论文部分内容阅读
摘要：随着高校科研经费投入量的逐年递增，采用客观有效方法准确评价分析高校科研投入支出绩效状况，对及时调整科研收支政策，提高高校的科研绩效具有重要意义。在回顾高校科研绩效评价的现状，总结高校科研投入支出绩效评价分析方法的基础上，选取了江浙沪地区“双一流”高校等重点院校2012～2016年的科研投入支出数据，构建科研绩效评价指标体系，采用数据包络分析（DEA）法，进行了评价与分析，并为江浙沪“双一流”高校科研绩效工作提供出可行性建议。
关键词：数据包络分析（DEA）；Malm-quist指数；科研绩效评价；“双一流”高校
一、引言
随着大学科技创新对国家实施创新驱动发展战略的支撑作用日益突出，以及国家对大学科研投入的大幅增加，如何评估大学科研绩效、提高大学科技资源的配置和使用效率已经成为政府、大学和社会普遍关注的问题。廖文秋就是较早一批利用动态的科研绩效模型对我国研究型大学的科研绩效进行追踪的学者。随着“双一流”高校这一全新概念的引入，在原有“211工程”、“985工程”院校的基础上，增减了部分院校，将其统一划分为“双一流”院校，“双一流”院校是否能取得预期的科研成果也成为学者们最为关心的问题。“双一流”高校的评选工作是一种动态的绩效考核体系，通过一段期间的科研经费的支持从而选出高水平高校和一流学科。2010～2015年，我国高校的科研经费已从4197亿元上涨至5863亿元，增幅高达41%，但随着科研经费和人员的规模扩大，科研经费的浪费冗余现象也越发突出。
“双一流”高校可以说是提升高校科研绩效的主力军。“双一流”建设高校，既要破除封建固化的做法，同时也要考虑到教育的战略布局，以鼓励和支持高水平建设、服务国家重大战略布局、扶持特殊需求等为目的，建设特色鲜明、无可替代的学科。因此高校的科研绩效也发挥着至关重要的作用。同时对改进和促进高校的科研绩效改革也提出了新的挑战和机遇。采用何种方法来评价、提高科研绩效也成为了急需解决的问题。江浙沪地区作为科研重点区域，科研经费的高效分配和有效利用更是迫在眉睫。
由于数据的处理、指标的选取不同，导致科研绩效的评估结果也会有所不同，大致有三种方法。例如，英国大学的绩效评估（Research Assessment Exercise，RAE）注重的是科研产出的绩效评估，并以此来分配科研经费。而我国教育部学位与研究生发展中心的评估方法与此相类似，只是并未以此作为分配科研绩效的依据。这种方式只注重科研产出，而忽视科研投入，所以不利于优化科研绩效的分配。第二种方法则在产出的基础上增加了投入，例如上海大学的世界大学的学术排名就是利用了这种方法，但会造成科研院校之间单项的盲目比较。第三种方法是在兼顾投入产出指标的同时，利用加权数来全面的衡量科研绩效的有效。本文则是在第三种的基础上基于线性规划的数据包络分析（data envelop analysis，DEA），通过指数分解，来评价江浙沪地区“双一流”高校科研绩效的相对有效性。
二、科研绩效的评估指标与处理方法
（一）科研绩效的评估指标
数据包络分析法（DEA）数据包络分析是数学、数理经济学和管理科学等相关学科的一个新的交叉领域。当前，数据包络分析方法已经应用到很多行業和领域。DEA有效从根本上来说是投入产出的高效。因此，本文选取的指标也包括投入和产出两个方面。考虑到数据的科学性和严谨性，借助《教育部直属高校科技统计资料汇编》中的几个关键指标，并选取了江浙沪地区“双一流”高校2012～2016年的相关数据，关键指标包括投入指标：科技活动人员数（人）、拨入经费（元）和产出指标：专著（部）、学术论文数量（篇）、鉴定成果数（项）、技术转让收入（千元）。
（二）处理方法
数据包络分析法的经典模型是CCR和BBC模型，前者未考虑规模效益可变因素，后者在前者的基础上，考虑了规模效益可变因素。CCR对偶规划模型如下：
本文采用成熟的CCR和BBC模型，并通过DEAP2.1计算完成数据包络分析，运算结果可以直接看到每个DMU的技术效率（vrste）、规模效率（scale）和综合效率（crste）。还可以看到各个单元的数据，包括投入的冗余量和产出变量，可促进非DEA有效的改进。例如如果技术效率为1，但是规模效率却小于1，说明其规模和投入量并不相匹配，所以需要更改规模。全要素生产率在一定程度上反映了江浙沪地区“双一流”高校的科研绩效或科研效率，其数值大小通常采用Malmquist指数来精确计算，Malmquist指数数值大小也进一步反映了科研绩效或科研效率的高低。DEA是使用数据规划方法模型（C2R、BBC等），设置多个有效的输入和输出单元，最终判断DEA是否有效。
三、科研绩效动态分析与评估结果
（一）2012～2016年江浙沪地区“双一流”高校Malmquist指数分解
将2012～2016年江浙沪地区“双一流”高校的科研数据输入软件DEP2.1，从而测算出江浙沪地区“双一流”高校科研全要素生产率及分解。可以分析出以下两点：一是2012～2016年江浙沪地区“双一流”的整体科研绩效的上升或下降情况；二是根据技术效率、技术进步、纯技术效率、规模效率等与全要素生产率之间的联系，分析出影响江浙沪地区“双一流”高校科研绩效上升或下降的主要原因和发展规律。
1.表1可以看出只有技术进步的平均值小于1，为0.914。由于DEA考量的是科研绩效的相对有效性。所以可能存在以下两方面原因：一方面由于学术氛围的原因，大多数科研绩效都呈现非DEA有效的状态；另一方面，“985工程”的院校和其余江浙沪院校的科研水平差距较大，导致经费投入和绩效产出严重不均。
2. 江浙沪各省部分“双一流”高校科研绩效平均全要素生产率为0.957。从具体数值来看，除了南京航空航天大学、南京理工大学、河海大学、南京师范大学、上海交通大学、南京邮电大学之外，其余高校的Malmquist指数都有所增长。从全要素生产率可以看出江浙沪地区“双一流”高校在科研绩效上还是有所作为的。 3. 在江浙沪地区“双一流”高校中，南京邮电大学、南京林业大学、南京信息工程大学、南京中医药大学、宁波大学、上海海洋大学、上海中医药大学、上海体育学院、上海音乐学院等学院均因一流学科而进入“双一流”院校的行列。但其中只有南京信息工程大学、南京中医药大学的Malmquist指数大于1，经对比可发现，这两所高校的技术效率和纯技术效率均大于1。说明技术效率对全要素生产率有着重要影响。分析可能存在的原因如下：一是各个高等院校甚至是省份之间对于考核的标准体系有所不同，例如，高校教师的科研水平通常和职称以及加薪等相关，但各学校对于科研的考核可能存在不同的标准，从而导致了各高校之间的差异。二是各地政府的投入力度和高校的人力资源结构，导致科研水平有所差距。
（二）新增“双一流”高校Mamquist指数分析
从表2可知，新增“双一流”高校中技术进步和全要素生产率小于1，为0.949和0.99075，其余均大于1。新增“双一流”高校中，技术进步指标变动幅度较大，技术效率，纯技术效率和规模效率波动较小，最终全要素生产率指标的变化幅度和技术进步指标几近趋同。科研绩效不是持续增长的，因为代表科研绩效的全要素生产率数值不是都大于1。说明新增“双一流”高校科研绩效投入产出不尽如人意，在投入大量人力，财力的同时，其全要素仍旧是下降的。
图1可以看出，清楚的看到江浙沪地区新增“双一流”高校全要素生产率的变化趋势，技术进步和全要素生产率2012～2016年总体呈现上升状态，技术效率、纯技术效率和规模效率基本维持原状。技术进步和全要素生产率2012～2016年总体呈现上升状态，技术效率、纯技术效率和规模效率基本维持原状。2012～2016年全要素生产效率均值为0.99075。江浙沪地区“双一流”高校全要素生产率总的来说是逐年上涨的，且全要素生产率几乎与技术进步的增长趋势趋同，而技术效率、规模效率和纯技术效率对全要素生产率的影响甚弱。例如，2015年较之2014年的规模效率是上升的，但影响甚弱，不足以改变全要素生产率上升的趋势，2015～2016年全要素生产率水平为1.077，比2014～2015年的全要素生产率水平0.841上升了28%，呈现上升趋势。全要素生产率和技术进步基本呈现趋同的状态，几乎是同时上升和下降，说明技术进步在新增江浙沪地区“双一流”高校中起着关键作用。而技术效率、纯技术效率和规模效率对全要素生产率影响甚微，说明技术进步在新增“双一流”高校的科研绩效中扮演着至关重要的角色，只有提升这些高校的技术效率才能从根本上提升全要素生产效率。
总体来说，新增江浙沪地区“双一流”高校的科研经费使用效率和原“双一流”高校相比偏低，平均技术效率仅为0.99075，科研经费资源可能存在不合理利用。
四、结论
Malmquist指数能够通过对投入—产出比的衡量，用于核定生产效率，从而反映出各个指标的动态生产率变化趋势，将该法应用于江浙沪地区“双一流”高校科研绩效分析，不仅得到了2012～2016年江浙沪地区“双一流”高校总体科研绩效的全要素生产率水平，也得到了江浙沪地区新增“双一流”高校的生产率变化趋势，分析探索出技术效率、技术进步、纯技术效率、规模效率各自的重要程度，推动江浙沪地区科研绩效进步。有如下结论：
1. 从实证分析可以看出，非DEA有效的高校产出不足。导致这一结果的原因可能是教师考核制度的偏差，过于注重立项和课题，导致投入产出比例失衡。因此应该健全课题立项后的跟踪和评价机制。而新增“双一流”高校更应注重创新，提高产出的质量。说明只有不断引进新技术，提高高校科研的技术应用效率，保证技术投入的利用率，加强技术投入的监督，才能提高技术效率，进而推动江浙沪地区“双一流”高校全要素生产水平的提高。
2. 对于原“双一流”高校来说，由于科研规模过低，加上国家的大力扶持，经费量庞大，可能存在投入过多的问题。导致科研绩效并非最优化结构。因此高校应当吸纳人才，增大整体的科研规模，在规模效率递增的同时，就可优化绩效结构，提高科研资源的利用率。
总体来看，根据Malmquist指数分析，需要提高科研的技术效率，提升技术的利用率，解决根本性问题，才能推动技术效率的进步；对于江浙沪地区新增“双一流”高校，其根本症结在于技术进步，这类高校应大力鼓励创新型科研工程和项目，提升创新能力，实现创新成果；江浙沪地区政策上一方面应加强科研绩效的监督，使“双一流”高校在科研绩效上有所突破，另一方面应调动高校和科研人员的创新积极性，推动科研绩效的有效利用。
参考文献：
[1]杨勇，袁卓，罗利华，等.南京高校动态科研效率的实证分析[J].科技与经济，2012（05）.
[2]廖文秋，梁樑，宋马林.基于Malmquist指数的高校科研效率的实证分析[J].系统工程，2011（07）.
[3]李瑛，高燕楠.我国高校科技创新效率的实证研究[J].求索，2011（01）.
[4]李清贤，曲绍卫，齐书宇.教育部直属高校教师科技创新效率研究——基于2007～2011Malmquist指数法的动态分析[J].高等工程教育研究，2014（03）.
[5]胡咏梅，梁文艳.高校合并前后科研生产率动态变化的Malmquist指数分析[J].清华大学教育研究，2007（01）.
[6]Nederhof A J，Raan A F J V.Peer review and bibliometricindicators of scientific performance： A compari- son of cum laude doctorates with doctorates in physics[J].Scientometrics，1987（5/6）.
[7]Kostoff R N.Citation analysis of research performer quality[J].Scientometrics，2002（01）.
[8]Ren-yong C， Gen-nian T. Study on efficiencies of regional techndofy innovation based on evaluation of inputs and performances[J].Science Research Manage ment，2004（04）.
*基金項目：江苏省社科应用研究精品工程财经发展专项课题（17SCB-14）；江苏省高校品牌专业建设工程资助项目；江苏省高校优势学科建设工程资助项目；江苏省高校哲学社会科学研究项目（2017SJA025）；江苏省高校哲学社会科学研究重大项目（2017ZDAXM005）。
（作者单位：南京信息工程大学管理工程学院；中国制造业发展研究院）
关键词：数据包络分析（DEA）；Malm-quist指数；科研绩效评价；“双一流”高校
一、引言
随着大学科技创新对国家实施创新驱动发展战略的支撑作用日益突出，以及国家对大学科研投入的大幅增加，如何评估大学科研绩效、提高大学科技资源的配置和使用效率已经成为政府、大学和社会普遍关注的问题。廖文秋就是较早一批利用动态的科研绩效模型对我国研究型大学的科研绩效进行追踪的学者。随着“双一流”高校这一全新概念的引入，在原有“211工程”、“985工程”院校的基础上，增减了部分院校，将其统一划分为“双一流”院校，“双一流”院校是否能取得预期的科研成果也成为学者们最为关心的问题。“双一流”高校的评选工作是一种动态的绩效考核体系，通过一段期间的科研经费的支持从而选出高水平高校和一流学科。2010～2015年，我国高校的科研经费已从4197亿元上涨至5863亿元，增幅高达41%，但随着科研经费和人员的规模扩大，科研经费的浪费冗余现象也越发突出。
“双一流”高校可以说是提升高校科研绩效的主力军。“双一流”建设高校，既要破除封建固化的做法，同时也要考虑到教育的战略布局，以鼓励和支持高水平建设、服务国家重大战略布局、扶持特殊需求等为目的，建设特色鲜明、无可替代的学科。因此高校的科研绩效也发挥着至关重要的作用。同时对改进和促进高校的科研绩效改革也提出了新的挑战和机遇。采用何种方法来评价、提高科研绩效也成为了急需解决的问题。江浙沪地区作为科研重点区域，科研经费的高效分配和有效利用更是迫在眉睫。
由于数据的处理、指标的选取不同，导致科研绩效的评估结果也会有所不同，大致有三种方法。例如，英国大学的绩效评估（Research Assessment Exercise，RAE）注重的是科研产出的绩效评估，并以此来分配科研经费。而我国教育部学位与研究生发展中心的评估方法与此相类似，只是并未以此作为分配科研绩效的依据。这种方式只注重科研产出，而忽视科研投入，所以不利于优化科研绩效的分配。第二种方法则在产出的基础上增加了投入，例如上海大学的世界大学的学术排名就是利用了这种方法，但会造成科研院校之间单项的盲目比较。第三种方法是在兼顾投入产出指标的同时，利用加权数来全面的衡量科研绩效的有效。本文则是在第三种的基础上基于线性规划的数据包络分析（data envelop analysis，DEA），通过指数分解，来评价江浙沪地区“双一流”高校科研绩效的相对有效性。
二、科研绩效的评估指标与处理方法
（一）科研绩效的评估指标
数据包络分析法（DEA）数据包络分析是数学、数理经济学和管理科学等相关学科的一个新的交叉领域。当前，数据包络分析方法已经应用到很多行業和领域。DEA有效从根本上来说是投入产出的高效。因此，本文选取的指标也包括投入和产出两个方面。考虑到数据的科学性和严谨性，借助《教育部直属高校科技统计资料汇编》中的几个关键指标，并选取了江浙沪地区“双一流”高校2012～2016年的相关数据，关键指标包括投入指标：科技活动人员数（人）、拨入经费（元）和产出指标：专著（部）、学术论文数量（篇）、鉴定成果数（项）、技术转让收入（千元）。
（二）处理方法
数据包络分析法的经典模型是CCR和BBC模型，前者未考虑规模效益可变因素，后者在前者的基础上，考虑了规模效益可变因素。CCR对偶规划模型如下：
本文采用成熟的CCR和BBC模型，并通过DEAP2.1计算完成数据包络分析，运算结果可以直接看到每个DMU的技术效率（vrste）、规模效率（scale）和综合效率（crste）。还可以看到各个单元的数据，包括投入的冗余量和产出变量，可促进非DEA有效的改进。例如如果技术效率为1，但是规模效率却小于1，说明其规模和投入量并不相匹配，所以需要更改规模。全要素生产率在一定程度上反映了江浙沪地区“双一流”高校的科研绩效或科研效率，其数值大小通常采用Malmquist指数来精确计算，Malmquist指数数值大小也进一步反映了科研绩效或科研效率的高低。DEA是使用数据规划方法模型（C2R、BBC等），设置多个有效的输入和输出单元，最终判断DEA是否有效。
三、科研绩效动态分析与评估结果
（一）2012～2016年江浙沪地区“双一流”高校Malmquist指数分解
将2012～2016年江浙沪地区“双一流”高校的科研数据输入软件DEP2.1，从而测算出江浙沪地区“双一流”高校科研全要素生产率及分解。可以分析出以下两点：一是2012～2016年江浙沪地区“双一流”的整体科研绩效的上升或下降情况；二是根据技术效率、技术进步、纯技术效率、规模效率等与全要素生产率之间的联系，分析出影响江浙沪地区“双一流”高校科研绩效上升或下降的主要原因和发展规律。
1.表1可以看出只有技术进步的平均值小于1，为0.914。由于DEA考量的是科研绩效的相对有效性。所以可能存在以下两方面原因：一方面由于学术氛围的原因，大多数科研绩效都呈现非DEA有效的状态；另一方面，“985工程”的院校和其余江浙沪院校的科研水平差距较大，导致经费投入和绩效产出严重不均。
2. 江浙沪各省部分“双一流”高校科研绩效平均全要素生产率为0.957。从具体数值来看，除了南京航空航天大学、南京理工大学、河海大学、南京师范大学、上海交通大学、南京邮电大学之外，其余高校的Malmquist指数都有所增长。从全要素生产率可以看出江浙沪地区“双一流”高校在科研绩效上还是有所作为的。 3. 在江浙沪地区“双一流”高校中，南京邮电大学、南京林业大学、南京信息工程大学、南京中医药大学、宁波大学、上海海洋大学、上海中医药大学、上海体育学院、上海音乐学院等学院均因一流学科而进入“双一流”院校的行列。但其中只有南京信息工程大学、南京中医药大学的Malmquist指数大于1，经对比可发现，这两所高校的技术效率和纯技术效率均大于1。说明技术效率对全要素生产率有着重要影响。分析可能存在的原因如下：一是各个高等院校甚至是省份之间对于考核的标准体系有所不同，例如，高校教师的科研水平通常和职称以及加薪等相关，但各学校对于科研的考核可能存在不同的标准，从而导致了各高校之间的差异。二是各地政府的投入力度和高校的人力资源结构，导致科研水平有所差距。
（二）新增“双一流”高校Mamquist指数分析
从表2可知，新增“双一流”高校中技术进步和全要素生产率小于1，为0.949和0.99075，其余均大于1。新增“双一流”高校中，技术进步指标变动幅度较大，技术效率，纯技术效率和规模效率波动较小，最终全要素生产率指标的变化幅度和技术进步指标几近趋同。科研绩效不是持续增长的，因为代表科研绩效的全要素生产率数值不是都大于1。说明新增“双一流”高校科研绩效投入产出不尽如人意，在投入大量人力，财力的同时，其全要素仍旧是下降的。
图1可以看出，清楚的看到江浙沪地区新增“双一流”高校全要素生产率的变化趋势，技术进步和全要素生产率2012～2016年总体呈现上升状态，技术效率、纯技术效率和规模效率基本维持原状。技术进步和全要素生产率2012～2016年总体呈现上升状态，技术效率、纯技术效率和规模效率基本维持原状。2012～2016年全要素生产效率均值为0.99075。江浙沪地区“双一流”高校全要素生产率总的来说是逐年上涨的，且全要素生产率几乎与技术进步的增长趋势趋同，而技术效率、规模效率和纯技术效率对全要素生产率的影响甚弱。例如，2015年较之2014年的规模效率是上升的，但影响甚弱，不足以改变全要素生产率上升的趋势，2015～2016年全要素生产率水平为1.077，比2014～2015年的全要素生产率水平0.841上升了28%，呈现上升趋势。全要素生产率和技术进步基本呈现趋同的状态，几乎是同时上升和下降，说明技术进步在新增江浙沪地区“双一流”高校中起着关键作用。而技术效率、纯技术效率和规模效率对全要素生产率影响甚微，说明技术进步在新增“双一流”高校的科研绩效中扮演着至关重要的角色，只有提升这些高校的技术效率才能从根本上提升全要素生产效率。
总体来说，新增江浙沪地区“双一流”高校的科研经费使用效率和原“双一流”高校相比偏低，平均技术效率仅为0.99075，科研经费资源可能存在不合理利用。
四、结论
Malmquist指数能够通过对投入—产出比的衡量，用于核定生产效率，从而反映出各个指标的动态生产率变化趋势，将该法应用于江浙沪地区“双一流”高校科研绩效分析，不仅得到了2012～2016年江浙沪地区“双一流”高校总体科研绩效的全要素生产率水平，也得到了江浙沪地区新增“双一流”高校的生产率变化趋势，分析探索出技术效率、技术进步、纯技术效率、规模效率各自的重要程度，推动江浙沪地区科研绩效进步。有如下结论：
1. 从实证分析可以看出，非DEA有效的高校产出不足。导致这一结果的原因可能是教师考核制度的偏差，过于注重立项和课题，导致投入产出比例失衡。因此应该健全课题立项后的跟踪和评价机制。而新增“双一流”高校更应注重创新，提高产出的质量。说明只有不断引进新技术，提高高校科研的技术应用效率，保证技术投入的利用率，加强技术投入的监督，才能提高技术效率，进而推动江浙沪地区“双一流”高校全要素生产水平的提高。
2. 对于原“双一流”高校来说，由于科研规模过低，加上国家的大力扶持，经费量庞大，可能存在投入过多的问题。导致科研绩效并非最优化结构。因此高校应当吸纳人才，增大整体的科研规模，在规模效率递增的同时，就可优化绩效结构，提高科研资源的利用率。
总体来看，根据Malmquist指数分析，需要提高科研的技术效率，提升技术的利用率，解决根本性问题，才能推动技术效率的进步；对于江浙沪地区新增“双一流”高校，其根本症结在于技术进步，这类高校应大力鼓励创新型科研工程和项目，提升创新能力，实现创新成果；江浙沪地区政策上一方面应加强科研绩效的监督，使“双一流”高校在科研绩效上有所突破，另一方面应调动高校和科研人员的创新积极性，推动科研绩效的有效利用。
参考文献：
[1]杨勇，袁卓，罗利华，等.南京高校动态科研效率的实证分析[J].科技与经济，2012（05）.
[2]廖文秋，梁樑，宋马林.基于Malmquist指数的高校科研效率的实证分析[J].系统工程，2011（07）.
[3]李瑛，高燕楠.我国高校科技创新效率的实证研究[J].求索，2011（01）.
[4]李清贤，曲绍卫，齐书宇.教育部直属高校教师科技创新效率研究——基于2007～2011Malmquist指数法的动态分析[J].高等工程教育研究，2014（03）.
[5]胡咏梅，梁文艳.高校合并前后科研生产率动态变化的Malmquist指数分析[J].清华大学教育研究，2007（01）.
[6]Nederhof A J，Raan A F J V.Peer review and bibliometricindicators of scientific performance： A compari- son of cum laude doctorates with doctorates in physics[J].Scientometrics，1987（5/6）.
[7]Kostoff R N.Citation analysis of research performer quality[J].Scientometrics，2002（01）.
[8]Ren-yong C， Gen-nian T. Study on efficiencies of regional techndofy innovation based on evaluation of inputs and performances[J].Science Research Manage ment，2004（04）.
*基金項目：江苏省社科应用研究精品工程财经发展专项课题（17SCB-14）；江苏省高校品牌专业建设工程资助项目；江苏省高校优势学科建设工程资助项目；江苏省高校哲学社会科学研究项目（2017SJA025）；江苏省高校哲学社会科学研究重大项目（2017ZDAXM005）。
（作者单位：南京信息工程大学管理工程学院；中国制造业发展研究院）