基于DEA的不同学校类型高校科技投入产出效率研究

来源:用户上传      作者: 余杰 刘渝

　　摘要：采用DEA方法分析我国120所六大不同类型高校2008-2014年科技投入产出效率，研究发现：（1）高等教育科技投入产出时滞年限可为1年。（2）国家各级层面反腐倡廉工作有助于提升高校投入产出效率。（3）六大类高校效率整体有效，农林类院校科技投入产出效率受纯技术效率和规模效率共同影响，其中纯技术效率影响较大。
　　关键词：DEA；不同学校类型高校；科技投入产出效率
　　中图分类号：G4
　　文献标识码：A
　　doi：10.19311/j.cnki.16723198.2016.13.067
　　近10年国家科技3大奖中，高校获奖率占64.8%，高校作为我国创新人才培养、基础研究和高技术原始创新的主要阵地，在国家科技资源的配置中举足轻重，高校科技投入产出效率对国家科技创新能力的影响不言而喻。2014年，我国高等院校加速推进科技体制改革和机制创新，成为国家科技体制改革的先行先试者，科技创新体系更加注重内涵发展和整体效能提升。“十三五”规划中指出，推进科技体制改革最核心目标是创新驱动发展战略，要求高校科技工作更加聚焦国家需求，提高资金使用效益。因此，对高校的科技投入产出特点和效率的深入研究，对国家科技创新能力建设具有重要的理论与现实意义。
　　1 研究背景
　　1.1 文献综述
　　教育投入产出问题，在教育经济学中被视为教育与经济关系最基本的表现，一般性定义为“高等教育投入和高等教育的有效产出之比”。近年来，众多学者针对高校的科技投入产出情况开展了大量的研究工作。王楚鸿（2010）、郭际（2013）等人分别运用AHP-DEA、DEA-Tobit模型比较分析了我国区域高等教育科技投入产出效率，认为不同类别高校应根据自身的优劣势，从观念上重视科技资源配置和成果转化、建立合理的产学研体系并将风险投资观引入科研资源管理制度，合理调整科技工作的方向，提高科技工作的效益。
　　省际层面上，陈淳（2009）统计分析华南农业大学2004-2008年科研投入产出发现：随着科研经费和人员投入不断增加，科技产出量有所增加，也存在重大科研成果少等问题。赵书新（2009）等人采用DEA方法发现北京市高校科技投入产出各项效率总体表现良好，但也有个别高校有存在待改进之处。赵镇（2009）利用DEA的C2R模型与BC2模型，比较分析了黑龙江省1997-2006年高等教育科技资源配置状况相对有效性。
　　综上所述，对高校科技投入产出效率的研究，多集中在区域、省际层面，视角较为单一，同时对于不同学校类型高校间的研究较少。虽已有学者着手研究不同类型高校科技投入产出效率，如付晔（2010）等人采用微观层面的数据统计分析了不同类型高校科技投入产出效率的差异性。实际上，不同学校类型高校间的科技投入产出效率特点仍不够清晰。因此将不同学校类型高校作为研究单元，从系统的角度全面探讨我国“十三五”规划下高校科技资源配置和利用情况，对于提高我国高校科技资源配置效率，促进高等教育科技发展、国家科技创新能力建设具有一定的理论和实践意义。
　　1.2 研究方法
　　本文采用数据包络分析法（DEA）对高校科技投入产出效率进行评估。数据包络分析（Date Envelopment Analysis，DEA），是著名运筹学家A.Charnes和W.W.Cooper等人以相对效率概念为基础发展起来的一种崭新的效率评价方法。它是使用数学规划模型比较决策单元之间的相对效率，对决策单元做出评价。DEA是科技投入产出效率评价最为常用的方法，用于评价多投入-多产出的同类决策单元（DMU）之间相对有效性，不需要预先估计参数及进行指标权重假设，不需要对指标数据进行量纲化处理，是管理科学领域非常重要的、有效的分析工具。
　　2 数据来源及指标选取
　　2.1 研究对象及数据来源
　　根据教育部《高等学校科技统计资料汇编》2008-2014年数据，参考2015年中国校友会高校排名选取六大不同学校类型120所高等院校，按照学校类型划分为：综合类、理工类、师范类、医科类、农林类及其他类，经过对应汇编资料数据严格筛选，其中其他类定为财经类、民族类两大类。
　　许多文献采用同年度的投入和产出数据，忽视了资源的投入与成果的产出之间存在着一定的滞后性，而滞后年限暂无相关研究明确说明。综合考虑教育产出的时滞性和分析前人基础上，本研究将投入产出数据以2008年为起点，分别计算无时滞、时滞1年、时滞2年、时滞3年和4年累计数据对比研究，可使获得的结果能更准确反映实际情况，且通过研究结果可大致确定出高等教育投入产出的时滞年限。
　　2.2 投入产出指标选取
　　使用DEA方法测度效率时，需满足决策单元具有相同的投入、产出指标，和决策单元的样本数至少为投入、产出项数之和的两倍以上的要求和经验法则。为实现本文的研究目的，充分反映不同学校类型高校间科技投入产出的实际情况，本文结合DEA的特点和前人关于科技投入产出评价指标体系的研究成果，在遵循科学性、可靠性、有效性和应用性指标体系的建立原则和考虑数据的可获取性基础上，建立如表1的投入产出指标体系。
　　3 实证分析及结果
　　本文采用MaxDEA5.2软件进行分析，编号1-20为综合类，21-40为理工类，41-60为师范类，61-80为医科类，81-100为农林类，101-120为其他。
　　3.1 时滞数据分析
　　高校投入与产出间存在一定时滞性，当年投入并不能完全在当年的产出中体现。由表2知，产出时滞1、2、3年的有效占比每年均不相同且2011年呈总体下降趋势；同时，时滞1年时高校科技投入产出总体有效占比最高65.2%，对比时滞3年结果虽仅有0.1%的差距，但时滞1年情况下，每年的有效占比率波动较小、结果更为稳健。从统计意义上看，科研投入产出时滞性可为一年。 　　3.2 六大类高校有效占比综合分析
　　2008-2014年间，六大类型高校科技投入产出平均有效占比均在50%以上，整体满足DEA有效率。具体分析，08、12年两年六类高校总体有效占比相对较低，均在50%左右；而其他三年有效占比均超过70%，特别是2013年最高达到74%。同时，各类型高校占比在2013年均实现了较大增幅。究其原因，2012年起，国家各级层面反腐倡廉工作大力提升了财政公共经费使用的节约性、透明度及效率性和效益性，在科研投入产出方面也得到强有力的反映。
　　同时，无论哪一年或时滞年限为几年，医科类和其他类院校投入产出效率较高且其他类最高，达100%。而投入经费较大、人力较多的综合类、理工类高校投入产出效率却不理想。特别是综合类高校，所达到的最高效率仅为70%。当然，对于不同类型的高校科技投入产出效率的评估不能单看数据得出结论，因为对于不同类型高校，所选评估指标并非都合理、适用，能本质反映该类高校自身问题。
　　3.3 综合、理工和师范类院校具体分析
　　针对上述结果，结合综合、理工和师范类高校产出特征，本文增选专利申请数、授权数、出售数和合同数、合同金额及技术转让当年实际收入等六项较能体现综合、自然科学和理工科院校的科技产出指标，对其2008-2014年时滞1年数据进一步分析，结果见表3。由于教育信息较为有限，选取了综合类18所、理工类14所、师范类5所较为代表性院校的数据。
　　对比未增加科技产出指标前分析结果，三类院校时滞1年的投入产出有效占比大大提升，师范类六年有效占比均值达95%以上，综合、理工类院校有效占比均值也达到87.5%；同时，每年三类院校有效占比均在80%以上。由此可推出：（1）综合、理工和师范类高校科技投入产出效率满足DEA有效率，且有效占比较高；（2）专利申请、授权、出售数和合同数、合同金额及技术转让当年实际收入等指标在一定程度上能够较好反映综合、理工及师范类院校的产出特性。
　　3.4 农林类效率影响因素分析
　　综上，六类院校科技投入产出效率整体满足DEA有效率，唯农林类院校有效占比较低。是教育技术效率，还是资金或人力资源等投入的规模效率促使其满足DEA有效率，还不得而知。为深入探究，本文对农林类院校2008-2011时滞1年数据进一步分析，结果如表4。
　　表4中“CRS”表示技术效率，“VRS”表示纯技术效率，“Scale”表示规模效率，技术效率=纯技术效率×规模效率。由表4知，一半以上的高校科技投入产出效率为DEA有效的。2008年在非DEA有效的高校中编号82、84、85、86、97和100等6所高校是规模效率递减，2009年为编号82、84、85、87、97和100等6所高校，2010年为编号83、84、85、89、92和97等6所高校，2011年为编号81、84、86、89、91、92、93、94及96等9所高校。其中，连续4年规模效率递减高校为编号84高校。
　　就规模效率而言，2008年得分在0.9以上的高校有20所，2009年19所，2010年19所，2011年18所；0.7以上2008年20所，2009年19所，2010年20所，2011年20所。因而，所选择的20所农林类高校科技投入产出总体表现为规模有效。再分析技术效率，得分在0.9以上的高校2008年13所，2009年16所，2010年17所，2011年12所，比规模效率较低。对于2008-2011年非DEA有效、规模效率递增高校而言，其规模效率均为1，纯技术效率均不为1；同时，规模效率递减高校中，其纯技术效率均不为1，规模效率等于1的高校也仅有一两个。由“技术效率=纯技术效率×规模效率”知，影响农林类院校非DEA有效是纯技术效率和规模效率两方面共同原因造成的，其中纯技术效率对农林类的影响比规模效率大。由此得出推论：农林类高校科技投入产出受纯技术效率和规模效率影响（其中纯技术效率对农林类的影响比规模效率大），进而影响其高校科技投入产出的综合效率，反映综合科研能力。
　　此外，利用MaxDEA5.2软件还对滞后1年120所高校的投入产出指标进行了规模收益情况分析，本文就农林类编号84院校（表4中连续4年规模效率递减高校）分析结果来说明，如表5，其他高校同理。
　　表5中“Original”为原始值，“Radial movement”为径向改进值，用以表示各项投入等比例减少或者各项产出等比例增加的数值，“Slack movement”为松弛变量改进值，其绝对值等于线性规划方程中s-（投入松驰变量）或s+（产出松驰变量）。“Projection”为目标值，“目标值=原始值+径向改进值+松驰变量改进值”。其中，正数表示变化方向为增加，负数表示变化方向为减少。
　　以表5中教育与科研人员指标为例，结合表4可知编号84高校非DEA有效率，研究结果表明其效率值为0.66不等于1，为非DEA有效，其原始人员投入为12284人，径向改进值为0，松弛变量改进值为-3399，最终目标值按公式算出编号84大学2010年的教育与科研人员投入目标值为8885人，此时为相对有效。其他指标分析同理，在13个投入指标中均无径向改进值，松弛变量改进值中科学家与工程师、企事业单位委托经费和科技课题的投入均达符合投入产出要求，资源得以合理利用，而除此之外9项投入均出现冗余，特别是科研经费、当年拨入、政府资金、其他款项的投入冗余值较大，表明编号84的高校在科技投入一定的情况下，产出并未达到DEA有效情况下的最大输出值。
　　当然，这只是研究的理论情况，政府决策部门和编号84高校应结合高校自身办学性质，充分考虑农林类院校需要更多时间和更先进的技术或设备才能实现相应产出的特点，合理规划其经费、人力资源的投入以及各类科技专著、论文等的产出。
　　4 研究结论与政策建议 　　本文运用数据包络分析法DEA对我国120所六大不同学校类型高校科技投入产出效率状况进行了实证研究，但限于篇幅限制，分析结果未能全部在文中展示。研究结果表明：
　　（1）统计意义上看，科研投入产出时滞性可设为一年。科学研究特别是高质量的科研产出都需要一定的积累期，研究高等教育科技投入产出效率时，可将1年作为时滞年限。事实上，大部分高校科学研究评价都会考虑科学研究的时滞性而确定考核周期。
　　（2）国家高等教育领域反腐倡廉工作有助于提升高校投入产出效率。2012年起，国家各级层面反腐倡廉工作大力提升了财政公共经费使用的节约性、透明度及效率性和效益性，在科研投入产出方面也得到强有力的反映，六大学校类型高校科技投入产出有效占比在13年均实现了较大增幅，这种效应的连续性需在后续时间序列数据研究中进一步检验。
　　（3）六大类高校科技投入产出效率基本达到DEA有效率，农林类院校科技投入产出效率受纯技术效率和规模效率两方面共同影响，其中纯技术效率影响比规模效率大。通过对农林类高校进一步分析可知，在科技投入一定的情况下，部分高校产出并未达到DEA有效情况下的最大输出值，以及在产出一定的情况下，科技投入未得到充分利用。因此，高校科技投入既要考虑自身办学性质，又要兼顾其产出特点进行合理配置。
　　参考文献
　　[1]曹如军.“高等教育效率”概念的理性分析与实然诊断[J].辽宁教育研究，2008，（3）：911.
　　[2]王楚鸿.从投入产出比看全国高校科技投入的产出效益――基于2001-2006年统计数据的分析[J].科技管理研究，2010，（10）：2831.
　　[3]郭际，吴先华，吴崇.基于DEA-Tobit模型的我国高校科技投入产出绩效评价及政策启示[J].科技管理研究，2013，（23）：6570.
　　[4]陈淳.高校科技投入产出分析――以华南农业大学为例[J].广东农业科学，2009，（7）：343345.
　　[5]赵书新，邓林昌.北京市重点高校科技投入产出效率评价[J].消费导刊・学术要论，2009，（8）：2829.
　　[6]赵镇.基于DEA的高等教育科技资源配置效率评价分析――以黑龙江省为例[J].科技进步与对策，2009，26（2）：112115.
　　[7]付晔，张乐平，马强.不同类型大学科技投入产出效率的比较研究[J].科技管理研究，2010，（1）：8790.
　　[8]王桂芝，吕肖君.模糊理论在高校科技投入-产出决策中的应用[J].南京信息工程大学学报（自然科学版），2014，（3）：280284.
　　[9]王碧云，杨洪美.地区经济社会发展与高校科技投入产出关系研究――基于主成分分析和聚类分析的评价[J].华北电力大学学报（社会科学版），2010，（6）：118123.
　　[10]Charnes A.Cooper，W.W.Rhodes E.Measuring the efficiency of DMUs[J].European Journal of Operational Research，1978，（2）：429444.
　　[11]Maja Mihaljevic Kosor.Efficiency Measurement in Higher Education：Concepts，Methods and Perspective[J].Procedia-Social and Behavioral Sciences，2013，（106）：10311038.
　　[12]张运华，吴洁，施琴芬.高校科技投入及成果转化效率分析――价值链角度的考察[J].科技管理研究，2008，（8）：133135.
　　[13]杨静，吕永波，刘子玲.高校科技投入与产出的关联模型研究[J].世界科技研究与发展，2005，（2）：7882.
　　[14]刘军山，孟万金.关于高等教育评价指标体系质量的探讨[J].江苏高教，1999，（6）：1113.
转载注明来源:https://www.xzbu.com/2/view-7591015.htm