我国理工农医类高校科研效率实证

[摘 要] 运用数据包络分析法（ DEA）的CCR和BCC模型,对我国28个省（市、自治区）所属的理工农医类高校的2009年和2010年的科研效率进行实证研究,结果表明,我国东部部分地区理工农医类高校的科研效率呈现一定程度的规模效益递减趋势；西部部分地区高校存在规模效益递增,中部和西部区域效率变化不显著.根据分析结果对无效决策单元的输入输出变量进行调整,使无效决策单元变为DEA有效,从而使DEA方法从一种评价方法上升到一种决策的工具,为高等教育区域科研资源投入的宏观调控提供依据.最后根据DEA实证分析结果就我国理工农医类高校的科研效率改进提出了相应的建议.

[关 键 词 ] 高等教育；DEA；理工农医；科研效率；绩效评价doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2013 . 10. 021

[中图分类号] C931.2 [文献标识码] A [文章编号] 1673 - 0194（2013）10- 0038- 05

0 引 言

高校科研效率评价是衡量高校科研事业发展水平的一项重要措施,随着我国高等教育大众化的不断推进和高等教育全球化的推进,高校日益成为我国科研领域的生力军,国家在高校科研中投入的人力、物力和财力逐年递增.根据中国统计年鉴,我国高校政府拨入科研经费内部支出由1999年的85.09亿元增加到2010年597.3亿元,科技人员总量也由1999年的34万人增加到2010年的59万人.我国区域经济的发展与高校的关系也日益密切,各省区政府和企业纷纷加大对高校的经费投入和政策扶持力度,2010年来自企业的科研经费内部支出为198.5亿元,占当年总支出的33.23%.如此巨额的科研资源的投入,其产生的效益如何也日益为决策者、资源提供者和公众等利益相关者所关注.如何对高校的科研效率进行评价,实现科研资源投入的增加与效率增长同步,成为科研管理者和研究者们关注的焦点.

理工农医类高校是我国传统意义上的理工科高校,学科设置以自然科学为主,历来是科研资源投入的重点领域,这些高校的突出特点是自然科学研究占据主导地位,尽管近年来随着高等教育改革的推进,高校合并、经费投入增加,许多理工农医类高校学科设置也向综合化发展,以期在社会学科上实现突破,带动学校的整体发展.根据国家统计局自2009年开始发布的我国理工农医类高校科研情况统计, 2009年全国理工农医类高校R&D经费支出414.26亿元,占当年全国高校R&D经费内部支出468.17亿元的88.48%.因此对我国省际理工农医类高校的科研效率进行研究,进一步分析区域科研效率发展差异及存在的问题,可以为教育主管部门在高校区域发展整体布局、学科调整以及经费投入政策、投入方向和支持力度等方面提供决策依据.

1.数据包络分析法（DEA）以及研究综述

科研产出在一定程度上可以衡量高校科学研究的水平,但是由于我国省际理工农医类高校在隶属关系、办学规模、科研人员素质和资金来源等方面存在较大差异,仅通过科研产出绝对数比较不能客观地反映高校的科研水平,也难以以此为依据直接评价省际高校的科研发展实际.科研效率是衡量投入和产出的相对指标,运用这一指标,可以规避各地区横向之间难以比较的问题,从而对省际高校科研绩效做出科学且客观的评价.

因此,本文基于投入产出的视角,首先分析了理工农医高校科研投入产出实际并构建评价指标体系,然后运用数据包络分析法（DEA）对我国省际理工农医类高校2009年和2010年的科研效率进行实证分析,使用DEAP2.1分析软件进行运算,在对运行结果进行2年对比分析的基础上,有针对性地提出了改善我国理工农医类高校科研效率的建议.国内外许多研究者借助DEA模型对高校科研效率进行过相关研究.DEA方法最早由查尔斯、库伯和罗兹（Charnes,A.,W.W. Cooper and E.Rhodes）于 1978 年提出.此后DEA 方法在理论和实践上不断发展,越来越多地用于如学校、银行、医院等公共怎么写作部门运行绩效的评价.1988 年Ahn,Charns 和 Cooper 运用 CCR 模型和 BCC模型,选择人员经费、资本支出和经常性支出作为输入指标,本科毕业生人数、研究生毕业人数和科研收入作为输出指标,比较了 1984-1985 年美国 161 所有博士授予资格的公立学校（108 所）、私立学校（53 所）的办学效率,并分析了这些学校的技术效率和规模效率. 1994 年,Breu 和 Raab 采用基于输入导向的 CCR 模型,分析了1992年大学排行榜上排名前25位大学的办学效率,并将评估结果与当年的排名进行了比较. 2001 年,Avkiran 运用 CCR 模型和 BCC模型,实证分析了1995年澳大利亚的36所高校的整体绩效和办学效率,整体绩效包括教育怎么写作绩效和注册绩效 .2011年 Wei Zhong,et al.用DEA方法对我国31个省的R&D投入、产出绩效进行了评价.

国内学者陆根书、刘蕾较早使用DEA方法对54所教育部直属高校在2000-2002年间科研效率及其动态进行了比较研究,对2000-2004年54所全国重点高校的科研效率发展趋势做了比较,结果显示教育部直属高校的科研效率在5年间呈现波动状态,总体水平有待进一步提高.我国重点高校的科研创新能力和科研效率校际之间发展不均衡,呈现东中西依次递减趋势.王晓红、陈浩就1999-2006 年我国各省市高校科研效率基于科技成果指标的变化进行了对比分析的实证研究,构建了科研效率分析指标体系并进行权重分配和量化赋分.周伟用DEA基本分析模型较为系统地阐述了对39所研究型大学（“985”高校）的科研绩效评价,并按照自然科学和社会科学不同维度对科研效率进行了静态分析和基于malmquist指数的全要素生产率的动态分析 .段永瑞与霍佳震应用数据包络分析（DEA）对我国50所重点院校的科研绩效进行了评价. 以上国内外文献分析发现,国内外学者关于高校科研绩效的研究较多,研究领域主要集中在科研绩效指标体系的构建、科研绩效评价方法的改进和科研绩效评价理论模型建构与实践的结合等方面,研究较多的是关注高校整体绩效.使用DEA方法进行科研效率评价的研究日益得到重视,国内使用DEA评价方法的研究对象既包括按照高校层次、隶属关系划分进行的研究,也有按照学科分类的研究,也有进行省际区域效率研究,但缺少对省际理工农医类高校科研效率的研究.

2.模型介绍、指标体系构建及数据处理

2.1 数据包络分析（DEA）模型

数据包络分析（DEA）是1978 年由A. Charnes,W. W. Cooper 和E.Rhodes提出的一种衡量相同类型决策单元投入产出相对效益的综合评价方法,该方法不受量纲和多维指标的限制,因而适用于具有多投入、多产出特征的高校科研效率评价.其基本分析思路是：检测设每个决策单元（DMU）都用m 种投入得到s 种产出,面向投入的CCR 模型检测设有n个决策单元,每个决策单元有m种类型的输入和s种类型的输出,在这里,Xj等于（ x1j,x2j,等,xmj）T>0,j等于1,等,n；表示DMUj的投入指标向量,Yj等于（ y1j,y2j,等,yrj）T>0,j等于1,等,n；Vi等于（v1,v2,等,vm）T,表示DMUj输出指标向量；Ur等于（u1,u2,等,us）T.vi代表输入指标的权重；ui代表输出指标的权重,由此得到每个决策单元的效率评价指数：

hj等于等于,j等于1,2,等,n（1）

对于hj,总可以选取适当的权数vi和ui,使得hj≤1.Hj越大则表示第j个决策单元以相对较少的投入获得较多的产出,变化Vi等于（v1,v2,等,vm）T和Ur等于（u1,u2,等,us）T可得到如（2）式的分式规划,经Charns-Cooper变换（C2变换）,转化成等价的线性规划问题：

maxs.t. ≤1,j等于1,2,等,nu≥0,v≥0CCR模型 （2）

令ω等于tv,μ等于tu,t等于得到其对应的线性规划模型：

max uTy0

s.t.ωTxj-μTyj≥0,j等于1,2,等,nωTxj0等于1ω≥0,μ≥0（3）

根据线性规划的对偶理论（3）式的对偶规划模型为

min[θ-ε（e-Ts-+eTs+）]s.t.λjxj+s-等于θx0λjyj-s+等于y0λj≥0,j等于1,2,等,ns-≥0,s+≥0（4）

（4）式中引入松弛变量,st-为投入冗余量,st+为产出不足量,ε为非阿基米德无穷小量,一般取ε等于10- 6.由模型（4） 可得不同DMU 的总体技术效率值TE.若最优解θ等于1,且si-等于0,sr+等于0,说明该DMU为DEA 有效.“有效”在这里是指DMU的投入产出效率达到最优.若最优解θ等于1,si-≠0或者si+≠0,则说明该DMU为弱DEA有效.若最优解θ≠1,则该DMU为非DEA有效,对计算出的再生产可能集上的投影,进一步分析得出投入冗出量和产出不足量.当λj等于1时,DMUj0为规模收益不变；当λj<1时,DMUj0为规模收益递增,可继续增加投入；当λj>1时,DMUj0为规模收益递减,需要调整减少投入.

规模收益是投入决策的依据之一,规模收益不变的检测设过于严格,许多影响因素会导致DMU无效.1984年Banker等人提出了CCR的改进模型,通过在CCR 模型中加入约束条件λj等于1,可以得到规模可变的BCC 模型.

minh0等于ω

s.t.λjxij+s-等于ωxij,i等于1,2,等,mλjyij-s+等于yij,r等于1,2,等,sλj等于1,λj≥0,j等于1,2,等,n；s+s-≥0（5）

由CCB模型和BCC模型可得不同DMU的技术效率TE和纯技术效率PTE.一般认为,总体技术效率TE 是由纯技术效率PTE和规模效率SE共同决定的,因此有SE等于TE/PTE.依据这些指标我们可以对高校的科研效率做出总体评价.

2.2 指标体系构成

2.2.1 投入指标

R&D全时人员数.高校从事科研的人员除了少数专职的科研人员之外,大部分是在职教师,因此对教师科研和从事科研管理的人员按照一定标准折算成全时人员数,折算标准是全年从事科研时间占全年工作时间90%为全时人员,不足人员按照此标准折算.

R&D经费内部支出.该指标体现的是高校用于科研的当年实际支出金额,能够真实反映各地区在理工农医类高校的当年实际用于科研的经费金额.

R&D经费外部支出.该指标是指高等学校当年实际获得外部支持的程度,包括对国内研究机构支出、对国内高等学校支出、对国内企业和境外机构支出.

课题总数.指当年投入的科研课题总数,之所以没有把该项目作为产出指标是因为我国的科研经费拨款实行课题制,只有高校自筹资金和教育主管部门拨入的科研事业费存在课题数创造可能,该部分经费数额较少,因此本文选择当年获得课题总数作为输入指标.

2.2.2 输出指标

本文选择当年出版科技专著、科技论文总数、当年国外发表论文数、专利申请数、专利所有权转让及许可收入作为输出指标.论文数量选择科技论文总数和国外发表的数量,可以避免东、中、西部在论文发表资源的不对称引起的分析误差,专利申请数和专利转让收入和许可收入反映了各地区高校科研成果转化为现实生产力的能力.因国家级和省部级奖励数年鉴中缺失数据过多,说明该指标地区差异过大且不符合DEA分析条件故没有选择.

2.2.3 数据处理

为保证数据的真实和尽可能排除主观因素的干扰,投入、产出数据均来自《中国统计年鉴》、《中国科技统计年鉴》等统计部门公开出版的年鉴.本文根据研究的需要对数据进行了取舍,因西藏、新疆和青海3个省份部分产出指标数据不完整,故选取其他28个省（市、自治区）为研究对象.区域划分情况如下：东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南共11个地区；中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南共8个地区；西部地区包括内蒙古、广西、重庆、四川、贵州、云南、西藏、新疆、宁夏、甘肃、青海、陕西共12个,剔除处理后西部共9个地区. 3 运算结果及分析

本研究运算软件选用DEAP2.1,可以实现基于INPUT和OUTPUT的CRS和VRS的DEA分析运算,导入2009年和2010年标准化数据分析得到的结果（表1）分析如下.

3.1 2009-2010年技术效率分析结果

2009年上海、辽宁、宁夏等16个省份技术效率为DEA有效,有效率57.14%.其中东部地区包括江苏、浙江等9个省份,占32.14%；中部黑龙江等3个省份,占10.79；西部包括宁夏、甘肃等4个省份,占14.29%.2009年技术效率为DEA无效的地区有广东等12个省份,占42.86%.其中东部地区占7.14%；中部有山西等5个省份,占17.86%；西部包括内蒙古等5个省份占17.86%（见表1）.

2010年技术效率DEA有效地区减为14个,有效率50%.其中东部的天津等8个省份,占28.58%；中部的黑龙江等3个省份,占10.71%；西部的宁夏等3个,占10.71%.2010年无效地区14个省份,占50%.东部北京等3个,占10.71%；中部山西、吉林等5个省份,占17.86%；西部陕西等6个省份,占21.43%（见表1）.

从2009和2010年技术效率评价总体来看,DEA有效的区域分布总体情况是东部地区技术效率有效高于中部和西部地区,西部地区2009年有效省份高于中部,中西部区域变化不显著.值得注意的是根据（表1）数据结果,东部地区的北京市连续2年技术效率无效,且技术效率值低于大部分无效地区,2010年虽有改进但仍然处于效率值最低区域.东部地区的山东的技术效率值2010年无效.与之相反西部地区的云南、甘肃、宁夏3个省份连续3年有效,贵州2010年技术效率有效,四川、广西两个西部省份技术效率改进.

3.2 2009-2010年规模效率分析

2009-2010年综合技术效率均值为由0.889略降至0.888,其中纯技术效率均值由2009年的0.927上升为2010年的0.943,规模效率均值由2009年的0.957下降为0.942.从均值分析可以看出2009-2010年中国各省的高校科研投入规模效率趋降,纯技术效率下降1.7%.由于仅有2期数据,难以断定是否进入下降趋势,从规模效率和纯技术效率变化统计（表1）来看,2010年较2009年北京、安徽、湖南、广东、广西、四川、陕西持续递减,持续递增省份仅有江西、贵州2省.

3.3 改进措施分析

对于技术效率弱DEA有效和非FEA有效的地区,可以通过计算这些地区在投入产出指标上的松弛变量s-即投入冗出量和产出不足量s+进行调整,从而使这些非有效地区的技术效率达到DEA有效状态.以北京市为例,2009年北京市的综合效率值为0.628,它可以通过以下策略来提高其效率：按照0等于θx0-s-；0等于y0+s+进行转换,具体调整值为：R&D经费外部支出应减少92 813.166万元,或者出版的科技专著应增加460.847本,专利转让收入增加974.735万元.（根据DEAP2.1运行结果）其他地区可以按照同样方法调整,以提高其科研效率直至达到DEA有效.

4.研究结论与启示

结论1：实证结果分析显示,我国省际理工农医类高校科研效率整体状况不够理想,2009年有42.86%省份的理工农医类高校技术效率非DEA有效,2010年规模效率DEA无效的地区上升到50%.规模收益递减省份虽没有变化.从区域分布来看,东部地区整体科研效率高于西部,中部和西部地区效率差距不大,甚至部分西部地区如云南、甘肃和宁夏的效率值连续2年DEA有效,贵州实现从无效到有效.

结论2：从2年的规模效率分析发现,规模效率递减地区中包括北京、广东、山东3个东部的省市,特别是北京市的规模效率由2009、2010 两年DEA无效且估摸效率持续递减,值得注意的是西部地区的云南、甘肃和宁夏3个省份2年持续有效,重庆2009年有效,追赶效应明显.即使西部地区的非DEA有效地区内蒙古、广西2省的效率值也大于东部的北京和广东地区.这说明我国东部部分地区存在科研资源投入过剩或者产出低效率,因此应加大对中西部地区的科研投入,适当缩减东部地区的投入,注重东部地区科研资源的优化配置以改进效率.

高校科研绩效评价是一项系统工程,本研究是基于数据包络分析法评价了我国28个地区2009-2010年的科研效率,取得一定的研究结论.但也存在一些需要进一步研究的问题： ①关于评价指标.本研究采用的指标虽经过了主观和客观筛选,但在反映高校科研绩效评价上可能仍然不全面,会影响到一些地区的绩效评价结果.数据的可获得性受到限制,也影响了指标体系的构建和样本的选取,3个西部省份没能纳入决策单元影响了评价的整体性.②关于评价方法.本研究采用基于投入产出思想的DEA模型, 此方法和模型有可能忽略掉不同地区在某些投入或产出指标上的特色或优势,进而对该地区整体评价结果产生一定影响,后续研究需在DEA模型改进基础上克服模型的缺陷,考虑环境因素、随机因素和内部管理无效率,运用三阶段模型进行分析可以使得效率值更符合实际.③关于评价数据.本研究由于数据获取限制选用了2年的数据,虽有一定的代表性,但还不足以完整反映省际理工农医高校的实际以及体现高等教育科研产出的滞后性特点.后续研究需要将不同省、市、区理工农医类高校按照其特征进行分类研究,随着理工农医类高校统计资料的陆续公布,使用面板数据对其进行动态的研究,可以得到更具指导意义的研究成果.

主要参考文献

[1]中华人民共和国国家统计局. 2010中国科技统计年鉴[M].北京.中国统计出版社,2011.

[2]Charnes A Cooper,E Rhodes,etc.Measuring the Efficiency of DMUs[J]. European Journal of Operational Research,1978（2）. 429-444.

[3]王晓红,陈浩. 1999-2006年我国各省市高校科研效率的实证研究――基于科技成果指标变化的对比分析[J]. 科研管理,2011（4）：94-101,135.

[4]周伟.基于DEA方法的研究型大学科研绩效实证研究[D].天津：天津大学,2010.

[5]段永瑞,霍佳震.基于数据包络分析的高校科研绩效评价[J].上海交通大学学报,2007（7）.