江苏省高校科技创新效率分析

沈勤 马敏

摘   要：高校作为科技创新的主力军，其创新效率的高低对国家创新发展具有重要影响。通过选取数据包络分析的经典模型，对2011—2019年江苏省26所高校的科技创新投入产出效率进行了评估。实证研究表明，2011—2019年江苏省26所高校总体科技创新水平较低，存在很大的进步空间;就单个学校而言，科技创新效率之间还存在差距，并且创新绩效与稳定性不呈正相关。基于以上实证分析结果，提出了加强对科研资源的管理与配置、搭建科技创新合作平台、完善科技创新激励机制等对策建议。

关键词：高校;科技创新效率;数据包络分析

中图分类号：G644  文献标志码：A        文章编号：1673-291X（2021）23-0150-03

科技作为第一生产力已经渗透到了经济建设与日常生活中。一个国家的科技创新能力已经成为当今世界综合国力竞争的决定性因素。在国家大力推动科技创新的过程中，高校作为高素质人才培育的摇篮，发挥着不可或缺的作用。为了积极相应国家鼓励和支持高校科技创新的号召，江苏省教育厅颁布《江苏省加快推进高校科技体制改革》、《省教育厅省科技厅关于省属高等学校加快贯彻落实科技创新政策的通知》，旨在不断优化高校科技创新环境，推动科技成果转化。在政府不断重视高校科技创新、增加科研经费的过程中，如何提高高校科技创新投入产出效率也就成为社会各界关注的热点问题。

一、文献回顾

由Charnes 和Cooper^[1]提出的数据包络分析法（DEA）是一种典型的非参数效率评价方法，该方法通过线性规划构造有效前沿面，将评价单元与有效前沿面进行对比，从而得到该决策单元的效率值。由于数据包络分析法不需要事先确定函数的具体形式，而且可以有效评估涉及多投入和多产出决策单元的效率，因此被广泛运用于各个领域的效率评价中。

目前對我国高校科技创新效率的研究主要从以下几个层面展开。（1）不同省际之间。沈能和宫为天^[2]通过构建三阶段DEA模型分析了我国30个省份的高校科技创新效率，实证结果表明，地区产业基础、政策扶持和外部环境对创新效率有很大的影响。张慧琴和尚甜甜^[3]运用DEA-Malmquist指数分析法分析了2003—2011年我国30个省份的高校科技创新效率，结果表明，东部地区高校科技创新效率远远超过了中部和西部地区。（2）同一区域。李璐^[4]使用SBM模型和Malmquist指数分析了2011—2015年京津翼地区高校的科技创新效率，结果表明，该区域高校科技创新效率效率较高，原因在于京津翼区域的技术进步基于资源配置结构的优化。（3）同一省份。郑嘉琳^[5]运用BCC模型测算了2012—2017年江西省高校的创新效率，发现江西省高校的创新效率与东中部同类高校之间存在很大的差距。阮红伟和赵西^[6]通过构建PCA-DEA模型和Malmquist指数评价了2013—2017年山东省39所高校的科技创新绩效，实证结果显示，省属非重点高校的效率增长速度高于“211”及省部共建高校。（4）不同类型高校。冯宝军等^[7]基于2007-2013年我国20所综合高校的面板数据，评估了人文社科和自然科学两类学科的科技创新效率，结果显示，两类学科的创新效率都有很大的提升空间，而加大创新人才的培育是提高科技创新效率的关键。马聪颖和吴宏超^[8]基于2011—2017年一流大学建设高校的面板数据，采用DEA-Malmquist模型进行效率评价，发现无论是基于静态视角还是动态视角，不同高校之间和不同地区之间都在科技创新效率方面存在较大差异。

二、研究设计

（一）模型构建

1978年，Charnes和Cooper构建第一个经典DEA模型——CCR模型^[1]。该模型基于规模收益不变（CRS）的假设，对决策单元进行效率评价。之后Banker等人^[9] 对CCR模型进行了拓展，建立了基于规模收益可变（VRS）的模型—BCC模型。本文将使用BCC模型对江苏省高校科技创新效率进行评价，模式的具体形式如下：

假设有N个被评价的决策单元，每一个决策单元均有I种投入与J种产出。X_ni（i=1，...，I），Y_nj（j=1，...，J）表示第n个决策单元的第i种投入和第j种产出：

其中， β表示被评价决策单元的效率值，λ表示权重向量。

（二）指标选取与来源

本文选取了南京大学等26所高校作为研究样本，评估各高校的科技创新效率，数据来源于2011—2019年的《高校科技统计资料汇编》。考虑到数据的可获得性与完整性，投入指标选取科技活动人员全时当量和科技经费合计数，产出指标选取课题总数、在国外及全国性刊物发表的学术论文和技术转让实际收入。

三、实证结果与分析

在实际计算过程中，本文运用DEA Solver软件计算2011—2019年江苏省26所高校的科技创新效率。对9年的效率值取平均值，得到每所学校的最终效率值及排名，结果如表1所示。

从实证结果来看，26所高校效率均值为0.6718，表明江苏省高校的科技创新效率整体水平存在很大的进步空间。江南大学、中国矿业大学和东南大学分别位居所有样本的前三位，效率值分别为0.943 1、0.912 2和0.875 5;而南通大学、南京信息工程大学和南京航空航天大学的效率值分别所有样本的后三位，效率值分别为0.490 8、0.467 9和0.465 1。

从时间维度上看，2011—2019年江苏省26所高校的科技创新效率总体呈上升趋势，科技创新水平稳步提升。但就每所高校的科技创新效率的波动情况来看，南京农业大学在这9年间的效率标准差值最大，为0.229 2;而效率标准差最小的为南通大学，仅为0.066 8。结合两所高校的效率值来看，南通大学的科技创新效率在2011—2019年之间波动不大，且普遍处于较低水平，上升趋势不明显，而南京农业大学在这9年间呈现明显的上升趋势，尤其是在2017—2019年期间，效率值连续三年为1。