基于DEA方法的高校科研投入产出效率研究——以教育部直属高校为例

孙盘龙，辛斐斐

（1.青岛大学 师范学院，山东 青岛 266071；2.青岛大学 青岛教育发展研究院，山东 青岛 266071）

随着国家对高校科研投入力度不断加大，高校科研资源浪费、使用过程中效率低下等问题引发社会关注。高校科研投入产出的效率问题也成为了学界的重要研究课题。教育部直属高校作为我国高校科研的主力军，一直以来都是国家和政府科研投入的重点关注对象。但在当下我国科研资源紧缺的形势下，教育部直属高校的科研投入产出情况如何？高投入是否也同时带来了高产出？高校是否实现了科研资源的有效配置和效益最大化？这一系列的问题都是我们所亟需解决的。本研究运用DEA方法考察教育部直属高校科研投入产出效率情况，分析导致部分高校效率低下的原因，为解决高校科研资源浪费和投入产出效率低下的问题提供理论依据。

一、文献综述

国内外学者对高校科研投入产出效率的研究以实证研究为主。国内的研究多是结合具体的省市、地区或高校进行研究，从研究对象的角度大致可以分为三类：第一类是从宏观角度出发，以我国的省市、地区为研究对象，分析我国高校科研投入产出效率。郭际、[1]仲洁、[2]耿清慧、[3]刘天佐[4]等人都以我国各省市作为研究对象，分析高校科研投入产出效率，结果都得出了不同省市地区的高校科研投入产出效率存在差异，并且东部地区高校科研投入产出效率大于中部和西部。第二类是从中观角度出发，以某一类高校作为研究对象。陆根书、[5]陈静漪、[6]尹伟华[7]等分析了我国教育部直属高校的科研投入产出效率，发现不同的高校之间存在明显差异，并且整体有待进一步提升。符银丹对我国2008年37所985高校的科研投入产出效率进行分析，发现只有9所高校DEA有效，规模效率无效很大程度上导致了高校科研投入产出效率低下。[8]第三类是从微观角度出发，以某一高校院系的科研投入产出效率作为评价对象。李晓斌运用DEA方法，对豫北地区某医科院校的14个学院进行了评价，发现该校的医学院科研效率要高于文科和理科学院。[9]

国外单独对高校科研投入产出效率的研究较少，多是对高校教学和科研效率进行总体评价，侧重于从高校院系的微观角度入手。Beasley分析了英国52所高校物理系和化学系的教学效率和科研效率。[10]Avkiran和Abbott分别对澳大利亚高校教学效率和科研效率进行分析，发现部分高校仍有进步的空间。[11][12]Cherchye分析了荷兰8所大学的经济学院和工商管理学院的科研生产效率。[13]Johnes选取了中国109所高校进行科研效率的评价，发现中国高校的平均科研效率介于83%-92%之间，且相互之间存在明显差异，西部高校的科研效率始终落后于东部和中部地区。[14]这与我国大多数学者的研究结论相吻合。

国内外学者对高校科研投入产出效率的研究颇多，但是从静态和动态两个角度分析高校科研投入产出效率的研究较少，并且所使用的相关数据年份较早，不能反映近几年的高校科研投入产出效率变化情况。因此，本研究选取2013-2017年教育部直属高校的相关数据，从静态和动态两个角度评价教育部直属高校的科研投入产出效率，了解科研投入产出现状，对高校科研资源的合理有效配置起到参考作用。

二、研究方法和指标体系的构建

（一）研究方法

近几年，学界关于高校科研投入产出效率的研究颇多，主要研究方法有层次分析法（AHP）、主成分分析法（PCA）和数据包络分析法（DEA）等。其中数据包络分析法（DEA）作为近年来流行的一种绩效评价方法，具有简单、易操作的特点而逐渐受到学界的认同。DEA方法最早是在1978年由美国学者Charnes和Cooper等人提出来的，是一种可以从多投入和多产出角度来评价多个同类型决策单元相对效率的评价方法。[15]1-3BCC模型作为DEA中最基本的模型之一，是Banker等人于1984年在CCR模型中引入的约束条件之后得到的。[16]本研究采用BCC模型，即是在假定规模报酬可变的情况下对高校科研投入产出效率进行评价，其模型如下：[17][18]

其中ε表示非阿基米德无穷小量，xj表示高校科研投入，yj表示高校科研产出量，n表示所要评价的高校数量，S-和S+分别表示高校科研投入和产出的松弛变量。Malmquist指数最早是由Malmquist在1953年首次提出来的，后来Fare进一步将Malmqiust分解成技术效率和技术进步效率两部分，并且还将技术效率分解成纯技术效率和规模效率两部分，[19]使得这一方法在测算部门生产效率方面得到广泛的运用，具体形式为：[20][21]

其中，Dt（xt，yt）表示距离函数，由Shephard提出，表示在t时刻，生产配置（xt，yt）在系统前沿面的位置。技术效率变化指数（TEC）表示的是从t时刻到t+1时刻期间决策单元对于生产前沿面的追赶程度，反映了决策单元的组织管理水平变化。如果变化指数大于1，则表示决策单元的组织管理水平提高；如果等于1，则表示没有发生变化；如果小于1，则表示决策单元的组织管理水平下降。技术进步效率变化指数（TP）则表示的是决策单元在两个时期内的生产前沿面的移动情况，反映的是决策单元的技术进步和创新，其分析方法类似于技术效率变化指数。

（二）指标体系的构建

指标的选取是评价高校科研投入产出效率的前提和基础，直接影响着评价结果的科学性和有效性。高校科研投入主要涉及人力、财力和物力三方面，值得注意的是由于高校科研投入的物力资源每年变化不大，难以进行量化统计，并且科研设备等物力方面的投入在一定程度上已经包含在财力投入方面，因此本研究在对投入指标进行选择时暂不考虑物力投入方面，只在人力和财力方面进行指标选取。而高校科研活动的多样性也决定了其产出的形式多种多样，因此在高校科研产出方面的指标选取相较于投入方面就比较复杂，要做到关注数量的同时也要关注质量。在参考了前人研究的基础上，本研究选取了研究与发展全时人员、副教授以上教师数、当年科研经费拨入三个指标为投入指标，出版著作数、发表学术论文数、专利授权数、技术转让当年实际收入和国际学术会议出席人次五个指标为产出指标（表1）。

表1 高校科研评价指标体系

三、教育部直属高校科研投入产出效率的实证分析

（一）研究对象和数据来源

本研究的数据来源于教育部科学技术司编写的2013-2017年《高等学校科技统计资料汇编》（以下简称《汇编》），选取《汇编》内64所教育部直属高校作为研究对象。①《高等学校科技统计资料汇编》中共收录了65所教育部直属高校的相关数据，其中西南财经大学由于大部分数据缺失导致无法进行对比分析，故而将其剔除。对教育部直属高校科研投入产出效率的静态分析主要选取了2017年的截面数据，动态分析则选取了2013-2017年五年的截面数据。

（二）教育部直属高校科研投入产出效率的静态分析

运用DEAP2.1软件对2017年64所教育部直属高校科研投入产出效率进行评价，分析结果如表2所示。可知2017年我国64所教育部直属高校总体的科研投入产出平均综合效率为0.808，纯技术效率为0.845，规模效率为0.956，总体上呈现非DEA有效的情况。

表2 2017年教育部直属高校科研投入产出效率DEA分析结果

具体来说，北京大学、清华大学等22所高校DEA有效，占总体的34.4%，纯技术效率和规模效率都同时为1，实现了科研资源的有效利用，投入产出较为合理，达到了规模效益的最佳状态。中国政法大学、吉林大学等8所高校的纯技术效率为1，规模效率小于1，属于弱DEA有效，占总体的12.5%，科研效率低下的原因是由于规模效率低下造成的。这类高校中，只有中国政法大学的规模效益呈现递增趋势，可以通过增加科研投入，加大科研规模来实现科研效率的提升；吉林大学、复旦大学等7所大学呈现规模效益递减趋势，可以通过减小科研投入力度、缩减科研投入规模来提高高校科研投入产出效率。

另外还有中国人民大学、北京科技大学等34所非DEA有效的高校，纯技术效率和规模效率都小于1，占总体的53.1%，表明有一半以上的教育部直属高校存在科研投入产出效率低下的问题。造成这些高校科研投入产出效率低下的原因可能有两方面：一方面是由于高校的科研管理水平不高，科研生产力低下导致的纯技术效率低下。比如西南大学和西北农林科技大学这两所高校的规模效益呈现不变的状态，规模效率相当接近于1，表明这两所高校的科研规模接近最佳，引起科研投入产出效率低下的原因主要是纯技术效率低下，因此这类高校要通过加强科研管理水平和提高科研生产力来促进科研效率的提升，与此同时也要注意保持最佳的科研规模。另一方面可能由于高校的科研规模不当导致的规模效率低下，因此这类高校需要通过调整科研规模来实现科研投入产出效率的提高。其中，中国人民大学、北京科技大学等17所高校的规模效益呈现递增的趋势，这类高校需要扩大科研规模，增加科研投入，来实现科研投入产出效率的提高。北京林业大学、北京师范大学等15所高校的规模效益则呈现相反的递减趋势，这类高校可以通过减少科研投入，缩减科研规模来提高科研投入产出效率。

随着科研生产力带来的科研项目资源以及参与政府决策机会的增多，高校也越发重视科研投入的效益问题。[22]为了进一步探析34所非DEA有效的高校科研投入产出效率低下的原因，并为高校具体如何进行科研资源有效配置提供依据，本研究运用DEAP2.1软件对34所非DEA有效的教育部直属高校科研投入产出进行投影分析，得出非DEA有效高校在生产可能集上的投影，由此我们可以直观地看到非DEA有效高校的投入冗余量和产出不足量。结果显示，从投入指标上来看，91.2%的非DEA有效高校存在投入冗余的情况，只有大连理工大学、西安交通大学和陕西师范大学三所高校不存在投入冗余的问题；从产出指标上来看，除了中国地质大学（北京）、南京农业大学和湖南大学三所高校之外，同样有91.2%的非DEA有效高校存在产出不足的问题。表3所示为根据分析结果整理所得。

表3 2017年34所非DEA有效教育部直属高校的投影分析

由表3可知，具体到各投入指标，有19所高校在研究与发展的全时人员这个指标上存在冗余，平均冗余量为55.335；副教授以上教师数指标上存在冗余的高校有10所，平均冗余量为24.044；当年科研经费拨入存在冗余的高校有12所，平均冗余量为38163.826。大部分高校在科研人员和科研经费上投入过多，造成了科研资源浪费和未被充分利用等问题，进而导致科研投入产出效率的低下。

具体到各产出指标上分析，分别有22所和16所高校在出版著作数和技术转让当年实际收入两个指标上存在产出不足问题，平均不足量分别为4.008和563.103，表明多数非DEA有效的教育部直属高校在出版著作和科技成果转化方面产出不足；另外还有少数高校在发表学术论文数、专利授权数和国际学术会议出席人员人次这三个指标上存在不足，数量依次为8所、7所和9所，平均不足量分别是83.154、25.711和71.212。

具体到各高校来分析，经过投影分析可以直观、清楚地看到各高校在投入产出指标上的冗余和不足情况，并可以根据投影分析的结果，调整相应的科研投入规模，设定科研产出的目标值，努力提高科研产出，最终实现提高科研投入产出效率的目标。以北京师范大学为例，为实现技术有效的目标，在科研投入方面，北京师范大学应该在科研经费拨入方面减少50587.849千元，在科研产出上，发表学术论文应该增加821.433篇，专利授权数应该增加137.449件，技术转让当年实际收入应该增加1840.513千元。其他高校具体的改进方案按照上述的原理以此类推，在此就不一一详述。

（三）教育部直属高校科研投入产出效率的动态分析

为了从动态角度全面深入的了解2013-2017年64所教育部直属高校科研投入产出效率的变化趋势，掌握近五年高校科研发展的基本情况，本研究运用DEAP2.1软件对2013-2017年64所教育部直属高校科研投入产出的面板数据进行Malmquist指数分析（表4）。

表4 2013-2017年64所教育部直属高校科研投入产出效率Malmquist生产率指数及其分解指数的年度分析

从表中可以看出，2013-2017年教育部直属高校科研投入产出效率的全要素生产率平均值为1.002，整体呈现上升趋势，表现为每年0.2%的正增长。全要素生产率主要是由技术效率和技术进步效率所共同决定的，技术效率变化指数的平均值为1.035，表现为每年3.5%的正增长；技术进步变化指数的平均值为0.969，呈现下降的趋势，表现为每年3.1%的负增长，因此全要素生产率的上升主要是由技术效率的提高而上升的。以2013-2014年和2014-2015年为例来分析，2013-2014年全要素生产率呈现正向的增长趋势，增幅是0.6%，当年的技术效率变化指数是1.109，表现为增长趋势，技术进步变化指数是0.907，表现为下降趋势，因此2013-2014年全要素生产率增长主要是技术效率的提高所引起的。而2014-2015年的全要素生产率则呈现每年6.2%下降趋势，当年的技术效率变化指数和技术进步变化指数分别是0.990和0.947，均表现为下降趋势，因此2014-2015年全要素生产率下降是技术效率和技术进步效率共同发生作用的结果。

而技术效率又可以分解为纯技术效率和规模效率，2013-2017年纯技术效率和规模效率的变化指数平均值分别为1.031和1.004，都呈现正向的增长趋势，增长率分别为3.1%和0.4%，因此，技术效率的提高是由纯技术效率和规模效率共同促进的结果。从不同的年份来看，同样以2013-2014年和2014-2015年为例来分析，2013-2014年的技术效率变化指数是1.109，当年的纯技术效率和规模效率的变化指数分别是1.098和1.009，均表现为增长趋势，两者共同促进了2013-2014年技术效率的提高。2014-2015年的技术效率变化指数是0.990，呈现负增长趋势，当年的纯技术效率为1.000，呈现增长趋势，规模效率是0.990，表现为每年1%的下降趋势，因此当年规模效率的下降是导致技术效率负增长的主要原因。根据分析结果，整理出2013-2017年各高校科研投入产出效率Malmquist生产率指数分析结果汇总表（表5）。

表5 2013-2017年64所教育部直属高校科研投入产出效率Malmquist生产率指数分析结果汇总表

从表中可以得知，2013-2017年64所教育部直属高校全要素生产率大于1的高校有35所，占总体的54.7%，表明有一半以上的高校科研投入产出效率呈现增长的趋势，另外有将近一半的高校则处于下降的趋势。在全要素生产率呈现增长趋势的35所高校中，只有3所高校的技术效率变化指数小于1，表明大多数高校全要素生产率呈现增长趋势的原因都有技术效率提高的影响，说明这些高校在组织管理上做出了努力，管理水平在不断提升。而在剩余的29所全要素生产率呈现下降趋势的高校中，除了5所高校的技术进步效率变化指数大于1之外，其他的24所高校均小于1，表明大多数高校全要素生产率呈现下降趋势都有技术进步效率下降的影响，说明这类高校的科研进步和创新能力正在逐步减弱，因此高校应该采取相应的措施来弥补这方面的不足。

四、主要结论及对策建议

（一）主要结论

1.教育部直属高校科研投入产出效率有待提高。64所教育部直属高校的科研投入产出平均综合效率是0.808，有53.1%的高校均未达到有效水平，说明我国大多数教育部直属高校的科研投入产出效率低下，整体有待进一步提高。这与前述陆根书（2013）、尹伟华（2013）等人的研究结论相吻合。

在对34所非DEA有效的高校进行投影分析之后（8所弱DEA有效的高校不存在投入冗余和产出不足的情况），可以清晰的看到各高校的投入冗余和产出不足情况。非DEA有效高校中存在投入冗余和产出不足的比例都是91.2%，大多数高校的投入冗余表现在科研人员和科研经费，产出不足表现在出版著作数和技术转让当年实际收入。因此，高校要加强科研资源的有效配置，避免因盲目加大科研投入造成资源浪费，同时也要提高科研成果产出，进一步实现高校科研成果转化。

2.技术效率和技术进步效率都是影响高校科研投入产出效率的关键因素。通过对2013-2017年64所教育部直属高校科研投入产出效率的动态变化趋势分析发现，有35所高校的全要素生产率呈现增长的趋势，其中91.4%的高校都有技术效率提升的影响，说明这类高校的科研管理水平在不断提升；其余29所呈现下降趋势的高校中，82.8%的高校都有技术进步效率下降的影响，说明这类高校提升科研投入产出效率的关键在于提高科研创新水平，促进科研能力进步。因此，技术效率和技术进步效率都是影响高校科研投入产出效率的关键因素，既要不断提升科研管理水平和资源利用效率，也要加强科研创新，促进科研技术进步，双管齐下共同促进高校科研投入产出效率的稳步提升。

（二）对策建议

1.将效率指标纳入高校评价体系，与科研资源的配置相挂钩。要将科研效率指标纳入到高校评价体系中去，并且与高校科研资源的配置相挂钩。研究发现，各高校之间的科研投入产出效率差异比较大，并且高科研投入并不一定就会带来高科研产出。因此，要实现科研资源的有效配置，科研效率指标就一定要纳入高校评价体系，并且作为科研资源配置过程中的重要参考依据。要遵循奖优惩劣的原则，进行科研资源配置，对于科研投入产出效率比较高的高校，可以适当的增加投入规模和力度，以激励高校实现科研投入产出效率的稳步提升；对于科研投入产出效率相对比较低的高校，可以削减其科研资源投入的规模，以警示这些高校应该找出自身的不足，通过自身的完善来实现科研投入产出效率的提高。也只有将效率与科研资源的配置相挂钩，才能尽可能充分地利用科研资源，实现科研资源的合理有效配置，发挥效益最大化。

2.加强高校科研管理水平，促进科研创新技术进步。近些年来，我国政府对高校科研投入的不断增加并未从根本上解决高校科研资源紧缺这一残酷的事实，如何合理有效地使用科研资源，实现科研产出的最大化，促进科研创新、技术进步成为高校管理者所共同面临的问题。从高校科研投入产出效率的影响因素来看，关键要从技术效率和技术进步效率这两方面入手。在技术效率方面，高校要加强组织内部建设，深化管理体制改革，完善预算管理制度，健全绩效考核体系和奖惩机制，加强科研资源使用过程中的监督工作，实现科研资源的有效配置和合理使用，以此来提升高校的科研管理水平；在技术进步效率方面，加强与国内各大高校学术交流的同时，更要放眼全球，学习国外的先进科学技术，坐住学术的冷板凳潜心进行科学研究，从而提高我国高校的科研创新能力，促进我国的科学技术朝着更高水平迈进。唯有这两方面的共同努力，才能真正实现我国高校科研投入产出效率的提高。