地区科技与教育投入和产出实证分析.doc

题目：地区科技与教育投入产出实证分析 学 院： 经济与金融学院 专 业： 金融 学 号： 姓 名： 段炼 指导老师： 指导老师职称： 华侨大学教务处印制2011年11月摘要本文利用数据包络分析（DEA）对福建省，广东省，江西省，浙江省在20072010年的科技与教育投入产出效率进行评价，实证结果显示2007至2010年四个省份得的科技与教育效率总体呈上升趋势, 而其生产力的提高主要是技术进步所带来的贡献,而技术效率还有待改进，还存在着可改进的空间。关键字：DEA 科技与教育 投入产出 Abstract The essay uses DEA to analyze the efficiency of technology and education in Fujian, Guangdong, Jiangxi and Zhejiang to find out that the efficiency was growing up in the past three years .The growth of the productivity owes to the improvement of the technology, but the efficiency of technology still got room to advance.Key words: DEA technology and education investment and product 目录引言11 文献综述12 DEA理论模型介绍33 实证分析33.1 指标选取33.2 数据选取54 分析65 建议及结语6参考文献7引言在经济全球化、一体化的时代背景下,区域科技的重要性日益突出。科学技术是经济社会持续发展的引擎,是开拓人类未来的根本动力,而区域科技则是提升国家创新能力和国际竞争力的重要基础。与此同时，区域的教育是一个区域人才培养的基础，因此在研究区域的经济发展中，一个地区的科技与教育投入与产出效率成为了学者争相关注的重点。近些年来，海峡西岸经济区经济呈现出快速发展的势头。经济总量快速增长，20072009年海西经济区的生产总值分别为16329.03亿元、19191.27亿元、21095.8亿元，比上一年分别增长15.5%、13.1%、12%，鉴于数据的可获得性，本文直接选取海西20市所在的四个省份对其进行科技与教育投入和产出的效率的评价，以有发现各省在科技与教育方面的投入上面是否存过度浪费，效率低下的现象，有利于政策制定者因地制宜地实施相关的政策，最大程度的促进科技教育在区域经济发展中的作用。值得注意的是，区域的教育产出更多直接被高等教育的产出来代替，所有本文中的教育投入产出效率采用高等教育的投入与产出的相对效率来衡量。1 文献综述鉴于科技与教育投入在经济发展中的重要性，近年来学者们关于科技与教育投入与产出效率评价的文章也越来越多。近年来,众多学者针对高校的科技投入产出情况开展了大量的研究工作。有些学者研究国家层面的高校科技投入产出情况,如:周静(2005)采用DEA模型对我国29个不同地区高校的科技创新效率进行比较研究,发现我国高校科技创新基本处于依靠规模投入带动的发展阶段;郭秋梅(2005)对重点院校和一般院校的科技投入与专利申请量作了对比分析,指出我国高校特别是重点院校科技地位、科技投入与专利申请的数量与质量的不对称性;周凤华(2007)研究了人才、财力投入与高校技术转移产出的关系,结果发现研究人员的质量正向地影响包括专利申请量在内的高校技术转移产出;徐凯(2008)采用负二项分布研究高校的R&D支出与专利申请量等的关系,发现高校科技投入与产出之间的直接关系非常弱;张运华(2008)运用价值链效率的DEA模型对高校科技投入及成果转化效率进行分析。赵敏根据我国科技统计制度,遵循科学性、可比性和可行性的原则,构建了科技投入产出评价指标体系,并运用数据包络分析方法,建立了科技投入产出评价模型;孙凯引入数据包络分析方法,通过建立区域创新系统创新效率的评价指标体系,使用统计年鉴有关数据,对中国30个省的创新投入、产出现状进行了分析,并对它们的效率表现进行了评价。结果表明,该方法可以有效地对不同区域创新系统效率进行比较和排序,并为制定区域创新系统发展政策提供依据。2 DEA理论模型介绍数据包络分析(DEA)是由美国运筹学家Charnes、Cooper等于1978年在Farrell测度基础上发展起来的一种评价决策单元相对业绩的非参数方法。该方法主要是通过保持决策单元的输入或输出不变,借助于数学规划将决策单元投影到DEA前沿面上,并通过比较决策单元偏离DEA前沿面的程度来评价它们的相对有效性。DEA方法在区域科技效率分析上有自己独特的优势,其优势在于无需人为给定各指标的权重,也无需预先给定生产前沿面的生产函数形式,同时它能处理多个输出和多个输入。C2R模型只能将决策单元单元区分为DEA有效和非DEA有效,而超效率模型则能对有效单元进行比较,它的基本思想是在评价某个DEA有效的决策单元时,将其排除在决策单元的生产可能集“有效生产前沿面”之外,从而我们可以通过结果对多个同时有效的决策单元进行效率比较。基于面板数据的DEA-Malmquist模型不需要假设生产函数，而用M生产率指数（TotalFactor Productivity，也称全要素生产率，简称M指数）表示生产力的改变，并且将生产力的改变分解为技术改变和技术效率改变，因此，能够更深入地从技术进步、技术效率和规模效率等多个角度研究科技投入与产出相对效率及其技术进步水平。本文采用DEAMalmquist建模。3 实证分析3.1 指标选取评价指标体系是进行区域科技投入产出有效分析的基础,它的合理性与科学性对分析结果有着非常重要的影响，应用DEA方法建模的关键是选取合适的输入、输出指标，在选取输入、输出指标时要尽可能避免有较强的线性关系。根据指标体系的系统性、原则性、规因此,为保证评价结果的全面、准确、客观,在构建评价指标时,我们参考了林佳丽、薛声家在相关实证研究中采用的模型变量,不仅保证了各投入、产出指标的现实意义,而且也保证了投入指标间的相对独立及产出指标间的相关性。在投入上面包括科技与教育两个方面的投入。在科技的人力资源投入上，我们选取科技活动人员数，R&D人员数作为衡量指标；在教育的人力资源的投入上，我们选取教职工人数作为衡量因素，教职工包括高级教研人员，普通教职人员及普通人员，鉴于数据的可得性，在这里我们选取教师人数来代表教职工人数。财力资源的投入上面,我们选取科技经费支出额、R&D经费内部支出额作为衡量指标。综合起来，我们选取科技活动人员数，R&D人员数作为衡量指标，教师人数，科技经费支出额、R&D经费内部支出额作为投入的指标体系。在产出方面，在科技上面的产出包括科技活动人员的科技论文数、专利申请受理量。在教育上面的产出则包括在校学生数,这是因为教育的主要工作就是培养人才,而它的对象是在校生，除此外，教育的产出还包括学校的科研成果，主要值的是专著及论文。综合起来，在这里我们选取专利产出量，在校学生数，论文发表数作为产出的指标体系。表一为本文构造的DEA的指标体系。目标层要素层指标变量科技与教育投入人力资源科技活动人员数教职工人数R&D人员数财力资源科技经费支出额R&D经费内部支出额科技与教育产出专利产出专利申请批准量论文产出国内期刊发表科技论文总数在校学生数高等学校在校生表一 DEA的指标体系3.2 数据选取 我们选取福建省，广东省，浙江省，江西省的数据作为我们考虑的决策单元，数据来源于中国科技统计年鉴及各省的统计年鉴及省统计局公报。3.3 评价及结果 我们通过统计年鉴及福建省统计公报搜集投入及产出的数据，根据DEA操作的步骤存成数据文档，并编写待运行的程序如下：caizhengxue-dta.txt DATA FILE NAMEcaizhengxue.txt OUTPUT FILE NAME1 NUMBER OF FIRMS10 NUMBER OF TIME PERIODS 4 NUMBER OF OUTPUTS5 NUMBER OF INPUTS0 0=INPUT AND 1=OUTPUT ORIENTATED0 0=CRS AND 1=VRS2 0=DEA(MULTI-STAGE), 1=COST-DEA, 2=MALMQUIST-DEA, 3=DEA(1-STAGE), 4=DEA(2-STAG) 程序编写完成后，我们将其存为运行的文档，将其调用在DEAP21中，得到结果整理如表二：省市及地区2007-20082008-20092009-2010ECTCPTESECTFPECTCPTESECTFPECTCPTESECTFP浙江省0.969 1.05 0.977 0.992 1.0170.967 1.059 0.985 0.982 1.0240.996 1.069 1.007 0.989 1.064广东省0.961 1.044 0.987 0.974 1.0030.975 1.10 10.989 0.986 1.0730.994 1.096 0.995 0.999 1.089江西省0.986 1.041 1.025 0.962 1.0260.984 1.046 1.017 0.968 1.0290.994 1.055 1.018 0.977 1.049福建省0.976 1.064 0.992 0.984 1.0380.988 1.065 1.008 0.98 1.0520.984 1.073 1.01 0.974 1.055平均值0.968 1.0210.9785 1.04450.992 1.064 表二4 分析 （一）TFP值分析。由表二不难发现，TFP值即M指数三年的平均值呈现不断上升的趋势，分别增长了2.3%，1.8%。2007年的TFP比较低，主要是因为20072008年之间出现了金融风暴，影响了科技与教育在经济及相关方面上的积极作用。此外，不难看出广东省的TFP值一直呈现领先的趋势，但是浙江省的M值数的上升速度是四个省份中最快的。（二）EC值（技术效率变化）的特征分析。EC值同M值一样呈现逐年上升的趋势。不难发现四个省份中，福建省的EC变化率相对少，趋向于平稳。江西省在2007年至2008年及2008年至2009年这期间，EC出现了负增长。对比几个省份的EC值，广东省的EC增长速度相对比较快。5 建议及结语 根据从国家科技部网站上科技统计资料汇编可获得的有关科技进步监测指标数据，完善、建立了综合评价区域科技投入产出效率的指标体系，并应用DEA-Malmquist模型从技术效率变化、技术水平变化纯技术效率变化、规模效率变化等多个角度研究，计算分析结果表明，2007年2010年福建省，浙江省，广东省及江西省的科技与教育的投入产出效率都是上升的，结合我们的实证研究，我们给出建议：区域的经济发展之中，有必要作出加大教育文化费用和科学研究费用的支出，在财政方面给予更大地支持，提高对科研的财政投入，从而提高区域的自主创新能力，促进技术进步、TFP增长，从而使经济真正走上集约型的发展道路。参考文献【1】王莉.李暾.刘芹.基于DEA的广东省科技投入产出相对效率评价研究J. 科技管理研究. 2010年第22期【2】段文娟.高等教育投入与产出的DEA模型及有效性分析J.教育总论.2007年第6期【3】付晔.张乐平.马强.陈钦昌.不同类型大学科技投入产出效率的比较研究J.科技管理研究.2010年第1期【4】楼文高.杨雪梅.张卫.我国区域科技投入产出效率及其技术进步的综合评价J.科技与管理【5】陈燕武.福建省科技投入产出效率评价基于超效率模型和Malmquist指数的实证研究J.2011-1