高专院校科研绩效及其影响因素实证研究——以江苏省为例

冯眺莲

(浙江农业商贸职业学院，浙江 绍兴 312088)

1.研究背景

近年来，众多学者从不同切入点对我国科研绩效进行研究讨论，如仲洁（2016）等人在测量了我国31 省高校科研效率的基础上，根据不同层面分析，发现科研绩效正逐步降低[1]。王卫星（2017）等学者运用数据包络分析法测量了2015 年教育部直属高校的科研效率，并对影响因素进行了研究[2]。马玲玲（2018）借助Malmquist 指数针对样本院校科研绩效的差距分析了其产生原因[3]。宗晓华、付呈祥（2019）运用DEA 模型对教育部直属高校2006-2015 年间的科研效率及其影响因素进行实证分析发现，样本高校科研效率不高，且规模效率不断衰减[4]。季庆庆（2019）等人运用三螺旋理论分别建立数据包络分析模型，对样本高校的科研绩效进一步剖析[5]。

然而，针对高等专科院校的科研绩效的研究尚且不多，包括其影响因素的研究都较为空白。其次，在已有的这类文献资料中，数据来源以及测定方法都仍需商榷。事实上，不同于本科院校，高专类院校科研成果种类较为集中，各类职称人员比例也有所区别，聚焦在特定类型院校的科研绩效研究更能有针对性地优化该类院校科研绩效评价方式并为提高科研绩效指明方向。本文将构建强调科研质量和贡献度的绩效评价指标体系，运用DEA（数据包络分析）模型对2014-2018 年间的江苏省部分高等专科院校的科研绩效进行实证分析和评价。建构基于效率逻辑且符合其定位的科研绩效评价体系，可促进高专院校科研成果可持续发展。同时，通过对影响因素的探究也将为此类高校针对自身高校类别特性改善科研资源配置结构、建立竞争与协作机制从而提升科研绩效提供理论依据和实证支持。

2.研究思路

2.1 模型建立

本文采用DEA 模型探讨江苏高等专科院校科研效率情况，而输入、输出指标的选择至为关键。由于DEAP2.1 要求较为严格，需要各指标无一为0，加之对于高等专科职业院校而言，科研文章是衡量科研绩效最重要的标准，因此，如表1 所示，本文仅采用论文数量作为输出的唯一指标，且成果滞后一年进行模型分析。另一方面，本文采用全员数量、科研经费支出以及科研经费拨入作为科研成果在人力、财力投入中的输入指标。

表1 输入、输出指标

在多元回归模型中，基于投入-产出效率等逻辑，本文拟建立一个囊括要素投入质量、投入配比质量、竞争及知识溢出效应、外部发展状况四个方面的考察框架来探寻影响江苏高等专科院校科研效率的因素。在要素投入方面，本文采用教学与研究人员中科学家与工程师占比以及科研经费投入这两个指标来刻画。中高级职称人员越多，科研项目越多，科研水平也越高，在理论上会越有利于科研产出；科研经费投入越多，越能够支撑更多的项目研究，越有可能输出科研成果。在投入配比质量方面，研究与发展人员和教学与科研人员的比例作为参考指标进行衡量。同城同类院校数量成为竞争及知识溢出效应方面的二级指标，数量越多，竞争越大，溢出效应也越普遍，则会有更多的科研产出。而所在城市GDP，作为考量外部发展状况的指标，直接影响高校科研能力，经济发展越好的城市，吸引越多的人才和资金，也越发容易创造科研成果。

根据以上假设，本文构建面板模型如下：

其中，Eit作为应变量代表通过DEA 得出的各项效率值。Engineeri(t-1)代表教学与研究人员中科学家与工程师占比，Ln(Input)i(t-1)代表科研经费投入的对数，Researchi(t-1)指代研究与发展人员和教学与科研人员的比例，Amounti(t-1)表示同城同类院校数量，Ln(GDP)i(t-1)指代所在城市GDP。β1、β2、β3、β4以及β5均为回归系数，α 为截距，ε 为误差项。其中，假设自变量作为积累，均滞后一年产生科研成果。

根据过往研究以及理论推断，本文作出以下假设：

假设1：β1、β2、β3、β4以及β5均为正数；

假设2：β1、β2、β3、β4以及β5均与应变量呈显著性正相关。

2.2 研究路径

根据研究目的，将以高等专科院校为出发点，通过理论知识与实证研究相结合的方式，运用文献综述法、比较分析法、实证研究方法分析该类院校科研绩效状况及其具体的影响因素。依据DEA 模型，选择二级指标，构建高等专科院校科研绩效评价指标，并运用DEAP2.1 软件测评2014-2018 各年样本高等专科院校科研效率整体状况，在此基础上分析发展趋势。

在此基础上，对公式一即包含要素投入质量、投入配比质量、竞争及知识溢出效应、外部发展状况四个维度的模型进行检验。通过Eviews 软件对模型进行多元线性回归，确定各个假设影响因素是否对高等专科院校科研效率有显著性影响，并确定影响方向及大小，探讨结果可能产生的原因，并于最后提出相关的对策与建议。

2.3 数据来源

因考虑到数据的可获得性以及权威性以及部分变量的滞后效应，本文数据来源于中华人民共和国教育部科学技术司编写的《2014-2018 年高等学校科技统计资料汇编》。本文仅选取江苏省且符合数据要求的高等专科院校作为样本，且剔除材料不完整的样本，最终，共有2014-2018 年间49 所高校的295个样本符合条件。

3.数据分析

本文首先使用DEAP2.1 对输入、输出指标进行运行后，得出2014-2018 年间样本院校科研技术效率、纯技术效率以及规模效率。从五年平均数据来看，规模报酬递增的院校有32 所，规模报酬递减的院校有13 所，剩余4 所院校规模报酬不变。由于技术效率实际上是纯技术效率和规模效率的乘积，本研究将从两个方面分析样本院校的科研技术效率情况。五年间，所有样本院校年均技术效率为0.49，年均纯技术效率为0.56，年均规模效率为0.68。数值都不高，因此，江苏省高等专科院校的科研效率不是很理想，存在效率不足，对于科研效率的提升刻不容缓。将DEA 得出的各校各年技术效率、纯技术效率、规模效率分别作为应变量，通过运用Eviews 软件对公式1 进行OLS 多元回归分析，具体结果见表2：通过表格可以看到，当应变量是技术效率时，五个自变量中只有Researchi(t-1)即研究与发展人员和教学与科研人员的比例的P 值大于0.05 未通过95%的显著性检验，其他四个自变量均与技术效率有显著相关性。其中，科研经费投入以及所在城市GDP 均与技术效率呈显著负相关，而教学与研究人员中科学家与工程师占比、同城同类院校数量与技术效率呈显著正相关。换言之，科研经费投入以及所在城市GDP与技术效率的增加会降低样本院校的科研效率，教学与研究人员中科学家与工程师占比、同城同类院校数量的增加会促进科研效率的提升。细分不同模型和不同自变量来看，所在城市GDP 可以明显促进高等专科院校的技术效率以及纯技术效率，却无法显著影响规模效率。当地经济发展水平的进步可以有效提升当地高等专科院校的科研效率。同城同类院校数量、科研经费投入的合理减少可以改善科研的技术效率以及纯技术效率，但对规模效率没有显著影响，这说明这些变化并非是规模性的。这一结论与我们的假设相反，可能是因为竞争效应以及科研经费合理利用率低所引起的。研究人员中科学家与工程师占比的提升对于提高规模效率和技术效率都有显著影响。研究与发展人员和教学与科研人员的比例的提升仅对纯技术效率有显著正面影响，换言之，较高的研究与发展人员的占比有利于优化管理效率以及资源配置。

通过上述分析可得出以下结论：第一，高等专科院校整体科研效率亟待提升；第二，院校所在地较高的经济水平、较少的竞争对手、科研经费投入的合理减少将有利于科研效率的改善；第三，较高的研究与发展人员的占比可优化管理效率以及资源配置，但一味增加此类人员的比例无法给科研效率带来显著影响。

4.对策及建议

第一，改善高专院校科研绩效评价体系。高专院校不同于本科院校，其科研绩效评价不应套用本科院校的评价标准。高专类院校科研成果种类较为集中，各类职称人员比例也有所区别，建立合适的科研绩效评价体系更能有针对性地优化该类院校科研绩效评价方式并为提高科研绩效指明方向。

第二，重视高专院校科研效率内涵。盲目地注重科研数量却忽视科研质量的方式是不可取的。在重视科研质量的基础上，通过调节要素投入质量、投入配比质量，发挥竞争及知识溢出效应及外部发展状况优势，将科研效率发挥到最大值。

第三，加强高专院校科研项目管理。优化资源配置，提高管理效率，强化科研绩效管理。一方面，将科研绩效各项指标管理日常化，定期进行监督和总结。另一方面，注重科研投入的产出效率控制，避免一味投入而产出寥寥的情况发生。从科研预算开始着手，提高科研经费利用效率。