中国省域高校科研效率评价及收敛性研究

黄 赛 俐

(莆田学院 基础教育学院，福建 莆田 351100)

一、引言

高校科研活动是我国科技创新体系的重要组成部分[1]，在经济产业结构调整、增加国民收入以及新旧动能转换过程中均发挥着重要作用。《高等学校“十三五”科学和技术发展规划》明确指出，高校是科技第一生产力、人才第一资源和创新第一动力的结合点，是前沿技术研究和颠覆性技术创新的策源地，其创新能力是国家科技创新综合竞争力的重要体现。近年来，伴随着国家创新驱动发展战略的实施，中国对高校科研资源的投入逐渐增大。其中，高校科研与发展经费总量逐年增加，全国高校科研经费总量超过了1000亿元，超过90家高校年科研经费超过10亿元，科研人员的比重也进一步提高[2]15-20。在此背景下，有必要度量高校研发产出效率，探讨投入资源的配置水平及结构，并对其空间性差异进行发展趋势分析，为科研资源的合理利用、科研优化政策的制定提供有益参考。

目前，关于高校科研效率的研究主要集中在效率评价、影响因素等方面。高校科研效率层面，多数学者基于DEA-BCC模型(余丹等，2017)[3]、DEA-Malmquist指数(莫溦，2018)[4]以及Bootstrap-DEA模型(段云龙等，2018)[5]对高校科研效率进行了研究；部分学者利用模型探讨了某一省份或者全国“双一流”高校的科研效率状况(江建龙，2018；王宁、王鲁玉，2018)[6][7]。高校科研效率影响因素层面，部分学者从学校层次、地区经济发展水平(邓理等，2019)[8]、长江学者数量(张营营等，2019)[9]以及总会计师外部委派制度(谢洪涛、张建顺，2019)[10]等维度探讨了高校科研效率的影响机制。此外，李群霞等(2016)[11]及李瑛、任珺楠(2016)[12]分别对理工农医类、人文社会科学高校的科研效率进行了评价。

从高校科研效率的研究现状来看，学术界对其研究逐渐呈现内容多元化的趋势。但现有研究关于高校科研效率的探讨多是基于单一省份、具体学科或者双一流大学等维度开展，缺少全国各地区之间的对比研究，对效率空间性差异收敛性的检验亦较为有限。目前，我国高校科研发展除国家层面的支持外，各省内部的资金、政策支持占据较大比例，各省对高校科研的投入与重视程度造就了当前我国高校科研效率差异的现实。因此，以省际高校为研究对象，评价高校科研效率并对区域间效率差异进行具体分析具有重要的理论与实践价值。

二、研究方法、数据来源及指标设置

(一)研究方法

1.科研效率评价方法

DEA研究方法是一种评价效率有效性的非参数估计法[13]。其内含的经典模型主要有DEA-BCC模型、DEA-CCR模型以及DEA-Malmquist模型等，被广泛应用于评价多投入多产出生产系统的有效性，且无须对投入产出的函数形式进行假设[14][15]1-10。本文应用产出导向的DEA-BCC模型，以各省份为决策单元，对省域高校科研效率进行测算与评价。在测算科研效率(TE)的同时，可以将其分解为纯技术效率(PTE)和规模效率(SE)，其相互关系为TE=PTE×SE[16]。PTE代表科研投入资源的配置水平，SE代表科研资源投入规模的合理水平[10]。

2.收敛性检验方法

学术界检验收敛性的方法较多，其中应用较为广泛的为σ-收敛、β-收敛分布以及俱乐部收敛等，本文采用σ-收敛、β-绝对收敛和β-条件收敛对省域高校科研效率的空间差异进行收敛性检验。其中，σ-收敛为统计指标方法，是平均值与标准差的比值；β-绝对收敛表示高校科研效率较低的省份比效率较高的省份增长速度更快；β-条件收敛则表示在控制一定条件下，高校科研效率远离均衡状态的省份效率提升速度更快。

β-绝对收敛分析的模型为：

(LnTEi,t-LnTEi0)/T=α+βLnTEi0+ε

其中，i表示各省份，TEi,t表示各省份检验期的效率值，TEi0表示各省份基期的效率值，T表示年份跨度，α为常数项，β表示收敛速度(β>0表示发散，β<0表示收敛)，ε为误差项。

β-条件收敛分析模型为：

LnTEi,t+1-LnTEi,t=α+βLnTEi,t+ε

其中，i表示各省份，t表示年度，TEi,t表示分年度各省份的科研效率值，α为常数项，β表示收敛速度(β>0表示发散，β<0表示收敛)，ε为误差项。

(二)数据来源

为了分析我国省域高校科研效率的时空演变情况，本文采用2009—2017年的省级面板数据。由于统计年鉴数据存在公开时滞，故测算高校科研效率的投入、产出指标数据均来自2010—2018年《中国科技统计年鉴》《中国统计年鉴》。

(三)指标设置

在高校科研效率评价指标的选取上，学者们大多选择科研人员和科研资金投入作为投入指标。本文以各省份高校科研效率作为研究对象，所以选择科研经费内部支出与外部支出的加总值作为科研资金投入，同时，考虑到科研人员当中存在较大比例的兼职人员，故选择研发人员全时当量作为人力投入资本更为科学[10]，与此同时，国家各级政府及企事业单位的课题资助也是高校科研工作的重要投入指标。产出指标方面，科研产出包括专利、专著、论文等三个方面。考虑到各省份高校的数量存在较大差异，为保证研究的科学性，故投入产出指标均进行相应处理，即将各指标数据与地区高校数量相除，考察各省份的平均水平。具体的评价指标体系详见表1。

表1 省域高校科研效率评价指标体系

三、省域高校科研效率测算及分析

(一)省域高校科研效率的年度变动趋势分析

根据中国省域高校科研效率年度间的分布(表2)可以发现，整体来看，省域高校科研效率2009—2017年间整体保持增长态势。总体可以分为两个增长阶段：第一个阶段是2009—2013年，科研效率从最低值0.77，增长到最高值0.865，年均增长率为2.97%；第二个阶段是2014—2016年，科研效率年均增长率为1.68%。纯技术效率在2009—2013年处于逐年增长的状态，与科研效率的变动趋势相吻合；规模效率在2014—2017年处于逐年增长的状态，与科研效率的变动趋势大体一致；纯技术效率与规模效率的变动趋势一定程度上呈现出高校科研效率驱动来源年度间差异性的特征。

表2 2009—2017年中国省域高校科研效率状况

数据来源：根据DEAP2.1软件计算整理得出

(二)省域高校科研效率的区域差异分析

表3显示了2009—2017年中国高校科研效率及其分解量的区域具体分布，可以看出，中国高校科研效率存在明显的区域差异特征。(1)地区间高校科研效率的平均水平存在差异。地区间高校科研效率按照由高到低的排序分别为东北地区、西部地区、中部地区、东部地区，东部地区的高校科研效率平均水平最低，说明高校的科研效率与地区经济发展水平之间的关系并非直接相关。(2)各地区高校科研效率的驱动来源差异明显。其中，东部地区与中部地区高校科研的规模效率高于纯技术效率，说明两个地区高校的科研投入规模的合理水平高于投入资源的配置水平；东北地区与西部地区高校科研的纯技术效率高于规模效率，说明两个地区科研效率的提升主要来源于高校科研投入配置水平的贡献。(3)地区内部高校科研效率的差异明显。四个地区内部科研效率的差异更为明显，其中，东部地区的多数省份科研效率低于全国平均水平，江苏与海南两省的效率值达到最优；东北地区的吉林省明显落后于其他两省；中部地区有4个省份的高校科研效率低于全国平均水平，河南省实现了效率最优；西部地区没有省份实现高校科研效率最优，四川省的效率值最低，远低于其他省份。

表3 2009-2017年中国各区域高校科研效率分布

数据来源：根据DEAP2.1软件计算整理得出

四、省域高校科研效率的收敛性分析

省域高校科研效率存在明显的时空差异，那地域间的差异是否会在时间层面变现出变动趋势？因此，有必要对省域高校效率进行收敛性检验，进一步揭示地区高校科研发展现状，从而为高校科研效率的提升提供更深层次的参考。

(一)科研效率的σ收敛检验

图1显示了我国总体和四个经济分区的σ收敛指数分布情况，可以看出2009—2017年，各地区的σ收敛指数均存在一定程度的起伏，并非出于完全收敛状态。其中，全国总体在2009—2010、2011—2013、2015—2017年呈现明显的收敛态势；东部地区在2011—2013、2014—2015年呈现明显的收敛趋势，其他年度呈现发散趋势；东北地区在2009—2010、2013—2014、2016—2017年呈现明显的收敛态势，2010—2011、2014—2016年呈现发散态势；西部地区在2011—2012、2013—2014、2015—2016年呈现收敛趋势，2013—2014、2015—2016年的收敛态势较为明显；中部地区在2010—2012、2014—2015、2016—2017年呈现收敛趋势，其他年度呈现发散趋势，年度间的收敛、发散态势较其他地区更为明显。从四个地区的σ收敛指数的具体值来看，西部地区与东北地区的内部高校科研效率差距比东中部地区的内部差距小。

(二)科研效率的β-绝对收敛检验

从各区域高校科研效率的β-绝对收敛情况来看(见表4)，2009—2017年全国各省份高校科研效率存在β-绝对收敛，收敛速度为10%，说明各省份之间高校科研效率的差距总体呈现缩小趋势，高校科研产出效率落后的省份效率提升速度较效率较高的省份更快。从四个经济分区的具体情况来看，东部地区和东北地区收敛性未通过95%的置信检验，说明两个地区内部各省份高校科研效率差距缩减的可能性较小，效率较低省份的高校科研效率提升速度亟待加强；中部地区和西部地区高校科研效率的β-绝对收敛检验均通过了99%的置信检验，说明这两个地区省域高校科研效率存在区域内的“追赶效应”[17]，省域高校科研效率的差异逐渐变小。从各地区具体的收敛速度来看，中西部地区的收敛速度均高于全国平均水平，其中，西部地区的收敛速度较低，为11.1%，中部地区的收敛速度在所有区域内最高，为14.3%，对比中西部地区的省域高校科研效率情况，可以发现，中国不存在明显的“俱乐部收敛”现象。中部地区的省域高校科研效率比西部地区低，而地区收敛速度更高，效率值较低的地区收敛速度越高，符合预期。东部地区与东北地区的收敛检验虽不显著，但仍有省域高校科研效率差异缩小的趋势，但是作为科研效率值最低的东部地区，收敛趋势亦最低，一定程度上可以说明东部地区高校科研效率较低的省份，其效率提升能力亦明显不足。

图1 2009-2017年各地区省域高校科研效率σ收敛指数分布

表4 2009-2017年省域高校科研效率的β-绝对收敛检验

注：**、***分别表示在95%、99%的置信区间内显著

(三)科研效率的β-条件收敛检验

借鉴Miller S M[17]等关于β-条件收敛检验的思路，采用2009—2017年省域高校科研效率的面板数据，应用固定效应模型进行条件收敛检验。具体的β-条件收敛检验结果如表5所示。

表5 2009-2017年省域高校科研效率的β-条件收敛检验

注：**、***分别表示在95%、99%的置信区间内显著

通过检验结果可以看出，全国总体及四个经济分区各省份的高校科研效率均呈现β-条件收敛趋势，表明效率偏离均衡状态的省份，其高校科研效率普遍增速更快。从具体分区收敛速度的对比来看，四个区域的条件收敛速度排序为东北地区、西部地区、中部地区及东部地区，其中东北地区收敛速度最快，西部地区其次，东部地区的收敛速度在四个地区中最慢，落后于全国平均水平。四个分区的收敛速度排序与高校科研效率的排序相吻合，说明科研效率越高的地区，其内部省份之间的差距缩小趋势更为明显。究其原因，可能是西部地区在经济结构、高校发展等方面较为相似，加上国家西部大开发与高等教育资源均衡配置的相应政策，地区内各省份促进高校科研效率的因素较为相近，效率差异缩小的速度较快；东部地区的高校数量较多，高校的层次结构也较为复杂，各省份初始的高校科研效率差异较大，在经济投入、高等教育发展水平等方面的差异亦较为突出，所以影响高校科研效率的因素较为复杂，地区内收敛速度落后于其他地区；中部地区各省份虽然在经济发展水平等方面较为接近，但高等教育发展水平方面的差异影响了其地区内效率的收敛速度。可见，收敛速度除了取决于地区内部效率分化，还要受到经济结构、政策措施以及高等教育投入等因素的影响。

五、结论与对策

本文采用DEA-BCC模型对我国31个省份2009-2017年的省域高校科研效率进行测算，探究了年度间及地域间效率的差异，并采用σ收敛、β-绝对收敛以及β-条件收敛对高校科研效率的空间差异性进行检验分析。其主要结论如下：(1)总体而言，我国的省域高校科研效率呈波动增长态势，纯技术效率与规模效率交替对科研效率产生主要驱动作用。(2)区域间高校科研效率差异较大，效率值呈东北、西、中、东依次递减分布，各地区高校科研效率的驱动来源及地区内部效率值分布的差异均较为明显。(3)全国总体及四大经济分区在不同年度间均呈现出σ收敛趋势，说明再具体时间段内各地区的高校科研效率差异均一定程度缩小。(4)全国总体及中西部地区呈现出年度间的β-绝对收敛趋势，中西部地区省域高校科研效率存在区域内的“追赶效应”，但并不存在明显的“俱乐部收敛”现象。(5)四大经济分区均呈现出年度β-条件收敛趋势，地区之间收敛速度与效率值的排序相一致，科研效率越高的地区，其内部省份之间的差距缩小趋势更为明显。

高校科研效率是科技创新关注的焦点。根据当前我国省域高校科研效率的现状，笔者建议：应该重点关注高校科研投入的资源配置，提升科研资源的利用水平，避免资源浪费现象；加快高校科技产业发展，加强对高校科技产业的资金、技术、政策扶持，发挥其对科研发展的推动作用；合理安排高等学校科研资源投入结构，促进地区间协同共享；进一步深化产学研一体化的科技创新模式，加强科研主体之间的交流与合作，提升自主创新能力，提高科技研发效率。