管理和政策关注重点的有效结合。在产业方面选取区域重点产业支持项目为样本，分产业进行投入产出效率分析，这样既弱化指标设计对不同产业项目的影响，又能够加强项目绩效和产业研究结合，丰富了研究结果的应用。

2 研究方法

数据包络分析是一种非参数的相对效率评价方法，用于评估多个投入和产出因素对生产或服务效率的影响，它可以用来确定哪些决策单元（DMU）是最有效率的，或者用来识别最佳实践、提高效率。DEA的基本思想是将每个DMU的输入和输出转化为一个向量，再通过计算这些向量之间的距离或相似度评估它们的效率。在DEA中，如果一个DMU的输入和输出向量不可被其他DMU所超越，则被视为有效率的，多个有效率的DMU形成“生产前沿线”。相反，如果一个DMU的输入和输出向量可以被其他单元超越，则它被认为是无效率的。DEA有许多不同的变体，本文拟采用多投入规模报酬可变的BCC模型进行分析。此外，DEA模型包括投入和产出两种导向，投入导向的DEA模型旨在评估每个DMU的输入效率，即在给定的投入条件下，DMU是否能够最大化产出。这种方法的重点是以最小化输入，以便在保持产出不变的情况下获得最高效率。产出导向的DEA模型旨在评估每个DMU的产出效率，即在给定的产出条件下，DMU是否能够实现最小化投入。这种方法的重点是最大化产出，以便在保持投入不变的情况下获得最高效率。本文研究的是财政资金的投入绩效，评估每个项目的输入效率，采用投入导向的BCC模型。模型构建方法如下。

假设[n]个DMU有[r]种投入和[s]种产出，则第[j]个DMU的效率为[hj=（uTYj）/（vTXj）， j=1，2，…，n]。其中，[Xj=（x1j，x2j，…xaj）T]，[Yj=（y1j，y2j，…ybj）T]，分别为输入和输出向量；[uj=（u1，u2，…um）T]和[vj=（v1，v2，…vn）T]为权重向量。控制权重，使[hj≤1]，并对所有DMU进行效率评价。本文所用BCC是投入导向模型，所得到最优解[TEj]是DMU技术效率。线性规划如下：

[minTEjs.t.i=1n μixij≤TEj?xjji=1n μiyij≥yjji=1n μi=1μi≥0，i=1，2，3，…，n]

3 评价指标设计

设计指标时应遵循以下原则：一是与研究目标高度关联。在选择指标时，首先需要明确研究目标和问题，确保指标能够说明问题。同时，引导资金有明确的政策导向，也应考虑政策之间的关联性。二是确保指标可靠性和可获得性，指标的可靠性是指它们能够准确地度量所要评价的目标，而可获得性则是指数据的可用性和获取成本。三是确保指标全面性。指标应尽量反应项目各方面的产出效率，但也应注意不宜设计得太零散，其综合性和说明性要强。四是确保指标可评价性。指标应是所有项目的共性指标，同时应能够有效地区分高效率和低效率的项目。

本次选取样本全部为宁夏引导资金科技成果转移转化方向中已验收的工业领域企业项目。投入指标选择能反映设备和业务费投入的非劳务费支出[X1]，以及反映人力投入和智力投入的专项资金劳务费支出[X2]。根据项目征集文件，成果转移转化类项目支持重点为围绕区域重点产业等开展科技成果转移转、化活动，以及公益属性明显、引导带动作用突出、惠及人民群众广泛的科技成果转化示范，产出指标设计以此为导向。从样本涉及领域上看，工业领域项目应重点关注成果产出数量及水平，包括成果转化过程中的专利工艺包形成和新产品、新工艺水平；从样本涉及创新主体类型来看，企业类项目应关注项目带来的经济社会效益。根据以上研究目的设置一级指标为投入指标和产出指标，其中产出指标对应的二级指标为成果产出数量为（[Y1]）、成果转化水平为（[Y2]）、人才培养（[Y3]）、社会效益为（[Y4]）和经济效益为（[Y5]）。样本具体绩效评价指标见表1。

4 数据收集

数据来源和收集方式主要包括項目验收资料、项目承担单位调研、专家评议、科技管理信息系统和专利数据资源（智慧芽等）。经整理，18个样本各项投入、产出数据见表2。

5 实证分析

使用DEAP2.1软件进行数据分析，综合效率、纯技术效率和规模效率为0～1，见表3。

表3中，综合技术效率是指各项目在综合考虑技术效率和规模效率的情况下，相对于最优生产前沿的效率水平，纯技术效率评价各类产出的资源配置结构是否相对合理，规模效率指项目在现投入规模下产出是否相对足够。表3数据显示，整体产出效率水平较高，引导资金总体效益较好，但部分项目仍有提升空间。样本综合效率均值为0.876，有约88%的引导资金得到充分利用。所有项目中DEA强有效，即综合效率为1的共8个，占比为44%，这部分项目投入水平和机构相对合理。此外，还有超过一半的项目存在技术或规模效率不足的情况。项目编号3、7、9、13纯技术效率有效但规模无效，属于DEA弱有效，可以保持现有资源配置结构。其余项目中有5个项目综合效率低于0.8，占比约为27%，1个项目低于0.5，需要重点关注。

规模报酬情况方面，IRS（Increasing Returns to Scale）表示规模报酬递增，规模扩大，产出的增长速度快于资源投入的增长速度，即规模扩大可以带来更高的生产效率和规模效率。在表3中，有3个项目及产业归类为IRS，占比约为17%。DRS（Decreasing Returns to Scale）表示规模报酬递减，规模扩大，产出的增长速度慢于资源投入的增长速度，即规模扩大不能带来更高的生产效率和规模效率。在表3中，有6个项目及产业被归类为DRS，占比约为33%，这些项目应考虑优化资金结构而非扩大规模。

分产业来看，根据表4可以看出信息技术产业综合效率水平较低。通过表2可发现信息技术类项目成果转化水平较低。区域内，智慧农业、智慧医疗等领域多以引进吸收转化东部先进成果为主，与其他重点产业技术水平差距较大。新能源产业综合效率较低，但其纯技术效率比规模效率均值高，除项目8外，项目7和项目9均为DEA弱有效，说明配置较为合理，但存在投入不足的问题。

6 结论和建议

根据实证分析结果，目前宁夏引导资金成果转移转化类项目总体效益较好，充分发挥引导资金在优化区域科技创新环境、提升区域科技创新能力方面的作用。

（1）引导资金在化工、新材料、冶金和装备制造等区域优势产业绩效水平较高，这些创新主体基本是自治区行业领军的科技型企业。这些企业的创新意识、科研管理和产出水平随着市场竞争和政策支持不断加强，引领示范作用显著。优化资金配置，不断夯实企业创新主体地位，以稳步提升创新主体基础条件和科研能力为总体目标，深化“产学研用”深度融合，强化企业创新资源要素集聚能力和产业核心创新力，推进自治区创新力量厚植工程和创新主体培育工程，持续推动科技型企业梯次培育，加快培育一批创新能力强、成长速度快、发展前景好、科技含量高、市场潜力大的创新型企业。

（2）区域引导资金在对成果转移、转化方向的支持上成效较好，不少成果达到国内先进水平，集中力量破解一批关键技术难题，转化应用了一批重大科技成果，培育了一批科技创新产品。引导资金应持续加大科技成果转移转化的支持力度，通过一系列成果转化体系建设的“组合拳”，打通科技创新的“最后一公里”。应进一步聚焦重点产业核心技术的需求，长期支持关键领域技术攻关，“不撒胡椒面”，充分发挥引导资金带动作用；在创新基地建设和成果转化方向上，以科技型企业为支持重点，坚持“以效益论英雄”，加快科技成果从样品到产品再到商品的转化，将项目产生的经济社会效益作为立项、验收和绩效评价的核心指标。

（3）引导资金绩效评价应充分发挥监管作用，用数字说话，着力化解项目风险。如本次研究项目中，项目4、项目6实施期内无专利授权情况。经了解，两家企业部分工艺被竞争较易对手模仿，可知其较先进工艺均未申请专利。引导资金应进一步加强绩效评价结果运用，开展引导资金项目绩效评价“回头看”，从成果产出数量和水平、项目经济社会效益等多维度考察验收项目持续效益，明确引导资金对区域企业发展、产业核心技术攻关的推动作用，对反馈信息做好收集整理和分析研究工作，推动引导资金项目承担单位不断提高引导资金的使用效益，持续优化政府管理部门资源配置管理水平，持续提升管理效能。

7 参考文献

［1］周广亮，赵丛郁，陈昱，等.我国产学研协同创新绩效评价及空间格局分析——基于两阶段DEA及Malmquist指数［J］.信阳师范学院学报（自然科学版），2022，35（2）：217-223.

［2］方梓旭，徐莉.众创空间创新创业效率评价及影响因素分析——基于中国30个省区市面板数据［J］.科技管理研究，2022，42（20）：65-70.

［3］邵舒扬.山西省财政科技项目绩效评价研究与应用［D］.兰州：兰州交通大学，2016.

［4］刘平.科技项目财政投入绩效评价模型的选择与构建［J］.赣南师范大学学报，2016，37（6）：32-37.

［5］张泽寿，张小宁，彭勇.基于DEA模型的甘肃省农业科技项目绩效评价研究［J］.生产力研究，2021（2）：148-151.