基于DEA的高校科研绩效评价
来源:用户上传
作者: 魏斌
［提要］ 有效的科研绩效评价对高校的可持续发展有重要的意义。数据包络分析（DEA）方法是一种针对多投入多产出问题的相对效率评价方法。本文运用DEA方法，把某高校的二级学院作为决策单元，科研的人员数量、科研投入作为投入指标，科研成果作为产出指标，对学院的科研绩效进行分析和评价，并对相应的学院提出改进建议。本文为DEA方法广泛运用到高校科研绩效评价上提供了理论依据。
关键词：数据包络分析；科研；绩效评价
中图分类号：G472 文献标识码：A
原标题：基于DEA的高校内学院科研绩效评价研究
收录日期：2012年1月4日
一、引言
随着知识经济时代的到来，科学技术对国家和社会发展所做的贡献越来越显著。《国家中长期教育改革和发展规划纲要（2010-2020）》中明确提出，提升科学研究水平，充分发挥高校在国家创新体系中的重要作用，加强高校重点科研创新基地与科技创新平台建设，完善以创新和质量为导向的科研评价机制。而学院是高校的基本组成单位，学院的科研水平直接决定了高校的科研水平，因此需要建立一套评价体系来评价高校内学院的科研效率，以便能发挥优势，找出不足，推动高校科研工作迅速发展，提高整体办学效益。
不论是高校主管部门对高校教学水平的评估还是其他组织对高校的各类排名，都体现了社会各界对高校教学及科研水平的关注。近年来，关于高校绩效的研究更成为国内学者们关注的焦点。我国学者对高校绩效的研究主要包括两大类：第一，我国高校科研投入的规模和效率的整体现状研究。陆根书和刘蕾（2005）通过对不同地区54所教育部直属高校在2000～2002年间科学研究效率及其变化趋势的分析，发现有46.3%的高校的效率有待进一步提高；东部、中部和西部地区高校的效率呈现递减趋势，而且不同地区高校的效率和规模效率都存在波动，但变化趋势不同；第二，高校绩效评价指标体系和方法的研究。刘多和李学志（1995）研究了我国高校自然科学量化评估指标体系的设计问题；吕松和王从东（2005）根据学校内部科研管理的需要，结合学校自身的情况，构建了高校科研绩效量化考核体系；而武书连等（2008）综述了中国大学研究与发展成果评价理论与方法。
目前，高校一般都以产出的绝对量为指标来评价科研的水平，然而由于各个被评价对象的投入存在差异，仅仅以产出来评价其科研的优劣显然有失公平。因此，本文引入数据包络分析对被评价对象进行相对效率评价。
二、数据包络分析原理
数据包络分析是运筹学家Charnes和Cooper等在“相对效率评价”概念基础上发展起来的一种新的系统分析方法，DEA已成为管理科学与系统工程领域一种重要而有效的分析工具。DEA的基本原理是对每一个被评价对象（即决策单元，Decision Making Units，简称DMU）的输入和输出进行分析，以各DMU的输入和输出的权重为变量进行计算，确定有效生产前沿面，并以有效生产前沿面为依据来确定各DMU是否为DEA有效。
假设，DMUj，j＝1，2，…n表示n个决策单元，（xj，yj）为DMUj的输入和输出，其中xj=（x1j，x2j，…，xmj）T，yj=（y1j，y2j，…，ysj）T（其中m，s分别表示DMU的输入和输出的数量），则对于某一个选定的DMUj0，j0?缀（1，2，…n），判断其是否为DEA有效的模型为：
三、实例分析
为了验证DEA评价高校科研绩效的适用性，本文选择某高校的13个二级学院作为决策单元，选取适当的指标构建评价指标体系，运用DEA模型对决策单元进行科研效率的计算，并根据计算结果进行分析。
（一）选取评价指标。DEA是一种多投入多产出的效率评价方法，因此指标的选取对分析结果有很大的影响，选取合适的指标能真实地反映决策单元的效率，反之则可能使评价失去其意义。一般来说，评价指标的选取应遵循以下几个原则：（1）精简性；（2）可比性；（3）真实性；（4）全面性。
综合以上原则，本文选择的输入指标为科研人员的数量和科研投入，输出指标为科研成果。科研的人员主要囊括了高校的讲师及以上职称的科研人员，经咨询相关领域的专家和参考他人的评价标准，对相关人员所占的比重进行折算，具体如下：1个副教授=0.5个教授，1个讲师=0.25个教授；科研投入即科研项目经费额，包括纵向项目任务书所确定的政府资助经费额以及横向项目考核期内到位的经费额；输出指标科研成果主要是发表论文、出版专著（含教材）以及获得国家专利和成果鉴定的数量。根据该校科研工作量计分标准，社科专著0.5分/万字，自然科学专著1分/万字，教材0.2分/万字；论文被SCI、EI、SSCI收录8分/篇，ISTP收录5分/篇，国际专业文摘收录4分/篇，中文核心期刊3分/篇；获得国家发明专利10分/项；计划项目鉴定6分/项；科技成果转化1分/万元。
（二）计算及分析。根据以上各项指标的折算方法和计分标准，经过在学校有关部门的调查，结合学校网站公布的数据，得出具体输入输出数据，将输入输出数据在DEAP软件中进行运算，计算结果见表1。（表1）表中给出了3列效率值和1列规模报酬，其中综合效率也被称为技术效率，是指在规模报酬不变的技术效率值；纯技术效率反映的是投入要素的使用效率；规模效率反映的是决策单元的投入产出比是否合适；规模报酬给出了现阶段该决策单元处于哪一种生产阶段，drs表示决策单元处于规模报酬递减的生产阶段，irs表示决策单元处于规模报酬递增的生产阶段。
从表1中可以看出，总体而言，13个学院的平均技术效率值达到了0.703，是一个比较好的结果。分开来看，有3个学院（学院1、6、10）达到了技术有效，即在现有的科研输入条件下与其他学院相比，科研成果产出已经达到了最大值。有2个学院（学院2、11）的纯技术效率达到了有效的水平，但是由于它们的规模效率没有达到有效，因此导致其综合效率没有达到有效。其他的学院既没有达到规模有效也没有达到技术有效，还需要进一步的提高其效率，尤其是学院4、5、7、8、12、13的综合效率甚至没有达到平均值，存在严重的人力、财力的浪费现象。
（三）改进建议。模型计算结果还给出了各个学院要达到技术有效的目标改进值，即在有效前沿面上的投影值，具体见表2。（表2）根据以上的改进值可以为该校提出以下的改进建议：
第一，由于本例是以产出的角度为基础所做的分析，因此没有达到技术有效的学院都是因为产出（即科研成果）不足所致。此外，还有一些学院（学院4、5、8）还存在着人员过多的情况。因此，最主要的改进建议就是各个没有达到规模有效的学院要充分利用现有的资源，多做科研，加大科研成果的数量，对于人员过多的学院，要避免人浮于事的作风，做到人尽其用。
第二，从表1中的规模报酬方面，除了达到规模有效的3个学院（学院1、6、10）外，其他学院都是规模效率递增或递减的。其中，6个学院（学院2、3、4、5、7、8）处在规模效率递减的阶段，即这些学院没有达到规模有效的原因是相对其产出来讲，其投入规模过大，而影响了其规模效率，这些学院要通过控制其投入，甚至减少投入来提高投入的利用效率以达到规模有效；另外4个学院（学院9、11、12、13）处在规模报酬递增的阶段，即这些学院没有达到规模有效的原因是这些学院规模较小，投入不足，因而没有达到规模有效，所以这些学院要加大人员和资金的投入来扩大其科研的规模，从而提高规模效率。
四、结论与展望
将DEA的运算结果与该高校的实际情况相比较后，可得出DEA的运算结果与各个学院的实际情况大体一致的结论，即DEA可以比较准确地反映该高校科研的实际问题。因此，我们认为DEA是一种适用于高校的科研绩效评价方法，不同的高校根据实际情况，选择各自的指标，即可对其科研效率进行有效的评价。
主要参考文献：
[1]陆根书，刘蕾.教育部直属高校自然科学研究效率及发展趋势研究[J].高等工程教育研究，2006.1.
[2]刘多，李学志.高校自然科学科研量化评估指标体系的设计[J].科技管理研究，1998.1.
[3]吕松，王从东.论高校科研绩效量化考核体系的构建[J].淮南职业技术学报，2005.4.
[4]武书连等.2008中国大学评价[J].科学学与科学技术管理，2008.1.
[5]A Charnes，W W Cooper，E Rhodes.Measuring the Efficiency of Decision Making Units[J].European Journal of Operational Research，1978.2.
[6]盛昭瀚，朱乔，吴广谋.DEA理论、方法与应用[M].北京：科学出版社，1996.
转载注明来源:https://www.xzbu.com/2/view-1661518.htm
