我国不同类型高校科技创新效率研究——基于2009-2019年数据

郑琇文 阮红伟 王 洁

( 青岛大学 商学院，山东 青岛 266071)

0 引言

我国高校人才培养需以习近平新时代中国特色社会主义思想为指导，以立德树人为根本任务，推进“四个回归”，全面加强新工科、新农科、新医科和新文科建设，全面提高我国的高等教育质量，加快高等教育强国建设[1]。“十四五”规划和《中国教育现代化2035》纲要中明确提出“强化国家战略科技力量”[2]，这需要充分认识到高校在科技自立自强中不可替代的作用， 在打好关键核心技术攻坚战，提高创新链整体效能中，各高校要充分发挥自身优势，以科技创新支撑高质量发展。

在对高校科技创新效率现有的研究中，朱恬恬等[3]运用DEA-Malmquist法对“双一流”高校进行了多种分类对比分析，技术进步效率是各类高校提升科技创新效率的制约因素；马宝林等[4]对综合类高校进行文理科高校分类，分析其创新效率静态和动态效率变化；贾荣言等[5]运用突变级数法，对2017年中东部地区15个省市高等学校科技创新能力进行了定量研究；彭佑元等[6]基于投入和产出两个方面，运用DEA-Malmquist指数法对我国30个省(市)2009—2018年科技创新效率进行差异性研究；李文辉等[7]运用主成分分析法和DEA法研究了2004—2016年中国省域高校的科技创新能力以及其经济贡献率；王少鹏等[8]对2008—2017年31个省(市)运用ArcGIS研究高校科技创新能力和区域经济发展的关系；刘敏等[9]基于VRS模型测度了中国31个省(市、区) 2007—2016年农业科研机构科技创新绩效,研究中国农业科技创新绩效的地区差异；梁燕等[10]运用层次分析法对各高校科技创新能力评价体系进行权重赋值；符银丹等[11]运用DEA模型对我国37所“985工程”高校2018年的科技投入产出效率进行研究分析。可以看出DEA模型是研究科技创新效率的热门工具，我国学者大多以地域为划分标准进行研究对比，不同类高校之间的对比研究较少，且缺乏整体的研究。

本文运用DEA-Malmquist法，借助SPSS和DEAD软件处理数据，通过对2009-2019年我国不同类高校的科技创新发展的实证研究，分析我国不同类型高校的科技创新效率特征，确定影响高校科技创新发展的因素。不同类高校科技创新成果的指标与所需资源投入都不尽相同，这样的横向对比能够更有效地分析出我国高校科技创新发展效率及其特征，挖掘制约不同类型高校科技创新效率提高的因素，有针对性地对不同类型高校的科技创新发展道路提出可操作性的改进建议。

根据《高等学校科技统计资料汇编》，按学校类型分类，将我国高校分成了六大类：综合大学、工科院校、农林院校、医药院校、师范院校和其他院校。研究数据来源于2009-2019年的高等学校科技统计资料汇编。

1 指标选取

根据高校科技创新能力评价指标体系的设计原则以及对其评价指标权系数的确定，同时考虑到产出数据和投入数据直接所包含的多元要素与相互之间的逻辑关系[12]，本文选取的投入指标为：教学与发展人员、研究发展全时当量人员、科技经费当年拨入和内部支出、科技课题总数、科技课题当年投入人数和拨入经费、支出经费；产出指标为：专著数、出版论文、鉴定成果数、技术转让当年实际收入、成果授奖数。

2 研究方法

2.1 数据包络分析法

数据包络分析(Data envelopment analysis, DEA)的基本模型是1978年由美国著名运筹学家A.Charnes和W W Cooper等人提出的，本文运用的是基于可变规模收益计算决策单元的纯技术效率的BCC模型。DEA是使用数学规划模型进行评价具有多个输入和多个输出的决策单元(decision making unit，DMU)间的相对有效性，即DEA有效。根据对各DMU观察的数据判断DMU是否为DEA有效，本质上是判断DMU是否位于生产可能集的“生产前沿面”上，生产前沿面是经济学中生产函数向多产出情况的一种推广[13]。

根据模型可得到三种结论：①DMU是无效的，此时需要减少投入(或增加产出)提高效率。②DMU是强有效的。③DMU是弱有效的，此时部分投入可能存在冗余或部分产出可能还可提升[13]。

2.2 Malmquist指数

Malmquist指数，即全要素生产率指数(Toal Factor Productivity, TFP)，利用距离函数的比率来衡量一定时间内总投入与总产出生产效率之比。算式为：

Malmquist(xt+1,yt+1,xt,yt)=

此方法表示了决策单元DMU在不考虑外部技术或制度因素变化等其他条件下，资源配置效率的变化情况，即创新效率的变化情况[14]。

3 实证分析

3.1 我国高校整体Malmquist分析

Malmquist指数能动态反应高校每年科技创新效率的变化趋势，因此运用DEAP2.1软件对2009-2019年我国高校每年科技创新相关指标的面板数据进行DEA-Malmquist处理，以此考察全要素生产率的动态变化以及异质性。

我国高校2009-2019年Malmquist指数5项指标平均值均小于1(见表1)，科技创新效率呈衰退状态，我国高校科技创新领域的资源配置与使用、规模投入等方面均有待改进或提高。规模效率0.999为5项平均值中最优，说明我国于科技创新领域投入规模与产出之比最为接近，科技课题总量、投入发展人员与科研经费投入较为有效，由规模要素产出的生产效率最高；技术效率变化与技术进步变化0.993为数值最低，表明资源配置、资源使用效率、要素质量、科学技术的深度进展是我国科技创新领域的主要短板。

表1 2009-2019年年度平均Malmquist指数及其分解

由表1数据时间数列纵向对比分析可知，随着时间的推移，技术效率变化、规模效率与全要素生产率指标呈现较为明显的“衰退-增长-衰退”的波动态势，虽略有浮动但整体仍处于负增长态势。2013-2014年，我国技术效率变化、纯技术效率、规模效率分别以0.548、0.813、0.675为历年各项指标最低，而全要素生产率却为1.110为历年最高，其技术进步变化更是达到2.024的惊人数值。主要影响因素为2013-2014年间我国高校成果转化管理改革正处于“两报两批”阶段，国家关于科技转化的法律长时间没有修订，管理负担持续增重，教育部直属高校的技术入股等无形资产处置需报教育部、财政部备案审批，虽相对限制了科研课题、相关投入人员数量等规模报酬的大量增加，却极大提高了科研项目与各投入要素的质量水平，极大地推进了科学技术的进步与深度拓展[15]。同时我国高校成果转化管理改革进入“三权改革”试点阶段，科研课题申报成功率大幅上升，科研资金、科研团队等规模报酬扩大，要素配置、资源使用得到充分发挥，高校内部管理制度逐渐规范。因此在2014-2015年间我国技术效率变化、纯技术效率、规模效率指标分别以1.719、1.230、1.398达10年间最高，但也正由于规模总量在短时间内的快速扩大，高校科技成果产出质量与科研力度的保证受到极大挑战，以0.508创历年技术进步变化指标的断崖式最低，导致2014-2015年全要素生产率0.875<1，各要素投入未达到预期产出效果。

3.2 6类高校Malmquist横向对比

根据国际通用科学研究分类方法，我国将高校划分为综合大学、工科院校、农林院校、医药院校、师范院校与其他类院校6种类型高校。

对2009-2019年间6类高校Malmquist指数及其分解情况数据处理结果如表2所示。通过分析各项指标并进行对比可知，在技术效率变化方面，最高的师范院校达1.002>1，农林院校0.983<1处于最低，这表明农林院校在国家资源配置与资源使用能力等方面有待提高，综合大学、工科院校分别以0.989<1,0.987<1未达标准水平0.993，亦有可发展空间；在技术进步变化方面，六类院校均小于1，各要素质量与科技成果拓展深度是我国科技创新普遍短板，工科院校针对科技成果等质量问题应加强管理；在纯技术效率方面，工科院校、医药院校、其他类院校均为1.000达到投入有效并为数值最高，这3类高校在内部管理、科研技术投入等方面相对较好，而综合大学0.983、农林院校0.985未达平均水平0.995，表明二者亦应关注管理制度的创新与创新体系的技术进步，其中综合大学尤甚。

规模效率是所有指数平均值最高的一个指标，说明我国由规模因素获得的生产效率相对较好，其中综合大学1.002>1、医药院校1.001>1、师范院校1.003>1、其他院校1.000=1，说明其因规模因素影响的生产效率得到充分发挥；但工科院校0.988、农林院校0.997，二者需要在课题数量、科研规模、教学与发展人员投入、经费投入等方面获得发展。除师范院校1.001>1外，其他各类院校在全要素生产率的表现并不理想，其中综合大学0.975、工科院校0.975、农林院校0.977，均不足平均值0.987。且均有很大差距，这表明三类院校创新成果产出数、专著数、出版论文数等产出指数略有不足，总产出与各要素投入不甚对等，科技创新投入结构有待优化。

表2 不同类型高校Malmquist指数及其分解

3.3 六类高校纵向对比

(1)综合类高校。对所研究的综合类高校进行DEA-Malmquist分析处理，由表3可知，2009-2019年综合类高校全要素生产率几何平均值为0.975<1，产出小于投入，综合类高校科技创新效率不高。虽然规模效率1.002>1，科技经费、教学与发展人员等规模因素投入指标影响的生产效率处于较高水平，但纯技术效率0.983<1，表明高校内部管理水平与相关创新专业技术等因素有待进步。技术效率变化0.986，技术进步变化0.989均<1，说明其资源配置、高校资源使用利用率仍需改进提高。2009-2019年综合类高校的科技创新能力总体不高，虽投入规模符合标准，但资源配置能力、管理能力、创新产出数量、科技转化率等其他方面却仍需关注。

纵向对比可知，综合类高校的规模效率波动趋势明显，但总体处于规模投入有效利用状态；2013-2014年受“两报两批”政策影响显著，技术效率变化0.479、纯技术效率变化0.500创历年最低，技术进步变化1.982为历年最高；而受2014年9月“三权改革”试点影响，技术效率变化1.843、纯技术效率变化1.913迅速回升，但技术进步变化却陡然下降至0.516，创新成果质量无法保障。

(2)工科类高校。由表4可知，2009-2019年工科类高校全要素生产率水平0.975<1，与综合类高校数据一致，同时其规模效率0.988、技术效率0.988、技术进步变化0.987均<1，说明工科类高校的资源配置不合理，资源使用效率有待提高，对技术创新教学与发展人员、经费投入等规模因素可适当增大投入，以提高由于规模因素影响的生产效率。工科类高校的纯技术效率2009-2019年期间稳定保持在1的水平，说明工科类高校内部管理与相关技术投入水平一直处于稳定输出并充分利用状态。

表3 综合类高校年度平均Malmquist指数及其分解

表4 工科类高校年度平均Malmquist指数及其分解

(3)农林类高校。农林类高校数据处理结果如表5所示。农林类高校的科技创新效率为5类高校最低，5项指标均<1。虽然在2009-2010年、2015-2016年期间5项指标均大于等于1，但综合平均值均处于不利状态，另外技术进步变化与规模效率指标波动较大。综合来看，各方都需对农林类高校的资源配置能力、资源使用效率、高校内部管理和技术开发与使用以及投入规模等各方面因素应全面加强管理，提高资源使用效率和科技创新生产率。

我国一直以来都极为关注科技创新在农业方面的投入使用。2009年科技政策鼓励国家加快农业科技的创新步伐，加大农业科技投入，加强和完善现代农业科技体系，深入推进各类农作物高产活动，支持科技人员和大学毕业生的科技创新一线活动取得科技创新领域各生产要素的充分利用[16]。2015年中共中央、国务院印发《关于加大改革创新力度 加快农业现代化建设的若干意见》提出，强化农业科技创新驱动作用，健全农业科技创新激励机制，完善科研院所、高校科研人员与企业人才流动和兼职制度，推进科研成果使用、处置、收益管理和科技股权激励改革试点等重大举措[17]。2015年农林高校技术效率变化、技术进步变化、纯技术效率、规模效率全线达标1.000=1，全要素生产率1.00=1，各要素总投入得到充分利用。

(4)医药类高校。对医药类高校进行DEA-Malmquist数据处理，结果如表6所示。医药类高校全要素生产率0.994<1，表明总产出与各要素所得仍处于不利状态，但其技术效率变化1.001，纯技术效率1.000，规模效率1.001均>1，则说明医药类高校在组织创新、专业化和技术创新、技术水平发挥、规模经济、要素配置等方面均处于优势地位，纯技术效率即管理与技术因素投入产出成正比并一直保持稳定发展态势。但由于技术进步变化0.993<1，使得全生产要素不足，这表明可以从医药类高校各要素质量的提高与科学技术发展的推进等方面加以改善，进而提高医药类高校科技创新效率的综合水平。

同时医药类高校科技创新效率受2013-2014年“两报两批”、2014年-2015年“三权改革”试点的国家宏观调控政策影响明显，但由于从2009年我国新一轮医药卫生体制改革正式开始，国家长期重视医学学科建设，注重资金投入等，2013-2014年间的“两报两批”优势明显，技术进步变化2.069>1；技术效率变化1.021>1，纯技术效率1.000=1，规模效率1.021>1，并最终全要素生产率取得2.113>1。2014年是国家第二次“医改”元年，国家关注重点由“药改”转向“医改”，虽医药行业仍保持高资金投入，但受“三权改革”影响，各要素生产质量与技术投入深受影响，技术进步变化创历年最低，为0.496<1，为当年全要素生产率0.436<1的直接原因。

(5)师范类高校。师范类高校数据处理结果如表7所示。师范类高校虽然要素质量与科学技术发展进程有待提高和推进，高校内部管理与技术水平发挥亦有所不足，技术进步变化与纯技术效率均为0.999不足1，但其技术效率变化1.002>1，规模效率1.003>1,使得其全要素生产率亦为1.001>1,这说明师范类高校优秀的资源配置，创新人才与科研经费的科学投入，并且高效的资源使用，得到了总产量大于各要素投入的成果。师范类高校科技创新环境较为良好。

师范类高校科技创新效率受2013-2014年“两报两批”和2014年-2015年“三权改革”试点的国家宏观调控政策影响明显。

(6)其他类高校。其他类高校是六类高校科技创新效率(见表8)各项指标最为稳定的一类。虽然技术效率变化、纯技术效率、规模效率均为1.000，但由于技术进步变化略有不足0.999<1，使得最终全要素生产率亦为0.999<1。这说明，虽然其他类高校资源配置、资源使用效率、高校内部管理与规模要素投入等均处于科学合理的投入产出比率，但仍可以通过提高要素质量水平与推进科学技术发展等方式，提高其他类高校的科技创新效率。

表5 农林类高校年度平均Malmquist指数及其分解

表6 医药类高校年度平均Malmquist指数及其分解

表7 师范类高校年度平均Malmquist指数及其分解

表8 其他类高校年度平均Malmquist指数及其分解

4 结论与对策

4.1 主要结论

本文运用DEA2.1软件对我国高校2009-2019年间技术效率变化、技术进步变化、纯技术效率、规模效率和全要素生产率5个维度进行Malmquist分析，主要得出以下结论：

从总体来看，2009-2019年间我国高校科技创新效率呈下降趋势，5项指标年间平均值均未>1或=1，说明提升我国高校科技效率工作繁重，各个方面均应努力；其中技术效率变化与技术进步变化指数，是影响我国科技创新效率上升的关键。

从高校类型看，师范院校全要素生产率1.001>1,表明师范院校科技创新总产量大于全部要素投入量，投入资源得到高效利用，科技创新状况良好；其他5类高校均未>1或=1，科技创新总产量小于全部要素投入量，相关投入资源未得到有效利用，其中综合大学与工科院校相关资源浪费情况最为严重。

(1)综合类大学规模效率1.002>1，说明投入规模因素已得到充分利用；但技术效率变化0.986、技术进步变化0.989、纯技术效率0.983均未达标，说明综合类高校在此三方面均需改进。

(2)工科院校纯技术效率1.000=1，说明其与科技创新等方面的管理工作与投入专业技术切实有效；但纯技术效率变化0.988、技术进步变化0.987、规模效率0.988均未达标，说明工科院校应从这3个角度考虑措施。

(3)农林院校科技创新效率提升空间最大，各项指标均未达标，说明农林院校各要素投入均未得到有效产出，各个方面均有待调整管理。

(4)医药院校与其他类院校各要素利用效率较为良好，技术效率变化、纯技术效率、规模效率3项指标均>或=1,但技术进步变化均<1，是影响全要素生产率大于1的关键。

(5)师范类院校规模效率1.003>1，说明规模要素得到充分利用；技术效率变化1.002>1，说明资源配置与资源使用相对合理；但技术进步变化0.999<1，纯技术效率0.999<1，说明进一步提升师范类院校的科技创新效率可从这两个维度入手。

观察2013-2016年间各表数据的特殊变化以及查阅相关背景资料可知，国家政策与对科技创新项目的审查、支持与监督等相关管理措施力度会对我国高校科技创新情况产生直接影响；易出现技术进步变化与技术效率变化、纯技术效率负相关的局面；单一方面的大力调整措施未必会改善我国科技创新效率低下的整体现状。

4.2 对策建议

(1)以科技创新项目质量为核心，推动相关科学技术领域深度发展；重视科技创新相关知识的教育与推广，清晰相关申请流程与评定标准，鼓励科技创新项目的组建与立项，消除因信息不对称导致的“行业壁垒”。

(2)优化对各类高校的资源配置，适当加大医药院校、师范院校、其他类院校的资源投入，着重提高综合大学、工科院校、农林院校资源使用效率；加大综合大学、医药院校、师范院校、其他类院校的科技创新规模投入，重视工科院校、农林院校规模要素的利用能力；改进综合大学、农林院校、师范院校的校内管理机制，提高专业技术有效投入水平。

(3)完善创新体系，各个方面举措相互配合，多管齐下。增加经费投入，从信息发布、立项申请、资源监督、成果审核、奖励激励等各个方面完善管理，完善高校科技创新政策。