基于DEA的我国科技人力资源利用效率研究
来源:用户上传
作者:
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、R&D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,R&D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、R&D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)、R&D项目数(个)能够较好地反映知识产出情况。
本文的样本数据来自《中国科技统计年鉴(2008)》,按照上述决策单元和指标体系选择原始数据,并进行简单整理,原始数据表省略。
2 DEA分析
本文选择比较成熟的DEA专业计算软件DEAP进行计算,在计算时选择投入导向的模型,立足点是通过调整投入来实现目标行业科技人力资源利用效率的提高。表1是以原始数据为基础计算后整理得出的部分结果。
当综合效率为1且没有冗余时,则称决策单元为DEA有效;当综合效率为1且存在冗余时,则称决策单元为DEA弱有效;当综合效率不为1时,则称决策单元为DEA无效,后2种情况下,产业都有提高的空间。综合效率为1的决策单元,从生产函数角度讲,既是技术有效,也是规模有效的。而技术效率为1的决策单元仅是技术有效,不一定是规模有效的。
高技术产业中7个行业的综合效率为1且没有冗余,即为DEA有效,产出已经达到最优,这些行业同时达到技术有效和规模有效。各行业科技人力资源的利用效率比较平均。技术效率为1,但综合效率不为1的行业有5个,这5个行业无法达到DEA有效的主要影响因素是规模因素。规模报酬不变的行业有7个,且与DEA有效的行业保持一致;其余行业中绝大多数处在规模报酬递增阶段,可以通过增加投入来获得更大比例的产出增加;航天器制造业处于规模报酬递减阶段,规模效率是影响该行业综合效率的主要因素。
3 目标改进值分析
根据以上计算结果,7个DEA综合有效行业构成了DEA的效率前沿面,各决策单元在生产前沿面上都有“投影”,根据投影定理计算出的目标改进值代表决策单元同时达到技术有效和规模有效的理想情况。使决策单元达到技术有效时的目标改进值代表技术效率达到最优的情况。前沿面上的行业目标值与原值相同,其他行业的投入要素需要相对减少,产出可以相对增加。本文选择的是投入导向模型,即在产出不变时实现投入最小化,此时主要考虑调整的是投入指标。2种情况下投入指标的
目标改进值变化比例如表2所示。
表2中的数据越大,说明原值与目标值的差距越大,也说明该指标的调整空间越大。表2中已经达到技术有效的行业多于已经达到综合有效的行业,这与前面的结论一致。lO个非DEA有效行业的投入比例都发生了一定比例的变化,但是总体调整不大,本文选择投入导向模型,即通过减少投入来实现既定产出,然而在这样的理论基础上,投入调整的力度并不大,也从另一个侧面说明了总体投入不足。同一行业同一指标的调整比例,综合有效比技术有效情况下的调整比例大,而其中的差额部分即是由规模不合适导致的需要调整的比例。4结语与展望
应用DEA模型对我国高技术产业科技人力资源利用效率进行分析,结果表明,规模效率成为影响高技术产业科技人力资源综合效率的关键因素,绝大部分行业处在规模递增阶段,科技人力资源人员数量方面的投入指标冗余较大。
本文的研究不仅拓宽了衡量科技人力资源效率的方法范围,还对我国的科技人力资源管理实践有一定启示。
第一,不断健全科技人力资源绩效考核制度。科技人力资源的工作属于脑力劳动,其工作绩效多数是以思想、创意、发明等形式表现出来的,具有无形性,很难以货币来准确的衡量,这就决定了科技人力资源的绩效难以考核,然而不公正的考核结果无疑会影响到科技人力资源的工作积极性和工作效率,此时健全科技人力资源绩效考核制度,用定量化的评价体系来衡量、考核不确定的科研活动,避免使用过多的定性化指标而导致评价结果的主观性。
第二,精简高技术产业科技人力资源队伍,培养高层次复合型人才。研究结果表明,我国高技术产业科技人力资源的人员数量对其利用效率不但没有直接的促进作用,反而在某种程度上制约其利用效率的提升,这主要是由于我国高技术产业中科技人力资源的质量参差不齐,此时精简科技人力资源队伍,培养高层次复合型人才,对高技术产业科技人力资源总体的利用效率的提升有着重要的意义。
第三,健全科研经费的管理机制。科技人力资源利用效率受到经费的制约,一方面说明我国高技术产业科技人力资源的经费投入还存在不足,另一方面也说明有些经费没有用到实处,在现实中存在低水平、重复的科研项目立项,科技资源不集中,科研经费管理不规范,转移、挪用、挤占科研经费等现象。这些现象对科技人力资源经费的影响是不容忽视的,纵然有再大的经费投入,如果无法保证经费的合理利用也是无济于事。
第四,建立产业之间、国家之间的标杆管理机制。高技术产业应该认识到自身在科技人力资源利用效率方面的差距,确立既有挑战性又具有目标可行性的产业为标杆产业,尽力提高科技人力资源利用效率,缩小与其差距,最终赶上并超越标杆产业。同样,我国科技人力资源利用效率也需要选择合适的国家作为标杆对象,不断缩小我国科技人力资源利用效率与发达国家的差距。
需要指出的是,DEA方法衡量的只是相对效率,而不是绝对的效率指数,具体的数字大小并不能代表绝对效率的高低;本文选择的是截面数据,结论没有反映出一个时间段内的效率;本文按照行业来划分高技术企业,没有反映出各个地区的科技人力资源利用效率的情况。故本文的研究还需要在衡量方法以及时间、空间上做进一步的探讨。
转载注明来源:https://www.xzbu.com/2/view-485015.htm