基于DEA我国科技人力资源利用效率研究.docVIP

基于DEA我国科技人力资源利用效率研究 　　摘要：据中国科学技术协会统计，我国科技人力资源总量已居世界首位，但是与发达国家相比，我国科技人力资源总体利用效率低下，这种情况在高技术产业中表现得比较明显。DEA是衡量科技人力资源利用效率的有效方法，以我国高技术产业17个主要行业为样本量，用DEA方法衡量我国高技术产业科技人力资源利用效率。结果表明，经费投入是影响我国高技术产业科技人力资源利用效率的最主要因素。为此，建议我国高技术产业从绩效考核、人才队伍建设、经费管理等方面着手，不断发挥科技人力资源利用效率。 　　关键词：科技人力资源；高技术产业；DEA；利用效率 　　 　　O　引　言 　　 　　知识经济时代，经济的竞争表现为科技的竞争，而科技的竞争实质是人力资源的竞争。科技人力资源作为科技资源的核心，最具创新性和革命性，也是支撑一国科技知识的生产、扩散和应用的重要载体，当今世界，科技人力资源已成为经济实力、综合国力竞争的决定性因素。然而与我国科技人力资源总量逐年增加相伴随的并不是利用效率的提高，相反，我国科技人力资源总体利用效率比发达国家低很多，在高技术产业中科技人力资源数量大、作用突出，此时，如何衡量高技术产业科技人力资源利用效率成为我们面临的主要问题。陈婧等(2004)采用多层次灰色评价方法评价高技术企业科技人力资源的研发效率。陈晓芳等(2008)借助ISM模型，对企业人力资源管理效率的影响因素进行系统分析。Stavrou等(2007)使用人工神经网络衡量人力资源管理与企业商业效率，研究结论验证了方法的有效性。这些方法的评价处理过程涉及较强的主观意识及人为判断，故将其应用于科技人力资源效率分析这一尚不成熟的研究领域是否合适仍需商榷。Chou等(2008)使用层次分析法(AHP)对科技人力资源竞争力进行评价。Tseng和Lee(2009)在不同企业文化类别的框架下使用AHP／DEA对企业人力资源管理效率进行评价。Huselid等(1997)通过回归方法分析了技术性人力资源管理(technical HRM)与企业绩效的关系。使用AHP方法进行多层次比较建立在一定范围内满足一致性要求的理论假设下，且用平均法求权重也导致较大的系统误差；回归分析的样本量需满足大样本要求，回归结果也会受到自相关性的影响。另外，现存绝大多数相关研究均从人力资源管理活动的投入产出出发，其侧重点在于对人力资源管理效率的测定，而非对作为资源本身的人力资源的投入产出效率的研究。还有很多文献是对科技人力资源相关概念的利用效率的测定，而非直接对科技人力资源利用效率的评价。这些文献都未能很好地对科技人力资源利用效率进行全面衡量。本文采用DEA方法对我国高技术产业科技人力资源利用效率进行分析，避免了主观性因素的干扰，减小了系统误差，得出较为客观、全面的评价结果，据此提出的建议，对我国高技术产业提高科技人力资源利用效率的现实工作有一定的参考价值。 　　 　　1　决策单元的划分与指标选择 　　 　　1.1　决策单元的划分 　　数据包络分析(Data Envelopment Analysis，DEA)是一种根据多指标投入和多指标产出评价各部门或单位相对业绩的非参数估计方法，是评价科技人力资源有效性的有力工具。该方法将“通过一系列决策，投入一定数量的生产要素，并有一定数量产出”的系统称为决策单元川。《中国科技统计年鉴(2008)》把高技术产业划分为17个行业。本文选取每个行业作为一个决策单元，具体划分结果见表1。 　　 　　1.2　指标选择与样本数据的获取 　　DEA模型是分析具有多投入与多产出的决策单元的相对效率的方法，需要选取科技人力资源的投入与产出两方面的指标。 　　在科技人力资源投入方面，学者们在研究中常用的指标有：科学家与工程师占科技活动人员的比重、RD人员工作当量、每万人工程技术人员规模、科研经费支出额、科研经费支出占GDP的比重等。科技人力资源的投入因素可以大致分为人员投入和经费投入，结合前人的研究成果，本文选择工程技术人员占年末从业人员比重(％)作为人员投入指标，RD经费占科技活动总经费比重(％)作为经费投入指标，而劳务费占科技活动总经费支出比重(％)同时反映了人员和经费支出的状况。 　　在科技人力资源产出方面，学者们在研究中常选取技术市场成交合同额、新产品产值占工业产值的比重、高新技术产业增加值、专利申请量、技术市场的成交合同数、RD项目数、科技论文数等指标。利用科技人力资源而得到的产出一般可以分为可直接测量的产出和不可直接测量的产出，可直接测量的产出主要是经济指标，本文选取新产品收入占主营业务收入比重(％)作为可直接测量的指标。不可直接测量的产出主要是知识，发明专利申请数(个)、RD项目数(个)能够较好地反映知识产出情况。