高等学校科研投入产出效率实证研究——基于省域的数据包络分析

操琳琳，孙俊华

(南京大学 教育研究院，江苏 南京 210093)

一、引言

十九大报告指出，加快建设创新型国家，争取从2020年到2035年，跻身创新型国家前列。科技创新是建设创新型国家的第一动力，作为国家科技创新的主力，高校在科技研究上发挥着领军作用，担负着重大的科研任务，[1]高校科研效率的高低也关系到科技创新的数量和质量。因此，如何提高高校科研投入产出效率以及如何对投入产出效率进行合理评估等一直是教育经济研究中重点关注的问题。通过对投入产出效率的数据包络分析(DEA)，可以知道高校的投入产出结构是否合理，投入力度是否过大或者过小，产出水平是否不足，进而通过调整高校科研投入结构来提高资源利用效率，同时避免资源浪费或者资源投入不足的现象。

我国31个省市经济和教育发展情况各不相同，所在地区高校拥有的科研资源也没有相同的标准，而高校科研最终的产出和科研投入也不是成绝对的正比关系。但如何配置好科研资源，实现高校科研产出的最大化是每个省市共同关注的议题。对我国各省市高校的科研投入产出进行研究，可以知道每个省市高校科研效率的具体情况，有助于互相参照并加以改正，同时，有利于各省市根据自己的具体情况进行合理的资源配置，达到理想的科研产出效果。特别是对于非DEA有效省市，通过准确的投影分析，可以知道投入冗余和产出不足的具体指标数据，从而有针对性地提高科研投入产出效率。目前，对于各省市高校科研投入产出的研究比较少，因此本研究以我国31个省市高校为决策单元(Decision Making Unit, DMU)，采用DEA方法分析各省市的科研投入产出情况，希望能够为我国各个省市提供参考，根据自身实际情况进行合理的资源配置和利用，促进我国高校科研事业的发展。

二、文献综述

国内外关于高校科研投入产出的研究中采用DEA方法的文献较多。Charnes、Cooper和Rhodes首先提出了DEA方法，同时提出了基于规模报酬不变假设的CCR模型(Charnes A, Cooper W W, Rhodes E.模型)，[2]之后Banker、Charnes和Cooper提出了基于规模报酬可变假设的BCC模型(Banker R D, Charnes A, Cooper W W.模型)。[3]从20世纪90年代开始，DEA方法开始用于评价高校效率领域。与其他评价方法相比，DEA可以对每一个DMU进行优化，而不是对所有DMU的总体进行统一优化，因此更加具体且有针对性。同时，采用DEA可以避免引入太多主观因素，以保证DMU相对有效评价的客观性。[4]4-5

Johnes等运用DEA方法对英国大学经济系的研究成果作了分析评估，并与大学资助委员会的实践结果作了比较。[5]Fandel通过使用大学不同学科领域的绝对数据，运用DEA进行相对效率测量，提出了在德国北莱茵——威斯特法伦州大学之间重新分配教学和科研经费的解决方案。[6]Abramo等基于DEA分析在大学系统中对文献计量学数据的应用，测量了意大利大学科研活动的技术效率。[7]Abramo等再次运用DEA方法对意大利大学系统2004-2008年的相关数据进行研究，衡量大学科研活动的技术和配置效率。[8]Foltz等基于美国92所研究型大学的投入产出数据，研究大学效率和技术进步的决定因素。[9]Aziz等运用DEA方法，研究2011年马来西亚公立大学22个学术机构的相对效率。[10]

国内关于高校科研投入产出的研究还是比较多的，主要集中在2003-2014年，2014年之后相关文献相对较少。(1)这里特指发表在核心期刊上的文献。孙世敏、项华录和兰博运用数据包络分析得到了我国各省市高校科研效率情况，并对未达到DEA有效的地区高校作了投影分析。[11]徐娟采用DEA方法，以2006年我国31个省市高校为DMU，分析了各省市高校科研投入产出情况，并提出高校科研的相对效率与所在省市的经济情况没有显著关系，只有提高投入产出效率，以此带来的高产出才是长久之道。[12]崔琳琳、宋冬梅和夏洪奎针对江苏省高校的科研资源效率作了DEA分析，发现江苏高校存在科研资源投入不足、投入产出结构不均衡等问题。[13]周晓娟对陕西高校也作了类似分析。[14]姜彤彤运用DEA方法，选取我国36所985高校2005-2010六年的数据进行科研投入产出效率的分析，对比所在地区差异情况，结果显示东部高校的效率显著高于中部和西部高校。[15]王海宁、李姗姗和栾贞增对教育部直属高校作了DEA分析，评价其科研成果转化效率。[16]

在总结相关文献的基础上，发现以往研究多是侧重于研究985高校、211高校、教育部直属高校或者是某一特定地区的高校科研投入产出效率情况，很少有学者研究全国各省市高校的情况，所以本文以此为突破口，研究不同地区高校的科研投入产出效率情况，希望能为我国各个地区高校科研效率的提高提供参考。同时大部分研究最后的结果只是显示哪些地区或者高校达到了DEA有效或者属于非DEA有效，而并没有进一步给出具体的投入冗余和产出不足数值，本研究在对各省市高校科研效率进行DEA有效评价之后，做了投影分析，能够让各省市知道自身在投入和产出方面有哪些不足，具体的投影分析数值可以帮助各省市准确调整投入产出结构，更有针对性地改进和提高高校科研效率。

三、研究设计

(一)样本选择及数据来源

本文选取我国31个省市作为DEA分析的决策单元(DMU)，收集每个决策单元的多项投入产出指标数据来做实证研究。为保证数据来源的准确性，本文以国家教育部科技司编著的《2017年高等学校科技统计资料汇编》作为数据来源，选取2016年我国31个省市科研投入产出相关数据。

(二)评价指标体系构建

本文为研究我国31个省市高校科研投入产出效率情况，主要从投入和产出两个方面来构建评价指标。Ahn选用科研经费总额和科技人员经费作为投入指标，选用毕业生人数和当年科技收入作为产出指标来研究美国高校的科研效率。[17]陆根书和刘蕾在高校科研投入方面选取科技经费和人力资源等指标，在科研产出方面选取研究课题、科研成果、奖项和技术转让等四个指标。[18]孙世敏等选取的投入指标类似，而在科研产出方面提出了科研专著、学术论文等不同的指标。[19]王晓红等在科研产出方面提出了科研交流和科研奖励效益等指标。[20]本文结合前人研究，认为高校科研投入可以从人力、财力和物力三个方面考虑，因此选取“教学与科研人员数”“研究与发展人员数”代表人力投入，选取“科技经费当年内部支出”“科技课题当年支出经费”代表财力投入，选取“固定资产购置费”代表物力投入。在产出指标方面，可以考虑基础研究产出和应用研究产出，选取“专著数量”“学术论文数量”代表高校的基础研究产出，选取“技术转让当年实际收入”“成果授奖”代表高校的应用研究产出。具体如表1所示。

表1 高校科研投入产出指标体系

由于DEA分析要求投入产出数据具有单调性，即投入指标数量的增加一般来说会带来产出指标数量的增加，至少不变，而不能减少。因此，在DEA分析之前需要借助Stata14.0软件做投入产出指标之间的相关性分析，结果如表2所示。可以发现，各指标之间相关性很强，均在0.01水平上显著，且都是正向相关，满足DEA分析中的单调性原则。

表2 投入产出指标相关性分析

四、实证分析结果

本文选取我国31个省市作为决策单元(DMU)，使用DEAP2.1软件做DEA分析，在分析中选用了CCR模型和BCC模型。CCR模型不需要考虑规模收益，汇报的是综合效率，相当于BCC模型中的技术效率。BCC模型需要考虑规模收益，除汇报技术效率之外，还会将其拆分为纯技术效率和规模效率，以便进一步做具体分析。[21]从理论上说，综合效率代表高校层面提供的环境、制度、平台等能否使资源的投入得到应有的产出；纯技术效率代表高校对于科研投入产出过程的管理能力和创新能力等；规模效率代表高校自身规模和资源投入规模对于科研投入产出效率的影响，[22]具体分析如表3所示。

表3 基于CCR和BCC模型的我国31省市高校科研投入产出效率分析

由表3可知，在全国31个省市中，北京、河北、山西等19个省市的综合效率、纯技术效率和规模效率同时为1，表明这些地区的高校科研投入产出效率是DEA有效的，投入产出结构合理，所投入的资源都得到了足够的回报。其中包括一些经济欠发达的地区，这表明高校科研投入产出的效率不仅仅受区域经济影响，还包括其他因素，有待进一步研究。天津、黑龙江等12个省市高校都属于DEA无效，投入的资源所获得的回报未达到预期值。其中包括一种特殊情况，黑龙江省和陕西省投入产出的纯技术效率为1，而规模效率小于1，表明规模效率无效，即投入过量而引起的DEA无效率，从它们的规模报酬递减情况也可以看出这一点，所以应减少投入以达到DEA有效。以下将做具体分析。

(一)综合效率(技术效率)和被参考次数

从综合效率(技术效率)上来看，北京、河北、山西等19个省市的综合效率为1，表明这19个省市高校科研投入产出是技术有效的，整体上处于投入产出最佳状态。其他12个省市的综合效率小于1，表明技术无效，其中安徽省和山东省的技术效率小于80%，表明存在20%以上的资源浪费。31个省市的综合效率平均值为0.944，表明平均效率为94.4%，平均只有5.6%的资源浪费，有效率高达94.4%。说明我国高校科研投入资源利用的平均水平还是比较高的，资源浪费情况不严重。

被参考次数是指一个DMU被其他DMU当作参照和改进对象的次数，所以一般被参考次数越多，说明该DMU越有效，DEA有效的稳健性越强。[20]在本文中，吉林省和河南省的被参考次数最多，分别为8次和7次，说明这两个省份的高校科研效率很高，同时DEA有效性相对来说更加稳健。

(二)纯技术效率

从纯技术效率上来看，有21个省市的纯技术效率为1,表明其投入已达到产出最大化，资源利用能力很强，资源利用效率已达到最高值；10个省市的纯技术效率小于1；纯技术效率均高于80%。平均纯技术效率为0.967，表明资源利用效率已达到96.7%，只有3.3%的资源没有得到有效利用。从总体来看，我国各省市平均资源利用效率还是很高的，资源利用能力也很强。

(三)规模效率和规模报酬

从规模效率上来看，有19个省市的规模效率为1,表明高校的规模已达到最合适的状态；12个省市的规模效率小于1，表明这12个省市的高校规模是无效率的，具体可分为两种情况：递增无效率和递减无效率。由表3可知，天津、黑龙江、浙江等11个省市高校属于规模递减无效率的情况，表明资源投入过多或者资源没有得到合理利用导致科研投入产出无效率，类似于我们所说的“瓶颈期”，需要减少投入量，缩小高校规模，以提高综合效率；只有贵州省属于规模递增的无效率情况，即每单位的投入所带来的产出大于同等条件下规模有效时的产出，表明贵州省的无效状态是由于资源投入过少，如果追加投入资源是可以达到规模有效的，同时可以大幅度提高产出。31个省市规模效率的平均值为0.975，表明各省市高校平均的规模效率为97.5%，总体上是规模有效的。

综合效率=纯技术效率*规模效率。从全国31个省市来看，黑龙江省和陕西省纯技术效率为1，而规模效率小于1，导致综合效率小于1，表明规模无效更普遍地存在于各省市高校中，对高校科研效率的影响更加广泛。同时，规模效率的平均值为0.975，大于纯技术效率(0.968)，表明前者对综合效率的影响程度要比后者大，因此提高高校的规模效率是很有必要的。

(四)投影分析

从表4中可以发现，包括天津市在内的10个省市纯技术效率均小于1，通过DEAP2.1软件可以进行投入冗余值与产出不足值的投影分析。以天津市为例，在投入方面，科研与教研人员投入冗余3041.849人，研究与发展人员投入冗余1366.667人，科技经费当年内部支出冗余5.012亿元，科技课题当年支出经费冗余4.169亿元，固定资产购置费投入冗余0.519亿元；在产出方面，要想达到理想的DEA有效目标值，要增加专著数量58.902部，增加成果授奖5.160项。其他各省市以此类推加以解释。在这10个非DEA有效省市中，贵州省表现最好，在投入方面，科研与教研人员冗余676.083人，研究与发展人员冗余207.893人，科技经费当年内部支出冗余0.266亿元，科技课题当年支出经费冗余0.225亿元，固定资产购置费冗余0.04亿元，而产出指标值符合DEA有效标准。

表4 非DEA有效省市高校科研投入产出投影分析

从各指标来看，10个非DEA有效省市在教学与科研人员数量等五个投入指标上普遍投入冗余，其中，广东省在这五项指标中的投入冗余值均达到最大。从产出指标来看，各非DEA有效省市在专著数量方面普遍存在产出不足的情况，其中山东省表现最为明显，要想达到DEA有效，需要增加187.574部专著；其次是在成果和技术转让这两个指标上产出不足，最高的省市分别达到100.308项和0.697亿元；而学术论文的产出相对来说还是足够的，只有浙江省和福建省没有达到有效产出。

五、研究结论及建议

通过运用数据包络法对我国31个省市高校科研投入产出效率作了综合效率、纯技术效率、规模效率等方面的整体分析，并对10个非DEA有效省市的高校投入产出情况作了投入冗余值和产出不足值的投影分析，本文得到如下结论及建议。

(一)我国各省市高校科研投入产出效率总体情况良好

从整体来看，我国31个省市中，北京、河北、山西等19个省市达到了DEA有效，占总体的61.29%，表明我国大部分省市的高校科研投入产出已达到最佳水平。其中包括一些经济不发达地区(如内蒙古、甘肃等)，表明区域经济因素与高校科研投入产出效率关系不大，经济落后的地区一样可以做好科研，保持良好的投入产出效率。

从平均值来看，我国各省市包括综合效率在内的三项效率的平均值都在0.94以上，表明我国各省市高校科研投入产出效率平均来说水平较高，资源浪费现象整体上不严重，资源利用效率比较高。

(二)影响高校科研投入产出效率的主要原因是规模效率不高

在综合效率小于1的12个省市中，规模效率均小于1，换句话说，这12个省市绝大部分主要是因为规模效率低导致投入产出效率低。从规模报酬也可以看出这一点，有11个省市的高校科研投入产出处于规模递减的状态。表明这些省市的高校普遍存在科研投入过多的情况或者是高校科研投入的资源由于其他原因(例如高校管理不当等)没有得到有效利用。对于这些省市，一方面国家和相关部门应该适当减少科研资源的投入，要知道过犹不及，做好预算，合理安排各项科研资金的投入，避免由于资源投入过多导致的资源浪费现象，同时也可以将多余的资金合理安排到真正需要的地方。另一方面要重视高校科研活动的绩效管理工作，提高高校管理者合理利用资源的水平，提高资源利用效率，以便突破瓶颈期，达到合理的科研产出水平。只有贵州省属于规模报酬递增的无效率情况，单位投入带来的产出大于同等条件下规模有效时的产出，此时增加投入将会带来更多产出，从而达到DEA有效。所以希望国家能够适当加大对贵州省科研资源投入的力度，从而提高科研投入产出的综合效率，使其高校科研得到更好的发展。

(三)调整非DEA有效省市高校科研投入产出结构，避免大量人财物投入冗余

对非DEA有效的10个省市的投影分析结果发现，非DEA有效的原因在于人财物方面投入冗余及由此造成的资源浪费。包括教学与科研人员、研究与发展人员投入冗余值分别高达8521.169人和3353.282人；科技经费当年内部支出、科技课题当年支出经费投入冗余值分别高达14.200亿元和9.430亿元；固定资产购置费投入冗余值高达3.547亿元。从各省市来看，广东省投入冗余值每项指标均达最大值。建议非DEA有效的10个省市根据实际情况合理安排高校科研各项人财物方面的投入，避免资源浪费；同时提高高校科研资源的配置和管理能力，提高人财物投入的利用效率，使资源能够得到合理利用，提高投入产出效率。特别是广东省，区域经济发达，省政府的支持力度又非常大，资源投入得天独厚，但不能一直依赖于通过资源投入的增加来提高产出，到达一定阶段之后，这样的增产方式效率低下，应该加强和提高对资源的利用能力和利用效率，这样才能真正提高科研绩效。

从产出来看，基础研究产出和应用研究产出均不足，其中基础研究产出不足现象更加严重。专著数量产出普遍不足，最大能够达到187.574部；成果授奖其次，包括天津市在内的五个省市在成果授奖上产出不足；学术论文相对来说产出不足现象较轻，只有浙江省和福建省产出不足，可能是因为高校科研更加注重学术论文，论文发表直接和科研绩效、评奖评优挂钩，影响力较大，所以产出情况较好。由此可见，各非DEA有效省市高校需要在专著、技术转让、成果授奖等方面加强产出，提高投入转化效率。同时高校应该加以政策引导，像重视学术论文一样重视其他科研产出才能真正提高我国高校科研产出水平，从而提高科研投入产出效率。

孙世敏等建议政府及有关部门应加大对西部地区高校的科研资源投入，同时要提高占用资源较多省市高校的科研产出。[23]崔琳琳等认为江苏高校存在科研资源投入不足的问题。[24]但近年来，随着国家对科技创新的关注和重视，科研资源投入力度逐渐加大，绝大部分地区高校的科研投入水平已经很高，本研究中除了贵州省外，其他非DEA有效地区高校均出现规模效益递减的情况，表明现阶段资源投入不足并不是科研效率低下的最主要原因。本研究认为纯技术效率，即对资源的管理和利用能力是影响现阶段各省市高校科研效率的最重要因素，同时规模报酬递减现象也普遍存在于各高校中。各省市高校应根据自身实际情况，合理投入资源，并提高对科研资源的利用效率，以此来提升高校的科研效率，促进高校科研事业的发展。