协同创新中心经费绩效评价及影响因素研究

卜伟 陈军冰 王钰云

【摘 要】 文章采用DEA-Malmquist-Tobit模型，以江苏高校行业产业类协同创新中心为研究对象，对2017—2020年行业产业类协同创新中心经费绩效进行静态和动态分析并探究经费绩效的主要影响因素。结果表明，第二建设周期内行业产业类协同创新中心经费绩效呈上升趋势，但整体水平不高且两极分化严重；内部经费规章制度对协同创新中心经费绩效具有显著负向影响，外部地区政策环境和实际协同程度对经费绩效具有显著正向影响。在此基础上，建议主管部门应从实施分类发展战略、深化改革经费管理、强化深度融合等方面进一步深化体制机制改革，提升经费使用效率。文章不仅客观分析了江苏高校行业产业类协同创新中心经费绩效，而且从不同维度深入探究了经费绩效影响因素，可为其第三周期建设提供参考。

【关键词】 经费绩效评价； DEA-Malmquist-Tobit； 影响因素； 行业产业； 协同创新中心

【中图分类号】 G644  【文献标识码】 A  【文章编号】 1004-5937（2023）05-0093-08

一、引言

高等学校创新能力提升计划（以下简称“2011计划”）是我国高等教育领域一项重大战略举措[1]。江苏省于2012年11月在全国率先启动实施江苏高校协同创新计划，截至2021年，共协同799个单位，其中高校院所405個、骨干企业340个，政府机构及行业协会等54个，取得了显著成效[2]。自江苏高校协同创新中心批准建设以来，国家、各地方政府、高校、企业等对协同创新中心人财物和政策支持的力度不断加强。截至目前，江苏高校协同创新中心累计投入经费约410.3亿元，其中江苏省财政累计安排专项资金30.9亿元，国家教育和科技经费拨款159.5亿元，行业部门和地方政府支持经费70.8亿元，企业等投入经费149亿元。随着协同创新中心财政投入的持续增加，其经费绩效也日益引起社会各界的广泛关注。在第一建设周期（2013—2016年）绩效评估后，时任教育部部长陈宝生在相关场合表示，“江苏高校协同创新中心建设走在了全国前列”。目前，江苏高校协同创新计划已进入第三周期建设，构建科学合理的经费绩效评价指标体系对其第二建设周期（2017—2020年）经费绩效进行客观评价并分析主要影响因素，对全面提升第三周期经费使用效率和江苏省科技创新能力具有重要意义[3]。

二、文献回顾

通过对文献的梳理和归纳发现，研究成果主要可概括为三个方面。一是在评价指标方面，赵德武[4]认为，要从创新力和协同力两个维度对协同创新中心进行绩效评价，并设置人才培养、学科发展、创新团队、科研成果、社会效益、组织制度6类指标；朱金龙等[5]运用主成分分析法从创新能力、知识运用、沟通协调和创新环境4个方面构建了包含人员、场地、经费等11个评价指标。二是在评价方法方面，李爱彬等[6]应用云模型对行业产业类协同创新中心进行了绩效评价，结果表明云模型能够更好地处理信息的模糊性和随机性；张忠迪[7]采用数据包络分析法（Data Envelopment Analysis，DEA）对河南省不同批次、不同类型的30个协同创新中心进行了创新效率研究，研究证实不同类型的协同创新中心科研创新效率差异较大，科学前沿类的创新效率显著高于其他类型。三是在影响因素方面，刘天佐等[8]运用Tobit模型分析了高校层次类型、学位点数、学科排名等与协同创新中心科研效率的相关性，结果表明，学科排名、高校所在地域及高校层级与科研效率呈正相关性，学位点数量与科研效率呈负相关性。张兆臣等[2]通过调查问卷的方式深入剖析了协同创新中心绩效的影响因素，指出人力资源投入是最主要的影响因素，其次是经费投入；但在利益要素层面，经费是各协同创新中心的最大利益诉求，如果要进一步提高经费使用效益，需出台具体的经费使用细则，明确各项预算支出的适用范围和使用方法。张忠迪[9]以郑州大学省级协同创新中心为例，分析了创新要素对其科研绩效的影响，认为论文和高层次人才是较为明显的影响因素，经费对协同创新中心的绩效作用未能充分发挥。

综上所述，目前我国学者对“2011计划”绩效评价已进行了较为全面的研究和分析，但仍存在一些不足：一是在研究视角上，现有研究或从评价指标选取或从评价方法选取等方面开展绩效研究，但绩效是投入和产出的比值，鲜有学者从经费的角度将投入与产出结合起来对协同创新中心进行绩效分析；二是在研究对象上，学者多以不同类型的协同创新中心为整体进行分析，但“2011计划”分为科学前沿、文化传承、行业产业和区域发展4种类型，国家对不同类型的协同创新中心赋予了不同的功能任务，其发展侧重点和产出的成果不尽相同，现有研究未能充分考虑研究对象的统一性和科研成果的可比性；三是在评价指标上，相对缺乏对研究成果质量、贡献和影响等方面的考虑。

行业产业类协同创新中心是江苏高校立项建设占比最高，同时也是企业、科研院所参与较多的一类协同创新中心，较能体现协同创新特色。因此，本文以江苏高校行业产业类协同创新中心为研究对象，首先从经费投入和产出的视角构建以质量和贡献为核心的绩效评价指标体系；其次采用DEA和Malmquist指数模型对2017—2020年即第二建设周期经费绩效进行静态和动态分析，进而利用Tobit回归模型找出影响协同创新中心经费绩效的关键因素，以期为江苏省行业产业类协同创新中心第三周期建设及经费改革提供有益参考。

三、研究设计

（一）DEA-Malmquist模型构建

DEA是一种评价投入产出效率的非参数方法，能够处理多投入多产出条件下的效率度量[10]。为计算各协同创新中心经费效率，本文使用DEA方法基本模型——CCR和BCC模型分别计算各协同创新中心综合技术效率和纯技术效率，并由此得出规模效率。其基本模型如下：假设一组同质决策单元（DMU）由n个单元组成，每个决策单元DMUj（j=1，2，…，n）使用m种投入xij（i=1，2，…，m）得到s种产出yrj（r=1，2，…，s）。CCR模型由Charnes et al.[11]提出，投入导向CCR模型得到的DMUk的效率表示如下：

CCR模型得到的效率称为综合技术效率，用TE表示。

在CCR模型基础上，Banker et al.[12]提出了BCC模型。CCR模型基于规模报酬不变假设，BCC模型基于规模报酬可变假设。投入导向BCC模型表示为：

BCC模型得到的效率称为纯技术效率，用PTE表示。

综合技术效率和纯技术效率之间存在一定的差异，这种差异是由规模带来的。因此，规模效率可以表示为综合技术效率和纯技术效率的比值。投入导向规模效率用SE表示。

Malmquist指数模型可用于测度决策单元的全要素生产率。DMUk的全要素生产率（MI）可以表示为：

（二）评价指标体系构建

科学正确的评价指标体系是协同创新中心经费绩效评价的关键[13]。本文在遵循《关于完善科技成果评价机制的指导意见》（国办发〔2021〕26号）等一系列科研评价改革文件精神的基础上，借鉴朱娅妮等[1]、刘天佐等[8]构建的评价指标体系，以投入产出理论和绩效评价理论为基础，选取省财政经费支出和人员总数作为投入指标，标志性科研成果、重大科研项目经费和转化经济效益作为产出指标。

投入指标具体描述如下：（1）省财政经费支出。经费支出不仅可以反映当年科技创新活动的实际情况，其累计效应还会影响投入期后科研创新成果的产出且省财政经费支出数据经审计具有可靠性。（2）人员总数。该指标属于协同创新中心的人力资源和智力来源，包括前期已有的人数与新引进的人数。团队是由个体成员构成的知识综合体，故不单独考虑团队数量问题。

产出指标具体描述如下：（1）标志性科研成果。包括获奖情况和高水平论文两部分内容，获奖情况主要选择学术界和社会较为认可的国家级和省部级奖；高水平论文选择能够反映科研创新水平的国际权威期刊论文、国内一流期刊论文等“三高论文”。由于各成果之间不具有直接可加性，本文在充分征求科技领域和科技管理领域专家意见的基础上对其进行了赋权，国家级科技奖励、省部级科技奖励和“三高论文”权重分别为3、2和1。即标志性科研成果=国家级科技奖励×3+省部级科技奖励×2+“三高论文”×1。（2）重大科研项目经费。该指标来源于新增省部级以上科研项目，科研项目数量增加一般会带来科研经费增加。一定程度上，该指标可反映协同创新中心的科研创新能力是否得到认可。（3）转化经济效益。协同创新中心尤其是行业产业类协同创新中心不仅是知识和资源的协同，更重要的是通过协同创新中心这一载体实现科技和行业产业的深度融合，因此选择科研成果转移转化后产生的直接经济效益作为产出指标。

四、实证结果及分析

（一）数据来源

本文所采用的相关数据均来自江苏高校协同创新中心2017—2020年《江苏高校协同创新计划年度报告》和《江苏高校协同创新计划年度进展统计表》。

（二）DEA模型的静态分析

本文采用Matlab软件，基于CCR和BCC模型对2017—2020年江苏高校行业产业类协同创新中心经费绩效进行静态分析。为慎重起见，各协同创新中心用代码C1—C29表示。首先，以2020年行业产业类协同创新中心综合技术效率及其分解值为例进行分析，具体见表1。

综合技术效率是对协同创新中心经费绩效的整体评价。综合技术效率平均值为0.721，说明2020年行业产业类协同创新中心整体经费绩效水平不高。综合技术效率值为1的协同创新中心有6个，说明这6个协同创新中心处于DEA有效状态，经费绩效达到生产前沿面，投入经费得到合理的应用。非DEA有效的协同创新中心有23个，其中综合技术效率大于0.8的有2个，占非DEA有效单元总数的8.696%；在0.5至0.8之间的有18个，占非DEA有效单元总数的78.261%；小于0.5的有3个，占非DEA有效单元总数的13.043%。这表明非DEA有效单元的综合技术效率以0.5至0.8之间为主，此类协同创新中心资源配置能力及经费使用效率未能充分激发，应是第三建设周期重点关注和改革的对象。

纯技术效率表示科研管理和科研创新水平对协同创新中心经费绩效的影响。规模效率体现投入规模因素对协同创新中心经费绩效的影响。纯技术效率和规模效率的平均值分别为0.833和0.872，说明2020年行业产业类协同创新中心科研管理和创新水平及资源投入规模相对处于偏高水平。与规模效率相比，C2、C6和C8等协同创新中心纯技术效率相对较低，说明此类协同创新中心科技管理和科研创新水平仍有很大提升空间，应进一步深化内部管理机制，增强科技创新能力；C1、C5和C12等协同创新中心纯技术效率高于规模效率，尤其是C12，虽然纯技术效率达到最优状态，但其规模效率仅为0.690，说明此类协同创新中心规模投入不足，应进一步加强经费等资源投入，方可达到最佳收益状态。

接下来，对29个行业产业类协同创新中心2017—2020年经费绩效进行综合分析，探索其整体情况，具体如表2所示。

从时间维度来看，2017—2020年，协同创新中心的综合技术效率和纯技术效率虽呈持续上升趋势，但整體仍处于较低范畴；规模效率整体处于波动增长趋势。平均每年约有6个协同创新中心达到生产前沿面，但样本考察期间无任何一个协同创新中心一直处于经费绩效最优状态，均不同程度地需要进一步提升纯技术效率和规模效率，说明行业产业类协同创新中心发展尚不稳定、处于动态调整阶段。

从发展水平来看，综合技术效率平均值为0.620，纯技术效率平均值为0.773，规模效率平均值为0.795。样本考察期间行业产业类协同创新中心规模效率高于纯技术效率，说明第二建设周期内行业产业类协同创新中心较为重视经费等资源的投入，但投入的经费并没有得到很好的利用，经费的投入产出比例偏低。

（三）Malmquist指数的动态分析

Malmquist指数可动态反映协同创新中心经费绩效的变化趋势，因此运用Matlab软件对2017—2020年江苏高校行业产业类协同创新中心经费绩效进行动态分析，结果如表3、表4和图1所示。

1.年度发展动态分析

如表3所示，2017—2018年，综合技术效率变化指数上升46.5%，技术进步变化指数下降22.6%，严重阻碍了这一时期内协同创新中心经费绩效的提升；2018—2019年，技术进步变化指数增长19.5%，由于规模效率的下降，综合技术效率仅增长11.8%，这说明协同创新中心开始注重原始创新，科研创新能力切实得到提升，但随著科研创新能力的提升，中心的投入规模未能赶上其进步速度反呈下降趋势；2019—2020年，综合技术效率和技术进步均呈现大幅增长趋势，这说明协同创新中心持续深化体制机制改革取得明显成效，科研管理能力和科研创新能力均有明显提升且科研创新的持续发力迎来了爆发式增长。

2.整体发展动态分析

样本考察期间协同创新中心的平均全要素生产率指数为1.826，同时样本研究期间每年全要素生产率均值均大于1，说明江苏高校行业产业类协同创新中心经费绩效处于稳步上升阶段。从要素结构来看，平均综合技术效率上升34.7%、平均技术进步上升40.2%，说明第二建设周期内资源配置能力和科技创新都对全要素生产率的提升起促进作用。结合图1所示的发展动态趋势，综合技术效率变化呈先抑后扬趋势，全要素生产率和技术进步整体呈现持续上升趋势。全要素生产率和技术进步趋势高度相似，说明与综合技术效率相比，技术进步是影响协同创新中心经费绩效更加重要的因素，只有提高协同创新中心的科研创新能力才能从根本上提高全要素生产率。

3.效率差异分析

如表4所示，除C10外，其他协同创新中心全要素生产率均大于1，说明第二建设周期内协同创新中心经费绩效整体处于上升趋势，发展态势良好，尤其是C13、C6和C28这三个协同创新中心经费绩效上升最为显著，排名前三。全要素生产率的最高值为21.735，最低值为0.906，均值为5.686，低于均值的有21个，占样本总数的72.41%，这从侧面反映了行业产业类协同创新中心经费绩效两极分化严重。技术进步的最大值、均值和最小值分别为12.037、3.236和0.837，小于均值的有19个，占样本总数的65.52%，这类协同创新中心应进一步提升科学技术水平。综合技术效率的最高值、均值和最小值分别为4.341、1.852和0.583，低于均值的有16个，占样本总数的55.17%，这类协同创新中心是纯技术效率和规模效率共同作用的结果，应从不同的方面探索提升路径：如C9、C20和C27等协同创新中心应进一步深化科技体制机制改革，加强内涵式建设；C17、C18和C26等协同创新中心则应进一步加强经费等资源投入规模。

（四）影响因素分析

1.影响因素的选取及说明

采用Tobit模型来进一步探究协同创新中心经费绩效的影响因素。本文借鉴张兆臣等[2]和邱必震[14]等的研究，从外部的地区政策环境、内部的体制机制和实际的协同程度三个维度分别选取相关因素作为自变量，具体见表5。

2.模型回归结果

运用Eviews软件，以影响因素为自变量，综合技术效率、纯技术效率和规模效率为因变量进行Tobit回归分析，通过个体异质性判断最终选择固定效应回归，结果如表6所示。

（1）地区政策环境有助于协同创新中心经费绩效的提升。地区政策环境对纯技术效率和规模效率具有正向影响但并不显著；在10%的显著性水平上，地区政策环境正向影响综合技术效率，政府经费投入越多，协同创新中心技术效率越高，经费投入平均增加1 000元，效率增长0.2%，这说明地方政府政策导向对提升协同创新中心经费绩效具有明显提升作用。

（2）体制机制与经费绩效呈负相关性。体制机制负向影响综合技术效率、纯技术效率和规模效率，但对纯技术效率影响并不显著；在10%显著性水平上负向影响综合技术效率；在5%显著性水平上负向影响规模效率。通过查看29个协同创新中心的经费管理制度并阅读相关文献，发现虽然各协同创新中心经费规章制度相对完备，但差异性很小、机制创新不足。另外，协同创新经费使用是按照教育专项经费管理的，即年度资金使用结转到下一年没有使用完就要全部收回，但科研具有不确定性，面临经费被收回的巨大压力，易产生为花钱而花钱、突击花钱的现象。因此，经费对协同创新中心绩效支撑作用并未充分展现。

（3）协同程度促进经费绩效发展。协同程度分别在10%和1%的显著性水平上对技术效率、纯技术效率和规模效率有正向影响，说明协同创新中心牵头单位与各协同单位国内外合作交流越多、关系越密切、发展越好。

五、结论与建议

（一）结论

本文利用DEA-Malmquist-Tobit模型对江苏高校行业产业类协同创新中心进行了经费绩效评价，得出以下结论：

样本考察期间江苏高校行业产业类协同创新中心经费绩效虽呈上升趋势，但整体仍处于较低范畴且两极分化严重，大部分协同创新中心均不同程度地存在纯技术效率和规模效率的提升空间；基于Malmquist指数分析结果可以看出，技术进步对经费绩效的提升起主要作用，中心应进一步完善激励机制充分激发协同单位和科研人员的创新动力。

实际的协同程度和外部的地区政策环境对江苏高校行业产业类协同创新中心经费绩效具有正向影响作用，协同程度是经费绩效的关键影响因素，其在1%水平上具有显著性；内部的体制机制在10%显著性水平上负向协同创新中心经费绩效。

（二）建议

1.坚持问题导向，实施分类发展战略。当前我国正在优化调整国家创新体系，针对江苏省协同创新中心经费绩效差异较大的问题，建议主管部门结合江苏在国家区域创新体系中的实际需要，实施分类发展战略，对经费投入产出有效且经费绩效上升较为显著的协同创新中心，持续加大经费投入力度，将这一类协同创新中心打造成国家区域创新战略重要科技力量，为“两争一前列”（争当表率、争做示范、走在前列）重大使命贡献力量；对非有效但全要素生产效率高于平均值的协同创新中心，可维持原有经费资助力度，但需进行中期检查，重点检查标志性成果的质量和贡献，如仍未有改善，则减少经费资助；对非有效且全要素生产率低于平均值的协同创新中心，可考虑缩减经费资助并进行中期检查，如仍未有较大改观，建议考虑摘牌。

2.坚持需求和绩效导向，深化改革经费管理制度。在宏观经费管理层面，需持续深化改革经费管理制度。协同创新的实质是开展科研工作，其经费具体支出范围与科研经费支出完全一致，建议经费主管部门将协同创新经费视同科研经费管理，充分享受国家和地方政府对科研经费改革释放的一系列政策红利。在中观经费分配层面，要进一步健全以绩效目标为导向的经费预算管理制度，年初预算编制同时要求编制年度绩效目标，年末根据绩效目标完成情况相应拨付下一年度经费预算，推动预算安排和绩效管理相融合。在微观经费使用层面，要打破各协同创新中心平均分配的传统模式，建立绩效激励机制，对协同创新中心有实际贡献的单位或个人在基本绩效的基础上可进一步加大薪酬激励；对协同创新中心无贡献或达不到基本工作量的则减少薪酬支出，通过绩效评价稳步完善“有进有出”的优胜劣汰机制，动态调整协同单位和中心成员，充分激发协同单位和科研人员的创新潜力，不断提升协同创新中心经费使用效益。

3.坚持体制机制创新，强化深度融合。协同单位深度融合的关键是构建有效的协同机制。协同创新中心已运行多年，其改革重点应从“立框架、建制度向提升体系化能力”转变。学科建设方面，牵头单位应充分发挥学科综合、人才集聚、资源集中的优势，以提升主体学科竞争力和影响力为核心，加强相关重点学科的交叉融合、调整优化学科结构、培育催生交叉学科，逐步形成具有自身特色的新兴学科，实现学科群体的整体提升。科学研究方面，应组建创新联合体实施以应用需求为导向的“重大项目集体攻关”模式，按照“谁投入、谁所有、共享使用”原则，汇集产业链上中下游相关的高校、科研院所和企业开展联合攻关，对关键核心技术实行“揭榜挂帅”制度，把重大任务交到真正想干事、能干事、干成事的人手中。人才培养方面，应面向行业产业转型发展需求探索产教深度融合、多方协同育人的人才培养模式，从校际协同、校企协同、校地协同等多个方面探索实施“入驻式”培养模式，深入推进产学合作协同育人，促进教育链、人才链与产业链、创新链有机衔接。

【参考文献】

［1］ 朱娅妮，余玉龙，汪海燕.面向协同创新的高校科研绩效评价体系研究［J］.科研管理，2016，37（4）：182-187.

［2］ 吴楠.江苏高校协同创新计划推进会在南京召开［EB/OL］.中国社会科学网，2021-05-05.

［3］ 张小玲，钟珂，廖雨萱，等.经费管理视阈下高校科研人员创新活力研究——以重庆市为例［J］.会计之友，2022（11）：126-131

［4］ 赵德武.协同创新中心绩效评价体系的构建［J］.中国高校科技，2014（1）：14-16.

［5］ 朱金龙，朱卫未，宋福明.基于主成分分析——随机前沿分析模型的江苏高校协同创新中心建设效率分析［J］.科技管理研究，2019，39（11）：129-138.

［6］ 李爱彬，经曼，夏洪旺.基于云模型的行业产业类协同创新中心绩效评价［J］.中国科技论坛，2016（11）：48-54.

［7］ 张忠迪.省级协同创新中心投入产出效率研究［J］.中国高校科技，2020（10）：25-28.

［8］ 刘天佐，張顺衡.“2011协同创新中心”绩效及其影响因素分析［J］.湖南农业大学学报（社会科学版），2019，20（2）：84-90.

［9］ 张忠迪.创新要素对协同创新中心绩效的影响——以郑州大学省级协同创新中心为例 ［J］.中国高校科技，2019（7）：44-47.

［10］ 许汉友，岳茹菲，赵静.财务共享智能化水平对企业绩效的影响研究［J］.会计之友，2022（7）：141-147.

［11］ CHARNES A，et al.Measuring the efficiency of decision making units ［J］.European Journal of Operational Research，1978（2）：429-444.

［12］ RBANKE R D，et al.Some models for estimating technical and scale inefficiencies in data envelopment analysis［J］.Management Science，1984，30（9）：1078-1092.

［13］ 程亮，武娟妮，宋玲玲，等.基于DEA的大气污染防治财政资金效率研究［J］.会计之友，2020（16）：59-66.

［14］ 邱必震.高校协同创新中心主体间合作机制研究［D］.西安：西安建筑科技大学博士学位论文，2020.