省級政府教育統籌助推“雙一流”建設路徑研究

李石勇 王春梅

摘 要：本文運用遺傳算法建立了區域高等教育科技資源投入與產出績效評價模型，并利用2005-2015年面板數據，對我國30個省（自治區、直轄市）科技資源配置績效進行了評價。同時，運用空間計量模型對各投入指標與績效間的影響程度進行了揭示。研究發現：盡管各個地區高等教育科技資源配置績效總體水平不高，但各個地區仍具有明顯差異。同時，各科技資源投入要素在各個地區對科技資源配置績效的表現不同。為此，各地區在資源相對有限的情況下，應圍繞“雙一流”建設目標，充分發揮省級政府教育統籌作用，依據科技資源配置績效水平，采取不同的資源配置策略。針對科技資源配置績效提升的關鍵因素，采取不同的措施提高科技資源配置績效。

關鍵詞：高等教育;科技資源;省級政府教育統籌;“雙一流”

一、引言

從高等教育絕對規模的角度而言，我國早已成為世界高等教育大國，但從高等教育質量與水平的視角審視，我國還不是高等教育強國。實現從高等教育大國到高等教育強國的歷史性跨越是黨和政府在新時期作出的重要戰略部署。為了實現這一戰略，黨的十八大以來，國家在教育領域實施了一系列重要改革舉措。其中，進一步擴大省級人民政府教育統籌權便是重要改革舉措之一，其目的在于強化省級人民政府能更好地履行促進省域內各級各類教育協調發展的職能，辦人民滿意的高質量教育。省級人民政府教育統籌的實質是統籌配置教育資源，在保障各級各類教育協調發展的前提下，提高教育資源配置的效率。重要改革舉措之二便是統籌推進世界一流大學和一流學科建設（以下簡稱“雙一流”建設），其目的在于引導和支持具備一定實力的高水平大學和高水平學科瞄準世界一流，匯聚優質資源，培養一流人才，產出一流成果，加快走向世界一流。

在此背景下，如何通過省級人民政府教育統籌，促進“雙一流”建設目標的實現，就不僅是各級教育行政部門所必須面對的問題，同時也是教育理論工作者所應認真研究的問題。因為，盡管省級人民政府教育統籌與“雙一流”建設在目標上是一致的，即建設高質量的高等教育，但在具體的路徑上存在較大差異。省級人民政府教育統籌更多強調的是公平優先兼顧效率，而“雙一流”建設則更加強調效率優先兼顧公平。有鑒于此，本文以各個地區省級人民政府高等教育教育科技資源的統籌配置為切入點，探討促進“雙一流”建設目標達成的有效途徑。因為科技資源是高等教育的一項重要資源，構建以績效評價為導向的科技資源優化配置機制，提高現有科技資源配置績效，對于實現省級教育資源統籌和“雙一流”建設目標以及提高高等教育辦學水平均具有積極的示范意義。

當前，在研究對象上，關于科技資源配置的研究主要側重于微觀上以某個省份[1]、某個地區[2]、某地區科研機構[3][4]，某新興產業 [5][6]為研究對象進行科技資源配置效率的實證分析。在研究內容上，現有研究的投入與產出指標選取上偏少，戚湧等[7]把研發人員、研發機構碩博士、研發外部支出和技術創新基金作為投入指標，選擇專利許可與技術市場成交額作為產出指標對全國和江蘇科技資源配置進行績效評估;苑清敏等把科技活動人員、R&D活動人員、財政撥款和R&D經費支出作為輸入指標，專利申請授權和新產品銷售作為輸出指標來評價我國三大城市群科技資源配置效率[8];張勇等把企業從業人員和總資產作為投入指標，營業收入與利潤總額為產出指標來考察西部地區產業資源的配置效率[9]。在研究方法上，大多學者采取定量法來測算科技資源配置的效率，如Malmquist 指數[10]，DEA對區域科技資源配置做效率評價，揭示區域科技資源配置的規律性和異質性 [11][12][13]。其中戚湧等研究得出科技資源配置效率存在地區差異[14];范德成等發現了工業技術創新資源配置省際間差異對總體差異有影響，并總結出各個區域間資源形成的不同的集聚配置模式[15];陳國生等發現經濟發展水平和教育投入的提高是改革科技資源配置效率主因素，并且東部和西部地區的效率下降顯著[16];沈赤等得出政府的科技資源配置一直處于較高效率水平，保持這一水平還需調整和優化投入結構[17]。

現有對高校科技資源配置效率的研究已取得很多有價值的成果，研究方法上由單一的理論性描述分析到運用大數據進行定量研究，使復雜的資源配置問題變得較為清晰。但是，現有的文獻在研究對象上缺少從國家層面整體上探討各省域的科技資源配置相對績效水平;在研究內容上，指標的覆蓋面不全，不能全面反映科技資源的投入與產出能力，且所確立的指標側重點不一，窄口徑較多，缺少全口徑的指標;在研究方法上大多定量采用DEA模型，急需在研究方法有所拓展。另外，在測算區域間科技資源配置效率問題時缺少空間視角探討影響區域高等教育科技資源配置的績效。事實上，高校科技資源要達到合理配置，應遵循“績效目標-資源配置現狀-績效評價-最優化配置”的過程，而現有的研究更多是基于定量的效率測算或是側重于質性優化配置模式，缺乏對兩者關系連環效應的研究。本文從國家層面出發，利用我國30個省份的面板數據，建立我國高等教育科技資源投入與產出指標，嘗試基于遺傳算法構建科技資源配置的績效評價模型，利用模型估計結果探索影響績效的重要和一般投入指標，為“雙一流”建設目標的實現提供科技資源配置方向。

二、科技資源績效評價體系與評價方法

（一）指標體系及權重

從投入與產出的視角看，高等教育科技資源投入包含科技方面的人、財和物力資源，而產出圍繞高等教育三大職能設定。投入指標方面注重數量和結構指標的統一，其中R&D全時人員數反映高校對教學科研的直接投入，而博士學歷占比反映教師的素質，科研經費的支出體現高校承擔項目的數量和質量，物力投入對科研起著支撐和推動作用。產出指標方面主要設置數量指標，代表大學的人才培養、科學研究和社會服務的職能，碩士和博士是反映高校培養科技人力的規模，論文、著作、科技獎勵等反映的科研成果支出和影響力，專利和技術轉讓是對高校科研成果轉化能力的考量。

根據高等教育發展的實際狀況和科技資源投入產出的內涵，遵循指標數據的科學性、獨立性、可操作性和可獲得性原則，首先采取文獻法對指標進行梳理分析，借鑒了劉玲利[18]，邊慧夏[19]，李柏洲[20]，陳祺琪[21]和劉君[22]等高校科技資源配置和科技創新能力評價的相關文獻確定初步指標體系;其次根據專家咨詢法和德爾菲法對指標體系進行篩選。由于區域高等教育科技資源投入與產出兩個系統各指標的測量單位不統一，故先對原始數據進行無量綱化，設xij為指標的原始數據，yij為標準化后的數據：

至此，本研究所構建的指標體系及權重如表1所示。

（二）遺傳算法

遺傳算法是應用計算機解決最優化的搜索算法，按照適者生存和優勝劣汰的原則，其優勢是能生成有用的解決方案來優化問題，逐步演化成最優解。其最早是由Holland教授根據生物進化的過程提出的一種計算模型，它根據遺傳學原理和生物進化的自然選擇過程來尋求最優解。遺傳算法擁有自適應的功能，可以不用根據先驗知識而直接對我們的參數進行相應的編碼，并沿著多條路線進行同步搜索，從而避免進入局部最優的陷阱。其步驟如下。[24]

1.定義基于高校科技資源投入產出的績效評價模型

2.偏差排名定義

3.參數確定

4.績效測算

對各個省份的投入與產出得分組成的二維數據進行聚類分析，依據聚類分析結果分別選取距離各類中心較近的2/3樣本作為學習樣本，剩余的作為檢驗樣本。緊接著將2005-2015年30個省份的投入得分、產出得分、偏差排名輸入到模型中，分別得到每一年的最優參數a、b、c、d的取值，取這10組數據的平均值作為績效評價模型的參數，模型計算結果的排名與偏差排名的對比曲線。將上述得到的優化參數帶入績效模型中，輸入投入與產出得分，即可得到績效值。

（三）數據來源

本文的高等教育科技資源投入與產出數據均來源于2006-2016年《中國高等學校科技統計資料匯編》[25]和2005-2015《中國教育統計年鑒》[26]。另外，因西藏的經濟發展水平數據有較多年份缺失，故文中實際探討的是除西藏外我國30個省、直轄市和自治區的科技資源配置績效值。

三、高等教育科技資源配置績效結果

（一）高等教育科技資源投入與產出指數

從2005-2015年間取2005、2010和2015年三個時間點，按照區域東中西①三個地區來探討高校科技資源配置現狀如表2所示。總體來看，我國三大地區的高校科技資源投入與產出呈現非均衡格局，2005-2015年間投入與產出的增長幅度都較慢。2005年，全國高等教育科技資源投入的均值為0.118，東部地區省份數量投入達到均值的比例為69.2%，中部地區為50%，西部地區僅為18.2%;而2015年，全國高等教育科技資源投入的均值為0.295，東部地區省份數量投入達到均值的比例為53.8%，中部地區為50%，西部地區僅為18.2%。在產出上，2005年和2015年全國高等教育科技資源的均值分別為0.081和0.138，東部地區產出省份數量達到均值分別占比69.2%和53.8%，中部地區產出為33.3%和50%，西部地區產出為18.2%和27.3%。整體而言，全國高等教育科技資源投入能力大于產出能力，東部和中部地區在科技資源投入上有一定優勢，相應地在產出能力上，東中部地區也明顯高于西部地區。西部地區增長態勢相對于東中部更緩慢，三個地區的增長差距有擴大趨勢，但在產出能力上三個地區的增長幅度都較緩慢。另外，東中西部地區各省域內部差異較大，西部地區內部趨于穩定。

（二）績效的時間演化特征

從時間維度看區域間科技資源配置效率，由于2005-2015年跨度較大，為避免繁瑣，故采取相鄰4個年份求取平均績效值來考察各地區科技資源配置績效時間變化情況。見表3。

利用ward聚類法，把各省域的績效值聚類為Ⅰ、Ⅱ、Ⅲ、Ⅳ和Ⅴ共5個等級，分別表示低績效、較低績效、一般績效、較高績效和高績效。由表3可知，三個時間段內，科技資源配置績效北京始終保持在V類，而江蘇在后兩個階段內由較高績效上升到高績效，兩省市作為全國高等教育科技創新高地，高質量的高等院校云集，并且科研院所較多，亦是經濟發展水平發達省市，在投入上具有一定優勢，所以績效值較高。浙江、湖北、廣東和陜西四省份均從Ⅲ類到Ⅳ類，湖北和陜西分別作為中部和西部地區科技創新的領頭兵，其科技創新基礎雄厚，并且擁有較多的高等院校，能迅速提升科技成果的轉化能力。而浙江省作為沿海省份，其經濟發展水平居于全國前列，具備良好的經濟基礎，對高校的投入有顯著性提高，其本身具備的科研力量在科研投入上能轉化成產出，所以長期保持在Ⅳ類，未來還可以繼續加大資源的支持力度。廣東省由于區位優勢和經濟發展水平的跨步提升，近年高校實施創新驅動戰略部署，全力滿足省市的戰略需求，使得科技資源配置績效提升顯著，未來前景樂觀。遼寧、黑龍江、山東、湖南和四川五省份三階段長期保持在Ⅲ類。東北三省的遼寧和黑龍江三個時間段都處于Ⅲ類，吉林的發展不容樂觀，三階段均保持在Ⅱ類，三省既需要國家的支持同時也應發揮三方聯動效應，相互合作實現資源共享，同時與華北沿海省份開展合作。山東、湖南和四川三省分別作為東中西部地區的潛力股，未來可以嘗試加大科技投入來提升科技的產出，發展潛力較大。天津從第一階段的Ⅱ類到后兩個階段的Ⅲ類，該省處于京津冀經濟圈，擁有良好的區位優勢，科技資源配置的績效有一定的提高。安徽和河南兩省從第一階段的Ⅱ類到后兩個階段的Ⅲ類，作為中部地區后起力量，自中部崛起戰略實施后，科技創新能力顯著提升。海南省從前兩階段的Ⅱ類到第三階段的Ⅰ類，呈現不穩定的發展趨勢，該省的發展應引起高度重視，防止出現再度下坡的趨勢。河北、吉林、福建、江西和重慶五省市三個階段一直處于Ⅱ類，河北應借助當前雄安新區新戰略，促進京津冀協同發展，江西與福建較第一階段有一定的提升作用，但是發展較緩慢，未來還需加大多方面的支持力度，有突破Ⅱ類的可能性。山西、內蒙古、廣西、貴州、云南五省一直處于Ⅰ類，無論在科技資源投入與產出上都比較落后，發展停滯不前，發展動力嚴重不足。

（三）績效的空間演化特征

為進一步探索區域高等教育科技資源配置的空間動態變化，利用Ward聚類分析法，采用平方Euclidean距離度量標準，把2005、2010和2015年三年的數據進行5個等級的聚類，最后根據聚類結果借助ArcGIS10.2繪制的高校科技資源配置績效的空間分布圖，對我國區域東中西部績效值作可視化處理。

2005年、2010年和2015年3個時間點上達到高績效值的是北京市，江蘇省到2015年達到了高績效，高績效三個時間點上東中西部省份的數量之比為110、110和200，較高績效各地區省份數量之比分別為200、200和311，高績效和較高績效主要集中的省份為東部地區，這些省份作為中國經濟發展的前沿聚集了高質量高校，推動了區域的創新集群建設，科技創新能力較高，充分體現了社會經濟因素和高校發展的聯動交互效應。中部的湖北和西部的陜西有突起勢頭，并正努力追趕東部北京、江蘇和上海省市，未來對該兩省可以嘗試加大資源投入的力度，保障其繼續發展的條件。3個時間點上達到一般績效的主要以東部省份為主，西部省份為輔，三個地區的省份數量之比分別為412、312和431。在較低績效等級內，3個時間點主要以東中部省份為主，西部省份為輔，其中東中西部省份數量之比分別為641、741和311，這也可看出東部地區省份內部差距較大，發展很不平衡。3個時間點處于低績效等級內的主要集中于西部省份，其中東中西部省份數量之比分別為018、018和118。東部的海南省在2015年出現在這一等級值得引起反思，其發展趨勢與東部地區的發展趨勢相背離。中部的山西也始終落后于中部其他省份，西部的內蒙古、廣西、云南、甘肅、寧夏和青海等省也始終位于這一類，整體發展較緩慢。

從三大地區的空間分布來看，高績效與較高績效省份主要集中于東部，一般與較低績效省份東中西部地區均有，低績效省份主要集中于西部地區。

四、高等教育科技資源優化分析

前文從科技資源投入與產出兩方面構建了區域高等教育科技資源配置的績效評價體系，利用遺傳算法測算了科技資源配置績效。于曉宇、謝富紀[27]，黎傳國等[28]，黃海霞、張治河[29]等從科技資源配置的視角研究了其效率問題。但是，依此仍無法更好地進行資源配置優化，還需要找出是哪些因素影響或制約了資源配置的績效水平。因此，本文從資源投入的視角，進一步探究各項投入指標對區域高等教育科技資源配置績效的影響程度，從而為下一步的資源優化配置提供充分依據。

（一）模型的初步設定

因為考慮到空間的集聚效應，此處運用空間計量模型對各投入指標與績效間的影響程度進行探討。空間集聚的自相關性的表現形式分為空間滯后和空間誤差模型，當某個省域的科技資源配置績效受到相鄰地區的科技資源配置能力的影響時，適合采用空間滯后模型[30]，其定義如下。

而當某省份科技資源配置能力的空間自相關性表現為相鄰省份未考慮到的因素時，這些遺漏的因素也會影響科技資源配置能力的績效，這時適合采用空間誤差模型，其定義如下。

（二）模型的適用性檢驗

在運用空間計量模型前，首先需對區域高等教育科技資源配置績效是否存在空間集聚現象進行空間自相關檢驗，在此采用Morans I指數，其定義如下。

構建各省份的空間權重矩陣Wij，采用0-1空間鄰近權重矩陣。測算結果如表4所示，根據Morans I指數的結果， Morans I指數在2005年通過了10%的顯著性檢驗，從2006年起通過了5%的顯著性檢驗，說明我國省份之間存在著一定的空間依賴關系，相近省份之間的科技資源配置績效存在正相關關系，從2005年的0.169上升至0.204，并且集聚性正在逐步增強。

隨后采用Hausman檢驗來判斷本文采用固定效應還是隨機效應，P值顯示小于0.05，所以在95%水平下拒絕了原假設，適宜采用固定效應。

以三級指標為自變量，績效為因變量，探討各指標對績效的影響程度，利用stata14.0對我國科技資源資源投入與配置績效進行模型估計。在進行空間計量模型估計前需判斷使用空間誤差或是空間滯后模型，采用LM檢驗結果如表5所示，LM-error的統計值為4.745，Robust LM-error的統計值為4.737，且兩者均達到了10%的顯著性水平，而LM-lag和Robust LM-lag均未達到顯著性檢驗，說明空間誤差模型對分析區域高等教育科技資源配置績效的影響機制更加合適。

（三）空間面板計量模型的回歸分析

根據上述檢驗性結果表明，本文適合使用空間誤差的固定效應模型，現分別從全國、東部、中部和西部不同的區域來進行空間誤差回歸模型的分析，結果如表6所示。

由于我國長期以來東中西部地區發展不平衡，區位優勢和優質高校的不均衡分布導致東中西地區的科技資源配置存在嚴重差異，進而導致東中西部地區的科技資源產出不均衡。因此，分東中西部地區對影響科技資源配置的績效進行回歸分析可以比較不同地區在各個解釋變量上的差異程度。從東中西地區的回歸結果看，解釋變量R&D全時人員、博士占專任教師比例、人均科研經費支出、科技投入總經費、固定資產購置費、人均信息化設備資產值和圖書量對科技資源配置的績效影響顯著。進一步分析，我們還得到以下結論。

一是R&D全時人員對科技資源配置績效的影響系數東部地區均高于中西地區，這說明在東部地區R&D全時人員的運用效果要好于中西部地區，東中西部地區對科技資源配置績效的回歸系數分別為1.323、1.100和1.305;博士占專任教師比例對中部地區的科技資源配置績效的影響系數高于東西部地區，中部地區處于科技創新能力的提升期，對教師質量和結構的需求更大，東中西部地區對科技資源配置績效的回歸系數分別為1.327、1.882和1.278，而東西部地區相對來說對R&D全時人員的需求更大，其投入對資源配置的績效提升顯著。

二是人均科研經費支出對科技資源配置的績效影響均呈顯著差異，但影響東中部地區的系數逐漸遞減，東中部地區R&D研究人員較多，所以重視人均科研經費支出更能突顯其需求性，保證經費的充足也能較好地提升科技資源產出能力。而科技投入總經費對科技資源配置績效的影響系數逐漸遞增，西部地區由于區位因素的劣勢，高校的數量少，所以對絕對增量的需求更大。

三是在固定資產購置費、人均信息化設備資產值和圖書量三個物力資源指標上，東中西三地區在物力資源配置上對績效的提升能力相當。

總體而言，東部地區的人均科研經費支出、R&D全時人員和博士占專任教師比例三者對科技資源配置績效的提升能力顯著。而在其他投入指標上對績效的提升一般，東部地區面臨著人力和財力資源的雙重投入，也表明經濟發展水平高的地區對研究人員和經費呈現較強的回歸影響。中部地區人均科研經費支出和博士學歷占專任教師比例兩者對績效的提升顯著。而西部地區的回歸系數表明，在各個投入指標上對績效的提升均相當。

五、強化省級政府科技資源統籌能力，促進“雙一流”建設目標實現

“雙一流”建設是國家實施的一項重點建設工程，對于高等教育強國建設目標的實現具有非常重要的意義。同時，對于各個地區提升高等教育系統質量，強化高等教育對本地區經濟社會發展的促進作用具有重要價值。正因如此，各個地區在實施國務院《統籌推進世界一流大學和一流學科建設總體方案》過程中也都表現出了十足的積極性，不僅努力爭取本地區尤其是省屬高校能夠有更多的大學和學科入選，同時還采取各種積極措施助推“雙一流”建設，如給省部共建高校一定的配套資金。大多地區還在當地實施了重點建設項目，如北京實施了高等學校高精尖創新中心建設計劃，上海實施了高等學校高峰學科和高原學科建設計劃，廣東省實施了高水平大學建設計劃和高水平理工科大學建設計劃，陜西實施了“一流大學、一流學科，一流學院、一流專業”建設計劃，貴州實施了區域內一流大學和一流學科建設計劃，河南實施了優勢特色學科建設計劃，海南實施了特色重點學科建設計劃等等。這些地方政府開展的“雙一流”建設項目，想必也納入了省級人民政府教育統籌的范圍。為了使各個地區更好地發揮教育統籌的作用，在資源有限的情況下，提升科技成果產出，加快“雙一流”建設，基于前面的研究結果，對省級人民政府在科技資源配置中教育統籌的具體舉措提出如下建議。

（一）各地區應依據科技資源配置績效水平，采取不同的資源配置策略

從科技成果產出的視角審視科技資源配置策略，無外乎有三種：第一，在保持資源配置績效不變的情況下，加大科技資源投入力度，進而獲取更多的科技成果產出;第二，在保證科技資源投入不變的情況下，提高科技資源配置績效，進而獲得更多的科技成果產出;第三，通過加大科技資源投入力度和提高科技資源配置績效共同作用，獲得更高的科技成果產出。各地區應依據現有科技資源配置績效水平，來選擇不同的資源配置策略。

北京與江蘇是科技資源配置高績效省份，這兩個地區在今后的科技資源配置中，應加大科技資源的投入，以較高的科技資源投入來獲得更高的科技成果產出，進而提升“雙一流”建設水平。

科技資源配置績效較高的上海，在今后的科技資源配置過程中，應堅持以加大科技資源投入為主、以提升科技資源配置效率為輔的策略，通過二者的協同來提升科技成果的產出，推進“雙一流”建設水平。

遼寧、浙江、山東、廣東、湖北、四川與陜西7個地區是科技資源配置中等績效省份，這些地區在今后的科技資源配置過程中，應堅持加大科技資源投入與提升科技資源配置效率并重的策略，通過“雙提高”來提升科技成果的產出，加快“雙一流”建設步伐。

天津、河北、黑龍江、吉林、福建、海南、安徽、江西、河南、湖南和重慶11個地區是科技資源配置績效較低省份，這些地區在今后的科技資源配置過程中，應堅持以提升科技資源配置績效為主、以加大科技資源投入為輔的策略，通過二者的協同來提高科技成果的產出，并推進“雙一流”建設。

山西、內蒙古、廣西、貴州、云南、甘肅、青海、寧夏和新疆9個地區是科技資源配置低績效地區，這些省份在今后的科技資源配置過程中，應著重考慮如何提升科技資源配置的績效，以此來提高科技成果的產出，促進“雙一流”建設。

（2）各地區需明晰提升科技資源配置績效的敏感因素，采取不同的措施提高科技資源配置績效

從科技資源投入的視角來看，受各方因素的影響，同一資源要素在不同地區其對資源配置績效的表現是不同的。為此，在資源相對有限的情況下，各個地區應選擇那些對資源配置績效影響較大的資源要素進行優化配置，進而提高資源配置效率。

東部地區應通過省級政府教育統籌，重點通過加大人均科研經費支出、R&D全時人員投入和提高博士學歷占專任教師比例三個方面來提高科技資源配置績效。東部地區的政府要進一步加大高校科技經費投入力度，同時，進一步完善科技成果轉化政策，在科技成果轉化過程中讓高校獲得更多的科技資源;東部地區的政府和高校要通過各種政策鼓勵和支持教師開展科研;東部地區高校應依托良好的區位和高校優勢，進一步提高專任教師的學歷水平。

中部地區應通過省級政府教育統籌，著重通過加大人均科研經費支出和提升博士學歷占專任教師比例兩個方面來提升科技資源配置績效。中部地區的政府除了要加大科技投入外，還需搭建各種平臺，拓寬高校與東部地區高校、本地大中企業的科技合作途徑，提高科技成果轉化效率，擴大科研經費來源渠道;要采取積極措施，提高教師的學歷水平。

西部地區應通過省級政府教育統籌，發揮各項科技資源要素的作用來提升科技資源配置績效。在目前的形勢下，西部地區更需要強化人才的管理和流動，制定吸引人才的政策，不僅穩住本地人才，也能從東部地區或國外吸引人才。在提高教師學歷水平的同時，鼓勵教師積極投入科研;西部地區的政府應在科技經費上給予高校更多的扶持，完善相關科研基礎設施，通過線上、線下與東中部高校搭建科技創新平臺。

注釋：

①按照國家統計局 2011 年的劃分辦法，將中國內地劃分為四大地區。東部地區包括北京、天津、河北、上海、江蘇、浙江、福建、山東、廣東和海南; 中部地區包括山西、安徽、江西、河南、湖北和湖南; 西部地區包括內蒙古、廣西、重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏和新疆; 東北地區包括遼寧、吉林和黑龍江。

參考文獻：

[1]管燕，吳和成，黃舜.基于改進DEA的江蘇省科技資源配置效率研究[J].科研管理， 2011， 32（2）：145-150.

[2]王月秋，陳業華.華北地區科技資源配置效率的評價[J].統計與決策，2010（15）：71-72.

[3]楊傳喜，徐頑強.湖北農業科研機構科技資源結構與配置效率研究[J].科研管理，2015，36（S1）： 377-384.

[4]索瑋嵐，高軍，陳銳.科研機構科技資源使用效益評估研究—基于時滯效應和關聯效應視角[J].科學學研究，2015，33（2）：234-241.

[5]喻登科，周榮，陳華.江西省戰略性新興產業科技資源配置效率的DEA交叉評價[J].情報雜志，2012，31（9）：87-91.

[6]黃海霞，張治河.基于DEA模型的我國戰略性新興產業科技資源配置效率研究[J].中國軟科學，2015（1）：150-159.

[7][14]戚湧，郭逸.基于SFA方法的科技資源市場配置效率評價[J].科研管理，2015，36（3）：84-91.

[8]苑清敏，申婷婷.基于科技資源配置效率的城市群聯動效應研究[J].統計與決策，2016（21）： 96-99.

[9]張勇，李海鵬，姚亞平.基于DEA的西部地區軍民融合產業資源優化配置研究[J].科技進步與對策，2014，31（7）：89-93.

[10][15]范德成，杜明月.中國工業技術創新資源配置時空分異格局研究—以經濟新常態為視角[J].科學學研究，2017，35（8）：1167-1178.

[11][16]陳國生，楊鳳鳴，陳曉亮，等.基于Bootstrap-DEA方法的中國科技資源配置效率空間差異研究[J].經濟地理，2014，34（11）：36-42.

[12]陳慧，孫琳，戴磊.吉林省科技資源配置有效性評價研究[J].情報科學，2010，28（5）：732-735.

[13][17]沈赤，章丹，王華鋒.基于數據包絡分析VRS模型的我國政府科技資源配置效率評價[J].企業經濟，2011，30（12）：145-150.

[18]劉玲利.對我國科技資源配置效率的測度[J].統計與決策，2008（14）：47-50.

[19]邊慧夏.長三角科技資源配置效率的時空分異研究[J].資源開發與市場，2014，30 （2）：145-148.

[20]李柏洲，董恒敏.協同創新視角下科研院所科技資源配置能力研究[J].中國軟科學，2018（1）：53-62.

[21]陳祺琪，張俊飚，程琳琳，等.農業科技資源配置能力區域差異分析及驅動因子分解[J].科研管理，2016，37（3）：110-123.

[22]劉君.區域高等教育科技創新能力評價研究[D].廣州：華南理工大學， 2016.

[23]譚婧，陶小馬，陳旭.基于改進熵值法的城市“精明增長”綜合測度—以長江三角洲16市為例[J].長江流域資源與環境，2012，21（2）：129-136.

[24]彭新一.華南理工大學國有資產發展報告[M].廣州：華南理工大學出版社，2014.

[25]中華人民共和國教育部科學技術司.高等學校科技統計資料匯編[Z].北京：高等教育出版社，2006-2016.

[26]中華人民共和國教育部發展規劃司.中國教育統計年鑒[Z].北京：人民教育出版社，2005- 2015.

[27]于曉宇，謝富紀.基于DEA-Tobit的區域創新系統資源配置優化策略研究[J].研究與發展管理，2011，23（1）：1-10.

[28]黎傳國，陳收，毛超，等.資源配置視角下戰略調整測度及其對績效的影響[J].中國管理科學，2014，22（11）：19-26.

[29]黃海霞，張治河.基于DEA模型的我國戰略性新興產業科技資源配置效率研究[J].中國軟科學，2015（1）：150-159.

[30]李紅錦，張寧，李勝會.區域協調發展：基于產業專業化視角的實證[J].中央財經大學學報，2018（6）：106-118.

（責任編輯 鐘嘉儀）