趙紹娟

摘 要：建立效率評(píng)估指標(biāo)體系，運(yùn)用數(shù)據(jù)包絡(luò)分析（Data Envelopment Analysis，DEA）運(yùn)籌學(xué)方法，將科技創(chuàng)新活動(dòng)分為兩個(gè)階段：知識(shí)創(chuàng)造和成果轉(zhuǎn)化，研究徐州市科技研發(fā)效率和成果轉(zhuǎn)化效率，判斷徐州市科技創(chuàng)新效率是否達(dá)到“帕累托”最優(yōu)，是否存在科技投入冗余及科技產(chǎn)出不足，并對(duì)淮海經(jīng)濟(jì)區(qū)20市和江蘇省13市的科技創(chuàng)新能力進(jìn)行橫向比較分析，以期對(duì)徐州市區(qū)域性產(chǎn)業(yè)科技創(chuàng)新中心建設(shè)情況進(jìn)行監(jiān)測(cè)評(píng)估。

關(guān)鍵詞：科技創(chuàng)新;效率評(píng)估;指標(biāo)體系;帕累托最優(yōu);數(shù)據(jù)包絡(luò)分析

中圖分類號(hào)：F124.3? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? 文章編號(hào)：1671-0037（2019）5-22-9

DOI：10.19345/j.cxkj.1671-0037.2019.05.004

1 研究背景

《中國(guó)中心城市指數(shù)研究報(bào)告》認(rèn)為，全球化背景下的國(guó)際競(jìng)爭(zhēng)本質(zhì)上就是中心城市的競(jìng)爭(zhēng)，提升吸引和集聚人、財(cái)、物的虹吸效應(yīng)和承載能力是中心城市競(jìng)爭(zhēng)的關(guān)鍵。如何正確評(píng)價(jià)、培育和強(qiáng)化城市的中心功能，應(yīng)該成為決勝大城市化、超大城市化這一世界潮流的重要國(guó)家戰(zhàn)略。

徐州市區(qū)域性產(chǎn)業(yè)科技創(chuàng)新中心自建設(shè)以來(lái)取得了一定的成就，但在某些創(chuàng)新方面還存在短板和缺陷。2017年，在淮海經(jīng)濟(jì)區(qū)20個(gè)城市中，徐州市GDP總量第一，但R&D經(jīng)費(fèi)投入強(qiáng)度卻落后于萊蕪、泰安、蚌埠、臨沂和鹽城。

目前，徐州市區(qū)域性產(chǎn)業(yè)科技創(chuàng)新中心建設(shè)進(jìn)展情況如何？對(duì)徐州市社會(huì)生產(chǎn)力和綜合實(shí)力的戰(zhàn)略支撐作用如何？在整個(gè)淮海經(jīng)濟(jì)區(qū)和省內(nèi)的科技創(chuàng)新能力地位如何？這就亟須建立一套系統(tǒng)科學(xué)合理的監(jiān)測(cè)評(píng)估體系和方法，對(duì)徐州市區(qū)域性產(chǎn)業(yè)科技創(chuàng)新中心建設(shè)情況進(jìn)行縱向衡量，并在淮海經(jīng)濟(jì)區(qū)城市、江蘇省兄弟城市間橫向比較，以便指導(dǎo)徐州市科學(xué)認(rèn)識(shí)自身創(chuàng)新能力，從而采取更加合理的創(chuàng)新發(fā)展戰(zhàn)略，協(xié)調(diào)高校、科研院所、企業(yè)、科技服務(wù)中介等多方主體，統(tǒng)籌科技人力資源、科技物力資源、科技信息資源、科技組織資源等，使得經(jīng)濟(jì)效益和社會(huì)效益達(dá)到“帕累托最優(yōu)”。

2 DEA模型介紹

數(shù)據(jù)包絡(luò)分析（Data Envelopment Analysis， DEA）[1]是由著名運(yùn)籌學(xué)家Charnes，Cooper和Rhodes于1978年提出的，它以相對(duì)效率概念為基礎(chǔ)，以凸分析和線性規(guī)劃為工具，計(jì)算比較具有相同類型的決策單元（Decision Making Unit，DMU）之間的相對(duì)效率，依此對(duì)評(píng)價(jià)對(duì)象做出評(píng)價(jià)。其本質(zhì)是判斷DMU是否處于生產(chǎn)可能集的“前沿面”上，可以看成是一種非參數(shù)的統(tǒng)計(jì)估計(jì)方法。相對(duì)于層次分析法、聚類分析法、因子分析法等，數(shù)據(jù)包絡(luò)分析法（DEA）具有多輸入、多輸出的特點(diǎn)，無(wú)須任何權(quán)重假設(shè)、對(duì)數(shù)據(jù)進(jìn)行無(wú)量綱化處理，排除了很多主觀因素，且可以獲得很多在經(jīng)濟(jì)學(xué)中具有深刻經(jīng)濟(jì)含義和背景的管理信息，現(xiàn)已被應(yīng)用于各個(gè)領(lǐng)域的績(jī)效評(píng)價(jià)中。張賽飛等[2]、梁瑞敏等[3]、高淑蘭[4]、張永安等[5]、劉儉等[6]、張莉莉等[7]、熊曦等[8]、黃光球等[9]都運(yùn)用數(shù)據(jù)包絡(luò)分析（DEA）、二階段網(wǎng)絡(luò)DEA或超效率DEA等對(duì)基于時(shí)間序列的區(qū)域科技創(chuàng)新績(jī)效進(jìn)行測(cè)算及比較研究。

DEA方法的基本原理是：設(shè)有n個(gè)決策單元（j=1，2，…，n），每個(gè)決策單元有相同的m項(xiàng)投入（i=1，2，…，m）、s項(xiàng)產(chǎn)出（r=1，2，…，s）。xij為第j決策單元的第i項(xiàng)投入，yrj為第j決策單元的第r項(xiàng)產(chǎn)出，vi為第i種類型投入的度量（權(quán)系數(shù)），ur為第r種類型產(chǎn)出的度量（權(quán)系數(shù)）。若衡量第j0個(gè)決策單元效率指數(shù)，則以所有決策單元的效率指數(shù)為約束，構(gòu)造如下CCR（C2R）模型。

[max hjo=uTyivTxj=r=1suryrjoi=1mvixij0s.t.r=1suryrji=1mvixij≤1，j=1，2，...nu≥0，v≥0]? ? ? ? ? ? ? ? ? ? ? ? ? （1）

其對(duì)偶輸入模型為：

[min θs.t.j=1nλjxj≤θx0j=1nλjyj≥y0λj≥o，j=1，2，...nθ無(wú)約束]? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （2）

為討論和計(jì)算應(yīng)用方便，進(jìn)一步引入松弛變量s+和剩余s-變量s-，將式（2）變?yōu)榈仁郊s束：

[min θs.t.j=1nλjxj+s+=θxoj=1nλjyj-s-≥y0λj≥o，j=1，2，...nθ無(wú)約束，s+≥0，s-≤0]? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （3）

我們可用CCR模型判定決策單元是否同時(shí)技術(shù)有效和規(guī)模有效：θ*=1且s*+=0，s*-=0，則決策單元j0為DEA有效（即相應(yīng)于生產(chǎn)可能集而言，已達(dá)到投入最小、產(chǎn)出最大的Pareto最優(yōu)），且同時(shí)為技術(shù)有效和規(guī)模有效;θ*=1，但至少某個(gè)投入或產(chǎn)出大于0，則決策單元j0為DEA弱有效，其經(jīng)濟(jì)活動(dòng)不是同時(shí)為技術(shù)效率最佳和規(guī)模最佳;θ*<1，決策單元j0不是DEA有效，其經(jīng)濟(jì)活動(dòng)既不是技術(shù)效率最佳，也不是規(guī)模最佳。

CCR模型是假設(shè)生產(chǎn)過(guò)程屬于固定規(guī)模收益，即當(dāng)投入量以等比例增加時(shí)，產(chǎn)出量應(yīng)以等比例增加，然而實(shí)際的生產(chǎn)過(guò)程亦可能屬于規(guī)模報(bào)酬遞增或規(guī)模報(bào)酬遞減的狀態(tài)。Banker，Charnes和Cooper基于此提出了可變規(guī)模報(bào)酬模型（BC2模型），含松弛變量的對(duì)偶輸入模型為：

[min θs.t.j=1nλjxj+s+=θxoj=1nλjyj-s-=yoj=1nλj=1λj≥0，j=1，2，...ns+≥0，s-≥0]? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （4）

可變規(guī)模報(bào)酬模型將CCR模型中的技術(shù)效率分解為純技術(shù)效率（vrste）和規(guī)模效率（scale），技術(shù)效率=純技術(shù)效率×規(guī)模效率，前者反映在給定投入情況下決策單元獲取最大產(chǎn)出的能力，或者反映決策單元是否在最適規(guī)模下生產(chǎn)經(jīng)營(yíng)。

由上所述，DEA是對(duì)決策單元的投入規(guī)模和技術(shù)有效性做出評(píng)價(jià)，也就是說(shuō)，對(duì)各同類型的部門(mén)投入一定數(shù)量的資金、勞動(dòng)力等資源后，其產(chǎn)出的經(jīng)濟(jì)效益和社會(huì)效益做一個(gè)相對(duì)有效性的評(píng)價(jià)。因此，本文采用DEA法對(duì)2015年以來(lái)徐州市區(qū)域科技創(chuàng)新及資源利用效率進(jìn)行評(píng)價(jià)。具體做法是：將徐州市分別放到江蘇省層面和淮海經(jīng)濟(jì)區(qū)層面，做橫向比較和縱向衡量。

3 指標(biāo)體系構(gòu)建

選取的投入和產(chǎn)出指標(biāo)應(yīng)能綜合反映該地區(qū)科技創(chuàng)新的基礎(chǔ)和潛力，以定量指標(biāo)為主，具有動(dòng)態(tài)性和可比性，兼顧權(quán)威性和可得性。

有別于以往大多數(shù)研究視角，本文將科技活動(dòng)劃分為連續(xù)的兩個(gè)階段：從投入到中間產(chǎn)出的研發(fā)活動(dòng)（第一階段）、從中間產(chǎn)出到最終產(chǎn)出的成果轉(zhuǎn)化活動(dòng)（第二階段）。投入指標(biāo)包括科技人力資源投入、科技財(cái)力資源投入、科技物力資源投入、科技信息資源投入等;中間產(chǎn)出指標(biāo)主要反映研發(fā)活動(dòng)成果，包括專利、論文等;最終產(chǎn)出指標(biāo)反映了將科研成果市場(chǎng)化、產(chǎn)業(yè)化從而產(chǎn)生的經(jīng)濟(jì)效益、社會(huì)效益，用技術(shù)合同成交總額、高新技術(shù)產(chǎn)業(yè)產(chǎn)值等指標(biāo)衡量。

有研究認(rèn)為，科技活動(dòng)從投入到產(chǎn)出有一定的時(shí)滯性[10-11]。本文同樣按滯后一期（即一年）處理，即2018年的最終科技產(chǎn)出是受2016年的科技投入、2017年的中間產(chǎn)出影響的。

在參考大量文獻(xiàn)的基礎(chǔ)上，結(jié)合地區(qū)特點(diǎn)和數(shù)據(jù)可得性，本文對(duì)淮海經(jīng)濟(jì)區(qū)20市和江蘇省13市建立不同的投入產(chǎn)出指標(biāo)體系。具體來(lái)說(shuō)，選取每萬(wàn)從業(yè)人員中R&D人員數(shù)、研發(fā)經(jīng)費(fèi)占GDP比重、政府科技撥款占財(cái)政支出的比重、每千人國(guó)際互聯(lián)網(wǎng)用戶數(shù)作為投入指標(biāo);選取企業(yè)專利申請(qǐng)、萬(wàn)人發(fā)明專利擁有量、高新技術(shù)產(chǎn)業(yè)投資額、高新技術(shù)企業(yè)數(shù)作為中間產(chǎn)出指標(biāo);選取高新技術(shù)產(chǎn)業(yè)產(chǎn)值及占規(guī)上工業(yè)產(chǎn)值比重、新產(chǎn)品產(chǎn)值、技術(shù)合同成交額作為最終產(chǎn)出指標(biāo)，對(duì)江蘇省13市2018年、2017年、2016年科技資源利用效率進(jìn)行評(píng)價(jià)。選取R&D人員折合全時(shí)當(dāng)量、R&D支出占GDP比重、人均GDP作為投入指標(biāo);選取高新技術(shù)企業(yè)數(shù)、專利申請(qǐng)數(shù)、專利授權(quán)數(shù)、萬(wàn)人發(fā)明專利擁有量作為中間產(chǎn)出指標(biāo);選取規(guī)上工業(yè)利潤(rùn)總額、高新技術(shù)產(chǎn)業(yè)產(chǎn)值作為最終產(chǎn)出指標(biāo)，對(duì)淮海經(jīng)濟(jì)區(qū)20市2017年科技資源利用效率進(jìn)行評(píng)價(jià)。

數(shù)據(jù)來(lái)源于各省市統(tǒng)計(jì)年鑒、科技統(tǒng)計(jì)年鑒、國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)、政府工作報(bào)告、電話及會(huì)議問(wèn)詢等。

4 實(shí)證結(jié)果分析與主要觀點(diǎn)

表1是2018年江蘇省各市研發(fā)效率評(píng)價(jià)結(jié)果，可以看出，南京市、常州市、蘇州市、南通市、鹽城市和泰州市是DEA有效的，不僅技術(shù)有效而且規(guī)模有效，并處于規(guī)模報(bào)酬不變狀態(tài)，科技資源利用率很高，科技投入和中間產(chǎn)出都達(dá)到了最有效值，實(shí)現(xiàn)了經(jīng)濟(jì)學(xué)上的“帕累托最優(yōu)”。徐州市效率值只有0.915，低于全省平均水平（0.927），排名第10，僅高于揚(yáng)州市、連云港市和宿遷市。這種非DEA有效主要是由于規(guī)模效率低下引起的，應(yīng)擴(kuò)大科技投入規(guī)模，增加科技人力資源、財(cái)力資源等投入。從松弛變量也可以看出，在中間產(chǎn)出不變的情況下，4個(gè)投入指標(biāo)要同比例下降0.085，同時(shí)政府科技撥款占財(cái)政支出的比重減少0.416個(gè)單位，每千人國(guó)際互聯(lián)網(wǎng)用戶數(shù)減少21.765個(gè)單位，就可以達(dá)到最優(yōu)狀態(tài)。

由表2可知，徐州市2016年和2017年研發(fā)效率全部是DEA有效的，技術(shù)進(jìn)步和適度規(guī)模都促使徐州市達(dá)到“帕累托最優(yōu)”狀態(tài)。從圖1和圖2可以更直觀地看出，江蘇省在2017年技術(shù)效率達(dá)到峰值，2018年稍有下降，純技術(shù)效率和規(guī)模效率形成兩個(gè)極端。李克強(qiáng)總理在2014年9月的夏季達(dá)沃斯論壇上號(hào)召“大眾創(chuàng)業(yè)、萬(wàn)眾創(chuàng)新”，2015年將此寫(xiě)進(jìn)政府工作報(bào)告，讓創(chuàng)新創(chuàng)業(yè)成為時(shí)代潮流，匯聚起經(jīng)濟(jì)社會(huì)發(fā)展的強(qiáng)大新動(dòng)能。各地掀起創(chuàng)新熱潮，加大科技投入，科技創(chuàng)新成果在2016年、2017年獲得突出顯現(xiàn)。但一味地持續(xù)增加投入規(guī)模并沒(méi)有帶來(lái)科技資源效率的同比例提高，江蘇省和徐州市在2018年的規(guī)模效率都小于1，且低于純技術(shù)效率，未來(lái)應(yīng)在統(tǒng)籌科技資源、協(xié)調(diào)配置上下功夫。

表3是2018年江蘇省各市成果轉(zhuǎn)化效率評(píng)價(jià)。徐州市和南京市、蘇州市、南通市、連云港市、淮安市、宿遷市一樣，是DEA有效的，純技術(shù)和規(guī)模都達(dá)到了產(chǎn)出最大化。從表4可以發(fā)現(xiàn)，徐州市2016年和2017年成果轉(zhuǎn)化效率全部是DEA有效的，技術(shù)進(jìn)步和適度規(guī)模都促使徐州市達(dá)到“帕累托最優(yōu)”狀態(tài)。但結(jié)合前文分析，徐州市研發(fā)活動(dòng)并非全部DEA有效，存在中間產(chǎn)出不足或投入冗余，在增加中間產(chǎn)出的前提下，最終科技成果產(chǎn)出也會(huì)同比例增加，即若想提高徐州市科技資源成果轉(zhuǎn)化效率，那么就要增加中間產(chǎn)出或者調(diào)整科技資源投入結(jié)構(gòu)，適當(dāng)減少某些投入比例，以優(yōu)化資源配置實(shí)現(xiàn)科技創(chuàng)新產(chǎn)出最大化，強(qiáng)化科技對(duì)經(jīng)濟(jì)的支撐作用。進(jìn)一步地，從圖3可知，江蘇省科技資源成果轉(zhuǎn)化效率先上升后下降，歸根結(jié)底在于規(guī)模效率下降幅度大于純技術(shù)效率上升幅度。

用相同方法、不同指標(biāo)體系對(duì)淮海經(jīng)濟(jì)區(qū)20市的資源配置效率進(jìn)行分析，得出的結(jié)論和江蘇省13市有很大不同（見(jiàn)表5、6）?；春＝?jīng)濟(jì)區(qū)20市研發(fā)效率和成果轉(zhuǎn)化效率都很低，分別為0.72、0.478，徐州市的研發(fā)活動(dòng)整體效率水平遠(yuǎn)高于淮海經(jīng)濟(jì)區(qū)效率均值。但在科技資源成果轉(zhuǎn)化階段，徐州市技術(shù)效率很低，且低于淮海經(jīng)濟(jì)區(qū)平均效率水平。成果產(chǎn)出只停留在理論研究階段，未能有效投入市場(chǎng)實(shí)現(xiàn)經(jīng)濟(jì)和社會(huì)效率，成果轉(zhuǎn)化水平太弱。由圖4可以直觀地看出，徐州市科技資源成果轉(zhuǎn)化效率遠(yuǎn)低于研發(fā)效率，未來(lái)應(yīng)提高科技成果轉(zhuǎn)化水平，將科研活動(dòng)推向市場(chǎng)，實(shí)現(xiàn)經(jīng)濟(jì)效益和社會(huì)效益。

5 結(jié)論與建議

5.1 結(jié)論

采用數(shù)據(jù)包絡(luò)分析（DEA）法，將科技活動(dòng)分為研發(fā)活動(dòng)和成果轉(zhuǎn)化活動(dòng)，從而將科技資源配置效率分為研發(fā)效率和成果轉(zhuǎn)化效率，分別對(duì)江蘇省各市、淮海經(jīng)濟(jì)區(qū)20市進(jìn)行效率評(píng)價(jià)。結(jié)果表明，整體而言，徐州市科技資源配置效率沒(méi)有達(dá)到全部DEA有效，存在資源投入冗余或產(chǎn)出不足，且科技成果轉(zhuǎn)化水平較低。

因DEA效率是相對(duì)性評(píng)價(jià)，將徐州市放進(jìn)江蘇省和淮海經(jīng)濟(jì)區(qū)兩大區(qū)域進(jìn)行分析，結(jié)果不同并不能說(shuō)明分析有矛盾，反而揭示了兩大區(qū)域所含城市的整體水平和科技活動(dòng)傾向。

當(dāng)然，選擇的指標(biāo)體系、時(shí)間區(qū)間和評(píng)價(jià)方法不同，得出的結(jié)論可能也有差異。在未來(lái)的研究中，將進(jìn)一步整合優(yōu)化指標(biāo)體系，采用更加成熟的兩階段網(wǎng)絡(luò)DEA方法，擴(kuò)展時(shí)間范圍，更加精準(zhǔn)、全面地分析上述城市的科技資源效率水平，以便更明確徐州市在各個(gè)區(qū)域的實(shí)力、不足和定位。

5.2 對(duì)策建議

為促進(jìn)徐州市區(qū)域性產(chǎn)業(yè)科技創(chuàng)新中心建設(shè)，提高徐州市科技創(chuàng)新效率，結(jié)合實(shí)證分析結(jié)論，應(yīng)著重從以下兩方面入手。

一是提高科技資源規(guī)模效率，形成科技人力資源和科技財(cái)力資源長(zhǎng)效投入機(jī)制。大力改善營(yíng)商環(huán)境，不拘一格招才引智，集聚大批高層次人才并激發(fā)其創(chuàng)新熱情;對(duì)本地高校、科研院所及科技企業(yè)中青年高技能人才實(shí)施傾斜政策，鼓勵(lì)其留在徐州市創(chuàng)新創(chuàng)業(yè);完善科技人力資源體制機(jī)制改革制度，促進(jìn)各類創(chuàng)新人才在區(qū)域內(nèi)合理流動(dòng)。增加科技財(cái)力資源投入，為科技創(chuàng)新持續(xù)提供新鮮“血液”，通過(guò)稅費(fèi)減免、項(xiàng)目扶持等政策促進(jìn)科技企業(yè)增加科技投入，同時(shí)加大財(cái)政科技投入力度。

二是提高科技成果轉(zhuǎn)化效率，形成科技活動(dòng)各方協(xié)同創(chuàng)新機(jī)制。一個(gè)完整的技術(shù)創(chuàng)新鏈由研究—開(kāi)發(fā)—中試—產(chǎn)業(yè)等組成，任何創(chuàng)意與想法最后都要通過(guò)產(chǎn)品或服務(wù)的方式推向市場(chǎng)，實(shí)現(xiàn)經(jīng)濟(jì)與社會(huì)雙重效益。其中，產(chǎn)業(yè)化階段是最后階段，也是非常重要的階段。在科技活動(dòng)各主體中，高校和科研院所擅長(zhǎng)原始創(chuàng)新與基礎(chǔ)創(chuàng)新，而以應(yīng)用創(chuàng)新為主的科技企業(yè)是市場(chǎng)競(jìng)爭(zhēng)與創(chuàng)新的主體，對(duì)市場(chǎng)有著高度的敏銳度。政府部門(mén)要綜合運(yùn)用各種手段，創(chuàng)造更加有利的環(huán)境，探索并建立高校、科研院所、科技企業(yè)、科技中介機(jī)構(gòu)等各方之間的溝通銜接機(jī)制，促進(jìn)科技產(chǎn)業(yè)化并在徐州市區(qū)域內(nèi)實(shí)施轉(zhuǎn)化。對(duì)科技成果就地轉(zhuǎn)化的科研團(tuán)隊(duì)及個(gè)人，提高其轉(zhuǎn)化收益比例并允許自由支配，同時(shí)在職稱評(píng)定等方面給予政策傾斜。

參考文獻(xiàn)：

[1] 魏權(quán)齡.數(shù)據(jù)包絡(luò)分析[M].北京：科學(xué)出版社，2004.

[2] 張賽飛，車曉惠.基于DEA的廣州市科技創(chuàng)新效率及其影響因素研究[J].科技管理研究，2011（24）：20-23.

[3] 梁瑞敏，彭佑元.基于網(wǎng)絡(luò)DEA的山西省區(qū)域科技創(chuàng)新績(jī)效評(píng)價(jià)研究[J].科技管理研究，2014（18）：112-116.

[4] 高淑蘭.基于DEA的區(qū)域科技創(chuàng)新效率評(píng)價(jià)實(shí)證分析：以廣西為例[J].科技創(chuàng)新與應(yīng)用，2017（17）：42-43.

[5] 張永安，郄海拓，顏斌斌.基于兩階段DEA模型的區(qū)域創(chuàng)新投入產(chǎn)出評(píng)價(jià)及科技創(chuàng)新政策績(jī)效提升路徑研究：基于科技創(chuàng)新政策情報(bào)的分析[J].情報(bào)雜志，2018（1）：198-207.

[6] 劉儉，黃婷，李曉瑞，等.寧夏農(nóng)業(yè)科技資源配置效率分析：基于超效率DEA和Malmquist指數(shù)[J].江西農(nóng)業(yè)學(xué)報(bào)，2016（6）：131-134.

[7] 張莉莉，焦文獻(xiàn)，張佳田.河南省城市科技創(chuàng)新能力綜合評(píng)價(jià)：基于超效率DEA和灰色關(guān)聯(lián)分析法[J].河南科學(xué)，2019（3）：453-461.

[8] 熊曦，關(guān)忠誠(chéng)，楊國(guó)梁，等.嵌套并聯(lián)結(jié)構(gòu)兩階段DEA下科技創(chuàng)新效率測(cè)度與分解[J].中國(guó)管理科學(xué)，2019（3）：206-216.

[9] 黃光球，白龍博.陜西省工業(yè)能源效率及其影響因素研究：基于三階段超效率DEA模型[J].生態(tài)經(jīng)濟(jì)，2019（4）：58-64.

[10] 馮志軍，朱建新.我國(guó)區(qū)域科技創(chuàng)新二階段效率評(píng)價(jià)及策略研究[J].科技進(jìn)步與對(duì)策，2011（6）：103-107.

[11] 趙文平，楊海珍.基于DEA的西部區(qū)域創(chuàng)新網(wǎng)絡(luò)效率評(píng)價(jià)[J].科研管理，2016（S1）：393-400.

Research on the Efficiency of Scientific and Technological Innovation in Xuzhou based on DEA Mode

Zhao Shaojuan

（Xuzhou Provincial High & New Technology Innovation Center， Xuzhou Jiangsu 221000）

Abstract： By establishing the efficiency evaluation index system， and using Data Envelopment Analysis （DEA） operational research method， this paper divided the scientific and technological innovation activities into two stages： knowledge creation and achievement transformation. The efficiency of scientific and technological research and development and the efficiency of achievements transformation in Xuzhou were studied， to judge whether the efficiency of scientific and technological innovation in Xuzhou reaches the optimal "Pareto"， whether there is redundancy in scientific and technological input and insufficiency in scientific and technological output. Simultaneously， the scientific and technological innovation ability of 20 cities in Huaihai Economic Zone and 13 cities in Jiangsu Province was compared and analyzed horizontally， in order to monitor and evaluate the construction of Xuzhou regional industrial scientific and technological innovation center.

Key words： scientific and technological innovation; efficiency evaluation; index system; optimal pareto; data envelopment analysis