事业类生产力促进中心绩效评价实证研究——基于灰色定权及聚类分析方法

薛 强，赵 静

[中华人民共和国科学技术部，北京 100862]

截至2011年底，全国生产力促进中心的总数已达2274家，其中事业类中心占总数的51.48%。[1]事业类中心已经成为生产力促进中心的重要组成部分，其发展绩效的评价已经成为研究生产力促进中心发展实际的主要内容之一。

一、概述

我国生产力促进中心的建设和发展大致经历了四个阶段，在此期间，事业类中心一直发挥着重要作用。从起步阶段的建设主体到探索开展面向农业、农村、农民的特色服务；从拓宽公共服务的领域、尝试工业分包等新型服务业态；到开拓面向产业集群的科技服务业新业务。形成了一些典型的服务案例，为生产力促进中心事业的发展做出了重要贡献。从境外同类机构的发展情况看，香港生产力促进局、欧盟的中小企业网络等机构具有类似的性质和功能，其机构运作模式为研究事业类中心的发展模式和评价方法提供了有益的经验借鉴。

作为生产力促进中心的主管部门，中华人民共和国科技部从2003年起组织开展了国家级示范生产力促进中心的年度绩效评价；从2007年起，结合体系建设重点省行动的推进，按照企业类和事业类示范中心同一指标、分别评价的方式进行；2011年开始，重新设计了企业类和事业类不同的评价指标，分别进行绩效评价。在国内其他同类机构的评价过程中，科技部也建立了国家大学科技园、科技企业孵化器、技术转移示范机构等领域的绩效评价指标体系和评价机制，初步建立了科技中介机构的评价系统，积累了一定的实践经验。

鉴于现阶段事业单位运行的实际特点，本文的评价主要基于灰色系统理论。该理论是由我国学者邓聚龙于1982年提出的，其研究和应用非常广泛。近年来，灰色系统理论在科技创新方面的研究和应用案例较多，如，李兴宽构建了针对创新型企业的灰色评价权矩阵，并对云南的企业进行了经济绩效、技术绩效和社会环境绩效的评价；[2](P49-53)温平川等人设计了区域电信业的评价指标体系，采用GM(1,1)模型评测了八个省市的电信业竞争力；[3](P46-49)冯锋等人基于已有模型进行优化，运用灰色聚类方法分析了我国区域技术梯度；[4](P53-56)刘宁晖等综合应用灰色理论，给出了科技企业孵化器绩效评价的简化方法并对南京市的部分孵化器进行了实证分析。[5](P50-52)

本文在现有的事业类国家级示范中心绩效评价的基础上，针对定量与定性指标选择、权重赋值、定性评价方法创新等方面进行探索，运用德尔菲法组织专家评定，依托灰色系统理论进行定量和定性相结合的评价，以此分析事业类示范中心的共性特征和发展规律。同时，根据科技部公布的绩效评价结果，选择部分评价结论较好的示范中心进行实证分析，并结合中心的实际运行情况，形成具体判断和工作建议。

二、评价指标和方法

此次评价的重点是事业类示范中心，基于现有评价体系中的定量指标进行筛选，并提出了新的定性指标。在评价方法的确定上，考虑到评价指标的实际情况，选择了基于中心点的定权聚类分析方法，并将评价结论分为优秀、良好、一般、较差、很差五类，以此对应灰类的1至5。

(一)指标及定权

考虑到事业单位业务内容兼具公益性和市场性的特点，本文在指标选择的原则上主要依据定量与定性指标相结合的方式。其中，定量指标以现行国家级示范生产力促进中心绩效评价中的事业单位评价的定量指标为基础，进行了适当收缩，选择了5项作为评价指标；在定性指标选择时，由于现行的评价指标体系更多侧重于全行业覆盖以及可操作性，指标数量有限，因此重新选取了新的定性指标，主要考虑评价国家级示范中心的示范、带动、辐射、团队建设等方面的实际情况，据此确定了5项指标。通过运用德尔菲法，邀请本领域的9位专家对指标权重进行赋值，以此确定各项指标的权重。

表1 指标权重

(二)定量指标的白化函数

根据2011年度国家级示范生产力促进中心上报的数据，由专家组研究确定五个档次的中心值(即该值可以最优的表示其对应的档次的特征)，以此作为每个灰类的中心点，如表2所示。

表2 定量指标的中心点

按照中心点聚类分析的方法，分别取当年所有中心的最大值和最小值近似整数为其向下和向上的延伸值，并形成新的中心点序列，如表3所示。

表3 定量指标的新序列

据此，分别构造出每个定量指标的白化函数。受篇幅所限，此处仅列出职工人均资产的白化函数。

(三)定性指标的白化函数

定性指标由专家组按照五个档次评分，其每个档次的中心值如表4所示。

表4 定性指标的中心点

由于专家评分只能在0.0至10.0的区间内赋值，因此，其向上和向下的延伸值分别取最高分和最低分。

表5 定性指标的中心点

因为专家对定性指标的评价都是按照上述过程进行的，所以其白化函数相同，如下所示。

三、评价过程

(一)评价对象

考虑到可比性，选择了不同地区、主营业务相近、同一层级(省级)的11家事业类示范中心进行评价，以序号代替中心名称。定量指标的原始数据均可以通过国家级示范中心的年度绩效考核获取，本文选择了2011年的数据进行计算和分析。

表6 定量指标观测值

(二)定量指标评价

定量指标的财务数据(前4项)来自示范中心的统计上报，此类数据经过注册会计师事务所审计，且审计结果为无保留意见，因此其准确性和真实性相对较高；定量指标的统计数据(第5项)由示范中心上报省级科技部门审核后汇总提交，并有相关的证明材料(职称证书复印件等)。

(三)定性指标评价

定性指标的观测值来自于专家的评分，共邀请了6位专家独立评分，并逐项计算平均值。如，中心1在“骨干作用”的评价得分为专家打分的算术平均值。以此类推，分别获得11家中心的定性指标得分。

表7 定性指标观测值

(四)聚类分析

分别计算每家中心关于灰类k(k=1,2,3,4,5)的综合聚类系数。

计算结果如表8所示。

表8 聚类分析汇总表

四、分析判断

根据以上评价数据及科技部高新技术发展及产业化司公布的年度绩效评价结果，[6]运用聚类分析方法评价事业性质的生产力促进中心反映出如下特点。

(一)评价结论与发展实际基本吻合

从11家参评中心的总体情况看，1家中心列入灰类1,6家中心列入灰类2,4家中心归入灰类3。综合同期官方公布的评价结果，灰类的分布反映了参评中心在国家级示范中心的相对位置。从单个中心的结果看，唯一列入灰类1的中心9,其σ1的值为0.290，σ2的值为0.261，表明了该中心的绩效评价结果处于优秀与良好之间，且更偏于优秀，而官方数据也验证了这一结论，(中心9是少数几个连续五年评价为A 的示范中心)；而中心11的σ3为0.579，基本体现了实际工作中这家地处西部地区的省级示范中心的发展现状。但严格比较情况下，中心7的聚类为3(其官方结果为A)，中心8的σ2值小于中心10(中心8的历年官评结果均好于10)，因而评价结果的细节处仍有推敲的空间。

(二)定性指标量化尝试及其影响

就评价方法而言，定性指标弥补了定量指标局限于数值比较的欠缺，提供了“主观”努力的评价反映，但其难点是如何用准确的数值来刻度相对模糊的描述，本文之所以选择事业单位性质的中心来探索定性指标量化方法，很重要的原因就是这类中心具有高度的共性评价基础，比较容易形成主观判断的共识标准，如确定定性指标权重时，专家组内部的意见差别较小，德尔菲法的轮数很少。但是，由于定性指标的表述差异性，即使专家的理解驱动，可在赋值时仍存在掌握尺度宽严相异的问题，如，对“优”的判断，8.5分是起评分，还是中位分，都会对最终评价结果造成影响。另外，量化过程具体分为几个区间(本文是5个)，赋值保留几位小数等，也都是产生扰动的因素。

(三)公益性与市场性双重因子的测评难点

由于事业类示范中心的自身属性特点，本文在评价指标筛选时，重点考量了公益性和市场性的影响因子。从公益性角度看，侧重评价吸引“投入”的能力，即各级政府对中心的投入及其物化形态，如政府投入，总资产，服务条件等，反映出政府购买公共服务的特征。从市场性角度看，侧重评价实现“产业”的能力，即运用已有资源实现服务效益最大化的结果，如收入、行业地位、业务开拓等，表现出中心在科技服务领域的影响力。但是，因为事业单位，特别是全额拨款事业单位的财务管理采取“收支两条线”的方式，所以其服务成效的“产业”收益无法直接顺畅地转化为“投入”，减弱了市场性影响因子的评价作用；而“投入”类指标又受到财政支出安排的影响，很难客观表达公益服务的全部价值。

(四)白化函数存在修正的空间

灰色理论及其聚类分析的方法已经过多年的实践验证，但针对特定评价目标时，构建评价模型及其数字表达方式仍会因人而异。就本文而言，白化函数的选定过程尚有改进的可能。一是中心点选择。中心值的偏移和相邻中心值的距离，都能直接影响聚类的结果，定量指标中各参评中心点数值存在较大差别时，可能影响中心点的确定。二是外沿点选择。因构建白化函数的需要，外沿点是根据经验判定，还是依据理想值或者参评的最大值，都会影响函数的形状，从而产生不同的结果；三是函数的线性表达。从现有表述式的理解，中心应是越靠近中间点时聚类值越高，但实际评价中应是聚类值越大越好，如定性指标为10分应好于9.5分，因此是否能够改进线性表达方式(如曲线表达)值得进一步探讨。

五、小结

定性指标与定量指标相结合的评价方式，对更为全面地衡量示范中心的发展水平具有一定的意义，特别是灰色系统理论在定性指标量化过程中发挥了有效的作用，为深入探索科技中介机构评价奠定了基础。

从评价方法的针对性看，本文构建的评价指标和白化函数，初步反映了参评对象的特点。一是针对事业单位公益性与市场性的双重特征，从指标体系构成上进行了设置，兼顾其财务管理、运行机制等方面的实际，而且权重赋值时也考量了专家对事业单位的熟悉程度。二是针对中介机构的服务化特征，侧重突出现代服务业对人才、商业模式等要素的依赖，选取了相应的评价内容。三是针对定量与定性结合方式的等创新，从权重的选择上兼顾两者对事业类示范中心的影响，探索可行的评价模型。

从评价结果的有效性看，结合评价的聚类分布和专家组对参评中心的主观评价以及官方公布的排序，可以初步检验本文评价函数的效果。一是与实际情况的差异程度基本可控，相对准确地反映了参评中心的客观水平，总体呈现高度趋同的特点。 二是探索了大规模推广应用的可行性，在定量评价中，推广难度主要是白化函数外沿值的选择上。在定性评价中，专家组的逐一打分相对较难完成，但可考虑通过减少打分层级和精确度进行探索。三是拓展到其他科技中介机构评价的可能性，由于本文选择的是事业类中心，因为对其他事业单位性质的科技中介机构(如创业服务中心，技术转移机构，情报所等)具有较好的适配性，但是个别指标可能需要适当调整，但在企业类机构的评价上需要重新设计评价方法。

从评价工作的实践性看，与现实官方评价方法和文献中的实证研究相比，本文的方法对实践具有一定的积极作用。一方面，可以优化现有的评价工具，改变单纯的数量比较方式，增加中位数对聚类判别的环节，完善评价过程，同时应重点研究定性指标在大样本量条件下的有效量化方法。另一方面，由于本文的结论与官方相比仍有少量出入，应加强比较分析，研究产生差异的根本原因，排除主观判别的干扰因素后，梳理出真正的影响因子，进而反映出对示范中的发展的指导作用，因此发挥评价促进实际工作的作用。

参考文献：

[1]中华人民共和国科学技术部高新技术发展及产业化司.中国生产力促进中心发展报告(2002-2012)[M].北京:机械工业出版社:4-12

[2]李兴宽.基于灰色系统理论的创新型企业评价模型及应用[J].科技管理研究，2012(19).

[3]温平川,罗显波.基于灰色系统理论的我国不同区域电信业竞争力评价研究[J].科技管理研究，2012(4).

[4]冯锋,张淼,周琳慧.基于灰色系统理论的我国技术梯度研究[J].科技管理研究，2012(16).

[5]刘宁晖,王小敏.基于灰色系统理论的科技企业孵化器管理绩效评价[J].科学学与科学技术管理，2007(12).

[6]科学技术部办公厅.科技部办公厅关于公布国家级示范生产力促进中心2011年度绩效评价结果的通知[Z].2012.