魏羽岑 劉慧君

摘 ? ?要：基于因子分析法和隨機(jī)前沿生產(chǎn)函數(shù)模型，選取7年28個(gè)省份科研機(jī)構(gòu)數(shù)據(jù)，測(cè)算國(guó)內(nèi)科研機(jī)構(gòu)綜合效率、經(jīng)費(fèi)投入與人員投入對(duì)科研機(jī)構(gòu)綜合效率的影響情況。分析發(fā)現(xiàn)：國(guó)內(nèi)科研機(jī)構(gòu)綜合效率高低情況與地理區(qū)域有關(guān)，東部地區(qū)效率較高，為人力驅(qū)動(dòng)型，中部地區(qū)綜合效率速度最快，西部地區(qū)、東北地區(qū)效率最低，均為資本驅(qū)動(dòng)型。

關(guān)鍵詞：科研 績(jī)效 因子分析 隨機(jī)前沿生產(chǎn)

項(xiàng)目基金：武漢理工大學(xué)國(guó)家級(jí)大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃項(xiàng)目基金，項(xiàng)目編號(hào)：201810497192

一、模型和方法

（一） FA因子分析法模型

因子分析法（FA）是多元分析中降維的一種方法，可以克服指標(biāo)數(shù)量過多、不集中及眾指標(biāo)之間存在的相關(guān)性給研究帶來的不準(zhǔn)確性與復(fù)雜性，并使產(chǎn)生的新因子具有較強(qiáng)的可解釋性，因此常被用于進(jìn)行綜合評(píng)價(jià)與監(jiān)控。

（二） SFA隨機(jī)前沿分析模型

隨機(jī)前沿分析法（SFA）是利用隨機(jī)前沿生產(chǎn)函數(shù)進(jìn)行效率估計(jì)的方法，該方法首先由Aigner，Lovell&Schmidt（1977）和Meeusen&van den Broeck（1977）各自獨(dú)立提出[1]。模型通過對(duì)誤差項(xiàng)的分解對(duì)技術(shù)效率做出估計(jì)，誤差項(xiàng)分為兩部分，一項(xiàng)為隨機(jī)誤差項(xiàng)，另一項(xiàng)為技術(shù)無效率項(xiàng)。

經(jīng)過SFA的五項(xiàng)檢驗(yàn)后，本文基于Battese and Coelli（1995）提出的模型，建立隨機(jī)生產(chǎn)前沿函數(shù)模型，用于分析投入、產(chǎn)出與效率及其影響因素，表達(dá)式為：

ln（Qit） = β0 + β1 ln（Kit） + β2 ln（Lit） + （vit - uit）

vit ? N（0，σv2）; uit ? N（mit，σu2）

mit = zitδ ?γ=σu2/（σv2+σu2）

其中，ln（Qit）是第i個(gè)機(jī)構(gòu)在第t年綜合產(chǎn)出的對(duì)數(shù)值;ln（Kit）與ln（Lit）分別表示第i個(gè)機(jī)構(gòu)在第t年的資本與勞動(dòng)投入的對(duì)數(shù)值;β0是未知參數(shù)向量2。vit是隨機(jī)噪聲，反映統(tǒng)計(jì)測(cè)量誤差等不可抗因素造成的模型偏差，假設(shè)vit ～N（0，σ2）且與u互不相關(guān);uit是一個(gè)非負(fù)隨機(jī)變量，衡量由于人為因素導(dǎo)致的技術(shù)無效率狀況，假設(shè)ui～ N（mit，ou2）;η是考慮時(shí)變性的待估參數(shù)。

二、指標(biāo)體系構(gòu)建和數(shù)據(jù)來源說明

（一）指標(biāo)體系構(gòu)建。根據(jù)科研機(jī)構(gòu)活動(dòng)的特點(diǎn)，選取如下變量：

投入方面：選取R&D人員全時(shí)當(dāng)量β1和研發(fā)經(jīng)費(fèi)資本存量β2作為投入指標(biāo)。產(chǎn)出方面：選取專利申請(qǐng)數(shù)Y1，發(fā)表論文數(shù)Y2，出版科技著作種數(shù)Y3，專利所有權(quán)轉(zhuǎn)讓及許可收入Y4，技術(shù)合同金額Y5，科普專題活動(dòng)次數(shù)Y6，科普專題參加人數(shù)Y7。

（二）數(shù)據(jù)來源說明。

本文的數(shù)據(jù)來源于《中國(guó)科技統(tǒng)計(jì)年鑒》以及《中國(guó)統(tǒng)計(jì)年鑒》，選取2010年至2016年間各省份的面板數(shù)據(jù)。

三、實(shí)證分析

（一）基于FA的多產(chǎn)出轉(zhuǎn)化為單產(chǎn)出

本文利用SPSS 22.0軟件對(duì)各年份不同省份多產(chǎn)出指標(biāo)的巴特利特球形檢驗(yàn)和KMO檢驗(yàn)。采用主成分分析法抽取的方法，按照特征值大于1的方式抽取公因子，使其累計(jì)解釋方差在60%以上。采用最大方差法對(duì)指標(biāo)正交旋轉(zhuǎn)，使載荷矩陣中的數(shù)據(jù)公因子間的方差最大，使因子變量更容易解釋。最后，以各因子的方差貢獻(xiàn)率占各因子方差貢獻(xiàn)率總和的比重作為權(quán)重進(jìn)行加權(quán)匯總，得出各省綜合產(chǎn)出Z。

（二） 全國(guó)科研機(jī)構(gòu)平均情況

使用兩個(gè)投入指標(biāo)和綜合產(chǎn)出Z使用Battese and Coelli（1995）模型進(jìn)行數(shù)據(jù)分析，即使用Frontier4.1軟件對(duì)數(shù)據(jù)進(jìn)行分析，得到估計(jì)結(jié)果如表2、表3所示。

根據(jù)分析，單位LR顯著性檢驗(yàn)通過，且γ=0.8629，在1%的水平下顯著，這說明相對(duì)于最小二乘法，隨機(jī)前沿分析方法更適合應(yīng)用于本文的數(shù)據(jù)。由表2可以看出， R&D人員全時(shí)當(dāng)量和資本存量分別與科研產(chǎn)出正相關(guān)和負(fù)相關(guān)，說明科研人員是國(guó)內(nèi)科研機(jī)構(gòu)綜合產(chǎn)出增長(zhǎng)的主要?jiǎng)恿ΑＭ瑫r(shí)，人力系數(shù)和資本系數(shù)之和大于1，出現(xiàn)了規(guī)模經(jīng)濟(jì)效應(yīng)。全國(guó)科研機(jī)構(gòu)效率均值整體呈較為穩(wěn)定的上升趨勢(shì)。利用Frontier4.1得到2010年到2016年的28個(gè)省份的年平均效率值整體情況，分析得到國(guó)內(nèi)科研機(jī)構(gòu)效率分地區(qū)差異明顯。基于此，本文將按照國(guó)內(nèi)地區(qū)劃分在下文進(jìn)行進(jìn)一步分析。

（三） 各省份科研機(jī)構(gòu)平均情況

使用Frontier4.1軟件對(duì)數(shù)據(jù)進(jìn)行分析，得到估計(jì)結(jié)果如表4、圖1所示。

東部地區(qū)人力和資本分別與科研產(chǎn)出負(fù)相關(guān)和正相關(guān)，產(chǎn)出轉(zhuǎn)向?yàn)槿肆︱?qū)動(dòng)型，科研情況已達(dá)規(guī)模經(jīng)濟(jì)點(diǎn)。地區(qū)內(nèi)各年效率值均高于全國(guó)平均水平，科研狀態(tài)較好。中部地區(qū)研發(fā)經(jīng)費(fèi)資本存量和R&D人員全時(shí)當(dāng)量均與科研產(chǎn)出正相關(guān)，為資本驅(qū)動(dòng)型。西部地區(qū)和東北地區(qū)整體科研情況較為相似，兩個(gè)地區(qū)的研發(fā)經(jīng)費(fèi)資本存量和R&D人員全時(shí)當(dāng)量均與科研產(chǎn)出正相關(guān)，產(chǎn)出均為資本驅(qū)動(dòng)型，但西部地區(qū)系數(shù)之和小于1，說明西部地區(qū)科研發(fā)展尚未達(dá)到規(guī)模經(jīng)濟(jì)，可以通過擴(kuò)大規(guī)模促進(jìn)其綜合效率的提升。

使用Frontier4.1軟件對(duì)數(shù)據(jù)再次進(jìn)行分析，得到效率均值估計(jì)結(jié)果如圖1所示。

東部地區(qū)效率變化基本與全國(guó)總效率變化一致，說明國(guó)內(nèi)科研機(jī)構(gòu)效率提升主要由東部地區(qū)帶動(dòng)。東部地區(qū)綜合效率波動(dòng)較小，形成了較為成熟的科研體系。中部地區(qū)整體效率的變化范圍更大，區(qū)域科研發(fā)展較快，說明中部地區(qū)相對(duì)于科研體系較為成熟的東部地區(qū)有更大的科研發(fā)展空間。西部地區(qū)和東北地區(qū)內(nèi)部省份差異更大，綜合效率較低，科研狀態(tài)更不穩(wěn)定。

四、提出建議

對(duì)科研機(jī)構(gòu)的各項(xiàng)資源投入不能僅僅以量計(jì)劃，更要考慮到投入與產(chǎn)出的結(jié)構(gòu)、與地區(qū)發(fā)展的匹配度等的影響[3]。促進(jìn)各省的均衡發(fā)展，有利于減小科研機(jī)構(gòu)效率波動(dòng)幅度。同時(shí)，應(yīng)該看到，國(guó)內(nèi)科研機(jī)構(gòu)經(jīng)費(fèi)投入結(jié)構(gòu)不合理現(xiàn)象已經(jīng)較為明顯，結(jié)合區(qū)域經(jīng)濟(jì)發(fā)展等多種因素改進(jìn)科研機(jī)構(gòu)經(jīng)費(fèi)投入刻不容緩。

參考文獻(xiàn)：

[1]余芝霖.基于PP-SFA的高校創(chuàng)新效率及影響因素研究[J].科技與管理，2018，20（02）：14-18+105.

[2] 王曉珍，蔣子浩，鄭穎.高校創(chuàng)新效率動(dòng)態(tài)演進(jìn)分析及影響因素識(shí)別——基于非參數(shù)核密度估計(jì)和SFA模型[J].統(tǒng)計(jì)與信息論壇，2018，33（09）：81-87.

[3] 陳苗.基于隨機(jī)前沿分析的高?？蒲泄芾砜?jī)效評(píng)估[J].科技通報(bào)，2014，30（01）：220-223.