基于DEA-Tobit模型的高校科技創(chuàng)新績效及影響因素研究

2023-10-26基于dea-tobit模型的高校科技創(chuàng)新績效及影響因素研究CATALOGUE目錄研究背景和意義文獻(xiàn)綜述研究方法和數(shù)據(jù)高?？萍紕?chuàng)新績效評價基于DEA-Tobit模型的高校科技創(chuàng)新影響因素分析研究結(jié)論和建議參考文獻(xiàn)研究背景和意義01當(dāng)前，科技創(chuàng)新已成為推動經(jīng)濟(jì)社會發(fā)展的關(guān)鍵動力，而高校作為科技創(chuàng)新的重要力量，其創(chuàng)新績效受到廣泛關(guān)注。在此背景下，如何科學(xué)、有效地評估高?？萍紕?chuàng)新績效，以及探究影響績效的關(guān)鍵因素，成為學(xué)界和實踐界關(guān)注的熱點問題。研究背景本研究旨在運(yùn)用DEA-TOBIT模型，對高校科技創(chuàng)新績效進(jìn)行評估，并深入剖析其影響因素，為提升高?？萍紕?chuàng)新能力和水平提供參考。其次，通過對影響因素的深入分析，可以揭示影響高?？萍紕?chuàng)新績效的關(guān)鍵因素，為政府、高校等主體提供政策制定和改進(jìn)的依據(jù)。最后，本研究將豐富和完善高校科技創(chuàng)新理論體系，為后續(xù)相關(guān)研究提供參考和借鑒。首先，通過運(yùn)用DEA-TOBIT模型，可以更為全面、客觀地評估高?？萍紕?chuàng)新績效，為高校改進(jìn)和創(chuàng)新提供依據(jù)。研究意義文獻(xiàn)綜述02高?？萍紕?chuàng)新績效研究綜述要點三高?？萍紕?chuàng)新績效的內(nèi)涵高校科技創(chuàng)新績效是指高校在科技創(chuàng)新活動中的表現(xiàn)和成果，包括科研成果、人才培養(yǎng)、技術(shù)轉(zhuǎn)化等方面。要點一要點二高校科技創(chuàng)新績效的評價方法目前，針對高?？萍紕?chuàng)新績效的評價方法主要包括文獻(xiàn)計量、專利分析、創(chuàng)新競賽、專家評價等。其中，文獻(xiàn)計量和專利分析方法較為常見，但難以全面反映高校的科技創(chuàng)新績效。高校科技創(chuàng)新績效的影響因素高?？萍紕?chuàng)新績效受到多方面因素的影響，包括政策環(huán)境、科研團(tuán)隊、科研設(shè)施、產(chǎn)學(xué)研合作等。要點三DEA模型的基本原理DEA（DataEnvelopmentAnalysis）模型是一種非參數(shù)方法，用于評價相對效率或生產(chǎn)率。該模型通過構(gòu)建生產(chǎn)前沿面，評價決策單元（DMU）的相對效率或生產(chǎn)率。Tobit模型的基本原理Tobit模型是一種回歸模型，用于解決受限因變量的問題。在科技創(chuàng)新績效評價中，由于部分指標(biāo)可能存在受限情況，如專利申請數(shù)量、科技成果轉(zhuǎn)化率等，因此需要使用Tobit模型進(jìn)行回歸分析。DEA-Tobit模型在科技創(chuàng)新績效評價中…DEA-Tobit模型將DEA和Tobit模型相結(jié)合，用于評價高校的科技創(chuàng)新績效及其影響因素。該模型首先使用DEA模型計算相對效率或生產(chǎn)率，然后使用Tobit模型對受限因變量進(jìn)行回歸分析，以探討其影響因素。DEA-Tobit模型研究綜述研究方法和數(shù)據(jù)03研究方法DEA-Tobit模型采用數(shù)據(jù)包絡(luò)分析（DEA）和Tobit模型相結(jié)合的方法，對高?？萍紕?chuàng)新績效及其影響因素進(jìn)行研究。投入和產(chǎn)出在DEA模型中，以高?？萍蓟顒拥耐度牒彤a(chǎn)出作為研究對象，對各高校的效率值進(jìn)行計算。Tobit模型在DEA分析的基礎(chǔ)上，利用Tobit模型對影響高?？萍紕?chuàng)新績效的因素進(jìn)行分析。010203VS從國家科技部、教育部等官方網(wǎng)站，以及CNKI、WanFangData等數(shù)據(jù)庫獲取相關(guān)數(shù)據(jù)。數(shù)據(jù)預(yù)處理對獲取的數(shù)據(jù)進(jìn)行清洗、整理，以保證數(shù)據(jù)的準(zhǔn)確性和完整性。具體包括數(shù)據(jù)篩選、缺失值處理、異常值處理、數(shù)據(jù)標(biāo)準(zhǔn)化等步驟。數(shù)據(jù)來源數(shù)據(jù)來源和預(yù)處理高校科技創(chuàng)新績效評價04利用線性規(guī)劃方法，評價多個輸入和輸出指標(biāo)下的效率，適用于高?？萍紕?chuàng)新績效評價。數(shù)據(jù)包絡(luò)分析(DEA)在DEA基礎(chǔ)上，進(jìn)一步考慮了樣本選擇偏誤和截尾數(shù)據(jù)的問題，能更準(zhǔn)確地反映績效水平。Tobit模型非期望產(chǎn)出的DEA模型，考慮了環(huán)境污染等非期望產(chǎn)出的影響，適用于高?？萍紕?chuàng)新績效評價。SBM模型高校科技創(chuàng)新績效評價方法樣本選取選擇我國某地區(qū)高校作為樣本，收集相關(guān)數(shù)據(jù)，包括科研人員、科研經(jīng)費(fèi)、科研項目數(shù)等。數(shù)據(jù)處理利用DEA-Tobit模型，對高校科技創(chuàng)新績效進(jìn)行評價，并分析影響因素。結(jié)果分析根據(jù)評價結(jié)果，分析該地區(qū)高校的科技創(chuàng)新績效水平及影響因素，提出改進(jìn)建議。實證分析基于DEA-Tobit模型的高校科技創(chuàng)新影響因素分析05投入變量高?？萍紕?chuàng)新的投入包括人力、物力、財力等多個方面，其中最具代表性的為科研人員數(shù)量、科研經(jīng)費(fèi)投入和科研設(shè)施等。產(chǎn)出變量高?？萍紕?chuàng)新的產(chǎn)出則包括科研成果、知識產(chǎn)權(quán)、學(xué)術(shù)影響力等多個方面，其中最具代表性的為論文發(fā)表數(shù)量、專利申請數(shù)量和科研項目數(shù)量等。DEA模型DEA（DataEnvelopmentAnalysis）模型是一種非參數(shù)方法，用于評估決策單元（DMU）的相對效率Tobit模型Tobit模型是一種回歸模型，用于分析受限因變量的問題。在高?？萍紕?chuàng)新影響因素分析中，Tobit模型可以用于分析各種因素對高校科技創(chuàng)新績效的影響。變量選取和模型構(gòu)建01020304本研究選取教育部直屬的72所高校作為研究對象，收集了這些高校2010-2015年的相關(guān)數(shù)據(jù)。實證分析首先，利用DEA模型計算出各高校的相對效率值；然后，利用Tobit模型分析各種因素對高?？萍紕?chuàng)新績效的影響。通過實證分析，發(fā)現(xiàn)高?？萍紕?chuàng)新績效主要受到科研人員數(shù)量、科研經(jīng)費(fèi)投入、科研設(shè)施、學(xué)科類型、市場需求等因素的影響。其中，科研人員數(shù)量和科研經(jīng)費(fèi)投入對高?？萍紕?chuàng)新績效有顯著的正向影響，而科研設(shè)施和學(xué)科類型對高?？萍紕?chuàng)新績效的影響則因不同類型的高校而異數(shù)據(jù)來源數(shù)據(jù)分析結(jié)果解釋研究結(jié)論和建議061研究結(jié)論23高?？萍紕?chuàng)新績效綜合得分整體呈上升趨勢，但各高校之間存在差距。高?？萍紕?chuàng)新績效得分較高的高校在科研投入、科研產(chǎn)出和科研轉(zhuǎn)化方面表現(xiàn)較好。高?？萍紕?chuàng)新績效與高?？蒲腥藛T數(shù)量、科研經(jīng)費(fèi)投入、科研平臺建設(shè)等因素密切相關(guān)。研究不足與展望未考慮高?？萍紕?chuàng)新績效的區(qū)域差異和學(xué)科差異，需要進(jìn)一步細(xì)化研究。需要進(jìn)一步探討高校科技創(chuàng)新績效的影響因素及其作用機(jī)制，為提高高?？萍紕?chuàng)新能力和水平提供更準(zhǔn)確的政策建議。研究樣本數(shù)量較少，可能影響結(jié)果的普遍性。參考文獻(xiàn)07[1]張云，王曉紅，許亮.基于DEA-Tobit模型的高?？萍紕?chuàng)新績效評價及影響因素研究[J].科研管理，2021,42(12):635-644.[2]王曉紅，張云，李敏.基于DEA-Tobit模型的高校