区域高校科技创新生产率变动及收敛性研究

张海英，周志刚

（1.天津大学管理与经济学部，天津 300072；2.沧州师范学院教育系，河北 沧州 061001）

■经济学

区域高校科技创新生产率变动及收敛性研究

张海英1,2，周志刚1

（1.天津大学管理与经济学部，天津 300072；2.沧州师范学院教育系，河北 沧州 061001）

本文主要采用基于DEA模型的Malmquist指数法，描述了2000-2011年中国区域高校科技创新活动的生产效率动态变化情况，分析了引起这一变动的主要因素，并考察了区域高校科技创新技术效率的收敛性。结果表明：这一时期中国高校科技创新生产率变动总体上呈增长态势，其中技术进步是主导因素。差异性研究显示，东、中、西部地区高校科技创新生产率指数均有增长，以东部地区为著。高校科技创新的综合效率和技术效率在各个省区之间存在显著的分化，同时，外在的高校创新规模与技术效率变动不存在显著联系。绝对β－收敛检验显示，中部地区高校科技创新存在显著收敛性，而全国范围内以及东、西部地区内部高校科技创新技术效率的增长差异尚未显著缩小。

区域高校科技创新；Malmquist指数；β－收敛

一、引言

作为国家及区域创新体系的重要组成部分，区域高校中既有实力雄厚的综合性大学，也包括拥有地缘优势的各类地方高校。它们共同推动了区域科技的发展与应用，是知识创新、技术创新的重要基地之一。研究区域高校创新的生产率变动情况，对于推动区域创新与经济发展，加强高校自身建设和谋求自身发展具有着特别重要的意义。

很多国内外学者对高校科技创新活动的投入产出效率进行了深入探讨。如Ahn等对公有高等研究机构和私有高等研究机构的相对效率进行了分析和讨论[1]。Johnes等采用传统的 DEA方法，考察了1984-1988年英国大学经济系部的研究效率[2]。Korhonen等以Helsinki经济学院的学术研究活动投入产出数据为依据，测量了大学及研究机构的学术研究绩效[3]。Bonaccorsi采用DEA方法，分析比较了1997年间213个法国INSERM研究机构和意大利27个国家研究委员会机构学术的效率[4]。Giovanni等从学科分支的视角分析了2004-2008年，意大利78所大学130个学科的科研效率[5]。王晓红等运用基于层次分析的DEA法考察了57所中国高校的科研绩效[6]。陆根书等对教育部直属的48所高校投入产出效率进行了DEA评价[7]。孙世敏采用DEA法评价了我国29个省区的高校科研投入产出效率[8]。沈能则采用超DEA效率考察了1993-2009年中国28个省区大学知识创新效率[9]。以往研究大多重视我国高校科技创新活动的静态效率，而对高校科技创新活动效率的动态变动情况的研究较少，且对区域内高校科技创新效率的变动趋势也鲜有关注。鉴于以上，本文采用基于DEA模型的Malmquist指数，对我国区域高校科技创新生产率的动态变化情况进行了实证研究，分析了影响区域高校科研创新生产率的主要因素，并考察了高校科技创新生产率的差异性和收敛性。

二、区域高校科技创新生产率变动模型

Malmquist指数的思想来源于 Sten Malmquist在消费差异分析中的定量指数研究[10]。Caves、Christensen和Diewert将其引入到生产力分析领域。Färe等人提出了基于DEA两因素分解和三因素分解的Malmquist算法，奠定了从全要素生产率变化角度考察效率变动情况的基础。根据Färe等人的研究，对于一个投入为x，产出为y的系统，P(X)为一定生产技术水平所对应的生产可能集，θ为产出效率，则可定义产出距离函数为：表示某一单元要素配置(xt,yt)到系统t时期前沿面的距离。

那么该系统t到t+1时期生产率变动的Malmquist指数可表达为式（2），反映了全要素生产率的变动情况。

在规模收益不变（CRS）条件下，对式（2）进行分解，可以得到 M( t, t + 1)= EC× TC，其中EC、TC如式（3）、式（4）所示，分别为综合效率改善指数（Efficiency Change）、技术变化指数（Technical Change）。在规模收益可变（VRS）条件下，式（2）还可分解为规模效率变化指数（SEC）、纯技术效率变化指数（PTEC）、技术变化指数（TC）的乘积。即 M( t, t + 1)= PTEC × SEC× TC 。

其中EC表示t与t+1时期实际生产情况与前沿面的接近程度，即追赶效应，EC＞1时，综合效率改善，决策单元趋向前沿面，反之背离前沿面。TC表示两个时期内生产前沿面的移动情况，即“前沿面移动效应”，TC＞1时，生产前沿面前移，技术进步，反之，前沿面后退，技术倒退。PTEC＞1表明规模收益变动时纯技术效率改善，PTEC＜1则纯技术效率退步。SEC＞1表示趋向于固定规模收益，SEC＜1则背离固定规模收益。

三、变量选取与数据来源

结合前人的研究，考虑到数据的可获性以及区域高校科技创新活动的特征，本文拟从高校科技创新投入和产出的两个方面，选取11个指标构建指标体系。

在投入方面，R&D人员是高校科技创新活动的人力资源，提供了创新生产活动必需的智力支持；R&D经费一般用于高校创新活动的流动资本的消耗与固定资本的增加，是高校科技创新活动赖以生存和发展的物力资源。故选择研究与发展人员数（人年）、研究与发展全时人员数（人年）、全时人员占研发人员的比例等指标来度量高校科技创新活动人力资源的数量和质量；选择高等学校科技支出经费（千元）作为物力资源的量化指标。

在产出方面，根据《中国科技统计年鉴（2006）》的界定，R&D活动包括基础研究、应用研究和试验发展等多个方面。因此，高校创新活动产出指标多与知识创新、技术创新及技术转移成果转化密切相关，故选择国外发表论文数（篇），发表学术论文数（篇），出版科技著作数量（部），专利授权（项），专利出售当年金额（千元），技术转让合同金额（千元）技术转让当年实际收入（千元）等来衡量高校科技创新活动的产出。

本文分析数据纵向跨度为12年（2000-2011年），横向覆盖我国大陆28个省区（由于西藏、青海、宁夏三省部分数据缺失，分析中将其略去）。原始数据来源于中国教育部科学技术司编写的《高等学校科技统计资料汇编》（2001-2012）。

四、实证分析

（一）区域高校科技创新生产率变动总体分析。计算2000-2011年我国28个省区高校科技创新活动的Malmquist指数、EC、TC、PTEC和SEC，结果如表1所示。从总体看，2000-2011年间，我国区域高校科技创新Malmquist指数的平均增长率为2.7%，这主要得益于技术进步的增长，平均增幅为2.5%，纯技术效率平均增幅仅为0.7%。但是，规模效率出现了负增长，平均增长率为-0.5%。表明技术进步是我国区域高校科技创新全要素生产率整体提升的主要因素，且技术进步的“前沿面移动效应”抵消了规模效率的降低带来的不利影响。由于管理组织水平的制约，我国区域高校科技创新综合效率并无显著增长，这是纯技术效率不高和规模效率的下降造成的。要解决这一问题，必须推进制度改革，强化管理功能，确保在增加创新要素投入的基础上，能够有效提高高校创新效率。

表1：我国历年高校科技创新Malmquist生产率指数及其分解（2000-2011）

从时间维度考察，2000-2011年间，我国高校科技创新生产率总体呈现波动增长的态势，如2003-2004年增长，而2004-2005年下降；2006-2009年增长，而2010-2011年又转为下降，增长过程并不稳定。

表2：区域高校科技创新的平均Malmquist生产率指数及其分解（2000-2011）

究其原因，一方面，与20世纪90年代，我国开展的高校区域内院校合并等一系列的重大改革以及改革后带来的各种影响有着密切的联系。高校合并后我国高校的综合实力得到了一定程度的提升，但合并需要在核心价值、大学文化、学科专业设置、组织制度以及人力资源等多方面进行整合与协调。由于整合管理的难度和复杂程度，合并后高校的优势往往难以充分发挥，从而影响了区域高校科技创新效率的提升。另一方面，高等教育国际化竞争日益激烈，给高等教育资源配置带来一定冲击，也给中国高校科技创新带来了巨大的挑战。

（二）区域高校科技创新生产率变动及差异性分析。表2给出我国各省区及东、中、西部地区平均Malmquist生产率指数及其分解指数。从全国范围看，2000-2011年天津、内蒙古、江西、河南、贵州、陕西、甘肃、新疆等8个省区高校创新效率均出现了负增长，平均为-5.61%。其中陕西高校科技创新生产率下降是由于规模效率的下降，天津、河南、新疆的下降则是由于技术效率的下降，而内蒙古等区域高校科技创新生产率的下降，是技术效率和规模效率共同下降所致；同期内其他各省区高校科技创新效率普遍增长，特别是上海、浙江、江苏、重庆4省区平均增幅14.9%。总体而言，高校科技创新Malmquist生产率指数在东、中、西部均处于增长的态势。东部的生产率指数增长明显高于中部、西部及全国平均水平。

从区域角度考察，东部地区高校科技创新生产率增长显著，为 6.0%。主要的动力来源是技术的进步，平均增长5.6%。综合效率改善则平均增长0.5%，对高效生产率变动的贡献不大。从分解结果来看，规模效率的普遍低下，导致了综合效率的增长缓慢。总体来看，区域高校科技创新全要素生产率具有明显的区域特征，在高等教育实力较强、创新资源和创新环境具有优势的地区增长较快。比如上海、江苏、浙江等所处的长三角地区高校科技创新生产率平均增长率高达14.5%，其中技术效率增长14.5%，技术的显著进步驱动了该地区高校科技创新生产率的增长，直接推动了区域经济的长足发展。

中部区域高校科技创新Malmquist生产率平均增长1.3%，主要源于技术的进步，但是规模效率下降的短板，导致了技术效率的下降，抵消了部分由技术进步带来生产率的增长。

与中、东部地区相比，综合效率的改善带动了西部地区高校科技创新生产率的增长，但增幅不大，仅为 0.7%。近年来，西部地区加大了对基础设施的投资力度，高校科技创新水平有了一定提高，但从总体来看，创新条件仍然落后，创新人才依然短缺，规模效率普遍下降。加之管理水平低，资源利用效率得不到充分释放，导致技术效率增长缓慢。

图1：区域高校科技创新效率指数评价矩阵图

从各个省区的角度考察，图1为28个省区高校科技创新效率的二维指数评价矩阵图，横轴数据为技术效率改善指数，纵轴数据为综合效率改善指数。依据综合效率改善指数和技术效率指数的不同，可以将我国区域高校分为不同的类型。位于Ⅰ象限的省区，为高校科技创新的综合效率改善指数和技术效率指数同向增长的省区。位于Ⅳ象限的省区，为高校科技创新的综合效率改善指数和技术效率指数同向下降的省区。而Ⅱ，Ⅲ象限内的省区为高校科技创新综合效率改善指数与技术效率指数反向变化的省区。位于象限分界线上的省区则表示2000-2011年间，综合效率改善指数或者技术效率指数没有发生变化的省区。从总体分布来看，高校科技创新的综合效率和技术效率的各省区之间均有显著的分化。

图2描述了各个省区高校科技创新研发人员投入规模与其生产率之间的关系，横轴数据为各个省区，纵轴为各个省区高校科技创新生产率，球面的大小表示各个省区高校科技创新研发人员投入规模（研发人员数）。由图 2可知，高校科技创新生产率正向变动最大的省区属于研究人员投入规模较小的省区；而高校科技创新生产率变动最小的省区却不是人员投入规模较大的省区。比如，重庆市高校研发人员投入规模很小（12年平均研发人员投入5781人），生产率指数却很高为1.162，生产率增加16.2%，北京市高校研发人员投入规模最大（12年平均研发人员投入260069人），但生产率正向变动却处于中等水平，为有 5.3%。因此，没有充分的理由证明区域高校科技创新生产率差异与研发人员规模之间存在显著的正向联系。

图2：区域高校科技创新规模与生产率图

（三）技术效率的收敛性研究。一般来讲，落后地区的高校具有后发优势，可以通过吸收借鉴发达地区高校的先进技术，压缩研发成本、规避投资风险，提高技术使用效率，使其比发达地区高校处于更有利的增长位置，呈现出区域高校科技创新发展的追赶效应，从而表现出一种收敛效应。本文借鉴Sala I. Martin的研究成果，采用绝对β－收敛法来检验区域高校科技创新的收敛性，建立绝对β－收敛回归模型，式中yi,t与yi,t+T分别为各区域期初与期末高校科技创新的技术效率，T为观察期的时间跨度，α为常数项，β为收敛系数，εi为随机扰动项。β为负时，表示收敛存在，反之则发散。

表3：高校科技创新的技术效率的绝对β收敛检验

表3显示了2000-2011年我国区域高校科技创新技术效率的绝对β收敛检验结果。由表可知，除中部地区高校科技创新效率的回归系数为负，且在0.1的显著水平下收敛以外，全国及其他各区域内部回归系数并不显著，表明没有充足理由拒绝全国及东、西部地区内部高校科技创新效率不显著收敛的假设。这一结果，意味着落后地区高校与先进地区高校之间，以及区域内不同水平高校之间的技术学习与追赶效应尚不明显。近年来，随着国家一系列支持政策的实施和自身建设的加强，高校创新人才流动性增强，以及高校之间、高校与其他创新主体之间合作的增加，知识转移、知识溢出的效应有所增强，东、中、西部地区及区域内部高校科技创新得到普遍发展，但区域间的差距仍然没有得到明显改善。

五、结论与建议

基于Malmquist指数法，考察了2000-2011年中国区域高校科技创新活动的生产率动态变化情况和差异性，并对区域高校科技创新生产率进行了收敛性分析。研究结果表明：中国高校科技创新生产率整体上呈增长趋势，技术进步是其主导因素。三大地区高校科技创新生产率指数均有增长，以东部地区为著。从高校科技创新综合效率改善指数和技术效率改善指数两个维度可将各省区分为不同的四个类型，且高校创新投入规模与其生产率差异不存在显著联系。绝对β－收敛检验表明，除中部地区以外全国范围内以及东、西部地区内部的高校科技创新效率的增长差异尚未缩小，未出现显著的收敛效应。

针对上述现状，提出以下建议：一、结合区域特色，科学制定高校创新发展战略，引导和加强区域高校科技创新与区域产业创新、行业创新深度融合，实现区域高校科技创新与区域经济的协调发展。二、加强科技管理体制改革力度，完善科技管理制度机制，为高校科技创新创造良好的生态环境。打破区域内高校序列限制和条块分割，加强区域高校间自主地横向交流与合作，积极鼓励区域内高校协同创新，充分释放人才、资本、信息、技术等方面的活力，推动整合科技资源，实现优势互补，资源共享，提升区域创新的整体实力和创新效率。三、改变现有高校科技创新理念和模式，确保高效地配置创新资源，加快以学科交叉融合为基础的知识、技术集成与转化，加快高校内部创新力量和资源整合与重组。四、加大各区域高校创新投入，特别是对中、西部高校科技创新的扶持力度，充分调动高校科技创新的积极性，引导产学研深度结合，有效促进技术成果的转化，以更好地服务于区域产业、行业科技进步，最终实现区域经济的持续健康发展。

[1] AHN T,CHARNES A,COOPER W W.Some statistical and DEA evaluations of relative efficiencies of public and private institutions of higher learning[J].Socio-Economic Planning Sciences,1988,22(6):259-69.

[2] JOHNES G,JOHNES J.Measuring the Research Performance of UK Economics Departments:An Application of Data Envelopment Analysis[J].Oxford Economic Papers,1993(4):332-347.

[3] KORHONEN P TAINIO,R WALLENIUS.J Value efficiency analysis of academic research[J].European Journal of Operational Research,2001,130:121-132.

[4] GIOVANNI A,TINDARO C,CIRIACO A D.A field-standardized application of DEA to national-scale research assessment of universities[J]Journal of Informetrics,2011(5):618-628.

[5] BONACCORSI A,DARAIO C.A robust nonparametric approach to the analysis of scientific productivity[J].Research Evaluation,2003(1):47-69.

[6] 王晓红,王雪峰,翟爱梅,等.一种基于DEA和多指标综合评价的大学科研绩效评价方法[J].中国软科学,2004(8):156-160.

[7]陆根书,刘蕾,孙静春,等.教育部直属高校科研效率评价研究[J].西安交通大学学报,2005(2):75-79.

[8] 孙世敏,项华录,兰博,等.基于 DEA的我国地区高校科研投入产出效率分析[J].科学学与科学技术管理,2007,28(7):18-21.

[9] 沈能.大学知识创新效率的测度与空间收敛分析[J].科学学与科学技术管理,2012(5):33.

[10] MALMQUIST STEN.Index numbers and indifference surfaces[J].Trabajos de Estadistica,1953(4):209-232.

本文推荐专家：

傅利平，天津大学管理与经济学部，教授，研究方向: 科技创新管理。

李健，天津理工大学管理学院，教授，研究方向：循环经济与可持续发展。

The Research on the Productivity Change and Convergence of Regional Colleges’ Science and Technology Innovation

ZHANG HAIYING1,2, ZHOU ZHIGANG1
(1.Management College, Tianjin University, Tianjin, 300072;2.Cangzhou Normal University, Heibei Cangzhou,061001)

With the application of Malmquist Index based on DEA method, the paper aims to depict the productivity changes in regional colleges’ science and technology innovation from 2000 to 2011; analyze the major factor of these changes; research the convergence of technology efficiency in regional colleges’ science and technology innovation. The main conclusions are as following: the productivity changes of Chinese colleges’ science and technology innovation have raised in this period, with technological progress the main reason. Growth also occurred in eastern, central and western regions, with the eastern region significantly higher than other regions. The matrix analyzed is characterized by substantial uniformity in distribution of efficiency change and technical change. From absolute β－Convergence test, it shows that differences reduce in central region but do not appear in others.

Regional Colleges' Science and Technology Innovation; Malmquist Index; Evaluation Matrix;β-Convergence

G649.21

A

1008-472X(2014)05-0069-07

2013-08-15

河北省高等教育科学重点课题GJXHZ2013-4；教育部社会科学研究重大课题攻关项目11ZD03

张海英（1980-），女，河北沧州人，天津大学管理与经济学部博士研究生，沧州师范学院讲师；周志刚（1950-），男，山西平定人，天津大学管理与经济学部教授，博士生导师。