DEA视角下学术研究绩效评价分析

贾永堂 董 洁

(华中科技大学 教育科学研究院，湖北 武汉 430079)

DEA视角下学术研究绩效评价分析

贾永堂 董 洁

(华中科技大学 教育科学研究院，湖北 武汉 430079)

本文选取了2011—2015年J大学的各个学院作为决策单元，采用DEA和Malmquist指数法研究了J大学的学术研究绩效。结果表明：从静态看，J大学的学术研究绩效在学科方面不存在显著差异；从动态上看，J大学的自然科学学术研究全要素生产率存在很大的波动性，科技进步不稳定，其中技术效率变动、技术进步效率变动和规模效率变动是影响J大学各学院学术研究绩效的主要因素，而其人文社会科学学术研究的全要素生产率处于稳步提升之中，学术研究绩效水平高于自然科学学术研究绩效。

学术研究绩效；效率评价；Malmquist指数

一、问题的提出

进行学术研究和服务地方经济发展是地方大学的重要职能，随着社会服务的不断深入，学术成果转化已经拓展到地方科技服务领域，地方大学的学术研究绩效跟学术成果转化和服务地方社会经济发展直接相关。为了更好地促进地方大学学术研究与社会服务的协同发展，需要对地方大学的学术研究绩效进行客观且恰当的评价，这也是近年来高校与社会各界普遍关注的问题。现有的对大学学术研究的评价更多是关注其学术成果的绝对数量，对学术成果转化和产出效率的相对绩效水平关注不够。从学术研究绩效评价已有的成果看，目前的相关研究更多是从静态的角度进行分析，动态变动状态的评价研究还相对有限。

有鉴于此，本文拟采用数据包络分析(Data Envelopment Analysis，简称DEA)对地方大学学术研究绩效进行评价。DEA是运用数学规划模型比较同类型的决策单元之间的相对效率的定量研究方法，主要运用于多投入多产出的相对效率评价。大学内部的二级学院是进行学术研究的基本单元，也是大学进行学术活动的主阵地。作为同一个大学的二级学院，他们属于同类型的决策单元，也是相对容易计量的多投入多产出系统，尤其适合应用数据包络分析方法进行效率评价。使用该方法不仅可以分析综合效率，而且还可以对学术研究绩效进行动态研究。

二、数据模型及样本数据的引入

采用系统有效的量化分析方法，从投入产出的角度对地方大学的学术研究绩效进行评价，可以清楚地了解地方大学学术活动的现状与水平。目前，大学学术研究绩效评价的理论与方法在学术界尚未达成一致，大多数研究还仅仅只是基于某一方面的绩效评价。就多产出多投入系统领域的研究而言，比较典型的是技术创新层面的投入产出效率研究，如Nasierowski 与 Arcelus的国家技术创新*W. Nsaierowsk, F.J. Arcelus,“On the efficiency of national innovation systems”,in Socio-economic Planning Sciences, Vol.37,pp.215-234.、Uong Hong Huang、Wang Xin-Yu的区域技术创新*Gong Huang, Wang Xin-yu, “Measure and Evaluation of Efficiency of Regional Technical Innovation Jiangsu Province”,in Journal of China University of Mining & Technology, December 2004,pp.26-32.、池仁勇的区域技术创新*池仁勇：《企业技术创新效率及其影响因素研究》，《数量经济技术经济研究》2003年第6期。。常用的方法是参数模型法，其中较常用的是随机前沿分析法(SFA)，而非参数模型中常用的DEA方法。

(一)DEA模型

1978年，美国运筹学家Charnes等人提出了一种新的效率评价方法，即DEA方法。它基于数学规划构建综合的投入产出比值最优化模型，面向多个同类别决策单元进行相对于投入的产出有效性评价。DEA方法不用预先估计参数*段永瑞、霍佳震：《基于数据包络分析的高校科研绩效评价》，《上海交通大学学报》2007年第7期。，其本质是判断被考察的决策单元是否位于生产可能集的最优生产前沿面上。与传统的生产函数方法相比，DEA方法具有更多的优势*吴育华、李从东：《DEA 方法与生产函数法的比较》，《系统工程》1995年第3期。。

经典的数据包络分析模型有CCR模型和BCC模型。CCR模型假设规模收益不变(Constant Return to Scale,CRS)，得出的技术效率包含了规模效益的成分，而BBC模型假设规模收益可变(Variable Return to Scale ,VRS)，它是在CCR模型的基础上增加了新的约束条件，使得获得的技术效率排除了规模变动的影响。根据其内在关系，有

综合效率(TE)=纯技术效率(PTE)×规模效率(SE)

(1)

亦即CCR模型下获得的综合效率(TE)是BBC模型下获得的纯技术效率(PTE)与规模效率(SE)的乘积。当纯技术效率和规模效率的值都为l时，总的综合技术效率达到最大化。

本文将采取以上两种模型，以J大学自然科学学术研究和人文社会科学学术研究作为评价单元，综合计算其综合效率值、纯技术效率值和规模效率值，探讨J大学的学术研究绩效。

(二)Malmquist 指数

1953年，瑞典经济学家和统计学家Sten Malmquist提出了Malmquist指数，1982年，Douglas W. Caves等人将其指数及距离函数引入用以测算全要素生产率的变化，而到了1994年，Rolf Färe等人在改进DEA方法的基础上又进一步引入包含了规模效应的Malmquist指数，用来考察两个时期之间生产率的变化情况，使得Malmquist指数可以对多投入、多产出的全要素生产率进行细致的数据分析。其中非参数型的测度方法已经成为当前国际上全要素生产率研究的新方法。

在具体应用中，Rolf Färe等人将Malmquist指数分解成两个部分：综合效率变动指数(Efficiency Change，简记为EC)和技术变化指数(Technical Change，简记为TC)。其中，

(2)

(3)

于是，

(4)

在规模报酬不变(CRS)的情况下，综合效率变动指数EC衡量的是决策单元第t+1个时期的生产是否优于其上一个时间即第t个时期的生产情况。当 EC>1 时，说明决策单元的综合效率得到了改善，其组织管理水平获得了提高；当EC=1 时，说明决策单元的综合效率没有变化。技术变化指数TC表达了决策单元在其前后两个生产时期内其生产前沿面的变动状况，反映了决策单元的技术进步状况。当 TC>1 时，说明决策单元的技术有了新的提升；当TC=1 时，说明决策单元的技术效率没有改变。

考虑到实际的经济系统大多是在规模收益可变(VRS)的条件下运行的，还需将EC 进一步分解为纯技术效率(PTE)和规模效率(SE)两部分。在此基础上，Malmquist指数可分解为：

(5)

(三)评价指标体系与样本数据引入

地方大学学术活动的投入产出系统是一个反映其某个时期内学术能力、学术研究水平及学术研究状况的复杂系统，可以用相关的绩效指标来表征。*参见韩宏、王晓真、李涛：《高校创新型人才薪酬激励政策研究——以济南地区三所高校为例》，《济南大学学报(社会科学版)》2013年第1期。大学基本上都是由不同的二级学院所组成，进行学术研究活动的主体也是二级学院，因此，研究地方大学的学术活动，可以看成是由各个学院组成的多投入、多产出的系统，特别适用于DEA方法。在一个大学里面，各个学院具有同构性质，进行评价时，可把每一个学院均看作是决策单元，而每一个决策单元呈现性质相同的输入和输出，通过对其指标的综合分析，可以从静态及动态变化两个角度来分析决策单元的绩效。

1.决策单元的确定

J大学是综合性大学，大学有人文社科学院和理工科学院，因为人文社科学院和理工科学院在进行科研活动的投入和产出有各自的特点和侧重点，在选取决策单元时，以J大学的11个理工科学院作为自然科学学术研究绩效评价的决策单元，不失一般性，可以分别用“学院A”“学院B”……来代表这些学院的名称，且这11个学院的学术研究投入、产出的要素性质无较大差异，具有明显可比性。另外，将J大学的13个人文社科学院作为人文社会科学研究绩效评价的决策单元，以示区别，可以分别用“学院1”“学院2”……来代表这些学院的名称，且这13个学院的学术研究投入、产出的要素性质也无较大差异，因而具有明显的可比性。

2.输入/输出指标的筛选

根据DEA方法的相关理论，选择评价指标时，既要考虑投入和产出指标能够反映评价的内容与目的，也要避免投入指标与产出指标之间存在直接的强线性相关。另外，投入和产出指标乘积的2倍也应该小于决策单元的总个数。将理工科学院专任教师数、学术研究经费两个指标作为投入指标，以发表论文数、学术成果获奖数量和专利数三个指标作为产出指标。将人文社科学院具有高级职称和博士学位的教师数量、当年社科研究投入经费和所获得的省部级及以上课题数量等三个指标作为投入指标，以发表的高水平论文数量、社科省部级以上奖励数量两项指标作为产出指标。其高水平论文主要是指发表在SSCI、A&HCI、CSSCI以及《新华文摘》等三大转载期刊上的文章。

三、J大学学术研究绩效投入产出的实证分析

(一)基于DEA方法的静态效率分析

1.自然科学学术研究绩效的静态分析

本文运用MaxDEA Ultra 6.18软件对研究所获取的数据进行DEA分析，计算出2015年J大学11个理工科学院的学术研究投入产出的相对效率值，具体结果如表1所示：

表1 J大学11个理工科学院学术研究投入产出效率值表

结果表明，在J大学的11个理工科学院中，有6个学院的综合效率值为1，其科研投入产出位于2015年度的生产前沿面上，实现了在其当前的投入下学术研究产出的最大化， DEA有效。并且，该6个学院的技术效率、规模效率亦为1，其投入产出比处于最佳状态。与此同时，其他5个学院(学院E、学院F、学院G、学院I、学院J)则为非DEA有效的单元，其中学院E、学院I、学院J为规模报酬递增，从学校层面应进一步加大对这些学院的研究投入，以进一步增加其学术成果产出。而学院F、学院G为规模报酬递减，从学校层面可考虑减少这两个学院的投入，或调整其内部资源，以促进其资源利用效率提升。

2.人文社会科学学术研究绩效的静态评价

根据2015年度数据，对人文社科学院的学术研究绩效同样利用MaxDEA Ultra 6.18软件且选取投入导向的BBC模型进行DEA分析。其投入产出效率如表2所示：

表2 J大学13个人文社科学院学术研究投入产出效率值表

结果表明，在J大学13个人文社科学院中，有7个学院的综合效率值为1，其学术研究投入产出位于2015年度的生产前沿面上，实现了在其当前的投入下科研产出的最大化， DEA有效。并且，7个学院的技术效率、规模效率亦为1，其学术研究投入产出比处于最佳状态。与此同时，其他6个学院(学院1、学院2、学院3、学院7、学院8、学院11)则为非DEA有效的单元，不过该6个学院均为规模报酬递增，从学校层面应进一步加大对这些学院的研究投入，以进一步增加其学术成果产出。综合来看，这13个学院中，DEA有效的院系有7个，而在效率小于1的6个学院中，只有2个学院的综合效率小于0.6，当然其中有1个学院的综合效率为0.25，效率较低。

(二) 基于DEA方法的动态效率分析

由于以上DEA有效性分析是一种静态分析，没有考虑技术变化对效率的影响，因此，本文采用Malmquist指数法对J大学的学术研究投入产出有效性进行进一步的动态分析，选择的时间序列数据为2011—2015年J大学学术研究投入产出的统计数据。

1.自然科学学术研究绩效动态评价

根据公式(2)—公式(5)，运用MaxDEA Ultra 6.18软件，得到了J大学11个学院5年自然科学学术研究投入产出的动态特征值：技术效率变动指数(effch)、技术进步效率变动指数(techch)、纯技术效率变动变动指数(pech)、规模效率变动指数(sech)、全要素生产率变动指数(tfpch)和Malmquist指数及构成，具体如表3、表4所示：

表3 J大学2011—2015年自然科学学术研究全要素生产率及其分解状况

结果表明，在J大学11个理工科学院中，仅有5个学院的学术研究全要素生产率变动指数大于1，其中提升幅度最大的是J学院，其提升幅度为 12.6 %。而另外6个学院的全要素生产率变动指数小于1。其中，全要素生产率大于1的学院，其全要素生产率的增长主要归结于技术效率、技术进步效率的提高，尤其是I学院、J学院在其规模效应减弱的情况下，技术支撑、技术进步的效果更为明显。2011—2015年J大学自然科学学术研究投入产出的全要素生产率平均值为0.973，5年间的全要素生产率增长幅度呈现波动起伏变化。这说明J大学自然科学学术研究全要素生产率存在波动性，科技进步不够稳定。在这期间，技术效率、规模效率下降比较明显，上升的因素主要来自技术进步。

表4 J大学2011—2015年自然科学学术研究绩效平均Malmquist指数及其分解状况

由上可知，J大学自然科学学术研究投入产出的全要素生产率存在较大的波动性，全要素生产率、科技进步呈V型变化；技术效率变动、技术进步变动、规模效率变动是影响J大学自然科学学术研究投入产出效率的主要因素。

2.人文社会科学学术研究绩效评价

与自然科学学术研究绩效动态评价的方法相同，相关指标具体如表5、表6所示：

表5 2011—2015年J大学人文社会科学学术研究全要素生产率及其分解状况

表6 2011—2015年J大学人文社会科学学术研究绩效平均Malmquist指数及其分解状况

结果表明，在J大学13个人文社科学院中，有7个学院的学术研究全要素生产率变动指数大于1，其中提升幅度最大的是学院10，其提升幅度为 17.6 %。而另外6个学院的全要素生产率变动指数小于1。其中，全要素生产率大于1的学院，其全要素生产率的增长主要归结于技术效率、技术进步效率和规模效率的提高，尤其是学院6、学院9、学院10、学院12，其表现尤为突出。2011—2015年J大学人文社会科学学术研究投入产出的全要素生产率平均值为1.048，5年间的全要素生产率增长幅度呈现递增变化。这说明J大学人文社会科学学术研究全要素生产率逐年向好，同时技术效率、技术进步效率、规模效率起到了显著的作用。可以看出，2011—2015 年J大学人文社会科学学术研究的全要素生产率总体呈上升的趋势，比自然科学研究理想。

从理论上看，DEA方法和Malmquist指数法相结合，可以从静态和动态两个层面全面评价高校学术研究绩效的水平状况。从实践意义上看，本文的研究能够分析一所高校以及其他类似多投入多产出系统的具体状况，且剖析其研究技术应用与学术活动管理的变动情况和原因，有良好的可操作性与实践应用借鉴价值。

(责任编辑：陆影)

2017-03-01

贾永堂(1965—)，男，华中科技大学教育科学研究院教授、博士生导师，教育学博士，主要研究方向为高等教育政策研究。 董 洁(1975—)，女，华中科技大学教育科学研究院博士研究生，主要研究方向为大学财务管理。

本文系国家社科基金项目“基于学术职业视角的现代大学政策研究”(项目编号：14BGL126)的阶段性成果。

G644

A

1003-4145[2017]05-0173-05