基于发展双控线的中国高校科研成果质量区域动态评价

陈慧敏

(福州大学科技处，福建福州 350116)

一、引言

当今世界经济的发展从某种意义来说就是知识经济的发展，而知识经济的发展依赖于知识创新。［1］在知识经济时代，科技创新是知识创新的核心，而高校是承担国家科技创新的主力军。高校通常通过科学研究的方式创造、修改、凝聚、重组知识，从而首创、重建或完善自然科学和技术科学理论知识，称之为科研成果。近年来，中国在实施创新驱动发展战略过程中，高度重视和支持高校科研工作，中国高校科研成果在“量”上有惊人发展，但是在“质”的特征上没有明显突破，同时还存在区域科研成果质量发展不平衡的问题。在国家创新体系下，高校科研成果评价必须从内涵发展出发，评估科研成果质量，这对促进科研资源优化配置，提升国家科技创新能力具有重要意义。而建立科学的评价指标体系是实现科研成果质量评价的基本途径，它包含评价指标选择的代表性、全面性和评价方法的科学性、易操作性。在指标选择方面，国内外学者提出多种指标筛选方法［2］［3］［4］，也 构 建 了 多 种 科 研 绩 效 指 标 体系［5］［6］［7］，但是现有的科研成果评价较少从科研成果价值方面开展质量评价，存在片面性。在评价方法方面，主要有德菲尔法、量化评分法、灰色组合关联度法、基于不同赋权理论的层次分析法、神经网络法、主成分分析法、DEA 模型等［8］-［17］，但评价方法是相对静态的，没有考虑到科研成果的周期性和动态性。为了更好反映时间因素对科研成果价值的影响，同时体现中国高校区域科研成果价值发展的超前性、适时性或滞后性，本文从知识创新质量内涵角度构建高校科研成果质量指标评价体系，同时采用发展双控线模型从时间和空间上对中国高校区域性科研成果质量动态变化进行综合评价和分析。

二、高校科研成果质量评价指标体系构建

科研成果质量往往与成果中包含的知识数量无关，而与知识创新程度、知识贡献度和知识创新效益有关。知识创新程度体现科研成果对原有理论或技术的突破［18］，创新程度高的成果会在理论或生产中产生深远的影响，因此知识创新程度是衡量科研成果学术价值或经济价值的重要指标之一。科研成果知识创新程度通常用于基础性研究成果质量评测，表现为国家级项目验收、科技著作、学术论文。知识贡献度是衡量科研成果在科学、社会生产生活方面的贡献程度，通常用于应用性研究成果质量评测，表现为授权专利、国家科技奖项。知识创新效益是体现科研成果效果和被社会承认的程度，通常用于技术开发性研究成果质量评测，表现为技术转让带来的经济效益。根据科研成果质量衡量的三种价值形式，本文建立高校科研成果质量评价指标体系和指标符号标记，如表1所示。其中，授权专利包含发明专利、实用新型和外观设计等3种类型;国家科技奖项指二等以上的国家自然科学奖、国际技术发明奖、国家科技进步奖。

表1 高校科研成果质量评价指标体系

三、科研成果质量时间轴上某时点的静态评价方法

对高校科研成果质量在时间、空间因素上的动态评价，首先要获取在系统时间轴段上各个时点在空间上的静态评价数据，以实现动态数据的集结。这里采用基于熵权理论的层次分析法。具体步骤如下:

Step 1:将某时点某区域高校在 A1、A2、A3指标下的子指标数值分别归一化，如式(1)所示:

式中:Ijk表示某区域高校k在第j子指标下数值;Xjk表示Ijk归一化后数值;Iminjk表示Ijk最小值;Imaxjk表示Ijk最大值，n表示评价区域数。

Step 2:确定准则层指标权重。构建判断矩阵A-B如下:

用MATLAB［19］可解出准则层指标Ai相对于目标层 A 的权重 wi(i=1，2，3)分别为0．3196，0．5584，0．1220。一致性比率CI=0．0091，CR=0．0158 ＜ 1。因此判断矩阵A-B具有满意的一致性。

Step 3:基于改进的熵赋权法［20］计算子准则层指标相对于准则层的权重，如式(2)-(4)所示。

式中:Hj表示准则层Ai下子指标Ij的熵值;pj表示子准则层指标Ij对应准则层指标Ai的权重;s表示准则层Ai下子准则层指标Ij个数。

Step 4:确定子准则层指标Ij对应目标层A的权重Wj，如式(5)所示:

Step 5:计算某时点下各区域高校科研成果质量百分制综合分值Ek，如式(6)所示:

四、基于发展双控线的动态评价模型构建

1．发展双控线

高校科研成果质量在时间轴上是离散变化的，很难在固定某个时间节点对科研成果质量进行评价，故发展双控线动态模型的基本思想就是将一个时间段内各时间节点的离散数据按照其发展规律进行集结，划定发展双控基线，从而评价区域科研成果质量发展状况。发展双控线中，其中一条为正发展基准控线，另一条为负发展基准控线。因此落入正发展基准控线以上的部分代表科研成果质量发展处于超前发展阶段，落入负发展基准控线以下的部分代表科研成果质量处于滞后发展阶段，落入发展双控线之间的部分代表科研成果质量处于适时发展阶段。

发展双控线可用线性函数基本形式表示，即y±=k±x+b。这里k+为正发展控线斜率，k-为负发展控线斜率;x表示时间横轴变量，记作xi=x(ti)，i=1，2，…，N，时间序列{xi}在 N-1个时段是等间距的;y表示纵轴综合评价值，记作yj=y(ti)，i=1，2，…，N，j=1，2，…，n，yji表示某区域高校j在ti时点的综合评价值。斜率k±计算公式，如式(7)-(8)所示。式(7)中d+，d-为正负发展控线斜率偏移度，d+，d-∈，(0，1］，这里均取 1。式(8)中，rmax、rmin分别表示双控线最大增长率、最小增长率、平均增长率。

2．动态评价模型构建

由于某区域高校科研成果质量在某一时段状态变化一般是均匀的，因此在某一时段(ti，ti+1)内，评价值yji和yj，i+1之间的线性连线可代表区域高校科研质量成果在某一时段的发展轨迹，故某区域高校j在(ti，ti+1)的动态综合评价值 Qj(xi，xi+1)，如式(9)所示。

借鉴陈洪转等人关于动态数据集结的思想［21］，考虑以发展基准双控线的轨迹为参照对象，对超前性发展部分进行叠加考虑鼓励系数(u+)的对应分值、对滞后性发展部分进行警戒扣除考虑处罚系数(u-)的对应分值，因此在不考虑时间偏好条件下，某区域高校j在(ti，ti+1)基于发展双控线的动态综合评价值Q±j(xi，xi+1)，如式(10)-(12)所示。

五、中国高校科研成果质量区域动态评价分析

1．静态评价实证计算

当前中国各区域高校的科研人才和科研经费在全国的比重不同，区域差别性较大。为了研究代表区域科研资源的成果溢出效益，本文选取中国31个区域(含省、自治区和直辖市)高等院校为样本，历年科研成果质量指标数据来自《高等学校科技统计资料汇编》(2009-2013)。

通过搜集整理2009-2013年的指标数据，运用基于熵权理论的层次分析法得出全国31个区域高校各年度科研成果质量静态综合分值，如表2所示:

表2 各区域高校2009-2013年科研成果质量静态综合分值

续表2

由表2可知，北京、江苏、上海、浙江、湖北区域高校科研成果质量优势较其它区域显著，海南、宁夏、青海、西藏区域高校科研成果质量显然落后于其他区域。但是静态评价却无法准确评价相同时间段内科研成果质量综合分值数量区间接近，高值、低值处于不同年份，并且静态综合分值随时间起伏变化的情况。如辽宁和四川、山东和广东等区域高校科研成果质量就无法平行比较。必须将时点的评价分值扩展到时段区域连续的数据集结，以时段全部区域总体发展平均水平去综合考察单个区域每个时点的发展质量，才具有科学性和通用性。

2．动态评价实证计算

根据式(7)～(12)，计算得出正、负发展控制基准控线方程分别为 y+=3．226+0．702(x-2009)，y-=3．226-0．389(x-2009);u+，u-分别为0．182和0．818。各区域高校科研成果质量发展变化，如图1所示。

各时间段发展基准量、超前及滞后偏离量，如表3所示。动态评价综合分值和排序，如表4所示。

图1 各区域高校科研成果质量发展变化

表3 各区域高校各时间段发展基准量、超前及滞后偏离量

表4 动态评价综合分值和排序

六、结果分析

从图2可知，各区域高校科研成果质量随着时间变化，呈现振荡变化。5年间高校科研成果质量各时间段均呈现超前发展态势的有北京、江苏、上海、浙江等4个区域，各时间段均呈现滞后发展态势的有山西、福建、江西、内蒙古、云南、广西、甘肃、新疆、贵州、海南、宁夏、青海、西藏等13个区域。显然相对于发展双控线，高校科研成果质量完全呈现超前发展态势的区域主要集中在东部省份，而完全呈现滞后发展态势的区域主要集中在西部和部分中部省份，其它区域高校科研成果质量在5年间在适时发展区间与超前发展区间之间或适时发展区间与停滞发展区间之间起伏变化，这也说明科研成果质量的变化是渐进的，不可能在同一时间段同时发生超前和滞后情况。

从表4可知，在空间上，北京、江苏、上海的高校科研成果质量动态评价综合分值居于前三位，而宁夏、青海、西藏居于末三位，与图2呈现的发展态势特征是吻合的。科研成果质量发展不均衡性，是否与人才、科研经费的投入有关?为此本文选取排名前三位和后三位区域作为研究对象，将《高等学校科技统计资料汇编》(2009-2013)中关于人才、科研经费的数据进行挖掘整理，并转化为在当年全国比重的百分分值，比较人才、科研经费、科研成果在相同时间段的发展趋势图，进而分析三者的规律性，如图2所示。

从图2可以看出，位居前三的区域高校科研经费和科研成果质量分值在全国的比重较大。北京、上海高校的科研经费分值比科研成果质量分值更高。江苏高校的科研成果质量分值总体高于科研经费分值，这说明江苏高校科研经费表现出较强的成果溢出效应，科研经费在带动成果发展方面的动力更足、效率更高。北京、上海高校的科研成果质量与科研经费发展规律几乎同步，但科研经费使用价值没有完全发挥。前三区域的高校人才在全国的占比较高，但相对于科研经费和科研成果质量而言都较低，人才比重基本较为平稳，说明这三个东部发达省份的高校在稳定人才优势的基础上，更多依赖科研经费刺激科研成果产出。位居末三位的区域高校科研经费、人才、科研成果质量分值在全国的比重较低，但是人才在全国比重总体高于科研经费和成果质量，而科研经费和科研成果的比重较为接近但彼此的时间变化轨迹规律性不明显，例如西藏2009年高校科研经费和成果比重形成反差，宁夏高校科研经费和成果发展曲线交织。这说明对于落后区域的高校而言，人才优势无法充分发挥，科研经费使用绩效不明显。因此提升科研成果质量，推进知识创新，带动落后区域经济发展，必须先解决科研基础设施建设与平台团队建设问题，否则人才资源价值无法发挥，再多的科研经费投入也是浪费。对于发达区域的高校而言，硬件和软件设施目前已经配套成熟，但科研经费使用效率还有进一步提高的空间，应借助人才集聚优势，精心打造政、产、学、研合作平台，实现创新知识共享机制，加快技术转让、推广与应用，从而充分发挥科研经费的价值。

七、结论

本文从知识创新质量的概念入手，根据衡量科研成果质量的三种价值形式，即知识创新程度、创新贡献度、创新效益等三个维度，构建了高校科研成果质量指标体系。并基于熵权理论的层次分析法对2009-2013年中国高校科研成果质量进行区域性静态评价。考虑到高校科研成果质量在时间轴上是离散变化的，用若干固定某时点的科研成果质量评价结果来比较某时间段内各区域高校的综合科研成果质量比较困难，因此构建了基于发展双控线的动态评价模型，并得出以下结论:

(1)2009-2013年高校科研成果质量按动态评价分值排序，各年均呈现超前发展态势的区域有北京、江苏、上海、浙江等4个省份;均呈现滞后发展态势的区域有山西、福建、江西、内蒙古、云南、广西、甘肃、新疆、贵州、海南、宁夏、青海、西藏等13个省份。高校科研成果质量总体呈现超前发展态势的区域主要集中在东部省份，而完全呈现滞后发展态势的区域主要集中在西部和部分中部省份。并且科研成果质量的变化是渐进的，不可能在同一时间段同时发生超前和滞后情况。

(2)在高校科研成果质量排名前三的区域中，江苏高校的科研经费表现出较强的成果溢出效应，科研经费在带动成果发展方面的动力更足、效率更高。而北京、上海的科研成果质量与科研经费发展规律几乎同步，但科研经费使用价值没有完全发挥。同时，这三个东部发达省份的高校在稳定人才优势基础上，更多依赖科研经费刺激科研成果产出。而科研成果质量排名末三位的落后区域高校，人才优势无法充分发挥，科研经费使用绩效不明显，因此必须先解决科研基础设施建设与平台团队建设问题，这样才能发挥人才资源价值和提高科研经费使用绩效。

注释:

［1］彭本红、孙绍荣、吴晓伟:《面向知识创新的科研成果评价研究》，《软科学》2004年第4期。

［2］李盛阳、张晓武、邢立宁:《基于灵敏度分析的动态指标选取方法》，《计算机仿真》2005年第3期。

［3］张维群:《指标体系构建与优良性评价的方法研究》，《统计与信息论坛》2006年第6期。

［4］Higgins，J．C，“Performance measurement in universities”，European Journal of Operational Research，vol．38(1989)，pp．358-368．

［5］龙震宇、张剑平、孙占如:《高校科研绩效评价体系的研究及系统实现》，《中国科技信息》2006年第9期。

［6］刘伟、曹建国、郑林昌等:《基于主成分分析的中国高校科技创新能力评价》，《研究与发展管理》2010年第6期。

［7］孙燕、杨健安、潘鹏飞等:《高校科技创新能力评价指标体系研究》，《研究与发展管理》2011年第3期。

［8］Kao，C．，Pao，H．L．，“An evaluation of research performance in management of 168 Taiwan universities”，Scientometrics，vol．78，no．2(2009)，pp．261-277．

［9］王凌峰:《高校科研成果量化赋分的成果数量比值法》，《现代情报》2013年第5期。

［10］李仁安、秦晋栋:《基于灰色组合关联度的综合评价方法》，《武汉理工大学学报》(信息与管理工程版)2012年第5期。

［11］韩英强、吴晓平、王甲生:《一种基于熵权和经验因子的模糊综合评价方法》，《计算机与数字工程》2012年第11期。

［12］X．Xu，“A note on the subjective and objective integrated approach to determine attribute weight”，European Journal of Operational Research，vol．156(2004)，pp．530-532．

［13］Y．M．Wang，Y．Luo，“Integration of correlations with standard deviations for determining attribute weights in multiple attribute decision making”，Mathematical and Computer Modeling，vol．51(2010)，p．8．

［14］Z．Wu，Y．Chen，“The maximizing deviation method for group multiple attribute decision making under linguistic environment”，Fuzzy Sets and Systems，vol．158，no．4(2007)，pp．1608-1617．

［15］柳益君、吴访升、蒋红芬:《基于GA-BP神经网络的环境质量评估方法》，《计算机仿真》2010年第7期。

［16］姜永葳、王秀丽:《基于主成分分析的地区高校科研绩效评价研究》，《科技和产业》2009年第11期。

［17］戚湧、李千目、王艳:《一种基于DEA的高校科研绩效评价方法》，《科学学与科学技术管理》2008年第12期。

［18］廖燕玲、陈玉华、徐天伟:《基于知识质量测量的科研成果评价指标体系》，《科技进步与对策》2010年第14期。

［19］胡明甫:《AHP层次分析法及MATLAB的应用研究》，《钢铁技术》2004年第2期。

［20］宛 华:《管理决策与应用熵学》，北京:机械工业出版社，2002年，第193-196页。

［21］陈洪转、刘思峰、胡海东:《基于双激励控制线的高校科研成果动态综合评价》，《科学学与科学技术管理》2011年第3期。