基于DEA-Malmquist方法的高校科研活动分类绩效评价实证研究
2021-06-19 01:53文宇峰孙玉芳陈谦明
暨南学报(哲学社会科学版) 2021年6期
王 忠, 文宇峰, 孙玉芳, 陈谦明
高等学校(以下简称“高校”)即培育科技人才的摇篮，也是我国科技创新体系的重要组成部分。近年来，我国持续加大高校科研投入，在一定程度上推动了高校科研成果的产出。但单一的投入或产出数据很难评价高校科研活动的绩效水平，尤其是对不同学科、不同层次、不同规模的高校科研活动的绩效评价。2018年，国务院印发的《关于优化科研管理提升科研绩效若干措施的通知》，要求对科研项目的绩效实行分类评价，并建立以创新质量和贡献为导向的绩效评价体系。而如何围绕高校的基础研究与应用基础研究类项目、技术与产品研发类项目、应用示范类项目开展分类绩效评价，以加强科研活动关键环节考核，准确评价科研成果，成为亟待探索解决的问题。
一、文献综述
数据包络分析方法(Data Envelopment Analysis，DEA)被广泛应用于高校绩效评价领域。DEA是一种综合管理学、数理经济学和运筹学等多种学科的分析方法，适用于相对效率的评价，尤其是不同类型的多投入、多产出的效率评价。DEA模型是由Charnes等人于1978年提出的一种基于相对效率的投入产出分析方法，其导出的非参数模型，如Charnes-Cooper-Rhoder(CCR)和Banker-Charnes-Cooper(BCC)，因其不需要对输入和输出赋予先验权重及可衡量多输入和输出的决策单元相对效率的优势，已被广泛用于效率评估中。为克服传统DEA模型中的问题，许多学者也对其进行了改进提升，比如，为使有效单元做进一步的比较分析，Andersen等人(1993)提出了超效率DEA模型 (Super-efficiency DEA)，使有效决策单元之间也能进行效率高低的比较；为解决传统DEA模型忽略松弛调整且不能进一步区分有效决策单元的问题，Tone(2001)构建了一个非径向松弛测量(Slacks-based measure, SBM)模型，该模型通过标量方法将所有松弛测量纳入目标函数。
DEA已被广泛应用于高校绩效评价领域。20世纪90年代，Beasley(1995)、Athanassopoulos和Shale(1997)等就已经开始使用DEA对高校研究机构科研绩效进行评估测算和分析。在此之后，诸多学者从不同的角度考虑不同的影响因素对高校的科研活动进行了评价和分析。Nigsch和Schenker(2015)对过去20年间DEA方法在高等教育绩效评价中的优点和局限性进行了综述。季庆庆(2019)等以三螺旋理论为基础，建立了人员经费对项目、项目对成果、人员经费对成果的三组DEA模型，对江苏省内46所高校的社科科研进行了绩效评价。段晓梅(2019)从高校科技投入与高校科技成果产出两个维度，采用超效率DEA方法，建立了高校科研绩效的评价指标体系，对我国高校科研绩效进行了实证研究和分析。此外，1953年，瑞典经济学和统计学家Sten Malmquist提出了Malmquist指数，用来分析不同时期的消费变化。在此基础上，Malmquist全要素生产率指数(Malmquist total factor produetivity index，简称为Malmquist TFP指数)于1982年由Caves、Christensen和Diewert首次提出。他们利用Malmquist投入或产出函数来定义TFP指数，但在当时并未受到广泛关注。直到1994年Fare、Grosskopf、Norris等人提出用非参数的线性规划算法来考察全要素生产率增长的Malmquist生产率指数，才使得Malmquist TFP指数被广泛应用于金融、公共管理、科研管理等多个领域。由于Malmquist指数可以较好地分析面板数据，能更好地反映相对效率的动态变化状况，以有效地分析效率变动的原因。故本文采用DEA-Malmquist指数方法对高校的科研活动进行分类绩效评价，分析其投入产出绩效。
二、研究设计
(一)绩效评价概念框架构建
本文将各高校视为一个评价单元，遵循同类可比原则，将科研活动分为基础研究与应用基础研究类(A类)、技术与产品研发类(B类)和应用示范类(C类)三种类别，在具体绩效评价指标中体现三类科研活动的特点，为高校自身科研管理和政府科研管理提供决策支持。根据三螺旋理论，人员与经费、项目与其开展环境以及科研成果是科研绩效持续优化的关键要素，基于此，本文以创新质量和贡献为导向，以学科分类为基础、以“投入—产出”效率分析为主线，基于已有研究，构建了高校科研活动分类绩效评价的概念框架，如图1所示。
图1 高校科研活动分类绩效评价概念框架
如图1所示，高校科研活动分类绩效评价包括投入和产出两部分指标。(1)投入指标反映了高校科研活动在人力、财力和物力三个方面的消耗水平，是高校科研活动的起点。(2)产出指标是高校科研活动的终点，主要包括科研效益和社会效益。①科研效益是高等院校科研活动的直接产出，主要包括论文、专利等。此外，科研效益的衡量不仅要体现科研成果的数量，还应体现科研成果的质量及创新性。科研成果数量是产出的绝对数量，而科研成果质量主要是指成果产出的影响力。②社会效益是高校科研活动的间接产出，体现了科研活动成果对经济社会的影响和贡献，主要包括人才培养、社会评价和成果转化等。
(二)绩效评价指标体系构建
在概念框架基础上，本文基于已有研究，依次识别了投入和产出指标。其中，不同类型的科研活动的投入要素相同，但成果产出的评价侧重点却不同。因此，三种类型的科研活动，拥有相同的投入指标，以及不同侧重点的产出指标。
本文所构建的投入指标包括人力投入、财力投入和物力投入三个方面，包含研究与发展人员数量、当年在读研究生数量、课题总数、政府科研经费投入总额、企事业单位委托的科技经费和所拥有科研平台/国家及省部级实验室数量等六个具体指标，如表1所示。其中，政府科研经费投入总额、企事业单位委托的科技经费以及省部级实验室数量与高校所在地的经济社会发展程度、技术水平以及创新意识息息相关，在一定程度上也反映了地区环境因素对高校科研活动的影响。
表1 科研活动投入指标
在产出指标方面，基础研究与应用基础研究类(A类)科研活动重点评价创新性理论和方法研究、科研人才培养以及对重大科学问题的解决程度等方面，因此其产出指标涉及高水平论文数量和比率、国家级项目验收数量、人才培养数量，以及在基础研究方面的成果获奖等，具体如表2所示。
表2 基础研究与应用基础研究类(A类)产出指标
相比于基础研究与应用基础研究类项目，技术与产品研发类(B类)项目的评价更关注科研成果的成熟度与转化情况，以及重大研发项目成果等，因此其产出指标更侧重专利申请授权、重大技术研发获奖等，具体如表3所示。
表3 技术与产品研发类(B类)产出指标
相比于基础研究与应用基础研究类、技术与产品研发类项目，应用示范类(C类)项目的评价更关注规模化应用及行业内推广情况，因此其产出指标更侧重专利出售、技术转让以及先进科学技术成果推广应用获奖等，具体如表4所示。
表4 应用示范类(C类)产出指标
(三)数据收集及计量方法采用
本文在上述指标体系的基础上，选择了教育部直属高等学校中的40所高校进行科研活动分类绩效评价实证研究，模型计算和数据收集范围为2010年至2017年。其中，所拥有的科研平台/国家及省部级实验室数量、人才培养等数据通过查询各大高校的官网获取，高水平论文通过在Web of Science中检索获取，信誉水平通过查询各高校教育部学科评估中A类学科数量获取，其余指标数据通过查阅2010年至2017年各年的《高等学校科技统计资料汇编》获取。
本文利用Malmquist指数及其分解指标度量不同类型科研活动的绩效。利用全要素生产率(tfpch)反映技术进步及管理等因素引起的效率变化，全要素生产率又称为系统生产率(即Malmquist指数)，可以全面表征高校的科研活动效率水平及其变化情况。进一步将全要素生产率分解为技术效率变化指数(effch)与技术进步指数(techch)，进而分析全要素生产率变化的内在驱动因素。此外，进一步将技术效率变化指数(effch)分解为纯技术效率变化指数(pech)与规模效率变化指数(sech)，从而深入分析高校科研管理方式与科研规模对全要素生产率的影响。其中，技术效率变化指数(effch)是指在原有的技术水平条件下，技术效率水平的变化。技术进步指数(techch)反映技术进步在高校科研活动中对整体效率的贡献及变动情况。纯技术效率变化指数(pech)可以反映高校科研制度的效率情况。规模效率变化指数(sech)可以体现高校科研活动规模的合理性。
三、高校科研活动全要素生产率计算结果分析
(一)基础研究与应用基础研究类项目(A类)科研活动全要素生产率均值分析
利用DEAP 2.1软件计算得出的2010年到2017年间40所高校A类科研活动Malmquist指数及其分解指标计算结果如表5所示。
表5 2010—2017年高校A类科研活动Malmquist指数及其分解指标均值计算结果
从上表各高校基础研究与应用基础研究类科研活动在2010—2017间全要素生产率的均值来看，2010—2017年间，tfpch指数均值大于1的有18所高校，分别是北京大学、北京交通大学、北京科技大学、北京化工大学、南开大学、大连理工大学、复旦大学、同济大学、华东师范大学、南京大学、中国矿业大学、河海大学、中国石油大学(华东)、武汉大学、华中师范大学、湖南大学、中山大学和西安电子科技大学，表明这些高校在2010年至2017年间总体上的科研全要素生产率处于较好水平且呈上升态势。其中，华中师范大学的全要素生产率均值为1.161，居40所高校之首。同时可以看出，华中师范大学的effch指数、techch指数、pech指数、sech指数和tfpch指数的均值均大于等于1，这意味着，在2010—2017年间，华中师范大学的科研投入产出整体效率有了一定程度的提高。其中，华中师范大学科研全要素生产率增长的主要原因是技术进步，其techch指数增长了16.1%，而其effch指数、sech指数、pech指数均未发生变化。
除以上18所高校外，其余高校2010—2017年间，tfpch指数均值均小于1。显示出这些高校A类科研活动的全要素生产率呈下降态势，仍需提高。其中，下降最为明显的是山东大学和西南大学，全要素生产率均值分别下降了12%和10.7%。山东大学全要素生产率下降幅度最大，effch指数、techch指数和sech指数均呈现下降的态势，分别下降了0.7%、11.4%和0.7%，这也是导致其全要素生产率下降的主要原因，其pech指数为1，未发生变化。西南大学的effch指数、techch指数、pech指数和sech指数均呈现下降的趋势，分别下降了4%、7%、2.5%和1.6%，因此导致其整体的全要素生产率下降幅度较高。
(二)技术与产品研发类项目(B类)科研活动全要素生产率均值分析
利用DEAP 2.1软件计算得出的2010年到2017年间40所高校B类科研活动Malmquist指数及其分解指标计算结果如表6所示。
表6 2010—2017年高校B类科研活动Malmquist指数及其分解指标均值计算结果
(续上表)
高校effchtechchpechsechtfpch浙江大学1.0001.0331.0001.0001.033合肥工业大学1.0000.9951.0001.0000.995厦门大学0.9951.0221.0000.9951.016山东大学0.9821.0321.0000.9821.013中国石油大学(华东)1.1070.8961.0871.0180.991武汉大学1.0001.0681.0001.0001.068华中科技大学1.0001.0061.0001.0001.006华中师范大学1.0001.0411.0001.0001.041湖南大学0.9561.0590.9600.9961.012中南大学1.0000.9311.0001.0000.931中山大学1.0011.0231.0001.0011.024华南理工大学1.0000.9911.0001.0000.991重庆大学0.9870.9201.0000.9870.908西南大学0.9570.9441.0000.9570.904四川大学0.9920.8841.0000.9920.876西南交通大学1.0000.9521.0001.0000.952西安交通大学0.9660.9601.0000.9660.927西安电子科技大学0.9900.9951.0000.9900.985兰州大学1.0361.0391.0361.0001.076mean1.0001.0041.0001.0001.005
从上表各高校技术与产品研发类科研活动在2010—2017年间全要素生产率的均值来看，2010—2017年间，tfpch指数均值大于1的有21所高校，分别是南京大学、南开大学、同济大学、东华大学、天津大学、吉林大学、大连理工大学、兰州大学、复旦大学、武汉大学、华中师范大学、浙江大学、中山大学、北京大学、厦门大学、东北大学、华东师范大学、山东大学、湖南大学、北京科技大学和华中科技大学，相较于A类科研活动中tfpch指数均值大于1的高校数目要多。其中，tfpch指数增幅最大的是南京大学和南开大学，增幅分别为12.4%和11.7%。进一步可以看出南京大学和南开大学的effch指数、techch指数、pech指数、sech指数和tfpch指数的均值均大于或等于1，这意味着，在2010—2017年间，南京大学和南开大学在技术与产品研发类科研项目中的投入产出整体效率有了一定程度的提高。导致南京大学和南开大学全要素生产率增加的主要原因均是其技术进步指数呈现出了较大的正向增长趋势，分别增长了12.4%和11.7%，而这两所高校的techch指数、sech指数规模效率变化指数、pech指数均未发生变化。
除上述21所全要素生产率提升的高校外，其余高校在2010—2017年间，tfpch指数均小于1，显示出这些高校的B类科研活动的全要素生产率呈下降态势。其中降幅最为明显的是清华大学和四川大学，tfpch指数均值分别下降了10%和12.4%。其中，清华大学的effch指数、techch指数和sech指数均呈现下降态势，分别下降了0.7%、9.4%和0.7%，这也是导致其全要素生产率下降的主要原因，其pech指数为1，未发生变化。四川大学tfpch指数下降幅度最大，其主要原因是其effch指数、sech指数和techch指数降幅较大，分别下降了0.8%、0.8%和11.6%，而其pech指数未发生变化。
(三)应用示范类项目(C类)科研活动全要素生产率均值分析
利用DEAP 2.1软件计算得出的2010年到2017年间40所高校C类科研活动Malmquist指数及其分解指标计算结果如表7所示。
表7 2010—2017年高校C类科研活动Malmquist指数及其分解指标均值计算结果
从上表各高校应用示范类科研活动在2010—2017年间tfpch指数的均值来看，2010—2017年间，全要素生产率增幅大于1的有23所高校，分别是吉林大学、厦门大学、西南大学、南京大学、东北师范大学、中国石油大学(华东)、东北大学、西安电子科技大学、天津大学、华中科技大学、复旦大学、同济大学、兰州大学、湖南大学、武汉大学、大连理工大学、东华大学、华中师范大学、北京交通大学、华东师范大学、南开大学、浙江大学和河海大学，相较于A类和B类科研活动中全要素生产率增幅大于1的高校数目均要多。这说明这些高校在2010年至2017年之间C类科研活动全要素总体上生产率呈上升态势，其中增幅最大是吉林大学和厦门大学，增幅分别为25.6%和25.4%。可以看出厦门大学techch指数增幅较大，增加了25.4%，其余effch指数、pech指数和sech指数均未发生变化，正是因为techch指数的较大增幅使得厦门大学的全要素生产率呈现上升趋势。吉林大学的effch指数、techch指数和pech指数均值均大于1，分别增加了15.1%、9.1%和15%，这也导致了吉林大学全要素生产率呈现上升趋势，反映出在2010—2017年间，吉林大学科研投入产出整体效率有了一定程度的提高。
除上述23所高校实现了全要素生产率提升外，其余高校在2010—2017年间，techch指数增幅均小于1。表明这些高校的C类科研活动的全要素生产率呈下降态势。其中下降最为明显的是东北林业大学和四川大学，techch指数均值分别下降了14.4和11.7%。其中四川大学的effch指数、techch指数、pech指数和sech指数均呈现下降态势，分别下降了10.4%、11.7%、9.4%和1.2%，这也是导致其全要素生产率下降的主要原因。导致东北林业大学全要素生产率下降的主要原因是techch指数降幅较大，下降了14.4%，而其effch指数、pech指数和sech指数均为1，未发生变化。
综合2010—2017年各高校全要素生产率的均值来看(如图2所示)，A、B、C三类科研活动呈现出不规律的“高—低”发展趋势，但整体上应用示范类科研活动(C类)的全要素生产率要高于其余两类科研活动。同时，从引起2010—2017年各高校A、B、C三类科研活动全要素生产率变化的主要原因来看，技术进步起着主导作用，这与前述高校整体科研活动的发展趋势类似，表明高校科研活动全要素生产率的提升，需要借助技术的创新与进步。
图2 2010—2017年各高校全要素生产率
进一步整合各高校A～C类科研绩效的全要素生产率(tfpch)，利用公式(1)对各类科研活动下各高校的tfpch进行归一化处理，并计算归一化后A～C类tfpch的均值，以表征各高校综合全要素生产效率的变化。结果如表8所示。由结果可知，南京大学、南开大学、华中师范大学等高效的综合全要素生产率水平较好。
表8 各高校A～C类全要素生产率均值
(1)
四、结论和建议
本文针对教育部直属40所高校，围绕各高校2010—2017年间的基础研究与应用基础研究类项目、技术与产品研发类项目以及应用示范类项目等三类科研活动进行了投入产出效率分析。从全要素生产率来看，各高校的科研活动绩效存在差距，进一步从各高校三类科研活动全要素生产率差距的内因来看，技术进步起着主导性作用。
因此未来我国应重点加强技术创新与进步，以促进高校科研全要素生产效率提升。针对自身科研创新人才薄弱、创新体系不够完善的弱项，进一步加大创新资源的投入力度，提高自主创新能力，加快自身创新体系建设，同时制定实施高校科技发展规划，促进高校科研稳定持续增长。
在基础研究方面，应着重解决大科学问题，强调研究前沿、热点问题，开拓出新的研究领域，完善学科布局，在若干科学前沿领域实现突破，以解决国家经济社会发展中的关键科学问题，建设高水平的基础研究队伍。
在技术与产品研发方面，应着重解决我国在各领域的卡脖子问题、打破国外垄断，并面向市场，寻求新技术、新产品的存在空间，最终将技术发明的成果纳入经济活动中，打开市场，以取得相应的经济效益。
在应用示范研究方面，应重点关注技术成果的规模化推广应用情况，开拓新的市场空间，在资源节约、环境友好的基础上不断提升技术成果的应用，提高行业整体技术水平、竞争能力和系统创新能力，推动行业的发展。
