基于三階段DEA模型的師范高校人文社會科學科研效率研究

崔惠斌，曾曉珊，黃詠琪

(華南師范大學 1.經濟與管理學院；2.產教融合研究中心，廣東 廣州 510006)

一、引言

現代經濟體系建立離不開社會經濟的高質量發展，這就要求經濟增長方式從過去的要素驅動向創新驅動轉變，迫切需要構建起具有自主創新能力的國家創新體系。從創新體系的具體內涵來看，總體來說可以劃分為通過技術進步推動的技術創新體系和以制度創新來協同技術進步，促使技術創新發揮最大效率的體制創新體系。其中，技術創新體系和科技研發水平有直接關系，而體制創新體系則離不開人文社會科學的支撐。兩者相輔相成、相互促進，才能解決資源配置重復、科研力量分散、創新主體功能定位不清晰等問題，提高創新體系整體效能，使國家創新體系得到不斷完善。從具體功能來看，人文社會科學等相關的理論原創能力在政策制定、體系建設、激勵機制與優化管理等方面發揮關鍵作用，因此關注人文社科相關學科的發展具有突出的現實意義。

普通高等學校是實現國家創新體系建立和完善的重要載體，為國家創新能力提升提供動力。隨著國家對高等教育的重視以及“雙一流”建設工程的深入，高校越來越成為公認的創新與可持續發展的驅動者，推動著政策的制定與實施。我國高校數量眾多，培養特色、研究優勢和學科設置也因社會分工的不同存在差異。師范高校在我國的設置歷史最為悠久。傳統的師范高校主要是指培養各類基礎教育師資的高等院校，隨著社會發展，師范高校也向綜合型、研究型大學不斷拓展，應該說是最接近教育本質的大學，也是承擔人文社會科學相關學科研究和創新任務的重要力量[1]。科學評價師范高校人文社會科學的科研效率不僅能為掌握我國高校人文社會科學總體科研現狀提供參考，還能進一步探索提高師范類高校人文社會科學科研效率的實現途徑，從而為全面促進學科繁榮，構建具有中國特色的國家創新體系打下堅實基礎。

本文首先闡述與建立DEA三階段模型，該模型能夠有效剔除環境因素與隨機誤差的影響，在評價高校科研效率領域中具有明顯優越性，已有研究大都采用這種分析方法[2-3]。接下來嘗試構建高?？萍紕撔滦试u價的指標體系并說明數據來源，并進行實證分析，得出我國82所師范類高校科研創新效率基本現狀，最后根據實證結果形成結論及相關政策啟示。

二、模型與方法

數據包絡分析(DEA)是一種基于被評價單元間相對比較的非參數技術效率分析方法，由美國的Charnes、Cooper和Rhodes在1978年首次提出，DEA的第一個模型的命名CCR也由此得來[4]。DEA運用線性規劃求解效率前沿面，不用事先假設函數和分布的形式，亦無需對多投入和多輸出賦予權重，減少了主觀判斷對決策單元效率評價的影響，因而對于多投入和多輸出的效率評價尤為適用[5]。但傳統的單階段DEA僅考慮投入和產出，只是對決策單元效率的初步衡量，然而，決策單元的效率受到以下三方面的影響：管理層組織生產的效率、決策單元所處的環境狀況及隨機誤差。其中管理效率是內生的，而環境狀況和隨機誤差是外生的，因此有必要分解這三種因素對生產效率的影響[6]?；谏鲜鲞壿?，Fried提出DEA三階段方法，分離出環境因素、管理無效率及隨機誤差的影響，最終去除環境與隨機誤差的影響而得到決策單元真實效率水平。

為剝離環境因素及隨機誤差對師范類高?？蒲行实挠绊?，從而客觀、真實地評價我國師范類高校的科研效率，從中發掘有效信息以幫助提升我國師范類高校的科研效率，本文采用Fried的DEA三階段方法對我國師范類高校的科研效率進行研究。

1.第一階段：經典DEA模型

首先通過第一階段的經典DEA模型初步計算決策單元的效率值。經典DEA模型可分為CCR和BCC兩種，相比于CCR模型假定規模收益不變，BCC模型基于規模收益可變，有利于進一步考查決策單元的效率狀況主要受純技術效率影響還是規模因素影響，加之考慮到投入是人為可控的，故本文采用投入導向的BCC模型作為DEA三階段方法中的基礎模型。這一階段可以得出決策單元的綜合效率、純技術效率及規模效率，其中規模效率等于綜合效率除以純技術效率；還可得出理想投入量與實際投入量之間的差值，即投入指標的松弛變量值。

2.第二階段：構建相似SFA(Stochastic Frontier Analysis)模型

Fried[6]指出由第一階段所得的松弛值來源于環境影響、管理無效率及隨機誤差，所以第二階段構建相似SFA模型的主要目的是把第一階段所得的松弛值按上述三種來源分解。

本文首先建立松弛變量值對可觀測的環境因素的SFA回歸模型，具體表達式如下：

sni=fn(zi;βn)+vni+uni，n=1,2,…,N；i=1,2,…,I

(1)

下面使用羅登躍[7]提出的公式計算管理無效率，公式是：

(2)

接下來利用管理無效率項從SFA回歸模型的混合誤差項中分離出隨機誤差：

(3)

分離完成后利用SFA回歸模型的結果調整決策單元的投入指標，使其處于相同的外部環境。把決策單元置于相同環境的方法有兩種，一是減少環境較差的決策單元的投入，且其減少程度取決于它們處于不利地位的程度；另一種方法是增加處于有利環境的決策單元的投入。Fried[6]在原文中提到為避免一些處境極為不利的決策單元調整后投入指為負值(顯然不符合實際)，應采用第二種調整方法，調整公式如下：

(4)

3.第三階段：調整后的DEA模型

三、指標體系及數據來源

選取恰當指標構建指標體系是有效評價的前提,考慮到在DEA模型中數據的要求以及可得性，本文最終確定的指標體系如表1所示。

表1 師范類高?？蒲行试u價指標體系及說明

本文所有原始數據均來源于2017年度《本科院校人文、社會科學研究與發展概況》，從中摘取了全國各地共82所本科師范類院校的統計數據。經過統計指標概念的區分并參考《全國普通高等學校人文社會科學研究統計年報審核要點》中對統計指標的解釋說明，本文選取82所師范類高校2017年投入到人文社會科學研究中的研發人員合計作為投入指標中的人力資源投入。選用各高校2017年用于人文社會科學研究與發展的經費當年內部支出作為財力投入的衡量指標。相比于當年研究與發展經費收入，研究與發展經費當年內部支出更能準確地反應高校在人文社會科學研究與發展上的財力投入。產出指標上，本文選取2017年各高校人文社會科學領域完成得課題數、出版的專著數及發表的論文數。因在樣本中有獲得國家與部級獎項的數量較少，為避免產出指標中出現過多零值，本文沒有采用該指標。

環境因素的影響需在第二階段SFA回歸模型中予以剔除，若缺少必要的環境指標或選取了多余的環境指標，都將影響最終結果的準確性。本文基于環境變量應為決策單元即高校本身無法決定和控制但對高校科研效率產生影響這一思路，提取了如下三個環境指標：一是高校所在地的宏觀經濟狀況。高校所在地經濟高質量發展不僅需要依賴于創新驅動，還離不開人文社會科學的支撐。因此高校所在地區的總體經濟狀況往往能反映當地對人文社會科學科研創新發展的要求，同時影響高校能獲得的研究與發展經費，這一指標用高校所在省份2017年的地區生產總值來衡量。二是高校所在地的高校密度。高校所在地本科院校數量越多，越有利于各高校間進行科研創新的合作，在一定程度上實現資源共享。同時，也能使科研創新氛圍更濃厚，利于科研效率提高。三是學校所在地的宏觀教育環境，以學校所在地擁有大學學歷人口的比例為衡量指標，比例越高，反映了高校所在地的勞動力受教育程度越高，從事科研創新活動的人力資源投入規模就會越大，越有利于科研效率的提升。

四、實證分析與結果

首先利用SPSS 20對投入項和產出項進行Pearson相關分析，根據結果顯示：Pearson相關系數均為正(具體結果參見表2)，且在1%的水平通過雙側檢驗。說明投入產出變量滿足同向性假設，呈現正相關關系，本文建立的指標體系符合DEA 模型的適用要求。

1.第一階段DEA分析

該階段采用DEAP2.1對我國82所師范類高校2017年的科研效率進行測算，結果如表3所示。從結果看，2017年研究樣本的人文社會科學研究的平均綜合效率值為0.602，平均純技術效率值為0.7，而平均規模效率為0.862，說明我國師范類高校總體科研效率不高。需要指出的是，該測算未剔除環境因素和隨機誤差的影響，因此要通過第二階段調整投入值再進行評價。

表2 投入產出的Pearson相關分析

注：***在0.01 水平(雙側)上顯著相關。

2.第二階段SFA分析與調整

本階段以投入變量松弛值為因變量、環境變量為自變量，建立多元回歸方程。利用Frontier4.1進行SFA回歸分析，并利用回歸結果對對原始投入量進行調整，回歸結果如表4所示。根據結果顯示，LR檢驗在1%的水平上是顯著的，表明運用SFA模型進行分析是適合的。且由表4可知：所有環境變量的回歸系數均在1%或5%的水平上顯著，說明環境因素對各投入的松弛值有顯著影響。

具體來看，高校所在地的經濟發展水平對人力資源投入冗余的產生有顯著的負向影響，這是由于經濟發展速度較快的地區本身需要以更大量的研發創新成果為發展支撐，因此對研發成果的需求更加旺盛，這有利于改善人力資源投入的冗余。而經濟水平則正向促使財力投入冗余的產生，表明經濟發展水平越高的地區對人文與社會科學研究發展的財力投入力度會更大，由于研究周期和科研項目管理制度的限制，導致科研經費不能及時支出，表現為立項經費規模大于實際使用經費規模，出現財力投入冗余。需要說明的是，宏觀經濟環境對兩個投入松弛變量回歸系數較小是衡量指標GDP單位為億元所致。另外，科研環境正向影響人力資源投入冗余產生。可以推測是由于當高校密度更高時，高校間的科研活動會更頻繁，且參與同一研究活動的人員數量增加，容易出現人員數量配置失衡的結構性問題，導致部分科研人員的邊際勞動生產率較低，出現人力資源投入冗余；值得注意的是，高校密度能顯著地減少財力投入冗余，說明高校之間共同合作、共享科研資源能夠更好提高科研項目的運行效率，進一步減少財務投入冗余。而由高校所在地人口的受教育程度表征的宏觀教育環境對人力資源投入冗余有正向影響，這往往和分割的勞動力市場制度體系有密切關系。

表3 2017年我國師范高校人文與社會科學科研效率(調整前)

綜上可知，環境變量對我國82所師范類高校人文社會學科科研效率的影響十分顯著，且作用機理和影響結果不盡相同。面臨較好的外部環境的高校傾向于表現出有更高的科研效率，因此進一步佐證了在這一階段剔除環境因素和隨機誤差影響的必要性。利用式(4)，本文對人力資源和財力的原始投入進行了調整。

表4 第二階段SFA回歸結果

注：*、***分別表示在10%、1%的水平下通過檢驗。

3.第三階段調整后的DEA分析

該階段利用經第二階段調整后的投入數據，再次運用DEAP2.1對樣本的科研效率進行測算，結果如表5所示。調整后綜合效率平均值為0.616，純技術效率平均值為0.705，規模效率平均值是0.875，相比第一階段均有所上升。進一步使用配對樣本t檢驗考察第一階段調整前與第三階段調整后82所師范類高校人文與社會科學科研效率的測算結果是否具有顯著的差異性，結果顯示綜合效率配對t檢驗值為-4.925，顯著性概率為0.000，純技術效率配對t檢驗值為-2.322，顯著性概率為0.023，規模效率配對t檢驗值為2.434，顯著性概率為0.017，表明各項效率值調整前后具有顯著差異，再次證明了剔除環境因素和隨機誤差影響對測量真實效率值的必要性。除此之外，可發現造成樣本科研效率不高的主要原因仍是純技術效率較低，即研究項目的要素投入仍有進一步提升的空間。

表5 2017年師范高校人文與社會科學科研效率(調整后)

具體而言，陜西師范大學、華東師范大學、廣西師范大學、山東師范大學、福建師范大學、衡陽師范學院與六盤水師范學院等7所高校始終位于效率前沿面。而北京師范大學、上海師范大學、湖南師范大學、華南師范大學及遼寧師范大學在調整后的純技術效率值均為1，表明這5所高校在人文與社會科學科研方面管理效率較高，而造成其科研效率未處于前沿面的原因則主要是規模效率仍有提升空間。此外，經調整，太原師范學院、廣西民族師范學院及樂山師范學院從規模報酬遞減變為規模報酬遞增。

五、結論與政策啟示

本文在排除環境因素和隨機誤差影響的基礎上，選擇三階段DEA模型對我國82所師范類高校人文與社會科學的科研效率進行了實證研究。整體上看，研究樣本調整后的綜合效率均值為0.616，純技術效率均值為0.705，而規模效率均值則是0.875。說明無論是管理效率還是規模效率，我國師范高校人文社會科學的科研效率均有待提升，其中管理效率有待的提升空間更大。從具體學?？?，國家“雙一流”建設高?？傮w具有較高的綜合效率。說明這些高校不僅在相應學科的研究上具有較突出的比較優勢，而且學校內部在科研及經費管理制度上均能夠做到與科研和學科建設協同發展，這也為新一輪學科資源配置提供了重要依據。另外值得注意的是，師范類高校的綜合效率波動較大，最低值為0.238，最高值為1，表明師范類高校間的科研效率參差不齊、差異較大。也能夠從一個側面反映出師范類高校之間協同發展程度不高，沒有形成學科優勢互補、學科資源共享、學科平臺共創的良性局面。

因此本文的政策啟示首先在于師范類高校應進一步提升學校內部管理控制效率，重視創新人才引進和改善科研經費使用機制，著力打造具有協同優勢的內部科研管理環境。同時，還應該加強師范院校人文社科類相關學科的深度交流與合作，積極形成協同發展的新局面，實現學校和人文社會科學的共同發展，為構建富有中國特色的國家創新體系打下堅實基礎。