高校创新效率动态演进分析及影响因素识别
——基于非参数核密度估计和SFA模型

王晓珍，蒋子浩，郑 颖

(中国矿业大学 管理学院，江苏 徐州 221116)

一、引言

中国进入“新常态”后，要素投入驱动的经济增长作用正在减弱，根据内生增长理论，技术创新与进步催动内生增长方式创新、改善经济结构成为解决当前经济增长乏力窘境的唯一出路。然而，高校作为基础研究的主体，是重大原始性创新成果的重要源头，对高技术产业发展、区域经济水平进步与社会生产方式变革具有广泛而深远的影响。因此，高校被认为是重要的国家战略资源之一，是技术创新向增长方式创新转变的关键[1]。考虑到高校创新所带来的巨大经济效益与社会价值，进一步提升高校创新能力不仅有利于加快中国现代化经济体系建设，更是未来国际竞争中战略优势地位确立的关键。

近年，随着国民经济的增长，国家对高校的科研投入随之增加。但是在国际对比下，中国高校创新地位相对较低、科研资源配置相对较少、高校内部资源使用效率不高等问题却日趋明显。因此，如何在资源稀缺的背景下快速提升高校创新效率，使有限的科研资源发挥其最大效益，成为当前中国原始创新能力提升过程中不可回避的问题。

二、文献综述

高校作为国家创新体系构建的重要环节，其创新能力评价是当前科研管理工作的重要内容，而高校创新效率研究又是该领域研究热点。目前针对中国高校创新效率，国内外已有部分学者进行了积极探索。现有文献主要关注了单个高校、不同地区高校的相对效率以及高校整体创新效率。研究表明：2010年以前高校创新较接近生产前沿面，而2010年以后各类型高校创新效率均不理想，西部地区创新效率波动较大，东部地区高校创新效率颓势明显，仅中部部分地区高校创新效率相对较理想[2]。为了完善相关政策制定、促进科研资源合理配置，进而提升高校创新能力、优化高校创新投入产出效率，诸多学者在测算效率的基础上，进一步分析了影响高校创新效率的因素，主要研究结论见表1。

表1 高校创新效率关键影响因素梳理表

高校创新效率动态演进研究是当前高校创新相关研究的新趋势，部分学者运用多种方法剖析了高校创新效率的动态演进过程，但研究结论因实证方法不同而存在显著差异。其中，部分学者使用视窗DEA法对高校创新效率动态演进过程进行剖析，指出中国高校创新效率并不理想，中东部地区高校创新效率下降趋势明显，西部地区高校创新效率波动较大[10]。张惠琴和尚甜甜等学者则使用DEA-Malmquist指数法对高校创新效率的变化趋势进行动态研究，结果表明样本期内高校创新较接近效率前沿面，技术进步对高校科研创新效率的提高起推动作用[11]。最新的研究开始尝试使用核密度估计对高校创新效率进行动态评价，如王树乔等使用核密度估计对“985院校”和江苏省高校的创新效率进行动态演进分析，核密度估计结果表明：高校创新技术效率与纯技术效率核密度分布曲线均呈现“双峰”态势，表明高校创新技术效率与纯技术效率两极分化趋势明显；规模效率核密度分布曲线呈“单峰”态势且在高值聚集，表明省域高校创新规模效率差异显著[12-13]。

纵观以上研究成果可以发现，多数学者运用DEA模型、SBM模型、超效率DEA模型等方法对高校创新效率进行测算。不可否认，以上方法对于多投入、多产出的效率测算以及静态比较分析具有较强的适用性，但无法对高校创新效率的动态过程详细刻画剖析。基于此，部分学者开始尝试使用视窗DEA模型、DEA-Malmquist模型、核密度估计等方法对高校创新效率变化趋势进行动态剖析。视窗DEA模型可对决策单元进行时序分析，因而在处理产出期滞后于投入期的高校创新活动方面具有先天优势。与此同时，DEA-Malmquist模型因其能分解效率的变化，使效率的动态演进过程更加直观而广受追捧。最新的研究开始尝试使用核密度估计对高校创新效率进行动态评价，但研究成果较为匮乏，有待进一步挖掘。

综上而言，现有关于高校创新效率的研究通常以高校创新效率测度与影响因素剖析为侧重点。近年，高校创新效率的动态演进问题正逐渐成为研究热点。以上成果对未来高校创新相关问题研究具有重要借鉴意义，但是仍存在以下值得进一步探索的地方：一是关于高校创新效率影响因素的研究多集中在理论分析层面。鲜有研究能够系统地分析影响高校创新效率的外部环境因素，这在一定程度上降低了研究结论的准确性，更无法为优化高校创新效率并缩小区域创新能力发展差异指明方向。二是在高校创新效率的动态演进方面，已有文献通常使用DEA衍生方法探究高校创新效率的动态演进趋势。但是，以上方法仅侧重于刻画单一决策单元的效率变化情况，而缺乏对全部决策单元效率变化趋势的整体剖析。另外，虽然有部分学者尝试使用核密度估计对高校创新效率整体演进态势进行分析，深化了已有研究成果。但是，由于其研究对象仅为单个高校，缺乏省域视角下的高校创新效率动态演进研究，不能反映不同区域高校创新效率动态演进过程的差异，因此研究结论仍缺乏普适性，不能为全国高校科研政策制定和要素配置提供依据。

基于此，本文以中国2011—2015年31个省级行政单位为研究样本，在测算省域高校创新效率的基础上，运用核密度估计考察高校创新效率及其分解指标的动态演进过程，并对关键影响因素进行识别，旨在为高校科研政策制定和省域科研资源配置优化提供参考。

三、方法、指标及数据来源

(一)核密度估计

本文选择非参数核密度估计剖析高校创新效率及分解指标的动态演进过程[14]。核密度估计作为一种非参数估计方法，通过对窗口中数据点进行加权平均得到数据点的概率密度分布规律，该方法保留了构造转移概率矩阵时所破坏的原始动态信息，无需限制数据生成过程要具有马尔科夫性质，因此能更好地还原数据自身所具有的特征，适应性较强。具体如下：设p维随机向量x的密度函数为f(x)=f(x1，x2，…，xn)，反映高校创新效率值的分布情况，{x1，x2，…，xn}为它的一个独立同分布的样本，则f(x)的核密度估计为：

(二)SFA方法

本文基于随机前沿分析法(SFA)开展高校创新效率影响因素识别分析。SFA模型将实际生产单元与前沿面的偏离分解为随机误差与技术无效率两项，使用计量方法对前沿生产函数进行估计。由于无效率项和随机误差项分离，确保了被测效率的有效性及一致性，而且考虑随机误差项对个体效率的影响。SFA模型表示如下：

mit=β0+β1GDP+β2HT+β3LO+β4UN+

β5PE+ω

其中，mit为要素投入冗余量，GDP代表人均GDP，HT代表人均高技术产业产值，LO代表区位，UN代表985/211大学数量，PE代表人均公共教育经费。ω为服从正态分布的随机误差项。

(三)投入、产出指标

本文在借鉴已有研究成果的基础上，考虑数据的可获得性与准确性，选择以下指标作为投入变量与产出变量：投入变量：R&D人员全时当量及R&D经费支出。创新活动的开展离不开创新要素的投入，现有研究中最常见的两种创新要素为R&D人员全时当量及R&D经费支出。R&D人员是高校科研创新活动的承载者，是高校科研创新的基本投入资源，因此选择R&D人员全时当量作为人力资源投入的表征指标；R&D经费支出作为一项流量指标，反映了年度内实际的研发资金投入，因此选择R&D经费支出作为高校科研物力资源投入的表征指标。产出变量：科技论文数、专利申请数。高校创新活动的产出主要是成果产出，综合指标数据的可获取性、前人研究成果以及高校科研投入产出现有状况，选择发表科技论文数与专利申请数作为表征指标。

(四)环境变量

对影响高校创新效率诸多环境因素进行系统剖析是完善相关政策制定、促进科研资源合理配置进而提升高校创新能力、优化高校创新投入产出效率的关键。本文环境变量是指既能对高校创新活动效率产生影响又不在主观可控范围之内的影响因素，见表2。(1)经济优势。经济发达地区往往对高校创新有更大的需求，市场需求的提升增加了改善高校创新效率的激励。本文选取人均GDP和人均高技术产业产值作为经济优势的表征指标。(2)区域创新氛围。借鉴已有研究，发现区域创新氛围对高校创新活动影响较大，前者主要从吸引高水平人才聚集与增加怠惰的道德成本两方面影响高校创新绩效。因此，研究高校创新区域创新氛围对高校创新效率提升的作用机制，对高校科研创新能力提升并加快区域创新能力发展具有重大促进作用。鉴于985/211大学在区域创新氛围形成中起到基础性的关键作用，因此选择985/211大学数量作为区域创新氛围的表征指标。(3)政策扶持力度。政策扶持是创新主体开展科研创新活动的基础，被认为是影响创新绩效的首要因素。借鉴Andrade et.al的研究，选择人均公共教育经费作为政策扶持力度的表征指标[15]。(4)区位优势。借鉴冯宝军等的研究，将中国按经济发展水平划分为东、中、西部，引入虚拟变量表示区位差异[7]。

(五)数据来源

本文教育经费数据来源于中国国家统计局网站，其余数据来源于《中国统计年鉴(2012—2016)》、《中国科技统计年鉴(2012—2016)》。样本期为2011—2015年，决策单元为中国除香港、澳门、台湾以外31个省、自治区和直辖市。

四、中国高校创新效率测度及动态演进分析

(一)高校创新效率测度分析

测算中国2011—2015年各省高校创新效率，如表3所示。可以发现：样本期间中国高校创新总体处于非DEA有效，平均效率仅为69.64%且波动较大；样本期内中国高校创新规模效率(SE)相对技术效率(TE)差强人意，波动较小，于2013年达到峰值，随后持续下降并降至样本期内最低点。与此同时，由于高校创新规模效率整体趋势较稳定且接近90%，可见规模效率变动对综合效率变动的贡献较小；样本期间高校创新平均纯技术效率(PTE)较低，呈先增后减趋势，表明高校科研创新活动中存在较多的技术无效率因素。

表3 全国高校创新效率趋势表

综上而言，2011—2015年间中国高校创新基本处于DEA无效状态。根据纯技术效率和规模效率的数量关系发现：相较而言，中国现行高校创新技术效率主要靠规模效率支撑，而纯技术效率相对较低，具有较大提升空间。调整科研要素配置结构、改善高校内部治理结构、优化科研成果转化平台建设等是主要措施。同时，鉴于规模效率较高且较平稳，因此纯技术效率波动是高校创新效率波动的主要致因。

图1 高校创新效率区域差异地理对应图

根据省域高校创新效率测算结果，绘制2011—2015年间高校创新效率区域差异地理对应图，如图1所示。根据图1发现中国高校创新效率区位一致性较为显著，呈现西部最高，中部次之，东部最低的分布特征。

(二)效率变化动态演进分析

高校创新效率由于受到各种因素的影响，DEA模型测度的结果呈现一定差异性，为深刻、细致揭示高校创新效率及分解指标的动态演进过程，本文利用非参数核密度估计进行进一步的考察。以2011—2015年五个年度为考察剖面，分别展示2011—2015年中国省域高校创新效率的动态演进过程。

图2 全国高校创新技术效率动态演进图

绘制高校创新技术效率动态演进图，如图2所示。可以发现：2011—2015年间中国高校创新技术效率整体呈改善趋势，各高校科研创新效率存在显著追赶效应，同时技术效率省域差异逐渐变小；2014年以前高校创新技术效率存在较严重的两极分化现象，且处于效率改善阶段省份的数量具有较大波动。

图3 全国高校创新纯技术效率动态演进图

绘制高校创新纯技术效率动态演进图，如图3所示。可以发现：2013年是高校创新纯技术效率核密度分布曲线形态变化分水岭。2013年以前高校创新技术效率由整体水平较低逐渐两极分化；2013年高校创新纯技术效率达到全国整体最优；2013年以后省域高校创新纯技术效率普遍恶化，省域差距逐渐增大。

图4 全国高校创新规模效率动态演进图

绘制高校创新规模效率动态演进图，如图4所示。可以发现：2011—2015年，处于科研规模效率中等与落后的高校发展有所减缓，但是高水平集聚现象并没有明显转变；2013年以前高校科研的规模效率整体改善甚微但高校间差异变小；2013年以后高校科研的规模效率恶化并且省域差异变大。

五、高校创新效率时空差异的创新环境异质性分析

创新环境是高校创新能力发展所必须的社会环境，是高校与其他行为主体长期互动形成的稳定系统。高校创新能力提升的动力不仅来自于创新主体内在活力的增加，更来自于创新环境的改善。Duan进一步指出，作为保障创新活动、提高创新绩效的关键，创新环境主要涵盖经济环境、社会文化环境和制度环境三方面[16]。基于以上学者研究的成果，本文尝试将区位优势纳入考量的同时，从经济优势、区域创新氛围、政策扶持力度三方面深入系统剖析创新环境对高校创新效率的影响。

以计算出的投入变量的松弛即R&D经费冗余与R&D人员冗余作为被解释变量，采用SFA模型把人均GDP、人均高技术产业产值、985/211大学数量、人均公共教育经费、区位作为解释变量，使用Frontier4.1软件进行分析，回归结果见表4。

表4 SFA回归结果表

注：*、**、***分别表示在10%、5%、1%水平下显著。

在经济优势方面：第一，人均GDP和R&D人员全时当量松弛变量与R&D经费支出松弛变量的回归系数为正，表明地区经济水平和R&D人员冗余与R&D经费冗余显著正相关；第二，人均高技术产业产值和R&D人员全时当量松弛变量与R&D经费支出松弛变量的回归系数均不显著，因此仅表示方向性关系。从高校创新氛围角度看：985/211大学数量与R&D人员全时当量松弛变量回归系数为负，表明高校创新氛围越好，科研人员冗余越小；985/211大学数量与R&D经费支出松弛变量回归系数为负，但没有通过显著性检验，因此仅表现变量间方向性关系。从政府扶持力度上看，人均教育经费与R&D人员全时当量松弛呈负相关关系，表明政策扶持对科研人员的激励作用显著；人均教育经费与R&D经费支出松弛变量回归系数为负，但没有通过显著性检验。在区位优势方面，区位与R&D人员全时当量松弛变量呈正相关关系，表明高校位置越靠近东部发达地区，R&D人员全时当量松弛越大；省份所处区域与R&D经费支出松弛变量呈负相关关系，表明高校位置越靠近东部发达地区，R&D经费支出松弛越小。

(一)R&D人员冗余的创新环境分析

东部地区与西部地区相比经济水平高、高技术产业发展速度快、基础设施完善，对高水平科研人才吸引力更大。然而，西部地区虽然科研创新环境相较以往有长足发展，经济水平也有明显的进步，但是与东部地区相比仍较为落后，对R&D人才缺乏吸引力、难以留住高水平科研人员，导致大量高校科研人才从西部流向东部。由于东西部地区经济水平差异逐渐加大，R&D人员流动趋势随之逐渐加强，并且形成高校R&D人员东部-西部方向的“马太效应”[17]，R&D人员东部-西部方向的“马太效应”又进一步加快科研人员的流动速度。虽然东部地区科研经费和高等学校数量较多，但是科研人员的流入仍超过合理的范围，最终导致东部地区R&D人员冗余。

(二)R&D经费冗余的创新环境分析

由于高校科研经费主要来源于中央财政直接拨款，即通过教育部、科技部等国家相关部门直接拨款至各个高校，与当地经济发展水平相关性较弱[5]，学校品牌和排名直接影响拨款量，加之对西部地区的政策扶持，导致西部地区科研经费数量相对冗余。同时，随着R&D人员东部-西部方向的“马太效应”逐渐加强，西部R&D人员的流失随之加剧，因此西部地区在科研人员大量流失后R&D经费冗余状况进一步加剧。

六、结论和建议

本文以中国31个省级行政单位为样本测算高校创新效率，考察不同区域高校创新效率变化趋势及分解指标的动态演进过程，并以创新环境为解释变量剖析影响不同区域高校创新效率的因素，得到如下结论：第一，2011—2015年中国高校创新整体处于非DEA有效，现行高校创新效率主要靠规模效率支撑，纯技术效率较低是制约综合效率进步的直接原因。第二，样本期间中国省域高校创新技术效率呈现典型的“俱乐部”收敛情况，一部分省份高校创新效率在低值聚集，一部分向高值靠拢，整体趋于优化，省域差异逐渐变小；纯技术效率两极分化明显，整体呈现下滑趋势；规模效率聚集于较高水平且平均效率波动较小。第三，经济优势、区域创新氛围、政策扶持力度、区位优势等环境因素对高校创新效率具有显著影响，创新环境异质性导致的要素数量及配置结构失衡是高校创新要素冗余的主要原因。

结合实证分析结果，对中国高校创新提出如下建议：高校科研资源的配置不能仅考虑到数量，更应该关注配置结构，要将高校科研要素投入数量与高校创新效率相关联，尤其对高校类型和高校创新环境等多种因素综合考量。如在西部高校中，完善科研人才吸引和培养政策，优化科研氛围，改善基础设施状况，减少西部高校研发人才的流失，减缓区域差异引发的科研人才“马太效应”。相比之下，东部发达地区应该进一步完善绩效考核评价机制，把经费配置数量与高水平成果挂钩，不能仅仅把注意力集中在论文数量等表征指标。与此同时，要进一步优化科研氛围，加快完善产学研相结合的模式，促进人才最大程度利用。