基于滞后非径向超效率dea的高校科研效率评价研究-倪渊.pdf

《基于滞后非径向超效率dea的高校科研效率评价研究-倪渊.pdf》由会员分享，可在线阅读，更多相关《基于滞后非径向超效率dea的高校科研效率评价研究-倪渊.pdf（10页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、第28卷第11期2016年11月管理评论Management ReviewV0128No11Nov，2016基于滞后非径向超效率DEA的高校科研效率评价研究倪渊(北京信息科技大学经济管理学院，北京100192)摘要：数据包络分析(DEA)是高校科研效率评价领域重要的建模方法。然而，已有基于DEA的高校科研效率评价模型未能充分反映高校科研投入产出滞后性、评价结果排序性以及评价价值偏好等三方面的特征。为了弥补已有研究不足，本文提出了一种组合评价模型：滞后非径向超效率DEA模型。该模型将阿尔蒙多项式、非径向偏好DEA和超效率DEA有机融合，通过阿尔蒙多项式对投入产出数据的预处理来模拟高校科研系统投入

2、产出的滞后性，借助非径向超效率DEA满足高校科研效率评价对于高区分度和偏好性的需求。最后，应用该模型对36所985工程高校科研效率进行评价，并采用比较验证方法来实证模型的可行性和有效性。结果显示：滞后的非径向超效率DEA具有较好的区分度，可以实现评价对象的全排序，且比标准DEA和非径向超效率DEA的评价结果更好地体现了高校科研投入产出的滞后效应。本文研究结论是对现有科研管理和DEA理论的有力补充，有助于指导高校发展和相应管理政策的制定。关键词：DEA；高校科研效率；非径向；超效率；投入产出滞后引 言随着创新型国家建设的不断深入，高校凭借着丰富的人才资源、齐全的学科门类、充足的信息资源，逐渐成为

3、了国家创新体系的中坚力量，在经济社会发展中扮演着越发重要的角色。近年来，政府非常重视高校科研创新，在加大科研经费投入量的同时，制定了多种政策计划，比如说协同创新计划等，来满足和支持高校科研活动，促进科研能力的提升。相关统计数据显示，进入2000年以后政府用于高校科研的经费投入年均增长率超过15，并取得了显著的成果：我国科技论文，尤其国际论文的数量和引文情况增速明显，提前完成了国家十二五科学发展规划设定进人世界前5的目标J。科研项目和经费快速增长态势下，高校科研投入产出效率成为社会各界关注的焦点，一时间关于高校重大科技原始创新能力不足、科研经费被滥用和私吞、科研经费使用效率极低、浪费现象严重等负

4、面消息不绝于耳。因此，如何通过合理地评价和监控提高科研效率，成为科研管理领域研究的热点2-51，也成为本文探索的主题所在。正如美国著名的评估学者Stufflebeam所说的一样：“评估的目的不仅在于结果如何，更在于它指明了改进的方面”。高校科研效率的科学、准确的评价，不仅是政府建立效率优先的科研资源配置机制的基础，也是引导高校自我诊断和完善，建立面向社会的科技创新体系的有效手段。研究综述鉴于高校科研活动对于推动国家创新的重要影响，诸多学者对高校科研效率评价进行了探索和研究，学者们讨论的焦点在于“如何构建符合高校科研系统运行特点和要求的效率评价方法和模型”。国外学者较早注意到了高校科研系统的特殊

5、性，他们指出高校科研活动是一个多投人多产出的复杂系统，产出有很多难以准确量化的“产品”，“产品”质量也缺乏统一的衡量标准旧1。因此，一般生产系统或企业里常用的效益评价方法，如投资收益率法、现值比较法、回收期法等并不适用于高校科研效率的测量。面对传统方法的失效，一些学者尝试利用随机边界分析(SFA)和线性回归方法来评价高校科研效率。SFA是在投入与配置既定的前提收稿日期：2014-06-16基金项目：国家自然科学基金项目(71171021G0117)；北京社科基金青年项目(15JGCl774)；北京市教委社科计划一般项目(SM20161 1232002)。作者简介：倪渊，北京信息科技大学经济管理

6、学院讲师，博士。万方数据86 管理评论 第28卷下，分析实际产出与生产前沿面的距离来确定对象的效率。作为一种参数统计方法，SFA使用前需要构造一个科研生产函数并估计前沿面上的参数。在此过程中，构造函数的合理性对结果影响很大，且基于不同假设，其参数估计结果也会不同。此外，SFA常用于处理只有一种产出的情况，对于多输入多输出系统而言，其计算过程十分复杂。线性回归方法与SFA遇到的困难类似，也需要估计高校科研系统的成本或生产函数。这些缺陷在一定程度上限制他们在高校科研效率评价中的应用。随着评价理论与方法的发展，数据包络分析(DEA)为解决该问题提供了新思路。DEA与SFA的评价原理是相似的，但是作为

7、一种非参数化的方法，不需要事先确定投入与产出的函数关系和预估参数，且投入产出指标也无需无量纲化处理。这一系列优点使得DEA特别适合对多输人多输出复杂系统，如高校科研系统相对效率，进行评价9 J。从整体上讲，基于DEA的高校科研效率评价研究经历了三个阶段。早期研究关注DEA原始模型(CCR和BCC)在不同类型高校科研评价中的应用。例如，侯启娉叫应用CCR模型对20所研究型高校科研绩效进行分析；戚滂等u则运用BCC模型比较了我国29个省、市、自治区高校科研效率的整体情况。后来学者们尝试对原始DEA模型进行改进，使评价过程更加符合高校科研系统特点。改进集中在三个方向：第一，体现高校科研系统投入产出的

8、滞后性。高校作为一个特殊的生产系统，科研职能实现需要一定时间跨度引。例如，科学项目不论是纵向课题还是横向项目，从开始到试验发展再到成果转化，期间都需要经历复杂的过程，时间短则一两年，长则三五年，甚至更长。因此，高校当期的科研成果或者产出不只与当期投入有关，还会与前面某一期或者几期的投入有关。已有研究对于高校科研系统的这种滞后效应有两种处理方法：多元统计分析【l纠和阿尔蒙多项式4|。多元统计分析认为当期产出是前面某一期投入的结果，只要找出滞后期n，将当期产出Y(t)与滞后效应发展之前的投入戈(t-n)带人原始DEA模型就可以得到决策单元真实的效率评价值。其中滞后期确定采用试探法，以滞后期n为控制

9、变量设计回归模型，选择拟合优度最高模型对应的滞后期n为最优解。阿尔蒙多项式分析法认为当期产出是前面若干期投入的结果，而且越早的投入其对当期产出贡献越大，它以滞后期的低阶多项式来模拟当期产出Y(t)与各滞后期z(t)，戈(t-1)石(t-i)的函数关系，估计各个滞后期投入对当期产出的贡献率，按照贡献率修正后的投入z(t)和当期产出y(t)计算效率值。第二，增加高校科研效率评价结果的精确性。原始DEA模型仅能对目标高校科研效率二分类或者三分类，不具有排序功能；而且分类评价结果包含了大量的“伪有效单元”，例如当两个DMU的投入产出情况相似时，现有DEA模型很难将他们区分，往往将其归为一类5|。因此，

10、学者们尝试增加DEA评价结果的区分度，主要改进模型为交叉效率DEA1 6”3和超效率DEA模型819。第三，体现高校科研效率评价不同指标的差异以及评价者的价值取向。在实际的高校科研活动中，不同资源投入对科研产出的弹性不相同，这一特点反映在评价过程中表现为：先验信息对决策者偏好的影响。然而，标准DEA遵循等比例度量和Pareto序2，每个输入指标都被视为同等重要，且改进时要求所有评价指标都同比例变化心。对此，学者们旧2副借助非径向DEA模型加以实现。例如，Cooper等241提出的RAM模型，Tone2列提出的SBM模型等，其中应用最为广泛的为Zhu-2钊构建的DEAPs模型。该模型增加了决策者

11、对投入指标的偏好，提升了评价的稳定性。经历了前两个阶段的研究积累，现阶段该领域探索的重点是“如何构建多目标的DEA改进模型，同时满足高校科研效率评价滞后性、精确性以及价值偏好性等多方面诉求”。目前该问题研究尚处于初期阶段，相关成果并不丰富；少量文献是关于融合两方面目标诉求的DEA改进模型。例如，俞立平心和孙立成【2副等人的研究，综合考虑高校科研评价精确性和价值偏好性的诉求，提出了非径向超效率DEA模型，并应用它分别对我国不同地区科技效率以及中科院24个研究所的科研效率进行评价；郭海娜瑚1研究则综合考虑滞后性和精确性两方面的诉求，构建了具有滞后效应的超效率模型，并应用它对64所教育部直属高校科研

12、效率进行评价。然而，现有文献对于能够实现“滞后性与价值偏好”两方面目标以及同时满足三方面诉求的DEA改进模型还未有所涉及。综上所述，针对高校科研效率评价的研究趋势以及高校科研活动的特点，本文选择满足高校科研效率评价滞后性、精确性以及价值偏好三方面目标的改进DEA模型为研究对象，根据组合评价理论思想，提出了“滞后非径向超效率DEA模型”，该模型将阿尔蒙多项式、非径向偏好DEA和超效率DEA有机结合。其中，通过阿尔蒙多项式对投入产出数据预处理来反映高校科研系统投人产出的滞后性，借助非径向超效率DEA满足高校科研效率评价对于高区分度和稳定性的诉求。在此基础上，以高水平研究型大学(985工程高校)为样

13、本，收集数据进行算例分析，验证模型和方法有效性与可行性。万方数据第11期 倪渊：基于滞后非径向超效率DEA的高校科研效率评价研究 87滞后非径向超效率DEA模型的构建针对已有研究的不足，本文在充分参考国内外DEA理论和技术新发展的基础上，从加强投入产出的滞后性、评价结果的区分度以及评价标准的偏好性等三个方面改进标准的DEA模型。该模型的具体流程如图l所示。该测量模型包括三个主要步骤：；。 。投入产出o：系统描述_藉簇妊案j佰怀降系scepl数据准备一数据收集一Step2阿尔蒙多项式Step 3效率计算聋萤兰竺理 、数据集成；主观权重卜一：唯一特征雷达图一一f。评价集v第T期的总投入和总产出一一

14、一一一一L一一一一一一平稳性检验 ： vi在j 。时刻投入产些考后模型 科研 k出珂尔蒙变换 的指 示值 指标带后期贡献率计算 i丁l评价高校vi时刻T科研投入的修正指标值一一一一一一土一一一一一E径向超效率DEA模型 -L_重值图1基于滞后非径向超效率DEA模型的科研效率评价流程Stepl，数据准备。假设评价对象集为y=h，：，”。，评价周期为第t-k期至第t期，其中第t期为基期，一k期为基期向前推移k个时间单元，评价指标集分成两部分：投入指标集x=戈。，戈：，戈。，产出指标集y=Y，Y：，Y。那么，数据准备阶段主要包括三方面的内容：首先，根据高校科研系统的定性分析，确定高校科研效率评价的投

15、入和产出指标，并收集评价对象秽i在第T期的数据，其中Tt，f一1，t-k：投入向量为霹=菇；，戈；，菇，产出向量为y，r=Y；，T，Y；然后，确定高校科研规模的方法，计算评价对象秽i在第T期的投入规模x 7，(r)和产出规模l，7，(r)，参考文献30与文献31，对于每一个时期对象秽，科研规模的计算分三步完成：指标无量纲化处理；利用AHPDelphi对科研效率评价指标进行赋权，采用唯一特征 1 n 1 “雷达图算子完成指标值和权重的信息集成；最后，则取x(T)=二义7，(T)，Y(r)=二y，i(丁)，分别表示第Tn J21 n J21时刻所有评价对象平均的投入和产出规模。这样从第t-k期到第

16、t期的每个时间单元都可以得到一个数据对x(r)，y，(r)，来描述评价对象集y平均投入和产出的情况，简单记为x，y，丁=t，一1，一k。Step2，基于阿尔蒙多项式构建投入产出的滞后模型。假设时期t为基期，首先将Stepl中评价对象集V的平均投入和产出时间序列进行平稳性检验，并将其带人投入产出滞后模型Y；=O+3。Xt!邯。XH邯：x 7H+邯。x“+tt。中；然后，借助阿尔蒙多项式变换，将多项式危=。+o。i+a：i2+ct。i9代人到原滞后模型，得到Y。=乏p。XH+tt。k=理+暑(oo+tZ】i+a2i2+-+口Pip)Xt一+M k=Ot+6tO fi 1 PI+n口 pf_it：_

17、20x+ctZ_oix2_oi X+ttk令Zm=暑xH，Zl。=Z。，z雕=乏，xH万方数据管理评论 第28卷则新的模型为Y7。=a+口oZm+o。Z。+n，Z，。+M。显然，瓦，Z“，z讲都可以从前面的观测数据中得出，通过最小二乘估计便可以得到新的等价模型中参数口。，o。，o：口，的估计值，进而得到殷估计值：展=毛+三，i+a2i2+，。那么，各滞后期的投入x，相对于基期产出l的贡献率为Ci=3届i。最后，可以得到评价对象vj在基期t的修正投入量为：z；=c。霉+c。霉1+c。霹。重复以上过程，改变基期，可以得到对象vi在不同时刻T的修正投入量。在Step2的过程中，预先选择评价对象最大滞

18、后周期k和多项式次数P(满足pk)是阿尔蒙多项式法的关键。综合考虑已有研究21和高校科研系统运行特点的基础上确定两者的值，尽量减少主观因素。在实践中，对于滞后期k，期望它尽量小一些，如果有lO年的数据通常滞后取二期或三期。对于P，采用高阶多项式拟合效果要好一些，但出现多重共线性问题的可能性要比二阶、三阶多项式大。因此，二阶或三阶多项式更为适合。Step3，基于非径向超效率DEA模型计算评价对象的效率值。将评价对象集y在基期t的修正投入向量Z(t)=Z。(t)，Z2(t)，Zj(t)作为输入，产出向量Y(t)=y，(t)，y2(t)，t(t)作为输出，以及stepl中对科研效率评价指标权重作为评

19、价者的偏好，带入非径向超效率DEA模型中进行计算，得到每一个评价对象vj在t时刻的效率值研。重复以上过程，改变基期，得到评价对象vj在不同时刻T的效率值矿。其中，本文采用非径向超效率DEA模型参考了文献27和28，通过DEAPS模型与超效率DEA模型融合得到，具体如下所示：Ejo(r)=max荟u乡二蠊2b一川至sjy：一h至=lt，。TzT蛳o，歹=1，n J1j#j。秽Th0，=1，m“!o，r=1，s(丁)为T时刻评价对象矗的效率值，其中，秽：为T时刻科研投入指标z。的权重，Mj为T时刻科研产出指标Y，的权重。觋表示对科研投入指标戈。的偏好程度，暖越大表明改进时会优先减少戈。的投入。参照

20、超效率评价思路，模型约束条件中，生产可能集不包含评价单元矗，目标函数值可以大于1，完成全要素排序。实证结果及分析1、指标体系与数据获取科学、合理的指标体系是高校科研效率评价的基础，它是以评价目的为出发点，针对评价对象特点抽取关键要素并加以组合的过程。已有研究指出“分类评价”可以提升高校科研效率评价准确性和价值，即针对不同层次和类型高校构建相匹配的指标体系，而非一套体系一刀切。本文同样遵循这一原则，选择了高水平研究型大学(36所985工程学校)作为研究对象，构建评价指标体系。对于985高校科研效率评价，官方提出相关性较高的指标体系是教育部学科评估(2012)指标体系；理论探索也有一定积累，例如姜

21、彤彤一31、汪锦等1的研究等。学者们采用的评价指标不尽相同，但是整体结构差异不大，包括科研投入和产出两部分，其中科研投入涉及科研活动相关的人力、财力、物力等不同资源；产出维度涉及科研成果、奖励以及交流等。参照以上研究结论，本文以教育部学科评估体系为模板，融合其他学者研究成果，构建评价指标体系，如表1所示。该体系包括一级指标4个，二级指标8个，三级指标14个。指标类型既包括相对指标又包括绝对指标，但是所有指标都为客观指标，不含任何主观指标。科研投入从人力投入、财力投入和物力投入三个方面反映，共9个指标，科研产出从成果、奖励和交流三方面来描述，共5个指标，所有三级指标均有明确文献来源。高校信息的不

22、透明、不公开，加之相关数据库的缺失，为高校科研效率评价活动提出了挑战。针对构建的指标体系，本文尝试从多种渠道来收集目标高校的相关数据：(1)被测高校及所属院系的官方网站；(2)教育万方数据第1 1期 倪渊：基于滞后非径向超效率DEA的高校科研效率评价研究 89一一部及下属部门相关网站中的信息，例如教育部直属高校工作司网站、中国学位与研究生信息网数据中心网站等；(3)教育部直属高校工作司编写的教育部直属高校2001-2010基本信息统计资料汇编；(4)教育部科技工作司编写(20012010高等学校科技统计资料汇编；(5)专业科技数据库Web of Science等。表1 高水平研究型大学科研效率

23、评价指标体系及数据来源指标体系 计算公式及数据来源2、仿真模拟与结果以构建好的指标体系为基础，搜索36所985工程高校2001-2010十年的数据(中央民族大学和国防科技大学无法获得全部数据，未包含在本研究之内)，按照滞后性非径向超效率DEA模型的实施流程，对目标高校科研效率进行测量，关键步骤和结果如下。Stepl，数据的准备。(1)面板数据的无量纲化处理。本文的数据结构属于面板数据，包括时间因素，直接使用静态无量纲化方法处理会消除时序数据中隐含增量信息。因此，本文参考同类研究，选择极值处理法并对其原有函数进行修改，公式为：戈；(t)=菇jf(t)_minzi(F)max戈if(丁)_min石

24、d(T)，其中tr=2001，2002，2010；戈；(t)为评价对象J的第i个指标在第t年的无量纲化数据；x。(t)为评价对象歹的第i个指标在第t年的原始数据；min菇。(T)为第i个指标在20012010十年间最小的原始数据值；max h，(T)为第i个指标在20012010十年间最大的原始数据值。万方数据管理评论 第28卷(2)基于AHP-Delphi确定主观权重。由于本研究构建的高校科研效率评价指标体系属于多层次递阶结构，因此采用AHPDelphi融合方法确定指标权重，具体过程如下：首先，根据指标体系设计指标权重专家调研表，包含9个判断矩阵；然后，邀请北京航空航天大学高等教育研究所和清

25、华大学教育研究院的7名该领域专家，在事先沟通的基础上，采用电子邮件形式发送调研表，要求每位专家采用17标度法对各级指标之间的重要程度给予两两比较；接下来，根据AHP分别得到7位专家关于指标的不同赋权，将赋权平均值反馈给各位专家作为参考进行修正，经过5次反馈形成一致结果，得出各项评价指标权重W，-(伽，7，础：7，W，7)，结果如表2所示。表2基于AHPDelphi的高校科研效率评价指标权重(3)时刻T评价集投入、产出规模的计算。借助具有唯一特征的雷达图算子Ai 2蚤m哆7r口；将指标权重与归一化指标值集成，得到20012010每一所985高校科研投入与产出的规模，其中，Ai为第i个样本的科研投

26、入或产出规模对应的扇面面积；o口表示i个样本的第歹个指标值；q表示指标，的权重值。然后取算术平均数，得到所有985高校每一年平均的科研投人和产出规模，如表3所示：表3 2001-2010年985高校平均的科研投入与产出规模Step2，基于阿尔蒙多项式的投入一产出滞后模型及求解。(1)平稳性检验。利用Eviews对985高校平均的科研投入与产出规模时间序列进行ADF二阶差分平稳性检验。结果显示，评价集科研投入与产出规模均通过了ADF二阶差分显著性水平为5的t检验，ADF检验的置信度均超过了95，因此认为是平稳序列。(2)滞后模型的构建。本文目标高校基期产出与各滞后期投入之间关系的模型表达式为：Y

27、；=a邯。置+B。XH邯：x心+邯。x 7“+u。其中，k为滞后期，参考已有同类研究，本文将滞后期的值设为3，即k=3；t表示基期，=1，2，10，f=1对应的时刻为2001年，其他年份依次类推；x。和l，7。为985高校基期t的平均投入和产出规模，x 7H，xm，x 7“则为985高校滞后期的投入规模，其具体数据值如表3中所示；芦。，届，p：，风，Ot，u为未知参数。由于d和u都为常数项可以合并为一个，设(Ot+Z)=u 7，卢。，卢。，卢：，反则反映不同滞后期的投入规模对基期产出的影响力。基于以上分析，本研究投入产出的滞后模型为：Y7。=“7+13。X。邯。x 7+卢：X 7一+卢，X 7

28、。根据表3中的已有数据，该模型包含7个联立方程和5个未知参数。当t=1，2，3时原模型无法构建。因为在2001，2002和2003年缺少滞后期的相关投入值，导致无法构建相关方程组。(3)阿尔蒙多项式变换。对于该方程组，接下来通过阿尔蒙多项式变换进行求解。令屈=口。+口。i+a：i2+口。其中i=0，1，2，3且P=2(P必须小于滞后期k且P越大精度越高)，将其导入上面的滞后模型中。那么，上面投入产出的滞后模型改写成由变量d。，Ol。，Ol：线性组合所组成新模型。新模型中仍然有7个联立方程组，但未知参数减少1个，为M，Oto，Ot】，012。在新模型中由于方程组的数量多于未知参数的数量，我们可以

29、通过最小二乘法估计未知参数，其最优解万方数据第1l期 倪渊：基于滞后非径向超效率DEA的高校科研效率评价研究 91分别为：u。01204；=01363；a1=00100；仅2=00100；根据u，ao，d1，O2的值以及展与O，之间的关系，可以推出不同滞后期的投入规模对基期产出的影响力系数，分别为：p。=01363；3。=01563；卢：=01963；33=02563。那么，目标高校投入产出的滞后模型为：Y。=01204+01363X。+01563XH+01963X心+02563X，3。(4)数据修正及目标高校效率值。根据得到的985高校的投入产出滞后模型系数，可以进一步求得各个k滞后期投入对

30、基期产出的贡献率。贡献率公式为ci=p。X,i。则目标高校从第t期至(一3)期的投入规模x。，x，x门，x一对第t期产出规模的贡献率分别为01829，02097，02634，03439。然后，按照这些系数分别对目标高校2004-2010年的投入指标值进行修正。公式为：z：(t)=01829X：(t)+o2097X：(t一1)+02634X：(t-2)+o3439Xq(t-3)其中q=1，2，36表示39所不同的目标高校，n=1，2，11表示指标体系中11个投人类的三级指标，Zq(t)为目标高校g第t期第忍个投入指标的修正值，蜀()，霹(t一1)，鬈(t-2)，霹(一3)为相对应的原始指标值。S

31、tep3，非径向超效率DEA求解效率值。最后，将36所目标高校2004-2010年修正后的投入指标值、原始产出指标值以及stepl中得到投人指标的权重值，带入到非径向超效率DEA模型中，可以得到他们各个时期不同的效率值，由于结果包含数据量较多，本文只选择5所高校评价结果加以展示，如表4所示。表4 2004-2010年部分985高校科研效率情况为了验证模型的有效性，本文采用标准DEA模型与没有考虑滞后性的非径向超效率DEA模型对985高校的科研效率进行评价，结果如表5和表6所示。表5基于标准DEA的部分985高校科研效率(2004-2010年)2004 05671 07360 05644 107

32、56 068272005 06249 07342 06338 10951 098222006 06204 07164 06062 10871 101162007 06107 06836 06018 10907 102312008 06356 06969 05938 10933 101692009 06569 07173 05769 11084 101162010 06587 06142 05582 11013 10169万方数据管理评论 第28卷比较表4、表5和表6的评价结果不难发现：(1)标准DEA模型的评价结果仅能将目标高校科研效率进行2分类，无法对有效决策单元(如上海交通大学、人民大学和

33、北京航空航天大学)进行区分，而非径向超效率DEA与滞后非径向超效率DEA模型的评价结果具有更好的区分度，可以实现评价对象的全排序。具体来讲，这两个模型的评价结果一方面去掉了大量的“伪有效单元”，例如中国人民大学科研效率在DEA模型下是有效的为1，而在另外两个模型计算结果显示其效率小于1并非有效；另一方面进一步拉大了决策单元之间的差异，例如，人民大学与上海交通大学科研效率的平均差异度在DEA模型的计算下为0073，而在改进模型的计算下分别为03932和04907；(2)滞后非径向超效率DEA比非径向超效率DEA的评价结果更能反映高校科研系统投入产出的滞后性。通过实证研究表3的数据可以看出目标高校

34、投入产出规模随着时间的推移呈波动上升趋势，这意味着目标高校当期科研投入高于实际科研投入。因此，如果直接采用非径向超效率DEA，使用当期投入和产出数据计算目标高校效率值，得到的评价结果会略低真实效率值，而滞后非径向超效率DEA模型利用修正数据，其评价结果更接近于高校科研系统运行特点，表现为表4中的数据高于表6中对应数据。结论和讨论本文根据高校科研效率评价的特点，构建了滞后的非径向超效率DEA模型，并借助应用算例，比较了标准DEA模型、非径向超效率DEA以及滞后非径向超效率DEA模型对相同数据的处理结果。比较结果表明，非径向超效率DEA与滞后非径向超效率DEA模型比标准DEA的评价结果具有更好的区

35、分度，且可以实现评价对象的全排序；滞后非径向超效率DEA比非径向超效率DEA的评价结果更好的反映了高校科研系统投人产出滞后效应。与已有研究相比，本文开发的评价模型突破了以“滞后性和准确性”或者“准确性与价值偏好”为主导的双目标导向高校科研效率评价模式，同时满足了高校科研效率评价滞后性、准确性和偏好性三方面特点，在一定程度上丰富了科研评价和DEA相关理论，有助于更加科学的指导高校发展和科研管理工作。当然，由于能力所限，本文也存在一些需要进一步研究的地方。第一，本文在决策者的偏好方面只考虑了投入指标的差异，并为体现不同产出指标的差异。因此，未来研究中可以通过增加保存域的方式来完善评价模型的精度。第

36、二，本文采用阿尔蒙多项式法处理高校科研投入产出的滞后性，虽然避免了多元回归法苛刻的假设条件，但是对滞后期确定具有主观性，且没有考虑不同类型投入指标滞后效应持续时间的差异。因此，未来研究中可以借助其他的客观方法来估计投入端的滞后期向量，减少模型的主观误差。第三，本文模型适用于客观指标和数据，这在一定程度上限制了其使用范围，尤其是高校数据的难以获得性使这一问题更加突出，因此，未来研究可以探索模糊情境下模型的改进，拓展其应用范围。此外，其他学者也可以重新设置指标体系或者增加DMU的数量来进一步检验本模型的泛化性。参考文献：1王晓红，陈浩19992006年我国各省市高校科研效率的实证研究基于科技成果指

37、标变化的对比分析J科研管理，2011，32(4)：941012王冬梅基于PCABCC的某高校基金科研效率评价J科研管理，2011，32(4)：1021053张运华，郭海娜基于DEA的高校科研绩效交叉评价研究J科技管理研究，2012，32(13)：75774陈浩，王晓红，张宝生基于视窗分析模型的我国高校科研效率评价J科研管理，2013，35(7)：l叭一1115陈立泰，梁超，饶伟国际科技交流、校企合作与高校科研效率基于随机前沿超越对数生产函数分析J软科学，2012，26(10)：10-146Ahn T，Chames A，Cooper WWSome Statistical and DEA Eval

38、uations of Relative Efficiencies of Public and Private Institutions of Higher LearningJSocioEconomic Planning Sciences，1988，22(6)：2592697Breu TM，Raab RLEfficiency and Perceived Quality of The NationS“Top 25”National Universities and National LiberalArts Colleges：An Application of Data Envelopment An

39、alysis to Higher EducationJSocioEconomic Planning Sciences，1994，28(1)：334581 Johnes JOperational Research in EducationJEuropean Journal of Operational Research，2015，243(3)：6836969Johnes JMeasuring Teaching Efficiency In Higher Education：An Application of Data Envelopment Analysis to Economics Gradu万

40、方数据第11期 倪渊：基于滞后非径向超效率DEA的高校科研效率评价研究 93ates From UK Universities 1993JEuropean Journal of Operational Research，2006，174(1)：44345610侯启娉基于DEA的研究型高校科研绩效评价应用研究J研究与发展管理，2005，17(1)：11812411戚溺，李千目，王艳一种基于DEA的高校科研绩效评价方法J科学学与科学技术管理，2008，29(12)：17818l12陈洪转，羊震，刘思峰，等基于滞后DEA的我国高校科研经费使用效率评价J管理评论，201l，23(8)：727713金怀

41、玉，菅利荣考虑滞后效应的我国区域科技创新效率及影响因素分析J系统工程，2013，31(9)：9810614林卓玲，辜雪钿基于滞后效应的高校科技创新效率研究J长春理工大学学报(社会科学版)，2015，28(1)：90-9615Lotfi FH，Noora AA，Jahanshahloo GR，et a1One DEA Ranking Method Based on Applying Aggregate UnitsJExpertSystems with Applications，2011，38(10)：134681347116Lira S，Oh KW，Zhu JUse of DEA CrossEf

42、ficiency Evaluation in Portfolio Selection：An Application to Korean Stock MarketJEuropean Journal of Operational Research，2014，236(1)：36136817Lim s，Zhu JDEA CrossEfficiency Evaluation Under Variable Returns to ScaleJJournal of the Operational Research Society，2014，66(3)：47648718Chen CMSuper Efficien

43、cies or Super Inefficiencies?Insights from A Joint Computation Model for Slacksbased Measures inDEAJEuropean Journal ofOperational Research，2013，226(2)：25826719Lee HS，Zhu JSuperEfficiency Infeasibility and Zero Data in DEAJEuropean Journal of Operational Research，2012，216(2)：42943320周忠宝，孙亮，刘德彬存在保证域的

44、模糊非径向偏好DEA模型基于中科院24个研究所的实证分析J中国管理科学，2014，22(2)：758421wu J，Chu J，Sun J，et a1DEA CrossEfficiency Evaluation Based on Pareto ImprovementJEuropean Journal of Operational Research，2016，248(2)：57157922Krivonozhko VE，Fcrsund FR，Lychev AVMeasurement ofReturns to Scale Using NonRadial DEA ModelsJEuropeanJour

45、nal of Operational Research，2014，232(3)：664670乃赵宇哲，周晶淼，匡海波欧盟ETS下航空运输企业的能源效率评价研究基于时间窗的非径向DEA模型J管理评论，2015，27(5)：38-4724Cooper WW，Park KS，Pastor JTRAM：A Range Adjusted Measure of Inefficiency for Use With Additive Models，andRelations to Other Models and Measures in DEAJJournal of Productivity Analysis，

46、1999，11(1)：5-4225Tone KA SlacksBased Measure of Efficiency in Data Envelopment AnalysisJEuropean Journal of Operational Research，2001，130(3)：49850926Zhu JData Envelopment Analysis With Preference StructureJJournal ofthe Operational Research Society，1996，47(I)：13615027俞立平，熊德平，武夷山中国地区科技效率的组合测度研究J科学学研究

47、，2011，29(8)：1141114628孙立成，周德群，李群基于非径向超效率DEA聚类模型的FEEEP系统协调发展J系统工程理论与实践，2009，29(7)：13914629郭海娜教育部直属高校科研效率评价研究D江苏科技大学博士学位论文，201230程志超，李翠广义虚拟经济视角下企业网络能力测评体系研究J广义虚拟经济研究，2014，5(2)：202631倪渊，林健中层管理者胜任力组合评价模型及实证研究J系统工程，2012，30(1)：1732 陈召魁高校R&D投入产出滞后性与相对效率评价研究D天津大学博士学位论文，201133姜彤彤“985工程”高校科研全要素生产率测算及分析J中国高教研究，2013，29(4)：384334汪锦，孙玉涛，刘凤朝，等面向校企合作的中国“985”高校科技发展模式研究J中国软科学，2013，28(6)：536135教育