基于DEA的区域科研机构R&D效率研究

郭婷 贵淑婷 任妮

摘要 基于2012—2013年《中国科技统计年鉴》的科研机构数据，利用DEA方法，对我国各省区市科研机构的R&D情况进行了分析，并根据分析结果为各省区市科研机构提出了改进的方向。研究发现，我国科研机构整体R&D效率不高，省际间差距大，规模效率平均值高于纯技术效率，但纯技术效率为1.000的省区市要多于规模效率为1.000的省区市；在R&D的投入上，人员冗余的现象多于经费冗余；在R&D的产出上，科技论文、科技著作、专利申请、有效发明专利、国家或行业标准都存在不同程度不足，其中科技论文数的不足最为严重，对专利的申请力度要大于对专利的维护力度；根据R&D投入水平和综合技术效率，可将我国省区市科研机构分为“高高”“高低”“低低”和“低高”4种类型，各省区市可根据自身的效率特点及所处的类型，针对性地进行效率改进。

关键词 科研机构；R&D效率；R&D；DEA

中图分类号 S-058 文献标识码 A 文章编号 0517-6611（2018）29-0170-06

Abstract Based on the research data of the 2012-2013 China Science and Technology Statistical Yearbook，using the DEA method， the R&D situation of scientific research institutions in various provinces of China was analyzed， the research directions of scientific research institutions in various provinces were proposed based on the analysis results. The study found that：Chinas scientific research institutions R&D overall efficiency was not high， the gap between provinces was large， the average scale efficiency was higher than that of pure technical efficiency.However， the provinces with pure technical efficiency of 1.000 were more than the provinces with scale efficiency of 1.000， the phenomenon of staff redundancy was more serious than that in the R&D output funds. In terms of R&D output，scientific papers， works of science and technology， patent application， patent， national or industry standards had different degrees of deficiency.The lack of the number of scientific papers was the most serious， the patent application was greater than the patent maintenance efforts.According to the R&D investment level and the comprehensive technical efficiency，the scientific research institutions in China can be divided into four types.Each province can improve efficiency according to its own efficiency characteristics and types.

Key words Scientific research institutions；R&D efficiency；R&D；DEA

科技创新作为科技进步的主要手段，已成为一个国家国力强弱、竞争力高低的决定性因素。R&D（研究与发展）作为科技创新的重要组成部分，决定着科技创新能力的高低。因此，各国都在不断加大R&D活动的投入，以期提高科技创新能力，增强科技实力。科研机构是实施科学研究的重要主体，是一个国家和地区科技创新体系中不可或缺的重要组成部分，它作为科技活动的源头和基地，既是科学原理、自然规律的探索者，也是将科技转化为生产力的中坚力量[1]。随着我国经济的发展和科学体制改革的不断深化，各地对科研机构的投入不断加大，科研机构在科技发展中的作用和地位显得越发突出和重要。但在科研机构的发展过程中，也逐渐暴露出一些诸如科研机构R&D效率偏低、资源稀缺性困境和资源配置不合理等问题。因此，科研机构R&D效率的评价已成为当前科学研究较为关注的问题，合理的评价结果对科研机构的研发活动具有指导和借鉴的意义。

笔者利用《中国科技统计年鉴》统计的有关科研机构的数据，采用DEA方法，对我国31个省区市科研机构的R&D效率进行了一次系统性的评价分析，根据分析结果可以了解我国各省区市科研机构的R&D现状，并为各省区市科研机构提高R&D效率提出了改进的方向。

1 文献回顾

國外对科研机构的R&D效率评价要早于国内，国内外R&D效率评价的对象多集中于国家间[2-4]、区域[5-7]、高校[8-10]、企业[11-12]等研发主体，对科研机构[10，13-14]的R&D效率研究相对较少，因此笔者选择科研机构为评价对象，以期了解科研机构的R&D现状，并为科研机构R&D效率的提升提出建议。

当前在进行效率评价时，主要有2种方式：参数化分析方法（parametric approach）和非参数分析方法（nonparametric approach）。参数化分析方法必须预设生产函数，并对误差项进行估计，然后通过计量回归模型来估计参数，进一步评价生产效率，具有代表性的有随机前沿法、回归分析法和因子分析法等；而非参数分析法则无需预设生产函数及其参数，以线性规划方法来求解各个观察值的相对效率，具有代表性的有DEA、人工神经网络、层次分析法和模糊评价方法等。

DEA方法在R&D效率评价中的优点主要表现在：R&D活动是一项多投入多产出的活动，而DEA方法本身就适用于评价多投入多产出问题；DEA方法不必考虑指标的量纲，避免了由于指标量纲不同而需寻求相同度量所带来的许多困难；DEA方法不需要事先确定各R&D投入与产出指标间的权重关系，减少了因指标权重赋值带来的误差和工作量；DEA方法在对多个同种类型决策单元进行效率评价时，可以提供效率改进建议，使评价结果更便利地用于实践。DEA因其自身的优势，得到了广泛的应用，笔者选择DEA方法对科研机构的R&D效率进行分析。

2 研究方法

数据包络分析法（data envelopment analysis，DEA）是由著名運筹学家A.Charnes，W.W.Cooper和E.Rhodes在1978年提出，主要用于评价决策单元间（decision making unit，DMU）相对有效性的一种方法[15]。它的基本思想是将每一个被评价的单元或部门视为一个决策单元，由决策单元组DMUs构成评价群体，这个群体可以是学校、政府部门、科研活动执行体、银行、企业等，处于同一评价群体的每个DMU都是具有同样种类的资源消耗，并产生出同样种类的产品，即各DMU具有相同的投入项指标和相同的产出项指标；在指标项和DMUs确定以后，采用数学规划模型比较DMU之间的相对效率，进行投入产出比率的综合分析，得到每个DMU综合效率的量化指标值，从而确定相对效率最高的DMU（即DMU有效），并对DMUs进行排队定档次，同时给出非DEA有效的DMU和DEA有效的DMU之间差距的数据，以此作为调整非有效的DMU，向有效方向努力的方向和有关投入或产出项调整的数量依据[16-17]。

该研究数据来源于2012—2013年《中国科技统计年鉴》，以我国31个省区市的科研机构为研究对象，由于R&D投入与产出之间存在一定的时间差，从项目申请、设备购置、人员配备、实验研发到科技成果产出这一过程需要一定的时间才能有实际效果，因此该研究考虑了R&D投入与产出的时滞问题，将时滞设为1年，把2012年的相关数据作为R&D投入数据，2013年的相关数据作为R&D产出数据，分析2012年我国各省区市科研机构的R&D效率。

在科研机构的R&D活动中，人员和经费是其投入的主体，因此该研究将R&D人员全时当量和R&D经费作为科研机构R&D活动的投入指标。其中前者是指R&D全时人员（全年从事R&D活动累计工作时间占全部工作时间90%及以上的人员）工作量与非全时人员按实际工作时间折算的工作量之和，全面地衡量了R&D活动中的人力资本投入量；后者是指科研机构R&D内部经费与外部经费之和，完整地反映了R&D活动中的经费投入量。

在产出指标上，根据文献调研和《中国科技统计年鉴》提供的统计指标，科研机构的R&D产出主要包括专利、科技论文及著作等，考虑数据的可得性和完整性，该研究将科技论文数、专利申请数、有效发明专利数、科技著作数、国家或行业标准数这5项指标作为科研机构R&D产出的指标，这5项指标分别从不同角度表征了科研机构的产出情况。该研究所建立的指标体系如表1所示。

4 实证分析

该研究以2012—2013年《中国科技统计年鉴》的科研机构数据为基础，以我国31个省区市的科研机构为研究对象，采用DEA方法，使用DEP2.1软件，对科研机构的R&D情况进行了效率分析、投影分析和聚类分析，分析结果如下。

4.1 效率分析 利用DEA的BCC模型和CCR模型可以得到各省区市科研机构R&D的综合技术效率、纯技术效率和规模效率，具体结果见表2。

4.1.1 综合技术效率分析。由表2可知，在31个省区市中，浙江、福建、广东、海南、贵州、青海、宁夏和新疆8个省区科研机构R&D的综合技术效率为1.000，即这8个省区科研机构的R&D情况处于有效生产前沿面上，投入和产出的效率达到相对最佳状态，是科研机构R&D效率最有效的省区。其余23个省区市科研机构R&D的综合技术效率小于1000，这表示我国50%以上地区科研机构R&D的综合技术效率相对无效，存在不同程度的投入产出不匹配的问题。整体而言，31个省区市科研机构R&D综合技术效率的平均值为0.701，属于中度有效，表明我国科研机构R&D投入产出情况有一定的改进空间，整体效率有待进一步提高；另外，在科研机构R&D综合技术效率无效的省区市中，吉林的效率最高，内蒙古的效率最低，两地效率差值达0.656，省份间的差异很大。

具体来看，吉林和北京2个省市科研机构R&D的综合技术效率介于0.900～1.000，属于边缘有效的省市，只需对这2个省市科研机构R&D投入或产出的某些指标或环节稍作调整，即可达到相对有效。天津、山西、辽宁、黑龙江、上海、江苏、安徽、山东、湖北、广西、云南、西藏和甘肃13个省级科研机构R&D的综合技术效率位于0.500～0.899，属于中度有效的省区市，这些省区市科研机构的R&D效率有一定的提升空间，若能合理配置科研机构R&D投入与产出的效率，就能达到相对有效，否则就会变成科研机构的R&D效率严重无效的省区市。河北、内蒙古、江西、河南、湖南、重庆、四川和陕西8个省区市科研机构R&D的综合技术效率低于0.500，属于严重无效的省区市，这8个省区市科研机构R&D的效率有相当大的提升空间，需要重新分配这些省区市科研机构R&D投入与产出的效率，以达到效率相对有效。

结合各省区市科研机构R&D投入与产出指标的对应值，可以发现科研机构R&D综合技术有效的地区是一些投入水平较低但产出水平较高的省区市；但效率高的省区市的产出水平不一定大于效率低的省区市，投入水平也不一定低于效率低的省份。如福建R&D人員投入排第26位、R&D经费投入位于第24位。发表科技论文数位于第18位、出版科技著作位于第21位、专利申请数位于第21位、有效发明专利位于第21位、形成国家或行业标准数位于第18位；河南R&D人员投入排第9位、R&D经费投入位于第10位、发表科技论文数位于第14位、出版科技著作位于第11位、专利申请数位于第14位、有效发明专利位于第16位、形成国家或行业标准数位于第24位；河南省科研机构R&D投入都高于福建省，且R&D产出有4项都高于福建省，但福建省科研机构的R&D效率有效，而河南省科研机构的R&D效率无效。以此，科研机构R&D投入和产出数量的多少并不等于R&D效率的高低，R&D活动是否有效取决于投入与产出指标的合理配置，只有R&D人员与经费投入适量，产出结果合理配置的省份才能充分利用各种投入资源，获得高水平的产出，从而达到综合技术有效。

4.1.2 纯技术效率分析。BCC 模型将综合技术效率分解为纯技术效率和规模效率，由DEA的原理可知，省份科研机构R&D综合技术效率有效的前提是R&D效率既要达到纯技术有效又要达到规模有效，因此根据纯技术效率和规模效率能更准确地反映出综合技术效率无效的原因所在。

在31个省区市中，除了达到科研机构R&D综合技术效率有效的8个省区市外，北京、上海、山东、吉林和西藏这5个省区市科研机构R&D的纯技术效率值也为1.000，这意味着这5个省区市科研机构的R&D现状是纯技术有效的，其R&D效率的提高主要受规模效率影响，应适当扩大或缩减规模来提高R&D效率，另外这5个省区市科研机构R&D的综合技术效率属于边缘有效和中度有效。其他省区市科研机构R&D的纯技术效率都小于1.000，说明这些省区市科研机构R&D综合技术效率无效的原因有一部分来自纯技术效率，应规范管理R&D活动，合理安排R&D进程，进而提高R&D效率。

4.1.3 规模效率和规模收益分析。规模效率是综合技术效率与纯技术效率的比值，当规模效率为1.000时，表明决策单元规模有效，处于规模收益不变阶段；若小于1.000则为规模无效，处于规模收益变动阶段。在31个省区市中，除了达到科研机构R&D综合技术效率有效的8个省区市外，天津和河北这2个省份科研机构R&D的规模效率值为1.000，处于规模收益不变的状态，表明这2个省份科研机构的R&D资源得到充分利用，要想提高综合技术效率，应维持规模现状，提高纯技术效率。

其余21个省区市的科研机构均出现不同程度的规模无效，其中重庆、内蒙古、江西和西藏4个省区市处于规模收益递增状态，表明这些省区市科研机构R&D资源的利用效率不断提升，在调整投入与产出资源内部比例关系的同时，需适度加大投资力度，扩大研发规模，进而提高规模效率，直至达到规模收益不变；北京、山西、辽宁、吉林、黑龙江、上海、江苏、安徽、山东、河南、湖北、湖南、广西、四川、云南、陕西和甘肃这17个省区市科研机构R&D处于规模收益递减状态，说明这17个省区市投入产出比例存在不同程度的失衡，相对产出来说投入规模偏大。对于这类省区市的科研机构，增加投入反而不能带来更大比例的产出，故应调整投入与产出要素的内部结构，根据实际需要和技术实力选择规模水平，进而提高规模效率，直至达到规模收益不变。

4.2 投影分析 利用BCC模型和CCR模型对科研机构R&D非DEA有效的省区市进行“投影分析”，可得出非有效省区市的科研机构为达到有效，R&D投入应减少的量和R&D产出应增加的量即省区市科研机构应改进的方向。

4.2.1 投入冗余分析。由表3可知，在23个科研机构R&D效率非DEA有效的省区市中，北京、吉林、上海、山东和西藏这5个省区市科研机构的R&D人员投入与经费投入都得到了充分合理的利用，不存在资源浪费的情况；其余18个省区市科研机构R&D人员与经费都存在不同程度的冗余，人员与资金未能充分发挥其效用。

其中，陕西、四川、河南、湖北、江苏和河北这6个省区市科研机构R&D人员与R&D经费冗余的现象比较严重，均超过了平均值，应大力缩减R&D人员和R&D经费的投入，减少资源的浪费，使投入的资源都能得到合理的利用；天津、黑龙江、江西、湖南这4个省区市只有R&D人员的冗余值超过了平均值，属于R&D人员冗余严重的省份，应大力减少人员的投入，适当减少经费的投入，从而使人力资源得到合理的配置；其余8个省区市科研机构的R&D人员与R&D经费冗余都低于平均值，应适当降低人力资本和经费的投入，以提高R&D效率。

另外，R&D人员冗余现象较R&D经费来说严重，有10个省区市的冗余值超过平均值，这不仅给管理人员增加了很多管理负担，还容易导致科研“搭便车”现象的发生，所以应合理配置科研机构的人员结构，明确科研人员的职责，使科研人员都能充分发挥自己在R&D活动中的作用，提高R&D效率。

4.2.2 产出不足分析。由表4可知，在23个科研机构R&D效率非DEA有效的省区市中，北京、吉林、上海、山东和西藏这5个省区市科研机构的R&D产出比较理想，5项指标均达到了目标值；其他18个省区市科研机构的R&D产出都存在不同程度的不足，具体表现为以下方面。

（1）在科技论文方面，江苏、江西、广西和甘肃这4个省区科研机构的科技论文数达到了目标值，其余14个省区市的科研机构需通过增加科技论文数来提高R&D效率，辽宁、陕西、四川、天津、湖南、安徽、湖北和山西这8个省市科技论文的产出不足超过了平均值，应大力提高科技论文方面的产出。

（2）在科技著作方面，河南、湖北、云南这3个省科研机构的科技著作数达到了目标值，其余15个省区市的科研机构需通过增加科技著作数来提高R&D效率，江苏、陕西、安徽、辽宁、天津、黑龙江、山西和甘肃这8个省区科技著作不足数超过了平均值，应大力加强科研机构在科技著作方面的产出，以提高科研机构的R&D效率。

（3）在专利申请方面，天津、河北、山西、内蒙古、辽宁、黑龙江、安徽、河南、湖北、湖南、重庆、四川和陕西这13个省区市科研机构的专利申请数达到了目标值；另外云南、甘肃、广西和江苏4个省区的专利申请数严重不足，应大力提高专利申請的数量。

（4）在有效发明专利方面，只有山西、内蒙古和甘肃这3个省区科研机构的有效发明专利数达到了目标值；另外，陕西、江苏、四川、辽宁、安徽和湖南这6个省份有效发明专利不足的数量较为严重，应进一步增加有效发明专利的数量。

（5）在国家或行业标准方面，黑龙江、安徽、湖南、重庆、四川这5个省市科研机构形成的国家或行业标准数达到了目标值；其余13个省区市的科研机构需通过增加国家或行业标准数来提高R&D效率，江苏、湖北、云南、辽宁、河南、甘肃和山西这7个省份国家或行业标准数严重不足，应进一步增加科研机构在该方面的产出。

由（1）～（5）可知，这5项产出指标按照达到目标值和平均值的省区市个数排名为专利申请数、国家或行业标准数、科技著作数、有效发明专利数、科技论文数。科技论文数不足是制约各省区市科研机构R&D效率的主要指标。另外，23个科研机构R&D非DEA 有效省区市都至少有1项产出优势，即至少有1项产出指标的数量达到了目标值，也就是说各省区市应在保持自身产出优势的基础上，加大其余产出指标，尤其是那些产出严重不足的指标的产量，从而提高科研机构的R&D效率。

由（2）和（4）可知，专利申请达到目标值的省区市有13个，而有效发明专利数达到目标值的省区市只有3个。由此可见，我国科研机构对专利的申请力度要大于对专利的管理、保护和应用的力度，这一方面是因为科研机构把专利申请数作为技术鉴定、课题验收、职称评定等的考核指标，这有可能诱发科技人员“为申请而申请”的行为，使得“垃圾专利”的数量增多；另一方面是因为专利维护的成本要高于收益，专利开发与市场应用脱节、商业化水平低，专利的收益较低，且我国专利保护水平较低，专利市场很容易被非法入侵，需要大量的成本进行维护，以致维护成本超过专利收益。

4.3 聚类分析 为了更有效地指导我国各省区市科研机构R&D效率的实践，根据各省区市科研机构R&D的投入水平与综合技术效率情况，将31个省区市的科研机构分为“高投入高效率”“高投入低效率”“低投入低效率”和“低投入高效率”4种类型。

对于投入水平，先用因子分析法将R&D人员投入与R&D经费投入2个指标合并为1个因子，并计算总的因子得分，然后将高于因子得分平均值的省区市化为投入较高的省区市，低于因子得分平均值的省区市化为投入较低的省区市；对于综合技术效率，则相对简单，将高于综合技术效率平均值的省区市划为效率较高的省区市，低于综合技术效率平均值的省区市划为效率较低的省区市。这样，就可以把31个省区市科研机构R&D现状分为4种类型（表5）。

类型Ⅰ为R&D投入水平和综合技术效率均较高的“高高”型。北京、辽宁、上海这3个省市的科研机构属于该类型，这3 个省市均为我国经济较发达的地区，其科研机构R&D投入水平较高，R&D效率水平也较高，是一种较为有效的类型，但也应在保证R&D效率水平的基础上，减少R&D投入，进而减少资源的浪费。

类型Ⅱ为R&D 投入水平高、综合技术效率低的“高低”型。江苏、湖北、四川、陕西这4个省的科研机构属于该类型，这4个省科研机构的R&D投入都偏高，应在今后的发展过程中适当控制R&D投入规模，深化R&D投入与产出机制与体制改革，提高预算约束，加强管理创新，从而提高R&D技术效率，努力向类型Ⅰ靠近。

类型Ⅲ为R&D投入水平和综合技术效率均较低的“低低”型。天津、河北、山西、内蒙古、黑龙江、安徽、江西、河南、湖南、重庆、云南和西藏12个省区市的科研机构属于该类型。这些科研机构大多位于我国中、西部地区，由于地区经济较为落后，因此对R&D的投入水平也较低，另外可能由于制度条件和管理水平的限制，科研机构R&D的技术效率也较低。该种类型的科研机构应将有限的R&D资源投入其优势环节，集中资源和精力解决一些较有优势且产出效益好的科研问题，同时科研机构也要认清自身在R&D投入产出机制和管理运作方面存在的问题，努力提高R&D效率。

类型Ⅳ为R&D 投入水平低、综合技术效率高的“低高”型。吉林、浙江、福建、山东、广东、广西、海南、贵州、甘肃、青海、宁夏和新疆12 个省区的科研机构属于该类型。此种类型是科研机构R&D最理想的状态，用最少的R&D投入，取得最大的R&D效率，在今后发展过程中应充分发挥其投入产出的优势，继续加大R&D投入水平，以期获得更多的产出。

5 结论及建议

5.1 结论 我国科研机构整体R&D效率不高，省区市间差距大，规模效率平均值要高于纯技术效率，但纯技术效率为1000的省区市要高于规模效率为1.000的省区市；在投入上，R&D人员冗余的现象要高于R&D经费；在产出上，科技论文、科技著作、专利申请、有效发明专利、国家或行业标准都存在不同程度不足，其中科技论文数的不足最为严重，专利的申请力度要大于对专利的维护力度；根据R&D投入水平和综合技术效率，可将我国省区市科研机构分为“高高”“高低”“低低”和“低高”4种类型。通过效率分析、投影分析和聚类分析，各省区市科研机构可根据自身的效率特点及所处的类型，针对性地进行效率改进。

5.2 建议

5.2.1 合理配置科技资源，明确科研机构定位。科研机构应根据实际情况，合理配置科技资源，减少或取消相对低效率科研方向上的资源投入，避免资源的浪费。各省区市的科研机构应依托本地的科技资源，明确科研机构的定位，利用省区市优势扬长避短，提高R&D效率。

5.2.2 优化效率评价过程，建立监测机制。R&D活动是一项持续性的长期活动，对其效率的评价应贯穿整个活动的始终。但是目前大多数研究只重视对最终结果的评估，忽视了过程评价。因此，应把事前评价、事中评价和事后评价结合起来，建立一套对科研机构R&D情况完整的评价体系，从而更好地指导科研机构的R&D活动。与此同时，科研机构还应定期对R&D活动进行监测，建立严格的信息反馈机制，及时地发现问题并纠正问题，提高R&D效率。

5.2.3 建立和完善激励机制和考核机制。科研机构为了提高科研产出数量，有必要建立有效的激励机制，将R&D人员的成果与奖励紧密挂钩，从而提高R&D人员的积极主动性；在激励过程中，不仅要考虑科研成果的数量，更要注重质量，因此需要严格的考核机制来保证科研成果的数量。建立和完善激励机制和考核机制，可以提升科研成果数量和质量，进而提高R&D效率。

5.2.4 增加省际R&D合作项目，发挥省际协同效应。各省份都有自身的R&D优势和不足，省际R&D合作项目能够促进省际间科技资源的合理配置和高效利用，最大限度避免资源浪费。因此，各省区市的科研机构应增强互动与合作，增加省际R&D合作项目，共同提高R&D效率。

参考文献

[1] 古景亮，贾培民，钟彩霞，等.科研机构创新能力综合评价指标应用研究[J].医学信息学杂志，2007，28（6）：565-567.

[2] NAGPAUL P S，BOY S.Constructing a multiobjective measure of research performance[J].Scientometrics，2003，56（3）：383-402.

[3] 张凤，霍国庆.国家科研机构创新绩效的评价模型[J].科研管理，2007，28（2）：35-42.

[4] WANG E C.R&D efficiency and economic performance：A crosscountry analysis using the stochastic frontier approach[J].Journal of policy modeling，2007，29（2）：345-360.

[5] 杨淇蘥，李健.基于模糊综合评价法的贵州省科研机构创新绩效评价指标体系[J].科技情报开发与经济，2011，21（13）：129-133.

[6] 姜永葳，王秀丽.基于主成分分析的地区高校科研绩效评价研究[J].科技和产业，2009，9（11）：97-99.

[7] 趙严伟.我国30个省市的研究与开发投入产出效率分析[J].贵州农业科学，2013，41（2）：195-200.

[8] JOHNES J，YU L.Measuring the research performance of Chinese higher education institutions using data envelopment analysis[J].China economic review，2008，19：679-696.

[9] ABBOTT M，DOUCOULIAGOS C.The efficiency of Australian universities：A data envelopment analysis[J].Economics of education review，2003，22（1）：89-97.

[10] MORENO A A，TADEPALLI R.Assessing academic department efficiency at a public university[J].Managerial and decision economics，2002，23（7）：385-397.

[11] JEEVAN V K，GUPTA B M.A scientometric analysis of research output from Indian Institute of Technology，Kharagpur[J].Scientometrics，2002，53（1）：165-168.

[12] 程宏伟，张永海，常勇.公司R&D投入与业绩相关性的实证研究[J].科学管理研究，2006，24（3）：110-113.

[13] COCCIA M.A scientometric model for the assessment of scientific research performance within public institutes[J].Scientometrics，2005，65（3）：307-321.

[14] 骆珣，卢婵君.基于DEA的北京市转制科研机构投入产出效率评价[J].生产力研究，2007（9）：75-76.

[15] CHARNES A，COOPER W W，RHODES E.Measuring the efficiency of decision making units[J].European journal of operational research，1978，2（6）：429-444.

[16] 莫剑芳，叶世琦.基于DEA的资源配置状况分析[J].运筹与管理，2002，11（1）：42-45.

[17] 韩松，魏权龄.资源配置的非参数DEA模型[J].系统工程理论与实践，2002，22（7）：59-70.

[18] 韩东林，胡姗姗.省际比较视角下政府研究机构R&D效率评价：基于第二次全国R&D资源清查数据[J].情报杂志，2012，31（5）：84-89.