高質量發展背景下我國西部地區高校科研效率及其影響因素
——基于超效率DEA 視窗-Malmquist-Tobit 模型

馬玉龍，魏署光

（1.華中科技大學教育科學研究院，湖北武漢 430074；2.石河子大學醫學院，新疆石河子 832000）

科學研究是我國西部地區高等教育高質量發展的核心動力之一，能夠支撐地區創新人才培養和社會服務能力的提升，從而實現教育、經濟、社會的協調發展［1］。科研創新驅動力是 高校及科研機構開展科研投入、知識創新、成果轉化和創新協作等一系列科技創新活動以及與高校科研體制、政府創新政策的相互作用過程中形成的,是促進經濟社會高質量發展的系統動力［2］。長期以來，國家從政策支持、經費供給、人才引進等多方面激發西部高校科研活力。然而，我國東部與西部高校普遍在科研經費、人力資源等重要科研要素方面仍存在顯著差距。在資源稟賦不足的情況下，如何有效發揮物質資本和人力資本，使各類科研要素的投入產出效率最大化［3］，是我國西部地區科研創新效率提升面臨的重要問題。西部地區高校科研效率現狀及變化趨勢如何？影響科研效率的因素主要有哪些？上述問題的探究，對于優化高校科技資源配置、提升西部地區核心競爭力、促進西部省份經濟增長和建設創新型國家意義重大。

1 文獻綜述

隨著我國科技創新驅動發展戰略的實施，地區及高校科研效率研究成為學者關注的熱點。通過文獻梳理發現，相關研究主要集中在以下3 個方面：

（1）對不同層次研究對象科研效率的考察。學界關于科研效率的分析主要涉及地區、高校和學科3 個維度。如：劉天佐等［4］對我國31 個省級行政區科研效率展開評價，發現我國區域高校科研績效整體水平不高且地區分布差異明顯；陳瀟瀟［5］分析了我國40 所世界一流大學建設高校2017—2019 年科技創新績效和校際差異，發現高校科技創新活動整體運行狀況尚不理想，技術效率變化指數相對較高，全要素生產率波動性大；胡公啟［6］評價了江蘇省第一批次高校人文社會科學研究效率，發現多所高校人文社科科研效率處于非有效狀態，技術進步是制約效率提高的核心因素。（2）對科研效率影響因素的探究。如：蘇薈等［7］發現，教學與科研人員對科研效率有顯著正向影響，研發經費與研究機構對科研效率具有顯著負向影響，國際交流與“雙一流”建設對高校科研有一定推動作用；蔡文伯等［8］發現，人力資本和財力資本對10 大城市群科研效率呈負相關，成果獎勵、學術交流、科研機構等與地區科研效率呈正相關；許曉東等［9］通過對我國29 個省份科研效率分析發現，地方政府支持力度、高校人員職稱結構、高校國際交流、“雙一流”建設政策與科研效率呈現顯著正相關。（3）多元方法在科研效率評價中的應用與探索。科研效率的評價方法已逐漸從傳統的生產函數分析轉向基于前沿生產函數的前沿效率分析方法［10］，前沿效率分析方法分為參數法和非參數法。數據包絡分析（DEA）及其擴展模型是最常見的非參數前沿效率分析方法。如戚湧等［11］綜合運用DEA 方法的C2R 和C2GS2 模型對江蘇省21 所高校科學研究效率進行排序，從而證明了DEA方法的有效性；廖帥等［12］采用DEA-CCR 模型測度全國31 個地區高校整體科研效率水平，發現由于科研投入的差異性較大導致不同地區科研效率呈現明顯差異。隨機邊界法（SFA）是目前應用最為廣泛的參數前沿效率分析方法。如陳琳等［13］運用隨機前沿分析方法對我國18 所行業特色型大學的科研效率進行評價，發現科技經費投入以及區位因素等對科研效率具有顯著影響。

綜上所述，國內學者對科研效率的評價研究已相對成熟，在現狀描述、影響因素分析和多元方法使用方面取得了豐富成果。但仍存在以下3 個方面的不足：一是在研究區域上，多數研究以全國視角展開，未考慮不同地區特殊的區位因素，例如西部地區、民族地區、不同經濟帶等。我國西部地區由于特殊的地理區位、資源稟賦以及政策導向等原因，其科研效率表現及影響因素較為復雜，基于全國層面的分析容易忽略甚至掩蓋西部地區的特殊性。二是，研究視角的選擇未充分考慮高質量發展的時代背景。創新、協調、綠色、開放、共享的新發展理念指導下的高校科研效率提升，應摒棄單純追求數量擴張和效率提升的傳統思維，是充分融合教育、經濟、社會等多元維度的內涵式發展方式。三是，從研究方法來看，傳統DEA 模型無法對多個有效決策單元進行比較，且忽視了科研投入的時間滯后效應，可能對評價結果造成一定偏誤。鑒于此，本研究基于高等教育高質量發展背景，以我國西部11個省區（未含西藏）為研究對象，首先采用超效率DEA 視窗分析—Malmquist 模型對2010—2020 年靜態科研效率和動態科研效率進行科學評價；進而運用Tobit 回歸模型，實證分析我國西部地區高校科研效率的影響因素；最后，結合上述分析結果，嘗試提出優化西部地區科研效率的對策建議。

2 研究設計

2.1 研究模型

2.1.1 超效率DEA 視窗分析

傳統DEA 模型的基本思路是通過投入、產出比率的綜合分析確定有效生產前沿面，依據不同決策單元到有效生產前沿面的距離確定決策單元是否DEA 有效［14］。該方法的局限性在于：一是若評價結果出現多個有效決策單元，無法對其進行進一步比較評價；二是只能對橫截面數據進行分析，由于某一時期決策單元的科研效率既可能受前一時期的影響，也可能對后一時期產生影響，因此傳統DEA模型在使用時可能產生偏差。本研究采用超效率DEA 和視窗分析方法能夠有效彌補上述局限性。超效率DEA 方法由Andersen 等［15］于1993 年提出，該方法在評價有效決策單元時，通過其投入所增加的比例來計算超效率評價值，能夠對有效決策單元進行差異比較。其數學表達式如下：

式（1）中，n為評價單元的個數，λj（j=1，2，…，n）為評價單元的參變量；Xj，Yj分別代表評價單元的投入與產出變量；S-，S+為投入產出指標對應的松弛變量；ε為阿基米德無窮小；θ為決策單元的綜合技術超效率值，θ≥1說明決策單元處于DEA 有效，θ＜1說明決策單元處于非有效狀態。在BBC 模型下，綜合技術效率可進一步分解為純技術效率與規模效率的乘積。

DEA 視窗分析法是由Charnes 等［16］提出，該方法將同一決策單元在不同時間段內視為不同的決策單元來處理，用移動平均法構建不同的參考集來評價決策單元的相對效率。該方法能夠反映同一決策單元（DMU）在不同時間段內的變化情況，為決策者提供更加準確的依據。具體來看，假設評價N個決策單元在T時間段內的效率，首先通過設置視窗寬度W將總時段T分為一系列有重疊的時間段，每個視窗都包含所有決策單元在W時期內的面板數據［17］。本研究樣本時間跨度為10，設置視窗寬度為3，因此通過投入導向超效率BBC 模型，每個決策單元在3 個窗口上可計算出3 個效率值，取其平均值作為該決策單元的當年的科研效率值。

2.1.2 Malmquist 指數

超效率DEA 視窗分析雖然能夠反映出不同地區科研效率的差異性，但是要評價各地區效率的動態變化以及探討引起變化的主要原因還需引入Malmquist 指數。Malmquist 指數又稱為全要素生產率指數（Tfpch），是由瑞典經濟學家曼奎斯特于1953年提出，后經F?re 等學者進一步拓展，廣泛應用于生產活動中的全要素生產率變化［18-20］。Malmquist指數可以分解為技術效率指數(Effch)和生產技術進步指數(Techch)兩個方面。其中，技術效率指數可以進一步分解為純技術效率指數（Pech）和規模效率指數（Sech），即：

其中，技術效率指數反應對科研資源有效利用的能力，具體體現為決策單元科研管理水平的變化；生產技術進步指數測量技術效率的進步情況；純技術效率指數反映科研管理水平、科研制度等因素對科研效率的影響，規模效率指數反映現有科研規模與最優規模的差異。Malmquist 指數基本表達式如下:

式（2）中，Dt表示以t時期為技術參考時的評價對象的距離函數，xt、yt分別表示t時期的投入值和產出值，Dt+1、xt+1、yt+1的含義以此類推。M0表示全要素生產率，當M0大于1 時，表示全要素生產率呈上升趨勢，當M0小于1 時，表示全要素生產率呈下降趨勢。因此，本研究采用Malmquist 指數對2010—2020 年我國西部地區高校科研投入產出效率進行分析，探究科研管理、技術進步、投入規模等因素對科研效率的影響。

2.1.3 Tobit 模型

由超效率DEA 視窗分析測算的各地區效率值為大于0 的受限數值，故本研究采用Tobit 回歸模型（受限因變量回歸模型），以我國西部各省份科研效率值為因變量，對影響高校科研效率的因素進行回歸分析。其表達式如下所示：

式(3) 中，Yi為因變量；Xi為自變量；β0為常數項；βi表示自變量的回歸系數；μi為隨機干擾項且服從(0，σ) 的正態分布。

2.2 指標選取與數據說明

2.2.1 投入、產出指標

根據Griliches［21］提出的經典知識生產函數可知，科研創新活動是研發經費投入和人力資源投入的函數，因此選擇人力資本和財力資本作為高校科研活動的投入指標，借鑒宗曉華等［22］的研究，選取“研究與發展全時當量人員”與“科研經費內部支出”代表投入指標。高校科研產出可以從學術效益和社會效益2 個維度構建產出指標，其中學術效益維度，參考蔡文伯等［8］、Bhuttoa 等［23］的研究選取“高校科研項目數”和“科技著作與論文數”作為代理變量；社會收益方面，借鑒Griliches 知識生產函數模型［21］，將“專利申請數”作為代理變量之一，同時參考黃東兵等［24］的研究，將“專利轉讓實際收入”作為高校科研活動給社會帶來的經濟效益的衡量指標。上述指標的選取同時兼顧了DEA 方法對指標體系的原則要求，包括目的性、精簡性和多樣性。具體評價指標體系如下表1 所示。

表1 我國西部地區高校科研活動效率評價指標體系

2.2.2 影響因素指標

基于高質量發展的時代背景，本研究認為我國西部地區高校科研創新活動的高質量發展是高校和科研機構人才培養及科研創新成果與地方經濟社會發展緊密耦合、良性互動的結果，因此，需要充分考慮西部地區特殊的地理區位。地緣與區位條件是影響區域發展與各類科研創新要素集散過程的重要驅動力。高校科研投入與產出，受區域經濟發展、人口環境條件、政府支持力度等多重因素的影響［25］。因此，本研究從科研活動與區域政府、經濟社會高質量互動的視角出發，系統探討我國西部地理區位環境對高校科研效率的影響，并將區位環境分為科研環境、經濟環境、社會環境3 個維度，具體從人力資源環境、地區科研環境、地區經濟結構、地區經濟實力、政府支持力度、人口聚集程度6 個方面構建西部地區高校科研效率影響因素指標體系。其中：（1）人力資源環境。地理區位可能帶來的最直接的差異就是人才的匯集。人力資源是科研創新的主體，人力資源規模、結構與質量將直接影響高校知識創新與成果轉化效率。故此，選取“研究與發展人員數”代表人力資源環境；（2）地區科研環境。研究與發展機構是高校開展科研創新活動的載體，其數量越多越有利于科研資源的集聚，集聚效應能夠有效提升高校科研效率。因此，選擇“科技機構數”作為地區科研環境的代理變量；（3）政府支持力度。教育支出是財政支出的重要組成部分，某地區教育支出在地方地府財政支出中所占比例越高，則表明該地方政府對教育事業發展的重視程度越高。因此選取“教育支出占地方一般公共預算支出的比例”代表政府支持力度；（4）地區經濟結構。區域經濟結構對高等教育有著制約作用。Thursby 等［26］的研究表明第三產業越發達的地區對科技創新的需求越大，對高科技的吸引力越強，越容易促進科技成果的轉化。因此，本研究選取“第三產業占比”作為地區經濟結構的代理變量；（5）人口聚集程度。我國人口的區域性空間分布差異顯著，人口聚集程度不僅影響著地區生產力，同時能夠促進科研資源利用率、科技成果轉化以及產生人才聚集效應。故選取“城鎮化水平”即城鎮人口占總人口的比重來表征人口聚集程度；（6）地區經濟實力。區域經濟發展水平為地區各項事業發展提供物質基礎，較高的經濟發展水平不僅能夠直接影響科研經費投入，對科研活動規模、科研產出質量以及科技成果轉化都有促進作用,本研究選取“地區人均GDP”來衡量地區經濟實力，具體指標體系見表2。

表2 我國西部地理區位環境對高校科研效率的影響因素指標體系

2.3 數據說明

由于近2年高校科研活動受新冠疫情影響較大，故本研究選取2010—2020 年期間面板數據來測算各地區科研效率，部分缺失數值使用線性插值法進行補充，數據均來自《中國統計年鑒》、《中國科技統計年鑒》以及《高等學校科技統計資料匯編》。由于 DEA 模型在測算高校科研效率時，要求投入與產出指標具有同向性。故采用Pearson 相關系數法，對投入與產出指標進行相關性檢測，結果顯示其相關程度較高且顯著（見表3），說明本研究投入產出指標的選取較為科學合理，可在此基礎上開展進一步研究。

表3 我國西部地區高校科研活動投入產出指標相關性分析

3 實證分析

3.1 基于超效率DEA 視窗模型的我國西部地區科研創新靜態效率分析

基于我國30 個省份2010—2020 年的面板數據，運用EMS1.3 軟件對各省份高校科研效率進行測算，通過我國東部、中部、西部地區高校科研效率對比（見表4），分析西部地區科研效率現狀。

表4 2010 和2020 年我國東中西部地區高校科研效率均值對比

同時，將2010 和2020 年西部11 個省區靜態科研效率值進行對比（見表5），進一步分析西部地區內部各省市高校科研變化情況。

3.1.1 30 個省份整體效率分析

從全國層面來看，2020 年30 個省份科研綜合效率平均值為0.735，相比2010 年，除西部地區有所提升外，東、中部地區均有下降，各地區綜合效率呈現西部＞東部＞中部的態勢。分解效率顯示，2020 年中、西部地區純技術效率相比2010 年均得到有效提升，追趕效應顯著，尤其西部地區增幅較大，說明西部地區在科研管理水平、績效評價方式、成果轉化機制等方面不斷提升。同時，隨著西部地區科研投入不斷增加，規模收益保持遞增狀態。相比之下，東部地區純技術效率和規模效率有所下降，表明東部地區應優化資源配置水平，提升高校科研管理效能。隨著對口支援政策的不斷深化，《中西部高校綜合實力提升工程》、《中西部高校基礎能力建設工程》、《中西部高等教育振興計劃（2012—2020 年）》等一系列扶持性政策的出臺，西部地區高校科研管理和人才結構得到優化，科研投入規模不斷提升，有效促進了西部地區整體科研效率的提高。

3.1.2 西部地區靜態科研效率分析

從綜合效率（crste）來看，2020 年西部地區科研效率平均值較2010 年有較大提升，說明整體科研綜合效率水平較高。內蒙古、重慶、四川、貴州、陜西、青海、新疆7 個省份2020 年綜合效率值較2010 年有所提升，其中內蒙古和新疆提升幅度最大，廣西、云南、寧夏、甘肅4 地科研綜合效率有所下降，說明其科研投入未達到有效利用，科研配置效率有待進一步提高。從DEA 有效的地區數量來看，2010 年只有寧夏實現了科研效率的有效配置，2020 年包括重慶、貴州、青海、新疆4 個省份科研綜合效率超過1。以新疆為例，作為“一帶一路”建設的核心區，不僅有力推動了地區產業規模和結構的升級，科技成果轉化效率不斷得到提高，同時帶來了人才和先進技術的支撐。而降幅較大的寧夏地區，由于近些年技術創新人才流失嚴重，科技成果轉化渠道不暢通等現實問題，制約了其科研效率的提升。

純技術效率(vrste) 反映的是高校科研機制運行及管理水平的優良程度。2020 年西部地區高校純技術效率較2010 年提升了11.6%。純技術效率值大于1 的決策單元數從2010 年的3 個提升至2020 年5 個，其中貴州、四川、青海、新疆等地區提升幅度較大，表明這些省份科研管理水平、績效評價方式、成果轉化機制均處于最佳狀態。一方面，在“雙一流”建設驅動下，各高校大力引進高層次科技人才，同時不斷改革科研評價機制，提升科研管理效率。其次，隨著科教融合、產教融合發展方向的不斷深化，各高校以服務地區產業發展為目標，積極調整人才培養方向，一定程度上加速了科技成果轉化。內蒙古、寧夏、廣西、甘肅等省份純技術效率處于非DEA 有效狀態，反映出科研項目經費、科技人才利用率不足，其資源配置效率存在改進空間，應優化高校科研管理體制，改革科研評價體系，賦予高校科研管理更大的自主權。

規模效率(scale) 用以表示區域高校科研資源所處狀態是否達到最優投入規模。2020 年西部地區高校規模效率平均值為0.864，較2010 年提升0.16%，說明西部地區整體科研規模效率處于有效擴張階段。其中，內蒙古、廣西、貴州、青海、寧夏、新疆規模效率有所提升，云南、陜西、四川規模效率下降較為明顯。從規模效率有效省份來看，西部11 個省份均未達到DEA 有效狀態，說明高校科研資源的投入與產出資源的配置有待進一步提高。以青海省為例，2020 年科研規模效率為0.741，表現欠佳，主要原因在于經濟發展水平制約了科研投入供給，同時工業基礎薄弱，產業結構層次不高，產業競爭力不足等問題導致地區對科技創新需求不足，科技成果轉化水平偏低［27］。

3.2 西部地區科研效率動態分析

采用Malmquist 指數進一步測算2010—2020 年各省份高校科技創新的動態效率，結果見表6 和表7。

3.2.1 西部地區高校科研效率Malmquist 指數的年度變化

總體來看，西部地區全要素生產率、技術進步效率和技術效率均值均接近1，表明2010—2020 年期間，西部地區高校的科研創新活動整體處于較為平穩、略微下降的狀態。其中，下降的主要原因在于2019—2020 年，各項效率值均處于歷年低位，高校科研活動受到疫情影響，出現了較為明顯的下降。2013—2014 和2017—2018 年技術效率與全要素生產率均出現下降趨勢，年度變化不穩定，整體呈現“M”型波動趨勢。提升科研資源投入，優化科研資源配置，深化科技管理體制改革，提高科研成果轉化效率仍是西部地區的主攻方向。

從各年來看，西部地區2013—2015 年、2017—2020 年全要素生產率小于1，西部地區整體科研效率受政策影響呈現明顯波動態勢。對口支援政策、“一帶一路”建設、中西部高校基礎能力建設工程建設等重大國家戰略的實施，為西部地區高校帶來了政策紅利。政策實施初期，國家及地方政府主要是以高投入、高產出的方式提升地區科研效率。然而受到西部地區固有的人才隊伍結構、科研管理水平、科技成果轉化機制的制約，科研資源投入冗余，導致科研效率的下降。隨著政策推進，高校不斷優化科研資源配置，挖掘基層科研活力，注重服務地方產業需求，提升科技成果轉化效率，科研效率在政策實施后的2 到3 年內得到明顯提升。

3.2.2 西部地區高校科研效率Malmquist 指數的地區劃分

從地區數據來看，2010—2020 年西部地區有5個省份的全要素生產效率大于1，6 個省市的全要素生產效率小于1。西部地區高校的全要素生產率年均下降0.7%，其中技術效率和技術進步效率分別增長0.5%和0.2%。新疆、寧夏、內蒙古等省份高校技術效率處于下降趨勢。新疆全要素生產率的降低主要是由于技術進步效率的下降，而寧夏則主要源于技術進步效率和技術效率共同降低所導致的，其中技術效率的降低更多的是由于規模效率的不足。因此對于寧夏而言，未來要注重技術進步和技術效率的雙重提升，增強科技創新管理水平，提高科技成果轉化效率，同時要加大科研經費和創新人才的投入，推動全要素生產率的持續提升。

3.3 西部地區高校科研效率影響因素分析

由上文分析可知，西部地區高校科研效率在時空分布上存在較大差異性。為了進一步探究影響西部地區科研效率的因素，以超效率DEA 視窗分析測算的綜合效率值作為被解釋變量，以人力資源環境、地區科研環境等六大因素作為解釋變量，運用Stata17.0 軟件對西部地區高校科研效率影響因素進行Tobit 回歸，結果見表8。

回歸結果顯示，PseudoR2值為-1.316，說明上述影響因素地科研效率有較好的解釋力。LRchi2 值為29.03，且在1%水平上顯著，說明回歸模型中不存在多重共線性、序列相關或異方差等問題。

研究表明人力資源環境與西部地區高校科研效率呈顯著負相關。人力資源環境大致可分為人才規模和人才質量兩個維度。多數研究成果表明，人力資源投入與高校科研產出成正相關。然而作為西部欠發達地區，高校人才隊伍普遍存在層次結構偏低，教學科研以及社會服務能力不足等問題。以教師隊伍中擁有博士學位的比例為例，2020 年東部高校專任教師隊伍的博士化率為34.65%，而西部只有21.73%［28］。因此，數量豐裕，質量不足的現狀在很大程度上制約了西部地區高校人力資本的發揮。這種情況下，一味提升人才規模，反而不利于整體科研效率的提高。

地區科研環境對西部地區高校科研效率的影響不顯著。劉天佐等［4］學者通過對我國31 個省份科研效率分析發現科研機構數量對高校科研績效呈現一定負相關性。這表明在一定的規模范圍內科研機構數量的增長能夠顯著提高科研效率，當達到一定規模后，再增加高校研究與發展機構數量并不能夠帶來科研投入產出績效的提升。因此，西部地區目前還處于科研機構規模有效擴張階段，各地區政府在把控科研規模逐步擴張的同時還需注重科研管理體制的完善，不斷優化科研人員激勵措施，才能保障科研效率的可持續提升。

地區經濟結構對西部地區高校科研效率的回歸系數為0.003，但未通過顯著性檢驗。根據區域經濟理論，地區的經濟結構與高等教育的結構密切相關。高等教育結構要與地區經濟結構、勞動技術結構以及產業結構等相適應，才能實現教育與經濟的良性互動。在經濟結構中，第三產業占比與區域科研創新呈現一定的正相關性，說明西部地區高校科技成果轉化路徑較為成熟，對接地區產業發展能力較強，但整體上仍有較大的發展空間。因此，地方政府應加強招商引資力度，注重地區產業結構升級，同時，高校應以服務地方發展為目標開展學科專業動態調整。

地區經濟實力對西部地區高校科研效率的影響不顯著。一般而言，地區經濟實力越發達，高校科技創新效率越高。然而西部欠發達地區，由于受到國家政策大力扶持，直接或間接地提升了地區科研資源水平，從而出現了地區經濟實力與科研效率不匹配的情況。西部地區仍需不斷完善科研管理體制、改變發展觀念、大力引進人才資源，才能充分享受政策紅利，激發科研創新活力。

政府支持力度與西部地區高校科研效率呈顯著正相關。政府支持是西部高校科研創新的重要資金渠道，地方政府對于教育的重視程度能夠顯著影響科研投入產出績效。然而馬聰穎等［29］學者研究發現政府支持力度與“雙一流”建設高校科研效率呈負相關。對比二者差異可知，相比東部發達地區，西部地區仍處于科研資金投入邊際收益遞增階段，增加科研投入能夠進一步完善科研平臺建設，提升科研人員規模與質量，調動基層科研人員積極性，有助于高校科研效率的整體提升。

人口聚集程度與西部地區高校科研效率呈顯著正相關。一方面人口聚集能夠有效降低科研活動過程中的各種交易溝通成本，提升高等教育資源配置效率，提高規模技術效率。另一方面，區域人口聚集不僅會產生經濟上的集聚效應，同時會產生人才集聚、產業集聚效應，激活區域科研活力，增加區域發展對高校科技創新的需求，推動科技成果轉化，從而倒逼科研機構優化科研管理體制，提升純技術效率。

4 結論與建議

4.1 主要結論

本研究基于高質量發展的視角審視我國西部地區科研效率，利用超效率DEA 視窗分析-Malmquist指數-Tobit 模型對我國西部地區科研靜態效率、動態效率以及影響因素展開研究，主要得出以下結論：

第一，從整體來看，相較2010 年，2020 年西部地區綜合科研效率有所提升，東、中部地區有所下降，且西部地區高于東、中部地區。從綜合效率看，2020 年內蒙古、新疆、重慶、四川、貴州、陜西、青海科研效率提升明顯，然而各地區綜合效率差異仍較大。純技術效率的提升是西部地區綜合科研效率提升的主要動力，說明西部地區在科研管理、績效評價考核等制度建設方面更加科學合理。從規模效率看，2020 年西部地區高校規模效率提升幅度較小，且均為達到DEA 有效狀態。

第二，從Malmquist 指數的年度變化來看，在樣本期內西部地區科研效率呈現較為明顯的波動變化趨勢，西部地區科研效率受外部制度環境影響較大，且表現出一定的政策滯后效應。此外，受疫情影響，2019—2020 年各項效率值均處于低位，使得全要素生產率、技術進步效率和技術效率均值均小于1。四川、貴州、青海地區科技創新全要素生產效率的提高主要源自技術效率的提升，廣西和陜西地區科技創新全要素生產率的提升主要來自技術進步。各地區發展呈現不平衡態勢，且制約科研效率提升的因素各異。增加科研投入，優化資源配置與科研管理體制仍是西部地區科研效率的主要任務。

第三，西部地區高校科研效率受人力資源環境、地區科研環境、政府支持力度、地區經濟結構、人口聚集程度、地區經濟實力六大環境因素影響。其中人力資源環境對西部地區科研效率具有顯著負向影響，政府支持、人口聚集程度對西部科研效率具有顯著正向影響，地區經濟結構、地區科研環境和經濟實力對科研效應影響不顯著。識別不同地區區位環境的特殊性，采取差異化政策干預和資源配置，是提升西部地區整體科研創新效率的有效途徑。

4.2 優化建議

第一，厚植高質量人力資本，激活科技創新的“火車頭”。西部地區科研人才面臨數量豐裕、質量松弛的雙重矛盾。一方面，要注重人力資本存量的再投資，優化人才隊伍結構，依托國家振興西部的政策紅利，大力提升中青年教師學歷層次結構。同時，通過信息網絡技術，實現與中東部地區高校間的戰略合作，引進先進的科研理念，創造跨區域科研合作，激活科研人才創新活力。另一方面，提升科研人員待遇，完善科研激勵機制，優化科研創新基礎設施，增強西部高校引人、留人能力。探索與中東部地區的人才交互共享模式，尋求各類人才余智和余力的高效利用［30］。

第二，優化科研經費投入與分配管理機制，提高科研經費使用效率。西部地區科研經費投入仍處于有效的規模擴張階段，優化科研經費投入與分配機制能夠緩解高質量教育體系建設中經費投入不平衡不高效的矛盾。宏觀層面，國家及地方政府加強對西部地區科研經費的定向投入，同時引導社會參與科技創新投入，建立補償機制，鼓勵政府、高校與企業或其他社會組織積極開展項目合作。微觀層面，進一步擴大科研單位及個人經費使用自主權，構建以有組織科研、科研創新能力、服務社會需求等為導向的科研經費分配模式，切實提高科研經費使用效率。

第三，集中優勢資源，推動西部高等教育集群化發展。集群化發展應從兩個方面著手：一是進一步推動城鎮化建設，通過人口、經濟的集聚，促進高校科研活動與區域經濟社會的互動與轉化，從而反哺高校科研技術創新。二是推動西部高等教育內外部集群化發展。省域內部以優勢高校和重點經濟區域為依托，劃定集群發展示范區，實現優勢科技資源的互補。同時，嘗試開展西部地區跨省域高等教育集群建設，借助蘭州、西安、成都、重慶等高等教育強市，形成多個高等教育集群化中心，實現集群內不同類型、不同層次科研資源的整合與協調，打造具有示范引領效應的基礎研究、應用研究、技術創新和成果轉化創新鏈條，實現區域科技創新效率高質量、可持續性發展。