“能力-效率”視角下農林特色高校科技創新力提升路徑研究

摘要：聚焦農林高校科技創新力的評價與提升，文章選取“雙一流”建設高校南京林業大學為對象，構建具有農林特色的創新力評價指標體系，運用因子分析和DEA模型，從科技創新能力和科技創新效率雙重視角進行分析，并在此基礎上構建“能力-效率”二維矩陣評價模型，對科技創新力和發展協調性進行綜合評價，從而探究農林高校科技創新力提升的可行路徑。

關鍵詞：科技創新能力；科技創新效率；因子分析；DEA模型；二維矩陣分析

中圖分類號： G644; G647; F224" 文獻標志碼： A

0 引言

農林高校是我國農林領域科技創新的主力軍，在國家科技創新體系中具有重要的地位。2022年，教育部辦公廳等四部門發布的《關于加快新農科建設推進高等農林教育創新發展的意見》中提出，“加快新農科建設，推進高等農林教育創新發展”“實現農業科技高水平自立自強”。2023年，國務院《政府工作報告》中明確指出，要“深入實施創新驅動發展戰略”“發揮好高校和科研院所作用”。農林高校科技創新力提升，不僅關系到高校科技創新工作建設，更直接影響建設創新型國家戰略任務的實現和生態文明建設的進程。在此背景下，科學評價農林高校科技創新力，探究提升科技創新力、促進科技創新發展的合理路徑，成為農林高校科技創新工作的重要議題。

目前，學者們圍繞科技創新能力和科技創新效率開展了有關方法模型、指標體系構建、能力和效率評價，以及影響因素等多方面的研究［1-5］，部分學者嘗試將能力和效率有機結合進行綜合評價［6-7］。現有研究多為宏觀層面，數據來源于統計年鑒，面板數據籠統，缺乏聚焦具體高校展開評價并提出具體改進方案的研究，且指標設計同質化，鮮有基于農林高校特色建立的指標體系，難以進行有針對性的評價和分析。基于此，本文選取“雙一流”建設高校南京林業大學為對象，立足該校農林特色，構建評價指標體系，分別運用因子分析法和數據包絡分析（Data Envelopment Analysis，DEA）模型從科技創新能力和科技創新效率雙重視角進行分析，在此基礎上運用二維矩陣分析法，建立“能力-效率”二維矩陣評價模型，對該校教學科研單位的科技創新力進行綜合評價，探究能力與效率的匹配度和協調性，剖析科技創新工作中存在的問題，并對創新力提升的可行路徑進行探索。

1 研究設計

1.1 研究方法

因子分析（Factor Analysis）是從多個變量指標中提取少數幾個綜合變量指標來解釋原始數據，以達到降維和分類效果的多元統計方法。本文基于因子分析法建立科技創新能力評價模型。

DEA是以相對效率概念為基礎，利用線性規劃方法，對多投入、多產出的多個決策單元進行效率評價的方法。本文基于數據包絡分析法建立科技創新效率評價模型，考慮到高校科技創新工作的規模報酬可變（VRS），采用DEA-BCC模型進行處理。

二維矩陣分析法源于波士頓矩陣法，從多維問題的事件中找出成對的因素，將這兩個變量看作兩個維度，構建二維四象限矩陣圖，從而分析和評估相關因素，探索問題本質。本文通過構建“能力-效率”二維矩陣，從而進行綜合評價分析。

1.2 指標體系

本文從人員投入、經費投入、科技產出、成果轉化4個維度選擇指標，基于農林高校特色，將傳統的專利授權指標擴大為知識產權指標，將植物新品種權、良種審定、良種認定、技術標準等納入指標范圍，基于科研創新“提質增效”要求，加入高水平論文數量和引用率等反映論文質量的指標，具體如表1所示。

1.3 數據來源

本文以南京林業大學為研究對象，剔除科技創新工作不明顯、可比性不強的行政部門和后勤部門，選取該校具有代表性的21個教學科研單位（文中用A至U代稱）作為研究樣本進行比較研究，研究數據來源于該校2023年人事與科研管理部門的官方資料。

2 創新能力與創新效率評價

2.1 基于因子分析的高校科技創新能力評價

2.1.1 適用性檢驗

KMO和Bartlett球形度檢驗可用于因子分析適用性檢驗。KMO值范圍為0～1，通常達到0.7以上認為因子分析的效果較好。本文變量數據的有效性檢驗結果：KMO值為0.789，卡方值為308.252，自由度為36，顯著性為0，應拒絕各變量獨立的假設，即變量間具有較強的相關性，適合進行因子分析。

2.1.2 公因子提取

采用主成分分析法提取出3個公因子，累計解釋方差為91.443%，采用最大方差法旋轉，3個因子的方差貢獻率分別為43.763%、32.194%、15.486%。從旋轉后的因子載荷矩陣得出：F1在Z5、Z6、Z7、Z8等指標上的載荷相對較大，說明F1主要解釋反映高校科技成果產出的指標；F3主要在Z9等指標上載荷較大，反映的是科技成果轉化情況，將F1、F3命名為科技創新產出因子；而F2在Z1、Z2、Z3、Z4等指標上的相對載荷較大，說明F2主要反映的是高校科技工作人力和資金的投入，將F2命名為科技創新投入因子。

2.1.3 因子分析

各因子線性表達式：

F1=-0.263Z1-0.111Z2-0.231Z3-0.112Z4+0.348Z5+0.384Z6+0.396Z7+0.297Z8-0.045Z9

F2= 0.552Z1+0.396Z2+0.463Z3+0.246Z4-0.162Z5-0.208Z6-0.233Z7-0.14Z8-0.104Z9

F3=-0.111Z1-0.117Z2+0.025Z3+0.399Z4-0.061Z5-0.064Z6-0.045Z7+0.067Z8+0.757Z9

綜合得分評價模型：

F總=43.763/91.443*F1+32.194/91.443*F2+15.486/91.443*F3

根據綜合得分評價模型，計算南京林業大學21個教學科研單位的各因子得分及綜合得分，并進行排名。

從因子總得分分析，總分均值為-0.00095，57.14%的單位綜合能力評分低于均值，科技創新綜合能力整體不高；理工類、人文類、研究所的均分分別為0.375、-0.42、-0.605。F總排在前5位的是B、A、H、L、D，為優勢理工學院，排在后5位的是S、I、M、T、U，主要為研究所和人文類學院，可見理工類單位創新能力有明顯優勢；F總最高和最低得分分別為1.32分、-0.65分，單位間差距顯著，總體發展不均衡。

從各因子單項得分分析，科技創新投入能力強即因子F2得分較高為H、L、N、F、G單位，科技創新產出因子按照總方差解釋占比以F1代表進行分析，N和F產出因子F1得分低，投入能力強但產出能力弱；科技創新投入能力較弱即F2得分排在末位為M、J、S、T、U單位，其中J、S、T的F1得分排名靠前，雖然投入能力弱但產出能力強。因此，投入與產出不匹配情況還需進一步分析。

2.2 基于DEA模型的高校科技創新效率評價

DEA模型進行效率測度時指標過多會影響決策單元的有效性，樣本數至少是投入產出指標數總和的兩倍。本文通過因子分析將原始9項指標降維到3個公共因子F1、F2、F3作為DEA 分析的投入產出變量，符合上述經驗法則。因子分析的標準化處理使得某些因子得分為負，本文對其進行了正向化處理，利用DEAP 2.1軟件分析，并進行分類統計（見表2）。

2.2.1 綜合效率、純技術效率和規模效率分析

綜合效率=純技術效率*規模效率

綜合效率、純技術效率和規模效率均值分別為0.442、0.471、0.892，可見綜合效率水平和純技術效率水平較低，規模效率整體水平良好，綜合效率不高主要受純技術效率低的影響。不同類型單位的3個效率排序基本一致，研究所優于理工類和人文類，不同類型單位間效率水平差異較大，發展不均衡。僅B、D、U單位的綜合效率為1，達到投入產出效率有效性，85.71%的單位處于非DEA有效。66.67%的單位低于平均綜合效率、平均純技術效率，可見綜合效率和純技術效率多處于偏下水平，單位之間效率差異巨大，科研運營機制和管理水平還需提升。33.33%的單位低于平均規模效率，可見規模效率情況相對較好，規模發展相對較合理。

2.2.2 規模報酬分析

規模報酬不變的是達到有效的B、D、U單位，表明這3個單位的投入和產出能等比例增加，達到最大產出規模；規模報酬遞增的為E、F、G等15個單位，表明71.43%的單位處于規模擴張階段，應擴大投入規模，產出的增加會大于投入增加的比例；規模報酬遞減的是A、C、H單位，表明這3個單位處于規模縮減階段，產出與投入不成正比，需優化資源配置和投入產出結構，不宜再擴大投入規模，否則產出的增加會小于投入增加的比例。

3 基于“能力-效率”二維評價的創新力提升路徑分析

3.1 “能力-效率”二維矩陣構建

基于因子分析評價結果，F總能夠較為全面綜合地反映各單位科技創新中投入產出的綜合能力。根據得分正負，將綜合得分F總為正值的歸為高科技創新能力組，有B、A、H等9個單位；綜合得分F總為負值的歸為低科技創新能力組，有P、F、R等12個單位。

基于DEA分析評價結果，綜合效率能夠較為全面綜合地反映各單位科技創新投入產出的效率情況。根據綜合效率均值（0.442）劃分效率分組，綜合效率大于均值的歸為高科技創新效率組，有A、B、D等7個單位；綜合效率低于均值的歸為低科技創新效率組，有C、E、F等14個單位。

根據以上劃分的高、低科技創新能力和效率分組，從能力和效率二維角度建立矩陣評價的基本模型。以創新能力為x軸，以創新效率為y軸，建立二維四象限的評價模型，將21個單位分為4類發展模式進行評價（見圖1）。

3.2 創新力提升路徑分析

（1）“高能力-高效率”模式。該類別僅有4個單位，均為涉林工科學院，科技創新能力和效率相較于其他單位都有顯著優勢，創新實力最強，其中B、D單位科技創新效率達到有效，且B單位科技創新能力排名第一。這類單位創新力優勢得益于其主要學科和專業與國家創新驅動發展戰略緊密貼合，為國家重點發展產業，擁有多個國家級特色專業、重點學科、重點實驗室等創新平臺，科研資源豐富，成果轉化效率高。因此，針對農林高校中創新能力和效率都領先的單位，應充分發揮創新優勢，保持穩定發展的同時，瞄準農林區域產業發展需求和前沿創新技術，創造發展新優勢，也要引領和帶動其他較弱單位，促進共同發展。

（2）“高能力-低效率”模式。該類別有5個單位，主要為傳統林科學院，人力、資金等投入多，而資源利用度不高，科技成果的產出和轉化效率相對低，科技創新能力與科技創新效率不匹配，例如H單位能力排名第3，但效率僅有0.149，且屬于規模報酬遞減階段。這類學院主要涉及林學、理學、生物學等基礎學科，歷史悠久，經過長期積淀，擁有優質資源，但受限于傳統學科的局限性，其創新活力、成果轉化率并不高。因此，針對農林高校創新能力高但效率低的單位，應完善管理機制、優化資源配置，過剩資源可向其他資源匱乏單位流動；健全評估考核制度，優化收益分配辦法，充分激發科研人員的創新活力；融合學科優勢、調整創新布局，將傳統林業與新興產業相結合，加強技術創新；完善成果轉化機制、拓寬成果轉化渠道，著力提升成果轉化效率。

（3）“低能力-高效率”模式。該類別有3個單位，均為研究所，資源投入薄弱但利用效率高，其中U單位創新能力位于末位，但效率值達到有效，實現了資源最大化利用，S和T單位規模報酬遞增，增加投入可以大幅度提升產出效率。此類單位規模小、人員少，制約其創新力的主要問題是投入不足。因此，針對農林高校中創新效率高但能力低的單位，應注重提高科技經費投入，加大人才引進力度，促進資源有效利用，同時，整合研究方向建立優質團隊，突出研究特色擴大宣傳，加強產學研合作，鼓勵人才互通，吸引社會和企業資源注入，多方面發力提升創新投入能力。

（4）“低能力-低效率”模式。該類別有9個單位，占比達42.86%，包括所有文科類學院以及個別發展時間較短的新興理工類學院。該類別單位投入產出能力和成果轉化效率均處于較為落后水平，尤以文科學院最為突出，由于發展時間不長、所涉專業偏文，成果產出與轉化落后于其他單位，但全部單位均為規模報酬遞增，發展具有空間，增加投入可以大幅提升效率。因此，針對農林高校創新能力和效率都低的這類單位，從思想上應更加重視科技創新工作，方法上加大投入和提高效率雙管齊下，依托大林學、大環境、大生態等背景，積極探索創新發展新模式，加強基礎、突出應用，將學科特色與林業特色結合，加強關鍵核心技術攻關，積極培育高價值成果，引導產學研深度合作，重視科技創新全鏈條優化，著力提升創新水平和轉化效率。

4 結語

本文以“雙一流”建設高校南京林業大學為研究對象，構建具有農林特色的科技創新力評價指標體系，運用因子分析和DEA模型，從科技創新能力和科技創新效率雙重視角展開分析，在此基礎上構建“能力-效率”二維矩陣評價模型，對該校教學科研單位的科技創新力水平進行綜合評價，得出以下結論：（1）科技創新能力總體偏弱，理工類優于人文類和研究所，單位間能力水平差異大，近一半單位投入產出能力不匹配。（2）科技創新綜合效率總體較低，85.71%的單位處于非DEA有效，主要受純技術效率低的影響，研究所優于理工類和人文類學院，單位間效率水平差異較大，總體發展不均衡。（3）科技創新能力與效率協調性不足，近四成單位能力與效率不匹配；涉林工科學院呈現“高能力高效率”模式，傳統林科學院呈現“高能力低效率”模式，直屬研究中心呈現“低能力高效率”模式，新興理工類學院和人文類學院等呈現“低能力低效率”模式。針對不同發展模式，對農林高校創新力提升路徑進行了探索。

本文證實了基于因子分析和DEA分析的“能力-效率”二維評價對農林高校科技創新工作具有良好的診斷作用，可以為該校政策制定、辦學發展和創新導向提供依據，也能為其他農林院校科技創新評價工作提供參考。

參考文獻

［1］潘丹，李永周，王曉潔.高校科技創新能力比較研究：基于組合評價法和K均值聚類的分析［J］.中國高校科技，2020（5）：30-34.

［2］郭俊華，徐倪妮.中國高校科技成果轉化能力評價及聚類分析［J］.情報雜志，2016（12）：155-161.

［3］CHERCHYE L，ABEELE P V.On research efficiency：a micro-analysis of Dutch university research in economics and business management［J］.Research Policy，2005（4）：495-516.

［4］趙緒勝.山東省高校科技創新效率的評價研究［D］.濟南：山東大學，2016.

［5］王忠，呂楠華，吳明宇.基于三階段DEA的“雙一流”建設高校人文社會科學科研效率評價［J］.中國高校科技，2023（Z1）：26-30.

［6］李文輝，江涌芝，何秋銳，等.中國省域高校科技創新能力、效率及其經濟貢獻率研究［J］.重慶大學學報（社會科學版），2019（3）：108-121.

［7］韋清，唐金花.高職院校科研成果轉化能力與效率評價研究：基于78所國家示范高職院校的實證分析［J］.黑龍江高教研究，2020（4）：128-133.

（編輯 李春燕編輯）

Research on improving path of scientific and technological innovation ability in agricultural

and forestry universities from the perspective of “capability-efficiency”

YANG" Lu1，2， CUI" Guangcai1，2， YANG" Li1，2， WANG" Guibin1，2

（1.Science and Technology Department， Nanjing Forestry University， Nanjing 210037， China;

2.Co-Innovation Center for Sustainable Forestry in Southern China， Nanjing Forestry University， Nanjing 210037， China）

Abstract：" Focusing on the evaluation and improvement of scientific and technological innovation capabilities in agricultural and forestry universities， this article selects Nanjing Forestry University， a “Double First-class” construction university， as the object， constructs an innovation evaluation index system with agricultural and forestry characteristics， uses factor analysis and DEA models to analyze from the dual perspectives of scientific and technological innovation capabilities and efficiency， and based on this， constructs a “capability-efficiency” two-dimensional matrix evaluation model to comprehensively evaluate scientific and technological innovation capabilities and development coordination， thereby exploring feasible paths for improving scientific and technological innovation capabilities in agricultural and forestry universities.

Key words： scientific and technological innovation capacity; scientific and technological innovation efficiency; factor analysis; DEA model; two-dimensional matrix analysis

基金項目：江蘇省高校哲學社會科學研究一般項目；項目名稱：“雙一流”背景下基于DEA模型的林業高校科技創新效率評價研究；項目編號：2022SJYB0157。江蘇省“十四五”教育科學規劃專項課題；項目名稱：專利視角下林業特色高校研究生創新能力提升路徑研究；項目編號：C/2023/01/34。南京林業大學高等教育研究課題；項目名稱：“破五唯”背景下基于DEA模型的高校科研評價體系研究；項目編號：2022B16。

作者簡介：楊璐（1990—），女，助理研究員，碩士；研究方向：高校科研管理，科技創新評價。