高校科研績效及影響因素研究

王衛星+王煜

【摘 要】 以63所教育部直屬高校為研究樣本，采用數據包絡分析（DEA）方法測度了2015年教育部直屬高校的科研效率。研究結果表明，63所高校中有15所達到DEA有效，其他為非DEA有效，非DEA有效的高校不同程度地存在投入冗余和產出不足。為了探尋挖掘高校科研績效潛力之路，進一步對高校科研績效的影響因素進行了研究，以高校科研技術效率作為被解釋變量，從人力資源、財力資源、對外合作和創新能力四個方面進行計量檢驗，構建多元回歸模型。分析顯示：人力資源、對外合作和創新能力為正影響因素，而財力資源未表現出應有的積極影響。

【關鍵詞】 高校； 科研績效； 數據包絡分析方法

【中圖分類號】 F234.4；G475 【文獻標識碼】 A 【文章編號】 1004-5937（2017）10-0109-06

隨著科教興國戰略的實施，高校科研工作得到了前所未有的發展時機。國家和地方政府都加大了科研經費的預算比重，不少企業也加大了科研和技改投入；高校同樣十分重視科研工作，不僅積極引進人才、建立科研平臺，而且從經費配套、科研獎勵等角度出臺了多種激勵政策。因此，近年來，高校的科研成果數量大幅攀升，對經濟的貢獻不斷加大，影響力也日益增強。但相比發達國家而言，我國高校的科研工作還存在不足，尤其在效率方面存在明顯差異。如何采取科學合理的管理方式實現資源的有效配置，提高高校科研績效，應該成為學者和管理者共同關注的課題。

對高校科研效率進行科學合理的剖析與評價是當前提高科研管理水平的重要條件。從政府角度來說，科學的評價有利于政府根據科研績效的實際情況，制定或調整相關政策，合理配置科技資源，從而達到整體資源的有效利用。從高校角度來說，客觀的評價有利于高校認清自身的科研現狀，并根據評價結果，對存在的不足進行合理分析，不斷完善管理體制，強化管理效果，提高科研績效。

本文在梳理已有研究成果的基礎上，以教育部直屬高校作為研究對象，構建反映我國高校科研績效的評價指標體系，運用數據包絡分析（DEA）方法計算出各高校的科研效率值，并對非DEA有效的高校作投影分析；在此基礎上將科研績效作為因變量，人力資源、財力資源、對外合作和創新能力作為自變量，對它們進行多元回歸預測，分析變量之間的關系，在績效評價和影響因素分析的基礎上提出改進高校科研管理的對策和建議。

一、理論分析與文獻綜述

科學研究作為高校的基本職能之一，伴隨知識經濟時代的到來受到了極大關注，科學研究活動一般是指利用各種科學的研究方法或者手段，對研究對象作深入、全面地剖析，從而實現對其客觀規律的認識，進而實現創新與優化的過程。隨著高校科研工作不斷向縱深發展，科研績效越來越多地受到學界的關注。績效通常是效果和效率兩個層面的統稱，其中效果層面的績效評價通常強調實際成果與預期值的比較，是一個量化的絕對數指標；效率層面的績效評價則強調投入與產出的對比關系，是一個相對數指標，因而相比效果，效率評價更具有可比性和廣泛的適用性。與企業相比，高校更加關注的是如何科學合理地調配資源，使得最小的投入達到最大化產出，因此，基于高校科研活動的考察目標以及兩個層面的特點，高校科研績效主要從效率層面進行分析評價。

國內外已有文獻對高校的科研績效研究主要從以下三個方面展開。

第一，高校科研績效指標體系的構建。國內外學者通常將高校科研看作一個投入產出系統，通過投入和產出兩個方面來確定評價指標體系。如自2000年開始，美國佛羅里達大學人文與社會科學研究中心發布的“美國最佳研究型大學”年度評價報告中，評價指標體系包括了科研經費總量、聯邦科技經費數、教師獲獎情況等9項指標。Thursby在分析美國大學經濟學研究機構的效率時，把教職人員和研究人員數、研究生數、聯邦資助、圖書館館藏規模等作為科研投入的主要指標[ 1 ]。國內學者田東平和苗玉鳳將科研活動人員、當年科技支出經費確定為投入指標，將專著數、國外論文數、其他全國性刊物論文數、鑒定成果數、技術轉讓收入、專利出售收入等作為產出指標[ 2 ]。王禹超根據創新能力的內涵構建了指標體系，投入指標主要從人力和財力兩個方面確定，分別是研究與發展全時人員、資金合計，產出指標是出版科技著作數、學術論文合計數、獲獎成果、技術轉讓收入、優秀博士論文數等[ 3 ]。

第二，高校科研績效的評價方法。數據包絡分析（DEA）方法是由Farrell在1957年創立，1978年，Charnes、Cooper和Rhodes將Farrell的核心理念發展為CCR模型，它是針對具有多投入和多產出特點的同類型研究對象進行綜合性評價的非參數分析方法，進而形成了基本DEA分析模型，并由此奠定了數據包絡分析的基本研究模式。此后學者們在此基礎上不斷拓展數據包絡分析方法的理論內涵，形成了適于分析不同情況的CCR模型、BCC模型、SBM模型等。如今DEA模型被廣泛應用于各種領域的效率評價工作，如學校、銀行、酒店、醫院及政府部門等[ 4-6 ]。國內學者王麗娜運用DEA方法，以江蘇省30所本科院校作為研究樣本，對2007年的科研效率進行了評價分析[ 7 ]。此外，學者們還使用了綜合投入產出分析法、生產函數法、隨機邊界分析法（SFA）等多種方法對效率作評價分析，但由于數據包絡分析方法具有無量綱要求、使用方便、適用于多投入多產出情形等諸多優點，像高等學校這樣典型的多投入多產出單位比較適用此方法。

第三，高校科研投入產出效率的影響因素。賈明春和張鮮華從科技人力、科研經費、研究與發展項目和國際科技交流四個方面研究它們對高校科研投入產出效率的影響[ 8 ]。郭際等對全國31個省市區高校的科研投入產出活動進行評價，并在此基礎上探討了當地人均GDP、新產品產值在工業產值中的比重和高校支出的科研經費對科研效率的影響[ 9 ]。李燕萍等以我國30個省為研究對象，采用2003—2008年的面板數據對科研進行了測試分析，結果顯示，科研活動市場化程度、基礎研究投入強度、產學研結合程度、科技人員投入對科研投入產出效率均表現出積極影響[ 10 ]。

本文的貢獻主要在于：一是選用的研究方法更加嚴謹，在對科研績效的影響因素進行回歸分析時，作為因變量的效率值是經過測算后取得的，因而該數值更加合理。二是本文選取了2009—2015年共7年的面板數據進行測算，分別計算了63所教育部直屬高校科研的平均效率值，使結果更具客觀性，改善了以前研究采用截面數據而導致的研究結果易受偶然因素影響的缺陷。

二、高校科研績效的測算與分析

（一）樣本選擇與數據來源

本文選擇教育部直屬高校作為研究樣本，原因在于：從地域分布上看，教育部直屬高校分布于全國大部分省、直轄市和自治區，具有普遍代表性；從性質上看，這類高校既包含了綜合性院校，如清華大學、南京大學、復旦大學等，又有學科特色鮮明的高校，如北京林業大學、中國地質大學和中國礦業大學等；從科研實力上看，教育部直屬高校大多辦學歷史久遠，積累厚重，科研隊伍強大，實驗條件優越，信息資源豐富，科研管理相對規范，因而科研數據比較具有代表性。

基于數據的可獲得性、權威性以及可操作性等方面考慮，本文選擇《高等學校科技統計資料匯編》（以下稱《資料匯編》）作為數據來源。根據教育部官方統計資料，截至2015年12月31日，教育部直屬普通高校為75所。然而，由于《資料匯編》僅包含了64所教育部直屬高校的相關統計數據，其中一所院校缺失了部分數據，因此，本文最終確定的研究樣本數為63所高校。由于《資料匯編》2009年之前的數據存在缺失，所以本文選擇的時間跨度是2009年至2015年共7年。

（二）研究指標

為了能夠有效地對科研進行績效評價，所選投入與產出指標必須具有代表性、目的性和可比性，因此投入指標的選取主要從人力、財力兩個方面考慮，分別選取研究與發展全時當量人員、科研經費當年內部支出兩個指標。需要說明的是，高校科研的物力投入主要是設備投入，由于設備投入的報表數據為期末累計數，目前高校財務信息公開數據還不夠全面，物力指標搜集整理困難，而且對于很多高校而言，物力資源投入在一定時期內變動不大，所以很多評價指標體系的構建未選物力指標。產出指標選取專著數、國內外學術論文、鑒定成果數、技術轉讓當年實際收入、成果授獎項5個指標。

（三）實證分析

1.研究方法

高校科研績效是指科研資源消耗與科研成果的比較，即科研投入與產出比，需要采取科學的方法對高校科研績效作合理分析與評價，找出高校科研投入產出的不足，提高科研資源的利用效率。本文針對高校科研多投入多產出的特點選擇了數據包絡分析（DEA）方法中的CCR模型和BCC模型對教育部直屬高校的科研績效進行測算與比較分析，建立模型如下：

min？茲j∑Xi jλj+sj-=？茲x0∑Yr jλj-sj+=Y0∑n j=1λj=1，j=1，2，…，nλj≥0，s-≥0，s+≥0

式中n代表63所教育部直屬高校，假設每個決策單元有m項投入和s項產出，Xij表示第j個高校第i種類型的科研投入，Yrj表示第j個高校的第r種類型的科研產出（i=1，2，…，m；r=1，2，…，s）。？茲j為此模型的最優解，即綜合效率，λj（j=1，2，…，n）是目標決策變量，S-、S+為松弛變量。

CCR模型假設決策單元（簡稱DMU）可以通過增加投入等比例地擴大產出，測算出的結果是包含規模效率的技術效率（簡稱TE）。而BCC模型是在CCR模型中引入約束條件∑n j=1λj=1后所得的模型。BCC模型考慮了規模收益可變的情況，計算出的DMU技術效率分離出了規模效率（簡稱SE），因此得到的效率是純技術效率（簡稱PTE）。

技術效率（TE）和純技術效率（PTE）兩者相除即可得出各個DMU的規模效率（SE），即SE=TE/PTE，它是由企業規模因素影響的生產效率，反映的是實際規模與最優生產規模的差距。根據所選定的投入產出指標，就可以對高校的科研效率作出總體評價。

2.高校科研績效評價分析

應用DEA方法對本文選取的63所教育部直屬高校2015年的截面數據進行分析，運用MaxDEA軟件計算出各高校的科研效率和規模收益的得分情況，見表1。

表1中，63所教育部直屬高校的平均技術效率為0.71，平均純技術效率為0.81，平均規模效率是0.89，這三項指標的最高值都為1。

從表1數據分析可知，平均技術效率還有較大的改進空間。63所高校中，達到DEA有效的學校是15所，即24%左右的高校純技術效率和規模效率同時都為1，處于最佳規模狀態，科研資源得到了合理配置，規模收益不變，說明其高校科研投入產出相對穩定，投入利用適當；而非DEA有效的學校是48所，占所有高校的76%。48所非DEA有效的高校中，12所學校純技術效率為1，規模效率小于1，說明這些高校科研資源投入相對產出達到最大化，即他們處于規模收益相對穩定的階段，但由于投入、產出和最佳規模不匹配，可以通過調整規模來獲取最大效益。12所高校中只有1所高校的規模收益是遞增的，該學校可以增加科研投入使效率達到最優化，其余11所高校都是規模收益遞減的，這些高校應該重視增加產出來改善投入產出規模不匹配的現狀，避免因重復或是盲目擴大資源投入造成冗余，以期達到投入產出的最佳規模狀態。此外，在48所非DEA有效的高校中還有36所高校的純技術效率和規模效率值都沒有達到1，其中21所高校的規模收益是遞減的，15所高校的規模收益是遞增的，需要適度控制投入增長速度，加大產出激勵，以使這部分高校科研由規模無效變為規模有效。

那么應該如何調配非DEA有效的高校的現有資源，使其達到DEA有效？筆者通過MaxDEA軟件得出非有效決策單元在生產可能集上的投影，也就是調整投入冗余和產出不足。

從所研究高校科研投入冗余和產出不足的松弛變量來看，非DEA有效的大學都是既存在投入冗余又有產出不足，需要同時對投入和產出作調整。從各高校投入冗余松弛變量的比較來看，大部分高校在研究與發展全時當量人員指標上不存在投入冗余，只有5所高校存在投入冗余。“當年內部支出”指標上有6所高校產生投入冗余，其中一所高校的冗余量非常高。從各高校產出不足松弛變量的比較來看，各高校科研投入產出不足主要體現在鑒定成果數、技術轉讓當年實際收入、成果授獎項三個指標上。

三、高校科研績效影響因素的分析

為了進一步提高高校科研績效的潛力，本文對高校科研績效的影響因素進行了研究。

（一）研究假設

科學研究績效是反映高校在一定時期內的科研工作總體水平及其發展能力指標，通過科研資源投入、科研成果產出以及科研管理等方面體現出來，從宏觀角度來看，所有與科研投入產出相關的因素都可能對科研效率產生作用。根據高校的實際情況進行分析，人力與財力是影響科研投入產出最重要的因素。在當今經濟全球化、信息社會化的時代，國際科技交流和學校的科研創新能力對于科研績效的影響也至關重要。

1.人力資源

在人力資源方面，本文將副教授以上人數作為高校人力資源的代理變量，因為教師是開展科研工作、取得科研成果的主體，而副教授以上教師是高校的科研主力。汪曉春認為職稱比例結構是衡量教師整體素質的重要尺度，是反映教師隊伍科研水平的重要標志[ 11 ]。徐辰龍在研究地方高校教師人力資源對高校科研績效影響狀況時，將職稱因素作為一個影響變量，分析了不同職稱的教師對科研的貢獻[ 12 ]。近年來，高校充分認識到人才對于取得科研成果的重要性，通過內培外引，不斷改善師資結構，希望以此來提升科研績效。實踐證明高水平的師資隊伍對高校科研績效產生積極影響。因此，本文提出如下假設：

假設1：在其他條件不變的情況下，副教授以上人數與其當年科研績效正相關。

2.財力資源

在財力資源方面，本文選取科研經費撥入作為科研財力的代理變量。科研經費是高校開展科研工作的財力基礎，科研經費撥入是指高校獲得的縱向和橫向課題經費，縱向科研經費主要由政府財政直接撥付，橫向科研經費主要來源于承接的國內外企業技術開發、技術轉讓等項目經費[ 13 ]。孫敏認為科研經費是國家科學技術發展的基本保障，而高校作為開展科學研究的主力軍，從政府和企業獲得的科研經費資助逐年增加，科研經費逐漸成為高校資金的重要來源[ 14 ]。田東平等將科研經費作為科研績效的一個投入指標[ 2 ]。因此，本文提出如下假設：

假設2：在其他條件不變的情況下，科研經費撥入與其當年科研績效正相關。

3.對外合作

在對外合作方面，本文選取合作研究派遣人次作為其代理變量。加強國際交流與合作是加快高校與國際接軌、拓寬教師視野、提高教師科研能力、打造高水平科技創新團隊的有效途徑，是增強高校科技競爭力的重要手段。賈明春將合作派遣人次作為國際科技交流的代理變量，探討了它與高校科研績效二者之間的相關性[ 9 ]。因此，本文提出如下假設：

假設3：在其他條件不變的情況下，合作研究派遣人次與其當年科研績效正相關。

4.創新能力

在創新能力方面，本文選取專利授權數作為其代理變量。因為自主創新是推動國家經濟發展的重要推動力，而知識產權是自主創新的基礎和衡量指標，專利又是知識產權的重要組成部分。李自香認為，專利作為最先進技術的載體，已成為科學技術發展的重要指示器，是衡量企業自主創新能力的重要依據[ 15 ]。楊娟在技術創新與企業績效關系的實證研究中，將專利授權數作為技術創新的一個衡量指標[ 16 ]。因此，本文提出如下假設：

假設4：在其他條件不變的情況下，專利授權數與其當年科研績效正相關。

（二）模型假設

最終，本文構建了如下回歸模型：

TE（i，t） = ？茁0 + ？茁1（FJS）（i，t） + ？茁2（JF）（i，t） + ？茁3（PQ）（i，t） +

？茁4（ZL） （i，t）+？著（i，t）

此模型中，因變量為教育部直屬高校的技術效率，自變量有4個，分別是副教授以上人數、科研經費撥入、合作研究派遣人次、專利授權數（見表2）。？茁0為截距，？著為隨機誤差項。研究選取了2009—2015年63所教育部直屬高校的數據，即63個截面單元7年內的時間序列數據，樣本觀察點共441個。

（三）描述性統計

對63所教育部直屬高校的技術效率以及影響因素進行描述性統計分析，結果如表3。

每所高校的科研績效理論滿分是1分，實際測算出的科研得分最高是1，最低是0.16，由此可見，所研究高校的科研績效水平存在明顯差距。同時，在影響因素方面，4個影響因素全距較長，即最大值和最小值的絕對差較大，科技經費撥入的全距超過43億元。同時還計算了各個指標的標準偏差（見表3），也可用來分析高校的科研績效水平差異。

（四）研究結論

本文的被解釋變量在0和1之間，屬于受限變量，因此選擇Tobit回歸模型。為減少異方差和序列相關性所帶來的影響，筆者將4個解釋變量取對數后進行參數估計。檢驗工具為Stata，回歸結果見表4。

由表4可知，從回歸方程的系數和顯著性可以看出，4個自變量顯示了不同的結果。4個自變量中，副教授以上人數、合作研究派遣人次和專利授權數與科研績效呈正相關，并且專利授權數在0.01水平上顯著正相關，因此假設1、假設3和假設4成立；而科研經費撥入在0.01水平上與科研績效呈顯著負相關，因此假設2不成立。

近年來各級政府都加大了科研經費投入，高校來自于企業的科研項目經費不斷增多，但是高校在科研管理中還存在著“重申請，輕管理”的現象，而且科研經費來源日益多元化，科研項目和經費管理目前通常采用的是“項目負責人”制度，客觀上加大了科研管理的難度[ 17 ]。同時，目前高校還沒有建立起科研成本核算體系[ 18 ]，也缺乏統一的績效評價指標，科研管理制度也有待進一步完善等，這些都是科研資源未能達到理想配置效率的原因所在。

四、建議

根據以上研究結論提出如下建議：

1.高校在科學研究和科研管理中應提高效率意識，在重視科研項目數、到款額等數量指標的同時，更要關注科研所產生的成果數量與質量。

2.科研工作離不開人才的支撐，高校應加大引進人才的力度，重視師資隊伍的培養，強化科研團隊建設，優化師資結構，做好科研服務，營造良好的科研氛圍，幫助教師提高科研能力，促進他們多出成果，出高水平成果。

3.高校應加強國際科技合作與交流，盡可能讓更多的教師參與到國際交流中，使科研人員能及時了解世界科技和學術前沿，拓寬教師的學術視野，提高教師的科研素養，為學校科技創新水平整體提高奠定良好基礎。

4.高校應制定合理的激勵政策，不能簡單地讓教師多拿課題，多發論文，而應該鼓勵科研人員積極創新，多出高水平的成果，腳踏實地的為企業、為社會服務，促進高校科研績效大幅度提高。

【參考文獻】

[1] THURSBY J G. What do we say about ourselves and what does it mean？ Yet another look at economicsdepartment research[J]. Journal of Economic Literature，2000，38（2）：383-404.

[2] 田東平，苗玉鳳.基于DEA的我國高校科研效率評價[J].理工高教研究，2005（4）：6-8.

[3] 王禹超.研究型大學科研創新能力評價指標體系研究[D].華中師范大學碩士學位論文，2013.

[4] SUN S. Assessing computer numerical control machines using data envelopment analysis[J].International Journal of Production Research，2002，40（9）：2011-2039.

[5] REICHMANN G，SOMMERSGUTER-REICHMANN M.University library benchmarking：an international comparison using DEA[J].International Journal of production Economic，2006，100（1）：131-147.

[6] WANG YINGMING，CHIN K S.A neutral DEA model for cross-efficiency evaluation and its extension[J].Expert systems with Applications，2010，37（5）：3666-3675.

[7] 王麗娜.高校科研效率研究：以江蘇省為例[J].科技管理研究，2012（11）：127-131，139.

[8] 賈明春，張鮮華.高校科研績效影響因素分析及對審計工作的啟示[J].審計研究，2013（3）：28-33.

[9] 郭際，吳先華，吳崇.基于DEA-Tobit模型的我國高校科技投入產出績效評價及政策啟示[J].科技管理研究，2013（23）：65-70.

[10] 李燕萍，許穎，吳紹棠.不同省域科研投入產出效率及其影響因素的實證研究[J].經濟管理，2011（2）：23-30.

[11] 汪曉春.高校教師人力資本結構對其科研績效影響的差異性研究[D].暨南大學碩士學位論文，2009.

[12] 徐辰龍.地方高校教師人力資本對科研績效影響狀況分析[D].四川師范大學碩士學位論文，2013.

[13] 李海濤，徐磊.對高校科研經費管理體制及運行機制的思考[J].會計之友，2013（12）：109-111.

[14] 孫敏.內部審計對高校科研經費績效影響的實證研究[D].北京交通大學碩士學位論文，2014.

[15] 李自香.基于專利分析的企業自主創新效率評價研究[D].山東大學碩士學位論文，2014.

[16] 楊娟.技術創新與企業績效關系的實證研究[D].西南財經大學碩士學位論文，2014.

[17] 歐陽紅忠.完善高校科研經費管理的思考[J].常州大學學報（社會科學版），2013（1）：85-88.

[18] 王紅，李曉冬.高校縱向科研經費成本籌劃及政策問題研究[J].會計之友，2015（24）：75-78.