中部六省产学研合作效率相对有效性DEA分析.docVIP

中部六省产学研合作效率相对有效性的DEA分析 　　摘要:技术创新是保持区域竞争力的一个重要手段,而产学研合作是当前加强技术创新的一种有效途径。文章利用DEA模型对中部六省产学研合作效率相对有效性进行了分析,得出了目前中部六省的DEA状态,并在此基础上提出了相关对策,旨在提高中部各省产学研的合作效率、加快区域技术创新的步伐,并为区域政府制定相关政策提供一定的参考依据。 　　关键词:中部六省;产学研合作;DEA;技术创新;合作效率 　　中图分类号:F204文献标识码:A文章编号:1009-2374(2010)01-0077-03 　　 　　随着经济全球化的加快,科技技术不断发展,国际竞争空前激烈,技术创新已成为提高区域竞争力的决定因素。它决定着国家、民族的兴衰和命运,更是企业生存和发展的根本。提高区域技术创新能力,加快技术创新步伐,已成为各地区的当务之急。产学研合作是科研、教育、生产不同社会分工在功能与资源优势上的协同与集成化,是技术创新上、中、下游的对接与耦合,其符合社会生产力发展和技术创新规律,有利于集成企业、大学和科研院所各自的优势,是当前加强技术创新的一种有效途径。对产学研合作效率有清晰的认识,是区域决策主体制定相关政策的必要前提。 　　 　　一、DEA模型介绍 　　 　　(一)模型来源及选择依据 　　数据包络分析(Date Envelopment Analysis,简称DEA)是美国著名运筹学家A.Charnes和W.W.Cooper等学者,以相对效率概念为基础发展起来的一种效率评价方法。它不但可对同一类型的各决策单元(DMU)的相对有效性进行评价、排序,而且还可以利用DEA“投影原理”进一步分析各决策单元非DEA有效的原因及其改进方向,从而为决策者提供重要的决策信息。这种效率评价模型,不仅能对经济效益指标进行评价,而且能对社会效益指标也可以做出客观的评价,尽管这些指标的性质、计量单位不尽相同。而对科技投入产出这种既有经济效益又有社会效益的系统问题,运用DEA的模型进行评价,不仅可行,而且有效。 　　(二)模型的数学原理 　　假设有n个被评价的单元DMU,每个单元都有m种投入Xj=(x1j,x2j,…,xmj)T以及s种产出Yj=(y1j,y2j,…,ysj)T,其中xij0, yij0,它们可以根据统计监测资料得到;适当地选择权系数V=(v1,v2,…,vm)T,U=(u1,u2,…,us)T,使每个被评价单元的效率评价指标: 　　hj=UTYj/VTXj=UrYrj/ViXij 　　满足hj≤1的条件下以hj0为目标函数达到最大。应用线性规划对偶理论,引入松弛变量s-及剩余变量s+可以建立对偶规划: 　　检验DMUj0的DEA有效性时,可以通过构造一个稍加变化的非阿基米德无穷小量的C2R模型,从而使这一检验简化。在实际使用中,常取=10-6,其对偶规划为: 　　对于上述线性规划模型(D)而言,模型所涉及变量的经济含义为:θ为DMUj的相对综合效率(0≤θ≤1),θ反映了第j个决策单元投入产出的合理程度。θ越大,说明相对于其他被评价单元,第j个决策单元的投入产出效率越高,投入产出状态越趋于合理,反之,θ值越小,则说明第j个决策单元的投入产出效率越低,资源的浪费程度越高,投入产出状态越扭曲。 　　1.若θ=1,且s-=0,s+=0,则DMUj0为DEA有效,说明相对于其他被评价单元,该决策单元既没有因投入多余而造成的资源使用上的浪费,也没有因产出不足而产生的资源分配上的效率损失,表明该决策单元资源配置状态相对最合理,配置效率相对最优。 　　2.若θ=1,s-≠0或s+≠0,则DMUj0为弱DEA有效,说明该决策单元已接近投入产出相对最优状态,但还有改进的余地。它可以在保持原有产出不变的情况下,在某些资源的投入上减少si+,也可以保持现有的投入水平,将某些方面的产出增加si-。 　　3.若θ1,则DMUj0为非DEA有效。说明与其它被评价决策单元相比,该决策单元远没有达到投入产出最优状态,它可以通过将所有资源投入压缩θ倍,而保持原有产出不减少。 　　 　　二、中部六省产学研合作效率相对有效性分析 　　 　　(一)指标体系构建 　　由于影响产学研合作效率的因素很多,在现有的研究中,产学研合作创新系统投入产出指标的确定没有一致的标准。在构建产学研投入产出评价指标体系时,为了客观的分析这些复杂的影响因素,就需要从多个角度选择反映创新投入和创新产出活动的指标来进行评价。 　　本文在构建指标体系时参考了国内外关于产学研合作创新指标体系构建的相关资料,在力争使选取的指标数据既能满足对客观情况的全面真实反映又能便于实际应用推广的前提下,采用了“投入――产出”的模式。投入方面主要包括科技