广东高校科研创新效率动态评价——高水平大学建设前后对比分析

李韵婷，张日新

（1.华南农业大学人文社会科学处；2.华南农业大学经济管理学院，广东广州 510642）

2015 年年初，为推动广东高等院校有力支撑创新驱动发展战略，主动对接国家和世界一流大学、一流学科建设重大战略，广东在全国率先建设高水平大学群。2015 年4 月10 日，《中共广东省委广东省人民政府关于建设高水平大学的意见》提出，力争到2020 年，广东建成若干所国内一流大学和一批国内外一流学科。2015 年6 月2 日，广东省教育厅印发《广东省高水平大学建设实施方案》中明确，遴选重点建设高校5 所左右、重点建设项目15 项左右，并由广东省财政安排50 亿元“高水平大学建设专项资金”，用于2015—2017 年高水平大学建设项目。2015 年6 月30 日，《广东省人民政府办公厅关于公布广东省高水平大学重点建设高校和重点学科建设项目名单的通知》发布，省政府同意中山大学等7 所高校和广州中医药大学中医学等18 个学科建设项目分别入选广东省高水平大学重点建设高校和重点学科建设项目。同年6 月～11 月，《广东省高水平大学建设专项资金管理办法》《广东省人民政府办公厅关于深化高校科研体制机制改革的实施意见》等高水平大学建设的配套政策先后出台，对参建高校在科技政策、科研资源配置等多方面给予了重点关注和倾斜。另一方面，广东高校承担针对广东经济社会发展和企业转型升级重大需求开展研究、为广东创新驱动提供有力支撑的任务［1］，对于参建高校来说，意味着不仅可以获得可观的专项扶持资金和生均拨款、享受一系列创新性政策红利，而且在提高效率和改善科研活动质量方面面临越来越大的压力。当前我国高校科研普遍出现“投入产出最小化”现象［2］，因此在财政资源有限的前提下，参建的高校能否取得预期的科研成果成为决策者及学者们关注的问题。出于对高水平大学建设项目政策效应的关注，本文对项目实施前后高校科研投入、科研产出等数据进行对比分析，并运用数据包络分析的CCR 模型（DEA-CCR）和Malmquist 指数，对2011—2016 年间广东高校科研创新效率进行静态和动态测量，定性定量地考察新政策对广东高校科研创新水平的影响。

1 文献综述

自20 世纪90 年代初以来，高校科研效率问题一直是国内外学者的研究热点。就相关研究方法而言，当前参数分析法中随机前沿分析（SFA）和非参数法中数据包络分析（data envelopment analysis，DEA）被广泛应用在高校科研投入产出效率的量化研究中。DEA 是Charnes 等［3］于1978 年提出的一种可以评价多个决策单元（decision making units，DMU）多投入/多产出的相对效率的方法。DEA 法的相关权重由数学规划模型根据样本数据产生，因此增加评价结果的客观性和可信性，而且该方法能进一步指明非有效决策单元的效率改善方向，为管理者提供相对有效的管理建议，因此在国内外的高校科研效率评价研究中得到广泛应用。从DEA 分析涉及的时间维度长短，可以把现有研究分为静态效率和动态效率分析两种。

在静态效率评价方面最新的研究有：Eff 等［4］运用DEA 评价2000—2001 年欧洲1 179 个4 年制高等教育机构对消费者的最佳购买价值；Bayraktar 等［5］结合DEA 和SFA 两种方法测量土耳其公立和私立大学质量管理实践的相对效率；Nazarko 等［6］运用DEA 的CCR-CRS 输出导向测算了波兰19 所大学的技术有效性，发现规模经济与高校所达到的效率有关；Veiderpass 等［7］把DEA 方法应用于欧洲17 个国家的944 家高等教育机构的横截面数据，并指出DEA 方法尤其适用于对高等教育机构的生产技术和经济行为知之甚少的情况；Wolszczak-Derlacz［8］应用二阶段半参数DEA 评估和解释欧美高等教育机构的效率，发现人均地区生产总值（GDP）与部门数量和机构效率（欧洲和美国样本）之间存在正相关关系；王晓红等［9］运用DEA-CCR 和DEA-BCC 模型对我国30 个省份高校在1999—2002 年和2003—2006 年两个时期的科研效率进行比较分析，结果发现人均科研相对产出与科研效率正相关；王建宏［10］以我国54 所教育部直属高校为样本，建立 DEA 二次相对效率评价模型，评价2008—2010 年高校各年的科研技术效率和管理效率；陈俊生等［11］采用DEA 二次相对效率和超效率模型，分别计算2007 年和2009 年我国15 个人文社会科学类学院的科研效率；纪成君等［12］运用网络 DEA 模型测度我国高校科技成果转化效率。

由于DEA 计算的是决策单元的相对效率值，没有考虑时间维特征，所以未能对高校科研效率进行纵向对比，因此Malmquist 指数被运用到高校科研效率的动态变化评价。Malmquist 指数以面板数据为研究对象，研究决策单元在两期之间的效率变化状况，有助于探索高校科研效率变化的深层次原因。近期相关主要研究有：Thanassoulis 等［13］运用Malmquist指数方法发现在研究期间，大多数英国高等教育机构的生产力实际上已经下降；Partek 等［14］利用Malmquist 方法考查2001—2005 年期间欧洲7 个国家266 所公立高等教育机构的生产率变化；郭峻等［15］研究2004—2008 年我国省域间高校科研效率的动态评价结果发现，在技术进步的大力推动下，大部分地区的高校科研效率呈增长趋势；廖文秋等［16］应用Malmquist 指数分析安徽省高校人文社科的效率变动；段庆锋［17］借鉴 Malmquist 指数分析2001—2009年我国“985 工程”高校的科研绩效特征及动因，发现科研资源配置的优化促进科研投入产出效率的提高，不同高校科研效率呈现一定程度的分化；罗茜等［18］对江苏省32 所高校的科研效率进行测度。

国内关于高校科研效率评价的研究已经相对成熟，随着研究的不断深入，已有研究表现以下特征：在研究方法的使用上，从静态绩效评价到动态效率评价，从客观评价到客观和主观评价相结合；从研究对象看，从以区域高校作为决策单元发展到以某种类型高校作为决策单元，还有以单个学科作为决策单元；从研究数据选择上，从截面数据逐步发展到使用序列数据和面板数据。综合已有研究成果发现，关于区域教育政策对高校科研创新效率影响方面的研究较少，尤其在我国“双一流”建设方案提出后，关于区域教育政策效果的研究或针对区域高水平大学建设效果评价研究寥寥可数，如林涛等［19］运用DEA 模型测度2016 年广东高水平大学科研投入产出绩效，但该项研究存在两个值得商榷之处：一是选择了表现科研产出数量方面的指标，指标选择未能有效反映广东推进高水平大学建设项目对高校科研质量方面的期待；二是使用截面数据未能反映效率变动规律以及发展趋势可能存在的差异性。

因此，本文结合DEA 模型及Malmquist 指数，立意分析广东高水平大学建设项目实施前后广东高校科研效率的波动情况，以期有助于理解高校科研效率变动特征，有助于政府部门采取相应政策措施对“双高”建设进行宏观调控，对促进下一阶段高水平大学建设具有一定的理论意义和现实价值。

2 研究设计

2.1 分析方法

本文使用DEA-CCR 模型与DEA-Malquist 指数法从静态和动态两个角度对广东高水平大学科研创新效率的情况进行描述。

第一步：DEA-CCR 模型。利用CCR 模型计算高水平大学建设项目实施前后的3 年，各决策单元在每一年的相对效率值。设θ 为决策单元的有效值，当θ=1 时表示DEA 有效，当θ＜1 时表示非DEA有效；Irs 表示决策单元处于规模报酬递增阶段，即投入增加的比例小于产出增加的比例，存在投入不足的情况；drs 表示决策单元处于规模报酬递减阶段，高校存在科研投入冗余的情况。

第二步：Malmquist 指数。运用Malmquist 指数计算2011—2016 年间，各决策单元在两个年度间效率的增减趋势。首先，在规模报酬不变（CRS）假设下，可以将科研效率（M）分解为技术进步变动（TECH）和技术效率变动（EFFCH），即M=TECH×EFFCH。技术进步率是指两个时间内生产前沿面的上升或下降情况；技术效率变动则是指决策单位从t 期到t+1 期对生产前沿面的追赶情况，即实现投入既定下产出最大或者产出既定下投入最小的能力。然后，在规模报酬可变（VRS）假设下，将技术效率变动进一步分解为规模效率（SECH）和纯技术效率（PECH）的乘积，即EFFCH=SECH×PECH。规模效率是指规模因素对科研效率的影响；纯技术效率是指非规模要素对效率的影响程度，如管理、技术等，当效率值＞1，代表效率改进，当效率值＜1，代表效率降低，当效率值=1，代表效率不变。

2.2 评价指标选择

由于DEA 评价方法要求各投入、产出指标必须明确而且可量化，所以本文使用可量化指标对决策单位进行评价。由于DEA 评价法对对选择的方法非常敏感［20］，为有效反映科研成果质量的重要性，姜彤彤［21］借鉴前人研究成果，确立了一个评价高水平大学科研投入产出效率的指标体系，本文以姜彤彤的评价指标体系为基础，结合本文研究对象的特征和DEA 评价模型对决策单位和投入/产出指标数量的限制原则，对指标进行调整，最终确定2 个投入指标和4 个产出指标作为广东高校科研创新效率的评价指标。其中，科研投入指标包括：教学与科研人员（人）、各类科研经费实际收入数（千元）；科研成果指标包括：课题数（项）、国外及全国性刊物发表论文（篇）、当年技术转让实际收入（千元）、省部级以上科研奖励数（项）。

2.3 数据来源及处理

本研究以广东13 所高校作为决策单位（由于广东外语外贸大学无法获得全部数据，未包含在本研究之内）（以下简称样本），时间跨度为2011—2016 年，所使用的数据全部来自于教育部科学技术司编制的《高等学校科技统计资料汇编》。为了使不同年份数据具有可比性，使用商品零售价格指数（RPI）对各类科研经费实际收入数和当年技术转让实际收入金额进行折算。实证分析软件使用DEAP2.1。

3 实证分析

3.1 不同高校科研创新效率评价

首先，利用输入DEA-CCR 模型，在规模可变收益（VRS）假设下分析样本高校分别在2014、2015 和2016 年的技术效率和规模收益，结果如表1所示。从时间维度看，近3 年来，样本高校平均综合技术效率呈现先降低后增强的趋势：2014 年有9所高校处于技术效率最佳和规模最佳的最优状态；2015 年达到综合效率最优的高校只有5 所，其余大部分高校处于规模报酬递增阶段；2016 年科研创新效率达到生产前沿面的高校数量突破新高，达到了10 所高校。从高校类型维度看，近3 年来大部分重点建设高校处于科研创新效率最优状态，大部分重点学科建设项目高校处于规模收益递增阶段。其中，华南理工大学、华南师范大学、华南农业大学、南方医科大学4 所重点建设高校一直处于生产前沿面；中山大学和暨南大学2 所重点建设高校在不同年份处于规模收益递减阶段，说明这两家高校的科研投入已经超过与其技术水平相适应最优规模的阈值，即有显著的科研投入冗余；广东工业大学、广州中医药大学、广东海洋大学和深圳大学4 所重点学科建设高校于2015 年均处于规模收益递增状态，2016年综合效率提高，说明高水平建设项目中资源投入取得很好的规模效应，这几所高校科研产出水平均有所提高。

表1 2014—2016 年样本高校科研创新综合效率和规模收益

然后，利用Malmquist 指数，计算样本高校分别在2014—2015 和2015—2016 两个年度的科研创新动态效率，并进一步把科研创新效率变动分解为技术效率和规模效率两方面，结果如表2 所示。2014—2016 年，样本高校的科研创新效率平均下降11.3%，其中仅有4 所高校的科研创新效率有提升，另外9 所高校的科研效率下降。具体而言，华南理工大学、广州中医药大学、广州大学和深圳大学4所高校的科研创新效率增长率在5.7%～13.8%之间；中山大学和广州医科大学有不同程度下降，但下降率没有超过10%；华南师范大学、南方医科大学、汕头大学和广东海洋大学4 所高校的科研效率下降率超过10%，但没有超过20%；暨南大学、华南农业大学和广东工业大学3 所高校的科研效率下降率超过25%。进一步分析科研创新效率变化的原因，在技术效率方面，样本高校的技术效率平均增长3.7%，其中，4 所高校的技术效率值大于1，表示技术效率有所提高，另外6 所高校的技术效率并未发生变化，还有3 所高校的技术效率下降。从技术进步率的变动看，样本高校的技术进步率平均下降达到14.5%，其中仅有华南理工大学1 所高校的技术进步率有提高，暨南大学和广东工业大学的技术进步率下降幅度在20%～30%之间，华南农业大学的技术进步率下降超过30%。根据Malmquist 指数分析结果可以初步推断，尽管，各样本高校的科研创新效率表现有差异，但技术进步率下降是导致广东高校科研创新效率总体下滑的主要原因。

表2 2014—2016 年样本高校科研创新效率Malmquist 指数及其分解

3.2 不同年份高校科研创新效率评价

为纵向比较不同年份间样本高校科研创新效率变动情况，本文运用Malmquist 指数计算样本高校在2011—2016 年间的科研创新动态效率，结果分别如表3 和表4 所示。

如表3 所示，样本高校5 个年度的生产率表现先升后降，整体呈现较大波动，平均生产率仅有0.939，年均下降率达到6.1%，其中4 个年度内的科研创新效率有不同程度下降，2014—2015 年间降幅达到历史新高为19.4%，2015—2016 年间继续下降2.3%；技术效率年平均增长0.5%，其中规模效率有轻微增长，而纯技术效率有轻微下降，总体而言，不同年份技术效率变动不明显；技术进步率则呈现先增后降的趋势，5 个年度的年平均下降达到6.6%，2014—2015 年和2015—2016 年两个年度的技术进步变化幅度超过14%。

表3 2011—2016 年样本高校科研创新效率平均Malmquist 指数及其分解

由表4 可以看出，样本高校中，7 所重点建设高校在2011—2016 年间的平均科研创新效率高于6所重点学科建设高校，两类高校的科研效率在5 个年度内的变化存在显著差异。从同一类型高校纵向比较来看，重点建设高校的科研创新效率在前3 个年度有不同程度上升，但在2014—2015 年和2015—2016 年两个年度分别下降了27.1%和15.1%，下降的原因主要是因为这两个时期的技术进步率分别下降了23.6%和16%所导致的；重点学科建设高校的科研创新效率在6 年间有较大波动，总体表现为波动上升趋势。从不同类型高校横向比较来看，2011—2012 年和2012—2013 年两个年度内，重点建设高校的科研效率明显高于重点学科建设高校，技术进步优势是重点建设高校保持高科研产出的关键；但从2013 年后，重点建设高校的科研效率明显低于同年度的重点学科建设高校，技术进步率的大幅度下降是导致重点建设高校科研效率下降的主要原因。上述数据说明，高水平大学建设项目实施后，重点建设高校和重点学科建设高校两类高校的技术效率均呈现先降后升变化，技术进步率持续出现较大幅度下降，其中重点建设高校的技术进步率下滑更为严重。

表4 2011—2016 年样本高校科研创新效率Malmquist 指数及其分解

4 结论与讨论

4.1 研究结论

本文基于DEA 原理，采用BCC 模型与Malmquist 指数法对2011—2016 年间广东高水平大学的静态和动态科研创新效率变化进行详细测算，以揭示高水平大学建设项目对广东高校科研创新的政策效果，研究得出以下结论：

首先，高水平大学建设项目实施后，短期内，广东高校规模收益递减的不经济状态有较大改善，但总体科研创新效率呈现负增长。本文对2015 年样本高校的评价结果和林涛等［17］的研究结果一致，但本文还进一步发现在2016 年，大部分样本高校处于技术效率最佳状态，说明有关政策有助于广东高校调整规模收益递减或递增的不经济状态；但后续的Malmquist 指数动态评价发现，样本高校科研创新效率呈现总体下滑的趋势，也就是说，在科研投入能被较好利用的前提下，广东高校科研创新效率提高的关键在于提高科研产出的质量。

其次，技术进步率大幅度持续下滑是导致广东高校科研创新效率下降的主要动因。Malmquist 指数分析结果表明，高水平大学建设项目实施后，样本高校科研效率持续下降，但技术效率和技术进步率变动趋势并不相同。一方面，高校的技术效率均呈现先降后升变化，究其原因可能是，从短期看，创新要素投入后要经历分析、测试、产出、成果申报、认定等多个环节，所以科研产出对科研投入存在滞后效应，技术效率呈现短期下降；又因为本文选取的样本高校是有潜力成为高水平大学的高校，具有良好的项目管理经验、优良的科研环境，科研要素投入后能够得到较好的优化配置和提高，所以技术效率很快得到提升。另一方面，高校的技术进步率则持续出现较大幅度下降，其知识生产前沿面后退存在三方面原因：一是政策时滞导致高校的相对技术退步，在国际、国内科学研究竞争日益激烈背景下，科研创新过程中的不确定性使取得突破性科研成果的难度加大，进一步加长了高校科研体系的适应期，所以相关政策出台后，广东高校的技术进步水平一直波动下滑；二是科研产出份额增加的边际成本逐年增加导致知识生产前沿面发生退步［22］，在高水平大学建设项目实施后，由于部分重点大学进行人事制度调整，2016 年教学与科研人员数量同比下降了11.53%，人才大量外流导致科研人员在短时间内无法和高校先进的技术、工艺和设备进行优化配置，先进工艺无法充分发挥应有功效，由此导致了总体技术退步现象；三是广东创新驱动进程加快对高等教育需求快速扩大，而高校科研质量提高缓慢，并未能满足经济社会的发展需要，形成了相对的技术退步。

4.2 理论意义与政策建议

本研究的理论意义主要在于，目前“双一流”建设已经成为国家高等教育发展的重要战略，在“双一流”建设背景下，不同区域根据经济社会发展需要，结合教育禀赋制定高水平大学建设政策，政策效果是高校管理者和教育部门都关注的一个范畴。虽然本文的实证研究仅以广东高水平建设高校为样本，但在评价高水平高校建设政策实施成效方面加入动态效率评价指标无疑是必要的。本文的研究思路对探讨高水平大学建设政策效果可能是一个有益的启示。

本研究对下一阶段广东高水平大学建设带来以下的政策启示：（1）广东政府应该重视对高等教育的投入规模，并适当地把改善高等教育科研创新效率的财政资金更多地投入到与技术水平相关的要素。（2）广东高水平大学的建设水平与国内一流大学的水平还有显著距离，广东高等教育的初始技术水平相对于北京、江苏、上海等省市而言比较低，理应具有较强的后发优势，通过向教育强省学习先进教育管理经验，有效推动省内高校技术进步。（3）“双一流”建设撬动了全国高校新一轮的“人才引进热”，广东需要建立吸引和留住人才的长效机制，从省级层面完善科研人才双向流动制度、改革人才评价制度、加大人才激励制度。（4）在粤港澳大湾区建设背景下，建立高校协同创新平台，加速湾区内部人员、知识等要素交流和区域合作；加快高校和区域产业的产学研合作创新平台和研究基地建设，通过高校和行业人才双向流动促进高校融入区域经济发展，从而使高等教育质量的提高与经济快速发展接轨。（5）针对不同类型高校实施差异化管理。对于重点建设高校，应该重点将财政资金用于科研质量的提高，致力拉近这类学校和国内国际一流大学科研创新效率的距离；对于重点学科建设高校，应该提高规模效率，优化各项教育资源的投入比例，促进这类高校的科研水平和科研产出提高。