“211工程”高校科研效率评价——基于DEA面板数据方法

钟　颖

（安徽师范大学历史与社会学院，安徽芜湖241000）



“211工程”高校科研效率评价——基于DEA面板数据方法

钟颖

（安徽师范大学历史与社会学院，安徽芜湖241000）

[摘要]利用“211工程”高校2009-2013年的面板数据，采用DEA视窗分析方法和DEA跨时期分析方法，分别对样本高校理工农医学科和人文社会学科科研活动投入产出的纯技术效率进行动态评价；并利用刀切法和频数分析方法，对纯技术效率值进行稳健性检验，异常值对效率得分的影响很小，效率得分排序相对稳定；采用Tobit回归分析方法，分析影响纯技术效率无效的外部环境因素，院校类型对纯技术效率产生显著影响。

[关键词]“211工程”高校；科研效率；面板数据；DEA视窗分析方法；DEA跨时期分析方法

“211工程”高校是我国重点建设的国内一流高校，承担的科研项目和获得的科研经费逐年增加；对这些高投入高校进行科研资源投入产出的效率评价，有利于优化配置科研资源，提高科研生产效率。

利用我国“211工程”高校在2009-2013年五年间理工农医学科和人文社会学科科研投入和产出的面板数据，本文进行科研效率的动态评价，并使用刀切法（Jackknifing）和频数分析方法对DEA结果的稳健性进行检验。

1　方法与数据

1.1DEA面板数据分析方法

与传统DEA方法相比，利用面板数据进行DEA效率评价的优势在于，每个决策单元不仅与同期其他所有决策单元相比较，而且可以推断出每个决策单元在一定时期内效率变动情况。因此，利用面板数据进行DEA分析，更能反映每个决策单元的实际效率。

利用面板数据，采用两种方法来进行DEA分析：一是DEA跨时期分析方法，基本思想是将整个观察期间T内所有决策单元在不同时间点的投入产出数据构建起一个子集；二是DEA视窗分析方法，基本思想是将不同时间内同一个决策单元视为不同的决策单元，每个决策单元并不需要和所有数据集相比较，而是和挑选的部分面板数据子集相比较[1]。

DEA方法分为面向投入和面向产出两种模型，这两个模型的选择对最后获得的效率值只有微小影响[2]，且高校科研活动的产出是高校管理者最需要控制的量，故本文采用规模报酬可变的面向产出的BBC-DEA模型。

1.2数据

1.2.1指标体系的建立考虑到差异性，本文分别对“211工程”高校理工农医学科和人文社会学科的科研活动建立投入产出指标体系，见表1和表2。

表1　“211工程”高校理工农医学科科研活动的投入产出指标体系

表2　“211工程”高校人文社会学科科研活动的投入产出指标体系

1.2.2数据本文采用数据为2009-2013年“211工程”高校科研活动的面板数据，其中，理工农医学科科研活动的数据来自2010-2014年《高等学校科技统计资料汇编》，样本高校数为99所；人文社会学科科研活动的数据来自2009-2013年《全国高校社科统计资料汇编》，样本高校数为109所。

2　数据分析及结果

2.1“211工程”高校科研效率分析结果

因文章篇幅的限制，本文仅对纯技术效率进行分析。

表3　2009-2013年“211工程”高校理工农医学科科研效率DEA视窗分析结果

表4　2009-2013年“211工程”高校人文社会学科科研效率DEA视窗分析结果

2.1.1DEA视窗分析结果借鉴大多数研究的做法，本文视窗长度设定为3年[3]，每所高校有3个不同视窗，各高校在同一视窗的不同时期被视为不同的决策单元，从“行”看出效率值的变化趋势，从“列”看出效率值的稳定性。根据表3和表4的数据，有70%-80%的高校2012和2013年理工农医学科的科研纯技术效率相对于2009和2010年自身和其他样本的科研纯技术效率更低，其中只有北京邮电大学、北京林业大学、湖南大学和长安大学2013年理工农医学科科研纯技术效率相对于2010年自身和其他样本的科研纯技术效率显著提高；有40%的高校2012和2013年人文社会学科科研纯技术效率相对于2009和2010年自身和其他样本的科研纯技术效率更低，其中只有河北工业大学和四川农业大学2012和2013年人文社会学科科研纯技术效率相对于2009和2010年自身和其他样本的科研纯技术效率同时显著提高。

2.1.2DEA跨时期分析结果从表5和表6的数据，可以看出“211工程”高校理工农医学科科研纯技术效率总体较低，各年纯技术效率均值在2009-2010年间出现小幅提升，总体呈下降趋势，波动较为平稳；“211工程”高校人文社会学科科研纯技术效率总体较低，各年纯技术效率均值在2010-2011年间出现小幅提升，总体呈下降趋势，波动较平稳。

表5　“211工程”高校理工农医学科科研效率的DEA跨时期分析结果

表6　“211工程”高校人文社会学科科研效率的DEA跨时期分析结果

2.2DEA效率得分的稳健性检验

“秀姐是咱村里的百灵鸟，会唱山歌，后来又参加了乡花鼓戏剧团，是台柱子。哎！偏偏找个男人，自已在外五搞六搞，却不准秀姐到外面演戏，硬是把她的戏服全部烧了，关在家里做保姆一样。”

表7　基于DEA视窗分析的“211工程”高校科研纯技术效率得分的稳健性检验结果

2.2.1刀切法异常值会影响DEA效率得分，剔除异常值可能会改变效率得分和效率值排序，使用刀切法检验DEA效率得分的稳健性[4]，通过迭代法，逐个剔除掉n个有效率的高校，分别做n次额外的DEA分析，再将包含全部高校的DEA效率值排序和剔除掉一个有效率高校的DEA效率值排序，进行斯皮尔曼秩相关系数检验，从而判断DEA效率值排序的稳健性。根据表7、表8、表9和表10的刀切法检验结果，斯皮尔曼秩相关系数都趋于1，相关程度很高，表明这两种方法各自得到的效率值排序是相对稳定的。

表8　基于DEA跨时期分析的“211工程”高校科研纯技术效率得分的稳健性检验结果

2.2.2不同方法间效率值排序的稳健性检验为了检验不同方法间效率值排序的稳健性，首先计算两种方法下“211工程”各样本高校科研纯技术效率均值的斯皮尔曼秩相关系数，分别为0.892和0.983，在显著性水平（双测）为0.01时，相关性显著，表明两种方法间样本高校科研纯技术效率值排序差异小。其次将两种方法得到的各样本高校科研纯技术效率均值按四分位数原则划分为四个区域，根据表9和表10的频数分析结果，分别有66.67%和87.16%样本高校的科研纯技术效率均值排序稳定在相同区域内，有31.31%和12.84%样本高校的科研纯技术效率均值排序分别在第二和第三个区域之间、第三和第四个区域之间调整，说明这两种方法间样本高校科研纯技术效率值排序的稳健性好。

表9　“211工程”高校理工农医学科科研纯技术效率得分的频数分析结果

表10　“211工程”高校人文社会学科科研纯技术效率得分的频数分析结果

2.3效率影响的外部环境因素分析

“211工程”高校的外部环境包括高校类型（综合性、工科类、农林类、医药类、师范类、财经政法类、语言类、其他类高校）、所在地区（东部、中部和西部地区）和隶属关系（部委、教育部直属和地方院校）等，这些因素不受高校管理者控制，却可能会影响到高校的科研投入产出效率。为了对科研活动的DEA无效率项作进一步的分析，本文使用Tobit回归分析方法，将样本高校科研活动DEA视窗分析和DEA跨时期分析的纯技术效率无效率值（1-效率值）的总体均值（2009-2013年）对外部环境变量作回归分析。

从运算结果看，高校所处的外部环境变量对“211工程”高校科研纯技术效率的影响都很小，在5%的显著性水平下；只有师范类院校与理工农医学科科研活动纯技术效率显著负相关，工科类、农林类、医药类和其他类院校与人文社会学科科研活动纯技术效率显著负相关。

3　结论与建议

3.1结论

第二，利用刀切法对DEA视窗分析方法和DEA跨时期分析方法所得到的纯技术效率值进行稳健性检验，检验结果显示这两种分析方法所得到的效率值都不受异常值影响，效率得分相对稳定；对这两种分析方法所得到的效率值进行斯皮尔曼秩相关系数检验和频数分析，所得到的效率值排序在1%显著性水平上显著相关。

第三，高校所处的地区和高校的行政隶属关系对“211工程”高校科研投入产出的纯技术效率没有显著影响，但高校类型对其科研投入产出的纯技术效率影响较大，其中，师范类院校与理工农医学科科研活动投入产出纯技术效率显著负相关，工科类、农林类、医药类和其他类院校与人文社会学科科研活动投入产出纯技术效率显著负相关。

3.2建议

一是加大对“211工程”高校科研项目、科研经费的监管。近年来，我国高校科研经费存在违规使用问题，影响到科研经费的使用效率，“211工程”高校应根据相关政策文件，加强科研经费管理规定的宣传力度，强化项目人员的自律意识，建立健全内控监督制度，切实行使对科研项目和科研经费的监督权。

二是结合自身学科优势、优化学科结构。“211工程”高校首先应保证和加大对各自优势学科科研投入的力度，充分利用现有的研究团队和研究机构，提升其科研产出的数量和质量；其次可依托学科优势，有选择性地逐步建立健全学科体系，并通过多学科跨学科合作，综合现有的科学研究资源，完善新创建专业的科研团队和科研平台建设，提高科研资源的利用效率。

三是保证科研产出数量的同时，提升科研产出的质量。“211工程”高校的科研定位是要接近或达到国际同类学校和学科的先进水平，解决经济建设和社会发展的重大问题，因此，保证科研产出数量的同时，提升科研产出的质量，是“211工程”高校科研活动的重要任务，也是国家创新能力提升的首要任务。

参考文献:

[1]Charnes，A.，C.T.Clark，W.W.Cooper & B.Golany.A Development Study of Data Envelopment Analysis in Measuring the Efficiency of Maintenance Units in the U.S. Air Force[J].Annals of Operations Research，1985(2):95-112.

[2]Coelli，T.J. & S.Perelman.A Comparison of Parametric and Nonparametric Distance Function：With Application to European Railways [J].European Journal of Operational Research，1999(117):326-339.

[3]Itoh，H.Efficiency changes at major container ports in Japan:a window application of data envelopment analysis[J].Rev Urban Reg Dev Stud，2003，14(2):133-152.

[4]Kirjavainen，T. & H.A.Loikkanen.Efficiency Differences of Finnish Senior Secondary Schools:An Application of DEA and Tobit Analysis[J].Economics of Education Review，1998，17(4):377-394.

[责任编辑：束仁龙]

作者简介：钟颖（1982-），女，安徽芜湖人，安徽师范大学历史与社会学院讲师，硕士，研究方向为决策理论与方法和公共部门绩效评估。

基金项目：安徽省2012年高校省级优秀青年人才基金重点项目（2012SQRW023ZD）。

收稿日期：2015-07-07

DOI:10.13420/j.cnki.jczu.2015.05.038

[中图分类号]G644

[文献标识码]A

[文章编号]1674-1102(2015)05-0145-03