论文部分内容阅读
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。Xni（i=1，...，I），Ynj（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。 从每所高校在样本年间的平均效率值排名和效率值标准差排名来看，如图1和图2所示，东南大学、南京农业大学、南京医科大学值平均效率值较高，但效率值标准差较大;而常州大学、南通大学、南京师范大学的情况则相反。这意味着高校在努力提升自身科技创新效率的同时，应当保持科技创新活动的稳定性。
四、结论与政策建议
高校凭借其特有的科研优势成为近年来科技创新的主力军。为衡量近年来江苏省各高校科技创新效率，本文选取2011—2019年江苏省26所高校为样本，运用BCC模型评估了科技创新效率，并得到以下结论与政策建议。
2011—2019年间江苏省26所高校的平均科技创新效率值仅为0.671 8，表明创新效率依然有较大的改进空间。因此，江苏省各高校在未来的科技创新活动中应注重加强高素质人才的培养与引进，建立健全科研经费的使用与管理制度，提高科研经费的使用效率。各级政府应加强校企协同应用服务，实现快速对接和信息共享，促进“产学研”合作平台的建设，提高科技成果转化率[10]。
科技创新效率最高的高校和最低的高校之间效率值相差0.4780，这表明，江苏省在努力提高高校整体科技创新效率的同时，还应当注意缩小高校之间的差距。高校之间应积极开展课题与学术交流活动，建立人才联合培养与交流机制，交流和分享有关有效提升科技创新效率的经验和管理机制。此外，还应当建立和完善激发科技创新的激励机制，以此来调动科研人员创新的积极性与主动性。
参考文献：
[1] Charnes A， Cooper W W，Rhodes E. Measuring the Efficiency of Decision Making Units[J].European Journal of Operational Research，1978，（6）：429-444.
[2] 沈能，宫为天.我国省区高校科技创新效率评价实证分析——基于三阶段DEA模型[J].科研管理，2013，（S1）：125-132.
[3] 张惠琴，尚甜甜.高校科研创新效率对比分析——基于全国30个省份的面板数据[J].科研管理，2015，（S1）：181-186.
[4] 李璐.京津冀高校科技创新效率的实证研究——基于DEA分析的SBM模型和Malmquist生产率指数[J].教育学术月刊，2019，（2）：44-53.
[5] 郑嘉琳.江西省高校协同创新效率的实证分析[J].教育现代化，2019，（35）：101-103.
[6] 阮红伟，赵西.基于PCA/DEA模型的科技创新效率评价——以山东高校为例[J].东方论坛，2019，（3）：94-106.
[7] 冯宝军，沈佳坤，孙秀峰.中国综合类高校科技创新多要素投入效率研究[J].科技与管理，2017，（6）：46-56.
[8] 马聪颖，吴宏超.一流大学建设高校科技创新效率：差距、影响因素与提升路径[J].高教探索，2021，（2）：53-61.
[9] Banker RD， Charnes A，Cooper WW. Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis[J].Management Science，1984，（9）：1078-1092.
[10] 吕坤，李修彪.天津市高校科技创新效率提升路径研究[J].煤炭高等教育，2021，（2）：89-95.
[责任编辑 兴 华]
收稿日期：2021-02-23
基金项目：江苏省高等学校自然科学研究面上基金项目“江苏省高校科技创新效率评价研究”（19KJB630005）阶段性成果
作者簡介：沈勤（1972-），男，江苏苏州人，工程师，从事科技管理研究;马 敏（1995-），女，江苏南通人，硕士研究生，从事产业经济学研究。
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。Xni（i=1，...，I），Ynj（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。 从每所高校在样本年间的平均效率值排名和效率值标准差排名来看，如图1和图2所示，东南大学、南京农业大学、南京医科大学值平均效率值较高，但效率值标准差较大;而常州大学、南通大学、南京师范大学的情况则相反。这意味着高校在努力提升自身科技创新效率的同时，应当保持科技创新活动的稳定性。
四、结论与政策建议
高校凭借其特有的科研优势成为近年来科技创新的主力军。为衡量近年来江苏省各高校科技创新效率，本文选取2011—2019年江苏省26所高校为样本，运用BCC模型评估了科技创新效率，并得到以下结论与政策建议。
2011—2019年间江苏省26所高校的平均科技创新效率值仅为0.671 8，表明创新效率依然有较大的改进空间。因此，江苏省各高校在未来的科技创新活动中应注重加强高素质人才的培养与引进，建立健全科研经费的使用与管理制度，提高科研经费的使用效率。各级政府应加强校企协同应用服务，实现快速对接和信息共享，促进“产学研”合作平台的建设，提高科技成果转化率[10]。
科技创新效率最高的高校和最低的高校之间效率值相差0.4780，这表明，江苏省在努力提高高校整体科技创新效率的同时，还应当注意缩小高校之间的差距。高校之间应积极开展课题与学术交流活动，建立人才联合培养与交流机制，交流和分享有关有效提升科技创新效率的经验和管理机制。此外，还应当建立和完善激发科技创新的激励机制，以此来调动科研人员创新的积极性与主动性。
参考文献：
[1] Charnes A， Cooper W W，Rhodes E. Measuring the Efficiency of Decision Making Units[J].European Journal of Operational Research，1978，（6）：429-444.
[2] 沈能，宫为天.我国省区高校科技创新效率评价实证分析——基于三阶段DEA模型[J].科研管理，2013，（S1）：125-132.
[3] 张惠琴，尚甜甜.高校科研创新效率对比分析——基于全国30个省份的面板数据[J].科研管理，2015，（S1）：181-186.
[4] 李璐.京津冀高校科技创新效率的实证研究——基于DEA分析的SBM模型和Malmquist生产率指数[J].教育学术月刊，2019，（2）：44-53.
[5] 郑嘉琳.江西省高校协同创新效率的实证分析[J].教育现代化，2019，（35）：101-103.
[6] 阮红伟，赵西.基于PCA/DEA模型的科技创新效率评价——以山东高校为例[J].东方论坛，2019，（3）：94-106.
[7] 冯宝军，沈佳坤，孙秀峰.中国综合类高校科技创新多要素投入效率研究[J].科技与管理，2017，（6）：46-56.
[8] 马聪颖，吴宏超.一流大学建设高校科技创新效率：差距、影响因素与提升路径[J].高教探索，2021，（2）：53-61.
[9] Banker RD， Charnes A，Cooper WW. Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis[J].Management Science，1984，（9）：1078-1092.
[10] 吕坤，李修彪.天津市高校科技创新效率提升路径研究[J].煤炭高等教育，2021，（2）：89-95.
[责任编辑 兴 华]
收稿日期：2021-02-23
基金项目：江苏省高等学校自然科学研究面上基金项目“江苏省高校科技创新效率评价研究”（19KJB630005）阶段性成果
作者簡介：沈勤（1972-），男，江苏苏州人，工程师，从事科技管理研究;马 敏（1995-），女，江苏南通人，硕士研究生，从事产业经济学研究。