基于超效率DEA模型的长江经济带科技人才开发效率时空分异研究
李培园1，成长春1，2，严 翔1，3
（1.河海大学 商学院，江苏 南京 211100；2.南通大学 江苏长江经济带研究院，江苏 南通 226019；3.盐城师范学院 商学院，江苏 盐城 224051）
摘 要： 以长江经济带11个省市为研究对象，建立科技人才开发效率综合评价指标体系，运用超效率DEA模型和Malmquist-DEA指数对2005—2015年间长江经济带科技人才开发效率进行测算与动态分析，结果显示：长江经济带在考察期末，科技人才开发效率呈现收敛趋势。从区域空间分布来看，上游地区稳中有升，中游地区科技人才开发效率基本上处于洼地，而下游地区则长期处于领先地位；从动态时间序列分析，技术进步是影响长江经济带整体及内部各省市科技人才开发效率提升的主要因素。
关键词： 长江经济带；科技人才开发效率；超效率DEA模型；Malmquist指数
创新是引领科技发展的第一动力，是社会发展、产业升级的发动机。在新时代，我们要继往开来，继续大力实施创新驱动战略，培养造就一大批具有国际水平的战略科技人才、科技领军人才、青年科技人才和高水平创新团队，为突破核心技术、关键共性技术和领域先进技术的瓶颈提供战略支持和人才支撑。人才对区域经济发展有着重要的直接作用，人才的数量和质量在一定程度上也能影响区域经济的发展。科技人才作为一种特殊的人才类型，是支撑地区产业转型、结构优化升级的中坚力量。研究科技人才开发效率，有助于分析各地区科技人才助力、支撑当地经济发展的现状，进而了解和把握国家创新驱动战略在各地区实施的程度与成效。长江经济带作为国内综合实力最强、战略支撑作用最大的区域之一，区域发展不协调不均衡的问题也较为突出。研究分析其整体和内部各省市科技人才开发效率，对区域有针对性地做好科技人才战略工作具有重要指导意义，对国内其他地区的科技人才开发工作具有一定的借鉴意义。
一、研究述评
人才对推动国家、社会的发展有着重要作用，但人才本身的特征决定了不能按照某一特定的标准来评判和选拔他们，人才应该是多样的。为此，1977年党中央决定在全国恢复高考。1980年，为适应四化建设需要，天津市科学学与科学管理研究会召开了“人才开发”学术讨论会。该会议的召开和会议纪要的发表对国内后期人才开发与区域发展研究具有重要意义。国内人才开发的研究主要分为三个层面：宏观层面上，人才开发与区域发展的研究一直是热点；中观层面上，学术界更多地关注人才开发与产业（行业）发展；微观层面上，则是对某一组织或企业的人才开发进行研究。本研究关注的是宏观层面的研究。
布仑口—公格尔水电站工程位于新疆克尔柯孜自治州阿克陶县境内，是盖孜河中游河段梯级开发的龙头水库及第一级电站，电站总装机容量为200 MW，保证出力66.7 MW，多年平均发电量6.39亿kW·h。在发电引水隧洞施工过程中，3#支洞下游开挖面的钻孔岩石温度达105℃，空气温度及洞内水温达72℃；通过施工过程中的温度统计，引水隧洞高岩温段温度普遍高于50℃，片岩洞段一般温度为60℃～80℃，最高温度达96.6℃；该段属于高岩温洞段，局部属于极高岩温洞段。
20世纪90年代，国家逐步取消人才包分配制，人才择业有了更大的自主性。囿于信息的不完全性和人才追求利益最大化的个体性等原因，更多的人才开始从欠发达地区流向较发达或发达地区，导致区域间差距不断拉大。学术界对欠发达地区的人才流失进行了研究，并提出了有效的建议。[1-3]但随后就有学者质疑，一味地引进人才和限制人才流出并不会缩小地区间差距，也有人才学者提出要加大对人才的发现和培养力度，即重视人才开发工作。在重视国内人才开发实践工作的同时，学者也致力于总结和借鉴国外人才开发的先进经验。[4-5]田海嵩、阳立高介绍和研究了美国、德国、英国、日本、韩国等发达国家在人才开发方面的先进做法和经验；宋姝婷、王丽燕探讨了日本产学合作对我国人才开发的启示。前者侧重于高层次创新型人才开发，后者侧重于政策的梳理和介绍，均对我国人才开发具有借鉴意义。[6-9]
随着学术界对人才开发研究的不断深入，相关研究视角也更加多元化。除了研究区域范围的不断缩小，区域内某一类人才的开发研究也逐渐成为热点，如高校人才、科技人才、先进制造业人才、农村实用人才等，其中科技人才是先进知识的承载者，做好科技人才开发（选拔、培养、发展和使用）对区域经济发展、产业结构优化升级有着重要的直接推动作用，自然得到了政府和学术界的较多关注。目前国内对科技人才开发的研究从早期的关注科技人才开发战略、环境等方面逐步转向对科技人才开发效率测评，研究视角进一步拓展。程强认为，人才开发包括选拔、培养、引进和人才队伍的组建及使用，并针对创新型科技人才提出了开发战略。[10]周爱军认为，当前国内科技人才开发存在考核评价机制不合理、流动机制不完善、市场化程度低等问题。[11]吕富彪针对科技人才创新能力的开发进行了分析。[12]杨柳从外部性（市场）、企业投资意愿及科技人才个体三个层面进行分析，认为西部地区政府应在规划引领、建立学习型组织、营造知识经济的舆论氛围等方面起到主导作用。[13]
在对科技人才开发效率测评上，数据包络分析法（DEA）因为独特的优势逐渐成为主流。张春海在构建了评价指标体系的基础上，运用TOPSIS模型对我国内地31个省市区的科技人才开发水平进行了实证分析。[14]王成军运用灰色关联法，确定了评价创新型科技人才的投入产出指标，投入指标包括政府专项经费、课题项目经费、科技活动经费等，而产出指标包括学术论文、发明专利、省部级以上奖励等。[15]李梓从经济学传统的生产函数出发，将（R&D）经费投入、（R&D）人员全时当量作为投入指标，将地区国内专利申请授权数和技术市场技术输出地域的合同金额作为产出指标，运用DEA模型对西部科技人才开发效率进行了测算。[16]窦超将研究与试验发展经费内部支出、R&D人员全时当量作为投入指标，将国内专利申请授权数、发表科技论文、技术市场技术输出地域合同数和技术市场成交额作为产出指标，运用DEA效率对中部科技人才开发效率进行测算，认为政府关于科技人才的资助、教育水平与基础设施建设水平对科技人才开发效率有显著正向影响。[17]孙健同样运用DEA方法对我国30个省市、自治区的科技人才开发效率进行了测算和分析，并发现地区经济发展水平可以促进科技人才开发效率。[18]
综上，可以看出，国内科技人才开发研究多从区域实际出发，与区域发展结合较为紧密，且中、西部科技人才开发得到了较多的关注。长江经济带作为国内经济发展的重要支撑带，其科技人才开发现状尚未引起学术界重视。了解和掌握科技人才开发情况可以对预防和解决地区之间科技人才资源浪费与紧缺并存的问题提供依据。另外，在研究方法上，各区域经济发展水平可以直接影响科技人才开发效率，一些超一线城市或中心城市与普通城市内部科技人才开发效率的差距可能无法通过普通DEA模型测算和分析出来，新的测算方法也是值得思考的。
二、模型说明和数据来源
（一）超效率DEA模型
DEA方法可用于评价多投入、多产出的决策单位之生产（经营）绩效。因为无须指定投入产出的生产函数形态，学者多用其评价生产关系较复杂的决策单位（DMU）的效率。此外，DEA中模型的权重是由数学规划根据数据产生，不需要事前设定投入与产出的权重，因此具有客观性。但对于同时出现的多个有效决策单元，DEA模型无法进行进一步的排序和分析，因此，超效率DEA应运而生。超效率DEA模型的评价思路如下：要对某决策单元进行效率评价时，先将其排除在外；在测评时，就无效的决策单元而言，其生产前沿面不变，因此其最终效率值与用传统DEA模型测量出来的一样；但就有效决策单元而言，在其效率值不变的前提下，投入按比例增加，这时投入增加的比例即为超效率评价值。所以，测出的效率值会大于1。
假设有n个决策单元
，
利用m种投入
，并得到了p种产出
，则超效率DEA模型的数学形式如下：
在指标选取方面，本文遵循科学性、可操作性和客观性的原则，参照窦超、李梓等的研究，选择以研究与试验发展（R&D）人员全时当量、研究与试验发展（R&D）经费内部支出总额为投入指标，以地区技术市场成交合同数、地区每年的三种专利申请授权量和地区技术市场成交合同金额为产出指标。需要注意的是，DEA各类模型对决策单元指标数量有一定的限制条件，要求被评价决策单元数量大于所选取指标数量的2倍。[19]本文共选取11个决策单元、5个评价指标，满足上述要求。对原始数据进行整理，可得到各指标投入产出描述性统计结果如表1所示。
（二）数据来源和指标选取
《国家中长期科技人才发展规划（2010—2020）》中对科技人才做了界定，即科技人才是指具有专业知识或专门技能，具备科学思维和创新能力，从事科学技术创新活动，对科学技术事业及经济社会发展做出贡献的劳动者。科技人才主要包括从事科学研究、工程设计、技术开发、科技创业、科技服务、科技管理、科学普及等科技活动的人员。考虑到数据的可统计性，本文以研究与试验发展（R&D）人员代表科技人才。
本文以上海、江苏、浙江、安徽、江西、湖北、湖南、重庆、四川、贵州以及云南等11个省市2005—2015年的统计数据为研究对象，进行科技人才开发效率评价和时空分异研究。所用数据来自《中国科技统计年鉴》（2006—2016年）和《全国技术市场统计年度报告》（2014—2016年）。由于统计口径的变化，2013—2015年各地区技术合同成交数及成交金额总数的数据均来源于《全国技术市场统计年度报告》（2014—2016年）。
s -和s +为松弛变量，
为该决策单元投入相对产出的有效值。该模型的经济含义为，当
=1，且s -=s +=0时，该决策单元为技术有效；当
=1，且s -≠0，s +≠0时，该决策单元为技术弱有效；当
＜1时，该决策单元为技术非有效。
表1 投入产出描述性统计结果
表2 2005—2015年我国长江经济带科技人才开发超效率值
三、实证分析
（一）长江经济带11省市科技人才开发效率静态分析
本文利用Maxdea软件，采用超效率DEA模型，基于规模效率可变，对面板数据进行测算，得出2005—2015年间长江经济带11个省市科技人才开发综合效率并进行排名，结果如表2所示。
患者均在无菌室采集咽喉部分泌物标本，采用贝克曼库尔特LABSTAR全自动血液培养系统分离细菌并培养观察病原菌种类及分布。通过药敏试验进行耐药性分析，采用纸片扩散法[3]分别检测革兰阳性菌以及革兰阴性菌对常用抗菌药物的耐药性。
图1 2005—2015长江经济带科技人才开发效率均值
圆筒段需先进行地基处理再开挖施工，作业面分段提交，考虑到分段提交时作业面较窄，无法投入较多的设备同时施工。计划投入1艘8方抓斗船（配备有6方小斗），1艘抽砂泵船进行施工， 3区施工时视情况调派水上钩机协助方桩拔出施工。
POEM术后是否高发胃食管反流较有争议，缺乏长期的疗效和并发症的评估。本研究28例行POEM治疗的AC患者随访12～26个月，时间较长，且通过客观的辅助检查联合主观症状评分及健康量表评分，更好的观察术后疗效以及分析并发症。
中游地区中，安徽省和湖北省近11年的科技人才开发效率值呈明显上升趋势。以湖北省为例，湖北省开发效率值从2005年的0.64增长到2015年的1.95，年均增长率为18.6%。尤其是湖北省在鼓励科技创新活动的同时，坚定实施“科技成果大转化”工程，不断推进产学研的深入融合，使科技创新产出实现与市场的对接，有效地为发展服务。2012—2015年间，湖北省R&D人员全时当量年均增速仅为2.59%，远远低于安徽省的7.40%，但科技人才开发效率年均增速高达33.73%。江西省地理位置优势不够明显，传统重工产业占比很大，人才环境等方面对科技人才的吸引效应还未形成。这也反映在科技人才开发效率值上，2005—2015年间，江西省科技人才开发效率呈正弦增长，仍有较大提升空间。湖南省科技人才科技转化效率值降低明显，这与本文研究指标的选取有关，同时与其发展定位及产业现状相吻合。湖南省自2005年以来，大力加强两型社会建设，切实加快低碳生态城市的建设步伐，摒弃重污染、高能耗的工业产业，大力发展文化、旅游等产业，科技产出结果的统计会受到一些影响。
高 NLR、PLR、MLR、NWR、MWR和低 LWR均与胃癌患者的预后不良有关，这些指标反映了患者的炎症状况，我们或许可以通过降低患者炎性指标来改善患者的预后，或许对于指导治疗提高一定的经验帮助。对于术前相关炎性指标高的患者其病理分期、预后等可能较差，可以术前进行新辅助化疗来降低其分期从而提高患者的预后，对于指导治疗可能提高一定的帮助。
上游地区中，由于其本身生态环境较为脆弱和复杂，不能走粗放型、重工业的发展方式，节约、高效、高质量是最好的发展路径，因此国家和地方政府在科技方面投入较多。西部大开发战略的不断深入推进，交通、信息等基础设施的不断完善，促进了科技人才在区域间的流动，有助于科技人才开发。由表2可知，2005—2015年间四个省市的科技人才开发效率均值均在1左右，说明虽然它们对外来科技人才的吸引力仍然不足，但对本土已有科技人才资源的开发工作一直较为重视。在考察期内，贵州省科技人才开发效率值一直处于领先地位，并都超过了有效值。四川省科技人才开发效率值呈线性增长，重庆则基本上出现持续降低。云南省科技人才开发效率值在2013年达到峰值，之后开始下降，并在2015年降到有效值以下。值得注意的是，自2014年长江经济带五大城市群规划发布以后，重庆和四川作为成渝城市群的双核，在考察期末，科技人才开发效率呈现收敛现象。这在一定程度上说明，城市群协同效应正在逐步显现。
而从长江经济带科技人才开发效率均值来看，虽然整体显示稍有回落，但是结合各省市经济发展路径分析，各省市正凭借自身产业基础和资源禀赋积极探索不同的发展路径，并注意到与生态环境的友好协调发展，避免区域发展同质化，有利于推动区域均衡协调发展，这与长江经济带的发展战略是一致的。
（二）长江经济带11省市科技人才开发效率动态分析
分析两届规则，在难度的评价方式上有较为明显的差异，主要从以下几方面体现:十四届采用的规则中明确要求每个难度级别的成套动作编排必须达到规定数量的难度且必须含有各种类别难度，否则要扣除难度分，每个难度动作都用相应的分值，最后获得的难度得分为完成难度分值的总和[1]；而十五届采用的新规则中对难度动作类别、难度动作数量均无具体的要求，只是在评分表中明确了各类难度所占的分值，每个难度动作没有固定分值，最后难度得分依据各类难度整体的表现分别获得评分。
表3 2005—2015年长江经济带科技人才开发效率平均指数
表4 2005—2015年长江经济带11省市科技人才开发效率变化指数
从表3中可以得出：（1）全要素生产率变化(TFP)方面，2005—2015年，长江经济带11个省市科技人才开发效率呈正弦增长态势，由2005—2006年的-16.6%增长到2006—2007年的1.4%，受2007—2009年金融危机的影响，2009年下降到-8.2%。2010年以后，基本为正增长，在2015年达到最大，为16%。从年均增长率的分解来看，只有技术进步出现下降，其他都是增长的。其中综合技术效率对TFP的提升贡献最大，而技术进步拖累了TFP的提升。（2）技术效率分析方面，整体来看，2005—2015年长江经济带科技人才开发的技术效率指数以年均2.8%的速度增加，纯技术效率和规模效率均对其增长发挥了作用，技术效率处于有效状态，说明了各项投入的结构比例有助于提高科技人才开发效率。（3）技术进步效率分析方面，从表3可知，仅2009—2010年、2014—2015年的技术进步效率为增长，其余均为退步。这说明技术改进的不足是研究这一期间长江经济带科技人才开发的核心问题。（4）纯技术效率分析方面，TFP指数分析中，纯技术效率值越高表示其投入资源的使用越有效率。由表3可知，只有一个阶段的纯技术效率未达到有效。这说明大部分阶段，长江经济带科技人才的开发均处于有效状态，未达到有效状态的阶段可能存在投入冗余或产出不足的情况。（5）规模效率分析方面，当规模效率值大于1时，说明省（市）增加等比例的投入时，最终产生的产出增加值会大于投入增加值。从表3可知，自2009年以后，规模效率和纯技术效率均处于有效状态，即说明对科技人才开发的投入均得到了正向的回报。
对于具体省市（见表4），从整体上看，2005—2015年，11个省市中有7个地区的技术进步变化指数（TC）未达到有效前沿面，这与前文分析长江经济带整体的科技人才开发效率的结果是一致的。这说明，技术改进的不足是影响科技人才开发效率的主要因素。而2005—2015年期间，10个达到有效状态的省市中有7个省市的规模效率变化指数低于总体均值，说明各地区科技人才工作的规模效应还未完全显现，尚有提升空间。
从长江经济带11省市2005—2015年科技人才开发效率的均值来看，其效率均值在近11年中都是大于1的（见图1）。整体的发展趋势受国际、国内经济形势和国内政策的影响较大。自1995年和2002年分别提出科教兴国战略、人才强国战略以来，2005—2007年长江经济带科技人才开发效率总体呈上升趋势，受2008年全球经济危机的影响，2008年效率均值开始降低并在2010年降到最低，但仍保持有效。2012年国家提出实施创新驱动战略后，2013年科技人才开发效率均值增幅明显，2014年稍有回落，之后呈上升趋势。
2005—2015年期间，浙江省的平均TFP增长为1.1%。其中仅技术进步变化（TC）高于均值，说明技术改进方面，浙江省走在前沿。但是科技人才的引、用、育、留及发挥科技人才集聚的规模经济效应还有提升空间。
下游地区中，上海市科技人才开发效率值在2007年达到最高，在整个长江经济带中处于领先地位，之后效率值持续降低，2015年的效率未能达到有效前沿面。这可能有三个原因：一是受到2008年经济危机的影响；二是随着人才强国战略和创新驱动发展战略在全国范围内的逐步推进，各地区对人才的吸引力不断增大，如2012—2015年间，上海R&D人员全时当量年均增长率仅为3.01%，而江苏的年均增长率高达7.36%；三是城市人力资本承载力达到极限，可能存在人才资源浪费现象。浙江省近几年的科技人才开发效率总体上看稍有回落，但仍保持在1.5左右，在整个长江经济带中排名靠前。整个下游地区中只有江苏省的科技人才开发效率呈逐步上升趋势。江苏作为教育大省，近年来加大了对双创人才的培养、引进力度，组织实施了333高层次人才培养工程，出台《江苏省高层次创业创新人才引进计划实施办法》等系列人才政策，同时注重对本土人才的培养和留用，科技人才集聚的经济效应逐渐显现。
超效率DEA分析方法在分析各省市具体科技人才开发效率值动态变化方面较普通DEA更为详细和直观，但前者不利于看出各动态指数间的相互作用关系。因此，本文再次利用普通DEA分析方法，将技术效率分解为规模效率和纯技术效率，各动态指数整理结果如表3、表4所示。
2005—2015年期间，江苏省的平均TFP增长为9.2%，且技术效率变化（EC）、技术进步变化（TC）、纯技术效率变化（PEC）都高于均值，仅规模效率变化（SEC）指数低于平均值，说明近年来江苏省科技人才开发工作已取得较好成效，但科技人才集聚的规模经济效应尚未完全显现。
本文研究将采用Z-score方法对街区单元类别密度进行标准化。Z-score是基于原始数据的均值和标准差进行的标准化方法。经过处理的数据符合标准的正态分布，即均值为0，标准差为1，转化函数为：
2005—2015年期间，上海市的平均TFP增长为-4.2%，主要原因是技术效率变化（EC）、技术进步变化（TC）、纯技术效率变化（PEC）和规模效率变化（SEC）均为负增长，进而导致TFP退步。
中游地区中，安徽、江西这两个省份除技术进步变化（TC）外，技术效率变化（EC）、纯技术效率变化（PEC）和规模效率变化（SEC）指数都高于均值，说明主要是由于技术改进的不足影响了科技人才开发效率的提升。
2005—2015年期间，湖北省技术效率变化大于1，且纯技术效率和规模效率均处于有效状态，说明湖北省目前对科技人才投入的资源是有效的且可以进一步加大投入力度以增加科技人才的产出。
上游地区中，重庆、四川和贵州三个省市的全要素生产率增长均为正值。其中四川省因为技术进步未达到有效状态而拖累了TFP的增长。云南省因为技术进步与纯技术效率均未达到有效状态，拖累了TFP的增长。地理位置和区域开放程度在一定程度上影响了区域经济的活力，进而影响了科技人才引用育留和科技成果转化效率。
四、结论及建议
本文通过研究得出以下结论：（1）长江经济带各区域间科技人才开发效率逐渐呈收敛趋势，差异不断减小；（2）技术进步是影响长江经济带整体及其内部各省市科技人才开发效率的主要因素；（3）长江经济带内部区域之间存在科技人才资源配置不合理的问题；（4）促进科技成果转化是提高科技人才开发效率的有效途径。
此次修改后的个人所得税法从2019年1月1日起实施，为了让纳税人尽早享受减税红利，今年10月1日起，先将工资薪金所得基本减除费用标准提高到每月5000元，并按新的税率表计算纳税。明年1月1日起，将劳务报酬、稿酬、特许权使用费等三项所得与工资薪金合并起来计算纳税，并实行专项附加扣除。
为进一步提升科技人才开发效率，推进区域协调发展，提出以下政策建议：
（一）加强区域沟通与合作
（1）区域（城市）要加强顶层设计环节中的沟通与互动，促进区域产业分工体系形成，避免由于产业同质化竞争造成的资源浪费等问题。（2）跨区域产业布局要考虑地理、资源等综合因素，一方面可以降低生产成本，另一方面有利于科技人才的交流和互动，有助于科技产出。（3）欠发达地区要主动对接所属都市圈内的中心城市，进一步推进区域间公共交通等基础设施的共建共享，推动医疗、教育、卫生等资源共享互通，为科技人才的生活便利打造良好的硬环境，为地区、企业软性引进科技人才提供支持。
（二）推进科技人才开发体制机制改革
（1）区域（城市）要树立战略思维，加强顶层设计，提升人才政策的协同效应。（2）提升科技人才紧缺区域（城市）对科技人才的吸引力，不断优化和提升科技人才发展环境，使科技人才创业有机会、干事有平台、发展有空间。加大对科技人才引、用、育、留工作的重视力度。[20]（3）完善科技人才考核评价机制，优化人才市场环境，积极探索、创新科技人才流动机制，鼓励科技人才在区域间和区域内的合理流动。（4）重视对本土科技人才的选拔、培育、发展和使用，多渠道、多主体开发科技人才。
打开Photoshop，使用移动工具将花的照片放在人像上面，大致对齐。将图层的混合模式改为叠加，有必要的话，适当调整图片位置，然后添加反相蒙版。
（三）重视科技成果转化
（1）各地区要用好本地的高校教育资源，不断推进产学研的纵向深入，搭建和用好知识产权与技术转移中心，为科技成果转化增加助力。（2）各地方政府要打造良好的知识产权环境，为原创型知识产出保驾护航，保护科创人才的创新积极性。（3）进一步优化市场环境，各地区政府应积极为市场和科研院所、高校之间搭建桥梁，为政府工作减负，这也有助于科研机构与市场的对接，增加研发成果的实用价值，逐步实现市场在资源配置中的决定性作用。
参考文献：
[1] 周玉纯.不发达地区的人才流失及治理问题[J].科学管理研究，1985（2）.
[2] 何宪.关于边远地区人才流失问题的思考[J].中国人事，1994（6）.
[3] 吴扬杰.西部地区青年人才流失问题探折[J].中国人才，1998（4）.
[4] 罗梅健，宋本江.“两型社会”背景下长株潭人才开发的重点与对策[J].人口与经济，2011（1）.
[5] 孙健，刘铮.高新技术产业集聚效果的实证研究——以中国高新区政策为例[J].软科学，2014（2）.
[6] 田海嵩，张再生，等.发达国家吸引高层次人才政策及其对天津的借鉴研究[J].科技进步与对策，2012（20）.
[7] 阳立高，韩峰，杨华峰，等.发达国家高层次创新型人才开发经验及启示[J].科技进步与对策，2014（8）.
[8] 宋姝婷，吴绍棠.日本官产学合作促进人才开发机制及启示[J].科技进步与对策，2013（9）.
[9] 王丽燕，庞昊.日本依托“产学合作”培养应用型人才的经验与启示[J].中国高校科技，2017（9）.
[10] 程强，顾新，彭尚平.开发创新型科技人才的战略研究[J].科技与经济，2011（1）.
[11] 周爱军.科技人才活力开发机制构建研究[J].科技管理研究，2011（12）.
[12] 吕富彪.企业科技人才创新能力开发聚集效应的影响研究[J].科学管理研究，2012（1）.
[13] 杨柳.政府主导的西部地区科技人才开发投入机制研究[J].软科学，2013（8）.
[14] 张春海，孙健，刘长花.我国科技人才开发水平的测度研究——基于内地31省（市、自治区）的TOPSIS模型测算[J].科技进步与对策，2012（12）.
[15] 王成军，宋银玲，冯涛，等.基于GRA-DEA模型的创新型科技人才开发效率评价研究——以陕西省青年科技新星计划为例[J].科技管理研究，2016（4）.
[16] 李梓.西部科技人才开发效率评价及影响因素[J].学术交流，2016（4）.
[17] 窦超，李晓轩.中部科技人才开发效率评价及其影响因素研究[J].科研管理，2017（S1）.
[18] 孙健，丁雪萌.区域科技人才开发效率评价研究——基于2005～2014年省际面板数据的经验分析[J].广东社会科学，2018（2）.
[19] Gould B,Roll Y.An application procedure for data envelopment analysis[J].OMEGA,1989(3).
[20] 成长春.提升城市对人才的吸引力[N].新华日报，2016-11-25.
Study on Spatial and Temporal Variation of Developmental Efficiency of Science and Technology Talents in Yangtze River Economic Zone—Based on Super-efficiency DEA Model
LI Pei-yuan1, CHENG Chang-chun1,2, YAN Xiang1,3
(1.School of Business, Hohai University, Nanjing 211100, China;2.Institute of the Jiangsu Yangzi River Economic Belt,Nantong University, Nantong 226019, China;3.School of Business, Yancheng Teachers College ,Yancheng 224051, China)
Abstract: Taking 11 provinces and cities in Yangtze River Economic Belt as the study objects, this paper establishes a comprehensive evaluation index system of developmental efficiency of science and technology talents, and conducts calculation and dynamic analysis on the data from 2005 to 2015, with the help of super-efficiency DEA model and Malmquist-DEA index.The study reveals that: at the end of the research, there is a converging trend in the development efficiency of talents in Yangtze River Economic Belt.From the perspective of spatial distribution, the efficiency in the upper reaches has increased steadily;the efficiency in the middle reaches has remained stagnant while that in the lower reaches has been in the leading position for a long time.From the perspective of dynamic temporal sequence, the increase of developmental efficiency of science and technology talents in Yangtze River Economic Belt as well as in these provinces and cities has been primarily influenced by technology advancement.
Keywords: Yangtze River Economic Belt;developmental efficiency of science and technology talents;super-efficiency DEA model;Malmquist index
中图分类号： F124.3；C964.2
文献标识码： A
文章编号： 1673-2359（2019）01-0034-07
收稿日期： 2018-10-06
作者简介： 李培园（1991- ），女，河南鹤壁人，河海大学商学院博士研究生；成长春（1957- ），男，江苏射阳人，南通大学江苏长江经济带研究院教授，河海大学商学院博士生导师；严翔（1983- ），男，江苏盐城人，河海大学商学院博士研究生，盐城师范学院商学院讲师。
基金项目： 国家社会科学基金重点项目“长江经济带协调性均衡发展研究”（16AJL015）
责任编校 虞志坚
标签：长江经济带论文; 科技人才开发效率论文; 超效率DEA模型论文; Malmquist指数论文; 河海大学商学院论文; 南通大学江苏长江经济带研究院论文; 盐城师范学院商学院论文;