“雙一流”建設高校科研效率及其變化

宗曉華 付呈祥

摘要：科學合理地評估高校科研效率，并據此優化高校科研資源配置，進而提高科研效率，是落實“雙一流”建設方案“績效評價、動態支持”要求的重要路徑。選取教育部直屬“雙一流”建設高校，構建突出科研質量和貢獻度的指標體系，使用超效率BCC模型和Malmquist模型方法，分析2010—2015年間高校的科研效率及其變動。研究發現：樣本科研效率整體偏低，科研效率雖有提高但速度緩慢，導致科研效率提高的主要因素是科研管理效率提升和規模效率增加，但規模效應趨于衰減。中西部地區高校由于經費投入不穩定，科研效率波動較大，大理類高校科研效率持續降低。未來應主要通過提高科研管理水平和創新科研生產技術來提高科研效率，擺脫對要素投入驅動的過度依賴;同時加強對中西部高校穩定持續的經費投入，改進經費與人力資源的匹配度，優化大理類高校的學科結構。

關鍵詞：“雙一流”建設高校;科研效率;科研評價;超效率DEA;Malmquist指數

中圖分類號：G644???文獻標志碼：A???文章編號：1008-5831（2020）01-0093-14

一、研究背景與思路

隨著經濟結構的轉型升級和創新驅動戰略的深度實施，高校的科技創新及其對社會經濟發展的貢獻受到前所未有的重視，國家對高校的科研投入快速增加。據科技部和教育部聯合發布的《中國普通高校創新能力監測報告2016》顯示，2015年我國高校R&D經費支出達998.6億元，是2006年的3.6倍;高校R&D人員全時當量為35.5萬人年，比2006年增長46.7%，居世界第一。高校SCI論文發表達到22萬篇，比2006年增加了1.68倍 [1]。由高校牽頭的重大科技攻關任務取得了舉世矚目的成就，服務國家需求和經濟發展的能力顯著增強。例如，由高校牽頭研制的高鐵項目已經助力我國高鐵走向世界。然而，高校科研產出的增加是否僅僅由于大規模的科研投入驅動，還是科研效率也得到了顯著的提高？哪些高校科研效率更高，哪些高校科研效率提高的速度更快？這些問題不僅是重要的理論問題，而且也是當前落實“雙一流”建設政策緊迫的現實問題。我國“雙一流”建設總體方案要求，要形成基于績效評價的動態調整與激勵約束機制。相比于教學活動來說，高校的科研效率評價存在更多的顯性指標和可選方式，然而在開展評價時仍會面臨一些理論和技術上的挑戰，例如在評價指標選取上如何在學術優先和服務經濟社會發展之間權衡[2]，在評價標準與模型設定上如何在統一評價標準和學科結構多樣化之間折衷[3]，等等。這些問題與矛盾都必須在制定“雙一流”建設大學科研績效評價與撥款機制時給予充分的討論和深入的研究。

目前關于高校科研效率的評價主要采用加權產出與加權投入之比的計量邏輯來衡量。根據確定權重方法的不同，又可分為統計方法和數學規劃方法。前者主要應用因子分析方法確定權重，整合各種要素投入得分[4]。后者主要采用數據包絡分析（DEA）和隨機前沿分析（SFA）來測量。其中，DEA及其擴展模型因其預設條件少，易于操作，在高等教育效率評價方面的應用日益廣泛[5]。使用DEA方法來分析我國大學科研生產效率的研究也逐步增多，關注的重點從靜態評價轉向動態評價，使用的模型也日趨復雜[6-9]。

總體上看，目前使用DEA模型評價高校科研效率的相關文獻存在以下不足：第一，由于數據可獲得性等原因，評價指標體系較為簡單，多關注科研數量指標如論文發表量等，對于科研質量指標如引用率等涉及較少，更重要的是，缺乏科研產出的社會經濟影響指標;第二，評價過程中對于高校內部的學科結構差異和外部的經濟社會環境關注較少，評價結果對于一些高校來說有失公允。

鑒于此，本文試圖從以下幾方面改進研究工作：（1）構建以質量為中心、以科研貢獻度為重點，相對全面的科研產出的指標體系，包含高質量科研論文、科研成果獲獎以及科研服務社會三方面;（2）將樣本高校根據學科構成劃分為綜合類和大理類

大理類高校32所，綜合類高校27所，具體劃分方法可參見袁振國等人于2013年發表的論文。，分別計算不同類型高校的科研效率，并根據不同的模型進行分解，還原不同類型高校的真實效率值;（3）為了探究不同類型高校的科研效率變化情況，通過將樣本高校分為東、中和西部三個地區，進行分地區評價。

需要說明的是，由于資料獲取具有較大難度，本文采用2010—2015年樣本高校數據進行處理和分析，但并不影響對總體情況和規律性的把握。

二、計量模型和方法

Charnes等[10]提出DEA-CCR模型，解決決策單元排序問題，但是該模型假定生產規模不變，與實際生產過程不符。因此，學者通過增加凸性約束?nj=1λj=1（λ≥1），形成了DEA-BCC模型[11]，使投影點的生產規模與被評價的決策單元（DMU）的成產規模處于同一水平，從而可以計算規模可變情況下的效率。以上兩個模型的不足之處在于，如果多個單元處于前沿面，那么這些有效單元的效率值就都是1，無法再進行比較。為解決這一問題，Anderson 和 Petersen提出超效率模型（Super Efficiency Model，SE），通過在標準效率DEA模型中加入了j≠k的條件限制，將被評價DMU從參考集中剔除。也就是說，被評價DMU的效率是參考其他DMU構成的前沿得出的，有效DMU的超效率值一般會大于1，從而可以對有效DMU進行區分[12]。然而，在產出導向VRS徑向超效率模型中，存在無可行解的情況。針對此，學者Chen J-X等人提出了一般化導向VRS徑向模型[13]：

min1-wIα1+w0β;

s.t.?nj=1，j≠kλjxij≤[1-f（wI）α]xik;

nj=1，j≠kλjyrj≥[1+f（wo）β]yrk;

nj=1，j≠kλj=1

α≤0，β≤0，λj≥0;

i=1，2，…， m; r=1，2，…，q; j=1，2，…，n（j≠k）;wI+wo>0，wI≥0，wo≥0

f（w）=0， if w=01， if w>0

在公式中，k為有效DMU，α代表投入等比例縮減的程度，β代表產出等比例增加的程度。WI和WO為模型的兩個參數，分別表示投入導向和產出導向的權重，當兩個參數均大于0時，模型不存在無可行解的情況，DMU的效率值為（1-α）/（1+β）。該模型的提出為比較處于生產前沿面上的決策單元效率差異提供了有效的解決思路。

超效率DEA模型能夠評價高校間的科研投入—產出的相對效率，但是這種效率是一種靜態效率，如果要進行跨年份動態比較，還必須引入評價跨期動態效率變化的曼奎斯特生產率指數（Malmquist Index，簡稱MI）。Malmquist生產率指數由瑞典經濟學家曼奎斯特于1953年提出[14]，Fre最早使用DEA方法計算Malmquist生產率指數，并將其分解為兩個方面：一是被評價DMU兩個時期內的技術效率變化（Technological Efficiency，TE），即資源配置和使用效率，反映決策單元的實際產出與最優前沿面的距離，當TE>1，表示在該時期內，組織管理水平提高導致組織效率提高，出現追趕效應，反之則下降;二是生產技術進步（Technological Change，TC），即最優前沿面的向外擴展，在同樣的要素投入情況下，潛在產出量得到提高，實際上是出現了技術創新和進步，即創新效應[15]。Fre等人又進一步將EC分解成純技術效率變化（PEC）和規模效率變化（SEC）[16]，Zofio的研究則更進了一步，將生產技術進步分解成純技術變化（PTC）和規模技術變化（STC）[17]。最后分解出來的公式是：MI=TE*TC=PEC*SEC*PTC*STC。使用Malmquist指數分解，可以明確組織生產效率變化產生的具體原因，并且該指數通過跨年份動態數據計算，具有穩定性等優勢。具體指數模型如下：

MI（yt+1，xt+1，yt，xt）=Dt+1（xt+1，yt+1）Dt（xt，yt）Dt（yt+1，xt+1）Dt+1（yt+1，xt+1）.Dt（yt，xt）Dt+1（yt，xt）1/2

三、評價指標選擇與數據處理

（一）評價指標選擇

DEA方法對指標變量選擇較為敏感，隨著模型所選擇指標變量的增加，前沿面上的決策單元數上升，會影響估計精度，因此投入指標、產出指標選擇的合理性是確保運用 DEA 模型評價高校科研績效科學性的關鍵。目前并沒有關于高校科研指標體系構建的統一標準，一般而言，高校科研指標體系的選取不應該過分看重全面性，應當向科學性、可比性等原則傾斜[18]，科學性原則意味著指標選取時應該處理好質量和數量的關系、處理好國內數據和國外數據的關系、平衡自然科學和社會科學的關系[19]。以科研質量和貢獻度為導向的科研效率評估，有利于改進科研人員及管理者的價值觀念，進而促進高校科研質量，推動高校追求內涵式發展。基于以上原則，本研究選取2項科研投入指標和14項科研產出指標，其中產出指標涵蓋科研論文、科研獲獎、社會服務三個維度。由于科研產出指標涵蓋較廣，目前僅能搜集到教育部直屬高校的完整數據。剔除較為特殊的藝術語言類高校，如中央美術學院、中央音樂學院等，最終參與效率評價的高校為59所。這些部屬高校均為“雙一流”建設高校;其中一流大學建設高校32所，一流學科建設高校27所。

1.科研投入及其分布狀況

“人”“財”“物”投入是科研效率評價的主要投入要素，其中物力資本主要是財力投入長期積累而成，屬于存量概念，短期內相對較為穩定。本研究選取專任教師數量作為高校科研的人力投入變量，選取研發經費當年總支出為財力投入變量。專任教師是高校科研生產的主力軍[20]，經費是科研活動的經濟保障。

從專任教師投入來看，各校之間教師規模差異巨大，其中吉林大學專任教師人數最多，2014年為4 817人，其次為四川大學和山東大學，專任教師人數均在4 000人以上。但是，有些高校專任教師規模很小，北京林業大學和北京中醫藥大學等7所高校的專任教師人數在1 500人以下。其中，中國藥科大學2014年專任教師人數僅為884人，不足吉林大學的1/5。樣本高校專任教師總人數由131 187人增加至139 385人，年均增長率僅為1.53%，各高校專任教師規模都比較穩定。

從科研經費投入來看，樣本高校科研經費投入水平較高，且增長較快。2010年科研經費投入總額為275.46億元，2014年增到了361.44億元，年均增幅為7.05%。根據《2015年高等學校科技統計資料匯編》統計，2014年全國1 146所高校研發經費投入總額825.05億元，樣本高校的研發經費為361.44億元。也就是說，59所樣本高校獲得了總科研經費的40.24%。然而，這些高校內部科研經費規模差異卻十分顯著。科研經費最多的清華大學，2014年的研發經費投入為29.19億元，是投入最少的北京中醫藥大學（0.22億元）的132倍。投入經費在5億元以下的高校有31所，其中有10所高校經費不足2億元，投入經費在5億元～10億元之間的高校有20所，投入10億元～15億元的高校有5所，投入高于15億元的高校為3所。

從師均研發經費來看，經費最多的高校為清華大學，2014年的師均研發經費是87.59萬元，是經費最少的北京中醫藥大學（2.04萬元）的42.94倍。這里采用基尼系數來衡量各高校之間的經費差異程度。基尼系數是國際上通用的用以衡量收入差距的常用指標。2014年樣本高校的師均科研經費基尼系數值為0.44，說明各高校之間的科研經費分配差異極大，極少數高校占據了大部分科研經費。

從研發投入的區域分布來看，東部地區、中部地區和西部地區高校人員與經費的投入差異巨大。東部地區高校校均專任教師相對最少，2014年校均專任教師2 186人，年均增長為1.57%。但是東部地區高校科研經費投入最多，校均科研經費由2010年的4.96億元逐漸增長為2014年的6.97億元，年均增幅達到了8.90%，增速較為穩定。中部地區高校校均專任教師數量最多，2014年校均專任教師人數為2 582人，年增長率為0.78%;校均科研經費增長呈現先上升后下降的趨勢，年均增長率為4.79%。西部地區高校校均專任教師2014年為2 500人，年增長率為2.29%;校均科研經費呈現增長和下降的交替趨勢，整體增長率為2.24%。具體情況參見圖1和圖2。

從圖1、圖2可以看出，中西部地區高校專任教師規模相對穩定，但研發經費波動幅度較大，且有些年份出現負增長情況，兩項投入要素之間的匹配度不高。例如，中部地區高校2012年科研經費校均投入為4.88億元，而2013年卻下降為4.67億元，降低幅度為4.50%;西部高校2011年校均科研經費為4.38億元，2012年卻下降為4.06億元，下降幅度為7.90%。

2.產出指標選取及描述

在科研產出方面，為了充分體現質量和效益導向的原則，本研究選取科研論文、科研獲獎和社會服務三個維度14項產出指標。

（1）科研論文。科研論文是高校科研產出的標志之一。本文采用基本科學指標數據庫（Essential Science Indicators，簡稱ESI）的論文總量以及被引量作為重要的質量指標，數據采集時間為2017年7月16日。由于ESI主要收錄國際期刊發表論文，且理工科較多，為此，本研究選取中文社會科學引文索引（CSSCI）論文指標，以反映國內哲學社會科學研究成果。樣本高校2011—2015年間ESI論文總數為242萬篇，總引用量達到了1 173.58萬次，并且論文總數和總被引用量呈現高速上升態勢，年均增長幅度分別達到了15.27%和25.62%;高影響論文（Top論文）是指ESI論文中的高被引用論文和熱點論文，是學術影響力和學科評估的重要指標。通過分析可知，高影響論文數量呈現高速增長的趨勢，年均增長幅度為22.43%。值得注意的是，高影響論文的引用率雖然年均增長5.29%，但是增幅卻越來越小，這也顯示出雖然高被引論文數量增加，但可持續性堪憂。樣本高校的C刊論文發表數量一直呈下降趨勢，年均下降幅度為0.91%，這也反映了這些部屬重點高校已經更多傾向于質量導向而非數量導向，且越來越注重國際期刊論文發表。

（2）科研獲獎。國家自然科學獎、國家技術發明獎和國家科技進步獎是國家科技最高獎項，代表著我國在科技領域最高的榮譽。獲得該獎項表征著國家和社會對該項科技成果的充分肯定。目前，不同的高校對三大獎的不同等級給予不同的獎勵，其中北京大學的做法較為典型，并被很多高校借鑒，本文亦采取這種方法，分別賦予三大獎中一等獎（包括特等獎）權重為1，二等獎權重為1/2，三等獎權重為1/4[21]。同時選取人文社會科學省級和部級獎勵作為科研獲獎的另一個重要二級指標。具體來看，2011—2015年間，樣本高校共獲得國家自然科學獎161項，其中一等獎7項;獲得技術發明獎共180項，其中一等獎8項;獲得國家科技進步獎551項，其中特等獎8項，一等獎46項;獲得人文社會科學部級和省級獎分別為1 352項和3 223項。高校獲獎數量每年都不一樣，且呈現無規律波動狀態，這也顯示出科研創新的高度不確定性。

（3）社會服務。社會服務作為高校科研的另一項重點，應該得到重點關注。樣本高校在2011—2015年間，共有10 171份研究報告被采納，獲得專利授權139 636件，技術轉讓獲得收益總額為69.98億元，專利出售金額為11.19億元。研究報告數量呈現先減少、后增加的態勢，平均年度增幅為8.05%;而專利授權數量整體呈快速增長趨勢，平均年度增幅達到了15.45%;技術轉讓收入呈現逐年下降趨勢，從2012年度開始為負增長，平均年度增幅-2.69%;專利出售呈現較強的波動性，平均年度增幅為1.85%。

（二）數據處理

根據Golany和 Roll實證研究發現，參與評價的DMU個數至少應該是投入和產出項目數量之和的兩倍，科研投入和產出指標需要盡量精簡[22]。由于本研究選取的產出指標較多，為了進一步降維，先對各項指標使用極值法進行標準化處理，然后采用學界較為常用的熵值法賦權對各維度內的指標進行加總[23]。

考慮到科研存在滯后性，根據同類研究，將產出數據前置一年[24]，即2010年的投入，對應2011年的產出，并以此類推。因此，本文的數據即2010年至2014年的投入數據，對應于2011至2015年的產出數據。樣本高校數據主要采集于歷年的《教育部直屬高校統計資料匯編》《高等學校科技統計資料匯編》以及Web of Science學術發表與引文數據庫。

四、實證分析與結果討論

實證研究分兩步進行：第一步是靜態效率評價，根據DEA-BCC模型，使用Maxdea7.0軟件，計算大學科研效率得分，并進行超效率分解，計算出在數據包絡前沿面的決策單元的效率;第二步是動態效率評價，根據Malmquist模型，對各高校的科研動態效率進行計算并分解，并對不同地區和不同學科類型高校進行差異分析。

（一）高校科研靜態效率分析

使用投入導向的BCC模型和超效率模型，應用Maxdea7軟件對2010—2015年樣本高校的科研效率進行測度，結果見表2。表2中，TE是指技術效率，表示對決策單元的資源配置能力、資源使用效率等的綜合衡量與評價。PTE是純技術效率，是制度完善和管理水平提升帶來的效率，它與技術效率的區別在于計算純技術效率時沒有考慮規模效率因素。SE是規模效率，是指在制度和管理水平一定的前提下，現有規模與最優規模之間的差異。RTS是規模收益情況，規模收益遞增說明決策單元應該擴大規模;反之，規模收益遞減，決策單元則應縮減規模。Super是相應的超效率值（表2中的下標s），各效率指標之間的關系是：TE=PTE*SE，TE_s=PTE_s*SE_s。

從靜態DEA-BCC模型來看，技術效率平均值為0.545 6，純技術效率平均值為0.727 7，規模效率平均值為0.713 9，說明59所直屬高校整體技術效率比較低。其中，10所高校技術效率達到了1，構成了技術效率的前沿面，分別為北京大學、中國人民大學、清華大學、北京師范大學、南開大學、復旦大學、南京大學、華中師范大學、西南大學和陜西師范大學。西安交通大學、武漢大學、中山大學、中國藥科大學和北京中醫藥大學的純技術效率雖達到了1，但是受規模效率的影響，技術效率沒有達到最佳狀態。

通過超效率模型對BCC模型的分解，原來處于前沿面的高校效率值得到進一步的計算和排序。結果顯示，清華大學真實的技術效率值是2.8740，居首位，其次是西南大學（1.8832）和中國人民大學（1.7650）。純技術效率排序發生了較大變化，純技術效率的超效率最高的是北京中醫藥大學，達到4.6745，但是由于其規模效率太低，因此整體效率不高。

從以上BCC模型和超效率分解模型來看，樣本高校的整體技術效率并不高，BBC模型下的靜態效率均值僅為0.55，超效率模型下的均值為0.62，說明很大部分高校的效率距離最優效率仍有很大差距。羅杭、郭珍等相關實證研究顯示，部屬高校的科研效率均值為0.74[25]，相比之下，本研究中樣本高校的得分更低。

超效率分解模型也顯示，一些高校科研效率不高主要是由純技術效率較低所導致，例如吉林大學（0.37）、東北大學（0.38）就是如此，僅有13所高校的純技術效率大于1;一些高校科研效率不高主要是由規模效率較低所致，例如北京中醫藥大學（0.07）、北京交通大學（0.28）和長安大學（0.30）就是如此，僅有1所學校規模效率大于1。規模效率低的原因可分為兩種情況：一種是投入規模過大，已經進入規模收益遞減階段，例如清華大學、北京大學、復旦大學、武漢大學和中山大學等;一種是投入規模不足，仍處于規模收益遞增階段，如南京大學、北京師范大學、南開大學等。由于本研究使用兩項投入指標，具體是何種因素投入過度或不足，要視其效率評價的參照院校（benchmark）才可甄別。例如，南京大學的參照院校是北京大學、清華大學、復旦大學和中國藥科大學。由于參照院校信息較為龐大，這里不再贅述。

規模收益是指組織內部各種生產要素按相同比例變化時所帶來的產出變化，如果產出變化大于投入變化的比例，則稱之為規模收益遞增，反之為遞減。通過超效率分解，2014年樣本高校中，處于規模收益遞增階段的高校為48所，占比為81.36%，規模收益遞減的高校為11所，占比為18.64%，說明目前我國大部分高校的投入為有效投入。通過分析不同高校專任教師投入（圖3）和師均科研經費投入（圖4）對高校科研規模收益影響情況來看，專任教師規模在2 500人以下的高校和師均經費在40萬元以下的高校，大部分都處于規模收益遞增階段。

（二）高校科研動態效率分析

為測算樣本高校科研效率的變動情況，筆者選取投入導向的全局參比Malmquist指數（Global Reference Malmquist）模型進行分析。全局參比的集合是基于所有DMU所有年份的投入—產出數據構造技術前沿面來進行效率評價的，該模型可以有效處理規模收益可變情況下模型不可解的問題。具體結果參見表3。

2010—2015年度科研效率的增長率MI平均值為1.033 7，年均增長率為 3.37%，說明科研效率處于增長態勢。從具體分解來看，首先，技術效率的均值為1.031 8，即由于資源配置和使用效率改進等原因導致生產效率年均增幅為3.18%。其中，純技術效率均值為1.035 9，但是年度變化不穩定，先升后降，呈現拋物線型結構，到2013—2014年度，純技術效率出現倒退現象。規模效率年平均值為1.073 2，即由規模效率導致的生產效率進步年均為7.32%。然而，規模效率的貢獻呈現逐年衰減的趨勢，說明投入規模增加的邊際收益出現遞減，規模驅動的增長之路不可持續。其次，年均技術進步的均值為1.018 2，即每年由于科研生產技術創新和應用水平提高所引致的生產效率提高為1.82%，遠低于管理效率改進對科研效率提升的貢獻度。這說明樣本高校對原有的科研生產技術和生產手段的改進不夠，推進科研效率前沿面擴展比較緩慢。其中，推動技術進步的主要因素是規模技術變化，純技術進步的貢獻度僅為每年0.47%。

具體到單個高校來看，2010—2015年間，處于科研效率遞增階段的高校為45所，占比為76.21%，13所高校處于科研效率遞減狀態，占比為22.03%，1所高校處于科研效率不變狀態。其中，效率增長最快的3所高校是西安交通大學、西南大學和武漢大學，年度平均增長率均超過15%。效率下降幅度最大的3所高校為華東理工大學、北京林業大學和華東師范大學，年均效率降幅超過5%。

根據影響高校科研效率的不同因素，將高校分為技術效率主導型和技術進步主導型兩類。技術效率主導型是指技術效率的年均增長速度高于技術進步的增長速度，即該校的科研效率增長主要由管理水平提升和規模效益改善導致;反之則稱為技術進步主導型，即該校的科研效率增長主要通過改進科研生產技術、采用新的科研裝備而導致。從表4可以知道，在科研效率遞增的高校中，43所屬于技術效率主導型，16所為技術進步主導型。科研效率遞減的高校中，除華東理工大學、北京林業大學和長安大學外，主要是因為技術效率降低造成科研效率下降。

總體來看，東、中、西部高校的Malmquist指數均呈現先遞減后升高的態勢，其中2013—2014年度是Malmquist指數的最低值（0.996 4）。從政策背景和數據分析來看，2012年中共中央、國務院出臺了《關于深化科技體制改革 加快國家創新體系建設的意見》（中發〔2012〕6號），提出要推進高校科研體制機制改革，建立分類科研管理制度和運行機制，同時加大科研投入力度，提高科技進步貢獻率。2013年預算執行年度由于要落實政策精神，推進管理體制改革，大幅增加了經費投入，但短期內人員投入很難跟上和匹配到位，導致科研效率下降。

從各地區來看，東部地區高校科研效率進步較為緩慢，但非常穩定，MI指數最低的年份也大于1（1.002 4）。這與東部高校整體發展水平有關，東部地區高校經費和人力資源較為充足，科研效率整體較高，進步雖慢，但持續性和穩定性很強。西部地區高校科研效率波動幅度較大，2013—2014年度效率下降顯著，2014年后西部高校科研效率又大幅上升，當年的Malmquist指數為1.140 34，即該年度西部高校平均比上年度效率增加14.03%。這次波動的原因可能是政策實施形成的沖擊。2013年，教育部、國家發展改革委、財政部制定了《中西部高等教育振興計劃（2012—2020年）》提出要加大中西部地區高校投入，在經費和人才引進等方面予以優惠。正如本文圖1、圖2所顯示的那樣，西部高校的經費投入短期內得到大幅提升，但是人員投入并沒有適應性擴大，這種不匹配是導致當年科研效率下降的潛在因素。中部地區的科研效率雖然也在2013—2014年度出現波動，但是之后的恢復力度并不大，中部高校崛起似乎有后勁不足之憂。具體情況可見圖5。

從不同類型高校的科研效率來看，大理類高校科研效率的增速逐年下降，而綜合類高校雖然在2013—2014年度有所波動，但是總體上呈上升態勢（圖6）。具體而言，理工類高校2010—2015年度平均MI值大于1，說明該類高校科研效率一直在增長，但是年均MI指數呈現逐年下降趨勢，說明大理類高校科研效率增速越來越慢，到了2014—2015年度，MI指數為0.98，出現了科研效率下降的情況。這一研究與之前專門針對理工類“985”大學效率評價的結論相似[26]。大理類高校科研效率水平下降主要有以下兩方面的原因。首先，由于我國理工類高校普遍忽視社會科學和人文學科的發展，學科結構的偏狹可能制約其整體效率的提高。隨著知識分化越來越嚴重，科研領域的重大突破往往依靠大型跨學科團隊合作完成，顯然理工類院校較為單一的學科結構越來越難以滿足集成創新和協同創新的需求。其次，科研效率計算主要是遵循加權產出與加權投入之比的邏輯，理工類院校投入巨大，而科研產出具有不確定性，科研貢獻也難以精確測度，由此在投入-產出效率評價中可能會處于劣勢。

綜合類院校2010—2015年平均MI值大于1，說明該類高校效率也一直在增長，但是年均MI波動比較明顯，2010—2011年度MI值小幅上升，然后下降，到2013—2014年度，MI值僅為0.98，隨后急劇攀升至1.11，即該年度科研效率以比上年增加11%。MI值波動說明綜合類高校科研活動相當活躍，但是科研生產存在不穩定性。

五、主要結論與政策涵義

通過對2010—2015年度部屬“雙一流”建設高校科研效率的實證分析可以發現：（1）樣本高校的科研效率整體水平不高，科研資源并沒有得到充分、有效利用，科研效率仍有很大的改進空間。導致相關高校科研效率較低的原因，既有管理效率不高的因素，也有規模效率不高的因素;（2）雖然樣本高校科研效率整體不高，但是總體上呈現上升趨勢。多數高校科研效率的提高是依靠科研管理效率的改進和規模調整實現的，只有很少一部分高校依靠科研技術創新提高科研效率。（3）東、中和西部地區高校科研效率存在較大的差異。東部地區科研效率增長比較穩定，但是中、西部地區高校科研效率波動比較大。大理類高校的科研效率總體上低于綜合類高校。

根據實證研究結論，提出以下三點政策建議。

（一）改變高校科研評價中的“四唯”傾向，建立更為注重科研質量和效益的評價指標體系

與以往使用部屬高校數據評價科研效率的結果不同，本研究中樣本高校的科研效率得分均值更低。究其原因，之前相關研究往往使用科研論文、著作等量化指標，評價維度相對單一，過于注重數量規模，而本研究構建的評價指標更為注重科研產出的質量和社會經濟影響，更加注重人文社科的產出及其貢獻;即使在科研論文方面，也采取高影響論文及其引用量等指標，體現“代表作”理念。在這套評價指標體系下，部屬“雙一流”大學的科研效率表現不佳、得分更低，這也從側面說明當前很多高校在科研評價導向上仍然存在較為嚴重的“四唯”問題。未來“雙一流”建設成效評估中，應建立更加注重科研質量而非數量、更加注重社會經濟貢獻等效益取向的績效評價指標體系，引導高校樹立更為科學的科研價值取向。

（二）加大高校在資源配置和使用上的自主權，激勵高校提高科研管理效率，推動科研組織和技術創新

高校科研效率進步相對緩慢，而且更多地依靠更為嚴格的管理和規模調適來完成，而非科研生產技術的創新和進步。從發展趨勢來看，高校的規模效率呈現明顯的下降趨勢，說明規模擴張的收益空間將會越來越小。未來需要更多地依靠改革科研管理方式，改進和創新科研生產技術來提高科研效率，而這都需要進一步擴大高校在資源配置和使用上的自主權，加大“放管服”政策落實力度，激勵高校和一線科研人員的主動性和創造性。改進和創新科研生產效率，不同高校面臨的約束差異較大，既有實驗設施設備不夠前沿和精良的因素，也有科研人員專業素養和能力不足的因素，更有高校利用其他科研機構、企業等外部互補資源機制不健全的因素。如何在新一輪科技革命浪潮中更新高校自身科研生產方式和技術，并將高校的科研創新成果向現實生產力轉化，需要不斷突破慣性較強的相關文化理念和體制機制的限制。

（三）對處于不同區域、不同類型和不同規模報酬階段的高校，采用差別化的支持政策

相對于東部高校而言，中西部高校科研效率的穩定性不足，科研資源匹配度較差，這也凸顯中西部高校“雙一流”建設的難度。地處中西部地區的部屬高校，來自地方的支持有限且不穩定;即使經費或科研設施等條件配備到位，有時領軍人物甚至整個科研團隊的“孔雀東南飛”也會導致科研效率的下滑。對于中西部地區的“雙一流”建設，既需要在經費投入上予以傾斜，更要建立更為良性的學術生態和制度環境，以保持科研隊伍的穩定性，提高科研資源配置效率和使用效率。大理類高校科研效率整體較低，需要進一步優化學科結構，在保持傳統學科競爭優勢的同時，培育跨學科和交叉學科等前沿性生長點，提升集成創新能力。雖然我國高等教育整體上已進入內涵式發展階段，但對處于規模報酬遞增階段的高校，則應在優化結構和精益管理的基礎上，適度擴大資源投入規模;對于已經進入規模報酬遞減階段的學校，應考慮適當“瘦身”。參考文獻：

[1]科技部，教育部.中國普通高校創新能力監測報告[EB/OL].（2017-10-12）[2018-06-20].http：//www.moe.gov.cn/s78/A16/moe_789/201710/t20171012_316131.html.

[2]BENNER M，LIU L，SERGER S. Head in the clouds and feet on the ground： research priority setting in China[J].Science and Public Policy，2012，39（2）：258-270.

[3]MINGERS J，LEYDESDORFF L. A review of theory and practice in scientometrics[J]. European Journal of Operational Research，2015，246（1）：1-19.

[4]袁振國，張男星，孫繼紅. 2012年高校績效評價研究報告[J]. 教育研究，2013（10）： 55-64.

[5]COOPER W W，SEIFORD L M，ZHU J.Handbook on data envelopment analysis[M].New York：Springer，2011：1-3.

[6]NG C，LI S K. Measuring the research performance of Chinese higher education institutions： an application of data envelopment analysis[J]. Education Economics，2000，8（2）： 139-156.

[7]NG Y C，LI S K. Efficiency and productivity growth in Chinese universities during the post-reform period[J]. China Economic Review，2009，20（2）：183-192.

[8]周偉.基于DEA方法的研究型大學科研績效實證研究[D].天津：天津大學，2010.

[9]JOHNES J，YU L. Measuring the research performance of Chinese higher education institutions using data envelopment analysis[J].China Economic Review，2008，19（4）：679-696.

[10]CHARNES A，COOPER W，RHODES E. Measuring the efficiency of decision making units[J]. European Journal of Operational Research，1979，2（6）：429-444.

[11]BANKER R，CHARNES A，COOPER W. Some models for estimating technical and scale inefficiencies in data envelopment analysis[J].Management Science，1984，30（9）：1078-1092.

[12]ANDERSEN P，PETERSEN N. A procedure for ranking efficient units in data envelopment analysis[J]. Management Science，1993，39（10）：1261-1265.

[13]CHEN J，DENG M. A cross-dependence based ranking system for efficient and inefficient units in DEA[J]. Expert Systems with Applications，2011，38（8）： 9648-9655.

[14]MALMQUIST S. Index numbers and indifference surfaces[J]. Trabajos de Estadistica，1953（2）：209-242.

[15]FARE R，GROSSKOPF S. Malmquist productivity indexes and Fisher ideal indexes[J].The Economic Journal，1992，102（410）：158-160.

[16]FARE R，GROSSKOPF S. Intertemporal production frontiers： with dynamic DEA[M]. Boston： Kluwer Academic Publishers，1996：47-66.

[17]ZOFIO J L. Malmquist productivity index decompositions：a unifying framework[J]. Applied Economics，2007，39（18）：2371-2387.

[18]潘健，宗曉華. 基于數據包絡分析的大學科研效率評價指標體系研究[J]. 清華大學教育研究，2016（5）：101-110.

[19]丁敬達，邱均平. 科研評價指標體系優化方法研究：以中國高校科技創新競爭力評價為例[J]. 評價與管理，2010（1）：111-118.

[20]趙蓉英，張心源.“雙一流”建設背景下中國高校人才與大學排名相關性分析：基于RCCSE2017年中國大學及學科專業評價報告[J].重慶大學學報（社會科學版），2018（3）：117-127.

[21]北京大學.關于印發《北京大學科學技術成果獎勵辦法》的通知（校發〔2009〕213號）[EB/OL]. （2009-12-15）[2018-06-29]. http：//www.research.pku.edu.cn/docs/2018-06/20180629090152839622.pdf.

[22]GOLANY B，ROLL Y. An application procedure for DEA[J].Omega，1989，17（3）：237-250.

[23]劉樹林，邱菀華. 多屬性決策基礎理論研究[J].系統工程理論與實踐，1998（1）：39-44.

[24]ZONG X，ZHANG W. Establishing world-class universities in China： deploying a quasi-experimental design to evaluate the net effects of Project 985[EB/OL].[2018-08-11]. https：//doi.org/10.1080/03075079.2017.1368475.

[25]羅杭，郭珍. 2012年中國“985”大學效率評價：基于DEA-Tobit模型的教學—科研效率評價與結構—環境影響分析[J]. 高等教育研究. 2014（12）： 35-45.

[26]羅杭. 中國理工類“985工程”大學效率評價[J].高等工程教育研究，2017（1）： 133-139.

The research efficiency of “Double First-Class” universities and its changes：

Based on super-efficiency DEA and Malmquist index decomposition

ZONG Xiaohua，FU Chengxiang

（Institute of Education，Nanjing University，Nanjing 210093，P. R. China）

Abstract：

It is an important path to implement the performance based funding requirement of the “Double First-Class” policy by assessing the efficiency of research of universities，optimizing the allocation of research resources and improving its efficiency. This article selects the “Double First-Class” universities that directly under the Ministry of Education as a sample to assess the research efficiency and its changes of universities during 2010-2015. An indicator system which highlights the quality and contribution of scientific research is utilized，and DEA-BCC model and the Malmquist index are employed. The results show that： the overall research efficiency of these universities was low，slowly improving during the period，which was mainly enhanced by the increase in management efficiency and scale efficiency; however，the scale effect was decreasing. The research efficiency of universities in the central and western regions fluctuated significantly due to the unstable research funding，and the research efficiency of universities specialized in science and engineering （S&E） continued to decrease. In the future，it should depend more on the improvement of research management and technology innovation to increase research efficiency and get rid of the heavy dependence on the factor-driven model. Moreover，it should stabilize the investment and better the match between funds and human resources of the universities in the central and western regions，and optimize the disciplinary structure of the S&E universities.

Key words： ?“Double First-Class” universities; research efficiency; research evaluation; super-efficiency DEA; Malmquist index

（責任編輯?彭建國）