基于DEA模型的中國競技體育人才培養效率評價研究

摘 要：競技體育人才培養是推動我國競技體育事業可持續發展的前提和基礎，隨著國家不斷深化建設體育強國的目標，完善競技體育人才培養資源投入機制和結構對提高競技體育人才培養效率具有重要意義。本研究運用文獻資料、邏輯分析、DEA數據包絡分析等研究方法進行系統研究，對2016年至2020年各省區競技體育人才培養效率進行評價研究。得出以下結論：（1）各省域的綜合效率值總體呈現上升的趨勢，純技術效率與規模效率超過均值的地區比例較大，大部分省區對資源投入的管理能力較強。（2）我國競技體育人才培養全要素生產率發展不平穩，呈動態波動趨勢，但總體情況較好。（3）政府財政支持、常住人口數量、人力資本等因素，對我國競技體育人才培養效率產生了不同程度的影響。

關鍵詞：競技體育人才；DEA分析；效率；影響因素

中圖分類號：G808

文獻標識碼：A

文章編號：1008－2808（2024）05－0077－11

Abstract：Athletic sports talent cultivation is the premise and foundation for promoting the sustainable development of China’s athletic sports， and as the country continues to deepen the goal of building a strong sports country， it is of great significance to improve the mechanism and structure of the input of resources for athletic sports talent cultivation to improve the efficiency of athletic sports talent cultivation. This study uses literature， logical analysis， DEA data envelopment analysis and other research methods to conduct a systematic study to evaluate the efficiency of competitive sports talent cultivation in each province and region from 2016 to 2020. The following conclusions are drawn： （1） The comprehensive efficiency value of each provincial and regional area shows an overall upward trend， the proportion of areas with pure technical efficiency and scale efficiency exceeding the average value is larger， and most of the provincial and regional areas have a stronger ability to manage resource inputs. （2） The development of total factor productivity in China’s competitive sports talent cultivation is not stable， showing a dynamic fluctuation trend， but the overall situation is better. （3） Factors such as government financial support， the number of resident population， and human capital have different degrees of influence on the efficiency of China’s competitive sports talent cultivation.

Key words：Competitive sports talents; DEA analysis; Efficiency; Influencing factors

提高我國競技體育人才培養效率是促進競技體育事業發展的重要基礎。2017年國家體育總局、教育部發布《關于加強競技體育后備人才培養工作的指導意見》提出競技體育后備人才培養影響體育事業的協調可持續發展，需要重視并不斷完善競技體育人才培養體系，推動競技體育人才培養工作開展，建設體育強國和健康中國。2019年國務院辦公廳印發《體育強國建設綱要》提出“提升競技體育綜合實力，增強為國爭光能力”。完善市場機制與舉國體制結合的競技體育發展模式，創新管理體制和運行機制，完善運動員的選拔制度，建立競技體育公共投入、產出效率評估體系，各競技體育行業部門構建科學系統的訓練體系，完善后勤保障供應。2020年國家體育總局、教育部聯合印發了《關于深化體教融合促進青少年健康發展的意見》，提出教育部門應對不同階段運動員的培養形式和要求進行改變和創新，政府要明確競技體育發展現狀，不斷拓展競技體育人才培養的途徑，解決當前競技體育人才的培養困境，提升競技體育人才培養效率。我國“十四五”體育發展規劃提出：“讓我國競技體育實力再上新臺階”，健全成熟、項目布局合理的競技體育發展新模式，建立科學、完善的訓練體系和競賽體系，提升國際競爭力［1］?！敖ㄔO體育強國”以及“新舉國體制”的政策背景下培養競技體育人才的重要性不斷加強［2］。我國競技體育人才培養工作存在后備人才減少且分布不均衡、發展資源短缺且配置效率低、培養效率不理想和評估工作不系統等問題［3］，如何使用高效、科學、合理的方法完成競技體育后備人才培養效率評估顯得尤為重要［4］。目前我國學術界對競技體育人才培養的研究主要集中在現狀及優化路徑、對策研究，研究角度比較單薄，對培養效率進行研究的學者較少。本研究基于人力資本理論對我國各省域競技體育人才培養效率進行了評價研究［5］；將區域發展理論和區域差異理論應用到不同發展水平省域的競技體育人才培養效率研究中，對比各省域的異同點，完善投入產出指標的設計思路；從系統論角度，把各省域競技體育人才培養效率整合為一個系統整體，運用數據包絡分析模型對各省域競技體育人才培養投入產出效率進行分析［6］。

本文對我國各省域競技體育人才培養效率進行評價研究，有利于掌握我國競技體育人才培養效率現狀和變化趨勢，有利于我國競技體育人才培養的相關決策者能夠對競技人才培養投入產出的效率進行分析對比，調整不同類別投入產出數量，實現投入產出最優化，對推動我國競技體育人才培養效率提升具有指導意義。在已有研究基礎上，對競技體育人才培養的相關投入產出指標進行創新，為發展層次不同的各省區競技體育人才培養提供合理、行之有效的對策和建議，有助于推動各省的競技體育人才輸送率，進而提升我國競技體育人才培養效率，為競技體育人才培養的相關研究以及資源配置提供參考和借鑒。

1 競技體育人才培養效率指標選取及評價模型

1.1 指標選取和數據來源

競技體育人才培養效率的研究需要從投入和產出兩個方面進行考慮，在投入產出效率上追求兩個方面的最優化：“固定投入產出最大”和“固定產出投入最小”［7］。本文所研究的競技體育人才培養以人力、財力、物力三個角度為重點分析競技體育人才的產出效率［8］。參考《中國體育事業統計年鑒》構建相關投入產出統計指標體系（見表1）。

為探究我國競技體育人才培養效率，遵循廣泛性、聚焦性、數據可得性原則［9］。本文各指標數據均來源于《中國體育事業統計年鑒》，經過計算整理得到最終分析數據。指標數據的選取需要關注數據的數量和質量，遵守DEA方法分析數據的要求：（1）投入產出指標的數據觀測值為正數且不能為空值；（2）投入產出指標之間要相互關聯；（3）為保證分析結果的差異性，決策單元樣本的數量要大于投入產出指標數量相乘且大于投入產出指標和的三倍及以上。即n≥max｛m×q，3×（m+q）｝。為做到數據及指標的一致性、系統性和可比性原則，本文選擇了中國31個省份作為研究樣本，收集了31個省份2016—2020年在競技體育人才培養投入產出的相關數據。

1.2 評價模型

Charnes等人于1978年提出DEA方法，用于評價不同DMU間相對效率的系統分析法［10-11］。DEA方法屬于非參數法，在計算結果上比較客觀，適用范圍廣泛，在基于一定的生產有效性標準找出位于生產前沿包絡面上的相對有效點，從投入產出大小來對決策單元進行效率評價，提供科學、有效的決策管理信息［12］。因此本文選用DEA方法來研究競技體育人才培養效率，采用DEA投入導向型模型，包括規模收益不變CCR模型和規模收益可變BCC模型以及Malmquist生產率指數模型。DEA方法不需考慮投入產出之間的函數關系以及預先估計參數和權重假設，通過產出與投入之間加權和之比，就可計算決策單元的投入產出效率［13］。且在應用DEA方法建立模型前無須對數據進行無量綱化處理［14］。

1.2.1 CCR、BCC模型

假設CCR模型有n個決策單元，每個決策單元規模收益不變條件下完成生產過程，投入要素等比增加，產出也會同比增加。假設在第

j個決策單元有m種投入要素和s種產出要素，投入指標記為Xik（j=1，2，…，m），產出指標記為Yik（j=1，2，…，s），CCR模型結構如下：

minθ

∑nk=1XkYk+S-=θXt

∑nk=1XkYk－S+=Yt

S-≥0，S-≥0，λk≥0

k=j=1，2，…，n

S+和S-分別代表各項產出與投入的松弛變量，λ和θ代表決策變量，θ為決策單元的綜合效率值。在CCR模型中綜合效率值介于0～1之間，越接近1則表示決策單元投入產出效率越高，當θ=1時表示投入產出效率達到了最優水平，表示為DEA強有效。

BCC模型在CCR模型的基礎上，用規模報酬可變假設替代規模報酬不變的假設。加入一個凸性假設，解決了規模效益不變的局限性，得到了純技術效率（PTE）和規模效率（SE），SE=TE/PTE。CCR模型和BCC模型判別規則如下：若θ0=1，則第K0省區為弱DEA有效；若θ0=1，且S-0=0，S+0=0，則第K0省區為DEA有效，其他情況均為無效。

minθ

∑nk=1XkYk+S-=θXt

∑nk=1XkYk－S+=Yt

∑nk=1λk=1

S-≥0，S-≥0，λk≥0

1.2.2 Malmquist生產率指數模型

DEA模型反映了不同省區在某一個固定節點上的效率值，具備截面數據的特征，屬于靜態評價分析，評價過程不夠全面。故采用Malmquist指數模型在全要素視角下對31個省區競技體育人才培養效率的變化態勢進行分析，運用全要素生產率指標可以對生產力的變化進行動態分析，模型如下：

Mt+1t=Dt0（xt+1，yt+1）Dt0（xt，yt）Dt0（xt+1，yt+1）Dt+10（xt+1，yt+1）×Dt0（xt，yt）Dt+10（xt，yt）=EFFCH×TECHCH

EFFCH=Dt0（xt+1，yt+1）Dt0（xt，yt），

TECHCH=Dt0（xt+1，yt+1）Dt+10（xt+1，yt+1）×Dt0（xt，yt）Dt+10（xt，yt）

Malmquist指數可分解為技術效率變化（EFFCH）和技術進步變化（TECHCH）在t+1時期相對于t時期的變化情況。（xt，yt），（xt+1，yt+1）分別表示決策單元在t時期和t+1時期中的投入向量和產出向量；Dt0（xt，yt）和Dt0（xt+1，yt+1）分別表示在t時期和t+1時期，以t時期的生產技術為參照的距離函數；Dt+10（xt，yt）和Dt+10（xt+1，yt+1）分別表示在t時期和t+1時期，以t+1時期的生產技術為參照的距離函數。M指數體現了t～t+1時期競技體育人才培養全要素生產率的動態變化，M>1時，全要素生產率提高；M<1全要素生產率下降。本研究通過Malmquist指數模型來測算我國競技體育人才培養效率的Malmquist值，進一步分析我國競技體育人才培養效率的特征和規律。

2 我國競技體育人才培養效率評價

2.1 競技體育人才培養效率靜態評價

DEA模型對我國競技體育人才培養效率的分析具有較高的適配性。可分為投入導向與產出導向兩種模型，投入導向是指在固定產出條件下實現投入最小化；產出導向是指在固定投入條件下實現產出最大化。并提出規模報酬是否可變的假設，分為BCC規模報酬可變（VRS）與CCR規模報酬不變（CRS）等方法。由于不能保證全國各省區市競技體育人才培養都在最佳模型條件下進行，并且各省區市對競技體育人才培養資源投入差異較大，本研究選取了基于產出導向下的規模報酬可變的方法，對我國競技體育人才培養效率進行評價。

2.1.1 綜合效率分析

綜合效率是指我國各省域為實現提高競技體育人才培養效率的目標，在人力、物力、財力上進行資源投入，最終使相關投入能夠產生最佳人才產出效率。將2016—2020年31個省域的投入產出指標數據導入DEAP2.1軟件進行數據處理，得到31個省域的競技體育人才培養綜合效率（見表2）。

隨著國家對競技體育事業的重視程度不斷提高，國家相關資源配置重心隨之傾斜；中國作為競技體育發展強國，運動競賽成績處于世界前列，競技體育人才培養是中國全面建成體育強國的核心重點；高質量發展推動經濟、政治、文化等全面發展。我國競技體育人才培養效率也隨之得到了提升。北京市、天津市等5個?。ㄊ小^）競技體育后備人才培養投入5年綜合效率平均值達到了DEA強有效，實現了多項資源投入得到生產率產出帕累托最優狀態。其余?。ㄊ?、區）的綜合效率值均小于1，屬于DEA無效率，需要對競技體育人才培養投入資源數量和結構進行調整；觀察31個省5年的綜合效率值發現，綜合效率值總體呈現上升的趨勢。綜合效率平均值從2016年的0.723上升到了2020年的0.792，逐步朝著DEA有效狀態靠攏。

除此之外，我國直轄市在競技體育人才培養效率投入綜合效率整體高于其他省份，四個直轄市除上海市外，綜合效率值均為1，實現了DEA強有效，平均綜合效率值達到了0.95，其余省份的平均綜合效率值為0.75，兩者之間差異明顯。直轄市作為區域政治、經濟、文化發展的中心，具備較好的體育發展優勢，直轄市的體育機關單位與省級同屬，在體育相關政策落實上具備優勢，體育事業工作效率高。經濟實力和科技水平較高，對推動競技體育人才培養效率的提高具有積極作用。對體育人才的吸引力較強，體育資源、訓練條件等優勢因素作用下，吸引了較多周邊省份的競技體育人才。

2.1.2 純技術效率分析

通過DEA模型得到各省區的純技術效率PTE，PTE反映了決策單元在最優規模情況下投入資源的生產效率。可以通過PTE效率值反映綜合效率和規模效率，PTE=1達到技術效率有效，說明在目前的技術水平上投入資源使用是有效的，若未達到綜合效率有效，說明規模效率無效，可以通過相關情況進行改革，實現綜合效率有效目標（見表3）。

純技術效率連續5年達到DEA強有效的省區有：北京、天津、重慶、四川、西藏。純技術效率逐年增加的省區只有貴州。通過數據分析，貴州的純技術效率值沒有到達DEA有效狀態，5年平均值僅為0.5796，說明貴州在競技體育人才培養上總體發展水平較低，培養效率不顯著，但貴州的純技術效率值處于逐年提高的積極狀態，其對競技體育人才培養的資源投入逐漸趨于合理。

在DEA模型中北京、天津、重慶、四川、西藏5個省區效率均達到強有效狀態，說明TE和PTE均達到相對有效性，競技體育人才培養投入規模收益不變，人才培養資源投入達到相對最優效果；河北、遼寧等11個省區的純技術效率值達到有效，說明各省區在競技體育人才培養的資源投入實現了人才培養效率產出最優；山西、內蒙古等8個省區在綜合效率和純技術效率上均未達到有效，說明競技體育人才培養效率相對較低。純技術效率未達到有效是導致綜合效率非有效的重要原因，需要提高各省區的投入資源管理能力，實現各省區競技體育人才培養效率DEA有效。

2.1.3 規模效率分析

BBC模型在規模收益可變情況下求解出純技術效率PTE，CCR模型在規模效率不變情況下求解出綜合效率TE，規模效率SE可以通過公式：SE=TE/PTE進行計算，規模效率反映了各省區是否達到了最優投入規模，體現了各省區競技體育人才培養效率規模集中水平。分別對PTE和SE進行分析，找出影響DMU有效的相關因素，提供改進方向來達到提升綜合效率的目標，發揮DEA數據分析的指導價值（見表4）。

除遼寧、黑龍江、江蘇、山東、廣東、海南、貴州、青海以外，其余省區SE>0.9，平均值為0.921，說明總體規模效率情況較好，2020年相較于2016年SE有所提升；山東、海南、青海三個省區的SE<0.75，大幅度低于平均值，需要對資源投入規模數量進行調整；沒有省區實現5年規模效率逐年上升。說明需要增加各省區競技體育人才培養投入規模，主要包括專職教練員人數、體育系統機構數量、體育系統從業人員以及政府對競技體育人才培養的投入資金，通過對規模數量投入的增加來實現規模效率有效，最終實現競技體育人才培養效率最優化。

2.1.4 純技術效率和規模效率比較分析

為了更直觀分析我國競技體育人才培養投入的PTE與SE情況，結合表3，表4繪制了PTE與SE比較散點圖。2016年至2020年我國競技體育人才培養投入的PTE平均值為0.845，SE的平均值為0.921，根據兩者均值繪制了X軸和Y軸兩條平行線，把相關數據分為A、B、C、D共4個區域，把競技體育人才培養效率分為了雙高型、低高型、高低型、雙低型（見圖1）。

處于A區域的省區PTE和SE都超過均值為雙高型，共包括9個省區，占樣本數的29%；B區域有高于均值的SE，但PTE小于均值為低高型，共包括5個省區，占樣本數的16%；C區域SE、PTE都小于均值為雙低型，只有江蘇一個省區，占樣本數的3.2%；D區域SE低于均值，但PTE高于均值為高低型，共包括16個省區，占樣本數的51.8%，超過80%的省區PTE都高于均值，接近PTE有效狀態。

A區域內的省區綜合效率、PTE、SE較高，效率的提升空間較小。決策者需要根據地區規模收益變化趨勢調整投入；通過加大對人力資源的投入來提升競技體育人才培養純技術效率；適量加大競技體育相關財政投入規模，如體育競賽、體育訓練的相關投入來提高規模效率，從而提高競技體育人才培養的產出效率。

B區域的省區在競技體育人才培養相關財政投入規模效率較高，但純技術效率較低，說明相關省份需要提升教練員、體育系統從業人員的工作能力，加強人力資本的利用和培養，對相關人力投入進行優化。通過改進管理結構，提高人力資源質量來提升純技術效率，從而提升競技體育人才培養產出效率。

C區域的江蘇省需要在提高競技體育人才培養管理水平的同時增加相關資源的投入，加強對競技體育人才培養的重視程度，政府加大對競技體育人才培養人力、財力、物力的投入，同時優化投入資源配置，減少投入資源冗余，提升人才培養綜合效率。

D區域的省區在資源投入上具有較高的管理能力，但在競技體育人才培養政府財政投入上存在一定程度的不足，需要加大財力投入，對投入資源配置情況進行調整，招聘教學能力較強的教練員及工作經驗豐富的相關體育系統從業人員來提高規模效率，從而獲得高效率的競技體育人才產出。

2.2 Malmquist生產率指數的培養效率動態評價

為探尋我國競技體育人才培養效率的動態變化，清晰反映各項效率特征，采用Malmquist生產率指數法對樣本省份2016—2020年全要素生產率、綜合技術效率、技術進步進行測算（見表5，圖2）。

從整體的時間變化看出，全要素生產率增長指標與技術進步增長指標在變化趨勢上較為相似，與綜合技術效率增長指標明顯不同。31個省份平均全要素生產率增長6.5%，技術進步與綜合技術效率均大于1，可初步判斷2016—2020年我國競技體育人才培養效率增長態勢良好。在2018年全要素生產率達到了1.337，發展質量較高。但在2018—2020年期間，全要素生產率下降了約47.1%的下降，究其原因可能是2017年國家體育總局、教育部發布《關于加強競技體育后備人才培養工作的指導意見》提出競技體育后備人才培養影響體育事業的協調可持續發展，需要重視并不斷創新，完善培養體系，推動建設體育強國和健康中國。各省區加大了對競技體育人才培養的力度，投入了大量人力、物力、財力資源，在相關政策驅動下2018年競技體育人才培養效率不斷提高。2019年國務院辦公廳印發《體育強國建設綱要》提出“提升競技體育綜合實力，增強為國爭光能力”，完善競技體育發展模式，創新管理體制和運行機制，完善運動員的選拔制度，建立競技體育公共投入、產出效率評估體系。在完善競技體育人才培養機制的同時也對各省區人才培養投入提出更高要求，使我國競技體育人才培養全要素生產率出現了下降。

根據上述特點，為了進一步探究我國競技體育人才培養效率在各省區的差異，對31個省區2016—2020年的Malmquist生產率指數模型測試結果進行收集整理。運用Malmquist生產率指數模型得出了31個省區競技體育人才培養的動態效率，相關數據如表6所示。我國各省區競技體育人才培養發展較為均衡，基本實現全要素生產率增長。31個省區中10個省區競技體育人才培養效率處于DEA有效狀態，相關省區全要素生產率、綜合技術效率、技術進步、純技術效率及規模效率均大于1。在這10個省區中有北京、上海等經濟較為發達的地區，也有貴州、廣西等經濟發展相對較弱的地區。其他省份需要借鑒這十個省區的經驗，對自身存在的不足及時進行調整，利用好區域優勢，加強各省區之間的區域合作，在資源投入、知識技術上實現共享。

全要素生產率的變化受到技術進步的制約，技術進步落后地區需要加大投入，提高人力資源質量，組織學習和培訓，加強管理水平，優化整體管理結構，提高技術進步效率，最終實現全要素生產率提高。總體而言，我國31個省區在競技體育人才培養效率的差異相對較小，且26個省區都達到了DEA有效狀態，效率都處于提升階段。

3 我國競技體育人才培養效率影響因素

3.1 研究假設

對我國競技體育人才培養效率影響因素進行分析的前提和基礎是科學準確地選取相關影響因素。從我國競技體育人才培養效率的影響因素看，經濟發展水平、政府財政支持、城鎮化水平、人口密度、文化教育水平等因素，均對我國競技體育人才培養效率產生了影響。因此，本文結合我國競技體育人才培養效率影響因素的實際情況，主要考慮以上因素對我國競技體育人才培養效率的影響。提出以下假設：

假設一：經濟發展水平與我國競技體育人才培養效率為正相關關系。

假設二：政府財政支持與我國競技體育人才培養效率為正相關關系。

假設三：城市化水平與我國競技體育人才培養效率為正相關關系。

假設四：常住人口數量與我國競技體育人才培養效率為正相關關系。

假設五：人力資本與我國競技體育人才培養效率為正相關關系。

3.2 競技體育人才培養效率影響因素變量選取

3.2.1 被解釋變量選取

本文運用2016—2020年我國31個省市自治區競技體育人才培養綜合技術效率作為因變量。

3.2.2 解釋變量選取

本文根據競技體育人才培養發展過程的特性，遵循相關數據資料收集的可操作性，選取能夠影響競技體育人才培養效率的因素。包括（1）經濟因素：經濟發展水平；（2）政治因素：政府財政支持；（3）社會發展因素：城市化水平；（4）社會人口因素：常住人口數量；（5）文化教育因素：人力資本的相關指標作為解釋變量。

地區生產總值可以反映不同地區的經濟發展情況，人均地區生產總值可以使經濟發展水平表示得更加全面和準確，故經濟發展水平采用人均地區生產總值這個指標來表示；政府支持競技體育人才培養的直接方式是對其進行財政資金投入，故政府財政支持采用文化體育旅游與傳媒中體育投入占比這個指標來表示；城市化水平反映一個地區的發展情況，城市化水平提升推動地區經濟發展，故城市化水平采用地區城市化率這個指標來表示；人口基數影響地區競技體育人才培養資源利用程度，常住人口數量用人口密度這個指標來表示；從業人員的質量是發展競技體育人才培養的關鍵，故人力資本用地區受教育程度占比這個指標來表示（見表7）。

3.3 競技體育人才培養效率影響因素模型構建

3.3.1 計量模型說明

Tobit模型也被稱為受限因變量模型、審查模型等，是被解釋變量滿足某種約束條件下的模型。Tobit模型主要是分析在某些選擇行為下，連續變量如何變動的問題，Tobit模型可以有效地彌補DEA方法模型存在的不足，解決外界環境影響因素和競技體育人才培養效率之間關系的問題。

yi=βtxi+εi，i=1，2…，n

εi～N（0，θ2）

y*≤0，yi=0

y*≥0，yi=y*

yi為被解釋變量，βT為未知參數向量，εi為模型的隨機誤差項。Tobit模型為截取回歸模型，xi取實際觀測值，yi取值的方式受限。當y*≤0，yi均截取為0；y*≥0，yi取實際觀測值。結合前文對競技體育人才培養影響因素指標進行了選取，分析經濟發展水平、政府財政支持、城市化水平、常住人口數量和人力資本對我國競技體育人才培養效率的影響，計量模型如下所示：

SEjt=β0+β1PCGjt+β2FEjt+β3RUjt+β4PDjt+β5HCjt+εjt

其中εjt為隨機誤差項；j=1，2，3…，31個省市自治區；t=2016，2017…，2020年；SEjt為第j個地區第t年的綜合技術效率得分；PCGjt表示人均地區生產總值變量；FEjt表示文化體育旅游與傳媒中體育投入占比變量RUjt表示地區城市化率變量；PDjt表示人口密度變量；HCjt表示地區受教育程度占比變量。

3.3.2 面板數據模型選擇

面板數據模型是一種統計分析方法，用于處理具有時間序列和橫截面數據的數據集。面板數據模型可以分為固定效應模型和隨機效應模型。固定效應模型假設個體固定效應是一個常數，隨機效應模型則假設個體固定效應是一個隨機變量。兩種模型的估計方法和假設條件有所不同，根據具體的數據和研究問題，可以選擇適合的模型進行分析。通過F檢驗和hausman檢驗選擇面板數據模型

（1）F檢驗。為確定面板數據模型的形式，運用F檢驗確定分析我國競技體育人才培養效率差異的面板數據模型，是混合模型還是固定效應模型。提出原假設H0和備選假設H1：

H0：面板數據模型中個體截距相等

H1：面板數據模型中個體截距不相等

若原假設成立使用混合模型，反之使用固定效應模型。通過Stata軟件進行F檢驗可知：F0.05（30，119）=16.89；F=34.63；P=0.00。

得出結論：F>F0.05（30，119），P<0.05，故拒絕原假設，得出固定效應模型相對于混合模型更適合的結論。

（2）hausman檢驗。運用hausman檢驗確定面板數據模型應該選擇固定效應模型還是隨機效應模型，提出原假設和備選假設：

H0：隨機效應的回歸系數是無偏的，可以使用隨機效應模型

H1：隨機效應的回歸系數是有偏的，拒絕使用隨機效應模型，使用固定效應模型。

若原假設成立使用隨機效應模型，反之使用固定效應模型。通過Stata軟件進行hausman檢驗，檢驗結果P<0.05，故拒絕原假設，面板數據模型存在個體固定效應，使用固定效應模型。

3.4 競技體育人才培養效率影響因素

研究選取我國31個省市自治區競技體育人才培養效率值及影響我國競技體育人才培養發展的5項假設因素指標進行回歸分析，通過stata軟件計算我國競技體育人才培養發展的相關影響因素對競技體育人才培養效率的影響程度。將所選取的所有指標變量數據帶入面板數據模型進行回歸分析，通過顯著性檢驗判斷指標數據對配置效率的影響，分析影響因素指標對我國競技體育人才培養效率的影響程度（見表8）。

3.4.1 經濟發展水平的影響 經濟發展水平所對應的P值為0.6684，說明經濟發展水平對我國競技體育人才培養效率不存在顯著影響。回歸系數為負值，說明經濟發展水平對我國競技體育人才培養效率的提升沒有較大的影響作用，經濟發展水平與競技體育人才培養效率存在反向關系。以上分析說明假設一不成立，綜合分析出現該情況的原因：首先是各省市自治區存在地區經濟發展水平不均，各地區重視經濟發展，但各地區對競技體育人才培養資源投入存在浪費和利用不合理的問題，導致產出不足，競技體育人才培養效率下降。

3.4.2 政府財政支持的影響 從顯著性水平看，政府財政支持所對應的P值為0.001，小于0.01，說明政府財政支持對我國競技體育人才培養效率存在顯著影響。政府財政支持的回歸系數為正數，說明政府財政支持對我國競技體育人才培養效率的提升有較大的影響作用，政府財政支持與競技體育人才培養之間存在正相關關系。以上分析說明假設二成立，各省市自治區政府對競技體育人才培養的重視程度越高，相關資源投入也就越多，有利于提高我國競技體育人才培養效率。

3.4.3 城市化水平的影響 城市化水平對應的P值為0.117，說明城市化水平對我國競技體育人才培養效率不存在顯著影響，且回歸系數為負值，說明城市化水平與競技體育人才培養效率存在反向關系，說明我國城市化水平越高，競技體育人才培養效率沒有因此得到提升，反而出現了效率低下的現象。以上分析說明假設三不成立，城市在競技體育人才培養場地設施、器材數量上有一定的優勢，但也存在資源配置過度，造成資源投入冗余的情況。

3.4.4 常住人口數量的影響 從顯著性水平看，常住人口數量對應的P值為0.024，小于0.05，說明常住人口數量與我國競技體育人才培養效率之間存在顯著影響。常住人口數量的回歸系數為正數，說明常住人口數量與競技體育人才培養效率之間存在正向關系，常住人口數量增加促進我國競技體育人才培養效率的提高。以上分析說明假設四成立，人口密度低的地區，競技體育人才培養相關資源投入少，群眾對相關物質設施的滿意度較低，會降低群眾參與競技體育活動的積極性，進而影響競技體育人才培養工作的推進。人口密度較高的地區，有利于發揮體育系統機構的規模效應，提高群眾參與競技體育活動的滿意度和積極性，但也存在管理難度增大的問題，需要根據人口密度強弱情況對管理結構進行調整和升級。

3.4.5 人力資本的影響 從顯著性水平看，人力資本對應的P值為0.000，說明人力資本與我國競技體育人才培養效率之間存在顯著影響?；貧w系數為正數，說明人力資本與競技體育人才培養之間存在正向關系，人力資本水平提高推動競技體育人才培養效率上升。以上分析說明假設五成立，學校是培養競技體育人才的重點場所，為我國培養和輸送了大量優秀的競技體育人才，地區受教育程度越高說明我國對教育的重視程度越大。

4 結論與建議

4.1 結 論

（1）2016年至2020年各省的綜合效率值總體呈現上升的趨勢，純技術效率發展趨勢波動較大，總體規模效率情況較好，大部分省區對資源投入的管理能力較強。

（2）國家競技體育發展相關政策影響競技體育人才培養的全要素生產率發展水平和質量。全要素生產率發展呈動態波動趨勢，但總體情況較好，資源投入符合總體要求。

（3）政府財政支持、常住人口數量、人力資本等因素，對我國競技體育人才培養效率產生了不同程度的影響，其中政府財政支持的影響程度最高。

（4）通過加大高質量人力資源的投入來提升競技體育人才培養的純技術效率；適量加大競技體育財政投入規模來提高規模效率，從而提高競技體育人才培養的綜合產出效率。

（5）各省市自治區根據實際情況調整我國競技體育人才培養資源投入規模、比例和調整投入結構，不斷優化競技體育人才培養相關體育系統機構服務質量。

4.2 建 議

（1）增加各省區競技體育人才培養財政投入規模，以及政府對競技體育人才培養的投入資金，通過對規模數量投入的增加來實現規模效率有效，優化競技體育人才培養效率。

（2）大部分省區對資源投入的管理能力較強，可以通過加大教練員、體育系統從業人員數量的投入，提高人力資本質量來提升競技體育人才培養純技術效率。

（3）加大對體育競賽、體育訓練及教練培訓的相關投入來提高規模效率，重視政府財政支持、人力資本、常住人口數量等因素對競技體育人才培養的影響作用，及時調整競技體育人才培養結構和模式，獲得高質量競技體育人才產出。

（4）根據各省市自治區的實際情況調整我國競技體育人才培養資源投入規模、比例和調整投入結構，不斷優化競技體育人才培養相關體育系統機構服務質量，提高競技體育人才培養相關從業人員技能，完善競技體育人才培養相關體育場地、訓練基地的建設，促進群眾參與競技體育活動。

參考文獻：

［1］ 國家體育總局，2021.體育總局關于印發《“十四五”體育發展規劃》的通知［EB/OL］.2021-10-25.

［2］ 袁凌峰.“體育強國“建設背景下我國省級體育公共財政投入效率研究［J］.體育科學，2022，42（5）：38-46.

［3］ 鄒月輝，田思.基于動態DEA-SBM模型的社會保障對競技體育投入效率影響的實證研究［J］.武漢體育學院學報，2020，54（10）：50-57.

［4］ 董國民，張利超，景懷國.體教融合背景下我國競技體育后備人才培養轉型發展動力研究［J］.廣州體育學院學報，2023，43（2）：36-43，61.

［5］ 張曉麗，閻晉虎.人力資本和社會資本對中國退役運動員收入影響比較［J］.上海體育學院學報，2020，44（4）：31-40.

［6］ 單鳳霞.我國城市休閑體育系統的理論構建與運行實踐——基于對杭州、武漢和成都三市的調查［J］.體育學刊，2022，29（4）：68-73.

［7］ 劉芳枝，陳洪平，潘磊.高質量發展背景下我國體育產業的關聯效應與關聯動力研究——基于投入產出數據的實證分析［J］.武漢體育學院學報，2021，55（8）：57-64.

［8］ 潘磊，方春妮.我國體育產業與數字經濟產業融合發展的水平測度［J］.體育與科學，2023，44（3）：72-79.

［9］ 郭志斌，鄭磊，周偉，等.我國公共體育資源配置效率影響條件組態與路徑研究［J］.武漢體育學院學報，2023，57（11）：50-57.

［10］ 付志華，陳頗.信息技術服務業促進體育用品制造業轉型升級效率評價研究——以湖北省為例［J］.天津體育學院學報，2022，37（3）：282-288.

［11］ 田廣，郭敏.基于DEA-Tobit模型的中國大型體育場館投入產出效率評價及影響因素研究［J］.成都體育學院學報，2021，47（4）：86-92.

［12］ 朱鵬.基于DEA的我國31省份體育公共服務財政支出效率研究［J］.體育學刊，2022，29（2）：66-71.

［13］ 李燕領，邱鵬，柳暢.我國31個省級政府公共體育服務效率評價及其收斂性研究［J］.中國體育科技，2020，56（4）：52-60.

［14］ 鄒月輝，田思.基于動態DEA-SBM模型的社會保障對競技體育投入效率影響的實證研究［J］.武漢體育學院學報，2020，54（10）：50-57.