基于超效率的DEA模型实例之研究高校的效率 第四篇

基于超效率DEA模型的高新技术企业财务绩效评价研究摘要：根据高新技术企业的特点构建财务绩效评价指标体系，并提出用DEA方法中的超效率模型评价高新技术企业财务绩效。

最后，选取湖南省认证并且已经上市的24家高新技术企业为样本展开实证研究，对相对有效的高新技术企业的财务绩效加以更深入的分析，选取标杆企业为超效率较低的企业提出相关的改进措施，以期有利于其更好的发展。

关键词：高新技术企业；财务；绩效评价；超效率模型；湖南；上市公司中图分类号：F275 文献标识码：A 文章编号：1006-4311（2010）08-0052-020 引言企业的财务绩效问题，一直是企业生存发展的关键所在，高新技术企业更是如此。

对高新技术企业进行财务绩效评价，一方面有利于管理部门准确的了解企业的财务状况，及时发现企业财务问题，并据此研究解决对策；另一方面，对企业绩效的科学评价，还为政府、债权人和企业职工等其他利益相关者行使自己的权利提供有益的帮助。

随着时代的发展和社会的进步，高新技术企业发展迅速，对高新技术企业的财务绩效问题展开研究，有着重要的理论和现实意义。

目前，对于高新技术企业财务绩效评价的研究，比较有代表性的观点有：王柏轩、宋化民（1999）依据投入产出理论，构建了投入产出有效性的高新技术绩效评价模型[1]；宋小敏、杨青和万君康（2002）提出了用主观赋权模糊标度法和客观赋权优化法相结合的结合赋权综合评价法并构建了模型[2]；侯婧、王晓云（2006）把高新技术企业投资看成是为了获得一个未来取得现金流的机会，对具有期权性质的高新技术企业采用期权理论及Black-Scholes模型进行价值评估[3]。

纵观现有文献，多数是从理论上或是模型上进行论述，较少有利用数据进行实证分析的论述，即使有一些实证分析，但是由于指标选取任意性过大，造成应用价值受限。

此外，已有文献只是简单的就评价论评价，没有在评价的基础上提出一些切实可行的建设性建议供企业参考，只是形成一些理论，但是实际应用意义不强。

基于DEA的高校实验室效率评价分析实验室是高校教育和科研中不可或缺的重要环节，其效率对于高校科研水平和教学质量有着直接的影响。

因此，对高校实验室的效率进行评价分析具有重要的理论和实践意义。

本文将采用数据包络分析（DEA）方法对高校实验室的效率进行评价，并探讨如何提高实验室的效率。

一、DEA方法简介数据包络分析（DEA）是一种用来评估相对效率的方法，它通过比较各个单位（称为DMUs）的输入和输出来评估它们的绩效。

DEA方法的优点在于可以对多个输入和输出进行综合评价，并且能够考虑多种约束条件和非线性关系，因此在评价实验室效率时具有一定的优势。

二、高校实验室效率评价指标评价高校实验室的效率可以从多个角度出发，常用的指标包括实验设备的利用率、科研项目数量和经费使用效率等。

在进行DEA评价时，需要选择合适的输入和输出指标，并确立权重。

1.输入指标：（1）实验设备数量和设备利用率（2）实验室人员数量和人员效率（3）实验室经费投入2.输出指标：（1）科研成果数量（2）科研项目数量（3）实验室论文发表数量三、DEA分析实验室效率首先，确定评价对象，即各个实验室，然后选择合适的输入和输出指标，在进行DEA分析时需要先对数据进行清洗和标准化处理。

接着，利用DEA模型计算各个实验室的效率得分，通过比较效率得分可以找出效率较低的实验室，并识别影响实验室效率的关键因素。

在实际分析中，可能会面临一些问题，比如输入和输出指标的选择、权重的确定等。

因此，在进行DEA分析时需要结合实际情况进行修改和调整，以达到更准确的评价结果。

四、提高实验室效率的建议1.提高实验设备利用率：加强设备维护和管理，定期检修和更新设备，减少闲置和浪费。

2.加强科研项目管理：合理安排科研项目进度，提高项目完成效率，减少资源浪费。

3.加强人员培训和管理：提高实验室人员的专业技能和管理能力，激励员工积极性，提高工作效率。

通过以上措施的实施，可以有效提高实验室的综合效率，促进高校科研水平的提升和实验室管理的改进。

第 31卷 第 2期 2010年 3月
科 研 管 理 ScienceResearchManagement
文章编号 :1000 -2995(2010)02 -011 -0094
Vol.31, No.2 March, 2010
基于超效率 DEA的科学技术评价模型及其实证
迟国泰1 ,隋 聪 1 , 齐 菲 1, 2
投 入 19
20
X21社会劳动生产率 [ 1] [ 4] 2.3.2(3) 18 591 21 489 26 225 31 703 40 570 … 16 566 19 430 24 219 27 860 30 441
X22科技进步贡献率 [ 4] 2.3.2(4) 52.11 58.59 66.08 71.90 77.54 … 47.00 55.10 63.88 68.58 71.32
(2)基于客观赋权法的科技评价研究 。 朱顺 泉 (2006)使用因子分析法 , 建立指标体系对泛珠 三角各省科技发展实力进行评价[ 12] 。
这两种科学技术评价方法都只注重科学技术 实力的评价 , 而忽略了对科学技术效率的评价。 尽管科技实力与科技投入存在正相关 , 但科技投 入大 , 科技产出不一定多 。 所以这两种方法不能 反映科学技术效率 , 也不能揭示投入冗余和产出 不足 。
(1)国外权威机构的评价指标体系 。 具有代 表性的是经济合作与 发展组织 (OECD)[ 1] 、瑞士 洛桑国际管理研究院 (IMD)[ 2] 、世界银行 (World Bank)[ 3] 等建立的科学技术评价指标体系 。
(2)国内权威机构的科技评价指标体系 。 具 有代表性的有中国科学技术 指标研究会 [ 4] 研究
· 96·
科 研 管 理
2010年

基于超效率DEA模型的区域高等教育投入产出效率研究摘要：由于高等教育不同区域的教育发展水平差异较大，教育资源合理配置就成为研究热点。

根据2014年31个省市的高等教育投入产出数据，运用DEA超效率非径向SBM模型，对高等教育各层面投入产出效率的测度结果表明，高等教育投入效率值呈空间集聚状态，整体呈现沿海地区效率最高，中部次之，东部、西部存在规模递减现象。

据此，对区域性高等教育投入效率改进提出建议。

关键词：高等教育，DEA模型，超效率，投入效率，非径向SBM教育是国家持续发展的支撑，提升教育投入产出效率，是提高国家持续保持创新能力的动力。

因此，对教育系统特别是高等教育系统的投入产出效率进行评价，成为一个重要的研究课题。

基于投入产出角度的优化，通过识别投入冗余和产出不足，对优化资源配置具有重要的支撑作用，是实现教育资源投入产出结构优化的前提。

高等教育投入产出的评价方法很多，常见的方法有计量经济学、SFA、综合评价、多元统计、数据包络分析方法。

本研究选择能够体现投入产出结构，同时能够体现多元产出的DEA评价方法。

一、评价方法的选择DEA常用的模型是CCR模型，后来又很多改进，如超效率方法、交叉效率方法。

本研究选择超效率模型，同时，因投入产出的非等比性，选择非径向模型。

该模型具体表述为：其中，ρ为教育投入效率值，λj为各指标权重，X ij、Y rj分别为投入、产出数量指标，为投入、产出松弛变量。

当ρ≥1，且时，称DMU为强DEA有效；当ρ≥1，且时，称DMU为弱DEA有效；当ρ<1时，称为DMU非DEA 有效。

二、评价指标设计与样本选择（一）指标选择DEA需要同时考虑投入产出指标，投入指标主要集中在人力资源、物力资源、财务资源3个方面，而产出指标则依据高校教育功能，划分为人才培养、科学研究和社会服务。

依据这一约束和既有研究成果，同时考虑数据的可获得性，确定指标体系，具体如下表所示：（二）样本选择与数据来源以各省高等院校汇总值为研究对象，对各省教育资源配置的相对效率进行研究与分析。

第20 "第4期2018 年 7 %科技与管理Science-Technology and ManagementVol. 20 No. 4Jul. ,2018文章编号：l〇〇8-71'3(2018)04 -0050-07基于超效率DEA的高校重点实验室科研效率评价与分析朱金龙，孙雁飞，王晓冬(南京邮电大学科研院，江苏南京210003)摘要:高校作为国家科技创新的重要源泉之一，其科研效率备受社会关注。

重点实验室作为高校科技创新的基本核心单元，其科研效率的高低一定程度决定了高校科研效率的高低。

利用超效率D EA方法模型分析了南京邮电大学1*个省部级及以上重点实验室近3年的科研投人和科研产出数据，计算出每个重点实验室的科研效率，并对其进行分析研究，提出进一步提升高校重点实验室科研效率的建议。

关键词：数据包络分析；重点实验室；科研效率D O I：10. 16315/j.stm.2018.04.002中图分类号：F664. 6文献标志码：AResearch efficiency evaluation and analysis of key laboratoryof university based on super efficiency DEAZHU Jin-long, SUN Yan-fei, WANG Xiao-dong(Research Institute，Nanjing University of Posts and Telecommunications，Nanjing210003，China) Abstract ：As one o f tlie im p o rta n t sources o f n a tio n a l science and technology in n o v a tio n，U n ive rs ity^ c ie n cy has been concerned by the society.A s the core u n it o f te ch nolog ical in no vationthe e ffic ie n cy o f key laboratories determ ines the e ffic ie n c y o f s c ie n tific research to some e xte n t.T h is paper uses the super e ffic ie n c y D E A m etliod to analyze the s c ie n tific research in p u t and research o u tput data o f16 p ro v in c ia l and above key laboratories o f N a n jin g U n ive rsity o f Posts and T e le co m m u n ica tio n s，and calculates the s c ie n tific researche ffic ie n c y of each key la b o ra to ry，and analyzes the research e ffic ie n cy o f the key labora puts forw ard some suggestions to fu rth e r im prove the e ffic ie n c y o f the key labora Keywords:D E A*key laboratory*research e ffic ie n c y科学研究是高校承担的基本任务之一，也是国 家科技创新能力的重要组成部分。

基于超效率DEA模型的能源效率评价方法及其应用概述：能源效率评价是指对能源利用情况进行定量评估的过程。

随着能源资源的日益减少和环境污染的加剧，提高能源效率成为各国政府的重要任务。

超效率数据包络分析（DEA）模型是一种常用的能源效率评价方法，它可以根据输入产出数据计算出单位能源投入所创造的经济产出，从而评估能源利用的效率。

本文将介绍基于超效率DEA模型的能源效率评价方法及其应用。

方法：超效率DEA模型是一种非参数评价方法，它能够充分利用每个单元的最佳实践经验，评估单位的能源效率水平。

具体而言，该模型根据输入输出数据构建出一个包络表面，可以用来衡量各个单位的相对效率水平。

在计算超效率DEA模型时，首先需要确定输入和输出变量，并计算各个单位的相对权重。

然后通过最大化包络表面上的超效率得分，可以得到各个单位的相对效率评价。

应用：1.制造业能源效率评价：超效率DEA模型可以用来评估制造业企业的能源利用情况。

通过对各个企业的输入输出数据进行分析，可以找出效率最高的企业，并运用其最佳实践经验指导其他企业提高能源效率。

2.建筑行业能源效率评价：通过基于超效率DEA模型的能源效率评价方法，可以对建筑物的工程设计和施工过程进行优化，提高能源利用效率，降低能源消耗。

3.交通运输行业能源效率评价：超效率DEA模型可以用来评估不同交通工具和运输方式的能源利用效率。

通过评估各个交通工具和运输方式的优劣，可以制定相应的政策和措施，促进能源节约和环境保护。

4.农业能源效率评价：超效率DEA模型可以应用于评估农业生产中的能源利用情况。

通过评估不同农业系统和技术的能源效率，可以优化农业生产方式，实现可持续发展。

结论：基于超效率DEA模型的能源效率评价方法是一种有效的评估能源利用情况的手段。

通过该方法，可以找出效率最高的单位，促进能源利用的优化和提高。

在实际应用中，可以根据不同行业和领域的需求，针对具体问题进行相应的优化和改进。

在未来，基于超效率DEA模型的能源效率评价方法将继续得到广泛应用，并为实现可持续能源发展做出贡献。

文 章将考 察对象 确定 为一地方 高校 ， 它下 面有 ５个 学院 １ 个 系 。拟在学 院及 系两 个不 同层 次 进 ８ 行 比较 ； 研究 主要 集 中在 系一级 ， 超 效 率模 型 计 用
算各系的超效率值以求产生系一级的排名 ， 学院一 级的表现（ 超效率值 ） 可用其所属各系的表现 （ 超 效率值） 取平均值得到 ， 这样学院一级 的排名就产
作者简介 ： 王美强（９ ２ ） 男， １７ 一 ， 贵州人 ， 副教授 ， ， 博士 研究方向： 数据包络分析 ，ｍ ｉ ｗ ｎｍ ＠ｍ ｉ ｕｔ ｅｕｃ ． Ｅ ａ ：ａｇ ｑ ａ ．ｓ ．ｄ ．ｎ ｌ ｌ ｃ
￥通讯作者： 王美强 ，ｍ ｉｗａｇ ＠ｍａ ．ｓ ．ｄ ．ｌ Ｅ ａｌ ｎｍｑ ： ｉ ｕｔ ｅｕ ａ ． ｌ ￣ １
生了 。
另外 ， 出要素没选择毕业学生数是因为在统 输 计教学学时数时已考虑了学生人数 ； 学时数得 自 该
校教 务处 ； 出版物 包括论 文 （ Ｃ、Ｓ ＩＥ 、 威 、 Ｓ ＩＳＣ 、Ｉ权 重
收稿 日期 ： ００— ９—２ ２１ ０ ０ 基金项 目： 贵州大学引进人 才科研基金（ ０ ９２ ） ２０ ０ ０
前者 由于对于同一高校 的各院系而言 占用平方面
积数是由校方分配的 ， 且较易做到合理分配 ， 即使
不够 合理 ， 亦不致 对 各 系效 率 有 大影 响 ， 因此 不应 作输 入要 素 ； 于 图书 拥有 量 ， 同一大 学 的不 同 至 对 院系 ， 它应 看作 环 境变 量 。总 之 ， 输入 要素 只选择 了人 员数 及费用 支 出。
第６ 期
王 美强 ： 基于超效率 Ｄ Ａ模型的高校 内院系效率评 价 Ｅ
・４ ・ １１

的措 施 。
类 ：一 类 是 通 过 计 算 实 验 室 资 源 投 入产 出 比来 测 度 效 率 与效 益 ；另 一 类 是 通 过 建 立 可 量 化 的完 整 的指 标 体 系 ， 即 “ 率 标 准 ” 来 测 度 实 验 室 建 设 与 管 理 效 率 ，即 设 效 定 不 同 的 目标 效 率 。为 了避 开 实 验 室 的 产 出 难 以准 确 量 化 的 困难 ，现 有 文 献 主 要 从 三 个 方 面 展 开 对 实 验 室 效 率 进行 测 算 研 究 。首 先 ，从 建 设 、运 营绩 效 的 角 度 对 实验 室效 率 进 行 评 价 。孔 文 霞 、刘 洛 娜 、王 克 臣 等从 实 验 室 的 特点 出发 ，分 别 从 分 析 影 响 实 验 室 绩 效 的 多 因 素 或关 键 绩 效 指 标 来 对 实 验 室 进 行 绩 效 评 价 。其 次 ，从 质 量 的 角度 对 实 验 室 进 行 评 价 。李 世 殉 等 从 区分 实 验 室 与 教 研 室 的 特点 出发 ，重 视 数 量 和 质 量 ，从 能 力 、资 源 和效 率方 面构 建 指 标 体 系 进 行 评 价 。再 次 ，更 多 的 研
相结合建立一定 的指标体系对决策集进行评价 ；②运 用 模糊综合评价法 对高 校实验 室技术 人员 的价值评 价 ， 为实验室人员 的结构优化从二级指标上提供信 息 ；③ 运
用 Ｆ —Ｄ Ａ 对 高 校 实 验 室 综 合 管 理 进 行 的评 价 。 Ｍ Ｅ 数 据 包 络分 析 法 是 根 据 决 策 单 元 （ Ｍ Ｄ Ｕ） 的 多 输
高校实验室 效率 评 价是 提 高其 管理 水 平 的重 要方
面 ，能 有 效 促 进 实 验 室 的规 范 化 、科 学 化 管 理 … 。考 虑

五、结论
本次演示基于DEA方法对高校科研绩效评价进行了研究。通过收集并处理相 关数据，运用DEA模型进行效率评价，并与其他高校进行横向比较，深入分析影 响科研绩效的因素及提升途径。研究发现，DEA方法在高校科研绩效评价中具有 实用性和可操作性，能够为高校提升科研水平、优化资源配置提供有益参考。
针对研究结果，我们提出以下建议：首先，各高校应重视科研绩效评价工作， 建立健全的评价体系和激励机制；其次，加强学科交叉融合，提升科研创新能力； 再次，注重人才培养与引进，提高科研队伍素质；最后，加强与外界合作交流， 实现资源共享和优势互补。
基于DEA方法的高校科研绩效评价 研究
01 一、引言
目录
02 二、文献综述
03 三、研究方法
04 四、结果与讨论
05 五、结论
06 六、
一、引言
随着国家对科技创新的重视程度不断提升，高校科研绩效评价成为了一个热 门研究领域。客观、科学地对高校科研绩效进行评价，有助于提升高校的科研水 平，优化资源配置，激发科研人员的创新活力。数据包络分析（DEA）方法作为 一种非参数效率评价方法，具有无需预设函数形式、避免主观因素干扰等优势， 为高校科研绩效评价提供了新的思路。
四、结果与讨论
通过DEA方法对高校科研绩效进行评价，可以得到各高校的科研效率值。根 据效率值的高低，可以对各高校的科研绩效进行排序，并找出影响效率的关键因 素。同时，通过与其他高校进行横向比较，可以发现自身不足，为改进科研管理 提供参考。
在结果讨论部分，我们将深入分析各高校科研效率值的影响因素，探讨如何 通过优化资源配置、提高管理水平等途径提升科研绩效。此外，我们还将比较不 同类型、不同学科之间的科研绩效差异，为高校学科建设和发展提供参考依据。

科研成果
如专利申请及授权数量、科研 奖项数量等。
学科建设
如重点学科数量、学科排名等 。
数据来源与处理
数据来源
主要来自高校年度科技统计报表、教育 部高校学科评估数据、中国学位与研究 生教育信息网等权威网站和数据库。
VS
数据处理
对收集到的数据进行清洗、整理和标准化 处理，以确保数据的质量和可靠性。
高校科研评价结果分析
结果展示
通过基于理想窗宽的DEA视窗分析模型，将各高校的科研绩效进行量化和可视化展示，以便于比较和分析。
对比分析
通过对不同高校之间的科研绩效进行对比分析，找出各高校的科研优势和劣势，为改进和提高提供参考依据。
趋势预测
基于评价结果，对各高校的科研发展趋势进行预测和分析，为制定科学合理的科研发展规划提供支持。
DEA模型基本原理
• DEA模型的基本原理是通过比较输入和输出，确定每个DMU的 相对效率。输入包括各种资源，如人力、财力和物力，而输出 则反映为各种绩效指标，如研究成果、专利和学术影响力等。
DEA模型应用范围
• DEA模型已被广泛应用于各种领域，包括高校科研评价。它能够有效地处理多输入和多输出的情况，并且不需 要预先确定权重，这使得DEA成为一种流行的科研评价方法。
基于理想窗宽的DEA视窗分析模型 的高校科研评价
汇报人：
2023-12-02
• 引言 • DEA模型概述 • 基于理想窗宽的DEA视窗分析模型 • 高校科研评价应用 • 结论与展望
01
引言
研究背景与意义
背景
随着科研投入的增加，科研评价成为提高科研效率、促进科研发展的重要手段。然而，传统的科研评价方法存在 主观性、片面性等问题，无法全面准确地反映高校科研水平。因此，研究一种基于数据包络分析（DEA）的视窗 分析模型，对高校科研进行评价具有重要的现实意义。

— — Ｂａｓｅｄ ｏｎ ＳＥ－ＤＥＡ ａｎｄ Ｍ ａｌｍｑｕｉｓｔ Ｉｎｄｅｘ
Ｗ ＡＮＧ Ｊｉａｎ ， ＪＩＮ Ｈａｏ ， ＬＩＡＮＧ Ｈｌｌｉ—ｃｈａｏ （１．Ｓｃｈｏｏｌ ｏｆ Ｍａｎａｇｅｍｅｎｔ，Ｈｅｂｅｉ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ，Ｔｉａｎｊｉｎ ３００１３０，Ｃｈｉｎａ； ２．Ｓｃｈｏ ｌ ｏｆ Ｈｕｍａｎｉｔｉｅｓ ａｎｄ Ｌａｗｓ，Ｈｅｂｅｉ Ｕｎ ｉｖｅｒｓｉｔｙ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ，Ｔｉａｎｊｉｎ ３００１３０，Ｃｈｉｎａ）
ｂａｎｋｓ ｅｘｐｅｒ ｉｅｎｃｅｓ ａｎ ｕｐｗａｒｄ ｔｒｅｎｄ ｗｈｉｃｈ ｉｓ ｃｏｎｓｉｓｔｅｎｔ ｗｉｔｈ ｔｈｅ ｓｏｃｉａｌ ａｎｄ ｅｃｏｎｏｍｉｃ ｄｅｖｅｌｏｐｍｅｎｔ．Ｔｈｅ ｆｏｕｒ ｍａｊｏｒ ｓｔａｔｅ—ｏｗｎｅｄ ｂａｎｋｓ ａｒｅ ｌｅｓｓ ｅｆ ｉｃｉｅｎｔ ｔｈａｎ ｊｏｉｎｔ－ｓｔｏｃｋ ｃｏｍｍｅｒｃｉａｌ ｂａｎｋｓ，ＳＯ ｇｒｅａｔ ａｓｓｅｔｓ ｏｆ ｔｈｅ ｓｔａｔｅ－ｏｗｎｅｄ ｂａｎｋｓ ｄｏ ｎｏｔ ｌｅａｄ ｔｏ ｈｉｇｈｅｒ ｅａｒｎｉｎｇｓ ａｎｄ
Ａｂｓｔｒａｃｔ： Ｅｆｉｃｉｅｎｃｙ ｉｓ ｔｈｅ ｅｍｂｏｄｉｍｅｎｔ ｏｆ ｃｏｍｐｅｔｉｔｉｖｅ ａｄｖａｎｔａｇｅ ｏｆ ｂａｎｋ，ｗｈｉｃｈ ｉｓ ｔｈｅ ｃｏｒｅ ｏｆ ｍａｎａｇｅｍｅｎｔ．Ｅｓｐｅｃｉａｌｌｙ ｉｎ ｔｈｅ ｐｏｓｔ—ｃｒｉｓｉｓ ｅｒａ，ｉｍｐｒｏｖｉｎｇ ｔｈｅ ｅｆｉｃｉｅｎｃｙ ｏｆ ｃｏｍｍｅｒｃｉａ ｌ ｂａｎｋ ｉｓ ｔｈｅ ｋｅｙ ｔｏ ｇｕａｒｄ ａｇａｉｎｓｔ ｆ ｉｎａｎｃｉａｌ ｒ ｉｓｋｓ ａｎｄ ａｃｈｉｅｖｅ ｓｕｓｔａｉｎａｂｌｅ ｄｅｖｅｌｏｐｍｅｎｔ．Ｔｈｉｓ ｐａｐｅｒ ａｎａｌｙｚｅｓ ｔｈｅ ｅｆｉ ｃｉｅｎｃｙ ｏｆ Ｃｈｉｎａ ｃｏｍ ｍｅｒｃｉａｌ ｂａｎｋｓ ｆｒｏｍ ２００４ ｔｏ ２００９ ｂａｓｅｄ ｏｎ Ｓｕｐｅｒ－ｅｆ ｉ ｃｉｅｎｃｙ Ｄａｔａ Ｅｎｖｅｌｏｐｍｅｎｔ Ａｎａｌｙｓｉｓ ｍｏｄｅｌ ｕｓｉｎｇ ＥＭＳ ｓｏｆｔｗａｒｅ．Ｍａｌｍｑｕｉｓｔ ｉｎｄｅｘ ｉｓ ｃａｌｃｕｌａｔｅｄ ｔｏ ｓｔｕｄｙ ｏｎ ｔｈｅ ｅｆ ｉ ｃｉｅｎｃｙ ｏｆ ｂａｎｋｓ ａｎｄ ａｎａ ｌｙｚｅ ｔｈｅ ｔｒｅｎｄ ｏｆ ｔｏｔａｌ ｆａｃｔｏｒ ｐｒｏｄｕｃｔｉｖｉｔｙ ｏｆ ｃｏｍｍｅｒｃｉａｌ ｂａｎｋｓ ｂｅｆｏｒｅ ａｎｄ ａｆｔｅｒ ｔｈｅ ｆ ｉｎａｎｃｉａｌ ｃｒ ｉｓｉｓ．Ｔｈｅ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ｏｖｅｒａｌｌ ｅｆ ｉｃｉｅｎｃｙ ｏｆ

基于DEA模型的高校财力资源配置效率评价研究一、综述随着我国高等教育事业的快速发展，高校财力资源的配置效率问题日益凸显。

为了更好地满足社会对高等教育的需求，提高高校的办学质量和效益，本文选取了基于DEA模型的高校财力资源配置效率评价研究作为研究主题。

DEA(Data Envelopment Analysis,数据包络分析)是一种广泛应用于多目标决策领域的优化方法，通过构建生产函数和决策单元的边界，可以实现对决策单元相对效率的评价。

国内外学者在高校财力资源配置效率评价方面进行了大量研究。

国内研究主要集中在高校财务状况分析、财政支出绩效评价、财政收入预测等方面，为高校财务管理提供了有益的理论支持。

这些研究往往局限于单一指标或局部领域，缺乏系统性和全面性。

本文旨在从整体上评价高校财力资源配置效率，为高校财务管理提供更为科学、合理的决策依据。

本文首先介绍了DEA模型的基本原理和应用现状，然后分析了高校财力资源配置效率评价的重要性和现实意义。

在此基础上，本文提出了一种基于DEA模型的高校财力资源配置效率评价方法，包括数据收集、模型建立、参数估计、结果分析等步骤。

通过对某高校的实际运行情况进行实证分析，验证了所提出方法的有效性和可行性。

本文对研究过程中存在的问题和不足进行了总结，并对未来研究方向提出了展望。

* 研究背景和意义随着我国高等教育事业的快速发展，高校财力资源配置效率的评价成为了学术界和政府部门关注的焦点。

财务资源是高校发展的重要支撑，合理配置财务资源对于提高高校的综合实力、促进教育公平、培养高素质人才具有重要意义。

当前我国高校财力资源配置效率的评价方法尚不完善，缺乏统一的标准和体系。

研究基于DEA模型的高校财力资源配置效率评价方法具有重要的理论和实践价值。

本文通过对现有文献的梳理，总结了国内外关于高校财力资源配置效率评价的研究现状和发展趋势，为后续研究提供了理论基础。

本文提出了一种基于DEA模型的高校财力资源配置效率评价方法，该方法能够客观、准确地评估高校财力资源配置的效率，有助于高校管理者制定合理的财务政策和投资决策。

基于超效率DEA模型的中国高技术产业创新资源配置效率评价在当今全球化、信息化和数字化的快速发展背景下，高技术产业在中国经济发展中扮演着越来越重要的角色。

高技术产业的快速发展需要充足的创新资源支持，而如何高效地配置这些资源成为了一个重要的问题。

本文将使用超效率DEA模型对中国高技术产业的创新资源配置效率进行评价。

一、超效率DEA模型的原理超效率DEA模型是数据包络分析（Data Envelopment Analysis，DEA）的一种扩展形式，用于评估决策单元的相对效率。

相比传统DEA模型，超效率DEA模型考虑到了每个决策单元在效率前沿上的位置，即使在最佳决策单元之外也能被评价出效率。

这使得超效率DEA模型更具有鲁棒性和准确性。

二、高技术产业创新资源配置效率评价指标在评价中国高技术产业的创新资源配置效率时，可以考虑以下指标：1.研发投入效率：评估企业在研发活动中投入资源的效率。

2.创新产出效率：评估企业通过研发活动获得的创新产出的效率。

3.人才资源配置效率：评估企业在吸引、培养和管理人才方面的效率。

4.技术转移效率：评估企业将研发成果转化为实际生产力的效率。

三、实证分析以中国高技术产业为例，选择一批代表性企业作为研究对象，收集各项创新资源配置数据，包括研发投入、创新产出、人才资源及技术转移等方面数据。

然后构建超效率DEA模型，评价每个企业在创新资源配置效率上的表现。

根据超效率DEA模型的评价结果，可以对企业的创新资源配置进行优化和调整，提高效率水平。

四、结论与展望通过超效率DEA模型的评价，可以深入了解中国高技术产业的创新资源配置效率水平，并找出存在的问题和改进的空间。

未来，可以进一步完善超效率DEA模型，引入更多因素和权重，使评价结果更加全面和准确。

同时，可以根据评价结果，制定相关政策和措施，促进中国高技术产业的创新发展，为中国经济的高质量增长贡献力量。

综上所述，基于超效率DEA模型的中国高技术产业创新资源配置效率评价是一项重要的研究课题，可以帮助决策者更好地了解和优化创新资源配置，推动高技术产业的发展和经济的持续增长。

序现在我们接着第三篇，进一步阐述超效率DEA，并以“高校院系科研论文产出绩效”为题做一下实例分析。

1.1主要流行的方法学术界开展了有关科研绩效和科研产出的理论研究和实证分析。

主要研究内容包括评价指标体系的设置、评价标准的确定，评价内容和对象等。

另一方面，数学模型的应用和定量评价方法也得到不断发展，数据包络分析、层次分析法和灰色关联分析等方法已应用于科研产出的评价。

1.2问题背景目前，对高校科研产出评价存在一定的争议。

分定量和定性两种。

主观的评价很容易产生偏见，定量化评价操作性强，比较客观，所以本文采用比较客观的改进型DEA方法进行评价。

1.3普通CCR 模型与超效率 SE-DEA模型的差异DEA的主要模型为CCR模型和BCC模型。

其中CCR对决策单元规模有效性和技术性同时进行评价。

但使用该模型只能区别出有效率和无效率的单位，而对于有效率的单位无法进行排序。

为此，Anderson 和 petersen 依据CCR模型的方法，提出超效率DEA模型（Super efficiency DEA，SE-DEA）,计算出的不再局限于0~1范围内，而是允许效率值超过1，即可将效率值为1的DMU进行排序并比较。

下图为SE-DEA模型1．4 校院系科研论文产出绩效问题及其参数基于文献计量评价方法评价科研绩效的基础在于学术论文是在严格意义上的学术期刊上发表的成果。

而目前学术期刊参差不齐, 学术期刊与科普读物甚至娱乐性杂志混杂不清, 使科研产出评价失灵。

但国内大部分高校, 尤其是211.985重点高校均认同中文社会科学引文索引( CSSCI)和中国科学引文索引( CSCD)两大数据库收录的计源期刊。

另外, 武汉大学中国科学评价中心于2008年研制完成 中国学术期刊评价研究报告; 该报告对学术期刊进行了重新定义和界定, 对目前出版的9, 000多种期刊进行筛选, 确定学术期刊的范围为6, 170种中文学术期刊。

基于此, 本文的产出评价体系主要依据学术论文是否被国内两大数据库( CSSC I和CSCD)检索或收录; 并将在非学术期刊(未包含在6, 170种期刊之内的期刊)上发表的论文按负产出计算, 作为一种投入指标。

摘要高技术产业是国民经济的战略性先导产业，在产业结构调整和经济增长方式转变中发挥着重要作用，已成为当今世界综合国力竞争的制高点。

作为动力型先导产业，高技术产业的效率将直接影响到我国产业链的效率水平和自主创新能力。

对于高技术企业来说，加强新产品的研究与开发，是高技术企业技术创新能力和核心竞争力的源泉与持续发展的动力，而提高技术创新效率和核心竞争力又是高技术企业赢得竞争的根本保证。

在振兴辽宁老工业基地战略指导下，如何使辽宁高技术产业又好又快发展，从而提高辽宁自主创新能力，并由此推动辽宁产业结构调整，转变经济增长方式，是亟待解决的关键问题。

本文通过查阅大量相关文献，搜集整理2007- 2011 年统计年鉴数据，运用D E A模型测算北京、辽宁、上海、浙江、广东五个省市高技术企业创新效率，并采用回归模型考察辽宁高技术企业 R&D投入对创新效率的影响程度。

结论如下：北京、辽宁、上海、浙江、广东五个省市中，辽宁、浙江的高技术企业创新效率较低，尤其是辽宁。

并得出辽宁高技术企业 R&D经费投入和 R&D人力投入会促进企业创新效率的提升, 前者的作用更为显著。

根据本文研究的结论，有针对性提出了提升辽宁省区域经济效率的对策和建议。

关键词：高技术企业；创新效率；R&D；DEA 模型；回归模型。

Abstr actHigh technology industry is a strategic leading industry of national economy, the adjustment of industrial structure and economic growth mode transformation plays an important role, has become the commanding heights of the comprehensive national strength competition in the world. As power type leading industry, high-tech industry will directly affect the efficiency of the industrial chain efficiency level and capacity for independent innovation in our country. For high technology enterprise, strengthen the research and development of new products, is a high technology enterprise technology innovation ability and the core competitiveness of the source and motive force of sustainable development, and improve the efficiency of technological innovation and core competence is the fundamental guarantee of high technology enterprises win the competition. In under the guidance of the revitalization of Liaoning old industrial base strategy, how to make the Liaoning high technology industry, nice and fast development, thus improve the Liaoning's capacity for independent innovation, and thus promote the Liaoning industry structure adjustment, transformation of the mode of economic growth and is a key problem to be solved.This article through consulting a large number of relevant literature, collect statistical yearbook data from 2007 to 2011, using DEA model to measure Beijing, Liaoning, Shanghai, Zhejiang, Guangdong high-tech enterprise innovation efficiency, five provinces and cities and examines the regression model of Liaoning high technology enterprises the influence of R&D input on the innovation efficiency. Conclusions are as follows: Beijing, Liaoning, Shanghai, Zhejiang and Guangdong in five provinces and cities, Liaoning, Zhejiang high-tech enterprise innovation efficiency is low, especially in Liaoning. And Liaoning high-tech enterprise R& D expenditure and R&D effort will help to promote the efficiency of enterprise innovation, the role of the former is more significant. According to research conclusions, this paper targeted puts forward some countermeasures to increase the economic efficiency of the region of Liaoning province and the suggestion.Key wor ds: High technology enterprise; Innovation efficiency; R&D; DEA model; Regression analysis.目录第 1 章绪论 (1)1.1 论文研究的背景 (1)1.2 论文研究的意义 (2)1.3 研究的思路及方法 (2)1.3.1 研究的思路 (2)1.3.2 研究的方法 (2)1.4 本论文的主要内容 (3)第 2 章相关理论及概念 (5)2.1 R&D 涵义及特点 (5)2.2 高技术企业的涵义及特点 (5)2.3 创新效率的涵义 (6)2.4 DEA 的理论及模型 (7)2.4.1 规模报酬不变模型 C2R (8)2.4.2 规模报酬可变模型BCC (8)2.4.3 关于松弛因子 (9)2.5 回归分析 (9)第 3 章指标体系与模型的建立 (11)3.1 选取指标原则 (11)3.2 创新效率产出指标、投入指标的确定 (11)3.3 创新效率产出指标、投入指标的处理 (12)3.4 R&D 投入指标的选取 (17)3.5 DEA 模型的建立 (18)3.6 研究假设 (19)3.7 假设检验 (20)3.7.1 R&D 活动经费与辽宁高技术企业创新效率的关系假设 (20)3.7.2 R&D 人员全时当量与高技术企业创新效率的关系假设 (20)3.8 回归模型的设定 (20)第 4 章实证分析 (23)4.1 创新效率分析 (23)4.2 效率冗余额的分析 (25)4.2.1 投入方面冗余额分析 (25)4.2.2 产出方面冗余额分析 (26)4.3 R&D 投入对辽宁高技术企业创新效率回归结果分析 (26)4.4 模型拟合优度检验 (27)4.5 回归模型残差直方图、散点图和 P-P 检验 (27)4.6 回归模型的方差分析、回归系数和显著性检验 (29)第 5 章提升 R&D 投入对辽宁高技术企业创新效率影响的建议 (30)5.1 创新效率方面 (30)5.1.1 提高创新效率 (30)5.1.2 减少冗余 (30)5.2.R&D 投入方面 (31)5.2.1R&D 经费投入 (31)5.2.2 R&D 人员投入 (31)参考文献 (33)致谢 (35)第 1 章绪论1. 1 论文研究的背景随着经济全球化的发展, 科学技术推动经济发展和促进社会进步的主导作用更加凸显，以技术创新为基础的国际竞争更加激烈。

288教育 西南民族大学学报(人文社科版)2009/10总第218期基于超效率DEA模型的高校院系科研论文产出绩效改进研究胡 虹[摘要]高校是科技创新的源泉和强劲动力,在国家创新体系中占据独特而重要的地位;对科研论文产出的评价是高校科研管理和科学计量研究的重要内容。

借鉴武汉大学中国科学评价研究中心的学术期刊分级结果,提出将非学术论文界定为负产出指标(投入指标);根据论文是否被统计源期刊收录和是否在非学术期刊上发表,建立了高校科研论文产出的评价指标体系。

利用超效率数据包络分析模型(SE-DEA)对某高校10个学院的科研论文产出进行了评价。

结果表明,基于SE-DEA的科研论文产出评价模型可以应用于科研绩效的横向比较,也可以用于建立高校科研绩效的标杆。

[关键词]学术论文;科研绩效;负产出;标杆管理;超效率数据包络分析中图分类号:G255.2 文献标识码:A 文章编号:1004!3926(2009)10!0288!03基金项目:四川省教育厅科研项目(08S A125);四川理工学院社科基金项目(2008S H121)。

作者简介:胡虹(1969-),女,四川广安人,四川理工学院学报编辑部编辑,主要研究方向:文献计量学、科学计量学。

四川自贡 643000高校是人才培养、科学研究、社会服务的重要基地,也是科技创新的源泉和强劲动力,在国家创新体系中占据独特而重要的地位。

通过合理配置科技资源并提高高校科研水平,进而依托高校科学研究实现国家创新的跨越式发展,是摆在我国高校面前的一项十分紧迫而重要的战略任务。

学术论文是衡量科研产出能力和产出水平的重要指标,因为出版物已成为承认和扩散科研成果的重要范式和标准,而且对推进大多数科学技术领域的进展至关重要。

高校科研产出通常由各种类型的出版文献来度量,其中,科研论文的发表是其科研成果和知识创新得到同行评议和认同的有效途径之一。

高校科研成果在国内外公认的学术期刊上发表的研究论文的数量和质量反映了科研产出的绩效和科技创新的水平。

基于ＤＥＡ方法的高校科研投入产出效率研究———以教育部直属高校为例孙盘龙１，辛斐斐２（１．青岛大学师范学院，山东青岛２６６０７１；２．青岛大学青岛教育发展研究院，山东青岛２６６０７１）摘　要：国家对高校科研投入力度的不断增加引发了资源浪费、使用低效等一系列问题，科学、客观地评价高校科研投入产出效率成为当下学界研究的重点问题。

运用ＤＥＡ和Ｍａｌｍｑｕｉｓｔ指数方法对教育部直属高校科研投入产出效率进行静态和动态分析，发现多数教育部直属高校的科研投入产出效率有待进一步提高，技术效率和技术进步效率都是影响高校科研投入产出的关键因素。

据此提出相关建议，要将效率指标纳入高校评价体系，与科研资源的配置相挂钩；加强高校科研管理水平，促进科研创新技术进步。

关键词：教育部直属高校；科研投入产出效率；ＤＥＡ；Ｍａｌｍｑｕｉｓｔ指数中图分类号：　Ｇ６４６ 文献标识码：　Ａ 文章编号：２０９５－６８００（２０２０）０１－０６８－０９随着国家对高校科研投入力度不断加大，高校科研资源浪费、使用过程中效率低下等问题引发社会关注。

高校科研投入产出的效率问题也成为了学界的重要研究课题。

教育部直属高校作为我国高校科研的主力军，一直以来都是国家和政府科研投入的重点关注对象。

但在当下我国科研资源紧缺的形势下，教育部直属高校的科研投入产出情况如何？高投入是否也同时带来了高产出？高校是否实现了科研资源的有效配置和效益最大化？这一系列的问题都是我们所亟需解决的。

本研究运用ＤＥＡ方法考察教育部直属高校科研投入产出效率情况，分析导致部分高校效率低下的原因，为解决高校科研资源浪费和投入产出效率低下的问题提供理论依据。

一、文献综述国内外学者对高校科研投入产出效率的研究以实证研究为主。

国内的研究多是结合具体的省市、地区或高校进行研究，从研究对象的角度大致可以分为三类：第一类是从宏观角度出发，以我国的省市、地区为研究对象，分析我国高校科研投入产出效率。

郭际、［１］仲洁、［２］耿清慧、［３］刘天佐［４］等人都以我国各省市作为研究对象，分析高校科研投入产出效率，结果都得出了不同省市地区的高校科研投入产出效率存在差异，并且东部地区高校科研投入产出效率大于中部和西部。