中国省级自然科学基金管理效率评价与分析——基于DEA-Malmquist模型

郑 茜，李 研

（1.广东省基础与应用基础研究基金委员会，广东广州 510033；2.中国科学技术发展战略研究院，北京 100038）

1 研究背景

绩效评估是科研管理的重要手段，可以为地方科学基金管理提供指引，提高科学基金利用效率［1］。科学进行自然科学基金绩效评价，需确立“质重于量”的评估理念，对科学基金绩效评估中定性与定量、质量及数量之间的关系进行妥善处理［2］，在定性的基础之上，运用定量方法开展后续证明，把定量统计作为定性评价结果的证据支撑［3］。对自然科学基金绩效进行全面客观的评价，尤其对一些交叉学科及窄学科，评估过程中会有非科学因素掺入，这就显示出定量评价方法重要性［4-6］。在基础研究中，自然科学基金资助项目的特征是多元产出、多元投入，但是传统回归分析法、比例分析法因缺乏可比性会失灵［7-10］。对此，数据包络分析（DEA）方法能全面考虑自然科学基金实践组织特征，对自然科学基金的投入产出效率评估较为适用［11］。中国自然科学基金主要任务是将基金充分投入到基础和应用基础研究中，通过多类型资金资助投入实现对应用基础以及基础研究的激励［12-14］。近年来，中国科学基金管理制度在不断完善和发展，随着各级政府对自然科学基金的不断重视，资金投入力度得到加强，加强省级自然科学基金科学化、规范化、法制化的管理和运作，加强自然科学基金绩效评估成为管理工作中的重要环节［15-17］。

国内外大多学者采用DEA模型分析省自然科学基金管理效率，对省自然科学基金管理效率进行横向比较，但纵向的比较分析研究成果较少［18］。本研究将Malmquist 指数与DEA模型结合，对省自然科学基金管理效率进行横向和纵向对比，有效发挥Malmquist 指数、DEA模型互补优势，完善省自然科学基金管理效率评价，对中国省级自然科学基金管理效率优化进行研究。运用Malmquist 指数法对省自然科学基金全部管理要素效率进行分析评价，针对技术管理效率以及规模管理效率变化情况，分析出某一区域管理效率的变化是基于技术角度还是规模角度。通过Malmquist 指数测算省自然科学基金管理效率，能将不同区域省自然科学基金管理效率发展状况反映出来，对其原因进行分析，从而推动提升省自然科学基金管理效率。

2 DEA-Malmquist模型的构建

2.1 DEA模型

2.2 Malmquist 指数法

式（7）中：FV、FC 分别为决策单元距离函数，若技术变化比1 大，说明生产前沿外移远离原点，技术有所进步，反之相反，技术效率变化与规模效率变化亦是如此，这个分解为研究全要素生产率增长或衰退的原因提供了重要依据。

3 我国省自然科学基金管理效率评价实证研究

3.1 样本选择与数据来源

本研究以2015—2019年中国31个省、自治区、直辖市（未含港澳台地区）面板数据为样本，采用DEA-Malmquist 指数对省自然科学基金管理效率进行研究，主要包括投入指标、产出指标。投入指标除了包括人力指标因素、财力指标因素等，还涉及到了省级自然科学基金年度资助项目数量和资助总金额。聚焦省级自然科学基金所取得的成果，对原始创新能力、地方区域知识发展计划、人才培育情况等3个方面搭建产出指标体系，产出指标包括发表论文数、硕士博士人才培养数量、本地区国家自然科学基金项目数量、发明专利授权数。数据源于国家自然科学基金管理机构网站，各省、自治区、直辖市自然科学基金管理机构网站，对于数据未公开的部分地区，采取社会调查方式获得，如表1 所示。

表1 我国省级自然科学基金投入产出指标体系

3.2 模型计算和结果分析

2015—2019年，将我国每个省份/地区的自然科学基金投入指标X1、X2、X3和产出指标Y1、Y2、Y3、Y4等数据作为决策单元，将所得到的数据带入BCC模型和CCR模型中，使用DEAP2.1 软件进行计算和求解，生成各地区DEA 值。

（1）基于DEA模型的省自然科学基金管理效率测算。经过DEAP2.1 软件计算，得到中国2019年31个省、自治区、直辖市自然科学基金综合管理效率值、技术管理效率值、规模管理效率值、规模管理效率变化的测算数值，如表2 所示。

表2 我国省自然科学基金管理效率DEA 测算结果

由表2 可知，中国的省自然科学基金技术管理效率平均值为0.895、综合管理效率平均值为0.849、规模管理效率平均值为0.956。对比发现，综合管理效率、技术管理效率、规模管理效率依旧处于较高水平，其中规模管理效率平均值分值更高。相对于规模管理效率水平而言，技术管理效率水平存在一定差距，这表明技术管理效率是影响中国省自然科学基金管理效率的主要因素。因此，中国应加强技术引进和学习，提高基金管理的技术创新水平，保障基金资源的合理配置。

在DEA 测算有效性方面，北京、天津、黑龙江、湖南、海南、广东、青海7个省份的自然科学基金管理效率为DEA 有效水平，这表明在省自然科学基金投入产出方面，这7个省无产出不足或投入冗余等情况，基金配置合理性己达到优秀水平。在DEA综合管理效率上，北京、天津、湖南、黑龙江、海南、广东、江苏、青海、江西、福建、广西、湖北、宁夏、贵州、西藏等省份的均值处于较优水平或优秀水平，资源配置方面比较合理，山西、河北、新疆、辽宁的综合管理效率为较低水平，与均值水平和有效性水平有较大差距。在DEA 技术管理效率方面，各个省份管理技术存在着较大差异，天律、北京、江苏、黑龙江、河南、山东、广东、湖南、青海、海南技术管理效率较好，这些地区大部分创新能力较强，产业化管理效率较高。究其原因，天津、山东、江苏、浙江、广东等地区自身技术管理水平先进，国家给予的区域政策优惠力度较大，因而技术经济发展较快；黑龙江、河南、海南这几个省份则是由于科研经费、人才引进和培养等投入力度较大，因而自然科学基金技术管理效率水平较高。在DEA 规模管理效率上，山东、河北明显低于平均水平，这表明在自然科学基金资金规模不断扩大，北京、天津、黑龙江、湖南、广东等地区规模化管理能力较强。

（2）基于DEA模型的省自然科学基金管理效率测算投影分析。通过上述分析可知，7个省份自然科学基金综合效率评价为优，这7个省的DEA 值均为1。针对这种情况，使用效率值分析的意义不大，需要通过被参考次数这一指标对这几个地区自然科学基金的相对效率进行评价。被参考次数主要指参考对象及改进目标的次数是有效DMU 被DEA 评价无效的DMU。一个有效的决策单元在DEA 方法中除了其自身本体进行参考之外，还需要选用其他非有效决策单位进行参考，从而进行多重参考比较分析。一个有效的决策单元被其他非有效决策单元所选定称为参考对象的次数，即为被参考次数，被参考次数越多就反映了该决策单元所具备的参照能也越强，其稳定性能也越好［20］。因而在CCR模型中，不能仅靠效率值来进行决策单元效率值评价，所以被参照次数可以有效进行绩效水平比较分析。基于以上方法，发现北京、黑龙江、天津、湖南、海南的省自然科学基金被参考次数较多，北京被作为参照对象的次数最多，共有4 次。在被参照次数方面，北京自然科学基金投入产出综合效率最高，具有较强稳健度，其次是天津、黑龙江、湖南、海南等地区。

通过DEA 分析方法，再进行CCR模型计算，可将决策单元的DEA 评价值计算出来，也可将产出不足（S+）、投入冗余（S-）值计算出来。为了研究河北、内蒙古、辽宁、上海、江苏、浙江、山东、河南、湖北、重庆自然科学基金DEA 无效具体原因及改进方向，本研究用投影理论对DEA 无效决策单元差额变量进行分析，具体见表3 所示。

表3 基于投入视角的DEA 评价无效的自然科学基金投影分析结果

由表3 可知，假设上述10个省份地区自然科学基金均存在产出，可以发现这些省级地区均存在自然科学基金投入过量冗余现象，部分科技产出存在产出不足。究其原因，导致这10个省级地区自然科学基金绩效不佳的最主要因素在于，自然科学基金项目投入没有实现效益最大化，资源分配上出现了不同程度的浪费。

3.3 基于DEA-Malmquist 指数的省自然科学基金管理效率测算

利用DEA-Malmquist模型专业测算软件DEAP 2.1 对2015—2019年我国31个省、自治区、直辖市的自然科学基金管理效率进行DEA-Malmquist 指数测度分析，可获得省自然科学基金管理效率年度TFP 变动指数及分解构成，如表4 所示。

表4 2015—2019年我国省自然科学基金管理效率年度TFP 指数变动及其构成

采用DEAP 2.1 软件进行2015—2019年面板数据的DEA-Malmquist 指数计算，得到面板数据各区域TFP 变动指数及分解构成，如表5 所示。

表5 省自然科学基金管理效率各个区域TFP 指数变动及其构成

表5 （续）

4 结论和对策建议

本研究将DEA模型和Malmquist 指数相结合，对中国省级自然科学基金管理效率优化进行研究，得出如下结论：中国省自然科学基金的综合管理效率平均值为0.849、技术管理效率平均值为0.895、规模管理效率平均值为0.956，其中规模管理效率处于较高水平。相对于规模管理效率水平而言，技术管理效率水平仍然存在一定差距，技术管理效率是影响中国省自然科学基金管理效率的主要因素。DEA 测算有效性分析表明，有7个省的省自然科学基金管理效率为DEA 有效水平，这7个省无产出不足或投入冗余等情况。在基金配置合理性方面，这7个省己达到优秀水平；就DEA 测算数据而言，山西、河北、新疆、辽宁的自然科学基金管理效率为较低水平，这几个省份的自然科学基金管理效率和均值水平存在较大差距。2015—2019年，中国省自然科学基金技术管理效率总体上为降低趋势，影响综合管理效率下降的主要因素是技术管理效率。根据以上结论，提出如下对策和建议：

第一，明确省级自然科学基金功能定位。当前，中国各级自然科学基金主要采取竞争申报机制，随着社会各界对基础研究重要性的认识逐步加强，自然科学基金项目申请数量呈日益增长态势，国家和各省级自然科学基金项目申报竞争更为激烈。为充分发挥各级自然科学基金对基础研究工作的促进力度，应构建层次分明、协调有序的工作机制，明确国家与省级自然科学基金的功能定位，省级基金应致力于进行种子选手的培育，国家基金则聚焦高端人才、高新成果，发挥壮大种苗、培植树木的作用。省级自然科学基金应拉开本地区基金项目竞争层次，鼓励杰出青年人才、资深专家更多参与国家级基金项目竞争，避免高端人才扎堆省级自然科学基金项目，造成资源浪费，形成恶性竞争。同时，基金政策更多向未有建树的青年科技人员倾斜，充分发挥本地区培育优秀人才、培育创新项目的“育苗”作用。

第二，立足区域发展特点开展项目资助。省级自然科学基金应以推动区域原始创新能力提升为主要目标，围绕各省的战略重点布局、核心技术攻关开展项目资助。统筹把握科学前沿发展趋势和区域发展战略需求，不断提高指南设置的科学性、战略性和前瞻性，面向区域重大基础研究问题，设立基础研究重大专项，增强对学科均衡协调、创新人才培养的引导。围绕地方产业发展需求，在区域发展的战略需求领域、重点技术领域设立特色鲜明的区域、行业联合基金，加强行业或特定领域基础研究的资助力度，促进知识创新与技术创新的衔接，推动资源共享、促进多方合作。建立前瞻性基础研究领域监测机制，对世界先进基础研究方向和趋势进行预判，建立基础研究重大问题数据库，鼓励成建制的重大基础平台承担基础研究项目。

第三，建立基于效率的项目绩效评价体系。自然科学基金绩效评价包含立项评价、项目中期评价、项目结题后评价几部分。当前中国省级自然科学基金项目绩效评价过程中，不少省份更为重视立项评审，而忽视了项目中后期管理及项目绩效评价，项目结题验收也往往敷衍了事，这导致项目中后期管理成为整个基金管理过程中最为薄弱的环节，从而在一定程度上助长了只管申报、不管研究，浮躁浮夸、急功近利的不良风气，直接导致部分省级自然科学基金成果产出较低、资助效益不高。因此，必须加强项目中后期管理及项目绩效评价，通过构建效率优先涵盖目标任务完成情况、成果产出情况、经济社会影响等在内的基金项目绩效评价体系，同时，加强项目绩效评价结果的运用，将绩效评价结果作为项目立项的考核依据，增强对项目申报人的约束，从而提升基金资助效率。

第四，建立基础研究基金项目多元化投入机制。扩大基础研究投入规模，强化机制创新和制度规范，推动建立可复制、可推广的多元化投入模式。加快探索国家、省、市、企联合基金管理运行机制，打通市场需求和科研需求壁垒，实现可持续、有成效的多元投入基础研究模式。围绕重点区域、行业领域，发挥“联合基金”杠杆作用，加强机制创新和管理创新，稳步扩大联合基金规模，吸引更多力量投入到基础与应用基础研究。加快建立健全省市、省企联合基金管理规范和制度，围绕省联合基金全生命周期管理流程，制定省市联合基金管理工作规程，优化完善省企联合基金管理规范，提升联合基金管理运行效率。加强与企业联合资助方对接，深化落实知识产权等成果管理制度，通过组织开展成果交流、成果对接等活动，积极推动引导知识产权等成果应用转化。

本文对我国省级自然科学基金管理效率开展横向和纵向对比分析，针对省级区域自然科学基金管理效率存在的问题，从技术管理效率、规模管理效率、全要素生产率等角度进行研究，并针对性的提出对策建议。但是，在指标体系科学性、理论模型构建、数据完整性等方面仍然存在不足，对测量数据结果的分析深度稍显不够。下一步，应从自然科学基金的管理实践角度，坚持问题导向和需求导向，采用主观和客观相结合的评价方法，建立符合我国或地方发展实际需求的指标体系，构建分析维度多样、理论基础扎实的评价模型，提高评价结果的科学性和实用性。