论文部分内容阅读
摘 要：科研投入产出效率是指投入的科研资源与产出的科研成果之比，是科研活动效果的衡量标准，对高职院校而言，知识产权投入产出效率是衡量一所学校科研活动效益的标志之一。运用 DEA-BCC方法，以顺德职业技术学院 2008～2017 年科研投入和滞后一期专利授权量和转化金额为研究对象，探讨提高高职院校知识产权投入产出效率的措施。
关键词：知识产权;投入产出效率;DEA;BCC
中图分类号：G712 文献标识码：A 文章编号：2096-3769（2020）02-045-05
学界对高职院校科研的定位问题曾有过分歧，但随着科教兴国的深入开展，高职院校科研发展的定位问题逐渐明晰，普遍认为科学研究有利于高职院校提高人才培养质量和增强社会服务能力[1]，作为占据我国高等教育半壁江山的高职院校，科研投入力度逐年增长，从而引发关注科研产出效益的研究越来越多。目前，科研投入主要包括人、财、物的投入;科研产出则可以分为显性和隐性成果，显性成果一般以论文、专利、成果鉴定和成果获奖等为主来呈现，隐性成果则体现于人才培养质量等，本文以顺德职业技术学院（以下简称“学院”）为例，运用 DEA-BCC方法，以滞后一期统计分析近年来知识产权投入和产出指标，展现学校知识产权效率与质量，探讨高职院校提高知识产权投入产出效率的措施。
一、知识产权投入产出效率模型与指标选择
1.投入产出效率模型—BCC 模型
高职院校科研多投入、多产出，不适宜使用绝对比例效率分析法，而知识产权投入产出指标不是数理统计中的定量关系，因此也不适宜使用线性回归法。为了对每一个决策单元的管理水平进行有效評价，克服其他方法的不足，A.Charnel和W.W.Cooper等提出了数据包络分析法（即DEA）[2]，不需要确定生产函数，且能同时对多变量进行有效评价，得到每个评价单元的效率值。经过几十年的发展，DEA的理论、模型等各个方面不断扩展。其中最有代表性的四个DEA模型是CCR模型[2]、BCC模型[3]、FG模型[4]、ST模型[5]。作为规模报酬可变的BCC 模型，可以反映决策单元的技术效率，规模效率，松弛变量取值以及其投影下的有效目标值。由于高职院校知识产权投入、产出可选变量多且量纲不同，通过BCC模型可以计算出高职院校知识产权投入产出效率，计算结果可以指出提高效率的方向，所以本文采用BCC模型。
BCC模型假设决策单元（DMU）有m种投入、s种产出，将n个决策单元中的第j个，设第i种（i=1，2，3，…，m）投入项为xij，第r种（r=1，2，3，…，s）产出项为yrj，则纯技术效率值θ为：
若θ=1，且投入项和产出项松弛变量均为零时，决策单元为DEA有效，即DMU在投入产出上获得最优，决策单元同时为技术有效和规模有效;若θ=1，且投入项或产出项任一个松弛变量不为零时，决策单元为DEA弱有效，不是同时达到技术有效和规模有效;若θ≤ 0，则决策单位DEA非有效，既不是技术有效也不是规模有效。
假设决策单元的规模收益，当a=1，表示规模收益不变，即达到最大产出规模;当a<1，表示规模收益递增，指决策单元产出增加量级大于投入增加量级，当a值越小，规模收益递增趋势越大;当a>1，表示规模收益递减，指决策单元产出增加量级小于投入增加量级，当a值越大，规模收益递减趋势越大。
2.指标选择
已有文献中高校科研投入主要包括人员、资金、环境设备等三部分。产出主要包括获奖、专利、成果鉴定、论文、专著、转让等，如表 1所示。
根据可获数据，参考已有文献，尽量避免指标间线性强相关的原则下，综合考虑知识产权投入产出效率的实际需要，本文选取的投入产出指标见表2。所用数据主要来源于学院科技处、组织人事处的统计数据。
基于专利授权时间周期，按滞后一期产出效应能更好地反映学院知识产权投入产出之间的关系，因此，在数据处理时采用了产出指标滞后一期的分析方法。
二、知识产权投入产出效率实证分析
1.DEA测算结果分析
运用DEAP 2.1软件对2008～2017年学院知识产权投入及滞后一期产出进行数据处理分析，评价学院10年来知识产权投入产出效率是否有效，运算结果如表3所示。
Crste是指技术效率，Vrste是指纯技术效率，Scale是指规模效率，这三者的关系是：Scale=Crste/Vrste。若Vrste等于1，表示投入效率在当前技术条件下是有效的，但并非表示DMU有效，只有当Scale同时等于1，才视为DMU规模效率最优化，不需要改变生产规模。因为Scale的大小是由生产规模引起生产效率的大小，是DMU实际生产规模与最优生产规模之差。
从表3结果可知，学院在2008～2017年Crste均值都为0.540，呈早年波动近年上升的趋势但十年中仅有一年技术效率为1;Vrste均值为0.904，其中有两年为1;Scale均值为0.578，与Crste趋势相近，且小于纯技术效率，表明学院知识产权投入产出效率偏低，技术效率无效是由于规模不足造成的。测算结果反映出学院在现有的技术条件下，知识产权的投入资源配置不够合理，资源利用效率有限，没有达到产出最大化。
2.投入产出投影结果
由表3可知，除2016年以外，学院2008～2017年的知识产权投入产出效率均表现为DEA非有效，需要通过改善它的非有效性，从而达到相对有效。根据DEAP 2.1软件计算出学院这些年的知识产权投入及滞后一期产出目标值，通过对投入、产出指标在各自对应的有效面上进行投影，其投影结果如表4、表5所示。
由此可知，出现 DEA非有效的原因既因为投入冗余也在于产出不足。从具体的指标来看，教学与科研人员数和科研经费投入均存在冗余，其中科研经费投入冗余明显，说明学校在知识产出的投入存在浪费，资源利用效率不高，需在人力、财力的利用上进一步调整，实现知识产权活动的效益期望值。在产出方面，专利授权量从早年的不足到近年到达前沿面，而技术转让当年实际收入偏低，需进一步鼓励自主创新和知识产权保护，加大对技术转让的支持和激励力度。学院知识产权投入产出处于规模效率递增阶段，理论上意味着继续增加投入，边际收益也会相应递增，获得更大产出增量，而实际上投影结果反映出的投入冗余不是数值上的绝对过剩，更多是由于投入结构不合理引发的相对过剩，要提高知识产权的产出效率，一边要继续加大投入力度，另一方面却不能过多依赖资源投入的增加来达到规模有效，需要合理调整投入的结构配置，找出产出中的低效因素并加以修正，全面提升现有投入的相对效率。 三、结论与建议
通过上述实证分析，2008～2017年这10年间，学院知识产权投入产出效率不够理想，既存在投入冗余，也存在产出不足。学院科研水平不断提高，科研活动越来越多，提高知识产权投入产出效率显得尤为重要，从过去10年的数据看，知识产权投入产出效率令人不满意，大多数年份投入相对过剩，资源配置效能低下。需要关注的是自学院开展“广东省高校创新强校工程项目”和“广东省一流高职院校建设计划项目”以来，规模效率较以前有一定程度的上升，在今后发展中，学院要把握好放管服政策背景以及“双高计划”的发展契机，进一步加大知识产权投入，优化资源结构分配管理，继续保持纯技术效率高的良好态势，积极服务地方产业转型升级，将外部有利环境内化为学院发展动能，采取措施减少不利因素影响，深化自身优势的研究领域，以吸引更多的社会资源，促进知识产权投入产出效率达到相对最优。基于现状及实证分析结论，提出如下建议。
1.完善知识产权管理体制，优化投入结构，提高投入资金的使用效益
技术效率的提升主要是由技术进步推动的，知识产权投入产出效率的提升也一样，技术效率低，一定程度上反映了学院在知识产权管理与资源配置上仍存在较大调整及改善空间，因此需要完善学院内部的知识产权管理体制。其一，要根据学院具体的科研发展规划制定科学合理的知识产权提升计划，并不断完善及实时动态调整，促进技术效率的提高与规模效率的提升，实现学院知识产权效率稳步增长;其二，通过实证分析，存在科研经费投入冗余，因此应完善科研经费管理，通过制定高效可行、与时俱进的科研经费管理制度，试行包干制、不设使用比例等，减少过程报表检查，最大限度地激发科研人员的活力，同时确保投入的经费落到实处，减少浪费，提高经费的使用效率。
2.加强人才队伍建设，尤其是科技创新人才
科技事业发展的关键是人才，学院知识产权投入产权效率的提升需要一大批高水平的科研人才队伍。首先科研人员是学院知识产权的主要产生人，如何鼓励科研人员开展创造性的研究变得相当重要，这就需要管理与激励制度的保障;其次，要重视科研人员的成长规划和管理，一方面重视资深科研人员的地位和研究成果，另一方面要为青年科研人员搭台，培养他们的科研技术应用能力，提高专业技能和科研素养，营造良好的氛围和环境，通过减少人力资源的浪费，提升知识产权投入产出的效率。
3.深化政校企联动、产学研合作，提高科研成果的质量与转化率
一是，发挥政府导向功能，在增加财政投入的同时，予以多维度的政策指导与扶持，吸引更多的企事业单位与学院合作，既可以拓宽学院资金来源渠道，又可以促进区域内产业与人才的对接，使学院科研成果转化的外部环境进一步优化。二是，深化产学研合作，學院将得到更多前沿技术和资金的支持，让学院的科研成果面向产业和市场，更有利于提高科研成果的质量;同时产学研深度合作使学院科研成果的转化更接地气，解决当前普遍存在的高校科研成果“纸上谈兵、转化难、转化慢”的困局，通过搭建供需交易平台，推动科研成果加速转化，使学院科研成果在市场上得到运用和推广，助力区域经济的发展。同时，科研成果转化率的提高，灵活了学院科研资金的运转模式，资金回转周期的缩短可以加速更多科研项目更快地进行孵化培育，学院科研工作进程得以加快，促进了学院科技资源的优化配置与科技创新效率的提升。
参考文献：
[1]孙毅颖.对高职院校科研问题争论引发的思考[J].中国高教研究，2012（12）：92-95.
[2]Charnes A.，Cooper W.W.Rhodes E..Measuring the efficiency of decision making units[J]. European Journal of Operational Research，1978，2（6）：429-444.
[3]Banker R.-D， Charnes A.， Cooper W.-W.. Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis[J]. Management Science， 1984， 30（9）： 1078-1092.
[4]Grosskopf Rolf-F？覿re-and-Shawna. A Nonparametric Cost Approach to Scale Efficiency[J].The Scandinavian Journal of Economics，1985，87（4）：594.
[5]Seiford Lawrence-M， Thrall Robert-M. Recent developments in DEA： The mathematical programming approach to frontier analysis[J]. Journal of Econometrics， 1990（46）：7-38.
[6]朱琳，余志刚，郑大光，等.高等农业院校科技活动投入产出效率评价——以东北农业大学为例[J].东北农业大学学报（社会科学版），2011（4）：14-17.
[7]苏俊宇.广东国家“211工程”高校科技投入产出效果评价及对策研究[D].广州：华南理工大学，2015.
[8]林卓玲，辜雪钿.基于滞后效应的高校科技创新效率研究[J].长春理工大学学报（社会科学版），2015（1）：90-96.
[9]潘福臣，李琳.基于数据包络分析的高校科技活动效率评价——以辽宁省属本科高校为例[J].决策探索（中），2018（6）：88-89.
[10] 谈毅.基于DEA-BCC方法的我国高校科技投入产出效率研究[J].科技管理研究，2015（20）：106-111.
关键词：知识产权;投入产出效率;DEA;BCC
中图分类号：G712 文献标识码：A 文章编号：2096-3769（2020）02-045-05
学界对高职院校科研的定位问题曾有过分歧，但随着科教兴国的深入开展，高职院校科研发展的定位问题逐渐明晰，普遍认为科学研究有利于高职院校提高人才培养质量和增强社会服务能力[1]，作为占据我国高等教育半壁江山的高职院校，科研投入力度逐年增长，从而引发关注科研产出效益的研究越来越多。目前，科研投入主要包括人、财、物的投入;科研产出则可以分为显性和隐性成果，显性成果一般以论文、专利、成果鉴定和成果获奖等为主来呈现，隐性成果则体现于人才培养质量等，本文以顺德职业技术学院（以下简称“学院”）为例，运用 DEA-BCC方法，以滞后一期统计分析近年来知识产权投入和产出指标，展现学校知识产权效率与质量，探讨高职院校提高知识产权投入产出效率的措施。
一、知识产权投入产出效率模型与指标选择
1.投入产出效率模型—BCC 模型
高职院校科研多投入、多产出，不适宜使用绝对比例效率分析法，而知识产权投入产出指标不是数理统计中的定量关系，因此也不适宜使用线性回归法。为了对每一个决策单元的管理水平进行有效評价，克服其他方法的不足，A.Charnel和W.W.Cooper等提出了数据包络分析法（即DEA）[2]，不需要确定生产函数，且能同时对多变量进行有效评价，得到每个评价单元的效率值。经过几十年的发展，DEA的理论、模型等各个方面不断扩展。其中最有代表性的四个DEA模型是CCR模型[2]、BCC模型[3]、FG模型[4]、ST模型[5]。作为规模报酬可变的BCC 模型，可以反映决策单元的技术效率，规模效率，松弛变量取值以及其投影下的有效目标值。由于高职院校知识产权投入、产出可选变量多且量纲不同，通过BCC模型可以计算出高职院校知识产权投入产出效率，计算结果可以指出提高效率的方向，所以本文采用BCC模型。
BCC模型假设决策单元（DMU）有m种投入、s种产出，将n个决策单元中的第j个，设第i种（i=1，2，3，…，m）投入项为xij，第r种（r=1，2，3，…，s）产出项为yrj，则纯技术效率值θ为：
若θ=1，且投入项和产出项松弛变量均为零时，决策单元为DEA有效，即DMU在投入产出上获得最优，决策单元同时为技术有效和规模有效;若θ=1，且投入项或产出项任一个松弛变量不为零时，决策单元为DEA弱有效，不是同时达到技术有效和规模有效;若θ≤ 0，则决策单位DEA非有效，既不是技术有效也不是规模有效。
假设决策单元的规模收益，当a=1，表示规模收益不变，即达到最大产出规模;当a<1，表示规模收益递增，指决策单元产出增加量级大于投入增加量级，当a值越小，规模收益递增趋势越大;当a>1，表示规模收益递减，指决策单元产出增加量级小于投入增加量级，当a值越大，规模收益递减趋势越大。
2.指标选择
已有文献中高校科研投入主要包括人员、资金、环境设备等三部分。产出主要包括获奖、专利、成果鉴定、论文、专著、转让等，如表 1所示。
根据可获数据，参考已有文献，尽量避免指标间线性强相关的原则下，综合考虑知识产权投入产出效率的实际需要，本文选取的投入产出指标见表2。所用数据主要来源于学院科技处、组织人事处的统计数据。
基于专利授权时间周期，按滞后一期产出效应能更好地反映学院知识产权投入产出之间的关系，因此，在数据处理时采用了产出指标滞后一期的分析方法。
二、知识产权投入产出效率实证分析
1.DEA测算结果分析
运用DEAP 2.1软件对2008～2017年学院知识产权投入及滞后一期产出进行数据处理分析，评价学院10年来知识产权投入产出效率是否有效，运算结果如表3所示。
Crste是指技术效率，Vrste是指纯技术效率，Scale是指规模效率，这三者的关系是：Scale=Crste/Vrste。若Vrste等于1，表示投入效率在当前技术条件下是有效的，但并非表示DMU有效，只有当Scale同时等于1，才视为DMU规模效率最优化，不需要改变生产规模。因为Scale的大小是由生产规模引起生产效率的大小，是DMU实际生产规模与最优生产规模之差。
从表3结果可知，学院在2008～2017年Crste均值都为0.540，呈早年波动近年上升的趋势但十年中仅有一年技术效率为1;Vrste均值为0.904，其中有两年为1;Scale均值为0.578，与Crste趋势相近，且小于纯技术效率，表明学院知识产权投入产出效率偏低，技术效率无效是由于规模不足造成的。测算结果反映出学院在现有的技术条件下，知识产权的投入资源配置不够合理，资源利用效率有限，没有达到产出最大化。
2.投入产出投影结果
由表3可知，除2016年以外，学院2008～2017年的知识产权投入产出效率均表现为DEA非有效，需要通过改善它的非有效性，从而达到相对有效。根据DEAP 2.1软件计算出学院这些年的知识产权投入及滞后一期产出目标值，通过对投入、产出指标在各自对应的有效面上进行投影，其投影结果如表4、表5所示。
由此可知，出现 DEA非有效的原因既因为投入冗余也在于产出不足。从具体的指标来看，教学与科研人员数和科研经费投入均存在冗余，其中科研经费投入冗余明显，说明学校在知识产出的投入存在浪费，资源利用效率不高，需在人力、财力的利用上进一步调整，实现知识产权活动的效益期望值。在产出方面，专利授权量从早年的不足到近年到达前沿面，而技术转让当年实际收入偏低，需进一步鼓励自主创新和知识产权保护，加大对技术转让的支持和激励力度。学院知识产权投入产出处于规模效率递增阶段，理论上意味着继续增加投入，边际收益也会相应递增，获得更大产出增量，而实际上投影结果反映出的投入冗余不是数值上的绝对过剩，更多是由于投入结构不合理引发的相对过剩，要提高知识产权的产出效率，一边要继续加大投入力度，另一方面却不能过多依赖资源投入的增加来达到规模有效，需要合理调整投入的结构配置，找出产出中的低效因素并加以修正，全面提升现有投入的相对效率。 三、结论与建议
通过上述实证分析，2008～2017年这10年间，学院知识产权投入产出效率不够理想，既存在投入冗余，也存在产出不足。学院科研水平不断提高，科研活动越来越多，提高知识产权投入产出效率显得尤为重要，从过去10年的数据看，知识产权投入产出效率令人不满意，大多数年份投入相对过剩，资源配置效能低下。需要关注的是自学院开展“广东省高校创新强校工程项目”和“广东省一流高职院校建设计划项目”以来，规模效率较以前有一定程度的上升，在今后发展中，学院要把握好放管服政策背景以及“双高计划”的发展契机，进一步加大知识产权投入，优化资源结构分配管理，继续保持纯技术效率高的良好态势，积极服务地方产业转型升级，将外部有利环境内化为学院发展动能，采取措施减少不利因素影响，深化自身优势的研究领域，以吸引更多的社会资源，促进知识产权投入产出效率达到相对最优。基于现状及实证分析结论，提出如下建议。
1.完善知识产权管理体制，优化投入结构，提高投入资金的使用效益
技术效率的提升主要是由技术进步推动的，知识产权投入产出效率的提升也一样，技术效率低，一定程度上反映了学院在知识产权管理与资源配置上仍存在较大调整及改善空间，因此需要完善学院内部的知识产权管理体制。其一，要根据学院具体的科研发展规划制定科学合理的知识产权提升计划，并不断完善及实时动态调整，促进技术效率的提高与规模效率的提升，实现学院知识产权效率稳步增长;其二，通过实证分析，存在科研经费投入冗余，因此应完善科研经费管理，通过制定高效可行、与时俱进的科研经费管理制度，试行包干制、不设使用比例等，减少过程报表检查，最大限度地激发科研人员的活力，同时确保投入的经费落到实处，减少浪费，提高经费的使用效率。
2.加强人才队伍建设，尤其是科技创新人才
科技事业发展的关键是人才，学院知识产权投入产权效率的提升需要一大批高水平的科研人才队伍。首先科研人员是学院知识产权的主要产生人，如何鼓励科研人员开展创造性的研究变得相当重要，这就需要管理与激励制度的保障;其次，要重视科研人员的成长规划和管理，一方面重视资深科研人员的地位和研究成果，另一方面要为青年科研人员搭台，培养他们的科研技术应用能力，提高专业技能和科研素养，营造良好的氛围和环境，通过减少人力资源的浪费，提升知识产权投入产出的效率。
3.深化政校企联动、产学研合作，提高科研成果的质量与转化率
一是，发挥政府导向功能，在增加财政投入的同时，予以多维度的政策指导与扶持，吸引更多的企事业单位与学院合作，既可以拓宽学院资金来源渠道，又可以促进区域内产业与人才的对接，使学院科研成果转化的外部环境进一步优化。二是，深化产学研合作，學院将得到更多前沿技术和资金的支持，让学院的科研成果面向产业和市场，更有利于提高科研成果的质量;同时产学研深度合作使学院科研成果的转化更接地气，解决当前普遍存在的高校科研成果“纸上谈兵、转化难、转化慢”的困局，通过搭建供需交易平台，推动科研成果加速转化，使学院科研成果在市场上得到运用和推广，助力区域经济的发展。同时，科研成果转化率的提高，灵活了学院科研资金的运转模式，资金回转周期的缩短可以加速更多科研项目更快地进行孵化培育，学院科研工作进程得以加快，促进了学院科技资源的优化配置与科技创新效率的提升。
参考文献：
[1]孙毅颖.对高职院校科研问题争论引发的思考[J].中国高教研究，2012（12）：92-95.
[2]Charnes A.，Cooper W.W.Rhodes E..Measuring the efficiency of decision making units[J]. European Journal of Operational Research，1978，2（6）：429-444.
[3]Banker R.-D， Charnes A.， Cooper W.-W.. Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis[J]. Management Science， 1984， 30（9）： 1078-1092.
[4]Grosskopf Rolf-F？覿re-and-Shawna. A Nonparametric Cost Approach to Scale Efficiency[J].The Scandinavian Journal of Economics，1985，87（4）：594.
[5]Seiford Lawrence-M， Thrall Robert-M. Recent developments in DEA： The mathematical programming approach to frontier analysis[J]. Journal of Econometrics， 1990（46）：7-38.
[6]朱琳，余志刚，郑大光，等.高等农业院校科技活动投入产出效率评价——以东北农业大学为例[J].东北农业大学学报（社会科学版），2011（4）：14-17.
[7]苏俊宇.广东国家“211工程”高校科技投入产出效果评价及对策研究[D].广州：华南理工大学，2015.
[8]林卓玲，辜雪钿.基于滞后效应的高校科技创新效率研究[J].长春理工大学学报（社会科学版），2015（1）：90-96.
[9]潘福臣，李琳.基于数据包络分析的高校科技活动效率评价——以辽宁省属本科高校为例[J].决策探索（中），2018（6）：88-89.
[10] 谈毅.基于DEA-BCC方法的我国高校科技投入产出效率研究[J].科技管理研究，2015（20）：106-111.