基于DEA的地方高等院校科技創新效率研究

蔣蘭陵

揚州大學商學院 江蘇揚州 225127

一、研究背景

創新這兩個字從《辭?！房梢缘玫浇忉專菏紫取皠摗笔恰皠撌?，首創”的意思；“新”指的是“初次出現”。創新連起來不外乎有這么兩層意思：一是拋去舊的，創造新的；二是在現有的基礎上改進更新。創新一詞的運用最早出現在經濟學領域。美籍奧地利經濟學家熊彼特在其代表作《經濟發展理論》中提出了“創新理論”，這是經濟發展理論的核心。他所界定的創新就是建立一種新的生產函數。而具有權威性的《新帕爾格雷夫經濟學大辭典》中“創新”被定義為新產品、工藝、方法或制度引用到經濟中的第一次嘗試。

科技創新作為原創性的科學研究與技術創新的總稱，其一般包含三種類型：知識創新、技術創新和管理創新。高等院校是科技創新不可或缺的基地，是原創性科學研究的搖籃，它可以將知識創新與技術創新兩個螺旋結構有效地結合在一起，既能體現國家的創新能力，又能增加自身的學術研究競爭能力。2020年，高等院校R&D人員127.39萬人，相較于2009年(這一指標從2010年的《中國科技統計年鑒》開始統一，因此數據從2009年開始)的50.93萬人增加了150.13%；從研究與發展人員全時當量來看，2009年是27.52萬人年，2020年已經增加至61.48萬人年；而R&D經費支出的增速是最大的，2009年高等院校經費內部支出僅僅468.17億元，2020年已經達到1882.48億元，增長了3倍之多；2009年時高等院校R&D課題一共47.67萬項，2020年課題數量已經達到128.86萬項。以上四個指標是從科技創新的投入視角來考量的，但是從產出角度來看，比如，專利所有權轉讓數量占比這一指標在2009年是2.49%，到2020年確有增加，但也僅有4.49%，比重的增長十分有限；2009年高等院校的重大科技成果占全國總數的比重是21.97%，2020年卻下降至15.40%(數據來源：2010年和2021年的《中國科技統計年鑒》并經計算得出)。由此可以看出，科技創新的投入與產出的變化方向并不一致，為了進一步激發科技創新活力、釋放更大的潛能，研究其真正的效率就具有較大的現實意義。

二、研究方法與數據選取

高等院校的科技創新屬于多投入與多產出的系統，因此DEA(由著名運籌學家A.Charnes&W.W.Cooper提出)的研究方法比較適合。

DEA研究方法所采用的原理是運用所需要決策的單元的多項投入和多項產出的項目數據，運用坐標空間從而求出最大的產出或最小的投入，以此來判斷各決策單元的效率如何。從具體操作過程來看，DEA運算基本上常用的方法有兩個：一個是CCR模型，另一個是BCC模型。CCR模型考慮的是規模報酬不變，BCC模型是規模報酬可變。本文所研究的地方高等院校的科技創新效率首先涉及的是多投入與多產出的框架結構，其次由于全國各地的異質性因素的影響，規模報酬顯然不僅不可能是不變的，而且是動態變化的。由此，本文選擇BCC模型作為研究的基礎模型，研究出來的創新效率進一步分為(綜合)技術效率、純技術效率和規模效率。技術效率是決策單元(DMU)在最優規模時的投入因素的生產效率；純技術效率是受管理水平等因素影響的生產效率；規模效率是受企業現有規模因素影響的生產效率。三者之間的關系可以由公式表明：

綜合技術效率=純技術效率×規模效率

縱觀歷年的《中國科技統計年鑒》，相關指標并不具備延續性和統一性?？紤]到指標的可選取性，經過篩選，本文的投入與產出指標選取如表1所示。

表1 BCC模型的指標選取

三、地方高等院?？萍紕撔滦实膶嵶C分析

以指標開始統一的2009年作為初始年，選取27(因產出指標值的常年缺失，數據選取剔除了內蒙古自治區、西藏自治區、青海省、寧夏回族自治區這四個省份)個地方高等院校作為研究對象，應用DEAP2.1軟件對2009—2020年的所有投入產出數據進行測算。

(一)2009年地方高等院校的科技創新效率的測算結果

(1)從表2的測算結果可以清晰地看出，2009年上海市、江蘇省、浙江省、福建省、河南省、廣西壯族自治區、陜西省和新疆維吾爾自治區這八個地方的高等院校的綜合技術效率都是等于1的，說明這八個地區的高?？萍紕撔逻_到了DEA有效，投入與產出達到了最優的狀態。而且更進一步的是，這八個地區的純技術效率和規模效率也均等于1，當然規模報酬都是不變的。這些既表明這些地區的高校具備較高的管理水準、科技資源的配置效率較高，又說明現有的規模已經能夠讓所有的科技投入各種要素得到充分的運用，實現了產出的最大化。在這八個地區中，陜西省的四個投入指標排在了全國第八位，遠遠超過浙江省(第12位)和上海市(第14位)；新疆維吾爾自治區的四個投入指標排名超過了海南省、寧夏回族自治區、青海省和西藏自治區。再從產出指標的角度來觀察初始采集數據值，陜西省排在全國第九名，這也就可以解釋其DEA測算的結果了；而新疆維吾爾自治區的排名上升一位，又趕超了內蒙古自治區，它的投入與產出雖然絕對值無法和江蘇、浙江相比，但是自身整體的效率已經達到了最優值。

(2)除了8個地區以外，其余各地的綜合技術效率均小于1，而且山西省的crste值最低，僅達到了0.591，同時純技術效率和規模效率在山西省也是小于1的，像山西省這樣的情況一共有12個地區，這些地方的高等院校總體上科技創新的效率是比較低的，既是受地方管理水平的限制，也受規模發展的阻礙，這也是投入與產出的松弛變量的結果不為0的原因。但是這12個地區的規模報酬卻都是irs(規模報酬遞增)，這在某種程度上也說明科技產出的增加速度超過了科技投入的增長速度，發展趨勢還是比較好的。

(3)北京市、河北省、山東省、廣東省以及海南省這五個地區的純技術效率值達到了1，其余的均小于1。這樣的結果表明在目前現有的技術層面及水平上，地方高等院校的科技投入資源的具體使用是有效率的(北京市2009年的四項產出指標全國排名第一)，但因為現有規模與最優規模存在差距，從而導致綜合技術效率小于1。

表2 2009年27個地方高等院?？萍紕撔滦手蹬c分解

(二)2020年地方高等院校的科技創新效率的測算結果

(1)DEA完全有效的地方增加了10個，超過了2009年的總數。新增的包括北京市、天津市、河北省、山西省、吉林省、山東省、廣東省、海南省、貴州省和青海省，投入與產出實現最優效率、最優規模的地區越來越多。不過，也包括上海市、浙江省和福建省在內的三個地區從原先的隊列中退出。上海市的規模效率已經達到1，規模報酬狀態處于不變，但是受純技術效率的影響，綜合技術效率的結果小于1，再從松弛變量上來檢驗，松弛產出變量中唯有第三個指標(有效發明專利)為0，松弛投入變量中也只有一、三兩個指標(研發從業人員、研發經費內部支出)為0，可見投入資源的使用效率沒有達到極致。最后回到數據采集值來進一步觀察，四個投入指標的上海市排名分別是第五名、第二名、第四名和第四名，而上海市在四個產出指標的全國排名分別是第四名、第八名、第四名和第五名，總體上產出排名是落后于投入排名的。

(2)技術效率的所有分解指標均小于1的地區數量還是12個，原先數值最低的山西省在2020年已經擠入了最強序列，現在最低的是安徽省和福建省，均是0.731，當然這個數值也已經比2009年要高出許多。在這些地區中，江西省、湖北省、湖南省、四川省以及甘肅省的規模報酬狀態是遞減的，這些指標的表象說明了科技投入與產出還沒有實現最優效率，在管理以及規模上均出現了不同程度的低效率現象。與2009年的運算結果進行對比后，發現天津市、山西省(原來最低值)、吉林省和貴州省已經上升到DEA有效序列，浙江省與湖北省是新增加的，2009年兩省的所有投入、產出的松弛變量值均為0，到了2020年浙江省出現了單一要素冗余，湖北省則是兩要素冗余。除此之外，江西省、湖南省與甘肅省的規模報酬狀態從2009年的遞增改變為遞減，所有要素的生產規模未能實現最優的配置。

表3 2020年27個地方高等院校科技創新效率值與分解

(三)2009—2020年地方高等院校的Malmquist指數運算結果

經過對2010—2021年《中國科技統計年鑒》相關數據的整理發現，在“有效發明專利”和“專利所有權轉讓及許可收入”這兩個指標中，個別邊遠省份有不少年份的值為0，因此在運算前剔除了內蒙古自治區、海南省、西藏自治區、青海省、寧夏回族自治區和新疆維吾爾自治區這六個地區，DMU的選取一共有25個，再次運用DEAP軟件進行Malmquist指數運算，結果如表4所示。

(1)所有效率指標值均大于1的一共有11個地區(吉林省、黑龍江省、江蘇省、安徽省、福建省、江西省、廣東省、重慶市、貴州省、云南省和甘肅省)，占所有DMU的44%。這10個區域的地方高等院校在五個效率分指標中的歷年均值是呈正增長的變化趨勢，也就是說這些地方高校的科技創新得到了技術進步、管理水平提升、規模適宜等的綜合作用，多管齊下，帶來的全要素生產率也有了一定的增長。

(2)山西省除了規模效率小于1外，其余的指標值均大于1，并且山西省除了在技術進步這個指標中低于福建省之外，其他三個指標的增長率均排在全國第一位，全要素生產率的增長高達120%?？v觀山西省近些年來的科技創新成果，2017年立法從制度上為科技創新保駕護航；2020年12月山西省與北京大學合作共同建設科技創新基地，從省級的高度提升了合作共贏的形式；山西大學作為領頭羊在物理、哲學學科的科技創新成果方面在全國遙遙領先，科技創新的成果轉化也形式多樣。如果山西省更多高校的科技創新發展能夠齊頭并進，規模效率的作用就能在不久更好地體現出來。

表4 2009—2020年25個地方高等院校Malmquist指數運算平均值Malmquist index summary of firm means

(3)有兩個指標值小于1的地區共有8個，其中天津、浙江、遼寧和山東都是技術效率和純技術效率的增長率為負數，問題主要歸結于地方高校的重視程度、管理水平沒有跟上，無論是科技創新所需的資金、從各方大力引進、培養的人才，還是各級科研基地的設立、專利的發明數量等，在這些以接近兩位數大幅增長的同時，制度保障、管理水平、各級協調一致等就顯得尤為關鍵。廣西壯族自治區、河南省與四川省的負增長原因主要集中在科技進步方面；陜西省主要是受規模效率的影響較大，對技術效率產生了較強的負面作用。

(4)上海市、湖北省與湖南省這三個地區所有計算指標的值均小于1，均出現了不同程度的負增長。其中湖北省的技術進步與全要素生產率的下降程度是所有25個地區中最多的。觀察運算的歷年結果可以發現，上海市有指標出現小于1的情況始于2019年，先前的各項指標尤其是綜合技術效率的值在全國都是名列前茅，無論是投入還是產出，均排在第四位、第五位。2020年R&D人員全時當量已經躍居全國第二，僅次于北京；專利申請數量下降到全國第八名，其余支出指標也略有下降。同時，陳賓(2019)提到的科技體制機制問題(如評價機制、行政部門的低效率等)也造成了上海市綜合效率下降的原因，這些因素在地方高?？焖侔l展的初期不會有太大的影響，只有進入成熟穩定的發展期，想要再次突破時才會暴露得比較明顯。

四、結論與建議

通過對31個省、自治區、直轄市2009—2020年地方高等院校科技創新若干指標的統計與整理，可以直觀地看出各個地方科技創新的投入和產出都發生了日新月異的變化，經濟較發達地區全面“開花”，自主、合作、協作等齊頭并進；偏遠地區、經濟欠發達地區從星星之火到重點輻射，從無到有，時間的長河記載著這些地方的變遷，留下了脫胎換骨的印跡。從2009年和2020年兩個時間點的運算結果以及Malmquist指數的信息可以得到以下幾點啟示：

(1)諸如上海、北京、廣東等原先高校科技創新第一梯隊的地區，需要解決純技術效率的影響因素，也就是像科研評價機制落后、技術創新工作分散且單一等管理問題，高校的科技體制改革的創新迫在眉睫，科研人員研究需要的行政流程要盡可能一站式，從根本上改變行政人員對待科研人員的服務意識；科研不是一蹴而就的，需要時間的累積，每年的量化考核改變了研究的初衷、研究必經的過程等，這在一定時期后勢必會對科技創新起到負面作用。

(2)存在一兩個創新效率問題的地區可以從創新的規模、范疇入手，科技創新的高校輻射面可以在未來更廣些，不要一味地增加投入，要拓寬創新的學科領域，盡可能地多交叉，多合作，改變產出與投入不完全匹配的現狀，實現最優規?；l展。

(3)高?？萍紕撔虏荒芄铝⒌匕l展，要與高校其他部門、其他發展目標相互融合，比如“雙創”、學科建設等。將高校各個部門職能打通，減輕科技創新過程中的較為煩瑣的運作負擔，對整個運轉系統的治理可以徹底釋放研發人員的能量，心無雜念地全身心地投入基礎研究。