省级政府教育统筹助推“双一流”建设路径研究

2019-04-01李石勇王春梅

高教探索 2019年2期

李石勇王春梅

摘要：本文运用遗传算法建立了区域高等教育科技资源投入与产出绩效评价模型，并利用2005-2015年面板数据，对我国30个省（自治区、直辖市）科技资源配置绩效进行了评价。同时，运用空间计量模型对各投入指标与绩效间的影响程度进行了揭示。研究发现：尽管各个地区高等教育科技资源配置绩效总体水平不高，但各个地区仍具有明显差异。同时，各科技资源投入要素在各个地区对科技资源配置绩效的表现不同。为此，各地区在资源相对有限的情况下，应围绕“双一流”建设目标，充分发挥省级政府教育统筹作用，依据科技资源配置绩效水平，采取不同的资源配置策略。针对科技资源配置绩效提升的关键因素，采取不同的措施提高科技资源配置绩效。

关键词：高等教育;科技资源;省级政府教育统筹;“双一流”

一、引言

从高等教育绝对规模的角度而言，我国早已成为世界高等教育大国，但从高等教育质量与水平的视角审视，我国还不是高等教育强国。实现从高等教育大国到高等教育强国的历史性跨越是党和政府在新时期作出的重要战略部署。为了实现这一战略，党的十八大以来，国家在教育领域实施了一系列重要改革举措。其中，进一步扩大省级人民政府教育统筹权便是重要改革举措之一，其目的在于强化省级人民政府能更好地履行促进省域内各级各类教育协调发展的职能，办人民满意的高质量教育。省级人民政府教育统筹的实质是统筹配置教育资源，在保障各级各类教育协调发展的前提下，提高教育资源配置的效率。重要改革举措之二便是统筹推进世界一流大学和一流学科建设（以下简称“双一流”建设），其目的在于引导和支持具备一定实力的高水平大学和高水平学科瞄准世界一流，汇聚优质资源，培养一流人才，产出一流成果，加快走向世界一流。

在此背景下，如何通过省级人民政府教育统筹，促进“双一流”建设目标的实现，就不仅是各级教育行政部门所必须面对的问题，同时也是教育理论工作者所应认真研究的问题。因为，尽管省级人民政府教育统筹与“双一流”建设在目标上是一致的，即建设高质量的高等教育，但在具体的路径上存在较大差异。省级人民政府教育统筹更多强调的是公平优先兼顾效率，而“双一流”建设则更加强调效率优先兼顾公平。有鉴于此，本文以各个地区省级人民政府高等教育教育科技资源的统筹配置为切入点，探讨促进“双一流”建设目标达成的有效途径。因为科技资源是高等教育的一项重要资源，构建以绩效评价为导向的科技资源优化配置机制，提高现有科技资源配置绩效，对于实现省级教育资源统筹和“双一流”建设目标以及提高高等教育办学水平均具有积极的示范意义。

当前，在研究对象上，关于科技资源配置的研究主要侧重于微观上以某个省份[1]、某个地区[2]、某地区科研机构[3][4]，某新兴产业 [5][6]为研究对象进行科技资源配置效率的实证分析。在研究内容上，现有研究的投入与产出指标选取上偏少，戚湧等[7]把研发人员、研发机构硕博士、研发外部支出和技术创新基金作为投入指标，选择专利许可与技术市场成交额作为产出指标对全国和江苏科技资源配置进行绩效评估;苑清敏等把科技活动人员、R&D活动人员、财政拨款和R&D经费支出作为输入指标，专利申请授权和新产品销售作为输出指标来评价我国三大城市群科技资源配置效率[8];张勇等把企业从业人员和总资产作为投入指標，营业收入与利润总额为产出指标来考察西部地区产业资源的配置效率[9]。在研究方法上，大多学者采取定量法来测算科技资源配置的效率，如Malmquist 指数[10]，DEA对区域科技资源配置做效率评价，揭示区域科技资源配置的规律性和异质性 [11][12][13]。其中戚湧等研究得出科技资源配置效率存在地区差异[14];范德成等发现了工业技术创新资源配置省际间差异对总体差异有影响，并总结出各个区域间资源形成的不同的集聚配置模式[15];陈国生等发现经济发展水平和教育投入的提高是改革科技资源配置效率主因素，并且东部和西部地区的效率下降显著[16];沈赤等得出政府的科技资源配置一直处于较高效率水平，保持这一水平还需调整和优化投入结构[17]。

现有对高校科技资源配置效率的研究已取得很多有价值的成果，研究方法上由单一的理论性描述分析到运用大数据进行定量研究，使复杂的资源配置问题变得较为清晰。但是，现有的文献在研究对象上缺少从国家层面整体上探讨各省域的科技资源配置相对绩效水平;在研究内容上，指标的覆盖面不全，不能全面反映科技资源的投入与产出能力，且所确立的指标侧重点不一，窄口径较多，缺少全口径的指标;在研究方法上大多定量采用DEA模型，急需在研究方法有所拓展。另外，在测算区域间科技资源配置效率问题时缺少空间视角探讨影响区域高等教育科技资源配置的绩效。事实上，高校科技资源要达到合理配置，应遵循“绩效目标-资源配置现状-绩效评价-最优化配置”的过程，而现有的研究更多是基于定量的效率测算或是侧重于质性优化配置模式，缺乏对两者关系连环效应的研究。本文从国家层面出发，利用我国30个省份的面板数据，建立我国高等教育科技资源投入与产出指标，尝试基于遗传算法构建科技资源配置的绩效评价模型，利用模型估计结果探索影响绩效的重要和一般投入指标，为“双一流”建设目标的实现提供科技资源配置方向。

二、科技资源绩效评价体系与评价方法

（一）指标体系及权重

从投入与产出的视角看，高等教育科技资源投入包含科技方面的人、财和物力资源，而产出围绕高等教育三大职能设定。投入指标方面注重数量和结构指标的统一，其中R&D全时人员数反映高校对教学科研的直接投入，而博士学历占比反映教师的素质，科研经费的支出体现高校承担项目的数量和质量，物力投入对科研起着支撑和推动作用。产出指标方面主要设置数量指标，代表大学的人才培养、科学研究和社会服务的职能，硕士和博士是反映高校培养科技人力的规模，论文、著作、科技奖励等反映的科研成果支出和影响力，专利和技术转让是对高校科研成果转化能力的考量。

根据高等教育发展的实际状况和科技资源投入产出的内涵，遵循指标数据的科学性、独立性、可操作性和可获得性原则，首先采取文献法对指标进行梳理分析，借鉴了刘玲利[18]，边慧夏[19]，李柏洲[20]，陈祺琪[21]和刘君[22]等高校科技资源配置和科技创新能力评价的相关文献确定初步指标体系;其次根据专家咨询法和德尔菲法对指标体系进行筛选。由于区域高等教育科技资源投入与产出两个系统各指标的测量单位不统一，故先对原始数据进行无量纲化，设xij为指标的原始数据，yij为标准化后的数据：

至此，本研究所構建的指标体系及权重如表1所示。

（二）遗传算法

遗传算法是应用计算机解决最优化的搜索算法，按照适者生存和优胜劣汰的原则，其优势是能生成有用的解决方案来优化问题，逐步演化成最优解。其最早是由Holland教授根据生物进化的过程提出的一种计算模型，它根据遗传学原理和生物进化的自然选择过程来寻求最优解。遗传算法拥有自适应的功能，可以不用根据先验知识而直接对我们的参数进行相应的编码，并沿着多条路线进行同步搜索，从而避免进入局部最优的陷阱。其步骤如下。[24]

1.定义基于高校科技资源投入产出的绩效评价模型

2.偏差排名定义

3.参数确定

4.绩效测算

对各个省份的投入与产出得分组成的二维数据进行聚类分析，依据聚类分析结果分别选取距离各类中心较近的2/3样本作为学习样本，剩余的作为检验样本。紧接着将2005-2015年30个省份的投入得分、产出得分、偏差排名输入到模型中，分别得到每一年的最优参数a、b、c、d的取值，取这10组数据的平均值作为绩效评价模型的参数，模型计算结果的排名与偏差排名的对比曲线。将上述得到的优化参数带入绩效模型中，输入投入与产出得分，即可得到绩效值。

（三）数据来源

本文的高等教育科技资源投入与产出数据均来源于2006-2016年《中国高等学校科技统计资料汇编》[25]和2005-2015《中国教育统计年鉴》[26]。另外，因西藏的经济发展水平数据有较多年份缺失，故文中实际探讨的是除西藏外我国30个省、直辖市和自治区的科技资源配置绩效值。

三、高等教育科技资源配置绩效结果

（一）高等教育科技资源投入与产出指数

从2005-2015年间取2005、2010和2015年三个时间点，按照区域东中西①三个地区来探讨高校科技资源配置现状如表2所示。总体来看，我国三大地区的高校科技资源投入与产出呈现非均衡格局，2005-2015年间投入与产出的增长幅度都较慢。2005年，全国高等教育科技资源投入的均值为0.118，东部地区省份数量投入达到均值的比例为69.2%，中部地区为50%，西部地区仅为18.2%;而2015年，全国高等教育科技资源投入的均值为0.295，东部地区省份数量投入达到均值的比例为53.8%，中部地区为50%，西部地区仅为18.2%。在产出上，2005年和2015年全国高等教育科技资源的均值分别为0.081和0.138，东部地区产出省份数量达到均值分别占比69.2%和53.8%，中部地区产出为33.3%和50%，西部地区产出为18.2%和27.3%。整体而言，全国高等教育科技资源投入能力大于产出能力，东部和中部地区在科技资源投入上有一定优势，相应地在产出能力上，东中部地区也明显高于西部地区。西部地区增长态势相对于东中部更缓慢，三个地区的增长差距有扩大趋势，但在产出能力上三个地区的增长幅度都较缓慢。另外，东中西部地区各省域内部差异较大，西部地区内部趋于稳定。

（二）绩效的时间演化特征

从时间维度看区域间科技资源配置效率，由于2005-2015年跨度较大，为避免繁琐，故采取相邻4个年份求取平均绩效值来考察各地区科技资源配置绩效时间变化情况。见表3。

利用ward聚类法，把各省域的绩效值聚类为Ⅰ、Ⅱ、Ⅲ、Ⅳ和Ⅴ共5个等级，分别表示低绩效、较低绩效、一般绩效、较高绩效和高绩效。由表3可知，三个时间段内，科技资源配置绩效北京始终保持在V类，而江苏在后两个阶段内由较高绩效上升到高绩效，两省市作为全国高等教育科技创新高地，高质量的高等院校云集，并且科研院所较多，亦是经济发展水平发达省市，在投入上具有一定优势，所以绩效值较高。浙江、湖北、广东和陕西四省份均从Ⅲ类到Ⅳ类，湖北和陕西分别作为中部和西部地区科技创新的领头兵，其科技创新基础雄厚，并且拥有较多的高等院校，能迅速提升科技成果的转化能力。而浙江省作为沿海省份，其经济发展水平居于全国前列，具备良好的经济基础，对高校的投入有显著性提高，其本身具备的科研力量在科研投入上能转化成产出，所以长期保持在Ⅳ类，未来还可以继续加大资源的支持力度。广东省由于区位优势和经济发展水平的跨步提升，近年高校实施创新驱动战略部署，全力满足省市的战略需求，使得科技资源配置绩效提升显著，未来前景乐观。辽宁、黑龙江、山东、湖南和四川五省份三阶段长期保持在Ⅲ类。东北三省的辽宁和黑龙江三个时间段都处于Ⅲ类，吉林的发展不容乐观，三阶段均保持在Ⅱ类，三省既需要国家的支持同时也应发挥三方联动效应，相互合作实现资源共享，同时与华北沿海省份开展合作。山东、湖南和四川三省分别作为东中西部地区的潜力股，未来可以尝试加大科技投入来提升科技的产出，发展潜力较大。天津从第一阶段的Ⅱ类到后两个阶段的Ⅲ类，该省处于京津冀经济圈，拥有良好的区位优势，科技资源配置的绩效有一定的提高。安徽和河南两省从第一阶段的Ⅱ类到后两个阶段的Ⅲ类，作为中部地区后起力量，自中部崛起战略实施后，科技创新能力显著提升。海南省从前两阶段的Ⅱ类到第三阶段的Ⅰ类，呈现不稳定的发展趋势，该省的发展应引起高度重视，防止出现再度下坡的趋势。河北、吉林、福建、江西和重庆五省市三个阶段一直处于Ⅱ类，河北应借助当前雄安新区新战略，促进京津冀协同发展，江西与福建较第一阶段有一定的提升作用，但是发展较缓慢，未来还需加大多方面的支持力度，有突破Ⅱ类的可能性。山西、内蒙古、广西、贵州、云南五省一直处于Ⅰ类，无论在科技资源投入与产出上都比较落后，发展停滞不前，发展动力严重不足。

（三）绩效的空间演化特征

为进一步探索区域高等教育科技资源配置的空间动态变化，利用Ward聚类分析法，采用平方Euclidean距离度量标准，把2005、2010和2015年三年的数据进行5个等级的聚类，最后根据聚类结果借助ArcGIS10.2绘制的高校科技资源配置绩效的空间分布图，对我国区域东中西部绩效值作可视化处理。

2005年、2010年和2015年3个时间点上达到高绩效值的是北京市，江苏省到2015年达到了高绩效，高绩效三个时间点上东中西部省份的数量之比为110、110和200，较高绩效各地区省份数量之比分别为200、200和311，高绩效和较高绩效主要集中的省份为东部地区，这些省份作为中国经济发展的前沿聚集了高质量高校，推动了区域的创新集群建设，科技创新能力较高，充分体现了社会经济因素和高校发展的联动交互效应。中部的湖北和西部的陕西有突起势头，并正努力追赶东部北京、江苏和上海省市，未来对该两省可以尝试加大资源投入的力度，保障其继续发展的条件。3个时间点上达到一般绩效的主要以东部省份为主，西部省份为辅，三个地区的省份数量之比分别为412、312和431。在较低绩效等级内，3个时间点主要以东中部省份为主，西部省份为辅，其中东中西部省份数量之比分别为641、741和311，这也可看出东部地区省份内部差距较大，发展很不平衡。3个时间点处于低绩效等级内的主要集中于西部省份，其中东中西部省份数量之比分别为018、018和118。东部的海南省在2015年出现在这一等级值得引起反思，其发展趋势与东部地区的发展趋势相背离。中部的山西也始终落后于中部其他省份，西部的内蒙古、广西、云南、甘肃、宁夏和青海等省也始终位于这一类，整体发展较缓慢。

从三大地区的空间分布来看，高绩效与较高绩效省份主要集中于东部，一般与较低绩效省份东中西部地区均有，低绩效省份主要集中于西部地区。

四、高等教育科技资源优化分析

前文从科技资源投入与产出两方面构建了区域高等教育科技资源配置的绩效评价体系，利用遗传算法测算了科技资源配置绩效。于晓宇、谢富纪[27]，黎传国等[28]，黄海霞、张治河[29]等从科技资源配置的视角研究了其效率问题。但是，依此仍无法更好地进行资源配置优化，还需要找出是哪些因素影响或制约了资源配置的绩效水平。因此，本文从资源投入的视角，进一步探究各项投入指标对区域高等教育科技资源配置绩效的影响程度，从而为下一步的资源优化配置提供充分依据。

（一）模型的初步设定

因为考虑到空间的集聚效应，此处运用空间计量模型对各投入指标与绩效间的影响程度进行探讨。空间集聚的自相关性的表现形式分为空间滞后和空间误差模型，当某个省域的科技资源配置绩效受到相邻地区的科技资源配置能力的影响时，适合采用空间滞后模型[30]，其定义如下。

而当某省份科技资源配置能力的空间自相关性表现为相邻省份未考虑到的因素时，这些遗漏的因素也会影响科技资源配置能力的绩效，这时适合采用空间误差模型，其定义如下。

（二）模型的适用性检验

在运用空间计量模型前，首先需对区域高等教育科技资源配置绩效是否存在空间集聚现象进行空间自相关检验，在此采用Morans I指数，其定义如下。

構建各省份的空间权重矩阵Wij，采用0-1空间邻近权重矩阵。测算结果如表4所示，根据Morans I指数的结果， Morans I指数在2005年通过了10%的显著性检验，从2006年起通过了5%的显著性检验，说明我国省份之间存在着一定的空间依赖关系，相近省份之间的科技资源配置绩效存在正相关关系，从2005年的0.169上升至0.204，并且集聚性正在逐步增强。

随后采用Hausman检验来判断本文采用固定效应还是随机效应，P值显示小于0.05，所以在95%水平下拒绝了原假设，适宜采用固定效应。

以三级指标为自变量，绩效为因变量，探讨各指标对绩效的影响程度，利用stata14.0对我国科技资源资源投入与配置绩效进行模型估计。在进行空间计量模型估计前需判断使用空间误差或是空间滞后模型，采用LM检验结果如表5所示，LM-error的统计值为4.745，Robust LM-error的统计值为4.737，且两者均达到了10%的显著性水平，而LM-lag和Robust LM-lag均未达到显著性检验，说明空间误差模型对分析区域高等教育科技资源配置绩效的影响机制更加合适。

（三）空间面板计量模型的回归分析

根据上述检验性结果表明，本文适合使用空间误差的固定效应模型，现分别从全国、东部、中部和西部不同的区域来进行空间误差回归模型的分析，结果如表6所示。

由于我国长期以来东中西部地区发展不平衡，区位优势和优质高校的不均衡分布导致东中西地区的科技资源配置存在严重差异，进而导致东中西部地区的科技资源产出不均衡。因此，分东中西部地区对影响科技资源配置的绩效进行回归分析可以比较不同地区在各个解释变量上的差异程度。从东中西地区的回归结果看，解释变量R&D全时人员、博士占专任教师比例、人均科研经费支出、科技投入总经费、固定资产购置费、人均信息化设备资产值和图书量对科技资源配置的绩效影响显著。进一步分析，我们还得到以下结论。

一是R&D全时人员对科技资源配置绩效的影响系数东部地区均高于中西地区，这说明在东部地区R&D全时人员的运用效果要好于中西部地区，东中西部地区对科技资源配置绩效的回归系数分别为1.323、1.100和1.305;博士占专任教师比例对中部地区的科技资源配置绩效的影响系数高于东西部地区，中部地区处于科技创新能力的提升期，对教师质量和结构的需求更大，东中西部地区对科技资源配置绩效的回归系数分别为1.327、1.882和1.278，而东西部地区相对来说对R&D全时人员的需求更大，其投入对资源配置的绩效提升显著。

二是人均科研经费支出对科技资源配置的绩效影响均呈显著差异，但影响东中部地区的系数逐渐递减，东中部地区R&D研究人员较多，所以重视人均科研经费支出更能突显其需求性，保证经费的充足也能较好地提升科技资源产出能力。而科技投入总经费对科技资源配置绩效的影响系数逐渐递增，西部地区由于区位因素的劣势，高校的数量少，所以对绝对增量的需求更大。

三是在固定资产购置费、人均信息化设备资产值和图书量三个物力资源指标上，东中西三地区在物力资源配置上对绩效的提升能力相当。

总体而言，东部地区的人均科研经费支出、R&D全时人员和博士占专任教师比例三者对科技资源配置绩效的提升能力显著。而在其他投入指标上对绩效的提升一般，东部地区面临着人力和财力资源的双重投入，也表明经济发展水平高的地区对研究人员和经费呈现较强的回归影响。中部地区人均科研经费支出和博士学历占专任教师比例两者对绩效的提升显著。而西部地区的回归系数表明，在各个投入指标上对绩效的提升均相当。

五、强化省级政府科技资源统筹能力，促进“双一流”建设目标实现

“双一流”建设是国家实施的一项重点建设工程，对于高等教育强国建设目标的实现具有非常重要的意义。同时，对于各个地区提升高等教育系统质量，强化高等教育对本地区经济社会发展的促进作用具有重要价值。正因如此，各个地区在实施国务院《统筹推进世界一流大学和一流学科建设总体方案》过程中也都表现出了十足的积极性，不仅努力争取本地区尤其是省属高校能够有更多的大学和学科入选，同时还采取各种积极措施助推“双一流”建设，如给省部共建高校一定的配套资金。大多地区还在当地实施了重点建设项目，如北京实施了高等学校高精尖创新中心建设计划，上海实施了高等学校高峰学科和高原学科建设计划，广东省实施了高水平大学建设计划和高水平理工科大学建设计划，陕西实施了“一流大学、一流学科，一流学院、一流专业”建设计划，贵州实施了区域内一流大学和一流学科建设计划，河南实施了优势特色学科建设计划，海南实施了特色重点学科建设计划等等。这些地方政府开展的“双一流”建设项目，想必也纳入了省级人民政府教育统筹的范围。为了使各个地区更好地发挥教育统筹的作用，在资源有限的情况下，提升科技成果产出，加快“双一流”建设，基于前面的研究结果，对省级人民政府在科技资源配置中教育统筹的具体举措提出如下建议。

（一）各地区应依据科技资源配置绩效水平，采取不同的资源配置策略

从科技成果产出的视角审视科技资源配置策略，无外乎有三种：第一，在保持资源配置绩效不变的情况下，加大科技资源投入力度，进而获取更多的科技成果产出;第二，在保证科技资源投入不变的情况下，提高科技资源配置绩效，进而获得更多的科技成果产出;第三，通过加大科技资源投入力度和提高科技资源配置绩效共同作用，获得更高的科技成果产出。各地区应依据现有科技资源配置绩效水平，来选择不同的资源配置策略。

北京与江苏是科技资源配置高绩效省份，这两个地区在今后的科技资源配置中，应加大科技资源的投入，以较高的科技资源投入来获得更高的科技成果产出，进而提升“双一流”建设水平。

科技资源配置绩效较高的上海，在今后的科技资源配置过程中，应坚持以加大科技资源投入为主、以提升科技资源配置效率为辅的策略，通过二者的协同来提升科技成果的产出，推进“双一流”建设水平。

辽宁、浙江、山东、广东、湖北、四川与陕西7个地区是科技资源配置中等绩效省份，这些地区在今后的科技资源配置过程中，应坚持加大科技资源投入与提升科技资源配置效率并重的策略，通过“双提高”来提升科技成果的产出，加快“双一流”建设步伐。

天津、河北、黑龙江、吉林、福建、海南、安徽、江西、河南、湖南和重庆11个地区是科技资源配置绩效较低省份，这些地区在今后的科技资源配置过程中，应坚持以提升科技资源配置绩效为主、以加大科技资源投入为辅的策略，通过二者的协同来提高科技成果的产出，并推进“双一流”建设。

山西、内蒙古、广西、贵州、云南、甘肃、青海、宁夏和新疆9个地区是科技资源配置低绩效地区，这些省份在今后的科技资源配置过程中，应着重考虑如何提升科技资源配置的绩效，以此来提高科技成果的产出，促进“双一流”建设。

（2）各地区需明晰提升科技資源配置绩效的敏感因素，采取不同的措施提高科技资源配置绩效

从科技资源投入的视角来看，受各方因素的影响，同一资源要素在不同地区其对资源配置绩效的表现是不同的。为此，在资源相对有限的情况下，各个地区应选择那些对资源配置绩效影响较大的资源要素进行优化配置，进而提高资源配置效率。

东部地区应通过省级政府教育统筹，重点通过加大人均科研经费支出、R&D全时人员投入和提高博士学历占专任教师比例三个方面来提高科技资源配置绩效。东部地区的政府要进一步加大高校科技经费投入力度，同时，进一步完善科技成果转化政策，在科技成果转化过程中让高校获得更多的科技资源;东部地区的政府和高校要通过各种政策鼓励和支持教师开展科研;东部地区高校应依托良好的区位和高校优势，进一步提高专任教师的学历水平。

中部地区应通过省级政府教育统筹，着重通过加大人均科研经费支出和提升博士学历占专任教师比例两个方面来提升科技资源配置绩效。中部地区的政府除了要加大科技投入外，还需搭建各种平台，拓宽高校与东部地区高校、本地大中企业的科技合作途径，提高科技成果转化效率，扩大科研经费来源渠道;要采取积极措施，提高教师的学历水平。

西部地区应通过省级政府教育统筹，发挥各项科技资源要素的作用来提升科技资源配置绩效。在目前的形势下，西部地区更需要强化人才的管理和流动，制定吸引人才的政策，不仅稳住本地人才，也能从东部地区或国外吸引人才。在提高教师学历水平的同时，鼓励教师积极投入科研;西部地区的政府应在科技经费上给予高校更多的扶持，完善相关科研基础设施，通过线上、线下与东中部高校搭建科技创新平台。

注釋：

①按照国家统计局 2011 年的划分办法，将中国内地划分为四大地区。东部地区包括北京、天津、河北、上海、江苏、浙江、福建、山东、广东和海南; 中部地区包括山西、安徽、江西、河南、湖北和湖南; 西部地区包括内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏和新疆; 东北地区包括辽宁、吉林和黑龙江。

参考文献：

[1]管燕，吴和成，黄舜.基于改进DEA的江苏省科技资源配置效率研究[J].科研管理， 2011， 32（2）：145-150.

[2]王月秋，陈业华.华北地区科技资源配置效率的评价[J].统计与决策，2010（15）：71-72.

[3]杨传喜，徐顽强.湖北农业科研机构科技资源结构与配置效率研究[J].科研管理，2015，36（S1）： 377-384.

[4]索玮岚，高军，陈锐.科研机构科技资源使用效益评估研究—基于时滞效应和关联效应视角[J].科学学研究，2015，33（2）：234-241.

[5]喻登科，周荣，陈华.江西省战略性新兴产业科技资源配置效率的DEA交叉评价[J].情报杂志，2012，31（9）：87-91.

[6]黄海霞，张治河.基于DEA模型的我国战略性新兴产业科技资源配置效率研究[J].中国软科学，2015（1）：150-159.

[7][14]戚湧，郭逸.基于SFA方法的科技资源市场配置效率评价[J].科研管理，2015，36（3）：84-91.

[8]苑清敏，申婷婷.基于科技资源配置效率的城市群联动效应研究[J].统计与决策，2016（21）： 96-99.

[9]张勇，李海鹏，姚亚平.基于DEA的西部地区军民融合产业资源优化配置研究[J].科技进步与对策，2014，31（7）：89-93.

[10][15]范德成，杜明月.中国工业技术创新资源配置时空分异格局研究—以经济新常态为视角[J].科学学研究，2017，35（8）：1167-1178.

[11][16]陈国生，杨凤鸣，陈晓亮，等.基于Bootstrap-DEA方法的中国科技资源配置效率空间差异研究[J].经济地理，2014，34（11）：36-42.