長三角高?？蒲袆撔驴冃гu價及影響因素研究
——基于DEA-Malmquist-Tobit 模型

張家峰，李佳楠，陳紅喜，周 潔

（南京工業大學經濟與管理學院，江蘇南京 211816）

2019 年3 月5 日，李克強總理在《2019 年國務院政府工作報告》中指出，構建區域創新人才共同體是踐行長三角區域一體化國家戰略的重要手段之一。在我國，大學是培養高層次創新人才的重要基地，是實現技術轉移、成果轉化的生力軍，所以加快建設一批高水平研究型大學，是我國加速科技創新的需要?？蒲兴降母叩椭苯佑绊懙礁咝W科發展、師資水平、培養質量以及為社會服務的水平，高?？蒲袆撔驴冃гu價是高?？蒲泄芾砉ぷ鞯闹匾M成部分，對高校發展起著至關重要的作用。隨著我國經濟實力的不斷增強，高?？蒲薪涃M的投入也不斷增加，探討高?？蒲袆撔峦度氘a出績效以及如何合理配置資源來提高經費使用效率是亟待研究的現實問題。

目前，國內外學者對高?？蒲袆撔驴冃е饕獓@影響因素的分析、指標體系的建構、評價方法的運用以及動態效率等方面展開研究。Zhang 等［1］建立DEA 模型，利用MATLAB 和DEAP2.1 操作軟件對高校投入產出數據進行分析，比較每所大學的科研效率，從而提出合理的政策建議。Salau 等［2］使用結構方程建立模型分析出促進樣本大學科研創新績效的預測因素為人才發展和保留策略。段曉梅［3］基于投入產出兩方面，建立高校科研創新績效評價指標體系，利用超效率DEA 對2015 年我國高校科研創新績效進行實證分析。朱婭妮等［4］以協同創新為視角，構建了一套協同創新績效評價指標體系,從而實現對創新主體協同行動的科學評價。駱嘉琪等［5］針對如何使得國家所投入的資金利用率達到最大化以及保證科研工作人員的積極性，利用層次分析法（AHP）嘗試構建了有效的評價指標體系。陳子韜等［6］使用固定效應模型對中國30 個省區市面板數據進行分析發現，科研機構對高?？蒲袆撔驴冃в酗@著的促進作用。晉琳琳等［7］通過對北京、廣東兩地重點高?？蒲袌F隊的調查和研究發現，科研人員的一些家長式領導行為會影響團隊知識管理，從而對科研績效產生不同的影響。馮海燕［8］選用PDCA 循環法作為分析方法，分析高校創新績效考核管理存在的問題并有針對性的提出改進措施。陳凱華等［9］借助Malmquist 理論，在考慮規模效應的影響下，從動態角度構建績效指數，從而考察中國重點理工科院?？蒲袆撔聞討B績效水平。

綜上所述，已有文獻在高校科研影響因素的分析、指標體系的建構、評價方法的選擇以及動態效率分析等方面取得了顯著的成效，對高?？蒲袆撔缕鸬讲煌潭鹊拇龠M作用。但遺憾的是，目前在研究對象上往往過多集中于985、211 重點高校，而對長三角這一地區內高校整體科研創新績效評價的研究相對缺乏。此外，我國學者更多是單方面地關注高校科研創新的靜態效率或者動態效率，鮮有將動態和靜態結合起來研究。因此，本文將以長三角71所高校作為科研創新績效評價的決策單元，選取適當的評價指標，且有針對性分析關鍵因素的影響，對長三角高校2008—2017 年的科研投入產出績效從動態和靜態兩個方面進行實證分析。在此基礎上，提出有效提升高?？蒲袆撔驴冃У恼呓ㄗh。

1 評價模型構建

1.1 DEA-BCC 模型

數據包絡分析是一種評價投入產出效率的非參數方法，能夠處理多投入多產出條件下的效率度量。為了分析高校的科研水平變化，本文采用DEA-BCC 模型來測算高?？蒲袆撔滦?。本文設定的模型如下：

假設有高校個數s，每個高校有m種類型的投入和n種類型的產出，DMUj表示第j個高校，、分別表示投入和產出變量。即：

式（3）中，θ表示效率評價值；ε表示模型中引入的非阿基米德無窮小參數；λj表示決策單元的參變量；X為p個決策單位的創新要素投入，Y為創新產出，表示投入產出松弛冗余變量。當時，決策單元為弱有效；當時，則決策單位DEA 非有效；當，且時，則決策單位DEA 有效。

1.2 Malmquist 指數

20 世紀50 年代，馬姆奎斯特提出了Malmquist指數模型，該模型主要用于測算決策單元的全要素生產率。因此，可以用Malmquist 指數來計算長三角高?？蒲械募夹g變化和效率變化，其表達式如下所示：

式（4）中的技術進步（Techch）和式（5）中的技術效率變化（Effch）是全要素生產率的分解項，而純技術效率（Pech）和規模效率（Sech）則是技術效率變化的分解項。

1.3 指標選取與數據來源

選取合適的評價指標是高校科研創新績效評價的關鍵。本文主要從高校科研的投入及產出兩方面選取評價指標。本文基于現有研究科研績效評價相關的文獻，參考戚湧等［10］以及廖文秋等［11］構建的高?？蒲袆撔驴冃е笜梭w系，同時考慮數據的可獲得性、來源可靠性等現實情況，最終建立高校科研創新績效投入產出評價指標體系，如表1。

表1 高?？蒲袆撔滦蕼y度指標

第一，我們通?？紤]將高校科研的投入分為人力和財力兩方面的投入，分別以教學與科研人員以及科研經費總額作為投入指標。

第二，本文科研產出主要選取的指標包括，“出版專著數”“發表學術論文總數”“簽訂合同數”以及“科技成果獲獎數”這些指標重在衡量高?？蒲谐晒a出的數量。

本文研究投入產出所需數據均來自2008—2017年《高等學校科技統計資料匯編》，影響因素數據來自2008—2017 年的《中國統計年鑒》和《高等學?？萍冀y計資料匯編》，以長三角71 所本科高等院校為決策單元，計算10年長三角高校科研創新效率值。

2 實證結果及分析

2.1 基于 DEA-BCC 模型的高?？蒲袆撔驴冃ъo態化分析

通過所收集到的面板數據，運用Coelli 小組開發的分析軟件deap2.1，采用投入導向（Input-Oriented）可變規模報酬對長三角地區71 所高校每一年的科研投入產出數據進行測算，測出綜合技術效率、純技術效率、規模效率以及規模收益狀態。整理結果見表2。

表2 2008—2017 年高校科研創新效率整體分析

由表2 得出，2008—2017 年，長三角高?？蒲锌冃дw水平較低。表現平均綜合技術效率值偏低以及規模收益遞增的高校平均數占高校總數的2/3。具體表現在：

（1）從時間維度來看，2008—2017 年，每年均有大概12 個左右高校處于技術效率最佳和規模最佳的最優狀態，投入的資源和成果的產出基本上保持一致；但每年處于最優狀態的高校數量也較少，主要集中在華東師范大學、南京大學以及江南大學這3 所高校，其余絕大部分高校仍長期處于規模報酬增加階段，因此應該適當地增加資源投入，從而使得這部分高?？蒲锌傮w效率得到提高，產生更多的科研成果。

（2）從效率分解維度來看，2008—2017 年的平均規模效率為0.853，平均純技術效率為0.753 以及平均綜合技術效率為0.640。很明顯，綜合技術效率最低，所以從綜合技術效率來講，在這10 間長三角高校平均綜合技術效率并不高，說明上升的空間還很大；而樣本中多數高校的純技術效率并沒有規模效率那么高，這說明了這部分的高校技術水平還有很大的提升空間，投入資金沒有被有效使用從而達到資源地合理配置，表明高校的科研管理制度需要進一步完善，投入和產出結構需要再度優化調整，這樣技術水平才能進一步提高。

（3）從規模收益來看，高校科研規模收益呈現不變狀態平均高校數量有12 所，規模收益遞減的高校平均數量有20 所，而處于規模收益遞增的高校平均數量則達到遞減高校數量的一倍，從而可以深層次的挖掘出，長三角高校科研績效整體水平較低，高校科研資源的投入與產出資源的配置有待進一步提高。

2.2 基于 Malmquist 指數的高?？蒲袆撔驴冃討B化分析

通過DEA-BCC 模型對高校靜態效率進行了測算和分析，接下來利用Malmquist 指數進一步測算2008—2017 年高校科研創新績效的動態變化（表3～4，圖1）。可以分析出以下兩點：一是2008—2017 年，長三角71 所高?？偟目蒲袆撔驴冃奖容^低；二是根據綜合技術效率、技術進步、純技術效率、規模效率和全要素生產效率之間的聯系以及各效率值呈現的上下波動狀況，可以看出各個效率之間相對來說還不夠穩定。

2.2.1 總體效率分析

從表3 可以看出，2008—2017 年長三角71 所高校的平均變化指數值為0.988。從具體數值來看，復旦大學、華東理工大學和上海理工大學等33 所學校全要素生產率低于均值，其余還有38 所高校的Malmquist 指數都是增長的。從全要素生產率可以看出長三角大多數高校在科研績效上的水平較低。綜合技術效率變動指數為0.987，這也說明多數高校綜合技術效率和規模效率仍有改善的空間。

表3 2008—2017 年71 所高校平均Malmquist 指數及分解

表3（續）

2.2.2 發展動態分析

如表4 所示，綜合技術效率在2008—2017 年間處于震蕩上升趨勢。在2009—2011 年間的增長率為14.1%，這是由于純技術效率和規模效率的改善，這說明學校將投入資金有效轉出，使得高?？蒲袆撔驴冃г谝欢ǔ潭壬系玫搅颂岣?。但2012 年綜合技術的下降率為11.2%，這是因為純技術效率相應的下降；在2013 年綜合技術效率由0.931 上至1.031，增長率為10.7%，主要原因是純技術效率和規模效率都提高了?？梢钥闯觯兗夹g效率可以用來衡量高校投入是否能夠達到產出最大化，從而達到效率最優。

技術進步效率在2008—2017 年的平均值為1.005，有效地促進了高?？蒲袆撔驴冃?，但在2008—2017 年間處于震蕩下降趨勢。在2008—2011年間技術進步效率呈下降趨勢，2012 年呈上升趨勢，2014—2016 年也呈現上升趨勢，但2017 年又出現12.9%的大幅度下降?？傮w來說，在這10 年里，技術進步水平整體呈現下降趨勢。

使用DPS 7.05對數據進行處理，采用鄧肯氏新復極差法進行多重比較，檢驗不同處理間數據差異的顯著性。

表4 2008—2017 年平均每年的Malmquist 指數及分解

從2008—2017 年發展動態來看，如圖1 所示，長三角71 所高校的全要素生產率（Tfpch）和技術進步（Techch）整體呈下降趨勢，而綜合技術效率（Effch）整體呈上升趨勢。全要素生產率與技術進步率兩者的趨勢基本上一致但程度不同，說明技術進步在高校科研績效中起著主導作用，只有提升高校的技術進步率才能從根本上提升全要素生產率。

圖1 2008—2017 年平均每年的Malmquist 指數及分解

2.3 基于 Tobit 回歸模型的長三角地區71 所高校科研創新績效影響因素研究

到底是什么原因導致了長三角區域高校科研創新效率不高呢？為深入探究影響高?？蒲袆撔驴冃У囊蛩?，本文構建Tobit 回歸模型，繼而來分析高?？蒲袆撔驴冃У挠绊懸蛩?。

2.3.1 續變量說明

本文利用Tobit 模型做影響因素分析時，選取地區政策環境、對外聯系程度、教師職稱結構以及地區經濟實力作為影響長三角地區71 所高?？蒲袆撔滦实慕忉屪兞?。

（1）在地區政策環境方面。政府資金投入越大，說明重視程度越高，從而表明地區政策環境有助于提升高?？蒲袆撔驴冃В?2］。

（2）在對外聯系程度方面。在全球化日益深化的背景下，知識固有的流動性有助于我國高校進行知識學習與轉換，加大國際交流能學習到國外先進的技術，進而提升技術創新績效，因此，近年來國內高校不斷加大對外聯系度［13］。

（3）在教師職稱結構方面。本文將高級職稱的占比作為自變量，因為教師是開展科研工作的主體，而其中具有高級職稱的教師又是科研主力，所以說職稱比例結構是衡量教師整體素質的重要尺度，是反映教師隊伍科研水平的重要標志［14］。

表5 高校科研創新績效影響因素

2.3.2 Tobit 回歸模型構建

Coelli 提出兩階段法，即第一階段用DEA 模型測算出高校科研投入產出效率，第二階段用Tobit 回歸模型分析影響高?？蒲锌冃У囊蛩亍obit 回歸模型于1958 年首次被諾貝爾經濟學獎獲得者Tobin 提出，又稱之為受限因變量回歸模型，該模型可用于因變量受某種條件約束時的模型回歸，其表達式如下所示：

建立Tobit 回歸模型如下：

式（7）中，Effi 表示由DEA-BCC 模型計算出的高校科研的綜合績效，X1表示地區政策環境，X2表示對外聯系程度，X3表示教師職稱結構，X4表示地區經濟實力。

2.3.3 模型回歸結果

由于因變量在0～1 之間，因此本文采用Tobit回歸模型。因為是面板數據，所以可以選用混合效應、固定效應或隨機效應模型，面板Tobit 回歸的這三種模型需要通過LR 檢驗和Hausman 檢驗來判斷，分析結果顯示Prob＞chi2=0.000 0,因此，最終運用Stata13.1 軟件對其進行固定效應模型的回歸，結果整理后見表6。

表6 高校科研創新績效影響因素分析

通過以上對影響因素的分析，得出以下幾點結果：

（1）地區政策環境有助于提升高?？蒲袆撔驴冃?。高校科研績效與地區政策環境呈現正相關關系，且在5%的顯著性水平上顯著。這表明各地區政策對于高校科研創新績效的提升具有導向作用，因此，地區高?？蒲械奶嵘x不開當地政府的支持，政府應該出臺相應的政策并且給與適當的優惠政策支持以及適度的科研經費，鼓勵高校參與產學研合作，從而使得科研成果得到相應的轉化以及利用，進而提升高?？蒲袆撔滦省?/p>

（2）對外聯系度促進了高?？蒲袆撔驴冃?。高校的科研創新績效與對外聯系度呈現同方向變化關系，且在1%的顯著性水平上顯著相關。因此高校更應該加強這方面的意識，堅持“走出去學習交流，引進來內化提升”工作思路，派遣科研人員出去學習與交流，不斷深化與國際科學研究的交流與合作，從而有效地提升高?？蒲袆撔滦省?/p>

（3）高校職稱結構對科研創新績效的提升有顯著的促進作用。高校科研創新績效與高校職稱結構呈現正相關，且在1%的顯著性水平上顯著相關。這說明高級職稱占比越多，一定程度上有助于提升高?？蒲型度氘a出績效，因此需要加強對具有高級職稱老師的培養，讓其創造出更多科研成果，只有這樣才能最大限度的提升科研投入產出績效。

（4）高?？蒲袆撔驴冃c地區經濟實力呈現反向變化，且在1%的顯著性水平上顯著相關。也就是說，隨著地區經濟水平的提高，高校科研效率未必呈現上升趨勢。導致這一結果可能的原因是經濟發達地區的高?？蒲匈Y源的投入相對來說比較豐富，但由于地方政府沒有實施有效地監督和高校內部科研管理體制不夠完善，使得科研資源堆積冗余，投入產出失衡，最終拉低了科研績效。

3 結論和建議

3.1 研究結論

本文基于長三角高校2008—2017 的面板數據，利用靜態DEA-BCC 模型和動態DEA-Malmquist 模型，從動態和靜態兩方面對長三角高?？蒲袆撔峦度氘a出績效變化情況進行實證研究，繼而采用Tobit模型探究影響長三角高?？蒲袆撔驴冃Ц叩偷囊蛩?，得出以下結論：

（1）長三角地區高?？蒲型度氘a出績效整體水平不高。表現在科研投入產出資源配置水平有待進一步提高。

（2）影響因素對高校科研績效有不同的作用：1）地區政策環境有助于提升高校科研創新績效，且在5%的顯著性水平上顯著；2）對外聯系度促進了高?？蒲袆撔驴冃?，且在1%的顯著性水平上顯著相關；3）高校職稱結構對科研創新績效的提升有很顯著的促進作用，且在1%的顯著性水平上顯著相關；4）地區經濟實力水平跟高?？蒲袆撔驴冃芮邢嚓P，且在1%的顯著性水平上顯著相關。

3.2 政策建議

（1）根據以上對長三角高校創新績效的分析，為了有效提高科研效率，采取“差別化”資源配置戰略。

首先，實現區域重點突破。例如長三角區域里的一些高校，相對各自所在的區域，科研效率整體偏低，應該不斷加強長三角高校間的合作，優化資源配置，有效提升高校創新效率。

其次，在創新要素投入方面，政府應堅持“區別對待，分類指導”原則，對各省市高校實施創新要素投入差別化戰略，如樣本中大部分高校仍長期處于規模報酬遞增階段，可以通過加大要素的投入來加大產出，達到投入產出平衡，而那些創新效率過低的高校也有可能與投入較多而產出較少有較大相關，所以可以適當的減少科研投入量，切實提高區域創新效率，從而使得長三角高?？蒲锌傮w水平得到提高。

（2）根據長三角高校科研創新績效的影響因素分析，為了有效提升地區高校的科研創新績效，提出以下建議：

第一，加強科研內部戰略協同體制，切實提高科研效率?；趹鹇浴袆印冃е骶€，加強高校科研創新績效。在戰略層面，在戰略對接前，高校要主動洞悉國家、企業戰略，實現外部協同；戰略對接后，學校、學院、科研人員三方要找準定位加強協作，從而實現自上而下、由外而內的戰略協同。在行動層面，由戰略協同牽引激勵相容，優化激勵路徑，弱化對科技創新績效的數量要求，從絕對數量化考核向序數化考核過渡，規避科研人員的功利化和短視化，更好地實現科研創新全生命周期的激勵相容。在績效層面，要關注高?？蒲袆撔禄顒拥恼麄€流程，在最終結果和科研創新關鍵行動環節上均設立“績效點”，實現績效評價指標的全覆蓋。要形成一套貫穿戰略→行動→績效主線，凸顯高?？蒲袆撔沦|量的綜合評價體系，根據評價反饋結果實行有效監管。

第二，深化國際科技合作與交流，推動產學研的互動協作。在加大創新要素投入的同時，長三角高校應該加強國際交流合作，相互學習借鑒，打破傳統的合作方式，建立學術聯盟，實現優勢互補以及資源的合理配置，進一步提高科研人員的能力，對有效地完成科研項目具有重要意義。

第三，加大人才投入資本，提高成果產出能力。促進高校科研投入產出績效提升的關鍵在于科研人才的培養，健全完善多層次、多元化的管理制度和運行機制需要以人才、技術、效益為結合點。要切實提高具有高級職稱人員的比例，從體制機制上確保發揮高級職稱人員的帶動作用及骨干作用，以此推動科研站，從而吸引更多一批年輕優秀的科研人才。

第四，充分利用外部資源環境，提升高?？蒲袆撔滦?。

1）加大政府對高校科研資金使用監管。完善科研管理制度，促進科研主體的提高。推動產學研間的互動協作，促進高校科研創新發展。

2）加強基礎設施建設。切實推進高等學?？蒲谢A設施和科研儀器的全面開放、充分共享，提高科研設施與儀器使用、配置的效率。

3）深化改革。為實現高校公平競爭且有效激勵，支持校企合作發展，激發科研主體的活力并且鼓勵讓其潛心從事科學研究。