我國31個省區市高校科研績效評價
——基于2016~2020年面板數據分析

趙聚輝，鄒宏偉

(遼寧師范大學，遼寧 大連 116029)

創新是引領經濟發展的第一動力，要加強全民族的創新能力，科技創新在全面創新中具有重要的作用。近年來，高校科研資源投入力度逐漸加大，科研經費不斷增長，政府積極參與，為科研工作提供了大力支持，為科技創新提供動力與有力保障。然而，在加大投入的同時也應該關注成果產出問題，只有將錢花在刀刃上，才能最大限度地發揮出其效力，不造成資源浪費。

論文基于投入－產出理論，利用包絡數據分析方法(DEA)，綜合利用靜態的DEA－BCC模型和動態的DEA－Malmquist指數模型，對我國31個省區市高校2016~2020年的科研績效進行評價。本文的創新之處在于所使用的區域劃分方法并不是絕大多數人所使用的東部、中部與西部的劃分方法。本文認為經濟發展水平與科研績效有著緊密的聯系，故利用GDP水平的高低將我國的區域劃分為三大部分，探究GDP發展水平與科研績效之間的關系。

一、文獻綜述

高校的科研績效評價一直受到國內外學者的廣泛關注。劉天佐和許航基于DEA－BCC模型與Tobit模型探究不同地區的科研績效水平與影響因素，最終從高校內部體制管理和經濟與環境政策兩個方面提出政策性建議。廖帥等基于DEA模型研究發現人均GDP欠發達地區的高校在科研成果轉化上最為不足，應建立人才激勵機制，加強產學研合作。苑澤明等利用DEA－BCC和DEA－Malmquist模型研究發現京津冀三地高校科研績效差異明顯。胡德鑫和王軼偉基于DEA模型對“985”高校進行科研競爭力評價，通過對高校之間資源配置的比較，提出改進策略，有效提高科研競爭力。宗曉華和付呈祥基于教育部直屬高校相關數據對我國研究型大學進行相關數據實證分析，認為我國應該實現高等教育的內涵式發展。Flegg等測算了英國45所大學生產效率的變動。閆平等利用包絡數據分析方法對教育部直屬48所高校科研績效水平進行研究，發現高校科研效率的提高來源于技術效率的增長。

二、研究對象、評價指標與數據來源

(一)研究對象

本文以31個省區市作為研究對象，研究所屬高校的綜合技術效率、純技術效率與規模效率。同時將決策單元按照2020年的GDP數據進行劃分，劃分為高、中、低三大區域。

GDP高水平的地區有廣東、江蘇、山東、浙江、河南、四川、福建、湖北、湖南、上海，共計10個省(直轄市)；

GDP中等水平的地區有安徽、河北、北京、陜西、江西、遼寧、重慶、云南、廣西、貴州，共計10個省(直轄市、自治區)；

GDP低水平的地區有山西、內蒙古、天津、新疆、黑龍江、吉林、甘肅、海南、寧夏、青海、西藏，共計11個省(直轄市、自治區)。

(二)評價指標

高校科研績效評價的核心就是選取合適的評價指標，對于指標的選取主要從投入與產出兩個方面進行衡量。投入指標即為人力資源與財力資源的投入。本文以“研究與發展全時當量人員” 和“科研經費內部支出”作為投入指標。以“出版科技專著” “發表學術論文總數” “專利授權數” “技術轉讓當年實際收入”等四項指標作為產出指標。如表1所示。

表1 高校科研投入產出指標情況

(三)數據來源

本文的投入產出數據均來自2016~2020年教育部科技司發布的?高等院校科技統計資料匯編?。

三、實證分析

(一)基于DEA－BCC模型的靜態分析

數據包絡分析方法是A.Charnes，W.W.Coope和E.Rhodes于1978年提出的，利用數學規劃方法，借助統計數據進行研究，對多投入與多產出的評價對象進行相對有效性評價。DEA方法無須預估參數與權重，可以減少主觀因素對數據結果的影響，能夠對績效做出更為客觀的評價，化繁為簡。包絡數據分析方法(DEA)主要包括兩個模型，即DEA－CCR模型與DEABCC模型，CCR模型用來評價部門間的相對有效性，BCC模型主要用于評價生產部門的技術有效性。

本文選取我國各地區2016~2020年的投入與產出指標數值，以投入為導向，利用DEA－BCC模型進行靜態分析，數據分析與處理軟件為DEAP2.1，得到技術效率、純技術效率與規模效率的數值。為方便進行數據分析，將其整理為表2。

表2 2016~2020年我國各地區高校科研績效情況

從實證分析結果可以看出，技術效率均值有效的地區有11個，分別是:北京、內蒙古、江蘇、浙江、河南、海南、重慶、貴州、陜西、寧夏、新疆，占總樣本的35%左右，2016~2020年總體的技術效率均值為0.796。低于均值的地區有13個，分別是天津、遼寧、吉林、黑龍江、上海、安徽、湖北、湖南、廣東、廣西、四川、西藏、青海，在這13個地區中有5個地區屬于GDP高水平地區，3個屬于GDP中等水平地區，5個屬于GDP低水平地區，在三大區域的分布中分布較為均勻。可以看出，經濟發展水平與高校科研績效水平的高低無必然聯系。整體的均值水平表明我國31個省區市高校的科研效率水平總體不高，仍有較大的提升空間，各區域間要加強區域合作與信息交流，以縮小地區間的科研績效差距，提升我國總體的科研績效水平。純技術效率均值有效的地區有15個，分別是:北京、內蒙古、遼寧、江蘇、浙江、山東、河南、海南、重慶、四川、貴州、西藏、陜西、寧夏、新疆，占總樣本的48%左右，2016~2020年總體的純技術效率均值為0.889，整體上來看運行效率良好，但天津的純技術效率均值僅有0.485，效率過低，天津應注意內部管理水平與運行效率，同時存在相同問題的省份還有吉林和上海，也要多加關注運行效率。本文以投入為導向，純技術效率可以反映出最大產出情況下的最小投入成本，純技術效率這個指標可以反映出高等院校科研制度的運行效率以及高等院校的管理水平，為了更好地提升全國的科研績效水平，各地區高校要加強內部管理與運行效率。規模效率均值有效的省份有11個，這些地區與技術效率均值有效的地區完全相同。規模效率可以反映出高等院校的資源配置是否為最優投入規模。2016~2020年總體的規模效率均值為0.895，總體均值水平較高，反映高等院校科研資源規模效率良好，但遼寧、四川、西藏地區規模效率均值偏低，遼寧的規模效率均值僅為0.468，應優化資源配置，從而促進規模效率的增長。

從GDP劃分得出的三個區域來看，技術效率均值最高的是GDP水平為中等的區域，技術效率均值為0.830，其次為GDP水平低的區域，技術效率均值是0.800，均值最低的為GDP水平高的區域，其技術效率均值為0.758。基于此數據可以看出經濟發展水平不一定直接影響到高等院校的科研績效，經濟發展水平高的區域科研績效水平不一定高于經濟發展水平落后的區域。純技術效率均值最高的依舊為GDP水平為中等的區域，純技術效率均值為0.902，其次為高水平區域，其均值為0.897，均值最低的是低水平區域，這說明低水平與高水平區域應加強自身的管理水平與資源運行效率，從而進一步提升自己的科研績效水平。規模效率均值最高的是GDP水平低的區域，其均值為0.924，數值較高，其次為中等水平地區，其均值為0.911，均值最低的是高水平區域，其均值為0.836，這說明GDP水平高的區域應加強自身的資源配置能力，適當增加資源投入，同時也需要加強科研建設，注重內部管理水平的提升。需要對各區域的經濟資源進行重新分配，以促進科研績效的提升。

對指標進行分解研究可以得知，制約GDP高水平地區經濟發展的原因是資源投入規模不夠，這些地區經濟發展水平雖高，但可能受制于地區的政策、政府的重視程度等外部因素，資源投入不足，從而導致科研績效水平過低，應該引起重視，促進資源的合理分配。而制約經濟發展低地區的科研績效發展水平的原因是內部管理水平以及科研制度運行效率，這些地區雖然經濟發展不足，但在資源投入方面卻是最優的，整體水平不高是受到了內部管理的制約，應及時發現問題，從而有針對性地解決問題。

(二)基于DEA－Malmquist模型的動態分析

DEA－BCC模型只能從靜態的角度進行數據分析，本文分析方法為動靜結合，故繼續利用DEAP2.1軟件，基于2016~2020年我國31個省區市的面板數據測算不同年份的科研績效及其變動情況。為方便數據分析，將其整理為表3。

表3 2016~2020年度各地區高校Malmquist指數及分解情況

使用全要素生產率進行數據分析時，需關注數據與1之間的關系:當全要素生產率指數大于1時，代表相鄰兩個時期指數水平有所提高；當全要素生產率等于1時，代表相鄰兩個時期指數水平沒有變化；當全要素生產率小于1時，代表指數水平下降。使用全要素生產率進行數據分析，可分析出引起生產力變動的原因。從表3可以看出，2016~2020年全要素生產率的均值為0.940，這說明我國科研績效水平呈下降趨勢，年均下降6%，需關注下降原因，有針對性地提升科研績效水平。2016~2018年，科研績效水平一直呈上升趨勢，年均增長為3.65%，其中2016~2017年增長5.8%，2017~2018年增長1.5%，從數據可以看出增速放緩。在這幾年間技術效率指數與技術進步指數一直呈上升趨勢，技術效率指數可分解為規模效率指數與純技術效率指數，2016~2018年，純技術效率指數呈現略微下降趨勢，但規模效率指數的上升空間要高于純技術效率指數的下降空間，故技術效率指數得以穩步提升。這說明這幾年技術管理水平、資源配置能力與技術創新及成果質量均有不同程度的提高，整體發展勢頭較好。

2018年開始，全要素生產率呈現下降趨勢，2018~2019年全要素生產率下降11.7%，2019~2020年全要素生產率下降19.6%，下降速度增快，詳細分析數據，發現這兩年下降的原因是技術進步指數的降低，這提示我們要注重科技創新，提升科技創新能力，不能止步不前。從整體五年的數據來看，所有指標均呈下降趨勢，應該多加關注資源配置能力、科研制度運行效率以及內部的管理水平，注重技術創新與進步，從而促進高等院校科研績效水平的穩步提升。

四、結論與建議

(一)結論

本文利用DEA－BCC與DEA－Malmquist模型進行數據分析，從動靜結合角度對我國2016~2020年31個省區市的面板數據進行分析，探究不同地區的科研績效水平與變化趨勢以及經濟發展水平與科研績效水平之間的關系。本文打破了傳統的數據區域劃分方法，按照GDP水平對我國31個省區市進行劃分，劃分為GDP水平高中低三個區域，來研究經濟發展水平與高等院校科研績效水平之間的關系，研究結果表明，我國高等院校總體科研績效水平不高，經濟發展水平與高校科研績效無必然聯系，GDP為低水平的地區科研績效水平反而是最高的，從數據結果來看，GDP為高水平地區的規模效率水平不高，主要是資源配置不合理，拉低了整體績效水平。該區域的各級政府應引起重視，引導資源合理配置。經濟發展為高水平地區要向經濟發展為中等水平的地區學習，學習其對科研工作的管理手段，如何做到高效率運轉，從而提升自身的科研績效。故根據實證分析結果，科研績效水平更多的是取決于內部管理水平的優良以及資源運行效率與配置能力，而非取決于經濟發展水平的高低。從實證數據結果可以看出，五年間全要素生產率呈現先上升后下降的趨勢，仔細觀察數據不難發現在樣本區間的第二年，全要素生產率的增速就已經放緩，之后兩年更是快速下降，這提醒我們應注意自身能力的全面提升，注重持續性，加強內部管理，關注運行效率，尤其要注重技術創新能力與研究成果的質量。

(二)建議

基于本文的研究結論，為進一步提升我國各地區高等院校的科研績效水平，提出以下建議:

第一，各地區高校要加強協同式發展，經濟發展水平高的地區要加強與中低水平地區的交流與合作，經驗共享，在管理理念、管理制度等方面加強信息共享，降低科研成本，從而達到共同進步的目的，提升全國整體績效水平。

第二，政府應加強對各高校的引導，對科研活動高度重視，制定相關的優惠政策，加大人才引進力度，在人才引進過程中做好篩查，引進高質量人才，將人才匹配到合適的崗位上，讓其發揮最大的作用，釋放最大的能力，避免人才浪費。在做好人才引進的同時也要注重培訓，看重能力的提升與后期的進步，從而為科研工作提供源源不斷的動力。不僅要注重地區交流，也要加強人才之間的交流，搭建人才信息交流平臺，經驗共享，從而提升其科研能力，加快我國科研績效水平的提升。政府在人力與財力資源上給予高等院校足夠的支持。

第三，加快科研成果向市場和產業轉化的速度，各區域大量的研究成果沒有很好地向市場轉化，成果未能實現其價值會嚴重制約科研人員積極性的提高。當科研人員看到自己努力做出的實驗、得出的結果被采用時，在物質與精神上均會得到不同程度的滿足，從而激發其想要做出成果的積極性。故我們要加強科研成果轉換平臺的建設，為科研成果的轉化搭建平臺，開闊市場，加快科研成果向市場的轉化速度，努力發揮成果在經濟、社會、文化中的應用價值。

第四，各地區高校要重視經驗總結，善于發現自身存在的問題，類似于遼寧、四川、西藏地區，其純技術效率均值均為1，但規模效率極低，應找到原因，從而有針對性地提高，實現內涵式高質量發展。