国内高校科研效率和生产率研究述评及研究展望①

李佳哲，胡咏梅

（北京师范大学，北京 100875）

高校是以传承知识、培养人才和服务社会为目的的生产部门，合理、有效地评估高校科研生产效率，对于正确认识高等教育发展现状，从而合理地进行高等教育发展规划具有重要意义。

2017年1月12日，笔者在中国知网上以科研生产效率、科研生产率、高校科研效率、大学科研效率为主题词检索出相关程度较高的计114篇文献。从文献年份分布来看，自2011年起，高校科研效率和生产率研究热度提升。114篇文献年份分布情况见表1。

表1：高校科研效率和生产率主题文献年份分布情况

利用CNKI文献可视化功能发现，西安交通大学（20篇）、北京师范大学（8篇）、南京大学（8篇）、是国内高校科研效率和生产率研究的主要机构。陆根书（8篇）、胡咏梅（6篇）、梁文艳（6篇）、刘蕾（6篇）是该领域研究高产者。作者合作网络分析发现目前高校科研效率和生产率研究领域存在4个学者研究群，分别为陆根书、刘蕾、顾丽娜学者研究群，该群体自2004年起持续关注教育部直属高校的科研效率；胡咏梅、梁文艳学者研究群，该群体在国内首次引用Malmquist指数评估高校科研效率和生产率；王惠、王树乔学者研究群属于新兴研究群体，2015年开始关注高校科研效率和生产率问题；吕连菊、阚大学学者研究群主要对江西省高校科研效率进行评估。本文以下内容包括四个部分：一是国内高校科研效率和生产率研究对象及范围的综述；二是对评价体系指标选择的综述；三是研究方法及模型选择的综述；四是结论及研究展望。

一、国内高校科研效率和生产率研究对象及范围

目前，高校科研效率及生产率研究的研究对象可以分为全国高校、全国特定类型高校与省区高校三个层次。对全国高校科研效率进行评估的研究相对较少，涉及的样本相对较大，如徐娟［1］对我国31个省市高校科研相对效率进行了评估。

“特定类型”高校主要指教育部直属高校、“985工程”或“211工程”高校等。陆根书等［2］［3］近年来持续关注教育部直属高校的科研效率问题；胡庆江等（2011）、陈立泰（2013）分别对我国36所“985工程”高校和西部地区23所省部共建“211工程”高校的科研效率进行评价。近几年，学者们除了以“985工程”“211工程”等类型高校为研究对象，也尝试分别评估各高校的人文社科学科和理工农医学科的科研生产效率。如胡咏梅、范文凤［4］对2006-2010年间“211工程”高校理工农医学科和人文社会学科的科研生产效率分别评估。

目前对于特定省份或区域高校科研效率和生产率的研究集中于江苏、江西、安徽、浙江四个省份。王丽娜［5］、方明英等（2011）、刘勇等分别对江苏省30所本科院校、安徽省29所二类以上本科院校、浙江省22所高校的科研效率进行评价；吕连菊（2012）、阚大学等（2013）分别对江西省普通公办本科高校科研效率进行分析；现有研究缺乏对其他省份高校科研生产效率的评估。

从内容上看，现有研究除对样本高校DEA有效性与否进行研究，也对各高校进行分区域、分省份的比较研究。李清彬［6］的研究发现东北地区的技术效率均值最高；王宇鹏［7］的研究发现中西部地区技术效率的贡献更大。从现有研究结论来看，我国各区域、各省份的高校科研生产率及效率差异情况并不明显。

二、国内高校科研效率和生产率研究评价体系指标选择

国外研究比较重视对不同投入产出指标组合的比较。虽然Geraint Johnes和Jill Johnes采用不同的投入产出指标组合对英国大学经济学系的科研效率进行评估，结果表明不同投入产出组合所得到的效率值具有很高的一致性［8］。但高校科研效率和生产率研究中评价指标的选择一定程度上可能还是会影响效率结果。王继红等（2016）基于DEA模型定义了不同投入产出组合的四种模型，发现不同的投入产出组合会得到不同的效率得分，一定程度上说明DEA模型对变量选择的敏感性。高校科研生产效率评价指标体系可分为投入指标和产出指标两个部分。从概念上讲，科研投入是指系统运转所需的各种资源和要素，包括人力、物力和财力资源。而科研产出既包括产出的数量又包括科研产出的质量。

无论是投入指标还是产出指标，它们的选取存在难点。一是数据来源有限。由表2可知，现有研究数据来源集中在《高等学校科技统计资料汇编》、《教育部直属高校科技统计资料汇编》等文件资料，近几年来随着Web of Science数据库、教育部直属高校工作司网站、中国学位与研究生信息网数据中心网站等电子资源的发展，学者开展研究的数据来源范围扩大，但仍有限。数据来源一定程度上影响着学者对于评价指标的选择，而学者合理的评价指标的确立若没有数据支持也很难实施。二是指标的选择缺乏有效标准。哪些指标组合是客观的、有效的？国内现有高校科研效率和生产率研究侧重于对于模型分析结果的介绍，对指标选取过程介绍较少。多数学者基于文献基础、主观经验进行选择。早期研究的评价指标中未包含投入指标，仅包含在国内外刊物发表论文数等产出指标。但目前学者们普遍认可评价体系中应当既包括投入指标又包括产出指标，但具体指标选取尚未达成一致。

从投入指标来看，近几年研究在指标选取方向有以下几点改进。其一，学者们对于人力指标的选取不再局限于总人数也关注高水平人才，如梁文艳等［9］选取长江学者数、国家杰出青年基金获得者人数等指标；其二，对于财力指标的选取多选用人均经费而非总经费；其三，开始加入物力指标，如倪渊［10］选取国家级科研平台等作为投入指标。

从产出指标来看，学者们普遍选取专著、发表论文数、鉴定成果数和科技成果转化收入等指标，但就发表论文一项来讲，近几年来学者们不再采用论文总数这一变量，而是关注论文质量。关于科研质量的测量，学者们的做法不一。梁文艳、唐一鹏［11］和胡咏梅、范文凤［12］直接选取发表在高质量期刊的论文数如SSCI论文数作为评价指标，而苏为华等［13］将学术论文分为SCI论文、EI论文、ISTP论文与国内发表论文四大类别，分别赋予4、3、2与1的比重从而获得学术论文的综合评价结果。鲍威等［14］采用人文社科发文量按照“0.8*国内发文量+0.3*国外发文量”，而自然科学发文量按照“国外发文量+国内发文量*0.4”的比例进行计算。除了关注产出质量，近几年有学者关注产出的积累性及精神性产出。如刘勇等［15］将优秀博士论文数作为产出指标，而倪渊［16］将学术交流情况作为产出指标。

除此之外，为了避免投入或产出指标内部具有较强的线性关系，有学者利用主成分分析或因子分析的方法以减少计算量、合理确定指标权重的作用。如张婧［17］通过因子分析法提取2个投入因子即创新基础能力因子和环境支持能力因子以及2个产出因子即创新产出能力因子、成果转化能力因子，再利用DEA模型进行研究。而为了分析定性指标，确定指标体系层次间的非序列关系，韩海彬、李全生［18］（2010）先利用层次分析法分析定性指标，再利用DEA方法确定科研效率。

表2：国内高校科研效率和生产率实证研究的指标体系汇总

续表2：

三、国内高校科研效率和生产率研究方法及模型选择

（一）非DEA方法

1.多指标综合评价法

多指标综合评价法是将各项产出的加权之和与各项投入的加权之和的一个比值作为生产效率。该方法虽然可以解决高校科研生产率中的多投入、多产出问题，但由于投入、产出指标由研究者主观设置权重系数，因而研究结论的精准度、可靠性有限。

2.生产函数法

生产函数法需要预先确定分析单元的生产函数模型，所计算的产出是平均意义上的产出，主要适用于多投入、单产出系统的效率评价。因此传统的生产函数法不适用于对高校这一多投入、多产出的系统进行分析。近年来随机边界分析方法（SFA）克服了这一缺点。SFA可以进行传统的假设检验，但要提前设定函数的具体形式才能展开测算。近年来有少数学者运用SFA方法进行高效科研生产效率研究。如陈立泰（2012）运用随机前沿超越对数生产函数和主成分分析法对2005-2009年全国28个省市区高校科研效率进行估算。张鹏、于伟［19］利用SFA方法研究高校对区域创新效率的影响。

（二）DEA方法

DEA方法运用于教育领域始于1974年。当时，Levin教授提出了教育生产的技术效率测量方法［20］。21世纪以来，国外学者开始运用DEA方法对高校效率生产率问题进行探讨。Jill Johnes［21］运用DEA模型评估了英格兰109所高校的办学效率。Giovanni［22］采用DEA方法估计巴塞罗那自治大学各院系效率。

作为评价多投入、多产出复杂系统的科学方法，DEA已经成为当前高校科研效率和生产率研究的主流方法。之所以成为主流，自然由于该方法具有相对优势。这种优势主要体现在以下几个方面：一是无需提前设定函数形式，投入与产出指标的单位也可以不统一。二是研究者在设定评价指标后不必人为地赋予各个指标权重。三是模型运算可以得出对于决策单元来讲最优的投入产出方案，尽可能的减小误差。

国内基于DEA的高校科研效率和生产率的研究可以分为两个阶段，分别为传统DEA模型阶段和DEA模型改进阶段。DEA两个最基本的模型为CCR和BCC模型。

国内早期研究以传统DEA模型为主。但由于模型本身有较为明显的局限，一是生产函数边界是确定性的，无法分离随机因素和测量误差的影响；二是DEA效率评估容易受到极值的影响；三是效率值对投入和产出变量的选择比较敏感。因而学者们开始针对DEA传统模型的不足之处进行改进，使得高校科研效率和生产率研究进入DEA模型改进阶段。

1.超效率DEA模型

由于传统DEA模型所计算出的DMU效率值不会超过1，因此DEA有效的决策单元间无法比较。为此，Andersen和Peters提出超效率DEA模型（SEDEA），该模型计算出的效率值可以超过1，因而可以对所有DEA有效的决策单元进行排序并分析。我国学者李刚（2013）、王惠等［23］分别对SE-DEA模型、对我国36所“985工程”高校和江苏省35所高校的科研效率进行评价。

2.Malmquist方法

由于DEA模型不能输入面板数据，只能计算高校某一年的科研绩效或者若干年的平均绩效，无法反映一段时间内的绩效动态变动，因而可以评价动态绩效的Malmquist全要素生产率指数被引入高等教育领域。Malmquist指数方法具有以下优点：其一，不需要相关的价格信息；其二，适用于多个国家或地区跨时期的样本分析；其三，可以进一步分解为技术效率变化指数和技术进步指数，以探究高校科研生产力水平变化的原因。

Malmquist生产率指数最早由瑞典经济学和统计学家Malmquist作为一种消费指数提出。国外学者率先应用Malmquist指数方法评估高校科研效率。Worthington 等人［24］采用Malmquist指数分析澳大利亚35所大学的技术进步率、技术效率和全要素生产率的变化。国内学者胡咏梅、梁文艳［25］运用Malmquist指数评价我国2000年合并的25所高校合并前后整体科研生产率的动态变化，这是国内首次将Malmquist指数方法引入教育领域的研究。随后王宇鹏［26］采用Malmquist指数方法分析了全国30个省市高校2002－2009年高校科技投入产出效率的动态变动。胡咏梅等［27］采用Malmquist指数方法分别刻画“211工程”高校2006-2010年间理工农医学科和人文社会学科的科研生产率动态变化，从学校是否“985工程”高校和根据学校所在地划分的东、中、西部区域两个维度进行高校科研生产率变化比较研究，并且基于追赶效应、规模效应以及增长效应的分解探究影响高校理工农医学科与人文社会学科科研生产率变化的关键因素。

3.DEA视窗分析

DEA视窗分析（DEAWindow Analysis）是在传统的DEA模型基础上发展而来的用于对面板数据进行动态效率评价的方法。该方法不仅能够对同时期不同DMU的相对效率进行评价，而且能够反映DMU在不同时间窗口效率变化的趋势。赵晓阳等（2013）采用DEA视窗分析方法对我国31省市2003-2009年高校科研活动投入产出效率进行评估。陈浩等［28］分别取窗宽为1-5，应用视窗分析模型对我国各省市高校在2003-2007年的科研效率进行动态分析，发现科研效率在不同年份对窗宽的敏感程度不同，一定程度上说明建立理想窗宽的重要意义。

4.DEA多阶段模型

高校科研效率和生产率研究中的DEA多阶段模型目前包括DEA两阶段和三阶段模型。DEA多阶段模型可以引入不随时间变化的学校固定效应项构建固定效应模型，在一定程度减少遗漏变量问题。国外学者率先构建DEA-Tobit两阶段模型开展研 究 。Giovanni等［29］和 kew rpkes等［30］分 别 基 于DEA-Tobit两阶段模型估计意大利和德国高校科研生产效率。

基于国外学者的研究基础，国内学者也开始尝试采用DEA多阶段模型对高校科研生产率开展研究。梁文艳等［31］利用DEA-Tobit两阶段模型测算2006-2010年“211工程”高校自然科学学科生产效率，且发现区域科技进步水平对大学科研生产效率存在显著影响，而经济发展水平的影响不显著。三阶段DEA方法是Fried提出的DEA改进方法。利用SFA方法去除环境因素和随机干扰的影响，把所有DMU放于相同的环境状态下从而更为准确的获得决策单元的效率水平。刘兴凯、左小娟［32］利用我国2010-2012年28个省区的面板数据，使用三阶段DEA方法，测算了我国各地区高校科研效率并探讨了科研效率的影响因素。

5.其他新改进模型

除了以上四种较为普遍的DEA改进模型，国外学者也构建了其他改进模型对高校科研效率和生产率问题进行研究，而我国学者也尝试将国外最新成果运用于国内研究中。由于DEA估计量不确定，Bootstrap方法是将DEA估计量用于统计推断和假设检验的一种可行方法，因而少部分学者开始运用Bootstrap修正的DEA模型。Bootstrap修正的DEA模型一定程度上克服了DMU异质性和随机因素的影响。尹伟华等（2013）运用Bootstrap修正的DEA模型对2010年中国教育部直属高校的科研活动效率进行了较为全面的评价和分析，统计检验显示出Bootstrap修正的DEA模型更具有可靠性。

除了Bootstrap-DEA方法，交叉效率评价法通过使用自互评体系取代单纯的自评体系，从而得到更客观有效的效率值，可以很大程度上克服早期DEA模型存在的缺陷。国内少数学者近年来也开始采用此方法开展研究。张黎等（2015）采用DEA交叉效率模型对我国34所“985工程”高校2014年的科研效率进行评价。

传统的DEA模型无法计算出最具效率的规模，也不能给出具体的实现方法。李双杰建立了SZE（Size Efficiency）模型，通过平均拆分或扩张决策单位来达到最适生产规模MPSS（Most Productive Scale Size），使得平均拆分或扩张后的所有单位可以达到的产出之和不低于拆分前的产出。2014年，李双杰等使用DEA的SZE模型测算了中国40所重点理工科大学科研的技术效率。而传统DEA模型在进行效率评价时未考虑投入产出松弛变量问题，使得测度结果会产生偏误，且缺乏科研效率的动态全景式描述。因而Tone在传统DEA的基础上提出基于松弛变量的非角度、非径向SBM模型。国内学者王树乔等［33］（2016）用非径向、非角度的SBM模型对中国36所“985工程”高校2008-2014年度的科研效率进行测算并比较其区域差异。

四、结论及研究展望

本文通过对114篇国内高校科研生产率研究相关文献进行系统梳理，从研究对象、评价指标体系、研究方法三个方面展开综述工作，得到如下几点结论：

一是从研究对象及范围来看，国内高校科研效率和生产率研究的研究对象可以分为全国高校、全国特定类型高校以及省区高校。对全国及省区高校科研效率进行评估的研究较少而对于特定类型高校科研生产率的研究较多。笔者认为，一方面，作者可能考虑到研究的外部效度问题；另一方面，也可能考虑到DEA模型要求样本同质性程度较高。除此之外，目前对省区高校的研究较为集中于江西、浙江、安徽、江苏等省份，而对其他省份高校的研究较少涉及。

二是从评价体系指标选择来看，对于指标体系区分度及稳健性检验的相关文章较少。潘健等［34］基于经验法则、因子分析法和Pastor方法构建3套评价指标体系，并将其应用于测算2008年我国研究型大学的科研效率。结果表明应用3套评价指标所得的大学科研效率及其排名均有较大差别。从投入指标的选择来看，越来越多的学者在选择投入指标时关注人力、物力、财力三个方面，且不仅关注总量也关注平均水平。从产出指标的选择来看，除了产出数量更注重产出的质量，并对产出质量的核算进行了一些尝试。

三是从研究方法及模型选择来看，当前DEA方法依然是高校科研效率和生产率研究的主流方法，但最新研究不再局限于传统DEA模型而是针对传统DEA模型的不足进行模型改进。目前国内学者在改进DEA方法过程中，发展出超效率DEA模型、Malmquist方法、DEA视窗分析、DEA多阶段模型等新方法。

针对现有研究局限、未来高校科研效率和生产率的研究可以在以下方面进行改进：

一是关于样本同质性。DEA方法评估结果的有效性取决于评估对象的同质性。样本的同质性越高，则结论越有效。现有研究中对全国范围内的高校科研生产率进行研究较少，很大程度上也是由于全国范围内高校作为样本难以保证样本的同质性。尽管全国范围内高校纳入样本会增加样本量，但要在保证样本具有较高同质性的基础上提高样本量。后续研究一方面可以加强对于特定类型高校科研生产率的研究。除“985工程”“211工程”等特定类型学校，也关注工科、医科、师范类或具体到特定专业科研生产率的研究；另一方面在省区层面关注除浙江、安徽、江苏、江西其他省份高校科研生产率的评估。总之，对不同层次、类型高校分开建立合理的评价体系，分类评价其科研生产率。

二是关于产出滞后性。高校科研产出具有滞后性，鲜少有研究关注产出滞后性问题。在实际科研生产率核算中直接使用当年数据，一定程度上影响了结论的有效性、准确性。少数学者关注到产出滞后性问题。如胡咏梅等［35］采用滞后一期移动平均方法测算了100所“211工程”高校2007-2009年理工农医学科、人文社会学科的科研技术效率、规模效率。尽管对于产出滞后性问题如何处理并没有统一方案，但学者们要有滞后性意识并对此问题展开深入探讨。

三是关于方法的比较与融合。虽然当前DEA方法是研究高校科研生产率的主流方法，但从方法本身来讲，参数法SFA和非参数法DEA各有优势。因此重视对不同方法得到的结果进行比较有助于获得更为客观、稳定的结论。目前学者们一方面探求高校科研生产率研究的最适方法，同时也尝试对各种方法及模型进行整合。后续研究无论是探寻最优方法还是进行方法融合都需要关注方法或模型本身的局限及适用条件。

四是关于研究结论。现有研究结论或是揭示DEA有效高校所占比例、DEA指数分解结果，或是说明区域差异情况，较少涉及对影响高校科研生产率因素的探讨，这应该是后续研究努力的一大方向。此外，就现有研究结果本身而言，缺乏对结果稳健性的进一步检验。当前主流方法DEA估计的结果容易受到极端值的影响，具有样本敏感性。为了克服样本数据带来的结果偏差，有必要对评价指标的稳健性进行检测。Bootstrap方法、刀切法均可以检验模型结果的稳健性。钟颖（2015）利用面板数据，采用DEA视窗分析方法和DEA跨时期分析方法，分别对样本高校理工农医学科和人文社会学科科研活动投入产出的纯技术效率进行动态评价并利用刀切法和频数分析方法对纯技术效率值进行稳健性检验。

总之，后续研究在使用DEA方法评估高校科研效率和生产率时，不仅需要限定为同质性样本，选取更为合理的评价指标体系，还要根据样本数据特点选择符合适用条件的DEA改进模型，并且要对实证结果进行稳健性检验。

［1］徐娟.我国各省高校科研投入产出相对效率评价研究——基于数据包络分析方法［J］.清华大学教育研究，2009，30（2）：76-80.

［2］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（社会科学版），2005，（2）：75-79.

［3］陆根书，刘蕾.不同地区教育部直属高校科研效率比较研究［J］.复旦教育论坛，2006，（2）：55-59.

［4］［12］胡咏梅，范文凤.“211工程”高校科研生产效率评估：基于DEA方法的经验研究［J］.重庆高教研究，2014，（3）：1-14.

［5］王丽娜.高校科研效率研究：以江苏省为例［J］.科技管理研究，2012，（11）：127-131+139.

［6］李清彬，任子雄.中国省际高校科研效率的经验研究：2002-2006［J］.山西财经大学学报（高等教育版），2009，12（1）：7-12.

［7］［26］王宇鹏.我国高校科技投入产出动态效率测度——Malmquist指数方法的研究［J］.渤海大学学报（自然科学版），2012，（2）：188-192.

［8］Geraint Johnes，Jill Johnes.Measuring he research performance of UK economics departments：an application of data envelopment analysis［J］.Oxford Economics Papers，1993，45：332-347.

［9］［31］梁文艳，袁玉芝，胡咏梅.研究型大学自然科学学科科研生产效率测算及影响因素分析——基于DEA-Tobit两阶段模型［J］.国家教育行政学院学报，2014，（10）：70-76.

［10］［16］倪渊.基于滞后非径向超效率DEA的高校科研效率评价研究［J］.管理评论，2016，（11）：85-94.

［11］梁文艳，唐一鹏.高校人文社科科研生产效率区域比较研究——基于Malmquist指数的动态评估［J］.重庆高教研究，2014，（2）：21-27.

［13］苏为华，罗刚飞，曾守桢.高等学校科研效率评价研究——以浙江省为例［J］.科研管理，2015，（9）：141-148.

［14］鲍威，陈杰，万蜓婷.我国“985工程”的运行机制与投入成效分析：基于国际比较与实证研究的视角［J］.复旦教育论坛，2016，（3）：11-18.

［15］刘勇，谷晗.高校科研投入产出效率探析——以浙江省为例［J］.中国高校科技，2013，（10）：29-31.

［17］张婧.基于因子分析与DEA模型的高校科研效率评价［J］.统计与决策，2015，（2）：74-77.

［18］韩海彬，李全生.基于AHP/DEA的高校人文社会科学科研效率评价研究［J］.高教发展与评估，2010，26（2）：49-56.

［19］张鹏，于伟.高校对区域创新效率的影响：基于随机前沿生产函数的分析［J］.教育与经济，2013，（6）：24-29.

［20］Levin， H.M.Measuring Efficiency In Educational production［J］.Public Finance Quarterly，1974，（2）：3-24.

［21］Johnes J.Data Envelopment Analysis and Its application to The Measurement of Efficiency in Higher Education ［J］.Economics of Education Review，2006，（25）：273-288.

［22］Gimenez.VM.Martinez，JL.cost Efficiency inthe University：a Departmental Evalation Model Economics of Education Review，2016，25（5）：543-553.

［23］王惠，王树乔，李小聪.基于DEA方法的江苏省高校科研效率评价研究［J］.科技管理研究，2015，（7）：92-96.

［24］Worthington A.C，Lee B.L.Efficiency，Technology and Productivity Change in Australian Universities，1998-2003［J］.Economics of Education Review，2008，（3）：285-298.

［25］胡咏梅，梁文艳.高校合并前后科研生产率动态变化的Malmquist指数分析［J］.清华大学教育研究，2007，（1）：62-70.

［27］［35］Yongmei Hu，Wenyan Liang，and Yipeng Tang.Evaluating Research Efficiency of Chinese Universities［M］.Singapore：Springer Nature Singapore Pte Ltd，2017.

［28］陈浩，王晓红，张宝生.基于视窗分析模型的我国高校科研效率评价［J］.科研管理，2013，（7）：101-111.

［29］Giovanni Abramo，Ciriaco AndreaD'angelo，Fabio Pugini.The measurement of Italian universities'research productivity by a non- parametricbibliometric methodology［J］.Scientometric，2008，2（76）：225-244.

［30］Kempkes，G.，Pohl，C.The efficiency of German universities：some evidence from nonparametric and parametric methods ［J］.Applied Economics，2010，42（16）：2063-2079.

［32］刘兴凯，左小娟.我国高校科研效率的区域性特征及影响因素分析——基于三阶段DEA方法的实证研究［J］.国家教育行政学院学报，2015，（5）：77-83.

［33］王树桥，王惠，李锋，等.“985工程”高校科研效率动态演进及区域比较［J］.科技管理研究，2016，（17）：87-92.

［34］潘健，宗晓华.基于数据包络分析的大学科研效率评价指标体系研究［J］.清华大学教育研究，2016，（5）：101-110.