創新價值鏈視角下我國地區高校科技創新效率評價及其影響因素研究

摘要：客觀評價高校科技創新效率并測度其影響因素，對于提升高校科技創新效能、實現創新驅動發展和科技自立自強，有著積極且重大的現實意義。在創新價值鏈理論視域下，文章將高校科技創新工作分為基礎研究和成果應用兩個階段，結合運用DEA-BBC模型和Malmquist指數模型對不同階段的高校科技創新效率進行靜態和動態分析，最后運用面板Tobit模型測度了政府支持力度、人才支撐狀況、經濟發展水平和市場開放程度等不同因素對于高校科技創新效率的影響作用，以期為提升高校科技創新效能和實現高水平科技自立自強提供有益的經驗參考。

關鍵詞：創新價值鏈；高校科技創新；效率評價；影響因素

中圖分類號： G644" 文獻標志碼：A

基金項目：江蘇高校哲學社會科學研究一般項目；項目名稱：創新價值鏈視角下的我國地區高校科技創新效率評價及影響因素研究；項目編號：2023SJYB0102。南京警察學院校教學改革重點研究項目；項目名稱：以關務技能提升為導向的《進出口商品歸類》緝私方向課程設計研究；項目編號：zd24002。

作者簡介：范震（1990— ），男，助理研究員，碩士；研究方向：區域科技創新。

0" 引言

黨的十八大以來，黨和國家站在我國和世界發展的歷史新方位，統籌把握中華民族偉大復興戰略全局和世界百年未有之大變局，堅持把科技創新擺在國家發展全局的核心位置，對建設科技強國進行全局謀劃和系統部署，不斷完善國家創新體系，加快實現高水平科技自立自強。黨的二十大報告指出，科技是第一生產力、人才是第一資源、創新是第一動力，深入實施科教興國戰略、人才強國戰略、創新驅動發展戰略，開辟發展新領域新賽道，不斷塑造發展新動能新優勢。當前，我國已經進入新的發展階段，為貫徹新發展理念和構建新發展格局，必須深入實施科教興國戰略、人才強國戰略和創新驅動發展戰略。為支持社會科技創新發展，我國每年的科研經費和科研人力投入不斷攀升，據統計，2023年我國全社會研發經費超過3.3萬億元，居世界第二位，研發投入強度達到2.64%，研發人員全時當量居世界第一。雖然，我國科技創新工作取得了令人矚目的成績，然而也要清醒地認識到我國的科技事業仍然存在短板和不足，比如基礎性研究和原創性理論突破成果相對匱乏和薄弱，科技創新投入和產出的效率不盡如人意，科技創新資源的分配仍存在失衡和不均現象等。

高校是國家教育體系的制高點，是人才培養的主陣地，更是科技創新的橋頭堡，在國家科技創新事業中占據重要地位。科學、公正地評價高校科技創新效率可以有效遏止資源浪費，優化資源配置，提升科技創新效能。自1957年Farrell［1］首次提出技術效率的概念，學界普遍興起了對科技創新效率的測度和評價研究，高校作為重要的科技機構自然也是該領域的重點研究對象，針對高校的科技創新效率測評研究層出不窮。沈映春等［2］運用DEA（數據包絡分析）模型測算了原國防科工委所屬的7所高校的相對創新效率，使用投影面的方法為非DEA有效的決策單元測算了其達到DEA有效的數值。陳秋菲等［3］運用DEA-BBC模型對2009—2015年我國農業高校科技創新效率進行靜態評價分析。馬寶林等［4］采用我國31個省、自治區、直轄市2009—2018年的面板數據，運用Mamlquist指數模型分別測度了我國文理科高等學校科技創新效率動態變化趨勢，就文科和理科高校差異進行了對比研究。

然而，以往對于高校科技創新的研究多將高校科技創新活動視為一個從投入產出的單一整體，忽視了科技創新的多投入、多產出和多環節性。隨著創新價值鏈理論的提出，科技創新是一個復雜的多環節鏈狀過程已經成為學界共識［5］。此外，以往研究或基于面板數據對某一時間跨度內的高校科技創新效率進行動態分析，或基于時點數據對某一時間節點的高校科技創新效率進行靜態評價，鮮有文章能夠從靜態和動態相結合的視角出發，既能客觀對比評判某一時間節點高校科技創新效率的高低，又能分析總結某一時間跨度內高校科技創新效率的走勢。有鑒于此，本文基于創新價值鏈理論，將高校科技創新過程分為基礎研究和成果應用兩個階段，收集整理了2016—2022年我國高校科技創新相關指標數據，分別運用傳統DEA模型和Malmquist指數模型對各階段分地區高校科技創新效率進行靜態和動態的結合分析，最后運用Tobit模型分析了各階段高校科技創新效率的影響因素，以期為提升高校科技創新效能和實現高水平科技自立自強提供有益的經驗參考。

1" 模型和方法介紹

1.1" 數據包絡分析

數據包絡分析（DEA）作為一種非參數估計方法，可以評估投入和產出的效率。在DEA模型中假設有n個決策單元，每個決策單元有m種投入和k種產出，投入和產出矩陣分別是xj=（x1j，x2j，…，xmj）T和yj=（y1j，y2j，…，ymj）T，對應權重矩陣分別是vj=（v1，v2，…，vm）T和uj=（u1，u2，…，um）T，第j個決策單元的效率評價指數為ηj=uTyjvTxj=∑kr=1uryrj∑mi=1vixij，j=1，2，…，k。其DEA-BCC模型如下：

minθ

s.t.∑nj=1λjxj+s-=θx0

∑nj=1λjyj-s+=y0

∑nj=1λj=1

λj≥0，j=1，2，…，n

s+≥0

s-≥0（1）

式（1）中：θ表示決策單元的綜合技術效率值；xj表示第j個決策單元的投入量；yj表示第j個決策單元的產出量；x0、y0分別表示決策單元的投入和產出；λj表示第j個決策單元的組合比例；s-為投入冗余量；s+為產出不足量。當θ=1且s-=0，s+=0時，該決策單元DEA有效，而且同時達到技術效率最優和規模效率最優；當θ=1，但至少某個輸入或者輸出大于0時，則稱該決策單元達到弱DEA有效，沒有同時達到技術效率最優和規模效率最優；當0≤θlt;1時，決策單元未達到DEA有效，并且技術效率和規模效率都未達到最優狀態。

1.2" Malmquist指數

為了能夠動態分析2016—2022年我國高校科技創新效率的變化趨勢，本文通過引入Malmquist指數模型對2016—2022年我國高校科技創新效率進行動態研究。Malmquist指數可以測度從t到t+1期決策單元的全要素生產率變化，其公式如下：

M（xt，yt，xt+1，yt+1）=Dt+1（xt+1，yt+1）Dt（xt，yt）×Dt（xt+1，yt+1）Dt+1（xt+1，yt+1）×Dt（xt，yt）Dt+1（xt，yt）1/2（2）

式（2）中：Dt和Dt+1分別為參照第t和第t+1期的技術水平下決策單元對應的投入和產出相對效率。當M大于1時，t至t+1期全要素生產率呈增長趨勢；當M等于1時，t至t+1期全要素生產率呈停滯狀態；當M小于1時，t至t+1期全要素生產率呈下降趨勢。在規模報酬不變時，全要素生產率變化（TFPCH，式中記為TF）可由技術效率變化（EFFCH，式中記為EF）和技術進步（TECH，式中記為TE）轉化，其公式如下：

M（xt，yt，xt+1，yt+1）=TF=EF×TE=PE×SE×TE（3）

式（3）中：PE為純技術效率；SE為規模效率。

1.3" 面板Tobit模型

由于DEA模型得出的效率值介于0和1之間，用普通的最小二乘法（OLS）對因變量高校科技創新效率和自變量影響因素進行回歸分析，得出的估計結果并不準確。而Tobit回歸分析恰好可以解決因變量受限的問題，因此本文采用面板Tobit模型對2016—2022年我國各地區高校科技創新效率的面板數據進行實證研究。

假設有t時間范圍內的n個決策單元的面板數據，其面板Tobit回歸模型如下：

yit=βxit+ui+εit，βxit+ui+εitgt;0

0，βxit+ui+εit≤0（4）

式（4）中：yit表示因變量；xit表示自變量；i表示決策單元；t表示時間；β表示回歸系數；ui表示個體效應；εit表示隨機擾動項，εit～N（0，σ2）。

2" 指標體系構建

本文基于創新價值鏈理論，將高校科技創新過程大致分為基礎研究和成果應用兩個階段，在參考前人研究的基礎上［6］，綜合考慮指標數據科學性和易得性，選取了Ramp;D經費支出、Ramp;D全時人員、科技著作數量、學術論文數量和專利授權數量作為基礎研究階段的投入和產出指標；另外，選取了Ramp;D 成果應用當年支出、Ramp;D 成果應用及科技服務全時人員、技術轉讓當年實際收入、科技課題立項數量、成果授獎數量作為成果應用階段的投入和產出指標，構建高校科技創新投入和產出指標體系如表1所示。

在高校科技創新影響因素指標選取上，一是選取確實會對高校科技創新工作產生切實影響的指標，這些指標不能是高校自身可以影響和控制的。二是選取政府支持力度、人才支撐狀況、經濟發展水平和市場開放程度4個影響因素，分別用地區科技支出在一般公共預算支出中的占比、地區每十萬人普通高等學校在校生人數、地區生產總值和地區進出口貿易總額來表征高校科技創新的影響因素，以此構建高校科技創新影響因素指標體系如表2所示。

本文以我國除港澳臺地區以外的其他 31 個省、自治區、直轄市的高校科技創新工作作為研究對象，相關數據均來源于2016—2022年教育部《高等學校科技統計資料匯編》《中國統計年鑒》等資料。

3" 實證研究

3.1" 靜態分析

為了靜態測度2016—2022年我國地區高校科技創新效率，將高校科技創新基礎研究和成果應用階段各項投入與產出指標的截面數據代入DEA-BBC模型，通過模型運算得出結果。因篇幅有限，本文僅對2022年的地區高校科技創新效率進行討論，其結果如表3所示。

分析表3可知，在基礎研究階段，我國31個省、自治區和直轄市中僅有北京、江蘇、河南3個地區達到DEA有效，非DEA有效的決策單元有28個，占比超過90%。非DEA有效的決策單元中有19個規模效應遞減，說明這些地區高校科技創新基礎研究投入過多，但產出相對不足，應該注重降低投入規模，提升產出效率；有8個決策單元規模效應遞增，說明這些地區的高校科技創新基礎研究投入規模不足，應該著重注意加強在基礎研究階段的創新投入。各地區綜合效率均值為0.620，純技術效率均值為0.689，規模效率均值為0.901。總體而言，2022年我國高校科技創新基礎研究階段綜合效率表現欠佳，雖然規模效率均值達到0.901，已經處在較高水平，但純技術效率較低，已經成為制約綜合效率進一步提升的短板。說明2022年我國高校科技創新基礎研究投入的規模較為合適，已經接近生產效率的前沿面，然而在資源配置的技術水平和管理水平方面還存在不足。分區域來看，2022年我國地區高校在基礎研究階段科技創新效率區域差異較大，各區域排名為西部＞中部＞東部＞東北，代表科技創新資源配置技術水平和管理水平的純技術效率低下是制約各區域高校科技創新基礎研究效率提升的關鍵因素。

在成果應用階段，我國31個省、自治區和直轄市中僅有四川省達到了DEA有效，非DEA有效的決策單元有30個，占比超過96%。非DEA有效的決策單元全部為規模效應遞減，說明這些地區的高校科技創新成果應用投入過多，但產出相對不足，應該注重降低投入規模，提升成果應用的產出。各地區綜合效率均值為0.233，純技術效率均值為0.704，規模效率均值為0.312。總體而言，2022年我國高校科技創新成果應用階段綜合效率較低，規模效率和純技術效率都是制約綜合效率提升的因素，規模效率的影響更為嚴重。說明2022年我國地區高校科技創新成果應用投入規模亟須調整，絕大多數地區規模效應遞減，應該著重降低成果應用階段的投入規模，注意提升資源配置的技術水平和管理水平。分區域來看，2022年我國地區高校在成果應用階段科技創新效率也存在較大的區域差異，總體而言，各區域綜合效率都偏低，規模效率低下則是制約成果應用階段各區域高校科技創新效率進一步提升的主要原因。

3.2" 動態分析

為了動態分析2016—2022年我國地區高校科技創新效率的變化走勢，將高校科技創新基礎研究和成果應用階段各項投入和產出指標的面板數據代入Malmquist模型，通過模型運算得出了結果，如表4—5所示。

分析表4可知，2016—2022年我國地區高校科技創新基礎研究階段的全要素生產率變化指數均值為1.012，說明這一時間段內我國地區高校科技創新效率呈現不斷上升的趨勢。從全要素生成率的分解結果來看，綜合技術效率變動指數、純技術效率變動指數和規模效率變動指數都小于1，只有技術進步指數大于1，說明外部科技水平的提升是促進2016—2022年我國地區高校基礎研究階段科技創新效率不斷提升的關鍵因素。

分年度來觀察變化走勢，發現2016—2022年我國地區高校科技創新基礎研究階段的綜合技術效率呈現上升-下降-上升-下降的波動式發展趨勢。2016—2017年全要素生產率變化指數為1.058，年均上升幅度達到5.8個百分點，技術進步成為驅動全要素生產率上升的主要因素。2017—2018年全要素生產率變化指數為1.000，高校科技創新綜合效率與上

年度持平，技術進步成為限制全要素生產率上升的主要因素。2018—2019年全要素生產率變化指數為0.941，年均下降幅度達到5.9個百分點，純技術效率、規模效率、技術進步表現都欠佳，都成為制約全要素生產率上升的關鍵原因。2019—2020年全要素生產率變化指數為0.757，年均下降幅度達到24.3個百分點，下降幅度進一步擴大，規模效率和技術進步成為限制全要素生產率上升的主要因素。2020—2021年全要素生產率變化指數為1.430，年均上升幅度達到43個百分點，相對而言上升幅度很大，技術進步和規模效率成為驅動全要素生產率上升的主要因素。2021—2022年全要素生產率變化指數為0.995，年均下降幅度為0.5個百分點，純技術效率成為抑制全要素生產率上升的主要因素。

分析表5可知，2016—2022年我國地區高校科技創新成果應用階段的全要素生產率變化指數均值為0.958，說明這一時間段內我國地區高校科技創新效率呈現不斷下降的趨勢。從全要素生產率的分解結果來看，綜合技術效率變動指數和規模效率變動指數都大于1，技術進步指數和純技術效率變動指數均小于1，說明外部科技水平和資源配置的管理水平降低是導致2016—2022我國地區高校成果應用階段科技創新效率不斷降低的主要原因。

分年度來觀察變化走勢，發現2016—2022年我國地區高校科技創新成果應用階段的綜合效率呈現出上升-下降-上升的波動式發展趨勢。2016—2017年全要素生產率變化指數為1.067，年均上升幅度達到6.7個百分點，技術進步和純技術效率成為驅動全要素生產率上升的主要因素。2017—2018年全要素生產率變化指數為0.998，年均下降幅度為0.2個百分點，技術進步成為制約全要素生產率上升的主要因素。2018—2019年全要素生產率變化指數為0.727，年均下降幅度達到27.3個百分點，較上年下降幅度加大，技術進步仍然是制約全要素生產率上升的主要因素。2019—2020年全要素生產率變化指數為0.521，年均下降幅度達到47.9個百分點，較上年下降幅度進一步加大，除技術進步外，純技術效率和規模效率也都成為制約全要素生產率上升的主要因素。2020—2021年全要素生產率變化指數為2.166，年均上升幅度達到116.6個百分點，在經歷了連續幾年的下降后，高校科技創新綜合效率提升顯著，技術進步和純技術效率成為驅動全要素生產率上升的主要因素。2021—2022年全要素生產率變化指數為0.884，年均下降幅度達到11.6個百分點，在經歷了大幅增長后，高校科技創新效率又呈現出下降趨勢，技術進步和純技術效率成為制約全要素生產率上升的主要因素。

3.3" 高校科技創新效率的影響因素研究

為了研究我國地區高校科技創新效率的主要影響因素，明確不同影響因素對高校科技創新效率的作用方向，本文運用Tobit模型對2016—2022年我國地區高校科技創新的面板數據進行回歸分析。

在參考前人研究基礎上，本文綜合選取政府支持力度、人才支撐狀況、經濟發展水平和市場開放程度作為待考察的4個高校科技創新效率影響因素，分別以地區科技支出在一般公共預算支出中的占比、地區每十萬人普通高等學校在校生人數、地區生產總值和地區進出口貿易總額表征4個影響因素。分別將前文DEA模型獲得的基礎研究階段和成果應用階段的高校科技創新綜合效率值作為因變量，以政府支持力度、人才支撐狀況、經濟發展水平和市場開放程度等影響因素作為自變量，構建以下回歸方程：

Ycrsteit=α1X1it+α2X2it+α3X3it+α4X4it+α5X5it+αi+εit（5）

式（5）中：i表示省份；t表示年份；αi表示個體效應；α1～α5表示回歸系數；εit表示隨機干擾項；Ycrsteit表示綜合效率值，X1it、X2it、X3it、X4it分別表示政府支持力度、人才支撐狀況、經濟發展水平和市場開放程度等影響因素。

為了消除因量綱不一致帶來的誤差，采用極值法對各指標數據的量綱進行歸一化處理，其公式如下：

X′it=［Xit－min（Xit）］/［max（Xit）－min（Xit）］（6）

運用Stata 16.0軟件進行Tobit回歸分析，模型系數綜合檢驗顯示Prob≥chibar2=0.000，說明回歸方程顯著，基礎研究和成果應用階段的Tobit回歸分析的結果分別如表6—7所示。

分析表6可知：第一，政府支持力度與地區高校基礎研究階段的科技創新效率呈現顯著的正相關關系，而且置信水平達到1%。地區科技支出在一般公共預算支出中的占比越高，地區高校基礎研究的經費相對越充裕，高校基礎研究的成果產出也更為豐碩，說明基礎研究階段高校科技創新對于經費投入的依賴比較重。第二，人才支撐狀況與地區高校基礎研究階段的科技創新效率呈現顯著的負相關關系，而且置信水平達到5%。高學歷人才的投入并未起到促進基礎研究階段高校科技創新效率提升的作用，反而出現了人力投入冗余的現象，說明地區高校基礎研究階段的科技創新并不需要過多的人力投入，過量的人力投入反而對高校的財政負擔和行政管理帶來了不利影響。第三，經濟發展水平與地區高校基礎研究階段的科技創新效率呈現顯著的負相關關系，而且置信水平達到1%。地區經濟實力強勁，雖然給基礎研究帶來了更多的經費支持，但同樣會產生經費投入冗余、資源配置不合理等問題，反而對基礎研究階段高校科技創新效率的提升起到了相反作用。第四，市場開放程度與地區高校基礎研究階段的科技創新效率呈現顯著的正相關關系，而且置信水平達到5%。地區市場越開放，地區與外界的交流合作越頻繁，對于基礎研究的科技創新帶來了較大的促進和推動作用。此外，總體而言，政府支持力度和經濟發展水平對于地區高校基礎研究階段科技創新效率影響的顯著性要大于人才支撐狀況和市場開放程度兩個因素。

分析表7可知：第一，政府支持力度與地區高校成果應用階段的科技創新效率呈現顯著的正相關關系，而且置信水平達到5%。地區科技支出在一般公共預算支出中的占比越高，地區高校成果應用的經費相對越充裕，高校科技創新成果應用的轉化也更有保障，然而相對基礎研究階段，政府支持力度對于成果應用階段的科技創新效率的影響顯著性較弱。第二，人才支撐狀況與地區高校成果應用階段的科技創新效率呈現顯著的正相關關系，而且置信水平達到5%。高學歷人力資源的投入對于高校成果應用階段的科技創新效率提升起到了積極的作用，這樣的正向作用與其對高校基礎研究階段的科技創新效率的作用正好相反。第三，經濟發展水平與地區高校成果應用階段的科技創新效率呈現顯著的負相關關系，而且置信水平達到1%。在成果應用階段，地區經濟發展水平對于高校科技創新效率的影響與基礎研究階段一樣，都因為經費投入的冗余反而制約了科技創新效率的提升，而且這種影響程度非常顯著。第四，市場開放程度與地區高校成果應用階段的科技創新效率呈現顯著的正相關關系，而且置信水平達到1%。地區市場越開放，地區與外界的交流合作越頻繁，對于成果應用的科技創新帶來了較大的促進和推動作用，而且相對于基礎研究階段這種正向影響更為顯著。此外，總體而言，市場開放程度和經濟發展水平對于地區高校成果應用階段的科技創新效率影響的顯著性要大于政府支持力度和人才支撐狀況兩個因素。

4" 研究結論

在創新價值鏈理論視域下，本文將高校科技創新工作分為基礎研究和成果應用兩個階段，結合運用DEA-BBC模型和Malmquist指數模型對不同階段的高校科技創新效率進行靜態和動態分析，最后運用面板Tobit模型測度了政府支持力度、人才支撐狀況、經濟發展水平和市場開放程度等不同因素對于高校科技創新效率的影響作用。通過以上研究得出以下研究結論。

第一，通過靜態分析發現，2022年我國地區高校科技創新效率在基礎研究和成果應用階段的表現均不盡如人意，基礎研究階段綜合效率為0.620，成果應用階段綜合效率更低，僅為0.233；2022年基礎研究階段高校科技創新的投入規模達到了較為理想的狀態，已經接近生產效率的前沿面，然而在資源配置的技術水平和管理水平方面還存在不足，嚴重制約了綜合效率的進一步提升；2022年成果應用階段高校科技創新的資源配置技術和管理水平不甚理想，但該階段制約綜合效率提升的主要因素是資源投入的規模，絕大多數地區規模效應遞減，亟須適當降低投入規模，以提升科技投入和產出效能；分區域來看，2022年我國地區高校在基礎研究和成果應用階段科技創新效率都存在較大的區域差異。

第二，通過動態分析發現，2016—2022年我國地區高校科技創新效率在基礎研究階段呈現不斷上升的趨勢，外部科技水平的提升是其主要促進因素；2016—2022年我國地區高校科技創新效率在成果應用階段呈現不斷下降的趨勢，外部科技水平和資源配置的管理水平降低是造成科技創新效率下降的關鍵因素。

第三，通過Tobit回歸分析發現，政府支持力度和市場開放程度對我國地區高校基礎研究階段的科技創新效率呈現顯著的正向作用，人才支撐狀況和經濟發展水平則對我國地區高校基礎研究階段的科技創新效率呈現顯著的負面影響，而且政府支持力度和經濟發展水平對于地區高校基礎研究階段的科技創新效率影響的顯著性要大于人才支撐狀況和市場開放程度兩個因素；政府支持力度、人才支撐狀況和市場開放程度對我國地區高校成果應用階段的科技創新效率呈現顯著的正向作用，經濟發展水平則對我國地區高校成果應用階段的科技創新效率呈現顯著的負面影響，而且市場開放程度和經濟發展水平對于地區高校成果應用階段的科技創新效率影響的顯著性要大于政府支持力度和人才支撐狀況兩個因素。

5" 研究建議針對本文的研究結論，提出以下建議。

5.1" 合理配置高校科技創新的資源投入

各地區教育和科技管理部門要根據本地區高校科技創新工作實際，因地制宜地制定規模適當的高校科技創新投入預算，對于科技創新投入不足的地區要加大政府財政支持力度，高校可以采取與企業等合作研發的模式，爭取企業和其他社會來源的資金支持；對于科技創新投入冗余的地區則應該適度地調整和縮減經費投入規模，避免不必要的經費浪費，切實提升經費使用的效率。

5.2" 實現區域之間科技創新協調發展

當前，我國各地區之間高校科技創新效率發展差異化明顯，要進一步統籌區域之間的合作交流，平衡配置資源投入，共享先進的管理經驗，逐步縮小區域間的差異。高校科技創新效率領先的地區要總結經驗做法，進一步鞏固和提升現有科技創新成效，加強對于周邊地區的輻射，以溢出效應幫助周邊地區提升科技創新效能；落后地區則要主動取經學習，通過交流合作找準差距和不足，切實補齊自身短板，最終實現全國各地區科技創新的協調發展［7］。

5.3" 找準用好影響高校科技創新的外界因素

通過研究發現政府支持力度、人才支撐狀況、經濟發展水平、市場開放程度等外界因素都會對高校科技創新工作帶來一定的影響，高校和教育管理部門要科學把握外界因素的影響機制，盡可能地規避不利影響，將一些抑制和阻礙高校科技創新發展的不利因素控制在最小范圍內，減輕對于高校科技創新的破壞程度；再就是要找準能夠促進高校科技創新發展的關鍵因素，持續發揮其推動和促進作用，打造有利于高校科技創新有序發展的健康外部環境。

5.4" 建立健全高校科技創新的監管和激勵機制

高校和教育管理部門應該借鑒國外成熟的科技創新監管和激勵政策，逐步完善我國高校科技創新的政策機制，以制度形式對高校科技創新的經費使用進行全面和有力的監督，有效規避資源的冗余投入和低效利用，加強對于高校科技創新的激勵和保障，以財政補貼、稅收減免、貸款貼息、產學研合作等［8］手段激發高校科技創新的新質生產力。

參考文獻

［1］FARRELL M J.The measurement of productive efficiency［J］.Journal of the Royal Statistical Society：Series A（General），1957（3）：253-281.

［2］沈映春，管超.基于DEA的國防科工高校國防科技創新效率研究［J］.北京航空航天大學學報（社會科學版），2010（5）：108-111.

［3］陳秋菲，譚曉東.中國農業類高等學校科技創新效率靜態評價［J］.園藝與種苗，2017（8）：74-76.

［4］馬寶林，安錦，張煜，等.中國高校科技創新效率研究［J］.科學管理研究，2021（2）：22-28.

［5］初旭新，馬昱.創新價值鏈視角下中國高校科技創新效率評價［J］.科技管理研究，2020（22）：119-123.

［6］邢琳培.基于三階段DEA模型的教育部高校科技創新效率評價［J］.統計與管理，2021（2）：124-128.

［7］朱文潔.全國高校科技創新效率測評及影響因素研究［D］.濟南：山東師范大學，2024.

［8］楊宏進，劉立群.基于三階段DEA的高校科技創新績效研究［J］.科技管理研究，2011（9）：104-107.

（編輯" 姚" 鑫編輯）

Research on the evaluation and influencing factors of scientific and technological innovation

efficiency of Chinese regional universities from the perspective of innovation value chain

FAN" Zhen， JI" Yangshan

（Nanjing Police University， Nanjing 210021， China）

Abstract：" Objectively evaluating the efficiency of scientific and technological innovation in colleges and universities and measuring its influencing factors are of positive and great practical significance for improving the efficiency of scientific and technological innovation and realizing innovation-driven development and scientific and technological self-reliance. From the perspective of innovation value chain theory， this paper divides scientific and technological innovation work in universities into two stages： basic research and achievement application， and uses DEA-BBC model and Malmquist index model to carry out static and dynamic analysis of scientific and technological innovation efficiency in universities at different stages. Finally， the panel Tobit model is used to measure the influence of different factors such as government support， talent support， economic development level and market openness on the efficiency of scientific and technological innovation in colleges and universities， in order to provide useful empirical reference for improving the efficiency of scientific and technological innovation in colleges and universities and achieving high-level scientific and technological self-reliance.

Key words： innovation value chain; scientific and technological innovation in universities; efficiency evaluation; influencing factor