不同投入產出評估導向下的廣東省重點實驗室運行效率研究

趙曉萌，周俊杰，陳鈺瑩，3，李 莎

(1.廣東省科技基礎條件平臺中心，廣東廣州 510040；2.廣東省高性能計算重點實驗室，廣東廣州 510040；3.廣東省科技基礎條件平臺建設促進會，廣東廣州 510040)

廣東省重點實驗室是廣東省創新體系的重要組成部分，是聚集和培養優秀科技人才、配置先進科研裝備、開展高層次學術交流、產出高水平科研成果的重要基地。截至2020年，廣東省共有396 家省重點實驗室，成為科研機構中最具規模的實驗室組織系統。廣東特色的實驗室體系為提升區域創新能力，建設粵港澳大灣區國際科技創新中心提供了重要科技支撐，為廣東經濟社會發展做出了積極貢獻。

現有省重點實驗室的評估方法主要是規模價值導向的專家主觀評價，即對基礎條件、團隊、承擔項目、產出成果的質量和數量進行評估。2018年中共中央辦公廳、國務院辦公廳印發了《關于深化項目評審、人才評價、機構評估改革的意見》，旨在改革科技評價制度，建立以科技創新質量、貢獻、績效為導向的分類評價體系，對科研平臺的科學評價提出更高的要求。省重點實驗室依托具備科研優勢的高校、科研院所、醫院、企業等主體組建，均為非獨立單位，由于依托主體的不同經營導向對實驗室的運行效率將產生顯著影響，如何評價并有效提升實驗室的創新效率，成為科技管理部門調整引導政策、依托單位優化資源配置、實驗室團隊提高管理運行水平亟待深入研究和解決的問題。

1 研究回顧

技術創新效率評估適用于多種研究對象，包括技術產業領域、企業、高等院校、科研機構等［1-3］，也常用于對政策制度產生的效應進行分析［4-5］。效率分析中使用最廣泛的方法包括比率分析、總生產率因子、最小二乘法（COLS）、隨機前沿分析（SFA）和數據包絡分析（DEA）。DEA 是Banker 等［6］提出的一種非參數線性規劃方法，可用于分析多輸出多輸入情況下決策單元的相對效率，并不要求預先設置生產函數。至今已有大量的文獻開展了DEA 理論研究和應用，評估了大量科技、生產等活動的效率和生產力［7］。DEA 已成為能源、工業、教育、企業、醫療等各個領域效率評估的主要方法［8-10］。Bi等［11］運用DEA Tobit 方法，通過整合創新的價值鏈和線性過程，分析低碳創新效率，探究影響中國制造業的因素。Li 等［12］考察了環境調控對技術創新活動效率的影響，通過綜合DEA 對西安創新城市進行了時空實證評價，并將技術創新分為兩個階段，發現技術轉化在創新中起到了關鍵作用。

在各類科研平臺運行效率方面，國內外學者開展了諸多相關研究。楊超等［13］基于TOPSIS 和DEA模型比較方法分析了國家重點實驗室的宏觀效率，將研究經費籌集和研究經費支出作為投入指標，將產出指標設定為科研項目、獲獎成果、發表論文和培養學生人數。何悅等［14］將高校科技成果轉化過程解構為價值創造和價值實現兩個階段，通過網絡DEA 對我國研究型大學科技成果轉化效率進行了評價，其中價值創造階段的投入要素包括研究與發展人員、經費，產出要素包括論文著作、專利、軟件等；價值實現階段的投入要素包括第一階段的專利和第二階段的應用服務經費、人員，產出要素主要是技術轉讓、服務收入。王趙琛等［15］基于超效率SBM模型分析了24 所部屬高校科技成果轉化效率，將基礎研究、過程指標、計數指標在效率評價過程中加以區分，圍繞不同的績效評估導向建立了投入產出評估體系。劉佳等［16］從科研生產力、科研影響力、科研創新力和科研合作力四個維度對全國省級重點實驗室的科研競爭力進行了比較分析。王燕等［17］基于超效率的三階段DEA模型對我國高校人才培養、科學研究與社會服務效率進行了分析，將投入分為人力投入、物力投入、財力投入，將產出分為教學產出、科研產出、社會服務產出。

本文將根據國內外學者相關研究基礎和廣東省重點實驗室運行管理目標導向，建立運行效率評價指標體系，并結合實驗室依托單位主體類型分析各組實驗室在人才隊伍建設、科學研究、創新研發、成果轉化四個評價維度下的運行效率和特征，為進一步科學評估實驗室建設運行情況及實驗室的管理優化提供參考。

2 實證研究

2.1 數據來源和樣本選擇

選取2013—2018年間年度統計報告數據完整的197 家廣東省重點實驗室作為研究對象，原始數據統計如表1 所示，統計數據包括實驗室名稱、依托單位名稱、依托單位類型、成立年度、數據統計年度、依托單位及地方財政投入金額、高級職稱人員數量、儀器設備原值、實驗室場地面積、科技項目經費、中文核心以上論文數量、高層次人才數量、碩博士研究生畢業人數、發明及PCT 專利授權數、三新成果數量、技術合作收入、技術轉讓收入、技術服務收入，符合DEA 指標及決策單元數目要求。其中實驗室類型按照依托單位分為高校、科研機構、醫院和企業四組，數量分別為83 家、50 家、22 家、41 家。從指標數據時間范圍上看，選取2013—2015年的年報累計數據作為相關投入指標，選取2016—2018年的年報累計數據作為產出數據。一方面是考慮到研究生培養、學術項目研究、論文發表、專利產出等指標的生產周期和統計時滯性；另一方面將累計數據作為相關投入產出指標，可減少單年數據波動對結果的影響；第三，以三年為周期累計與廣東省重點實驗室管理辦法規定的考核周期相符，數據源統計表如統計數據經梳理整合后得到5 類15 項指標見表2，其中非直接統計指標高層次人才增量為“高級職稱人員產出統計總量-高級職稱人員投入統計總量”以反映高層次人才引進情況，高級職稱增長率為以反映高級專業技術人員培養情況，考慮到高層次人才數量的頻繁流動，高層次人才投入用年均擁有高層次人才數量表示。

表1 廣東省重點實驗室投入產出數據源統計表

表2 廣東省重點實驗室運行指標

2.2 指標選擇與研究思路

結合廣東省重點實驗室的定位、要求及價值導向，分析實驗室建設運行中的投入產出實際過程（如圖1 所示），投入方面主要包括人力投入、物力投入和財力投入，產出方面主要包括人才隊伍建設、學術研究、創新研發和成果轉化。因此對表2 中的各項指標進行不同組合，按實驗室產出要求分四個維度重新構建不分階段的“投入-產出”指標體系，見表3。

圖1 廣東省重點實驗室投入產出過程

表3 重點實驗室運行效率評估指標體系

表3 中序號1 為人才隊伍建設效率評估指標體系。投入指標為2013—2015年期間依托單位及地方財政經費投入、高級職稱人員數量、儀器總值、實驗室場地面積；產出指標為2016—2018年期間反映人才培養的碩博士研究生畢業人數和高級職稱人員增長率，以及反映人才引進的高層次人才年平均引進量。其中儀器總值、場地面積均為年均數，高級職稱人員增長率結果采用歸一化方法避免負數出現。

表3 中序號2 為學術研究產出效率評估指標體系。投入指標考慮基礎條件和人才隊伍兩方面，因為我國在校研究生、青年學者對科研工作和學術論文的貢獻較大［18］，而人才隊伍和高層次人才也是影響科技項目立項的關鍵因素［19］。所以投入指標包括2013—2015年期間，依托單位及地方財政經費投入、高級職稱人員數量、儀器總值、實驗室場地面積、碩博士研究生畢業人數、高層次人才數量、縱向科技項目經費。產出指標則是2016—2018年期間縱向科技項目經費、核心以上論文發表數量。

表3 中序號3 為創新成果產出效率評估指標體系，投入指標包括2013—2015年期間依托單位及地方財政經費投入、高級職稱人員數量、儀器總值、實驗室場地面積、縱向科技項目經費，產出指標為2016—2018年期間專利授權量、三新成果數量。由于缺乏科學研究中的項目分類和分階段研發投入數據，暫不考慮間接或創新研發中的再投入。

表3 中序號4 為成果轉化效率評估體系。投入指標包括2013—2015年期間依托單位及地方財政經費投入、高級職稱人員數量、儀器總值、實驗室場地面積，產出指標為2016—2018年期間技術服務、技術轉化、技術合作收入。本文研究的是依托不同類型單位建設的廣東省重點實驗室在不同投入產出導向下的運行管理效率，暫不評價論文、專利等科學研究成果的轉化率。

DEA 方法及軟件已在各個領域得到廣泛應用，在創新效率評價領域也有諸多文獻報道，本文不再贅述。考慮到CCR模型假設規模報酬不變，可用于衡量技術效率［20］；BBC模型為規模報酬可變模型，可用于衡量純技術效率；技術效率和純技術效率的比值即為規模效率，可用于分析規模配置對產出產生的影響［21］。因此，可綜合運用CCR、BCC模型分析廣東省重點實驗室的技術效率、純技術效率和規模效率來反映技術管理因素和規模因素對實驗室投入產出的影響。研究思路上，以人力、物力、財力作為主要投入，采用DEA-SOLVER5.0 軟件，選擇DEA-BCC、CCR模型分析四組實驗室在人才隊伍建設、科學研究、創新研發、成果轉化四個評價維度下的宏觀綜合效率和規模報酬可變下的技術效率、規模效率，探究其運行特征及變化趨勢。

3 結果與分析

3.1 運行結果

通過投入角度的CCR模型和BCC模型分別計算得到197 家廣東省重點實驗室的投入產出技術效率和純技術效率，規模效率為技術效率和純技術效率的比值。四組樣本在人才隊伍、學術研究、創新研發、成果轉化四個維度的投入產出效率測度如表4所示。

表4 投入產出效率測度表（根據依托單位類型分類）

表4 （續）

根據表4 中可以得出，在人才隊伍建設方面，高校、企業、醫院、科研院所四類主體純技術效率和規模效率相對較高，純技術效率平均值分別為0.558、0.321、0.435、0.419，純技術效率有效比例分別為14.46%、8%、13.64%、7.32%，規模效率平均值分別為0.946、0.960、0.955、0.899，規模效率有效比例分別為12.05%、16%、13.64%、4.88%。高校、醫院的創新研發整體效率相對較低；企業的學術研究效率較低；實驗室成果轉化效率方面整體處于較低水平，其中研究院所情況相對較好，以上也基本符合實際情況。

通過對技術效率、純技術效率、規模效率相關性分析得到表5。由表5 可以看出：

表5 技術效率、純技術效率、規模效率間的相關性

表5 （續）

a.高校組在人才隊伍建設、學術研究、創新研發中的純技術效率大于規模效率對技術效率的影響，而成果轉化的純技術效率和規模效率對技術效率的影響相當;人才隊伍的純技術效率和規模效率間不存在顯著的相關性。

b.企業組在人才隊伍建設、學術研究、創新研發、成果轉化中的純技術效率大于規模效率對技術效率的影響；人才隊伍建設的規模效率與技術效率不存在顯著的相關性；學術研究的純技術效率和規模效率間呈負相關但不顯著。

c.醫院組在人才隊伍建設、學術研究中的純技術效率大于規模效率對技術效率的影響；在創新研發、成果轉化中的純技術效率小于規模效率對技術效率的影響；人才隊伍規模效率與純技術效率呈負相關但不顯著、與技術效率間不存在顯著相關性；創新研發純技術效率與規模效率呈負相關但不顯著、與技術效率間不存在顯著相關性。

d.研究院所組在人才隊伍建設、學術研究、創新研發、成果轉化中的純技術效率大于規模效率對技術效率的影響；在人才隊伍建設中的純技術效率與規模效率呈顯著負相關。

3.2 結果分析

（1）相關性分析。廣東省重點實驗室定位于基礎研究、應用基礎研究和關鍵技術研發，從建設運行到科研攻關，主要涉及人才隊伍建設、學術研究和創新研發三個階段，對人才隊伍、學術研究、創新研發綜合技術效率進行相關性分析，結果為表6：高校人才隊伍對學術研究影響最大；企業人才隊伍對創新研發產生顯著性影響最大且人才隊伍與學術研究間不存在顯著相關性；研究院所學術研究對創新研發影響最大且人才隊伍與創新研發間不存在顯著相關性。由此可見，高校、醫院、研究院所組的人才隊伍建設能夠激勵學術研究，但是人才隊伍建設、學術研究水平并不能顯著激勵創新研發，說明高校、醫院、研究院所組對基礎與應用基礎研究成果的再研發及轉化動力不足，比較而言研究院所情況稍好,而企業組的人才隊伍建設和學術研究能夠激勵創新研發。

表6 人才隊伍、學術研究、創新研發間的相關性

通過多元線性回歸對學術研究中的特征輸入因素進行分析，結果如表 7 所示，高層次人才數量和累計投入的研究生數量對高校學術研究純技術效率產生了顯著影響，檢驗水平分別為0.04865 和0.00758，小于顯著性檢驗水平0.05；科技項目經費對高校學術研究規模效率產生了顯著影響，檢驗水平為0.04937，小于顯著性檢驗水平0.05；科技項目經費對企業學術研究純技術效率和規模效率產生了顯著影響，檢驗水平分別為0.00181 和0.00922，小于顯著性檢驗水平0.05；累計投入的研究生數量對醫院學術研究純技術效率產生了顯著影響，檢驗水平為0.04899，小于檢驗水平0.05；科技項目經費對研究院所學術研究純技術效率和規模效率產生了顯著影響，檢驗水平分別為0.02525 和0.03019，小于檢驗水平0.05。由此可見，科技項目經費是影響高校、企業、研究院所學術研究效率的主要規模因素，人才技術水平和管理機制是影響高校學術研究效率的另一個主要因素（見表7）。

表7 學術研究特征輸入變量與純技術效率、規模效率的多元回歸分析結果

（2）冗余情況分析。四組實驗室的人才隊伍建設規模效率相對較高，規模效率平均值分別為0.946、0.96、0.955、0.899，其中85.2%的實驗室規模效率大于純技術效率，在規模效率無效的實驗室中，規模報酬遞增的有58個，規模報酬遞減的有70個；但是純技術效率普遍較低，分別為0.558、0.321、0.435、0.419；從投入產出冗余值上看，四組實驗室人才隊伍建設純技術效率整體偏低的原因各不相同，高校方面主要源于高層次人才引進不及預期，企業、醫院、研究院所主要是在碩博研究生培養中表現不佳。整體而言，大部分在人才隊伍建設中處于最佳規模投入狀態，但人才隊伍管理能力需進一步加強。

除企業組外，高校、醫院、研究院所組的學術研究投入產出有效比例遠高于人才隊伍，創新研發和成果轉化的純技術效率均較低。學術研究投入規模因素主要涉及高層次人才引進人數、累計投入碩博士及博士后人數、科技項目經費獲取量，高校組和研究院所組高層次人才引進規模整體相當。高校、企業、醫院、研究院所的實驗室承擔科技項目經費平均值分別為2031.9 萬元、2025.9 萬元、1934.7 萬元、4042.6 萬元，變異系數分別為1.16、3.82、1.18、1.14，研究院所整體科技項目經費規模較高校、醫院高，但是如圖2 所示，科技項目經費投入冗余較高校、醫院低，說明依托高校、醫院建設的實驗室在統計期內科技項目經費投入配置與規模效益相較于研究院所偏低，需要進一步提升經費使用率。

圖2 學術研究投入特征指標冗余情況

4 結論與展望

為準確評估實驗室運行管理效率，需明確指標內涵，本文根據不同評估導向將基礎條件、人才隊伍、學術研究、創新研發、成果轉化區分。分類分階段評價不僅有助于對不同發展情況、發展目標的創新平臺進行分類，還有助于明晰不同因素對實驗室運行管理效率的影響程度。本文根據廣東省重點實驗室建設定位和生命周期選取了15 項投入產出指標，建立了4 類評估體系，根據依托單位類型將廣東省重點實驗室分為高校、企業、醫院、研究院所4 組，通過DEA CCR/BCC模型對不同評估體系下的管理效率和規模效率進行了分析。本文得出以下結論：

（1）廣東省重點實驗室的建設運行投入不斷增加，但是產出卻并未同比例增長，多數實驗室效率較低，對于設備、人員、經費投入產出效率的評價有待加強，需要通過項目合作加強設備共享，提高設備產出；重視對科研人員的全周期培養和評估，提高人才科研效率；加強科研項目產出評估，積極優化資源配置，將科研經費控制在最佳規模率。

（2）廣東省重點實驗室是依托高校、科研機構、企業、醫院等不同類型創新主體建設的重大創新平臺，由于不同類型單位的發展模式、創新目標存在差異，其建設的重點實驗室的投入產出結構也存在較大差異。為準確評估廣東省重點實驗室運行效率，應明確指標內涵，不易將基礎研究、創新研發、成果轉化混用于實驗室運行效率評價中，應兼顧重點實驗室人才效益、科研效益、轉化效益、社會效益等多種績效導向，突出分類評估、精準反饋的科學管理理念。《關于破除科技評價中“唯論文”不良導向的若干措施（試行）》指出要實施分類考核評價注重標志性成果的質量、貢獻和影響，對于基礎研究、應用研究、技術開發類科技活動均要建立不同體系，本文通過不同體系的投入產出效率研究發現高校、企業、醫院、研究院所對學術研究、創新研發、成果轉化的傾向各不相同，可能與主要開展的科技活動類型相關，因此后續擬基于分類評價建立多級量化評價指標體系，對廣東省科研平臺進行分組分類評價。

（3）在廣東省重點實驗室運行管理實踐中，伴隨科研項目啟動實施的人才引進、研發人員培養是科技創新以人為本的體現，應加大對人才隊伍建設方式方法的關注，優化高層次人才和青年科研人員的層次結構，注重人才培養、激勵、使用效率，避免人力資源浪費。伴隨成果轉移轉化的技術開發、咨詢和服務是技術成果從科學知識理論、專利方法到轉移轉化并最終走向市場的必經之路，應圍繞科學研究全生命周期和科研平臺建設運行內部邏輯，明確科學數據、科技活動統計規范，建立多階段的廣東省重點實驗室投入產出效率分析和評估體系。

（4）加強對企業重點實驗室人才隊伍建設的支持，鼓勵高校、科研院所的重點實驗室在現有基礎與應用基礎研究的基礎上，通過項目合作、人才聯合培養，與企業共同開展新材料、新工藝、新產品的研發，不斷優化成果轉化效益評估方法，促進成果轉化。