基于DEA-Malmquist指數(shù)的省域高?？蒲行始捌溆绊懸蛩匮芯?/h1>
2022-06-22 10:33丁陳蔚
福建開放大學(xué)學(xué)報(bào) 2022年2期
丁陳蔚
（福建開放大學(xué)，福建福州，350013）
一、問題研究背景
歷經(jīng)改革開放40多年風(fēng)雨，我國的科研事業(yè)葳蕤蓬勃。黨的十九大報(bào)告指出“創(chuàng)新是引領(lǐng)發(fā)展的第一動力”，預(yù)示著我國科研進(jìn)入“量變到質(zhì)變”的轉(zhuǎn)折期。高校作為科研產(chǎn)出主要陣地，科研效率不容忽視。因此本文以黨的十九大為界，梳理我國省域高?？蒲?5年間的效率變化情況，并探析影響高校科研效率的若干因素，通過明晰過去15年的成果與不足，以期為新階段高?？蒲泄芾淼奶嵘粚?shí)基礎(chǔ)、提供參照。
二、文獻(xiàn)綜述
國外科研評價(jià)的研究起步較早，目前許多發(fā)達(dá)國家已組建權(quán)威性的評價(jià)機(jī)構(gòu)，各機(jī)構(gòu)都有獨(dú)具特色的評價(jià)指標(biāo)體系，并不斷根據(jù)社會應(yīng)用實(shí)際對指標(biāo)升級調(diào)整。此外，該領(lǐng)域眾多學(xué)者也從投入產(chǎn)出角度和影響因素角度展開指標(biāo)體系研究。在評價(jià)內(nèi)容上，不僅從宏觀層面上對本國高?？蒲行书_展研究，還從微觀層面上對高校內(nèi)部院系、學(xué)科、技術(shù)轉(zhuǎn)讓效率進(jìn)行評估。如Timothy R.Anderson等學(xué)者從技術(shù)轉(zhuǎn)讓效率的角度出發(fā)，對特定大學(xué)的成果轉(zhuǎn)化效率進(jìn)行調(diào)查，并在同為效率低下的大學(xué)中歸納同行數(shù)量，發(fā)現(xiàn)設(shè)立醫(yī)學(xué)院的大學(xué)比未設(shè)立的大學(xué)效率低。[1]
相較于國外豐富的科研效率研究，直至1985年，我國才將目光轉(zhuǎn)向高?？蒲行恃芯款I(lǐng)域。對于指標(biāo)體系，資源投入和成果產(chǎn)出、因素集成、創(chuàng)新系統(tǒng)等都是指標(biāo)內(nèi)容篩選的方向，再采用因子分析、德爾菲法等對前期研究指標(biāo)加以遴選，以期指標(biāo)囊括更多內(nèi)容更具綜合性。如通過Pearson對前期選取指標(biāo)的相關(guān)系數(shù)進(jìn)行檢驗(yàn)，以此構(gòu)建與現(xiàn)實(shí)接軌的評價(jià)指標(biāo)體系。[2]
在評價(jià)方法上，國內(nèi)外學(xué)者逐步由同行評議等定性分析方式轉(zhuǎn)向定性定量相結(jié)合的形式，如數(shù)據(jù)包絡(luò)分析（DEA）、層次分析法（AHP）、灰色關(guān)聯(lián)分析法等。其中主流評價(jià)方法為DEA，并在此基礎(chǔ)上結(jié)合其他方式進(jìn)行衍生優(yōu)化。蘇薈等就在經(jīng)典DEA-BCC模型分析的基礎(chǔ)上，運(yùn)用Tobit對影響因素回歸，發(fā)現(xiàn)科研資源配置缺乏科學(xué)性、對科研成果“重量短質(zhì)”的問題。[3]
三、高?？蒲行试u價(jià)指標(biāo)體系構(gòu)建
（一）數(shù)據(jù)來源
使用數(shù)據(jù)來源于1998—2016年《高?？萍冀y(tǒng)計(jì)資料匯編》。剔除數(shù)據(jù)缺失省份后，選擇我國27個(gè)省份為研究對象并進(jìn)行數(shù)據(jù)分析。
（二）評價(jià)指標(biāo)體系構(gòu)建
指標(biāo)選取滿足決策單元（DMU）數(shù)量大于投入產(chǎn)出指標(biāo)之和兩倍的規(guī)則。
在指標(biāo)權(quán)重方面，選擇了該科研領(lǐng)域的專家學(xué)者、參與過成果評估的工作人員等一共6名組成專家咨詢小組。將德爾菲法得到的指標(biāo)權(quán)重與國內(nèi)權(quán)威研究成果進(jìn)行對比差異不大，一定程度上保證了權(quán)重的科學(xué)有效。[4]指標(biāo)體系與折算規(guī)則見表1。
表1 高?？蒲行试u價(jià)指標(biāo)及其折算規(guī)則
（三）產(chǎn)出指標(biāo)滯后期確定
結(jié)合論文、科技專著、專利授權(quán)及國家級獎(jiǎng)項(xiàng)等科研成果的公開時(shí)間，將滯后時(shí)間折中為2年。因《高等學(xué)?？萍冀y(tǒng)計(jì)資料匯編》中1998—2016年的統(tǒng)計(jì)數(shù)據(jù)實(shí)際為1997—2015年的情況，故以1997—2013年的數(shù)據(jù)作為科研投入，選擇1999—2015年的數(shù)據(jù)作為科研產(chǎn)出。由于DEA-Malmquist模型采用的是鄰接參比的方式，所得的效率結(jié)果需要以前一年為參照，因此第一年（1997年）無效率結(jié)果，最終得出的效率結(jié)果為1998—2013年間我國省域高校的科研效率。
（四）評價(jià)方法選擇——DEA-Malmquist模型
本文選擇的DEA-Malmquist指數(shù)模型基本表達(dá)式如下：
從t時(shí)期到t+1時(shí)期，全要素生產(chǎn)率指數(shù)MALM t,t+1變化的公式如下：
其中，xt、yt和dt（x,y）分別表示不同時(shí)期的投入、產(chǎn)出向量和距離函數(shù)，PTECH、SECH、TCH、TECH分別為純技術(shù)效率、規(guī)模效率、技術(shù)進(jìn)步和綜合技術(shù)效率。通過效率指數(shù)與1的關(guān)系，可知同上年度相比的結(jié)果是提升、持平還是降低。
四、省域高?？蒲行是闆r
（一）省域高?？蒲行蕶M縱對比
從時(shí)間變動來看，趨勢如圖1顯示，自1998—2013年共16年間，我國省域高?？蒲行食尸F(xiàn)較為波動態(tài)勢。以2000年、2007年為界可劃分為三個(gè)階段：勻速下滑、三峰態(tài)勢和穩(wěn)中求進(jìn)階段?！?003—2007年教育振興行動計(jì)劃》系列計(jì)劃中的“高等學(xué)?？萍紕?chuàng)新計(jì)劃”，為“三峰態(tài)勢”階段推進(jìn)省域高校產(chǎn)學(xué)研結(jié)合給予強(qiáng)大助力。而2008年受美國房地產(chǎn)金融風(fēng)暴影響國內(nèi)經(jīng)濟(jì)低迷，勢必嚴(yán)重影響科研成果產(chǎn)出和轉(zhuǎn)化，隨著經(jīng)濟(jì)復(fù)蘇此后效率才逐年緩慢提升。
圖1 1998—2013年省域高校科研全要素生產(chǎn)率及其分解的變化趨勢
從省份對比來看，全要素生產(chǎn)率高于1、科研效率提升幅度排名前四的省份有上海、浙江、江蘇、重慶，均為區(qū)位、經(jīng)濟(jì)條件較好的省份；反之，貴州、海南、江西和內(nèi)蒙古這四省份排名靠后。其中上海市提升幅度最大，較上年提升11.3%，貴州省降幅最大，較上年降低11.1%。
從效率提升區(qū)域占比情況來看，表2顯示超50%省份的高校科研效率仍處于無效狀態(tài)，亟待提升。其中，存在技術(shù)進(jìn)步效率提升的省份占比51.9%，相比其他三類效率是唯一超半數(shù)有效的效率類型。已知技術(shù)效率的提升，不僅取決于純技術(shù)效率，還依靠規(guī)模效率?？梢娞嵘覈∮蚋咝５目蒲谐尚В孕柙诩兗夹g(shù)效率和規(guī)模效率的提升上多加重視。
表2 1998—2013年省域高校科研全要素生產(chǎn)率指數(shù)及其分解情況
從增長類型看，我國絕大多數(shù)省份的高校科研效率處于低增長型和徘徊型。高增長型和低增長型的省份較多靠近東部省域，地理區(qū)位（沿海地區(qū)、老工業(yè)區(qū)）和經(jīng)濟(jì)環(huán)境較為優(yōu)良，為科研提供較好的基礎(chǔ)支持。如上海、浙江更是我國較早發(fā)展起來的一批省份，經(jīng)濟(jì)實(shí)力雄厚、人才集聚效應(yīng)顯著，勢必會為當(dāng)?shù)馗咝砀嗟捻?xiàng)目資金支持與學(xué)術(shù)交流，呈現(xiàn)較高的增長態(tài)勢。低效型則僅包含貴州省，該省處于我國西南山區(qū)，決定了其區(qū)位優(yōu)勢與東部沿海省份必然無法比肩，且早年科研條件薄弱，發(fā)展起步較晚，可能對其長期科研效率造成影響，呈現(xiàn)低效態(tài)勢也屬情理之中。
（二）省域高?？蒲行首兓瘎恿Ψ治?/h3>
就16年間全要素生產(chǎn)率及其分解效率的變化趨勢來看，圖2中純技術(shù)效率與規(guī)模效率的變動趨勢較為平緩，基本圍繞在1上下浮動。說明我國高校長期以來，在財(cái)務(wù)部門、科研管理、成果轉(zhuǎn)化等方面的制度安排和管理水平的改進(jìn)上成效不顯、后繼乏力，造成高?？蒲谢顒拥木C合技術(shù)效率長期在有效與無效的邊界徘徊。
結(jié)合圖1、圖2與表1不難看出：第一，省域高?？蒲行首儎拥臎Q定因素為技術(shù)進(jìn)步效率，其與全要素生產(chǎn)率曲線重合度較高，波動具有趨同性。印證了上文中隨時(shí)間變化縱向?qū)Ρ鹊贸龅慕Y(jié)論，即技術(shù)進(jìn)步的確是長期影響我國省域高?？蒲行侍嵘闹匾蛩?。第二，多數(shù)省份高?？蒲行首儎右蛩貑我唬缳F州、海南、內(nèi)蒙古、山西等均因技術(shù)進(jìn)步效率較上年大幅降低，從而導(dǎo)致整體科研效率的降低。但也存在部分省份，效率變動情況較為復(fù)雜，如廣東的規(guī)模效率較低，但科研效率較上年仍有提升，這主要?dú)w功于技術(shù)進(jìn)步效率7.2%的增幅，彌補(bǔ)了規(guī)模效率的落后。
圖2 1998—2013年各省份高?？蒲腥厣a(chǎn)率指數(shù)及其分解情況
為進(jìn)一步觀察各省份科研效率與平均水平的差異，以均值點(diǎn)（1.001，1.004）繪制了空間分布圖（圖3）。圖中絕大多數(shù)省份集中分布于均值點(diǎn)附近，意味著要想提高整體科研效率，科研投入需根據(jù)規(guī)模報(bào)酬情況控制在合理程度內(nèi)，同時(shí)完善科研制度設(shè)計(jì)以提升科研管理水平。部分省份分布靠近邊緣，存在較為極端的效率指數(shù)，需根據(jù)自身情況著重提升。如貴州，綜合技術(shù)效率接近平均水平，但技術(shù)進(jìn)步效率遠(yuǎn)低于其他省份，需加大科研技術(shù)升級和設(shè)備引進(jìn)方面的投入。
圖3 1998—2013年各省份綜合技術(shù)效率與技術(shù)進(jìn)步效率變動指數(shù)的空間分布
（三）多元回歸模型的選擇與構(gòu)建
Hausman檢驗(yàn)結(jié)果顯示，P值0.7589大于0.05，因此選用隨機(jī)效應(yīng)模型。如公式3：
β0為常數(shù)項(xiàng)，εit代表誤差項(xiàng)。影響因素回歸分為兩個(gè)步驟：首先將27個(gè)省份的全要素生產(chǎn)率（TFP）放入模型進(jìn)行回歸，得到全國范圍的影響因素結(jié)果；其次再控制地理位置變量，分別得到東部、中部、西部省域的回歸結(jié)果，對比地區(qū)間影響因素的差異并分析原因。
表3 1998—2013年省域高校科研效率增長類型
（三）高?？蒲行视绊懸蛩氐幕貧w分析
表5結(jié)果顯示，全時(shí)人員中科學(xué)家與工程師的比重（KGBL）、地區(qū)人均GDP（LNGDP）、科研經(jīng)費(fèi)當(dāng)年撥入中企事業(yè)單位資金的比重（QSBL）、高等學(xué)校畢業(yè)生人數(shù)（STU）、研究與發(fā)展經(jīng)費(fèi)投入強(qiáng)度（LNRND）這五個(gè)因素，能顯著影響高校科研效率。而科研經(jīng)費(fèi)當(dāng)年撥入中政府資金的比重（ZFBL）卻并未通過顯著性檢驗(yàn)。
人員素質(zhì)結(jié)構(gòu)方面，科學(xué)家與工程師的比重（KGBL）與高?？蒲行食尸F(xiàn)負(fù)向關(guān)系（系數(shù)為負(fù)，P＜0.01）。觀察三大地區(qū)的回歸結(jié)果可發(fā)現(xiàn)，科研人力資源浪費(fèi)最為嚴(yán)重的當(dāng)屬東部省域（系數(shù)為負(fù)，P＜0.01），有學(xué)者指出，東部至西部方向存在“馬太效應(yīng)”，[5]導(dǎo)致東部省域的科學(xué)家與工程師可能處于飽和狀態(tài)，相應(yīng)的科研產(chǎn)出成果與科研人才流入水平并不匹配，影響高?？蒲性u價(jià)結(jié)果。
經(jīng)費(fèi)投入強(qiáng)度方面，盡管基礎(chǔ)研究支出經(jīng)費(fèi)的比重（JCBL）在全國范圍中并不顯著（P＞0.1），但在西部省域卻呈現(xiàn)顯著的正向關(guān)系（系數(shù)為正，P＜0.01）。西部省域科研重心仍以基礎(chǔ)研究為主，加大基礎(chǔ)研究經(jīng)費(fèi)支出可顯著提升科研效率，但我國科研重心已逐步轉(zhuǎn)移至成果轉(zhuǎn)化與應(yīng)用領(lǐng)域，因此在全國范圍內(nèi)，應(yīng)用研究支出經(jīng)費(fèi)比重（YYBL）對高?？蒲行实奶嵘酗@著正向影響（系數(shù)為正，P＜0.05）。
六、結(jié)論與展望
通過省域高?？蒲行实臋M向?qū)Ρ?、縱向?qū)Ρ纫约暗赜虿町悓Ρ龋玫綆c(diǎn)結(jié)論：第一，省域高校科研效率波動幅度較大，具體可分為三個(gè)階段，每階段與當(dāng)時(shí)國家經(jīng)濟(jì)運(yùn)行狀況相關(guān)。第二，我國省域高?？蒲行实奶岣?，主要仰賴于技術(shù)進(jìn)步效率的提升。第三，依據(jù)效率的空間分布圖可明確看出，各省高?？蒲行逝c全國平均水平的差異，應(yīng)針對自身薄弱環(huán)節(jié)作相應(yīng)調(diào)整。其中特殊的省份如貴州等，則是由綜合技術(shù)效率和技術(shù)進(jìn)步效率綜合作用而導(dǎo)致的科研效率低下，需要對這兩方面“兩手抓”。第四，結(jié)合全國情況來看東部省域高?？蒲行首罡?、西部次之、中部最低。
表4 省域高?？蒲行实挠绊懸蛩?/p>
由于條件限制等因素，部分問題尚待解決：一是評價(jià)時(shí)間。本文盡可能選取適用長期的評價(jià)指標(biāo)，評價(jià)時(shí)間長度受限，未能加入近幾年新數(shù)據(jù)分析。二是指標(biāo)權(quán)重。采用德爾菲法無法避免主觀性較強(qiáng)的缺點(diǎn)。三是數(shù)據(jù)缺失。早期年鑒數(shù)據(jù)不全，研究剔除了西藏、青海、寧夏、新疆四省區(qū)，未能涵蓋全國31個(gè)省份。但隨著我國步入科技強(qiáng)國行列，高校科研方面的數(shù)據(jù)統(tǒng)計(jì)會愈加全面和精確，研究者也將采用更科學(xué)的評價(jià)方法平衡主客觀因素，確保評價(jià)結(jié)果更科學(xué)可靠。
猜你喜歡
“慢”過程 “高”效率科學(xué)大眾·教師版(2022年4期)2022-04-13 選用合適的方法，提升解答選擇題的效率語數(shù)外學(xué)習(xí)·高中版中旬(2021年12期)2021-03-09 江西省初步建成教育省域網(wǎng)骨干網(wǎng)江蘇科技報(bào)·E教中國(2019年11期)2019-09-10 16省份上半年GDP超萬億元中國經(jīng)濟(jì)周刊(2018年31期)2018-08-14 聚焦立體幾何命題 提高高考備考效率廣東教育·高中(2017年11期)2017-12-04 22個(gè)省決策探索(2017年11期)2017-06-23 省域流通產(chǎn)業(yè)競爭力評價(jià)體系構(gòu)建與實(shí)證分析商業(yè)經(jīng)濟(jì)研究(2016年14期)2016-09-14 中國省域碳排放總量控制目標(biāo)分解研究中國人口·資源與環(huán)境(2016年1期)2016-01-13 跟蹤導(dǎo)練（一）2時(shí)代英語·高二(2015年1期)2015-03-16
丁陳蔚
（福建開放大學(xué)，福建福州，350013）
一、問題研究背景
歷經(jīng)改革開放40多年風(fēng)雨，我國的科研事業(yè)葳蕤蓬勃。黨的十九大報(bào)告指出“創(chuàng)新是引領(lǐng)發(fā)展的第一動力”，預(yù)示著我國科研進(jìn)入“量變到質(zhì)變”的轉(zhuǎn)折期。高校作為科研產(chǎn)出主要陣地，科研效率不容忽視。因此本文以黨的十九大為界，梳理我國省域高?？蒲?5年間的效率變化情況，并探析影響高校科研效率的若干因素，通過明晰過去15年的成果與不足，以期為新階段高?？蒲泄芾淼奶嵘粚?shí)基礎(chǔ)、提供參照。
二、文獻(xiàn)綜述
國外科研評價(jià)的研究起步較早，目前許多發(fā)達(dá)國家已組建權(quán)威性的評價(jià)機(jī)構(gòu)，各機(jī)構(gòu)都有獨(dú)具特色的評價(jià)指標(biāo)體系，并不斷根據(jù)社會應(yīng)用實(shí)際對指標(biāo)升級調(diào)整。此外，該領(lǐng)域眾多學(xué)者也從投入產(chǎn)出角度和影響因素角度展開指標(biāo)體系研究。在評價(jià)內(nèi)容上，不僅從宏觀層面上對本國高?？蒲行书_展研究，還從微觀層面上對高校內(nèi)部院系、學(xué)科、技術(shù)轉(zhuǎn)讓效率進(jìn)行評估。如Timothy R.Anderson等學(xué)者從技術(shù)轉(zhuǎn)讓效率的角度出發(fā)，對特定大學(xué)的成果轉(zhuǎn)化效率進(jìn)行調(diào)查，并在同為效率低下的大學(xué)中歸納同行數(shù)量，發(fā)現(xiàn)設(shè)立醫(yī)學(xué)院的大學(xué)比未設(shè)立的大學(xué)效率低。[1]
相較于國外豐富的科研效率研究，直至1985年，我國才將目光轉(zhuǎn)向高?？蒲行恃芯款I(lǐng)域。對于指標(biāo)體系，資源投入和成果產(chǎn)出、因素集成、創(chuàng)新系統(tǒng)等都是指標(biāo)內(nèi)容篩選的方向，再采用因子分析、德爾菲法等對前期研究指標(biāo)加以遴選，以期指標(biāo)囊括更多內(nèi)容更具綜合性。如通過Pearson對前期選取指標(biāo)的相關(guān)系數(shù)進(jìn)行檢驗(yàn)，以此構(gòu)建與現(xiàn)實(shí)接軌的評價(jià)指標(biāo)體系。[2]
在評價(jià)方法上，國內(nèi)外學(xué)者逐步由同行評議等定性分析方式轉(zhuǎn)向定性定量相結(jié)合的形式，如數(shù)據(jù)包絡(luò)分析（DEA）、層次分析法（AHP）、灰色關(guān)聯(lián)分析法等。其中主流評價(jià)方法為DEA，并在此基礎(chǔ)上結(jié)合其他方式進(jìn)行衍生優(yōu)化。蘇薈等就在經(jīng)典DEA-BCC模型分析的基礎(chǔ)上，運(yùn)用Tobit對影響因素回歸，發(fā)現(xiàn)科研資源配置缺乏科學(xué)性、對科研成果“重量短質(zhì)”的問題。[3]
三、高?？蒲行试u價(jià)指標(biāo)體系構(gòu)建
（一）數(shù)據(jù)來源
使用數(shù)據(jù)來源于1998—2016年《高?？萍冀y(tǒng)計(jì)資料匯編》。剔除數(shù)據(jù)缺失省份后，選擇我國27個(gè)省份為研究對象并進(jìn)行數(shù)據(jù)分析。
（二）評價(jià)指標(biāo)體系構(gòu)建
指標(biāo)選取滿足決策單元（DMU）數(shù)量大于投入產(chǎn)出指標(biāo)之和兩倍的規(guī)則。
在指標(biāo)權(quán)重方面，選擇了該科研領(lǐng)域的專家學(xué)者、參與過成果評估的工作人員等一共6名組成專家咨詢小組。將德爾菲法得到的指標(biāo)權(quán)重與國內(nèi)權(quán)威研究成果進(jìn)行對比差異不大，一定程度上保證了權(quán)重的科學(xué)有效。[4]指標(biāo)體系與折算規(guī)則見表1。
表1 高?？蒲行试u價(jià)指標(biāo)及其折算規(guī)則
（三）產(chǎn)出指標(biāo)滯后期確定
結(jié)合論文、科技專著、專利授權(quán)及國家級獎(jiǎng)項(xiàng)等科研成果的公開時(shí)間，將滯后時(shí)間折中為2年。因《高等學(xué)?？萍冀y(tǒng)計(jì)資料匯編》中1998—2016年的統(tǒng)計(jì)數(shù)據(jù)實(shí)際為1997—2015年的情況，故以1997—2013年的數(shù)據(jù)作為科研投入，選擇1999—2015年的數(shù)據(jù)作為科研產(chǎn)出。由于DEA-Malmquist模型采用的是鄰接參比的方式，所得的效率結(jié)果需要以前一年為參照，因此第一年（1997年）無效率結(jié)果，最終得出的效率結(jié)果為1998—2013年間我國省域高校的科研效率。
（四）評價(jià)方法選擇——DEA-Malmquist模型
本文選擇的DEA-Malmquist指數(shù)模型基本表達(dá)式如下：
從t時(shí)期到t+1時(shí)期，全要素生產(chǎn)率指數(shù)MALM t,t+1變化的公式如下：
其中，xt、yt和dt（x,y）分別表示不同時(shí)期的投入、產(chǎn)出向量和距離函數(shù)，PTECH、SECH、TCH、TECH分別為純技術(shù)效率、規(guī)模效率、技術(shù)進(jìn)步和綜合技術(shù)效率。通過效率指數(shù)與1的關(guān)系，可知同上年度相比的結(jié)果是提升、持平還是降低。
四、省域高?？蒲行是闆r
（一）省域高?？蒲行蕶M縱對比
從時(shí)間變動來看，趨勢如圖1顯示，自1998—2013年共16年間，我國省域高?？蒲行食尸F(xiàn)較為波動態(tài)勢。以2000年、2007年為界可劃分為三個(gè)階段：勻速下滑、三峰態(tài)勢和穩(wěn)中求進(jìn)階段?！?003—2007年教育振興行動計(jì)劃》系列計(jì)劃中的“高等學(xué)?？萍紕?chuàng)新計(jì)劃”，為“三峰態(tài)勢”階段推進(jìn)省域高校產(chǎn)學(xué)研結(jié)合給予強(qiáng)大助力。而2008年受美國房地產(chǎn)金融風(fēng)暴影響國內(nèi)經(jīng)濟(jì)低迷，勢必嚴(yán)重影響科研成果產(chǎn)出和轉(zhuǎn)化，隨著經(jīng)濟(jì)復(fù)蘇此后效率才逐年緩慢提升。
圖1 1998—2013年省域高校科研全要素生產(chǎn)率及其分解的變化趨勢
從省份對比來看，全要素生產(chǎn)率高于1、科研效率提升幅度排名前四的省份有上海、浙江、江蘇、重慶，均為區(qū)位、經(jīng)濟(jì)條件較好的省份；反之，貴州、海南、江西和內(nèi)蒙古這四省份排名靠后。其中上海市提升幅度最大，較上年提升11.3%，貴州省降幅最大，較上年降低11.1%。
從效率提升區(qū)域占比情況來看，表2顯示超50%省份的高校科研效率仍處于無效狀態(tài)，亟待提升。其中，存在技術(shù)進(jìn)步效率提升的省份占比51.9%，相比其他三類效率是唯一超半數(shù)有效的效率類型。已知技術(shù)效率的提升，不僅取決于純技術(shù)效率，還依靠規(guī)模效率?？梢娞嵘覈∮蚋咝５目蒲谐尚В孕柙诩兗夹g(shù)效率和規(guī)模效率的提升上多加重視。
表2 1998—2013年省域高校科研全要素生產(chǎn)率指數(shù)及其分解情況
從增長類型看，我國絕大多數(shù)省份的高校科研效率處于低增長型和徘徊型。高增長型和低增長型的省份較多靠近東部省域，地理區(qū)位（沿海地區(qū)、老工業(yè)區(qū)）和經(jīng)濟(jì)環(huán)境較為優(yōu)良，為科研提供較好的基礎(chǔ)支持。如上海、浙江更是我國較早發(fā)展起來的一批省份，經(jīng)濟(jì)實(shí)力雄厚、人才集聚效應(yīng)顯著，勢必會為當(dāng)?shù)馗咝砀嗟捻?xiàng)目資金支持與學(xué)術(shù)交流，呈現(xiàn)較高的增長態(tài)勢。低效型則僅包含貴州省，該省處于我國西南山區(qū)，決定了其區(qū)位優(yōu)勢與東部沿海省份必然無法比肩，且早年科研條件薄弱，發(fā)展起步較晚，可能對其長期科研效率造成影響，呈現(xiàn)低效態(tài)勢也屬情理之中。
（二）省域高?？蒲行首兓瘎恿Ψ治?/h3>
就16年間全要素生產(chǎn)率及其分解效率的變化趨勢來看，圖2中純技術(shù)效率與規(guī)模效率的變動趨勢較為平緩，基本圍繞在1上下浮動。說明我國高校長期以來，在財(cái)務(wù)部門、科研管理、成果轉(zhuǎn)化等方面的制度安排和管理水平的改進(jìn)上成效不顯、后繼乏力，造成高?？蒲谢顒拥木C合技術(shù)效率長期在有效與無效的邊界徘徊。
結(jié)合圖1、圖2與表1不難看出：第一，省域高?？蒲行首儎拥臎Q定因素為技術(shù)進(jìn)步效率，其與全要素生產(chǎn)率曲線重合度較高，波動具有趨同性。印證了上文中隨時(shí)間變化縱向?qū)Ρ鹊贸龅慕Y(jié)論，即技術(shù)進(jìn)步的確是長期影響我國省域高?？蒲行侍嵘闹匾蛩?。第二，多數(shù)省份高?？蒲行首儎右蛩貑我唬缳F州、海南、內(nèi)蒙古、山西等均因技術(shù)進(jìn)步效率較上年大幅降低，從而導(dǎo)致整體科研效率的降低。但也存在部分省份，效率變動情況較為復(fù)雜，如廣東的規(guī)模效率較低，但科研效率較上年仍有提升，這主要?dú)w功于技術(shù)進(jìn)步效率7.2%的增幅，彌補(bǔ)了規(guī)模效率的落后。
圖2 1998—2013年各省份高?？蒲腥厣a(chǎn)率指數(shù)及其分解情況
為進(jìn)一步觀察各省份科研效率與平均水平的差異，以均值點(diǎn)（1.001，1.004）繪制了空間分布圖（圖3）。圖中絕大多數(shù)省份集中分布于均值點(diǎn)附近，意味著要想提高整體科研效率，科研投入需根據(jù)規(guī)模報(bào)酬情況控制在合理程度內(nèi)，同時(shí)完善科研制度設(shè)計(jì)以提升科研管理水平。部分省份分布靠近邊緣，存在較為極端的效率指數(shù)，需根據(jù)自身情況著重提升。如貴州，綜合技術(shù)效率接近平均水平，但技術(shù)進(jìn)步效率遠(yuǎn)低于其他省份，需加大科研技術(shù)升級和設(shè)備引進(jìn)方面的投入。
圖3 1998—2013年各省份綜合技術(shù)效率與技術(shù)進(jìn)步效率變動指數(shù)的空間分布
（三）多元回歸模型的選擇與構(gòu)建
Hausman檢驗(yàn)結(jié)果顯示，P值0.7589大于0.05，因此選用隨機(jī)效應(yīng)模型。如公式3：
β0為常數(shù)項(xiàng)，εit代表誤差項(xiàng)。影響因素回歸分為兩個(gè)步驟：首先將27個(gè)省份的全要素生產(chǎn)率（TFP）放入模型進(jìn)行回歸，得到全國范圍的影響因素結(jié)果；其次再控制地理位置變量，分別得到東部、中部、西部省域的回歸結(jié)果，對比地區(qū)間影響因素的差異并分析原因。
表3 1998—2013年省域高校科研效率增長類型
（三）高?？蒲行视绊懸蛩氐幕貧w分析
表5結(jié)果顯示，全時(shí)人員中科學(xué)家與工程師的比重（KGBL）、地區(qū)人均GDP（LNGDP）、科研經(jīng)費(fèi)當(dāng)年撥入中企事業(yè)單位資金的比重（QSBL）、高等學(xué)校畢業(yè)生人數(shù)（STU）、研究與發(fā)展經(jīng)費(fèi)投入強(qiáng)度（LNRND）這五個(gè)因素，能顯著影響高校科研效率。而科研經(jīng)費(fèi)當(dāng)年撥入中政府資金的比重（ZFBL）卻并未通過顯著性檢驗(yàn)。
人員素質(zhì)結(jié)構(gòu)方面，科學(xué)家與工程師的比重（KGBL）與高?？蒲行食尸F(xiàn)負(fù)向關(guān)系（系數(shù)為負(fù)，P＜0.01）。觀察三大地區(qū)的回歸結(jié)果可發(fā)現(xiàn)，科研人力資源浪費(fèi)最為嚴(yán)重的當(dāng)屬東部省域（系數(shù)為負(fù)，P＜0.01），有學(xué)者指出，東部至西部方向存在“馬太效應(yīng)”，[5]導(dǎo)致東部省域的科學(xué)家與工程師可能處于飽和狀態(tài)，相應(yīng)的科研產(chǎn)出成果與科研人才流入水平并不匹配，影響高?？蒲性u價(jià)結(jié)果。
經(jīng)費(fèi)投入強(qiáng)度方面，盡管基礎(chǔ)研究支出經(jīng)費(fèi)的比重（JCBL）在全國范圍中并不顯著（P＞0.1），但在西部省域卻呈現(xiàn)顯著的正向關(guān)系（系數(shù)為正，P＜0.01）。西部省域科研重心仍以基礎(chǔ)研究為主，加大基礎(chǔ)研究經(jīng)費(fèi)支出可顯著提升科研效率，但我國科研重心已逐步轉(zhuǎn)移至成果轉(zhuǎn)化與應(yīng)用領(lǐng)域，因此在全國范圍內(nèi)，應(yīng)用研究支出經(jīng)費(fèi)比重（YYBL）對高?？蒲行实奶嵘酗@著正向影響（系數(shù)為正，P＜0.05）。
六、結(jié)論與展望
通過省域高?？蒲行实臋M向?qū)Ρ?、縱向?qū)Ρ纫约暗赜虿町悓Ρ龋玫綆c(diǎn)結(jié)論：第一，省域高校科研效率波動幅度較大，具體可分為三個(gè)階段，每階段與當(dāng)時(shí)國家經(jīng)濟(jì)運(yùn)行狀況相關(guān)。第二，我國省域高?？蒲行实奶岣?，主要仰賴于技術(shù)進(jìn)步效率的提升。第三，依據(jù)效率的空間分布圖可明確看出，各省高?？蒲行逝c全國平均水平的差異，應(yīng)針對自身薄弱環(huán)節(jié)作相應(yīng)調(diào)整。其中特殊的省份如貴州等，則是由綜合技術(shù)效率和技術(shù)進(jìn)步效率綜合作用而導(dǎo)致的科研效率低下，需要對這兩方面“兩手抓”。第四，結(jié)合全國情況來看東部省域高?？蒲行首罡?、西部次之、中部最低。
表4 省域高?？蒲行实挠绊懸蛩?/p>
由于條件限制等因素，部分問題尚待解決：一是評價(jià)時(shí)間。本文盡可能選取適用長期的評價(jià)指標(biāo)，評價(jià)時(shí)間長度受限，未能加入近幾年新數(shù)據(jù)分析。二是指標(biāo)權(quán)重。采用德爾菲法無法避免主觀性較強(qiáng)的缺點(diǎn)。三是數(shù)據(jù)缺失。早期年鑒數(shù)據(jù)不全，研究剔除了西藏、青海、寧夏、新疆四省區(qū)，未能涵蓋全國31個(gè)省份。但隨著我國步入科技強(qiáng)國行列，高校科研方面的數(shù)據(jù)統(tǒng)計(jì)會愈加全面和精確，研究者也將采用更科學(xué)的評價(jià)方法平衡主客觀因素，確保評價(jià)結(jié)果更科學(xué)可靠。
猜你喜歡
科學(xué)大眾·教師版(2022年4期)2022-04-13
語數(shù)外學(xué)習(xí)·高中版中旬(2021年12期)2021-03-09
江蘇科技報(bào)·E教中國(2019年11期)2019-09-10
中國經(jīng)濟(jì)周刊(2018年31期)2018-08-14
廣東教育·高中(2017年11期)2017-12-04
決策探索(2017年11期)2017-06-23
商業(yè)經(jīng)濟(jì)研究(2016年14期)2016-09-14
中國人口·資源與環(huán)境(2016年1期)2016-01-13
時(shí)代英語·高二(2015年1期)2015-03-16
