我国世界一流大学建设政策的成效研究——基于双重差分模型的经验证据

马浚锋， 罗志敏

(1. 广州大学 教育学院，广东 广州 510006；2. 郑州大学 教育学院，河南 郑州 450001)

一、 引言

2015年10月，国务院印发了《统筹推进世界一流大学和一流学科建设总体方案》，提出以五年为一个建设周期，统筹推进世界一流大学和一流学科建设。2017年1月，教育部、财政部、国家发展改革委印发了《统筹推进世界一流大学和一流学科建设实施办法(暂行)》，要求“采取认定方式确定一流大学、一流学科建设高校及建设学科”，这标志着“双一流”建设(世界一流大学和一流学科建设)进入启动阶段。2017年9月，教育部等三部委联合发布了《关于公布世界一流大学和一流学科建设高校及建设学科名单的通知》，42所高校进入世界一流大学建设高校名单，95所高校进入世界一流学科建设高校名单。至此，“双一流”建设正式进入实施阶段。2020年12月，教育部、财政部、国家发展改革委联合发布了《“双一流”建设成效评价办法(试行)》，明确提出“以动态监测积累的过程信息与数据为主要支撑”“以评促建，注重持续提升”“既考核在现有资源条件下的建设成果及其对学校整体建设带动效应，也衡量在已有发展基础上的成长提升及发展潜力”。这标志着“双一流”建设正式进入成效评价阶段。对首轮“双一流”建设(2016—2020年)进行成效评价，总结经验和教训，对新一轮“双一流”建设(2021—2025年)具有承前启后、继往开来的重要意义。

事实上，作为社会各界关注的热点，“双一流”建设成效评价自“双一流”建设实施之日起便受到学界的持续关注。在评价导向上，王建华辨明了“双一流”建设评价的价值旨归[1]；史秋衡、谢玲立足高等教育治理现代化的方向性重构、国家战略需求的回应、育人本真的回归，厘清了“双一流”建设成效评价的价值逻辑[2]。在评价内容上，周光礼等一致指出，“双一流”建设成效评价既需要参考国际可比指标，更需要克服世界大学排行榜技术性标准的缺陷，探索本土化评价方案[3]；刘小强、蒋喜锋将评价重心下放至学科建设成效，认为首轮“双一流”建设的“学科模式”不利于一流的科研创新，新一轮“双一流”建设宜采取“学科+中心”模式[4]。在评价方法上，钟秉林、王新凤提出了注重结果导向，共性与分类、主观定性与客观定量相结合的多元协作的评价方法[5]；刘莉、刘念才基于目标管理的SMART原则，根据“双一流”建设高校/学科在全球性排名中的表现与趋势，认为应结合近期、中期和远期建设目标进行“双一流”建设成效评价[6]。在评价体系上，蔡三发等运用层次分析法，围绕“学科方向前沿引领性、学科科研平台、学科团队协同能力、学科社会服务能力、国际交流与合作、学科研究生质量”构建了“双一流”建设背景下学科可持续发展度的评价指标体系[7]。在评价结果上，部分学者尝试基于科研论文视角对“双一流”建设结果进行量化比较[8]。

从评价导向、内容、方法、体系到结果，这些研究为“双一流”建设成效评价提供了很好的思路和可供参考的结果。然而，这些研究大多回答了“双一流”建设成效评价“应该要怎样”的问题，却较少回答“双一流”建设成效“到底怎么样”这一问题。在评价结果方面，现有研究仅基于绝对值的增量评价“双一流”建设成效，而忽视了时间累积效应对“双一流”建设的影响，因而我们仍然难以确定这些增量源自“双一流”建设政策的实施而非其他因素，现有成效评价的学理支撑仍显欠缺。可见，“双一流”建设成效评价既是热点，也是难点，目前学界鲜有研究能够对“双一流”建设政策的实施成效进行科学评价、合理诊断，为政策效应提供较具说服力的实证逻辑。尽管我们能对一定时期内的高校发展状况作出整体性判断，如相关部门、建设高校纷纷进行了整体性评价或自评，但在“重点支持、扶优扶强”的政策导向下，我们还需要深入研判、科学评价“双一流”建设政策的实施给入选高校带来的效应，这样才能洞悉政策落地情况与存在的问题，为后续政策安排的调整提供科学依据。

本研究拟聚焦于世界一流大学建设政策的实施给入选高校带来的效应。从国际影响力和全球比较优势上看，在2015年软科世界大学学术排名(Shanghai Ranking′s Academic Ranking of World Universities，简称ARWU)中，我国仅有13所大学进入世界300强；而经过首轮“双一流”建设，到了2021年，我国42所世界一流大学建设高校中共有30所进入世界300强，该数量亚洲第一、世界第二。从资源投入力度上看，2016—2020年我国33所世界一流大学建设高校的经费预算年均增长率为8.12%，经费投入合计为17 288.44亿元，2020年其经费预算高达3 465.47亿元，而国内100所地方高校的经费预算仅为1 723.05亿元(1)数据来源于高校公布的各年度收支总预算；其中，北京理工大学、北京航空航天大学、中央民族大学、哈尔滨工业大学、西北工业大学、国防科技大学、郑州大学、云南大学、新疆大学9校由于个别年份经费预算数据缺失而未被纳入统计。。从创新驱动力上看，2016—2020年高校作为第一完成单位获得的国家三大奖(国家自然科学奖、国家技术发明奖、国家科技进步奖)数量共为695项，其中，42所世界一流大学建设高校获奖数量占比为61.01%(2)数据来源于软科官网发布的2016—2020年内地高校国家三大奖折合数统计。。可见，我国世界一流大学建设具有“超常规投入、高强度建设”的特征，国际排名、创新成果等方面的数据显示我国世界一流大学建设已初见成效。然而，仅对世界一流大学建设政策成效作整体性评价是不够的，缺乏足够的学理支撑，我们还需要全面、科学地评价世界一流大学建设的政策效应。此外，由于世界一流大学建设高校均为“985工程”或“211工程”高校，其原有办学基础较好，加上时间累积效应对其发展的影响，故我们难以确定这些增量主要来自世界一流大学建设政策的实施而非其他因素。因此，为进一步验证并评估我国世界一流大学建设政策效应，本研究选取首轮“双一流”建设中42所世界一流大学建设高校为研究对象，通过双重差分(Difference-in-Differences,DID)法构建计量模型，判断在世界一流大学建设政策实施后入选高校的办学状况较政策实施前是否发生了显著变化、综合实力是否显著提高，以期考察世界一流大学建设的政策成效。

二、 研究设计

首先，本研究根据世界一流大学建设高校的建设方案归纳出世界一流大学建设政策成效的评价维度，采用DID法构建标准DID模型，得出基准回归结果，评估世界一流大学建设政策的实施所产生的效应。其次，本研究通过一系列稳健性检验对基准回归结果进行验证，判断政策效应估计结果是否具有可靠性。

(一) 世界一流大学建设政策成效的评价维度剖析

科学合理、精准有效的政策效应评价总是从政策目标的划分开始的，因此，在设定计量模型之前，本研究需要剖析世界一流大学建设政策的目标，并以此为逻辑起点，为指标变量的选取提供合法性基础。对世界一流大学建设高校来讲，建设方案是其围绕国家“双一流”建设的总体目标、面向世界一流大学的创建而确定的行动框架。本研究对42所世界一流大学建设高校公布的建设方案进行较为系统的整理分析后，采用词频分析法，结合文本内容，从整体上把握它们在推进世界一流大学建设中的重点和方向(见表1)，进而归纳出世界一流大学建设政策成效的评价维度。

由表1可知，“学科”在建设方案文本中的涉及面最广，计数点达到3 493个，覆盖率为1.50%，表明世界一流大学建设高校都非常重视学科建设，说明了学科建设在世界一流大学创建过程中起着异常关键性的作用。紧随其后的“创新”、“人才”、“国际”(国际化)和“科研”(科学研究)在文本中也均是围绕学科建设展开的，即这些高校旨在通过组建高水平创新研究团队产出一批在全国及世界范围内有广泛影响力的科研成果。建设方案对“机制”(管理机制改革)和“教学”(教育教学)也有广泛涉及，结合文本内容来看，它们凸显出这些高校对人才管理机制、创新型人才培养工作的重视，即通过扩大高层次人才队伍规模、激发人才活力来服务于学科建设、人才培养。值得注意的是，“资源”(办学资源)在文本中也占据一席之地，共有743个计数点，覆盖率为0.32%，即这些高校通过科研成果转化、科技服务等途径整合办学资源，这是其社会服务能力的表征。可见，对建设方案的文本分析表明，世界一流大学建设高校主要围绕学科建设、师资队伍建设提高科研创新成果产出、人才培养质量，进而提升综合实力，且注重增强社会服务能力。由于影响人才培养质量的因素错综复杂，判断人才培养质量高低的依据也较为主观、难以量化，指标较难统一和观测，因此，本研究对世界一流大学建设政策成效的评价聚焦于综合实力、学科建设、师资队伍建设、社会服务能力维度。

表1 42所世界一流大学建设高校建设方案各主题计数点及覆盖率情况

(二) 模型设定

因果识别方法以DID、断点回归(Regre-ssion Discontinuity,RD)、工具变量(Instrumental Variable,IV)为代表，如卡德(David Card)和克鲁格(Alan B.Krueger)运用DID法计算了新泽西州最低工资提高带来的效应[9]；安格里斯特(Joshua D.Angrist)和拉维(Victor Lavy)使用RD法评估班级规模对学生考试成绩的影响[10]；阿西莫格鲁(Daron Acemoglu)等以欧洲殖民地死亡率差异为IV识别了制度因素对欧洲殖民地经济表现的影响[11]。然而，良好的IV一般不易找到[12]，所以我们需要DID法来处理难以观察的干扰因素，它能够有效控制个体在政策实施前后不随时间变化的异质性和随时间变化的增量，从而提取出政策实施给个体带来的净效应。这一方法由阿申费尔特(Orley Ashenfelter)在研究培训项目对工资的影响时引入[13]，随后经由安格里斯特[14]、卡德[15]、因本斯(Guido W.Imbens)[16]等学者发展成熟；目前在计量经济学界以及社会学界，当评价政策效应时，DID模型已被广泛应用[17]。

本研究采用DID法构建计量模型主要基于以下考虑。第一，DID法可以在很大程度上避免内生性问题的困扰，政策对于微观经济主体而言一般是外生的，因而不存在逆向因果问题；结合固定效应的DID模型估计在一定程度上也可缓解遗漏变量偏误问题。第二，传统方法下评估政策效应主要是通过设置一个政策发生与否的虚拟变量并进行回归分析，相较而言，DID模型设置更加科学，能更加准确地估计出政策效应。根据DID模型的一般形式，本研究将计量模型设定为如下基本表达式：

(1)

(三) 变量选择与数据来源

结合前文对42所世界一流大学建设高校公布的建设方案的文本分析可以发现，世界一流大学建设的政策目标主要是围绕学科建设、师资队伍建设、社会服务能力等方面全面提升高校综合实力。因此，本研究选择以下被解释变量衡量世界一流大学建设的政策效应。其一，世界一流大学建设高校的综合实力。本研究参考米洛特(Benoit Millot)[18]测评大学综合实力的做法(4)米洛特在研究各国高等教育系统中的大学整体实力时比较了四大世界大学排行榜——QS世界大学排名(QS World University Rankings)、U.S.News世界大学排名(U.S.News & World Report Best Global Universities Rankings)、THE世界大学排名(Times Higher Education World University Rankings)、ARWU在大学综合实力评价方面的情况，发现尽管四大世界大学排行榜评价维度、指标权重不一，但ARWU因更加强调大学的科研水平、学术能力而在大学综合实力的评价方面与其他排行榜具有一致性，这体现为在ARWU中表现较好的高校在其他排行榜中的表现也较好。，采用高校在软科中国大学排名中的总得分衡量高校综合实力，总得分越高，表示综合实力越强，记作score。软科中国大学排名与ARWU同样强调大学的科研水平、学术能力，但在此基础上，软科中国大学排名结合了我国国情，突出强调以人才培养和服务国家为导向，遵循“全面评估、分类评价”的原则对我国大学进行了差异化评价。因此，高校在软科中国大学排名中的总得分既具有国际可比性，也符合我国高等教育现状，以之衡量高校综合实力具有合理性。

其二，世界一流大学建设高校的学科建设。学科建设既需要立足本土实践，回应中国经验，也需要拥有国际视野，紧跟学术前沿。本研究选择中文社会科学引文索引(Chinese Social Scien-ces Citation Index,CSSCI)来源期刊发文量、科技文献数据库(Web of Science，WOS)热点文献数、基本科学指标数据库(Essential Science Indicators，ESI)高被引文献数及所获国家社会科学基金数量指标衡量高校的学科建设成效，分别记作CSSCI、hots、highcites、social。在自然科学领域，WOS热点文献数、ESI高被引文献数是判断高校某学科是否处于国际前沿的通行标准，是国际比较视野中判断高校学科科研创新能力的主要指标；在人文社会科学领域，CSSCI期刊发文量、所获国家社会科学基金数可以反映高校的某一学科是否拥有足够的研究梯队、办学条件来开展学术活动、承接国家项目。

其三，世界一流大学建设高校的师资队伍建设。在高校师资队伍建设成效评价方面，目前学界主要采用专任教师数、中高级职称教师比例等规模性指标。然而，世界一流大学建设政策旨在推动精英型高校进入世界一流行列，评价其师资队伍建设成效需要更多关注质量性指标。通过对入选高校建设方案的文本分析也发现，“顶尖人才数”这一指标是世界一流大学建设高校在师资队伍建设中关注的重点。因此，本研究选择高校顶尖人才数作为其师资队伍建设成效的衡量指标具有合理性，记作toptalent。一段时期内，世界一流大学建设高校拥有顶尖人才数的增加，在很大程度上意味着该校组建了高水平科研创新团队，使其在国际学术前沿领域占据一席之地；其师资队伍在国际高等教育机构竞争中脱颖而出，也在一定程度上反映了高校的人才培养实力。

其四，世界一流大学建设高校的社会服务能力。社会服务能力反映的是高校与区域社会经济发展的协调水平及其社会声誉，本研究选择高校通过提供科技服务所得收入及其所获社会捐赠收入作为该变量的衡量指标，分别记作techservice、reputation。拥有满足社会经济发展需求、为社会发展“输血”的能力以及满足自身发展需求的“造血”能力，是世界一流大学的应有之义。因此，高校所获的科技服务收入、社会捐赠收入是其社会服务能力的主要表征。

本研究对控制变量的选择主要基于以下考量。由于高校的生源质量、人才培养质量、科研质量、顶尖成果数在综合实力评价中拥有较重的分量，且在一定程度上决定了高校的学科建设成效、师资队伍建设成效和社会服务能力高低，因此，本研究以此作为高校的综合实力、学科建设、师资队伍建设、社会服务能力被解释变量的控制变量，分别记作stuquality、results、FWCI(5)学科标准化后的科研论文影响力(Field-Weighted Citation Impact，FWCI)。和topresults。一般来说，高校的科研成果产出与质量是师生在高等教育场所的科研活动的结果，科研经费投入、师生规模、科研设备规模在很大程度上制约着高校科研活动开展及其发展程度。由于个别高校的科研人员数、硕博士生规模、科研投入等存在统计口径不一致等问题，因此，本研究选择国内学术期刊发文量，WOS、SCI、SSCI期刊发文量和国家级基金数量作为高校学科建设成效的控制变量，分别记作domestic、WOS、SCI、SSCI和nationlevel。这是因为，无论是科研经费投入、师生规模还是科研设备规模，其对科研的影响大都通过各年度高校在国内外学术期刊上的整体发文量及所获的国家级基金数量等科研产出反映出来，本研究以此作为控制变量更容易获取一致且无偏的统计量，使估计结果更能反映政策净效应。此外，本研究记政策效应虚拟变量为Dit=Treati·Periodt。

综上，本研究选择首轮入选世界一流大学建设高校的39所高校(由于国防科技大学、中央民族大学、云南大学存在部分数据缺失的情况，故将其剔除)为处理组。为降低选择性偏差，本研究根据处理组的院校类型匹配对照组，从首轮世界一流学科建设高校中选择57所高校为对照组，组成面板数据(i=96，t=5)。本研究中score、toptalent、techservice、reputation、stuquality、results、FWCI和topresults数据来源于软科中国大学排名，而CSSCI、hots、highcites、social、domestic、WOS、SCI、SSCI和nationlevel数据来源于中国高校科研成果统计分析数据库。处理组和对照组的数据时间范围都为2015—2019年(6)由于来源于中国高校科研成果统计分析数据库的数据时间范围为2015—2020年，而来源于软科中国大学排名的数据时间范围为2015—2019年，两者是非平衡面板数据，故本研究数据时间范围定为2015—2019年以构成平衡面板数据。通过下文一系列稳健性检验发现，该数据时间范围可以保证研究结论的可靠性。。

为降低计量模型估计结果出现多重共线性和异方差的概率，保证实证结果具有统计学意义，除政策效应虚拟变量外，本研究对所涉及的其余变量均进行取自然对数处理，各变量的描述性统计结果如表2所示。

表2 各变量描述性统计结果(N=480)

三、 实证结果及检验

本研究通过基于DID模型的政策评估提取出世界一流大学建设政策的实施给入选高校带来的净效应，并通过一系列的稳健性检验为世界一流大学建设的政策效应估计结果提供可靠性。

(一) 基准回归结果

表3显示了世界一流大学建设政策效应的基准回归结果，本研究重点关注政策效应Dit。在放入控制变量且控制了个体、时间效应后，模型(1)—(8)的R2均在60%以上，这说明该模型具有较好的拟合效果。总体而言，世界一流大学建设政策的实施显著提高了入选高校的综合实力、办学水平，首轮建设周期内高校的学科建设、师资队伍建设成效显著，社会服务能力显著增强，这说明世界一流大学建设政策的实施产生了明显的积极效应。

表3 世界一流大学建设政策效应的基准回归结果

具体而言，模型(1)结果显示，世界一流大学建设政策的实施对入选高校综合实力的提高产生了正向影响，政策效应估计值为0.045，且在5%显著性水平上具有统计学意义。模型(2)—(5)考察的是世界一流大学建设政策的实施对入选高校的学科建设产生的效应。模型(2)结果显示，入选世界一流大学建设高校后，高校在CSSCI期刊上的发文量较政策实施前增加了10.7%，且该政策效应估计值在1%显著性水平上具有统计学意义。模型(5)结果显示，世界一流大学建设政策实施后，入选高校所获国家社会科学基金数量显著增加，政策效应估计值为0.091，且在10%显著性水平上具有统计学意义。这表明世界一流大学建设高校的学科建设具有本土实践性，且成效显著。模型(3)—(4)结果显示，世界一流大学建设政策的实施显著增加了入选高校的WOS热点文献数和ESI高被引文献数，政策效应估计值分别为0.685、0.141，且在1%显著性水平上具有统计学意义。这说明，世界一流大学建设政策的实施使入选高校的学科建设紧跟国际研究前沿，且在国际学术领域占据一席之地，处于国际领先水平。模型(6)考察了世界一流大学建设政策的实施对入选高校的师资队伍建设产生的效应。结果显示，世界一流大学建设政策实施后，入选高校所拥有的顶尖人才数显著增加，政策效应估计值为0.037，且在10%显著性水平上具有统计学意义，亦即世界一流大学建设政策的实施使入选高校的顶尖人才队伍规模扩大了3.7%。模型(7)—(8)考察了世界一流大学建设政策的实施对入选高校的社会服务能力产生的效应，结果显示，世界一流大学建设政策的实施对入选高校社会服务能力的提高具有正向影响，科技服务收入、社会捐赠收入方面的政策效应估计值分别为0.423、2.024，且分别在5%、1%显著性水平上具有统计学意义。这表示世界一流大学建设政策实施后，入选高校通过提供科技服务所得收入提高了42.3%，所获社会捐赠收入提高了202.4%，入选高校的社会服务能力显著增强。

(二) 稳健性检验

使用DID模型评估政策效应需要满足同质性假设和随机性假设，这是政策效应成立的前提。同质性假设是指如果不存在政策冲击，那么处理组和对照组的时间趋势是一致的；随机性假设意味着政策冲击是外生的，且政策对象的选取具有随机性。因此，本研究需要进行一系列稳健性检验，以保证政策效应估计结果的可靠性，检验的年份范围也均为2015—2019年。

1. 平行趋势检验。判断是否满足同质性假设需要进行平行趋势检验，亦即检验世界一流大学建设政策未实施时各高校的发展是否具有相同的变化趋势。同时，由于入选世界一流大学建设高校的大学发展受到政策实施强度、原有办学条件等因素的影响，因此，世界一流大学建设的政策效应可能具有缓冲期或消化期，这导致政策效应可能具有一定的滞后性。基于以上两方面因素的考虑，本研究利用事件分析法构建如下模型进行平行趋势检验：

(2)

如图1所示，在世界一流大学建设政策实施之前，score、CSSCI、hots、highcites、social、toptalent、techservice、reputation方面的政策效应估计值的置信区间包括0，满足平行趋势检验要求。而在世界一流大学建设政策实施后，除social方面的政策效应未达到具有统计学意义的显著性水平(但仍为正向)外，入选与未入选高校在综合实力(score)，学科建设(CSSCI、hots、highcites)，师资队伍建设(toptalent)以及社会服务能力(techservice、reputation)方面产生了显著差异，这说明世界一流大学建设政策的实施给入选高校带来了明显的正向效应。此外，世界一流大学建设政策的实施对入选高校score、hots、highcites、toptalent和reputation方面的影响具有一定的滞后性。

2. 动态效应检验。基准回归结果仅提供了世界一流大学建设的总体政策效应，为了更准确地呈现首轮建设周期内世界一流大学建设政策在各年度对入选高校产生的效应，以及判断该政策效应是否具有即时性、持续性，本研究在表4中给出了动态效应回归结果。总体结果显示，世界一流大学建设政策的实施显著提高了入选高校的综合实力与办学水平(score)，其学科建设(CSSCI、hots、highcites)和师资队伍建设(toptalent)成效显著，社会服务能力(techservice、reputation)显著增强，且该政策对social具有正向影响。此外，CSSCI、techservice方面的政策效应具有即时性；世界一流大学建设政策的实施对入选高校综合实力(score)，学科建设(CSSCI、hots、highcites)，师资队伍建设(toptalent)和社会服务能力(reputation)的显著正向影响均具有持续性，对入选高校techservice方面的显著正向影响缺乏持续性。

图1 平行趋势检验结果

3. 基于PSM-DID方法的检验。39所世界一流大学建设高校并非随机产生，这种样本选择偏误可能会影响基准DID估计结果的可靠性。为排除样本选择偏误的影响，本研究采用PSM-DID方法进行稳健性检验。倾向值匹配(Propensity Score Matching，PSM)模型由罗森鲍姆(Paul R.Rosenbaum)和鲁宾(Donald B.Rubin)提出，通过匹配技术获得反事实估计[19]。而将PSM模型与DID模型相结合的思路[20]则由赫克曼(James J.Heckman)等学者提出，旨在通过PSM为DID估计筛选对照组，这为后续研究运用PSM-DID模型评价政策效应奠定了理论基础。

表4 动态效应检验结果

在使用PSM-DID模型时，直接将面板数据转化为截面数据进行处理的方式可能导致自匹配问题，使得最终识别的结果中掺杂大量时间趋势信息[21]。因此，本研究选择外生政策实施前一年(2016年)的情况进行匹配，使选择的控制变量与基准回归分析一致，从而减少DID估计偏误。本研究使用核匹配法进行估计，得出处理组和对照组匹配效果(见图2)。匹配后处理组和对照组倾向值的核密度比较接近，这说明本研究的匹配效果较好，证明了PSM-DID方法的可行性、合理性。

本研究基于PSM-DID方法的检验结果(见表5)表明，世界一流大学建设的政策效应估计结果依然十分稳健。世界一流大学建设政策的实施显著提高了入选高校的综合实力与办学水平(score)，其学科建设(CSSCI、highcites、social)和师资队伍建设(toptalent)成效显著，社会服务能力(reputation)显著增强，且该政策对hots、techservice具有正向影响。这一结果进一步支持了本研究的实证结论。

图2 匹配前后倾向值核密度函数

表5 基于PSM-DID方法的检验结果

4. 控制省域和时间的联合固定效应检验。我国幅员辽阔，各省份在资源禀赋、经济发展条件等方面的差异比较明显，各省份的世界一流大学建设高校办学条件不一。由此带来的遗漏变量影响可能使估计结果出现偏误，解决方法是在基准DID模型中引入96所样本高校所属25个省份的虚拟变量与各年度虚拟变量交互的联合固定效应(见表6)。摩泽(Petra Moser)和沃纳(Alessandra Voena)在研究《敌对国家贸易法案》(Trading with the Enemy Act,TWEA)对发展中国家发明创新的影响时，控制了主行业和时间的联合固定效应[22]；纳恩(Nathan Nunn)和钱南茜(Nancy Qian)在关于粮食援助是否会导致冲突的研究中也运用了这一方法，把130个亚非国家划分为6个区域，控制了区域和年度的联合固定效应以避免遗漏变量的影响[23]。结果显示，世界一流大学建设的政策效应估计结果依然十分稳健。世界一流大学建设政策的实施显著提高了入选高校的综合实力与办学水平(score)，其学科建设(CSSCI、hots、highcites、social)成效显著，社会服务能力(techservice、reputation)显著增强，且该政策对师资队伍建设(toptalent)具有正向影响。

表6 控制省域和时间的联合固定效应检验结果

5. 安慰剂检验。在以上稳健性检验的基础上，本研究进一步利用反事实方法进行安慰剂检验(Placebo Test)[24]，从样本高校中随机抽取39所高校作为伪处理组，将剩下的57所高校作为伪对照组，对世界一流大学建设的政策效应进行检验，得到伪政策效应估计值。伪政策效应估计值如果不显著，则能够反过来表明入选高校在综合实力、学科建设、师资队伍建设和社会服务能力方面的发展成效是由世界一流大学建设政策带来的，而不是由其他偶然因素带来的，即结论稳健；反之，则结论不稳健。图3显示了随机抽取500次伪处理组后的世界一流大学建设政策效应估计值分布情况，其中，X轴为估计值，Y轴为相应P值；水平虚线为10%的显著性水平(P值为0.1)，垂直虚线是DID模型的真实估计值。可以看出，人为设定处理组后，反映世界一流大学建设政策成效的8个指标(score、CSSCI、hots、highcites、social、toptalent、techservice、reputation)的伪政策效应估计值的相应P值大都大于0.1，即在10%的水平上不显著；score、CSSCI、hots、reputation基准DID模型的真实估计值是明显的异常值(垂直虚线与圆点不相交叉)，highcites、social、toptalent、techservice基准DID模型的真实估计值是小概率事件(虽然垂直虚线与圆点有交叉，但大部分圆点在垂直虚线的左侧，垂直虚线处圆点较少)。这表明本研究对世界一流大学建设政策成效的估计结果不是偶然得到的，因而不太可能受到了其他政策或者随机性因素的影响，处理组高校在综合实力、学科建设、师资队伍建设、社会服务能力方面的进展确实是由世界一流大学建设政策带来的。

图3 安慰剂检验结果

四、 结论、分析与讨论

本研究基于世界一流大学建设政策的准自然实验，选择入选世界一流大学建设高校的39所高校作为处理组，并根据处理组的院校类型从入选世界一流学科建设高校的大学中选择57所高校作为对照组，利用2015—2019年的校际面板数据，采用DID法构建标准DID模型，评估世界一流大学建设政策的实施所产生的效应。结果显示，世界一流大学建设政策实施后，入选高校在综合实力、学科建设、师资队伍建设、社会服务能力方面的成效均有了显著提高，且估计结果通过了平行趋势、PSM-DID、安慰剂检验等一系列稳健性检验，这说明该政策效应估计结果具有可靠性。一方面，世界一流大学建设政策实施后，入选高校得到了整体性发展，其在软科中国大学排名中的总得分提高了4.5%，综合实力显著提升。另一方面，尽管总体而言该政策对入选高校的学科建设、师资队伍建设和社会服务能力产生显著正向影响，但通过进行一系列稳健性检验，本研究仍然能够发现该政策对入选高校学科建设的hots、social，师资队伍建设的toptalent和社会服务能力的techservice方面的影响虽为正向但不显著，这反映了该政策效应与政策目标相比存在的一些差距和不足。

一是学科建设。一流大学建设需要一流的学科来予以支撑，学科建设也是世界一流大学建设高校的共同目标和追求。政策效应估计结果显示，世界一流大学建设政策实施后，入选高校的学科建设成效显著，CSSCI期刊发文量、WOS热点文献数、ESI高被引文献数以及所获国家社会科学基金数分别增加10.7%、68.5%、14.1%、9.1%；学科建设既能立足本土实践，回应中国问题，也能够拥有国际视野，紧跟学术前沿。然而，稳健性检验中的平行趋势检验和动态效应检验结果却显示，尽管世界一流大学建设政策对入选高校获取国家社会科学基金具有正向影响，但该政策效应未达到具有统计学意义的显著性水平。一个可能的原因是，世界一流大学建设高校的资源并未向人文社会科学领域较多倾斜，ESI强势学科的发展并未形成集群优势并带动诸如人文社会科学领域学科等弱势学科的发展。同时，在基于PSM-DID方法的稳健性检验结果中，尽管世界一流大学建设政策对入选高校的WOS热点文献科研产出具有正向影响，但世界一流大学建设政策实施后，入选与未入选高校在WOS热点文献的科研产出上并不具有显著性差异。这可能是因为世界一流大学建设高校与世界一流学科建设高校在学科建设过程中均侧重国际学术热点，存在重复建设的同质化倾向，也就是说，与世界一流学科建设高校相比，世界一流大学建设高校并未在学科布局上突出优势与特色。

二是师资队伍建设。国务院印发的《统筹推进世界一流大学和一流学科建设总体方案》要求建设高校一方面“加快培养和引进一批活跃在国际学术前沿、满足国家重大战略需求的一流科学家、学科领军人物和创新团队，聚集世界优秀人才”；另一方面“遵循教师成长发展规律，以中青年教师和创新团队为重点，优化中青年教师成长发展、脱颖而出的制度环境”“增强人才队伍可持续发展能力”。这从人才引进和教师发展两个方面明确了对世界一流大学建设高校师资队伍建设的任务要求，两个方面具有同等重要的地位，各一流大学建设方案的政策文本也体现了这一点。动态效应检验结果显示，在世界一流大学建设政策实施后，入选高校的顶尖人才规模持续扩大，政策效应估计值从0.042增长到0.106。由此可知，世界一流大学建设高校较好地完成了师资队伍建设方面的政策目标，入选与未入选高校在顶尖人才数上的差距持续拉大，且由此产生了马太效应。尽管政策效应估计结果显示，在世界一流大学建设政策实施后，入选高校的师资队伍建设成效显著，顶尖人才数增加了3.7%，但控制省域和时间的联合固定效应检验结果显示，世界一流大学建设政策对入选高校顶尖人才数的影响虽为正向但不显著。结合我国高校人才“孔雀东南飞”、高校“挖人”现象屡见不鲜的现实情况来看，这可能说明我国世界一流大学建设高校在师资队伍建设上的成效更多源于人才引进，世界一流大学建设高校在中青年教师发展工作上还存在不足。

三是社会服务能力。建设经费、办学资源对一流大学的建设起着基础性的支持作用，没有充足的办学经费和资源，综合实力、学科建设、师资队伍建设等一切都将无从谈起。因此，“整合社会资源”在一流大学建设方案文本中多有涉及，成为高校增强社会服务能力的代名词，即高校通过科研活动与社会开展合作，为社会提供服务，也不断拓宽筹资渠道。从政策效应估计结果来看，世界一流大学建设政策的实施显著提高了入选高校的科技服务收入、社会捐赠收入，其政策效应估计值分别为0.423、2.024，即该政策在科技服务收入、社会捐赠收入上分别为入选高校带来了42.3%、202.4%的增量。这也说明入选高校基本完成了增强社会服务能力的目标，一定程度上拓宽了其办学资源获取渠道。然而，在基于PSM-DID方法的稳健性检验结果中，尽管世界一流大学建设政策对入选高校获取科技服务收入具有正向影响，但该政策效应未达到具有统计学意义的显著性水平，即入选与未入选高校在科技服务收入上不存在显著差异。从本研究获得的数据来看，这可能是因为我国世界一流大学建设高校在科研成果转化能力上存在较大的个体差异；在世界一流大学建设政策推动下，少数高校在科研成果转化能力上有了大幅度提高，而在整体上，世界一流大学建设高校的科研成果转化率还相对较低。此外，动态效应检验结果显示，世界一流大学建设政策对入选高校科技服务收入产生的效应缺乏持续性。

五、 政策建议

对世界一流大学建设的政策效应研究在为我国高等教育强国建设的经验总结提供实证逻辑的同时也能鉴往知来，为新一轮世界一流大学建设的政策导向提供科学依据。为此，本研究提出以下政策建议。

一是在学科建设上需关注“冷门绝学”，适当增添人文社会科学“色彩”。学科建设是一项日常性工作，也是一个漫长的不断累积的过程，既需要ESI高被引文献、WOS热点文献打造国际学术前沿学科群，也需要从高校整体的情况、可持续的发展目标出发。学科建设不能不顾学术生态而盲目砍掉一些所谓的“无用”学科，或忽视学科的生长性而扼制那些目前相对弱势、冷门但长远来看较有学术价值的学科，也不能因为人文社会科学等领域的一些学科“出成果慢”等原因而压缩其生存和发展空间。因此，新一轮世界一流大学建设既要保证优势学科、前沿学科的高质量发展，也要给予具有本土实践性的特色学科、冷门学科以及人文社会科学学科一定的发展空间。如高校可通过交叉学科建设，以ESI前1%或1‰的优势学科为“龙头”，融合人文社会科学等领域的学科，形成学科集群优势等。

二是在师资队伍建设上需更注重“内源”发展，坚持“外援”“内源”相结合。短时期内通过高端人才的引进促进高校的发展是有一定作用的，但仅仅通过高薪引进人才显然不是师资队伍建设的全部，如何用好人才、留住人才才是关键。而且，师资队伍建设的根本还是在于中青年教师的培养和发展，其虽然成效显现的周期较长，但却是最稳妥、最有发展后劲的做法。为此，在新一轮世界一流大学建设中，高校在进行师资队伍建设时切勿操之过急，而需要按照“分类别、有梯队”的原则要求推进高水平教学及科研团队建设，打造一批长期、稳定、精干的高水平合作创新团队。

三是在社会服务能力提升上需注重构建科技成果转化的长效机制。从目前情况来看，由于世界一流大学建设高校科技成果转化率虽有提高但仍然较低，世界一流大学建设政策对入选高校科技服务收入产生的效应缺乏持续性，故世界一流大学建设高校的财政收入结构仍较单一，即过于依赖政府的财政投入。这不仅使高校办学经费短缺的风险增加，而且不利于高校将科研成果转化为现实生产力，促进产业结构转型升级。为此，我国有必要以新一轮世界一流大学建设为契机，推动科研成果使用权、处置权、收益权改革，加强创新成果知识产权保护，促使高校提高科研成果转化率，从而形成产学研合作的长效机制。