高校科研创新效率的动态演进、区域差异及其收敛性研究

马浚锋 马浩鑫

(1.福建师范大学教师教育学院，福建 福州 350007；2.广州大学教育学院，广东 广州 510006)

一、引言:高校应当好高水平科技自立自强的“排头兵”

科技立则民族立，科技强则国家强。 科技创新不仅是全球经济格局中大国博弈的主战场，也是摆脱传统的粗放型增长模式，构建新发展格局、推动经济高质量发展的“制胜法宝”。 十九届五中全会首次提出“坚持创新在我国现代化建设全局中的核心地位，把科技自立自强作为国家发展的战略支撑”。 2022年，《求是》杂志第9 期发表了习近平总书记的重要文章《加快建设科技强国实现高水平科技自立自强》，从核心技术攻关、国家创新体系整体效能提升、科技体制改革、全球科技创新网络构建以及世界重要人才中心和创新高地建设等五个方面对强化国家战略科技力量作出了部署要求。[1]在实现科技自立自强的国家战略要求下，高校作为创新引擎，尤其是高水平研究型高校，更是被国家寄予了厚望。 从基础学科来看，一流学科群建设成果突出，2022 年ESI 最新学科排名中，371 所高校的1 785 个学科进入全球前1%；从科研人才来看，高校拥有的基础研究队伍、国家创新团队、中科院院士、“国家杰青”“国家优青”以及“千人计划”“万人计划”人数占全国总数都在半数以上乃至占80%以上，单就2020 年，高等学校投入的基础研究人员就高达42.7 万人，同时拥有一支庞大的本科生、研究生科研梯队；从科研基地、平台和信息来看，全国542 个国家重点实验室，依托高校建设的就有228 个，占比42%，覆盖了我国主要重点基础学科点；而且，在国家重点基础研究计划项目和重大科学研究计划项目等各类基金项目中，来自高校的首席科学家牵头的项目均占半数以上①数据来自国家中组部、科技部和教育部官方网站，截止时间为2020 年12 月。；频繁的学术交流活动以及丰富的图书资源使高校能够及时掌握研究最新进展。因此，高校成了当之无愧的原创性科研创新的“国家队”，且应当好高水平科技自立自强的“排头兵”。

目前学界对高校科研创新效率的相关研究主要遵循两条研究路径:一是投入导向的高校科研创新效率的影响因素研究。 这类研究聚焦于微观或中观层面，探讨学术带头人、科研团队、科研平台以及制度环境等因素对高校科研创新的影响[2]，认为高等教育系统作为一个充满竞争的复杂综合体，大学在全球范围内的科研竞争核心在于吸引、留住学术带头人，同时，培养和提升学术带头人的综合能力对于科研创新至关重要[3]。 关于高校科研创新团队建设，大部分研究侧重管理机制和绩效评价，认为知识互补、技能多样的团队结构以及适当的团队规模更有利于高校的科研创新[4]，因为团队内的学术合作伙伴更能够在隐性、复杂知识中受益，激发创新活力[5]。 在科研平台及其制度环境方面，先进的科研场所、精密的实验设备是科研人员施展才华、实现科研创新的舞台，政府创新投入更是对市场创新投入具有显著的挤入效应[6]；同时，研发补贴[7]、科研资助[8]及其成果收益权改革[9]均对科研绩效的提高具有持续性效果，其中，科技成果权属混合所有制改革能够显著提高高校创新效率[10]。 二是产出导向的高校科研创新效率的区域、省域以及院校异质性研究。 从全局上看，我国高校整体创新效率值较低，尤其在成果转化阶段的效率水平较低，耦合协调度处于失调阶段[11]，高校并未为我国重大创新战略提供足够支撑，较低的创新效率导致投入到高校的科技资源难以转化为经济绩效[12]；然而，东部地区较其他区域高校具有较高的创新效率[13]。 而在跨省城市群之间，尽管我国城市群高校科研效率明显提升，但是非DEA 有效城市群仍然占比较高[14]；同时，高校R＆D 知识溢出与区域创新能力也存在较大差异[15]。

综上所述，从学术带头人、科研团队结构与规模到科研平台建设、管理制度改革，从全局到区域、城市群、省域再到院校层次，目前学界已对高校科研创新效率的影响因素、区域异质性做了大量探讨。 这些研究循着问题导向与理论突破、宏观与微观互构相结合的路径，在应然与实然层面上为高校科研创新效率研究奠定了前期基础。 然而，大部分研究仍然局限于高校科研创新效率的静态分析，而且忽视了空间因素对高校科研创新效率的影响，也鲜有研究考察高校科研创新效率的空间收敛机制。 鉴于此，本文结合Malmquist 指数对高校科研创新效率进行动态分析，并纳入经济空间、地理空间因素，挖掘其空间分布特征，全面把握高校科研创新效率的动态演进规律、区域差异以及收敛性特征，以期为我国高水平科技自立自强发展格局的构建提供现实指导。

二、研究设计

本文选用我国境内31 个省(自治区、直辖市)作为样本对象，时间跨度为2001—2020 年，能够较为全面地反映出“十五”至“十三五”规划期间的状况，并在空间上纳入东部、中部、西部和东北地区的区域范围概述。 数据来源于各年度《中国统计年鉴》《中国教育统计年鉴》《中国教育经费统计年鉴》以及《高等学校科技统计资料汇编》。 具体研究设计如下:首先，构建超效率DEA-Malmquist 模型，测算各年度的高校科研创新效率，并根据核密度估计结果考察高校科研创新效率的动态演进态势。 其次，基于高校科研创新效率的测算结果，通过Dagum 基尼系数及其分解法，考察区域间的空间差异。 最后，构建空间效应的β收敛和俱乐部收敛模型来验证高校科研创新效率的空间收敛过程。

(一)基于超效率DEA-Malmquist 的高校科研创新效率测算

高校科研创新效率既是高等教育发展程度的一个直接表征，也是反映高等教育活动中科学研究系统投入-产出的结果变量。 以随机前沿生产函数为代表的参数方法只能处理单维度的科研创新情况，而以数据包络分析法(Data Envelopment Analysis，简称DEA)为主的非参数计算则能够有效测评多维的生产效率前沿面。[16]目前学界亦已普遍使用DEA 对决策单元(Decision Making Unit，简称DMU)进行资源调配能力、资源使用效率等多方面能力的综合衡量与评价。[17]然而，作为相对绩效评价方法，当DMU 的资源调配能力较为接近时，传统DEA 模型便容易产生错误估计。 因此，本文采用超效率DEA 模型测算高校科研创新效率，从而克服估计偏误。 与此同时，由于传统的DEA 模型仅仅是对同一时期的DMU 资源配置效率的静态分析，难以实现DMU 之间的连续多期的动态对比，因此，为弥补其不足，更好地测算高校科研创新效率的动态特征，本文采用DEA-Malmquist 指数分析方法对高校科研创新效率进行测算，投入-产出指标体系见表1。

表1 超效率DEA－Malmquist 下的高校科研创新效率投入－产出指标体系

其一，投入指标的选择。 尽管高校科研活动的方式、种类、过程错综复杂，但是，就投入角度讲，高校开展科研活动所需的资源投入无非包括人力、物力和财力。 因此，本文分别选择教学与科研人员(人力投入)、高校数(物力投入)和科研经费(财力投入)作为高校科研创新效率评价的投入指标。 由于人力投入指标中的教学与科研人员在专业技术职务上存在结构性差异，不同专业技术职务(正高、副高、中级及以下)的教学与科研人员所拥有的课题经费、实验仪器和攻关团队均有差异，进而影响科研创新效率，这就意味着人力投入指标存在质量差异；物力投入指标中的高校也存在结构性差异，“双一流”建设高校在办学条件上优于其他高校，这种由院校办学层次不同带来的质量差异很可能影响科研创新效率。 因此，为体现投入指标的质量与结构，本文对教学与科研人员指标进行结构化处理，正高、副高、中级及以下的教学与科研人员分别为1.5、1.2 和1[18]，重新计算得到教学与科研人员的人力投入指标；“双一流”建设高校和其他高校分别以1.5 和1 进行结构化处理[19]，重新计算得到高校数的物力投入指标。

其二，产出指标的选择。 从科研活动的主要特征上讲，高校科研创新效率的产出指标应涵盖创新人才培养、科研成果和成果转化等方面。 以往研究较多使用毕业生数衡量人才培养，使用学术论文、出版著作数衡量科研成果，以及使用专利授权数衡量成果转化状况[20]，这类指标属于规模性指标，难以突出创新人才培养、科研成果和成果转化的质量。 鉴于此，本文以优秀博士毕业生数衡量创新人才培养，并在反映科研成果和成果转化的规模性指标的基础上，分别引入高被引与热点文献、国家三大奖、省部级科技进步奖和技术转让收入。 对质量产出指标的引入主要有以下考量:第一，博士作为高层次培养人才，其较强的专业知识能够深入参与科研过程，推动科研活动的开展，而优秀博士毕业生就意味着其毕业设计具有创新性，反映的是科研创新的质量；第二，与学术论文、出版著作等规模性产出指标相比，高被引与热点文献更能够体现高校在基础研究上的原创性创新；第三，国家三大奖(国家自然科学奖、国家技术发明奖、国家科技进步奖)是我国科研活动中最具含金量的奖项，代表着国家的科研实力，是科研创新产出能否对接国家重大战略需求的最佳表征，而省部级科技进步奖则代表着科研创新活动与区域经济社会发展的协调程度；第四，科研创新活动的价值依归是成果转化，而技术转让收入是科研成果应用于工业生产活动的直接表征，如果科研成果无法通过技术转让产生社会效益，那么科研创新活动就会变成“无源之水”。

(二)Dagum 基尼系数测算与分解

一般来说，基尼系数(Gini Coefficient)和泰尔指数(Theil Index)常用于衡量人们或者地区间收入差异状况。 随着研究拓展，这些方法已被广泛用于刻画教育平等或公平问题。[21]尽管传统基尼系数和泰尔指数能够反映区域教育发展失衡程度，但无法有效解决区域教育发展失衡的来源问题。 Dagum[22]提出的基尼系数及子群分解方法，能有效克服传统基尼系数和泰尔指数等指标带来的子样本分布、交叉重叠和区域差异问题。 据此，本文构建Dagum 基尼系数，从整体刻画高校科研创新效率的区域差异，Dagum 基尼系数值越大，则意味着高校科研创新效率的区域发展越不平衡。 其计算公式为:

式(1) 中，k为总的区域个数，i和r表示区域内的省份序号，nj和nh分别表示j和h区域内的省份个数，y代表的是高校科研创新效率，n为总的省份个数，本文为31，¯y为高校科研创新效率的均值。 Dagum基尼系数分解的思路是:将总的基尼系数分解为区域内差异Gw、区域间差异Gnb和超变密度Gt。 三者之间的关系满足G＝Gw＋Gnb＋Gt。

(三)空间收敛机制

收敛概念最早由Barro 和Sala-i-Martin 提出，分为σ收敛和β收敛。[23]σ收敛采用标准差、变异系数等指标进行衡量，用来描述差距缩小的趋势，是一种绝对收敛状态，难以区分区域间的资源禀赋差异。β收敛则来源于新古典经济学中的经济趋同理论，包括绝对β收敛与条件β收敛，Baumol 在此基础上进一步提出了“俱乐部收敛”[24]，认为不同地区有着不同的收敛水平，呈现出俱乐部特征。 在本文语境中，由于地方政府之间存在策略模仿的标尺竞争，β收敛意指高校科研创新效率较低的地区相比于高校科研创新效率较高的地区具有更快的增长速度，不同地区内高校科研创新效率的增长率与其初始水平呈负相关；那么，根据不同地区的β收敛水平则能够考察其俱乐部特征，即是否存在俱乐部收敛。 绝对β收敛是指在科研资源投入水平等完全相同的情况下，不同地区的高校科研创新效率随着时间的推移逐渐收敛至稳态水平；而条件β收敛模型则承认区域间的资源禀赋差异。 考虑到我国区域间经济社会发展水平差异，本文根据Galor[25]的检验思路，增添地方财政支出分权(FDexp)、城镇化率(cityratio)、财政供养人口(pop)、地区人均GDP(prGDP)和每十万人口大学生数(student)作为控制变量，构建条件β收敛模型检验高校科研创新效率的空间收敛过程，表达式为:

式(2)中，i为省域，t为样本年份。yt＋1为第i个省域在第t＋1 期的高校科研创新效率变化，采用对数差分计算的高校科研创新效率的增长率来表示。 lnUESRIit表示第i个省域在第t期的高校科研创新效率。α为截距项；β为收敛系数，若β ＜0，且通过显著性水平检验，则表明不同地区的高校科研创新效率存在收敛性，反之则为发散性。Controlsit为一组控制变量，γ为系数向量。ρ和δ为空间效应系数；ωij为空间权重矩阵，表示省域i与省域j之间的空间关系；由于我国东、中、西部社会经济发展水平呈现非均衡状态，各省域有着明显的阶梯性划分，使得地理距离的设定与我国国情不相适应，容易割裂省域间的实际空间联系，因而本文舍弃地理距离空间权重矩阵，将地理相邻空间权重矩阵(WN) 与经济距离空间权重矩阵(WE)设置为核心矩阵进行参数估计。νt表示时间固定效应；μi表示省域固定效应；εit为随机扰动项。

三、实证结果与分析讨论

(一)高校科研创新效率的特征描述与动态演进

1.高校科研创新效率的整体特征

高校科研创新效率的测算结果如图1 所示。 时间维度来看，从“十五”至“十二五”期间，尽管略有波动，但四大地区高校科研创新效率在整体上均呈现上升趋势。 而到“十三五”期间，除了西部地区之外，其他地区的高校科研创新效率值都出现严重滑坡。 可能的原因是，高等教育规模扩招后，地方政府提高了包括科研经费在内的高等教育财政投入，在一段时间内快速推动高校科研产出的提高，但是，当高等教育发展的后发外生优势、规模效应逐渐丧失，地方政府竞争下的区域高等教育发展不可避免陷入高投入、低效益的“规模陷阱”，抑制了高校科研创新效率的持续提高。 表面上看，“十五”至“十二五”期间，高校科研创新效率增长非常快，但是这种快速增长是以规模投入为主、技术进步相对不足、治理效能低下为内核的，然而，“粗放型”的资源投入并不能为高校科研创新带来直接效益，它掩盖了我国区域高等教育发展的结构扭曲和空间错配问题，保证资源合理利用才是推动高校科研创新高质量发展的关键所在。

图1 “十五”至“十三五”时期高校科研创新效率的整体态势

2.基于Malmquist 指数的高校科研创新效率动态分析

为进一步分析高校科研创新效率的年度变化趋势，采用Malmquist 指数测算2001—2020 年高校科技创新的动态效率，结果如表2 所示。 从整体上看，尽管全要素生产率(TFP)呈现上升趋势，并在“十二五”期间达到1.003 的有效增长，但受规模效率变动的影响，2001—2020 年高校科研创新的全要素生产率指数的均值仅为0.989，总体下降了1.1%。 随着高等教育规模效应的逐渐丧失，科研投入的边际产出正在下降，说明今后技术进步对于提高高校科研创新效率起着主导作用，推动技术进步才能从根本上提升我国科研创新效率。 四大区域中只有西部地区仍能够通过规模效率变动(SEC)进而提高综合技术效率，其他区域均已达到规模效应拐点；而在各区域内只有吉林、江苏、浙江、甘肃四个省域的全要素生产率指数是增长的，其他省(自治区、直辖市)的全要素生产率指数都处于下降状态。 从Malmquist 指数分解可知，纯技术效率的提高是今后各区域越过规模效应拐点，实现高校科研创新效率持续增长的主导因素。 这也进一步验证了技术提升对于高校科研创新效率的重要性。

表2 2001—2020 年不同地区高校科研创新Malmquist 生产率指数及其分解

表3 2001—2020 年不同时期高校科研创新Malmquist 生产率指数及其分解

进一步地讲，综合技术效率(TEC)在2001—2020 年期间总体上呈现震荡升降的趋势。 比如，伴随着规模效率变动从“十一五”规划期间的1.001 降至“十三五”规划期间的0.997，综合技术效率从2016 年的0.977 上升到2019 年的1.011，增长率为3.4%，究其原因主要是纯技术效率得到了进一步的提高，进而影响综合技术效率的变动，意味着高校科研创新效率的提高开始从“投入规模拉动”转向“治理质量拉动”。在比较综合技术效率与纯技术效率的变动趋势后，发现两者轨迹接近，表明纯技术效率可以作为评价高校科研创新效率是否有效的关键指标。 技术进步效率(TC)在2001—2020 年的平均值为0.991，意味着技术进步效率仍未能有效地促进高校科研创新效率的提高，但是，在总体上，技术进步效率呈现震荡上升趋势，从2000 年的0.957 上升到2020 年的0.975，增长率为1.8%，表明高校科研创新活动的“投入-产出”效应正在改善，需要持续通过技术进步提高高校科研创新效率。

3.动态演进

本文采用核密度估计分析高校科研创新效率的空间动态演进态势，揭示高校科研创新效率在区域间的分布位置、分布形态、空间延展性以及极化趋势等特征，结果如图2 所示。

图2 高校科研创新效率的核密度估计

从分布位置上看，四大地区的高校科研创新效率密度分布曲线的中心均出现逐渐右移的情况，表明高校科研创新效率呈现上升趋势。 其中，西部地区高校科研创新效率保持常年稳定上升，但东、中部以及东北地区都出现局部波动现象，且在“十三五”规划期间均出现了不同程度的左移现象，意味着这三个地区都出现下滑趋势。 从分布形态来看，四大地区的高校科研创新效率差异呈现先扩大后缩小的趋势。 具体而言，各区域高校科研创新效率分布的波峰呈“上升—下降—平稳”的趋势，且主峰的宽度逐步收缩，这说明高校科研创新效率在考察期内的区域差异性具有缩小的迹象。 东、中部和东北地区的高校科研创新效率差异变化呈现缩小趋势，而西部地区高校科研创新效率分布曲线的主峰峰值呈现逐年上升趋势，表明地区内部各省(自治区、直辖市)的差距在逐渐扩大。

从空间延展性看，东、西部地区高校科研创新效率的空间分布都出现了向右拖尾的现象，原因在于东部和西部地区内存在高校科研创新效率“极点”，比如东部的北京和江苏、西部的陕西和四川等高等教育发展“强省”；然而，随着中西部高等教育振兴计划的实施，区域间高校科研创新效率的差距正在进一步减小。 从极化现象上看，四大地区的高校科研创新效率分布都存在极化趋势，且出现不同程度的多峰极化，这说明区域内的高校科研创新效率差距依然存在，但在“十三五”规划期间，极化趋势从开始的十分明显逐渐回归到单主峰态势，表明区域内的高校科研创新效率逐渐呈现均衡发展。

(二)高校科研创新效率的区域差异与分解

1.总体差异

图3 展示了高校科研创新效率的总体基尼系数及四大地区的区内、区间基尼系数走势。 考察期内，高校科研创新效率的总体基尼系数值呈现反复升降，但在整体上趋于上升的态势。 具体来看，总体基尼系数由2001 年的最小值0.066 增长到2002 年0.098，表明地区差异在迅速扩大。 随后2003 年又降到0.071，之后在较长的时间之内，总体基尼系数值的变动保持在一个相对稳定的范围内波动，涨跌浮动不超过35%。 但2017 年总体基尼系数迅速增长到0.099，增长率为43.5%，并且在2020 年达到最大值0.118。 这意味着高校科研创新效率的区域差异愈发明显，由资源禀赋、区位和制度等差异带来的地区高等教育非均衡发展的空间格局呈现扩大趋势。

图3 高校科研创新效率的总体与区内、区间基尼系数走势

2.区域内差异

从图3 中可以看出，高校科研创新效率的区域内差异具有明显的空间异质性。 从演进态势来看，东部和中部地区的高校科研创新效率差异明显要大于西部和东北地区，且呈现大幅上升的趋势；反观西部、东北地区基尼系数值在波动变化中呈现下降趋势，区域内高校科研创新效率具有“追赶效应”。

具体来看，东部地区的高校科研创新效率基尼系数在2013 年之后开始出现大幅度上升，凸显区域内部的非均衡态势。 究其原因，高校科研创新效率受到地方经济发展水平的制约，区域内不同省市在科研人力资本水平、科研经费投入等方面的差异造就了其高校科研创新效率差距的持续扩大。 例如，2020年，北京高校的科研经费投入是河北高校的8 倍之多；同时，人力资本投入是天津的3 倍。 地方政府只有为高校提供充足的科研经费，才能促进当地高校的科研创新发展，而财力相对有限的地方政府无法提供高校科研的基本保障，导致高校科研创新效率的区域差异问题愈发严重。 然而，得益于近年来国家对于西部地区高等教育专项资金的支持，中央财政转移支付和“西部之光”等人才计划弥补了西部地区资金不足和人才匮乏的劣势，且东北振兴计划的实施提振了东北地区的整体经济社会发展。 因此，可以发现，考察期内，西部、东北地区内科研创新效率的基尼系数波动变化较为平缓，高校科研投入的总体差异不大，区域内部高等教育发展形成相对均衡局面。

3.区域间差异

图3 显示，高校科研创新效率的区域间差异特征可以从差异大小与差异走势两个方面加以解释。 从差异大小上看，东部—东北、东部—中部的区域间基尼系数差异值较大，其均值为0.089 和0.083；东部—西部和中部—东北次之，均值为0.771 和0.072；中部—西部和西部—东北基尼系数差异均值为0.069、0.058，区域间差异相对较小。 从差异走势来看，“十五”至“十二五”规划期间，尽管区域间基尼系数值波动频繁，但在总体上处于小幅波动，而到了“十二五”规划期间，区域间基尼系数值都出现大幅度上升趋势，表明区域间的高校科研创新效率呈现非均衡发展，高等教育地方化趋势开始明显加剧，地方政府逐渐成为内生于区域高等教育系统的推动者。

4.区域差异来源

图4 展示了高校科研创新效率的区域内差异、区域间差异和超变密度的贡献率，可以看出，“十五”至“十二五”规划期间，高校科研创新效率的区域差异主要来源于超变密度差异，其贡献率均值为49.13%，意味着高校科研创新活动的区域同质化发展现象突出，强调以规模投入为主的粗放式发展。 但从变化趋势来看，以2017 年为分水岭，超变密度差异的贡献率总体呈现下降态势，而区域间差异贡献率总体呈现上升的趋势，并在2019 年之后超过超变密度差异，表明地区间差异的逐渐扩大是值得警惕的问题。

图4 高校科研创新效率的区域差异贡献率走势

(三)高校科研创新效率的空间效应收敛检验

模型适配检验得出空间杜宾模型(SDM)具有更好的有效性，且Hausman 检验在1%显著性水平下拒绝原假设。①受篇幅限制，此处不再列出固定效应模型与随机效应模型的Hausman 检验过程。 感兴趣的读者可向作者索要。因此，本文使用双向固定效应的SDM 模型对高校科研创新效率的空间收敛过程进行检验，结果如表4 所示。 模型(1)—(2)结果显示，无论是在地理相邻空间权重矩阵下，还是在经济距离空间权重矩阵下，高校科研创新效率的β 收敛系数均显著为负，这就表明，尽管我国各地经济社会发展状况迥异，但是高校科研创新效率存在显著的条件β收敛过程，亦即高校科研创新效率较低的省份具有比高校科研创新效率较高省份更快的科研创新发展速度，高校科研创新效率差异水平将通过空间溢出效应逐渐缩小。 通过比较β收敛系数绝对值大小可以发现，相较于经济距离空间权重矩阵，高校科研创新效率在地理相邻空间权重矩阵下具有更快的收敛速度。 模型(3)—(6)结果显示，东部、中部、西部以及东北地区的条件β收敛系数均为负显著，说明四大地区的高校科研创新效率呈现俱乐部收敛特征；结合收敛系数绝对值和空间外溢系数来看，即使区域间高校科研创新活动的条件不同，空间收敛速度也不同(东北地区＞西部地区＞东部地区＞中部地区)，但在空间溢出效应的扩散作用下，高校科研创新效率仍会收敛到各自的稳定状态，实现“从集聚中走向均衡”。

表4 高校科研创新效率的空间效应β 收敛检验与俱乐部收敛特征

值得注意的是，地方财政支出分权、城镇化率、财政供养人口、地区人均GDP 和每十万人口大学生数对不同地区的条件β收敛过程产生了不同的影响。 第一，地方财政支出分权对高校科研创新效率产生了负面影响。 这是因为，在科研管理制度不完善情况下，地方政府的大量财政经费投入可能造成“高成本、低效益”的重复建设、资源错配现象。 第二，城镇化率对高校科研创新效率影响各不相同，城市化进程的加快促进了东中西部高校科研创新效率向高值收敛，但对东北地区呈现负效应。 这说明，城市化的推进加快了人才的合作交流，进而促进高校科研创新效率提高，但是，东北地区作为人才流出地，城镇化进程需要与地区自身发展相契合。 第三，鉴于科研人员是高校科研创新的主力军，如果政府以充足的财政预算保障科研人员生活需求，那么，高校科研创新效率就能以更快的速度向高值收敛。 第四，地方经济发展水平对东部、西部的高校科研创新效率产生正向影响，区域经济发展与高校科研创新效率的提高互利共生，形成经济与创新双螺旋增长。 第五，高等教育规模扩张能够促进中部和西部地区高校科研创新效率向高值收敛，却对东部地区和东北地区呈现负向影响。 这意味着，中西部高等教育规模效应未到拐点，规模扩张能够促进高校科研创新效率的提高；然而，当东部与东北地区的规模效应越过拐点时，高校科研创新效率的持续提高应注重高等教育内涵式发展。

四、研究结论与政策建议

本文借助超效率SBM 模型和Malmquist 指数测算了2001—2020 年我国31 个省域内的高校科研创新效率，并通过核密度估计、Dagum 基尼系数及其分解和空间效应收敛机制分析了高校科研创新效率的动态演进、区域差异及其收敛性。

(一)研究结论

第一，考察期内，尽管高校科研创新效率呈现稳定的上升趋势，但是，在总体上仍处于较低水平。 其阶段性特征表现为，“十五”到“十二五”时期，当高等教育扩招带来的规模效应开始逐渐丧失时，高校科研创新效率受规模效率变动的影响开始下滑；但到“十三五”时期，当高等教育规模趋于稳定时，纯技术效率的变动将通过提高高等教育治理水平拉动高校科研创新效率的提高，支撑区域经济社会高质量发展。

第二，考察期内，尽管高校科研创新效率的区域异质性特征明显，但均处于效率改进阶段。 东部地区的高校科研创新效率最高，东北地区次之，之后依次为中部地区和西部地区。 高校科研创新效率呈现“领跑型”“跟跑型”和“追赶型”的区域梯度格局，但随着中西部高等教育振兴计划的实施，该区域高校科研创新效率得到了较大的提高。

第三，核密度估计显示，高校科研创新效率的地区差异逐渐缩小，区域高等教育发展的协调性水平逐渐升高。 从阶段性特征上看，“十五”至“十二五”期间是高校科研创新效率上升较快、地区差异凸显的阶段，而在“十三五”时期，随着高等教育治理能力、治理体系现代化建设的深入，高校科研创新效率的差异变化已不明显，协调性水平较为一致，区域高等教育发展也相对均衡。

第四，Dagum 基尼系数及其分解结果显示，考察期内，高校科研创新效率的总体基尼系数呈现稳定的下降趋势，空间范围内高校科研创新效率的区域差异正在缓慢缩小；西部地区区域内差异最大，东北地区区域内差异扩大速度最快，而中部地区的高校科研创新效率及其发展水平的空间差异正在改善；对差异贡献率分析得出，高校科研创新效率的整体差异主要是由区域间差异主导的，表明高等教育地方化趋势正在加剧，地方政府成为内生于高等教育系统的推动者。

第五，空间效应β收敛检验发现，区域间高校科研创新效率差异均存在显著的条件β收敛过程，且两种空间权重下的高校科研创新效率存在空间溢出效应，呈现出俱乐部收敛特征，由此产生的“辐射效应”在空间溢出作用下能够带动高校科研创新效率较低的弱势地区向高值地区收敛，并降低“虹吸效应”的负面影响。

(二)政策建议

其一，优化科研管理制度环境，解放科研人员“手脚”，释放科研创新活力。 一切宏观都源于微观，一切行为都源于制度。 高校科研创新效率的宏观问题源自微观上的各种政策扭曲，而科研主体的微观行为都受制于历史延续下来的政策强干预。 诸如科研经费“管得过死”、预算调剂困难，迫使科研人员无奈之下只能通过“偷”经费、课题多次申请等手段变相获取劳动报酬，造成了学术界的一些乱象，以及课题申报过细等科研管理制度不健全往往束缚住了科研人员的手脚，制约着科研创新效率的提高。 因此，通过完善科研管理制度环境，改善科研治理的技术效率，促进高校科研创新效率的提高。 科研管理制度的设计应充分尊重科学规律，减少以绩效为导向的课题审核、考核评价，尽可能为科研人员提供方便，培养科研人员的科研素养，提高科研人员的待遇。 同时，原创性科研创新周期长、出成果慢等客观规律注定了越是有重大价值的基础科研工作，研究的周期越长，若没有持续的经费投入，研究往往被迫中断，科研环境需要包容原创性科研的不确定性，科研制度需要调动一切资源为原创性科研提供充裕、持续的科研经费投入，使科研人员甘于、安心坐“冷板凳”。

其二，区域协调一体化发展战略的深入实施应充分发挥东部高校“带头”作用，带动高校科研创新效率“从集聚中走向均衡”。 受所处区位、经济发展水平的限制，再加上历次重点大学建设政策的倾斜，我国东部高校形成高等教育资源的集聚效应，其他地区高校的科研投入水平相对较低，在一定程度上造成高校科研创新效率的“马太效应”。 随着区域协调一体化的快速推进，不同区域之间的交流联系更加频繁，资源要素在区域间的流动也日益明显，一个地区的发展愈发受到周边其他地区的影响，“先富带动后富”逐渐成为区域协调发展的主要模式。 而且，本研究发现，高校科研创新效率的空间效应能够推动区域间发展实现由空间集聚到空间溢出。 因此，各级政府应推动建立有效的高校“联盟”，借助多种渠道构建科研资源和成果共享机制，依托东部高校的“极点”作用促进其他地区高校科研创新效率和学术竞争力的提升，利用空间溢出效应实现区域均衡发展，同时充分发挥中西部高校特色，因地制宜利用地方产业，加强校企合作以促进科研成果转化，发挥其自身的“造血”功能，突破科研创新效率的“瓶颈”。