鄉村振興背景下我國農林高校的科研效率及影響因素

王杜春，時玉坤

（1.東北農業大學公共管理與法學院；2.東北農業大學繼續教育學院，黑龍江哈爾濱 150030）

黨的十九大報告提出農業農村農民問題是關系國計民生的根本性問題，必須始終把解決好“三農”問題作為全黨工作的重中之重，實施鄉村振興戰略。2020 年我國圓滿完成了貧困人口全面脫貧、全面建成小康社會的發展目標，現階段的努力方向是將鞏固脫貧攻堅成果同鄉村振興有效銜接，走中國特色社會主義鄉村振興道路［1］。在鄉村振興戰略的實施過程中，農業農村對科技的需求將會史無前例地增加，而農林高校作為農林領域科技創新的主陣地，要銘記習近平總書記給全國涉農高校書記校長的回信精神，以立德樹人為根本、以強農興農為己任，在培養知農愛農人才的同時要勇于承擔起農林領域科研攻關與成果輸出的重任，拿出更多的科技成果服務農業農村現代化建設，為實現“農業強、農村美、農民富”的鄉村全面振興貢獻力量［2］。在此背景下，高效利用高等農林院校的科研資源，加速科技成果落地，從而服務于農業農村現代化建設成為高等農林院校科研管理的重要議題。

1 相關研究綜述

國內外學者對高校科研效率的研究方興未艾，現有研究的內容主要集中于4 個方面：一方面如胡詠梅等［3］、王寧等［4］與Agasisti 等［5］的研究，側重于對高校科研效率評價指標體系的構建；第二方面如Johnes 等［6］、Exposito 等［7］與宗曉華等［8］的研究，集中于對高校科研效率的實證分析；第三方面如鄧理等［9］、王仙雅［10］與Munoz［11］的研究，偏向于高校科研效率影響因素的分析；第四方面如袁傳思［12］的研究，則從高校科研效率的提升策略方面進行了探討。研究對象大體包括三大類：一是以全國不同省份高校為研究對象的科研效率差異分析，如梁樹廣［13］的研究；二是針對特定區域或某一具體省份高校科研效率的研究，如吳宏超等［14］、毛世平等［15］、王杜春等［16］、汪彥等［17］、李韻婷等［18］分別研究了“一帶一路”沿線省份、京津冀地區、東北地區等區域以及上海市、廣東省等省份的高校科研效率；三是以特定類型高校為研究對象的科研效率評價，例如宗曉華等［8］、榮耀華等［19］分別研究了“雙一流”高校、教育部直屬院校的科研效率。從研究方法和模型來看，針對不同研究內容選取的方法有所差異：對高校科研效率評價指標體系的構建主要采用因子分析法與層次分析法；對高校科研效率的實證研究大多采用經典的數據包絡分析（DEA）模型和改進的DEA 模型，經典的DEA模型主要包括適用于靜態效率分析的BCC 模型與適合動態評價的Malmquist 指數，改進的DEA 模型有超效率DEA 模型、DEA 視窗分析等；對高校科研效率影響因素的研究主要選取Tobit 回歸模型、SFA 參數分析模型、扎根理論模型與灰色關聯度分析模型。

綜上可以看出，目前對高校科研效率的實證分析與評價指標體系研究較多，對影響因素的關注相對不足，且現有相關評價指標體系的研究中鮮有考慮國家基金立項數這一重要科研產出；就研究對象而言，對農林高校科研效率的研究不多，且缺乏農林高校內部的差異對比分析；就研究方法而言，針對研究側重點不同的方法組合各有差異，但靜動態相結合測算科研效率的研究較少。為此，本研究以鄉村振興為大背景，選取我國主要的29 所農林高校作為研究對象，將國家基金立項數納入評價指標體系，首先運用BCC 模型與Malmquist 指數分別測算各高校的靜態與動態科研效率，并對農林高校的科研效率進行分地區、分辦學層次的對比，找出彼此之間的差距并探析其中原因，隨后建立Tobit 回歸模型探究影響我國農林高校科研效率的關鍵因素，為高校下一步的科研管理提供決策依據，以促進農林院校在新時期更好發揮強農興農的科技服務作用。

2 研究設計

2.1 研究方法

2.1.1 DEA-BCC 模型

數據包絡分析法最早由美國運籌學家Charnes等［20］建立和使用，因其在評價多投入、多產出決策單元績效方面的優勢，在運籌學、管理學等領域應用廣泛。考慮到規模收益可變與農林高校科研管理實際，選擇產出導向的BCC 模型進行靜態科研效率分析。產出導向的BCC 模型表達式為：

BCC 模型基于規模收益可變，綜合效率（crste）可以分解為純技術效率（vrste）和規模效率（scale），表達式如下：

式（2）中：crste 表示高校的靜態科研效率水平；vrste 表示高校的科研運行機制與管理水平；scale 表示投入產出結構與資源配置的合理性。若crste=1，說明決策單元DEA 有效；若crste＜1，則說明決策單元DEA 無效。

2.1.2 DEA-Malmquist 指數

傳統DEA 模型更多的是從靜態角度測算投入產出效率，而Malmquist 指數是在傳統DEA 模型基礎上進行改進、發展出的，一種從動態角度對投入產出效率進行測算的方法。Malmquist 指數反映了決策單元在時間序列中的生產力變化，該方法下全要素生產率（tfpch）的表達式為：

全要素生產率可以分解為技術進步效率（techch）和技術效率（effch），而技術效率又可以進一步分解為純技術效率（pech）和規模效率（sech），表達式如下：

式（4）中：tfpch 表示動態科研效率水平；techch 表示科研技術方面的進步；effch 表示科研管理水平與科研投資的改善；pech 表示科研管理水平的提升；sech 表示科研投資規模的優化。若tfpch＞1，則說明決策單元全要素生產率變化呈上升趨勢，這一時期科研水平提高；若tfpch＜1，則說明決策單元全要素生產率變化呈下降趨勢，這一時期科研水平降低。

2.1.3 Tobit 回歸模型

Tobit 模型是指被解釋變量雖然在正值上大致連續分布，但包含一部分以正概率取值為0 的觀察值的一類模型。由于DEA 模型測算出的科研效率值介于0～1 之間，因此適合運用Tobit 回歸模型進行影響因素的分析。標準的Tobit 模型為：

2.2 指標選取

參照已有研究，同時考慮數據的可獲得性，構建了由3 個投入指標與4 個產出指標構成的評價體系，如表1 所示。考慮到國家基金立項數作為高校科研水平與科技成果的重要參考，將國家基金立項數納入科研效率評價指標體系，與專著、高水平論文一起作為科技成果的二級指標進行評價，力求科學全面地考量高校的科技產出水平。其中，國家基金立項數主要考慮國家自然科學基金項目與國家社會科學基金項目兩大類。

表1 農林高校科研效率評價指標體系

3 農林類高校科研效率實證分析

基于研究數據的真實與可獲得原則，本研究采用的數據源自教育部公布的《高等學校科技統計資料匯編》，因為2017 年以后無具體院校的科技資料信息，所以選用2014—2017 年29 所農林院校的面板數據（以下簡稱“樣本”）。此外，考慮到高校科技投入與產出之間存在時滯，設置1 年的時滯期，即本年度的科研效率是用前一年度的投入與本年度的產出計算得來。

3.1 基于BCC 模型的靜態科研效率分析

3.1.1 靜態科研效率整體分析

運用DEAP 2.1 軟件中的BCC 模型測算29 所農林高校2014—2017 年的投入、產出平均效率值，結果如表2 所示。可見樣本高校2014—2017 年科研規模效率略高于純技術效率，說明我國農林高校的整體科研效率水平較高，科研資源的投入產出結構較為合理，科研管理水平也不斷提升。就有效決策單元而言，中國農業大學等14 所高校處于DEA 有效狀態，占決策單元總量的48.27%，這些高校的科研投入產出狀態達到相對最優水平；其余15 所高校處于非DEA 有效狀態，其中北京林業大學等6 所高校接近DEA 有效狀態、科研效率值高于0.8，西北農林科技大學等5 所高校科研效率值處于0.6～0.8，而內蒙古農業大學等4 所高校科研效率值低于0.6，說明我國農林高校的科研效率總體水平較高但高校間尚存在較大差距。就效率細分而言，14 所DEA 有效狀態的農林高校效率細分值均為1；非DEA 有效的農林高校中，西北農林科技大學等4 所高校的純技術效率高于規模效率，這類高校應合理配置科研資源，注重提升投入產出結構的合理性；而山西農業大學等11 所高校的規模效率高于純技術效率，這類高校下一步的工作重點是優化科研運行機制，提升科研管理水平。就規模報酬而言，14 所DEA 有效狀態的農林高校的規模報酬不變，說明這些高校已經達到了投入產出的最優狀態，只需繼續保持即可；沈陽農業大學等8 所農林高校處于規模報酬遞增減狀態，說明這些高校資源投入過多使得科研資源利用率較低，從而降低了科研效率；吉林農業大學在內的6 所高校的規模報酬呈現遞增趨勢，說明這些高校由于資源投入過少影響了其科研效率達到最優狀態。

表2 2014—2017 年我國29 所農林高校靜態科研效率均值

3.1.2 靜態科研效率差異分析

為科學探究我國農林高校之間的深層次差異，將樣本農林高校按照辦學層次和所屬地區進行劃分，按照“雙一流”高校建設目標，將樣本高校劃分為“雙一流”建設高校（10 所）和普通高校（19 所）兩大類，按照我國三大地理分區1）將農林高校屬地劃分為東部（11 所）、中部（12 所）和西部（6 所）三大類，分類后取均值進行分析。由圖1 可見，從辦學層次來看，“雙一流”建設農林高校與普通農林高校存在較大差異。不管是綜合效率，還是效率細分的純技術效率與規模效率，“雙一流”建設農林高校的科研效率均值都高于普通農林高校，說明“雙一流”高校建設計劃起到了良好的效果。自2015 年我國提出“雙一流”建設計劃以來，國家給予“一流大學”與“一流學科”建設高校充足的資金與政策支持，提高了這些高校的整體科研生態水平；此外，“雙一流”建設高校自身在吸引人才與投資、科技成果產出與轉化方面具有比普通高校更佳的品牌優勢，因此其科研效率高于普通高校。而普通農林高校的科研效率低于平均水平、純技術效率低于規模效率，因此要進一步提升科研管理水平以提高自身科研效率。

圖1 2014—2017 年按辦學層次分類的樣本農林高校靜態科研效率均值分布

由圖2 可見，從地區分類來看，三大地區的農林高校之間存在顯著差異：東部地區農林高校的綜合效率最高，西部次之，均高于樣本農林高校平均水平，中部最低且略低于平均水平；就純技術效率而言，西部農林高校的純技術效率表現突出，遠高于平均水平，說明西部地區的科研管理水平較高，加之近年來西部農林高校的科研資源投入不斷增加，科研基礎設施逐步完備，國家各類扶持政策層出不窮，使得西部農林高校迸發出強勁的科研與創新活力，因此其科研效率僅次于東部地區；就規模效率而言，東部農林高校高于其他地區樣本高校，說明東部農林高校的投入產出結構更優、配置資源的能力與水平更高，加之東部地區優越的地理位置、發達的經濟水平、創新的科研環境吸引了大批人才與技術，使得其科研效率在三大地區農林高校中拔得頭籌；中部農林高校的純技術效率與規模效率表現較為均衡但都不突出，地方政府要充分挖掘自身優勢來吸引科技人才、增加科技成果產出，以此提高中部農林高校的科研水平與效率。

圖2 2014—2017 年按所屬地區分類的樣本農林高校靜態科研效率均值分布

3.2 基于Malmquist 指數的動態科研效率分析

3.2.1 動態科研效率整體分析

由于靜態效率未考慮時間變動和技術變動的影響，因此采用Malmquist 指數對樣本農林高校科研效率進行動態分析，計算結果如表3 所示。可見樣本高校的全要素生產率在2014—2017 年間年均增長1.5%，但主要貢獻來自于技術效率的年均增長3.2%，其中純技術效率年均增長2.8%、規模效率年均增長0.4%，而技術進步效率則呈現年均下降1.6%的態勢。綜上，樣本農林高校在2014—2017 年間科研效率有效且有明顯提升，科研投資規模不斷優化，科研管理水平有所提高，但在創新與技術進步方面仍有欠缺，整體的創新效應不足。

表3 樣本農林高校年均Malmquist 指數及分解

其中，就全要素生產效率而言，2014—2015 年達到最高，原因可能是在國家“雙一流”高校建設計劃的影響下，國家有關部委與各地方政府都加大了對屬地高校的資金、政策、資源支持，各高校科學充分利用科研資源使得科研效率有了較大提升，達到近幾年的峰值；2015—2016 年以及2016—2017年都有所下降，一方面在于上一年度取得的科研績效較難突破，而各高校科研要求進一步提高科研產出較為困難，另一方面可能存在農林高校科研資源投入相對過剩的問題，科研效率有所下降。就要素增長結構而言，研究期內各高校的技術效率穩中有升，但分解指標純技術效率與規模效率有所波動，2015—2016 年純技術效率下降0.5%，2016—2017年規模效率降低1.3%，表明相應年度科研投資與科研管理水平有待進一步提高；技術進步效率雖在2015—2016 年有輕微提升，但研究期內整體水平不高，這也是制約農林高校動態科研效率提升的主要原因。在當前科研生態下，農林高校需要完善科技創新制度建設，增強科研體系創新、科學技術進步的能力，有針對性地提高農林院校的科研創新能力。

3.2.2 動態科研效率差異分析

由于篇幅所限，按照樣本高校的動態科研效率及其分解指標情況進行了模糊聚類，將樣本高校聚類為五大類。如表4 所示，2014—2017 年間有17 所高校的全要素生產率均值大于1，占樣本高校總數的58.62%，其中包括中國農業大學在內的Ⅰ類高校表現最佳，技術效率與技術進步效率都呈現增長態勢，說明Ⅰ類高校的科研建設效果良好，管理水平與科研創新能力均較高；Ⅱ類高校技術進步效率表現欠佳，但由于技術效率的提升彌補了技術進步效率的不足，使得全要素生產率得以提高；與Ⅱ類高校相反，Ⅲ類高校則為技術進步效率的提升掩蓋了技術效率的下降，拉動全要素生產率逐年增長。Ⅱ類與Ⅲ類高校在保證自生優勢的同時，前者要注重科研創新能力建設，后者則要優化投入產出比例、提升科研管理水平。有11 所高校的全要素生產率均值小于1，其中，Ⅳ類高校技術效率表現較好，但技術效率的提升幅度小于技術進步效率的下降幅度，因此全要素生產率呈現下降態勢，這類高校應彌補科研創新與技術進步的短板，促進科研效率持續增長；Ⅴ類高校的技術效率與技術進步效率均呈現下降態勢，這類高校在全面提升科研管理、科研投資與技術進步的同時，要明確自身優勢，尋求提升科研效率的突破口。

表4 基于科研效率水平的樣本農林高校模糊聚類

由表4 按照辦學層次和所屬地區分別對樣本高校的動態科研效率進行差異分析，結果顯示，無論按照什么標準劃分，樣本農林高校的技術進步效率均呈現下降態勢，全要素生產率的提升主要依靠技術效率的進步，純技術效率的貢獻高于規模效率。

由圖3 可見，從辦學層次來看，“雙一流”建設農林高校與普通農林高校的全要素生產率都呈現增長態勢，但“雙一流”建設農林高校的增長率更高，年均提升6.7%，普通農林高校年均提升2.8%；就技術進步效率來看，普通農林高校的下降幅度高于“雙一流”建設農林高校。由于“雙一流”建設農林高校的全要素生產率更高，因此在未來一段時間，“雙一流”建設農林高校的科研效率將進一步領跑普通農林高校，這也從側面體現出“雙一流”建設的成效與優勢。

圖3 2014—2017 年按辦學層次分類的農林高校動態科研效率均值分布

由圖4 可見，從所屬地區來看，全要素生產率由高到低依次是西部農林高校、東部農林高校、中部農林高校，西部與中部農林高校憑借技術效率的高增長率掩蓋了技術進步效率的下降，拉動全要素生產率分別年均提升7.2%與2.5%，而中部地區農林高校由于技術進步效率下降幅度大于技術效率的提升幅度，因此全要素生產率出現下降態勢；就技術進步效率來看，東部地區農林高校下降幅度最小，西部地區農林高校下降幅度最大，由于西部農林高校的全要素生產率表現優異，其與東部農林高校的科研效率差距將進一步縮小，而中部農林高校與另外二者的科研效率差距將進一步擴大。

圖4 2014—2017 年按所屬地區分類的農林高校動態科研效率均值分布

4 農林類高校科研效率影響因素分析

考慮到BCC 模型與Malmquist 指數無法對科研效率的影響因素進行測量，以各樣本農林高校的靜態綜合效率作為被解釋變量，以科研要素投入、科研支持條件和院校外部環境3 個維度的6 個變量作為解釋變量（見表5），借助Tobit 模型來探究我國農林高校科研效率的關鍵影響因素，從而為各高校下一步的科研管理提供決策方向與有益借鑒。

表5 研究變量及數據來源

基于上述變量選取，結合Tobit 模型的標準形式與汪彥等［17］的研究做法，構建我國農林高校科研效率影響因素的Tobit 模型如下：

表6 樣本農林高校2014—2017 年科研效率回歸結果

在模型回歸結果中，Pseudo R2=0.814 表明6 個解釋變量的變化對被解釋變量的變化有較好的解釋力，且Prob＞chi2=0.000 表明模型回歸結果中不存在多重共線性、異方差與序列相關等問題。就各個解釋變量的顯著性來看，人力投入與經費投入在1%顯著性水平上影響著農林高校科研效率；科研機構數量與國家重點學科數在5%顯著性水平上影響著農林高校科研效率；而高層次人才數量和所在省份GDP 未通過顯著性檢驗，但是在一定程度上對農林高校的科研效率有正向影響。高層次人才的人力資本積累更多、科研資源更豐富，而且他們往往是各自領域中的引領者與帶頭人，因此其科研產出較高，所以會促進高校的科研生產效率提升。科技創新是經濟發展的核心動力，決定著經濟發展的速度與質量，但同時經濟發展水平會反作用于科技創新，強大的經濟實力會為高校的科技創新提供有力的資金支持和科技轉化環境，從而推動高校科研效率的提升。

可見，人力投入對提升農林高校的科研效率發揮著重要的促進作用，而經費投入則產生抑制作用。這從側面反映出目前我國農林高校科研投入現狀為經費冗余但人才緊缺、人才投入尚未飽和。人才緊缺是制約農林高校科研效率的主要瓶頸，當前農林高校的科研投入應該更加關注專業化人才資本的積累，這也是決定其技術創新水平的最主要原因。而經費的大量投入不僅沒有產生良好的推動作用，反而引發了經費濫用等低效現象，抑制科研效率的提升。因此，農林高校要提高科研效率，并不是一味增加經費投入，而要進行科學評估，找出科研短板，進而采取針對性措施加以彌補，同時在高校內部要注重不同辦學層次與不同地區間高校科研資源投入的均衡［21］。科研機構數量對農林高校科研效率呈顯著正相關。科研機構作為農林高校科研創新活動的載體，在科研過程中發揮著組織、管理、服務等作用，因此科研機構對高校科研效率的提升起著一定的促進作用，但是高校要合理控制科研機構的數量，切勿盲目擴大，以免產生不良影響。國家重點學科數量的回歸系數在所有解釋變量中最高，說明其是推動我國農林高校科研效率的主要因素。國家重點學科是國家擇優確定并重點建設的培養創新人才、開展科學研究的重要基地，在高等教育學科體系中居于骨干和引領地位，其背后是一流的師資力量、強大的科研團隊、先進的儀器設備，這些有利條件使高校在有關專業領域中具有更多的話語權和更大影響力，相關領域的科研產出往往質量高、數量大，所以會促進高校科研效率的提升［22］。國家重點學科數量與各農林高校的整體實力、專業特色有著密切關系，國家重點學科數量越多，則農林高校的這種優勢效應也就隨之愈加明顯。

5 結論與建議

第一，就靜態分析而言，樣本農林高校整體科研效率水平較高，但各高校之間尚存在較大差距。從辦學層次來看，“雙一流”建設農林高校的科研效率高于普通農林高校，這與“雙一流”高校的資金、政策和品牌優勢有著密切關系。從地區分類來看，各地區農林高校的綜合科研效率東部最高、西部次之、中部最低，東部農林高校由于具有位置與經濟優勢，其科研投入產出結構更優、配置資源的能力與水平更高，西部農林高校由于政策投入不斷增加，迸發出強勁的科研與創新活力，科研運行機制更加有效，而中部農林高校表現較為均衡但都不突出。面對農林高校間科研效率的差異，除繼續實施“雙一流”建設戰略之外，還需加強對口支援西部地區高校計劃與中西部高校基礎能力建設工程等項目，在系統全局性調整農林高校科研資源的基礎上，適當加大對中西部地區農林高校的投入力度與政策導向，以提升我國農林高校整體科研效率與實力。

第二，就動態分析而言，樣本農林高校在2014—2017 年間科研創新效率有明顯提升，科研投資規模不斷優化、科研管理水平有所提高，但在科研創新與技術進步方面仍有欠缺，整體的創新效應不足。從辦學層次來看，“雙一流”建設農林高校的全要素生產效率高于普通農林高校，因此在未來一段時間，“雙一流”建設農林高校的科研效率將進一步領跑普通農林高校，這也從側面體現出“雙一流”建設的成效與優勢。從所屬地區來看，各地區農林高校的全要素生產率由高到低依次是西部地區、東部地區、中部地區，因此西部農林高校與東部農林高校的科研效率差距將進一步縮小，而中部農林高校與另外二者的科研效率差距將進一步擴大。我國農林高校要加強對科研創新與技術進步方面的重視程度，通過培養科研人才、完善科研管理制度、構建科研創新獎勵體系等途徑提升自身科研實力；同時中部地區農林高校要通過提升科研管理水平、完善科研投入產出結構、加強與其他地區高校的科技交流合作等方式，逐步縮小與其他地區農林高校的科研效率差距，甚至在未來實現反超。

第三，就影響因素而言，影響樣本農林高校科研效率的主要有六大因素，即人力投入、經費投入、科研機構數量、高層次人才數量、國家重點學科數量和所在省份的人均GDP，其中人力投入、科研機構數量與國家重點學科數量等3 個因素與農林高校科研效率呈顯著的正相關，經費投入卻與農林高校科研效率呈顯著的負相關，而高層次人才數量和所在省份人均GDP 雖與農林高校科研效率呈正相關但未通過顯著性檢驗。各因素對農林高校科研效率影響的側重不同，因此，我國農林高校整體上要合理控制經費投入的規模，增加有效人力投入，特別是高水平人才投入的力度，在科學評估的基礎上增設科研機構，在培育現有國家重點學科的基礎上努力增加重點學科數目，以此促進科研效率提升；同時，由于各高校的科研投入水平有所差異，因此在提高科研效率的途徑和方式上要具體問題具體分析，充分發揮各自優勢、彌補自身短板，更好地服務于農業農村的現代化建設。

注釋：

1）根據地理區域的劃分，將我國31 個省級行政區（未含港澳臺地區）劃分為東部地區、中部地區與西部地區。其中，東部地區包括遼寧、河北、北京、天津、山東、江蘇、上海、浙江、福建、廣東、廣西、海南共12 個省級行政區；中部地區包括黑龍江、吉林、內蒙古、山西、河南、安徽、湖北、湖南、江西共計9 個省級行政區；西部地區包括新疆、西藏、青海、甘肅、寧夏、陜西、重慶、四川、貴州、云南10 個省級行政區。