本文阐述了高校重点实验室运行效率分析的重要性,在数据包络分析法(DEA)和成本效益分析的理论基础上,构建A省44家高校重点实验室运行效率指标评价体系。应用DEAP2.1软件中面向投入的VRS模型计算A省这44家实验室的效率,并对数据进行分析。结果表明其中11家实验室为DEA有效,规模效率、技术效率最佳。对非DEA有效实验室进行投入产出调整,有33家实验室中研究人员总人数、三年实到全部经费、实验用房面积、仪器设备原值方面均有冗余。该研究成果有助于今后高校重点实验室规范运行和科学管理。 This paper expounds the importance of the analysis of the key laboratories’ efficiency in colleges and universities. Based on the theory of data envelopment analysis (DEA) and cost-benefit analysis, this paper constructs the evaluation system of 44 key laboratories in A province. The efficiency of the 44 laboratories in A province was calculated by using the VRS model in the DEAP2.1 software, and the data was analyzed. The results show that 11 laboratories are effective for DEA, as well scale and technical efficiency are best. For non-DEA effective laboratories to adjust the input and output, there are 33 laboratories in researchers, three years of actual funds, the laboratory area, the original value of equipment are redundant. Finally the result of the research will help the key laboratory standardized operation and scientific management in the future.
卢亚丽,张玲,刘芳宇
华北水利水电大学,管理与经济学院,河南 郑州
收稿日期:2017年12月5日;录用日期:2017年12月17日;发布日期:2017年12月26日
本文阐述了高校重点实验室运行效率分析的重要性,在数据包络分析法(DEA)和成本效益分析的理论基础上,构建A省44家高校重点实验室运行效率指标评价体系。应用DEAP2.1软件中面向投入的VRS模型计算A省这44家实验室的效率,并对数据进行分析。结果表明其中11家实验室为DEA有效,规模效率、技术效率最佳。对非DEA有效实验室进行投入产出调整,有33家实验室中研究人员总人数、三年实到全部经费、实验用房面积、仪器设备原值方面均有冗余。该研究成果有助于今后高校重点实验室规范运行和科学管理。
关键词 :数据包络分析法(DEA),成本效益分析,运行效率指标评价体系
Copyright © 2017 by authors and Hans Publishers Inc.
This work is licensed under the Creative Commons Attribution International License (CC BY).
http://creativecommons.org/licenses/by/4.0/
高校重点实验室作为出成果、出人才的重要基地,促进了基础和应用基础的研究,为解决社会发展中的重大科学技术问题打下良好的基础,也为培养新型人才、科技成果的转化和对外科技合作提供了条件 [
如何更好地对基础研究创新平台运行效率评价,本文首先在认识高校重点实验室运行效率评价的内涵的基础上,从成本效益分析原理基础上进行评价指标的筛选。最后,运用经典效率评价方法DEA对A省44家重点实验室进行实证研究。
按照成本效益分析的原则,在选择评价指标时必然要考虑与绩效相关的政府投入成本和衡量高校重点实验室对政府资源的使用效率。从系统的角度来看,政府对重点实验室科研活动的投入包括有形投入和无形投入 [
指标体系的初选方法主要有分析法、综合法、交叉法等多种方法 [
最终,我们确定了4个输入变量指标,即固定科研人员数量、三年实际到账经费、实验室总面积和实验室设备原值作为输入指标。具体分析如表1所示。
对产出指标,首先从直接产出、经济效益和社会效益三方面初选了9个指标,然后按照投入指标筛选的方式对产出指标的重要性请专家进行打分确定,最后筛选出的产出指标。确定的产出指标分别为发表论文数量、通过鉴定或验收的科研项目(项)、获得专利(项)、成果转让获得横向课题(项)、开放课题数。具体分析如表2所示。
指标 类型 | 投入指标 | 专家 打分 均值 | 专家 打分 标准差 | 综合意见说明 |
---|---|---|---|---|
人力 | 高职人员占固定人员比例 | 2.40 | 1.25 | 不能表示实验室人力资源投入总体情况 |
固定科研人员数量 | 3.87 | 0.81 | 反映人力资源投入的总体情况 | |
中青年(35~49岁)人才占固定人员比例 | 2.40 | 1.20 | 不能表示实验室人力资源投入总体情况 | |
博士学历人员占固定人员比例 | 2.40 | 1.14 | 不能表示实验室人力资源投入总体情况 | |
学术带头人 | 2.67 | 1.07 | 标准不能统一,不具有代表性 | |
流动人员人数 | 1.93 | 0.93 | 在室时间普遍较短,难以统计 | |
流动人员来源单位数量 | 2.53 | 1.31 | 尚未很好的整合不同单位资源,不具有代表性 | |
财力 | 三年实到全部经费 | 4.00 | 0.97 | 可反映资金投入,包括了政府经费、 横向科研经费等,因此选取 |
依托单位投入经费 | 2.93 | 1.65 | 各依托单位投入所占比例小,不具有代表性 | |
物力 | 实验用房面积 | 3.73 | 0.93 | 由于实验室与学科类型关联,建议选择 |
仪器设备原值 | 4.00 | 0.89 | 反映投入的固定设备价值,选取 | |
管理 | 依托单位的支持 | 1.87 | 1.15 | 投入的主要因素, 但是可以体现在人力、场地等指标中 |
实验室内部规章制度建设 | 1.93 | 1.18 | 规章制度, 不同学校不同学科差别较大,不具有可比性 | |
团队协作激励措施 | 2.60 | 0.88 | 不同学校环境,激励措施难以比较 |
表1. 高校重点实验室运行效率评价投入指标筛选
指标类型 | 产出指标 | 专家 打分 均值 | 专家 打分 标准差 | 综合意见说明 |
---|---|---|---|---|
直接产出 | 发表论文(篇) | 4.00 | 0.82 | 反映重点实验室科技产出的贡献 |
培养的硕士、博士以及博士后数量 | 2.47 | 1.41 | 不同重点实验室拥有的点不尽相同,不具有共性 | |
通过鉴定或验收的科研项目(项) | 3.87 | 0.81 | 所有重点实验室都有成果鉴定, 该指标可以反映全部重点实验室的共性特点 | |
国家、省部级获奖成果 | 2.67 | 1.53 | 可由优秀中青年数量概括体现 | |
经济效益 | 技术转让额 | 2.07 | 1.06 | 从事纯基础研究的实验室没有此项, 不能反映共性特点 |
获得专利(项) | 3.87 | 0.62 | 反映实验室获取知识产权专科 | |
成果转让获得横向课题(项) | 4.13 | 0.72 | 反映重点实验室研究成果的实践意义 | |
社会效益 | 主办国内外学术交流活动数量 | 2.87 | 1.82 | 不同类型的重点实验室开展学术交流活动的层次 或频率不一致,不具有可比性 |
开放课题数 | 3.53 | 0.96 | 开放课题反映开放度,具有社会效益 |
表2. 高校重点实验室运行效率评价产出指标筛选
实际上“效率”或“相对有效性”的概念也是指产出与投入之比,不过是加权意义之下的产出投入比。DEA作为一种效率评价工具,不断得到完善并在实际工作中被广泛运用,DEA特别适用于具有多输入多输出的复杂系统 [
1) DEA以决策单元各输入输出的权重为变量,从最有利于决策单元的角度进行评价,从而避免了确定各指标在优先意义下的权重;
2) 假定每个输入都关联到一个或者多个输出,而且输出输入之间确实存在某种关系,使用DEA方法则不必确定这种关系的显示表达式;
3) DEA最突出的优点是无需任何权重假设,每一输入输出的权重不是根据评价者的主观认定,而是由决策单元的实际数据求得的最优权重。因此,DEA方法排除了很多主观因素,具有很强的客观性。
1) 生产前沿面:实际上是指由观察到的决策单元的输入数据和输出数据的包络面的有效部分,这也是称谓“数据包络分析”的原因所在。决策单元为DEA有效,也即相应于生产可能集而言,以投入最小、产出最大为目标的Pareto最优。因此,生产前沿面即为Pareto面(Pareto最优点构成的面)。
2) 技术有效:输出相对输入而言已达最大,即该决策单元位于生产函数的曲线上。(其实这就是前面一直提到的相对有效性,注意,技术有效于纯技术有效是不同的,有文献指出,技术效率等于纯技术效率与规模效率的乘积)。
3) 规模有效:指投入量既不偏大,也不过小,是介于规模收入收益由递增到递减之间的状态,即处于规模收益不变的状态。
C2R模型假定DMU的规模收益不变,将用C2R模型求解的效率值称为技术效率(TE),也可以称DEA效率。TE是测度当规模报酬不变时,DMU与生产前沿面的距离;
BC2模型假定DMU的规模收益是变化的,将用BC2模型求解的效率值称为纯技术效率(PTE)。PTE是测度当规模报酬可变时,DMU与生产前沿面的距离。
根据乘法原理,从综合技术效率中剔除掉纯技术效率的影响,即为规模效率(SE)。SE是测度当规模报酬可变时的生产前沿面与规模报酬不变时的生产前沿面的距离。
即SE = TE/PTE,可以求出规模效率SE。
收集A省44家省级高校重点实验室的投入和产出数据,指标基本情况说明如表3所示。
采用DEAP2.1软件中面向投入的VRS模型计算A省这44家实验室的效率,结果如表2所示。求解结果如表4。
如表4所示,综合技术效率 = 纯技术效率 * 规模效率,综合技术效率、纯技术效率和规模效率的值取值区间[0, 1]越接近1越好。根据表4可以发现,编号5、7、8、17、18、22、24、26、31、38、44的规模效率、技术效率都为1表明实际生产规模已是最优,综合技术效率值为1,说明这些决策单元综合有效(即DEA有效),被评价单元在投入产出上处于最佳状态。在剩下的非DEA有效的DMU中编号6、13、29、34、37、40、42的实验室技术效率为1,规模效率<1,处于规模收益上升阶段,应该加大对该实验室的投入规模,来提高实验室的综合效率。编号21、43的被测单元技术效率为1,但是规模收益处在递减趋势状态,需减少对其的投入规模。剩余的非DEA有效且技术效率不为1的实验室中除了编号12、23两个实验室规模收益处在递减的趋势,其余的全部处在递增的状态,需提高实验室的管理技术水平,同时加大对其规模投入来提高综合效率。
由表4可以看出,A省44家实验室的综合技术效率平均值为0.716,根据综合效率值将实验室分为三类,设 θ ¯ 为综合技术效率平均值,则相对有效类q = 1,0 < θ ¯ < q为相对综合效率较低的单位, θ ¯ < q < 1的相对综合效率较高的单位。如表5所示。
分类 | 变量 | 含义 | 单位 |
---|---|---|---|
投入指标X | X1 | 研究人员总人数 | 人 |
X2 | 三年实到全部经费 | 万元 | |
X3 | 实验用房面积 | 平方米 | |
X4 | 仪器设备原值 | 万元 | |
产出指标Y | Y1 | 获得专利 | 项 |
Y2 | 成果转让获得横向课题 | 项 | |
Y3 | 通过鉴定或验收的科研项目 | 项 | |
Y4 | 发表论文 | 篇 | |
Y5 | 设置开放课题数 | 项 |
表3. A省高校重点实验室的投入与产出指标
决策单元firm | 综合技术效率crste | 纯技术效率vrste | 规模效率scale | 规模效益状态 | 评定结论 |
---|---|---|---|---|---|
1 | 0.732 | 0.996 | 0.735 | irs | |
2 | 0.398 | 0.399 | 0.998 | irs | |
3 | 0.701 | 0.824 | 0.85 | irs | |
4 | 0.388 | 0.746 | 0.521 | irs | |
5 | 1 | 1 | 1 | - | 决策单元综合有效 |
6 | 0.987 | 1 | 0.987 | irs | 纯技术有效 |
7 | 1 | 1 | 1 | - | 决策单元综合有效 |
8 | 1 | 1 | 1 | - | 决策单元综合有效 |
9 | 0.593 | 0.631 | 0.939 | irs | |
10 | 0.453 | 0.626 | 0.725 | irs | |
11 | 0.746 | 0.822 | 0.908 | irs | |
12 | 0.741 | 0.745 | 0.995 | drs | |
13 | 0.789 | 1 | 0.789 | irs | 纯技术有效 |
14 | 0.176 | 0.466 | 0.377 | irs | |
15 | 0.575 | 0.619 | 0.93 | irs | |
16 | 0.472 | 0.487 | 0.968 | irs | |
17 | 1 | 1 | 1 | - | 决策单元综合有效 |
18 | 1 | 1 | 1 | - | 决策单元综合有效 |
19 | 0.271 | 0.467 | 0.58 | irs | |
20 | 0.557 | 0.607 | 0.918 | irs | |
21 | 0.927 | 1 | 0.927 | drs | 纯技术有效 |
22 | 1 | 1 | 1 | - | 决策单元综合有效 |
23 | 0.696 | 0.714 | 0.975 | irs | |
24 | 1 | 1 | 1 | - | 决策单元综合有效 |
25 | 0.7 | 0.723 | 0.968 | irs | |
26 | 1 | 1 | 1 | - | 决策单元综合有效 |
27 | 0.579 | 0.62 | 0.933 | irs | |
28 | 0.582 | 0.586 | 0.993 | irs | |
29 | 0.549 | 1 | 0.549 | irs | 纯技术有效 |
30 | 0.684 | 0.725 | 0.943 | irs | |
31 | 1 | 1 | 1 | - | 决策单元综合有效 |
32 | 0.592 | 0.984 | 0.601 | irs | |
33 | 0.416 | 0.745 | 0.558 | irs | |
34 | 0.661 | 1 | 0.661 | irs | 纯技术有效 |
35 | 0.335 | 0.52 | 0.645 | irs | |
36 | 0.585 | 0.851 | 0.688 | irs | |
37 | 0.865 | 1 | 0.865 | irs | 纯技术有效 |
38 | 1 | 1 | 1 | - | 决策单元综合有效 |
39 | 0.693 | 0.956 | 0.725 | irs | |
40 | 0.942 | 1 | 0.942 | irs | 纯技术有效 |
41 | 0.421 | 0.441 | 0.955 | irs | |
42 | 0.757 | 1 | 0.757 | irs | 纯技术有效 |
43 | 0.951 | 1 | 0.951 | drs | 纯技术有效 |
44 | 1 | 1 | 1 | - | 决策单元综合有效 |
表4. 面向投入的VRS模型计算结果
相对有效 | 相对高效 | 相对低效 | |
---|---|---|---|
实验室编号 | 5、7、8、17、18、22、 24、26、31、38、44 | 1、6、11、12、13、 21、37、40、42、43 | 2、3、4、9、10、14、15、16、 19、20、23、25、27、28、29、 30、32、33、34、35、36、39、41 |
表5. A省高校重点实验室综合技术效率分类
其中相对有效的占25%,相对高效的占22.7%,相对低效的占52.3%。数据表明相对效率较低的实验室数量占比较大,超过总体数量的一半以上。未来改进方案中应该重点改进相对效率较低的且规模收益处在递增的实验室综合技术效率,对于规模收益成下降趋势的实验室,应该减少投入规模已达到最佳综合技术效率。
为了进一步挖掘非DEA有效单位的投入产出存在的问题,下面进行投入产出调整分析。分析结果如表6所示。
从表6可以看出,非DEA有效的33家实验室中研究人员总人数、三年实到全部经费、实验用房面积、仪器设备原值方面均有冗余。造成投入冗余的原因,一方面可能是实验室面积和全部的经费未发挥其累计作用。长期产能未计算在内;另一方面固定人员仅参与管理实验室,不参与实验室的产出。
从产出方面在获得专利、成果转让获得横向课题、通过鉴定或验收的科研项目、发表论文方面存在着严重不足。特别是15、32、33实验室在发表论文方面存在着严重不足。
为使非有效的单元转化为DEA有效的,还需考虑规模收益状态。以2号实验室为例在研究人员总人数、三年实到全部经费、实验用房面积、仪器设备原值方面冗余量分别是37、1577、5800、6226。而该实验室在成果转让获得横向课题、发表论文方面需要提高25项和68篇,因为该实验室处在规模收益递增阶段,因此应该调整投入方向。对于表中的编号13、21、29、34、37、40、42、43的实验室由于投入、产出的调整量均为0,仅需根据规模收益递增加大各投入指标的比例即可提高综合效率。
通过本文基于成本效益分析,初步确定了包括人力、财力、物力和管理四个方面的投入指标和包括直接产出、经济效益和社会效益三个方面的产出指标。采用专家对各个指标重要性打分的方式筛选重要指标,最终确定了投入指标4个,分别为固定科研人员数量、三年实际到账经费、实验室总面积和实验室设备原值作为输入指标。产出指标5个,分别为发表论文数量、通过鉴定或验收的科研项目(项)、获得专利(项)、成果转让获得横向课题(项)、开放课题数。采用DEAP2.1软件中面向投入的VRS模型计算A省这44家实验室的效率,并对效率进行了分析,其中编号5、7、8、17、18、22、24、26、31、38、44的规模效率、技术效率都为1表明实际生产规模已是最优,综合技术效率值为1,说明这些决策单元综合有效(即DEA有效),被评价单元在投入产出上处于最佳状态。针对非DEA有效的实验室进行投入产出调整分析,发现非DEA有效的33家实验室中研究人员总人数、三年实到全部经费、实验用房面积、仪器设备原值方面均有冗余。造成投入冗余的原因,一方面可能是实验室面积和全部的经费未发挥其累计作用。
诚然,本文采用专家评分法筛选了重要指标,避免不了专家的主观性,今后可以进一步探索重要指标的筛选方法。
非DEA有效单位 | X1 | X2 | X3 | X4 | Y1 | Y2 | Y3 | Y4 | Y5 | |
---|---|---|---|---|---|---|---|---|---|---|
1 | 0 | -4 | -5 | -88 | 12 | 0 | 14 | 0 | 0 | |
2 | −37 | −1577 | −5800 | −6226 | 0 | 25 | 0 | 68 | 0 | |
3 | −5 | −255 | −1082 | −294 | 7 | 7 | 0 | 46 | 0 | |
4 | −5 | −1624 | −964 | −1528 | 0 | 5 | 6 | 17 | 0 | |
6 | 0 | −1732 | −111 | −1049 | 0 | 47 | 13 | 96 | 0 | |
9 | −14 | −1475 | −2213 | −1048 | 62 | 0 | 0 | 311 | 0 | |
10 | −34 | −976 | −1123 | −562 | 10 | 11 | 0 | 0 | 3 | |
11 | 0 | −18 | −6451 | −618 | 0 | 40 | 26 | 195 | 0 | |
12 | −8 | −928 | −2271 | −981 | 0 | 46 | 4 | 114 | 0 | |
13 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | |
14 | −46 | −2592 | −1089 | −915 | 44 | 51 | 0 | 222 | 0 | |
15 | −20 | −4791 | −1040 | −1490 | 72 | 69 | 0 | 405 | 0 | |
16 | −31 | −663 | −2756 | −2916 | 0 | 0 | 1 | 33 | 0 | |
19 | −21 | −1044 | −1097 | −1486 | 39 | 0 | 7 | 83 | 0 | |
20 | −19 | −1241 | −983 | −1934 | 0 | 40 | 10 | 77 | 0 | |
21 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | |
23 | −22 | −602 | −745 | −1470 | 0 | 39 | 0 | 89 | 8 | |
25 | −30 | −206 | −1541 | −2156 | 0 | 0 | 2 | 0 | 0 | |
27 | −15 | −1013 | −1367 | −1063 | 0 | 19 | 0 | 98 | 0 | |
28 | −28 | −639 | −3893 | −3614 | 0 | 15 | 0 | 87 | 0 | |
29 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | |
30 | −7 | −500 | −1222 | −1004 | 0 | 23 | 2 | 156 | 0 | |
32 | −4 | −852 | −19 | −16 | 50 | 54 | 0 | 332 | 2.079 | |
33 | −8 | −687 | −332 | −950 | 58 | 58 | 13 | 349 | 0 | |
34 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | |
35 | −40 | −633 | −2854 | −736 | 21 | 0 | 4 | 0 | 2 | |
36 | −3 | −834 | −269 | −1721 | 14 | 7 | 0 | 96 | 0 | |
37 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | |
39 | −1 | −50 | −1841 | −41 | 1 | 0 | 0 | 60 | 0 | |
40 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | |
41 | −34 | −2826 | −1706 | −2553 | 55 | 44 | 0 | 87 | 4 | |
42 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | |
43 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
表6. 实验室进行投入产出调整分析表
2017年河南省高校重点科研项目(17050500072)。
卢亚丽,张 玲,刘芳宇. A省高校重点实验室运行效率评价研究A Study on the Operational Efficiency Evaluation of Key Laboratories in A Province[J]. 管理科学与工程, 2017, 06(04): 196-204. http://dx.doi.org/10.12677/MSE.2017.64024