基于三阶段DEA模型的师范高校人文社会科学科研效率研究

崔惠斌，曾晓珊，黄咏琪

(华南师范大学 1.经济与管理学院；2.产教融合研究中心，广东 广州 510006)

一、引言

现代经济体系建立离不开社会经济的高质量发展，这就要求经济增长方式从过去的要素驱动向创新驱动转变，迫切需要构建起具有自主创新能力的国家创新体系。从创新体系的具体内涵来看，总体来说可以划分为通过技术进步推动的技术创新体系和以制度创新来协同技术进步，促使技术创新发挥最大效率的体制创新体系。其中，技术创新体系和科技研发水平有直接关系，而体制创新体系则离不开人文社会科学的支撑。两者相辅相成、相互促进，才能解决资源配置重复、科研力量分散、创新主体功能定位不清晰等问题，提高创新体系整体效能，使国家创新体系得到不断完善。从具体功能来看，人文社会科学等相关的理论原创能力在政策制定、体系建设、激励机制与优化管理等方面发挥关键作用，因此关注人文社科相关学科的发展具有突出的现实意义。

普通高等学校是实现国家创新体系建立和完善的重要载体，为国家创新能力提升提供动力。随着国家对高等教育的重视以及“双一流”建设工程的深入，高校越来越成为公认的创新与可持续发展的驱动者，推动着政策的制定与实施。我国高校数量众多，培养特色、研究优势和学科设置也因社会分工的不同存在差异。师范高校在我国的设置历史最为悠久。传统的师范高校主要是指培养各类基础教育师资的高等院校，随着社会发展，师范高校也向综合型、研究型大学不断拓展，应该说是最接近教育本质的大学，也是承担人文社会科学相关学科研究和创新任务的重要力量[1]。科学评价师范高校人文社会科学的科研效率不仅能为掌握我国高校人文社会科学总体科研现状提供参考，还能进一步探索提高师范类高校人文社会科学科研效率的实现途径，从而为全面促进学科繁荣，构建具有中国特色的国家创新体系打下坚实基础。

本文首先阐述与建立DEA三阶段模型，该模型能够有效剔除环境因素与随机误差的影响，在评价高校科研效率领域中具有明显优越性，已有研究大都采用这种分析方法[2-3]。接下来尝试构建高校科技创新效率评价的指标体系并说明数据来源，并进行实证分析，得出我国82所师范类高校科研创新效率基本现状，最后根据实证结果形成结论及相关政策启示。

二、模型与方法

数据包络分析(DEA)是一种基于被评价单元间相对比较的非参数技术效率分析方法，由美国的Charnes、Cooper和Rhodes在1978年首次提出，DEA的第一个模型的命名CCR也由此得来[4]。DEA运用线性规划求解效率前沿面，不用事先假设函数和分布的形式，亦无需对多投入和多输出赋予权重，减少了主观判断对决策单元效率评价的影响，因而对于多投入和多输出的效率评价尤为适用[5]。但传统的单阶段DEA仅考虑投入和产出，只是对决策单元效率的初步衡量，然而，决策单元的效率受到以下三方面的影响：管理层组织生产的效率、决策单元所处的环境状况及随机误差。其中管理效率是内生的，而环境状况和随机误差是外生的，因此有必要分解这三种因素对生产效率的影响[6]。基于上述逻辑，Fried提出DEA三阶段方法，分离出环境因素、管理无效率及随机误差的影响，最终去除环境与随机误差的影响而得到决策单元真实效率水平。

为剥离环境因素及随机误差对师范类高校科研效率的影响，从而客观、真实地评价我国师范类高校的科研效率，从中发掘有效信息以帮助提升我国师范类高校的科研效率，本文采用Fried的DEA三阶段方法对我国师范类高校的科研效率进行研究。

1.第一阶段：经典DEA模型

首先通过第一阶段的经典DEA模型初步计算决策单元的效率值。经典DEA模型可分为CCR和BCC两种，相比于CCR模型假定规模收益不变，BCC模型基于规模收益可变，有利于进一步考查决策单元的效率状况主要受纯技术效率影响还是规模因素影响，加之考虑到投入是人为可控的，故本文采用投入导向的BCC模型作为DEA三阶段方法中的基础模型。这一阶段可以得出决策单元的综合效率、纯技术效率及规模效率，其中规模效率等于综合效率除以纯技术效率；还可得出理想投入量与实际投入量之间的差值，即投入指标的松弛变量值。

2.第二阶段：构建相似SFA(Stochastic Frontier Analysis)模型

Fried[6]指出由第一阶段所得的松弛值来源于环境影响、管理无效率及随机误差，所以第二阶段构建相似SFA模型的主要目的是把第一阶段所得的松弛值按上述三种来源分解。

本文首先建立松弛变量值对可观测的环境因素的SFA回归模型，具体表达式如下：

sni=fn(zi;βn)+vni+uni，n=1,2,…,N；i=1,2,…,I

(1)

下面使用罗登跃[7]提出的公式计算管理无效率，公式是：

(2)

接下来利用管理无效率项从SFA回归模型的混合误差项中分离出随机误差：

(3)

分离完成后利用SFA回归模型的结果调整决策单元的投入指标，使其处于相同的外部环境。把决策单元置于相同环境的方法有两种，一是减少环境较差的决策单元的投入，且其减少程度取决于它们处于不利地位的程度；另一种方法是增加处于有利环境的决策单元的投入。Fried[6]在原文中提到为避免一些处境极为不利的决策单元调整后投入指为负值(显然不符合实际)，应采用第二种调整方法，调整公式如下：

(4)

3.第三阶段：调整后的DEA模型

三、指标体系及数据来源

选取恰当指标构建指标体系是有效评价的前提,考虑到在DEA模型中数据的要求以及可得性，本文最终确定的指标体系如表1所示。

表1 师范类高校科研效率评价指标体系及说明

本文所有原始数据均来源于2017年度《本科院校人文、社会科学研究与发展概况》，从中摘取了全国各地共82所本科师范类院校的统计数据。经过统计指标概念的区分并参考《全国普通高等学校人文社会科学研究统计年报审核要点》中对统计指标的解释说明，本文选取82所师范类高校2017年投入到人文社会科学研究中的研发人员合计作为投入指标中的人力资源投入。选用各高校2017年用于人文社会科学研究与发展的经费当年内部支出作为财力投入的衡量指标。相比于当年研究与发展经费收入，研究与发展经费当年内部支出更能准确地反应高校在人文社会科学研究与发展上的财力投入。产出指标上，本文选取2017年各高校人文社会科学领域完成得课题数、出版的专著数及发表的论文数。因在样本中有获得国家与部级奖项的数量较少，为避免产出指标中出现过多零值，本文没有采用该指标。

环境因素的影响需在第二阶段SFA回归模型中予以剔除，若缺少必要的环境指标或选取了多余的环境指标，都将影响最终结果的准确性。本文基于环境变量应为决策单元即高校本身无法决定和控制但对高校科研效率产生影响这一思路，提取了如下三个环境指标：一是高校所在地的宏观经济状况。高校所在地经济高质量发展不仅需要依赖于创新驱动，还离不开人文社会科学的支撑。因此高校所在地区的总体经济状况往往能反映当地对人文社会科学科研创新发展的要求，同时影响高校能获得的研究与发展经费，这一指标用高校所在省份2017年的地区生产总值来衡量。二是高校所在地的高校密度。高校所在地本科院校数量越多，越有利于各高校间进行科研创新的合作，在一定程度上实现资源共享。同时，也能使科研创新氛围更浓厚，利于科研效率提高。三是学校所在地的宏观教育环境，以学校所在地拥有大学学历人口的比例为衡量指标，比例越高，反映了高校所在地的劳动力受教育程度越高，从事科研创新活动的人力资源投入规模就会越大，越有利于科研效率的提升。

四、实证分析与结果

首先利用SPSS 20对投入项和产出项进行Pearson相关分析，根据结果显示：Pearson相关系数均为正(具体结果参见表2)，且在1%的水平通过双侧检验。说明投入产出变量满足同向性假设，呈现正相关关系，本文建立的指标体系符合DEA 模型的适用要求。

1.第一阶段DEA分析

该阶段采用DEAP2.1对我国82所师范类高校2017年的科研效率进行测算，结果如表3所示。从结果看，2017年研究样本的人文社会科学研究的平均综合效率值为0.602，平均纯技术效率值为0.7，而平均规模效率为0.862，说明我国师范类高校总体科研效率不高。需要指出的是，该测算未剔除环境因素和随机误差的影响，因此要通过第二阶段调整投入值再进行评价。

表2 投入产出的Pearson相关分析

注：***在0.01 水平(双侧)上显著相关。

2.第二阶段SFA分析与调整

本阶段以投入变量松弛值为因变量、环境变量为自变量，建立多元回归方程。利用Frontier4.1进行SFA回归分析，并利用回归结果对对原始投入量进行调整，回归结果如表4所示。根据结果显示，LR检验在1%的水平上是显著的，表明运用SFA模型进行分析是适合的。且由表4可知：所有环境变量的回归系数均在1%或5%的水平上显著，说明环境因素对各投入的松弛值有显著影响。

具体来看，高校所在地的经济发展水平对人力资源投入冗余的产生有显著的负向影响，这是由于经济发展速度较快的地区本身需要以更大量的研发创新成果为发展支撑，因此对研发成果的需求更加旺盛，这有利于改善人力资源投入的冗余。而经济水平则正向促使财力投入冗余的产生，表明经济发展水平越高的地区对人文与社会科学研究发展的财力投入力度会更大，由于研究周期和科研项目管理制度的限制，导致科研经费不能及时支出，表现为立项经费规模大于实际使用经费规模，出现财力投入冗余。需要说明的是，宏观经济环境对两个投入松弛变量回归系数较小是衡量指标GDP单位为亿元所致。另外，科研环境正向影响人力资源投入冗余产生。可以推测是由于当高校密度更高时，高校间的科研活动会更频繁，且参与同一研究活动的人员数量增加，容易出现人员数量配置失衡的结构性问题，导致部分科研人员的边际劳动生产率较低，出现人力资源投入冗余；值得注意的是，高校密度能显著地减少财力投入冗余，说明高校之间共同合作、共享科研资源能够更好提高科研项目的运行效率，进一步减少财务投入冗余。而由高校所在地人口的受教育程度表征的宏观教育环境对人力资源投入冗余有正向影响，这往往和分割的劳动力市场制度体系有密切关系。

表3 2017年我国师范高校人文与社会科学科研效率(调整前)

综上可知，环境变量对我国82所师范类高校人文社会学科科研效率的影响十分显著，且作用机理和影响结果不尽相同。面临较好的外部环境的高校倾向于表现出有更高的科研效率，因此进一步佐证了在这一阶段剔除环境因素和随机误差影响的必要性。利用式(4)，本文对人力资源和财力的原始投入进行了调整。

表4 第二阶段SFA回归结果

注：*、***分别表示在10%、1%的水平下通过检验。

3.第三阶段调整后的DEA分析

该阶段利用经第二阶段调整后的投入数据，再次运用DEAP2.1对样本的科研效率进行测算，结果如表5所示。调整后综合效率平均值为0.616，纯技术效率平均值为0.705，规模效率平均值是0.875，相比第一阶段均有所上升。进一步使用配对样本t检验考察第一阶段调整前与第三阶段调整后82所师范类高校人文与社会科学科研效率的测算结果是否具有显著的差异性，结果显示综合效率配对t检验值为-4.925，显著性概率为0.000，纯技术效率配对t检验值为-2.322，显著性概率为0.023，规模效率配对t检验值为2.434，显著性概率为0.017，表明各项效率值调整前后具有显著差异，再次证明了剔除环境因素和随机误差影响对测量真实效率值的必要性。除此之外，可发现造成样本科研效率不高的主要原因仍是纯技术效率较低，即研究项目的要素投入仍有进一步提升的空间。

表5 2017年师范高校人文与社会科学科研效率(调整后)

具体而言，陕西师范大学、华东师范大学、广西师范大学、山东师范大学、福建师范大学、衡阳师范学院与六盘水师范学院等7所高校始终位于效率前沿面。而北京师范大学、上海师范大学、湖南师范大学、华南师范大学及辽宁师范大学在调整后的纯技术效率值均为1，表明这5所高校在人文与社会科学科研方面管理效率较高，而造成其科研效率未处于前沿面的原因则主要是规模效率仍有提升空间。此外，经调整，太原师范学院、广西民族师范学院及乐山师范学院从规模报酬递减变为规模报酬递增。

五、结论与政策启示

本文在排除环境因素和随机误差影响的基础上，选择三阶段DEA模型对我国82所师范类高校人文与社会科学的科研效率进行了实证研究。整体上看，研究样本调整后的综合效率均值为0.616，纯技术效率均值为0.705，而规模效率均值则是0.875。说明无论是管理效率还是规模效率，我国师范高校人文社会科学的科研效率均有待提升，其中管理效率有待的提升空间更大。从具体学校看，国家“双一流”建设高校总体具有较高的综合效率。说明这些高校不仅在相应学科的研究上具有较突出的比较优势，而且学校内部在科研及经费管理制度上均能够做到与科研和学科建设协同发展，这也为新一轮学科资源配置提供了重要依据。另外值得注意的是，师范类高校的综合效率波动较大，最低值为0.238，最高值为1，表明师范类高校间的科研效率参差不齐、差异较大。也能够从一个侧面反映出师范类高校之间协同发展程度不高，没有形成学科优势互补、学科资源共享、学科平台共创的良性局面。

因此本文的政策启示首先在于师范类高校应进一步提升学校内部管理控制效率，重视创新人才引进和改善科研经费使用机制，着力打造具有协同优势的内部科研管理环境。同时，还应该加强师范院校人文社科类相关学科的深度交流与合作，积极形成协同发展的新局面，实现学校和人文社会科学的共同发展，为构建富有中国特色的国家创新体系打下坚实基础。