中国研究型大学科研效率及其时空特征-基于2003-2011年校级面板数据的分析

1、    中国研究型大学科研效率及其时空特征基于2003-2011年校级面板数据的分析    摘要：为避免同质化生产函数带来的模型误置和评价不公平问题，应采用数据包络分析方法评价我国研究型大学科研的投入-产出效率及其时空特征。基于2003-2011年校级面板数据的研究发现：我国研究型大学科研效率的整体水平偏低，地区间无显著差异；我国研究型大学科研效率存在一定波动，总体呈上升趋势；在技术效率的分解中，技术要素对技术效率的贡献大于规模要素。关键词：dea，中国研究型大学，科研效率，时空特征基金项目：江苏省教育科学“十二五”规划重点资助项目“研究型大学技术转移机

2、制与激励政策研究比较创新体制的视角”(b-a/2011/01/019)。一、问题的提出与相关文献评析随着全球知识经济的崛起和我国创新驱动战略的实施，研究型大学作为科技第一生产力和人才第一资源的结合点，在国家创新体系中发挥着越来越重要的作用1。为了提高研究型大学的科技创新能力，国家不断加大对研究型大学的资源投入和倾斜，除了常规事业拨款以外，还实施了以“211工程”“985工程”“2011计划”等为代表的一系列重大科研专项。中国科技统计年鉴(2001-2014)数据显示，2000-2013年间，我国大学研发经费投入从76.7亿元增加到856.7亿元，年均增长率为20.4%，远远超过同期国民经济的增

3、长幅度。随着大学获得科研投入的日益增多，政府和社会各界也更加关切研究型大学的科研绩效评价。然而，目前对研究型大学的科研评价和排行偏重存量评价，重视大学科研投入和产出的绝对数量，忽视大学发展原有的条件，轻视科技资源的投入效率和效益。这种评价方式虽然也关注大学的科研投入和产出，但是往往采用“科研投入+科研产出”的累加逻辑来评价大学的科研绩效，容易引起大学在科技投入如课题数量、获得经费数量、引进人才数量或科技产出(论文数量、获奖数量等)等方面单向度的竞争甚至盲目攀比，造成大学之间的不公平竞争和公共科技资源的浪费2。如何客观、公正地评价大学的科研绩效，优化公共科技资源配置，提高大学科研效率，促进大学科

4、研之间的良性竞争，已经成为当前亟需面对的重要问题。与传统基于绝对投入和产出的评价和排行不同，一些学者开始探索使用投入和产出之间的相对效率对大学科研进行评价。这种相对绩效评价的主要逻辑是比较投入与产出变量，比较常见的是使用加权产出比上投入(加权产出/加权投入)。例如，原中央教科所高等教育研究中心使用14个投入指标和16个产出指标，经过主成分因子分析处理，得到投入得分与产出得分之比，作为评价教育部直属76所大学的相对效率指标3。这种方法是对传统绝对投入产出评价的一种改进，具有重要的理论和现实意义。但是，这种方法也存在明显的缺陷，由于不同大学的学科构成存在显著的差异，使用同质的加权方法整合投入和产出

5、指标，实际上是潜在地假定所有大学的生产函数形式相同，这对一些需要高投入的偏工科类大学可能尤为不利。为了克服采用同质化的生产函数形式评价不同类型组织效率的问题，charnes、cooper、rhodes(1978)采用线性规划方法，使用投入-产出指标数据，构建适应不同类型组织最佳生产效率的生产前沿面，然后以此来评价每个组织的相对生产效率，即数据包络分析方法(data envelopment analysis，以下简称dea)4。该方法并不假设一个同质的生产函数，而且能够整合多投入和多产出指标，非常适合高等教育机构相对效率的评价，因此在国际高等教育效率评价方面的应用日益广泛。例如，avkiran(

6、2001)使用dea对澳大利亚大学技术效率和规模效率的评价5，garcia-aracil(2013)使用dea-malmquist指数分解方法对西班牙大学科研生产效率进行动态评价6。使用dea方法来分析我国大学生产效率的研究也逐步增多，这些文献大致可分为两个方向：一是从空间角度出发，以地区为单位的研究，例如孙世敏、项华录、兰博(2007)7、王欢、宗晓华(2013)等8；二是从时间角度出发，以大学为单位的研究，例如，ng、li(2009)9、潘健、宗晓华(2016)等10。其中，针对“985工程”大学的科研效率研究相对较多，例如，胡庆江、何玮佳、柳锐(2011)11、赵晓阳、刘金兰(2013)

7、等12。赵晓阳、刘金兰的研究使用动态malmquist指数分解方法，采用2006-2009年“985工程”大学的科研投入产出面板数据进行评价，结果显示，“985工程”大学的科研生产效率整体偏低，并且在2006-2009年内未能取得显著进步，其中技术进步是阻碍各大学科研生产效率提高的首要原因。以往研究多从单一角度分析，缺少从时空的角度全面评价大学的科研效率，针对上述不足，本文以2003-2011年间我国研究型大学科研投入-产出面板数据为基础，采用dea经典模型考察我国研究型大学科研活动的效率状况及其区域间的差异，为优化我国科研资源配置、提高研究型大学科研质量提供参考。二、研究方法、指标选取与数据

8、来源(一)研究方法ccr模型是dea中最基本也是最为经典的模型之一，该模型可以用来判断决策单元是否同时为技术有效和规模有效。在研究的早期，学者们主要运用该模型去评价学科绩效和大学效率。1984年，banker、charnes、cooper针对规模收益可变情况(variable returns to scale，vrs)提出了bcc模型13。运用ccr模型可测算出决策单元的技术效率(technical efficiency，te)，运用bcc模型可测算出决策单元的纯技术效率(pure technical efficiency，pte)，联合运用ccr和bcc模型，可推导出规模效率(scale e

9、fficiency，se)，三者的关系式为：te=pte×se(二)指标选取与数据来源我国研究型大学科研投入指标有2项。第一项是选取研究与发展全时人员(人年)(i1)，该项指标反映了大学科研在人力方面的投入情况；第二项是研究与发展课题当年拨入经费(千元)(i2)，该项指标反映了大学科研在财力方面的投入情况。此外，还有物力投入，该方面的投入资金很大一部分来源于科研经费，与经费投入具有很强的线性关系，而且这种物质资本存量短期内变化不明显，难以反映大学科研投入的短期变化，因此本文没有把物力方面的指标列入到投入指标内。我国研究型大学科研产出指标有4项。第一项是sci期刊论文篇数(o1)，第二

10、项是ssci期刊论文篇数(o2)，第三项是a&hci期刊论文篇数(o3)，第四项是自然科学研究与发展课题数(o4)。其中，前三项为学术发表指标，后一项反映了大学在学术方面的竞争力。研究型大学代表着我国大学的最高水平，选取国内期刊论文数和专著数量等指标已经很难充分衡量我国研究型大学的科研水平，使用sci、ssci、a&hci期刊论文数作为大学科研中的论文成果，可以在论文的数量与质量间寻求到契合点。用于实证分析的数据来自2003-2011年教育部、中科院、工业和信息化部直属大学的面板数据。相关研究表明，我国的科研产出存在滞后性，滞后期设置为1到5年不等1415。参考以往研究文献和专

11、家咨询意见，本文设定的滞后周期为3年，即以2003年的科研投入对应2006年的科研产出，2008年的科研投入对应2011年的科研产出。三、科研效率的时序变化分析基于投入导向的ccr模型和bcc模型，本文运用deap2.1软件测算了2003-2008年我国研究型大学科研的效率状况，根据测算结果，先从时间的维度深入地分析我国研究型大学的科研效率及其变动情况(见图1)。图1 中国研究型大学科研效率的年际变化(一)技术效率的时序变化分析1.我国研究型大学科研活动的技术效率整体水平偏低2003-2008年，我国研究型大学科研活动的技术效率为0.615，标准差为0.249，年均增长0.88%。其中，200

12、7年，我国研究型大学科研活动的表现最佳，当年技术效率为0.685，有15所大学的科研有效，占比22.39%。2005年，我国研究型大学科研活动表现最差，当年技术效率为0.511，仅有8所大学的科研有效，占比11.94%。与相关研究比较，本文评价结果偏低，原因可能在于以往研究多采用国内期刊论文篇数，致使科研产出的数量相对偏多，而本文采用了sci等期刊论文篇数，更注重科研质量，科研产出的数量相对偏少，在同等的投入下，相对效率自然会偏低16。2.技术效率呈现出“m”型变化趋势，总体上不断上升2004年出现小幅上升，当年技术效率为0.646，2005年出现明显下降，当年技术效率仅为0.511，2006

13、-2007年出现稳步上升，技术效率达到最大，为0.685，2008年出现小幅下降。整体而言，技术效率呈现出良好的变化趋势，也存在不可忽视的波动，究其原因，可能是我国研究型大学经过2003年的合并浪潮后，学科构成较为全面，庞大的学科群和科技资源亟待整合和优化，而这并不是三到五年时间所能完成的。只有加大改革的力度，建立健全科研管理机制，才能减少我国研究型大学在磨合期的“阵痛”。3.2006年我国研究型大学科研活动的技术效率最为稳健为了解我国研究型大学在周期内的效率变化情况，本文计算了2003年与2004年、2004年与2005年、2005年与2006年、2006年与2007年、2007年与2008

14、年技术效率的等级相关系数，从计算结果可知2005年与2006年的等级相关系数最大，为0.804，且通过0.01的显著性水平，表明2006年我国研究型大学科研活动的技术效率与上年相比变化最小，即大部分大学上一年科研有效的，第二年仍然科研有效，上一年科研低效率的，第二年仍然科研低效率。4.西南交通大学等理工类大学的技术效率变动幅度较大运用变差系数可以分析出每所研究型大学在2003-2008年间技术效率的变动幅度，从计算结果可知，西南交通大学的技术效率变动幅度最大，变差系数为0.608。排名前十的大学还包括北京中医药大学、中国矿业大学、合肥工业大学、南京理工大学、重庆大学、武汉理工大学、华北电力大学

15、、哈尔滨工程大学和中国农业大学。不难发现，前十的大学基本是理工类大学。产生该现象的原因可能在于该类大学在合并后须整合相干程度较低的学科门类，科研资源在短期内无法消化、融合，以至科研管理水平较低。(二)纯技术效率、规模效率的时序变化分析1.我国研究型大学科研活动的纯技术效率和规模效率偏低2003-2008年，我国研究型大学科研活动的纯技术效率为0.704，标准差为0.247，年均增长0.54%；规模效率为0.868，标准差为0.136，年均增长0.47%。从纵向发展来看，历年的规模效率均大于纯技术效率；横向比较而言，规模效率与相关研究评价结果的差距较小，纯技术效率则与相关研究评价结果的差距较大，这表明选择更有分量的