王瑞

摘 要：創(chuàng)新驅(qū)動戰(zhàn)略是當(dāng)前我國實(shí)現(xiàn)“中國夢”的一項(xiàng)重要國家政策，本文選取全國31個(gè)省、直轄市和自治區(qū)的高校科研數(shù)據(jù)，運(yùn)用了DEA數(shù)據(jù)包絡(luò)分析法進(jìn)行靜態(tài)數(shù)據(jù)分析，并使用Malmquist指數(shù)對2010-2015年間的動態(tài)面板數(shù)據(jù)進(jìn)行分析。分析發(fā)現(xiàn)，我國高校大部分科研經(jīng)費(fèi)使用處于DEA有效狀態(tài)，創(chuàng)新驅(qū)動政策會影響技術(shù)進(jìn)步指標(biāo)，而技術(shù)進(jìn)步指標(biāo)對整體科研績效表現(xiàn)起到制約作用。

關(guān)鍵詞：創(chuàng)新驅(qū)動;DEA-Malmquist指數(shù);高校科研

中圖分類號：F23 ? ? 文獻(xiàn)標(biāo)識碼：A ? ? ?doi：10.19311/j.cnki.1672-3198.2021.27.039

1 DEA-Malmquist模型及指標(biāo)選取

1.1 DEA-Malmquist模型

數(shù)據(jù)包絡(luò)分析法（Data Envelopment Analysis，簡稱DEA）是一種非參數(shù)前沿效率分析方法，該方法從相對效率概念角度提出，綜合量化評價(jià)多個(gè)決策單元（Decision Making Units，DMU）的經(jīng)濟(jì)效率。DEA方法對具有多項(xiàng)投入和產(chǎn)出指標(biāo)項(xiàng)的系統(tǒng)有很強(qiáng)的適用性，該模型不需要預(yù)先設(shè)定投入產(chǎn)出變量的函數(shù)關(guān)系，也不需要確定各變量的權(quán)重，僅利用可得的投入和產(chǎn)出數(shù)據(jù)，就能綜合評價(jià)各決策單元的相對效率。對許多龐大而復(fù)雜的社會經(jīng)濟(jì)系統(tǒng)，投入和產(chǎn)出之間的關(guān)系極其復(fù)雜，難以用簡單的函數(shù)或權(quán)重進(jìn)行模擬，這時(shí)DEA方法就體現(xiàn)出其優(yōu)越性和有效性，因而被廣泛應(yīng)用在城市建設(shè)經(jīng)濟(jì)狀況分析、公共事業(yè)的資源配置有效性評價(jià)、金融機(jī)構(gòu)的效率分析等各種社會、科技、經(jīng)濟(jì)領(lǐng)域。Malmquist指數(shù)用來衡量各個(gè)DMU的全要素變動，包含了技術(shù)進(jìn)步、綜合技術(shù)效率變動和規(guī)模效率三者間的關(guān)系。應(yīng)用Malmquist指數(shù)可以具體分析產(chǎn)出的決定因素究竟源于哪些方面，從而進(jìn)一步指導(dǎo)資源配置的改善和技術(shù)的革新。

1.2 指標(biāo)選取

在應(yīng)用DEA方法進(jìn)行績效評估時(shí)，指標(biāo)的選擇要遵循導(dǎo)向性、科學(xué)性、可行性等原則，同時(shí)考慮DMU數(shù)量，指標(biāo)選擇不宜過繁，指標(biāo)之間要避免存在聯(lián)動關(guān)系。本文主要研究的是在創(chuàng)新驅(qū)動的國家戰(zhàn)略背景下，高校科研經(jīng)費(fèi)投入的績效情況，因此在指標(biāo)選擇時(shí)有所側(cè)重，不同于過往研究全面考量的指標(biāo)選擇體系，本文在指標(biāo)選擇方面會側(cè)重于選擇與科學(xué)研究創(chuàng)新相關(guān)的指標(biāo)，并關(guān)注創(chuàng)新研究成果轉(zhuǎn)化的相關(guān)產(chǎn)出，注重產(chǎn)出指標(biāo)所體現(xiàn)的是創(chuàng)新成果的質(zhì)量而不是數(shù)量，考察創(chuàng)新成果所獲得的技術(shù)認(rèn)可、影響力和市場轉(zhuǎn)化度。因此，本文選擇的投入產(chǎn)出指標(biāo)體系如表1所示。

2 各地區(qū)高校科研經(jīng)費(fèi)績效的實(shí)證分析

2.1 各地區(qū)高?？蒲锌冃ъo態(tài)面板數(shù)據(jù)分析

本文采用的數(shù)據(jù)主要來自于教育部科技司發(fā)布的2011-2016年度《高等學(xué)校科技統(tǒng)計(jì)資料匯編》，由于該材料數(shù)據(jù)存在一定滯后性，每年發(fā)布的是前一年度的數(shù)據(jù)，因此實(shí)際數(shù)據(jù)是2010-2015年度的數(shù)據(jù)。運(yùn)用EDAP2.1軟件對2015年度的各省及自治區(qū)的高?？蒲袛?shù)據(jù)進(jìn)行靜態(tài)面板數(shù)據(jù)分析。由于科研活動的周期長，統(tǒng)計(jì)數(shù)據(jù)披露滯后，根據(jù)2017年最新發(fā)布的《2016年高等學(xué)?？萍冀y(tǒng)計(jì)資料匯編》，其中統(tǒng)計(jì)的2015年我國31個(gè)省及直轄市自治區(qū)高?？萍蓟顒訑?shù)據(jù)，采用BCC模型進(jìn)行分析，結(jié)果如表2所示。

從綜合技術(shù)效率層面上看，31個(gè)地區(qū)的得分最低的寧夏回族自治區(qū)分值為0.454，比最高分值1低54.6%，可見全國范圍內(nèi)科研活動效率水平參差不齊，差距較大。DEA綜合效率為1的地區(qū)有15個(gè)，占到全國的一半，表明這些地區(qū)科研經(jīng)費(fèi)和人員的投入得到了充分利用，產(chǎn)出的結(jié)果位于生產(chǎn)前沿面上，是績效最高的地區(qū)。非DEA有效地區(qū)16個(gè)，其中低于0.8的地區(qū)有7個(gè)，占43.75%，說明在科研投入效率偏低的地區(qū)里，還有相當(dāng)比例的地區(qū)有很大的上升空間。

將綜合技術(shù)效率分解為純技術(shù)效率和規(guī)模效率來看，純技術(shù)效率為1的地區(qū)有19個(gè)，說明有4個(gè)地區(qū)處于純技術(shù)效率有效，而DEA無效的狀態(tài)，這說明這幾個(gè)地區(qū)科研資源配置合理，管理水平也達(dá)到了一定水平，但是規(guī)模效率沒有達(dá)到有效狀態(tài)，仍需改進(jìn)。從全國范圍來看，規(guī)模收益遞增的地區(qū)6個(gè)，占19.35%。規(guī)模收益遞減的地區(qū)有10個(gè)，占32.26%。

2.2 2010-2015年各地區(qū)高?？蒲锌冃討B(tài)面板數(shù)據(jù)分析

下面針對2010-2015年間的各省、直轄市和自治區(qū)的動態(tài)面板數(shù)據(jù)進(jìn)行Malmquist指數(shù)分析，各年度的全國整體Malmquist指標(biāo)分解結(jié)果如表3所示。

從表3中可以看出，全要素生產(chǎn)率Malmquist指數(shù)的平均值為1.014，整體上呈弱有效，從各年度數(shù)據(jù)的變化情況來看，2013年Malmquist指數(shù)增長了11.01%，規(guī)模效率增長了7.25%，技術(shù)進(jìn)步指標(biāo)增長了4.3%，純技術(shù)效率略微下降了0.79%，因此可見當(dāng)年不論是科研經(jīng)費(fèi)、人力要素的投入效率，還是科研項(xiàng)目相關(guān)的管理水平都有較大提升。從2013年開始至2015年指數(shù)雖然大于1，但是2014年下降了1.91%，2015年下降了1.36%，表明全國高?？蒲锌冃щm然整體有效，但效率的增長呈下降趨勢。其中2014年的Malmquist指數(shù)下降主要是由于規(guī)模效率下降了4.6%，下降幅度較大，同時(shí)純技術(shù)效率下降了0.79%，從而導(dǎo)致綜合技術(shù)效率整體下降了5.33%，雖然當(dāng)年技術(shù)進(jìn)步指標(biāo)增長了3.63%，但整體上仍導(dǎo)致全要素生產(chǎn)率出現(xiàn)了下滑。與此相反，2015年的Malmquist指數(shù)下降則主要是由于技術(shù)進(jìn)步指標(biāo)下降了6.45%，其次純技術(shù)效率指標(biāo)下降了2%，雖然規(guī)模效率提高了7.7%之多，但前兩項(xiàng)指標(biāo)的下降導(dǎo)致了整體效率的下降。

3 結(jié)論與建議

本文著眼于在創(chuàng)新驅(qū)動戰(zhàn)略的政策背景下，我國31個(gè)省、直轄市和自治區(qū)高校近幾年的創(chuàng)新科技研究的投入和產(chǎn)出現(xiàn)狀，對科研經(jīng)費(fèi)、創(chuàng)新研究人力資源投入和項(xiàng)目投入，以及產(chǎn)生的創(chuàng)新成果和轉(zhuǎn)化成果進(jìn)行了績效分析。