“雙一流”高校科技創新效率測度及評價

廖果平 姜銘哲

摘? ?要：以我國32所“雙一流”高校為研究對象，選取2012—2018年各高校科技創新的數據指標，通過構建三階段DEA模型，對“雙一流”高校科技創新效率進行有效測算。結果表明，各“雙一流”高校科技創新效率值相差較大，大部分高校未能達到技術前沿面，各“雙一流”高校有很大的空間來提升自己的科技創新效率，且由于受到外部環境和隨機干擾項的影響，部分“雙一流”高校存在效率值虛高或被低估的現象。

關鍵詞：三階段DEA模型；“雙一流”高校；科技創新效率；效率測度

中圖分類號：G644? ? ? ? 文獻標志碼：A? ? ? 文章編號：1673-291X（2023）05-0151-03

一、研究背景

習近平總書記在黨的十九大報告中提出創新是引領發展的第一動力，國家經濟的發展和社會的進步需要創新的引領，高校科研能力的提高與科研人才的培養更加需要創新意識來推動。高校作為我國科研創新主力軍，為社會輸送了大量的人才與科研成果，為國家復興發展貢獻著自己的力量。“雙一流”高校作為其中的佼佼者，擁有豐富的教育資源，承擔著培養科研人才和進行科研創新的艱巨任務。對“雙一流”高校進行科技創新效率研究，可以了解中國頂尖學府的創新能力，從而為其他高校科技創新效率的提升提供參考和借鑒。目前國內外對高校科技創新效率的研究已處于較為成熟的階段，學術界眾多學者運用多種手段，構建不同的模型，對高校的科技創新效率進行了深入的探索與測度，據此提出了大量新穎的觀點。Johnes以英國109所高校為樣本，選取2001—2002年的數據對這109所高校的技術效率和規模效率進行了測度，得出英國高校的技術效率和規模效率處于下降的趨勢[1]。李海東等通過構建DEA模型對我國石油類高校的科技創新效率進行了測評，認為我國石油類高校技術效率總體上較高，而非DEA有效的高校主要受規模無效率的影響，并且存在比較嚴重的產出不足現象[2]。李文輝等運用兩階段數據包絡分析模型（DEA）對各省高校科技創新效率情況進行了計算和排名，并提出科技創新能力應與地區經濟協調發展[3]。由上述學者的研究成果可以看出目前我國學者對于高校科技創新效率的研究主要是以參數法和非參數法為主。參數法主要通過構建隨機前沿模型（SFA），非參數法則主要以構建DEA模型為主。

二、指標選取

1.投入指標。本文的投入指標主要從資金投入、人員投入方面進行選取。在資金投入方面，本文選取了內部經費支出與當年科技課題支出經費兩項指標，從不同方面反映了“雙一流”高校對于科技創新活動的資金投入情況。在人員投入方面，由于高校的科技創新活動是一個整體性的活動，需要全體研究人員廣泛參與，因此本文選擇研發全時當量人員數與教學與科研人員兩項指標，以更好地反映“雙一流”高校人員投入的實際情況。

2.產出指標。本文選取了學術論文發表篇數 （國外及全國性刊物）、技術轉讓實際收入額與國家級成果授獎數三項指標。技術轉讓實際收入體現了高校科技創新所帶來的經濟收益，學術論文發表篇數（國外及全國性刊物）與國家級成果授獎數則反映了高校科技創新帶來的學術成果。

3.環境變量。環境變量的選取需要選取對高校科技創新產生影響但又不受到主觀因素干擾，因此本文結合了“雙一流”高校的實際情況選取了地區人均GDP、政府資金投入、企事業單位委托經費三個指標。

三、測度結果

（一）第一階段

在不考慮環境因素和隨機因素干擾的情況下，2012—2018年“雙一流”高校科技創新效率不是特別理想，總體平均值為0.6712，遠沒有達到技術效率的前沿面。并且歷年的平均值較為接近，沒有出現大幅度的波動，說明近些年“雙一流”高校科技創新效率總體處于較為穩定的水平。

從各高校的情況來看，清華大學、南京大學有三年及以上的效率值達到1，其余年份的效率值也達到0.8以上，說明這兩所高校具有很高的科技創新效率，并且能始終保持較高的水準。南開大學、中國農業大學、上海交通大學、東南大學、廈門大學、中國海洋大學、西安交通大學、蘭州大學、東北大學與西北農林科技大學這10所“雙一流”高校有一到兩年的效率值達到1，但處于不穩定的狀態，歷年效率值的差異較大，這10所“雙一流”高校應該采取相應措施來提升自身的穩定性。其余的20所“雙一流”高校的效率值從未達到1，甚至出現了低于0.5的情況，這20所“雙一流”高校具有很大的空間來提升自身的科技創新的效率。

（二）第二階段

由于各松弛變量的γ值都為0.9999并且1%的水平下處于顯著狀態，說明本文對于環境變量的選取具有合理性，同時結合環境變量與投入松弛變量之間的回歸系數，可以得到如下結論。

1.地區人均GDP。地區人均GDP與教學與科研人員的松弛變量和當年科技課題支出經費的松弛變量均通過了1%的顯著性檢驗。其中，地區人均GDP與當年科技課題支出經費松弛變量之間的回歸系數為正，說明地區人均GDP的提高容易造成科技課題支出經費的浪費。另一方面，地區人均GDP與教學與科研人員松弛變量之間的回歸系數為負，說明地區人均GDP的提高可以節約科研人力資源，同時提升創新效率。而地區人均GDP對松弛變量研發全時當量人員數松弛變量、內部經費支出松弛變量未能通過顯著性檢驗，表明地區人均GDP對兩者之間的影響處于不顯著的狀態。

2.政府資金投入。政府資金投入與研發全時當量人員松弛變量、教學與科研人員松弛變量、內部經費支出松弛變量通過了1%的顯著性檢驗且回歸系數均為正，表明政府資金投入的增加會造成人力資源和財力資源的浪費，不利于科技創新效率的提高。這可能是由于政府過多地指導參與“雙一流”高校創新活動，在一定程度上削弱了“雙一流”高校自主創新能力，造成了資源的浪費。

3.企事業單位委托經費。企事業單位委托經費與研發全時當量人員的松弛變量通過了5%的顯著性檢驗，與教學與科研人員、當年科技課題支出經費的松弛變量通過了1%的顯著性檢驗，且回歸系數均為負數，說明隨著企事業單位委托經費的增加，科研人員工作的積極性明顯提高，使得當年科技課題支出經費能夠更加合理地運用，帶動了整體科技創新效率的提升。

（三）第三階段

第一階段和第三階段的效率平均值進行了對比，結果發現消除環境因素和隨機干擾項后，“雙一流”高校科技創新效率值出現了明顯變化，說明第二階段消除環境因素和隨機干擾項是很有必要的。通過效率的平均數值就能發現，剔除了環境因素和隨機干擾項后，2012—2016年效率均值均有所下降，表明這五年間外部環境因素起到了積極作用，尤其是2012年，效率均值從0.6492下降到0.5785，下降幅度最大，說明這一年的外部環境因素對“雙一流”高校科技創新效率的提升最為明顯。而2017年和2018年，效率均值分別由原來的0.6992和0.7184上升到0.7475和0.7669，說明這兩年外部環境因素對“雙一流”高校科技創新效率呈現出消極影響。

從各高校情況來看，在排除環境因素和隨機干擾項后，清華大學和南京大學依然有三年及以上的效率值達到1，說明這兩所高校自身具有很高的科技創新能力，其科技創新效率并未受到環境因素的影響。而有一年到兩年效率值達到1的高校數量由10所減少到9所，其中南開大學、東南大學、廈門大學、東北大學、西北農林科技大學、蘭州大學這5所高校與第一階段相比沒有一年的效率值達到1，說明受到環境因素和隨機干擾項的影響，這5所高校的科技創新能力被高估。同時，復旦大學、浙江大學、山東大學、武漢大學、四川大學這5所高校效率值為1的年份與第一階段相比有增加，表明在環境因素和隨機干擾項的影響下，這5所高校的科技創新能力被明顯低估。

綜上所述，在第一階段使用基礎DEA模型對效率值進行測算時，因為未能考慮環境因素和隨機干擾項的影響，部分“雙一流”高校的效率值出現虛高或者偏低的情況，未能真實反映各高校的創新效率水平，影響了結果的真實性和準確性。因此，需要借助于三階段DEA的方法來排除外在環境要素和隨機誤差項，進而得出更為合理而有效的效率數值。

四、結論

本文采取三階段DEA模型對32所“雙一流”高校的科技創新效率值進行測算，基于以上研究，得出以下結論：一是從總體來看，“雙一流”高校的科技創新效率現狀不是特別理想，每年只有極少數高校的效率值能夠達到1，但歷年效率值的均值呈現出逐年上升的趨勢，表明我國高校科技創新能力在不斷提升，但這一發展過程并不穩定。從各高校情況來看，清華大學和南京大學這兩所“雙一流”高校的科技創新效率始終處于較高的水準，其他部分“雙一流”高校的效率值存在忽高忽低的情況，還有一部分“雙一流”高校的效率值始終處于較低的水準，沒有一年達到技術前沿面，因此“雙一流”高校仍有較大的空間來提升自身的創新效率。二是通過對比第一階段和第三階段的效率值發現，由于受到地區人均GDP、政府資金投入和企事業單位委托經費等環境因素的影響，第一階段DEA未能真實反映“雙一流”高校科技創新效率，出現了效率值虛高或者低估的現象，因此通過第二階段SFA對環境因素和隨機干擾項進行剔除是十分有必要的。

五、建議

根據上述結論，各“雙一流”高校應該根據自身的實際情況進行具體分析并采取體現高校自身特色的科技創新政策，加強優勢學科的建設從而提高科技創新效率[4]。對于效率值始終能夠處于較高水準的“雙一流”高校應繼續貫徹實施現有的政策，并對科研人員給予相應的獎勵，提高員工的工作積極性。對于效率值不穩定的“雙一流”高校應進行及時總結，找出效率值不穩定的原因，同時應該注重政策實施的連貫性，避免政策的頻繁變更對效率值產生負面影響。對于效率值始終處于較低水準的“雙一流”高校，應該努力提高自身的科學管理水平[5]，通過聘請優質的管理人才對高校的科技創新進行有效的管理。“雙一流”高校之間應該加強彼此之間的交流與合作，多舉辦科技創新交流活動，分享成功經驗。最后，各“雙一流”高校應該將高校的科技創新與當地的經濟發展實際緊密地結合起來，合理運用周圍的金融資源，加強與政府、企業之間的產學合作，盡可能地獲得政府和企業的支持，加強科技成果的轉化能力，從而促進高校自身的科技效率水平的提高。

參考文獻：

[1]? ?Johnes J. Data envelopment analysis and its application to the measurement of efficiency in higher education[J].Ecomomics of Eudcation

Review，2006，25（3）：273-288.

[2]? ?李海東，胡國松.基于DEA模型的高校科技創新效率評價——以石油類高校為例[J].科技與經濟，2017，30（2）：36-40.

[3]? ?李文輝，江涌芝，何秋銳，等.中國省域高校科技創新能力、效率及其經濟貢獻率研究[J].重慶大學學報：社會科學版，2019，25 （3）：108-121.

[4]? ?張海波，郭大成，張海英.“雙一流”背景下高校科技創新資源配置效率研究[J].北京理工大學學報：社會科學版，2021，23（1）：172-179.

[5]? ?黃科舫，向秦，何施.基于DEA模型的湖北省財政科技投入產出效率研究[J].科技進步與對策，2014，31（6）：123-129.

Measurement and Evaluation of Scientific and Technological Innovation Efficiency

in Double First-class Universities

Liao Guoping， Jiang Mingzhe

（School of Business， Changzhou University， Changzhou 213159， China）

Abstract： Taking 32 “double first-class” colleges and universities in China as the research object， and selecting the data indicators of scientific and technological innovation of colleges and universities from 2012 to 2018， the scientific and technological innovation efficiency of “double first-class” colleges and universities is effectively calculated by constructing a Three-stage DEA model. The results show that the scientific and technological innovation efficiency values of “double first-class” colleges and universities vary greatly， and most colleges and universities fail to reach the technological frontier， each double first-class university has a lot of space to improve its scientific and technological innovation efficiency. Due to the influence of the external environment and random interference， some “double first-class” universities have the phenomenon of falsely high or underestimated efficiency.

Key words： three stage DEA; double first-class universities; scientific and technological innovation efficiency; efficiency measure

[責任編輯? ?文? ?欣]