国家大学科技园建设是我国实施国家创新体系战略的重要举措，为我国发展高科技、实现科技成果转化及产业化作出了巨大贡献。为加强国家大学科技园建设、提升国家大学科技园的发展水平，科技部、教育部在2011年年初全面启动了“国家大学科技园”的绩效评价工作。文章利用数据包络分析的原理和方法对国家大学科技园技术创新的综合效率性进行研究，为下一步提升对国家大学科技园的管理与决策提供依据。
　　〔关键词〕数据包络分析技术；国家大学科技园；创新绩效
　　〔中图分类号〕 g301〔文献标识码〕 a〔文章编号〕1008-2689（2011）02-0086-07
　　
　　大学科技园作为一种新的社会组织形式，以有利于大学科技优势与地方经济发展需要相结合为前提，以现代科技创新与创业为目标，以提高高新技术项目的成熟度与市场确认度为主业，从而加速高新技术成果向现实生产力的转化。这个意义上来说，大学科技园是一个以孵化高新技术为产品、孵化高科技产品为企业以及配套培养复合型科技人才的高科技孵化器。所以国际上也称大学科技园是加速科技成果向现实生产力转化的桥梁与纽带。随着我国大学科技园的建设和发展，国家大学科技园技术创新效率也日益成为学校、政府和社会共同关心的问题。为加强我国国家大学科技园建设、提升国家大学科技园的发展水平，2010年由科技部、教育部组织制定了《国家大学科技园评价指导意见》（国科办高［2010］69号），用于指导自2011年始全面启动的 “国家大学科技园”发展绩效评价工作。其中，大学科技园创新绩效状况是评价的核心。WWW.11665.coM
　　一、 我国国家大学科技园发展现状及
　　评价问题
　　从发展历程来看，我国国家大学科技园已经取得了斐然的成绩，如图1所示。
　　2001年5月，国家科技部和教育部批准认定的22所国家大学科技园，经过11年的发展，截止到2011年5月，科技部、教育部已经先后批准认定86家国家级大学科技园。目前，我国大学科技园的孵化能力进一步提高，平均每个科技园的规模都超过了中型企业。可见，我国大学科技园的建设初见成效，并已逐渐在科技源头创新、科技成果产业化和高科技企业孵化等方面发挥了重要作用，如图2所示。
　　自2002年以来，我国大学科技园在孵企业数和新孵企业数都有明显的增加，可以说，大学科技园在一定意义上发挥了一个大型的科技型企业的孵化器的作用。但同时也存在一种盲目求大、发展不均衡的趋势。
　　从总体情况来看，我国大学科技园建设起步较晚，基础条件、发展途径和建设环境各有不同，整体发展很不均衡，成效不一，其中暴露出来的诸多问题亟待研究解决。只有处理好大学科技园区规模与效益之间的关系，才能使大学科技园区健康发展。这也直接关系到我国大学科技园发展中的决策制定和管理水平的提高。
　　但是，由于大学科技园带有明显的多投入、多产出的特点，而且投入和产出方面均具有可控和不可控方面的因素，现有的定性和定量评价手段往往无能为力。所以说，无论是国际还是国内，尚缺乏对国家大学科技园技术创新效率的系统研究。随着dea技术的发展，越来越多的学者将其引入到对大学科技园效率评价过程之中。
　　dea是数据包络分析（data envelopment analysis）的简称，它是一种基于被评价对象间相对比较的非参数技术效率分析方法，这一分析方法是由美国的charnes，cooper和rhodes等三人于1978年首次提出的，因此后来将dea的第一个模型命名为ccr模型[1](429-444) 。
　　dea模型的理论和方法基础是shephard于1953年提出的距离函数及数学规划求解思想和farrell于1957年提出的技术效率概念和测度方法[2](253-290)。dea将效率的测量对象称为决策单元（decision making unit，dmu），dmu可以是任何具有可测量的投入、产出（或输入、输出）的部门或单位， dea采用线性规划的方法来确定被评价dmu的生产前沿（frontier），通过比较被评价dmu与生产前沿的关系来确定该dmu的效率。笼统地说，dmu的投入越少、产出越大，效率越高。dea方法的最主要功能是对多个同类单元间的“相对优劣性”评价。明确评价目标是应用dea方法的首要解决的问题，因为评价目标的确定直接影响到决策单元的选择、输入输出指标的确定等一系列问题。而选择dmu的最基本的要求是同类单元，因为dea方法本身的特点就是在同类型的dmu之间进行相对有效性评价，选择dmu本质上就是

定参考集。因此，dmu的选取应满足以下几个基本特征：具有相同的目标、任务、外部环境和输入输出指标，决策单元的选取具有一定的代表性。
　　由于dea具有适用范围广，原理相对简单，特别是在分析多投入、多产出的情况时具有特殊的优势，因而其应用范围迅速拓展， dea已从最初的一种分析方法发展成为一门融汇了数学、运筹学、计量经济学、管理学和计算机应用的重要工具[3](1-17)。dea领域新的理论和模型的研究进展为国家大学科技园应用dea方法评价效率进一步创造了条件，一是不可控投入模型，它可以处理国家大学科技园的本身无法控制而又对技术创新产出会产生影响的因素，例如科技人员的数量和密度；二是分类变量模型，它可以以分组的方式处理不同国家大学科技园产出难度不同的问题。基于dea的效率分析实质上是在满足约束条件下的加权投入/产出比，相比其他的效率分析方法，其重要优势是不需要设定生产函数，也不需要设定各项投入和产出的权重，这为dea在效率评价工作中的推广应用提供的便利。另外，dea的分析结果除了提供效率值之外，还可以为非dea有效的决策单元量化地指出在哪些方面投入过多或者产出不足，以此来确定其各项投入和产出的绩效目标。对于非有效的dmu，dea还可以确定其参比前沿（benchmarking），为其分析低效率的原因提供参考。
　　二、 dea在国家大学科技园绩效
　　分析中的技术过程
　　dea应用的基本条件是被评价的dmu具有可测量的投入和产出。而国家大学科技园的投入和产出是明确的、可测量的。同时，在对国家大学科技园发展绩效进行评价的过程可以遵循dea技术的一般步骤和过程。
　　1.大学科技园创新绩效指标选取
　　建立输入输出指标体系是应用dea方法的一项前提工作，这一阶段需要完成以工作：（1）输入与输出指标有充分的代表性，且具有独立性；（2）输入向量与输出向量的选择尽可能地全面反映评价目的；（3）要考虑到输入向量和输出向量之间的定量定性关系；（4）要考虑输入输出指标体系的多样性。
　　经过对我国大学科技园发展的全面分析，本文旨在从园区孵化基金总额、现有场地面积、本年在孵企业数、在孵企业总收入、累计毕业企业等因素考虑大学科技园的创新绩效，并从投入与产出的角度测算我国各区域大学科技园的效率，以揭示它们的发展状况（如表1所示）。
　　在投入变量的选取指标上，主要基于以下几个原因考虑：（1）从大学科技园提供的服务与投入角度来说，提供办公场所与基本的公用实验设施等固定资产对科技园来说是最具意义的，这也是有些简单化的企业孵化器模式被称为“税收+房地产”的原因。（2）孵化基金投入跟孵化场地面积具有比较强的可比较性，相对于其他的投入，孵化基金投入跟孵化面积的投入更具有规模上不变性。比较适合数据包络分析的数据分析特点。在产出变量的选取上则基于以下几个原因：（1）在孵企业数量与在孵企业收入分别从数量与质量上代表了企业孵化器最重要的产出变量。（2）跟投入变量一样，在孵企业数量跟在孵企业收入相对具备较强的可比较性。
，选取国家大学科技园的孵化器的相关量化指标的原因在于国家大学科技园孵化器对于在孵企业管理的统一性，对在孵企业的信息的搜集与整理比较正规，具有较强的比较意义。
　　2.大学科技园创新绩效指标样本选取
　　考虑到评估的有效性及大学科技园数据的可比性，随机选取20家国家大学科技园来作为此次评估的样本，数据来自国家科技部火炬中心发布的权威报告（如表2所示）。[4]
　　20家国家大学科技园涵盖了专业性大学科技园和综合性的大学科技园，也具备样本的多样性和数据的完整性，能够代表大我国大学学科技园的发展情况。
　　3.dea模型的选取
　　dea模型有多种形式，可是选择哪一种模型要看dmu的实际经济背景和评价目的，要看评价dmu的技术有效性或规模有效性或者是否有决策者对指标的偏好等信息。本文的评价目标是对其我国国家大学科技园发展创新绩效进行评价，以分析其发展规模与效益的关系，因此可以选择最基本的两种dea模型。
　　其一是规模效益不变假设下的ccr模型。ccr模型（以charnes，cooper，rhodes三人名字首母命名的模型）是将多投入多产出的效率均衡转化为数学比例，以线性规划求解有效前沿，求出在固定规模下各个决策单元的相对效率。借用包络（envelop）的方式把投入与

产出映射到超平面中去，找出最高的产出或者最低的投入的所谓“有效前沿面”。有效前沿面上的dmu称之为dea有效，有效前沿面以内的dmu称之为非dea有效。ccr模型实质上是在效率评价指数不大于1的情况下，求出能使dmu的效率评价指数最大化时的权向量，由于每个决策单元的有效性都是相对于其他决策单元而言的，因此它的效率评价指数是相对有效的，而且可以相互比较。ccr模型是基于规模效益不变（constant return to scale，crs）的，利用线性规划的方法求出了生产边界，得出的效率是相对整个集合的整体相对效率，是对决策单元的规模有效和技术有效同时进行评价。然而ccr模型的局限性恰恰在于其固定规模效益的假定，有些决策单元的无效是因为本身并不适合规模生产，而不是因为投入产出配置比例的问题。
　　其二是规模效益可变假设下的bcc模型。banker，charnes和cooper将ccr模型修正，并提出规模效益可变（variable returns to scale，vrs）的假设，提出bcc模型。bcc模型是将影响产出的因素按照强度转化为等级分类变量，在dea模型中按照分类变量对产出的“有利”影响程度将分类变量划分为多个等级，在求解dmu的效率时，不同等级的dmu其参照集不同，被评价dmu的参照集为与其等级相同或低于其等级的dmu[5]。这样做的目的是避免求解效率值时将工作条件较差的dmu与条件较好的dmu进行比较，使相对效率的计算趋于合理。
　　三、大学科技园综合效率分析评价
　　将我国大学科技园的指标数据（表2）导入dea 软件——maxdea，运用ccr模型和bcc模型对表2中的数据进行处理。 按照ccr模型进行计算, 选择基于投入导向的求解结果①得到20个大学科技园的综合效率值，如图3所示。
　　由图3 的计算值可以看出，dea 有效且规模收益不变的国家级大学科技园有四家：北京大学科技园、北京科技大学科技园、四川大学科技园、重庆大学科技园。它们的相对效率都为1. 00 达到dea 有效。而其它16家大学科技园平均相对效率皆小于1，介于0和1之间，都是dea 无效的，说明他们的创新效率都没有达到最优的状态。
　　考虑到ccr模型在求解效率值时仅将工作条件较差的大学科技园与条件较好的大学科技园进行比较，会导致一些相对较好的大学科技园由于参照系的问题而出现无效的结果．为使效率值的计算更合理，再次利用考虑分类变量的bcc模型来计算求解，结果如图4所示。
　　从指标值来看，bcc模型计算dea有效的是9家，除了ccr计算出的四家外，又增加了电子科技大学科技园、复旦大学科技园、沈阳工业大学科技园、武汉东湖大学科技园、浙江大学科技园共5家，新增的五家的五项创新指标几乎都低于前四家大学科技园的同类指标值，但却也达到了dea 有效。从中可以知道并非指标值很大才能达到dea 有效，只要输入、输出指标调整到合适的比例，即考虑到不同大学科技园发展规模所处的不同阶段，并按照参照对产出的“有利”影响的等级相同或低于其等级的参照集（大学科技园）进行比较，这样，有些其它大学科技园也可以实现dea 有效。
　　dea模型中的规模有效是指投入量处于最合适的投入规模，即处于规模收益不变的最佳状态。根据计算结果，在所比较的20家大学科技园中，规模效益不变的有4家，规模效益递增的有9家，其余7家为规模效益递减，如图5所示：①
　　从技术的角度看来，规模无效dmu无效的原因在于存在投入比例不合适的问题。如果（1），投入产出呈现规模递减，则说明投入存在冗余，产出存在不足，改进的目标是改善管理水平，提高产出；如果（2），投入产出呈现规模递增，则说明投入存在不足，改进的目标是增加投入。另外，dea还可以计算出被评价dmu的投入和产出的效率目标值（target），包括各项投入不能等比例降低的部分和各项产出还可以增加的部分，此文略去。
　　四、提高我国大学科技园效益的建议
　　相对于国外几十年建设大学科技园的经验，中国的大学科技园只有短短的十几年的成长历程，可以说还处在起步和成长期。由于区域经济和社会发展水平的原因，大学科技园的建设水平也存在着很大的不平衡。建立科学规范的管理体制和运行体制，使国家大学科技园成为国家重要的技术创新基地、高新技术企业孵化基地、创新创业人才聚集和培养基地、产学研结合示范基地、高技术企业的辐射基地是我国大学科技园发展的方向和目标。根据目前的创新绩效水平和状态，可以从以

下几个方面对我国大学科技园进行改进，以提升各大学科技园的创新水平，充分发挥大学科技园在我国创新体系中的作用。
　　首先，要加强国家大学科技园的基础设施建设。现代的高新技术产业需要现代化的基础设施支撑。如本文考察的20所大学科技园，其中处于综合创新效率较高的大学科技园，大都是因为创新投入指标较高的缘故。当然，除了投入的孵化场地等硬指标外，还有一些软性的基础设施也起到重要的作用，如较高的收入和良好的生活居住条件，对于吸引高科技人才入园创业是一个很重要因素，像综合效率值较低的兰州交通大学科技园（仅有0.091207），其在孵企业数和累计毕业企业数都偏低，说明其在吸引入园创业的能力偏低。这种情况也是其它产出指标偏低的大学科技园应该加强改进的地方，即大力加强基础设施建设，创造出一个有吸引力的创新平台。
　　其次，加强大学科技园高新技术企业孵化器建设。高新技术企业孵化器是大学科技园创业服务体系的重要组成部分。大学科技园是一个帮助高科技型企业和创业者发展的平台，必须将高新技术企业孵化器的建设作为科技园建设的首要任务。这除了吸引社会资源外，还需要充分挖掘和发挥高校人才的作用。国内外比较成功的大学科技园往往都是师生创业比较积极有效的大学科技园，如美国硅谷所依托的斯坦福大学就鼓励教师创办企业或企业兼职。高校师生通常有比较好的项目，但力量不强、资金不足、队伍不大，又无场地，他们往往希望创业期间能够进入孵化器，以使其领办的高新技术企业迅速发展起来。这就需要大学科技园孵化器应为考虑他们的特殊情况提供一些优惠和鼓励措施，同时提供一定的风险启动资金的支持，以利于他们创办的高技术企业的孵化。
再次，加强制度环境建立。要激发科技大学科技园区内科技人员的创新和创业精神，关键是要创造出收益与风险相匹配的政策环境。为此，要善于借鉴国外大学科技园的一些成功经验，建立起如技术入股制度、科技人员持股经营制度、技术开发奖励制度等多元化的制度措施，形成与国际惯例接轨的、符合高新技术产业特点的、以保护知识产权为核心的分配制度和经营制度，使技术和成果真正成为创新因素，由此，完整的科技成果转化的价值链才能够形成。此外，在孵化企业的管理上，应该建立产权清晰，管理规范、运作透明、信息披露充分的现代企业制度，科学而规范地确认各种创新要素的价值。
　　世界各国对于大学科技园的建设高度重视，正是因为大学科技园对于大学周边以及所在区域具有明显的科技创新和产业提升作用。同样，建设中国的大学科技园也将是一项具有光明前景的事业，迄今已经取得了一定的成效。但同时也必须认识到，通过对本文抽样的20家国家级大学科技园的创新效率的考察，说明我国大学科技园的发展水平还有待提高，特别是对于一些处于经济发展水平相对落后的西部一些大学科技园，尽管在创新投入指标上具有了可比性，但在产出方面存在较大差距（如兰州交通大学科技园、西安交通大学科技园、成都西南交大科技园等），这充分说明，大学科技园发展成功与否，除了取决于大学科技园本身的定位、发展思路、管理团队、研究和产业化机制以外，来自政府、地方以及中介机构等其他社会组织的支持也同样很重要。因此，大学科技园的发展除了依托各相关大学的各种科学研究资源以及所取得的有关研究成果外，还需要密切联系和充分利用各种地方资源，从而使得各种创新要素能够在大学科技园的平台上得到聚合、倍增、放大，从而创造更多的价值。另一方面，通过政府的政策引导，能够将大学科技园的发展同当地的经济和产业政策契合起来，从而形成关联效应。
　　
　　〔参考文献〕
　　［１］charnes, abraham, cooper, w w, rhodes, e. measuring the efficiency of decision making units[j]. european journal of operational research. 1978, 2(6).
　　［２］farrell, m j. the measurement of productive efficiency[j]. journal of the royal statistical society. series a (general). 1957, 120(3).
　　［３］cook, w. d., seiford, l. m. data envelopment analysis (dea) - thirty years on[j]. european journal of operational research. 2009, 192(1).
　　［４］2006国家大学科技园发展分析报告[eb/ol]．http://www.ctp.gov.cn/yjbg/yjbg/200709/5352.htm1.

　　［５］吴文江. 数据包络分析及其应用[m]. 北京: 中国统计出版社，2002..
　　
　　（责任编辑：成一）
　　
　　innovation performance evaluation on national university science parks
　　——based on data envelopment analysis
　　qianzhen-hua
　　（school of the humanities & social sciences university of science &technology beijing,
　　beijing 100083，china）
　　abstract： construction of national university science parks is an important measure for china’s strategy of national innovation system. because it has made great contributions to thedevelopment of high technology and transformation and industrialization of science and technology. the ministry of science & technology and the ministry of education started the “performance evaluation” on national university science parks in order tostrengthen the building and to enhance the development level of national university science parks. this paper aimed to enhance the management and decision-making level through the study on the efficiency of technological innovation of the national university science parks based on theprinciples and methods of data envelopment analysis.
　　key words： data envelopment analysis；national university science parks； innovation performance