高校人文社科“項目制”的績效評估及邏輯反思
——基于聯立方程與BP 人工神經網絡

金 鵬，俞立平

（1.寧波財經學院金融與信息學院，浙江寧波 315175；2.浙江工商大學統計與數學學院，浙江杭州 310018）

0 引言

目前高校人文社科研究經費的分配以項目制為主，也稱為課題制，其應用效果總體缺乏研究。高等院校科研經費的分配體制主要包括單位制與項目制兩種模式，伴隨國家治理模式由計劃向市場的轉軌，高等教育資源分配制度逐漸從單位制向項目制轉換，兩者互動決定了高等教育系統格局［1］。從新中國成立到1985 年，高等教育經費撥款采取“基數+發展”模式，1986—2001 年，采用“綜合定額+專項補助”模式，2002 年以后，采取“基本支出預算+項目支出預算”模式［2］，其演化趨勢總體上是從計劃機制向計劃與市場機制兼顧轉變。關于人文社科項目績效的研究，主要集中在項目本身以及學科、團隊、學校等微觀層面，極少從項目制的宏觀視角展開研究。

人文社科項目相對自然科學項目具有典型的獨特性。人文社科研究側重人文精神和公共治理等方面，其研究對象是人類與社會。人文社科研究經費一般較少，成果形式一般以學術論著和研究報告為主。從研究方式來看，人文社科更強調理論分析、實地調查與數據計量。盡管人文社科與自然科學研究在不斷交融，但其差異還是顯著的，必須單獨開展研究。

研究高校人文社科項目制的績效具有重要意義，首先，這是一個全新的選題，目前研究不多，對于人文社科項目制的制度設計與優化非常重要。其次，從宏觀視角研究人文社科項目制的績效，分析其中存在的問題，有利于進一步優化人文社科項目經費分配體制，促進人文社科學術繁榮。

1 文獻綜述

科研項目績效評價的含義較廣，包括科研成果評價、投入要素績效評價與投入產出效率分析等多個方面。Crawford 等［3］指出項目績效是對效率和效力的均衡。Lynn 等［4］強調應該重視R&D 項目成果轉化與商業績效。

一些學者專門就人文社科項目績效的評價問題展開研究，俞立平等［5］應用TOPSIS 評價模型、面板數據模型和面板向量自回歸模型對人文社科研究的投入產出關系進行分析，發現科研人員對科研產出的貢獻最大。李碩豪等［6］發現，國家社會科學基金教育學項目的學術成果經濟成本較大，邊際效率遞減，其主要原因包括立項時未能充分考查申請者的科研能力、學術生態異化等。李貞等［7］根據高校人文社科團隊績效評價的“投入—中介—產出”（IMO）模型，應用群組層次分析法計算指標權重，構建了由50 個指標組成的評價指標體系。吳鋒［8］認為一個國家的哲學社會科學研究水平體現了該國的知識創新能力，對社科項目進行績效評估有利于學術資源的優化配置，但相比國家自然科學基金項目的績效研究，學術界對社會科學基金績效的研究較為薄弱，缺乏深入的實證研究。包水梅等［9］分析了2004—2018 年的教育部人文社科研究項目數據，發現教育學類一般項目的科研成本較高，績效相對不佳。毛智輝等［10］以227 項國家社會科學基金教育學項目為實證研究對象，發現影響項目績效的關鍵因素包括項目申請人的學術能力、所在學科水平和所屬院校的聲譽。

關于高校科研項目制存在的問題研究，熊進［11］提出在項目化思維影響下，大學學術可能因項目的規范理性而呈現出表演化的狀態；項目實踐在項目符號的掩飾下，學術具體內容與真實所指容易被忽視，學術好壞難以有效區分。馬健［12］認為科研項目制存在的問題主要包括：過于強調論著數量、科研期限缺乏彈性、分批撥款弊大于利、績效掛鉤誤導科研。李兵等［13］分析高校項目制存在的問題后認為，資源配置方式的單一化會對科研工作產生負面作用，放大馬太效應，并妨礙跨單位之間真正的合作。胡敏［2］指出項目制存在的問題包括阻礙協調穩健發展、邊緣化學術自主發展以及弱化高校體制機制創新等。周懷峰［14］認為現行科研項目課題制不適合需要較長時間潛心研究的個性化課題和學科基礎課題，在很大程度上掣制了學術風氣和學術精神，尤其不適合人文社科研究。

從現有的研究看，關于項目績效評價的成果較多，涉及科研項目、人才項目、雙創項目、成果轉化項目等，不過是以自然科學項目為主，關于人文社科項目績效評價的研究較少。關于項目制存在的問題，現有研究也涉及較多。總體而言，科研項目績效評價尚需在以下3 個方面深入：

第一，關于科研項目績效的研究，主要從項目本身、團隊、學科、高校等維度，本質上側重微觀層面的分析較多，宏觀層面較少。并且現有研究更加關注科研經費與科研人員投入的績效，從項目制角度研究項目績效的文獻較少，尤其是實證研究。

第二，從投入產出研究方法角度，典型的是采用各種回歸分析以及DEA 效率分析，但是存在的問題是難以較好地處理變量的內生性，穩健性檢驗幾乎均未考慮。基于聯立方程模型、BP 人工神經網絡模型、貝葉斯向量自回歸模型的研究較少。本質上，從計量角度研究項目制的理論與方法模型需要重新建構。

第三，關于項目制存在的問題，大多數研究是以自然科學項目為研究對象，只有少量研究涉及人文社科，而且主要是從理論層面進行分析。

本文在理論分析的基礎上構建高等院校人文社科項目制績效評價的理論框架，依托教育部雙一流建設高校的科研數據，首先應用聯立方程模型分析項目制的績效，然后通過BP 人工神經網絡模型對回歸分析結果進行穩健性檢驗，最后應用貝葉斯向量自回歸模型分析人文社科研究的投入產出變量之間的互動關系。在此基礎上對人文社科項目制的績效進行綜合評估，得出研究結論并進行討論。

2 理論基礎與研究方法

2.1 項目制績效的研究思路

高校人文社科研究的主要投入包括科研經費和科研人員，主要產出包括學術論文、學術著作和研究報告。科研項目從嚴格意義上講也屬于投入要素，它與科研經費投入的關系密切，因為在人文社科的科研經費中，絕大多數是通過科研項目獲得的。將科研項目作為投入變量之一可以用來評估科研項目績效，并且與科研經費和科研人員的績效進行對比，從而對項目制的利弊進行綜合評估。

單位制和項目制作為兩種主要的科研經費分配機制，前者更重視計劃，后者更重視市場競爭。通過對科研項目與科研經費、科研人員績效的比較分析，就可以綜合評估科研項目的宏觀績效，即項目制績效。在人文社科研究的3 個投入變量中，科研項目是完全通過競爭獲取的，更加接近市場，代表項目制。科研經費主要是通過競爭獲取的，代表市場與計劃之間的一種均衡，更接近市場。科研人員是人文社科多年積淀形成的一種自然狀態，更接近計劃和平均分配，即單位制。如果科研項目的績效高于科研人員的績效，表明項目制的確有利于促進人文社科研究的發展；反之，則表明人文社科研究中的項目制存在弊端，應加以完善。

2.2 研究框架

本文的總體研究思路為：首先建立聯立方程模型分析人文社科研究的投入和產出之間的靜態關系，之后應用BP 人工神經網絡模型對分析結果進行穩健性檢驗，最后采用貝葉斯向量自回歸模型分析人文社科研究的投入與產出之間的動態互動關系。

本文的研究框架如圖1 所示，首先是基本研究方法的選擇問題。政府投入科研項目的相關指標間存在復雜聯系［15］，在人文社科研究的投入要素中，科研經費與科研人員兩者之間緊密相關，高校的科研經費越充足，則越能吸引科研人員加入，而科研人員的增加則有助于高校申請到更多的科研經費。科研項目與科研經費也密切相關，科研項目越多，科研經費越高。科研人員也與科研項目高度相關，科研人員越多，則高校可以申請到更多的科研項目，這反過來又會促進高校增加科研人員。在人文社科研究的產出成果中，學術論文和學術著作主要偏向理論研究，而研究報告主要偏向應用研究。三種成果之間也存在密切的聯系，理論研究是應用研究的基礎，而研究報告經過加工整理后也可作為學術論文或學術著作發表和出版。關于一個研究主題的系列學術論文可以整合為一部學術著作，反過來，在撰寫學術著作的過程中，某些創新性較強的內容可以作為學術論文單獨發表。正是由于人文社科研究的投入產出變量多，它們之間又存在復雜的關系，因此，采用單個回歸方程無法深入揭示這些投入產出變量之間的關系，而使用聯立方程模型則能較好地處理。

圖1 研究框架

其次是穩健性檢驗方法，采用聯立方程模型會涉及許多變量，在這種情況下，研究的穩健性檢驗是個新的問題。何況產出變量是多個，在這種情況下穩健性檢驗更加困難。本文提出通過BP 人工神經網絡模型分析多投入與多產出變量之間的關系，根據投入變量的相對權重判斷其對產出的貢獻大小，從而對績效進行分析，并對聯立方程模型的分析結果進行穩健性檢驗。

第三是科研項目與其他關鍵變量之間的互動效應，這也是其績效的一種體現，擬采用貝葉斯向量自回歸模型進行分析。聯立方程模型側重分析變量之間的靜態關系，貝葉斯向量自回歸模型側重分析變量之間的動態關系。兩者相結合，可以對項目制績效進行全方位的估計，同時也便于分析人文社科研究的投入產出現狀、特征與問題。

需要說明的是，在實際研究中，由于人文社科的研究報告總體占比不多，比如2018 年，中國本科院校共發表國內論文295 526 篇，出版學術著作26 049 部，完成研究報告19 234 部，此外存在許多高校研究報告數量為0 的情況［16］，因此本文在實證分析時僅考慮學術論文和學術著作這兩種人文社科研究的產出成果。

2.3 聯立方程模型

本文構建的聯立方程模型如下：

在式（1）表示的聯立方程模型中，Y1和Y2分別代表人文社科研究的學術論文和學術著作這兩種產出變量，K、L和P分別代表科研經費、科研人員和科研項目等三種投入變量。cij為各方程的回歸系數，i和j分別為方程序號和變量序號，i,j=1,2,3,4,5。

上述聯立方程模型共包含5 個方程。第一個方程是學術論文產出方程，根據2.2 節的分析，將科研經費、科研人員和科研項目設為學術論文的投入變量。由于學術論文的產出與投入之間存在滯后，因此應考慮設置3 個投入變量的滯后期。由于人文社科研究的學術論文投入產出滯后期總體而言較短，因此將其設為1 年。第一個方程還考慮了學術著作對學術論文的影響，兩者總體上沒有滯后期。

第二個方程是學術著作產出方程，同樣是將科研經費、科研人員和科研項目設為學術著作的投入變量。與第一個方程類似，并且考慮到學術著作的完成時間較長，將3 個投入變量的滯后期設為2 年。此外，第二個方程還考慮了學術論文對學術著作的影響，也不設定滯后期。

第三個方程是科研經費影響因素方程，根據2.2節的分析，將對科研經費產生影響的科研人員和科研項目變量加入方程，考慮到科研人員獲得科研經費需要一定的時間，因此將科研人員變量的滯后期設定為1 年，科研項目變量則不設滯后期。

第四個方程是科研人員影響因素方程，將對科研人員產生影響的科研經費和科研項目變量加入方程，考慮到科研經費增加后吸引更多的科研人員需要時間，將科研經費變量的滯后期設為1 年，而科研項目變量不設滯后期。

第五個方程是科研項目影響因素方程，將影響科研項目的科研經費和科研人員變量加入方程，不設滯后期。

最后，由于學術論文和學術著作對高校學科評價具有重要意義，它們對科研經費、科研人員和科研項目會起到一定的反饋作用，因此將學術論文和學術著作變量加入第三、第四和第五個方程中，并統一設定滯后期為1 年。

2.4 BP 人工神經網絡模型

BP 人工神經網絡模型能夠仿真人腦的結構和信息處理過程，擁有較高的學習效率［17］。BP 人工神經網絡模型的工作原理是首先建立一個由輸入層、隱含層和輸出層構成的網絡，然后通過反復訓練，將輸出誤差通過隱含層向輸入層逐層反傳，動態調整網絡中各神經元節點之間的連接權重，目標是實現輸出誤差不斷減小，當輸出誤差達到設定精度或者到達最大學習次數時停止訓練。具體來說，BP 人工神經網絡模型的運行步驟如下：

（1）初始化網絡拓撲結構。確定輸入層、隱含層和輸出層的神經元數量，隨機設置所有連接的權重和每個神經元節點的偏置。

（2）前向傳播。根據樣本輸入數據，逐層計算每個神經元的輸出，其計算方法是將每個神經元所連接的所有前一層神經元的輸出與連接權重相乘后求和，然后使用激活函數確定該神經元的輸出。激活函數有多種，常用的是Sigmoid、ReLU 和Tanh。

（3）計算模型輸出誤差。對比BP 人工神經網絡模型的輸出與樣本輸出數據，計算誤差值，通常使用均方誤差公式計算。

（4）反向傳播。根據輸出誤差值，通過鏈式法則計算所有連接權重的梯度，并應用梯度下降算法調整連接權重和神經元節點的偏置。

（5）重復2、3、4 這3 個步驟，當達到預先設定的收斂條件時停止訓練。

2.5 貝葉斯向量自回歸模型

由于人文社科研究的投入產出變量之間存在復雜的互動關系，并且科研項目是其中非常重要的一個變量，因此需要引入貝葉斯向量自回歸模型，來研究它們之間復雜的互動關系。

傳統的向量自回歸模型（vector autoregressive model，VAR）由Sims［18］在1980 年提出，VAR 模型能夠解決聯立方程模型存在的一些問題，如無法根據經濟理論明確變量之間的動態關系、內生和外生變量難以劃分、模型識別、偽回歸等。VAR 模型不以經濟理論為基礎，但能夠分析經濟變量之間的互動關系并進行預測。不過，VAR 模型也有缺點，主要是對自由度的要求較高，若模型的變量個數為m，滯后階數為p，則需要估計的參數有m(mp+1)個。當變量個數較多而樣本數據量較少時，需要將一些待估計參數設為0，這可能會導致VAR 模型與經濟理論矛盾。針對VAR 模型的不足，Litterman［19］將貝葉斯定理用于VAR 模型，從而提出了貝葉斯向量自回歸模型（Bayesian vector auto regression model，BVAR）。BVAR 模型相比VAR 模型的改進是將所有參數看作服從某一概率分布的隨機變量，并使用源于經驗和歷史數據的先驗分布來增加參數估計的準確性。

3 數據來源與實證分析結果

3.1 數據來源

本文將中國137 所“雙一流”建設大學作為研究對象，相關研究數據來源于教育部人文社會科學信息網（https://www.sinoss.net）。在投入變量中，科研經費數據采用網站公布的各高校的研究與發展經費當年內部支出數據，科研人員數據采用研發人員合計數據，科研項目數據采用課題數的數據。需要說明的是，由于人文社科研究的特殊性，項目差距要遠遠小于自然科學，因此采用課題數進行績效分析比較合適。在產出變量中，學術論文和學術著作分別采用網站公布的各高校論文數和著作數的數據。

基于教育部人文社會科學信息網上統計數據的連續性，本文將研究數據的時間范圍設定為2004 至2018 年，部分高校在這段時間中有合并行為，對此進行了適當的數據歸并。此外，為方便取對數處理，對部分為0 的數據進行了統一加1 處理。所有變量的描述統計如表1 所示。

表1 變量描述統計

3.2 聯立方程模型的估計結果

聯立方程模型的估計結果如表2 所示。5 個方程的擬合優度分別為0.815、0.734、0.765、0.769、0.826，總體來說模型的擬合效果較好，說明本文所構建的聯立方程模型中各變量之間的關系及滯后期的設置比較合理。

表2 聯立方程模型的估計結果

根據表2 中的模型估計結果可以看出，在學術論文產出方程中，除了科研經費變量沒有通過統計檢驗外，其他所有變量均通過了統計檢驗。在影響學術論文產出的幾個因素中，科研人員的貢獻最大，其彈性系數為0.655。學術著作對學術論文產出的貢獻次之，其彈性系數為0.342。科研項目對學術論文產出的貢獻最小，其彈性系數為0.129。這一回歸分析結果表明，雖然在人文社科研究中，科研項目總體上有利于提高學術論文產出，但貢獻很小。

在學術著作產出方程中，所有變量均通過了統計檢驗。在影響學術著作產出的幾個因素中，按照貢獻大小從高往低排序分別是學術論文、科研人員、科研經費和科研項目，其彈性系數分別為0.815、0.270、0.270 和-0.097。科研項目對學術著作的彈性系數為負數，表明在人文社科研究中，科研項目在學術著作產出方面的績效欠佳。

在科研經費影響因素方程中，所有變量也通過了統計檢驗。科研項目對科研經費的彈性系數最高，為0.862，表明項目制對科研經費的影響非常顯著。在其余幾個科研經費的影響因素中，按照影響大小從高往低排序分別是學術著作、學術論文和科研人員，其彈性系數分別為0.199、0.074 和-0.152。科研人員對科研經費的彈性系數為負數，表明在人文社科研究中，科研人員數量對科研經費的分配影響較小。

在科研人員影響因素方程中，所有變量也通過了統計檢驗。對科研人員影響最大的因素是學術論文，其彈性系數為0.253，科研項目、學術著作和科研經費等其他幾個影響因素的彈性系數分別為0.212、0.069 和-0.036。

在科研項目影響因素方程中，所有變量均通過了統計檢驗。對科研項目影響最大的因素是學術論文，其彈性系數為0.607，科研經費、學術論文和學術著作等其他幾個影響因素的彈性系數分別為0.472、0.193 和-0.049。

為了更加直觀地理解聯立方程模型的估計結果，將其進行可視化處理，處理結果如圖2 所示。其中，箭線表示變量之間存在影響關系，線條類型分為兩種，實線表示彈性系數為正，虛線表示彈性系數為負，彈性系數絕對值的大小用線條粗細代表。下面根據圖2 所描述的變量之間的關系以及表2 中的模型估計結果，對人文社科研究的投入產出進行分析。

圖2 聯立方程模型估計的可視化結果

（1）學術論文的投入產出分析。聯立方程模型的估計結果表明，科研經費對學術論文沒有直接影響。不過，從圖2 容易看出，科研經費對學術論文有三條主要的間接影響路徑：一是科研經費→科研人員→學術論文，其間接彈性為-0.036×0.655，即-0.024；二是科研經費→科研項目→學術論文，其間接彈性為0.472×0.129，即0.061；三是科研經費→學術著作→學術論文，其間接彈性為0.176×0.342，即0.060。三條間接影響路徑對應的間接彈性之和為0.097。

其實，還存在一些更復雜的科研經費對學術論文的間接影響路徑，如科研經費→科研項目→學術著作→學術論文，但這些路徑一般會涉及到3 個彈性系數連續相乘，使得間接彈性很小，因此，本文只考慮兩個彈性系數相乘的路徑。

科研人員對學術論文的直接彈性為0.655，此外還有兩條主要的間接影響路徑：一是科研人員→學術著作→學術論文，其間接彈性為0.270×0.342，即0.092；二是科研人員→科研項目→學術論文，其間接彈性為0.607×0.129，即0.078。間接彈性之和為0.170，總彈性為直接彈性和間接彈性之和，即0.825。

科研項目對學術論文的直接彈性為0.129，此外還有兩條主要的間接影響路徑：一是科研項目→科研人員→學術論文，其間接彈性為0.212×0.655，即0.139；二是科研項目→學術著作→學術論文，其間接彈性為-0.097×0.342，即-0.033。間接彈性之和為0.106，總彈性為0.235。

（2）學術著作的投入產出分析。科研經費對學術著作的直接彈性為0.176，主要的間接影響路徑有兩條：一是科研經費→科研人員→學術著作，其間接彈性為-0.036×0.270，即-0.010；二是科研經費→科研項目→學術著作，其間接彈性為0.472×(-0.097)，即-0.046。間接彈性之和為-0.056，總彈性為0.120。

科研人員對學術著作的直接彈性為0.270，此外還有三條主要的間接影響路徑：一是科研人員→科研經費→學術著作，其間接彈性為-0.152×0.176，即-0.027；二是科研人員→科研項目→學術著作，其間接彈性為0.607×(-0.097)，即-0.059；三是科研人員→學術論文→學術著作，其間接彈性為0.655×0.815，即0.534。間接彈性之和為0.448，總彈性為0.718。

科研項目對學術著作的直接彈性為-0.097，另有三條主要的間接影響路徑：一是科研項目→科研經費→學術著作，其間接彈性為0.862×0.176，即0.152；二是科研項目→科研人員→學術著作，其間接彈性為0.212×0.270，即0.057；三是科研項目→學術論文→學術著作，其間接彈性為0.129×0.815，即0.105。間接彈性之和為0.314，總彈性為0.217。由于正的間接彈性之和絕對值大于負的直接彈性絕對值，導致總彈性由負變正。

各投入變量的綜合彈性對比如表3 所示。對于學術論文成果而言，科研項目的彈性為0.235，遠小于科研人員的彈性0.825，大于科研經費的彈性0.097，說明項目制相對于資源分配更加平均的單位制而言績效較低。對于學術著作成果而言，科研項目的彈性為0.217，小于科研人員的彈性0.718，高于科研經費的彈性0.120，說明項目制的績效也不高。

表3 投入變量的綜合彈性對比

3.3 BP 人工神經網絡模型的訓練結果

下面對人文社科研究的投入產出數據應用BP人工神經網絡模型進行訓練，軟件采用alyuda neuro intelligence V2.2 版，模型采用在線反向神經網絡（online back propagation）。通過BP 人工神經網絡模型訓練，可以得到各投入變量的權重即重要性，以檢驗聯立方程模型的估計結果是否穩健。本文考慮到每次訓練的結果會有所不同，為確保檢驗結論有效，共進行五次訓練，以五次訓練結果的平均值作為最終結果，“輸入層-隱含層-輸出層”結構采用軟件推薦的設置。對于每次訓練，采用絕對誤差閾值原則，設定絕對誤差的閾值為0.000 000 1，當絕對誤差低于該值時停止訓練。BP 人工神經網絡模型的訓練結果如表4 所示。

表4 BP 人工神經網絡模型的訓練結果

BP人工神經網絡模型的擬合優度均值為0.560，相關系數的均值為0.833，處于中等水平。從各投入變量的權重來看，科研人員投入對人文社科研究最為重要，其權重為85.37%，其次是科研經費投入，其權重為9.93%，而科研項目投入的權重最低，僅為4.70%，表明人文社科研究的項目制績效是較低的。

根據聯立方程模型的估計結果，無論是對于學術論文產出還是學術著作產出，科研項目的績效都遠遠小于科研人員的績效，這與BP 人工神經網絡模型的訓練結果高度一致。事實上，BP 人工神經網絡提供了一種更好的分析手段，在應用聯立方程模型分析時，由于產出變量有多個，因此即使根據回歸結果也難以精確地全面評價投入要素的績效，但BP人工神經網絡模型由于可以處理多投入多產出數據，某種程度上能夠作為一種輔助分析手段。對于科研經費這一投入變量，在聯立方程模型的估計結果中，其績效是最低的，但在人工神經網絡模型的估計結果中，科研經費的績效略高于科研項目，這與現實情況更為相符。

3.4 貝葉斯向量自回歸估計

下面建立貝葉斯向量自回歸模型，滯后期統一設定為兩年，分別采用脈沖響應函數和方差分解分析變量之間的關系與績效。

（1）脈沖響應函數分析。從學術論文的脈沖響應結果來看，來自學術著作的一個標準差的正向沖擊對其影響最大，這種影響的當期值為0，隨后緩慢提高，作用時間較長。3 個投入要素的沖擊對學術論文的影響從大到小的排序分別是科研人員、科研項目、科研經費，科研經費的影響非常小。這3個變量的當期影響值也都為0，作用時間也都較長。從投入要素的沖擊影響效應的大小來看，與聯立方程模型的分析結果一致，表明人文社科研究中科研項目的績效有待提高，如表5 所示。

表5 學術論文的脈沖響應結果

接下來分析學術著作的脈沖響應結果，從表6可以看出，來自學術論文的正向沖擊對其影響最大，當期就達到最大值，后期影響逐漸減弱，但仍然較高。3 個投入要素的沖擊對學術著作的影響從大到小的排序依次是科研人員、科研經費和科研項目，這也表明人文社科研究中科研項目的績效需要進一步提高。

表6 學術著作的脈沖響應結果

最后分析科研項目的脈沖響應結果，從表7 可以看出，學術論文的沖擊影響最大，表明在人文社科研究中學術論文和科研項目形成了良性反饋。科研人員和科研經費對科研項目的沖擊影響雖然小于學術論文，但也較高，兩者大致相當，不過科研經費的影響衰減速度更快，而科研人員的影響較為平穩。學術著作對科研項目的沖擊影響相對較小，但總體比較平穩。

表7 科研項目的脈沖響應結果

（2）方差分解分析。從學術論文的方差分解結果來看，總體上學術著作和科研人員對其影響較大，而科研經費和科研項目對其影響不顯著，如表8 所示。

表8 學術論文的方差分解結果

從學術著作的方差分解結果來看，學術論文對其影響較大，科研人員對其影響較小，而科研經費和科研項目對其影響非常小，如表9 所示。

表9 學術著作的方差分解結果

從科研項目的方差分解結果來看，學術論文對其影響較大，其次是科研經費和科研人員，學術著作的影響最小，如表10 所示。

表10 科研項目的方差分解結果

4 研究結論與政策建議

4.1 研究結論

（1）人文社科項目制的總體績效不高。基于聯立方程模型的研究結果表明，對于學術論文和學術著作而言，科研項目的彈性遠低于科研人員，但高于科研經費，項目制績效總體不高。而BP 人工神經網絡模型的估計結果表明，這個結論是穩健的，科研項目在所有投入要素中的權重甚至是最低的，僅為4.70%。脈沖響應函數分析的結果表明，對于學術論文，科研項目的正向沖擊對其影響總體不大，對于學術著作，科研項目的正向沖擊對其影響很小。方差分解分析的結果顯示，無論是在學術論文還是在學術著作的方差分解中，科研項目的份額均極小，基本可以忽略不計。以上實證分析結果充分說明，在人文社科研究中，科研項目的績效總體不高，需要進行系統思考并加以改進。

（2）人文社科的科研經費績效需要進一步提高。基于聯立方程模型的研究結果顯示，無論是從學術論文產出還是從學術著作產出的角度來看，科研經費的貢獻都是最低的。BP 人工神經網絡模型的估計結果表明，科研經費對人文社科研究產出貢獻的權重僅為9.93%，說明這一結論是穩健的。脈沖響應函數分析的結果表明，來自科研經費的沖擊對學術論文的影響最低，對學術著作的影響也很低。方差分解分析的結果表明，無論是在學術論文還是在學術著作的方差分解中，科研經費的份額幾乎可以忽略不計。以上實證分析結果充分說明，人文社科研究中的科研經費績效也不高。

（3）人文社科的科研人員績效最高。根據聯立方程模型的估計結果，科研人員對學術論文的彈性最高，為0.825，對學術著作的彈性也最高，為0.718。BP 人工神經網絡模型的估計結果表明，科研人員對人文社科研究的產出貢獻比重高達85.37%。脈沖響應函數分析的結果表明，來自科研人員的正向沖擊對學術論文和學術著作的影響都非常顯著。方差分解分析的結果表明，科研人員在學術論文和學術著作的方差分解中的份額要顯著大于科研經費與科研項目。以上充分說明對于人文社科而言，科研人員的績效最高。

（4）科研人員、科研經費對科研項目的影響顯著，學術論文的反饋明顯。聯立方程模型的估計結果顯示，科研人員、科研經費對科研項目的影響顯著，同時學術論文對科研項目的反饋作用明顯。脈沖響應函數分析的結果表明，來自學術論文的沖擊對科研項目的影響最大，科研人員和科研經費的影響次之。方差分解分析的結果表明，學術論文在科研項目的方差分解中所占比重較大，其次是科研經費和科研人員。

學術著作對科研項目的影響不大，其反饋效果欠佳。人文社科應該鼓勵學者長期進行高質量的基礎研究，發表高質量、系統化的研究成果，學術著作總體上是這些成果的體現，其反饋作用差，說明項目制具有短期效應，缺乏長期效應。

4.2 政策建議

（1）人文社科項目制需要進行反思和改進。本文的研究結果表明，高校人文社科項目制的績效不高，如果將科研人員作為單位制或資源分配相對均勻的一種替代變量，科研項目作為項目制的一種替代變量，那么項目制的績效更接近科研經費，遠低于科研人員。需要對其存在的問題進行深入思考，充分考慮人文社科研究的特點，不斷優化和完善項目制，以提高項目制績效。

在當前項目制已經主宰高校人文社科研究資源分配的今天，應該適當考慮采用單位制輔助進行資源分配，建議對于人文社科研究的增量資源，可適當在具有一定研究能力和水平的高校之間重新分配，取消項目制，適當兼顧成果數量，但更應注重平均分配。

（2）努力提高科研經費分配的公平公正水平。人文社科研究中科研經費績效低下是個令人吃驚的問題，固然與人文社科的學科特點相關，但主要原因還是項目制問題，因為人文社科的科研經費大部分還是通過項目獲取的。深層次問題其實是人文社科項目評審問題，要努力提高人文社科項目評審的公平性，并且適當提高人文社科項目結項成果要求，注重前期研究成果數量和質量與項目立項掛鉤，努力做到人文社科項目立項的公開、公平、公正。

（3）全方位充分調動廣大人文社科工作者的積極性。人文社科的發展與繁榮，離不開廣大人文社科工作者的努力，人文社科研究固然離不開科研經費，但科研經費并不是唯一的要素。在資源有限的情況下，如果能夠充分調動廣大人文社科工作者的積極性，也是一種重要的推動力量。在注重科研經費分配公正的同時，應注重對廣大人文社科工作者的精神獎勵，努力解決好他們切身關切的問題，全方位做好人文社科學者的激勵工作。