我国31个省区市高校科研绩效评价——基于2016~2020年面板数据分析

赵聚辉，邹宏伟

(辽宁师范大学，辽宁 大连 116029)

创新是引领经济发展的第一动力，要加强全民族的创新能力，科技创新在全面创新中具有重要的作用。近年来，高校科研资源投入力度逐渐加大，科研经费不断增长，政府积极参与，为科研工作提供了大力支持，为科技创新提供动力与有力保障。然而，在加大投入的同时也应该关注成果产出问题，只有将钱花在刀刃上，才能最大限度地发挥出其效力，不造成资源浪费。

论文基于投入－产出理论，利用包络数据分析方法(DEA)，综合利用静态的DEA－BCC模型和动态的DEA－Malmquist指数模型，对我国31个省区市高校2016~2020年的科研绩效进行评价。本文的创新之处在于所使用的区域划分方法并不是绝大多数人所使用的东部、中部与西部的划分方法。本文认为经济发展水平与科研绩效有着紧密的联系，故利用GDP水平的高低将我国的区域划分为三大部分，探究GDP发展水平与科研绩效之间的关系。

一、文献综述

高校的科研绩效评价一直受到国内外学者的广泛关注。刘天佐和许航基于DEA－BCC模型与Tobit模型探究不同地区的科研绩效水平与影响因素，最终从高校内部体制管理和经济与环境政策两个方面提出政策性建议。廖帅等基于DEA模型研究发现人均GDP欠发达地区的高校在科研成果转化上最为不足，应建立人才激励机制，加强产学研合作。苑泽明等利用DEA－BCC和DEA－Malmquist模型研究发现京津冀三地高校科研绩效差异明显。胡德鑫和王轶伟基于DEA模型对“985”高校进行科研竞争力评价，通过对高校之间资源配置的比较，提出改进策略，有效提高科研竞争力。宗晓华和付呈祥基于教育部直属高校相关数据对我国研究型大学进行相关数据实证分析，认为我国应该实现高等教育的内涵式发展。Flegg等测算了英国45所大学生产效率的变动。闫平等利用包络数据分析方法对教育部直属48所高校科研绩效水平进行研究，发现高校科研效率的提高来源于技术效率的增长。

二、研究对象、评价指标与数据来源

(一)研究对象

本文以31个省区市作为研究对象，研究所属高校的综合技术效率、纯技术效率与规模效率。同时将决策单元按照2020年的GDP数据进行划分，划分为高、中、低三大区域。

GDP高水平的地区有广东、江苏、山东、浙江、河南、四川、福建、湖北、湖南、上海，共计10个省(直辖市)；

GDP中等水平的地区有安徽、河北、北京、陕西、江西、辽宁、重庆、云南、广西、贵州，共计10个省(直辖市、自治区)；

GDP低水平的地区有山西、内蒙古、天津、新疆、黑龙江、吉林、甘肃、海南、宁夏、青海、西藏，共计11个省(直辖市、自治区)。

(二)评价指标

高校科研绩效评价的核心就是选取合适的评价指标，对于指标的选取主要从投入与产出两个方面进行衡量。投入指标即为人力资源与财力资源的投入。本文以“研究与发展全时当量人员” 和“科研经费内部支出”作为投入指标。以“出版科技专著” “发表学术论文总数” “专利授权数” “技术转让当年实际收入”等四项指标作为产出指标。如表1所示。

表1 高校科研投入产出指标情况

(三)数据来源

本文的投入产出数据均来自2016~2020年教育部科技司发布的«高等院校科技统计资料汇编»。

三、实证分析

(一)基于DEA－BCC模型的静态分析

数据包络分析方法是A.Charnes，W.W.Coope和E.Rhodes于1978年提出的，利用数学规划方法，借助统计数据进行研究，对多投入与多产出的评价对象进行相对有效性评价。DEA方法无须预估参数与权重，可以减少主观因素对数据结果的影响，能够对绩效做出更为客观的评价，化繁为简。包络数据分析方法(DEA)主要包括两个模型，即DEA－CCR模型与DEABCC模型，CCR模型用来评价部门间的相对有效性，BCC模型主要用于评价生产部门的技术有效性。

本文选取我国各地区2016~2020年的投入与产出指标数值，以投入为导向，利用DEA－BCC模型进行静态分析，数据分析与处理软件为DEAP2.1，得到技术效率、纯技术效率与规模效率的数值。为方便进行数据分析，将其整理为表2。

表2 2016~2020年我国各地区高校科研绩效情况

从实证分析结果可以看出，技术效率均值有效的地区有11个，分别是:北京、内蒙古、江苏、浙江、河南、海南、重庆、贵州、陕西、宁夏、新疆，占总样本的35%左右，2016~2020年总体的技术效率均值为0.796。低于均值的地区有13个，分别是天津、辽宁、吉林、黑龙江、上海、安徽、湖北、湖南、广东、广西、四川、西藏、青海，在这13个地区中有5个地区属于GDP高水平地区，3个属于GDP中等水平地区，5个属于GDP低水平地区，在三大区域的分布中分布较为均匀。可以看出，经济发展水平与高校科研绩效水平的高低无必然联系。整体的均值水平表明我国31个省区市高校的科研效率水平总体不高，仍有较大的提升空间，各区域间要加强区域合作与信息交流，以缩小地区间的科研绩效差距，提升我国总体的科研绩效水平。纯技术效率均值有效的地区有15个，分别是:北京、内蒙古、辽宁、江苏、浙江、山东、河南、海南、重庆、四川、贵州、西藏、陕西、宁夏、新疆，占总样本的48%左右，2016~2020年总体的纯技术效率均值为0.889，整体上来看运行效率良好，但天津的纯技术效率均值仅有0.485，效率过低，天津应注意内部管理水平与运行效率，同时存在相同问题的省份还有吉林和上海，也要多加关注运行效率。本文以投入为导向，纯技术效率可以反映出最大产出情况下的最小投入成本，纯技术效率这个指标可以反映出高等院校科研制度的运行效率以及高等院校的管理水平，为了更好地提升全国的科研绩效水平，各地区高校要加强内部管理与运行效率。规模效率均值有效的省份有11个，这些地区与技术效率均值有效的地区完全相同。规模效率可以反映出高等院校的资源配置是否为最优投入规模。2016~2020年总体的规模效率均值为0.895，总体均值水平较高，反映高等院校科研资源规模效率良好，但辽宁、四川、西藏地区规模效率均值偏低，辽宁的规模效率均值仅为0.468，应优化资源配置，从而促进规模效率的增长。

从GDP划分得出的三个区域来看，技术效率均值最高的是GDP水平为中等的区域，技术效率均值为0.830，其次为GDP水平低的区域，技术效率均值是0.800，均值最低的为GDP水平高的区域，其技术效率均值为0.758。基于此数据可以看出经济发展水平不一定直接影响到高等院校的科研绩效，经济发展水平高的区域科研绩效水平不一定高于经济发展水平落后的区域。纯技术效率均值最高的依旧为GDP水平为中等的区域，纯技术效率均值为0.902，其次为高水平区域，其均值为0.897，均值最低的是低水平区域，这说明低水平与高水平区域应加强自身的管理水平与资源运行效率，从而进一步提升自己的科研绩效水平。规模效率均值最高的是GDP水平低的区域，其均值为0.924，数值较高，其次为中等水平地区，其均值为0.911，均值最低的是高水平区域，其均值为0.836，这说明GDP水平高的区域应加强自身的资源配置能力，适当增加资源投入，同时也需要加强科研建设，注重内部管理水平的提升。需要对各区域的经济资源进行重新分配，以促进科研绩效的提升。

对指标进行分解研究可以得知，制约GDP高水平地区经济发展的原因是资源投入规模不够，这些地区经济发展水平虽高，但可能受制于地区的政策、政府的重视程度等外部因素，资源投入不足，从而导致科研绩效水平过低，应该引起重视，促进资源的合理分配。而制约经济发展低地区的科研绩效发展水平的原因是内部管理水平以及科研制度运行效率，这些地区虽然经济发展不足，但在资源投入方面却是最优的，整体水平不高是受到了内部管理的制约，应及时发现问题，从而有针对性地解决问题。

(二)基于DEA－Malmquist模型的动态分析

DEA－BCC模型只能从静态的角度进行数据分析，本文分析方法为动静结合，故继续利用DEAP2.1软件，基于2016~2020年我国31个省区市的面板数据测算不同年份的科研绩效及其变动情况。为方便数据分析，将其整理为表3。

表3 2016~2020年度各地区高校Malmquist指数及分解情况

使用全要素生产率进行数据分析时，需关注数据与1之间的关系:当全要素生产率指数大于1时，代表相邻两个时期指数水平有所提高；当全要素生产率等于1时，代表相邻两个时期指数水平没有变化；当全要素生产率小于1时，代表指数水平下降。使用全要素生产率进行数据分析，可分析出引起生产力变动的原因。从表3可以看出，2016~2020年全要素生产率的均值为0.940，这说明我国科研绩效水平呈下降趋势，年均下降6%，需关注下降原因，有针对性地提升科研绩效水平。2016~2018年，科研绩效水平一直呈上升趋势，年均增长为3.65%，其中2016~2017年增长5.8%，2017~2018年增长1.5%，从数据可以看出增速放缓。在这几年间技术效率指数与技术进步指数一直呈上升趋势，技术效率指数可分解为规模效率指数与纯技术效率指数，2016~2018年，纯技术效率指数呈现略微下降趋势，但规模效率指数的上升空间要高于纯技术效率指数的下降空间，故技术效率指数得以稳步提升。这说明这几年技术管理水平、资源配置能力与技术创新及成果质量均有不同程度的提高，整体发展势头较好。

2018年开始，全要素生产率呈现下降趋势，2018~2019年全要素生产率下降11.7%，2019~2020年全要素生产率下降19.6%，下降速度增快，详细分析数据，发现这两年下降的原因是技术进步指数的降低，这提示我们要注重科技创新，提升科技创新能力，不能止步不前。从整体五年的数据来看，所有指标均呈下降趋势，应该多加关注资源配置能力、科研制度运行效率以及内部的管理水平，注重技术创新与进步，从而促进高等院校科研绩效水平的稳步提升。

四、结论与建议

(一)结论

本文利用DEA－BCC与DEA－Malmquist模型进行数据分析，从动静结合角度对我国2016~2020年31个省区市的面板数据进行分析，探究不同地区的科研绩效水平与变化趋势以及经济发展水平与科研绩效水平之间的关系。本文打破了传统的数据区域划分方法，按照GDP水平对我国31个省区市进行划分，划分为GDP水平高中低三个区域，来研究经济发展水平与高等院校科研绩效水平之间的关系，研究结果表明，我国高等院校总体科研绩效水平不高，经济发展水平与高校科研绩效无必然联系，GDP为低水平的地区科研绩效水平反而是最高的，从数据结果来看，GDP为高水平地区的规模效率水平不高，主要是资源配置不合理，拉低了整体绩效水平。该区域的各级政府应引起重视，引导资源合理配置。经济发展为高水平地区要向经济发展为中等水平的地区学习，学习其对科研工作的管理手段，如何做到高效率运转，从而提升自身的科研绩效。故根据实证分析结果，科研绩效水平更多的是取决于内部管理水平的优良以及资源运行效率与配置能力，而非取决于经济发展水平的高低。从实证数据结果可以看出，五年间全要素生产率呈现先上升后下降的趋势，仔细观察数据不难发现在样本区间的第二年，全要素生产率的增速就已经放缓，之后两年更是快速下降，这提醒我们应注意自身能力的全面提升，注重持续性，加强内部管理，关注运行效率，尤其要注重技术创新能力与研究成果的质量。

(二)建议

基于本文的研究结论，为进一步提升我国各地区高等院校的科研绩效水平，提出以下建议:

第一，各地区高校要加强协同式发展，经济发展水平高的地区要加强与中低水平地区的交流与合作，经验共享，在管理理念、管理制度等方面加强信息共享，降低科研成本，从而达到共同进步的目的，提升全国整体绩效水平。

第二，政府应加强对各高校的引导，对科研活动高度重视，制定相关的优惠政策，加大人才引进力度，在人才引进过程中做好筛查，引进高质量人才，将人才匹配到合适的岗位上，让其发挥最大的作用，释放最大的能力，避免人才浪费。在做好人才引进的同时也要注重培训，看重能力的提升与后期的进步，从而为科研工作提供源源不断的动力。不仅要注重地区交流，也要加强人才之间的交流，搭建人才信息交流平台，经验共享，从而提升其科研能力，加快我国科研绩效水平的提升。政府在人力与财力资源上给予高等院校足够的支持。

第三，加快科研成果向市场和产业转化的速度，各区域大量的研究成果没有很好地向市场转化，成果未能实现其价值会严重制约科研人员积极性的提高。当科研人员看到自己努力做出的实验、得出的结果被采用时，在物质与精神上均会得到不同程度的满足，从而激发其想要做出成果的积极性。故我们要加强科研成果转换平台的建设，为科研成果的转化搭建平台，开阔市场，加快科研成果向市场的转化速度，努力发挥成果在经济、社会、文化中的应用价值。

第四，各地区高校要重视经验总结，善于发现自身存在的问题，类似于辽宁、四川、西藏地区，其纯技术效率均值均为1，但规模效率极低，应找到原因，从而有针对性地提高，实现内涵式高质量发展。