基于超效率DEA模型的中国高技术产业创新资源配置效率评价

高技术产业是技术密集型产业,其发展需要大量的技术创新为支撑,由于资源的稀缺性和投入的有限性,对资源配置效率进行评价十分重要。利用超效率DEA方法,对中国内地29个省市区高技术产业2009年的技术创新资源配置效率进行评价,并从投入冗余和产出不足两方面对创新资源配置无效的省市区进行原因分析,最后提出改进和提高配置效率的对策和建议。     

中国省际科技竞争力评价——基于超效率DEA的分析

为了有效提高科技竞争力评价的客观性和准确性、减少分析结果的偏误,在分析了当前广泛使用的几种方法存在的缺陷后,该文引入适用于多投入、多产出的复杂系统效率评价的超效率DEA方法,对中国的31个省(市、自治区)的总量科技竞争力和结构科技竞争力进行效率评价。研究结果表明:各省份科技投入产出的效率值分布呈现两头小,中间大的格局,省际间科技辐射与科技带动的效果明显,总量科技竞争力和结构科技竞争力的效率存在较大差别,而且科技竞争力并非完全与区域经济水平同步。     

基于DEA模型的高校科技创新效率评价——以石油类高校为例

当前,我国经济发展的"新常态"与国际油价持续低迷的"新常态"并行,传统的投资驱动或要素驱动已难以为继,必须转向创新驱动。高校的科技创新活动是国家创新体系的重要组成部分,通过DEA模型,对我国16所具有代表性的石油类高校2015年的科技创新效率进行测评,并计算DEA有效高校的超效率值,分析了非DEA有效高校的投入冗余和产出不足。得出我国石油类高校技术效率总体上较高,非DEA有效的高校主要受规模无效率的影响,并且存在比较严重的产出不足现象。最后,对我国石油类高校进一步提升科技创新效率提出相应的对策措施。     

基于DEA模型的京津冀地区科技创新效率评价研究

为科学有效地对京津冀地区科技创新效率进行评价,借鉴已有的科技创新监测研究成果,分别运用DEA的静态BCC模型和动态Malmquist指数模型对2014—2020年京津冀地区科技创新效率进行测度并对比。研究表明,北京的科技创新效率最高,河北次之,天津最低,但天津科技创新能力和管理水平提升幅度最大,且三地科技创新全要素生产率指数增长主要依赖于技术变革。据此提出相关建议：京津冀地区应立足实际找准自身科技创新发展定位;完善资源共享,加强协同创新;推进产学研之间多层次技术合作。     

基于超效率DEA和GIS的中国省际高校创新效率评价研究

文章选取了科技人员、科技经费等9个投入指标,出版科技著作、发表学术论文、专利授权数3个产出指标,进行数据包络分析(DEA)和超效率DEA分析。同时基于地理信息系统(GIS)对高校的综合效率进行了空间特征分析,并据此对各省高校提高创新效率提出因地制宜合理配置资源利用、建立内部创新效率机制的建议。     

基于超效率DEA模型的动漫产业创新效率评估方法研究

为了有效促进我国动漫产业的创新和发展,提出一种基于超效率DEA模型的动漫产业创新效率评估方法.通过分析Tobit模型检验动漫产品创新效率主要受到移动终端普及率和研发投入等因素的影响,组建动漫产业创新效率评估指标体系,分别从静态和动态两个角度对动漫产业创新效率进行评估.测试结果表明,所提方法可以有效提升执行效率,同时还能...     

基于超效率DEA模型的我国工业企业效率评价

首先将DEA模型和超效率评价模型进行了比较分析,并采用两种模型分别对我国2006年国有企业39个行业投入产出的效率进行了测算,测算结果显示超效率评价模型在应用上更具有优势。     

基于超效率DEA模型的高校内院系效率评价

文章首先就影响院系效率的关键因素进行了分析,给出了衡量院系效率的重要指标,然后利用超效率DEA模型对高校内院系效率进行了计算,从而得出了院、系两级的效率排名。模型中的输入要素为：人员、费用（含科研投入,不含人员工资）,输出要素为：教学学时数,出版物数,争取到的科研经费。     

基于灰色DEA模型的河南省科技创新投入产出效率研究

构建了科技创新投入产出效率评价指标体系,为减弱不确定性因素对实验结果的影响,提高测算结果的精确度,将灰色理论与DEA模型相结合,运用灰色DEA模型对河南省18地市2011—2015年科技创新效率进行测算.结果表明,河南省各地市科技创新效率处于中等水平,开封等6地市的效率达到相对最优,其他各地市均存在资源闲置和产出不足情况.根据测算结果并结合实际情况,提出了优化创新氛围,建立长效机制,促进科技创新链和创新成果产业链有效结合等建议.     

基于超效率DEA模型的我国基础教育绩效评价研究

基础教育在人的一生当中起到至关重要的作用,基础教育的好坏直接关系到一个国家发展的情况。为此,如何合理评价一个国家或地区基础教育发展情况已经成为一个重要的研究课题。本文在构建一套基础教育绩效评价指标体系的基础上,利用超效率DEA模型对我国基础教育绩效进行实证研究,并得出合理的评价结论。对我国进一步完善基础教育有极大的指导性作用。     

区间超效率DEA模型及其应用

将一种改进的DEA模型-超效率DEA(SE-DEA)模型[1]拓展到区间投入产出情形,得到区间SE-DEA模型.基于此给出了求解每个DMU的区间超效率值的上限和下限的确定型DEA模型.该区间超效率值较传统的区间DEA模型更具区别性,能对所有DMU进行充分排序.在此基础上,将所有DMU分为三类.最后给出区间SE-DEA模型在建筑业效率评估中的应用算例分析.     

基于DEA的科技创新效率分析

科技创新在当今世界性竞争中起着越来越关键的作用，对科技创新投入产出相对效率的研究具有重要意义。采用DEA及其扩展模型，对1991—2007年间我国的科技创新投入产出相对效率进行评价分析和纵向比较，得出我国科技创新相对效率的变化情况，目的在于为合理利用有限的科技资源提供参考。     

湖南各市经济发展效率的实证分析——基于超效率DEA模型

文章从被评价单元间的相对效率分析着手,利用统计分析方法选择指标,运用数据包络分析（DEA）方法中的超效率DEA模型,对湖南省14个城市经济发展相对有效性进行了较为全面而客观的评价。根据实证分析的情况,提出提升湖南各市经济发展效率的对策建议。     

我国战略性新兴产业的效率评价——基于超效率DEA与面板Logit模型

从超效率DEA得到的效率值来分析,东部地区的综合效率均值高于东北地区、中部地区和西部地区,展现了我国战略性新兴产业发展地区不均衡的特点.通过面板Logit模型分析外部影响因素,政府扶持在西部地区所产生的作用最大,能够极大增加西部战略性新兴产业效率值提高的可能性; 金融发展水平、对外开放与交通基础设施在东部地区对战略性新兴产业的促进作用效果最佳; 工业化水平对中部地区战略性新兴产业的促进作用最明显.     

基于三阶段DEA的中关村科技企业创新效率研究

采用北京中关村自主创新企业数据,运用三阶段DEA模型,将专利和新产品销售收入同时作为产出变量,测算企业创新效率并分析其影响因素。结果发现中关村科技企业整体综合效率较高,但也有相当一部分企业纯技术效率较低,经过调整后,规模报酬递增的企业增多。在环境变量对企业创新效率的影响中,企业融资情况的改善、人力资本以及市场范围的提升有助于提升科技型企业的创新产出和科技成果的转化,从而提高创新效率,而企业规模的扩大、财政激励则会造成研发人员和研发资金投入冗余。     

基于超效率DEA模型的我国高等教育效率省际时空差异研究

论文借助高等教育效率评价指标体系,采用超效率DEA模型分析1995年和2013年我国31个省级区域高等教育运行状况的时空差异,结果表明:第一,1995年我国中西部省区高等教育效率较好,同等级类型区相对集中,河北等12个省区高等教育效率最优,北京等18个省区存在不同程度的投入冗余或产出不足.第二,2013年我国中西部省区高等教育效率较好,同类型区在空间上相对集中,河南等8个省区高等教育效率最优,天津等23个省区存在不同程度的投入冗余或产出不足.第三,1995-2013年间高等教育效率变化较大,山东等17个省区的绝对数字下降而其他省区则上升;空间类型上,安徽等12个省区类型等级上升,江苏等7个省区的等级下降,其余省区的等级不变;高等教育效率最优的省区减小为8个,高等教育投入冗余和产出不足的省区数量均增加.     

构建核心员工薪酬水平合理性评价体系——基于超效率DEA模型

核心员工是企业核心竞争力的关键。本文界定了由薪酬水平、激励效果、个人绩效三因素共同所构成的复合投入产出关系,据此构建了核心员工薪酬水平合理性评价模型及评价指标体系,采用数据包络分析法作为构建的模型的主要评价方法。     

基于随机前沿分析模型的江苏省属高校科技创新效率分类评价与研究

高校作为国家科技创新体系重要组成部分,近年来其科技创新效率得到社会各界的广泛关注。随着国家"双一流"高校建设的启动,江苏也实施了高水平大学建设工程,对高校各方面的投入不断加强。为研究高校科技创新效率,以17所江苏省属高校(大学) 2013—2017年面板数据为研究对象,采用随机前沿分析模型对上述高校科技创新效率进行分类分析研究,并根据分析结果提出进一步提升科技创新水平和效率的建议,为主管部门和各高校提供参考,进一步加强高校科技创新工作内涵建设,推进科技创新工作高质量发展。