基于DEA方法的江西省科技型中小企业技术创新基金绩效分析
基于DEA方法的科技型中小企业融资效率研究
基于DEA方法的科技型中小企业融资效率研究【摘要】现阶段,融资困难和融资效率低下是制约中小企业发展的主要瓶颈。
文章立足于研究科技型中小企业的融资效率问题,利用深圳中小企业板和香港创业板上市的科技型中小企业数据,运用DEA分析方法,研究结果表明:90%的企业融资效率既不能达到规模有效,又不能达到技术有效,融资效率总体呈低效状态。
【关键词】科技型中小企业; 融资效率; DEA方法中小企业是我国国民经济的重要组成部分,在推动国民经济发展、缓解就业压力、优化经济结构和促进社会稳定等方面,发挥了举足轻重的作用。
作为高新技术产业主力军的科技型中小企业,近年来取得了一定发展,但仍面临一些困难和问题,融资现状不容乐观、融资效率不高已成为了科技型中小企业发展的桎梏,解决好科技型中小企业的融资效率问题迫在眉睫。
基于此,本文将从融资成本和资金使用角度来探讨科技型中小企业的融资效率。
一、融资效率相关理论研究回顾西方经济学中阐述的效率主要有三层含义构成:一是指微观主体以投入和产出之比表示的效用,指的是成本与收益的对比关系;二是指经济主体在追求微观经济效率的同时是否带来了全社会资源的合理利用,资源的配置是否达到了帕累托效率;三是指现有制度安排对微观效率和配置效率的影响以及在此基础上对经济制度本身的效率评价。
对融资效率的研究,前期主要集中于理论研究,国内理论界对融资效率的定义有多种界定。
曾康霖(1993)在分析直接融资与间接融资两种融资方式时,首次使用了“融资效率”这个概念,并分析了影响融资效率和成本的七种因素。
宋文兵(1997)指出,融资方式作为一种制度安排,包括交易效率和配置效率。
前者是指该种融资以最低成本为投资者提供金融资源的能力。
后者是指其能将稀缺的资本分配给进行最优化“生产性”使用的投资者,相当于托宾提出的功能效率。
干胜道(2000)指出,融资效率的计算指标至少应该体现融资成本和资本使用效率的比较关系,以企业在融资过程中的综合资本成本作为投人,以企业的投资报酬率作为产出,并充分考虑融资结构的风险程度和债务资本的抵税效应来计算企业的融资效率。
基于DEA模型的基金资助效果评价研究
基于DEA模型的基金资助效果评价研究作者：达虎李唐艳李文艳后新莉杨凌来源：《现代信息科技》2023年第22期收稿日期：2022-11-08基金項目：甘肃省自然科学基金项目（21JR7RA754）；甘肃省软科学研究计划项目（20CX4ZA019、23JRZA354）；甘肃省委组织部陇原青年创新创业人才项目（2021LQGR08）DOI：10.19850/ki.2096-4706.2023.22.025摘要：以2018—2020年批复立项的甘肃省自然科学基金一般项目为例，在已完成结题验收的项目中每年度随机选取5个项目，共选择20个项目作为研究对象。
采用DEA模型对自然基金资助效果开展评价研究，重点分析基金资助效果的综合效率、纯技术效率和规模效率，同时分析自然基金资助项目成果及在实施经费“包干制”过程中存在的问题，并从多角度提出相应的对策。
关键词：DEA模型；自然基金；资助效果；包干制中图分类号：TP39；G301 文献标识码：A 文章编号：2096-4706（2023）22-0113-07Research on the Evaluation of Fund Funding Effectiveness Based on DEA Model —From the Perspective of“Overall Rationing System”of Scientific Research FundsDA Hu1， 2， LI Tangyan1， LI Wenyan1， HOU Xinli1， YANG Ling1（1.Gansu Computing Center， Lanzhou 730030， China; 2.Gansu Key Laboratory of Cloud Computing， Lanzhou 730030， China）Abstract： Taking the general projects of the Natural Science Foundation of Gansu Province approved from 2018 to 2020 as an example， 5 projects is randomly selected from the projects that have completed the final acceptance every year， and a total of 20 projects are selected as research objects. The DEA model is used to evaluate the effect of NSFC financing， focusing on the comprehensive efficiency， pure technical efficiency and scale efficiency of NSFC financing effect. At the same time， analyze the achievements of projects funded by the Natural Science Foundation and the problems in the implementation of the “Overall Rationing System” of funding， and propose corresponding countermeasures from multiple perspectives.Keywords： DEA model; Natural Science Fund; funding effect; Overall Rationing System0 引言过去科研项目经费的使用主要采用预算制，其要求在项目申报中将项目立项后经费使用情况制定一份详细的项目预算清单。
基于DEA的上市公司绩效评价研究毕业论文
基于DEA的上市公司绩效评价研究毕业论文毕业论文题目：基于DEA的新疆上市公司绩效评价研究目录引言 (1)1国内外研究现状综述 (1)1.1国外研究现状 (1)1.2国内研究现状 (2)2新疆上市公司绩效评价的方法基础 (3)2.1DEA的基本概念 (3)2.2DEA的两个模型--CCR模型和BCC模型 (3)2.2.1规模报酬不变的数据包络模型(CCR 模型) (3) 2.2.2 规模收益可变的数据包络模型(BCC 模型) (5)3指标体系的构建和数据预处理 (5)3.1DEA模型的评价步骤 (5)3.2选取指标体系 (5)3.2.1输入指标 (6)3.2.2输出指标 (6)3.3数据的处理 (6)3.4指标相关性分析 (7)4新疆上市公司绩效评析 (7)4.1横向比较分析——基于2012年的数据处理结果 (8) 4.1.1 有效 DMU 的确定和分析 (8)4.1.2 参考集合的评价意义 (8)4.1.3 投影分析 (9)4.2纵向比较分析 (9)4.2.1 效率变化情况 (9)4.2.2 投入冗余的变化 (10)4.2.3 产出不足的变化 (11)4.3研究结论 (11)4.3.1经营领城趋同，生产规模小，资源配置不合理，导致生产效率低 (11)4.3.2企业缺乏竞争意识和创新能力，导致产出不足 (12)4.3.3 经营管理水平有待改善 (12)4.3.4企业定位不明确 (12)5对策与建议 (13)5.1建立规范的企业制度，合理配置资源 (13)5.2寻求和创造新的市场 (13)5.3提高决策者的素质 (14)5.4扶持特色企业，使企业自身有明确定位 (14)结束语 (15)致谢 (15)参考文献 (16)附录 (17)摘要上市公司的绩效一直是证券投资者、证券分析人士、政府管理部门与公司员工共同关注的焦点，新疆上市公司的绩效在某种程度上是新疆地区经济发展的晴雨表，对其进行准确而客观地评价，既可以对企业的绩效水平进行量化，使企业能够意识到自身的不足和优势，引导其更好地发展，同时还可从一个侧面反映新疆经济的结构和发展状况，为新疆经济结构的战略调整提供一定的参考。
dea分析
DEA分析简介DEA（Data Envelopment Analysis）是一种衡量多要素效率的方法，常用于评估企业、组织或区域的综合效率。
其基本理念是在给定输入和输出指标下，通过比较不同单位的效率水平来确定最优生产前沿。
本文将介绍DEA分析的基本原理、应用领域以及实施步骤，并对其优点和局限性进行讨论。
基本原理DEA分析基于线性规划理论，将一个单位的输入指标和输出指标表示为一个多维向量。
假设有N个单位需要进行效率评估，每个单位的输入向量为x_i=(x_i1,x_i2, …, x_im)，输出向量为y_i=(y_i1, y_i2, …, y_in)，其中m和n分别表示输入和输出指标的数量。
DEA分析的目标是找到一个超平面，使得该超平面上的所有单位都处于最优状态。
这个超平面被称为Pareto最优生产前沿，表示了在给定输入量的情况下，可以达到的最大输出量。
通过比较每个单位和最优生产前沿的距离，可以确定单位的效率等级。
应用领域DEA分析在许多领域都有广泛的应用，包括经济学、管理学、运营研究等。
以下是一些常见领域的DEA应用示例：1.绩效评估：DEA可以用于评估企业、组织或区域的绩效水平，并确定相对高效的单位。
这对于政府、监管机构以及竞争者之间的比较和决策非常有价值。
2.效率改进：DEA可以帮助发现低效率的单位，并识别出改进效率的关键因素。
通过调整输入和输出比例，单位可以达到更高的效率水平。
3.投入产出分析：DEA可以用于评估单位的投入和产出关系，确定是否存在经济规模效应。
这对于决策者制定合理的资源配置和产出目标非常有帮助。
4.产业竞争力分析：DEA可以评估不同产业的竞争力水平，并确定影响竞争力的关键因素。
这有助于决策者了解产业发展的现状和潜在问题。
实施步骤进行DEA分析通常需要以下步骤：1.确定输入和输出指标：根据分析的目标和要求，确定需要考虑的输入和输出指标。
这些指标应该能够全面反映单位的生产过程和产出水平。
中小型乡镇企业绩效的DEA评价
中小型乡镇企业绩效的DEA评价摘要对中小型乡镇企业绩效评价的DEA模型(C2R)及应用进行了研究。
通过DEA有效性分析，对乡镇企业绩效进行效率衡量，并对非DEA有效的决策单元进行投影改进，找出更有效的投入产出量，一定程度上为企业的投入产出量提供了参考依据，也为企业提高效率提供了数据借鉴。
关键词乡镇企业综合评价 DEA C2R模型1 前言中小型企业的生产规模、投入资金等相对较少，为了合理地利用有限资源，使其最大限度地发挥作用，有必要对乡镇企业进行绩效评价。
目前，对企业绩效进行综合评价的方法很多，多元统计分析、模糊数学、灰色系统理论、多维标度分析及空间统计学等方法也被成功使用，并取得了一定的效果。
本文基于数据包络分析(Data Envelopment Analysis，简称DEA)给出乡镇企业绩效评价的一种方法。
数据包络分析(DEA)是由Charnes、Cooper在Farell测度基础上发展起来的一种评价决策单元(Decision Making Unit，DMU)相对绩效的非参数方法，它通过保持决策单元的输入或输出不变，借助数学规划将DMU投影到DEA前沿面上，并通过比较决策单元偏离DEA前沿面的程度来评价它们的相对有效性，是估计多输入与多输出及多目标决策类问题的有力工具。
此方法已广泛应用于交通运输、教育、军事、政府机构、能源、农业及高科技研发部门等各层面。
近年来，DEA应用于营利事业单位评估者亦有逐渐增多的趋势。
2 DEA评价模型企业绩效评价的DEA方法及特点将评价对象中小型乡镇企业视作DEA的DMU，对具有类似生产特征和管理属性的若干中小型乡镇企业进行绩效综合评价，通过其技术经济指标判断DMU是否对DEA有效，本质上是判断DMU是否位于生产可能集的前沿面上。
使用DEA对DMU进行绩效评价时，由于DEA方法对输入、输出指标有较大的包容性，可以接受那些在一般意义下很难定量的指标，因此，它在处理评价问题时比一般常规统计方法更有优越性。
基于DEA-Malmquist方法的江西省各设区市经济增长效率分析
作者： 杨美[1];杨飞虎[1]
作者机构： [1]江西财经大学,江西南昌330013
出版物刊名： 价格月刊
页码： 78-82页
年卷期： 2011年 第10期
主题词： DEA;Malmquist指数经济增长效率全要素生产率
摘要：采用非参数曼奎斯特生产率指数结合数据包络分析法（DEA--Malmquist），对江西省11个设区市的投入产出效率及全要素生产率增长构成（即效率变化和技术变化）进行分析，结果表明，1996g-~2009年江西省全要素生产率、技术水平呈现下降趋势。
技术效率呈现波动上升趋势，南昌、新余和鹰潭3市经济增长的投入产出最为有效，南昌、新余和宜春3市全要素生产率总体呈提高趋势。
我国科技成果转化绩效评价及相关问题研究——基于各省市数据的DEA分析
摘
要 ： 技 成 果转 化 是 建设 创 新 型 国 家的 重 要 任 务 。 在 构 建 科 技 成 果 转 化 绩 效 评 价 体 系的 基 础 上 ， 用 数 据 包 科 运
络分析法详细考量各地 区科技成果转化 的绩效 ， 对其技术 有效性及 规模 有效性 进行探 讨。研 究发现 ， 西部地 区科
规模报 酬 不 变 的假 设 有 时是 不 现 实 或 不 合 理 的， 为此 １８ ９４年 Ｂ ｎ ｅ ， ｈ ｍｅ ａ ｋ ｒ Ｃ ａ ｓ和 Ｃ ｏ ｅ ｏｐｒ在 Ｒ
技术 水平 、 营 管 理 水 平 、 经 职工 技 术 熟 练 程 度 和 劳
动 积极性 的综合 表现 ； “ 废 ” 理 率 （ ７ ， 映 ⑦ 三 处 ０ ）反
发 展 战 略 研 究 院 助 理 研 究 员 ， 究 方 向 ： 技 财 税 、 技 金 融政 策 。 研 科 科 １
第２ ４卷
总 第 １ ０ 期 ４
２１ ０ １年 ４月
第 ２期
在科 技成 果转化 绩效 的评估 指标上 选择 了 ５个一 级 指标 ，１个二级 指标 ， １ 见表 １ 。表 １ 出 的各 项指 标 列
的技术创新 活动 ； Ｒ Ｄ人员 （３ ， 明一 个地 区 的 ③ ＆ Ｉ） 表 技术 创 新 能 力 的 活 跃 程 度 ； Ｒ Ｄ人 员 投 入 强 度 ④ ＆ （４ ， 映一个地 区技术创新核心能力 的水 平 。 Ｉ） 反 科技 成果转 化输 出指 标 的含 义 为 ： 三 种专 利 ① 授权 量 （ １ ， 专 利 申请 量 相 比， 较 能反 映 一 个 Ｏ ）与 它
Ｄ Ｕ） Ｍ 问的相 对有效 性 （ 为 Ｄ Ａ有 效 ） 根据 对 各 称 Ｅ ， Ｄ ＭＵ观察 的数据 判断 Ｄ ＭＵ是 否为 Ｄ Ａ有效 。 Ｅ
基于主成分分析和DEA的企业技术创新能力评价
企业
1 2 3 4 5 6 7 8 9 10 11 12 13
F1 1.131529 0.537208
1.7502 0.453936 0.401531 3.504192 1.762107 0.33696 0.391782 0.381029 1.170686 2.447434 0.48188
输出指标 F2
目前对企业技术创新能力进行评价的方法和工具已经有很多。 单红梅运用模糊数学中综合判断方法，对企业技术创新绩效进行整 体的分析和综合评判，并运用“最大隶属度”原则，评价出企业技 术创新绩效的优劣；杨智勇，覃锋提出了企业技术创新能力评价的 因果关系模型，利用结构方程模型对评价指标间的因果关系进行了 建模和求解；曹萍，陈福集针对评价指标间存在反馈的特点，应用 网络层次分析法（ANP）对企业的技术创新能力进行了评价；王丹 针对传统企业技术创新能力评价方法的局限性，提出一种基于DEA 和熵值法的企业技术创新能力评价模型。
产品创新率
新产品种类/全部产品总额
四、实证分析
我们对湖南省13家科技型生产性企业进行调查，得到了这些样
本企业的各项指标数据，限于篇幅，本文不列出原始数据。由于主
成分分析要求指标无量纲化，因此，首先对原始数据进行无量纲化
处理，具体处理方法如下：
其中 为 的平均值， 为 的方差。本文所讨论的企业技 术创新能力指标体系，投入和产出指标都为正向指标。
以上的这些评价方法或模型一般存在着指标难以量化或者数据 不以获取的局限性，本文将主成分分析和数据包络分析两种方法引 入到企业技术创新能力的评价中，简化了指标体系，首先选取技术 创新能力投入产出指标，然后用主成分分析法提取出影响技术创新 能力的主要因子，最后运用DEA方法进行得分计算和排序。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
2013年第2期科技管理研究Science and Technology Management Research2013No.2收稿日期：2012－04－21，修回日期：2012－07－10基金项目：江西省科技厅软科学研究计划项目“江西省创新基金对科技型中小企业发展的作用机制研究”（2010DRB02400）doi ：10.3969/j.issn.1000－7695.2013.02.012基于DEA 方法的江西省科技型中小企业技术创新基金绩效分析顾丽琴，梅烨丹(华东交通大学经济管理学院，江西南昌330013)摘要：DEA 模型是用以评价具有输入和输出决策单元相对有效性的常用方法，将其引入对江西省科技型中小企业技术创新基金的绩效评价中，通过对2005 2009年江西省创新基金验收项目数据的分析，考察江西省创新基金行业间投入产出的相对效率现状。
结果表明优化江西省科技型中小企业产业结构，调整项目投入规模，提高项目投入产出效率仍是江西省需要努力的目标。
关键词：DEA ;创新基金;绩效评价中图分类号：G301；F272.5文献标识码：A 文章编号：1000－7695（2013）02－0045－04Analysis on Jiangxi Province SME TechnologyInnovation Fund Performance Based on DEA MethodGU Liqin ，MEI Yedan（School of Economics and Management ，East China Jiaotong University ，Jiangxi 330013，China ）Abstract ：The DEA model is a common method to evaluate the relative validity of input and output decision －making．The article introduces it to Jiangxi province SME technology innovation fund performance evaluation．Through the analysis of Jiangxi province innovation fund projects data from 2005to 2009，the paper investigates the relative input and output effi-ciency of Jiangxi province industry innovation fund．The results show that the optimization of Jiangxi province SMEs indus-trial structure ，the adjustment of project investment scale and the improvement of project efficiency of input and output are still the targets Jiangxi province needs to struggle for．Key words ：DEA ；innovation fund ；performance evaluation1问题的提出及文献回顾近年来我国社会经济的发展表明，中小企业在数量上和质量上，都已经成为国民经济的重要组成部分，是国家经济发展新的重要增长点。
但多数中小企业特别是科技型中小企业又要面临融资、管理等发展瓶颈问题。
因此，结合中小企业发展的特点和我国资本市场的现状，国务院于1999年批准设立科技型中小企业技术创新基金（以下简称“创新基金”）这一政府专项资金。
创新基金通过拨款资助、贷款贴息和资本金投入等方式扶持和引导科技型中小企业的技术创新活动［1］。
江西省于2000年率先在全国设立了省级科技型中小企业技术创新基金，主要用于江西省国家创新基金项目的匹配资助及为国家创新基金申报培育项目源；并成立了省级创新基金管理中心，主要工作是对省创新基金进行专项管理［2］。
十多年来创新基金发展日臻成熟，在“十一五”期间被纳入国家科技计划体系且较好的配合了其他重大科技计划的实施和国家科技战略的制定。
皆知创新基金于科技型中小企业是雪中送炭，但如何具体的对创新基金的绩效（本文对成效、效果、效益不做区分，统称为绩效）做出评价以利于其“四两拨千斤”作用的发挥，需要科学的绩效评价技术，要用事实说话，要让数字为证。
从文献库中检索出单与创新基金绩效评价相关的文献大致可以归结为以下三类。
一类是集中在对创新基金具体项目评价的指标体系构建和评价方法选择的研究上，如刘立立等［3］，王仰东［4］，罗宜美等［5］。
这些文章中大都认为评价指标的构建要与时俱进，评价手段上也该综合利用数学、管理学、运筹学、统计学、系统科学等领域中有关绩效评价的方法；第二类文献大多有研究课题作为支撑或者是政府相关部门定期已调查问卷的形式对创新基金编制的报告。
这些文献从总体的角度而不是某个项目，以较为详尽的数据展示创新基金财务、区域、行业、满意度、立项情况、验收情况等；第三类文献以更为深刻的理顾丽琴等：基于DEA 方法的江西省科技型中小企业技术创新基金绩效分析论从创新基金作为政府科技计划角度来思考绩效评价深层次的问题，如岳宝宏等［6］。
如何通过发展中小企业特别是科技型中小企业，促进江西省经济的跨越式发展，创新基金的下达是天赐良机。
创新基金是稀缺的，各省之间的竞争又异常激烈，如何使有限的资金发挥最大的效益，首先要对现有资金的使用情况作出一个鉴定，才能清晰的制定“节能减排”方案。
数据包络分析方法（Data Envelopment Analysis ，简称DEA ）是对投入产出效率问题做出评价的理想方法。
其在理论上的可行性和应用中有效性本文不再赘述。
基于对DEA 方法认识，本文试图凭借江西省创新基金2005 2009五年的相关数据，对江西省创新基金五年来主要行业投入产出效率的“有效性”或者“无效性”做出鉴别和分析。
2DEA 评价模型概述DEA 是美国运筹学家A.Charnes 和W.W.Cooper 等学者［7］于1978年提出的，其本质是基于“相对效率评价”概念发展起来的一种系统分析方法。
提起DEA 方法不可不说C 2R 模型，事实上先有C 2R 模型，而后人们才把具有类似功能的模型统称为DEA方法。
C 2R 模型最为经典，本文将对其加以发挥。
DEA 方法假设有n 个DMU ，每个决策单元都有m 种输入和p 种输出。
在模型中第i 个决策单元DMUi 的输入表示为x i =（x 1i ，x 2i ，…，x mi ）T ，i =1，2，3…n ，输出表示为y i =（y 1i ，y 2i ，…，y mi ）T ，i =1，2，3…n ，权重表示为v =（v 1，v 2，…，v m ）T ，u =（u 1，u 2，…，u i ）T 。
并且x si ≥0，y ti ≥0，其中s =1，2，…，m ；t =1，2，…，p ；i =1，2，3…n 。
C 2R 模型有分式规划和由分式规划经过Char-nes —Cooper 变换而得的线性规划两种形式。
为计算方便，实际应用的C 2R 模型带有非阿基米德无穷小以及松弛变量的对偶线性规划模型（如公式1）。
λ≥0，j =1，2，…，n ，s －为松弛变量，s +为剩余变量。
ε为非阿基米德无穷小量（比任何大于零的量都要小的量）。
e ^和e 分别是分量为1的m 维、s 维列向量。
对于计算结果λ0，s －0，s +0，θ0，有如下的规定：（1）若θ0＜1，则DMU jo 不为DEA 有效，其经济含义就是经济结构不合理，需要调整；（2）若θ0=1，e ^T s －+e T s +＞0，则DMU jo 仅为弱DEA 有效，其经济含义就是在n 个决策单元组成的经济系统中对于投入x o 可以减少s －0而保持原产出不变，或在投入x o 不变的情况下可将产出提高s +0；（3）若θ0=1，=0，e ^T s －+e T s +=0则DMU jo 为DEA 有效，其经济含义就是在n 个决策单元组成的经济系统中，在原投入x o 的基础上获得的产出y o 已达到最优。
3绩效评价指标选取及数据处理3.1评价指标选取按照DEA 的一般步骤，首先要明确问题和确定评价目标，此前文已述。
接下来就要构建指标体系和抽取样本（整体数量较大时）即选择DMU 。
本文是对江西省创新基金投入产出效率的评价，评价指标必然要反映项目的投入和产出情况。
基于对指标构建相关文献［8－10］的总结，以及数据的可得性，完整性，全面性及DEA 分析方法对数据的要求，通过统计软件SPSS18.0因子分析的检验，最后选取企业项目研发投入资金（万元）X1，创新基金投入量（万元）X2和资本市场资金（万元）X3为输入指标，项目验收时新产品产生的销售收入（万元）Y1，缴税（万元）Y2，净利润（万元）Y3，因项目实施新增就业人数（人）Y4为输出指标。
3.2样本数据处理选择DMU 的过程也就是确定参考集的过程。
1999 2009年十年内江西省共完成项目验收222项，合格项目190项，基本合格18项，不合格14项［2］。
由于相关部门统计工作上的原因，在222个验收项目中，剔除一些数据缺失的项目，文中可作为样本项目数为157项。
这157项项目涵盖了①光机电23项，②生物医药50项，③新材料58项和④电子信息26项这四大创新基金支持的主要行业。
本文将江西省创新基金验收项目先在时间上按照2005 2009年逐年排列，然后在行业上按照上述排列的顺序并将所有属于同一行业各指标下的数值汇总，整理后的157项验收项目分成20个DMU ij ，i 表示年份，i =1，2，3，4，5；j 表示行业，j =1，2，3，4分别对应上述的四个行业，如DMU 11代表2005年光机电。
4评价结果分析4.1评价结果通过DEAP2.1软件对C2R 模型进行求解，总体结果整理成表1、表2。
C 2R 模型计算结果主要包括综合效率，纯技术效率，规模效率，规模报酬或者规模效益，非DEA 有效单元的投影。
64顾丽琴等：基于DEA方法的江西省科技型中小企业技术创新基金绩效分析表1江西省创新基金项目投入产出原始数据及效率评价结果评价单元投入指标产出指标X1X2X3YI Y2Y3Y4综合效率规模效率规模收益DMU11709.7100.01700.05187.6497.4785.526811不变DMU123915.6417.4740.030428.72569.72295.220911不变DMU131499.9176.528.04959.4569.9711.616011不变DMU14229.252.80.0628.0167.727.31311不变DMU21781.069.0600.04775.0786.0712.012611不变DMU222959.1328.3600.05128.8928.4588.42040.5810.936递减DMU237712.2733.94012.619167.03741.82760.04120.5690.613递减DMU241306.8216.00.02509.9613.7236.810111不变DMU315898.6535.03437.523819.92167.42308.189211不变DMU325071.6663.01087.020878.73638.61311.855511不变DMU335940.0914.0835.523342.01677.41556.04200.7660.766递减DMU349818.3315.05313.58417.62183.0637.3106911不变DMU411910.1273.077.05039.1302.3382.222711不变DMU429241.51099.02593.522168.94090.91589.66820.630.63递减DMU4312062.01151.64806.147998.25940.34435.77940.6590.659递减DMU443377.6483.0166.59339.71434.3657.82280.8120.812递减DMU511264.0175.01049.05291.0656.4390.71380.6530.989递减DMU523776.4453.01068.17938.01320.6692.73090.6350.949递减DMU533176.0296.0427.012293.81197.11282.531311不变DMU54893.2256.077.01074.0160.5156.1520.5030.966递增表1中第一列是江西省创新基金项目按时间和行业分成的20个被评价单元，第二至第七列投入和产出指标的原始数据，第八至第十列是经过C2R计算的结果。