教育部直属高校科研绩效分析
——基于主成分分析法与DEA-Malmquist指数模型
2020-11-17陈雅琳梁新潮
陈雅琳,梁新潮,2
(1.集美大学诚毅学院,福建 厦门 361021;2.集美大学 地方财政绩效研究中心,福建 厦门361021)
一、引 言
国务院《关于深化中央财政科技计划(专项、基金等)管理改革方案》(国发〔2014〕64号)提出:要建立统一的评估和监管机制,对科技计划(专项、基金等)的实施绩效组织评估评价,评估结果作为中央财政予以支持的重要依据。2018年7月18日,国务院印发《国务院关于优化科研管理提升科研绩效若干措施的通知》(国发〔2018〕25号),明确提出要建立完善以信任为前提的科研管理机制,调动科研人员积极性,提升科研绩效。可见,对高等学校进行科研绩效分析具有重大的指导意义和现实意义。
关于高校科研绩效分析,国内外学者进行了广泛的研究。(1)在研究方法的考察上,有的学者运用DEA模型,如马玲玲[1],宗晓华[2],刘长清[3]等,他们均采用DEA模型对高校科研绩效进行评价。只是,不同学者所选取的具体指标有所不同,如马玲玲测算了Malmqusit指数,[1]宗晓华运用了超效率-非径向DEA模型。[2]虽然在具体计算时所用的指标不同,但是他们的思路与方法是一致的。有的学者利用平衡计分卡原理对高校的科研绩效情况进行评价,如杨艳艳,[4]胡百灵。[5]还有的学者利用模糊综合评价法测度高校的科研绩效情况,如贾敬全。[6]从实践上,国内外学者提出了一些评价方法,但目前并没有公认的比较成熟、科学、实用的评价方法和体系。文章采用主成分分析法与DEA-Malmquist指数模型相结合,既能对科研绩效的现状进行分析,也能够对绩效变化的原因进行研究。(2)在样本选取上,大部分文献针对某个区域的高校进行研究,如刘长清对黑龙江省高校进行绩效分析,[3]季庆庆对江苏省46所高校社科科研进行研究,[7]苑泽明对京津冀高校的科研创新绩效进行分析评价,[8]王晓真以福建省19所高校的科研数据为样本。[9]也有一部分文献针对某一类型的高校进行研究,如马玲玲选取部分985工程高校为研究样本,[1]王宏宇以石油化工类高校某一科技支撑计划课题为研究对象。[10]而笔者选择教育部直属高校作为研究对象,主要是基于以下3点原因:(1)从科研实力方面考虑,75所教育部直属高校中,仅有两所高校未进入双一流建设名单,可见大多数高校科研队伍强大,科研实力雄厚,属于科研高水平大学群体,因此其科研数据具有代表性。(2)从地域分布方面考虑,教育部直属高校分布在全国各个地方,覆盖面广,具有普遍代表性。(3)从类型方面考虑,教育部直属高校既有综合性院校,比如北京大学、天津大学、浙江大学等,又有特色院校,比如华北电力大学、华中农业大学等,其数据较为全面。
基于以上分析,笔者选取我国教育部直属高校作为研究对象,构建科研投入产出指标体系,运用主成分分析法, 并建立DEA-Malmquist指数模型,对教育部直属高校的科研绩效进行实证研究,为提高我国高校科研绩效提出政策建议,以期对高校科研绩效分析工作提供新思路、新方向。
二、指标体系构建与数据来源
(一)指标体系构建
1936年,瓦西里·列昂剔夫在《美国经济体系中的投入产出的数量关系》一文中提出了投入产出理论。这一理论以一般均衡理论为基础,认为总投入与总产出是平衡的。按照其观点,笔者从科研投入和科研产出两个维度选取9个指标,构建教育部直属高校科研绩效评价指标体系。
1.科研投入。为了取得某一科研成果,需要耗费的科研资源主要包括人力与财力。因此,将科研投入分为两个部分:(1)人力的投入,主要指标包括科技活动人员、研究与发展全时人员、R&D成果应用及科技服务全时人员等。(2)财力的投入,主要指标包括科技经费拨入和科技经费支出等。
2.科研产出。科研产出既包括短期的科研成果,比如国家级项目验收数量、著作、学术论文、专利授权数、技术转让合同金额等;又包括长期的学科建设和人才培养,比如学位点增长量、研究生培养量等。
笔者从投入和产出两个维度筛选二级指标,并根据数据的可得性原理,建立指标体系如表1所示。
表1 高校科研绩效评价指标体系
(二)数据来源
文章选取2009—2017年我国64所教育部直属高等学校科研绩效评价指标的年度数据,数据均来源于《高等学校科技统计资料汇编》[注]2009—2017年高等学校科技统计资料汇编[G/OL].[2020-01-01].http://www.moe.gov.cn/.。虽然截至目前,教育部直属高等学校为 75 所,但《高等学校科技统计资料汇编》里仅统计了64 所高校的相关数据,因此,文章最终确定这64 所高校为研究样本。由于《高等学校科技统计资料汇编》2009年前的数据存在缺失,因此文章选择的时间跨度为2009年至2017年。
三、基于主成分分析法的绩效现状分析
文章运用主成分分析法,先将指标体系的多个变量转化为彼此间互不相关的主成分,有效提取数据信息,再对提取的主成分进行合成处理,计算综合得分,从而对科研绩效进行测定。
(一)投入绩效分析
选取的各个指标由于单位不同,数值差异较大,不可避免会使研究结果产生偏差。因此,为了统一指标的统计口径,应先对原始数据进行无量纲化处理。文章采用Z-score标准化方法,剔除指标间因量纲差异可能对最终结果产生的影响。
主成分分析的前提是指标变量之间有着较强的相关性,因此,应先进行相关性分析。常用的相关性分析方法主要是KMO和Bartlett球形度检验。表2显示,KMO值为0.705,大于0.7,Bartlett检验显著性水平为0,这表明该组数据存在相关关系,适合采用主成分分析。
表2 KMO和Bartlett球形度检验
文章提取4个主成分变量F1-F4,使之涵盖原始指标的全部信息。通过4个主成分得分与对应的方差贡献率进行加权计算,得到教育部直属高校科研投入绩效综合得分F的计算公式,即:
F=73.913%*F1+17.595%*F2+6.183%*F3+2.309%*F4
通过上述公式可计算2009—2017年64所教育部直属高校科研投入绩效综合得分,以2017年为例,如表3所示。
表3 2017年64所教育部直属高校科研投入绩效综合得分
续表3
因为在进行主成分分析时,采用标准化方法对数据进行处理,导致所得到的结果有正数也有负数。若结果为正数,则代表其大于平均值,若结果为负数,则代表其小于平均值。为了能够更直观的进行分析,笔者将综合得分经标准正态分布面积进行换算。
64所教育部直属高校的2017年科研投入综合得分差异较大,特别是东部、中部、西部地区差异更为明显,体现了区域的不平衡性。从标准正态分布面积换算得分来看,得分高于0.9的均为东部地区高校,得分高于0.8的仅有一所中部地区高校和一所西部地区高校,其余均为东部地区高校。可见,大部分东部地区的高校科研投入较高,这与经济的发展程度、政府的政策支持均存在一定程度上的相关。
(二)产出绩效分析
科研产出绩效的分析步骤与前文投入绩效的分析类似。(1)为了统一指标的统计口径,采用标准化方法对数据进行无量纲化处理。(2)为检查指标变量间的相关性,进行KMO和Bartlett球形度检验。表4显示,KMO值为0.730,大于0.7,Bartlett检验显著性水平为0,检验通过,可进行主成分分析。
根据前文分析科研投入绩效相同的处理规则,为使之涵盖原始指标的全部信息,共提取5个主成分变量F1—F5。通过5个主成分得分与对应的方差贡献率进行加权计算,得到教育部直属高校科研产出绩效综合得分F的计算公式,即:
F=53.493%*F1+14.937%*F2+13.498%*F3+12.28%*F4+5.793%*F5
通过上式可计算出2009—2017年64所教育部直属高校科研产出绩效综合得分,以2017年为例,如表5所示。
表4 KMO和Bartlett球形度检验
为了能更直观地进行分析,将综合得分进行标准正态分布面积换算,转换成正数。结果表明,大部分高投入高校也实现了高产出,比如清华大学,投入绩效综合得分位列榜首,产出绩效综合得分也是遥遥领先其他高校,可谓是科研龙头。产出绩效综合得分排名前十的大部分仍为东部高校,只有华中科技大学属于中部高校,四川大学属于西部高校。可见,与科研投入绩效一样,东中西部高校的产出绩效存在区域的不平衡性。
表5 2017年64所教育部直属高校科研产出绩效综合得分
(三)投入-产出绩效分析
前文已经测算出64所教育部直属高校的科研投入绩效综合得分与产出绩效综合得分,根据瓦西里·列昂剔夫提出的投入产出理论,可用这两者的比值代表科研绩效,以2017年为例,如表6所示。
表6 2017年64所教育部直属高校科研投入产出绩效综合得分
研究结果显示,北京中医药大学的科研投入产出绩效最高,中国矿业大学其次,东北林业大学第三。综合64所高校的投入能力、产出能力和绩效3个方面,可将其分为6种类型:(1)低投入、低产出、高绩效。如华中师范大学、中国矿业大学(北京)、中国政法大学等16所高校,占比25%。虽然这些高校的投入产出绩效较高,但若分别考察其投入和产出的得分,则是非常低的。这可能是因为边际效益递减规律的影响,这些高校处于科研水平相对落后的阶段,边际收益是递增的,因此现阶段任何的科研投入的效率都是较高的。(2)低投入、高产出、高绩效。如北京中医药大学、中国矿业大学、东北林业大学等9所高校,占比14%。这些高校科研投入虽然薄弱,但是产出高,可见这些高校的科研活动效率确实高。(3)高投入、高产出、高绩效。如东北大学、大连理工大学、中南大学等7所高校,占比11%。这一类高校比例较低,它们无论是从科研投入和产出单方面的成绩,还是从投入产出绩效来看,都处于较高的水平。(4)高投入、高产出、低绩效。如清华大学、北京大学等16所高校,占比25%。这可能是因为这些高校的科研发展到一定程度后,受边际效益递减规律的影响,使得科研投入的效率变低。(5)低投入、低产出、低绩效。如华东师范大学、华东理工大学等7所高校,占比11%。这些高校的科研投入处于较低水平,同时科研产出处于相似甚至更低的水平,导致它们的科研投入产出绩效十分低下。(6)高投入、低产出、低绩效。如湖南大学、西北农林科技大学等9所高校,占比14%。这一类高校科研投入力度大,但它们的科研产出较低,导致它们出现了科研投入低效率的情况。由此可见,科研绩效的高低与其投入、产出能力的高低并没有固定的对应关系。
四、基于DEA-Malmquist指数模型的绩效变动原因分析
前文对64所教育部直属高校的投入能力、产出能力及投入产出绩效进行了现状分析。为了考察各高校科研绩效动态变化情况及其发生变化的原因,笔者运用DEAP2.1软件对2009—2017年间我国64所教育部直属高校科研投入产出的面板数据进行Malmquist全要素生产率指数分析,得到各高校科研活动的Malmquist指数及其分解指数。[11-13]
(一)阶段性分析
64所教育部直属高校2009—2017年科研平均全要素生产率指数及其分解如表7所示。
表7 2009—2017年64所教育部直属高校科研平均Malmquist指数及其分解
如表7和图1所示,在2009—2017年间,我国64所教育部直属高校科研平均全要素生产率增长率为-2.3%,仅有2015—2016年的平均Malmqusit指数大于1,并且增长率仅为4.3%,这表明这9年内我国64所教育部直属高校科研资源的整体利用效率并没有显著提高,反而是呈弱衰退趋势。其中,平均技术效率增长率为-3%,平均技术进步增长率为0.7%,这表明技术进步是推动64所教育部直属高校科研全要素生产率提高的主要力量,而技术效率阻碍了科研效率的提高。这是因为技术管理与资源利用效率处于较低的水平,导致高校科研活动没充分利用现有的技术,无法达到技术最有效的状态。进一步分解技术效率指数,它可以表示为纯技术效率与规模效率的乘积。在2009—2017年间,我国64所教育部直属高校科研的平均纯技术效率与平均规模效率增长率分别为-2.2%和-0.9%,为负增长。这表明,纯技术效率变化和规模效率变化均为我国64所教育部直属高校科研效率呈衰退趋势的主要原因。由此可见,如果不注重提升技术效率,那么技术进步带来的发展优势将不再明显。
图1 2009—2017年64所教育部直属高校平均Malmquist指数及其分解变化情况
(二)区域性分析
我国64所教育部直属高校科研平均全要素生产率指数及其分解如表8所示。
表8 64所教育部直属高校科研平均全要素生产率指数及其分解
续表8
如表8所示,2009—2017年间,我国64所教育部直属高校中科研活动平均全要素生产率指数大于1的高校总共17所,占比26.6%。其中,涨幅最大的为同济大学,增长率为7.3%,涨幅最小的为东北师范大学,增长率仅有0.2%。在这17所科研效率提高的高校中,有13所高校位于东部地区,3所高校位于中部地区,1所高校位于西部地区,这说明我国东中西部地区的高校科研绩效增长不平衡,主要是东部地区高校实现了科研活动效率的提升。这一定程度上是因为,东部地区高校在地理位置与国家政策支持两方面的优势带来了经济的发展,更为发达的经济带来了技术进步,更快、更好的技术进步有助于该地区高校科研绩效的增长。平均全要素生产率指数小于1的高校总共47所,所占比例为73.4%。可见,只有较少一部分教育部直属高校处于科研效率提升的状态,而大部分高校的科研效率并没得到有效的改进。
进一步分析全要素生产率指数大于1的高校,大部分高校的技术进步与技术效率均大于1,即这一部分高校科研效率的提高来自于技术进步与技术效率两方面的改进,而全要素生产率指数小于1的高校,绝大部分是因为没有注重技术效率的提升,才使得技术进步带来的发展优势不明显。这说明了我国64所教育部直属高校科研活动效率改进的主要动力是技术进步的变化,而技术效率则是阻碍科研效率改进的主要原因。进一步分析技术效率,它可以表示为纯技术效率与规模效率的乘积。在2009—2017年间,大部分高校规模效率的值高于纯技术效率,由此可见,主要是纯技术效率阻碍了大部分高校科研效率的改进。
五、结论与政策建议
文章通过运用主成分分析法,建立DEA-Malmquist指数模型,进行实证分析,得出如下结论:(1)总体而言,我国64所教育部直属高校中,位于东部地区的大部分高校科研绩效高于中西部地区。(2)综合64所高校的投入能力、产出能力和绩效三个方面,可将其分为6种类型:低投入、低产出、高绩效;低投入、高产出、高绩效;高投入、高产出、高绩效;高投入、高产出、低绩效;低投入、低产出、低绩效;高投入、低产出、低绩效。可见,科研绩效的高低与其投入、产出能力的高低并没有固定的对应关系。(3)我国64所教育部直属高校的科研资源的利用效率均呈弱衰退趋势。技术进步是推动64所高校科研全要素生产率提高的主要力量,但是较低的技术效率特别是纯技术效率,阻碍了大部分高校科研效率的改进,使得科研活动并没有达到技术最有效的状态。
为了提高高校的科研绩效,笔者根据文章的研究结果提出以下3点建议:(1)应准确地衡量各高校科研投入、产出与绩效情况,使政府有针对性地对科研投入、产出落后的高校予以政策及资金的支持,促使科研成果转化为社会受益的经济果实。(2)应重视高校间的相互合作与支持,推进高校间知识创新的协同和资源的共享,特别是东部地区的高校,应注重与相邻省份的高校的协作,充分发挥带动作用,从而带动中西部高校的发展。(3)应注重技术效率特别是纯技术效率的提升,从而使得提升后的技术管理水平与资源利用效率可以充分利用现有科研技术。为达到这一目的,可以从政府层面完善高校科研相关政策的支持,使高校科研发展获得必要的基础条件,促进科研技术管理水平的提高,进而推动高校科研效率的提升。