任紅松，張 瓊，王 芳，趙 龍，李朝暉，陳寶峰，郭文超

(1.中國農(nóng)業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院，北京 100083；2. 新疆農(nóng)業(yè)科學(xué)院吐魯番農(nóng)業(yè)科學(xué)研究所，新疆吐魯番 838000；

3.新疆農(nóng)業(yè)科學(xué)院農(nóng)業(yè)經(jīng)濟(jì)與科技信息研究所,烏魯木齊 830091;4.新疆農(nóng)業(yè)科學(xué)院微生物應(yīng)用研究所，烏魯木齊 830091)

0 引 言

【研究意義】科研素養(yǎng)是一個(gè)可以較為準(zhǔn)確描述科研人員的科研素質(zhì)，能力的概念?？蒲兴仞B(yǎng)不僅可以對(duì)科研人員的科研投入產(chǎn)生影響，諸如科研人員投入的精力、經(jīng)費(fèi)、獲得的科研平臺(tái)；還可以對(duì)科研人員的科研產(chǎn)出，諸如論文、專利、著作等產(chǎn)生影響。有研究指出了科研素養(yǎng)可以影響到科研創(chuàng)新的投入產(chǎn)出效率。分析科研人員素養(yǎng)對(duì)科研創(chuàng)新影響對(duì)于提升科研人員科研效率有實(shí)際意義。研究使用投入產(chǎn)出的純技術(shù)效率作為被解釋的那個(gè)變量。這主要是因?yàn)樵陉P(guān)于投入產(chǎn)出效率的問題上有綜合效率、規(guī)模效率、純技術(shù)效率，而只有純技術(shù)效率是無關(guān)規(guī)模的"純效率"的代表指標(biāo)，更能體現(xiàn)出效率的一般性。研究科研素養(yǎng)對(duì)科研人員的投入產(chǎn)出純技術(shù)效率進(jìn)行影響，找出影響的機(jī)理，并且理清科研素養(yǎng)對(duì)于科研效率的影響路徑?！厩叭搜芯窟M(jìn)展】關(guān)于評(píng)價(jià)科研人員科研素養(yǎng)的指標(biāo)，Durant認(rèn)為科研素養(yǎng)有三層含義：首先是科學(xué)的內(nèi)容(即科學(xué)知識(shí))；科學(xué)知識(shí)產(chǎn)生過程的重要性，也就是"科學(xué)方法"；科研過程中需要遵守的倫理道德[1,2]?？蒲兴仞B(yǎng)是在經(jīng)過后天教育培養(yǎng)之后形成的科研過程中穩(wěn)定表現(xiàn)出的基本品質(zhì)[2]。有些研究把科研素養(yǎng)等同于科研能力，指的是科學(xué)研究人員運(yùn)用科學(xué)方法順利完成科研活動(dòng)所需要的身心條件?；诖耍岢隹蒲兴仞B(yǎng)中應(yīng)包含科研理論素養(yǎng)、科研能力素養(yǎng)、科研道德素養(yǎng)[3]。從科研素養(yǎng)的研究理論層面來說，加涅認(rèn)為，學(xué)習(xí)者通過學(xué)習(xí)，最終習(xí)得了某種或者某些"性能"(capabilities)，可以劃分為五類，也就是五種學(xué)習(xí)結(jié)果[4]。在此基礎(chǔ)上，可以提出基本的科研素養(yǎng)的指標(biāo)，主要可以劃分為四個(gè)方面：第一個(gè)方面，科研基礎(chǔ)；第二個(gè)方面，個(gè)人能力；第三個(gè)方面，思維風(fēng)格；科研修養(yǎng)[5]。科研素養(yǎng)對(duì)于科研投入、科研產(chǎn)出以及科研效率的影響。從環(huán)境因素、政策因素等多個(gè)角度研究對(duì)科研產(chǎn)出的影響。有的采用采用灰色關(guān)聯(lián)分析模型，以江蘇高校為例對(duì)科研經(jīng)費(fèi)與科研產(chǎn)出的關(guān)聯(lián)度進(jìn)行了測(cè)算，研究結(jié)果表明，企業(yè)委托經(jīng)費(fèi)和政府下?lián)芙?jīng)費(fèi)與科研成果產(chǎn)出的關(guān)聯(lián)度明顯大于其他投入轉(zhuǎn)入經(jīng)費(fèi)與科研成果的關(guān)聯(lián)度。梁文艷等[7](2014)研究表明，科研管理和資源配置是制約科研生產(chǎn)的主要因素；所在區(qū)域科技進(jìn)步對(duì)大學(xué)科研生產(chǎn)效率存在顯著影響，但經(jīng)濟(jì)發(fā)展水平和集群效應(yīng)這兩個(gè)變量影響并不顯著。戴萬亮等[8](2017)從政策支持、市場(chǎng)導(dǎo)向角度，運(yùn)用DEA-Tobit模型對(duì)高?？蒲行视绊戇M(jìn)行分析，結(jié)果表明政府支持不足及高校科研的市場(chǎng)導(dǎo)向性不足是導(dǎo)致高?？蒲行瘦^低的主要原因[7]。另外，很多學(xué)者從個(gè)體因素出發(fā)對(duì)研究人員科研產(chǎn)出進(jìn)行分析，但是對(duì)科研產(chǎn)出的衡量和對(duì)影響因素的具體認(rèn)識(shí)上卻不盡相同。性別、本科生源校、學(xué)科差異為基本影響因素，對(duì)比分析了博士研究生科研產(chǎn)出水平。研究發(fā)現(xiàn)，影響研究人員國際科研產(chǎn)出的因素包括個(gè)體層面的自我效能感和結(jié)果預(yù)期因素以及組織環(huán)境層面因素?？蒲兴仞B(yǎng)如何影響科研投入產(chǎn)出效率。在這個(gè)方面的研究目前還有待挖掘。第一類就是的方法就是使用結(jié)構(gòu)方程模型來對(duì)影響機(jī)理和路徑進(jìn)行研究，這一類的研究主要依靠可觀測(cè)變量、潛變量、結(jié)構(gòu)模型、影響路徑等方面共同構(gòu)建一個(gè)影響機(jī)理的模型，經(jīng)過實(shí)證檢驗(yàn)來得出研究的結(jié)論[9]。但是這一類的模型有一個(gè)特點(diǎn)，那就是對(duì)于可測(cè)量數(shù)據(jù)的要求較高，需要經(jīng)過一系列的信度、效度的驗(yàn)證，對(duì)于一般的不同類數(shù)據(jù)很難進(jìn)行擬合[10]。另外一種常用的方法就是工具變量法，可以解決多個(gè)變量之間由內(nèi)生性的問題，并且在解決內(nèi)生性的同時(shí)，解決變量之間關(guān)系不明的問題，是一種可以通過普通計(jì)量實(shí)現(xiàn)部分結(jié)構(gòu)方程模型中的研究機(jī)理描述的功能。其中，主要的方法有GMM(廣義非線性)，間接最小二乘法和兩階段最小二乘法[11]。目前關(guān)于此類問題中，面板數(shù)據(jù)對(duì)于GMM的應(yīng)用更為廣泛，但是對(duì)于截面數(shù)據(jù)兩階段最小二乘法使用較多?！颈狙芯壳腥朦c(diǎn)】目前在國內(nèi)的文獻(xiàn)中，還沒有發(fā)現(xiàn)在個(gè)人層面使用科研素養(yǎng)對(duì)個(gè)人的創(chuàng)新投入產(chǎn)出效率的影響機(jī)理進(jìn)行研究。研究從科研素養(yǎng)對(duì)科研投入產(chǎn)出效率的影響機(jī)理作為切入點(diǎn)，利用工具變量法作為主要的研究方法，找出影響的機(jī)理，理清科研素養(yǎng)同其他控制變量之間的關(guān)系?！緮M解決的關(guān)鍵問題】分析科研素養(yǎng)對(duì)于科研的投入產(chǎn)出純技術(shù)效率產(chǎn)生影響，研究科研素養(yǎng)中的科研修養(yǎng)、個(gè)人能力、思維風(fēng)格、科研基礎(chǔ)對(duì)科研產(chǎn)出的純技術(shù)效率的影響，以及在加入了其他的控制變量，諸如年齡、科研平臺(tái)、性別、學(xué)歷基礎(chǔ)之后的變化。

1 材料與方法

1.1 材 料

以新疆農(nóng)業(yè)科學(xué)院的科研人員作為本次調(diào)研對(duì)象。問卷的調(diào)研采取分層抽樣的方法進(jìn)行。具體辦法如下：1.第一層以不同的科研院所進(jìn)行劃分，每個(gè)科研院所調(diào)研問卷的目標(biāo)定為28份，可以視情況、人數(shù)具體變化上下浮動(dòng)。2.第二層以年齡進(jìn)行劃分，對(duì)單個(gè)科研院所來說：小于30歲的科研人員，目標(biāo)隨機(jī)調(diào)查7人；30<年齡≤40的科研人員，目標(biāo)隨機(jī)調(diào)查7人；40<年齡≤50的科研人員，目標(biāo)隨機(jī)調(diào)查8人；50<年齡的科研人員，目標(biāo)隨機(jī)調(diào)查7人。如果某一層的人員數(shù)量不足7人，則全部進(jìn)行調(diào)查，其余各層抽樣數(shù)量可以不變。

相關(guān)科研人員科研素養(yǎng)的指標(biāo)體系、科研投入產(chǎn)出效率指標(biāo)體系、科研素養(yǎng)相關(guān)指標(biāo)見文獻(xiàn)[4-12]。

科研投入產(chǎn)出效率相關(guān)指標(biāo)，分別為理論成果和產(chǎn)品成果。其中理論成果包括O1到O3,分別為論文數(shù)量、最高影響因子以及核心論文數(shù)量。產(chǎn)品成果主要為標(biāo)準(zhǔn)專利數(shù)量、創(chuàng)新產(chǎn)品質(zhì)量。表1

可以看出，不論是創(chuàng)新投入指標(biāo)還是創(chuàng)新產(chǎn)出指標(biāo)，方差(標(biāo)準(zhǔn)差)的值比較大，證明在樣本群體中，高低差別大，并不平均。尤其是科研經(jīng)費(fèi)不論是總經(jīng)費(fèi)還是單個(gè)最高經(jīng)費(fèi)的標(biāo)準(zhǔn)差更大，而且最大值與最小值的差距也非常大。

對(duì)個(gè)別單個(gè)指標(biāo)進(jìn)行分析，首先是獲得課題的數(shù)量，平均每一個(gè)樣本可以獲得各種級(jí)別課題4次，但是方差也較大，而且最高值與最低值相差44，也就是說獲得課題數(shù)量最多的人大小課題項(xiàng)目一共44項(xiàng)。在一般的科研人員中屬于數(shù)量巨大。其次是產(chǎn)出項(xiàng)中的論文數(shù)量，也呈現(xiàn)出方差大，最小值與最大值差別大的情況。最高的發(fā)表論文180篇，屬于非常大量產(chǎn)出的情況。

表1 投入產(chǎn)出數(shù)據(jù)
Table 1 Input-output data analysis

科研投入/產(chǎn)出Research input/output指標(biāo)題號(hào)Index id均值The mean最大值Max最小值Min標(biāo)準(zhǔn)差standard deviation創(chuàng)新投入指標(biāo)Index of Research inputB14.144405.1B22.97511.09B31804 6500505.13B483.862 5000256創(chuàng)新產(chǎn)出指標(biāo)Index of Research outputC110.4180015.1C21.348.9501.17C38.25178014.63C44.1747032.5C57.845309.33

在對(duì)數(shù)據(jù)進(jìn)行初步的分析之后需要對(duì)數(shù)據(jù)在DEA模型中使用情況進(jìn)行檢驗(yàn)和分析。在使用DEA方法時(shí)，第一個(gè)原則是所有的投入產(chǎn)出項(xiàng)都為正數(shù)，在這九個(gè)變量中可以得出的是全部都是正數(shù)，最小值為0，沒有負(fù)數(shù)，因此第一個(gè)原則通過。第二個(gè)原則是決策單元的數(shù)量要較多的大約投入產(chǎn)出指標(biāo)數(shù)，在本研究中投入產(chǎn)出指標(biāo)一共為9個(gè)，而決策單元的數(shù)量為178個(gè)，因此也符合第二個(gè)檢驗(yàn)。第三個(gè)原則是指標(biāo)為非比率型指標(biāo)，也就是指標(biāo)盡量不要是兩個(gè)指標(biāo)的比值，而本文使用的所有投入產(chǎn)出指標(biāo)均為量和質(zhì)的體現(xiàn)，且不存在比率問題，因此第三個(gè)原則的檢驗(yàn)也通過。

模型相關(guān)其他控制變量，在對(duì)科研素養(yǎng)相關(guān)指標(biāo)數(shù)據(jù)進(jìn)行處理和分析之后，就對(duì)其他的控制變量或者叫補(bǔ)充變量也進(jìn)行一個(gè)初步的分析。表2

表2 模型其他自變量
Table 2 Other independent variables of model

科研投入/產(chǎn)出Research input/output指標(biāo)題號(hào)Index id均值The mean最大值Max最小值Min標(biāo)準(zhǔn)差standard deviation性別Sex0.69100.46第一學(xué)歷Edu13.85510.68年齡Age3.03510.41參與課題級(jí)別PARTI112.385012

1.2 方 法

1.2.1 工具變量法(二階段最小二乘法)

在一般的計(jì)量分析中，OLS(最小二乘法)是一個(gè)基本的模型構(gòu)建的方法，但是這個(gè)方法對(duì)于模型構(gòu)建的基本假設(shè)要求較高，尤其是自變量之間要互不相關(guān)。但是，在本文的研究中可以發(fā)現(xiàn)，在構(gòu)建科研素養(yǎng)對(duì)投入產(chǎn)出效率影響的模型時(shí)，科研素養(yǎng)和其他一些控制變量之間從理論上可能存在相關(guān)性，因此，不適合直接使用最小二乘法來分析?；谧宰兞康倪@種情況，工具變量法(IV)是一種較為常用的方法。這種方法具體如下所示：

Si=β0+β1Xi+εi.

Yi=β0+β1Xi+β2Xi+εi.

最后的方程為

其中，Xi和Si為兩個(gè)類型的自變量。Xi為互相獨(dú)立的一些自變量，Si則為與Xi之間由相關(guān)性的自變量，這兩類自變量不能放在同一個(gè)估計(jì)方程中，因?yàn)槠洳环辖?jīng)典的ols方法的假設(shè)，但是經(jīng)過處理，就可以符合自變量之間互相獨(dú)立的假設(shè)。這個(gè)處理就是二次估計(jì)原有的Si這類變量。在上文中提到，既然Si與Xi存在一定的相關(guān)性，那么Si也必然可以由Xi來進(jìn)行估計(jì)和計(jì)算，建立一個(gè)Si與Xi的估計(jì)方程，就可以把原有基本方程中的Si這一類變量進(jìn)行消除，從而消除自變量之間的相關(guān)性問題，回到OLS的經(jīng)典假設(shè)范圍之內(nèi)。

在最后的方程內(nèi)，括號(hào)外面的被稱之為結(jié)構(gòu)性的方程，括號(hào)內(nèi)的估計(jì)值被稱為初步方程，因此，這個(gè)方程的本質(zhì)就是其中個(gè)別或者部分的自變量受到了其他變量的影響，換成了一個(gè)有獨(dú)立不相關(guān)變量估計(jì)出的估計(jì)值。這種二次估計(jì)的方法也被稱之為兩階段的最小二乘法。

1.2.2 因子分析

因子分析的主要目的是用來描述隱藏在一組測(cè)量到的變量中的一些更基本的，但又無法直接測(cè)量到的隱性變量 (latent variable, latent factor)。最早由英國心理學(xué)家C.E.斯皮爾曼提出。 因子分析主要由探索性因子分析和檢驗(yàn)性因子分析構(gòu)成。 因子分析的方法有10多種，但是最主要也是覆蓋面最廣的是主成分分析法 。其主要的步驟如下所示：

(1)原始指標(biāo)數(shù)據(jù)的采集p 維隨機(jī)向量x= (x1,X2,…,Xp)T，n 個(gè)樣品xi= (xi1,xi2,…,xip)T，i=1,2,…,n；n>p，構(gòu)造樣本陣，對(duì)樣本陣元進(jìn)行如下標(biāo)準(zhǔn)化變換：

(2)對(duì)標(biāo)準(zhǔn)化陣Z 求相關(guān)系數(shù)矩陣。

(5)對(duì)m個(gè)主成分進(jìn)行綜合評(píng)價(jià)：對(duì)m個(gè)主成分進(jìn)行加權(quán)求和，即得最終評(píng)價(jià)值，權(quán)數(shù)為每個(gè)主成分的方差貢獻(xiàn)率。

在本文中，因子分析的方法主要是用于對(duì)科研素養(yǎng)相關(guān)指標(biāo)的降維，以便使其在后面的研究中，消除科研素養(yǎng)指標(biāo)之間的強(qiáng)相關(guān)的內(nèi)生性問題。

1.2.3DEA基本方法

在本文的研究中，需要對(duì)投入產(chǎn)出的純技術(shù)效率進(jìn)行研究，而純技術(shù)效率的測(cè)算需要使用DEA數(shù)據(jù)包絡(luò)分析法，現(xiàn)階段常用的DEA模型為DEA-BCC模型，因?yàn)樗且粋€(gè)既考慮規(guī)模效應(yīng)，又考慮純技術(shù)效應(yīng)的DEA模型。之前的DEA-CCR模型并不能區(qū)分規(guī)模效率與純技術(shù)效率，因此無法從結(jié)果中提取出純技術(shù)效率，基于此本文研究的投入產(chǎn)出的純技術(shù)效率也必須在這個(gè)模型下得出的結(jié)果。一個(gè)基本的DEA-BCC模型如下所示。

其中的X0和Y0分別代表了第J0個(gè)決策單元的輸入變量和輸出變量，而θ則代表了產(chǎn)出效率的數(shù)值。但是在一般的BCC模型中仍然要引入投入松弛變量s-、s+產(chǎn)出松弛變量 以及阿基米德無窮小量ε。最終的一個(gè)DEA-BCC模型中第J0個(gè)決策單元的表達(dá)式為：

2 結(jié)果與分析

2.1 科研素養(yǎng)指標(biāo)體系驗(yàn)證結(jié)果與科研素養(yǎng)水平

對(duì)科研素養(yǎng)的相關(guān)題項(xiàng)指標(biāo)進(jìn)行分析和檢驗(yàn)，檢驗(yàn)結(jié)果全部通過題項(xiàng)檢驗(yàn)，研究表明，研素養(yǎng)以及科研基礎(chǔ)、個(gè)人能力、思維風(fēng)格，科研修養(yǎng)178個(gè)樣本，作為測(cè)算出的數(shù)值，其大小高低代表這個(gè)維度水平的高低，形成一個(gè)連續(xù)的變量。表3

表3 科研素養(yǎng)水平值Table3Analysisofscientificresearchliteracylevel

科研投入/產(chǎn)出Research input/output指標(biāo)題號(hào)Index id均值The mean最大值Max最小值Min標(biāo)準(zhǔn)差standard deviation科研素養(yǎng)F2.273.181.060.46科研基礎(chǔ)F12.653.921.220.64個(gè)人能力F23.324.400.880.79思維風(fēng)格F32.503.230.830.67科研修養(yǎng)F42.493.650.780.53

表4 BCC模型松弛變量Table4 BCC model relaxation variable analysis section

單元數(shù) Unit numbers_S-s-s-S+S+S+S+S+100000000004500000000066000000000670000000006800000000082000000000100000000000101000000000105000000000124000000000125000000000132000000000137000000000141000000000152000000000164000000000177000000000平均值The mean0.3810.3260.3130.5570.340.3210.4711.0150.111

2.2 DEA-BCC模型投入產(chǎn)出純技術(shù)效率

在178個(gè)決策單元中所有的投入松弛變量和產(chǎn)出松弛變量都為0的17個(gè)決策單元，在這些決策單元中，既不存在投入冗余又不存在產(chǎn)出不足，屬于資源配置效率相對(duì)較優(yōu)單元。這些單元屬于純技術(shù)效率相對(duì)最大化的單元。可以分析的是在178個(gè)科研人員經(jīng)過DEA-BCC模型的計(jì)算之后，得出了影響效率的第一個(gè)較為重要的影響因素--投入項(xiàng)的配比狀態(tài)，即如果資源不能以合適的比例進(jìn)行配比，就也會(huì)浪費(fèi)其他已經(jīng)配置給個(gè)人的資源。另外，除了這17個(gè)決策單元之外的161個(gè)決策單元要不然存在著投入冗余，要不然存在著產(chǎn)出不足，都是屬于沒有達(dá)到所有資源優(yōu)化配置的單元。從整體來看，達(dá)到資源優(yōu)化配置的僅占9.5%，說明在樣本的群體中，個(gè)人之見的資源使用效率相差較大，達(dá)到優(yōu)化配置的屬于較小的群體。初步判斷在樣本群體的中需要進(jìn)行資源的優(yōu)化，使用效率的提升從而達(dá)到較為優(yōu)化的效果。表4

2.3 基于2SLS的科研素養(yǎng)對(duì)創(chuàng)新投入產(chǎn)出純技術(shù)效率影響

2.3.1 科研素養(yǎng)及其四個(gè)維度的基本回歸

研究表明，對(duì)于創(chuàng)新產(chǎn)出的純技術(shù)效率在1%的顯著水平上顯著正向影響個(gè)人產(chǎn)出的純技術(shù)效率。即在投入科研資源相同的情況下，科研素養(yǎng)水平越高的人產(chǎn)出的量也越大。其次，科研素養(yǎng)中的個(gè)人能力、科研基礎(chǔ)在1%的顯著水平上正向的影響科研產(chǎn)出的純技術(shù)效率，而科研修養(yǎng)在5%的顯著水平上正向影響科研產(chǎn)出的純技術(shù)效率。思維風(fēng)格在投入一定的情況下并不顯著影響純技術(shù)效率。究其原因是因?yàn)樗季S風(fēng)格不同可以導(dǎo)致科研產(chǎn)出類型的不同，但是在綜合評(píng)價(jià)的產(chǎn)出指標(biāo)下，并不顯著影響量化后的產(chǎn)出水平。表5

表5 科研素養(yǎng)對(duì)純技術(shù)效率相關(guān)性
Table 5 of The influence of scientific research literacy on pure technical efficiency

指標(biāo)Item純技術(shù)效率pure technical efficiencyP值P純技術(shù)效率pure technical efficiencyP值PF0.220 3430.000 0F10.083 4690.000 2F20.048 2180.002 4F30.013 3530.474 0F40.040 2920.021 1

2.3.2 加入控制變量的科研素養(yǎng)對(duì)純技術(shù)效率影響回歸

當(dāng)加入了控制變量之后，科研素養(yǎng)對(duì)于科研創(chuàng)新產(chǎn)出的純技術(shù)效率的影響發(fā)生了變化，尤其是科研修養(yǎng)這個(gè)變量，影響從正向變?yōu)榱素?fù)向，這說明一個(gè)問題，那就是科研修養(yǎng)這個(gè)變量在加入了其他控制變量之后，在回歸時(shí)受到了其他的控制變量的影響，科研修養(yǎng)作為科研素養(yǎng)中意愿、精神方面的指標(biāo)是需要一些"介質(zhì)"才能產(chǎn)生影響并且發(fā)揮作用的。表6

表6 加入控制變量的回歸
Table 6 of regression results for adding control variables

指標(biāo)Item純技術(shù)效率pure technical efficiencyP值P純技術(shù)效率pure technical efficiencyP值PF0.231 1080.000 0F10.083 4690.000 2F20.048 2180.002 4F30.013 3530.474 0F4-0.547 7710.078 1EDU10.028 3570.021 80.055 2280.023 0SEX0.003 3820.856 10.062 7990.086 5PARTI10.031 4320.014 00.005 5330.8257Age0.001 3730.000 00.002 0840.000 3

2.3.3 使用2SLS下的兩階段回歸分析

首先，可以得出的是科研修養(yǎng)收到第一學(xué)歷、年齡以及參與課題級(jí)別的顯著影響，而且方程的擬合優(yōu)度為0.774(一般為0.4以上就較好)，這說明建立方程的擬合度較好。但是個(gè)人能力、科研基礎(chǔ)和思維風(fēng)格并不影響科研修養(yǎng)，這與預(yù)期一致，因?yàn)樵谥暗囊蜃臃治霎?dāng)中已經(jīng)把各個(gè)變量之間內(nèi)生的相關(guān)性消除，及科研素養(yǎng)對(duì)的四個(gè)維度應(yīng)該相對(duì)獨(dú)立。在此基礎(chǔ)上進(jìn)行二階段的結(jié)構(gòu)方程，其回歸的結(jié)果如下所示：

在第二階段的回歸過程中，首先擬合優(yōu)度為0.445，表明方程的擬合優(yōu)度較好，證明該方程中的主要影響因素得到了表達(dá)和描述。其次可以看到科研修養(yǎng)的影響方向回到了正向影響，恢復(fù)到了正常?？蒲行摒B(yǎng)在性別、第一學(xué)歷、年齡以及課題參與的平臺(tái)影響下產(chǎn)生了不同的影響。首先，可以看出當(dāng)一個(gè)科研人員的年齡越大，他的科研修養(yǎng)就相對(duì)較高，從而較好的影響到科研投入產(chǎn)出的效率。即隨著年齡以及科研閱歷的增長，對(duì)于個(gè)人科研修養(yǎng)，以及其作用下的科研產(chǎn)出效率可以產(chǎn)生較為明顯的影響。第二，科研修養(yǎng)在第一學(xué)歷的基礎(chǔ)上，即第一學(xué)歷越高，其科研修養(yǎng)也相對(duì)越高，從而影響其科研產(chǎn)出的純技術(shù)效率，這也解釋了為什么通常情況下在職業(yè)招聘的過程中，除了最終學(xué)歷還有相當(dāng)?shù)膯挝豢疾斓谝粚W(xué)歷，因?yàn)榈谝粚W(xué)歷作為一個(gè)工作者尤其是科研人員，其對(duì)一些不明顯的，隱藏下的科研修養(yǎng)產(chǎn)生著重要的影響，從而影響其產(chǎn)出的效率。第三，科研修養(yǎng)在參與課題或者科研平臺(tái)的作用下，呈現(xiàn)正向相關(guān)的關(guān)系，即參與的課題平臺(tái)越高，對(duì)于科研修養(yǎng)的影響越朝著正向的方向去影響，進(jìn)而影響到科研產(chǎn)出的純技術(shù)效率。表7、8

表7 一階段回歸
Table 7 of First-stage regressions

指標(biāo)Item純技術(shù)效率pure technical efficiencyP值PF10.018 6740.762F20.020 0940.645F30.066 3770.135EDU10.028 3570.031SEX0.003 3820.323PARTI10.031 4320.001Age0.001 3730.00 0

表8 二階段的結(jié)構(gòu)方程
Table 8 of Instrumental variables (2SLS) regression

指標(biāo)Item純技術(shù)效率pure technical efficiencyP值PF10.018 6740.001F20.020 0940.013F30.066 3770.845F40.001 3730.000

3 討 論

3.1 對(duì)于科研人員的使用問題?，F(xiàn)階段的大部分科研機(jī)構(gòu)傾向于過多的使用年輕的科研工作者。當(dāng)然，年輕的科研工作者可能掌握了更新的方法，有著更好的精力，可以有助于科研產(chǎn)出的提升，但是從經(jīng)濟(jì)學(xué)效率的角度講，經(jīng)驗(yàn)更為豐富的老科研工作者在精力、體力允許的情況下，其投入產(chǎn)出的效率更高，因此在科研工作時(shí)需要統(tǒng)籌安排老科研工作者與新晉的科研工作者的工作和分工。

3.2 對(duì)于科研單位的效率來講，男女員工在投出產(chǎn)出的效率上并沒有明顯的差異，如果存在最終科研產(chǎn)出結(jié)果上的差異，更多的原因是投入的時(shí)間和精力不同導(dǎo)致，在相同投入的情況下，男科研工作者并不比女科研工作者效率高，因此在工作時(shí)也應(yīng)適當(dāng)給予女員工相對(duì)更多的工作機(jī)會(huì)，從而最大限度的保證效率。

3.3 對(duì)于科研工作者中的高學(xué)歷人才要格外關(guān)注，尤其是第一學(xué)歷出眾的科研工作者，可能在更少投入的情況下或者更高的產(chǎn)出。

3.4 科研單位如果想提升科研產(chǎn)出的效率，以及后續(xù)的可持續(xù)的創(chuàng)新產(chǎn)出，就一定要鼓勵(lì)工作人員申請(qǐng)、參與更高級(jí)別的科研課題。

3.5 在研究問題的過程中，尤其需要注意的自變量之間的相關(guān)性問題，如果不考慮其相關(guān)性問題就容易造成擾動(dòng)，影響正常的回歸結(jié)果。

4 結(jié) 論

4.1 科研素養(yǎng)對(duì)科研人員的科研投入產(chǎn)出純技術(shù)效率有正向影響，而且科研修養(yǎng)、個(gè)人能力以及科研基礎(chǔ)正向影響科研人員的創(chuàng)新產(chǎn)出的純技術(shù)效率。

4.2 科研人員的科研素養(yǎng)中，科研修養(yǎng)通過年齡、第一學(xué)歷以及參與課題的級(jí)別影響科研人員的投入產(chǎn)出純技術(shù)效率，是一個(gè)間接的影響機(jī)制。

4.3 科研人員的科研素養(yǎng)中，科研基礎(chǔ)、個(gè)人能力是直接影響，科研修養(yǎng)是間接影響，即科研素養(yǎng)對(duì)科研人員的純技術(shù)效率影響是一個(gè)多路徑的影響機(jī)制。