基于熵值法-超效率DEA分析法的广东省科技人才政策效率评价研究.docx

?

?

基于熵值法-超效率DEA分析法的广东省科技人才政策效率评价研究

?

?

周海燕鲍祥生

【摘要】科技人才是粤港澳大湾区建设国际科技创新中心的生力军，广东省应积极探索有利于人才发展的政策和机制。本文基于熵值法-超效率DEA分析法对广东省科技人才政策进行效率评估后发现，广东省科技人才政策整体效率表现为技术无效，并提出相关建议：注重科技人才政策的延续性，做好长期规划；优化政策体系中各类型政策的比重；优化科技人才政策体系中各类受惠群体的比重；按受惠群体类型制定、管理和实施政策，进一步加强部门间的联动。

【关键词】广东省；科技人才；政策效果评估；DEA模型

2019年2月，我国发布了《粤港澳大湾区发展规划纲要》，纲要中提及人才多达40处。纲要提出，粤港澳大湾区具备建设国际科技创新中心的良好基础，“要建设人才高地，实行更积极、更开放、更有效的人才引进政策……积极探索有利于人才发展的政策和机制，加快创建国际化人才特区。”在粤港澳大湾区建设的新时期，广东省将更加积极调整科技人才政策。

一、相关文献综述

近年来，我国对科技创新人才日益重视，学者们从不同角度进行了相关政策研究。部分学者对科技人才政策的整体情况进行了研究。比如，刘忠艳等（2018）研究了政策内容、政策工具等方面的政策变迁情况；刘云（2017）从人才的价值观与人才生态、人才计划的负面效应、科研机构用人选人、对博士后的支持、人才流动等多个方面对我国科技人才政策进行了思考。部分学者从引进、培养、使用、评价、激励等科技人才管理各个环节进行政策研究。比如，顾承卫（2015）从科研资助、薪酬个税、创业扶持、住房补贴等几个方面，研究了海外人才引进政策。吴江（2018）对青年科技人才的培养使用进行了深入思考。

综上所述，无论对科技人才和科技人才政策的研究都做了大量的研究工作，但是对科技人才政策评估，尤其是量化评估的研究工作较少。对政策进行科学的评估，才能准确地发现问题，从而提出有效优化建议，因此，本文旨在对广东省科技人才政策实施成效进行评估。

纵观我国有关政策效率评估评价的研究，目前采用的方法主要有因子分析、回归分析、DEA模型、QFD方法。王忠等（2016）对中美两国科技人才集聚政策进行了比较研究。王宁等（2018）采用因子分析和DEA模型对河南省科技人才政策实施成效进行了评估。谢科范等（2015）采用实验研究的方法，通过对相关政策的效果进行仿真模拟，研究了多种情况下科技人才政策的执行效果。刘洪民等（2019）提出科研履历法是科技人才政策研究的一个新方法和新思路。

其中，DEA模型可以对多投入和多产出模型进行评估，由于不需要设定函数模型、不需要人为设定权重，该方法从1979年创立至今，已经发展成一种定量评估效率的强大工具，在教育、医疗、金融、环境、农业和企业管理等领域得到十分广泛的应用。周博文等（2017）搜集、分析了我国29个省、市2015年截面数据，基于DEA模型评价了我国众创政策的效率。赵前等（2011）引入超效率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了效率评价。

本文将以广东省科技人才政策为研究对象，在王宁等人研究的量化评估方法的基础上，进一步优化评估方法，引入熵值法进行更加客观的数据处理，并采用超效率DEA分析法，对效率评价值为1的单元进行比较，获得更多有效信息，从而更科学地评价科技人才政策。

二、评价指标、数据与模型

（一）评估指标体系及数据来源

本文综合考虑现有研究成果，重点借鉴了王宁等（2018）的评估量化指标体系，并结合本文的评估方法，构建本文的评估指标体系，具体见表1。本文收集了2008年～2017年共10年间的政策进行效果评估，采用的数据主要来源于中国统计年鉴、中国科技统计年鉴、科技部官方网站、广东统计年鉴、广东科技年鉴、广东科技统计年鉴、广東科技统计网站公开的数据。

（二）超效率DEA评估模型

DEA数据包络分析中，CCR和BCC模型的不足之处在于，在模型中，通常会出现多个DMU被评价为有效的情况，导致没办法对这些决策单元进行效率比较。为解决这一问题，AndersonandPetersen提出超效率模型（SuperEfficiencyModel，SE），通过在标准效率DEA模型中加入了j≠k的条件限制，将被评价DMU从参考集中剔除。也就是说，被评价DMU的效率是参考其他DMU构成的前沿得出的，有效DMU的超效率值一般会大于1，从而可以对有效DMU进行区分。具体模型规划式如下：

三、实证分析

（一）政策产出指标熵值法因子降维

Golany和Roll（1989）通过模型分析，发现参与评价的DMU个数至少应该是投入和产出项目数量之和的两倍。而根据本研究的设计，投入和产出指标二甲基指标有7个，即模型的决策单元需要至