長三角區域高校人文社科科研效率動態變化及原因分析

摘 要：提高科學研究效率對于促進區域高質量發展具有重要意義。為了探明長三角區域高校人文社科科研效率，采用非徑向數據包絡分析（DEA）超效率模型測量技術效率及區域差異，并根據對松弛變量的分析探究其原因，然后采用DEA-Malmquist指數分析效率變動趨勢。分析發現，長三角區域高校人文社科科研整體效率不高，變動不大，區域差異明顯，不過差距在縮小。技術效率的變化主要受規模效率制約，全要素生產率的變化主要受技術進步推動。影響三省一市高校科研效率的因素表現不一，其中，上海高校研發與課題經費投入相對過多；江蘇高校課題經費投入相對過多；浙江與安徽高校在人員上投入相對過多；上海與浙江的高校在四個產出指標方面都相對不足；江蘇高校在CSSCI論文方面產出不足；而安徽高校產出不足問題最不明顯。研究結果表明，科研活動的高投入并不一定帶來相應的高產出。高校應當提高科研管理和科研技術水平，促進科研效率的提升。

關鍵詞：長三角區域；人文社科；科研效率；DEA

中圖分類號：G644" " " 文獻標識碼：Ａ" " " "文章編號：2097-0692（2023）01-0081-12

一、研究背景與文獻綜述

2019年，長三角區域一體化上升為國家戰略。同年，中共中央、國務院印發的《長江三角洲區域一體化發展規劃綱要》（以下簡稱《規劃綱要》）強調，把長三角地區建設成為區域創新共同體，加強科技創新資源共享，充分發揮創新資源集聚優勢，增強長三角地區創新能力和競爭能力，協同推動原始創新，使之成為全國重要創新策源地[１]。美國硅谷、德國慕尼黑等世界級科技創新中心的發展啟示我們，高校是區域創新的“引擎”，高校與區域深度融合發展是建設區域創新中心的關鍵。

長三角區域擁有全國約1/4的“雙一流”高校、國家重點實驗室、國家工程研究中心，年研發經費支出和有效發明專利數均占全國1/3左右[１]。在科研資源達到一定規模后，科研資源的利用效率日益受到重視。研究表明，21世紀以來，我國高校用于基礎研究、應用研究、試驗發展的經費每年增長20%[２]，然而科研資源使用效率并不高[3-6]。不過，也有部分學者得出了不一致的結論[７]。當前，學術界對高校科研效率的研究主要集中在自然科學領域，人文社科領域的科研效率受到的關注相對較少。習近平總書記指出：“文化文藝工作、哲學社會科學工作就屬于培根鑄魂的工作，在黨和國家全局工作中居于十分重要的地位，在新時代堅持和發展中國特色社會主義中具有十分重要的作用。”[８]人文社科研究涉及社會上層建筑的構建，是社會發展的重要推動力量。因此，人文社會科學研究與自然科學研究同樣重要，也應當受到學術界重視。

當前，有關高校人文社科科研效率的研究主要以全國高校為研究對象，如王靈芝、梁文艷和唐一鵬、姜彤彤、王甲旬和邱均平等對全國高校人文社科科研效率進行了評價與分析[9-13]。近年來，區域高校人文社科科研效率逐漸成為研究的熱點，例如：陳俊生等對江蘇省高校人文社會科學科研效率進行了評價[14]；賈冰、曾冬梅分析了廣西高校人力資本及其結構對人文社科研究效率的影響[15]；蔡文伯、趙志強探究了我國十大城市群高校科研效率及影響因素[16]；張丹丹對長三角“雙一流”高校科研績效及影響因素進行了分析[17]。不過，迄今為止，專注于長三角高校人文社科科研效率問題的研究仍然相對較少，針對影響因素的探討主要關注外部因素，對于內部因素的分析較少。本研究采用長三角高校2012—2019年人文社科科研投入與產出數據，分析該區域高校人文社科科研的效率狀況，并探討其原因，為長三角高校科研生產的改進提供學理依據。

二、研究設計

（一）概念

1.生產率與效率

生產效率用來衡量一個生產單元在既定的要素投入集下產出與最大產出 （生產前沿， Pr-

oduction Frontier）的距離，距離越大，則生產效率越低[18]。當前，學術界通常使用全要素生產率及其增長度量生產單元的生產率水平和生產率的變化[19]。全要素生產率是指各要素（如資本和勞動等）投入之外的技術進步（變化）對經濟增長貢獻的因素[20]。在前人研究基礎上，法勒（Fare）等人構建了DEA-Malmquist指數計算全要素生產率的變動情況[21]。其中， 全要素生產率指數可以分解為技術效率變化指數和技術進步變化指數，技術效率變化指數可以分解為純技術效率變化指數和規模效率變化指數。

技術效率（Technical Efficiency，簡稱TE）是指生產單元在既定投入集下最大產出的能力，衡量生產過程中投入的資源能否得到充分有效的利用；純技術效率（Pure Technical Efficiency，簡稱STE）是考慮規模報酬可變下的技術效率，反映了生產單元的組織、管理對效率的影響；規模效率（Scale Efficiency，簡稱SE）是假定規模報酬可變下的生產單元規模因素影響的生產效率，用來衡量生產單元的規模選擇是否適切；技術進步（Technical Progress，簡稱TP）是指技術水平的改進促使代表最先進生產技術的生產前沿面整體向外移動（技術水平或要素質量使既定生產要素投入下生產函數不斷外延移動），即在技術上實現以同樣的投入組合獲得更多的產出。

2.科研效率

科學研究活動屬于人類精神生產活動。無論是馬克思對擴大了的生產勞動概念的考察，還是西方經濟學經典理論，都揭示了科研活動是有目的、有計劃、有投入、有產出，能創造價值的生產勞動。科研生產活動與其他物質生產活動一樣，需要投入一定的人力、物力、財力和信息資源，經過研究者加工與運作，產出具有學術價值認識或具有社會效益的產品或服務。既然科研生產活動涉及投入與產出的過程，那么就必然牽涉效率問題。目前，學界對于“科研效率”內涵的認識并不統一。本研究借用郭慶旺、賈俊雪的觀點，將高校科研效率界定為“以要素的邊際生產力組織生產所能達到的最大科研產出（生產前沿面）作為標準來衡量高校對生產要素的利用狀況的指標”[19]。根據上文提及的效率理論，科研效率可以分解為純技術效率和規模效率。科研效率的前沿面的整體移動可以用科研活動全要素生產率的變化指數衡量。

（二）研究方法

隨機前沿分析（SFA）和數據包絡分析（DEA）是目前學界測量效率最常用的方法，前者屬于參數方法，后者是非參數方法[21]。SFA相對于非參數方法最大的優點是考慮了隨機因素對于產出的影響[22]。不過，SFA的模型假設較為復雜，在實際應用中往往面臨如何選擇生產函數、如何確定技術無效率項的概率密度分布、如何處理合成誤差項的偏度等問題，并且對于數據的要求較高，給參數估計帶來很多不確定性和困難[22]。DEA方法是通過線性規劃的方法測量生產效率的，作為一種非參數方法，DEA在測量生產效率時不需要考慮生產前沿的具體函數形式和數據量綱，便能夠解決多投入多產出的效率問題[22]，因此受到很多學者的青睞。傳統的DEA-CCR和DEA-BCC模型只能區分有效生產單元和無效產業單元，不能對有效單元做進一步區分[23]。鑒于此，1993年安德森（A-ndersen）和彼得森（Petersen）構造了一種基于CCR模型改進的模型，即“超效率”的DEA模型 （Super-Efficiency，SE-DEA）[24]。超效率DEA模型解決了傳統模型難以比較有效單元的問題，使得有效決策單元之間也可以比較。但是，DEA徑向模型對決策單元無效程度的測量假設投入和產出是同比例調整，沒有將松弛變量的改進部分考慮進去。隨后，托恩（Tone）等學者提出非徑向模型（Slack Based Model，SBM），在測量無效率決策單元時將松弛變量部分納入，并將超效率模型與非徑向模型相結合，提出了“超效率—非徑向DEA”模型，即“Super-SBM-DEA”模型[25]。該模型提高了DEA測度效率的區分度和精確度。

無論是傳統DEA模型，還是“Super-SBM-DEA”模型都不能動態分析效率動態變化趨勢。于是，瑞典統計學家、經濟學家馬爾姆奎斯特（Malmquist）于1953年提出了Malmquist指數法[26]。Malmquist指數法經過不斷改進后，被廣泛用于測量生產率變化。Malmquist指數方法通過本期到下期生產率的變化測算Malmqu-ist全要素生產率指數，從而對生產效率進行動態分析。

本研究的設計思路如下：首先，利用“Su-per-SBM-DEA”模型測量出長三角高校科研技術效率（又稱綜合技術效率）、純技術效率、規模效率水平；其次，依據松弛變量探究內在原因；最后，采用DEA-Malmquist方法計算2016—2021年長三角高校科研效率的全要素生產率及其分解要素的變動趨勢。

由于從科研投入到科研產出具有時滯性[３]，結合以往研究成果，本研究將研究產出滯后2年，如2016—2018年的投入與產出數據是指2016年投入數據和2018年產出數據，以此類推。

（三）指標選取

2018年，國務院印發的《關于優化科研管理提升科研績效若干措施的通知》明確提出，要“建立以創新質量和貢獻為導向的績效評價體系，準確評價科研成果的科學價值、技術價值、經濟價值、社會價值、文化價值”[27]。2020年，中共中央、國務院印發的《深化新時代教育評價改革總體方案》強調，針對高校教師的科研評價，要突出成果質量、學術貢獻與社會貢獻[28]。因此，新時代的科研評價應當兼顧科研的學科價值、應用價值和社會效益。這就要求在進行科研評價時，運用科學的科研產出指標反映學科價值、應用價值與社會效益。基于此，本研究選擇著作數、CSSCI論文數、CSSCI論文發表后2年內篇均被引用次數（例如，2017年發表的論文，計算截止到2019年平均每篇論文被引用次數）、研究與發展報告數和獲省部級以上科研獎項數作為科研產出指標。科研著作與CSSCI論文可以反映科研生產力水平；CSSCI論文發表后2年內篇均被引用率與獲省部級以上科研獎項數能夠反映科研產出的質量與學術效益；研究與咨詢報告數則反映了研究的社會效益。

人力、物力、財力投入是開展科研活動的必要條件。由于人文社科研究對于物資設備需求并不高，因此本研究選取人力與財力作為科研投入指標。其中，人力資本投入指標包括研發人員總計與當年投入的研發人員數2個二級指標；財力資本投入指標包括研究與發展經費當年內部支出與課題經費當年支出2個二級指標（見表1）。

（四）樣本選擇與數據來源

本研究以中國校友網2022年發布的中國文科高校前200名中的長三角高校為樣本①，共有42所長三角區域高校入選，其中13所位于上海市，16所位于江蘇省，8所位于浙江省，5所位于安徽省（具體學校名單見表2）。

在數據來源方面，CSSCI論文數、CSSCI論文發表2年后的篇均被引用次數來源于中國知網全文數據庫和引文數據庫，其他投入與產出數據來源于中國高校人文社科信息網上公布的2012—2019年①高校人文社科研究統計數據。

本研究所采用的42所樣本高校各項科研投入與產出的數據見表3。為了更直觀地觀察樣本高校抽樣期間科研投入與產出變化趨勢，本研究對數據進行歸一化處理后，制作了圖1和圖2。結合表3和圖1可以發現，長三角樣本高校平均科研投入（研發人員、研發經費和課題經費）整體處于上升趨勢，其中研發經費逐年增加，而研發人員和課題經費有所波動。研發人員數由2012年823人增加到2017年942人，增加幅度為14.46%，年平均增幅為2.41%；平均研發經費投入由0.37億增加至0.56億，增幅為51.35%，年均增幅為8.56%；課題經費由0.20億元增至0.27億元，增幅為35%，年均增幅為5.83%。由此可見，長三角區域樣本高校研發經費與課題經費投入增速快，與之相比研發人員增速較慢，這反映了研發經費與研發人員兩種資源可能存在配置不夠科學的問題。

從產出指標來看（見表3和圖2），樣本高校除了研究與咨詢報告篇數呈穩定增加趨勢和論文篇均被引數呈逐年降低趨勢外，其他3個指標（著作、CSSCI論文、省部級以上獲獎成果）波動較大，但整體呈下降趨勢。研究與咨詢報告篇數平均由2014年的31篇增加到2019年的90篇，5年增幅為190.32%，年均增幅為38.06%；CSSCI論文篇均被引用率由11次降到7次，5年降幅為27.28%，年均降幅為4.55%；著作數降低也比較明顯，由84部降到77部，降幅為8.33%；CSSCI論文篇數由437降到407，降幅為6.86%；省部級以上獎項由17項降到5項，5年降幅為70.59%，年均降幅為14.19%。由此可見，科研產出近年來變化趨勢不容樂觀。

三、長三角高校人文社科科研效率測評與分析

（一）長三角高校人文社科科研效率的靜態分析

科研效率靜態分析是指將每一年各地區的投入產出與該年的生產邊界作比較，測算各地每年的科研效率水平。本研究主要借助超“效率—非徑向DEA”模型分析2012—2019年長三角區域高校整體、三省一市高校和42所樣本高校的科研技術效率、純技術效率和規模效率水平。

1.整體科研效率

表4顯示了2012—2019年長三角區域樣本高校科研效率及其要素分解情況。表4顯示，長三角區域樣本高校科研效率總體均值不高，只有一期（2016—2018年）超過0.6，其他各年都在0.5以下，且整體呈下降趨勢。這說明近年來長三角區域高校人文社科科研效率整體不高，且無明顯改善跡象。從技術效率的分解來看，純技術效率各期總體均值為0.610，低于規模效率的總體均值（0.765），說明樣本高校規模效率整體上好于純技術效率。不過，純技術效率和規模效率整體都呈微弱降低趨勢，反映了近年來長三角區域高校人文社科科研效率有所下降。標準差表明，樣本高校之間首先在科研純技術效率方面差距最大；其次在技術效率方面的差距居中；最后在規模效率方面的差距最小。三種效率值的標準差增長率都是正值，反映出樣本高校之間的科研效率差距有所擴大。

2.三省一市高校科研效率比較

對比分析長三角區域三省一市高校人文社科科研效率水平，可以了解長三角區域高校科研效率差異狀況。從技術效率和純技術效率的總體均值來看（見表5），上海都是最高；安徽是最低；江蘇與浙江分別位列第二位、第三位。在增速上，首先，安徽增長最快；其次，浙江的增長建設位居第二；最后，上海和江蘇都呈現負增長趨勢。這說明，長三角區域三省一市高校人文社科科研技術效率和純技術差距較大，上海和江蘇較高，而浙江和安徽較低，不過安徽和浙江提升最快，四者的差距逐漸縮小。從規模效率來看，浙江最高；上海與江蘇二者比較接近，分別位列第二位、第三位；安徽仍然最低。三省一市的高校人文社會科研規模效率都呈現負增長趨勢，其中江蘇和安徽的降幅最大，上海與浙江次之。由此可知，長三角區域高校人文社科科研效率差異明顯，不過差距在縮小。上海高校人文社科科研整體效率都比較高，而安徽高校人文社科科研整體效率都比較低，江蘇和浙江的人文社科科研規模效率比較高，而技術效率和純技術效率處于中等位置。安徽和浙江高校的人文社科科研技術效率和純技術效率增長較快，而上海和江蘇的高校科研效率呈下降趨勢。

分析長三角區域三省一市高校投入與產出松弛變量值均值，可以了解各個地區的高校科研DEA無效率的主要原因。此處以產出導向松弛變量分析①為例，產出導向是指在投入既定的情況下，分析無效單元的產出差距，因而以求解產出松弛變量為主。統計結果見表6。本研究分析出42所樣本高校的科研產出不足問題：在著作數產出松弛變量方面，江蘇與安徽高校最少，而浙江與上海高校最多，這表明著作數產出相對不足成為制約浙江與上海高校科研效率提升的原因之一；在CSSCI論文產出松弛變量方面，安徽高校最少，浙江高校最多，這說明CSSCI論文產出相對不足成為制約浙江高校科研效率提升的原因之一；在CSSCI論文篇均被引數松弛變量方面，江蘇與安徽高校比較少，而上海與浙江高校比較多，這說明上海與浙江的CSSCI論文篇均被引數相對不足成為制約其科研效率提升的主要原因之一；在研究與咨詢報告產出松弛變量方面，江蘇與安徽高校比較少，而上海與浙江高校比較多，這表明上海與浙江高校的研究與咨詢報告產出相對不足成為制約其科研效率提升的原因之一；在獲省部級以上獎項產出松弛變量方面，江蘇與安徽的高校比較少，而上海與浙江高校比較多，這反映了上海與浙江高校獲省部級以上獎項數相對不足成為制約其科研效率提升的原因之一。本研究又分析出42所高校的科研投入冗余問題：在研發人員投入冗余方面，上海高校最少，浙江高校最多，由此可知，科研人員冗余成為制約浙江高校科研效率提升的原因之一；在研發經費支出方面，江蘇高校不存在支出冗余，而上海高校支出冗余最高，這表明研發經費支出相對過多成為制約上海高校科研效率提升的原因之一；在課題經費支出冗余方面，上海高校與安徽高校比較少，而江蘇高校與浙江高校比較多，這說明課題經費支出相對過多是制約江蘇和浙江高校科研效率提升的原因之一。概言之，制約三省一市高校科研效率提升的原因不一。其中，上海高校的研發與課題經費投入相對過多；江蘇高校的課題經費投入相對過多；浙江與安徽高校的人員投入相對過多，上海與浙江的高校在四個產出指標方面都存在較大不足；江蘇高校在CSSCI論文方面產出不足；而安徽高校產出不足問題最不明顯。

3. 42所高校科研效率

由表2可知，技術效率均值超過1的高校從高到低依次為上海交通大學、上海外國語大學、南京師范大學、南京藝術學院、華東政法大學、南京審計大學、浙江大學和南京大學，說明這8所高校在抽樣期間大部分時間處于技術有效狀態，邊際投入能夠有效轉化為邊際產出；而其他高校的技術效率均值都在0.9以下，表明在科研方面，這些高校相對于上述8所高校而言，仍然可以在不增加科研投入情況下提高科研產出。23所高校技術效率均值低于0.5，說明這些高校技術效率較低，其中還有4所高校技術效率低于0.2，它們分別是寧波大學、江蘇大學、南京農業大學和浙江理工大學，反映了這4所高校科研效率極低。純技術效率超過1的高校共有12所，效率均值從高到低依次為浙江大學、上海外國語大學、上海交通大學、復旦大學、南京師范大學、華東政法大學、南京審計大學、華東師范大學、南京大學、揚州大學、上海財經大學和中國科學技術大學。另外，南京藝術學院和上海音樂學院的純技術效率均值也接近1，反映了這2所高校科研純技術效率在抽樣期間比較高，也說明這2所高校良好的科研組織與管理活動促進了科研效率的提升。純技術效率均值小于0.5的高校有18所；純技術效率低于0.2的高校有3所，分別為南京農業大學、浙江理工大學和江蘇大學，表明這3所高校的科研組織、管理、激勵措施不佳。從規模效率均值來看，42所高校中只有南京藝術學院超過1，低于0.9的高校有29所，表明長三角區域絕大多數高校的規模效率欠佳，不適宜的科研規模制約了科研效率的提升；規模效率低于0.5的高校有2所，分別為復旦大學和華東師范大學，表明這2所高校規模效率相對比較低。雖然長三角區域高校整體科研規模效率不高，但是校際差異小于技術效率和純技術效率，這與前文整體效率分析一致。

科研規模相對過大或過小都可能影響規模效率，有必要進一步分析哪些因素導致長三角區域高校科研規模效率不高。科研規模收益不變表明高校科研規模效率最優，而規模收益遞減或遞增均表示規模效率仍有提升空間。表7呈現了42所樣本高校各期規模收益狀況，從中可以了解各高校的科研規模適宜情況。在6年的統計時段內，規模收益遞減、占比較大的高校有華東師范大學（5/6）、南京農業大學（5/6）、寧波大學（5/6）、復旦大學（4/6）、上海財經大學（4/6）、上海師范大學（4/6）、同濟大學（4/6）、河海大學（4/6），說明上述高校科研規模相對過大，繼續擴大投入規模的邊際收益已經低于邊際成本；規模收益不變，占比較大的高校有上海交通大學（6/6）、上海外國語大學（6/6）、華東政法大學（6/6）、南京師范大學（6/6）、揚州大學（5/6）、南京藝術學院（5/6）、浙江工業大學（5/6）、浙江大學（4/6）、杭州師范大學（4/6）、杭州電子科技大學（4/6），表明這些高校在大部分時間內科研規模比較適宜，邊際收益正好等于邊際投入成本，因此可以繼續保持當前規模；規模收益遞增占比較大的高校有華東理工大學（6/6）、中國科學技術大學（6/6）、合肥工業大學（6/6）、上海體育學院（5/6）、江蘇大學（5/6）、南京航空航天大學（5/6）、南京財經大學（4/6）、南京審計大學（4/6）、南京理工大學（4/6），說明這些高校在大部分時間內都處于規模收益遞增階段，邊際產出收益大于邊際投入成本，因此可以適當繼續增加投入、擴大科研生產規模。

（二）長三角區域高校人文社科科研效率的動態分析

科研效率動態分析是將相鄰兩年的生產邊界互作參照，運用全要素生產率比較各地區效率的動態變動，并通過分解尋求效率變動的來源，包括與生產邊界的相對位置變化（效率變化），以及生產邊界的移動（技術進步）。本研究采用DEA-Malmquist指數測算2012—2017年（科研投入年份，下同）長三角區域高校人文社科科研效率隨時間的動態變化狀況。首先，把長三角區域42所樣本高校看作一個整體進行分析，了解長三角區域高校人文社科科研效率整體變化狀況；其次，分析三省一市高校各自科研效率變動狀況；最后，分析42所高校的科研效率變動狀況。

1.整體動態變化

從整體來看（見表8），2012—2017年技術效率、技術進步效率、純技術效率、規模效率和全要素生產率變化指數均值分別為1.025，0.995，1.008，1.007，0.935，說明樣本期間長三角高校科研效率整體變動不大。從圖3可以比較直觀地看出，技術效率、純技術效率和規模效率變化指數折線圖走勢比較平穩，全要素生產率與技術進步效率變化指數走勢波動較大，2016—2017年的全要素生產率與技術進步效率變化指數相比略有提升。進一步分析發現，規模效率與技術效率的變化指數走勢基本一致，技術進步效率與全要素生產率變化指數走勢基本一致。由此可知，技術效率的變化主要受規模效率影響，全要素生產率的變化主要受技術進步效率的影響。2014—2017年技術效率處于衰退之中，2015—2017年全要素生產率處于衰退之中，它們的衰退分別受到規模效率衰退和技術進步衰退的影響。因此，長三角區域高校科研改革的主要任務應當是從擴大規模的粗放式增長向提高科研技術水平的集約化增長轉變。

2.長三角區域三省一市的高校整體效率動態變化

由表9、圖4可知，就技術效率變化而言，上海、江蘇、浙江及安徽高校的科研效率平均變化指數分別為0.992，1.008，1.056，1.057。可見，除了上海高校科研技術效率整體處于衰退之外，其他三省的高校科研效率狀況整體都在改善，其中安徽與浙江的效率提升最快。與技術效率正好相反，在技術進步效率改善方面，上海最好，江蘇次之，浙江和安徽則比較落后。由此可知，上海和江蘇的科研技術能力要強于浙江與安徽。不過，三省一市技術進步變化指數都小于1，說明都處于衰退之中。三省一市純技術效率變化指數結構與技術效率變化比較類似，除了上海純技術效率處于衰退中之外，其他三省都表現為增長效應，其中安徽最高，浙江次之。可見，長三角區域三省一市的高校科研組織、管理制度的改進對于科研技術效率改進表現為正效應。這就啟示我們，長三角區域三省一市高校，特別是上海和江蘇的高校，應該加大科研組織與管理力度，爭取在現有技術下最大程度提高要素的利用效率。三省一市高校的規模效率變化指數比較接近，除了上海高校略有降低之外，其他三省都處于增長階段。三省一市高校全要素生產率的變化指數都小于1，說明其全要素生產率都在下降，在結構狀況上與技術進步變化指數類似，仍然是上海最高，江蘇次之，浙江和安徽排在后兩位。這表明兩點：一方面，三省一市的高校全要素生產率整體上在衰退；另一方面，三省一市高校的全要素生產率主要受技術進步影響。因此，若要提高全要素生產率，三省一市的高校應該努力提升科研能力與科研技術水平。

3.長三角區域42所高校科研效率動態變化

本研究從42所樣本高校中選擇一些典型高校分析個體高校科研效率的動態變化狀況（見表9）。技術效率變化指數均值大于1的高校有23所，說明這些高校的整體科研技術效率處于改善狀況；技術效率變化指數小于1的高校有11所，說明這些高校整體技術效率在衰退，而且這11所高校除了浙江工業大學之外，其余全部位于上海和江蘇；技術效率變化指數均值大于1.1的高校有4所，從高到低依次為杭州師范大學、安徽大學、杭州電子科技大學、南京理工大學。這表明，上述高校科研技術效率每年以10%以上的增幅改善。

純技術效率變化指數大于1的高校有21所，反映出這些高校科研純技術效率整體處于改善之中，其中安徽大學的純技術效率提升最快，平均每年以10.8%的幅度提升；純技術效率變化指數小于1的高校有10所，反映出這些高校科研技術效率處于衰退狀態。

科研規模效率變化指數大于1的高校有21所，表明這些高校的規模效率整體不斷得到改善，其中杭州師范大學改善速度最快，平均每年以11.8%的幅度提升；規模效率變化指數小于1的高校有14所，反映出這些高校科研規模效率整體在下降。

技術進步變化指數大于1的高校有10所，從高到低依次為上海外國語大學、河海大學、浙江工業大學、上海交通大學、上海財經大學、南京大學、華東師范大學、浙江大學、上海音樂學院、同濟大學。這10所高校中除了浙江工業大學與浙江工業大學之外，其余全部位于上海與江蘇，其中上海高校最多（6所），說明上海高校科研技術進步效率提升很快；其余高校的技術進步變化指數均值都小于1，反映出長三角區域大部分高校科研技術處于衰退之中。

科研全要素生產率變化指數大于1的高校有9所，表明這些高校的科研全要素生產率整體上處于增長狀況；科研全要素生產率變化指數小于1的高校有32所，反映出大部分長三角區域高校科研全要素生產率整體處于衰退之中。全要素生產率的增長率常被視為科技進步的指標。全要素生產率不僅反映生產技術水平的高低，也反映生產效率的高低，這意味著不僅可以通過技術進步、技術創新來提高全要素生產率，也可以通過加強生產要素的統籌管理，即提高科研人員的積極性、提高科研要素的利用率等方式來實現全要素生產率的提高。因此，建議長三角區域高校不僅要提升科研技術水平（如提高科研人員的科研能力、購買科研設備等），而且要提高科研管理水平，把有限的資源用在刀刃上，提升資源的利用效率。

四、研究結論

為了研究長三角區域高校人文社科科研效率水平及動態變動情況，并分析其原因，本研究分別利用“超效率—非徑向DEA”模型和“DEA-Malmquist”指數對長三角區域高校科研效率水平、動態變動及其原因進行了分析，進而得出如下結論。

第一，近年來，長三角區域高校人文社科科研整體效率不高，且科研效率整體變動不大。在三省一市差異方面，長三角區域高校科研效率差異明顯，不過差距在縮小。上海高校的科研整體效率比較高，而安徽高校的科研整體效率比較低，江蘇和浙江高校的科研規模效率比較高；安徽和浙江高校的科研技術效率和純技術效率近年來增長較快，而上海和江蘇的高校科研效率及其分解都呈下降趨勢。

第二，對長三角區域高校科研效率狀況及變動的原因進行分析發現，技術效率的變化主要受規模效率影響，全要素生產率的變化主要受技術進步的影響。基于投入與產出松弛變量的分析發現，影響三省一市高校科研效率的原因表現不一：上海高校在研發與課題經費方面投入相對過多；江蘇高校課題經費投入相對過多；浙江與安徽高校在人員方面投入相對過多；上海與浙江的高校在四個產出指標方面相對不足；江蘇高校在CSSCI論文方面相對產出不足；而安徽高校產出相對不足問題最不明顯。

五、建議

為促進長三角區域高校人文社科科研效率提升，本研究建議如下。

第一，針對不同省市高校實際情況，開展針對性效率提升計劃。例如：安徽應該加大科研經費投入，控制人員投入；江蘇的高校應適當提高課題經費的利用效率，同時提高CSSCI論文產出；浙江需要控制科研人員投入，同時在著作、CSSCI論文、論文質量、研究與咨詢報告數和省部級以上獲獎方面有所改進；上海的高校應該控制科研經費投入或者提高經費利用效率，注重著作產出、論文質量、研究與資料報告數和省部級以上獲獎數量。

第二，長三角區域高校科研改革的主要任務應當從擴大規模的粗放式增長向提高科研技術水平的集約化增長轉變。長三角區域高校應高度重視科研人員科研技術水平的提升，創設條件促進科研人員的專業發展。例如：為青年教師提供更多的進修、培訓機會；鼓勵教師參加高水平學術研討等。通過上述舉措，使科研人員樹立正確的科研觀念，提升科研人員的科學探索精神、科研設計能力、科研操作能力與論文寫作能力。

第三，長三角區域三省一市高校，特別是上海和江蘇的高校，應該加大科研組織與管理力度，改善科研管理方式方法，加強科研制度創新，提高管理效率，促進科研純技術效率提升，實現在現有技術條件約束下，最大程度地提高要素的利用效率。為此，高校應賦予科研人員更大的技術路線決策權，賦予科研單位對科研項目更多的經費管理使用自主權；對作出突出貢獻的科研人員加大績效獎勵力度，鼓勵科研人員以知識入股的方式參與知識轉化與創新創業；引導、支持、鼓勵教師開展有組織的科研。

第四，改進科研評價制度。全面貫徹落實《深化新時代教育評價改革總體方案》，建立以創新質量和貢獻為導向的績效評價體系，準確評價科研成果的科學價值、技術價值、經濟價值、社會價值、文化價值，推行代表性成果評價，探索長周期評價，完善同行專家評議機制，注重個人評價與團隊評價相結合。

參考文獻：

［１］ 中共中央" 國務院印發《長江三角洲區域一體化發展規劃綱要》［EB/OL］.（2019-12-01）［2022-10-20］. http：//www.gov.cn/zhengce/2019-12/01/content_5457442.htm.

［２］ 陳琢，楊振兵.中國高校仍“重理輕文”嗎？［J］.科研管理，2020 （3）：247-255.

［３］ 宗曉華，付呈祥.我國研究型大學科研績效及其影響因素：基于教育部直屬高校相關數據的實證分析［J］.高校教育管理，2019（5）：26-35.

［４］ 蘇薈，劉奧運.“雙一流”建設背景下我國省際高校科研效率及影響因素研究：基于DEA-Tobit模型［J］.重慶大學學報（社會科學版），2020（1）：107-118.

［５］ 王曉珍，蔣子浩，鄭穎.我國高校創新效率評價研究：八大區域視角［J］.科研管理，2019（3）：114-125.

［６］ 王寧，王魯玉.基于改進DEA交叉模型的“一流大學”建設高校科研效率評價［J］.現代教育管理，2019（2）：75-80.

［７］ 李彥華，張月婷，牛蕾.中國高校科研效率評價：以中國“雙一流”高校為例［J］.統計與決策，2019（17）：108-111.

［８］ 習近平.新時代呼喚著杰出的文學家、藝術家、理論家［J］.中國人才，2019（3）：3.

［９］ 王靈芝.中國高校人文社科研究的績效評價［J］.軟科學，2012（4）：67-81.

［10］ 梁文艷，唐一鵬.高校人文社科科研生產效率區域比較研究：基于Malmquist指數的動態評估［J］.重慶高教研究，2014（2）：21-27.

［11］ 姜彤彤.高校人文社科研究全要素生產率評價及分析［J］.研究與發展管理，2013（5）：90-97.

［12］ 王甲旬，邱均平.中國省域高校人文社會科學研究效率評價：基于Bootstrap-DEA分析［J］.重慶大學學報（社會科學版），2019（4）：113-125.

［13］ 邱均平，陳誠，陳仕吉.我國高校人文社科科研效率的影響因素與多元路徑：基于31個省區市的模糊集定性比較分析［J］.圖書館理論與實踐，2021（5）：1-8.

［14］ 陳俊生，周平，張明妍.高校人文社會科學科研資源利用效率評價：以江蘇省地方綜合性大學為例［J］.教育與經濟，2012（4）：58-61.

［15］ 賈冰，曾冬梅.高校人力資本及其結構對人文社科研究效率的影響：以西部地區廣西高校為例［J］.高教探索，2020（5）：36-45.

［16］ 蔡文伯，趙志強.我國十大城市群高校科研效率及影響因素研究：基于DEA-Malmquist-Tobit模型［J］.重慶高教研究，2021（4）：30-42.

［17］ 張丹丹. 長三角“雙一流”高校科研績效評價及影響因素研究［D］.上海：上海師范大學，2021.

［18］ 徐瓊.技術效率與前沿面理論評述［J］.財經論叢（浙江財經學院學報），2005（2）：29-34.

［19］ 郭慶旺，賈俊雪.中國全要素生產率的估算：1979—2004［J］.經濟研究，2005（6）：51-60.

［20］ 易綱，樊綱，李巖.關于中國經濟增長與全要素生產率的理論思考［J］.經濟研究，2003（8）：13-20.

［21］ Fare R， Gross kopf S， Norris M et al. Productivity Growth， Technical Progress and Eficiency changes in Industrialized Countries［J］.American Economic Review， 1994（1）： 66-83.

［22］ 李雙杰，范超.隨機前沿分析與數據包絡分析方法的評析與比較［J］.統計與決策，2009（7）：25-28.

［23］ 徐銀良，王慧艷.中國省域科技創新驅動產業升級績效評價研究［J］.宏觀經濟研究，2018（8）：101-114.

［24］ Andersen N P， Petersen N C A. procedure for ranking efficient units in data envelopment analysis［J］.Management Science， 1993（10）： 1261-1264.

［25］ Tone K. A slacks-based measure of efficiency in data envelopment analysis ［J］.European journal of operational research， 2001（3）： 498-509.

［26］ Malmquist S. Index numbers and indifference surfaces［J］.Trabajos De Estadistica， 1953（2）： 209-242.

［27］ 國務院關于優化科研管理提升科研績效若干措施的通知［J］.中華人民共和國國務院公報， 2018（22）：24-27.

［28］ 中共中央" 國務院印發《深化新時代教育評價改革總體方案》［EB/OL］.（2020-10-13）［2022-10-20］.http：//www.gov.cn/zhengce/2020-10/13/content_5551032.htm.

Dynamic Changes and Reason Analysis of the Efficiency of Humanities and Social Sciences Research in Universities in the Yangtze River Delta

——Based on Non-radial DEA Super-efficiency and DEA-Malmquist Index

Wang Bin， Liu Haitao

（College of Educational Science， Chuzhou University， Chuzhou Anhui 239000）

Abstract：Improving the efficiency of scientific research is of great significance for promoting high-quality regional development. In order to explore the efficiency of humanities and social sciences research in universities in the Yangtze River Delta， a non-radial data envelopment analysis（DEA）super efficiency model was used to measure technical efficiency and regional differences. The reasons for this were explored based on the analysis of relaxation variables. Finally， the DEA-Malmquist index was used to analyze the trend of efficiency changes. The analysis found that the overall efficiency of humanities and social science research in universities in the Yangtze River Delta is not high， with little change and significant regional differences， but the gap is narrowing. The change of technical efficiency is mainly restricted by scale efficiency， and the change of Total factor productivity is mainly driven by technological progress. The reasons that affect the scientific research efficiency of universities in the four regions of Yangtze River Delta. Among them， Shanghai universities invest relatively too much in research and development and project funding， Jiangsu universities invest relatively too much in project funding， Zhejiang and Anhui universities invest relatively too much in personnel， Shanghai and Zhejiang universities have relatively insufficient output in all four output indicators， Jiangsu universities have insufficient output in CSSCI papers， and Anhui universities have the least obvious problem of insufficient output. The research results tell us that high investment in scientific research activities does not necessarily lead to corresponding high output. Universities should improve their scientific research management and technological level， and promote the improvement of scientific research efficiency.

Key words：Yangtze River Delta; humanities and social sciences; research efficiency; DEA

【責任編輯：劉北蘆" " 責任校對：劉振宇】