高技术产业技术进步的DEA分析.docx

高技术产业技术进步的DEA分析
随着全球技术的不断进步，高技术产业也不断发展，技术成为高技术产业最关键的竞争力。在这样一个背景下，如何评估高技术产业的技术进步成为了一个热点话题。本文将基于数据包络分析（DEA）的方法，探讨如何评估高技术产业的技术进步。
一、数据包络分析（DEA）简介
数据包络分析（DataEnvelopmentAnalysis,DEA）是一种非参数的线性规划算法，用于评估多输入、多输出的效率表现。DEA由Charnes等人于1978年所提出，旨在用单一的衡量标准度量评估单位的相对效率。其基本思想是确定一组输入因素和一组输出因素，通过构建一个包络曲线对一个单位的效率进行衡量。
DEA主要有两个阶段，即建立效率模型和评价优化。在建立效率模型时，需要确定输入和输出指标、选择模型和确定权重；在评价优化阶段，需要求解最优解并对有效单位进行排序。
二、高技术产业DEA模型的建立
确定输入和输出指标：高技术产业的输入指标通常包括研发投入、人员成本、资本成本等；输出指标则包括技术成果、专利申请量、研发效益等。根据实际情况确定各项指标。
选择模型和确定权重：选择合适的DEA模型是建立高技术产业评估模型的关键。根据高技术产业的特点，建议采用BCC模型，该模型能够克服CCR模型中的局限性，并提高模型的敏感性。在确定权重时，可以采用PCA等方法进行降维，提高模型效率。
三、高技术产业DEA模型的求解和评价优化
通过已确定的输入和输出指标，建立BCC模型，并采用相应的软件求解。求解后得到每个评价单位的相对效率，可以根据效率值进行排序，确定效率高低，并排除低效单位。
四、高技术产业DEA模型的应用
通过DEA模型，可以对高技术产业的技术进步进行评估和分析，了解各个产业的技术水平和技术进步程度，并确定技术进步的潜力和方向。同时，DEA模型还可以作为高技术产业的优化工具，提高效率和竞争力。
五、结论
基于DEA方法，可以更为准确地评估高技术产业的技术进步程度，为高技术产业的可持续发展和优化提供决策依据。同时，在高技术产业技术进步的实践中，我们还需要从政策上积极引导和支持，加强高技术产业的人才培养、技术创新等方面的建设，推动高技术产业实现高质量发展。