基于DEA和Malmquist指数的河南省技术创新效率评价研究
肖美丹1， 张文娟1， 唐永文2
（1.河南农业大学信息与管理科学学院，郑州 450000； 2.中国共产党广西壮族自治区委员会党校，南宁 530000）
摘 要： 科学评价河南省技术创新效率有利于推动河南省的经济发展. 运用DEA模型和Malmquist指数分解法测算了河南省2010—2017年各市技术创新效率. 研究结果表明，研究期间内各市的综合效率大部分呈上升趋势，个别有下降趋势；从Malmquist指数分解法来看，随着年份的增加，全要素生产前期有下降趋势，从2013年开始呈现上升趋势且受技术进步影响较大. 最后根据研究结果提出相应的建议及措施.
关键词： 技术创新；DEA模型；Malmquist指数；综合效率
技术创新水平反映了一个地区的经济发展情况，提高一个地区的经济发展必须把技术创新放在亟待解决的位置上. 近几年“创新”这个词经常被企业和社会大众提及，2014年9月李克强总理在夏季达沃斯论坛上的讲话提出“大众创业、万众创新”，自此以后创新就成为各行各业需要面对、亟待解决的一个现实问题.21世纪的竞争已经不单单是企业与企业之间的竞争，软实力之间的竞争扮演的角色越来越重要，因此提高各个城市的技术创新水平显得尤为重要. 如何评价一个地区的技术创新效率，对于地区经济发展有极其重要的作用.
三是现代技术。现代技术的涌现和日新月异，加之现代分析与研究方法的出现，带动了电气自动化向更高级方向的发展。
当今人类社会正步入知识经济时代，新的科学发现、新的技术突破不断出现，这对于我们技术创新水平提出了新要求，国内外对技术创新资源配置的研究也较为丰富，主要围绕以下几个方面：第一，方法的使用，大都采用定量和定性分析相结合的方法. 杨博、曹辉（2018）则运用超效率SBM-Malmquist模型对我国各地区高校技术创新效率进行了效率评价，对于高校有一定的借鉴意义［1］；张莉莉等（2019）运用超效率DEA模型对河南省各市的科技创新效率进行评价，并运用灰色关联分析方法分析了科技创新变动的影响因素［2］；李培哲等（2019）采用DEA 模型和Malmquist 指数分解法对区域高技术产业创新效率进行评价，对我国区域高新技术产业有一定的启示作用［3］；山红梅等（2019）则把DEA 模型和Tobit 回归模型相结合分析了我国31 个省份邮政业的综合效率情况［4］；王飞航等（2019）则在传统的DEA模型基础上，再次运用SFA回归分析进行数据剔除，用调整后的数据再次进行模型分析，这就是三阶段的数据包络法［5］；姚娟等（2019）运用灰色系统GM（1，1）模型，对四川、陕西、上海三省、市2017—2021年科技创新人才进行需求预测和比较分析，分析其科技创新人才的区域性需求趋势［6］；张正等（2019）从供应链内企业技术创新的视角出发，建立了三阶段的博弈模型，研究在技术创新的情形下考虑政府补贴的供应链价值创造［7］. 第二，技术创新和经济发展的关系. 徐达实等（2018）从技术创新的角度，建立一个微分方程组模型，求解后得到经济增长的产生条件［8］；全良等（2018）则提出有效提高技术创新效率对国家经济结构优化升级起着至关重要的作用［9］；苏屹等（2019）在分析技术创新熵变和突变特性的基础上，对技术创新进行隐喻分析，认为技术创新对地区经济发展具有重要的推动作用［10］；马昱等（2019）基于中介效应与面板门槛模型，分析了城市基础设施、技术创新与区域经济发展互相影响的关系［11］；张永安等（2019）认为产业结构的变化是经济发展的动力，用固定效应与面板分位数回归模型分析了产业结构升级对经济发展的影响［12］；焦雨生（2019）则分析了技术创新对于就业的一个促进作用，主要基于不变替代弹性生产函数的Meta分析［13］.
在现实的小学语文的教学过程中，根据有关部门的调查，发现有很多的教师出现了偏爱学生的情况，这样既没有做到尊重学生，也不符合师德建设的要求。在小学阶段，由于小学生都还处于发展阶段，所以对于知识的学习能力都是各不相同的，在语文学科的学习中也就会出现成绩好坏之分，那么身为一名有良好师德的教师就应该从学生的性格特点入手，促进他们的共同进步。但是往往还是会有一部分教师会偏爱成绩好的学生，对于成绩差的学生教师就会表现出不耐烦甚至是置之不理的态度，这样的做法是十分不符合师德建设的。所以说为了在小学语文中加强师德建设，教师要学会尊重学生。
在以前的研究中，许多学者采用了不同的评价方法去解决各行各业面对的情况，但在研究中所采用的一些评价方法主观性太强，指标权重的确定也包含着巨大的主观因素，近几年研究学者逐渐采用DEA模型来解决问题. 第一，国内的学者将DEA方法引入到项目的决策中，并且在应用中不断加以完善，先后提出了基于只有输出（入）的DEA模型. 何静（1995）确定动态前沿生产函数的DEA模型［14］；李光金等（1997）基于多目标规划的DEA模型［15］；陈运辉等（2000）把DEA模型和风险投资项目有效结合，利用DEA思想建立了对风险投资项目多指标决策的数学模型［16］；李光金等（2001）仅有产出的多目标DEA模型［17］；张凌（2005）则运用DEA模型对企业的技术创新项目评价与决策方法进行研究［18］. 第二，研究学者把DEA方法引入到经济和教育等领域. 王亚伟等（2010）运用DEA模型对河南省17个城市2009年的城市经济发展效率进行了测算，结果表明，有8个城市的循环经济是有效的，9个城市则相对无效［19］；任毅等（2017）把DEA模型运用到了重庆市的教育方面，分析了重庆市高等教育的投入产出效率问题及其影响因素，说明了重庆市高等教育物力和财力投入效用对重庆市教育的拉动作用还不够，需要继续改进［20］；刘兵等（2018）运用DEA模型来测算我国31个省份的人力资源配置效率，根据与经济的匹配程度，分为正向同步型、反向同步型、领先型和落后型4种发展模式［21］；王昭（2018）把数据包络法运用到建筑这个行业，对这类型企业的技术创新效率进行评价，分析了导致其技术创新效率低的主要因素［22］；管永刚（2019）运用超效率DEA模型对我国31个省、市、自治区的高等教育资源的投入产出效率进行了有效分析，结果表明我国的高等教育资源配置还存在一定的改进空间［23］；卢紫荆等（2019）针对现有在线学习者学习效率评价方法的局限性，使用CCR模型、BCC模型、超效率模型与Malmquist指数四种模型对学习效率进行了分析［24］.
基于此，本文在国内外研究综述的基础上，运用数据包络分析（DEA）方法分析了河南省18个市的技术创新效率，并且运用了Malmquist指数分解法，测算了河南省不同地市之间的技术创新差异及其动态发展趋势. 本文在一定程度上为提高河南省各市技术创新投入产出水平提供一定的借鉴意义.
1 河南省技术创新效率评价模型构建和指标体系选取
1.1 模型构建
数据包络分析（Data Envelopment Analysis，简称DEA 模型）是一种系统分析方法，它主要是运用线性规划，以最优投入与产出作为生产前沿，构建数据包络曲线，有效点位于前沿面上，无效点则位于前沿面外. 数据包络法相比其他方法在测量效率方面也具有优势，它不需要对指标赋予权重，不需要对数据进行无量纲化处理，这在一定程度上增加了客观性减少了主观性，更加严谨，因此选择DEA评价河南省各市的技术创新效率. 通常来讲DEA常用的模型包括C2R模型和BC2模型，前者不考虑规模效益，后者则考虑规模效益［25-26］. 由于技术创新规模报酬不固定，因此本文同时引入C2R模型和BC2模型，全面评价河南省各市的技术创新效率.
在（1）式中θ 为评价决策单元DMUk效率值，我们称之为综合效率（0 ≤θ ≤1），反映决策单元技术创新配置的合理程度，若θ=1，则称为DMUk技术创新资源配置有效；若θ ＜1，则称为DMUk技术创新资源配置无效，总的来说θ 的值越接近于1则表明技术创新投入产出的配置效率越接近于有效，反之越接近无效. λ为第j个DMU的权重. S-为剩余变量，表示达到最优配置需要增加的产出量；S+为松弛变量，表示达到最优配置需要减少的投入量.
假设河南省技术创新配置有k 个决策单元DMUk，每个评价决策单元有i 种投入、j 种产出，投入向量为Xk=(x1k,x2k,x3k,…,xik)，产出向量为Yk=(y1k,y2k,y3k,…,yik)，其中i=3，j=2. 根据上述假设，建立C2R模型如下式：
上面模型是在规模报酬不变的前提下所得到的，但是我们都知道技术创新的规模报酬是不固定的，所以与此同时我们引入BC2模型. 假设规模报酬可变，附加条件
则会得到BC2模型. 利用BC2模型可以将综合效率分解成纯技术效率和规模效率的乘积，θk=θte×θse. 其中θk为综合效率；θte代表的是纯技术效率，代表技术进步带来的生产效率；θse 代表的是规模效率，所代表的含义是当前规模与最适规模之间的差距. θte与θse越接近1，表明技术效率和规模效率越大，两者中较大的一方会对综合效率的影响较大，如果θte较大，说明导致DEA无效的原因是有技术原因造成的；如果θse较大说明导致DEA无效的原因是有规模原因造成的，需要扩大规模.
1.2 Malmquist指数
传统的CCR和BCC模型一般用来对同一时间点的效率情况进行横向比较，对面板数据进行分析的适用性不是很强，难以发现效率和发展趋势. 而Malmquist指数可以较好地分析面板数据，能够较好地刻画相对效率的动态变化，具有较广泛的应用性. Malmquist指数通过距离函数进行运算，采用定向输出和定向输入定义距离函数. 输出变量的距离函数表示为：
讨论中，与会代表们建议要建立全国性的水资源、水环境、水生态监测信息系统，及时掌握水质动态，为及时处理突发水污染事件，改善水环境质量，保障水资源安全，提供重要的技术支撑。据司毅铭介绍，黄河流域已形成较为完善的水质监测网络体系，流域各级水利部门水质监测机构共建有269个水质监测站点，已初步建成“常规监测与自动监测相结合、定点监测与机动巡测相结合、定时监测与实时监测相结合，加强应急监督性监测，实现水质监测信息化管理”的现代化监测体系。
研究学者又对Malmquist 指数进行了分解和完善. Malmquist 生产率指数的求解需测算4 个距离函数：
和
.
1.3 指标体系选取与数据来源
除了技术和规模会影响技术创新资源配置外，要素的投入与产出同样也会影响技术创新的资源配置，有些城市资源配置水平低的原因是存在投入冗余和产出不足的现象，主要的投入产出情况如表4所示.
表1 河南省技术创新效率评价指标体系
Tab.1 Evaluation index system of technological innovation efficiency in Henan Province
1.3.2 数据来源 本文选择2010—2017年河南省18个市作为研究对象，应用软件DEAPV2.1计算技术创新投入产出效率，投入产出数据均来自于2011—2018年《河南省统计年鉴》科技部分.
2 河南省技术创新效率评价结果分析
2.1 河南省技术创新效率总体情况
首先通过DEA-C2R模型分别测算2010—2017年河南省各市技术创新配置的综合效率和平均值，见表2所示.
表2 2010—2017年河南省各市技术创新配置效率的综合效率
Tab.2 Comprehensive efficiency of technological innovation allocation efficiency in Henan Province from 2010 to 2017
综合效率是指资源得到充分利用的程度，越接近于1表明资源配置效率越高，同时也表明DEA有效，反之则DEA无效.
根据表2 可知，在研究初期也就是2010 年达到DEA 有效的城市有郑州、开封、洛阳、鹤壁、信阳、周口、驻马店7 个城市，占38.9%；其余11 个城市的技术创新效率则为非DEA 有效，占61.1%；而在这些非DEA 有效的城市中达到0.9 以上的有新乡市、三门峡市、商丘市3 个城市，这3 个城市2010 年的综合效率值是极其接近于1 的，属于相对有效. 说明对于这3 个城市技术创新的投入和产出进行调整，是有可能达到DEA 有效的.
从2010—2017年整体的综合效率来看，在研究期间内各个城市的综合效率值有所波动，但从大的趋势上来看，除了鹤壁、三门峡、周口、驻马店这4个城市有非常明显的下降趋势，整体呈上升趋势. 尤其是鹤壁、周口和驻马店三个城市甚至从原来的DEA有效下降至现在的无效，究其原因是随着年份的增加对于这几个城市的投入是不断增加，但是产出却没有明显的变动，导致投入的资源浪费，资源配置不均衡进而导致综合效率有所下降. 当然有个别城市也从非DEA有效变为了DEA有效，比如说新乡市就从2010年的0.943上升至2017年的1.000，濮阳市更是从0.640上升至2017年的1.000，商丘市也从2010年的0.970上升至2017年的1.000. 这说明了河南省在技术创新资源配置方面有所改善，但同时可能着重某些城市的发展导致一些原来综合效率高的城市到后来资源并没有得到充分的利用.
2.2 河南省各市技术创新配置效率影响因素分析
技术创新配置效率与DEA-BC2 模型测算的纯技术效率、规模效率存在很大的关联性. 综合效率反映资源得到充分利用的程度；纯技术效率反映在不考虑规模因素的条件下，技术创新资源配置效率情况，效率值越接近于1，说明越接近于前沿，也就意味着技术创新资源配置越接近于纯技术有效；规模效率反映了投入与产出之间是否达到一个最佳的匹配程度. 这三个效率之间还存在着一定的关系，即：综合效率=纯技术效率×规模效率. 两者中较小的一方是导致技术创新资源配置综合效率低的主要原因，较大的一方是导致技术创新资源配置综合效率高的主要因素. 为了保证本文的时效性，选择2017年河南省相关数据作为研究对象，见表3.
各联邦机构的组织结构、任务和项目申请程序都不尽相同，且各机构的绝大部分经费以学科分类为基础对科研项目进行资助，即便部分联邦机构针对会聚项目拨付专项资金，其资助额度也有限且难以保持稳定。如果多个研究小组联合申请某一联邦机构的会聚项目，由于研究人员处于不同学术部门，很难权衡项目资金的划分；如果资助方涉及多个联邦机构，则更进一步增加了资金分配的难度。因此，要实现对会聚项目稳定、有效的资助，须对联邦政府机构现有资助形式进行大幅度调整，甚至颠覆现有规则[9]。
表3 2017年河南省各市技术创新配置效率
Tab.3 Technology innovation allocation efficiency of Henan Province in 2017
3）科技活动人员数. 大部分城市科技活动人员投入都比较合理，只有许昌市在这方面投入过多，造成资源浪费，在以后关于人员投入方面需要继续努力.
受道教风水学说的影响，古代朝鲜创作了众多堪舆主题的小说，在这些小说中，堪舆成为小说叙事的主线，贯穿故事始终。 如《定名穴牛卧林间》中，讲述了湖西士人为得名穴，诚意侍奉地师朴尚义，无奈朴尚义恃术骄纵，千般推辞，湖西士人一怒之下剥掉朴的衣服，将其紧缚于松树上。 恰巧遇到尹氏搭救，朴尚义才幸免于死。 朴感念尹氏的再生之恩，遂帮助尹氏相地，但终未告知吉穴所在。 后来尹氏遍请地师占正穴，仍然求之不得。 一日，竟在牛卧之地得到正穴。 移葬亲山后，家族逐渐显赫起来。
其次，河南省各市纯技术效率的均值为0.887，高于均值的有11个市，占总体比重的61.11%，说明河南省纯技术效率总体水平较高. 具体来说这11个市中除了周口市外均达到了DEA有效，表明资源得到了充分利用. 而周口之所以2017年纯技术效率未达到有效，是因为2017年周口市发表的科技论文数量以及发明专利等产出相比于其他城市较少. 尤其要说明的是济源、三门峡、鹤壁、开封和郑州纯技术效率为1，然而其综合效率却未达到有效，这很可能是受到规模无效的影响，因而需要加大规模投入，从而促进技术创新.
最后，从规模效率来看，河南省各市规模效率的均值水平为0.836，高于均值的有郑州、开封、洛阳等12个城市，占总体比重的66.67%，整体而言河南省各市技术创新水平较高，规模相对合理. 具体来说在这12个城市中有5个城市的规模效率为1，达到DEA有效，其余的7个城市未达到规模效率DEA有效，但是除了平顶山处于规模递增状态，其他都处于规模报酬递减状态，因此需要加大规模投入，使之规模报酬逐步走向递增.
土豆播种机的播种架试验装置的最优组合在试验优选方案中没有出现，为确保优选前后的播种质量在试验指标(粒距合格率、重播率、漏播率)上有可比性，进行二次试验，选取的主要参数为播种机架倾角α=10°、皮带转速ω=0.27m/s、种勺空间尺寸大小55mm×17.5mm。试验结果表明，优选后的排种器排种粒距合格率可达91.0%，重播率9%，漏播率2.0%。优选后的土豆播种机播种架试验装置综合指标优于其它参数组合下的排种性能。
1.3.1 指标体系构建 建立技术创新效率评价有利于河南省各市了解各自的创新能力以及与其他城市之间的差距，技术创新效率评价主要评价一个城市的投入与产出是否达到最佳的状态. 那么对于科技活动来说，要想吸引和留住人才，一方面主要依靠它的前期投入，即：人力、财力、物力的投入；另一方面主要依靠它后续的发展潜力，也就是它未来能为留下来的人所带来的发展空间，即产出. 因此本文从投入产出角度所构建的指标体系如表1所示.
表4 2017年河南省各市要素投入产出水平
Tab.4 Factor input-output level of Henan Province in 2017
1）发表科技论文数. 平顶山、许昌、漯河、周口和驻马店5 个城市在科技论文方面产出不足，占总体的27.18%，这5个城市需要增加科技论文的产出量，尤其是许昌和漯河这两个城市.
2）发明专利数. 发明专利数产出不足的有安阳、漯河、周口和驻马店市4个城市.
首先，技术创新资源配置DEA无效（θk 不等于1）的主要有：郑州市、开封市、平顶山市等13个市，占到总体的72.22%. 其中平顶山、安阳、焦作、许昌、南阳5个城市是由于纯技术效率低所导致的，剩下的8个城市是由于规模效率所导致的，这很有可能和2017年河南省关于科技方面的政策息息相关.
4）R&D经费投入. 大部分城市对于R&D经费的投入都得到了合理利用，但仍然存在一些城市没有合理利用，出现经费浪费的现象，如：平顶山、安阳、焦作、南阳和周口这5个城市出现经费投入过多的现象.
5）科技活动中固定资产投入. 在科技活动中固定资产投入大部分城市投入没有冗余，除了平顶山的冗余量达到了21 763.057万元，造成资源的严重浪费，在后续的投入中应减少该项活动的投入，其他城市对于固定资产的投入都相对合理.
Malmquist生产率指数可以作如下表达：
2.3 Malmquist指数测算法分析
运用DEAP2.1软件对河南省18个市2010—2017年技术创新的Malmquist生产率指数进行测算和分解，从而得到河南省各市技术创新率的动态变化情况，具体情况如表5所示，全要素生产率及其分解指标变化趋势如图1所示.
基于中央空调主机是主要的耗电设备，由于人为管理的不及时可能造成电能的浪费。中央空调主机智能节电系统提供了很好的节电解决办法：智能管理系统。中央空调主机智能节电系统的基本原理是把空调主机以往的工作方式，改变成根据使用环境的需要来进行合理匹配调节工作的方式，让所有供给都反映为实际需求，从而不浪费供给，达到节能的目的。
表5的结果表明，2010—2017年河南省技术创新全要素生产率（tfp）2010年至2013年呈现下降趋势，下降幅度分别为1.8%、12.7%、7.8%，基本上都是由技术进步所引起的；2013年至2017年呈现增长趋势，尤其是2017年增长幅度达到28.2%，主要原因是技术进步所造成的，说明随着时间的增长，河南省开始侧重于技术的投入，增加技术进步的能力. 从总体来看技术进步的增幅最大，其次是全要素的增幅，最小的是规模效率，出现了下降趋势.
表5 2010—2017年河南省技术创新Malmquist指数及其分解
Tab.5 Malmquist index of technological innovation in Henan Province from 2010 to 2017 and its decomposition
图1 2010—2017年全要素生产率及其分解指标变化趋势
Fig.1 Trends of TFP and its decomposition indices from 2010 to 2017
图1表明，河南省技术创新全要素生产率及其分解指标均呈现不同的波动，前期波动较为平缓，从2015年开始技术进步变动和全要素生成率变动出现大幅度增长趋势，而纯技术效率变动、规模效率变动、技术效率变动有出现下降趋势.
表5从时间维度显示了全要素生产率及其分解指标的变动情况，具体各市技术创新指数及其分解项测算结果如表6所示.
表6 河南省技术创新Malmquist指数及其分解
Tab.6 Malmquist index of technological innovation in Henan Province and its decomposition
从表6 可以得出河南省全要素生产率的平均增幅为1.8%，而且技术进步效率的增幅大于技术效率的增幅，规模效率和技术效率还出现了小幅度的下降现象，这都说明了技术进步效率的增长是导致全要素生产率增长的主要动力. 其次从各地区的全要素生产率来看：开封、安阳、鹤壁、三门峡、商丘、信阳、周口和驻马店8 个城市呈下降趋势，占总体的44.44%；剩余的10 个城市都出现了不同程度的增长趋势. 在这些城市中下降幅度最大的是驻马店市，下降幅度为12.1%，主要原因是技术效率出现退步引起的；其中增幅最大的是许昌市，其增幅高达21.5%，主要原因同样是由于技术效率提高所引起的，许昌市重视技术的投入. 这些都表明我国要想提高城市的全要素生产率水平，应该把技术效率提高，从而拉动各个城市的技术创新水平.
3 结论与建议
本文运用DEA 模型和Malmquist 指数分解法，测算了河南省18 个市2010—2017 年技术创新效率，得到如下结论：
护理 20 d后，观察组 ALB、TP、HB、血糖水平均优于对照组，差异有统计学意义（P＜0.05），见表 1。
1）总体来说，在研究期间内各个城市的综合效率值有所波动，但整体是呈上升趋势的. 通过2017年的测算数据可知创新效率的提升主要是由纯技术创新效率拉动，规模效率相比于纯技术效率的值还是偏小的，因此为了提高河南省18个市的技术创新水平，需要加大规模投入，使之规模报酬逐步走向递增.
森德莱焊接技术（广州）有限公司是来自北美最大的焊枪和电阻焊设备制造公司——CenterLine （Windsor） Limited在中国的合资公司，负责为中国地区客户提供Centerline标准焊枪和焊接专用设备。公司总部坐落在广州科学城，生产基地位于广州花都汽车城。公司从事Centerline产品的设计、制造、销售、技术支持和售后服务。
2）通过DEA模型中的BCC模型测算，有些城市的纯技术效率为1，然而其综合效率却未达到有效，这主要是受到规模无效的影响，造成了个别城市的综合效率值并没有达到一个理想的状态.
3）通过Malmquist 指数对河南省18个市技术创新效率进行动态分析表明，各地区技术进步增幅大于技术效率增幅，全要素生产率的提高主要是由技术进步提高所致的；从时间维度上来看2010年至2013年呈现下降趋势，2013年开始呈现增长趋势，主要原因是随着时间的增加，技术得到了极大的发展，技术效率有了极大的提高，从而促进了全要素生产率.
基于以上结论，提高河南省18个市的技术创新效率可以从以下几个方面出发：
第一，规模效率值低是导致效率无效的一个主要原因，且通过BCC模型的测算可以看出规模报酬大部分呈现递减，因此为了拉动河南省18个市的技术创新效率必须加大规模投入，提高各个市的规模效率.
当代社会竞争越来越激烈，当前社会形势也给大学生带来了一定程度的压力，且这类青年人群更加渴望学业上的进步、事业上的成功以及高质量的生活品质。从社会心理语言学角度看，当代大学生流行语正是大学生发泄其心理压力的一种方式[5]。大学生流行语属于缓解内心压力的一种调节方式，能生动形象地表述出当代大学生的心理压力，有效传达并调整他们当前的情绪，短暂性地放松、释放其内在的精神世界，这对于适时适当宣泄大学生压力心理的内状态，帮助大学生尽快适应当下的校园及社会生活环境有着积极的作用。
第二，注重投入与产出的平衡，减少资源浪费. 投入冗余、产出不足是造成技术创新效率无效的一个重要原因，优化河南省18个市的投入与产出结构，建立适当的管理体制，在进行资源投入前进行测算，尽可能减少浪费，使资源的投入与产出达到最佳的均衡，从而推动地区的经济发展.
第三，注重各个城市的均衡发展. 在发展的过程中，不能为了一个城市的发展而忽略其他城市的发展，要注重均衡发展，对于发展速度慢的城市不能急于求成，要稳中求进.
在信息时代，随着知识经济的发展，知识成为一种宝贵的财富。随着大数据发展，面对海量的知识，如何有效地进行知识的管理，筛选出有价值的信息并创造出新的知识，无论对于组织还是个人的发展都有着重要的意义。
参考文献：
［1］ 杨博，曹辉.基于超效率SBM-Malmquist模型的我国各地区高校技术创新国际化效率评价［J］.科技管理研究，2018，38（16）：52-56.
［2］ 张莉莉，焦文献，张佳田.河南省城市科技创新能力综合评价——基于超效率DEA 和灰色关联分析法［J］.河南科学，2019，37（3）：453-461.
［3］ 李培哲，菅利荣，刘勇.基于DEA与Malmquist指数的区域高技术产业创新效率评价研究［J］.工业技术经济，2019，38（1）：27-34.
［4］ 山红梅，杨珂欣，胡海涛，等.我国邮政业综合技术效率评价及其影响因素——基于DEA和Tobit回归模型的分析［J］.地域研究与开发，2019，38（1）：11-16.
［5］ 王飞航，李友顺.基于三阶段数据包络分析模型的我国西部地区国家级高新区创新效率评价［J］.科技管理研究，2019，39（1）：55-60.
［6］ 姚娟，刘鸿渊，刘建贤.科技创新人才区域性需求趋势研究——对四川、陕西、上海的预测与比较分析［J］.科技进步与对策，2019，36（14）：46-52.
［7］ 张正，孟庆春，张文姬.技术创新情形下考虑政府补贴的供应链价值创造研究［J］.软科学，2019，33（1）：39-44.
［8］ 徐达实，徐幼民.论技术创新驱动经济发展效率决定的国家经济状态［J］.财经理论与实践，2018，39（6）：131-135.
［9］ 全良，柳国娜.影响高技术产业创新效率的四大因素［J］.开放导报，2018（6）：71-73.
［10］ 苏屹，林周周，欧忠辉.基于突变理论的技术创新形成机理研究［J］.科学学研究，2019，37（3）：568-574.
［11］ 马昱，邱菀华，王昕宇.城市基础设施、技术创新与区域经济发展——基于中介效应与面板门槛模型分析［J］.工业技术经济，2019，38（8）：116-123.
［12］ 张永安，张彦军，马昱.产业结构升级对经济发展的影响与机制研究——基于固定效应与面板分位数回归模型的估计［J］.当代经济管理，2019，41（9）：55-59.
［13］ 焦雨生.技术创新对就业的促进效应研究——基于不变替代弹性生产函数的Meta分析［J］.技术经济与管理研究，2019（7）：11-17.
［14］ 何静.只有输出（入）的数据包络分析及其应用［J］.系统工程学报，1995（2）：48-55.
［15］ 李光金，刘永清.基于多目标规划的DEA［J］.系统工程理论与实践，1997（3）：17-23.
［16］ 陈运辉，徐莉，王雄刚.DEA方法在风险投资项目决策中的应用［J］.科技与管理，2000（4）：43-45.
［17］ 李光金，黄韬，岳琳.仅有产出的多目标DEA及其应用［J］.四川大学学报，2001，33（1）：113-115.
［18］ 张凌.基于DEA的企业技术创新项目评价与决策方法研究［D］.哈尔滨：哈尔滨工程大学，2005.
［19］ 王亚伟，赵白云，陈振，等.基于DEA的河南省城市循环经济发展效率研究［J］.河南农业大学学报，2010，44（5）：600-604.
［20］ 任毅，高聪聪.基于DEA模型的重庆市高等教育投入与产出效率分析［J］.经济研究参考，2017（61）：69-76.
［21］ 刘兵，曾建丽，梁林，等.基于DEA的地区科技人才资源配置效率评价［J］.科技管理研究，2018，38（14）：49-56.
［22］ 王昭.建筑业企业技术创新效率评价研究——基于DEA方法的实证分析［J］.工程管理学报，2018，32（5）：40-44.
［23］ 管永刚.基于超效率DEA模型的高等教育资源配置效率分析［J］.黑龙江高教研究，2019（2）：84-88.
［24］ 卢紫荆，刘紫荆，郑勤华.基于DEA的在线学习者学习效率评价［J］.开放学习研究，2019，24（2）：30-38.
［25］ CHARNES A，COOPER W W，RHODES E.Measuring the efficiency of decision making units［J］.European Journal of Operational Research，1978，2（6）：429-444.
［26］ CHAMES A，COOPER W W.Preface to topics in data envelopment analysis［J］.Annals of Operations Research，1984，2（1）：59-94.
Evaluation of Technological Innovation Efficiency in Henan Province Based on DEA and Malmquist Index
XIAO Meidan1， ZHANG Wenjuan1， TANG Yongwen2
（1.College of Information and Management Science，Henan Agricultural University，Zhengzhou 450000，China；2.Party School of Guangxi Zhuang Autonomous Region Committee of CPC，Nanning 530000，China）
Abstract ：Scientific evaluation of technological innovation efficiency in Henan Province is conducive to promoting the economic development of Henan Province. Using DEA model and Malmquist index decomposition method，this paper estimates the technological innovation efficiency of Henan Province from 2010 to 2017.The results show that the overall efficiency of most cities in the study period shows an upward trend，while the individual has a downward trend. From the perspective of Malmquist index decomposition method，with the increase of years，the total factor production has a downward trend in the early stage.The downward trend began to show an upward trend in 2013 and was greatly affected by technological progress. Finally，according to the results of the study，the corresponding suggestions and measures are put forward.
Key words ：technological innovation；DEA model；Malmquist index；comprehensive efficiency
中图分类号： G 322.0
文献标识码： A
文章编号： 1004-3918（2019）09-1527-09
收稿日期： 2019-06-06
基金项目： 教育部人文社会科学研究青年基金项目（17YJC630117）；河南省哲学社会科学规划项目（2017BJJ034）；2017年河南省青年骨干教师培养计划（2017GGJS038）
作者简介： 肖美丹（1977-），女，教授，主要研究方向为供应链管理
（编辑 康 艳）
标签：技术创新论文; DEA模型论文; Malmquist指数论文; 综合效率论文; 河南农业大学信息与管理科学学院论文; 中国共产党广西壮族自治区委员会党校论文;