我国高校人文社科科研效率的影响因素与多元路径——基于31个省区市的模糊集定性比较分析

邱均平，陈 诚,b，陈仕吉（杭州电子科技大学．中国科教评价研究院，b．管理学院）

1 引言

人文社会科学是高校发展、国家建设必不可少的重要组成部分，其重要性得到了广泛认可。积极吸收社会哲学的优秀成果，是中国特色社会主义新时代赋予当代人文社科的新使命和新要求。加快推动构建中国特色人文社会科学的学术高地，能够为我国打造科研强国提供坚实基础、为高校打造科研强校提供坚实保障。高校是承担人文社科科研活动的主要场所，人文社科的长期发展关键在于如何解决科研资源高投入低回报、科研成果质量偏低等问题。科研效率在一定程度上反映了高校科研活动的绩效，并衡量了科研资源的分配与利用情况。人文社科科研效率是对高校在人文社会科学上的投入与产出的量化，衡量的是高校在人文社科上的软实力与竞争力［1］。因此，识别影响人文社科科研效率的重要因素、挖掘人文社科高质量发展的多元路径，对高校人文社科科研效率评价和分析具有重要意义。

学界开展了大量关于人文社科科研效率的相关研究，产生了丰富的学术成果。从研究视角方面看，大多数人文社科的研究关注微观层面，如，针对不同区域、特定类高校、特定区域高校、同属性高校开展研究。而涉及宏观层面的研究偏少，主要从人文社科科研的国家政策、学术创新力、组织方式等视角进行研究。具体来说，姜彤彤对2001—2011年我国除西藏之外30个省（区、市）的高校人文社科科研效率及其区域差异情况进行评价分析后发现，东部地区的人文社科科研效率高于西部和中部地区［2］。陆根书等对2000—2003年教育部直属68所高校的人文社科科研效率进行了评价，发现高校的人文社科投入与产出效率处于相对较低的阶段［3］。雷蕾等对2007—2012年我国40所农林院校的人文社科科研数据进行了实证分析，发现农林类院校的科研资源未得到充分发挥［4］。胡公启针对江苏省2013—2016年第一批次高校人文社科进行了探究，发现技术是制约科研效率的重要因素［5］。

基于研究方法视角，Johnes Jill等使用数据包络分析法（Data Envelopment Analysis，DEA）对2003年和2004年我国的高等教育科研绩效进行检验，发现沿海地区的平均研究效率比西部地区高很多［6］。Wolszcak-Derlacz等利用两阶段DEA模型分析了2001—2005年7个欧洲国家的259所公立高等教育机构的效率及其决定因素，发现国家内部和国家之间的效率得分差异很大［7］。Bayraktar等结合DEA和随机前沿分析方法研究了土耳其公立和私立大学质量管理实践的相对效率［8］。韩海彬等构建了AHP/DEA模型，并从定性和定量角度对高校的人文社会科学产出绩效进行评价［9］。梁文艳等基于Malmquist指数对不同地区的“211”高校进行人文社科科研效率的动态评估，并认为应加大中西部地区科研的财政投入力度和完善苏沪浙地区的科研资源［10］。王甲旬等采用Bootstrap-DEA方法，分析得出了2009—2016年各个地区之间的科研效率存在显著差异［11］。

以上文献梳理得出，学者们更为关注同层次或同种类高校的人文社科科研效率，涉及地理区域、经济发展、产学研合作等外界因素的研究较少。就研究方法来说，DEA在人文社科科研效率评价方面非常的成熟。传统的DEA模型在效率评定上存在着一定的误差，且通常是从静态角度入手，无法对高校不同时间段的科研效率进行比较和分析。因此，将传统的DEA模型与Malmquist指数方法相结合，能够从动态角度分析各个省（区、市）在不同时间段的人文社科科研效率的变化。从影响人文社科科研效率的因素来看，大部分学者专注于单个变量对效率的影响，很少考虑到多个变量的共同作用，而科研效率发生改变的原因往往是多个变量的共同作用，多个变量最后达到一种殊途同归的状态。为了进一步了解影响人文社科科研效率的因素，本研究选取了模糊集定性比较分析（fsQCA）方法，以人文社科科研效率为最终解释的结果变量，从不同维度出发，探寻高校人文社科科研效率的多元路径。

综上所述，本研究基于2010—2019年31个省（区、市）的高校人文社科投入与产出数据（不包括台湾省，香港特别行政区、澳门特别行政区的高校），采用DEA-Malmquist模型动态评价不同时间段的省（区、市）人文社科科研效率，并以此效率作为结果变量。最后，通过模糊集定性比较分析，从组态的视角探究多重因素对我国高校人文社科科研效率的影响，探寻提高我国高校人文社科科研效率的多元路径。

2 研究设计与数据来源

2.1 研究方法

2.1.1 数据包络分析

DEA是Charnes等于1978年提出的一种非参数的评价方法，用来测量多个投入和多个产出的综合效率值［12］。常见的DEA模型主要是CCR和BCC，这两类模型从静态的角度来分析投入与产出的相对效率。与以往的评价方法相比，DEA克服了主观因素对研究结果的影响，并能够避免设置权重，因此，被广泛应用于高校科研能力和创新能力的效率评价。

2.1.2 Malmquist指数方法

Malmquist指数是统计学家Sten Malmquist于1953年提出的，用于测量生产效率。1994年，Fa..re等将Malmquist指数与数据包络分析法相结合并加以改进［13］，第t期至第t+1期的Malmquist指数表现形式为：

其中，当Malmquist指数大于1时，表示与上一年相比，全要素生产率得到了提高；当Malmquist指数等于1时，表示全要素生产率与上一年持平；当Malmquist指数小于1时，表示与上一年相比，全要素生产率有所下降。

2.1.3 模糊集定性比较分析法

定性比较研究（Qualitative Comparative Analysis，QCA）将定性与定量两种研究方法的优势相整合，关注多重并发因果关系。具体来说，以往的研究方法侧重于探讨单个因素对结果的影响，但是单一的变量很难解释结果产生的原因。而QCA从组态视角出发，将多个变量进行不同的组合，产生不同的路径，从而解释最终的结果变量。QCA主要分为清晰集定性比较分析法（csQCA）、多值集定性比较分析法（mvQCA）和模糊集定性比较分析法（fsQCA）［14］。csQCA使用二分变量，mvQCA使用简单的多分变量，因此二者的最终结果容易出现矛盾组态。而fsQCA则使用更加精确的多分变量和实施严格的QCA理论来进行一致性评价，避免了矛盾组态的出现。此外，与传统方法相比，fsQCA能够将定性和定量的属性相结合，从多个维度考量最终的结果变量。

2.2 高校人文社会科研效率测算

2.2.1 评价指标选取

投入—产出指标体系的建立要遵循科学性、可操作性、目的性、全面性［15］等原则，针对人文社科科研效率的投入维度，主要从人、财、物三个方面进行测度。在科研人员方面，多数学者选取了研究与发展全时人员作为投入的指标［16］，该指标能够综合科研人员对产出的贡献程度以及专注程度。在科研经费上，当年研究与发展拨入的经费是推动人文社科科研发展的重要因素［17］。经费的投入使得地区、高校在科研能力上拥有资金上的优势，以此促进科研效率的提高。在科研项目上，获得项目课题的高校能够凭借课题本身高效的产出，产出大量的著作、论文、专利等［18］，申请更多的科研项目可以提高高校的科研竞争力。

针对人文社科科研效率的产出维度，主要从学术效益和社会效益两方面进行测度。学术效益主要选取了学术圈公认的国内外核心刊物发表的论文数和科技专著数［19］。社会效益通过人文社科科研获奖数来评定，该获奖数包含了国家级、部级、省级奖，奖项反映了该产出得到了政府部门的认可，并为社会创造了价值。此外，社会效益还可从被采纳的研究与咨询报告的数量来呈现，其反映了为政府提供有效建议和决策的作用。

通过以上分析，本研究建立了科研人员、科研经费、科研项目三个投入指标和学术效益、社会效益两个产出指标（见表1）。

表1 高校人文社科科研投入产出指标体系

2.2.2 数据来源和计算

本研究中，31个省（区、市）高校人文社科的投入与产出数据均来源于中国高校人文社会科学信息网发布的各年度社科统计摘要和《高等学校科技统计资料汇编》。笔者将收集到的2010—2019年的数据导入DEAP 2.1软件中，通过DEA-Malmquist指数模型来测算我国高校人文社科科研效率，从而得到了2010—2019年我国高校人文社科Malmquist指数的变动与分解结果（见表2）。表2中，“effch”表示技术效率变化指数，“techch”表示技术进步指数，“pech”表示纯技术效率变化指数，“sech”表示规模效率变化指数，“tfpch”表示全要素生产率指数。

表2 高校人文社科Malmquist指数变动与分解

由表2可知，我国高校人文社科科研的全要素生产率指数均值为0.929＜1，表明我国2010—2019年高校人文社科科研的全要素生产率总体呈现下降的趋势。其中，2016—2018年的全要素生产率大于1，即呈上升趋势，这说明我国人文社科科研效率发展不稳定，具有一定的发展潜能。

由表3可知，我国31个省（区、市）的高校人文社科科研全要素生产率平均降低了7.1%，主要是因为技术进步效率平均降低了7.8%和规模效率平均降低了0.5%；而技术效率平均增加了0.7%，是因为纯技术效率平均增加了1.2%。我国各个区域之间的全要素生产率差距较大，因此要合理调配各地区的人文社科科研资源，进而促进各省（区、市）高校人文社科科研效率的提升。

表3 2010—2019年31个省（区、市）高校人文社科科研效率

3 高校人文社科科研效率的模糊集定性比较分析

3.1 方法选取与样本选择

影响我国高校人文社科科研效率的因素是多维度、复杂的，并且呈现的是非线性关系。fsQCA能够从整体的角度出发，验证结果变量和多个条件变量之间的关系［20］，合理地解释非对称的因果关系，并从多个影响因素入手，探究如何进一步提升高校人文社科科研效率。本研究将我国31个省（区、市）作为样本，31个样本数符合fsQCA样本规模数的基本要求。

3.2 变量测量

本研究使用2019年我国31个省（区、市）的高校人文社科科研效率作为fsQCA分析的结果变量，并建议将实施fsQCA的条件变量设置为4—7个。考虑到时滞性因素，本研究选用2018年影响高校人文社科科研效率的内外2个维度、6个因素作为本次分析的条件变量。

（1）人文社科科研内部因素。①人力资源［21］是高校科研的基本前提，人力资源丰富的地区易于开展人文社科科研工作，学校的科研能力能够得到最大限度的发挥。因此，本文选取当年研究与发展全时人员数来量化人力资源这个条件变量。②研究机构是进行科研活动的基础，并且有丰富的科研产出。研究机构［22］的存在，一定意义上是政府对高校科研的扶持和鼓励，所以选用研究机构数作为内部因素之一。③当前学术环境处于一个对外开放的状态，学者们在学术上的碰撞、前沿知识的分享将人文社科科研推上一个新的台阶。因此，本次选用在国际会议上交流的论文数和报告数［23］作为衡量当前学术环境的指标。

（2）人文社科科研外部因素。①经济与科研是相互融合的，区域经济发展水平［24］的提升，可以提高该地区的科研实力。因此，本次选用人均GDP衡量区域经济发展水平。②对科研工作者的精神和物质奖励可以提升人文社科科研效率。成果的奖励［25］是科研人员能力的一种体现，因此，本次选取人文社科获得省部级奖以上奖励作为成果奖励的量化数据。③产学研合作［26］能够将企业的经济优势同高校与研究机构的科研优势整合在一起，实现科研与成果的有效转化。因此本次选用当年企业投入人文社科科研经费作为衡量科研成果有效转化的指标。

3.3 校准与必要性检验

在实施fsQCA前，要考虑条件变量与结果变量的隶属度。根据已有研究［27］，三个锚点的设置分别为完全隶属、交叉隶属和完全不隶属，分为95%、50%和5%分位数。

由于必要的条件变量会在后续的fsQCA步骤中消除，因此，为了避免对结果产生影响，需要对条件变量进行必要性分析。当一致性大于0.9时，表明该条件变量是构成人文社科科研效率的必要因素。由表4可知，没有一个条件变量是人文社科科研效率的必要条件，也就是说，单个变量无法促使人文社科科研效率发生改变。因此，要对影响人文社科科研效率的6个因素进行更深层次的组态分析，从而探究提高我国高校人文社科科研效率的多元路径。

表4 条件变量必要性检验

3.4 组态分析

运用fsQCA 3.0软件运行各种路径后，会出现简单解、中间解、复杂解三种方案。由于简单解与复杂解的适应性较差，笔者以已有研究［28］简单解为参照，把中间解作为最终的路径结果。笔者将PRI一致性的临界值设为0.8，在进行标准分析后选取中间解，得到6种影响我国高校人文社科科研效率的组合（见表5）。

由表5可知，中间解方案总体一致性为0.82，说明满足这6条组合路径的省（区、市）中的82%的高校，具有高质量的人文社科科研能力。总体覆盖度为0.75，说明这6条组合路径能够解释75%的高校人文社科科研能力状况。笔者对6条多元路径进行归类后，将其分为科研基础驱动型、科研全面发展型、科研激励导向型。

表5 高质量高校人文社科科研效率多元路径

（1）科研基础驱动型。如组态1路径所示，人力资源、研究机构、学术环境、区域发展水平是构成高校高质量人文社科科研效率的核心条件，其中，人力资源、研究机构和学术环境是影响人文社科科研的因素。说明高校完全凭借自己的科研基础推动高校的科研发展，同时依赖高校所处区域的发展水平，高校、研究机构与企业进行产学研的合作起着助推作用。成果激励的缺少不会造成人文社科科研效率低下，因为高校为人文社科发展提供了人、财、物等保障，并营造了良好的科研氛围。这条路径表明，高校人文社科离不开自身的科研基础和经济实力。该条路径能够提高辽宁省和吉林省的高校人文社科科研效率，这两个省份有大连理工大学、东北大学、吉林大学等多所“双一流”高校。目前，吉林省和辽宁省的人力资源和研究机构均位于31个省（区、市）中的前十位，学术环境和区域发展水平处于中等偏上水平，但成果奖励数较少。因此，科研基础驱动型对于吉林省和辽宁省提高高校人文社科科研效率有着很好的借鉴意义。

（2）科研全面发展型。如组态2的两条路径所示，高校人文社科科研的内外部因素均影响到了人文社科科研高质量发展。①对于组态2a，人力资源、研究机构和区域发展水平构成路径的核心条件，当科研效率不足时，成果激励和产学研合作起到辅助作用，从而达到人文社科科研的内外联动。②对于组态2b，人力资源、区域发展水平和成果奖励构成了该路径的核心条件，学术环境则为边缘条件。在组态2的两条路径中，均出现了人力资源和区域发展水平两种核心影响因素，故可将科研全面发展型归结成人力—经济型。具体来说，当一个高校的人文社科科研效率低下时，通过科研人才的加入和资金的注入，能够适当提高科研效率。高校所处区域的发展水平越高，越有利于吸引科研人才，如江苏省、广东省、浙江省、福建省等。以江苏省为例，其综合所有高校科研资源全面发展，致力于提升高校人文社科服务水平，推动全省高校开展国家级社会科学基金项目的研究，促进产学研的深度融合。

（3）科研激励导向型。对科技人才给予奖励，可以驱动科技人才在人文社科科研方面投入更多时间与精力，如组态3的三条路径所示，成果奖励成为这些省（区、市）人文社科高质量科研的唯一核心条件。组态3a、3b即在核心条件——成果奖励的参与下，加以人力资源、研究机构、学术环境等影响人文社科科研效率的内部因素。典型的省份是四川省，成果奖励位于31个省（区、市）中的第一，在人文社科科研的内部因素上与其他省（区、市）相比则略显不足。因此，自身科研基础条件不够好的区域可积极利用成果奖励这一外部因素。而在组态3c中，仅有人文社科科研外部因素在起作用，成果奖励作为核心条件，区域发展经济水平为边缘条件。如，天津市的人力资源、研究机构、学术环境等内部因素处于末端位置，与西部地区的科研条件几乎处于一个水平，而该地区善用成果奖励，再稍凭借处于前三的经济实力，得以激发科研人才注入更多时间推动人文社科发展。

4 总结与启示

本研究以我国31个省（区、市）为研究样本，基于DEA-Malmquist模型对各区域高校人文社科科研效率进行了客观评价，并在此基础上使用fsQCA方法对各区域高校人文社科科研高质量发展进行了研究。结果显示，人文社科科研效率能否高质量发展取决于能否对人力资源、研究机构、学术环境、区域发展水平、成果奖励、产学研合作6个变量进行很好的组合。

（1）在“双一流”建设背景下，一流大学和有着一流学科的大学要充分发挥科研资源丰富的优势，即使科研奖励干预不足，也要依靠自身条件进行内部驱动。同样，经济实力强的区域要积极吸引科研人才，引进先进的科研设施，创造良好的学术环境。也就是说，人文社科资源的有效配置离不开政府在政策经济上的支持，高校也要积极发挥自身科研和人才优势，促进人文社科科研与学科建设相结合。

（2）影响高校人文社科科研效率的外部因素包括区域发展水平、成果奖励、产学研合作等。对于经济实力较强的地区，要解决高投入低回报的问题，合理利用科研经费，高质量完成国家社会科学基金项目，推动人文社科科研产生高质量的科研成果，为国家提供科学的决策依据。成果奖励也是提升高校人文社科科研效率的重要因素，对于经济不够发达的地区，要建立一套公正、长效的人才激励机制，激发科研工作人员的积极性和创造性。同时，促进产学研合作以及高校、企业、研究机构的内外联通，积极吸纳外部投资，给人文社科科研活动注入动力，有效推动人文社科的发展。

（3）充分认识到人文社会科学与自然科学的不同，两者在研究对象、研究方法和研究表现形式方面均有差异。总的来说，人文社科科研产出的过程是一个长期的过程，与自然科学相比较为缓慢，人才、时间、设备上的投入各有侧重，科研产出的表现形式有所不同。因此，对于高校人文社科科研的管理要基于中国哲学思想立场，着眼于中国特色社会主义建设，将文章写在祖国的大地上。

（4）科研评价是科教评价的一个重要评价方向。建立完善的科研评价机制，必须要选取合理的指标，并随着科研环境的变化不断修正，使其符合当代人文社科的基本属性。通过人文社科科研评价，定位高校在人文社科上的实力，逐步开展科学评价工作。科研评价能够为高校人文社科提供管理决策，也能帮助政府完善教育管理，从而推进我国“双一流”建设和高校人文社科科研效率的提高。