基于DEA-TOBIT模型的科研主体分析科研创新投入产出效率

任红松，陈宝峰，赵龙，艾合买提·买买提，吴久赟

(1.中国农业大学经济管理学院，北京 100083；2.新疆农业科学院吐鲁番农业科学研究所，新疆吐鲁番 838000)

0 引 言

【研究意义】科技人员作为科研主体，其能力和素质的高低直接影响着科技产出水平。科研主体在科研产出时也必定需要面对相应的约束条件，投入产出的效率是面对约束条件的关键。研究科研主体的自身素质、能力对其产出效率的影响，对提升处于科研约束条件下的科研产出水平具有实际意义。【前人研究进展】科研素养是在20世纪50年代由美国教学家Conant. J提出。直到20世纪70年代之后才逐渐对科研素养有了统一的内涵，都是基于三个分类层次。其中，典型的科研素养有三层含义概念认为：第一层科学的内容(即科学知识)；第二层讲科学知识产生过程的重要性，也就是“科学方法”；第三层是科研过程中需要遵守的伦理道德。现阶段多数学者也是基于此来定义科研素养[1]。作为科研产出效率这个概念，多是从投入产出的视角进行的研究。而对其影响因素的研究中，也大多是从外部条件诸如政策、环境等，而对科研创新产出的主体科研人员自身素养的关注较少。但是，科研人员作为科研工作的主体，其自身水平、能力、素质等因素也一定会影响到其产出的水平，科研素养对其科研创新的效率可以产生影响。有研究显示，科研素养是在经过后天教育培养之后形成的科研过程中稳定表现出的基本品质[2]。也有研究认为，科研素养是指研究者在从事科学研究活动中利用科学知识发现问题，在此基础上提出科学设想并进行论证的过程中所需要的能力及素质[3]。有些学者把科研素养等同于科研能力，指的是科学研究人员运用科学方法顺利完成科研活动所需要的身心条件。基于此，提出科研素养中应包含科研理论素养、科研能力素养、科研道德素养[4]。而关于科研素养的理论基础中，加涅认为，学习者通过学习，最终习得了某种或者某些“性能”(capabilities)，可以划分为五类，也就是五种学习结果[5]。科研活动是科研人员多年来学习行为的综合结果，加涅学习结果理论中第一层、第二层与第四层，是对知识的学习与灵活运用的结果，与研究所定义的科研素养第一层面——基本素质，是一致的。加涅学习结果理论的第三层，认知策略，支配着学习者在对付环境时其自身的行为，即“内在的”东西，对应着科研素养第二层面——个人能力。加涅学习结果理论的第五层，态度，对应着科研素养的第三层面——科研修养。关于科研素养对科研创新产出效率影响的研究还相对较少，很多时候是是从研究定义科研素养中的某一些方面进行了影响研究。主要分为主观因素和客观因素两个部分。在主观部分中，科研工作满意度对科研工作绩效之间存在交互影响[6]。而比较成体系的则是利用心理资本这个概念来研究绩效影响，主要内容是包括情绪稳定性、外向性、开放性、宜人性和责任感在内的五大人格结构，自信、希望、乐观和韧性这些积极的心理状态类的指标，以及更深入的创造力、智慧、幸福感、沉浸体验和幽默这些变量，并借助于这些概念用心理资本研究高校教师的工作绩效，得出以自信、希望、乐观、韧性组成的心理资本，结合高校职工的年龄、职称、学历等作为自变量研究它们对科研绩效的影响，结果证明这些指标都对科研绩效产生了影响[7]。在客观部分中，基本上可以包含为地方基本状况、经济状况、产学研结合状况、人力资本投入程度等等[8-9]。【本研究切入点】科研主体的科研素养界定可以借鉴加涅的学习理论，从五个层级中找出相应的位置进行界定。而针对科研人员的科研素养对其创新产出效率的影响中，现阶段对此研究较少。科研素养总体可以细化为四个层面：第一个层面，科研基础；第二个层面，个人能力；第三个层面，思维风格；第四个层面，科研修养。研究把四个层面作为本套指标的四个基本的维度，针对每个维度设置具体指标和可测指标。研究科研主体对科研创新投入产出效率的影响。【拟解决的关键问题】运用相关文献及问卷调查的收集、整理、汇总和对比分析，采用DEA-TOBIT两阶段模型对每一个样本创新投入产出的效率进行分析，使用科研素养的相关变量对其进行研究。研究科研人员的科研素养支撑的基本理论并构建相应的指标体系，在此基础上对其进行分析和计算得出科研主体的科研素养水平。研究科研创新绩效的投入和产出的关系，以此关系为基础对科研主体的科研投入和产出效率进行分析。利用科研素养的基础理论分析科研主体对科研主体创新投入产出效率的影响。

1 材料与方法

1.1 材 料

1.1.1 采集数据

以新疆农业科学院的科研人员作为本次调研对象。问卷的调研采取分层抽样的方法进行。第一层以不同的研究所进行划分，每个研究所调研问卷的目标定为28份，可以视情况、人数具体变化上下浮动。第二层以年龄进行划分，对单个研究所来说：小于30岁的科研人员，目标随机调查7人；30<年龄≤40的科研人员，目标随机调查7人；40<年龄≤50的科研人员，目标随机调查8人；50<年龄的科研人员，目标随机调查7人。如果某一层的人员数量不足7人，则全部进行调查，其余各层抽样数量可以不变。

问卷调研采用的是电子问卷随机发放与纸质问卷随机发放两种方式相结合进行的。问卷共涉及11个院所，回收问卷210份，其中有效问卷178份。

1.1.2 相关指标

在使用科研素养作为分析的关键自变量之前，需要对其进行因子分析以便确认每一个指标所属的维度，以及确定科研素养每个维度的水平。在因子分析中，主要的检验是信度检验和效度检验，其中信度检验主要参考旋转因子载荷，而效度检验则观察每个题项“题项删除时的Cronbach's Alpha值”。表1，表2

表1 科研素养指标体系
Table 1 Scientific research accomplishment index system

维度指标具体指标题项编号科研基础基本指标职称X41专业契合度工作年限X42团队贡献在本团队中的分量X43个人能力交流能力与团队人员的交流频率X21合作能力团队人员对自己的帮助程度X22语言表达能力团队之间交流顺畅程度X23思维风格政策接受程度现有科研相关政策满意度X31经费状况现阶段科研经费满意程度X32条件满意度科研条件(设备、场地、环境)满意度X33解决困难的心态解决困难过程的顺利程度X34科研修养理论学习意愿对本领域的基础理论学习意愿X11方法学习意愿对本领域科研方法的学习意愿X12知识更新获取最新知识的意愿X13学习广度个人的阅读广泛程度X14创新意愿寻求新方法处理问题的意愿X15个人追求科研对自身的意义X16

表2 科研素养项目
Table 2 Scientific research accomplishment project analysis

维度指标题项编号Component总题项Cronbach's AlphaCronbach's Alpha if Item Deleted科研基础基本指标X410.8250.7000.465专业契合度X420.8240.7000.689团队贡献X430.6870.7000.501个人能力交流能力X210.8900.8510.815合作能力X220.8820.8510.774语言表达能力X230.8700.8510.789思维风格政策接受程度X310.8480.8480.796经费状况X320.8330.8480.822条件满意度X330.8310.8480.805解决困难的心态X340.8040.8480.807科研修养理论学习意愿X110.8910.8720.828方法学习意愿X120.8640.8720.835知识更新X130.7520.8720.862学习广度X140.7430.8720.857创新意愿X150.7420.8720.858个人追求X160.7190.8720.859

这些变量不可以直接使用到最终的模型中，主要因为科研素养是一个潜变量。需要对这个潜变量进行研究，与此同时，组成科研素养的科研基础、个人能力、思维风格和科研修养也是潜变量。而潜变量是不可被直接观测和使用的变量。因此需要观察变量来对潜变量进行替代。在此处理的科研素养相关数据就是希望将不可观测的潜变量由可观测的变量来进行表达。

一般的由观测变量表达潜变量的方法是观测变量按照一定的权重水平进行加总，从而由多个观测变量来表达一个潜在变量。而加权的系数则有两种，一般是回归路径系数和旋转因子载荷系数。在此进行加权计算。表3

表3 科研素养水平值
Table 3 Analysis of scientific research accomplishment level

指标指标题号均值最大值最小值方差科研素养F2.273.181.060.46

1.1.3 投入产出效率相关指标

在确定DEA-BCC模型之后，对投入产出项进行确定，其中创新投入指标分别是获得课题数量，获得课题最高级别，获得课题总经费，获得单个课题最高经费这四个选项。创新产出指标分别为理论成果和产品成果。其中理论成果包括O1到O3,分别为论文数量、最高影响因子以及核心论文数量。产品成果主要为标准专利数量、创新产品质量。不论是创新投入指标还是创新产出指标，方差(标准差)的值比较大，证明在样本群体中，高低差别大，并不平均。尤其是科研经费不论是总经费还是单个最高经费的标准差更大，而且最大值与最小值的差距也非常大。

对个别单个指标进行分析，获得课题的数量，平均每一个样本可以获得各种级别课题4次，但是方差也较大，而且最高值与最低值相差44，也就是说获得课题数量最多的人大小课题项目一共44项。在一般的科研主体中属于数量巨大。其次是产出项中的论文数量，也呈现出方差大，最小值与最大值差别大的情况。最高的发表论文180篇，属于非常大量产出的情况。

在对数据进行初步的分析之后需要对数据在DEA模型中使用情况进行检验和分析。在使用DEA方法时，第一个原则是所有的投入产出项都为正数，在这九个变量中可以得出的是全部都是正数，最小值为0，没有负数，因此第一个原则通过。第二个原则是决策单元的数量要较多的大约投入产出指标数，在研究中投入产出指标一共为9个，而决策单元的数量为178个，因此也符合第二个检验。第三个原则是指标为非比率型指标，也就是指标尽量不要是两个指标的比值，使用的所有投入产出指标均为量和质的体现，且不存在比率问题，因此第三个原则的检验也通过。表4，表5

表4 科研创新投入产出指标表
Table 4 Input-output index of scientific research and innovation

科研投入/产出指标题号科研投入指标B1获得课题、项目数量B2获得课题项目级别B3获得科研经费的总量B4单个课题最高科研经费创新产出指标C1核心论文数量(包括SCI、EI等国际期刊)C2最高论文影响因子C3著作、标准制定数量(考虑第一作者、参编等)C4科研成果数量(一般为专利、产品等)C5科研成果获奖级别

表5 投入产出数据
Table 5 Input-output data analysis

科研投入/产出指标题号均值最大值最小值标准差创新投入指标B14.144405.1B22.97511.09B31804 6500505.13B483.862 5000256创新产出指标C110.4180015.1C21.348.9501.17C38.25178014.63C44.1747032.5C57.845309.33

1.1.4 DEA-TOBIT其他控制变量

在对科研素养相关指标数据进行处理和分析之后，就对其他的控制变量或者叫补充变量也进行一个初步的分析。表6

表6 TOBIT模型其他自变量
Table 6 Other independent variables of TOBIT model

1.2 方 法

1.2.1 DEA部分模型构建

确定投入产出的指标之后需要对使用具体DEA模型进行构建，采用的DEA模型为DEA-BCC模型，考虑规模效应和纯技术效应的DEA模型。

(1)

(2)

其中的X0和Y0分别代表了第J0个决策单元的输入变量和输出变量，而则代表了产出效率的数值。但是在一般的BCC模型中仍然要引入投入松弛变量S-、产出松弛变量S+以及阿基米德无穷小量ɛ。最终的BCC模型中第J0个决策单元的表达式为：

(3)

在这个模型中，除了可以考虑综合效率、纯技术效率以及规模效率之外还可以对DEA有效以及非DEA有效进行分析，当纯技术效率和规模效率都为1时则称之为DEA有效，当只有其中一个为1时成为DEA弱有效，当都不为1时则为非DEA有效。另外，在引入松弛变量之后还可以通过松弛变量进行判断，每一个松弛变量，包括输入变量(B1到B4)和输出(C1到C5)变量只要不为0时，则认为是投入要素没有全部发挥作用，个体单元的要素产出没有达到充分的条件。反之，弱都为0时，则要素产出达到充分的条件。

1.2.2 TOBIT部分模型构建

模型的因变量，研究科研主体科研素养对于科研人员的创新绩效，也就是投入产出效率影响，其实是研究基于科研素养的科研人员创新绩效影响因素。因变量只能选取科研主体创新绩效的相关指标。根据上文中对于科研主体创新绩效的实证研究设定来看，主要是研究科研人员科研投入和产出的综合技术效率、纯技术效率以及规模效率。所以，因变量选取这三个指标。

其次，是自变量的选择问题，在自变量的选取中，使用科研素养的四个主要组成维度作为自变量。但是作为一个研究创新产出效率影响因素的研究，不能只有科研素养这一类指标，要考虑年龄、学历、工作背景这三个个人层面的特质，将其作为控制变量。最终构成模型，表7

表7 DEA-TOBIT模型主要变量
Table 7 Mainly variable scale of DEA-TOBIT model

标号因变量/自变量具体指标Y1因变量科研投入产出综合效率Y2科研投入产出纯技术效率Y3科研投入产出规模效率F自变量科研素养F1科研基础F2个人能力F3思维意识F4科研修养AGE年龄EDU1最高学历EDU2第一学历SEX性别BCGD工作背景PARTI1非主持课题参与数量PARTY2非主持课题参与经费

2 结果与分析

2.1 第一阶段DEA-BCC模型投入产出

2.1.1 松弛变量

在178个单元中，只有4个决策单元达到了综合效率最优，不论是4个投入项还是5个产出项都没有存在投入冗余和产出不足的状况，因为CCR模型是一个综合效率为主要考量对象的模型，所以在178个单元中，只有4个单元达到综合效率最优，剩下的174个决策单元在综合效率方面都没有达到最优，最后一项产品成果的产出不足是最弱的，科研投入和产出中，只有产出的最后一项也就是科研产品成果是情况较好的。表8

研究表明，纯技术效率的投入产出运用情况。首先是4个投入松弛变量，5个产出松弛变量都为0的单元，这些单元表明不存在投入冗余和产出不足的状况。178个决策单元中所有的投入松弛变量和产出松弛变量都为0的17个决策单元，在这些决策单元中，既不存在投入冗余又不存在产出不足，属于资源配置效率相对较优单元。这些单元属于纯技术效率相对最大化的单元。除了这17个决策单元之外的161个决策单元要不然存在着投入冗余，要不然存在着产出不足，都是属于没有达到所有资源优化配置的单元。从整体来看，达到资源优化配置的仅占9.5%，在样本的群体中，个人之见的资源使用效率相差较大，达到优化配置的属于较小的群体。在样本群体的中需要进行资源的优化，使用效率的提升从而达到较为优化的效果。表9

表8 CCR模型松弛变量
Table 8 CCR model relaxation variable analysis section

单元数s-S-s-s-S+S+S+S+S+10000000000660000000006700000000068000000000平均值0.4940.3150.3930.3761.1070.6950.8982.1410.007

表9 BCC模型松弛变量
Table 9 BCC model relaxation variable analysis section

单元数s-S-s-s-S+S+S+S+S+100000000004500000000066000000000670000000006800000000082000000000100000000000101000000000105000000000124000000000125000000000132000000000137000000000141000000000152000000000164000000000177000000000平均值0.3810.3260.3130.5570.340.3210.4711.0150.111

2.1.2 效率值与规模报酬状态

研究表明，178个决策单元的综合值为0.440，距离最优值1的差距较大，证明平均的综合效率较低，投入产出的效率不高。第二，纯技术效率的平均值为0.8，距离最优值1是相对较小的，证明该样本群体的纯技术效率相对尚可，而规模效率则是由综合效率/纯技术效率所得，因此与综合效率和纯技术效率相关。整体综合效率较低的原因也是由规模效率不足所导致。而规模效率不足则证明了投入项目中资源的分配和优化还存在不足，从投入项的角度分析，可能是课题的数量和质量并没有呈现一个相关的关系，导致了数量和质量的不统一，使得没有办法等比扩大时产生更大的产出效果。第三，规模报酬递减的问题，在分析的结果中，从投入和产出的角度来讲，个人层面存在规模报酬递减的问题。在178个决策单元中有151个是规模报酬递减。根据上面分析的结果显示，规模效益不足，资源配置的问题使得在样本群体中的科研投入存在多余和相对"浪费"的现象。因此呈现出了大范围的规模报酬递减的情况。最后是DEA有效和非有效的问题，在研究结果中，DEA强有效只有5个，DEA弱有效有58个，而DEA无效则为115个。从决策单元的角度只有5个样本不需要进行进一步资源优化配置，产出效率较好，但是剩下的58个DEA弱有效的单元中，22个规模报酬不变，也就是增加投入也不会对效率产生更多的影响，而剩下的36个DEA弱有效单元中则都是规模报酬递减的问题，从一般的提升效率分析的角度，要使得这36个人的投入产出效率进一步提升，则需要进行投入的相对减少。而最后那115个DEA无效的决策单元中，则都是规模报酬递减的情况，也是需要减少投入才能提升效率。

2.2 第二阶段科研素养对个人投入产出效率影响

在指标的处理中科研素养作为潜变量经过加权的计算已经得出了代表其水平的可观测数据。而且作为组成科研素养的科研修养、个人能力、思维风格以及科研基础也得出了代表其水平的数据。接下来就可以对相关的结果进行分析。主要分为科研素养整体水平对科研人员投入产出效率的影响以及科研素养中科研修养、个人能力、思维风格和科研基础对科研人员投入产出效率的影响两个部分。

2.2.1 科研素养整体水平对科研投入产出影响实证分析

在这个部分中，首先使用科研素养的整体水平对科研投入产出综合效率、纯技术效率以及规模效率进行实证分析，根据回归的结果，首先对综合效率的影响进行分析，从回归结果看，科研素养对综合效率的影响并不显著，而只有学历因素也就是最高学历和第一学历对在5%的显著水平上对科研投入产出的综合效率产生正向的影响。其他影响指标均不显著。可以得出的是科研素养的整体水平的改变似乎对综合效率没有什么影响。但是还需要接下来进一步分析科研素养对科研产出纯技术效率以及规模效率的影响才能进一步的得出结论。

其次是科研素养对纯技术效率的回归分析，可以得出的是科研素养的整体水平对纯技术小效率有非常显著的影响，在1%的显著水平的正向影响纯技术效率。也就是说随着科研素养整体水平的提升，科研投入产出的纯技术效率显著增强。此外，在学历方面只有最高学历显著正向影响纯技术效率。而第一学历则对纯技术效率没有产生影响。另外，对于科研项目参与的级别在5%的显著水平上正向影响科研纯技术效率。经过分析可以得出的是对于科研素养、对于项目参与的级别以及最高学历都影响着每一个单位的纯投入产出效率。而科研工作者的参与课题的数量则没有显著的影响。这说明不是参与越多的项目就越能提升单位投入对产出的效率。另外性别不论是综合效率，还是纯技术效率都没有产生影响。证明性别问题在对效率并不产生影响。

第三，是科研素养对规模效率的回归分析，结果发现科研素养对于科研投入产出的规模效率有产生负向的影响，且在5%的显著水平上影响。着个结果首先从统计学的角度解释了为什么科研素养对于综合效率没有显著的影响，基于综合效率是纯技术效率以及规模效率的乘积。因此一个正向影响，一个负向的影响使得从数学层面上的印象被一定程度抵消。接下来需要分析为什么科研素养对规模效率是负向的影响，从一般的道理上来讲投入产出的规模效率是投入项中每一个单位的增加带来的效率的变化，因此更多层面上是投入配置的问题，而似乎科研素养对于增加投入规模之后效率产生抑制作用，则需要对科研素养的每一个部分进行分析之后才有可能得出相应的结论，因此这个问题将在下一个部分中进行解答。表10

表10 科研素养对科研效率影响模型回归
Table 10 Model regression results of the influence of scientific research literacy on scientific research efficiency

指标综合效率P值纯技术效率P值规模效率P值F0.029 8940.295 60.220 3430.000 0-0.073 5170.031 6EDU10.037 8890.047 90.032 0250.009 10.044 7850.063 6EDU20.055 4500.044 30.019 8310.237 00.153 3330.000 0SEX0.030 6040.317 20.004 0000.829 80.053 3840.144 8BACGROD-0.005 5890.848 7-0.011 7410.509 80.0164280.639 2PARTI1-0.002 7260.899 90.002 7330.835 80.000 6640.979 6PARTI20.017 7910.399 20.028 7560.025 10.008 3380.741 2

2.2.2 科研修养、个人能力、思维风格、科研基础对科研投入产出效率的影响

使用四个指标作为影响因素研究其对科研投入产出效率的影响。F1代表科研修养、F2代表个人能力、F3代表思维风格、F4代表科研基础。首先是关于综合效率影响研究的结果，科研修养、个人能力、思维风格以及科研基础对于综合效率都没有产生显著的影响，只有最高学历和第一学历分别在10%以及5%的显著性水平上显著影响综合效率。同科研素养整体水平的影响结果相同，都是学历在综合效率的影响中有主要的作用。

其次是关于纯技术效率影响研究的结果，科研修养和个人能力在1%的显著水平上影响科研投入产出的纯技术效率，而科研基础则在5%的显著水平上影响科研投入产出的纯技术效率，但是思维风格没有显著的影响结果。也就是说，科研素养中的科研修养、个人能力以及科研基础影响着科研人员产出的纯技术效率。具体来说，科研修养中的方法、理论等能力的掌握对于科研产出的效率有积极的影响，而且对待科研工作的态度也可以影响到效率问题。而个人能力中的交流能力、团队协作能力、表达能力也会对产出产生积极的作用。科研基础代表着一个人科研人员所具备的基本能力，对纯技术效率的产出也会是正向的影响。另外，最高学历和参与课题的质量同样显著影响，这在上个模型中已经做出了解释。

第三是关于规模效率影响研究的结果，对于规模效率来说，科研修养在5%的显著水平上负向影响科研产出的规模效率。也就是说科研修养水平越高，越会抑制科研产出的规模效率。从科研产出的规模效率来看，整体样本要么是规模报酬不变，要么是规模报酬递减，对于在DEA分析中四个投入项中每增加一个单位，就会使得规模效率降低。从投入的角度上将，科研修养越高的人，对于科研每一单位的科研课题的投入精力就越大，从投入量上来说就会产生相应的抑制作用。表11

表11 科研素养各主成分对科研效率影响回归系数
Table 11 The main components of scientific literacy influence the regression coefficient of scientific efficiency

指标综合效率P值纯技术效率P值规模效率P值F1-0.017 1380.640 40.083 4690.000 2-0.105 9020.015 6F20.038 5630.140 10.048 2180.002 40.023 2270.456 5F30.019 1760.532 20.013 3530.474 00.026 0280.477 5F4-0.038 5280.180 20.040 2920.021 1-0.020 7370.545 6EDU10.035 5940.080 30.028 3570.021 80.055 2280.023 0EDU20.053 8000.050 50.019 9590.232 40.148 1100.000 0SEX0.038 8150.206 10.003 3820.856 10.062 7990.086 5BACGROD-0.004 3010.882 7-0.013 7290.438 30.016 6830.631 6PARTI10.000 3580.986 80.000 6690.959 50.002 4760.923 8PARTI20.020 1000.339 60.031 4320.014 00.005 5330.825 7

3 讨 论

很多的学者对科研方面有关投出和产出的创新都有研究，诸如创新能力、服务转化能力、科研条件与平台、人才团队、管理能力和发展速度六方面[10]。在一般的研究科研问题投入产出效率时，多是从投入单元和产出单元两个方面进行指标的设置。其中投入单元一般为科研投入相关指标，例如课题、项目的参与与主持，课题、项目经费投入，科研设备投入以及其他投入等。主要是围绕项目、课题的数量以及相关经费的方面。但是针对不同的研究主体有着不同的侧重，在科研单位的层面，高校的主要科研投入是科研人员、科研整体、材料、设备、维护等相关费用的投入[11]；在科研项目层面，过程管理对科研绩效影响时利用科研项目中的经费和投入时间作为投入变量时，可以进行DEA分析[12]。在个人层面明显的投入产出角度进行研究的不多，但是在研究单位以及项目时基本也考虑了个人的因素，从投入工作的时长、精力等都体现了个人的因素。

另外关于创新产出的相关指标则已经较为公认，一般都是从论文、著作、专利、成果、成果转化等角度。一般研究科研绩效可以从“质”和“量”两个方面来进行界定，其中著作、专利、论文、获奖成果数量等可以直接加总的一般代表“量”的概念，而“质”一般分为客观和主观，其中客观方面也是可以直接相加或者计算的项目，而主观则包括了人员素质、科研潜能、社会效益等指标[11]。在建立科研绩效指标体系时，有部分将高校科研绩效分为论文发表、专利、科研获奖、成果转化、纵向课题以及学术兼职这几个方面[13]。有部分认为科研绩效评价应更多从输出端也就是科研成果入手，而非更多从输入端也就是项目获得以及项目经费等方面评价，其设计指标体系也都趋向于使用论文发表、编著出版著作数量、专利、横向课题以及纵向课题等指标[14]。在科研院所创新绩效的研究中，也有学者使用核心期刊发表数量、专利、获得奖励情况、科技成果转化等指标代表科研创新的绩效[15]。

创新产出指标的制定则根据现阶段研究成果制定时，既考虑到“量”的问题，又要考虑到“质”的问题。另外，对于指标的选取一般都是基于论文、著作、标准、专利以及专利成果转化等指标。因此本文也将选取论文、著作、标准、专利、成果、成果转化等指标进行设定。与研究选取的指标相同。

科研素养由科研修养、科研基础、个人能力以及思维风格。这四种指标都各自代表着不同的方面。其中科研修养主要代表个人对科研的追求，以及为此所努力的方式。而科研基础、个人能力则更为侧重科研人员的科研的基础能力、团队协作等方面。而思维风格则表明科研人员对于科研工作本身，以及所研究领域的基本认知和科研基本习惯。经过对创新投入产出的效率分析，得出了各个科研人员创新投入和产出的效率，其中大部分样本人员还存在效率不足的问题，因此，需要通过某些外部的冲击来改变效率问题，基于此经过科研素养对创新效率的影响研究之后，得到了科研素养对创新投入产出效率的积极影响。证明可以从提升科研主体的科研素养的方式来提升科研投入和产出的效率。

4 结 论

样本范围内的科研投入产出效率存在不足，主要是规模效率存在不足导致的综合效率不足。其主要的问题在科研投入段的要素分配问题，只有要素分配合理才能使得规模效率产生。科研素养对于纯技术效率的影响显著，提升科研素养可以有效的提升个人的纯技术效率。进一步研究发现，科研修养、个人能力和科研基础这三项是科研素养中主要影响纯技术效率的因素。另外，通过第二阶段的TOBIT模型分析结果可知在纯技术效率和规模效率提升的改变问题。个人层面的纯技术效率而言，其外生的改变因素是个人水平、能力、科研素质的提升。