基于DEA-Malmquist指數的省域高校科研效率及其影響因素研究

丁陳蔚

（福建開放大學，福建福州，350013）

一、問題研究背景

歷經改革開放40多年風雨，我國的科研事業葳蕤蓬勃。黨的十九大報告指出“創新是引領發展的第一動力”，預示著我國科研進入“量變到質變”的轉折期。高校作為科研產出主要陣地，科研效率不容忽視。因此本文以黨的十九大為界，梳理我國省域高校科研15年間的效率變化情況，并探析影響高校科研效率的若干因素，通過明晰過去15年的成果與不足，以期為新階段高校科研管理的提升夯實基礎、提供參照。

二、文獻綜述

國外科研評價的研究起步較早，目前許多發達國家已組建權威性的評價機構，各機構都有獨具特色的評價指標體系，并不斷根據社會應用實際對指標升級調整。此外，該領域眾多學者也從投入產出角度和影響因素角度展開指標體系研究。在評價內容上，不僅從宏觀層面上對本國高校科研效率開展研究，還從微觀層面上對高校內部院系、學科、技術轉讓效率進行評估。如Timothy R.Anderson等學者從技術轉讓效率的角度出發，對特定大學的成果轉化效率進行調查，并在同為效率低下的大學中歸納同行數量，發現設立醫學院的大學比未設立的大學效率低。[1]

相較于國外豐富的科研效率研究，直至1985年，我國才將目光轉向高校科研效率研究領域。對于指標體系，資源投入和成果產出、因素集成、創新系統等都是指標內容篩選的方向，再采用因子分析、德爾菲法等對前期研究指標加以遴選，以期指標囊括更多內容更具綜合性。如通過Pearson對前期選取指標的相關系數進行檢驗，以此構建與現實接軌的評價指標體系。[2]

在評價方法上，國內外學者逐步由同行評議等定性分析方式轉向定性定量相結合的形式，如數據包絡分析（DEA）、層次分析法（AHP）、灰色關聯分析法等。其中主流評價方法為DEA，并在此基礎上結合其他方式進行衍生優化。蘇薈等就在經典DEA-BCC模型分析的基礎上，運用Tobit對影響因素回歸，發現科研資源配置缺乏科學性、對科研成果“重量短質”的問題。[3]

三、高校科研效率評價指標體系構建

（一）數據來源

使用數據來源于1998—2016年《高校科技統計資料匯編》。剔除數據缺失省份后，選擇我國27個省份為研究對象并進行數據分析。

（二）評價指標體系構建

指標選取滿足決策單元（DMU）數量大于投入產出指標之和兩倍的規則。

在指標權重方面，選擇了該科研領域的專家學者、參與過成果評估的工作人員等一共6名組成專家咨詢小組。將德爾菲法得到的指標權重與國內權威研究成果進行對比差異不大，一定程度上保證了權重的科學有效。[4]指標體系與折算規則見表1。

表1 高校科研效率評價指標及其折算規則

（三）產出指標滯后期確定

結合論文、科技專著、專利授權及國家級獎項等科研成果的公開時間，將滯后時間折中為2年。因《高等學校科技統計資料匯編》中1998—2016年的統計數據實際為1997—2015年的情況，故以1997—2013年的數據作為科研投入，選擇1999—2015年的數據作為科研產出。由于DEA-Malmquist模型采用的是鄰接參比的方式，所得的效率結果需要以前一年為參照，因此第一年（1997年）無效率結果，最終得出的效率結果為1998—2013年間我國省域高校的科研效率。

（四）評價方法選擇——DEA-Malmquist模型

本文選擇的DEA-Malmquist指數模型基本表達式如下：

從t時期到t+1時期，全要素生產率指數MALM t,t+1變化的公式如下：

其中，xt、yt和dt（x,y）分別表示不同時期的投入、產出向量和距離函數，PTECH、SECH、TCH、TECH分別為純技術效率、規模效率、技術進步和綜合技術效率。通過效率指數與1的關系，可知同上年度相比的結果是提升、持平還是降低。

四、省域高校科研效率情況

（一）省域高校科研效率橫縱對比

從時間變動來看，趨勢如圖1顯示，自1998—2013年共16年間，我國省域高校科研效率呈現較為波動態勢。以2000年、2007年為界可劃分為三個階段：勻速下滑、三峰態勢和穩中求進階段。《2003—2007年教育振興行動計劃》系列計劃中的“高等學校科技創新計劃”，為“三峰態勢”階段推進省域高校產學研結合給予強大助力。而2008年受美國房地產金融風暴影響國內經濟低迷，勢必嚴重影響科研成果產出和轉化，隨著經濟復蘇此后效率才逐年緩慢提升。

圖1 1998—2013年省域高校科研全要素生產率及其分解的變化趨勢

從省份對比來看，全要素生產率高于1、科研效率提升幅度排名前四的省份有上海、浙江、江蘇、重慶，均為區位、經濟條件較好的省份；反之，貴州、海南、江西和內蒙古這四省份排名靠后。其中上海市提升幅度最大，較上年提升11.3%，貴州省降幅最大，較上年降低11.1%。

從效率提升區域占比情況來看，表2顯示超50%省份的高校科研效率仍處于無效狀態，亟待提升。其中，存在技術進步效率提升的省份占比51.9%，相比其他三類效率是唯一超半數有效的效率類型。已知技術效率的提升，不僅取決于純技術效率，還依靠規模效率。可見提升我國省域高校的科研成效，仍需在純技術效率和規模效率的提升上多加重視。

表2 1998—2013年省域高校科研全要素生產率指數及其分解情況

從增長類型看，我國絕大多數省份的高校科研效率處于低增長型和徘徊型。高增長型和低增長型的省份較多靠近東部省域，地理區位（沿海地區、老工業區）和經濟環境較為優良，為科研提供較好的基礎支持。如上海、浙江更是我國較早發展起來的一批省份，經濟實力雄厚、人才集聚效應顯著，勢必會為當地高校帶來更多的項目資金支持與學術交流，呈現較高的增長態勢。低效型則僅包含貴州省，該省處于我國西南山區，決定了其區位優勢與東部沿海省份必然無法比肩，且早年科研條件薄弱，發展起步較晚，可能對其長期科研效率造成影響，呈現低效態勢也屬情理之中。

（二）省域高校科研效率變化動力分析

就16年間全要素生產率及其分解效率的變化趨勢來看，圖2中純技術效率與規模效率的變動趨勢較為平緩，基本圍繞在1上下浮動。說明我國高校長期以來，在財務部門、科研管理、成果轉化等方面的制度安排和管理水平的改進上成效不顯、后繼乏力，造成高校科研活動的綜合技術效率長期在有效與無效的邊界徘徊。

結合圖1、圖2與表1不難看出：第一，省域高校科研效率變動的決定因素為技術進步效率，其與全要素生產率曲線重合度較高，波動具有趨同性。印證了上文中隨時間變化縱向對比得出的結論，即技術進步的確是長期影響我國省域高校科研效率提升的重要因素。第二，多數省份高校科研效率變動因素單一，如貴州、海南、內蒙古、山西等均因技術進步效率較上年大幅降低，從而導致整體科研效率的降低。但也存在部分省份，效率變動情況較為復雜，如廣東的規模效率較低，但科研效率較上年仍有提升，這主要歸功于技術進步效率7.2%的增幅，彌補了規模效率的落后。

圖2 1998—2013年各省份高校科研全要素生產率指數及其分解情況

為進一步觀察各省份科研效率與平均水平的差異，以均值點（1.001，1.004）繪制了空間分布圖（圖3）。圖中絕大多數省份集中分布于均值點附近，意味著要想提高整體科研效率，科研投入需根據規模報酬情況控制在合理程度內，同時完善科研制度設計以提升科研管理水平。部分省份分布靠近邊緣，存在較為極端的效率指數，需根據自身情況著重提升。如貴州，綜合技術效率接近平均水平，但技術進步效率遠低于其他省份，需加大科研技術升級和設備引進方面的投入。

圖3 1998—2013年各省份綜合技術效率與技術進步效率變動指數的空間分布

（三）多元回歸模型的選擇與構建

Hausman檢驗結果顯示，P值0.7589大于0.05，因此選用隨機效應模型。如公式3：

β0為常數項，εit代表誤差項。影響因素回歸分為兩個步驟：首先將27個省份的全要素生產率（TFP）放入模型進行回歸，得到全國范圍的影響因素結果；其次再控制地理位置變量，分別得到東部、中部、西部省域的回歸結果，對比地區間影響因素的差異并分析原因。

表3 1998—2013年省域高校科研效率增長類型

（三）高校科研效率影響因素的回歸分析

表5結果顯示，全時人員中科學家與工程師的比重（KGBL）、地區人均GDP（LNGDP）、科研經費當年撥入中企事業單位資金的比重（QSBL）、高等學校畢業生人數（STU）、研究與發展經費投入強度（LNRND）這五個因素，能顯著影響高校科研效率。而科研經費當年撥入中政府資金的比重（ZFBL）卻并未通過顯著性檢驗。

人員素質結構方面，科學家與工程師的比重（KGBL）與高校科研效率呈現負向關系（系數為負，P＜0.01）。觀察三大地區的回歸結果可發現，科研人力資源浪費最為嚴重的當屬東部省域（系數為負，P＜0.01），有學者指出，東部至西部方向存在“馬太效應”，[5]導致東部省域的科學家與工程師可能處于飽和狀態，相應的科研產出成果與科研人才流入水平并不匹配，影響高校科研評價結果。

經費投入強度方面，盡管基礎研究支出經費的比重（JCBL）在全國范圍中并不顯著（P＞0.1），但在西部省域卻呈現顯著的正向關系（系數為正，P＜0.01）。西部省域科研重心仍以基礎研究為主，加大基礎研究經費支出可顯著提升科研效率，但我國科研重心已逐步轉移至成果轉化與應用領域，因此在全國范圍內，應用研究支出經費比重（YYBL）對高校科研效率的提升有顯著正向影響（系數為正，P＜0.05）。

六、結論與展望

通過省域高校科研效率的橫向對比、縱向對比以及地域差異對比，得到幾點結論：第一，省域高校科研效率波動幅度較大，具體可分為三個階段，每階段與當時國家經濟運行狀況相關。第二，我國省域高校科研效率的提高，主要仰賴于技術進步效率的提升。第三，依據效率的空間分布圖可明確看出，各省高校科研效率與全國平均水平的差異，應針對自身薄弱環節作相應調整。其中特殊的省份如貴州等，則是由綜合技術效率和技術進步效率綜合作用而導致的科研效率低下，需要對這兩方面“兩手抓”。第四，結合全國情況來看東部省域高校科研效率最高、西部次之、中部最低。

表4 省域高校科研效率的影響因素

由于條件限制等因素，部分問題尚待解決：一是評價時間。本文盡可能選取適用長期的評價指標，評價時間長度受限，未能加入近幾年新數據分析。二是指標權重。采用德爾菲法無法避免主觀性較強的缺點。三是數據缺失。早期年鑒數據不全，研究剔除了西藏、青海、寧夏、新疆四省區，未能涵蓋全國31個省份。但隨著我國步入科技強國行列，高校科研方面的數據統計會愈加全面和精確，研究者也將采用更科學的評價方法平衡主客觀因素，確保評價結果更科學可靠。