摘要：在科技和采購(gòu)項(xiàng)目評(píng)審中，專家?guī)斓囊?guī)模與可用性在各評(píng)審專業(yè)之間存在不均衡矛盾，這嚴(yán)重影響了招標(biāo)采購(gòu)工作的質(zhì)量。為科學(xué)規(guī)劃評(píng)審專家資源庫(kù)，提升科技和采購(gòu)項(xiàng)目評(píng)審專家資源配置合理化水平，基于三階段數(shù)據(jù)包絡(luò)分析（簡(jiǎn)稱DEA）方法，對(duì)評(píng)審專家資源效率進(jìn)行分析。利用2020—2022年初的招標(biāo)采購(gòu)數(shù)據(jù)和評(píng)審專家數(shù)據(jù)，揭示評(píng)審專家資源效率，并進(jìn)一步指出評(píng)審專家資源的投入優(yōu)化方向。研究結(jié)果表明：環(huán)境變量對(duì)調(diào)整后的投入變量具有顯著的影響；剔除環(huán)境因素和隨機(jī)因素影響后，處在前沿面上的決策單元數(shù)量減少，表明這些因素在一定程度上掩蓋評(píng)審專家資源效率的真實(shí)水平。通過(guò)對(duì)投入冗余和產(chǎn)出不足的分析，研究制定科技和采購(gòu)項(xiàng)目評(píng)審專家資源調(diào)整策略。

關(guān)鍵詞：專家資源;DEA;效率評(píng)價(jià);資源優(yōu)化;調(diào)整策略

0引言

在科技和采購(gòu)項(xiàng)目管理中，評(píng)審項(xiàng)目申報(bào)書、標(biāo)書等材料是至關(guān)重要的工作。例如，在電力領(lǐng)域科技項(xiàng)目申報(bào)過(guò)程中，評(píng)閱專家通過(guò)參與其項(xiàng)目，審查申報(bào)物資與服務(wù)采購(gòu)環(huán)節(jié)申報(bào)方/供應(yīng)商資格能力、評(píng)審商務(wù)與技術(shù)文件等環(huán)節(jié)，對(duì)供應(yīng)商的資質(zhì)、運(yùn)營(yíng)效率、服務(wù)質(zhì)量、供應(yīng)風(fēng)險(xiǎn)等進(jìn)行科學(xué)評(píng)價(jià)，從而實(shí)現(xiàn)“陽(yáng)光采購(gòu)、好中選優(yōu)”，為推進(jìn)電網(wǎng)物資采購(gòu)提質(zhì)增效提供支撐。

2021年，國(guó)家電網(wǎng)有限公司（以下簡(jiǎn)稱“國(guó)家電網(wǎng)”）建成評(píng)審專家專業(yè)分級(jí)管理新模式，該模式將專家由“按人分級(jí)”轉(zhuǎn)變?yōu)椤鞍磳I(yè)分級(jí)”管理，為科學(xué)配置、精準(zhǔn)使用專家資源，促進(jìn)科技和采購(gòu)項(xiàng)目評(píng)審質(zhì)量提升，選優(yōu)選好設(shè)備，更好地服務(wù)于國(guó)家電網(wǎng)建設(shè)提供了專業(yè)支撐與保障。同時(shí)，由于評(píng)審專家?guī)斓亩~設(shè)計(jì)與動(dòng)態(tài)管理缺乏科學(xué)理論指導(dǎo)，當(dāng)前各專業(yè)評(píng)審專家?guī)炱毡榇嬖谝?guī)模和結(jié)構(gòu)不均衡、評(píng)審專家抽取精準(zhǔn)性不高等問(wèn)題，嚴(yán)重制約了科技和采購(gòu)項(xiàng)目管理工作質(zhì)量的進(jìn)一步提升。因此，需要通過(guò)課題研究和管理創(chuàng)新，應(yīng)用科學(xué)方法和大數(shù)據(jù)技術(shù)，提高評(píng)審專家?guī)熨Y源規(guī)劃和動(dòng)態(tài)管理科學(xué)水平，提升評(píng)審專家數(shù)字化和智能化管理水平。

國(guó)家電網(wǎng)科技和采購(gòu)項(xiàng)目存在評(píng)審專業(yè)分類體系繁雜、專家抽取限制規(guī)則多、專家?guī)彀磳I(yè)等級(jí)分級(jí)建設(shè)等特點(diǎn)，使得評(píng)審專家?guī)熨Y源規(guī)劃工作復(fù)雜度較高。目前，評(píng)審專家管理存在諸多問(wèn)題，如專家定額測(cè)算缺乏科學(xué)依據(jù)、顆粒度較粗、發(fā)布不及時(shí)等。在信息技術(shù)應(yīng)用方面，國(guó)家電網(wǎng)基于現(xiàn)代智慧供應(yīng)鏈“5E一中心”平臺(tái)，實(shí)現(xiàn)了評(píng)審專家資源一體化信息管理，積累了大量的科技項(xiàng)目、專家評(píng)審等歷史數(shù)據(jù)，為科學(xué)規(guī)劃和動(dòng)態(tài)管理專家?guī)熨Y源提供了定量化的大數(shù)據(jù)支持，有助于提升評(píng)審專家?guī)旃芾淼臄?shù)智化水平。

本研究查閱并研究關(guān)于評(píng)審專家?guī)旃芾怼⑷瞬抨?duì)伍規(guī)劃等方面的研究成果。例如，付立海等[1]在評(píng)審專家?guī)旃芾矸矫?，科學(xué)構(gòu)建通信工程建設(shè)項(xiàng)目評(píng)審專家?guī)?，針?duì)評(píng)審專家?guī)齑嬖诘膶I(yè)劃分不精細(xì)、專家更新不及時(shí)、專家?guī)煨畔⒒潭炔桓叩葐?wèn)題，提出了管理措施建議。陳文俊等[2]在評(píng)審專家管理的應(yīng)用研究中，對(duì)專家畫像的維度和指標(biāo)進(jìn)行了研究。胡東等[3]在評(píng)審專家定額規(guī)劃方面，基于智慧供應(yīng)鏈的評(píng)審專家?guī)靹?dòng)態(tài)管理研究，提出了基于批次分包分標(biāo)模型和評(píng)審各專業(yè)分組模型的專家定額標(biāo)準(zhǔn)測(cè)算方案。顧玉瑄[4]在效率分析方面，基于三階段數(shù)據(jù)包絡(luò)分析方法對(duì)供電所資源投入產(chǎn)出效率進(jìn)行評(píng)價(jià)與分析，提出了影響供電所組織效率評(píng)價(jià)的4個(gè)輸入指標(biāo)和3個(gè)關(guān)鍵輸出指標(biāo)。鄭蒼林[5]在人力資源規(guī)劃研究方面，利用馬爾科夫鏈在企業(yè)人力資源需求預(yù)測(cè)方面的方法，基于歷史各層級(jí)和人員變動(dòng)數(shù)據(jù)進(jìn)行未來(lái)人力資源需求預(yù)測(cè)。

因此，本研究采用三階段數(shù)據(jù)包絡(luò)分析方法，利用2020—2022年初的科技和采購(gòu)項(xiàng)目招標(biāo)數(shù)據(jù)和評(píng)審專家數(shù)據(jù)，對(duì)評(píng)審專家資源效率進(jìn)行分析，以期提高科技和采購(gòu)項(xiàng)目管理中評(píng)審專家?guī)熨Y源規(guī)劃和動(dòng)態(tài)管理的科學(xué)水平。

1文獻(xiàn)綜述

DEA方法常被用于分析多投入、多產(chǎn)出決策單元的相對(duì)效率。例如，鄧郴宜[6]運(yùn)用DEA方法對(duì)我國(guó)157家上市醫(yī)藥行業(yè)公司的創(chuàng)新效率進(jìn)行了研究。宋姍等[7]基于DEA方法探討了醫(yī)院的心內(nèi)科護(hù)理人力資源效率。Shabani等[8]將DEA方法應(yīng)用于新能源績(jī)效分析。黃松濤[9]運(yùn)用DEA方法研究人力資源投入與高?？?jī)效之間的效率。郭雨軒[10]研究我國(guó)西部縣級(jí)醫(yī)院的人力資源醫(yī)療投入與產(chǎn)出之間的關(guān)系。趙彤等[11]運(yùn)用DEA方法測(cè)量公立醫(yī)院人力資源投入產(chǎn)出效率。Zhang等[12]利用DEA方法研究大型集團(tuán)人力資源投入產(chǎn)出效率評(píng)價(jià)，基于研究結(jié)果提出激勵(lì)性薪酬分配模型。Jiang等[13]基于分布式數(shù)據(jù)庫(kù)，利用DEA方法測(cè)量和評(píng)價(jià)連鎖零售企業(yè)人力資源管理效率。He等[14]運(yùn)用DEA方法進(jìn)行老年科護(hù)理人力資源效率評(píng)價(jià)。

三階段DEA方法在傳統(tǒng)DEA方法的基礎(chǔ)上，剔除了環(huán)境因素和隨機(jī)干擾的影響，更真實(shí)地反映決策單元的效率，從而被國(guó)內(nèi)外學(xué)者廣泛運(yùn)用。例如，姜城蕾等[15]運(yùn)用此方法研究我國(guó)31個(gè)省份醫(yī)療衛(wèi)生機(jī)構(gòu)的投入產(chǎn)出效率；張僑等[16]用此方法對(duì)酒店的人力資源管理效率進(jìn)行評(píng)價(jià)分析。丁毓良等[17]用此方法對(duì)城市人力資源的投入產(chǎn)出效率進(jìn)行評(píng)價(jià)。趙燕娜等[18]將此模型運(yùn)用到我國(guó)數(shù)字經(jīng)濟(jì)效率的研究。田曉麗等[19]用此方法對(duì)我國(guó)民營(yíng)銀行的經(jīng)營(yíng)效率進(jìn)行實(shí)證分析，得出加大科技投入、優(yōu)化資源配置等建議。陳池[20]用此方法研究不同所有制下的工業(yè)企業(yè)創(chuàng)新效率差異性，并提出相應(yīng)改進(jìn)策略。藍(lán)英[21]基于西部地區(qū)12個(gè)省份公共衛(wèi)生財(cái)政支出的實(shí)證分析，對(duì)其做出投入產(chǎn)出效率評(píng)價(jià)。Wei等[22]基于此方法開展了我國(guó)電力行業(yè)碳減排效率的評(píng)價(jià)。Qin等[23]采用此方法對(duì)產(chǎn)業(yè)技術(shù)研究院的創(chuàng)新效率進(jìn)行了研究。Wang[24]將此方法應(yīng)用于大學(xué)生創(chuàng)業(yè)企業(yè)創(chuàng)新生態(tài)系統(tǒng)運(yùn)行效率的研究。鑒于三階段DEA方法在效率評(píng)價(jià)方面的優(yōu)勢(shì)，本文基于此方法對(duì)國(guó)家電網(wǎng)科技和采購(gòu)項(xiàng)目評(píng)審專家資源效率進(jìn)行評(píng)價(jià)及策略研究。

2三階段DEA方法分析

傳統(tǒng)的DEA模型主要基于規(guī)模報(bào)酬不變的假設(shè)，這導(dǎo)致DEA方法分析出現(xiàn)無(wú)法準(zhǔn)確衡量決策單元在規(guī)模報(bào)酬可變情況下的效率問(wèn)題。此外，傳統(tǒng)DEA模型沒(méi)有消除環(huán)境因素與隨機(jī)因素對(duì)生產(chǎn)者績(jī)效評(píng)價(jià)的影響。因此，本文結(jié)合Fried等[25]提出的三階段DEA模型，進(jìn)行以下分析：第一階段，對(duì)在庫(kù)專家資源進(jìn)行效率評(píng)價(jià)；第二階段，通過(guò)SFA回歸得到去除環(huán)境因素和隨機(jī)因素影響的投入變量；第三階段，在同質(zhì)環(huán)境下，得出更符合實(shí)際的專家資源效率，并根據(jù)第三階段DEA方法的分析結(jié)果，制定專家資源的調(diào)整策略，優(yōu)化評(píng)審資源投入和評(píng)審效率產(chǎn)出。

2.1第一階段：進(jìn)行傳統(tǒng)DEA測(cè)算

第一階段，采用傳統(tǒng)DEA模型對(duì)原始的投入與產(chǎn)出數(shù)據(jù)進(jìn)行效率測(cè)算。本文以36個(gè)投標(biāo)專業(yè)為研究對(duì)象，探究如何在保持既定產(chǎn)出的情況下，優(yōu)化專家人數(shù)投入。本文采用規(guī)模報(bào)酬可變的BCC模型，有助于解決某些決策單元在規(guī)模報(bào)酬遞減或遞增情況下的生產(chǎn)問(wèn)題。BCC模型分為投入導(dǎo)向型和產(chǎn)出導(dǎo)向型，本文研究的是在庫(kù)專家資源的效率評(píng)價(jià)，投入變量是決策的基本變量，相對(duì)容易控制，而產(chǎn)出變量比較難控制。因此，本文采用投入導(dǎo)向型BCC模型，公式如下

式中，j=1，2，…，n為決策單元；X和Y分別為投入和產(chǎn)出指標(biāo)；λj為決策單元的權(quán)重系數(shù)；θ為效率有效值；S-和S+分別為投入和產(chǎn)出的松弛變量。

2.2第二階段：構(gòu)建SFA模型

第一階段DEA模型可以得到投入的松弛變量，F(xiàn)ried等[25]指出第一階段的松弛變量包含環(huán)境因素、管理無(wú)效率及統(tǒng)計(jì)噪聲等冗余信息。為更加真實(shí)地反映決策單元的實(shí)際投入與處于生產(chǎn)前沿面下的投入目標(biāo)值之間的真實(shí)效率，本文通過(guò)SFA模型將環(huán)境因素和統(tǒng)計(jì)噪聲剔除，將第一階段得到的投入松弛變量作為因變量，環(huán)境變量作為自變量，構(gòu)造SFA回歸模型，公式如下

式中，Smn為投入松弛變量；En為環(huán)境變量；βm為環(huán)境變量的系數(shù)；vmn和μmn分別為統(tǒng)計(jì)噪聲和管理無(wú)效率；vmn+μmn為混合誤差項(xiàng)。

基于SFA回歸結(jié)果，需進(jìn)一步剔除環(huán)境因素和隨機(jī)因素對(duì)效率測(cè)度的影響，將所有投入量置于相同環(huán)境中。因此，設(shè)定調(diào)整公式如下

式中，Xmn和XAmn分別為回歸調(diào)整前和調(diào)整后的投入量；max（f（En，βm））-f（En，β^m）為對(duì)外部環(huán)境因素進(jìn)行調(diào)整；max（vmn）-vmn為將所有決策單元置于相同環(huán)境水平下。

2.3第三階段：調(diào)整后的DEA模型

將第二階段調(diào)整后的投入結(jié)果與原始產(chǎn)出再次導(dǎo)入BCC模型，即可得到剔除環(huán)境因素和隨機(jī)因素的評(píng)審專家資源效率。

3數(shù)據(jù)來(lái)源和指標(biāo)選取

3.1數(shù)據(jù)來(lái)源

本文各指標(biāo)原始數(shù)據(jù)均來(lái)自ECP系統(tǒng)的招標(biāo)采購(gòu)數(shù)據(jù)和評(píng)審專家數(shù)據(jù)，觀察期為2020—2022年初。投入指標(biāo)數(shù)據(jù)來(lái)源于《評(píng)審專家在庫(kù)數(shù)據(jù)》《評(píng)審專家出席數(shù)據(jù)》；產(chǎn)出指標(biāo)數(shù)據(jù)來(lái)源于《招標(biāo)采購(gòu)項(xiàng)目數(shù)據(jù)》《招標(biāo)標(biāo)包數(shù)據(jù)》；環(huán)境指標(biāo)數(shù)據(jù)來(lái)源于《評(píng)審專家出席數(shù)據(jù)》《實(shí)際參評(píng)專家數(shù)據(jù)》《評(píng)審專家在庫(kù)數(shù)據(jù)》。

3.2投入與產(chǎn)出指標(biāo)選取

在查閱相關(guān)文獻(xiàn)和多輪次專家研討基礎(chǔ)上，綜合考慮評(píng)審專家數(shù)據(jù)的特性，最終選取在庫(kù)專家人數(shù)和出席專家人數(shù)為投入指標(biāo)，選取中標(biāo)金額、投標(biāo)人數(shù)、分標(biāo)數(shù)和評(píng)審天數(shù)為產(chǎn)出指標(biāo)。環(huán)境因素是影響評(píng)審專家資源規(guī)劃效率的客觀因素，選取未出席專家人數(shù)、專家出席率和專家參評(píng)率為環(huán)境指標(biāo)。投入產(chǎn)出指標(biāo)及環(huán)境變量說(shuō)明見表1。

4實(shí)證分析及改進(jìn)策略

4.1第一階段：傳統(tǒng)DEA實(shí)證分析

運(yùn)用Deap 2.1版本軟件，測(cè)量2020—2022年初未剔除環(huán)境因素和統(tǒng)計(jì)噪聲影響的評(píng)審專家資源效率。第一階段DEA模型評(píng)審專家資源效率測(cè)算見表2，不同專業(yè)投入產(chǎn)出的綜合技術(shù)效率、純技術(shù)效率和規(guī)模效率分別為0.551、0.656、0.830。平均綜合技術(shù)效率與平均純技術(shù)效率較低，表明各個(gè)專業(yè)的資源配置能力和資源使用效率較低。

（1）總體來(lái)看，有9個(gè)專業(yè)的綜合技術(shù)效率為1，達(dá)到DEA有效，表明這9個(gè)專業(yè)的投入與產(chǎn)出的資源配置結(jié)構(gòu)合理，相對(duì)效率為最優(yōu)，且純技術(shù)效率和規(guī)模效率同時(shí)達(dá)到最優(yōu)。剩余的27個(gè)不同專業(yè)的決策單元為非DEA有效，其中“66kV及以上電纜及附件”的綜合效率最低。從純技術(shù)效率的角度分析，2020—2022年初，有13個(gè)不同專業(yè)的純技術(shù)效率為1，為純技術(shù)效率有效；其余23個(gè)不同專業(yè)為非純技術(shù)效率有效，表明這23個(gè)專業(yè)的技術(shù)創(chuàng)新在評(píng)審專家資源分配過(guò)程中沒(méi)有得到有效利用，未來(lái)在評(píng)審專家資源分配的技術(shù)創(chuàng)新應(yīng)用方面，存在較大提升空間。

（2）從規(guī)模效率的角度分析，2020—2022年初，有10個(gè)專業(yè)的規(guī)模報(bào)酬處于不變階段，表明規(guī)模適宜，已經(jīng)達(dá)到最優(yōu)的狀態(tài)；有16個(gè)專業(yè)的規(guī)模報(bào)酬處于遞增階段，表明未來(lái)應(yīng)該合理調(diào)整資源配置，應(yīng)繼續(xù)加大這些專業(yè)的在庫(kù)專家人數(shù)投入，實(shí)現(xiàn)評(píng)審專家資源效率達(dá)到最優(yōu)；而商務(wù)綜合等10個(gè)專業(yè)處于規(guī)模報(bào)酬遞減階段，表明這些專業(yè)的專家資源利用水平低，應(yīng)該通過(guò)不斷技術(shù)創(chuàng)新，以達(dá)到專家資源規(guī)模效率的提升。

4.2第二階段：SFA回歸結(jié)果分析

運(yùn)用Frontier4.1軟件，計(jì)算得出兩個(gè)原始投入的松弛變量值，分別將這兩個(gè)松弛變量與本文中的3個(gè)環(huán)境變量做SFA回歸，以分析三個(gè)環(huán)境變量對(duì)投入松弛變量的影響程度。SFA回歸分析結(jié)果見表3，2個(gè)投入松弛變量的gamma值均達(dá)到1，表明管理無(wú)效率是主要的影響因素，LR單邊似然比檢驗(yàn)通過(guò)了顯著性檢驗(yàn)，表明本文選取的環(huán)境變量對(duì)評(píng)審專家資源投入冗余有顯著影響。

從表3可以看出，未出席專家人數(shù)、專家出席率和專家參評(píng)率均對(duì)在庫(kù)專家人數(shù)松弛變量有顯著影響；未出席專家人數(shù)和專家參評(píng)率對(duì)出席專家人數(shù)松弛變量有顯著影響，專家出席率對(duì)出席專家人數(shù)松弛變量無(wú)顯著影響。具體分析如下：

（1）未出席專家人數(shù)。該變量與在庫(kù)專家人數(shù)的松弛變量回歸系數(shù)為正，表明增加未出席專家人數(shù)會(huì)增加在庫(kù)專家人數(shù)的投入冗余，造成資源浪費(fèi)，增加投入成本；然而，未出席專家人數(shù)與出席專家人數(shù)的松弛變量回歸系數(shù)為負(fù)，表明增加未出席專家人數(shù)會(huì)降低出席專家人數(shù)的投入冗余，對(duì)于出席專家人數(shù)在評(píng)審專家資源利用方面有正向影響。

（2）專家出席率。該變量與在庫(kù)專家人數(shù)的松弛變量回歸系數(shù)為正，表明增加專家出席率會(huì)增加在庫(kù)專家人數(shù)的投入冗余，增加資源投入；此外，專家出席率與出席專家人數(shù)的松弛變量影響不顯著。

（3）專家參評(píng)率。該變量與在庫(kù)專家人數(shù)的松弛變量回歸系數(shù)為負(fù)，表明增加專家參評(píng)率會(huì)降低在庫(kù)專家人數(shù)的投入冗余，出席專家參評(píng)率越高，評(píng)審專家資源利用效率也就越好。然而，專家參評(píng)率與出席專家人數(shù)的松弛變量回歸系數(shù)為正，表明增加專家參評(píng)率會(huì)增加出席專家人數(shù)的投入冗余，增加出席專家資源投入。

4.3第三階段：調(diào)整后DEA分析與改進(jìn)

第一階段計(jì)算得出松弛變量，第二階段剔除環(huán)境因素和統(tǒng)計(jì)噪聲的影響，第三階段則是對(duì)第二階段的結(jié)果調(diào)整松弛變量，然后對(duì)數(shù)據(jù)再次進(jìn)行DEA分析，第三階段DEA模型評(píng)審專家資源效率測(cè)算見表4。

由表4可知，綜合技術(shù)效率、純技術(shù)效率、規(guī)模效率的均值為0.603、0.743、0.811。相對(duì)第一階段綜合技術(shù)效率和純技術(shù)效率的均值有所提升，表明環(huán)境因素和統(tǒng)計(jì)噪聲對(duì)評(píng)審專家資源效率的評(píng)價(jià)存在一定的影響，規(guī)模效率的均值有所降低。具體來(lái)看，有8個(gè)專業(yè)的規(guī)模報(bào)酬處于不變階段，達(dá)到DEA有效。有4個(gè)專業(yè)的規(guī)模效報(bào)酬處于遞減階段，分別是商務(wù)綜合，變電電氣設(shè)計(jì)，輸電線路施工，導(dǎo)、地線，即增加這4個(gè)專業(yè)的投入會(huì)使得規(guī)模報(bào)酬遞減，降低資源利用率。其余24個(gè)專業(yè)的規(guī)模報(bào)酬處于遞增階段，即增加這些專業(yè)的評(píng)審專家人數(shù)會(huì)使得規(guī)模報(bào)酬遞增，增加資源利用率。由此可見，環(huán)境因素和隨機(jī)因素的干擾在一定程度上掩蓋了評(píng)審專家資源效率的真實(shí)水平。

對(duì)于非DEA有效的決策單元，可以進(jìn)一步分析其投入冗余和產(chǎn)出不足情況。其中，投入冗余分析即差額變數(shù)分析，主要用于分析各投入變量需要減少的投入量，從而達(dá)到效率最優(yōu)。產(chǎn)出不足分析即超額變數(shù)分析，主要用于分析各產(chǎn)出變量需要增加多少產(chǎn)出量才能達(dá)到效率最優(yōu)，并明確非DEA有效的決策單元需要改進(jìn)的數(shù)量。投入冗余與產(chǎn)出不足匯總表見表5。

由表5可知，在不減少產(chǎn)出和不增加在庫(kù)專家人數(shù)投入的情況下，66kV～220kV交流變壓器和高壓開關(guān)柜（箱）專業(yè)可以減少7名和32名出席專家人數(shù)。在不減少產(chǎn)出和不增加出席專家人數(shù)的情況下，常規(guī)輸電線路技術(shù)經(jīng)濟(jì)、常規(guī)變電土建技術(shù)經(jīng)濟(jì)、輸電線路監(jiān)理和變電土建監(jiān)理專業(yè)需要各減少1名在庫(kù)專家人數(shù)；線路電氣設(shè)計(jì)、電網(wǎng)系統(tǒng)規(guī)劃設(shè)計(jì)、變電電氣監(jiān)理和交流避雷器專業(yè)可以各減少2名在庫(kù)專家人數(shù)；變電土建施工專業(yè)可以減少3名在庫(kù)專家人數(shù)。

在不增加投入和減少投標(biāo)人數(shù)、分標(biāo)數(shù)和評(píng)審天數(shù)等產(chǎn)出的情況下，電網(wǎng)系統(tǒng)規(guī)劃設(shè)計(jì)，變電設(shè)備安裝，輸電線路監(jiān)理，變電土建監(jiān)理，變電電氣監(jiān)理，箱式變電站，35kV及以下交流變壓器，66kV～220kV交流變壓器，35kV及以下交流斷路器，交流電容器，交流避雷器，鐵塔，線路絕緣子，光纜，66kV及以上電纜及附件，導(dǎo)、地線金具專業(yè)需要分別增加82 714元、121 811元、155 516元、77 173元、138 478元、15 940元、43 147元、41 977元、48 781元、86 249元、154 736元、48 843元、132 990元、65 096元、32 470元和152 894元。

在不增加投入和減少中標(biāo)金額、分標(biāo)數(shù)和評(píng)審天數(shù)等產(chǎn)出的情況下，常規(guī)輸電線路技術(shù)經(jīng)濟(jì)、電網(wǎng)系統(tǒng)規(guī)劃設(shè)計(jì)、變電設(shè)備安裝、輸電線路監(jiān)理、變電土建監(jiān)理、變電電氣監(jiān)理、66kV～220kV交流變壓器、交流電容器、交流避雷器、66kV及以上電纜及附件等專業(yè)需要分別增加61人次、34人次、474人次、429人次、396人次、379人次、625人次、41人次、457人次、187人次。

在不增加投入和減少中標(biāo)金額、投標(biāo)人數(shù)和評(píng)審天數(shù)等產(chǎn)出的情況下，常規(guī)輸電線路技術(shù)經(jīng)濟(jì)，變電設(shè)備安裝，輸電線路監(jiān)理，變電土建監(jiān)理，變電電氣監(jiān)理，箱式變電站，35kV及以下交流變壓器，66kV～220kV交流變壓器，35kV及以下交流斷路器，交流避雷器，鐵塔，線路絕緣子，導(dǎo)、地線，光纜，66kV及以上電纜及附件，導(dǎo)、地線金具專業(yè)需要分別增加11包、119包、69包、88包、64包、6包、51包、144包、45包、171包、95包、114包、30包、79包、45包、161包。

在不增加投入和減少中標(biāo)金額、投標(biāo)人數(shù)和分標(biāo)數(shù)等產(chǎn)出的情況下，常規(guī)輸電線路技術(shù)經(jīng)濟(jì)和導(dǎo)、地線金具專業(yè)均需要增加1天的評(píng)審天數(shù)；電網(wǎng)系統(tǒng)規(guī)劃設(shè)計(jì)專業(yè)需要增加2天的評(píng)審天數(shù)；變電土建施工、35kV及以下交流斷路器、鐵塔專業(yè)均需要增加3天的評(píng)審天數(shù)；變電土建監(jiān)理、交流電容器、66kV及以上電纜及附件專業(yè)需要增加4天的評(píng)審天數(shù)；光纜需要增加5天的評(píng)審天數(shù)。

5結(jié)語(yǔ)

本文采用三階段DEA模型，基于2020—2022年初的招標(biāo)采購(gòu)和評(píng)審專家數(shù)據(jù)，對(duì)評(píng)審專家資源效率進(jìn)行分析，并進(jìn)一步指出評(píng)審專家資源的投入優(yōu)化方向。研究發(fā)現(xiàn)：第三階段的綜合技術(shù)效率和純技術(shù)效率總體平均水平高于第一階段，表明環(huán)境因素和隨機(jī)因素對(duì)評(píng)審專家資源效率的評(píng)價(jià)存在顯著影響；剔除環(huán)境因素和隨機(jī)因素的影響，處在前沿面上的決策單元數(shù)量減少，表明環(huán)境因素和隨機(jī)因素在一定程度上掩蓋了評(píng)審專家資源效率的真實(shí)水平。根據(jù)投入冗余和產(chǎn)出不足分析，指出各投入變量和產(chǎn)出變量需要增加或減少的投入量和產(chǎn)出量，進(jìn)而明確非DEA有效的決策單元需要調(diào)整的數(shù)量，從而提高評(píng)審專家?guī)熨Y源規(guī)劃和動(dòng)態(tài)管理的科學(xué)水平，提升評(píng)審專家數(shù)字化和智能化管理水平。

本研究仍存在以下不足之處：在各指標(biāo)數(shù)據(jù)的采集和統(tǒng)計(jì)過(guò)程中，部分專業(yè)分類及范圍存在不一致的情況，需要組織內(nèi)部專家，建立評(píng)審專業(yè)映射關(guān)系；此外，在運(yùn)用DEA方法時(shí)，需要對(duì)評(píng)審專業(yè)進(jìn)行篩選，對(duì)于招標(biāo)金額小、次數(shù)少、現(xiàn)有專家?guī)靸?chǔ)備充分的專業(yè)則不納入測(cè)算范圍。未來(lái)研究可以在數(shù)據(jù)采集和統(tǒng)計(jì)方面探索更優(yōu)化的方法，進(jìn)行更科學(xué)的專業(yè)分類，結(jié)合更多維度的投入和產(chǎn)出指標(biāo)，開展更深入的評(píng)審閱標(biāo)效率評(píng)價(jià)。

參考文獻(xiàn)

[1]付立海， 劉斌.如何科學(xué)構(gòu)建通信工程建設(shè)項(xiàng)目評(píng)審專家?guī)?[J].中國(guó)招標(biāo)， 2019（44）： 54-57.

[2]陳文俊， 徐旸， 馬菁澤， 等.專家畫像在評(píng)審專家管理中的應(yīng)用研究 [J].現(xiàn)代信息科技， 2021（6）： 131-135.

[3]胡東， 金涌川， 李學(xué)斌.基于智慧供應(yīng)鏈的評(píng)審專家?guī)靹?dòng)態(tài)管理 [J].東北電力技術(shù)， 2019（12）： 54-56.

[4]顧玉瑄.TJ公司人力資源需求預(yù)測(cè)研究 [D].天津： 天津工業(yè)大學(xué)， 2020.

[5]鄭蒼林.馬爾科夫鏈在企業(yè)人力資源需求預(yù)測(cè)方面的應(yīng)用 [J].中國(guó)科技信息， 2008（19）： 168-169.

[6]鄧郴宜.生物醫(yī)藥上市企業(yè)創(chuàng)新效率評(píng)價(jià)及影響因素研究——基于三階段DEA的實(shí)證分析 [J].中國(guó)物價(jià)， 2023（10）： 116-120.

[7]宋姍， 魏琳， 劉楊晨， 等.基于數(shù)據(jù)包絡(luò)分析法的護(hù)理人力資源效率評(píng)價(jià) [J].護(hù)理學(xué)報(bào)， 2021， 28（13）： 1-5.

[8]SHABANI M， KORDROSTAMI S， NOVEIRI M J S.Renewable energy performance analysis using fuzzy dynamic directional distance function model under natural and managerial disposability [J].Applied Energy， 2023， 352.

[9]黃松濤.高校人力資源投入效率評(píng)價(jià)研究 [D].北京： 首都經(jīng)濟(jì)貿(mào)易大學(xué)， 2009.

[10]郭雨軒.中國(guó)西部縣級(jí)醫(yī)療機(jī)構(gòu)衛(wèi)生人力資源投入產(chǎn)出研究 [D].銀川： 寧夏醫(yī)科大學(xué)， 2018.

[11]趙彤， 殷菱，邸金平， 等.衛(wèi)生專業(yè)技術(shù)職稱改革背景下公立醫(yī)院崗位結(jié)構(gòu)優(yōu)化研究——基于人力資源效率的視角 [J].現(xiàn)代醫(yī)院， 2023， 23（11）： 1700-1704.

[12]ZHANG Y，MA Y G， CHEN Q.Analysis of incentive compensation distribution model based on human resource input and output efficiency [C]//2016 International Conference on Social Science， Humanities and Modern Education （SSHME 2016）， 2016.

[13]JIANG X L，SOHAIL M.Evaluation method of human resource management efficiency of chain retail enterprises based on distributed database [J].Computational and Mathematical Methods in Medicine， 2022（8）： 1860426.

[14]HE J，XIONG L J， JIN H.Development of indexes for evaluating nursing human resource efficiency in geriatric department based on data envelopment analysis [J].Journal of Nursing Science， 2019，34（14）：53-55.

[15]姜城蕾，宋國(guó)強(qiáng)， 邱林萍， 等.我國(guó)醫(yī)療衛(wèi)生機(jī)構(gòu)投入產(chǎn)出效率研究——基于三階段DEA模型 [J].南京醫(yī)科大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）， 2023， 23（5）： 409-414.

[16]張僑，蔡道成.基于DEA的酒店人力資源管理效率評(píng)價(jià)研究 [J].科技廣場(chǎng)， 2013（6）： 172-175.

[17]丁毓良， 商華.基于誤差修正系數(shù)的城市人力資源效率評(píng)價(jià)模型研究 [J].現(xiàn)代管理科學(xué)， 2011（7）： 47-48，102.

[18]趙燕娜， 張家俊.數(shù)字經(jīng)濟(jì)產(chǎn)出效率研究——基于30個(gè)省份對(duì)比分析 [J].衡水學(xué)院學(xué)報(bào)， 2023， 25（4）： 25-31.

[19]田曉麗， 汪竹芳， 劉政永.我國(guó)民營(yíng)銀行經(jīng)營(yíng)效率的實(shí)證研究——基于DEA和Malmquist指數(shù)模型的分析 [J].黑龍江金融， 2023（9）： 62-67.

[20]陳池.工業(yè)企業(yè)創(chuàng)新效率的所有制差異性實(shí)證研究——基于三階段DEA模型 [J].科學(xué)決策， 2023（5）： 201-212.

[21]藍(lán)英.公共衛(wèi)生財(cái)政支出效率評(píng)價(jià)——基于西部地區(qū)12個(gè)省份的實(shí)證 [J].統(tǒng)計(jì)與決策， 2023， 39（15）： 147-151.

[22]WEI X X， ZHAO R.Evaluation and spatial convergence of carbon emission reduction efficiency in Chinas power industry： based on a three-stage DEA model with game cross-efficiency [J].The Science of the Total Environment， 2023（906）： 167851.

[23]QIN Y D， ZHANG P， DENG X H， et al.Innovation efficiency evaluation of industrial technology research institute based on three-stage DEA [J].Expert Systems With Applications， 2023（224）：120004.

[24]WANG H.Operating efficiency of the innovation ecosystem of college students start-ups based on three-stage DEA model [J]. Journal of Computational Methods in Sciences and Engineering， 2023， 23（1）： 485-498.

[25]FRIED H O， LOVELL C A K，SCHMIDT S S， et al. Accounting for environmental effects and statistical noise in data envelopment analysis [J].Journal of Productivity Analysis， 2002，17（1）： 157-174.

收稿日期：2024-10-25

作者簡(jiǎn)介：

陳柳（1985—），女，研究方向：人力資源管理。

王麗麗（1984—），女，副高級(jí)工程師，研究方向：物資采購(gòu)評(píng)標(biāo)專家管理。

楊岸濤（1992—），男，工程師，研究方向：物資管理。

傅天奕（1993—），男，經(jīng)濟(jì)師，從事招標(biāo)采購(gòu)。

王陳明（1989—），男，副高級(jí)工程師，研究方向：項(xiàng)目管理、信息技術(shù)開發(fā)。

周云（通信作者）（1985—），男，博士，碩士研究生導(dǎo)師，研究方向：物流與供應(yīng)鏈管理、數(shù)字經(jīng)濟(jì)與數(shù)字化轉(zhuǎn)型。