基于TOPSIS和DEA模型比较的国家重点实验室宏观效率评价
杨 超，危怀安，杜 锦
（华中科技大学公共管理学院，湖北武汉 430074）
摘 要： 国家重点实验室投入产出效率评价备受学术界和实践界关注。采用基于信息熵的理想解排序法（TOPSIS）和数据包络分析（DEA）-CCR综合评价模型评估国家重点实验室1990—2015年宏观效率变化情况。研究结果表明：两种模型分析的结论存在明显差异，前者参照理想解的临近距离得到年份排序总体呈上升趋势，反映出随着投入的增加，实验室的产出值也快速增加；后者参照投入冗余效率得到年份排序总体呈下降趋势，说明实验室的科研产出相对于增加的投入而言，仍具有很大的提升空间。比较分析后提出国家重点实验室宏观效率变化的4个阶段，以期为合理评价国立科研机构效率提供新的视角。
关键词： 国家重点实验室；综合评价法；理想解排序法（TOPSIS）；数据包络分析（DEA）；效率评价
国家重点实验室是构建创新网络和深度参与协同创新的关键节点［1］，是中国参与国际科技竞争、占据国际科技高地的核心机构。截至2017年，我国的481家国家重点实验室依托高校、科研院所、企业等组织建设，成为国立科研机构中最具规模的实验室组织系统，长期受到政府经费资助。“科研经费投入是否有效率”已成为党的十九大以来全面实施绩效管理战略的关注重点。针对这一问题，一些研究采用了数据包络分析（DEA）方法对国家重点实验室开展了效率评价，部分反映了国立科研机构的效率问题，但采用的评价方法普遍单一，发现经费管理模式落后、效率较低等问题［2-3］；另有部分研究则着眼于科研成果产出的评估比较、论文数量和国际影响力评价［4-6］，但大多没有将科研经费投入纳入考评范围，则很难以此判定效率变化；还有研究提出基于人因工程的实验室评价体系［7］，尽管开拓了多指标评价的新思路，但需要对大量主观指标进行等级评价，执行过程复杂。而本文旨在帮助决策者在开展实验室评价初期快速选择出合适的模型，利用现有的客观数据快速掌握科研机构宏观效率的动向。因此，本文联合采用了基于信息熵法的理想点（technique for order preference by similarity to an ideal solution，TOPSIS）模型和数据包络分析（data envelopment analysis，DEA）-CCR模型，比较分析了我国国家重点实验室投入产出效率的26年（1990—2015年）的变化趋势并将之划分为4个阶段，为有效评价国立科研机构效率提供了新思路。选取这两种模型的原因在于：第一，两种模型均主要用于多准则效率评价；第二，单模型评价难以全面反映效率变化趋势，易造成评价结论不充分。
1 数据来源与模型设定
1.1 国家重点实验室宏观投入和产出数据
本研究中，1990—2015年国家重点实验室宏观投入和产出数据主要从《中国科技统计年鉴》（1991—2016年）数据库整理而得由于各年份的统计项目存在一定的差别，为确保研究数据的准确性，选取所有年份共有指标并统一了计量单位，整理得到指标集。如表1所示，从直观变化可知，国家重点实验室近26年来在投入和产出上均有大幅度的增长，如筹集的研究经费额度从1990年的95 963千元增加到14 662 130千元。6个评价指标均在TOPSIS和DEA模型中给予了不同的设定，数据符合两个模型对综合评价模型的多投入指标和多产出指标的基本前提。
表1 1990—2015年我国国家重点实验室投入和产出指标
1.2 TOPSIS综合评价模型
TOPSIS模型法能够有效地解决多目标决策问题，且对空间和时间指标均有兼容性，已经被用于区域、产业和组织效率评价［8-10］，如有研究使用该方法评价我国高校科技竞争力，从而得到东、中、西部地区的科技竞争力比较结果［11］。由此可知，TOPSIS模型侧重于宏观效率综合评判。既有研究发现，国家重点实验室评估中的指标权重为主观设定，对部分指标的权重设定提出了质疑，这说明主观权重分配会明显影响到评价的公平性和科学性［12］。而本文则利用Matlab软件将原始矩阵数据归一化，利用信息熵权法确定权重，并求得最优解和最劣解向量，然后测算待测指标与最优解和最劣解的临近距离系数，再比较这些临近距离系数，得到待测指标的优劣排序。这种方法在确定权重上更具客观性。具体而言，模型计算过程如下：
果皮处理：清水浸泡黄豆适量，用柚子皮、橙子皮包住黄豆后，置于电饭锅里蒸40 min左右，然后接入0.8%纳豆菌后发酵并后熟。
中国作为农业大国的基本国情尚未改变，修复、完善乡村道德体系，对提高整个中华民族素质，加速现代化建设进程，意义不言而喻。
（1）首先，将n个待测指标项目分别命名为M1，M2，M3,…,Mn，记为：
（2）将决策单元对应的权向量记为：
3）城市燃气企业一般负责建设市区县天然气输配管网。这部分管网管径小、压力低，投资主体多种多样，通过管道燃气特许经营权的方式获取建设权，实行输配与销售一体化经营，一般都采用体积计量方式。
（2）采用信息熵权法（information entropy method）确定权重，得到最优解 
及最劣解
：
本组病例外院误诊2例，均将MRAA-LDA-DAO误诊为右弓优势型DAA，均因为检查医师经验不足，未增加扫查升弓部冠状切面仔细判断主动脉弓“第一分支”和DA之间是上下交叉关系而不是连接关系所致。
（3）再根据最优解和最劣解的取值，按照下列公式求得待测指标的临近距离系数，据此得到排序。
1.3 DEA综合评价模型
根据上述模型的计算过程，运用Matlab软件和DEAP 2.1软件对表1中的国家重点实验室宏观投入和产出数据分别进行了TOPSIS和DEA模型分析，并得到了两组年度宏观效率排序。
（3）再通过柴木思库伯变换，加入松弛变量S+和S-将上式转化为最终的CCR模型：
设每个待测项目的考评指标为X1，X2，…,Xm，记为：
总可以选择合适的权变量系数v和u，使得hj≤1，j=1,2，…，n，由此构建出的规划模型如下：
（1）首先，设有n个待测的决策单元（decision making units，DMU），投入指标为Xi和产出指标为yj，那么此时第j个DMU则可记作：
2 数据分析与结果展示
经过长期发展，DEA形成了BCC、CCR、Logit等多种不同模型，其优势在于不用预先估计参数，从而克服了主观因素带来的误差［13］。DEA是评判资源配置效率的重要模型之一，主要应用于资源效率配置问题的探讨［14-15］，如有研究将教育资源的投入产出指标纳入该模型，分析资源配置的效率和公平［16］。本文选取的CCR模型是利用投入和产出量进行配置，求解出在规模报酬不变情况下的技术效率，以判断增加的资金投入是否取得了相应程度的产出增长，符合研究的目标。同时，本文在数据整理过程中，进一步推进了辛督强［2］的研究， 将研究经费项其进一步分解为研究经费筹集和研究经费支出，提升了研究结果的准确性。具体的计算过程如下：
2.1 基于信息熵-TOPSIS法的国家重点实验室宏观效率年度评价
首先，在Matlab软件中，采用信息熵权法求得不同评价指标的客观权重，如表2所示。客观权重的确定体现了TOPSIS模型分析法在确定权重上的优势，克服了因主观认知差异造成的权重结果不一。客观权重法能够客观表现不同评价指标的相对重要性。
6）其他用药不适宜情况。实例：患者女性，56岁；诊断：中耳炎；处方用药：0.9%氯化钠注射液10 mL+注射用青霉素钠4.32 g qd 3 d，0.9%氯化钠注射液250 mL+地塞米松磷酸钠注射液5 mg qd 3 d。用药分析：地塞米松磷酸钠注射液，说明书推荐溶媒为5%葡萄糖注射液，医师选用溶媒不适宜。
表2 基于TOPSIS信息熵权法的我国国家重点实验室投入产出指标客观权重
再根据客观权重的取值和公式，求得国家重点实验室每个年度宏观效率的最优解、最劣解以及临近距离系数，分别如表3和图1所示，临近距离系数越高，则待测年度越接近最优解，即宏观效率越高。
表3 1990—2015年基于信息熵的我国国家重点实验室宏观创新绩效TOPSIS理想解、临近距离及排序
图1 基于TOPSIS的我国国家重点实验室宏观效率年度排序
从国家重点实验室年度宏观效率TOPSIS模型分析得到的排序情况可知：第一，国家重点实验室的宏观效率总体呈上升趋势，1990年的临近距离为0.41，到2015年该值已经上升到0.62，年度排序也从第21位上升到第1位。第二，宏观效率并非逐年递增，在排序上呈现出断崖式的波动，虽然2015年创新绩效排名为26年中第一，但是1994、2002、2005、2010年成为排序波动的断崖谷点，说明在这4个年份的投入产出效率不符合投入越多产出越多的规律，尤其是2010年为26年中宏观效率表现最差的一年。第三，从增长速度上看，1990年的临近距离约为0.41，随后基本上变化幅度不大，几乎在2005年之前都维持在这一水平，在2007年之后突破了0.45，2008年上升至0.5以上，随后大部分年份都在0.5以上，直到2015年突破了0.6；从临近距离上看，从0.4到0.5约用了19年时间（1990—2008年），从0.5到0.6只用了7年时间（2008—2015年），由此可知，我国国家重点实验室的宏观创新绩效增长速度近年来有明显的提速趋势。
2.2 基于DEA-CCR模型的国家重点实验室宏观效率年度评价
根据DEA-CCR模型的计算方法，本文采用DEAP 2.1软件分析了表1的国家重点实验室投入产出数据。在数据运算分析中，以研究经费筹集和研究经费支出为投入指标，将产出指标设定为科研项目、获奖成果、发表论文和培养学生人数4项，从而计算出国家重点实验室宏观效率年度评价结果，分别如表4和图2所示。
指在企业内部选拔非家族成员作为接班人的模式。此模式在忠诚度方面要优于职业经理人模式，因为每个企业都存在自己的潜规则，外部人不容易一下子看明白，这是内部继任者的优势。由于内部继任者对企业的战略、管理方式以及文化形态有较好的认知，交接后不会发生过于强烈的震荡。对这种模式有较多褒扬的柯林斯在《基业长青》中研究的结论是，历史上优秀公司大多数时期都是选拔内部继任者。这一模式中国公认最成功的企业交接案例是联想，当联想选定了内部接班人以后，比较早地采用了“参与式”的工作方法，并“实现了无缝交接”。
表4 基于DEA-CCR模型的1990—2015年我国国家重点实验室宏观效率评价结果
图2 基于DEA-CCR模型的我国国家重点实验室投入冗余效率变化趋势
从数据变化趋势可得，DEA-CCR模型分析条件下的我国国家重点实验室宏观效率趋势与TOPSIS的分析结果存在明显差异。总体而言，除了1993和1994两年的DEA宏观效率达到了DEA有效（数值达到了1）之外，其余年份的产出均存在一定的优化空间，资金投入存在较为明显的冗余；总体趋势也存在明显的下降趋势，从1990—1995年效率值都在0.5以上，到2010—2015年的效率值在0.1～0.3之间。因此，我国国家重点实验室的投入冗余近年来明显增加，宏观效率呈现下降趋势。
3 模型比较与阶段划分
3.1 模型比较及选择
从TOPSIS和DEA-CCR模型的结果可知，我国国家重点实验室宏观效率近年来总体处于不断增加，即随着投入的不断增加，产出也随之大幅度增长；但增加的投入并没有取得对应程度的产出，从投入冗余角度分析其效率则处于下降趋势。而就两种模型的侧重而言，基于信息熵的TOPSIS模型分析法侧重于将多个评价指标的实际值和理想值进行比较，从而判断出不同年份的效率的相对排位；而DEACCR模型则是分析国家重点实验室投入增加时产出能否达到DEA有效，即增加的投入是否取得有效的产出，因此，模型能够更为深入地从宏观增长趋势中探究更深层次的冗余水平。
由此，得到两种模型选择建议：第一，TOPSIS模型分析法适合作为初始效率评估的研究方法测度总体的效率增长趋势，把握国家重点实验室宏观科研投入和产出的阶段性特征，分析相对于理想值而言的实验室效率年度排序，以判断出在不同年份在整个时间段中的位置。第二，在深入分析年份的投入冗余水平时，DEA-CCR模型更为合适，计算求得不同年份增加的投入在多大程度上获得了产出效率，找出未达到DEA有效的年份，判断还有多大程度的可提升空间。故在模型选择过程中，应根据评估的目的合理加以选择。
3.2 国家重点实验室宏观效率阶段划分
第二阶段（2000—2007年）：虽然TOPSIS排序出现几次明显的波动，但临近距离总体均处于0.40～0.45之间，而投入冗余效率也存在波动，尤其是2002年和2006年的投入冗余效率分别均仅为0.16左右，其余年份基本保持在0.2～0.3之间。该阶段特征为：虽然资金投入比第一阶段充裕，但是投入产出效率总体下滑，在部分年份存在较大幅度的波动，增加的投入所带来的新增产出量也低于第一阶段。
因此，待测项目和考评指标交叉形成了矩阵Pm×n：
第一阶段（1990—1999年）：TOPSIS排序较为靠后，在上升的过程中存在一些小幅度波动，临近距离几乎一直稳定在0.40左右，而投入冗余的变化则是先升后降，在1992年和1993年达到了DEA有效后快速下降，投入冗余效率从0.5下降到0.2左右。其阶段特征为：资金投入为4个阶段中最低，而投入冗余的效率却为4个阶段中最高，尽管对应的产出量低于后续3个阶段，但是资源利用效率却较好。
根据两种模型结果取值范围和管理实践，本文将我国国家重点实验室自1990年以来的宏观效率变化历程分为4个阶段：
试验为单因素品种试验，随机区组排列，重复3次。每个试验小区宽4m，小区长度65m，小区面积260m2。每个品种种植6行，地膜幅宽140cm，每膜播种3行玉米，平均行距50cm，株距25cm，播深四五厘米，小区四周设保护行，试验单收计产。
第三阶段（2008—2014年）： TOPSIS测算出的宏观效率除了在2010年出现了一次断崖式下跌外，总体上宏观效率不断临近最优解，说明随着资金投入的增加，各项产出也出现了大幅度的增加；但从投入冗余角度的情况则非常不乐观，投入冗余效率出现了进一步下滑，从上一阶段的0.3下降到0.14左右，跌到了4个阶段中投入冗余效率的最低谷。该阶段特征为：加大资金投入促进了产出量，但是却出现了非常明显的冗余，资源利用效率比前两个阶段低。
第四阶段（2015年至今）：2015年TOPSIS宏观效率排序居首位，距离最优理想解高达0.624，反映出该年度相对于其他年份而言，产出出现了最大幅度的增加；且该年的投入冗余效率表现出大幅度回升，重新达到了0.3的投入冗余效率水平。因而，国家重点实验室的高投入取得了较大的产出量，且投入冗余效率也明显提升，资源利用效率比上一阶段有明显上涨的趋向。
4 研究结论与展望
4.1 研究结论
本文采用基于信息熵的TOPSIS模型和DEACCR模型比较研究了我国国家重点实验室1991—2016年的宏观投入产出数据，比较了两种模型在测算宏观效率的结果差异，提出了模型选择建议，并对宏观效率的变化趋势提出了阶段划分，得出主要结论如下：
（1）鉴于模型运算机理的差异，两种综合评价模型从不同角度反映了国家重点实验室宏观效率的年度变化过程，采用信息熵确权的TOPSIS模型，利用客观权重和理想值临近距离排序后发现，国家重点实验室宏观效率呈总体上升趋势；而从DEA-CCR模型计算出的国家重点实验室投入冗余效率却总体上呈下降趋势。本文提供了综合评价的多个视角，是对辛督强［2］对国家重点实验室效率研究的进一步推进，丰富了国立科研机构宏观效率评价的思路，采用多种模型联合分析，突破了单模型分析可能产生的认知局限。
（2）从宏观效率的变化情况看，国家重点实验室宏观效率的年度变化可以分为4个阶段，每个阶段表现出不同的效率变化趋势：第一阶段的资源利用效率最高，冗余水平最低；第二阶段的资金投入增加，科研产出取得了一定的增长，但投入冗余效率却出现下滑；第三阶段的科研产出量存在明显波动，且投入冗余水平也在4个阶段中达到顶峰；第四阶段的资金投入获得了最大的科研产出，投入冗余效率也比第三阶段明显提升。这反映出国家重点实验室已经逐渐认识到，不仅要重视投入和产出值的增加，也开始重视降低投入冗余水平，提升资金的利用效率。
（3）开展国家重点实验室绩效评价时，不仅需要考虑绩效产出，还需要将产出置于投入之下加以比较分析，单纯依赖产出项设定科研绩效评价指标的方法忽视了投入对产出的重要影响。促进国家重点实验室科研绩效评价体系的改革，需要充分考虑国家重点实验室宏观和微观效率，积极推动国家重点实验室的产出“物有所值”。
综上所述，PLC技术在机械电气控制装置中起着极为关键的作用，不仅可以提高工业生产的效率，推动我国工业化的进程，而且还可以取代人力生产，促进社会经济的发展。近些年，人们对PLC技术的发明与应用提出了更高的要求和标准。为了实现我国社会经济运作环境的稳定，我们要将PLC技术进行合理化的应用并对其进行深入性的研究和分析。
4.2 未来展望
后续研究可以从如下方面展开：第一，搜集微观的国家重点实验室投入和产出数据，选取合适的分析方法分析微观国家重点实验室的效率变化，以验证宏观效率分析的阶段性划分，并讨论出针对某一个国家重点实验室或某一领域国家重点实验室的效率提升策略。第二，探究影响国家重点实验室宏观效率的因素，遴选出关键性的影响因子，为提供优化策略提供数理支持。第三，针对性地分析国家重点实验室效率变化4个阶段中每个阶段的管理政策，探讨政策性影响对国家重点实验室效率的影响过程。
参考文献：
［1］王婉娟,危怀安.内部创新网络对协同创新能力的影响机理:基于国家重点实验室的实证研究［J］.科研管理,2018,39(1):143-152.
［2］辛督强.基于DEA的国家重点实验室投入产出效率评价［J］.实验技术与管理, 2014(4):220-223.
［3］张静一,仇笳熙.国家重点实验室运行过程的问题与管理经验［J］.科研管理,2017(增刊1):691-694.
［4］田雅娟,杨志萍,周涛,等.科研成果评价研究：国家重点实验室评价案例［J］.科研管理, 2016(增刊1):264-269.
［5］李旭彦,杨晓秋,宋英华.论文数据分析在国家重点实验室学术评价中的应用探讨［J］.科技进步与对策,2016,33(11):122-128.［6］徐志玮.美国国家实验室的科研评估和启示：以美国劳伦斯伯克利国家实验室为例［J］. 实验技术与管理,2014(1):201-206.
［7］葛少卫,杨晓江.基于人因工程的实验室评估指标体系构建［J］.科技管理研究, 2016,36(9):57-61.
［8］王磊,周亚楠,张宇.基于熵权-TOPSIS法的低碳城市发展水平评价及障碍度分析［J］.科技管理研究,2017,37(17):239-245.［9］鞠航,徐帅.基于组合赋权-TOPSIS模型的军工企业装备维修能力评价研究［J］.科技管理研究,2017,37(22):60-64.
［10］ZHANG H, GU CH L, GU L W,et al.The evaluation of tourism destination competitiveness by TOPSIS & information entropy：a case in the Yangtze River Delta of China［J］. Tourism Management, 2011,32(2):443-451.
［11］俞立平,张晓东.基于熵权TOPSIS的地区高校科技竞争力评价研究［J］.情报杂志, 2013(11):181-186.
［12］杨默函,姚卫浩,李君,等.科研实验室评估方法及指标体系对比［J］.中国高校科技, 2013(12):52-55.
［13］魏楚,沈满洪.能源效率及其影响因素:基于DEA的实证分析［J］.管理世界, 2007(8):66-76.
［14］MARCHETTI D, WANKE P.Brazil's rail freight transport: efficiency analysis using two-stage DEA and cluster-driven public policies［J］.Socio-Economic Planning Sciences, 2017,59:26-42.
［15］COOK W D, ZHU J. DEA Cobb-Douglas frontier and crossefficiency［J］.Journal of the Operational Research Society,2014,65(2):265-268.
［16］赵琦.基于DEA的义务教育资源配置效率实证研究：以东部某市小学为例［J］.教育研究, 2015(3):84-90.
Macro-efficiency Evaluation of National Key Laboratory Based on TOPSIS and DEA Model Comparison
Yang Chao, Wei Huai'an, Du Jin
（College of Public Administration, Huazhong University of Science and Technology, Wuhan 430074, China）
Abstract: The efficiency evaluation on the input and output of state key laboratories has attracted much attention from academics and administration. This paper evaluates the efficiency changes of state key laboratories from 1991 to 2016 based on the information-entropy TOPSIS and DEA-CCR model comparatively. The results show that: by TOPSIS，there is an increase trend in general from the length of distance from the ideal value， meaning that the outputs has risen up quite fast compared with the added inputs; on the opposite， by DEA， the trend is on the downside， which means that there should have been much better outputs because of the rising amount of inputs. On the basis of the above models， four phases of efficiency changes of state key laboratories are proposed， in order to provide a new perspective to evaluate the efficiency of government-funded institutes.
Key words: state key laboratories; comprehensive evaluation methods; TOPSIS; DEA; efficiency evaluation
中图分类号 ：F204；F224；G301
文献标志码： A
文章编号： 1000-7695（2019）09-0115-06
doi: 10.3969/j.issn.1000-7695.2019.09.017
收稿日期： 2018-06-28， 修回日期：2018-09-05
基金项目： 国家社会科学基金青年项目“国家实验室资源协同供给模式研究”（17CGL001）；国家留学基金委国家建设高水平公派研究生项目（201706160073）
作者简介： 杨超（1988—），男，安徽宣城人，博士研究生，主要研究方向为创新政策与创新管理；危怀安（1965—），通信作者，男，湖南华容人，教授，博士研究生导师，主要研究方向为科技管理；杜锦（1988—），女，湖南吉首人，博士研究生，主要研究方向为科技管理。
标签：国家重点实验室论文; 综合评价法论文; 理想解排序法(TOPSIS)论文; 数据包络分析(DEA)论文; 效率评价论文; 华中科技大学公共管理学院论文;