基于DEA的农业高校科研绩效评价研究——以A农业大学为例的综述报告.docx

基于DEA的农业高校科研绩效评价研究——以A农业大学为例的综述报告
随着农业现代化的推进和科技的发展，农业高校的科研工作显得越发重要。如何对农业高校的科研绩效进行科学评价并提高其绩效已成为当今研究的关键问题之一。本文以A农业大学为例，基于数据包络分析方法（DEA），对农业高校的科研绩效评价进行了研究，以下为综述报告。
一、研究背景
随着农业高校的不断增多，评价农业高校的科研绩效越来越具有现实意义。在现有评价方法中，DEA（数据包络分析）方法由于其评价结果不受主观因素的影响，成为评价农业高校科研绩效的一种有效方法。
二、DEA方法常用模型
（1）CCR模型：CCR模型（Charnes-Cooper-Rhodesmodel）是一种基于线性规划的模型，采用最大化效率值（EfficientScore）来评价各项指标的绩效。
（2）BCC模型：BCC模型（Banker-Charnes-Coopermodel）是对CCR模型的改进，它能够考虑到因素不完全可控的情况下各项指标的实际绩效。
三、A农业大学科研绩效评价实证分析
根据A农业大学2014、2015年度的科研数据，将各项指标划分为投入指标和产出指标，具体如下：
（1）投入指标：科研支出、专职研究人员数、科研用房面积。
（2）产出指标：论文发表数量、专利申请数量、科研成果转化数量。
使用MATLAB软件中的DEA分析工具箱进行实证分析，选取CCR模型和BCC模型两种模型，得出结果如下：
（1）CCR模型
2014年度A农业大学的效率值为0.717，2015年度效率值为0.998。
（1）BCC模型
2014年度A农业大学的效率值为0.939，2015年度效率值为1.000。
通过以上结果可以看出，A农业大学2014年度的科研绩效较低，2015年度有了显著提升，但在BCC模型中，两年的绩效都表现较为优秀。
四、结论与启示
数据包络分析（DEA）方法是一种比较可靠的农业高校科研绩效评价方法，能够提高分析的客观性。通过以上实证分析，可以看出A农业大学的科研绩效在两年时间内有了很大提升，但还有很大的优化空间。未来可以从以下几方面提高科研绩效：一是提高投入效益，增加科研支出的质量和效益；二是提升科研团队的综合素质，提高论文、专利等科研成果质量；三是积极推进科研成果的转化，增加科研成果的社会效益。
总之，通过此次DEA方法在农业高校科研绩效评价方面的应用，为未来提高农业高校科研绩效提供了一定的指导意义。