来源:期刊VIP网所属分类:经济学发布时间:2021-02-04浏览:次
摘 要:區域知识创新体系一个重要组成部分就是高校,而高校科研绩效评价能够指导高校科研活动未来发展的同时,也可以透露出区域知识创新体系建设现状,对于实现有限教育资源的合理配置和提高资源的利用率都具有重要的现实意义。之前多数的研究选择单一的方法评价不同区域的高校科研绩效,因此文中选用超效率DEA模型和Malmquist指数法对2014—2018年我国不同区域高校科研绩效进行实证研究,建立超效率DEA模型对不同区域的高校绩效进行静态测算,利用Malmquist指数法分析不同区域的高校绩效的动态变化情况。研究表明,我国高校科研绩效整体水平较高,但主要受到技术进步效率的影响,科研全要素生产率呈现出缓慢增长趋势,东部高校科研绩效优于中部和西部。并从投入资源配置、内部管理体制、监督评价体制方面提出建议。
关键词:不同区域;科研绩效;数据包络分析;超效率DEA;Malmquist指数
高等院校不仅仅承担着为国家输送大量科技人才的责任,还承担着凭借自身科研活动推动地方经济发展的责任。然而教育资源的稀缺性,使得合理配置这一稀缺资源对高校的未来发展起到重要的影响。高校的科研绩效能够反映高等院校科技投入与产出的关系,体现了高校对社会经济发展的贡献[1],也是衡量高校综合实力的重要标准。为了满足高校科研资源的合理配置,促进全国各区域的协同发展,文中采集2014—2018年的高校科研数据,运用超效率DEA模型和Malmquist指数法对我国31个省份的高校科科研绩效进行评价。
1 研究回顾目前我国学者对不同地区高校科研绩效的研究已经取得了一定的成果。沈立宏、赵怡(2016)运用数据包络分析方法对31个省份地方高校2012年的科研绩效进行了排名,结果表明全国地方高校科研绩效水平存在较大差异,并且技术绩效优于规模绩效[2]。翁秋怡(2017)采用随机前沿分析72所教育部直属高校,得出东中西地区高校的科研绩效基本保持稳定、西部绩效略高于东中部的结论[3]。马玲玲(2018)通过Malmqusit指数方法测算出2010—2016年的东部经济区985工程高校科研绩效最高,中部次之,西部最低[4]。刘敏、万丽娟(2018)基于VRS模型测度了2007—2016年31个省份农业科研机构科技创新绩效,表明六大区域农业科技创新绩效存在显著差异,这些差异正在逐渐缩小[5]。刘天佐、许航(2018)利用数据包络分析2009—2016年我国31个省份高校科研绩效的均值情况,结果表明整体绩效水平不高且地区分布差异明显[6]。刘雪凤、杜浩然、 闫莉(2018)利用层次分析法和模糊综合评判法评价我国38所985工程高校2009—2014年知识产权能力,结果显示我国东、中、西部985工程高校知识产权综合能力成高低二级阶梯状[7]。段晓梅(2019)利用超效率数据包络分析法评价我国30个省市2015年的高校科研绩效,发现我国高校科研绩效存在较大的区域差异[8]。宗晓华、付呈祥(2019)使用超效率—非径向DEA模型分析教育部直属高校2006—2015年间的科研效率,研究发现样本高校整体科研效率不高且进步缓慢,规模效率不断衰减[9]。邱泠坪、郭明顺、张艳和张默(2017)基于超效率DEA模型和Malmquist指数对2012—2015年的32所农业院校科研绩效进行评价,发现农业院校的平均科研技术效率没有达到DEA有效,没有任何增长趋势[10]。苑泽明、张永贝、宁金辉(2018)静态采用DEA-BCC模型和动态选用DEA-Malmquist指数模型分析京津冀高校2012—2016年的科研创新绩效,整体科研创新绩效水平不高,但科研创新全要素生产率呈上升趋势[11]。综上分析,现有科研绩效评价的研究大多采用数据包络分析法、模糊综合评价等评价方法,但多数选择从静态维度分析,对高校科研绩效的动态效率研究较少。基于此,文中的研究对象定为我国31个省市自治区高校,从科研投入与产出的视角构建高校科研绩效评价体系,在传统DEA模型基础上,利用超效率DEA、Malmquist指数法对高校科研绩效进行对比分析。
2 评价模型的构建目前用于评价高等院校效率的方法有因子分析法[12]、熵值法[13]、層次分析法[14]、模糊综合评价[15]等,但DEA方法具有不需要指标进行无量纲化、对指标的选取具有较好的包容性,更适合评价多投入、多产出组织的效率等优势,让其在评价高校科研绩效时得到广泛应用[16]。为了更全面地对不同区域的高校科研绩效进行评价,文中采用静态超效率DEA模型对某一时点的高校科研绩效进行分析和动态Malmquist指数法分析某一时间段高校科研绩效的变化趋势[17]。
2.1 DEA基本模型和超效率模型DEA模型于1978年首次被提出,通过各种模型求解有效生产前沿面曲线,根据决策单元与该曲线的距离评价决策单元效率的有效性[18]。DEA模型主要有以下几种:基于规模收益不变假设提出的CCR模型、增加了限制条件的BCC模型、规模效率非递增的FG模型、规模效率非递减的ST模型。由于传统DEA模型不能对DEA有效的决策单元进行进一步的分析,因此安德森与彼德森在此基础上提出了技术效率可以超过1的超效率DEA模型[19]。超效率DEA模型的表达式如下
其中,X i为决策单元的输入向量,X i=(x1i,x2i,…,xmi)T>0
,对应的权变量设为U i=(u1,u2,…,xm)T≥0,Yi为决策单元的输出向量,
Y i=(y1i,y2i,…,ymi)T>0
,对应的权变量设为
V=(v1,v2,…,vm)T≥0
。超效率DEA值若小于1,则表示决策单元处于技术无效,需要改进投入或者产出的状态。
2.2 Malmquist指数Malmquist指数由马姆奎斯特提出用来计算消费的指数,可以对多投入、多产出结构的对象进行动态效率分析,由技术进步效率(Tech)、纯技术效率(Pe)和规模效率(Se)组成[20]。Malmquist指数的表达式如下[21]
其中,(xt,yt)
为第t时期的投入向量;(xt+1,yt+1)为第t+1时期的产出向量;Dt0和Dt+10分别为上述时期的距离函数。 M0>1、M0=1、M0<1分别表示相邻2个时期的科研绩效有提升、无变化、降低。
2.3 评价指标的选取高校科研绩效评价指标分为高校科研投入和高校科研产出2个方面。在借鉴国内外研究的基础上,考虑指标构建的典型性、可比性、可操作性等原则,文中构建的高校科研绩效评价指标体系[22],见表1。投入指标的选择。投入指标主要选取高校科研人力资源以及财力资源。科研人力资源指标选择教学与科研人员,研发人力的指标值越大说明高等院校对从事科研活动的人员数越多,一定程度上反映了高等院校研究与发展的水平;以当年科技经费内部支出作为高校科研财力资源的指标,经费支出是指用于科研人员的劳务费、业务费、购置固定资产等费用,不包含转拨给外单位的经费支出[23]。产出指标的选择。科研产出主要选取三类指标,一是出版著作数和与学术论文数,这两项指标可以反映区域高校科研成果的数量;二是国家级别的成果授奖数与专利授权数,这两项指标可以考核区域高校科研成果的质量;三是技术转让当年实际收入,这项指标能够衡量高校科研产生的经济效益[24]。指标所使用的数据均来源于2014—2018年《高等院校科技资料统计汇编》,并运用DEA-SOLVER Pro 5.0软件进行效率测算。
推荐阅读:绩效与薪酬管理论文免费文献
期刊VIP网,您身边的高端学术顾问
文章名称: 我国不同区域高校科研绩效评价
文章地址: http://www.qikanvip.com/jingjixue/55494.html