“双一流”目标下高校高质量科研效率对比研究

徐子涵 李 刚

(1 陕西理工大学财务处，陕西 汉中 723000；2 西安邮电大学经济与管理学院，西安 710000)

自2015年10月国务院印发《统筹推进世界一流大学和一流学科建设总体方案》将“211工程”“985工程”等重点建设项目纳入世界一流大学建设以来，政府加大对高校科研的重视程度和投入力度。尤其在2017年1月教育部等联合印发《统筹推进世界一流大学和一流学科建设实施办法(暂行)》以及同年9月公布“双一流”建设高校及建设学科名单后，各地政府加快推进一流高校的规划建设，但优质科研成果产出效率是否在推行政策后有进一步的提高有待商榷，因此对我国“双一流”政策推行前后高校的高质量科研绩效水平进行研究是必要的且具有重要实际意义。

高校科研效率水平一直是国内外学者研究的重点领域。通过梳理以“双一流”建设为背景对高校科研效率的研究文献发现，目前国内学者主要通过不同的研究对象和研究方法探索高校科研绩效。基于微观层面，主要针对“双一流”“985工程”、教育部直属、具有特色学科或特定区域内的具体院校。如郑烨等以E9高校为例，深入分析比较E9高校文科科研产出现状并揭示其影响因素[1]。基于宏观层面，从空间分布上探索了中国各省市区域高校整体科研绩效水平，研究方法可归结为定量分析和定性分析[2]。定量分析以超效率DEA为基础，延伸出多种DEA测算模型，黄东兵等众多学者基于DEA-Malmquist模型分别对不同类型、不同地区的高校科研效率进行评价[3]；赵庆国等基于DEA模型和Malmquist指数法对不同区域高校科研绩效进行评价[4]；赵立雨等将DEA测算以及泰尔指数分析法结合，检验政府科技投入对高校科研产出的影响[5]。定性分析常见采用模糊分析法、层次分析法以及CiteSpace等方法，研究分析科研效率热点研究方向及发展趋势，为学者未来研究提供了坚实的理论基础。

本文在考虑科研产出质量的基础上，采用因子分析法构建科学的评价指标体系，以客观评价高质量科研绩效水平，并立足于微观层面，对比同时为“211工程”“985工程”建设的院校(下面统称为领头院校)在“双一流”政策实施后，其高质量科研效率水平的变化，为其他院校的“双一流”建设提供参考和标准。

1 研究模型构建

1.1 因子分析模型

因子分析法最初是由英国心理学家C.E.Spearman提出的，是一种能够从众多变量群中提取共性因子的统计技术，将相同本质的变量归入一个因子，降低变量的数量，同时可以检验变量间关系。其模型构建为：

A1=β11f1+β12f2+β13f3+……+β1ifi+μ1

A2=β11f1+β22f2+β23f3+……+β2ifi+μ2

A3=β31f1+β32f2+β33f3+……+β3ifi+μ3

A4=β41f1+β42f2+β43f3+……+β4ifi+μ4

……

An=βn1f1+βn2f2+βn3f3+……+βnifi+μn

在上式中，A1，A2，A3，A4，…，An表示经过标准化处理的n个指标变量，其均值为0，标准差为1；f1，f2，f3，…，fn为m个因子变量，n≤m；μ1，μ2，μ3，…，μn为残差，是用来表示原始指标变量中不能加以解释的部分的特殊因子。

1.2 数据包络模型

数据包络分析方法最初是由美国运筹学家Charnes以及Cooper于1978年创造的，是一种运用线性规划，对同类且均处于可比状态的研究单位有效性进行评价的数量分析方法，可以应用于存在多投入和多产出的研究单位[6]。传统数据包络分析方法包括DEA-BBC和DEA-CCR两种模型，DEA-CCR模型是假设规模报酬不变即在同一技术水平和要素价格的条件下，投入增加的比例与产出增加比例一致，只衡量总效率值[7]。DEA-BBC模型是假设规模报酬可变，将技术效率进行分解，等于纯技术效率与规模效率的乘积，由此可以更为直观地看出技术没有达到有效状态是纯技术效率还是规模效率造成的，更能精确地反映研究单位的规模水平和技术管理水平[8]。通过文献阅读发现大多数学者均选用BBC模型对效率值进行测算，遵循前学者的做法，本文将采用投入导向的BBC模型，具体模型表示为：

λj≥0，S-,S+≥0

其中，θ代表效率评价值；e为改写的非阿基米德无穷小量；x、y各自代表区域高校科研要素投入和产出集合；S+、S-分别代表产出或投入的松弛变量；j=1,2,3…,n代表决策单元DMU；λ则是第j个决策单元的权重。在规模报酬可变的条件下求解线性规划得出的结果主要有以下3种情形：若θ=1，S+=S-=0，则称为DEA有效的决策单元；若θ=1，S+≠0或S-≠0，则称为弱DEA有效的决策单元；若θ<1，则称为非DEA有效的决策单元。

2 评价指标体系构建

为了构建客观、有效地反映高质量科研效率的评价指标体系，在全面选取评价指标的基础上，采用主成分分析法对其进行降维处理。消除主观构建指标体系的弊端，使得研究结果更加科学。

通过检索2007—2021年间以高校科研效率为关键词的论文发现，不同研究对象构建的评价指标体系大体相同，投入指标基本从人、财、物3个方面体现，产出指标从成果和经济效益两方面体现，仅具体指标略微有差别。借鉴以往研究指标体系，在选取使用频率较高的指标基础上同时考虑科研成果质量，归纳出以下指标作为因子变量，见表1所示。

表1

2.1 投入指标因子分析

首先，利用SPSS软件对投入指标(A1～A10)进行KMO值和Bartlett球形检验，KMO值为0.742(>0.5)，Bartlett球形检验的卡方统计量的显著性水平为0.000(<0.001)，表明选取的投入指标之间具备共同因素，符合因子分析的前提。其次,通过PCA法降维提取公因子，结果显示存在3个公因子的特征值大于1，且旋转后累计方差贡献率为95.427%，表明该3个公因子能够较好地反映投入指标(A1～A10)。具体来看FCT1对A1～A4的影响较大，将其定义为人员能力因子；FCT2对A5～A6的影响较大，将其定义为资金支持因子;FCT3对A7～A10的影响较大，将其定义为环境氛围因子，旋转后指标因子载荷矩阵如表2所示。

表2 旋转后投入指标因子成分矩阵

2.2 产出指标因子分析

首先对产出指标(B1～B8)进行KMO值和Bartlett球形检验，KMO值为0.763(>0.5)，Bartlett球形检验的卡方统计量的显著性水平为0.000(<0.001)，表明选取的产出指标之间同样具备共同因素，符合因子分析的前提。其次,通过PCA法降维提取公因子，存在2个公因子的特征值大于1，且旋转后累计方差贡献率为86.715%，表明该2个公因子能够较好地反映产出指标(B1～B8)。具体来看FCT4对B1～B5的影响较大，将其定义为优质成果产出能力；FCT5对B6～B8的影响较大，将其定义为社会效益能力，旋转后指标因子载荷矩阵如表3所示。

表3 旋转后产出指标因子成分矩阵

3 实证研究

3.1 数据来源及处理

考虑到国防科技大学科研数据由于保密性而缺失，因此本文选取样本为剩余35个双一流建设领头院校，投入产出数据均来源于《高等学校科技统计资料汇编》以及ISI数据库。由于科研成果产出具有滞后性，基于以往研究，投入数据选取2015—2017年，产出数据选取2016—2018年。同时考虑到变量的单位存在差异，为了减少误差，在测算前对变量数据通过取自然对数进行标准化处理。

3.2 实证结果分析

基于2015—2018年35个领头高校的面板数据，运用DEAP2.1软件将科研投入产出数据适用BCC模型，计算出各高等院校高质量科研绩效水平，结果如表4所示。

表4 领头院校高质量科研效率实证结果

根据实证结果可知，我国重点建设的领头院校在双一流政策下的高质量科研效率整体走势呈上升趋势，但效率提升幅度较小。其中最终达到有效状态的院校有14所，占总院校的40%，整体科研效率还需要很大的提升；效率值在0.9以下的有11所，占未达到有效院校的52.38%，说明未达到有效状态的院校科研效率还有较大的提升空间；2015—2017年效率值呈上升趋势的院校有24所，占总样本的68.57%，表明双一流建设政策的实施和推行对领头高校科研效率是有一定的促进作用。

具体以2016年为时间节点，分析全面推进建设双一流高校政策颁布前后领头院校的高质量科研产出效率变化。纯技术效率处于提升状态，规模效率则呈先升后降走势。表明总体科研效率没有较大幅度提升的原因主要是规模冗余。且同时也是造成部分高校综合效率呈下降趋势的主要原因。从高校类型层面来看，北师大等2所师范类院校的高质量科研成果产出效率基本稳定在有效前沿面，达到最优状态;农业类院校、理工类高校成果产出率最低。究其原因可能是较理工类、农业类等院校相比，师范类院校科研成果更倾向于政策化、理论化研究，不需要前期大量的投入，且产出成果难度小，周期短；而理工类等院校投入水平高，但优质科研成果产出难度较大，周期较长，导致效率值较低。哈工大等4所国防类院校的综合效率值水平处于较低状态，且75%的高校呈效率值下降趋势，纯技术效率和规模效率均未达到有效状态，表明国防类院校在提升管理效率的同时应当减少投入规模。从地域层面来看，处于西部地区的院校平均效率值普遍较低，尤其是兰州大学平均效率值仅为0.75，导致综合效率不高的主要原因是纯技术效率较低，说明西部地区院校对科研经费的管理和利用效率不高。

4 结论及建议

4.1 研究结论

通过对“双一流”建设全面推广和实施前后我国领头院校的高质量科研效率水平进行对比可知：基于2015—2017年我国领头院校科研效率均值来看，“双一流”建设并没有促进我国领头院校的优质科研成果综合效率水平大幅度提高，纯技术效率水平有所提升但规模效率水平呈下降状态。造成这种现象的原因可能是我国“双一流”建设的相关政策一方面引进更为先进的科研运行机制和管理模式，提升了领头院校的科研管理水平；另一方面由于对政策的理解不到位导致盲目投入过多的科研资源，造成投入冗余、产出与投入规模不匹配等一系列问题，从而拉低了规模效率。

在政策全面实施后，最终达到有效状态的高校仅占40%，领头院校的科研效率水平大多数处于无效状态，且综合效率低于0.9的院校占比超过一半，但大多数院校效率水平发展趋势呈上升状态。表明“双一流”建设政策实施和推行依旧处于探索阶段，领头高校科研效率具有很大的提升空间，需要进一步推行和落实政策的实施。

基于高校类型层面发现，师范类院校的高质量科研效率水平最高且稳定，理工类院校最低，具体来看理工类院校的规模效率对综合效率水平影响更大，可能源于该类院校科研成果产出较其他院校难度更大，导致投入产出结构不合理，很难达到有效状态。基于高校地域层面发现，西部地区高校以及东部地区的规模效率均未达到有效状态，但造成该现象的原因不同。西部地区较东部地区缺乏科研资源，投入不足导致规模效率较低，但政策实施后这种现象有所改善，而东部地区本来科研资源丰富，在政策实施后继续加大投入力度造成科研资源投入冗余，反而拉低了规模效率。因此对于政策的实施和推行还需要根据不同高校的特点以及地域情况采取不同的措施，不能一概而论。

4.2 政策建议

改善现有科研管理制度和运行机制，合理化投入产出结构比例。依托我国“双一流”高校建设政策的实施，在政府加大高校科研投入的基础上，通过引进、学习先进的科研运行机制和管理制度，同时考虑学校自身特点和实际情况，完善现有制度和运行机制，提高高校自身的科研管理能力和管理效率，从而使得科研运行机制和管理制度能够与增加的投入规模匹配，进而提高高质量科研成果产出效率。

创新科研激励机制，提高科研人员积极性。科研人员是科研成果产出的创造者，是促进科研效率提高的直接主体。高校应当建立有效的激励体制，有效地调动在职科研人员的积极性，激发其创新能力，留住现有科研人才的同时可以吸引更多国内外人才，提高学校的科研实力以及科研能力的可持续性。

建立资源共享机制，注重区域协同发展。我国科研资源分布呈现“东高西低”的现象。东部地区科研资源在原本就丰富的基础上过多的投入容易造成投入冗余，反而导致科研效率下降，而西部地区因投入规模不足导致科研效率无法达到有效前沿面，因此政府应当根据实际情况建立科研资源共享机制，做好科学合理的顶层设计，提高科研资源的利用效率，促进区域间不同高校协同发展。