基于DEA-Malmquist指数的省域高校科研效率及其影响因素研究

丁陈蔚

（福建开放大学，福建福州，350013）

一、问题研究背景

历经改革开放40多年风雨，我国的科研事业葳蕤蓬勃。党的十九大报告指出“创新是引领发展的第一动力”，预示着我国科研进入“量变到质变”的转折期。高校作为科研产出主要阵地，科研效率不容忽视。因此本文以党的十九大为界，梳理我国省域高校科研15年间的效率变化情况，并探析影响高校科研效率的若干因素，通过明晰过去15年的成果与不足，以期为新阶段高校科研管理的提升夯实基础、提供参照。

二、文献综述

国外科研评价的研究起步较早，目前许多发达国家已组建权威性的评价机构，各机构都有独具特色的评价指标体系，并不断根据社会应用实际对指标升级调整。此外，该领域众多学者也从投入产出角度和影响因素角度展开指标体系研究。在评价内容上，不仅从宏观层面上对本国高校科研效率开展研究，还从微观层面上对高校内部院系、学科、技术转让效率进行评估。如Timothy R.Anderson等学者从技术转让效率的角度出发，对特定大学的成果转化效率进行调查，并在同为效率低下的大学中归纳同行数量，发现设立医学院的大学比未设立的大学效率低。[1]

相较于国外丰富的科研效率研究，直至1985年，我国才将目光转向高校科研效率研究领域。对于指标体系，资源投入和成果产出、因素集成、创新系统等都是指标内容筛选的方向，再采用因子分析、德尔菲法等对前期研究指标加以遴选，以期指标囊括更多内容更具综合性。如通过Pearson对前期选取指标的相关系数进行检验，以此构建与现实接轨的评价指标体系。[2]

在评价方法上，国内外学者逐步由同行评议等定性分析方式转向定性定量相结合的形式，如数据包络分析（DEA）、层次分析法（AHP）、灰色关联分析法等。其中主流评价方法为DEA，并在此基础上结合其他方式进行衍生优化。苏荟等就在经典DEA-BCC模型分析的基础上，运用Tobit对影响因素回归，发现科研资源配置缺乏科学性、对科研成果“重量短质”的问题。[3]

三、高校科研效率评价指标体系构建

（一）数据来源

使用数据来源于1998—2016年《高校科技统计资料汇编》。剔除数据缺失省份后，选择我国27个省份为研究对象并进行数据分析。

（二）评价指标体系构建

指标选取满足决策单元（DMU）数量大于投入产出指标之和两倍的规则。

在指标权重方面，选择了该科研领域的专家学者、参与过成果评估的工作人员等一共6名组成专家咨询小组。将德尔菲法得到的指标权重与国内权威研究成果进行对比差异不大，一定程度上保证了权重的科学有效。[4]指标体系与折算规则见表1。

表1 高校科研效率评价指标及其折算规则

（三）产出指标滞后期确定

结合论文、科技专著、专利授权及国家级奖项等科研成果的公开时间，将滞后时间折中为2年。因《高等学校科技统计资料汇编》中1998—2016年的统计数据实际为1997—2015年的情况，故以1997—2013年的数据作为科研投入，选择1999—2015年的数据作为科研产出。由于DEA-Malmquist模型采用的是邻接参比的方式，所得的效率结果需要以前一年为参照，因此第一年（1997年）无效率结果，最终得出的效率结果为1998—2013年间我国省域高校的科研效率。

（四）评价方法选择——DEA-Malmquist模型

本文选择的DEA-Malmquist指数模型基本表达式如下：

从t时期到t+1时期，全要素生产率指数MALM t,t+1变化的公式如下：

其中，xt、yt和dt（x,y）分别表示不同时期的投入、产出向量和距离函数，PTECH、SECH、TCH、TECH分别为纯技术效率、规模效率、技术进步和综合技术效率。通过效率指数与1的关系，可知同上年度相比的结果是提升、持平还是降低。

四、省域高校科研效率情况

（一）省域高校科研效率横纵对比

从时间变动来看，趋势如图1显示，自1998—2013年共16年间，我国省域高校科研效率呈现较为波动态势。以2000年、2007年为界可划分为三个阶段：匀速下滑、三峰态势和稳中求进阶段。《2003—2007年教育振兴行动计划》系列计划中的“高等学校科技创新计划”，为“三峰态势”阶段推进省域高校产学研结合给予强大助力。而2008年受美国房地产金融风暴影响国内经济低迷，势必严重影响科研成果产出和转化，随着经济复苏此后效率才逐年缓慢提升。

图1 1998—2013年省域高校科研全要素生产率及其分解的变化趋势

从省份对比来看，全要素生产率高于1、科研效率提升幅度排名前四的省份有上海、浙江、江苏、重庆，均为区位、经济条件较好的省份；反之，贵州、海南、江西和内蒙古这四省份排名靠后。其中上海市提升幅度最大，较上年提升11.3%，贵州省降幅最大，较上年降低11.1%。

从效率提升区域占比情况来看，表2显示超50%省份的高校科研效率仍处于无效状态，亟待提升。其中，存在技术进步效率提升的省份占比51.9%，相比其他三类效率是唯一超半数有效的效率类型。已知技术效率的提升，不仅取决于纯技术效率，还依靠规模效率。可见提升我国省域高校的科研成效，仍需在纯技术效率和规模效率的提升上多加重视。

表2 1998—2013年省域高校科研全要素生产率指数及其分解情况

从增长类型看，我国绝大多数省份的高校科研效率处于低增长型和徘徊型。高增长型和低增长型的省份较多靠近东部省域，地理区位（沿海地区、老工业区）和经济环境较为优良，为科研提供较好的基础支持。如上海、浙江更是我国较早发展起来的一批省份，经济实力雄厚、人才集聚效应显著，势必会为当地高校带来更多的项目资金支持与学术交流，呈现较高的增长态势。低效型则仅包含贵州省，该省处于我国西南山区，决定了其区位优势与东部沿海省份必然无法比肩，且早年科研条件薄弱，发展起步较晚，可能对其长期科研效率造成影响，呈现低效态势也属情理之中。

（二）省域高校科研效率变化动力分析

就16年间全要素生产率及其分解效率的变化趋势来看，图2中纯技术效率与规模效率的变动趋势较为平缓，基本围绕在1上下浮动。说明我国高校长期以来，在财务部门、科研管理、成果转化等方面的制度安排和管理水平的改进上成效不显、后继乏力，造成高校科研活动的综合技术效率长期在有效与无效的边界徘徊。

结合图1、图2与表1不难看出：第一，省域高校科研效率变动的决定因素为技术进步效率，其与全要素生产率曲线重合度较高，波动具有趋同性。印证了上文中随时间变化纵向对比得出的结论，即技术进步的确是长期影响我国省域高校科研效率提升的重要因素。第二，多数省份高校科研效率变动因素单一，如贵州、海南、内蒙古、山西等均因技术进步效率较上年大幅降低，从而导致整体科研效率的降低。但也存在部分省份，效率变动情况较为复杂，如广东的规模效率较低，但科研效率较上年仍有提升，这主要归功于技术进步效率7.2%的增幅，弥补了规模效率的落后。

图2 1998—2013年各省份高校科研全要素生产率指数及其分解情况

为进一步观察各省份科研效率与平均水平的差异，以均值点（1.001，1.004）绘制了空间分布图（图3）。图中绝大多数省份集中分布于均值点附近，意味着要想提高整体科研效率，科研投入需根据规模报酬情况控制在合理程度内，同时完善科研制度设计以提升科研管理水平。部分省份分布靠近边缘，存在较为极端的效率指数，需根据自身情况着重提升。如贵州，综合技术效率接近平均水平，但技术进步效率远低于其他省份，需加大科研技术升级和设备引进方面的投入。

图3 1998—2013年各省份综合技术效率与技术进步效率变动指数的空间分布

（三）多元回归模型的选择与构建

Hausman检验结果显示，P值0.7589大于0.05，因此选用随机效应模型。如公式3：

β0为常数项，εit代表误差项。影响因素回归分为两个步骤：首先将27个省份的全要素生产率（TFP）放入模型进行回归，得到全国范围的影响因素结果；其次再控制地理位置变量，分别得到东部、中部、西部省域的回归结果，对比地区间影响因素的差异并分析原因。

表3 1998—2013年省域高校科研效率增长类型

（三）高校科研效率影响因素的回归分析

表5结果显示，全时人员中科学家与工程师的比重（KGBL）、地区人均GDP（LNGDP）、科研经费当年拨入中企事业单位资金的比重（QSBL）、高等学校毕业生人数（STU）、研究与发展经费投入强度（LNRND）这五个因素，能显著影响高校科研效率。而科研经费当年拨入中政府资金的比重（ZFBL）却并未通过显著性检验。

人员素质结构方面，科学家与工程师的比重（KGBL）与高校科研效率呈现负向关系（系数为负，P＜0.01）。观察三大地区的回归结果可发现，科研人力资源浪费最为严重的当属东部省域（系数为负，P＜0.01），有学者指出，东部至西部方向存在“马太效应”，[5]导致东部省域的科学家与工程师可能处于饱和状态，相应的科研产出成果与科研人才流入水平并不匹配，影响高校科研评价结果。

经费投入强度方面，尽管基础研究支出经费的比重（JCBL）在全国范围中并不显著（P＞0.1），但在西部省域却呈现显著的正向关系（系数为正，P＜0.01）。西部省域科研重心仍以基础研究为主，加大基础研究经费支出可显著提升科研效率，但我国科研重心已逐步转移至成果转化与应用领域，因此在全国范围内，应用研究支出经费比重（YYBL）对高校科研效率的提升有显著正向影响（系数为正，P＜0.05）。

六、结论与展望

通过省域高校科研效率的横向对比、纵向对比以及地域差异对比，得到几点结论：第一，省域高校科研效率波动幅度较大，具体可分为三个阶段，每阶段与当时国家经济运行状况相关。第二，我国省域高校科研效率的提高，主要仰赖于技术进步效率的提升。第三，依据效率的空间分布图可明确看出，各省高校科研效率与全国平均水平的差异，应针对自身薄弱环节作相应调整。其中特殊的省份如贵州等，则是由综合技术效率和技术进步效率综合作用而导致的科研效率低下，需要对这两方面“两手抓”。第四，结合全国情况来看东部省域高校科研效率最高、西部次之、中部最低。

表4 省域高校科研效率的影响因素

由于条件限制等因素，部分问题尚待解决：一是评价时间。本文尽可能选取适用长期的评价指标，评价时间长度受限，未能加入近几年新数据分析。二是指标权重。采用德尔菲法无法避免主观性较强的缺点。三是数据缺失。早期年鉴数据不全，研究剔除了西藏、青海、宁夏、新疆四省区，未能涵盖全国31个省份。但随着我国步入科技强国行列，高校科研方面的数据统计会愈加全面和精确，研究者也将采用更科学的评价方法平衡主客观因素，确保评价结果更科学可靠。