中国省际科技竞争力评价_基于超效率DEA的分析

2020年11月第22期总第464期内蒙古科技与经济Inner Mongolia Science Technology&EconomyNovember2020No.22Total No.464中国省际科技创新的效率评价——基于超效率DEA—M almquist指数张勇之(聊城大学商学院，山东聊城252059)摘要：基于超效率DEA模型及Malmuist指数，对2012年〜2018年各省市区的科技创新效率进行测度分析发现：①北京市历年来保持创新高效，但近年来有所下滑，青海省近年来则实现了创新效率的有效增长，其余各省份的创新效率基本稳定或在各区间不断波动；②除江苏省外，全国各地区全要素生产率均实现了基本稳定或有效增长，而江苏全要素生产率降低的主要原因是技术效率降低；③北京、云南、陕西、上海、江苏、山东、湖北、重庆、海南、四川实现全要素生产率的有效增长，依赖于技术进步效率。

关键词：超效率DEA模型；Maimquist指数；边际产量递减规律中图分类号：F124文献标识码:A文章编号1007—6921(2020)22—0025—041文献综述2012年底，党的十八大明确提出“科技创新是提高社会生产力和综合国力的战略支撑，必须摆在国家发展全局的核心位置'强调要坚持走中国特色自主创新道路、实施创新驱动发展战略'2016年7月，国务院印发了—十三五”国家科技创新规划.明确了迈进创新型国家，为建成世界科技强国奠定坚实基础的总目标。

2018年3月，十三届全国人大一次会议的政府工作报告中50余次提到科技、强调创新，其中特别指出“加快建设创新型国家把握世界新一轮科技革命和产业变革大势，深入实施创新驱动发展战略)因此，在2020年小康社会全面建成之际，统筹全局，多角度地探究中国科技创新效率的时空变化趋势，研究影响各区域科技创新效率的重要因素，对建设创新型国家，提高社会生产力及综合国力有重要意义'在当前的时代背景下，越来越多的学者开始关注科技创新'学者们主要从以下两个方面展开研究：①基于构建的静态指标体系，通过不同的评价方法对科技创新不同维度进行评价'巴吾尔江等(2012)、徐顽强等(2016)、王彦博等(2020)以及何睿(2012)分别采用主成分分析法对我国内地各省区市及国家创新型城市的科技创新能力进行了评价［140o邓丹青等(2019)、贾春光等(2020)、陈艳华(2017)及赵黎明等(2014)分别运用熵权TOPSIS 法对我国9个典型城市、山东省各地市、中国四大地区及我国31个省市的科技创新能力进行了实证分析/580李沃源等(2019)利用组合评价分析、聚类分析和相关分析等方法，对西部地区各省、市、自治区科技创新系统环境进行实证研究祝影、唐春光、孙锐，等(2019)基于耦合协调模型，对23个中国科技创新城市进行创新要素耦合评价，发现京津冀地区、长三角地区、珠三角地区的城市位居前列，中西部地区和东北地区城市表现乏力/100②基于动态的创新效率进行测度评价'胡丽娜(2019)、何龙光(2019)、许建红等(2019)分别使用DEA方法对内蒙古12盟市、西南地区及东部12省市的科学技术创新效率进行了测度评价［11130'Fuentest et al. (2001)、Giedre Dzemydait e et al.(2016)、Carayan-nis E G et al.(2016)、对园区的科技创新效率、欧盟中部、东部的40个区域及23个欧洲国家创新效率进行了测算与评价/14160o郭淑芬，张俊(2018)运用CCR—DEA、BCC—DEA和Malmquist—DEA模型测度了2009年〜2013年中国31个省市的科技创新效率及其年份变动情况，表明研究期完全有效省份的数量呈增多趋势，但总数仍远不及一半，5年来，基于技术进步各省市的科技创新效率有所提高/170'刘钒等(2017)、林佳丽等(2008)基于超效率DEA模型对长江经济带、广东省21个城市科技创新相对有效性进行了全面客观的评价/8〜190张明龙(2015)基于超效率DEA模型，分析了我国30个省、自治区和直辖市以金融作为投入的科技创新效率，结果表明中西部地区的效率增长高于东部地区#技术效率的变化是导致区域差异的主要原因［2000孙东(2014)采用超效率DEA—TOBIT模型测算了我国2002年〜2012年各省份创新的效率，结果表明：我国创新效率还不高，处于创新有效状态的省份不足1/3,而且创新效率值波动较大，没有出现稳定上升趋势［210o当前，学者的研究为区域科技创新的后续研究奠定了基础，成就显著，但仍存在可进一步研究的巨大空间。

中国省际要素投入结构绩效评价研究——基于超效率DEA模型和Malmquist指数法张珍花; 曾志康【期刊名称】《《华东经济管理》》【年(卷),期】2018(032)004【摘要】文章基于"十二五"规划期间中国31个省区市的面板数据,首先采用超效率DEA模型对各省市生产效率进行测算,其次利用Malmquist指数法对各省市综合生产率指数进行计算及分解,最后通过Tobit模型对中国生产效率进行环境影响因素分析。

研究结果表明:从静态分析结果来看,2011-2015年中国生产效率逐步提升,各省市要素投入结构缺乏合理性,且存在区域差异;从动态分析结果来看,技术落后是导致中国各省市综合生产率普遍下降的主要原因;从影响因素分析结果来看,交通便利程度对提升生产效率具有显著的推动作用,受教育程度、市场开放程度和居民收入水平对提升生产效率均具有显著的制约作用。

【总页数】7页(P55-61)【作者】张珍花; 曾志康【作者单位】江苏大学财经学院江苏镇江212000【正文语种】中文【中图分类】F061.5; F222.33【相关文献】1.省际全要素生产率的测算与分解——基于DEA的非参数Malmquist指数法 [J], 陈秋明;苟娟2.基于DEA-Malmquist指数法的供电企业绩效评价研究 [J], 雍浩;杨少华;杨颖;赵萌萌;唐平舟3.基于DEA-Malmquist指数法的供电企业绩效评价研究 [J], 雍浩;杨少华;杨颖;赵萌萌;唐平舟;4.我国不同区域高校科研绩效评价——基于超效率DEA模型和Malmquist指数法 [J], 赵庆国;何佳5.中国省际高技术产业创新效率评价研究——基于超效率DEA模型和Malmquist 指数法 [J], 张月明;蒋元涛因版权原因，仅展示原文概要，查看原文内容请购买。

基于超效率DEA 模型的中国省际生态效率时空差异研究王恩旭　武春友(大连理工大学管理与经济学部) 摘要:建立了基于DEA 模型的生态效率投入产出指标体系,运用超效率DEA 模型对中国30个地区1995～2007年的生态效率进行了测度,将测度结果按照东、中、西、东北4个区域进行了时空差异分析,并对生态效率变化趋势进行了收敛检验。

结果显示:1995～2007年中国的生态效率存在明显的区域差异,效率均值的高低排序依次为东部、中部、东北、西部,其中东部、西部、东北呈生态效率下降趋势,中部呈上升趋势,只有东部地区生态效率均值高于全国均值,其余地区生态效率均值都低于全国均值;通过收敛检验可以看出1995～2007年间,中国生态效率呈发散趋势,即差距在逐渐增大,其主要受东部地区生态效率变化的影响。

关键词:生态效率;时空差异;DEA 模型中图分类号:C93　文献标识码:A 文章编号:1672-884X (2011)03-0443-08S patial -tem poral D iffe rences of P rovin cial Eco -efficiency in C hina Base d on S uper Efficiency DEA M odelWANG Enx u WU Chunyou(Dalian University o f Technolog y ,Dalian ,Liao ning ,China )A bstract :This ar ticle establishes an input -o utput index system based on DEA model ,and then makes evaluation of eco logical efficiency of 30areas of China during the years from 1995until 2007by means of super efficiency DEA model .Finally ,this article m akes spatial difference analy sis of themeasuring results according to eastern ,middle ,w este rn and nor theastern regio n ;meanw hile ex amine the convergence of the changing trend of eco logical efficiency .The results sho w that the eco logical ef -ficiency of China during the years from 1995until 2007obviously represents regio nal differences and the rank o rdering of average efficiency is as fo llow s in turn :eastern ,m iddle ,northeastern and w est -ern reg ion ;the eco logical efficiency of eastern ,w estern and nor theastern region presents the declining trend ,w hile the middle reg ion presents the increasing trend ;the ecolo gical efficiency of northeastern region exceeds the national averag e and all the rest of the ecological efficiency is below the national av -erage .The conclusio n can be drew from con convergence analysis that the national ecological efficiency assumes the lesser radiation trend during the years from 1995until 2007,nam ely the gap of efficiency is gradually increasing ,the m ain reason of w hich lies in the influence of ecolog ical efficiency change of eastern regio n and smaller changes of o ther regio ns .Key words :eco -efficiency ;spatial -temporal differences ;DEA mo del收稿日期:2010-06-12基金项目:国家自然科学基金资助项目(71073016;70903010);教育部新教师博士点基金资助项目(20090041120048);辽宁省博士科研启动基金资助项目(20081094) 工业革命时代,世界相对稀缺的是劳动力和人造资本,经济发展主要追求提高劳动生产率和资本生产率。

基于DEA交叉评价的中国省际能源效率研究中国作为世界上最大的能源消费国之一，能源效率的提高一直是国家发展的重要课题。

省际能源效率研究对于促进中国能源的可持续利用和发展具有重要意义。

本文将基于DEA交叉评价方法对中国省际能源效率进行研究，并分析其结果。

首先，我们需要了解DEA交叉评价方法。

DEA（Data Envelopment Analysis）是一种非参数评价方法，可以在多个输入和输出指标之间进行有效评价和比较。

它通过将每个评价单元视为一个生产者来衡量其效率，并将其与其他评价单元进行比较。

交叉评价是DEA的一个重要扩展，可以对不同评价单元之间的效率进行比较。

本文选择了中国31个省级行政单位作为评价单元，考虑了能源消耗总量、经济产出、人口规模等指标作为输入和输出指标。

通过构建DEA模型，计算得出各个省级行政单位的能源效率得分，并将其进行比较和分析。

研究结果显示，中国各省际能源效率存在着明显的差异。

以2024年为例，北京、上海、广东等东部沿海省份的能源效率得分较高，而西部地区的新疆、青海等省份的能源效率相对较低。

这一差异主要受到地理位置、经济发展水平和能源产业结构等因素的影响。

进一步分析发现，能源效率与经济发展密切相关。

东部沿海省份由于经济发展较早，技术水平较高，能源效率得分相对较高。

而西部地区由于地理条件限制和经济发展相对滞后，能源效率得分较低。

同时，能源产业结构也对能源效率产生了影响。

传统能源的大量消耗导致能源效率较低，而新能源和清洁能源的发展可以提高能源效率。

基于这些研究结果，我们可以得出一些政策建议。

首先，应加大对西部地区的支持力度，促进其经济发展和能源效率的提高。

其次，应加强技术创新，推动传统能源的转型升级，加大清洁能源和新能源的开发和应用。

此外，还应加强各省之间的合作与交流，共同推进能源效率的提升。

综上所述，基于DEA交叉评价的中国省际能源效率研究对于促进中国能源的可持续利用和发展具有重要意义。

我国科技资源配置效率的实证分析——基于DEA的超效率CCR模型与Malmquist指数模型史安娜;徐巧玲【摘要】以2001-2012年我国30个省城的面板数据为基础,选取科技投入-产出指标体系,构建基于DEA的超效率CCR模型与Malmquist指数模型,实证分析与比较我国30个省域科技资源配置效率.结果显示2001-2012年期间我国30个省域科技资源配置效率高低、变动趋势以及影响因素存在很大的差异,各省域要根据自身的情况制定适合的科技政策.【期刊名称】《科技管理研究》【年(卷),期】2015(035)001【总页数】6页(P54-59)【关键词】科技资源;配置效率;投入-产出;超效率CCR模型;Malmquist指数【作者】史安娜;徐巧玲【作者单位】河海大学商学院,江苏南京211100;河海大学商学院,江苏南京211100【正文语种】中文【中图分类】F276.7科技资源是一种特殊的资源，不仅需要自然资源作为载体，更需要凝结人类长期以来的智慧。

同其它资源相比，其稀缺性更为明显，客观上要求对其进行优化配置。

科技资源配置是关于如何分配与使用有限的科技资源，使其产生最大的效益，一般通过配置效率来描述和反映科技资源配置结果。

综述相关文献，科技资源配置效率研究分为定性与定量两个层面。

对于科技资源配置效率的定性研究，主要是从科技资源配置机制角度展开的。

如：叶儒霏等[1]运用新制度经济学理论、政府管理理论，结合国内外经验教训，分析了影响我国科技资源配置效率原因并寻找相应的对策。

刘玲利等学者[2-5]更多地侧重于科技资源配置效率定量方面的研究，即通过选取指标与构建模型的方式测度某个地区或领域的科技资源配置效率及其变动情况。

由于科技系统是由一个“投入—产出”各个要素相互依赖和相互作用形成的复杂系统，学者们几乎都将科技资源配置效率理解为科技产出与科技投入之DEA方法，而该方法无须估计投入与产出的生产函数，是直接利用线性规划的方法，并从投入-产出视角构建评价指标体系。

基于ＤＥＡ的河北省农业生产超效率分析本文利用超效率分析，计算出1995-2007年河北省各年的农业生产效率值，以此研究河北省农业生产效率的历史变化状况。

然后利用纵向研究计算所得的农业生产效率值，与农业生产投入指标做相关分析，找出影响农业生产效率的主要因素，为提高河北省农业生产效率提供有益参考。

关键词：DEA 农业生产效率超效率分析相关分析影响因素河北省是农业大省，为全国粮油集中产区之一，常用耕地面积约600多万公顷，居全国第四位。

近几年河北省的农业总产值（按当年价格计算）呈递增趋势。

为了对河北省农业生产效率作出正确判断，有必要对河北省农业生产效率进行深入分析，以期进一步挖掘农业资源利用的潜力，促使河北省农业更快更好的发展。

因此，从实际出发研究河北省农业生产效率及其影响因素，具有重要的现实意义。

本文所研究的农业生产效率指将自然因素和劳动力、经济和技术等要素作为投入量，把农业总产值作为产出量，通过数据包络分析计算出要素投入的效率值。

投入指标主要有：乡村从业人员、耕地面积、农业机械总动力、有效灌溉面积、化肥使用量折算成纯量、农村用电量、农业总支出。

产出指标为：农业总产值。

超效率分析（一）DEA及超效率分析方法介绍本文中河北省农业生产效率模型是在数据包络分析基础上构建的。

所谓数据包络分析（Data Envelopment Analysis，简称DEA）是评价同类部门或单位间的相对有效性的决策方法，该方法可用于各行各业。

该方法的原理主要是通过保持决策单元（Decision Making Units，DMU）的输入或者输出不变，借助于数学规划方法确定相对有效的生产前沿面，将各个决策单元投影到DEA 的生产前沿面上，并通过比较决策单元偏离DEA前沿面的程度来评价它们的相对有效性。

DEA的CCR模型将决策单元分为两类：有效和无效，对于多个同时有效的决策单元则无法做出进一步的评价，而超效率DEA则弥补了这一缺陷，使有效的决策单元之间也能进行比较，并且能够做进一步分析。

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。

基于熵权法和超效率DEA 的中部六省科技竞争力评价傅春1，杨丽1,2（1.南昌大学管理学院，南昌330031；2.南昌大学数学系，南昌330031）摘要：科技竞争力是区域竞争力的重要组成部分，对中部六省进行科技竞争力评价是提升其科技竞争力的有效途径。

首先，基于中部六省2013年的科技数据，构建科技竞争力评价指标体系，采用熵值赋权法对科技竞争力进行综合评价、比较和分析；其次，运用超效率DEA 方法测算中部六省科技资源配置效率。

研究发现，中部六省在科技资源规模和配置效率上各具优势和特色，科技资源互补性较明显，科技竞争力最强的是湖北，安徽、河南紧随其后，但科技投入产出效率相对较高的省份是安徽、江西和山西。

关键词：科技竞争力；熵权法；超效率DEA ；中部六省中图分类号：G353.1；F207文献标识码：A文章编号：1001-7119（2017）07-0258-06DOI:10.13774/ki.kjtb.2017.07.059Science and Technology Competitiveness of the Six Provinces in Central ChinaBased on Entropy Weigh Method and Supper-efficiency-DEAFu Chun 1，Yang Li 1,2（1.Management Department of Nanchang University ，Nanchang 330031，China ；2.Mathematics Department of Nanchang University ，Nanchang 330031，China ）Abstract ：Science and Technology(S&T)Competitiveness is important in regional competition.Assessing the technology competitiveness of the central six provinces is an effective way to enhance it.Based on the data in 2013,this paper establishes a technology competitiveness evaluation indicator system.Firstly,by using the method of entropy weight method,this paper computes compares and analyses the performance of the first grade indicator.Secondly,the method of supper-efficiency-DEA is applied to measure the efficiency of S ＆T resource allocation of the 6provinces.Study concludes that the six provinces each has its advantages and characteristics on the technology resources scale and allocation efficiency.The complementary of technology resource in the six provinces is apparent.The strongest is Hubei,then Anhui,Henan.But Anhui,Jiangxi,and Shanxi have relatively high input-output efficiencies.Keywords ：science and technology competiveness ；entropy weight method ；supper-efficiency-DEA ；sixprovinces in central China收稿日期：2016-08-24基金项目：南昌大学中国中部经济社会发展研究中心招标项目（15ZBLPS06）；江西高校哲学社会科学研究重大课题攻关项目（编号：ZDGG02）；教育部哲学社会科学发展报告培育项目（13JBGP024）；江西省高校人文社会科学重点研究基地招标课题（JD1402）。