广东省高水平大学科技投入产出效率研究

林涛 吕寒

摘 要：在当今世界，科学研究的主力军是高等学校，高校科研活动对一国的人才、产业战略及整个创新体系建设有着十分重要的支撑作用。当前科技竞争与创新日趋激烈，我国人口红利逐渐消失，人们对教育越来越重视，合理评价高校的科技创新效率对于引导科技创新资源的合理配置具有重要的理论意义和现实意义。本文对入选广东省高水平大学的13所高校科技投入产出进行系统性的评估，为下阶段相关政策的制定提供理论与实践支撑。

关键词：DEA模型；科技投入；绩效测量

一、问题提出

20世纪50年代，经济学家罗伯特·M·索洛（Robert Merton Solow）提出了全要素生产率（Total Factor Productivity，TFP）的概念。索洛认为，除了人力和资本等投入要素以外，技术进步对于经济增长同样起到不可忽视的作用，因此将技术进步引入经济增长函数方程，指出全要素生产率是经济增长的动力和源泉，很大程度上决定了一国经济增长的速度与质量。[1]随着现代科学技术的不断变革，科技进步与发展深刻影响着人们的生产与生活方式，极大的推动了经济与社会发展的进程，科技进步所爆发出巨大的生产力，已经成为驱动经济与社会发展的中坚力量。纵观发达国家的发展历程，其经济增长与科学技术进步密切相关。一些国家通过发展与变革科学技术，改变了国家的命运，走上了强国之路。科技创新逐渐得到世界各国的关注与重视，并将其作为国家发展的重要战略。可见，当今国际社会的竞争，实际上是科学技术的竞争，提升国家竞争力的核心也在于夺取科技创新的制高点，科技创新能力对于一个国家的兴衰成败影响重大。

为了提升我国科技创新能力，我国政府陆续出台了多项政策与规划，明确提出要“加强国家创新体系建设”，强调优先发展科学技术、增强国家自主创新能力的意义所在，并全面实施了创新驱动的国家发展战略。习近平总书记在2014年全国“两会”期间参加广东代表团审议时提出，广东是经济大省，不仅地区生产总值要支撑全国，结构调整也要支撑全国，必须在推动经济结构战略性调整上走在前列，当好创新驱动发展的排头兵。在经济新常态的背景下，广东面临发达国家先进生产力和发展中国家低要素成本的“双重挤压”，未来广东想要在挑战中赢得主动，实现新一轮引领型发展，核心是切换动力，关键是走创新驱动发展之路。实施重点建设是广东省迅速缩小与高等教育先进国家和地区差距、引领高等教育事业科学发展的有效途径，面对日趋激烈的国内外竞争形势，广东只有加快推动高等教育整体水平明显提升，才能在我國“双一流”建设格局中争得一席之地。从广东省改革开放以来的发展历程可以看出，虽然广东是是教育大省，但不是教育强省，高水平大学和科研院所数量少、科研力量不足，这是制约广东创新能力的突出短板。2015年6月，广东省委、省政府批准中山大学、华南理工大学、暨南大学、华南农业大学、南方医科大学、华南师范大学、广东工业大学等7所高校作为高水平大学整体建设高校，广州中医药大学、广东外语外贸大学、广东海洋大学、汕头大学、广州大学、广州医科大学、深圳大学等7所高校的18个学科作为高水平大学重点学科建设项目，此举为广东省高校科技创新发展提供了历史性的机遇，但是高水平大学科技建设中投入产出效率如何，尚未得到一致的结论。本研究的可能增量贡献在于：首先，系统性梳理广东省高水平大学科技投入、产出水平；其次，为多方位考察高校科技创新效率提供一种途径，为广东省下阶段科技创新政策制订提供一定的理论借鉴；第三，运用实证方法研究广东省高水平大学科技创新效率，有助于相关职能部门对院校的科研绩效进行科学评估，加快高校技术创新与科技成果转化，提升广东省创新水平，促进经济发展。

二、文献综述

1.国外研究

西方发达国家对于高校科研效率的研究起步较早，从上世纪开始，欧美学者便涉及高校投入产出效率测评领域的研究。20世纪后期，德、澳、加等国家也逐渐加大对高校科技系统评估的投入。1994年德国高等教育发展研究中心（CHE，Centerfor Higher Education Development）成立，CHE不对各大院校的综合实力进行排名，只评估单个学科的发展水平，更好地体现出每个高校的学科特点。与CHE不同，1860年成立的德国的洪堡基金会给一些优秀学者提供奖学金，吸引他们到德国的科研机构或者大学做访问学者，并为其制定了权威的德国高校科研能力排名PS1。在美国，最早进行高等教育评估的机构是美新社。1983年，美新社对美国最佳大学的综合实力进行系统性评估，将美国的大学分成全国性的和地方性的高校，奠定了美国高等教育评估工作的基础。[2]早在上世纪80年代，英国政府开始为高校科研经费提供拨款时，就已开展了科研评价工作，在1989年、1992年、1996年和2001年英国使用了RAE体系对大学科研进行评估。[3]另外，自1986起英国《泰晤士报》每年都公布了高校评价活动研究排行榜。但是，由于高校科研系统复杂，众多输入和输出变量关系错综复杂，无法用单个指标描述性统计分析进行有效衡量。Ahnetal（1988）较早的将DEA方法运用到高等教育的科研评价中，通过运用C2R和BC2模型对美国161所具有博士学位授予资格的学校技术效率和规模效率进行评估。研究结果表明，公立大学办学效率总体要显著高于私立大学，同时他们还考虑了是否设立校医院对效率的影响，发现设有校医院的大学效率要高于未设校医院的大学，但公立大学的总体效率高于私立大学的结论依然成立。[4]Banketal（2004）用DEA的方法分析了1993-1999年间德克萨斯州学校的技术效率和规模效率，结果显示这6年间各地区的配置效率低下，有待改进。[5]Nur（2013）认为高校科技投入产出是一个典型的复杂系统，采用的投入指标为科研人员数和运营经费，产出指标为当年毕业生人数、学术刊物发表量，其系统性的对马来西亚公立大学2011年的科研效率进行了评价。[6]Correa（2012）选择了智利34所大学作为研究对象，运用DEA方法对科研绩效进行评估。根据当地实际情况，设置的投入指标为经费投入及全职研发人员数量，产出指标为经营收入、在ISI上发表论文数以及招生人数，结论显示其中有9所高校达到DEA有效。[7]Foltz（2012）指出1981-1998年是美国大学资金投入与学术活动大量增加的时期，通过对美国92所研究型大学在这个期间的投入产出效率进行评估，测算其生产率及技术进步变化率，发现资金来源是影响美国研究型大学研发绩效的主要影响因素。[8]

2.国内研究

田东平等（2005）对我国重点大学的科研效率情况进行了系统性评估，研究发现我国重点大学的技术效率和规模效率总体状况良好，同时得到在区域上呈现东、中、西部三个区域技术效率依次减少的结论。[9]陆根书等（2006）选择我国教育部直属高校中的54所高校为研究对象，对我国东部、中部、西部地区的教育部直属高校的效率进行测算。[10]结论显示其中29所高校为DEA有效，其余25所高校为DEA无效，且在2000-2002年这些高校科技创新效率与技术效率呈现波动状态。罗阳（2012）将教育部直属高校中的50所高校定义为研究型大学，运用传统DEA与超效率DEA方法，分析了研究型大学的科技创新绩效，并用计算出各大学的超效率DEA值作为因变量，运DEA-Tobit两步法对其绩效的影响因素进行探究。[11]符银丹等（2012）选取“985”高校作为研究对象，投入指标为创新基础能力、创新投入能力、环境支持能力、创新产出能力和成果转化能力，建立基于DEA模型的高校科技投入产出效率评价系统，实证结果表明规模不当成为制约我国部分高校科技投入产出效率提高乃至可持续发展的症结所在，而要解决这一问题的关键在于妥当处理高校科技投入产出发展过程中所必须面临的技术提升与规模扩张之间的关系。[12]郭际等（2013）等采用DEA-Tobit模型对全国31个省市区高校的科技投入产出活动效益进行分析评价，并确定导致高校科研投入产出无技术效率的三大因素。实证结果表明：高校自身对科技投入产出活动控制能力不足是导致效率不高的原因。[13]王丽娜（2012）采用2007年江苏省30所高校的统计数据，对其科研效率进行了评估，研究结果显示样本高校中有12所为DEA有效，并依据投影原理计算出非DEA有效的18所高校需要改进的投入与产出值。[14]麦艳航（2013）以我国12个省市的普通高校为例，采用DEA方法和假设规模报酬不变模型，构建DEA模型对这些省市的普通高校教育经费投入有效性进行分析，并提出了相应的改进意见。[15]刘勇等（2013）对浙江省22所高校的科技创新效率进行了分析，结果显示浙江省高校的科研效率较高，样本中的高校中有77.3%的达到了DEA有效，同时其指出在所研究的非DEA有效的高校中，投入冗余状况较为严重，应当适当的放缓对于高校的科研投入，更加注重配置效率的提升。[16]

通过对已有文献资料的梳理和掌握，可以发现在高校科技创新效率评价这一研究领域，国内外学者已经进行了大量有益的探索，并取得了較为丰富的研究成果。由于国外学者对高校科技创新领域的研究起步较早，数据包络分析方法在高等教育领域的应用更加成熟，并形成了较为完善的指标评价体系，对大学的教学与科研绩效研究也较为全面。相比而言，我国对于高校科技创新效率领域的研究起步较晚，但近年来随着研究的不断深入，成果日益丰富，且在高校科技创新效率测度方法选择上日趋广泛。可以看出，国内外学者普遍采用了DEA方法，值得本文参考与借鉴。同时，目前国内学者多是对于高校总体状况的研究，大多集中在教育部直属高校，或者重点高校、研究型大学，对于地方高校的研究关注度不高，因此本文将入选广东高水平大学名单的13所高校作为研究对象，以期弥补当前在此研究领域的不足。

三、DEA模型

1.DEA模型

美国学者查恩斯（Charnes，1978）提出了数据包络分析（Data Envelopment Analysis）方法，用于分析部门之间投入产出效率。国内学者从上世纪80年代开始展开对DEA方法的研究[17]，其中魏权龄（1988）为国内推广和普及DEA方法做出了巨大贡献[18]。班克（Banker，1984）提出了BCC模型用来解决规模报酬可变（Variable Returns Scale；VRS）假设下的决策单元有效性问题[19]，对于任一决策单元，投入导向下对偶形式的BCC的模型表示为：

利用BBC模型计算得到的综合技术效率（TE），可以进一步分解得到纯技术效率（PTE）和规模效率（SE），其中TE=PTE×SE。

四、实证分析

1.数据来源

本研究所采用的数据主要来源于《2016年高等学校科技统计资料汇编》。由于无法查询到广东外语外贸大学的相关数据，后续分析仅对除广东外语外贸大学外的13间高校展开。

2.描述性统计分析

（1）高水平大学科研投入

从入选广东省高水平大学的13间高校科研投入水平来看，中山大学的教学与科研人员和研究与发展人员数量明显高于其他高校，分别达到了14457和6387人，位列广东省第一名。同时，医学类院校科研人员数量也处于较高水平。其中，南方医科大学、广州中医药大学和广州医科大学的教学与科研人员数量分别位列广东省高水平大学的2到4位。同时发现，广东省高校的科研经费拨款金额与学校层次呈现出明显的正相关性，“985”工程的中山大学和华南理工大学科研经费拨款数分别为19.3和14亿元，大幅超越其他高校科研拨款水平，“211”工程的暨南大学和华南师范大学虽然以人文学科见长，其科研经费也分别达到了6.4亿和3.9亿。值得注意的是，由于区位优势和近些年大力引进人才，深圳大学科研拨款也达到了5.7亿，仅落后于暨南大学位列广东省第4位。与科研经费类似，高校承担的课题数量也呈现出明显的两极分化态势，中山大学、华南理工大学和暨南大学承担的课题数量明显高于平均水平，值得注意的是汕头大学承担的课题数量达到了1805项，位于广东省第4位。

（2）高水平大学科研产出

从入选广东省高水平大学的13所高校科研产出水平来看，各高校的科研产出数量与学校层次呈现出明显的正相关性，“985”工程和“211”工程大学公开发表的成果数量明显高于平均水平。其中，中山大学出版专著和发表学术论文数量位列广东省第一名，分别达到了21本和5532篇，此外，华南农业大学发表的专著数量较高。同时，广东海洋大学发表了2007篇学术论文，位列广东省第四位。从科技成果转让维度来看，暨南大学签订技术转让合同107项，大幅超过“985”工程的中山大学和华南理工大学，位列广东省第一名。从成果登记与获奖情况来看，暨南大学也有不俗的表现，其中授奖成果58项，成果鉴定32项，大幅超过其他高校。汕头大学和广东海洋大学对科技成果转让和成果登记的重视程度也较高，分别位列广东省第4、5名。

综上所述，从描述性统计分析可以看出：首先，入选广东省高水平建设的大学科技投入产出数量存在较大差异，从高校科技投入水平来看，中山大学无论在科研经费和科研人员数量上均大幅領先其他高校，由于医学类院校拥有一定数量的附属医院，加上医学专业的特殊性，南方医科大学、广州中医药大学和广州医科大学的教学与科研人员、教学与发展人员数量也均高于平均水平；其次，从高校科技产出情况来看，公开发表的学术论文和专著数量与高校层次具有明显的正相关相关，表现为从“985”高校，“211”高校和省属高校依次递减的态势，其中中山大学、华南理工大学和暨南大学公开发表的学术论文均超过了3000篇；从科技成果转化来看，暨南大学签订的技术转让合同明显高于其他兄弟院校，同时经过鉴定的成果数量和成果获奖数量暨南大学也均为广东省第一名，可以看出暨南大学近年来对科技成果转化与质量提升的工作成绩。

3.DEA模型结果

本文所采用的投入产出数据均大于零，各投入产出变量之间存在明显的相关关系，决策单元、投入产出指标等满足DEA模型的要求。根据文献回顾发现，目前对教育科技投入产出效率的测量中，常采用科技人员和科研经费作为投入变量，以科技成果作为产出变量。本文以教学与科研人员合计、研究与发展人员合计、科技经费和课题数量作为输入变量，以专著、鉴定成果、学术论文、签订技术转让合同、成果授奖作为输出变量进行数据包络分析。本文根据广东省高水平建设大学科技投入产出的现状和主要存在问题进行分析，并提出改进意见，同时依据规模收益结果为下阶段广东省高水平大学科技投入指明方向。

4.结果分析

从综合效率来看，入选广东省高水平大学的13所高校中，综合效率达到最优的有6所高校，仅有2所高校的科技投入产出效率低于0.5。具体来看，首先，“985”工程院校和“211”工程院校的科技投入产出效率较高，其中中山大学和暨南大学的科技投入产出效率达到了生产前沿面，华南理工大学和华南师范大学两所高校的科技投入产出效率也分别达到了0.888和0.959，值得注意的是，华南理工大学的科技投入产出已经处以规模递减区间，而以文科见长的华南师范大学的规模收益仍然处以规模递增区间。其次，非医学类省属高校中，华南农业大学、广东工业大学和广东海洋大学这三所分别以农业，工业和海洋产业研究见长的高校科技投入产出水平也相对较高，其中广东工业大学和广东海洋大学达到了生产前沿面，华南农业大学的科技投入产出效率也达到了0.844，而且处以规模递增区间。第三，广州大学和深圳大学的科技投入产出效率较为类似，分别为0.671和0.656，而且都处以规模递增的区间，说明市属高校的科技投入结构和数量均急需加强。最后，医学类院校的科技投入产出效率差别较大，广州医科大学达到了生产前沿面，而南方医科大学和广州中医药大学科技投入产出效率仅为0.313和0.226，说明医学院校特别是中医类院校需要对科技投入产出体系进行调整。

五、结论与建议

论文重点对广东省高水平大学的科技创新效率进行了DEA评价，并得出了一系列结论。然而，这些结论将如何为提高广东省高校科技创新能力做出贡献，需要进一步研究。为此，论文提出以下建议期对改善广东省高校科技创新效率提供帮助。

1.合理调整投入结构，注重投入配置效率

广东省高水平大学的科技创新效率整体水平有待进一步提高，一个重要原因就是投入结构不够合理。从前文的描述性统计分析可以看出，不管是人力，物力不同层次的高校科研投入存在较大差异；而且从DEA分析结果也可以看出，部分高校的投入产出效率不高，仅仅加大投入总量并不意味着可以提高科技产出数量和质量。广东省部分高校存在只重视投入总量不重视使用效率的问题。政府投入的资源没有得到很好的利用，存在资源结构不合理，资源浪费现象。各级高校管理部门应该结合自身区域的特点，调整投入结构，注重资源配置，使得高校科研系统在充分利用资源的状况下高效运行。

2.强化专业培训，注重青年科研管理人才培养

根据国内发展经验，青年科研管理人员的快速成长将会显著提升高校的科技管理整体水平，从而大幅提升高校科技产出效率。高校管理部门应该强化对青年科技管理人员的培养：首先，制定科研管理人员发展的长期计划，不仅要使得科研人员合理分配，优化结构，还要加强科研管理队伍的学习能力，从根本上促进科研力量专业水平不断提升；其次，学校要根据实际情况制定合理的人才培养方案。特别是加大对高校科技后备干部的培养，通过组织专业培训等方式，加快高校科技管理干部的成长。

3.升级交流平台，提升高校影响力

各级高校主管部门应大力开拓对外交流与合作的领域，鼓励广东省高校与海外大学、科研机构和企业合作建立稳定的战略联盟关系或联合设立科研机构。支持广东省高校承担国际科技合作研究项目、支持高等学校参加或举办高水平国际性会议。通过国际性交流扩宽高等学校的信息渠道，通过开展多形式、多层次的国内外科技合作扩大广东省高校的国内外影响力。

4.因地制宜，提高医学类和市属高校科技效率

从实证结果来看，医学类高校和市属高校的科技投入产出效率偏低。下阶段应加强医学类与市属高校科技创新的制度建设，不断提高硬件、软件条件，为医学类和市属高校科技创新提供良好的土壤。在医药类科技成果转化阶段，要努力构建新平台，帮助研发基地、创业基地等的建设，加强信息交流和共享机制的建设，努力促使科研成果向经济效益顺利转化，市属高校应充分利用本地区特色资源，保证研有所成、研以致用。

5.完善管理体制，全面改善高校科技创新效率

高校科技创新活动中所存在的诸多问题，最终都可以归结为科研体制的问题。由于我国高校的科研工作大多仍处于传统的管理体制下，造成相当一部分专利技术的实用性差、自身的转化力弱、对外转化较为困难。由此，广东省相关职能部门应该在科研管理方法及制度方面谋求突破，推动政府、企业、离校的深度合作，合理配置资源，充分发挥资源投入的有效性，探索出一条适合广东的高校科研发展路径，为促进粤港澳大湾区区域科研水平全面提升和创新驱动发展提供有力支撑。

参考文献：

[1]Solow R M.A Contribution to the Theory of Economic Growth[J].Quarterly Journal of Economics，1956，70（1）：65-94.

[2]Chandler GN， Hanks SH. An Examination of the Substitutability of Founders Human and Financial Capitalize Merging Business Ventures[J]Journal of Business Venturing，1983，13（5）：353-369.

[3]Marginson S. The Public/Private Divide in Higher Education： A Global Revision[J]. Higher Education， 2002， 53（3）：307-333.

[4]Ahn T， Charnes A， Cooper W W. Some Statistical and DEA Evaluations of Relative Efficiencies of Public and Private Institutions of Higher Learning[J]. Socio-Economic Planning Sciences， 1988， 22（6）：259-269.

[5]Banker R D， Janakiraman S， Natarajan R. Analysis of Trends in Technical and Allocative Efficiency： An Application to Texas Public School Districts[J]. European Journal of Operational Research， 2004， 154（2）：477-491.

[6]Aziz N A A， Janor R M， Mahadi R. Comparative Departmental Efficiency Analysis with in a University： A DEA Approach[J]. Procedia - Social and Behavioral Sciences， 2013，90：540-548.

[7]Ramírez-Correa， Pea-Vinces， Alfaro-Pérez. Evaluating the Efficiency of the Higher Education System in Emerging Economies： Empirical Evidences from Chilean Universities[J]. African Journal of Business Management， 2012， 6（4）：1441-1448.

[8]Foltz J D， Barham B L， Chavas J P， et al. Efficiency and Technological Change at US Research Universities[J]. Journal of Productivity Analysis， 2012， 37（2）：171-186.

[9]田東平、苗玉凤，基于DEA的我国高校科研效率评价[J].理工高教研究，2005（4）：26-29.

[10]陆根书，刘蕾，孙静春，等.我国主要高校科研效率评价研究[C].中国教育经济学学术年会论文，2004.

[11]罗阳.中国研究型大学科技创新绩效的实证研究[D].南京大学，2012.

[12]符银丹，陈士俊，陈卫东.基于DEA的我国“985”高校科技投入产出效率分析[J].天津大学学报（社会科学版），2012，14（2）：128-132.

[13]郭际，吴先华，吴崇.基于DEA-Tobit模型的我国高校科技投入产出绩效评价及政策启示[J].科技管理研究，2013：65-70.

[14]王丽娜.高校科研效率研究：以江苏省为例[J].科技管理研究，2012（11）：127-131.

[15]麦艳航.基于DEA对我国普通高校教育经费投入效度研究[J].广西教育学院学报，2013：179-183.

[16]刘勇，谷晗.高校科研投入产出效率探析——以浙江省为例[J].中国高校科技，2013：29-31.

[17]Charnes A， Cooper W W， Rhodes E. Measuring the Efficiency of Decision Making Units[J]. European Journal of Operational Research， 1978，2（6）：429-444.

[18]魏权龄，评价相对有效性的DEA方法[M].北京：中国人民大学出版社，1988.

[19]Banker R D， Charnes A， Cooper W W. Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis[J]. Management Science， 1984， 30（9）：1078-1092.

（责任编辑 赖佳）