教育部直属高校产学研合作效率测度
——基于非参数DEA-Malmquist指数的实证分析

，，

(1.浙江工业大学 全球浙商发展研究院，浙江 杭州 310023； 2.浙江工业大学 经贸管理学院，浙江 杭州 310023)

教育部直属高校产学研合作效率测度
——基于非参数DEA-Malmquist指数的实证分析

金惠红1，薛希鹏2，雷文瑜2

(1.浙江工业大学 全球浙商发展研究院，浙江 杭州 310023； 2.浙江工业大学 经贸管理学院，浙江 杭州 310023)

本文运用非参数DEA-Malmquist生产率指数法测算了教育部46所直属高校2009—2012年的产学研合作效率。研究发现， 2009—2012年，教育部直属高校的平均产学研合作效率并没有出现增长，主要是低技术效率束缚了技术进步对产学研合作效率的提升效应。技术效率偏低主要是由低技术进步率导致的，资源配置效率低下降低了规模扩张对产学研合作效率的提升效应。教育部直属高校产学研合作效率存在明显的区域差异和内部分化现象。

产学研合作效率；综合技术效率；教育部高校

目前，高校科研经费的多元化趋势越来越明显，产学研合作成为许多高校重要的经费来源[1]。政府、高校、企业对产学研合作的需求日增，投入也日涨，但产学研合作效率不高已成为我国产学研协同创新的最大障碍。高校产学研合作效率评价不但有利于提升高校科研资源的利用效率和成果转化率，而且能够为产学研合作提供科学、合理的考核指标，推动科技、教育和产业资源的协同创新。

目前已有部分学者从不同视角对产学研合作绩效或效率进行了研究：从研究视角来看，以产学研合作的区域差异、行业差异为主，缺乏深入到高校微观层面的研究。如仇冬芳和胡正平对我国省域层面的产学研合作效率及效率持续性进行了实证分析[2]；车维汉和张琳对上海市13个主要制造业的产学研合作创新效率进行了实证分析[3]。从研究内容来看，以构建高校产学研合作绩效评价指标体系为主的理论研究为主，缺乏严谨的实证研究。如金芙蓉和罗守贵建立了6类13个二级指标构成的产学研合作绩效指标体系[4]，仅对上海某产学研合作项目做了单案例研究，评价指标的适用性受到质疑。吴耀宏和黄泽霞构建了重点大学产学研合作绩效评价指标体系[5]，缺乏对评价指标的实证检验，评价指标的科学性受到质疑。从研究方法来看，目前研究主要是采用简单的描述性统计方法为主，少量的研究开始运用DEA方法。如金芙蓉和罗守贵评价指标的确立就是基于德尔菲法进行权重的赋值[4]，缺乏客观性；车维汉和张琳运用的DEA方法则无须事先确定投入产出间的函数关系，从而避免了主观因素的影响[3]。从评价指标来看，对产学研合作过程中投入产出指标的选择尚缺乏清晰的界定，如李瑛和高燕楠以普通的研发人员的人数作为投入指标、将出版科技专著和论文作为产出指标，由于将高效创新效率与产学研合作效率混淆，选取的评价指标不能真正反映高校的产学研合作行为[6]。

鉴于已有研究的不足，本文从微观角度、运用DEA-Malmquist方法对高校产学研合作效率进行跨期的实证研究。研究对象是我国高等学校中学科建设最全面、科研实力最强、人才投入和科研经费投入最多的教育部直属高校，研究数据全部来自中华人民共和国教育部科学技术司编纂、高等教育出版社出版的《高等学校科技统计资料汇编》，时间跨度为2009年—2012年。由于该统计资料数据有缺损项，这四年中本研究所需指标数据被完整列入的教育部直属高校是46所。因此，本研究以这46所高校作为产学研合作效率测度与评价的同类决策单元，通过DEA-Malmquist指数实证分析高校产学研合作的效率及影响因素，旨在科学客观地评价高校的投入产出效率。

一、研究理论与方法

非参数DEA-Malmquist生产率指数方法与传统DEA方法相比，具有独特优势：(1)可以探究不同时期决策单元的效率演化；(2)对投入和产出指标的价值份额和价格信息没有要求；(3)可对全要素生产率(TFP)进行分解，探寻技术进步、规模效率和纯技术效率对效率提高的贡献率。

DEA-Malmquist指数是根据距离函数的原理定义的，对每一个特定时期t=1,2, 3…，T，生产技术集为GRt=(xt，yt)，其中X为投入，Y代表产出。对于时间t，一定的生产技术可以将xtRN+转化成ytRM+，每一个给定投入下的最大产出子集就是生产的技术前沿。

Dt0xt,yt)=inf{:(xt，yt/)St}=(sup{:(xt,yt)St})-1(1)

并且，当(xt，yt)St时，Dt0xt,yt)1；当且仅当Dtixt,yt)=1时，(xt,yt)为技术前沿。由于Malmquist指数是不同期的决策单元的效率演进，所以t+1时，距离函数为：

Dt0xt+1,yt+1)=inf{:(xt+1，yt+1/)St} (2)

该函数表示以t 时期生产技术为参照时，t+1的投入产出Dt0xt,yt)的变化范围。为避免时期选择的随意性可能导致的差异，Fare(1994)将Malmquist生产率指数设定为上述两个指数的几何平均值[7]，即：

该指数可以看成是两个基于全要素生产率指数(Total factorproductivity,Tfpch))的等比中项，根据上述处理所得到的Malmquist指数具有良好的性质,它可以分解为技术效率变化指数(Efficiency change, Effch)和技术进步指数(Technical change, Techch)，即：

其中技术效率变化指数(Ech)还可进一步分解为纯技术效率指数(Pure efficiency change,pech)和规模效率指数(Scale efficiency change,Sech)，即：

所以，全要素生产率可以表示成技术效率与技术进步之积，技术效率还可以进一步表示成纯技术效率与规模效率之积的形式，如下：

M0(xt+1,yt+1,yt)=Tfpch=Tech×(Sech×Pech)=Techch×Effch (6)

高校产学研合作效率的变化可以由实体性科技资源投入(人力、财力和物力)效率和体制性科技资源投入(科技资源配置体制和管理体制)效率共同解释。技术进步率指的是新技术的使用或新发明的出现，使生产前沿向前推移，实现产学研合作效率的提升。Tech>l，意味着技术进步带动了效率的提升。纯技术效率(制度效率)，是指高校的科技创新知识与科研管理制度能够保证科技创新投入资源( 人、财、物) 的生产潜力能充分发挥出来。Pech>l，意味着管理水平或制度的改善使得生产效率有所提高。规模效率则是指高校在制度设计既定的前提下，最有效的资源投入规模。Sech=l，意味着处于规模报酬不变的最佳状况，Sech>l，表明生产存在规模效率[8-9]。

二、教育部直属高校产学研合作效率实证研究

(一)变量选取

本文选取的高校产学研合作的投入变量为：企事业单位委托资金、应用研究中当年投入人数和当年支出经费、研究与发展成果应用中在读的研究生人数、研究与发展成果应用投入人数(每人每年)和研究与发展成果应用当年支出经费。其中，企事业单位委托资金代表了企业对高校科研的资金投入；其余四个指标代表了高校应用研究和研究与发展成果应用。高校的这两类行为直接面向企业的科技需求，具有高转化率特征。本文选取专利出售的金额和高校与企业签署的技术合同金额为高校产学研合作的产出变量，其中技术合同金额由样本高校与国有企业合同金额、与外资企业合同金额、与民营企业合同金额的加总得出。

(二)教育部直属高校产学研合作效率的时间演变分析

根据上述非参数DEA-Malmquist指数及选取的数据指标，运用Deap2.1 软件，对46所高校进行Malmquist生产率的测算，结果如表1所示。

表1 教育部直属高校全要素

注：effch、techch、pech、sech、tfpch分别表示技术效率、技术进步效率、纯技术效率、规模效率、全要素生产率。

从全要素生产率的角度来看，样本高校在2009—2012年的产学研合作效率只有0.835，平均增长率呈下降趋势，即每年减少16.5%。从全要素生产率的分解结果来看，技术进步的增长率为1.078，即年均增长7.8%，但是技术效率的年生产率只有77.4%，可见全要素生产率的减少主要是由于技术效率值偏低所致，而技术进步对全要素生产率的增长是正向的、积极的。从技术效率的分解结果来看，2009—2012年，样本高校的纯技术效率仅为0.769，即每年降低23.1%，规模效率值为1.007，即以每年7%的速度增长，可见规模效率是技术效率增长的动力，而纯技术效率拉低了技术效率。

从分解指数的年份变化来看，技术进步率不同年份变动很大，2009—2010的技术进步率有惊人的增长，增长率为3.134，2010—2011年迅速跌落，增长率为0.389，即技术进步率出现了严重的倒退。2011—2012年有了回升，增长率为1.029。而技术效率则经历了一个不断下降的过程，2009—2010年、2010—2011年、2011—2012年分别为1.197、0.702、0.552。由于技术效率是纯技术效率和规模效率共同叠加而成，所以，我们分别从规模效率和纯技术效率来考察技术效率的变化。尽管2009—2012年规模效率年增长大于1，但效率值还是呈逐年微弱下降趋势，2009—2010年、2010—2011年、2011—2012年分别为1.058、1.043、0.925。纯技术效率值下降趋势明显，2009—2010年、2010—2011年、2011—2012年分别为1.131、0.673、0.597。

(三)教育部直属高校产学研合作效率的个体差异分析

教育部直属高校的产学研合作效率存在严重的分层现象。依据全要素生产率，对样本高校进行排序，可以划分为四个层次(见表2)。全要素生产率3.0以上为第一层次，包括复旦大学、中国矿业大学、华东师范大学、北京科技大学四所高校，占样本高校的8.70%。全要素生产率在1.0-3.0之间的为第二层次，共有13所高校，占样本高校的28.26%。也就是说，36.96%的样本高校的全要素生产率实现了增长，从指数分解结果来看，只有四所高校的技术进步对产学研合作形成了约束，分别是河海大学、西安电子科技大学、山东大学和北京化工大学，只有一所高校的管理体制不利于产学研合作效率的提升，即四川大学的pech<1，而有8所高校处于规模效率递减阶段。63.04%的高校的全要素生产率均呈下降趋势，其中20所高校的全要素生产率在0.5—1之间， 为第三层次，还有9所高校全要素生产率均在0.5以下，为第四层次。

表2 教育部直属各高校全要素生产率指数及其分解

从技术效率和技术进步率对不同层次高校进行进一步分析，我们发现了如下现象：(1)从第一层次到第四层次，技术效率呈明显的下降趋势，技术进步率总体变化不大；(2)第一、二层次高校的技术效率值远远高于技术进步率，但三、四层次高校的技术效率则远远低于技术进步率。从纯技术效率和规模效率对不同层次高校进行进一步分析，则可以发现：(1)从第一层次到第四层次，纯技术效率总体呈下降趋势，规模效率总体变化不大；(2)第一、二层次高校的纯技术效率值远远高于规模效率，但三、四层次高校的纯技术效率则远远低于规模效率。将四个层次高校的生产率指数取平均值，绘制图1，我们发现第三、四层次高校刚好出现了与第一、二层次高校截然相反的特征：技术效率远远低于技术进步率，规模效率远远大于纯技术效率。该特征进一步表明，产学研合作效率提升的源泉主要来自于技术效率，尤其是纯技术效率的提升。

图1 教育部直属高校Malmquist指数及其分解的趋势变化图

(四)教育部直属高校产学研合作效率的区域差异分析

教育部直属高校的产学研合作效率存在显著的区域差异(见表3)：其一，东部沿海地区的产学研合作效率明显高于中西部地区。根据表4，东部地区的高校产学研合作效率年均增长达到18.8%，而中、西部地区的高校产学研合作效率则呈下降趋势，年均下降率达到36.9%和16.5%。其二，东部地区内部存在着严重的分化现象。根据表2和表3，第一层次的高校全部是东部沿海高校，它们位于北京、江苏、上海三地，而与此同时，有54.55%的东部沿海高校处于第三、四层次，它们的产学研合作效率的增长率为负。其三，东部地区高校产学研合作效率增长的源泉主要是技术进步率、纯技术效率和规模效率，而中、西部地区产学研合作效率的提升主要靠规模扩张，但规模的扩张并没有带来效率的提升，技术进步和资源配置效率的负增长严重束缚了产学研合作效率的提升。东部地区高校的技术进步率、纯技术效率和规模效率分别为1.176、1.032、1.013；中、西部地区产学研合作效提升的源泉主要是规模效率，分别为1.188和1.101。

表3 教育部直属高校全要素生产率按区域划分

表4 我国东、中、西地区教育部直属高校产学

三、研究结论及分析

本文运用非参数DEA-Malmquist方法，利用46所教育部直属高校2009—2012年的面板数据进行了产学研合作效率的测算，分析了产学研合作效率的变动情况以及分解指数对其变动的影响作用。主要结论如下：

(1)从2009—2012年，教育部直属高校的平均产学研合作效率并没有出现增长，主要是由技术效率偏低造成的，低技术效率抵消了技术进步对产学研合作效率的提升效应。虽然教育部直属高校的产学研规模效率在提高，但自2010年以来，科技资源配置体制和管理体制就已经跟不上高校扩张以及对外活动逐渐增多的步伐，技术进步和规模效率带来的产学研合作效率的提升被制度缺失和管理水平低下所束缚。

(2)教育部直属高校产学研合作效率存在明显的区域差异和内部分化。从历史角度看，我国高等教育的发展存在严重的区域差异和省域差别。近几年来，产学研合作也表现出区域差异，东部地区的产学研合作效率较高，一方面与其集中了大量高质量高校有关，一方面也与东部经济发达，企业对科研技术的需求旺盛有关。而大部分中西部地区高校的产学研合作效率则差强人意，这与当地所处的经济发展阶段相关，也与高校不重视技术转化有关。可以预见，随着中西部崛起，企业对高校的技术输出需求会越来越多，这个现象将有所改变。区域差别还表现在东部区域内部。

(3)为了进一步提升高校产学研合作效率，避免区域差异和内部分化的加剧，可以采取以下对策：一是着力削减区域差异带来的产学研合作“鸿沟”。政府部门、教育部等应切实发挥纽带作用和协调功能，处理好高等教育资源的集中投入与公平布局的关系，防止产学研合作发展的不平衡和低效率压缩高校科技资源对地方经济的贡献度。二是加强高校产学研成果的技术转移意识。将横向课题、科研成果转化率等产学研合作指标纳入到高校科研人员的考核指标中，增加产学研合作指标在职称评定、晋升等方面的权重，以纠正目前高校科研人员以纵向课题经费、发表论文评定职称的动机。三是提升高校科技管理水平和成果转化机制。将高校科研成果转化看成是一项专业性极强的工作，通过成立专门的科技成果转化部门的方式，安排专人负责成果转化和与企业的对接工作，尤其需要加强对科技成果转化人员的职业培训，提高产学研合作的管理水平和科技服务企业的能力。

[1] Chiang K,Hsi-Tai Hung.Efficiency analysis of university departments:An empirical study[J]. the Internationl Journal of Management Science,2008,(36): 653-664.

[2] 仇冬芳,胡正平.我国省域产学研合作效率及效率持续性——基于省域面板数据和DEA-Malmquist生产率指数法[J].技术经济，2013，(12)：82-89.

[3] 车维汉,张琳.上海市产学研合作效率评价——基于分行业数据的DEA分析[J].科技进步与对策，2010，(3)：20-25.

[4] 金芙蓉,罗守贵. 产学研合作绩效评价指标体系研究[J]. 科学管理研究，2009，(3)：43-46.

[5] 吴耀宏,黄泽霞. 重点大学产学研合作绩效评价研究[J]. 中共四川省委省级机关党校学报，2008，(1)：39-41.

[6] 李瑛,高燕楠.我国高校科技创新效率的实证研究[J].求索，2011，(1)：177-179.

[7] Fare R,et al.Productivitygrowth,technicalprogress,and efficiency change in industrialized countries:Reply[J].The American Economic Review, 1997，(5)： 1040- 1043.

[8] 林志扬,从奎.中国省际高技术产业创新效率分析——基于DEA-Malmquist指数[J].生产力研究，2014，(2)：1-8，34.

[9] 刘凤朝,潘雄锋.基于Malmquist指数法的我国科技创新效率评价[J].科学学研究，2007，(5)：986-990.

(责任编辑：金一超)

Enterprise-University-ResearchCooperationEfficiencyMeasurementofSubordinateUniversitiesoftheMinistryofEducation——An Empirical Analysis Based on Non-parameter DEA-Malmquist Index

JIN Hui-hong1，XUE Xi-peng2， LEI Wen-yu2

(1. Global Institute for Zhejiang Merchants Development, Zhejiang University of Technology, Hangzhou 310023, China;2. College of Economics and Management, Zhejiang University of Technology, Hangzhou 310023, China)

Based on the non-parameter DEA-Malmquist index, this paper analyzes the enterprise-university-research cooperation efficiency (EURCE) of 46 subordinate universities of the Ministry of Education (SUME) from 2009 to 2012. The results show that: EURCE has declined from 2009 to 2012. The main reason was that low technical efficiency constrained the promotion of technological progress to the total factor productivity; Low technical efficiency was mainly caused by low technological progress, and management lags reduced scale expansion to promote the EURCE; Obvious regional differences and internal differentiation exist in EURCE of SUMEs.

enterprise-university-research cooperation efficiency (EURCE); comprehensive technical efficiency; universities affiliated with the Ministry of Education

2014-07-10

浙江省软科学课题(2012C35013)

金惠红(1963-)，女，浙江杭州人，副教授，硕士，从事组织行为学、人力资源管理、创新管理研究；薛希鹏(1990-)，男，山东滨州人，硕士研究生，从事创新管理研究；雷文瑜(1989-)，女，贵州遵义人，硕士研究生，从事创新管理研究。

G647

A

1006-4303(2014)09-0327-06