不同投入产出评估导向下的广东省重点实验室运行效率研究

赵晓萌，周俊杰，陈钰莹，3，李 莎

(1.广东省科技基础条件平台中心，广东广州 510040；2.广东省高性能计算重点实验室，广东广州 510040；3.广东省科技基础条件平台建设促进会，广东广州 510040)

广东省重点实验室是广东省创新体系的重要组成部分，是聚集和培养优秀科技人才、配置先进科研装备、开展高层次学术交流、产出高水平科研成果的重要基地。截至2020年，广东省共有396 家省重点实验室，成为科研机构中最具规模的实验室组织系统。广东特色的实验室体系为提升区域创新能力，建设粤港澳大湾区国际科技创新中心提供了重要科技支撑，为广东经济社会发展做出了积极贡献。

现有省重点实验室的评估方法主要是规模价值导向的专家主观评价，即对基础条件、团队、承担项目、产出成果的质量和数量进行评估。2018年中共中央办公厅、国务院办公厅印发了《关于深化项目评审、人才评价、机构评估改革的意见》，旨在改革科技评价制度，建立以科技创新质量、贡献、绩效为导向的分类评价体系，对科研平台的科学评价提出更高的要求。省重点实验室依托具备科研优势的高校、科研院所、医院、企业等主体组建，均为非独立单位，由于依托主体的不同经营导向对实验室的运行效率将产生显著影响，如何评价并有效提升实验室的创新效率，成为科技管理部门调整引导政策、依托单位优化资源配置、实验室团队提高管理运行水平亟待深入研究和解决的问题。

1 研究回顾

技术创新效率评估适用于多种研究对象，包括技术产业领域、企业、高等院校、科研机构等［1-3］，也常用于对政策制度产生的效应进行分析［4-5］。效率分析中使用最广泛的方法包括比率分析、总生产率因子、最小二乘法（COLS）、随机前沿分析（SFA）和数据包络分析（DEA）。DEA 是Banker 等［6］提出的一种非参数线性规划方法，可用于分析多输出多输入情况下决策单元的相对效率，并不要求预先设置生产函数。至今已有大量的文献开展了DEA 理论研究和应用，评估了大量科技、生产等活动的效率和生产力［7］。DEA 已成为能源、工业、教育、企业、医疗等各个领域效率评估的主要方法［8-10］。Bi等［11］运用DEA Tobit 方法，通过整合创新的价值链和线性过程，分析低碳创新效率，探究影响中国制造业的因素。Li 等［12］考察了环境调控对技术创新活动效率的影响，通过综合DEA 对西安创新城市进行了时空实证评价，并将技术创新分为两个阶段，发现技术转化在创新中起到了关键作用。

在各类科研平台运行效率方面，国内外学者开展了诸多相关研究。杨超等［13］基于TOPSIS 和DEA模型比较方法分析了国家重点实验室的宏观效率，将研究经费筹集和研究经费支出作为投入指标，将产出指标设定为科研项目、获奖成果、发表论文和培养学生人数。何悦等［14］将高校科技成果转化过程解构为价值创造和价值实现两个阶段，通过网络DEA 对我国研究型大学科技成果转化效率进行了评价，其中价值创造阶段的投入要素包括研究与发展人员、经费，产出要素包括论文著作、专利、软件等；价值实现阶段的投入要素包括第一阶段的专利和第二阶段的应用服务经费、人员，产出要素主要是技术转让、服务收入。王赵琛等［15］基于超效率SBM模型分析了24 所部属高校科技成果转化效率，将基础研究、过程指标、计数指标在效率评价过程中加以区分，围绕不同的绩效评估导向建立了投入产出评估体系。刘佳等［16］从科研生产力、科研影响力、科研创新力和科研合作力四个维度对全国省级重点实验室的科研竞争力进行了比较分析。王燕等［17］基于超效率的三阶段DEA模型对我国高校人才培养、科学研究与社会服务效率进行了分析，将投入分为人力投入、物力投入、财力投入，将产出分为教学产出、科研产出、社会服务产出。

本文将根据国内外学者相关研究基础和广东省重点实验室运行管理目标导向，建立运行效率评价指标体系，并结合实验室依托单位主体类型分析各组实验室在人才队伍建设、科学研究、创新研发、成果转化四个评价维度下的运行效率和特征，为进一步科学评估实验室建设运行情况及实验室的管理优化提供参考。

2 实证研究

2.1 数据来源和样本选择

选取2013—2018年间年度统计报告数据完整的197 家广东省重点实验室作为研究对象，原始数据统计如表1 所示，统计数据包括实验室名称、依托单位名称、依托单位类型、成立年度、数据统计年度、依托单位及地方财政投入金额、高级职称人员数量、仪器设备原值、实验室场地面积、科技项目经费、中文核心以上论文数量、高层次人才数量、硕博士研究生毕业人数、发明及PCT 专利授权数、三新成果数量、技术合作收入、技术转让收入、技术服务收入，符合DEA 指标及决策单元数目要求。其中实验室类型按照依托单位分为高校、科研机构、医院和企业四组，数量分别为83 家、50 家、22 家、41 家。从指标数据时间范围上看，选取2013—2015年的年报累计数据作为相关投入指标，选取2016—2018年的年报累计数据作为产出数据。一方面是考虑到研究生培养、学术项目研究、论文发表、专利产出等指标的生产周期和统计时滞性；另一方面将累计数据作为相关投入产出指标，可减少单年数据波动对结果的影响；第三，以三年为周期累计与广东省重点实验室管理办法规定的考核周期相符，数据源统计表如统计数据经梳理整合后得到5 类15 项指标见表2，其中非直接统计指标高层次人才增量为“高级职称人员产出统计总量-高级职称人员投入统计总量”以反映高层次人才引进情况，高级职称增长率为以反映高级专业技术人员培养情况，考虑到高层次人才数量的频繁流动，高层次人才投入用年均拥有高层次人才数量表示。

表1 广东省重点实验室投入产出数据源统计表

表2 广东省重点实验室运行指标

2.2 指标选择与研究思路

结合广东省重点实验室的定位、要求及价值导向，分析实验室建设运行中的投入产出实际过程（如图1 所示），投入方面主要包括人力投入、物力投入和财力投入，产出方面主要包括人才队伍建设、学术研究、创新研发和成果转化。因此对表2 中的各项指标进行不同组合，按实验室产出要求分四个维度重新构建不分阶段的“投入-产出”指标体系，见表3。

图1 广东省重点实验室投入产出过程

表3 重点实验室运行效率评估指标体系

表3 中序号1 为人才队伍建设效率评估指标体系。投入指标为2013—2015年期间依托单位及地方财政经费投入、高级职称人员数量、仪器总值、实验室场地面积；产出指标为2016—2018年期间反映人才培养的硕博士研究生毕业人数和高级职称人员增长率，以及反映人才引进的高层次人才年平均引进量。其中仪器总值、场地面积均为年均数，高级职称人员增长率结果采用归一化方法避免负数出现。

表3 中序号2 为学术研究产出效率评估指标体系。投入指标考虑基础条件和人才队伍两方面，因为我国在校研究生、青年学者对科研工作和学术论文的贡献较大［18］，而人才队伍和高层次人才也是影响科技项目立项的关键因素［19］。所以投入指标包括2013—2015年期间，依托单位及地方财政经费投入、高级职称人员数量、仪器总值、实验室场地面积、硕博士研究生毕业人数、高层次人才数量、纵向科技项目经费。产出指标则是2016—2018年期间纵向科技项目经费、核心以上论文发表数量。

表3 中序号3 为创新成果产出效率评估指标体系，投入指标包括2013—2015年期间依托单位及地方财政经费投入、高级职称人员数量、仪器总值、实验室场地面积、纵向科技项目经费，产出指标为2016—2018年期间专利授权量、三新成果数量。由于缺乏科学研究中的项目分类和分阶段研发投入数据，暂不考虑间接或创新研发中的再投入。

表3 中序号4 为成果转化效率评估体系。投入指标包括2013—2015年期间依托单位及地方财政经费投入、高级职称人员数量、仪器总值、实验室场地面积，产出指标为2016—2018年期间技术服务、技术转化、技术合作收入。本文研究的是依托不同类型单位建设的广东省重点实验室在不同投入产出导向下的运行管理效率，暂不评价论文、专利等科学研究成果的转化率。

DEA 方法及软件已在各个领域得到广泛应用，在创新效率评价领域也有诸多文献报道，本文不再赘述。考虑到CCR模型假设规模报酬不变，可用于衡量技术效率［20］；BBC模型为规模报酬可变模型，可用于衡量纯技术效率；技术效率和纯技术效率的比值即为规模效率，可用于分析规模配置对产出产生的影响［21］。因此，可综合运用CCR、BCC模型分析广东省重点实验室的技术效率、纯技术效率和规模效率来反映技术管理因素和规模因素对实验室投入产出的影响。研究思路上，以人力、物力、财力作为主要投入，采用DEA-SOLVER5.0 软件，选择DEA-BCC、CCR模型分析四组实验室在人才队伍建设、科学研究、创新研发、成果转化四个评价维度下的宏观综合效率和规模报酬可变下的技术效率、规模效率，探究其运行特征及变化趋势。

3 结果与分析

3.1 运行结果

通过投入角度的CCR模型和BCC模型分别计算得到197 家广东省重点实验室的投入产出技术效率和纯技术效率，规模效率为技术效率和纯技术效率的比值。四组样本在人才队伍、学术研究、创新研发、成果转化四个维度的投入产出效率测度如表4所示。

表4 投入产出效率测度表（根据依托单位类型分类）

表4 （续）

根据表4 中可以得出，在人才队伍建设方面，高校、企业、医院、科研院所四类主体纯技术效率和规模效率相对较高，纯技术效率平均值分别为0.558、0.321、0.435、0.419，纯技术效率有效比例分别为14.46%、8%、13.64%、7.32%，规模效率平均值分别为0.946、0.960、0.955、0.899，规模效率有效比例分别为12.05%、16%、13.64%、4.88%。高校、医院的创新研发整体效率相对较低；企业的学术研究效率较低；实验室成果转化效率方面整体处于较低水平，其中研究院所情况相对较好，以上也基本符合实际情况。

通过对技术效率、纯技术效率、规模效率相关性分析得到表5。由表5 可以看出：

表5 技术效率、纯技术效率、规模效率间的相关性

表5 （续）

a.高校组在人才队伍建设、学术研究、创新研发中的纯技术效率大于规模效率对技术效率的影响，而成果转化的纯技术效率和规模效率对技术效率的影响相当;人才队伍的纯技术效率和规模效率间不存在显著的相关性。

b.企业组在人才队伍建设、学术研究、创新研发、成果转化中的纯技术效率大于规模效率对技术效率的影响；人才队伍建设的规模效率与技术效率不存在显著的相关性；学术研究的纯技术效率和规模效率间呈负相关但不显著。

c.医院组在人才队伍建设、学术研究中的纯技术效率大于规模效率对技术效率的影响；在创新研发、成果转化中的纯技术效率小于规模效率对技术效率的影响；人才队伍规模效率与纯技术效率呈负相关但不显著、与技术效率间不存在显著相关性；创新研发纯技术效率与规模效率呈负相关但不显著、与技术效率间不存在显著相关性。

d.研究院所组在人才队伍建设、学术研究、创新研发、成果转化中的纯技术效率大于规模效率对技术效率的影响；在人才队伍建设中的纯技术效率与规模效率呈显著负相关。

3.2 结果分析

（1）相关性分析。广东省重点实验室定位于基础研究、应用基础研究和关键技术研发，从建设运行到科研攻关，主要涉及人才队伍建设、学术研究和创新研发三个阶段，对人才队伍、学术研究、创新研发综合技术效率进行相关性分析，结果为表6：高校人才队伍对学术研究影响最大；企业人才队伍对创新研发产生显著性影响最大且人才队伍与学术研究间不存在显著相关性；研究院所学术研究对创新研发影响最大且人才队伍与创新研发间不存在显著相关性。由此可见，高校、医院、研究院所组的人才队伍建设能够激励学术研究，但是人才队伍建设、学术研究水平并不能显著激励创新研发，说明高校、医院、研究院所组对基础与应用基础研究成果的再研发及转化动力不足，比较而言研究院所情况稍好,而企业组的人才队伍建设和学术研究能够激励创新研发。

表6 人才队伍、学术研究、创新研发间的相关性

通过多元线性回归对学术研究中的特征输入因素进行分析，结果如表 7 所示，高层次人才数量和累计投入的研究生数量对高校学术研究纯技术效率产生了显著影响，检验水平分别为0.04865 和0.00758，小于显著性检验水平0.05；科技项目经费对高校学术研究规模效率产生了显著影响，检验水平为0.04937，小于显著性检验水平0.05；科技项目经费对企业学术研究纯技术效率和规模效率产生了显著影响，检验水平分别为0.00181 和0.00922，小于显著性检验水平0.05；累计投入的研究生数量对医院学术研究纯技术效率产生了显著影响，检验水平为0.04899，小于检验水平0.05；科技项目经费对研究院所学术研究纯技术效率和规模效率产生了显著影响，检验水平分别为0.02525 和0.03019，小于检验水平0.05。由此可见，科技项目经费是影响高校、企业、研究院所学术研究效率的主要规模因素，人才技术水平和管理机制是影响高校学术研究效率的另一个主要因素（见表7）。

表7 学术研究特征输入变量与纯技术效率、规模效率的多元回归分析结果

（2）冗余情况分析。四组实验室的人才队伍建设规模效率相对较高，规模效率平均值分别为0.946、0.96、0.955、0.899，其中85.2%的实验室规模效率大于纯技术效率，在规模效率无效的实验室中，规模报酬递增的有58个，规模报酬递减的有70个；但是纯技术效率普遍较低，分别为0.558、0.321、0.435、0.419；从投入产出冗余值上看，四组实验室人才队伍建设纯技术效率整体偏低的原因各不相同，高校方面主要源于高层次人才引进不及预期，企业、医院、研究院所主要是在硕博研究生培养中表现不佳。整体而言，大部分在人才队伍建设中处于最佳规模投入状态，但人才队伍管理能力需进一步加强。

除企业组外，高校、医院、研究院所组的学术研究投入产出有效比例远高于人才队伍，创新研发和成果转化的纯技术效率均较低。学术研究投入规模因素主要涉及高层次人才引进人数、累计投入硕博士及博士后人数、科技项目经费获取量，高校组和研究院所组高层次人才引进规模整体相当。高校、企业、医院、研究院所的实验室承担科技项目经费平均值分别为2031.9 万元、2025.9 万元、1934.7 万元、4042.6 万元，变异系数分别为1.16、3.82、1.18、1.14，研究院所整体科技项目经费规模较高校、医院高，但是如图2 所示，科技项目经费投入冗余较高校、医院低，说明依托高校、医院建设的实验室在统计期内科技项目经费投入配置与规模效益相较于研究院所偏低，需要进一步提升经费使用率。

图2 学术研究投入特征指标冗余情况

4 结论与展望

为准确评估实验室运行管理效率，需明确指标内涵，本文根据不同评估导向将基础条件、人才队伍、学术研究、创新研发、成果转化区分。分类分阶段评价不仅有助于对不同发展情况、发展目标的创新平台进行分类，还有助于明晰不同因素对实验室运行管理效率的影响程度。本文根据广东省重点实验室建设定位和生命周期选取了15 项投入产出指标，建立了4 类评估体系，根据依托单位类型将广东省重点实验室分为高校、企业、医院、研究院所4 组，通过DEA CCR/BCC模型对不同评估体系下的管理效率和规模效率进行了分析。本文得出以下结论：

（1）广东省重点实验室的建设运行投入不断增加，但是产出却并未同比例增长，多数实验室效率较低，对于设备、人员、经费投入产出效率的评价有待加强，需要通过项目合作加强设备共享，提高设备产出；重视对科研人员的全周期培养和评估，提高人才科研效率；加强科研项目产出评估，积极优化资源配置，将科研经费控制在最佳规模率。

（2）广东省重点实验室是依托高校、科研机构、企业、医院等不同类型创新主体建设的重大创新平台，由于不同类型单位的发展模式、创新目标存在差异，其建设的重点实验室的投入产出结构也存在较大差异。为准确评估广东省重点实验室运行效率，应明确指标内涵，不易将基础研究、创新研发、成果转化混用于实验室运行效率评价中，应兼顾重点实验室人才效益、科研效益、转化效益、社会效益等多种绩效导向，突出分类评估、精准反馈的科学管理理念。《关于破除科技评价中“唯论文”不良导向的若干措施（试行）》指出要实施分类考核评价注重标志性成果的质量、贡献和影响，对于基础研究、应用研究、技术开发类科技活动均要建立不同体系，本文通过不同体系的投入产出效率研究发现高校、企业、医院、研究院所对学术研究、创新研发、成果转化的倾向各不相同，可能与主要开展的科技活动类型相关，因此后续拟基于分类评价建立多级量化评价指标体系，对广东省科研平台进行分组分类评价。

（3）在广东省重点实验室运行管理实践中，伴随科研项目启动实施的人才引进、研发人员培养是科技创新以人为本的体现，应加大对人才队伍建设方式方法的关注，优化高层次人才和青年科研人员的层次结构，注重人才培养、激励、使用效率，避免人力资源浪费。伴随成果转移转化的技术开发、咨询和服务是技术成果从科学知识理论、专利方法到转移转化并最终走向市场的必经之路，应围绕科学研究全生命周期和科研平台建设运行内部逻辑，明确科学数据、科技活动统计规范，建立多阶段的广东省重点实验室投入产出效率分析和评估体系。

（4）加强对企业重点实验室人才队伍建设的支持，鼓励高校、科研院所的重点实验室在现有基础与应用基础研究的基础上，通过项目合作、人才联合培养，与企业共同开展新材料、新工艺、新产品的研发，不断优化成果转化效益评估方法，促进成果转化。