教育部直属高校科研经费投入产出效率研究

（中国海洋大学 山东 青岛 266100）

1 文献综述

高等院校是我国基础科学研究和科技创新的硬核驱动，是提高我国科技核心竞争力不容忽视的生力军。科研经费作为高校开展科研活动的基本保障，合理运用科研经费是科技创新成果产出的决定性因素。近年来，我国政府不断加大对高校科研经费的配置，特别是对教育部直属高校的支持，以保障和提升高校科研能力。2017 年，我国高校获得153 701 459 000 元科技经费支持，相较于2002 年增长779.6%；其中，对教育部直属高校的科技经费支持达75 948 400 000 元，相比2002 年增长703.2%。在国家政策的大力支持下，我国高校科研水平得到长足发展，取得了学术论文、科技著作、专利授权等大量科研成果产出。然而，繁杂的科研经费管理办法在一定程度上成为科研人员的枷锁，同时科研经费违规使用、挪用现象频发，使得政府向高校拨付巨额经费的初衷难以达成。与此同时，为优化配置科研经费，我国2019 年开始试点“包干制”，以期提升科研经费使用效率。在新冠肺炎疫情的冲击下，2020 年中央经济工作会议强调严格落实“过紧日子”思想，高校也不例外。因此，准确评估科研经费使用效率，探寻科研经费最优配置方案，成为当前亟需解决的问题。

针对科研经费的使用和配置这一问题，国内外学者使用不同方法对其进行了评估分析，并对其影响因素进行了探索。在科研经费使用效率评价研究中，数据包络分析最受学者青睐。Abbott 等（2003）[1]、Abramo等（2008）[2]采用DEA 模型分别对澳大利亚、意大利高校的研究生产率进行了测算分析。为剔除环境因素和随机干扰影响，沈能等（2013）[3]采用三阶段DEA 模型，从省域层面评估发现我国高校科技创新效率较低。

基于对科研经费效率的评估，学者发现不同区域、不同类型高校科研经费的使用效率具有不同特征。李晓静等（2016）[4]借助DEA-CCR 模型研究发现，我国“211”“985”高校中科研经费投入过剩、产出不足的情况较为普遍。季庆庆等（2019）[5]的研究结果表明，重点高校的科研经费能够带来更多科技成果产出。李素英等（2020）[6]针对京津冀高校，采用Malmquist 指数对科研经费使用效率进行测度，指出不同区域间高校科研经费使用效率存在极化效应。姬鸿宽（2020）[7]使用超效率CCR-DEA 模型测算发现，我国中部6 省的科研经费使用效率基本能够达到DEA 有效，却没有改进的趋势。

在影响因素方面，刘天佐等（2018）[8]的研究结果表明我国高校科研效率整体不高且区域性差异大，这与区域层面的科研环境、师资力量、投入力度等因素密切相关，而与宏观经济和政治环境的关系不大。杨劲松（2018）[9]认为高职院校所处区域的经济发展水平、产业结构、政府支持以及产学研合作等因素对其综合科研效率有显著正向作用。

综上所述，已有文献表明高校科研经费对推动我国科技创新发展的成效显著，但并非所有高校都能充分挖掘科研经费的创新驱动效能。现有研究多着重于从区域视角切入，或者重点关注了“211 工程”“985 工程”以及“一流学科”建设高校，而较少关注教育部直属高校的科研资源使用效率[10]。

教育部直属高校作为我国高校的中坚力量，集中了大量优质科研资源，也是我国科技创新成果的重要产出者，其对科研经费的合理使用是在当前“过紧日子”背景下，探寻我国科研资源配置效率着力点、进一步去除科研枷锁、释放创新动力的关键环节[11]。因此，以教育部直属高校为研究对象，采用DEA-Malmquist指数方法，从静态与动态双重视角对教育部直属高校2009—2016 年科研经费使用效率进行分析。

2 研究方法

2.1 CCR模型

CCR 模型是著名的运筹学家Charnes、Cooper 和Rhodes 以规模收益不变为基本假设提出的效率评价模型。若CCR 模型有n个决策单元DMU，每个DMU的投入和产出分别有m和s种，令第j个DMU 的投入、产出变量分别为：xj=(x1j,x2j,…,xmj)'，yj=(y1j,y2j,…,ynj)'，则每个DMU 的效率值测算模型为下式。

式中：x0、y0分别为选定的DMU0的投入、产出向量；λ是相对于DMU0重新构造一个有效DMU 组合中n个DUM的组合比例；θ为DMU0的投入相对于产出的有效利用程度，即为效率值。

2.2 Malmquist 指数模型

Malmquist 指数是Sten Malmquist 提出的模型，又名全要素生产率（TEPch），能实现动态效率评价。在规模报酬不变的条件下，Malmquist 指数可分为技术效率变动指数EC 和技术进步变动指数TC 的乘积。

Malmquist 指数中涉及4 个距离函数，本文以CCR模型为基准距离函数。具体而言为以第t期的技术表示的第t+1 期的技术效率水平为以第t期的技术表示的当期技术效率水平为以第t+1 期的技术表示的第t期的技术效率水平。

当EC＞1 时，表明效率水平较上一时期有所上升；当EC＜1 时，表明EC 较上一时期有所下降，表明该高校的科研经费管理水平有所下降；当EC=1 时，表明效率水平较上一时期没有变化。此外，构成Malmquist 指数的技术进步指数也表现出类似的特征，即当TC＞1 时，表示它是全要素生产率TEPch 增长的根源，而当TC＜1 时则表明技术的倒退，进而引致了全要素生产率的减小。

3 数据来源及指标选取

高校科研呈现出多投入、多产出的特点，投入项目涉及科研经费、科研人数等多项投入，产出项目涉及科研论文、获奖、专著等多项产出。基于数据可获得性、科学性、精简性、重要性等原则，选择如下投入产出指标评价教育部直属高校科研经费使用效率（如表1）。考虑到数据可得性，根据《高等学校科技统计资料汇编》，选取了北京大学、中国人民大学等64 教育部直属高等学校2009—2016 年的样本数据进行分析。

表1 教育部直属高校科研投入产出评价指标体系

4 实证结果分析

4.1 基于CCR模型的科研经费使用效率分析

科研经费使用效率反映了被评价高校在给定科研经费与科研人员情形下获得科研成果的能力与水平。基于CCR 模型，运用MATLAB 软件对2009—2016年64 所教育部直属高校的科研经费使用效率进行研究。在CCR 模型下，DMU 的效率值越接近于1，则表明其科研经费使用效率越高，科研人员与经费投入的使用效率越高。

表2 展示了研究期内64 所教育部直属高校科研经费使用效率的评价结果。结果显示，我国各高校的科研经费使用效率平均效率结果为0.564 0，即表明各高校在科研经费使用方面存在较大的改进空间。从具体高校来看，SYSU 的科研经费使用效率最高，研究期内其科研经费平均效率高达0.944 3，且该高校有6年位于生产前沿面上，代表了科研经费管理的最有效水平。其次是NJAU，平均效率结果为0.942 3。此外，UPC、NENU 以及WHU 等3 所高校的科研经费使用效率平均水平也超过了0.9，且在研究期内均有多个年份位于生产前沿面上。与此同时，研究发现约有11 所高校的科研经费使用效率低于0.4。造成该现象的可能原因之一是部分高校科研经费充裕，科研经费投入过大，尽管其科研成果较为丰富，但经费使用效率仍相对较低；其二可能是因为部分领域研究成果周期较长，如航空航天等高端领域，其科研成果往往需要多年才能获得，使得部分高校某一年或几年的经费使用效率过低[12-13]。

以上研究表明，我国各高校的科研经费使用效率存在明显差异，且效率低下问题普遍存在。为进一步明确科研经费使用过程中存在的问题，需要对科研经费使用的全要素生产率进行分解，以探索其动态变化，从而理清阻碍科研经费使用效率增长的具体原因。

4.2 基于Malmqusit 指数模型的科研经费使用效率变动分析

基于Malmquist 指数模型构建高校科研经费使用效率的全要素生产率指数，并将其分解为技术进步与技术效率改变，以探索各高校科研经费使用效率的动态变化。根据各高校所处地区，将高校划分为东、中、西部，以全面反映各高校的科研经费管理中存在的问题。

表2 教育部直属高校科研经费使用效率

整体来看，各高校科研经费使用的全要素生产率多处于衰退态势（如表3），这主要由于科研经费使用的技术退步导致，技术效率在一定程度上虽然能够缓解技术退步的负向影响，但其带动作用有限，因而从整体上表现为科研经费使用全要素生产率的负向变动。具体来看，研究期内我国教育部直属高校科研经费使用的全要素生产率均值为0.949 6，科研经费使用状况并未得到改善；技术进步指数为0.930 4，即技术水平的变迁造成科研经费使用全要素生产率呈现下降态势；技术效率的均值为1.076 9，技术效率的正向影响表明为提高其经费使用效率，经费使用及管理人员通过改善管理方式形成追赶效应，从而促进科研经费使用的全要素生产率提高。

从具体高校来看，研究期内仅有11 个高校科研经费使用的全要素生产率呈现增长态势，其中9 个位于东部地区，2 个位于西部地区。研究发现，科研经费使用的全要素生产率保持较高水平的高校多为以某一方面见长的特色型大学，如XDU、CUMTB、CUMT、BNU、OUC、HHU、UPC 等在信息、海洋、能源等领域具有较强的优势。同时，研究发现，这些高校在全要素生产率的提升过程中，技术效率的作用较为突出，其EC 值普遍高于平均水平。就技术进步指数而言，只有BJTU、TSINGHUA、CAU、ZJU 等4 所高校的技术进步指数大于1，即在全要素生产率变化过程中，科研经费使用过程中的基础设施与配套技术能够形成不断的技术进步，从而带动科研经费使用全要素生产率提升。这些高校均位于东部地区，综合实力较为雄厚。多数高校的EC 指数均小于1，表明由于科研经费管理技术的限制，制度条件、基础设施等有待提升，致使科研人员与科研经费之间并未实现较好的匹配，从而使科研经费管理技术对全要素生产率的抑制作用不断凸显。与技术进步的作用不同，多数高校的技术效率大于1，表明近年来多数高校均有意识地提高其科研经费的管理，以提高科研经费利用效率。

表3 教育部直属高校科研经费使用的全要素生产率及其分解

5 结论

以教育部直属高校为研究对象，采用DEAMalmquist 指数方法，对2009—2016 年高校科研经费使用效率进行静态与动态相结合的评估分析。研究结果显示，我国各高校的科研经费使用效率相对较低，且呈现较强的波动性，与此同时，各高校间的科研经费使用效率存在明显差异。根据平均效率结果发现，知名度较高的高校易出现效率低下的现象。造成该现象的原因可能是因为知名高校科研经费拨入往往高于其他高校，造成其经费使用效率相对较低，又或者因为这些高校所涉及的高端研究领域难以在短期获得研究成果，致使经费投入期与成果产出期存在较大差距。

根据全要素生产率结果发现，各高校科研经费使用的全要素生产率多处于衰退态势，尽管技术效率具有一定的带动作用，但技术退步是导致研经费使用全要素生产率负向变动的主要原因。从地区分布来看，较中、西部地区而言，东部地区高校的科研经费使用状况相对较好，虽处于衰减趋势，但下降幅度最小。从具体高校来看，特色型高校科研经费使用的全要素生产率保持较高水平，相对其他综合性大学具有较强的优势。与此同时，这些高校全要素生产率的提升主要依赖于技术效率，而技术进步指数普遍较低，说明多数高校已开始有意识地提高其科研经费管理，但科研经费管理的制度条件、基础设施等方面有待进一步提升。