基于DEA的国家大学科技园创新绩效评价〔摘要〕我国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〔〕G301〔文献标识码〕A〔〕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。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（DataEnvelopmentAnalysis）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（DecisionMakingUnit，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...