高校科研绩效及影响因素研究

　　【中图分类号】 F234.4；G475 【文献标识码】 A 【文章编号】 1004-5937（2017）10-0109-06

　　随着科教兴国战略的实施，高校科研工作得到了前所未有的发展时机。国家和地方政府都加大了科研经费的预算比重，不少企业也加大了科研和技改投入；高校同样十分重视科研工作，不仅积极引进人才、建立科研平台，而且从经费配套、科研奖励等角度出台了多种激励政策。因此，近年来，高校的科研成果数量大幅攀升，对经济的贡献不断加大，影响力也日益增强。但相比发达国家而言，我国高校的科研工作还存在不足，尤其在效率方面存在明显差异。如何采取科学合理的管理方式实现资源的有效配置，提高高校科研绩效，应该成为学者和管理者共同关注的课题。

　　对高校科研效率进行科学合理的剖析与评价是当前提高科研管理水平的重要条件。从政府角度来说，科学的评价有利于政府根据科研绩效的实际情况，制定或调整相关政策，合理配置科技资源，从而达到整体资源的有效利用。从高校角度来说，客观的评价有利于高校认清自身的科研现状，并根据评价结果，对存在的不足进行合理分析，不断完善管理体制，强化管理效果，提高科研绩效。

　　本文在梳理已有研究成果的基础上，以教育部直属高校作为研究对象，构建反映我国高校科研绩效的评价指标体系，运用数据包络分析（DEA）方法计算出各高校的科研效率值，并对非DEA有效的高校作投影分析；在此基础上将科研绩效作为因变量，人力资源、财力资源、对外合作和创新能力作为自变量，对它们进行多元回归预测，分析变量之间的关系，在绩效评价和影响因素分析的基础上提出改进高校科研管理的对策和建议。

　　一、理论分析与文献综述

　　科学研究作为高校的基本职能之一，伴随知识经济时代的到来受到了极大关注，科学研究活动一般是指利用各种科学的研究方法或者手段，对研究对象作深入、全面地剖析，从而实现对其客观规律的认识，进而实现创新与优化的过程。随着高校科研工作不断向纵深发展，科研绩效越来越多地受到学界的关注。绩效通常是效果和效率两个层面的统称，其中效果层面的绩效评价通常强调实际成果与预期值的比较，是一个量化的绝对数指标；效率层面的绩效评价则强调投入与产出的对比关系，是一个相对数指标，因而相比效果，效率评价更具有可比性和广泛的适用性。与企业相比，高校更加关注的是如何科学合理地调配资源，使得最小的投入达到最大化产出，因此，基于高校科研活动的考察目标以及两个层面的特点，高校科研绩效主要从效率层面进行分析评价。

　　国内外已有文献对高校的科研绩效研究主要从以下三个方面展开。

　　第一，高校科研绩效指标体系的构建。国内外学者通常将高校科研看作一个投入产出系统，通过投入和产出两个方面来确定评价指?颂逑怠Ｈ缱?2000年开始，美国佛罗里达大学人文与社会科学研究中心发布的“美国最佳研究型大学”年度评价报告中，评价指标体系包括了科研经费总量、联邦科技经费数、教师获奖情况等9项指标。Thursby在分析美国大学经济学研究机构的效率时，把教职人员和研究人员数、研究生数、联邦资助、图书馆馆藏规模等作为科研投入的主要指标[ 1 ]。国内学者田东平和苗玉凤将科研活动人员、当年科技支出经费确定为投入指标，将专著数、国外论文数、其他全国性刊物论文数、鉴定成果数、技术转让收入、专利出售收入等作为产出指标[ 2 ]。王禹超根据创新能力的内涵构建了指标体系，投入指标主要从人力和财力两个方面确定，分别是研究与发展全时人员、资金合计，产出指标是出版科技著作数、学术论文合计数、获奖成果、技术转让收入、优秀博士论文数等[ 3 ]。

　　第二，高校科研绩效的评价方法。数据包络分析（DEA）方法是由Farrell在1957年创立，1978年，Charnes、Cooper和Rhodes将Farrell的核心理念发展为CCR模型，它是针对具有多投入和多产出特点的同类型研究对象进行综合性评价的非参数分析方法，进而形成了基本DEA分析模型，并由此奠定了数据包络分析的基本研究模式。此后学者们在此基础上不断拓展数据包络分析方法的理论内涵，形成了适于分析不同情况的CCR模型、BCC模型、SBM模型等。如今DEA模型被广泛应用于各种领域的效率评价工作，如学校、银行、酒店、医院及政府部门等[ 4-6 ]。国内学者王丽娜运用DEA方法，以江苏省30所本科院校作为研究样本，对2007年的科研效率进行了评价分析[ 7 ]。此外，学者们还使用了综合投入产出分析法、生产函数法、随机边界分析法（SFA）等多种方法对效率作评价分析，但由于数据包络分析方法具有无量纲要求、使用方便、适用于多投入多产出情形等诸多优点，像高等学校这样典型的多投入多产出单位比较适用此方法。

　　第三，高校科研投入产出效率的影响因素。贾明春和张鲜华从科技人力、科研经费、研究与发展项目和国际科技交流四个方面研究它们对高校科研投入产出效率的影响[ 8 ]。郭际等对全国31个省市区高校的科研投入产出活动进行评价，并在此基础上探讨了当地人均GDP、新产品产值在工业产值中的比重和高校支出的科研经费对科研效率的影响[ 9 ]。李燕萍等以我国30个省为研究对象，采用2003―2008年的面板数据对科研进行了测试分析，结果显示，科研活动市场化程度、基础研究投入强度、产学研结合程度、科技人员投入对科研投入产出效率均表现出积极影响[ 10 ]。 　　本文的贡献主要在于：一是选用的研究方法更加严谨，在对科研绩效的影响因素进行回归分析时，作为因变量的效率值是经过测算后取得的，因而该数值更加合理。二是本文选取了2009―2015年共7年的面板数据进行测算，分别计算了63所教育部直属高校科研的平均效率值，使结果更具客观性，改善了以前研究采用截面数据而导致的研究结果易受偶然因素影响的缺陷。

　　二、高校科研绩效的测算与分析

　　（一）样本选择与数据来源

　　本文选择教育部直属高校作为研究样本，原因在于：从地域分布上看，教育部直属高校分布于全国大部分省、直辖市和自治区，具有普遍代表性；从性质上看，这类高校既包含了综合性院校，如清华大学、南京大学、复旦大学等，又有学科特色鲜明的高校，如北京林业大学、中国地质大学和中国矿业大学等；从科研实力上看，教育部直属高校大多办学历史久远，积累厚重，科研队伍强大，实验条件优越，信息资源丰富，科研管理相对规范，因而科研数据比较具有代表性。

　　基于数据的可获得性、权威性以及可操作性等方面考虑，本文选择《高等学校科技统计资料汇编》（以下称《资料汇编》）作为数据来源。根据教育部官方统计资料，截至2015年12月31日，教育部直属普通高校为75所。然而，由于《资料汇编》仅包含了64所教育部直属高校的相关统计数据，其中一所院校缺失了部分数据，因此，本文最终确定的研究样本数为63所高校。由于《资料汇编》2009年之前的数据存在缺失，所以本文选择的时间跨度是2009年至2015年共7年。

　　（二）研究指标

　　为了能够有效地对科研进行绩效评价，所选投入与产出指标必须具有代表性、目的性和可比性，因此投入指标的选取主要从人力、财力两个方面考虑，分别选取研究与发展全时当量人员、科研经费当年内部支出两个指标。需要说明的是，高校科研的物力投入主要是设备投入，由于设备投入的报表数据为期末累计数，目前高校财务信息公开数据还不够全面，物力指标搜集整理困难，而且对于很多高校而言，物力资源投入在一定时期内变动不大，所以很多评价指标体系的构建未选物力指标。产出指标选取专著数、国内外学术论文、鉴定成果数、技术转让当年实际收入、成果授奖项5个指标。

　　（三）实证分析

　　1.研究方法

　　高校科研绩效是指科研资源消耗与科研成果的比较，即科研投入与产出比，需要采取科学的方法对高校科研绩效作合理分析与评价，找出高校科研投入产出的不足，提高科研资源的利用效率。本文针对高校科研多投入多产出的特点选择了数据包络分析（DEA）方法中的CCR模型和BCC模型对教育部直属高校的科研绩效进行测算与比较分析，建立模型如下：

　　min？兹j∑Xi jλj+sj-=？兹x0∑Yr jλj-sj+=Y0∑n j=1λj=1，j=1，2，…，nλj≥0，s-≥0，s+≥0

　　式中n代表63所教育部直属高校，假设每个决策单元有m项投入和s项产出，Xij表示第j个高校第i种类型的科研投入，Yrj表示第j个高校的第r种类型的科研产出（i=1，2，…，m；r=1，2，…，s）。？兹j为此模型的最优解，即综合效率，λj（j=1，2，…，n）是目标决策变量，S-、S+为松弛变量。

　　CCR模型假设决策单元（简称DMU）可以通过增加投入等比例地扩大产出，测算出的结果是包含规模效率的技术效率（简称TE）。而BCC模型是在CCR模型中引入约束条件∑n j=1λj=1后所得的模型。BCC模型考虑了规模收益可变的情况，计算出的DMU技术效率分离出了规模效率（简称SE），因此得到的效率是?技术效率（简称PTE）。

　　技术效率（TE）和纯技术效率（PTE）两者相除即可得出各个DMU的规模效率（SE），即SE=TE/PTE，它是由企业规模因素影响的生产效率，反映的是实际规模与最优生产规模的差距。根据所选定的投入产出指标，就可以对高校的科研效率作出总体评价。

　　2.高校科研绩效评价分析

　　应用DEA方法对本文选取的63所教育部直属高校2015年的截面数据进行分析，运用MaxDEA软件计算出各高校的科研效率和规模收益的得分情况，见表1。

　　表1中，63所教育部直属高校的平均技术效率为0.71，平均纯技术效率为0.81，平均规模效率是0.89，这三项指标的最高值都为1。

　　从表1数据分析可知，平均技术效率还有较大的改进空间。63所高校中，达到DEA有效的学校是15所，即24%左右的高校纯技术效率和规模效率同时都为1，处于最佳规模状态，科研资源得到了合理配置，规模收益不变，说明其高校科研投入产出相对稳定，投入利用适当；而非DEA有效的学校是48所，占所有高校的76%。48所非DEA有效的高校中，12所学校纯技术效率为1，规模效率小于1，说明这些高校科研资源投入相对产出达到最大化，即他们处于规模收益相对稳定的阶段，但由于投入、产出和最佳规模不匹配，可以通过调整规模来获取最大效益。12所高校中只有1所高校的规模收益是递增的，该学校可以增加科研投入使效率达到最优化，其余11所高校都是规模收益递减的，这些高校应该重视增加产出来改善投入产出规模不匹配的现状，避免因重复或是盲目扩大资源投入造成冗余，以期达到投入产出的最佳规模状态。此外，在48所非DEA有效的高校中还有36所高校的纯技术效率和规模效率值都没有达到1，其中21所高校的规模收益是递减的，15所高校的规模收益是递增的，需要适度控制投入增长速度，加大产出激励，以使这部分高校科研由规模无效变为规模有效。

　　那么应该如何调配非DEA有效的高校的现有资源，使其达到DEA有效？笔者通过MaxDEA软件得出非有效决策单元在生产可能集上的投影，也就是调整投入冗余和产出不足。

　　从所研究高校科研投入冗余和产出不足的松弛变量来看，非DEA有效的大学都是既存在投入冗余又有产出不足，需要同时对投入和产出作调整。从各高校投入冗余松弛变量的比较来看，大部分高校在研究与发展全时当量人员指标上不存在投入冗余，只有5所高校存在投入冗余。“当年内部支出”指标上有6所高校产生投入冗余，其中一所高校的冗余量非常高。从各高校产出不足松弛变量的比较来看，各高校科研投入产出不足主要体现在鉴定成果数、技术转让当年实际收入、成果授奖项三个指标上。 　　三、高校科研绩效影响因素的分析

　　为了进一步提高高校科研绩效的潜力，本文对高校科研绩效的影响因素进行了研究。

　　（一）研究假设

　　科学研究绩效是反映高校在一定时期内的科研工作总体水平及其发展能力指标，通过科研资源投入、科研成果产出以及科研管理等方面体现出来，从宏观角度来看，所有与科研投入产出相关的因素都可能对科研效率产生作用。根据高校的实际情况进行分析，人力与财力是影响科研投入产出最重要的因素。在当今经济全球化、信息社会化的时代，国际科技交流和学校的科研创新能力对于科研绩效的影响也至关重要。

　　1.人力资源

　　在人力资源方面，本文将副教授以上人数作为高校人力资源的代理变量，因为教师是开展科研工作、取得科研成果的主体，而副教授以上教师是高校的科研主力。汪晓春认为职称比例结构是衡量教师整体素质的重要尺度，是反映教师队伍科研水平的重要标志[ 11 ]。徐辰龙在研究地方高校教师人力资源对高校科研绩效影响状况时，将职称因素作为一个影响变量，分析了不同职称的教师对科研的贡献[ 12 ]。近年来，高校充分认识到人才对于取得科研成果的重要性，通过内培外引，不断改善师资结构，希望以此来提升科研绩效。实践证明高水平的师资队伍对高校科研绩效产生积极影响。因此，本文提出如下假设：

　　假设1：在其他条件不变的情况下，副教授以上人数与其当年科研绩效正相关。

　　2.财力资源

　　在财力资源方面，本文选取科研经费拨入作为科研财力的代理变量。科研经费是高校开展科研工作的财力基础，科研经费拨入是指高校获得的纵向和横向课题经费，纵向科研经费主要由政府财政直接拨付，横向科研经费主要来源于承接的国内外企业技术开发、技术转让等项目经费[ 13 ]。孙敏认为科研经费是国家科学技术发展的基本保障，而高校作为开展科学研究的主力军，从政府和企业获得的科研经费资助逐年增加，科研经费逐渐成为高校资金的重要来源[ 14 ]。田东平等将科研经费作为科研绩效的一个投入指标[ 2 ]。因此，本文提出如下假设：

　　假设2：在其他条件不变的情况下，科研经费拨入与其当年科研绩效正相关。

　　3.对外合作

　　在对外合作方面，本文选取合作研究派遣人次作为其代理变量。加强国际交流与合作是加快高校与国际接轨、拓宽教师视野、提高教师科研能力、打造高水平科技创新团队的有效途径，是增强高校科技竞争力的重要手段。贾明春将合作派遣人次作为国际科技交流的代理变量，探讨了它与高校科研绩效二者之间的相关性[ 9 ]。因此，本文提出如下假设：

　　假设3：在其他条件不变的情况下，合作研究派遣人次与其当年科研绩效正相关。

　　4.创新能力

　　在创新能力方面，本文选取专利授权数作为其代理变量。因为自主创新是推动国家经济发展的重要推动力，而知识产权是自主创新的基础和衡量指标，专利又是知识产权的重要组成部分。李自香认为，专利作为最先进技术的载体，已成为科学技术发展的重要指示器，是衡量企业自主创新能力的重要依据[ 15 ]。杨娟在技术创新与企业绩效关系的实证研究中，将专利授权数作为技术创新的一个衡量指标[ 16 ]。因此，本文提出如下假设：

　　假设4：在其他条件不变的情况下，专利授权数与其当年科研绩效正相关。

　　（二）模型假设

　　最终，本文构建了如下回归模型：

　　TE（i，t） = ？茁0 + ？茁1（FJS）（i，t） + ？茁2（JF）（i，t） + ？茁3（PQ）（i，t） +

　　？茁4（ZL） （i，t）+？着（i，t）

　　此模型中，因变量为教育部直属高校的技术效率，自变量有4个，分别是副教授以上人数、科研经费拨入、合作研究派遣人次、专利授权数（见表2）。？茁0为截距，？着为随机误差项。研究选取了2009―2015年63所教育部直属高校的数据，即63个截面单元7年内的时间序列数据，样本观察点共441个。

　　（三）描述性统计

　　对63所教育部直属高校的技术效率以及影响因素进行描述性统计分析，结果如表3。

　　每所高校的科研绩效理论满分是1分，实际测算出的科研得分最高是1，最低是0.16，由此可见，所研究高校的科研绩效水平存在明显差距。同时，在影响因素方面，4个影响因素全距较长，即最大值和最小值的?^对差较大，科技经费拨入的全距超过43亿元。同时还计算了各个指标的标准偏差（见表3），也可用来分析高校的科研绩效水平差异。

　　（四）研究结论

　　本文的被解释变量在0和1之间，属于受限变量，因此选择Tobit回归模型。为减少异方差和序列相关性所带来的影响，笔者将4个解释变量取对数后进行参数估计。检验工具为Stata，回归结果见表4。

　　由表4可知，从回归方程的系数和显著性可以看出，4个自变量显示了不同的结果。4个自变量中，副教授以上人数、合作研究派遣人次和专利授权数与科研绩效呈正相关，并且专利授权数在0.01水平上显著正相关，因此假设1、假设3和假设4成立；而科研经费拨入在0.01水平上与科研绩效呈显著负相关，因此假设2不成立。

　　近年来各级政府都加大了科研经费投入，高校来自于企业的科研项目经费不断增多，但是高校在科研管理中还存在着“重申请，轻管理”的现象，而且科研经费来源日益多元化，科研项目和经费管理目前通常采用的是“项目负责人”制度，客观上加大了科研管理的难度[ 17 ]。同时，目前高校还没有建立起科研成本核算体系[ 18 ]，也缺乏统一的绩效评价指标，科研管理制度也有待进一步完善等，这些都是科研资源未能达到理想配置效率的原因所在。

　　四、建议

　　根据以上研究结论提出如下建议：

　　1.高校在科学研究和科研管理中应提高效率意识，在重视科研项目数、到款额等数量指标的同时，更要关注科研所产生的成果数量与质量。 　　2.科研工作离不开人才的支撑，高校应加大引进人才的力度，重视师资队伍的培养，强化科研团队建设，优化师资结构，做好科研服务，营造良好的科研氛围，帮助教师提高科研能力，促进他们多出成果，出高水平成果。

　　3.高校应加强国际科技合作与交流，尽可能让更多的教师参与到国际交流中，使科研人员能及时了解世界科技和学术前沿，拓宽教师的学术视野，提高教师的科研素养，为学校科技创新水平整体提高奠定良好基础。

　　4.高校应制定合理的激励政策，不能简单地让教师多拿课题，多发论文，而应该鼓励科研人员积极创新，多出高水平的成果，脚踏实地的为企业、为社会服务，促进高校科研绩效大幅度提高。

本文链接：http://www.qk112.com/lwfw/jiaoyulunwen/gaodengjiaoyu/193401.html