大数据时代高校科研经费绩效影响与审计思考

沈凡凡

【关键词】 科研经费; 绩效; 影响因素; 审计; 大数据

【中图分类号】 F239  【文献标识码】 A  【文章编号】 1004-5937（2022）03-0092-06

一、引言

中央审计委员会的成立对推进审计全覆盖总目标有着重要作用。在此方向指导下，各级审计机关正在围绕大数据技术建设审计信息化系统，实现数据的共享和集中存储[ 1 ]。当前，被审计单位的数据可达TB甚至PB级别，包括电子数据、文档数据及各类报表等结构化和非结构化大数据，如何利用大数据技术挖掘出潜在的审计业务风险已成为一个重要问题。

随着我国创新型国家战略的持续推进，科学研究项目与日俱增，高校作为教育体系和国家科技的重要组成部分，肩负着科研的重大使命和责任。为提高科研经费使用效益，高校科研经费审计成为学校管理的一项重要内容。近年来，高校科研经费进账逐年增加，并且经费的来源日趋多元化，经费管理越来越复杂。经费的预算执行和使用都呈现出非结构化特点，比如预算执行标准主要是文字文本类型的文件、经费的使用和报销为纸质凭证或电子凭证，种类繁多，共同构成高校科研经费审计大数据。这些多类型的数据使审计难度增大，审计效率降低。因此，通过高校科研经费绩效审计可以实现科研资源的合理配置，最终能够提高科研绩效产出[ 2 ]。

本文运用大数据视角分析方法，对高校科研经费绩效影响因素进行分析和研究，探寻影响高校科研绩效的重要因素，进而为审计重点提供依据。本文的学术贡献在于：一是探索大数据视角的科研数据分析框架、假设和模型;二是通过实证分析考察高校科研经费与科研资源投入产出之间的关系，揭示绩效水平低下的重要影响因素;三是展示大数据对分析高校绩效水平的作用，以及给出高校科研活动的审计建议对策，具有较强的可推广性和可操作性。

二、文献回顾

（一）大数据技术在审计中的应用

近年来，审计署和各级审计机关均在规划大数据技术在审计中的应用思路，理论界从不同角度探讨了大数据审计的应用方法。阳杰和应里孟[ 3 ]提出运用大数据思维方式挖掘审计线索，进而获取审计证据。彭冲等[ 4 ]提出利用海量交通管理大数据，探索大数据环境下的数据式绩效审计模式，通过理论和实务方式分析了审计实践的过程。牛艳芳等[ 1 ]提出审计大数据网络分析平台建设框架，并以实例说明财政资金的分析效果。陈伟[ 5 ]提出采用大数据技术进行业务连续性管理审计方法，包括大数据可视化分析和多数据源综合分析技术的应用。还有学者提出采用大数据审计构建模型，并通过数据活化模型解决PPP项目审计。

上述研究有助于理解大数据审计方法，但其视角局限于理论框架和模型探索，缺乏大数据技术的真实应用与分析。

（二）高校科研经费绩效审计研究

随着科研经费投入力度的增大，科研经费的管理和绩效产出越来越重要。许多学者从科研经费管理、科研绩效评价体系和影响绩效因素等角度进行了探讨。王杰敏[ 6 ]从科研经费管理的问题、原因和对策三方面进行了研究。戴露斯[ 7 ]从管理学视角分析了科研经费的管理制度、预算管理、经费使用过程管理等，提出多方位系统的科研经费管理对策建议。赵越瑶[ 8 ]采用专家访谈、问卷调查、层次分析法和模糊综合分析等方法建立绩效评价指标体系。吴清林[ 9 ]在经济性、效率性和效果性基础上构建了财会类科研经费绩效审计评价指标体系，并对东部、中部和西部的高校進行了分析。贾明春[ 2 ]从实证分析角度探讨了高校科研绩效影响因素。王海妮[ 10 ]运用模糊层次综合评价法，构建高校科研经费内部控制管理评价体系。贾敬全和汪佩霞[ 11 ]从科研投入、科研管理和科研成果等方面建立绩效评价体系，在此基础上运用模糊综合评价和层次分析法判别经费绩效。王昊[ 12 ]构建科研投入、科研运行和科研成果等科研绩效综合影响因素，通过单层、多级综合评价科研资金使用效率。胡百灵等[ 13 ]从科研经费、科研效率、社会评价和学习成长等角度探索科研绩效综合评价方法，认为应当加强科研绩效评价及管理。张川和张涛[ 14 ]将科研经费支出绩效分为科研经费使用绩效和科研单位经费管理绩效，使用问卷调查分析了预算控制影响因素，表明制度设计和内部监督对科研经费支出绩效具有显著正向影响。

上述研究表明，高校科研经费绩效的相关成果非常丰富，然而，从大数据视角进行分析和研究的并不多。因此，本研究将采用大数据分析技术，探寻高校科研经费绩效的影响因素，力图呈现大数据视角下的科研绩效分析和审计新思路，为实务界和理论界提供参考。

三、研究框架、理论假设与模型构建

（一）基于大数据视角的科研数据分析框架

在大数据环境下，高校科研经费绩效影响因素可以采用大数据技术实现对海量科研数据的深度提取和分析，从而发现新模型，并能根据时间的推移进行动态预测因素的变化。为此，本文构建了基于大数据视角的科研数据分析框架结构（如图1所示），包括基础数据源、大数据分析模型和数据可视化三部分。其中，基础数据源主要为科研经费绩效相关的数据，大数据分析模型为本文构建的模型假设，数据可视化是针对大数据技术提取的数据进行展示。

1.基础数据源

为了客观评价高校科研经费绩效情况，本文将选取研究者普遍使用的基础数据作为评价标准，数据来源将从历年公开数据集中获取，包括教育部科学技术司发布的《高等学校科技统计资料汇编》①数据和中国校友会网发布的《中国大学评价研究报告》②数据。对这些数据进行“清洗”，采用包括去除和补全缺失数据、修复错误内容、去除不需要的数据和关联性验证等大数据技术方法，进而获取历年数据中各个关键字段信息。其中，高校科技活动的数据包括科研人员数量、全时人员数量、科研经费拨入和支出额度、专著、学术论文、成果授奖的数量等。中国大学评价研究报告中的数据包括中国大学排名前100强排行榜和评分情况。

2.大数据分析模型

为了从海量基础数据源中发现审计疑点，构建基于数据挖掘的大数据分析模型，采用机器学习、人工神经网络、决策树和贝叶斯模型，实现对审计电子数据的分类、统计、关联规则学习、时间序列、回归、聚类等数据挖掘分析。

3.数据可视化

将基础数据源中的数据，通过大数据分析模型分析后，以多元化、图形化方式进行展示。从不同维度观察数据，对数据进行更深入分析，从而获取和发现审计疑点。

（二）理论假设提出

1.科技人力

科技人力包括教学与科研人员、研究与发展人员。其中，科研人员与全时人员是高校科技人力资源的核心力量，全国各大高校每年都在引进科研人员。根据关系绩效理论，关系绩效行为能够促进群体与组织绩效。当科研人员数量增多时，科研人员之间会有相互联系、相互协调、相互合作的行为。当这些行为发展到一定程度时，将会激发人员的科研创新水平，进而促进科研经费绩效的提升。另外，许多研究者也将科技人力列为绩效的主要影响因素。可见，高校科技人力的数量、质量决定高校的活力和发展水平，是实现高校服务社会的重要因素。因此，本文提出假设1、假设2。

H1：在其他条件相同情况下，高校科研人员的数量对科研经费绩效提升产生积极影响。

H2：在其他条件相同情况下，高校全时人员的数量对科研经费绩效提升产生积极影响。

2.科研经费

科研经费为高校科研活动提供必要的物质保障。科研活动的各个环节都需要经费的支撑。根据自我决定理论，在充分认识个人需要和环境信息的基础上，个体对自己行为做出自由选择。科研人员以科研成果规划为导向，为完成某项科研任务，在科研经费支出过程中会将经费用于与成果相关的业务。科研人员为完成科研活动，需要从多种渠道获取经费以支撑其研究活动。在内部动机、外部动机和个人需要相互作用下，科研经费绩效会逐渐产生。基于以上分析，科研经费的拨入和支出数额对科研成果及科技转换产生正向影响，进而促进科研经费绩效的提升。因此，本文提出假设3、假设4。

H3：在其他条件相同情况下，高校科研经费支出的额度对科研经费绩效提升产生积极影响。

H4：在其他条件相同情况下，高校科研经费拨入的额度对科研经费绩效提升产生积极影响。

3.科技成果

科技成果是高校科研活动过程中的產物，包括专著、学术论文和成果授奖等，是推动高校科研发展的重要手段，是衡量高校科研实力的重要指标。根据目标设置理论，科技成果的目标导向对科技人员有激励作用，并将其逐渐转化为自身需要。在科技成果的绩效考核下，科技人员会将专著、学术论文和成果授奖等外在激励设定为自身需要。当个体内在激励增强时，将会促进科研经费绩效的提升。基于上述分析，科技成果的数量对科研绩效提升产生正向影响。因此，本文提出假设5—假设7。

H5：在其他条件相同情况下，高校出版专著的数量对科研经费绩效提升产生积极影响。

H6：在其他条件相同情况下，高校发表学术论文的数量对科研经费绩效提升产生积极影响。

H7：在其他条件相同情况下，高校获得成果授奖的数量对科研经费绩效提升产生积极影响。

（三）模型构建

根据前述假设可知，科研经费绩效是由科研资源投入和科研资源产出共同构成的。科研资源投入是决定因素，科研资源产出是导向因素。科研资源投入包括科研人员、全时人员和科研经费支出等要素。科研资源产出包括专著、学术论文、成果授奖和科研经费拨入等要素。科研资源投入能够推动科研资源的产出形式不断演化与完善，同样，科研资源产出也会促进科研资源投入的发展和资源优化组合。在个人需要与外部动机的影响下，科研经费绩效呈现迭代式上升发展趋势。根据这些要素之间的相互关系，得到高校科研经费绩效影响因素关系模型，如图2所示。

四、基于大数据视角的分析

（一）大数据统计分析

为了评价高校科研经费绩效情况，用SPSS软件对2018年中国大学排行榜100强进行统计性分析，得到如表1所示的统计性结果。高校的评价总分值能反映高校的绩效水平，其最大值为100，最小值为62.84，平均分却仅有67.59，离最高分的距离较大。平均值的95%置信区间下限为66.23，上限为68.95。由此说明，高校科研经费的绩效水平较低。

高校评价的波动值包括方差47.17、标准偏差6.87、全距37.16。可见，方差较大，说明不同高校之间的科研水平相差较大，绩效水平低的高校需要重点审计和关注。全距较长，说明绩效水平最好的高校和绩效水平最低的高校之间差距较大。

统计性数据中偏度为2.65，大于0，说明数据的分布呈现非正态分布，表现为右偏，说明绩效水平较低的高校较多。统计性数据中峰度为8.59，大于0，反映数据分布曲线的陡峭程度较大，说明绩效水平高的高校和低的高校之间差距较大，导致数据分布陡峭。

综上可知，高校绩效水平整体偏低，说明其科研活动过程中存在一定问题，需要重点审计和发现审计疑点及问题。

（二）科研经费绩效与影响因素的线性回归分析

为了检验科研经费绩效水平和各个影响因素之间的关系，用SPSS软件对2018年中国大学排行榜100强和2017年高校科技活动情况中的7个自变量进行线性回归分析，其运行结果如表2、表3所示。

由表2可知，R方为0.467，说明拟合度效果较好。调整后R方为0.155，说明自变量对科研绩效水平的解释率为15.5%。标准估算错误为7.48406，说明自变量不能解释因变量的程度较低。综合分析，部分自变量和因变量之间关系密切，能够较好地解释它们之间的关系。

由表3可知，自变量与科研经费绩效之间的关联程度不一样，自变量科研人员的数量、研究与发展全时人员的数量、科研经费支出的额度、科研经费拨入的额度和专著数量的标准回归系数都是正数，说明科研绩效与这些变量是正相关的，即这些要素的投入越多，产出的绩效水平越高。可见，H5成立。另外，自变量学术论文的数量和成果授奖数量的标准回归系数为负数，说明科研绩效与这两个变量负相关，即学术论文的数量和成果授奖与科研绩效没有明显关系，H6和H7未通过检验。同时说明学术论文的数量和成果授奖数量偏少。

从显著性上看，科研经费的拨入和支出额度的显著性最强，说明科研经费对科研活动的实施非常重要，印证了科研经费绩效审计的重要性。专著和学术论文的显著性较弱，说明高校科研活动过程中这两项产出较低。

（三）科研经费绩效与科研资源投入的线性回归分析

为进一步探明科研经费绩效与科研资源投入之间的关系，用SPSS软件对绩效水平和科研资源投入的3个自变量做进一步线性回归分析，其运行结果如表4和表5所示。

由表4可知，R方为0.243，说明拟合度效果一般。调整后R方为0.101，说明自变量对科研绩效水平的解释率为10.1%。标准估算错误为7.72040，说明自变量不能解释因变量的程度较低。综合分析，部分自变量能够解释对因变量的影响。

由表5可知，科研资源投入自变量科研人员的数量、研究与发展全时人员的数量、科研经费支出的额度均与绩效水平相关。其中，科研人员的数量和科研经费支出额度的标准回归系数都是正数，说明科研绩效与科研人员和科研经费支出变量是正相关的，即科研人员的数量以及科研经费支出越多，产出的绩效水平越高。科研经费的有效支出能够激活科研人员的积极性，共同促进科研绩效的增长。同时，研究与发展全时人员数量的标准回归系数为负数，说明科研绩效与这个变量负相关，即研究与发展全时人员不是高校科研绩效产生的主要人员，仅为科研人员的补充和扩展，对科研绩效水平的提升没有显著影响。因此高校想通过扩充全时人员来提升科研绩效时，需谨慎考虑其带来的影响。

（四）科研经费绩效与科研资源产出的线性回归分析

为进一步探明科研经费绩效与科研资源产出之间的关系，用SPSS软件对绩效水平和科研资源产出的4个自变量做线性回归分析，其运行结果如表6和表7所示。

由表6可知，同前述分析一样，部分自变量能够解释对因变量的影响。

由表7可知，自变量科研经费拨入的额度和专著数量的標准回归系数都是正数，说明科研经费拨入和专著数量对绩效水平影响较重，即科研经费的拨入额度和出版专著数量越多，产出的绩效水平越高。高校可以扩展多种渠道，获取更多科研经费的拨入，进而促进经费绩效的转化。同时，学术论文的数量和成果授奖数量的标准回归系数为负数，说明科研绩效与这两个变量呈负相关，即学术论文的数量和成果授奖对科研绩效水平没有明显效果，也表明学术论文成果转化为成果授奖的数量偏少，高校在鼓励增加学术论文发表数量的同时，应更加注重论文的创新质量和产业化转化质量。

（五）科研经费绩效、科研资源投入、科研资源产出相关性检验

为探索科研经费绩效与科研资源投入、产出各变量间的关系，选取非参数检验中的Spearman检验方法，相关性检验结果如表8所示。当显著性水平为0.05时，科研经费绩效与科研人员、科研经费支出、科研经费拨入、专著显著正相关。这一点与回归分析（三）（四）中的结论非常吻合，进一步说明了检验结果的稳健性。结果表明，科研人员是绩效产生的主要动力，科研经费是科研活动实施过程中必备的资源，而专著成果对绩效产生有一定的贡献，这些因素可以作为选择性计量指标。

五、结论和审计建议

本文以海量科研电子数据为对象，从大数据视角分析和挖掘审计线索，深入探究绩效水平与高校科研资源投入产出之间的关键影响因素，可知优化各相关影响因素是提升高校科研绩效水平的重大探索。由此形成如下研究结论：

一是高校绩效水平整体偏低，不同高校之间的绩效水平差异较大。

二是高校科研人员数量、科研经费额度和专著出版数量的增加，对科研绩效的提升都有积极促进作用。

三是科研经费支出投入会激发科研人员的活力，科研经费支出和科研人员等科研资源的投入能促进科研绩效的提升。

四是科研经费拨入和专著等科研资源产出能反映科研绩效的提升，而学术论文和成果授奖却较少，说明科研经费虽然增加了，但科技成果的转化效率依然比较低。

综合实证分析的结论，本文提出如下审计建议：

一是完善高校科研经费内部审计制度，加大科研经费的资助力度，扩展经费来源渠道。通过大数据视角下的分析可知，科研经费拨入显著性水平为0.971，科研经费支出显著性水平为0.712。科研经费对学校各项事业的发展具有显著性作用。然而科研绩效水平提升效果并不明显，说明高校科研经费管理制度和资源配置存在问题，也反映出科研经费预算的执行效率很低。因此需要完善高校科研经费内部审计制度，明确经费使用权限范围，加强经费的监督，保证经费使用过程中按照规定支出，分析和审查科研经费产生的效益性。除此之外，高校应当整合各方面资源，扩展科研经费来源渠道，依托大数据技术推动弱势学科的经费投入。在保证经费充足的情况下，优化经费管理和使用制度，让内部审计贯穿科研经费使用的全过程，发挥科研经费使用的最大效益性。

二是强化科研人员激励约束体系，加强学术论文与成果授奖数量和质量引导。科研人员学术活动过程受审计部门监督和管理。通过学校科研情况审计，发现阻碍科研发展的突出问题，进而解决科研人员与各部门间的突出矛盾，营造良好的科研氛围。由于学术论文和成果授奖是科研活动过程中的重要产物，提升其质量和数量对高校绩效水平有着重要作用，而当前高校的学术论文和成果授奖产出较少，对绩效水平的贡献不大。因此，高校应当充分利用现有资源，制定合理的管理和激励机制，引导教师发表高水平论文，进而产生优秀的科技成果。

三是探索大数据审计创新模式，促进高校科研经费绩效水平与科研资源投入产出协同发展。科研资源的投入产出之间存在明显的失衡现象，同时高校的科研经费绩效水平整体偏低，为了快速分析和诊断出问题，大数据技术为审计工作提供了机遇和变革。高校审计工作应该推动高校科研经费审计大数据系统构建，通过运用大数据分析方法，以数据为驱动，探索建立大数据审计创新模式，深入挖掘可疑线索。通过快速审计的时效性，促进高校科研经费的监督与管理，完善制定合理的科研管理制度，在实践中探索绩效水平与科研资源投入产出的协同机制，保障科研活动过程的良性推进，促进高校科研经费绩效水平的提升。

【参考文献】

[1] 牛艳芳，薛岩，邓雪梅，等.审计大数据关联的网络分析平台构建及应用研究[J].审计研究，2018（5）：35-42.

[2] 贾明春，张鲜华.高校科研绩效影响因素分析及对审计工作的启示[J].审计研究，2013（3）：28-33.

[3] 阳杰，应里孟.大数据时代的审计证据与审计取证研究[J].财会月刊，2017（1）：115-124.

[4] 彭冲，胡重辉，陈希晖.大数据环境下的数据式绩效审计模式研究：以X市智慧停车规划与管理项目绩效审计为例[J].审计研究，2018（2）：24-31.

[5] 陈伟.基于大数据技术的BCM审计方法研究[J].会计之友，2019（11）：113-116.

[6] 王杰敏.新形势下高校科研经费管理存在的问题及对策研究[D].石家庄：河北师范大学博士学位论文，2016.

[7] 戴露斯.基于管理学视角下的我国高校纵向科研经费使用与管理的问题研究[D].武汉：华中师范大学博士学位论文，2017.

[8] 赵越瑶.X高校科研经费管理绩效评价指标体系构建研究[D].西安：西安外国语大学博士学位论文，2018.

[9] 吴清林.科研经费绩效审计评价体系构建及调研分析[J].财会通讯，2018（19）：94-97.

[10] 王海妮.高校科研经费内部控制管理绩效评价研究[J].会计之友，2020（1）：93-98.

[11] 賈敬全，汪佩霞.基于FCE-AHP方法的高校科研经费绩效评价研究[J].会计之友，2018（14）：115-120.

[12] 王昊.“课题制”背景下高校科研经费绩效评价[J].财会通讯，2016（20）：58-60.

[13] 胡百灵，赵子琪，方芳.“双一流”背景下高校科研绩效综合评价研究[J].中国高校科技，2020（Z1）：53-56.

[14] 张川，张涛.预算控制系统对科研经费支出绩效的影响[J].科研管理，2019，40（4）：135-144.