中國省級自然科學基金管理效率評價與分析——基于DEA-Malmquist模型

鄭 茜，李 研

（1.廣東省基礎與應用基礎研究基金委員會，廣東廣州 510033；2.中國科學技術發展戰略研究院，北京 100038）

1 研究背景

績效評估是科研管理的重要手段，可以為地方科學基金管理提供指引，提高科學基金利用效率［1］。科學進行自然科學基金績效評價，需確立“質重于量”的評估理念，對科學基金績效評估中定性與定量、質量及數量之間的關系進行妥善處理［2］，在定性的基礎之上，運用定量方法開展后續證明，把定量統計作為定性評價結果的證據支撐［3］。對自然科學基金績效進行全面客觀的評價，尤其對一些交叉學科及窄學科，評估過程中會有非科學因素摻入，這就顯示出定量評價方法重要性［4-6］。在基礎研究中，自然科學基金資助項目的特征是多元產出、多元投入，但是傳統回歸分析法、比例分析法因缺乏可比性會失靈［7-10］。對此，數據包絡分析（DEA）方法能全面考慮自然科學基金實踐組織特征，對自然科學基金的投入產出效率評估較為適用［11］。中國自然科學基金主要任務是將基金充分投入到基礎和應用基礎研究中，通過多類型資金資助投入實現對應用基礎以及基礎研究的激勵［12-14］。近年來，中國科學基金管理制度在不斷完善和發展，隨著各級政府對自然科學基金的不斷重視，資金投入力度得到加強，加強省級自然科學基金科學化、規范化、法制化的管理和運作，加強自然科學基金績效評估成為管理工作中的重要環節［15-17］。

國內外大多學者采用DEA模型分析省自然科學基金管理效率，對省自然科學基金管理效率進行橫向比較，但縱向的比較分析研究成果較少［18］。本研究將Malmquist 指數與DEA模型結合，對省自然科學基金管理效率進行橫向和縱向對比，有效發揮Malmquist 指數、DEA模型互補優勢，完善省自然科學基金管理效率評價，對中國省級自然科學基金管理效率優化進行研究。運用Malmquist 指數法對省自然科學基金全部管理要素效率進行分析評價，針對技術管理效率以及規模管理效率變化情況，分析出某一區域管理效率的變化是基于技術角度還是規模角度。通過Malmquist 指數測算省自然科學基金管理效率，能將不同區域省自然科學基金管理效率發展狀況反映出來，對其原因進行分析，從而推動提升省自然科學基金管理效率。

2 DEA-Malmquist模型的構建

2.1 DEA模型

2.2 Malmquist 指數法

式（7）中：FV、FC 分別為決策單元距離函數，若技術變化比1 大，說明生產前沿外移遠離原點，技術有所進步，反之相反，技術效率變化與規模效率變化亦是如此，這個分解為研究全要素生產率增長或衰退的原因提供了重要依據。

3 我國省自然科學基金管理效率評價實證研究

3.1 樣本選擇與數據來源

本研究以2015—2019年中國31個省、自治區、直轄市（未含港澳臺地區）面板數據為樣本，采用DEA-Malmquist 指數對省自然科學基金管理效率進行研究，主要包括投入指標、產出指標。投入指標除了包括人力指標因素、財力指標因素等，還涉及到了省級自然科學基金年度資助項目數量和資助總金額。聚焦省級自然科學基金所取得的成果，對原始創新能力、地方區域知識發展計劃、人才培育情況等3個方面搭建產出指標體系，產出指標包括發表論文數、碩士博士人才培養數量、本地區國家自然科學基金項目數量、發明專利授權數。數據源于國家自然科學基金管理機構網站，各省、自治區、直轄市自然科學基金管理機構網站，對于數據未公開的部分地區，采取社會調查方式獲得，如表1 所示。

表1 我國省級自然科學基金投入產出指標體系

3.2 模型計算和結果分析

2015—2019年，將我國每個省份/地區的自然科學基金投入指標X1、X2、X3和產出指標Y1、Y2、Y3、Y4等數據作為決策單元，將所得到的數據帶入BCC模型和CCR模型中，使用DEAP2.1 軟件進行計算和求解，生成各地區DEA 值。

（1）基于DEA模型的省自然科學基金管理效率測算。經過DEAP2.1 軟件計算，得到中國2019年31個省、自治區、直轄市自然科學基金綜合管理效率值、技術管理效率值、規模管理效率值、規模管理效率變化的測算數值，如表2 所示。

表2 我國省自然科學基金管理效率DEA 測算結果

由表2 可知，中國的省自然科學基金技術管理效率平均值為0.895、綜合管理效率平均值為0.849、規模管理效率平均值為0.956。對比發現，綜合管理效率、技術管理效率、規模管理效率依舊處于較高水平，其中規模管理效率平均值分值更高。相對于規模管理效率水平而言，技術管理效率水平存在一定差距，這表明技術管理效率是影響中國省自然科學基金管理效率的主要因素。因此，中國應加強技術引進和學習，提高基金管理的技術創新水平，保障基金資源的合理配置。

在DEA 測算有效性方面，北京、天津、黑龍江、湖南、海南、廣東、青海7個省份的自然科學基金管理效率為DEA 有效水平，這表明在省自然科學基金投入產出方面，這7個省無產出不足或投入冗余等情況，基金配置合理性己達到優秀水平。在DEA綜合管理效率上，北京、天津、湖南、黑龍江、海南、廣東、江蘇、青海、江西、福建、廣西、湖北、寧夏、貴州、西藏等省份的均值處于較優水平或優秀水平，資源配置方面比較合理，山西、河北、新疆、遼寧的綜合管理效率為較低水平，與均值水平和有效性水平有較大差距。在DEA 技術管理效率方面，各個省份管理技術存在著較大差異，天律、北京、江蘇、黑龍江、河南、山東、廣東、湖南、青海、海南技術管理效率較好，這些地區大部分創新能力較強，產業化管理效率較高。究其原因，天津、山東、江蘇、浙江、廣東等地區自身技術管理水平先進，國家給予的區域政策優惠力度較大，因而技術經濟發展較快；黑龍江、河南、海南這幾個省份則是由于科研經費、人才引進和培養等投入力度較大，因而自然科學基金技術管理效率水平較高。在DEA 規模管理效率上，山東、河北明顯低于平均水平，這表明在自然科學基金資金規模不斷擴大，北京、天津、黑龍江、湖南、廣東等地區規模化管理能力較強。

（2）基于DEA模型的省自然科學基金管理效率測算投影分析。通過上述分析可知，7個省份自然科學基金綜合效率評價為優，這7個省的DEA 值均為1。針對這種情況，使用效率值分析的意義不大，需要通過被參考次數這一指標對這幾個地區自然科學基金的相對效率進行評價。被參考次數主要指參考對象及改進目標的次數是有效DMU 被DEA 評價無效的DMU。一個有效的決策單元在DEA 方法中除了其自身本體進行參考之外，還需要選用其他非有效決策單位進行參考，從而進行多重參考比較分析。一個有效的決策單元被其他非有效決策單元所選定稱為參考對象的次數，即為被參考次數，被參考次數越多就反映了該決策單元所具備的參照能也越強，其穩定性能也越好［20］。因而在CCR模型中，不能僅靠效率值來進行決策單元效率值評價，所以被參照次數可以有效進行績效水平比較分析。基于以上方法，發現北京、黑龍江、天津、湖南、海南的省自然科學基金被參考次數較多，北京被作為參照對象的次數最多，共有4 次。在被參照次數方面，北京自然科學基金投入產出綜合效率最高，具有較強穩健度，其次是天津、黑龍江、湖南、海南等地區。

通過DEA 分析方法，再進行CCR模型計算，可將決策單元的DEA 評價值計算出來，也可將產出不足（S+）、投入冗余（S-）值計算出來。為了研究河北、內蒙古、遼寧、上海、江蘇、浙江、山東、河南、湖北、重慶自然科學基金DEA 無效具體原因及改進方向，本研究用投影理論對DEA 無效決策單元差額變量進行分析，具體見表3 所示。

表3 基于投入視角的DEA 評價無效的自然科學基金投影分析結果

由表3 可知，假設上述10個省份地區自然科學基金均存在產出，可以發現這些省級地區均存在自然科學基金投入過量冗余現象，部分科技產出存在產出不足。究其原因，導致這10個省級地區自然科學基金績效不佳的最主要因素在于，自然科學基金項目投入沒有實現效益最大化，資源分配上出現了不同程度的浪費。

3.3 基于DEA-Malmquist 指數的省自然科學基金管理效率測算

利用DEA-Malmquist模型專業測算軟件DEAP 2.1 對2015—2019年我國31個省、自治區、直轄市的自然科學基金管理效率進行DEA-Malmquist 指數測度分析，可獲得省自然科學基金管理效率年度TFP 變動指數及分解構成，如表4 所示。

表4 2015—2019年我國省自然科學基金管理效率年度TFP 指數變動及其構成

采用DEAP 2.1 軟件進行2015—2019年面板數據的DEA-Malmquist 指數計算，得到面板數據各區域TFP 變動指數及分解構成，如表5 所示。

表5 省自然科學基金管理效率各個區域TFP 指數變動及其構成

表5 （續）

4 結論和對策建議

本研究將DEA模型和Malmquist 指數相結合，對中國省級自然科學基金管理效率優化進行研究，得出如下結論：中國省自然科學基金的綜合管理效率平均值為0.849、技術管理效率平均值為0.895、規模管理效率平均值為0.956，其中規模管理效率處于較高水平。相對于規模管理效率水平而言，技術管理效率水平仍然存在一定差距，技術管理效率是影響中國省自然科學基金管理效率的主要因素。DEA 測算有效性分析表明，有7個省的省自然科學基金管理效率為DEA 有效水平，這7個省無產出不足或投入冗余等情況。在基金配置合理性方面，這7個省己達到優秀水平；就DEA 測算數據而言，山西、河北、新疆、遼寧的自然科學基金管理效率為較低水平，這幾個省份的自然科學基金管理效率和均值水平存在較大差距。2015—2019年，中國省自然科學基金技術管理效率總體上為降低趨勢，影響綜合管理效率下降的主要因素是技術管理效率。根據以上結論，提出如下對策和建議：

第一，明確省級自然科學基金功能定位。當前，中國各級自然科學基金主要采取競爭申報機制，隨著社會各界對基礎研究重要性的認識逐步加強，自然科學基金項目申請數量呈日益增長態勢，國家和各省級自然科學基金項目申報競爭更為激烈。為充分發揮各級自然科學基金對基礎研究工作的促進力度，應構建層次分明、協調有序的工作機制，明確國家與省級自然科學基金的功能定位，省級基金應致力于進行種子選手的培育，國家基金則聚焦高端人才、高新成果，發揮壯大種苗、培植樹木的作用。省級自然科學基金應拉開本地區基金項目競爭層次，鼓勵杰出青年人才、資深專家更多參與國家級基金項目競爭，避免高端人才扎堆省級自然科學基金項目，造成資源浪費，形成惡性競爭。同時，基金政策更多向未有建樹的青年科技人員傾斜，充分發揮本地區培育優秀人才、培育創新項目的“育苗”作用。

第二，立足區域發展特點開展項目資助。省級自然科學基金應以推動區域原始創新能力提升為主要目標，圍繞各省的戰略重點布局、核心技術攻關開展項目資助。統籌把握科學前沿發展趨勢和區域發展戰略需求，不斷提高指南設置的科學性、戰略性和前瞻性，面向區域重大基礎研究問題，設立基礎研究重大專項，增強對學科均衡協調、創新人才培養的引導。圍繞地方產業發展需求，在區域發展的戰略需求領域、重點技術領域設立特色鮮明的區域、行業聯合基金，加強行業或特定領域基礎研究的資助力度，促進知識創新與技術創新的銜接，推動資源共享、促進多方合作。建立前瞻性基礎研究領域監測機制，對世界先進基礎研究方向和趨勢進行預判，建立基礎研究重大問題數據庫，鼓勵成建制的重大基礎平臺承擔基礎研究項目。

第三，建立基于效率的項目績效評價體系。自然科學基金績效評價包含立項評價、項目中期評價、項目結題后評價幾部分。當前中國省級自然科學基金項目績效評價過程中，不少省份更為重視立項評審，而忽視了項目中后期管理及項目績效評價，項目結題驗收也往往敷衍了事，這導致項目中后期管理成為整個基金管理過程中最為薄弱的環節，從而在一定程度上助長了只管申報、不管研究，浮躁浮夸、急功近利的不良風氣，直接導致部分省級自然科學基金成果產出較低、資助效益不高。因此，必須加強項目中后期管理及項目績效評價，通過構建效率優先涵蓋目標任務完成情況、成果產出情況、經濟社會影響等在內的基金項目績效評價體系，同時，加強項目績效評價結果的運用，將績效評價結果作為項目立項的考核依據，增強對項目申報人的約束，從而提升基金資助效率。

第四，建立基礎研究基金項目多元化投入機制。擴大基礎研究投入規模，強化機制創新和制度規范，推動建立可復制、可推廣的多元化投入模式。加快探索國家、省、市、企聯合基金管理運行機制，打通市場需求和科研需求壁壘，實現可持續、有成效的多元投入基礎研究模式。圍繞重點區域、行業領域，發揮“聯合基金”杠桿作用，加強機制創新和管理創新，穩步擴大聯合基金規模，吸引更多力量投入到基礎與應用基礎研究。加快建立健全省市、省企聯合基金管理規范和制度，圍繞省聯合基金全生命周期管理流程，制定省市聯合基金管理工作規程，優化完善省企聯合基金管理規范，提升聯合基金管理運行效率。加強與企業聯合資助方對接，深化落實知識產權等成果管理制度，通過組織開展成果交流、成果對接等活動，積極推動引導知識產權等成果應用轉化。

本文對我國省級自然科學基金管理效率開展橫向和縱向對比分析，針對省級區域自然科學基金管理效率存在的問題，從技術管理效率、規模管理效率、全要素生產率等角度進行研究，并針對性的提出對策建議。但是，在指標體系科學性、理論模型構建、數據完整性等方面仍然存在不足，對測量數據結果的分析深度稍顯不夠。下一步，應從自然科學基金的管理實踐角度，堅持問題導向和需求導向，采用主觀和客觀相結合的評價方法，建立符合我國或地方發展實際需求的指標體系，構建分析維度多樣、理論基礎扎實的評價模型，提高評價結果的科學性和實用性。