本站原创
摘要： 工程技术研究中心（以下简称“工程中心”）是区域创新体系建设的重要组成部分，在促进科技和经济融合方面发挥了重要作用。本文基于DEA方法建立了工程中心投入产出绩效的BCC评价模型，对评估期内工程中心的投入产出绩效进行评估分析；并根据得出的结论，提出工程中心可持续发展的相关政策建议。
Abstract： As a vital component in the regional innovation system， Engineering Resear
关键词： 工程中心；绩效；投入产出；BCC模型
Key words： Engineering Research Center （ERC）；performance；input-output；BCC model
1006-4311（2013）18-0169-03
目前，国内对工程中心绩效评价的研究有：
1.1 定性方法 如文献结合教育部工程研究中心的特点探讨了其绩效评价体系；文献分析了工程中心验收评估方法、指标体系设计方法的设计思路，为江苏省工程中心的验收评估提供理论依据。然而，该方法存在较强的主观性、评价结论收敛性差，在具体应用方面存在局限。
1.2 定量方法 如文献[3]采用AHP方法建立一套国家工程技术研究中心综合评价指标与量化计算方法，文献[4]运行主成分分析法对2003-2010年国家工程中心的总体运行效果进行评价，文献[5]采用DEA方法从投入产出的方法对2002-2009年工程中心年度发展情况进行了实证研究。然而，采用AHP方法进行评价对象的因素不能太多（一般不多于9个），否则结论不准确；主成份分析法的处理原理是基于线性函数，对非线性函数的处理会造成较多的信息丢失；采用DEA方法的CCR模型是基于各决策单元（含义见后面评述）规模收益不变的前提下，存在局限性。
1.3 定性与定量方法相结合方法 如文献[6]采用AHP法与Delphi法相结合的方法建立湖北工程中心评估的指标体系与量化计算方法，文献[7]采用AHP法与Delphi法建立了广东工程技术研究开发中心投入效益的评价指标体系，并对广东省2001-2002年立项的工程生产力促进中心进行了评价，文献[8]采用同行评议与Delphi法相结合的方法对陕西189个省级工程中心进行了评估。如前所述，这种评价方面因采用了Delphi法、AHP法、同行评议法等相结合，虽然可以对评价方法进行改善，但仍存在一定的应用局限。
DEA方法是一种衡量多投入、多产出的决策单元（DMU，Decision Making Unit）相对有效性的方法，其基本原理是通过保持DMU的输入或者输出不变，借助于线性规划方法确定相对有效的生产前沿面，将各DMU投影到DEA的生产前沿面上，并通过比较各DMU偏离前沿面的程度来评估它们的相对有效性。考虑到各DMU存在的可变规模收益情况，本文采用BCC模型。有关该模型的具体内容详见参考文献[9]。此外，在模型处理与分析的过程中，本文借鉴了文献[10]的部分思路。
从规模收益状态来看，36个样本有11个处于规模收益不变，即投入与产出达到了最佳状态；20个样本（占总数的55.56%）处于规模收效递增状态，即这些样本均因投入资源不足而处于非规模有效状态；5个样本处于规模收益递减状态，即这些样本存在投入冗余或产出不足。值得注意的是：4个样本（8、10、15和16）均处于投入产出的最优状态，而这4个工程中心的依托单位均为大学，说明大学等研究院所对工程中心的投入产出起到积极的推动作用。
从区域上来看，苏南地区在综合效率有效、技术效率有效和规模效率有效方面都占绝对优势；从行业上看，现造类、生物医药与化工、节能环保与新材料三个领域的绩效相当，而电子电气与系统类较差。（见表3）
总体来看，这36个样本中，其平均综合效率均值为0.73，平均技术效率为0.831，平均规模效率为0.868，均离最佳状态还有一段距离。
此外，从图1可以看出，第一象限中有17个样本（占总数的47.2%，苏南14个，苏中2个，苏北1个）在规模效率和技术效率超过了平均水平；第二象限中有5个样本（占总数13.9%，苏南2个，苏中1个，苏北2个）在规模效率超过了平均水平，而技术效率低于平均水平；第三象限中有8个样本（占总数的22.2%，苏南4个，苏中3个，苏北1个）在技术效率和规模效率均低于平均水平；第四象限中有6个样本（占总数的16.7%，苏南5个，苏北1个）在技术效率上超过了平均水平，而规模效率上低于平均水平。结合苏南、苏中和苏北的实际，可以看到不同地区工程中心的投入产出绩效与经济实力、科教资源和创新水平等无必然关联。
综上所述，经过多年的探索，在各方共同努力下，工程中心获得了相当的发展，这36个样本在评估期内，通过优化配置有限的人员、资金、科研条件等科技资源，工程中心在承担重点科技项目、工程化项目推广、创造自主知识产权和制定行业标准等各个方面都取得了良好进展，并产生良好的经济效益和社会效益。实践证明，工程中心的建设宗旨和功能定位符合科技经济发展趋势，将有力提升我国自主创新能力，为推动科技成果转化，为推动传统产业结构优化升级，促进战略性新兴产业崛起，建设创新型国家作出重要贡献。
因此，各级政府应加大工程中心各项投入力度，探索联合支持机制，更多地吸引高校、科研院所加入，吸引社会资本和贷款融资进入，以建立多层次、多梯度的投入保障体系。
5.2 加强与高等院校合作，完善科技成果转化衔接方式 由上述评估过程分析，4个技术依托于大学的样本均达到了技术效率最优与规模效率最优，可知定位于科技成果转化与推广的工程中心因得益于高等院校的科研成果积累更易产出有效、更易技术推广。
目前我国绝大部分的R&D人员集中于高校和科研院所，众多科研成果无法及时转化推广，与此同时为数众多的企业亟需提高自身科研实力，提高市场竞争力，二者亟需完善的衔接方式以互补，从而各取所得，推动我国的产业结构优化，建设创新型国家。
5.3 注重队伍建设，加强复合型人才的培养 目前我国各地已经形成了一批有较大影响力的工程中心，应在此基础上，注重培养具有多种能力的复合型人才。不仅需要培养掌握单项技术的专业技术人才，更需要培养具有系统设计、管理、协调和监督等综合能力的管理人才，以及了解技术发展方向、熟悉产品的发展机制、对市场和技术具有前瞻性和洞察力的生产、经营人才，甚至需要培养对国内外贸易、知识产权保护、专利和标准制定程序等方面也有所了解的人才，以使工程中心更好地运行。
参考文献：
张晓安，陆燕春.对教育部工程研究中心运行绩效评价体系探讨[J].科技管理研究，2010（20）：97-99.
张卉卉.工程中心验收评估方法研究[J].江苏科技信息，2011（6）：10，30
[3]田芬，吕永波，周李.国家工程技术研究中心综合评价指标及算法研究[J].中国科技产业月刊，1996（2）：35-37.
[4]周琼琼，曹煜中，陈春阳.基于主成分分析法的国家工程技术研究中心运行评估[J].中国科技资源导刊，2012，44（1）：80-83.
[5]周琼琼，于忠庆，何亮.基于DEA方法的国家工程技术研究中心投入产出效益评价研究[J].科技管理研究，2013（1）：45-49.
[6]吴国斌，王燕玲.湖北省工程技术研究开发中心组建基础评估研究[J].科学技术与工程，2003，3（3）：293-296.
[7]王华，张程睿.广东省工程技术研究开发中心投入效益评价指标体系研究[J].暨南学报（人文科学与社会科学版），2005（1），30-35.
[8]贺福明.省级研究机构绩效评估探讨与实践[J].管理观察，2011（443）：132-133.
[9]R.D.Banker， A.Charnes， W.W.Cooper.Some models for estimating technical and scale inefficiencies in Data Envelopment Analysis [J].Mana
[10]Wei Zhong， Wei Yuan， and Susan X. Li， Zhimin Huang.The performance evaluation of regional R&D investments in China： An application of DEA based on the first official China economic census data [J]. Omega， 2011（39）. 447-455.
Abstract： As a vital component in the regional innovation system， Engineering Resear
摘自：本科论文www.udooo.com
ch Center （ERC）plays an important role in prompting integration between science & technology and economics. This paper evaluates the performance of input-output efficiency of ERC based on the BCC model. According to the conclusions， this paper proposes related policies to promote the sustainable development of ERC.关键词： 工程中心；绩效；投入产出；BCC模型
Key words： Engineering Research Center （ERC）；performance；input-output；BCC model
1006-4311（2013）18-0169-03
1 引言及相关研究
工程技术研究中心（以下简称“工程中心”）是区域创新体系建设的重要组成部分，作为联系科技与经济的重要纽带，经过多年的建设发展，与各级政府实施的各项重大科技计划相互配合，利用有限的人力、财力、物力等资源，起到以小博大的作用，有效促进了科技与经济的融合，产生了显著的经济效益和社会效益。因此，从投入产出角度评估工程中心的运行绩效，是衡量工程中心政策工具有效性的关键所在。目前，国内对工程中心绩效评价的研究有：
1.1 定性方法 如文献结合教育部工程研究中心的特点探讨了其绩效评价体系；文献分析了工程中心验收评估方法、指标体系设计方法的设计思路，为江苏省工程中心的验收评估提供理论依据。然而，该方法存在较强的主观性、评价结论收敛性差，在具体应用方面存在局限。
1.2 定量方法 如文献[3]采用AHP方法建立一套国家工程技术研究中心综合评价指标与量化计算方法，文献[4]运行主成分分析法对2003-2010年国家工程中心的总体运行效果进行评价，文献[5]采用DEA方法从投入产出的方法对2002-2009年工程中心年度发展情况进行了实证研究。然而，采用AHP方法进行评价对象的因素不能太多（一般不多于9个），否则结论不准确；主成份分析法的处理原理是基于线性函数，对非线性函数的处理会造成较多的信息丢失；采用DEA方法的CCR模型是基于各决策单元（含义见后面评述）规模收益不变的前提下，存在局限性。
1.3 定性与定量方法相结合方法 如文献[6]采用AHP法与Delphi法相结合的方法建立湖北工程中心评估的指标体系与量化计算方法，文献[7]采用AHP法与Delphi法建立了广东工程技术研究开发中心投入效益的评价指标体系，并对广东省2001-2002年立项的工程生产力促进中心进行了评价，文献[8]采用同行评议与Delphi法相结合的方法对陕西189个省级工程中心进行了评估。如前所述，这种评价方面因采用了Delphi法、AHP法、同行评议法等相结合，虽然可以对评价方法进行改善，但仍存在一定的应用局限。
2 评价原理与模型
实际上，工程中心投入产出绩效的评价是一个多目标、多层次的评价系统，由于投入和产出之间难以找出显性的函数关系，难以采用统一的度量单位衡量其大小，绩效评价具有较大的复杂性。基于此，本文采用在绩效评价中应用广泛的非参数评估方法——数据包络分析方法 （DEA，Data Envelopment Analysis），对评估期内各个工程中心的投入产出绩效进行评估分析，以期为决策部门优化工程中心未来的管理模式提供决策参考。DEA方法是一种衡量多投入、多产出的决策单元（DMU，Decision Making Unit）相对有效性的方法，其基本原理是通过保持DMU的输入或者输出不变，借助于线性规划方法确定相对有效的生产前沿面，将各DMU投影到DEA的生产前沿面上，并通过比较各DMU偏离前沿面的程度来评估它们的相对有效性。考虑到各DMU存在的可变规模收益情况，本文采用BCC模型。有关该模型的具体内容详见参考文献[9]。此外，在模型处理与分析的过程中，本文借鉴了文献[10]的部分思路。
3 指标选取与数据选取
指标选取是DEA方法应用中最关键的环节，评价结果的有效性和科学性取决于输入、输出指标的选择。结合工程中心评估的实际，本文所选取的投入指标项数为3个，产出指标项数为4个（见下表1）；本文选取某评估期内参加评估的36个样本数据（即DMU个数为36）。4 模型建立与结论分析
利用上述样本数据，利用DEAP2.1软件求得在评估期内工程中心绩效，结果如表2所示。
从DEA综合效率看，评估期内样本1、3、8、10、12、15、16、21、25、26和28这11个（占样本总数的30.6%）工程中心的绩效达到DEA有效，其规模效率和技术效率都有效。即在评估期内，这11个工程中心的投入与产出达到了最优状态，实现了各项投入的最大化利用，产生了较好的投入产出效益。从DEA纯技术效率来年，评估期内样本1、3、5、6、8、9、10、11、12、14、15、16、21、23、25、26、28和31共18个（占样本总数的50%）样本达到弱DEA有效，其技术效率有效而规模效率无效。即这18个工程中心的产出处于有效的生产前沿面上，但未达到最佳生产规模。从规模收益状态来看，36个样本有11个处于规模收益不变，即投入与产出达到了最佳状态；20个样本（占总数的55.56%）处于规模收效递增状态，即这些样本均因投入资源不足而处于非规模有效状态；5个样本处于规模收益递减状态，即这些样本存在投入冗余或产出不足。值得注意的是：4个样本（8、10、15和16）均处于投入产出的最优状态，而这4个工程中心的依托单位均为大学，说明大学等研究院所对工程中心的投入产出起到积极的推动作用。
从区域上来看，苏南地区在综合效率有效、技术效率有效和规模效率有效方面都占绝对优势；从行业上看，现造类、生物医药与化工、节能环保与新材料三个领域的绩效相当，而电子电气与系统类较差。（见表3）
总体来看，这36个样本中，其平均综合效率均值为0.73，平均技术效率为0.831，平均规模效率为0.868，均离最佳状态还有一段距离。
此外，从图1可以看出，第一象限中有17个样本（占总数的47.2%，苏南14个，苏中2个，苏北1个）在规模效率和技术效率超过了平均水平；第二象限中有5个样本（占总数13.9%，苏南2个，苏中1个，苏北2个）在规模效率超过了平均水平，而技术效率低于平均水平；第三象限中有8个样本（占总数的22.2%，苏南4个，苏中3个，苏北1个）在技术效率和规模效率均低于平均水平；第四象限中有6个样本（占总数的16.7%，苏南5个，苏北1个）在技术效率上超过了平均水平，而规模效率上低于平均水平。结合苏南、苏中和苏北的实际，可以看到不同地区工程中心的投入产出绩效与经济实力、科教资源和创新水平等无必然关联。
综上所述，经过多年的探索，在各方共同努力下，工程中心获得了相当的发展，这36个样本在评估期内，通过优化配置有限的人员、资金、科研条件等科技资源，工程中心在承担重点科技项目、工程化项目推广、创造自主知识产权和制定行业标准等各个方面都取得了良好进展，并产生良好的经济效益和社会效益。实践证明，工程中心的建设宗旨和功能定位符合科技经济发展趋势，将有力提升我国自主创新能力，为推动科技成果转化，为推动传统产业结构优化升级，促进战略性新兴产业崛起，建设创新型国家作出重要贡献。
5 政策建议
5.1 加大各项投入，建立稳定科研投入支持渠道 由上述评估过程分析，超过一半的工程中心处于规模收益递增状态，可知各类工程中心在规模化扩张、推进成果转化、产业化进程、拓宽技术输入和技术扩散渠道等方面都有较大投入缺口。加之实际运作过程中，目前的投入以设备居多，人员、资金和技术等投入还有待进一步提高。因此，各级政府应加大工程中心各项投入力度，探索联合支持机制，更多地吸引高校、科研院所加入，吸引社会资本和贷款融资进入，以建立多层次、多梯度的投入保障体系。
5.2 加强与高等院校合作，完善科技成果转化衔接方式 由上述评估过程分析，4个技术依托于大学的样本均达到了技术效率最优与规模效率最优，可知定位于科技成果转化与推广的工程中心因得益于高等院校的科研成果积累更易产出有效、更易技术推广。
目前我国绝大部分的R&D人员集中于高校和科研院所，众多科研成果无法及时转化推广，与此同时为数众多的企业亟需提高自身科研实力，提高市场竞争力，二者亟需完善的衔接方式以互补，从而各取所得，推动我国的产业结构优化，建设创新型国家。
5.3 注重队伍建设，加强复合型人才的培养 目前我国各地已经形成了一批有较大影响力的工程中心，应在此基础上，注重培养具有多种能力的复合型人才。不仅需要培养掌握单项技术的专业技术人才，更需要培养具有系统设计、管理、协调和监督等综合能力的管理人才，以及了解技术发展方向、熟悉产品的发展机制、对市场和技术具有前瞻性和洞察力的生产、经营人才，甚至需要培养对国内外贸易、知识产权保护、专利和标准制定程序等方面也有所了解的人才，以使工程中心更好地运行。
参考文献：
张晓安，陆燕春.对教育部工程研究中心运行绩效评价体系探讨[J].科技管理研究，2010（20）：97-99.
张卉卉.工程中心验收评估方法研究[J].江苏科技信息，2011（6）：10，30
[3]田芬，吕永波，周李.国家工程技术研究中心综合评价指标及算法研究[J].中国科技产业月刊，1996（2）：35-37.
[4]周琼琼，曹煜中，陈春阳.基于主成分分析法的国家工程技术研究中心运行评估[J].中国科技资源导刊，2012，44（1）：80-83.
[5]周琼琼，于忠庆，何亮.基于DEA方法的国家工程技术研究中心投入产出效益评价研究[J].科技管理研究，2013（1）：45-49.
[6]吴国斌，王燕玲.湖北省工程技术研究开发中心组建基础评估研究[J].科学技术与工程，2003，3（3）：293-296.
[7]王华，张程睿.广东省工程技术研究开发中心投入效益评价指标体系研究[J].暨南学报（人文科学与社会科学版），2005（1），30-35.
[8]贺福明.省级研究机构绩效评估探讨与实践[J].管理观察，2011（443）：132-133.
[9]R.D.Banker， A.Charnes， W.W.Cooper.Some models for estimating technical and scale inefficiencies in Data Envelopment Analysis [J].Mana
源于：论文封面格式范文www.udooo.com
gement Science， 1984，30（09）：1078-1093.[10]Wei Zhong， Wei Yuan， and Susan X. Li， Zhimin Huang.The performance evaluation of regional R&D investments in China： An application of DEA based on the first official China economic census data [J]. Omega， 2011（39）. 447-455.