东北三省211及省部共建高校与其他本科高等院校科研绩效评价研究
——基于DEA-Malmquist模型

赵聚辉 贺文昱

(辽宁师范大学数学学院，辽宁 大连 116029)

1 问题提出

绩效评价一词起源于人们对投入与产出二者关系的计量。在物质匮乏的近代和高速发展的今天，绩效评价扮演着越来越重要的角色。由蒸汽时代到电子时代再到信息时代的跨越，使世界各国科学家成为经济由萧条转为复苏的重要屏障。高等教育作为培养和选拔优秀创新型人才的重要渠道，备受瞩目，迅猛发展。与此同时伴随着国家财政收支压力，导致其对高校的财政投入难以满足科研的实际需求，因此建立一种合理公正的绩效评价体系和评价方法对于高校资源的投入比例显得尤为重要。

建国初期，伴随着社会主义工业化的目标，东北老工业基地在全国经济中占据龙头地位。近年来随着政策制度调整、产业优化升级，第三产业占比连年增多，经济重心呈现南移趋势，长三角地区已逐渐代替东北老工业群成为人才输送和经济增长的核心力量。东北三省GDP增长率自2013年至今连年下降且已低于全国平均水平[1]。

东北三省发展转型是关键，如何大力发展第三产业解决其发展乏力的问题是重中之重。教育与经济增长密切相连，想要振兴东北三省的经济，要从教育出发，高校的科学研究是一种创新性活动，创新作为第一生产力对促进东北三省的发展乃至国家的繁荣富强起着至关重要的作用。目前我国的科学研究大多集中在211及省部共建学校，忽视了普通高等院校的人才培养工作，统计调查发现东北三省211及省部共建高校仅有11所，普通高等院校高达87所，科研投入是高校科研工作展开的重要前提，探究高校科研经费的投入与产出、合理分配资源、提高经费的利用率尤为关键。

2 DEA模型构建

2.1 DEA模型介绍

本文选用的是数据包络分析的经典模型BCC，本文基于DEA—BCC设定的模型如下：

假设高等院校数量m，即决策单元(DMU)，每个高校的投入和产出分别是a和b，DMUj表示第j所高校，Xj表示投入变量，Yj表示产出变量，即可得式(1)，式(2)，式(3)如下：

Xj=(X1j，X2j，X3j，Xaj)T

(1)

Yj=(Y1j，Y2j，Y3j，Yaj)T

(2)

min[θ-ε(eTs-+êTs+)]

(3)

式(3)中，θ表示某一单元效率评价值；s+表示松弛变量；s-表示剩余变量；λj表示决策单元的参变量；X为投入；Y为产出，当θ=1时，决策单元为弱有效；当θ<1时，决策单元DEA非有效；当θ=1，且s+=0,s-=0时，决策单元DEA有效。

2.2 Malmquist指数

研究运用马姆奎斯提出的Malmquist指数对东北三省211及省部共建高校及其他本科高等院校的技术变化和效率变化进行计算[2]。

(4)

(5)

式(4)Techch是技术进步；式(5)Effch是技术效率变化。二者都是全要素生产率的分解项。

2.3 样本选择及指标选取

本文将东北三省：黑龙江省、吉林省、辽宁省作为研究区域。选取211及省部共建高校11所，其他本科高等院校14所，共25个样本进行调查分析。

本文将指标选取分为两大类别：投入指标和产出指标。投入指标的选取依据科研投入，产出指标的选取依照科研成果[3-4]。借鉴以往同类研究和遵循本篇论文实际性和客观性的前提下，将投入指标分为人力和财力两部分。人力以教学与科研人员为投入指标，财力以科技经费为投入指标。产出指标主要包含以下4个方面：专著、论文、专利、成果授奖。分别以专著数量、学术论文发表数量、签订合同数、鉴定成果数为产出指标。

本文研究投入产出所需数据均来自2013—2017年《高等学校科技统计资料汇编》，以东北三省25所高校为决策单元，计算5年来东北三省高校科研创新效率值以及211及省部共建学校与其他本科高等院校科研绩效评价的异同(见表1)。

表1 东北三省211及省部共建高校及其他本科高等院校名单

3 实证研究分析

3.1 基于DEA-BCC模型对东北三省高校科研绩效静态化分析

只有时间序列数据或截面数据可以使用BCC模型，因此将获得的面板数据进行分期计算，采用投入导向法对东北三省25所高校2013—2017年每一年度科研绩效投入与产出的关系进行计算和评价。结果如表2、表3、表4所示。

表2 2013—2017年东北三省高等院校科研绩效整体分析

表3 2013—2017年东北三省211及省部共建高校科研绩效分析

表4 2013—2017年东北三省其他本科高等院校科研绩效分析

通过表2、表3、表4进行分析，我们发现东北三省高等院校(211及省部共建高校及其他本科高等院校)近几年科研绩效整体水平呈现上升趋势。表现为综合技术效率显著提高，规模效益及高校数量皆逐年递增，递减高校数量逐年下降。具体分析结果如下：

3.1.1 东北三省高校综合科研绩效静态分析

综合技术效率分析。由表2可知，综合25所东北三省高校，综合技术效率的平均值由2013年较低水平的0.724提高至2017年的0.803，纯技术效率和规模效率也连年稳步提升，规模效率2013—2014年低于纯技术效率，但在2015—2017年高于纯技术效率，这说明在发展的过程中，高校逐渐重视学校规模及硬件建设工作，但却忽视了科研管理技术等软件要素的开发和培养，高校的技术水平还有着很大的提高空间，投入的资金并没有很好地得到最优产出，投入产出比偏低，应进一步进行优化调整。

规模收益分析。由表2可知，2013—2017年，递减高校数量略有下降，不变高校的数量略有增加，递增高校的数量基本保持不变。因此可以得出当科研投入量按照一定比例变化时，对于递增高校，应增大投入，扩大投入规模;对于不变高校，其处于最优状态;对于递减高校，应考虑减少投入，整体东北三省的科研绩效还需要进一步提高完善。

时间顺序分析。由表3可知，TE=1高校数量5年内平均在10所左右，占比约40%，这10所高校投入和产出基本保持一致。2013—2017年TE=1高校数量由8所增加至11所，整体东北三省科研绩效呈现一个良好向上的趋势。

3.1.2 东北三省211及省部共建高校与其他高等院校科研绩效对比分析

对比表3、表4，很清晰发现211及省部共建高校综合技术效率、纯技术效率、规模技术效率明显高于其他高等院校，这表明前者相对于后者能够更有效的将投入资源分配到成果产出中，其他高等院校还需要将资源进行更合理的应用和配置，优化结构规模，提升产业技术能力。此外，接近六成的211及省部共建高校TE=1，处于技术效率和规模最佳的阶段。但仅有四成的其他高等院校TE=1，大多数院校投入与产出不均衡，递增学校应该多投入，递减学校应该减少投入。

3.2 基于Malmquist指数对东北三省高校科研绩效动态化分析

将2013—2017年东北三省高校科研绩效评价面板数据通过Malmquist指数法进行计算分析，分别计算出25所高校每一个决策单元的技术效率变化指数、技术进步指数等以及2013—2017年度平均每年Malmquist指数及分解情况。结果见表5、表6、表7和表8。

表5 2013—2017年东北三省25所高校平均Malmquist指数及分解情况

表6 2013—2017年每年度东北三省25所高校Malmquist指数及分解情况

表7 2013—2017年每年度东北三省211及省部共建高校Malmquist指数及分解情况

表8 2013—2017年每年度其他本科高等院校Malmquist指数及分解情况

通过表5、表6、表7和表8发现，不同高校的全要素生产率存在较大差异，有15所高校的全要素生产率指数低于平均值，且不同年份Malmquist指数处于波动状态，具体结果分析如下：

东北三省25所高校全要素生产率指数的平均值为1.005，其中11所211及省部共建高校全要素生产率指数平均值为1.010，14所其他本科高等院校的全要素生产率指数平均值为1.001。25所院校从具体数值来看，只有大连理工大学、东北大学、吉林大学、延边大学、哈尔滨工程大学、东北农业大学、沈阳工业大学、哈尔滨师范大学、哈尔滨理工大学这9所大学的全要素生产率指数高于平均值，14所其他本科高等院校的平均变化指数略低于11所211及省部共建高校数值。这表明高校的技术升级、管理方式改革、科研作品质量提高、结构升级方面还有较大的改进空间。

由表6可知，技术效率变化指数在2013—2017年呈上升趋势。是由于纯技术效率和规模效率的提高，纯技术效率与规模效率的乘积等于技术效率的变化。2013—2017年，纯技术效率和规模效率都呈现增长趋势，虽中间年度略有下降，但波动不大。这一结果表明学校将投入资金有效进行成果转出，使得高校科研创新绩效在一定程度上得到了提高。由表6、表7对比可知，2013—2017年211及省部共建高校技术效率变化指数持续走低，与之相反，其他普通高等院校的技术效率变化指数同比上年度有所提高，这是因为前者纯技术效率变化指数和规模效率指数存在着较大的波动，2013—2017年度存在震荡下降的趋势。而后者稳步上升且上升幅度较大，才可保证2013—2017年度东北三省高校发展呈现上升态势。

技术进步效率指数也是科研绩效评价的重要判断指标，技术进步指数在2013—2016年度持续下降，2016—2017年略有回升，但整体依旧呈现下降趋势。东北三省高校技术进步效率2013—2017年综合平均值为0.965，211及省部共建高校的技术进步效率低于其他本科高等院校仅为0.927,这表明东北三省高校的科研绩效还有很大的进步空间。

综上所述，如图1所示，从2013—2017年的发展动态看，东北三省高校的技术效率呈现较明显的上升趋势，技术进步效率波动较大，整体呈现下降趋势，全要素生产率指数同样呈现上升趋势，受技术进步指标影响，与技术效率的上升趋势有所不同，低于前者的上升趋势，由此可见，高校的科研绩效由技术效率和技术变化共同决定，二者都对科研绩效起着至关重要的作用。此外通过对比可知211及省部共建高校技术效率变化指数呈震荡变化趋势，其他本科高校则稳步上升，与此相反全要素生产指数前者稳定上升，后者呈震荡变化，这是不同点，相同点在于二者的技术进步指数都有明显下降。

图1 2013—2017年东北三省25所高校平均每年Malmquist指数及分解

4 结论与建议

从整体分析，东北三省整体高校科研绩效呈现上升的趋势，综合技术效率显著提高，规模收益最优化高校数量稳步增长。但大多数高校重视规模的建设，对于人才的发展和科学技术的进步有所忽视。动态分析中，东北三省高校科研技术进步指数下降幅度较大，科研技术还有很大的进步空间。两种类型高校对比分析，静态化分析可以发现其他高等院校综合技术效率、纯技术效率、规模技术效率明显低于211及省部共建高校，这表明前者相对于后者不能十分有效的将投入资源分配到成果产出中，其他高等院校还需要优化资源合理配置，努力迎头赶上211及省部共建高校的脚步。通过动态化分析近几年其他高等院校进步幅度较大，保持积极向上良好的发展态势。

根据以上对东北三省高校科研绩效的分析，为了合理有效地提高科研效率，采取“既统一、又差别”的资源配置战略。

统一，211及省部共建高校应加强与其他高等院校之间的合作，政府可以采用人才流动机制，将优秀教师、优秀科研人员分配到其他高等院校中，建立带头机制，将终身学习制定成为科研人员的义务与责任[5]。同时对于长期处于规模报酬递增阶段的高校加大投入力度，达到投入与产出的平衡状态。对于长期处于规模报酬递减的高校适当降低投入力

度，提高科研创新发展效率，并适时由政府监督部门进行调查走访，切实提高东北三省的科研绩效水平。

差别，分区域、分类型、分高校结合其自身实际状况进行重点突破。对于211及省部共建高校应当深化与国际合作，学习借鉴，取长补短，优势互补，使自身的长板更长，进一步培养优秀人才，吸引更多更年轻的人才加入，为我国科研事业贡献力量。对于其他高等院校，应落实稳扎稳打的战略目标，明确打铁还需自身硬的含义，补全短板，提升自身的创造能力，不少高校为了提升国内大学排名，只注重科研数量不重视科研质量，对于科研人员的管理和能力培养测评不以为然，往往最后自讨苦吃。应深化改革，激发科研主体的活力与道德意识。