鄢 波等杜 軍陳彥亨

（1.廣東海洋大學(xué)管理學(xué)院，廣東湛江 524088；2.廣東海洋大學(xué)東盟研究院，廣東湛江 524088）

全國高校科技投入產(chǎn)出效率的DEA-Malmquist指數(shù)分析

鄢 波等1,2杜 軍1,2陳彥亨1

（1.廣東海洋大學(xué)管理學(xué)院，廣東湛江 524088；2.廣東海洋大學(xué)東盟研究院，廣東湛江 524088）

高校是科學(xué)研究的重要主力軍，探討高?？蒲猩a(chǎn)效率，并分析其中的不足之處，提出合理的建議是非常重要的。本文根據(jù)我國30個省份高校2009—2013年科技統(tǒng)計數(shù)據(jù)，采用DEA-Malmquist指數(shù)分析法，以技術(shù)效率、技術(shù)進(jìn)步效率、純技術(shù)效率、規(guī)模效率和全要素生產(chǎn)效率為指標(biāo)對全國30個省份高校科技投入產(chǎn)出效率進(jìn)行評價。研究結(jié)果表明，我國部分省、市高校的科技投入產(chǎn)出效率不足，在很大程度上是因為資源使用效率不足和受限于經(jīng)濟原因?qū)е峦度氩蛔?。最后針對存在的問題從改善高校的科研管理制度、擴大高校的科研規(guī)模、提升高校的科學(xué)技術(shù)水平等方面提出相關(guān)的對策和建議。

高校；科技投入產(chǎn)出效率；DEA-Malmquist指數(shù)；科研規(guī)模

1 引言

高校是我國科技創(chuàng)新的核心力量和重要組成部分，而高?？萍夹蕦φ麄€國家的科技進(jìn)步與科技發(fā)展將產(chǎn)生深刻的影響。從國內(nèi)學(xué)者對高校科研投人產(chǎn)出效率研究的范圍選擇來看，主要分為3個方面:一是以國家重點高校為決策單元進(jìn)行科技投人產(chǎn)出效率分析[1-7]；二是以個別省份的高校作為決策單元進(jìn)行科技投產(chǎn)出效率分析[8]；三是對不同地區(qū)的省、市、自治區(qū)高?？蒲行蔬M(jìn)行分析[9-11]。從各位學(xué)者的研究角度來看，高校的科技投人產(chǎn)出效率的評價從早期的僅僅只是定性分析逐漸過渡到定量分析上；從研究方法來看，評價高?？蒲行实闹笜?biāo)從單因素向全要素分析轉(zhuǎn)變，所采用的分析方法和模型也是多種多樣的，有的采用DEA的BCC和CCR分析，采用了DEA-Malmquist模型，有的采用隨機前沿分析方法[12]、因子分析法[13-14],

綜上所述，學(xué)者們所采用的樣本范圍多種多樣，有單一的重點高校，也有某一地區(qū)和整個國家層面的多層次分析。所采取的研究方法也不僅僅限于靜態(tài)的分析方法，更多的是采用反映高?？蒲兴降淖兓涂蒲行实淖儎于厔莸膭討B(tài)分析方法，越來越多的研究者采用DEA-Malmquist指數(shù)對科研效率進(jìn)行分析。但是大部分的學(xué)者所采用的數(shù)據(jù)比較老舊，而在2009之后科研數(shù)據(jù)指標(biāo)的選擇有較大的變化，在很大程度上影響到科研效率的評價，且對于全國各地區(qū)所提出的建議相對較少。所以，本文選取了2009—2013年全國30個省、直轄市、自治區(qū)高校的科研數(shù)據(jù)，采用DEA-Malmquist指數(shù)分析法，以技術(shù)效率、技術(shù)進(jìn)步、純技術(shù)效率、規(guī)模效率和全要素效率為標(biāo)準(zhǔn)，對各省份高?？蒲行蔬M(jìn)行分析，并提出建議。

2 DEA模型和DEA-Malmquist指數(shù)

2.1 DEA模型

此模型系美國運籌學(xué)家Charness和Cooper[15]提出，該模型以相對效率為基礎(chǔ)，加人了線性規(guī)劃等分析工具，是一種面對在多投人和多產(chǎn)出情況下如何評價決策單元相對效率的非參數(shù)方法。由于科技活動是多投人、多產(chǎn)出，而DEA模型能夠在保持決策單元投人與產(chǎn)出不變的情況下直接計量不同單位的指標(biāo)并排序，然后提供未達(dá)到DEA無效的各項指標(biāo)的多余量。假設(shè)被評價體系中存在許多需要評價的決策單元 DMUi（i=1, 2, …, n），每個決策單元都有m種科技投人和p種科技輸出作為評價指標(biāo)體系的基本元素。用表示i個決策單元DMUi的輸人，用表示科技輸出，表示其權(quán)重，且滿足，所以第i個決策單元的效率評價指數(shù)為

對于第i0個決策單元進(jìn)行效率評價，h0越大，說明該地區(qū)高?？捎幂^少的科技投入獲得較多的產(chǎn)出。對于決策單元 DMU0進(jìn)行效率評價，選取適當(dāng)?shù)臋?quán)重u并在各評價指數(shù)小于等于1的條件下，使h0達(dá)到最大值。構(gòu)造CCR優(yōu)化模型：

式（2）為分式規(guī)劃模型，通過Charess-Coope變換將分式規(guī)劃模型轉(zhuǎn)換為線性規(guī)劃模型。利用線性規(guī)劃最優(yōu)解定義高?？萍纪度氘a(chǎn)出的有效性，同時，給予線性規(guī)劃的對偶理論，利用對偶模型進(jìn)行深入分析。

引入松弛變量s?、s+（s?≥ 0，s+≥ 0）和非阿基米德無窮小量ε，建立線性規(guī)劃模型：

在式（3）中，ε大于零且小于任何正數(shù)；輸入輸出松弛向量分別為：

（1）若0θ＜1，則表示該省高?？萍纪度氘a(chǎn)出效率為非DEA有效，所以不是規(guī)模效率最佳，也不是純技術(shù)效率最佳，要適當(dāng)調(diào)整。

（2）若0θ=1，，則意味該省高?？萍纪度水a(chǎn)出效率為弱DEA有效，即在投人 x0不變時可將產(chǎn)出提高s+，或?qū)⑼度藊0減少s?而保持原產(chǎn)出不變，則說明科技投人產(chǎn)出活動不能同時滿足規(guī)模最佳和技術(shù)最佳。

（3）若滿足0θ=1，，則說明該省高?？萍纪度水a(chǎn)出為DEA有效，即在投人 x0不變的基礎(chǔ)上獲得最優(yōu)產(chǎn)出值 y0，則表示科技投人產(chǎn)出活動能同時滿足規(guī)模有效和技術(shù)有效。

2.2 DEA-Malmquist指數(shù)

瑞典經(jīng)濟學(xué)家和統(tǒng)計學(xué)家Sten Malmquist于1953年提出了馬爾奎斯指數(shù)（Malmquist Index）[16]，后經(jīng)Caves, Christensent和Diewert（1982）、Fare等（1994）發(fā)展成為測度生產(chǎn)效率的Malmquist指數(shù)。

Fare等（1994）把Malmquist指數(shù)定義如下:

Fare等[17]最早是將Malmquist指數(shù)分為技術(shù)進(jìn)步和技術(shù)效率，后來又將技術(shù)效率變化指數(shù)分解為純技術(shù)效率指數(shù)和規(guī)模效率指數(shù)。運用公式可以表示為:M=effch×techch=pech×sech×techch。其中M為全要素生產(chǎn)率，effch為技術(shù)效率指數(shù)，techch技術(shù)進(jìn)步指數(shù)，pech為純技術(shù)效率指數(shù)，sech為規(guī)模效率指數(shù)。如果M＞1時，表示從t時期到t+1時期，全要素生產(chǎn)率水平提高，如果M=1時則沒有變化，反之M＜1時則下降。

3 評價指標(biāo)選取、數(shù)據(jù)來源和評價方式

國內(nèi)學(xué)者提出的高校科技投人產(chǎn)出指標(biāo)如表1所示。本文在此基礎(chǔ)上選取的投人和產(chǎn)出指標(biāo)如下。

科技投人指標(biāo)一般選取R&D經(jīng)費、R&D人力資源。R&D具體指科學(xué)研究與試驗發(fā)展，而R&D經(jīng)費的投人量則反映了一個國家對提升科技競爭力和國家綜合國力的重視程度。R&D經(jīng)費主要分為內(nèi)部支出，R&D經(jīng)費內(nèi)部支出主要應(yīng)用在基礎(chǔ)研究、應(yīng)用研究和實驗發(fā)展3個方面。此外，除了R&D經(jīng)費內(nèi)部支出還有科研項目經(jīng)費的支出。而R&D人力資源的投人主要包括了R&D全員當(dāng)時人用量。

科研產(chǎn)出包括發(fā)表的科技論文、科技著作、申請的專利數(shù)、專利所有權(quán)轉(zhuǎn)讓收人和科研課題數(shù)這5項指標(biāo)。其中，科技論文和科技著作反映了科研水平，科研課題數(shù)也在一定程度上反映了大學(xué)的科研服務(wù)能力，專利申請數(shù)和專利所有權(quán)轉(zhuǎn)讓收人強調(diào)科技創(chuàng)造力對促進(jìn)科技成果市場化、產(chǎn)業(yè)化以及經(jīng)濟發(fā)展的作用。本文選取了專利申請數(shù)和專利所有權(quán)轉(zhuǎn)讓收人作為科技產(chǎn)出指標(biāo)。

表1 國內(nèi)學(xué)者提出的高?？萍纪度氘a(chǎn)出指標(biāo)列表

本文的數(shù)據(jù)來自于2009—2013年的《中國科技統(tǒng)計年鑒》和《高等學(xué)?？萍冀y(tǒng)計年鑒》。。根據(jù)我國的地理環(huán)境因素和經(jīng)濟發(fā)展水平將30個省、市和自治區(qū)（不含西藏、香港、澳門、臺灣）劃分為東、中、西三大地區(qū)。

關(guān)于對科技投人產(chǎn)出效率的評價，至今主要有3種方法:一是利用線性回歸的方法建立起生產(chǎn)函數(shù)，以此確定各項投人因素對產(chǎn)出的影響以及貢獻(xiàn)率；二是利用數(shù)據(jù)包分析方法（即DEA）；三是對生產(chǎn)過程進(jìn)行拆分，對每項過程進(jìn)行仔細(xì)的分析。上述方法各有其優(yōu)缺點，第一種方法雖然能對評價對象進(jìn)行描述，但是需要保證各變量之間不存在較強的相關(guān)性，如果在建立多元線性回歸分析中，眾多變量存在高度的多重共線性，那么會對回歸方程的參數(shù)估計造成誤差，導(dǎo)致回歸方程參數(shù)不正確，整個模型無效。另外，回歸線性分析主要是運用在多投人對單產(chǎn)出的問題分析上，而對于研究多投人與多產(chǎn)出的效率問題時則不太合適。第二種DEA分析方法能夠有效彌補回歸線性方法的不足，但是僅僅是分析了相對效率的有效，對于各因素不能進(jìn)行仔細(xì)的分析。第三種方法雖然能對各因素進(jìn)行仔細(xì)分析，但是所耗費的時間和精力過多。綜合各方法的優(yōu)缺點，并根據(jù)研究對象是多投人與多產(chǎn)出的特點，本文選擇數(shù)據(jù)包分析方法（DEA）進(jìn)行效率評價。

所采用的數(shù)據(jù)處理軟件是SWAP 2.1，采用的分析方法是投人導(dǎo)向的方法。

4 實證分析

4.1 2009—2013年高校科技投入產(chǎn)出全要素效率

根據(jù)我國30個省、直轄市和自治區(qū)高等學(xué)校5年的面板數(shù)據(jù)，運用DEA-Malmquist指數(shù)分析方法，計算得出年度平均的高?？萍纪度水a(chǎn)出全要素生產(chǎn)率（表2和圖1）。

通過表2 可以看出，2009—2013年全國高校平均全要素生產(chǎn)效率指數(shù)為0.985，而在2010—2011年全要素效率指數(shù)大于1，其他年份則小于1，說明只有在2011年全國高校的科技投人產(chǎn)出全要素生產(chǎn)率得到提高，其他年份則是下降的趨勢。其平均全要素增長率指數(shù)為0.83%，效率并沒有得到較大的提高。其中，平均技術(shù)效率指數(shù)為1.038，平均增長率為-1.42%，由此可知，技術(shù)效率呈現(xiàn)下降的趨勢。而技術(shù)效率指數(shù)是由純技術(shù)效率和規(guī)模效率組成。平均純技術(shù)效率指數(shù)為1.015，平均增長率為-1.33%；平均規(guī)模效率指數(shù)為1.023，平均增長率為-0.07%。由此可知，技術(shù)效率的增長率下降的原因為純技術(shù)效率和規(guī)模效率的下降，其中純技術(shù)效率的下降幅度更大，影響程度更深。而平均技術(shù)進(jìn)步指數(shù)為0.909，效率沒有得到提高，其中增長率2.23%。平均技術(shù)效率指數(shù)、平均純技術(shù)效率、平均規(guī)模指數(shù)達(dá)到了1以上。由此可以看出，平均全要素效率指數(shù)之所以小于1很大程度上是受到了平均技術(shù)進(jìn)步指數(shù)的影響，而其他指數(shù)都呈現(xiàn)下降趨勢，只有技術(shù)進(jìn)步指數(shù)增長率提高，所以可以知道，全要素效率的增長率提高是受到技術(shù)進(jìn)步效率提高的影響。

表2 2009—2013年年度平均DEA-Malmquist全要素生產(chǎn)效率及其分解

圖1 2009—2013年年度平均DEA-Malmquist全要素生產(chǎn)效率及其分解圖

從圖1可以進(jìn)一步得出高?？萍既厣a(chǎn)效率提高的原因。從圖1可以很明顯地看出，在2009—2013年全要素生產(chǎn)指數(shù)與技術(shù)進(jìn)步指數(shù)的變動趨勢基本上是一致的。當(dāng)技術(shù)進(jìn)步效率指數(shù)小于1或者大于1時，全要素生產(chǎn)指數(shù)則同時大于1或者小于1；相反，當(dāng)技術(shù)效率指數(shù)、純技術(shù)效率指數(shù)和規(guī)模效率指數(shù)大于1或者小于1時，全要素生產(chǎn)指數(shù)并沒有同時大于1或者是小于1。這就說明，高校技術(shù)進(jìn)步效率在很大程度上影響著我國高等教育全要素效率，或者是說技術(shù)效率、規(guī)模效率、純技術(shù)效率對全要素效率的影響要遠(yuǎn)遠(yuǎn)小于技術(shù)進(jìn)步效率。

4.2 不同地區(qū)的高?？萍纪度氘a(chǎn)出全要素效率

從表3可以看出，在2009—2013年我國東部地區(qū)的平均全要素生產(chǎn)效率指數(shù)為0.968，小于1說明我國東部地區(qū)高校在這4年生產(chǎn)效率并沒有得到提高，技術(shù)進(jìn)步效率指數(shù)為0.948，而技術(shù)效率和規(guī)模效率指數(shù)大于1，所以生產(chǎn)效率的降低主要是由技術(shù)進(jìn)步效率的降低所致。而在東部地區(qū)中全要素生產(chǎn)效率指數(shù)小于1的地區(qū)有天津、河北、遼寧、廣東、海南和福建。其中，福建省全要素生產(chǎn)效率指數(shù)最低，為0.655。通過分解，可以知道，福建省技術(shù)效率、純技術(shù)效率和規(guī)模效率等于1，而技術(shù)進(jìn)步效率指數(shù)為0.665，是整個地區(qū)最低數(shù)。因為技術(shù)進(jìn)步效率降低導(dǎo)致了全要素生產(chǎn)效率降低，所以該省在技術(shù)創(chuàng)新和進(jìn)步方面嚴(yán)重不足，需要加大對科技資源的合理配置，提高該地區(qū)的高校科研管理水平，提高素質(zhì)人才在科技當(dāng)中的投人，并且要提高科學(xué)技術(shù)成果向市場轉(zhuǎn)化的能力。

中部地區(qū)高校的全要素效率指數(shù)大于1，則說明該地區(qū)高校科研投人產(chǎn)出效率整體上得到提高，但是可以看到，山西、內(nèi)蒙古、河南3個地區(qū)全要素效率指數(shù)小于1，這說明這3個地區(qū)生產(chǎn)效率降低。通過要素分解可以知道，這3個地區(qū)生產(chǎn)效率降低原因在于技術(shù)進(jìn)步效率指數(shù)小于1，從而限制了全要素生產(chǎn)效率的提高，這與之前的結(jié)論分析相吻合。

表3 2009—2013年我國各地區(qū)高?？萍纪度氘a(chǎn)出DEA-Malmquist生產(chǎn)率指數(shù)及其分解

西部地區(qū)高校的全要素生產(chǎn)效率指數(shù)小于1，這說明該地區(qū)高?？萍纪度水a(chǎn)出效率整體上是呈下降趨勢。其中，云南、青海、寧夏和新疆4個省份全要素下降的原因則在于技術(shù)進(jìn)步效率下降，從而限制了全要素生產(chǎn)效率的提高。所以解決的辦法與東部地區(qū)和西部地區(qū)高校類似，都是要提高該地區(qū)高校的技術(shù)水平，提高高技術(shù)人才在科技投人中的比例。

4.3 我國高?？萍纪度氘a(chǎn)出靜態(tài)分析比較

表4 2013年我國各地區(qū)高?？萍纪度氘a(chǎn)出效率結(jié)果分析

本文選取我國30個省份2013年高?？萍纪度水a(chǎn)出數(shù)據(jù)，利用DEA方法對各省市的高?？萍纪度水a(chǎn)出效率進(jìn)行靜態(tài)比較分析。應(yīng)用軟件Deap 2.1進(jìn)行數(shù)據(jù)處理后得到表4的分析結(jié)果。

從表4可以看出，我國高校在2013年的科技投人產(chǎn)出技術(shù)效率為0.861小于1，分解為純技術(shù)效率和規(guī)模效率分別為0.906和0.951。在30個省份中，DEA有效的為13個省份，而在17個省份DEA無效中有10個省份是由純技術(shù)效率和規(guī)模效率無效共同影響，有7個省份因為規(guī)模效率導(dǎo)致技術(shù)效率無效。有15個省份處于規(guī)模遞增階段，有2個省份處于規(guī)模遞減階段。在純技術(shù)效率無效的情況下，該地區(qū)高校應(yīng)合理配置科研人員和科研經(jīng)費等要素的投人。對于規(guī)模效率無效，則應(yīng)該區(qū)別兩種情況，一是對于處于規(guī)模報酬遞增階段的地區(qū)，高校應(yīng)該增加科技投人量來提高科技技術(shù)效率水平；二是對于處于規(guī)模報酬遞減階段的地區(qū)，高校應(yīng)該調(diào)整投人要素量和結(jié)構(gòu)。

5 結(jié)論與對策建議

5.1 結(jié)論

本文采用Malmquist指數(shù)分析2009—2013年我國30個省份高校的科技投人產(chǎn)出，并以技術(shù)效率、技術(shù)進(jìn)步指數(shù)、純技術(shù)效率、規(guī)模效率和全要素生產(chǎn)效率為指標(biāo)進(jìn)行評價，得出了以下的結(jié)論。

（1）2009—2013年全國高校平均全要素生產(chǎn)效率指數(shù)為0.985，而在2010—2011年全要素效率指數(shù)大于1，其他年則小于1，說明只有在2011年全國高校的科技投人產(chǎn)出全要素生產(chǎn)率得到提高，其他年份則是呈下降的趨勢。其平均全要素增長率指數(shù)為0.83%，效率并沒有得到較大的提高。其中，平均技術(shù)效率指數(shù)為1.038，平均增長率為-1.42%，平均技術(shù)進(jìn)步指數(shù)為0.909，效率沒有得到提高，其中增長率2.23%。技術(shù)進(jìn)步效率的提升或者降低是影響高?？萍纪度水a(chǎn)出效率的主要原因。

（2）東部地區(qū)的平均全要素生產(chǎn)效率指數(shù)為0.968，小于1則說明我國東部地區(qū)高校在這4年間生產(chǎn)效率并沒有得到提高，中部地區(qū)高校的全要素效率指數(shù)大于1，則說明該地區(qū)高校科研投人產(chǎn)出效率整體上得到提高，西部地區(qū)高校的全要素生產(chǎn)效率指數(shù)小于1，則說明該地區(qū)高?？萍纪度水a(chǎn)出效率整體上是下降的。呈現(xiàn)的科研創(chuàng)新效率的局面是中部地區(qū)高于西部地區(qū)，西部地區(qū)高于東部地區(qū)。

（3）我國大部分高校地區(qū)的都處于DEA無效，主要原因在于規(guī)模效率沒有得到提高，并且非DEA地區(qū)高校大部分處于規(guī)模遞增的階段。所以擴大我國高校的科研規(guī)模是提升我國高?？蒲型度水a(chǎn)出效率的重要途徑。

（4）無論是東部、中部和西部地區(qū)的高校，科技進(jìn)步效率的提高是促進(jìn)科研效率增長的最主要因素，為此應(yīng)該提高高?？蒲腥藛T的科研素質(zhì)，改善高校科研政策和管理機制，為科研人員提供良好的科研環(huán)境是提升科技進(jìn)步效率的途徑。

5.2 對策建議

基于以上的分析結(jié)果，提出了以下幾點建議。

第一，改善高校的科研管理制度，30個省份高校的純技術(shù)效率都接近1，而純技術(shù)效率指數(shù)是與管理水平的高低相關(guān)，為此高校應(yīng)該改善科研管理體制，應(yīng)從以下4個方面著手:一是根據(jù)高校科研活動的主要目標(biāo)對每位科研人員進(jìn)行詳細(xì)的分析，把每位科研人員安排到適合其的崗位上，提高科研人員效率。二是要制定合理的科研獎勵機制和人才評價制度，將科研成果與晉升制度相聯(lián)系，多方面激發(fā)科研人員的潛能，最大程度地提升科研人員的工作積極性，從而提升高校的整體管理水平。三是要改善高校的科研資源管理制度，根據(jù)科研項目的具體情況對科研資源進(jìn)行合理的分配，對各項科研資金的使用情況進(jìn)行嚴(yán)格的監(jiān)督及審查，使各項科研資源得到充分利用，從而提高整體的科研效率。四是要建立科學(xué)合理的科研考核制度，重點突出創(chuàng)新導(dǎo)向，構(gòu)建體系完善、標(biāo)準(zhǔn)合理、切實可行的科研考核制度，以發(fā)揮高?？蒲谢顒拥膶?dǎo)向作用。

第二，擴大高校的科研規(guī)模，大部分高校之所以處于DEA無效狀態(tài)，主要原因在于規(guī)模效率沒有提高，而規(guī)模效率與科研要素投人量和投人結(jié)構(gòu)相聯(lián)系。高?？蒲薪?jīng)費大部分來自政府投人，而對于企業(yè)和國外的資金所占的比例相對較小。為了改善高?？蒲薪?jīng)費投人結(jié)構(gòu)，降低對政府的依賴，擴大高?？蒲幸?guī)模，應(yīng)從以下兩個方面著手:一是高校應(yīng)該加強構(gòu)建企業(yè)和高校之間的交流平臺。這種平臺不單單是商業(yè)上的交流，還應(yīng)當(dāng)加強文化和學(xué)術(shù)以及最新的科研動態(tài)等信息的溝通。這有利于向企業(yè)籌集大量的科研資金，擴大科研規(guī)模。二是要調(diào)整高校R&D經(jīng)費的支出結(jié)構(gòu)?？蒲薪?jīng)費的支出結(jié)構(gòu)會影響到科研規(guī)模效率，高?？蒲薪?jīng)費的支出主要包括基礎(chǔ)研究、應(yīng)用研究和實驗發(fā)展。對于基礎(chǔ)研究和應(yīng)用研究的投人更多的是理論上的提升，而將理論運用到實踐中創(chuàng)造出更多富有價值的科研技術(shù)和產(chǎn)品，就需要加大對試驗發(fā)展的投人。為此，在實施創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略的背景下，高校應(yīng)該提高對試驗發(fā)展的支出比例，調(diào)整高校R&D經(jīng)費支出比例。只有這樣才能同時提高科研理論能力和實踐科研成果發(fā)明創(chuàng)造能力[18]。

第三，提升高校的技術(shù)水平，建立科學(xué)的產(chǎn)學(xué)研體系。科研技術(shù)進(jìn)步效率與科研效率呈現(xiàn)同步發(fā)展的趨勢，所以技術(shù)水平的發(fā)展起到至關(guān)重要的作用。為此，應(yīng)提高高校的科研水平，制定符合高校科技發(fā)展的戰(zhàn)略。具體包括引進(jìn)高水平的技術(shù)人才，改善科研環(huán)境結(jié)構(gòu)，改善科研辦公設(shè)施，提升高校的資源合理配置水平。另外，為了提升科技水平，應(yīng)加強與企業(yè)的交流與合作，建立科學(xué)的產(chǎn)學(xué)研體系。高校應(yīng)制定“走出去”戰(zhàn)略，構(gòu)建與企業(yè)交流的平臺，與所在地區(qū)的企業(yè)建立互通互信機制，有針對性地完成符合當(dāng)?shù)仄髽I(yè)的科研任務(wù)并向企業(yè)推廣，從而加快優(yōu)秀科技成果市場化。經(jīng)過多年發(fā)展，高校和企業(yè)能夠形成長效的合作機制，將高校的科研優(yōu)勢與企業(yè)的技術(shù)創(chuàng)新緊密結(jié)合在一起，提升高?？萍妓剑苿诱w科技創(chuàng)新效率的提高[19]。

[1]胡慶江, 何瑋佳, 柳銳.基于DEA的“985工程”院校科研績效評價[J].科技進(jìn)步與對策, 2011, 28(19):135-139.

[2]陳立泰, 梁超, 饒偉.西部地區(qū)省部共建211高?？蒲行试u價[J].科技管理研究, 2012(6): 45-48.

[3]田東平, 苗玉鳳, 崔瑞鋒.我國重點高校科研效率的DEA分析[J].科技管理研究, 2005 (8): 42-44.

[4]姜育林, 王友強.985高校管理學(xué)科投人產(chǎn)出效率評價實證研究[J].科技進(jìn)步與對策, 2009, 26(22): 193-196.

[5]符銀丹, 陳士俊, 陳衛(wèi)東.基于DEA的我國“985”高?？萍纪度水a(chǎn)出效率分析[J].天津大學(xué)學(xué)報(社會科學(xué)版), 2012, 14(2): 128-132.

[6]FOLTZ Jeremy, BARHAM Bradford, CHAVAS Jean-Paul, et al. Ef fi ciency and technological change at US research universities[J].Journal of Productivity Analysis, 2012, 37(2): 171-186.

[7]PARTEKA Aleksandra, WOLSZCZAK-DERLACZ Joanna. Dynamics of productivity in higher education: cross-European evidence based on bootstrapped Malmquist indices[J].Journal of Productivity Analysis,2013, 40(1): 67-82.

[8]崔維軍, 張薇薇, 張?zhí)於?江蘇省高?？蒲行试u價研究: 1999-2007[J].科技管理研究, 2012(4): 73-76.

[9]姜彤彤, 武德昆.基于Malmquist指數(shù)的高等學(xué)校科技創(chuàng)新全要素生產(chǎn)率研究[J].中國科技論壇, 2012(5):79-84.

[10]張惠琴, 尚甜甜.高?？蒲袆?chuàng)新效率對比分析-基于全國30個省份的面板數(shù)據(jù)[J].科研管理, 2015, 36(1):181-186.

[11]馮光娣, 陳珮珮, 田金方.基于DEA-Malmquist方法的中國高?？蒲行史治?來自30個省際面板數(shù)據(jù)的經(jīng)驗研究[J].天津財經(jīng)大學(xué)學(xué)報, 2012(9): 61-73.

[12]蘇濤永, 高琦.基于隨機前沿分析的高校創(chuàng)新效率及差異研究[J].預(yù)測, 2012(6): 61-82.

[13]王光平, 金浩.基于因子分析的高?？萍紕?chuàng)新能力的實證分析[J].河北師范大學(xué)學(xué)報(哲學(xué)社會科學(xué)版),2008(4): 48-51.

[14]李瑛, 崔宇威.地方高?？萍紕?chuàng)新效率評價: 基于超效率的三階段DEA分析[J].東北師范大學(xué)報(哲學(xué)社會科學(xué)版), 2011(2): 177-181.

[15]CHARNES A, COOPER W W, GOLANY B, et al.Foundations of data envelopment analysis for Pareto koop-mans ef fi cient empirical production functions[J].Journal of Econometrics, 1985, 30(1): 91-107.

[16]MALMQUIST S. Index numbers and indifference surfaces[J].Tradajos de Estadistica, 1953, 4(2): 209-242.

[17]FARE R, CROSSKOPF S, NORRIS M, et al. Productivity growth, technical progress and ef fi ciency changes in industrialized countries[J].American Economic Review, 1994(84): 66-84.

[18]唐清泉, 李海威.我國產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級的內(nèi)在機制研究:基于廣東R&D投人與產(chǎn)業(yè)結(jié)構(gòu)的實證分析[J].中山大學(xué)學(xué)報(社會科學(xué)版), 2011, 51(5): 191-199.

[19]段聯(lián)合, 楊帆.美國R&D經(jīng)費投人強度分析及對我國的啟示[J].中國科技論壇, 2008, (10): 121-125.

Analysis by DEA-Malmquist Index for the Science and Technology Input-Output Ef fi ciency in Chinese Universities

YAN Bo1,2, DU Jun1,2, Chen Yanheng1
（1. Management School of Guangdong Ocean University, Zhanjiang 524088; 2.Asean Research Institute of Guangdong Ocean University, Zhanjiang 524088）

College is an important force in scientific research, it is very important to discuss production e ffi ciency of scienti fi c research in universities, analyze the de fi ciency and put forward reasonable suggestions.The paper, according to 30 provinces of our country based on the technology of the university in 2009-2013 statistical data as the foundation, uses DEA-Malmquist index analysis method, and carries on evaluation of the science and technology input-output e fficiency of colleges in 30 provinces as an index in order to the technical e ffi ciency, technology e ffi ciency, pure technical e ffi ciency,scale e ffi ciency and total factor productivity.The research results show that science and technology input-output e ffi ciency of the part of the province-city university is insu ffi cient, in large part, because of insu ffi cient resources use e ffi ciency and limited by economic reasons lead to inadequate investment. Finally countermeasures and suggestions are given to further improvethe university scienti fi c research management system, enlarge the scale of colleges and universities in scienti fi c research, and promote the science and technology level of colleges and universities etc. in it.

colleges and universities, science and technology input-output efficiency, DEA-Malmquist index,scienti fi c research scale

F061；F062.9

A

10.3772/j.issn.1674-1544.2017.04.010

鄢波（1979—），女，廣東海洋大學(xué)管理學(xué)院副教授，碩士生導(dǎo)師，博士，研究方向:財務(wù)與會計、技術(shù)經(jīng)濟及管理；杜軍（1977—），男，廣東海洋大學(xué)管理學(xué)院教授，碩士生導(dǎo)師，海上絲綢之路研究所所長，博士，研究方向:海洋經(jīng)濟管理、教育與科技管理（通訊作者）；陳彥亨（1991—），男，廣東海洋大學(xué)管理學(xué)院碩士研究生，研究方向:科技管理。

廣東省普通高校人文社會科學(xué)研究項目 “廣東地方高校科研激勵與約束機制比較研究”（2013WYXM0052）；廣東省高等教育教學(xué)研究和改革項目“基于大學(xué)生創(chuàng)新創(chuàng)業(yè)能力培養(yǎng)的工商管理專業(yè)課堂教學(xué)與實踐教學(xué)改革研究”（GDJG20142243）；廣東省級專業(yè)綜合改革試點項目“工商管理”（GDOU2013040403）；廣東省級教育教學(xué)成果獎培育項目“面向涉海行業(yè)的工商管理專業(yè)綜合改革與實踐”（GDOU2014040633）。

2017年4月2日。