华东六省一市高校科研创新效率评价及收敛性分析

陶 敏 李 欣 李 进 李洪伟

（1.山东科技大学 经济管理学院，山东 青岛 266590；2.山东省教育厅，山东 济南 250011）

根据2020年教育部直属高校年度预算经费统计表，经费预算超过100亿的高校有10所，较2019年增加了两所，排在首位的清华大学2020年经费预算达到了310.72亿元，较2019年增加了13.51亿元。在75所直属高校中，有54所高校的经费预算较2019年都出现不同程度的增幅，仅有21所高校出现了小幅度的下降。国家对高校的资金投入呈逐年递增趋势，以鼓励高校在各领域进行创新研究活动。高校作为中国科技创新的知识主体, 其研发活动贯穿整条创新链,学科建设基本覆盖国民经济各行业, 在研发人才、重点实验室、研究中心等方面的优势是企业等创新主体所不具备的[1]144-151,162。而越来越多的资金投入是否被合理配置使用，是否得到了相应的高质量产出，是否为推动国家的创新发展做出了相应的贡献，这些问题都已成为社会各界关注的焦点。

因此，以科研创新效率为测算指标，科学地评价高校投入产出效率，正确识别出投入产出的管理模式与运行绩效，并以此为依据提出建设方案，不仅有助于将有限的教育资源充分发挥出最大的社会效益，督促高校进行科研创新活动，而且对丰富国家创新体系，提高国家的创新水平有重要意义。鉴于此，本文将建立高校科研创新效率评价指标体系，综合考虑人力、物力、财力等多方面的投入及学术刊物、专利等科研产出，对华东六省一市的155所高校进行科研创新效率测算，从而识别出其增长模式和运行机制，为效率的提高提供相应的决策依据。

一、文献综述

（一）高校科研效率评价指标

关于高校科研效率评价指标，目前尚未统一，不同学者构建了不同的评价指标体系。1992年，英国首先对高等教育系统开展科研水平评估 (Research Assessment Exercise，RAE)，确立了人员概况、直接科研人员情况、研究产出、研究生数目与学位授予情况、研究生获奖学金情况和外部研究经费等基础性指标，但基于学科独特性的考虑，评价的详细指标由同行专家设置，因而没有形成统一完整的指标体系[2]101-111。Kempkes G[3]2063-2079选取了毕业生数量、拨款研究经费作为产出指标，选择教师数量、研究人员研究数量和日常经费开支作为投入指标，评价了德国72所高校投入产出效率。Chuen Tse Kuaha等[4]499-506选取了教学教师数、授课学生数等作为教学投入指标，选择学生毕业人数、学生平均成绩等指标为教学产出指标，同时选择学校运行费用、科研教师数等指标为科研投入指标，选择了研究生人数、出版数量等为科研产出指标，评价意大利高校投入产出效率。George e.Halkos等[5]1-24选取学术人员、辅助人员、学生数、研究经费作为投入指标，选取毕业生数和出版物数量作为产出指标，评价希腊公立大学的效率。Marti Sagarra 等[6]1324-1325选择了教职工数、学生入学数量、首次加入数作为投入指标，选择发表的论文和毕业学生数量作为产出指标，评价墨西哥大学效率。Wang C N 等[7]选择学术和非学术人员的数量和总入学人数作为投入指标，学位和研究生的数量、总毕业生以及等效全日制学生（EFTS）资助系统和基于绩效的研究基金的总营业收入（PBRF）作为产出指标，评价新西兰高校的效率。乔联宝[8]210-215从教学和科研两个方面来综合评价“985”高校的综合生产效率，对于教学职能，其投入分为经费拨入、全日制教师和新生质量，产出则分为学生质量和声誉；在分析科研效率时，将其投入划分为经费拨入、全日制教师和在校学生三个部分，产出则分为论文发表、出版专著和专利授权数。倪渊[9]85-94选取人力投入、财力投入、物力投入、科研产出作为一级指标，选取了8个二级指标，15个三级指标，对我国高水平科研型大学科研效率进行评价。李瑞等[10]56-60确定投入指标包括科研人员投入（高校科研人员全时当量）和经费投入（高校科研经费内部支出），产出指标包括高校发表的论文数量、高校科研课题数、高校专利申请受理数。宗晓华等[11]26-35选取了人员和经费作为投入指标，科研论文、科研获奖和社会服务作为产出指标，其中五个一级指标又包含了17个二级指标。李彦华等[12]108-111选取了科研人力、科研经费为投入指标，科技成果及技术转让、成果授奖为产出指标。因此，以上这些指标都可作为本文构建评价指标体系的备选指标。

（二）高校科研效率评价方法

高校科研投入产出效率的评价问题涉及多个投入和产出指标，可以采用构建指标权重向量再计算综合值，例如模糊综合评价奠定等方法，但是利用数据包络分析(Data Envelopment Analysis，DEA)进行建模分析的文献占近2/3。Chuen Tse Kuaha和 Kuan Yew Wong选取以学校运行费用作为共享投入指标，构建评价高校教学-科研效率的联合DEA 模 型[4]499-506。Ali Saleh Al-Shayea等[13]132-138利用了产出导向的规模报酬可变(VRS)与规模报酬不变(CRS)两种模型DEA模型评价卡西姆大学各系的员工效率。乔联宝[8]210-215基于规模收益不变假设，建立了考虑共同资源消耗、用于评价高校科研和教学综合效率的联合DEA模型，并对32所“985”院校进行了分析。倪渊[9]85-94提出了一种组合评价模型：滞后非径向超效率DEA模型，将阿尔蒙多项式、非径向偏好DEA和超效率DEA有机融合，应用该模型对36所“985”工程高校科研效率进行评价，并采用比较验证方法来实证模型的可行性和有效性。汪彦等[14]100-109和苏荟等[15]107-118都采用DEA-Tobit模型对高校的科研创新效率进行了分析。黄建国等[16]11-15和宗晓华等[17]93-106分别运用Super-SBM和超效率BCC-Malmquist方法对中国“双一流”建设高校的科研投入产出效率进行分析。李彦华等[12]108-111和李韵婷等[18]120-126都采用DEA和Malmquist模型分别对广东省高校和“双一流”高校科研创新绩效进行动态考察。

综上所述，现有的研究成果多集中在国家重点高校及省域层面的科研效率评价，这为推动中国重点高校的科研建设提供了有力的支持，为提高整体省域层面的高校科研创新效率提供了坚实的依据。但不同省份内高校构成存在差异，现有的研究成果对于省内具体高校的科研效率评价较少。因此，本文将按照高校的性质和类别等因素对高校进行分类评价，纵向层面上分为教育部直属和省属高校，横向层面上分为综合类、工科类、财经类、师范类、医药类、农林类，综合考虑不同高校的性质特点，分析其对本省高校科研创新效率的影响，从而能够更好地识别出高校科研创新效率的关键影响因素，并有针对性地制定其绩效提升对策。

二、 研究设计

（一）分析方法

1.产出导向的超效率BCC模型

DEA（数据包络分析）研究方法广泛应用于各类效率评价。1979年Charnes等[19]429-444创立了DEA的理论方法，即假设规模收益不变的CCR模型。1984年Banker等[20]1078-1092以CCR对偶模型为基础，增加了约束条件基于规模收益可变的基础上提出了BCC模型。1993年Andersen等人在投入导向的CCR模型中增加了j≠k的限制条件，得到了超效率模型，解决了多个效率值为1的DMU无法进一步分析的问题。本文采用的是产出导向的超效率BCC 模型，用以测算华东六省一市155所高校的科研创新效率。假定参与评价的决策单元有n个，记为DMUj，j=1,2,…，n。其中每个决策单元包含a种投入，Xij表示DMUj中第i种投入（i=1,2，…，a），同时每个决策单元包s含种产出，Yrj表示DMUj中第r种产出（）。具体模型如下：

2.σ收敛模型

σ收敛理论最初多用于区域经济增长的收敛性分析，后被学者们逐渐扩展到其他领域的问题研究，例如能源效率、绿色创新效率、投资效率等。σ收敛模型的本质是通过计算标准差，来分析不同区域发展水平的差异情况。存在σ收敛，即证明随着时间的推移，发展水平较低的地区与发展水平较高的地区间的差距逐渐缩小，并最终达到同一水平。σ收敛模型为效率评价研究提供了一种新的思路，通过收敛性分析，可以发现不同地区间的“追赶效应”，从而找到增长率和现存效率之间的平衡点，合理配置资源。本文高校科研创新效率的σ收敛模型公式如下：

其中，σ是标准差，表示高校科研创新效率偏离整体平均水平的程度，EEFi表示某省第i所高校的综合科研创新效率值，n为该省高校的总个数，EFi表表示示该该省省高高校校科科研研创创新新效率的平均值。

3.β绝对收敛模型

β绝对收敛的含义是指高校科研创新效率水平较低的区域其效率水平增长速度往往比效率水平较高的区域更快，即各个区域的高校科研创新效率增长速度与效率水平之间存在负相关关系[21]。表达式如下：

(二)评价指标体系

高校科研活动的投入一般包含人力、物力和财力，产出主要是指科技论文、专著以及专利授权等。综合已有的研究成果，本文选取了四项投入指标：研究与发展人员、R&D人员全时当量、研究与发展经费、R&D成果应用及科技服务经费，其中包含了16项二级指标。为了更好地区别不同级别人才的影响情况，本文以讲师数量为标准，将教授、副教授、助教和其他人员数量分别按照1.75、1.5、0.5和0.25的系数折算成讲师的数量，单位为人；同时以初级技术职务人员为标准，将高级技术职务和中级技术职务分别按照1.75和1.5的系数折算成初级技术职务人员的数量，单位为人[23]。产出指标为科技论文数和专利授权数，其中包含了6项二级指标。由于科技论文和科技专著的影响度不同，因此本文以国内普通学术刊物为标准，将科技专著按照10的系数，国外及全国性学术刊物按照1.5的系数分别折算成国内普通学术刊物的数量，单位为篇。具体指标体系见表1。

表1 高校科研创新效率指标体系

（三）数据来源及处理

本文以华东六省一市（山东省、江苏省、浙江省、江西省、安徽省、福建省和上海市）的教育部直属高校和省属高校作为决策单元，剔除部分数据不全或无法获得数据的高校，合计155所。为了分析其高校科研创新效率的变动情况，本文选用了2010-2017年的面板数据,有关数据均来源于2011-2018年的《高等学校科技统计资料汇编》。实证分析软件使用MaxDEA和Eviews10.0。

三、实证分析

（一）效率测算分析

利用MaxDEA软件和产出导向的超效率BCC模型对收集到的数据进行处理，即可得到样本高校的科研创新效率情况，具体分析如下：

1.由表2可知， 2010-2017年华东六省一市155所高校的整体科研创新技术效率平均值仅为0.429，纯技术效率的平均值为0.527，规模效率的平均值为0.880，各省市的技术效率均值均未超过0.5，说明155所样本高校的科研创新效率整体不高。其中，技术效率的平均值超过总体均值的省份有江苏省、山东省和上海市，纯技术效率的平均值超过总体均值的省份有安徽省、江苏省、山东省、上海市，两种效率都高于均值的区域为江苏省、山东省和上海市，两种效率都低于均值的区域为福建省和浙江省。

表2 2010-2017样本高校科研创新效率超效率分解

以2015年为例，155所高校中仅有8所高校的技术效率值高于1，不足样本总量的十五分之一。其中，排在首位的是南京大学，科研创新技术效率值为1.57，排在末位的是济宁医学院，科研创新技术效率值仅为0.09。近年来中国虽然一直在加大教育经费的投入，但投入的方向更多趋于高校的基础建设及基础教育的提升。高校硬件设施的更新、智能化学习环境的建设以及在校学生的扩招等消耗了大量的教育经费，实际上用于科研的经费投入增长并不显著，这就导致了高校科研创新效率整体上呈现出逐年下降的趋势。

2.从高校性质方面来看，教育部直属高校的效率值普遍较高，而其他省属院校的效率值整体偏低，且效率差距呈现出先增加后减小的趋势，见图1。样本高校中教育部直属高校的数量仅有18所，占全部高校的11.6%，省属院校有137所，占比高达88.4%，具体高校数量分布见表3。结合图1所示可知，省属院校数量大，科研创新效率整体偏低，是导致总体均值水平较低的原因之一。其中，江苏省、江西省、山东省和上海市的高校数量较多，教育部直属院校的数量也居于前位，而教育部直属院校的科研创新效率明显高于省属院校，这就使得这些地区的整体科研效率值较高；而福建省和浙江省这两个区域的教育部直属院校数量少，省属院校科研力量不突出，导致整体效率水平较低。

图1 华东六省一市2010-2017不同性质高校的科研创新效率变动情况

表3 华东六省一市样本高校数量分布情况

以2015年为例，所有普通院校中科研创新效率排在前三位的分别是浙江理工大学、江西科技师范大学和济南大学，效率值分别为1.02、0.86和0.78，137所普通院校中效率值高于1的院校仅一所，而低于0.50的院校有117所，占比为85.4%。普通省属院校普遍效率低下，这与其教育定位和教育规划密不可分。这些院校中有超过一半的高校是以就业为导向，以专业技术人才的培养为目标，在日常的教学中多是教授与就业相关的职业技能，而非注重学生科研创新能力的培养，因此就形成了重实践、轻科研的不均衡局面，这也是导致华东六省一市整体高校科研创新效率偏低的重要原因。教育部直属高校作为国家重点建设高校，在学生生源、师生规模、硬件建设、资金投入和学术交流机会等方面远远超越普通院校，而这些资源的倾斜是否获得了同比例产出的增加，普通院校科研创新效率低下是否又完全受限于资源的有限性，如何将有限的资源通过合理配置来发挥出最大的社会效益，这些都是亟待解决的问题。

3.从高校类别来看，综合类高校科研创新效率普遍较高，师范类、工科类高校的科研创新效率与平均值持平或稍高于平均值，医药类、财经类高校的科研创新效率普遍偏低，因样本数据中农业类、林业类高校数量较少，因此计算结果不具代表性，在此不进行讨论。以浙江省为例，在21所高校的样本数据中，包括综合类高校3所、工科类7所、师范类5所、财经类2所、医药类2所和农业类2所，综合类高校仅为全部高校的七分之一，占比较低，因此浙江省高校科研创新效率整体偏低。不同类型高校的效率变动情况见图2。

图2 华东六省一市2010-2017不同类型高校的科研创新效率变动情况

4.从年度变化来看，各省市各年度的效率变化情况各不相同，除了上海市2016-2017年有了小幅上涨，其他省份虽然部分年份存在较小的涨幅，但整体趋势是趋于下降的。其中上海市、浙江省、福建省的变化走势趋于雷同，都在2014-2015年度产生了较大幅度的增长，同时在2015-2016年度又产生了较大幅度的下降。可能的原因是上海市、浙江省、福建省地理位置相近，在政策制定方面可能会产生一定的相互影响作用。同时2015年是“十二五规划”的收官之年，由于高校科研创新效率存在滞后性，当年的投入增加很可能会体现在几年之后的产出中，因此这三个省市在2015年效率大幅度增加，原因之一就是“十二五规划”前几年的投入效果逐步叠加集中体现在了2015年的科研创新效率上。而随着国家对教育发展重视程度的增加，2016年作为“十三五规划”的开启之年，人力、物力、财力的投入虽较之前有了大幅提高，但因产出存在滞后性，当年的产出无法完全反映出当年的实际投入情况，因此2016的科研创新效率较2015年有了较大幅度的下降。各省市高校科研创新效率年度变化情况见图3。

图3 华东六省一市2010-2017各省市高校科研创新效率变动情况

(二)高校科研创新效率收敛分析

通过对各年度各省市高校科研创新效率的标准差的计算，可以得到2010-2017华东各省市高校科研创新效率收敛指数分布，以此来验证不同地区效率差距变动情况，具体见图4。六省一市的高校科研创新效率收敛指数随年度变化各不相同，但整体上是随着时间的推移逐步收敛，这表明不同性质、不同类型的高校间的科研创新效率差距在逐渐缩小。从总体来看，2010-2011、2012-2014、2015-2017年度均呈收敛态势，其他年度呈发散态势。需要注意的是，2011-2012和2014-2015年度变化波动较大，其中，2011-2012年度除安徽省呈收敛态势外，其他五省一市均呈发散态势；2014-2015年度六省一市均呈现发散态势，其中2015年上海市和浙江省发散程度均较高，主要原因是2015年作为“十二五规划”的末年，五年规划的投入效果逐步被反映出来，尤其以教育部直属高校最为明显。以上海市为例，2015年上海市全部院校的科研创新效率平均值为0.56，其中属于教育部直属院校的复旦大学、同济大学、上海交通大学、华东理工大学、东华大学综合技术效率值均高于1，仅华东师范大学效率值低于1，而其他院校的平均值仅为0.309，效率值差距较大。

图4 华东六省一市2010-2017各省市高校效率收敛指数分布

（三）高校科研创新效率β绝对收敛分析

本文采用Eviews10.0软件，分别对总体和华东六省一市的科研创新进行β绝对收敛分析，结果见表4。考虑到省市的年度均值包含的数据量较少，计算结果易受到个别因素影响而存在偶然性，最终本文选取了各省市各年度全部样本高校的综合效率值进行计算，以保证总体回归效果的显著性。通过进行Hausman检验和F检验，可得检验结果均为P=0，即证明结果均拒绝原假设，应采用固定效应模型。

表4 华东六省一市不同省市β绝对收敛结果

从总体来看，期初高校科研创新效率的系数估计值为-0.842，且通过了1%的显著性检验，说明高校科研创新效率的增长率与期初效率值成反比，表明华东六省一市高校在总体层面上的科研创新效率存在绝对β收敛。和总体层面一样，华东六省一市的高校科研创新效率的系数均为负值，表现出显著的收敛态势，说明这些区域内部各省市的高校科研创新效率差距在缩小。

从收敛速度来看，各省市都以较快的速度收敛，其中安徽省收敛速度最快，江苏省次之，江西省最慢。这表明华东六省一市的高校科研创新效率虽存在绝对收敛，但由于收敛速度的不同，短期内各省市的高校科研创新效率仍然存在一定的差距。

四、结论与对策

（一）研究结论

本文基于DEA-BCC模型和收敛模型，对华东六省一市2010-2017年间155所高校的科研创新效率进行测算，得出以下结论：1.中国华东六省一市高校科研创新效率整体偏低，科研创新效率随时间和地区的变化存在较大的差异；2.教育资源分配不均衡，缺乏针对性和指向性，部分高校存在冗余和浪费的现象；3.同一区域内高校科研创新能力分布不均，教育部直属院校和其他省属院校间的科研创新效率差距大，导致出现了“一专多不强”的断层式结构体系，使得区域内高校的整体科研创新效率提升后劲不足，缺乏持续性。

（二）意义及对策

本研究的主要意义在于，华东地区拥有全国领先的高校数量和质量，其高校的科研创新发展模式和机制不仅对全国的高校具有引领作用，而且对我国的科技创新水平具有重要的影响作用。因此，正确识别出华东地区高校的科研创新发展情况，不仅有助于更加系统、全面地提高各省市的整体科研创新效率，缓解各省市发展不均衡的问题，同时也为其他地区推动高校发展提供借鉴。

针对研究结论，本文提出了以下几点对策：

1.政府应对区域内高校进行精准定位，合理配置教育资源

按照高校性质，可将高校划分为教育部直属院校、省属重点建设本科院校及其他专科或职业类高校；按照高校培养计划，可将高校划分为研究型院校和职业导向型院校；按照高校科研效率水平，可将高校划分为高效率水平、中效率水平和低效率水平。教育资源的分配应依据高校的特点适当地增加或减少，而不是实行 “一刀切”的全面扶持政策。例如，教育部直属院校占据了大量的资源，但资源的过度投入反而会对效率的提升产生抑制作用，不利于其持续增长。因此，找到最优效率下的最小资源投入至关重要。再如，部分研究型的省属重点本科院校具有较好的效率水平，如济南大学2010-2017的平均综合效率值为0.82，此类高校具有较好的成长性，会成为区域创新体系的中坚力量，因此应适当加大资源投入。对于职业导向型的院校，学生的科研能力培养不是重点，因此资源的投入应该倾向于教师科研能力的提升。

2.建立“纺锤体”式的科研创新体系，避免出现“一专多不强”的断层式结构体系

从省域层面来看，教育部直属高校的科研创新效率远高于其他普通高校，处于中间水平的高校数量较少，大多数高校集中分布在中下水平。以山东省的34所高校为例，2015年科研效率大于1的高校仅1所，科研效率在0.5-1之间的高校有6所，其中有5所是低于0.8的，除此之外的27所高校的科研效率值均低于0.5。这种断层式结构使得省内高校的科研创新缺乏持续性，科研创新的任务仅由几所重点高校承担，很容易出现成果垄断或是创新力度不足的现象，因此，应该建立“两头小中间大”的“纺锤体”式的科研创新体系。处于中间位置的研究型高校，具有更大的发展潜力和更加开阔的成长空间，激发此类高校的成长性，有助于在整体层面上提升全省的科研创新能力，因此应该进行重点挖掘和建设。

3.高校应制定切合实际的评价体系，注重科研成果的质量而非数量

不同的专业所属的科研领域不同，因此不能仅用论文的数量或专利的数量来衡量产出效率。高校在制定评价体系时，应以专业特点为基础，以质量为导向，根据不同专业调整细分目标的权重，如理工类专业注重创新型发明专利，财经类专业注重高水平论文，医药类专业注重专利和论文相结合，同时还应该增加对其实际应用性、创新性等方面的考量，从多维的角度出发而非唯数量论。

4.打破高校间的资源壁垒，加强高校间的交流和资源共享

同一地区不同高校之间会产生相互影响作用。教育部直属高校要保持科研创新活性，依靠科研效率的空间溢出性来对其他高校产生带动作用，当好科研创新体系的“领头羊”。同时，政府要通过政策引导，鼓励高校之间的资源共享。在大数据、5G技术高速发展的网络时代，各高校可以利用互联网将本校优质的教育资源转化为“数字资源”，通过网络实现资源的共享；利用线上会议等网络平台，让优秀的师生进行跨专业、跨学校间的经验交流与分享，从而实现互相学习、共同进步的美好愿景。