趙慶國　何佳

摘 要：區(qū)域知識創(chuàng)新體系一個重要組成部分就是高校，而高?？蒲锌冃гu價能夠指導(dǎo)高校科研活動未來發(fā)展的同時，也可以透露出區(qū)域知識創(chuàng)新體系建設(shè)現(xiàn)狀，對于實現(xiàn)有限教育資源的合理配置和提高資源的利用率都具有重要的現(xiàn)實意義。之前多數(shù)的研究選擇單一的方法評價不同區(qū)域的高?？蒲锌冃?，因此文中選用超效率DEA模型和Malmquist指數(shù)法對2014—2018年我國不同區(qū)域高校科研績效進行實證研究，建立超效率DEA模型對不同區(qū)域的高?？冃нM行靜態(tài)測算，利用Malmquist指數(shù)法分析不同區(qū)域的高?？冃У膭討B(tài)變化情況。研究表明，我國高?？蒲锌冃дw水平較高，但主要受到技術(shù)進步效率的影響，科研全要素生產(chǎn)率呈現(xiàn)出緩慢增長趨勢，東部高校科研績效優(yōu)于中部和西部。并從投入資源配置、內(nèi)部管理體制、監(jiān)督評價體制方面提出建議。

關(guān)鍵詞：不同區(qū)域;科研績效;數(shù)據(jù)包絡(luò)分析;超效率DEA;Malmquist指數(shù)

中圖分類號：G 644?? 文獻(xiàn)標(biāo)識碼：A?? 文章編號：1672-7312（2020）06-0581-07

Research Performance Evaluation of Universities in Different Regions of China

——Based on super-efficiency DEA model and Malmquist Index Method

ZHAO Qing-guo，HE Jia

（School of economics and management，Shenyang

University of Aeronautics and Astronautics，Shenyang 110000，China）

Abstract：An important part of the regional knowledge innovation system is colleges and universities，and the scientific research performance evaluation of colleges and universities can guide the future development of scientific research activities in colleges and universities，and it can also reveal the current status of the construction of regional knowledge innovation systems，which has important practical significance for realizing the rational allocation of limited educational resources and improving the utilization

rate of resources.The utilization rate has important practical significance.Most of the previous studies chose a single method to evaluate the research performance of universities in different regions.Therefore，this paper uses the super-efficiency DEA model and the Malmquist index method to conduct empirical research on the research performance of universities in different regions of China from 2014 to 2018，and establishes the super-efficiency DEA model for different regions.The performance of colleges and universities is measured statically，and the Malmquist index method is used to analyze the dynamic changes of college performance in different regions.Studies show that the overall level of scientific research performance in Chinese universities is relatively high，but it is mainly affected by the efficiency of technological progress;that the total factor productivity of scientific research shows a slow growth trend，and the scientific research performance of universities in the east is better than that in the central and western regions.Suggestions are made on the allocation of resources，internal management system，and supervision and evaluation system.

Key words：different regions;scientific research performance;DEA;super-efficiency DEA;Malmquist index

高等院校不僅僅承擔(dān)著為國家輸送大量科技人才的責(zé)任，還承擔(dān)著憑借自身科研活動推動地方經(jīng)濟發(fā)展的責(zé)任。然而教育資源的稀缺性，使得合理配置這一稀缺資源對高校的未來發(fā)展起到重要的影響。高校的科研績效能夠反映高等院?？萍纪度肱c產(chǎn)出的關(guān)系，體現(xiàn)了高校對社會經(jīng)濟發(fā)展的貢獻(xiàn)[1]，也是衡量高校綜合實力的重要標(biāo)準(zhǔn)。為了滿足高校科研資源的合理配置，促進全國各區(qū)域的協(xié)同發(fā)展，文中采集2014—2018年的高?？蒲袛?shù)據(jù)，運用超效率DEA模型和Malmquist指數(shù)法對我國31個省份的高?？瓶蒲锌冃нM行評價。

1 研究回顧目前我國學(xué)者對不同地區(qū)高?？蒲锌冃У难芯恳呀?jīng)取得了一定的成果。沈立宏、趙怡（2016）運用數(shù)據(jù)包絡(luò)分析方法對31個省份地方高校2012年的科研績效進行了排名，結(jié)果表明全國地方高?？蒲锌冃酱嬖谳^大差異，并且技術(shù)績效優(yōu)于規(guī)模績效[2]。翁秋怡（2017）采用隨機前沿分析72所教育部直屬高校，得出東中西地區(qū)高校的科研績效基本保持穩(wěn)定、西部績效略高于東中部的結(jié)論[3]。馬玲玲（2018）通過Malmqusit指數(shù)方法測算出2010—2016年的東部經(jīng)濟區(qū)985工程高?？蒲锌冃ё罡?，中部次之，西部最低[4]。劉敏、萬麗娟（2018）基于VRS模型測度了2007—2016年31個省份農(nóng)業(yè)科研機構(gòu)科技創(chuàng)新績效，表明六大區(qū)域農(nóng)業(yè)科技創(chuàng)新績效存在顯著差異，這些差異正在逐漸縮小[5]。劉天佐、許航（2018）利用數(shù)據(jù)包絡(luò)分析2009—2016年我國31個省份高?？蒲锌冃У木登闆r，結(jié)果表明整體績效水平不高且地區(qū)分布差異明顯[6]。劉雪鳳、杜浩然、 閆莉（2018）利用層次分析法和模糊綜合評判法評價我國38所985工程高校2009—2014年知識產(chǎn)權(quán)能力，結(jié)果顯示我國東、中、西部985工程高校知識產(chǎn)權(quán)綜合能力成高低二級階梯狀[7]。段曉梅（2019）利用超效率數(shù)據(jù)包絡(luò)分析法評價我國30個省市2015年的高?？蒲锌冃?，發(fā)現(xiàn)我國高?？蒲锌冃Т嬖谳^大的區(qū)域差異[8]。宗曉華、付呈祥（2019）使用超效率—非徑向DEA模型分析教育部直屬高校2006—2015年間的科研效率，研究發(fā)現(xiàn)樣本高校整體科研效率不高且進步緩慢，規(guī)模效率不斷衰減[9]。邱泠坪、郭明順、張艷和張默（2017）基于超效率DEA模型和Malmquist指數(shù)對2012—2015年的32所農(nóng)業(yè)院?？蒲锌冃нM行評價，發(fā)現(xiàn)農(nóng)業(yè)院校的平均科研技術(shù)效率沒有達(dá)到DEA有效，沒有任何增長趨勢[10]。苑澤明、張永貝、寧金輝（2018）靜態(tài)采用DEA-BCC模型和動態(tài)選用DEA-Malmquist指數(shù)模型分析京津冀高校2012—2016年的科研創(chuàng)新績效，整體科研創(chuàng)新績效水平不高，但科研創(chuàng)新全要素生產(chǎn)率呈上升趨勢[11]。綜上分析，現(xiàn)有科研績效評價的研究大多采用數(shù)據(jù)包絡(luò)分析法、模糊綜合評價等評價方法，但多數(shù)選擇從靜態(tài)維度分析，對高校科研績效的動態(tài)效率研究較少?；诖耍闹械难芯繉ο蠖槲覈?1個省市自治區(qū)高校，從科研投入與產(chǎn)出的視角構(gòu)建高?？蒲锌冃гu價體系，在傳統(tǒng)DEA模型基礎(chǔ)上，利用超效率DEA、Malmquist指數(shù)法對高?？蒲锌冃нM行對比分析。

2 評價模型的構(gòu)建目前用于評價高等院校效率的方法有因子分析法[12]、熵值法[13]、層次分析法[14]、模糊綜合評價[15]等，但DEA方法具有不需要指標(biāo)進行無量綱化、對指標(biāo)的選取具有較好的包容性，更適合評價多投入、多產(chǎn)出組織的效率等優(yōu)勢，讓其在評價高?？蒲锌冃r得到廣泛應(yīng)用[16]。為了更全面地對不同區(qū)域的高校科研績效進行評價，文中采用靜態(tài)超效率DEA模型對某一時點的高?？蒲锌冃нM行分析和動態(tài)Malmquist指數(shù)法分析某一時間段高?？蒲锌冃У淖兓厔輀17]。

2.1 DEA基本模型和超效率模型DEA模型于1978年首次被提出，通過各種模型求解有效生產(chǎn)前沿面曲線，根據(jù)決策單元與該曲線的距離評價決策單元效率的有效性[18]。DEA模型主要有以下幾種：基于規(guī)模收益不變假設(shè)提出的CCR模型、增加了限制條件的BCC模型、規(guī)模效率非遞增的FG模型、規(guī)模效率非遞減的ST模型。由于傳統(tǒng)DEA模型不能對DEA有效的決策單元進行進一步的分析，因此安德森與彼德森在此基礎(chǔ)上提出了技術(shù)效率可以超過1的超效率DEA模型[19]。超效率DEA模型的表達(dá)式如下

其中，X i為決策單元的輸入向量，X i=（x1i，x2i，…，xmi）T>0

，對應(yīng)的權(quán)變量設(shè)為U i=（u1，u2，…，xm）T≥0，Yi為決策單元的輸出向量，

Y i=（y1i，y2i，…，ymi）T>0

，對應(yīng)的權(quán)變量設(shè)為

V=（v1，v2，…，vm）T≥0

。超效率DEA值若小于1，則表示決策單元處于技術(shù)無效，需要改進投入或者產(chǎn)出的狀態(tài)。

2.2 Malmquist指數(shù)Malmquist指數(shù)由馬姆奎斯特提出用來計算消費的指數(shù)，可以對多投入、多產(chǎn)出結(jié)構(gòu)的對象進行動態(tài)效率分析，由技術(shù)進步效率（Tech）、純技術(shù)效率（Pe）和規(guī)模效率（Se）組成[20]。Malmquist指數(shù)的表達(dá)式如下[21]

其中，（xt，yt）

為第t時期的投入向量;（xt+1，yt+1）為第t+1時期的產(chǎn)出向量;Dt0和Dt+10分別為上述時期的距離函數(shù)。 M0>1、M0=1、M0<1分別表示相鄰2個時期的科研績效有提升、無變化、降低。

2.3 評價指標(biāo)的選取高?？蒲锌冃гu價指標(biāo)分為高校科研投入和高?？蒲挟a(chǎn)出2個方面。在借鑒國內(nèi)外研究的基礎(chǔ)上，考慮指標(biāo)構(gòu)建的典型性、可比性、可操作性等原則，文中構(gòu)建的高?？蒲锌冃гu價指標(biāo)體系[22]，見表1。投入指標(biāo)的選擇。投入指標(biāo)主要選取高?？蒲腥肆Y源以及財力資源。科研人力資源指標(biāo)選擇教學(xué)與科研人員，研發(fā)人力的指標(biāo)值越大說明高等院校對從事科研活動的人員數(shù)越多，一定程度上反映了高等院校研究與發(fā)展的水平;以當(dāng)年科技經(jīng)費內(nèi)部支出作為高?？蒲胸斄Y源的指標(biāo)，經(jīng)費支出是指用于科研人員的勞務(wù)費、業(yè)務(wù)費、購置固定資產(chǎn)等費用，不包含轉(zhuǎn)撥給外單位的經(jīng)費支出[23]。產(chǎn)出指標(biāo)的選擇?？蒲挟a(chǎn)出主要選取三類指標(biāo)，一是出版著作數(shù)和與學(xué)術(shù)論文數(shù)，這兩項指標(biāo)可以反映區(qū)域高校科研成果的數(shù)量;二是國家級別的成果授獎數(shù)與專利授權(quán)數(shù)，這兩項指標(biāo)可以考核區(qū)域高?？蒲谐晒馁|(zhì)量;三是技術(shù)轉(zhuǎn)讓當(dāng)年實際收入，這項指標(biāo)能夠衡量高?？蒲挟a(chǎn)生的經(jīng)濟效益[24]。指標(biāo)所使用的數(shù)據(jù)均來源于2014—2018年《高等院?？萍假Y料統(tǒng)計匯編》，并運用DEA-SOLVER Pro 5.0軟件進行效率測算。

3 高?？蒲锌冃У膶嵶C分析

3.1 高?？蒲锌冃У某史治鱿葴y算出31個省份每年的技術(shù)效率、純技術(shù)效率、規(guī)模效率和規(guī)模報酬狀態(tài)，之后利用超效率DEA解決同年份技術(shù)效率為1的科研績效排名問題，整理評價結(jié)果，見表2。

2014—2018年中國高校科研績效的超效率DEA的平均值分別是1.025、1.024、1.126、1.032、1.029，呈現(xiàn)出先增后減的發(fā)展趨勢。東部高校的科研績效最高，年均值分別是1.056、1.088、1119、1.002、1.080，西部高?？冃缘陀跂|部，分別是1.035、1.015、1.248、1.046、0.982，中部高校最低，分別是0.967、0.950、0.951、1.052、1.031。高?？蒲锌冃Т蠖嗵幱谝?guī)模報酬遞減或者不變的狀態(tài)，廣東、河北、吉林和廣西3年的規(guī)模報酬都是遞減，表明這4個省份的高校不能繼續(xù)擴大科研投入規(guī)模，應(yīng)該優(yōu)化現(xiàn)有的科研資源配置。2014—2018年中國高?？蒲锌冃У木C合技術(shù)效率平均值分別是0.904、0.906、0.898、0.914、0901、0.900。連續(xù)3年都實現(xiàn)純技術(shù)效率、規(guī)模效率有效配置的省份是北京、江蘇、浙江、河南和貴州，占比約16.13%。2014年DEA有效前沿面的省份有13個，根據(jù)超效率DEA值，北京、寧夏和西藏位列前3名，而青海、廣東和天津卻位列后3名。2015—2018年均有14個省份處于DEA有效前沿面，2015年超效率DEA值位列前3名是北京、新疆、福建，西藏、青海、吉林則是后3名。2016年前3名是西藏、北京、河南，后3名是青海、廣東、廣西。2017年前3名的是北京、內(nèi)蒙古、河南，后3名則是西藏、河北、青海。2018年前3名是北京、新疆、河南，青海、廣西、福建則是后3名。北京高?？蒲锌冃б恢蔽涣星懊?，而青海一直在后3名徘徊，西藏高校的科研績效水平極其不穩(wěn)定，忽上忽下。能夠反映區(qū)域科技管理水平的指標(biāo)是純技術(shù)效率，2014—2018年高?？蒲锌冃У募兗夹g(shù)效率均值分別是0.939、0.950、0.948、0.930、0.947、0922，而五年純技術(shù)效率值均為1有北京、浙江、江蘇等11個省份。其中2014、2015年均有21個省份實現(xiàn)了純技術(shù)效率有效，2016年則有16個，2017年有18個，而2018年有17個。能夠反映區(qū)域是否處于最佳投入規(guī)模的指標(biāo)是規(guī)模效率，2014—2018年高?？蒲锌冃У囊?guī)模效率分別是0.962、0.955、0.946、0.983、0.951、0976，五年規(guī)模效率值均為1有北京、江蘇、浙江、河南和貴州。2014、2015年實現(xiàn)了規(guī)模效率有效的省份個數(shù)都有14個、2016和2018年都有15個省份、2017年則有17個。為實現(xiàn)全國科研投入資源的合理配置，應(yīng)該加大對于規(guī)模報酬遞增省份的投入力度，適當(dāng)削減規(guī)模報酬遞減省份的投入。

3.2 高?？蒲锌冃У腗almquist指數(shù)分析由表3可知，2014—2018年高?？蒲锌冃厣a(chǎn)率整體呈現(xiàn)緩慢增長趨勢，年均增長1%，各高校實現(xiàn)了科研投入資源的有效配置，其中技術(shù)進步效率年均增長了1.1%，起到主要的推動作用。2014—2015年高校的全要素生產(chǎn)率明顯下降，技術(shù)效率、技術(shù)進步效率均小于1，說明此時高校的管理和技術(shù)均未達(dá)到最佳狀態(tài)，而2015—2016年高校的科研管理和技術(shù)水平達(dá)到了較好的水平。2016—2017年高校的全要素生產(chǎn)率略有上升，技術(shù)效率小于1，技術(shù)進步效率大于1，說明高校的管理水平是阻礙全要素生產(chǎn)率增加的因素。2017—2018年高校管理和技術(shù)均需要不斷調(diào)整。

2014—2018年各省份科研績效的動態(tài)變化情況見表4。中部地區(qū)高校的科研全要素生產(chǎn)率年均增加3.7%，東部年均增加2.1%，西部年均減少1.1%，說明西部地區(qū)高校在科研績效上存在不少的問題。北京、廣東、江蘇等29個省份的科研效率的技術(shù)效率值大于或等于1，表明這些省份的科研效率并沒有下降，而福建、海南、河北等12個省份的科研效率出現(xiàn)了下降趨勢，說明這些省份科研管理不夠規(guī)范、高效。北京、廣東、海南等17個省份的技術(shù)進步效率值大于或等于1，說明這些省份

的技術(shù)水平有所提高，但福建、河北、天津等14個省份的技術(shù)水平出現(xiàn)了退步。31個省份的全要素生產(chǎn)率存在較大的差異，北京、廣東、海南等17個省份的科研效率呈現(xiàn)出不同幅度的增長趨勢，其中山西增長雖為明顯，達(dá)到了20%，其余福建、河北、上海等14個省份的科研效率出現(xiàn)下降趨勢，福建和寧夏

下降幅度高達(dá)10.6%。福建、河北、安徽等6個省份的技術(shù)進步效率、純技術(shù)效率、規(guī)模效率均小于1，拉低了整體的科研生產(chǎn)率。

根據(jù)圖1，上海、安徽、吉林等省份主要受技術(shù)效率的變動影響科研效率，北京、江蘇、浙江等省份主要由于技術(shù)進步效率變動的作用，而福建、廣東、海南等省份則是受到技術(shù)效率和技術(shù)進步效率的雙重作用。整體來看，技術(shù)效率和技術(shù)進步效率共同變動影響高校的科研績效，但是更多的是受到技術(shù)進步效率的變動影響。純技術(shù)效率變動和規(guī)模效率變動共同作用能夠改變技術(shù)效率，上海、陜西等省份主要通過純技術(shù)效率影響技術(shù)效率，海南、湖南、四川等省份則是通過規(guī)模效率變動使其技術(shù)效率發(fā)生變動。

4 結(jié)語文中構(gòu)建了高效科研績效評價體系，對2014—2018年31個省份的科研績效進行實證研究，從靜態(tài)和動態(tài)兩個維度進行分析，得出以下結(jié)論：從靜態(tài)分析發(fā)現(xiàn)，我國高校科研技術(shù)效率近五年的平均值為1.047，表明我國高校科研績效的整體水平較高。北京、江蘇、浙江等5個省份的超效率DEA值都是大于1，連續(xù)五年都實現(xiàn)了科研投入資源的合理配置。廣東、河北、吉林和廣西近5年的規(guī)模報酬都是遞減，說明這4個省份應(yīng)該停止擴大科研投入資源;從動態(tài)分析發(fā)現(xiàn)，高校科研績效整體呈現(xiàn)年均增加1.3%的趨勢，技術(shù)進步效率起到拉低作用。中部高校的科研績效呈現(xiàn)年均增加3.7%的趨勢，明顯由于東部年均2.1%的增長趨勢和西部年均1.1%的下降趨勢。山西的科研生產(chǎn)的增長率達(dá)到20%，而福建和寧夏的下降率超過10%，福建、河北、安徽等6個省份的技術(shù)進步效率、純技術(shù)效率、規(guī)模效率均小于1，拉低了全國整體高校的科研績效。結(jié)合靜態(tài)動態(tài)分析結(jié)果，我國高校科研績效整體水平較高，呈現(xiàn)緩慢增長趨勢。東部地區(qū)高?？蒲锌冃阶罡?，呈現(xiàn)增長趨勢，中部高校科研績效水平最低，但是增長速度最高，西部高?？蒲锌冃捷^高，卻呈現(xiàn)下降趨勢。北京、江蘇等省份高?？蒲锌冃л^好，不斷保持提高效率，而甘肅、內(nèi)蒙古等的高校近幾年受到技術(shù)進步效率的影響科研績效出現(xiàn)下降。上海、天津、云南等省份近幾年科研得全要素生產(chǎn)率接近1，說明這些省份處于科學(xué)研究的停滯階段，應(yīng)該進行規(guī)模調(diào)整、改善內(nèi)部管理、引進現(xiàn)金技術(shù)等方法提高科研績效。廣西、青海等省份呈現(xiàn)出科研績效水平持續(xù)走低的趨勢，相關(guān)管理部門應(yīng)該予以重視。山東、河南、山西等省份通過不斷調(diào)整科研管理水平和提升科研技術(shù)，其科研績效水平得到了明顯提升。評價體系的主要作用只要是為了改進高?？蒲锌冃В虼颂岢鋈缦陆ㄗh：為了削減我國高校的科研績效的區(qū)域差異，合理分配科研投入資源以提高科研效率，做好中央和地方資源的協(xié)調(diào)，同時向效率前沿的省份學(xué)習(xí)，保證高?？蒲幸?guī)模和績效的同步增長;建立高校與地方企業(yè)的聯(lián)盟，為高?；I集社會科研資源，努力進入地方創(chuàng)新系統(tǒng)，充分利用高?，F(xiàn)有的科研人才，制定各種科研獎勵政策，實現(xiàn)高?？蒲锌冃У姆€(wěn)步提升;高校立足于高質(zhì)量的科研成果，完善科研績效的管理制度，建立科研績效監(jiān)督評價機制，對投入資源進行合理的監(jiān)督評價，促進高?？蒲型度氘a(chǎn)出績效的提升。參考文獻(xiàn)：

[1]Frittelli Marco，Mancini Loriano，Peri Ilaria.Scientific research measures[J].Journal of the Association for Information Science and Technology，2016，67（12）：3051-3063.

[2]沈立宏，趙怡.基于數(shù)據(jù)包絡(luò)分析的地方高校科研績效評價[J].高等工程教育研究，2016（03）：147-151.

[3]翁秋怡.我國高?？蒲?、教學(xué)和社會服務(wù)效率趨勢研究——以72所教育部直屬高校為例[J].當(dāng)代教育科學(xué)，2017（10）：81-86.

[4]馬玲玲.基于Malmquist指數(shù)模型的研究型高?？蒲锌冃гu價[J].統(tǒng)計與決策，2018，34（22）：68-70.

[5]劉敏，萬麗娟.中國農(nóng)業(yè)科技創(chuàng)新績效的地區(qū)差異研究——對農(nóng)業(yè)科研機構(gòu)創(chuàng)新績效的實證分析[J].重慶大學(xué)學(xué)報（社會科學(xué)版），2019，25（02）：28-36.

[6]劉天佐，許航.我國不同區(qū)域高?？蒲型度氘a(chǎn)出績效及其影響因素分析——基于DEA-Tobit模型的實證研究[J].科技管理研究，2018，38（13）：113-118.

[7]劉雪鳳，杜浩然，閆莉.我國“985”高校知識產(chǎn)權(quán)能力績效評價[J].科技管理研究，2018，38（02）：65-74.

[8]段曉梅.系統(tǒng)思維下我國高?？蒲锌冃У某蔇EA評價[J].系統(tǒng)科學(xué)學(xué)報，2019，27（04）：51-54+76.

[9]宗曉華，付呈祥.我國研究型大學(xué)科研績效及其影響因素——基于教育部直屬高校相關(guān)數(shù)據(jù)的實證分析[J].高校教育管理，2019，13（05）：26-35.

[10]邱泠坪，郭明順，張艷，張默.基于DEA和Malmquist的高等農(nóng)業(yè)院校科研效率評價[J].現(xiàn)代教育管理，2017（02）：50-55.

[11]苑澤明，張永貝，寧金輝.京津冀高校科研創(chuàng)新績效評價——基于DEA-BCC和DEA-Malmquist模型[J].財會月刊，2018（24）：26-32.

[12]Costas R，Van Leeuwen T N，Bordons M.A bibiometric classificatory approach for the study and assessment of research performance at the individual level：the effects of age on productivity and impact[J]Journal of the American Society for Information Science and Technology，2010，61：1564-1581.

[13]Tseng M L，Chiu A S F.Evaluating firms green supply chian management in linguistic preferences[J].Journal of Clearner Production，2013，40：22-31.

[14]張耀天，賈明順，張旭成.基于自適應(yīng)層次分析法的高校科研績效評價[J].科技管理研究，2016，36（11）：106-110.

[15]賈敬全，汪佩霞.基于FCE-AHP方法的高?？蒲薪?jīng)費績效評價研究[J].會計之友，2018（14）：115-120.

[16]張萌物，漆棪.基于DEA-Malmquist模型的陜西省物流產(chǎn)業(yè)效率綜合評價[J].技術(shù)與創(chuàng)新管理，2019，40（02）：237-243.

[17]趙聚輝，黃詩華.基于超效率DEA和Malmquist指數(shù)的中國科技研發(fā)效率評價研究[J].宏觀經(jīng)濟研究，2019（09）：123-129.

[18]侯彬彬，周安寧，李紅霞，等.基于DEA的我國高?？蒲型度肱c專利產(chǎn)出分析[J].技術(shù)與創(chuàng)新管理，2016，37（04）：381-385.

[19]張清海，張良強.基于DEA方法的省域高?？萍紕?chuàng)新效率評價與分析[J].技術(shù)與創(chuàng)新管理，2015，36（03）：237-242.

[20]晉興雨，張英姿，于麗英.一流大學(xué)建設(shè)背景下高校綜合績效評價實證——基于非定向Super-SBM模型和Malmquist指數(shù)[J].上海大學(xué)學(xué)報（自然科學(xué)版），2019，25（04）：625-635.

[21]閆平，馬璇璇，王海濤.我國高?？蒲行试u價——基于DEA與Malmquist指數(shù)的分析[J].財會月刊，2016（32）：3-9.

[22]王衛(wèi)星，王煜.高校科研績效及影響因素研究——以教育部直屬高校為例[J].會計之友，2017（10）：109-114.

[23]李瑞，曾國華.我國高?？蒲行试u價——基于面板DEA的動態(tài)評價與地區(qū)差異研究[J].財會月刊，2017（03）：56-60.

[24]李璐.京津冀高?？萍紕?chuàng)新效率的實證研究——基于DEA分析的SBM模型和Malmquist生產(chǎn)率指數(shù)[J].教育學(xué)術(shù)月刊，2019（02）：44-53.

（責(zé)任編輯：王 強）