查道林， 陳 思， 楊 茜

(1.華中師范大學(xué)， 武漢 430070；2.北京化工大學(xué) 經(jīng)濟(jì)管理學(xué)院， 北京 100029；3.中國(guó)地質(zhì)大學(xué) 出版社， 武漢 430074)

一、引言

2017年，我國(guó)首輪世界一流大學(xué)和世界一流學(xué)科高校名單公布，其中世界一流大學(xué)建設(shè)高校42所，世界一流學(xué)科建設(shè)高校140所；2021年3月，教育部、財(cái)政部、國(guó)家發(fā)展改革委聯(lián)合印發(fā)《“雙一流”建設(shè)成效評(píng)價(jià)辦法(試行)》，明確“雙一流”建設(shè)成效評(píng)價(jià)以中國(guó)特色、世界一流為核心，其中科學(xué)研究評(píng)價(jià)要突出原始創(chuàng)新和重大突破，考察建設(shè)高校提高科技創(chuàng)新水平的主要舉措，對(duì)我國(guó)高校的科技創(chuàng)新提出了更高的要求。2021年9月，習(xí)近平總書記在中央人才工作會(huì)議上再次強(qiáng)調(diào)，發(fā)揮高水平研究型大學(xué)的國(guó)家隊(duì)作用，有力支撐國(guó)家高水平科技自立自強(qiáng)。因此，在推進(jìn)第二輪“雙一流”建設(shè)和加快建設(shè)科技強(qiáng)國(guó)，實(shí)現(xiàn)高水平科技自立自強(qiáng)的背景下，研究“雙一流”建設(shè)高校科研效率及影響因素顯得十分重要。

考察現(xiàn)有高?？蒲行实难芯?，主要集中在科研效率的測(cè)算和影響因素兩個(gè)方面。目前，測(cè)算高校科研效率主流評(píng)價(jià)方法是數(shù)據(jù)包絡(luò)分析法(DEA模型)，該方法能夠很好地評(píng)價(jià)具有多投入多產(chǎn)出特征的決策單元間相對(duì)效率。如Ahn，Charn和Cooper運(yùn)用DEA的傳統(tǒng)模型(C2R和C2B模型)對(duì)美國(guó) 161 所大學(xué)的效率進(jìn)行了評(píng)價(jià)，發(fā)現(xiàn)公立大學(xué)較私立大學(xué)效率更高[1]；Flegg等以英國(guó)45所大學(xué)為研究對(duì)象，采用DEA方法對(duì)其綜合技術(shù)效率、純技術(shù)效率和規(guī)模效率進(jìn)行了詳細(xì)分析[2]；國(guó)內(nèi)運(yùn)用傳統(tǒng)模型評(píng)價(jià)方法的學(xué)者有張清海 等[3]、談毅[4]等人。由于傳統(tǒng)模型無法對(duì)效率值為1的決策單元進(jìn)行排序和比較，經(jīng)過改進(jìn)后出現(xiàn)了超效率SE-DEA模型、Super-SBM模型、Bootstrap-DEA模型等。采用超效率DEA模型的有宗曉華 等[5]和賈冰 等[6]，超效率模型雖然解決了傳統(tǒng)模型的局限性，但容易受到極值的影響，放大效率的差異性。黃建國(guó) 等運(yùn)用Super-SBM分析方法，也就是超效率模型和SBM模型的結(jié)合，解決了效率值差異較大的問題，但對(duì)樣本的規(guī)模報(bào)酬有一定的限制條件[7]；劉巍 等[8]、王甲旬 等[9]使用Bootstrap-DEA方法，該方法可以進(jìn)行穩(wěn)健性檢驗(yàn)，測(cè)算結(jié)果較為可靠。同時(shí)，DEA方法結(jié)合Malmquist指數(shù)法也比較常見。Malmquist 指數(shù)廣泛應(yīng)用于測(cè)算多年的效率動(dòng)態(tài)變化的研究，如Parteka 采用Malmquist指數(shù)法對(duì)2001—2005年歐洲7個(gè)國(guó)家266所公立高等教育機(jī)構(gòu)的科研效率進(jìn)行分析，發(fā)現(xiàn)各國(guó)效率差異顯著，意大利、德國(guó)和瑞士的生產(chǎn)率增長(zhǎng)明顯快于其他國(guó)家[10]。

基于測(cè)算出的高?？蒲行剩梢赃M(jìn)一步分析影響科研效率的因素。戴萬亮 等通過研究我國(guó)31個(gè)省域的高?？蒲行?，認(rèn)為政府支持不足及高校科研的市場(chǎng)導(dǎo)向性不足是導(dǎo)致高?？蒲行瘦^低的主要原因[11]；劉天佐 等對(duì)不同區(qū)域高校科研投入產(chǎn)出績(jī)效進(jìn)行實(shí)證研究，發(fā)現(xiàn)高校教師職稱結(jié)構(gòu)、教育投入與科研效率呈顯著正相關(guān)，具備正高級(jí)職稱教師越多，區(qū)域政府對(duì)教育越重視，則該地區(qū)高?？蒲行试礁遊12]；汪彥 等研究發(fā)現(xiàn)，科研經(jīng)費(fèi)的持續(xù)投入對(duì)上海高?？蒲袆?chuàng)新效率產(chǎn)生了顯著的負(fù)面影響效用[13]；吳宏超 等認(rèn)為，交通運(yùn)輸條件等與“一帶一路”沿線省份高?？萍紕?chuàng)新效率顯著正相關(guān)[14]；蘇薈 等對(duì)我國(guó)省際高校分析發(fā)現(xiàn)，高校物質(zhì)資本投入處于“冗余”階段，人力資本投資總體處于“稀缺”狀態(tài)，科學(xué)研究機(jī)構(gòu)存在“重量短質(zhì)”等問題[15]；寇明婷 等利用教育部直屬高?？蒲谢顒?dòng)面板數(shù)據(jù)展開研究，發(fā)現(xiàn)政府資金占比與高?；A(chǔ)知識(shí)產(chǎn)出效率呈倒U型關(guān)系[16]。

比較當(dāng)前的研究成果發(fā)現(xiàn)，一方面，大多數(shù)學(xué)者并沒有將“雙一流”建設(shè)高校作為特定的研究對(duì)象；另一方面，測(cè)算科研效率往往從靜態(tài)的角度分析，模型結(jié)果穩(wěn)健性不夠，且對(duì)科研效率影響因素的深度分析相對(duì)較少。鑒于高?？蒲行恃芯楷F(xiàn)狀，本文試圖以2017年入選的一流大學(xué)建設(shè)高校為研究對(duì)象，運(yùn)用超效率SBM-DEA的Malmquist指數(shù)模型從靜態(tài)角度測(cè)算2010—2019年高校科研綜合效率值，并進(jìn)一步分解生產(chǎn)率指數(shù)從動(dòng)態(tài)角度進(jìn)行評(píng)價(jià)，最后使用Tobit模型分析科研效率影響因素，提出“雙一流”建設(shè)高校提升科研效率的對(duì)策建議。

二、研究方法及數(shù)據(jù)說明

(一)DEA模型

1.DEA改進(jìn)型模型：超效率SBM

由于傳統(tǒng)模型有一定的局限性，當(dāng)多個(gè)決策單元同時(shí)有效時(shí)，不能進(jìn)一步區(qū)分和比較。為了解決這一局限，Anderson和Peterson建立了改進(jìn)的超效率DEA(Super efficiency DEA，SE-DEA)模型，該模型可以將效率值>1的決策單元進(jìn)行排序并比較，但該模型容易受極值的影響而擴(kuò)大效率的差異，結(jié)論會(huì)有一定的偏差。在此基礎(chǔ)上，本研究將超效率DEA與SBM模型結(jié)合，改進(jìn)了測(cè)算過程的有偏性。選擇投入導(dǎo)向的超效率SBM模型是從投入的角度對(duì)被評(píng)價(jià)DMU無效率程度進(jìn)行測(cè)量，關(guān)注的是在不減少產(chǎn)出的條件下，要達(dá)到技術(shù)有效各項(xiàng)投入調(diào)整的程度。

超效率SBM模型的規(guī)劃式僅適用于有效決策單元，對(duì)于 SBM有效DMUk，其投入導(dǎo)向超效率SBM模型表示為：

λ，s-，s+≥0

i=1，2…，m；r=1，2…，q；j=1，2…，n(j≠k)

(公式1)

由除DMUk之外的其他DMU構(gòu)建的生產(chǎn)可能集為：

(公式2)

2.基于超效率SBM-DEA的Malmquist全要素生產(chǎn)率指數(shù)方法

當(dāng)被評(píng)價(jià)決策單位的數(shù)據(jù)包含多個(gè)時(shí)間點(diǎn)觀測(cè)值的面板數(shù)據(jù)時(shí)，Malmquist全要素生產(chǎn)率指數(shù)方法能較好地分析生產(chǎn)率的變動(dòng)情況及技術(shù)效率、技術(shù)進(jìn)步等對(duì)生產(chǎn)率變動(dòng)所起的作用。這種基于生產(chǎn)前沿面理論的非參數(shù)評(píng)價(jià)方法，概念最早源于Malmquist[17]，因此將這一類指數(shù)命名為Malmquist指數(shù)，后被廣泛應(yīng)用于衡量生產(chǎn)效率的變化。在實(shí)證研究中，Malmquist生產(chǎn)率指數(shù)模型能分解為更具體的兩個(gè)指數(shù)：被評(píng)價(jià)DMU在兩個(gè)時(shí)期內(nèi)技術(shù)效率的變化指數(shù)(Technical Efficiency Change，TEC)，以及反映生產(chǎn)前沿變動(dòng)情況的生產(chǎn)技術(shù)變化指數(shù)(Technological Change，TC)。

M0(xt +1，yt +1；xt，yt)=TEC×TC

(公式3)

其中，M0表示從第t期到第t+1期被評(píng)價(jià)單元的Malmquist指數(shù)，x表示投入向量，y表示產(chǎn)出變量。Malmquist生產(chǎn)率指數(shù)為1時(shí)表示生產(chǎn)率效率不變，大于1表示生產(chǎn)率效率提高，小于1表示生產(chǎn)率效率降低。

(二)Tobit模型

Tobit模型(Tobin，1958)屬于受限因變量回歸的一種，又稱為截尾回歸模型或刪失回歸模型。標(biāo)準(zhǔn)的Tobit模型公式設(shè)定如下：

(公式4)

(三)指標(biāo)和數(shù)據(jù)

1.指標(biāo)

科研效率評(píng)價(jià)是通過評(píng)價(jià)科學(xué)研究的效率，判斷科研滿足特定目標(biāo)的程度。一般來說，科研效率評(píng)價(jià)注重經(jīng)濟(jì)、效益和效率三個(gè)方面，其中經(jīng)濟(jì)強(qiáng)調(diào)投入成本的降低程度，效益是指產(chǎn)出對(duì)最終目標(biāo)實(shí)現(xiàn)所做貢獻(xiàn)的大小，效率表示一個(gè)活動(dòng)或組織的產(chǎn)出與投入之間的比率?；诒疚牡难芯磕康?，科研效率評(píng)價(jià)主要側(cè)重投入與產(chǎn)出評(píng)價(jià)。高?？蒲惺且豁?xiàng)多投入多產(chǎn)出的活動(dòng)，在現(xiàn)有的文獻(xiàn)研究中，對(duì)于高?？蒲行试u(píng)價(jià)的投入產(chǎn)出指標(biāo)仍無統(tǒng)一說法。

本研究以知識(shí)生產(chǎn)函數(shù)模型為基礎(chǔ)，遵循高?？蒲型度氘a(chǎn)出效率評(píng)價(jià)指標(biāo)體系的一般原則和特殊原則，確定我國(guó)“雙一流”建設(shè)高校科研綜合效率指標(biāo)體系，如表1所示。一級(jí)指標(biāo)層面，分解為投入指標(biāo)和產(chǎn)出指標(biāo)。二級(jí)指標(biāo)層面，分為科研人力、科研經(jīng)費(fèi)、論文專著、科研項(xiàng)目、獲獎(jiǎng)成果、專利效益。三級(jí)指標(biāo)層面，具體為經(jīng)費(fèi)撥入數(shù)(千元)、研究與發(fā)展全時(shí)人員(人年)、發(fā)表學(xué)術(shù)論文數(shù)(篇)、出版科技專著數(shù)(部)、當(dāng)量科技成果獲獎(jiǎng)數(shù)、項(xiàng)目數(shù)(項(xiàng))、專利授權(quán)數(shù)(件)、當(dāng)年專利實(shí)際收入(千元)、技術(shù)轉(zhuǎn)讓當(dāng)年實(shí)際收入(千元)。

投入指標(biāo)中，選取的“研究與發(fā)展全時(shí)人員”指標(biāo)是指在統(tǒng)計(jì)年度中，從事研究與發(fā)展工作時(shí)間占本人全部工作時(shí)間90%及以上的人員，較“教學(xué)與科研人員”或“教職工總數(shù)”等其他人力指標(biāo)用于衡量科研人力更準(zhǔn)確科學(xué)。“經(jīng)費(fèi)撥入數(shù)”是高校主要經(jīng)費(fèi)收入來源中比例最大的一部分，按照指標(biāo)選取的重要性原則選取該指標(biāo)反映經(jīng)費(fèi)投入?？紤]到數(shù)據(jù)的可獲得性、連續(xù)性和一致可比性，產(chǎn)出指標(biāo)選擇了發(fā)表學(xué)術(shù)論文數(shù)(篇)、出版科技專著數(shù)(部)、當(dāng)量科技成果獲獎(jiǎng)數(shù)、項(xiàng)目數(shù)(項(xiàng))、專利授權(quán)數(shù)(件)、當(dāng)年專利實(shí)際收入(千元)、技術(shù)轉(zhuǎn)讓當(dāng)年實(shí)際收入(千元)指標(biāo)。

表1我國(guó)“雙一流”建設(shè)高校科研綜合效率指標(biāo)體系

2.數(shù)據(jù)說明

第一輪“雙一流”建設(shè)名單中，共有42所世界一流大學(xué)建設(shè)高校，這些高校前身均是“985”“211”工程計(jì)劃入選高校，發(fā)揮著高水平研究型大學(xué)國(guó)家隊(duì)作用，非常具有研究?jī)r(jià)值。同時(shí)，考慮到DEA模型對(duì)樣本的同質(zhì)性要求以及數(shù)據(jù)的可獲得性、連續(xù)性，我們選取其中類別為A類且主管部門為教育部的32所高校，樣本期為2010—2019年。采用的研究數(shù)據(jù)來源于《高等學(xué)?？萍冀y(tǒng)計(jì)資料匯編》、EPS數(shù)據(jù)庫(kù)以及其他相關(guān)資料。

三、科研效率的測(cè)算和分析

(一) 超效率SBM綜合效率值

運(yùn)用MAXDEA軟件8.20.0版本對(duì)2010—2019年我國(guó)32所一流大學(xué)建設(shè)高校自然科學(xué)研究的超效率SBM綜合效率值進(jìn)行分析，具體結(jié)果如表2所示。

通過超效率分析可以看到，表2中2010—2019年32所樣本高校綜合效率總體平均水平表現(xiàn)不佳，效率均值高于1即綜合效率均值達(dá)到DEA有效的比例僅占37.5%，即僅有12所高校2010—2019年綜合效率均值達(dá)到了有效。

具體到各年份來說，我們從圖1可知2010年綜合效率達(dá)到DEA有效的高校有21所，約占65.6%。2011年綜合效率達(dá)到DEA有效的高校有17所，約占53.1%。2012年綜合效率達(dá)到DEA有效的高校有15所，約占46.9%。2013年綜合效率達(dá)到DEA有效的高校有15所，約占46.9%。2014年綜合效率達(dá)到DEA有效的高校有12所，約占37.5%。2015年綜合效率達(dá)到DEA有效的有23所高校，約占71.9%。2016年綜合效率達(dá)到DEA有效的有20所高校，約占62.5%。2017年綜合效率達(dá)到DEA有效的有13所高校，約占40.6%。2018年綜合效率達(dá)到DEA有效的有13所高校，約占40.6%。2019年綜合效率達(dá)到DEA有效的有18所高校，約占56.3%。其中，D、I、X和Z這4所高校連續(xù)10年綜合效率都達(dá)到了有效，投入獲得了更多的產(chǎn)出，效率相對(duì)較高，科研資源配置較為合理。

表22010—2019年我國(guó)32所一流大學(xué)建設(shè)高校綜合效率值

圖1 綜合效率達(dá)到DEA有效的高校所占全部樣本高校的比例

值得關(guān)注的是，大多數(shù)高校的投入產(chǎn)出效率值雖有所波動(dòng)，仍會(huì)有個(gè)別年份綜合效率達(dá)到有效，僅有 A樣本高校出現(xiàn)了連續(xù) 10 年綜合效率均未達(dá)到有效的情況。另外，W 樣本高校在 2010—2019 年期間的綜合效率持續(xù)九年表現(xiàn)不佳，但 2019 年實(shí)現(xiàn)飛躍，投入與產(chǎn)出效率顯著提高，這可能與W 高校 2018年開始采取全面推進(jìn)一流大學(xué)建設(shè)的舉措相關(guān)：推進(jìn)一流本科教育，打造具有國(guó)際競(jìng)爭(zhēng)力的隊(duì)伍，增強(qiáng)科技創(chuàng)新能力，加大社會(huì)服務(wù)成效，推進(jìn)文化傳承創(chuàng)新等。

(二)全要素生產(chǎn)率指數(shù)及分解

在前文對(duì)樣本高校進(jìn)行了靜態(tài)分析基礎(chǔ)上，通過MAXDEA軟件8.20.0版對(duì)2010—2019年32所樣本高校的全要素生產(chǎn)率及各分解指標(biāo)，再分別進(jìn)行測(cè)量和動(dòng)態(tài)分析評(píng)價(jià)，具體結(jié)果如下。

圖2 2010—2019年一流大學(xué)建設(shè)高校綜合效率Malmquist年平均指數(shù)變化趨勢(shì)

Malmquist生產(chǎn)率指數(shù)可將全要素生產(chǎn)率的變化分解為技術(shù)效率變化指數(shù)(TEC)和技術(shù)進(jìn)步指數(shù)(TC)兩個(gè)部分。其中，技術(shù)效率變化指數(shù)表示樣本期間技術(shù)效率的相對(duì)變化程度，在本研究中該值可以反映科研資源配置和管理的效率，當(dāng)技術(shù)效率變化指數(shù)≥1時(shí)，說明科研生產(chǎn)技術(shù)效率在提高，內(nèi)部管理水平和制度在不斷優(yōu)化和完善；反之則說明效率降低。技術(shù)進(jìn)步指標(biāo)一般用于測(cè)量生產(chǎn)技術(shù)邊界的推移程度，此處則反映高?？蒲腥藛T科研能力和科研設(shè)施的變化。

由圖2可知，32所樣本高校2010—2019年期間在自然科學(xué)研究效率方面Malmquist指數(shù)有略微增長(zhǎng)，整體生產(chǎn)前沿面有所增加，呈現(xiàn)上升趨勢(shì)。從各年變動(dòng)趨勢(shì)上看，全要素生產(chǎn)效率指數(shù)自2010年開始，先下降再回升，繼而小幅下降又升高，反復(fù)波動(dòng)，變動(dòng)較大，具有前進(jìn)性、曲折性、周期性的特點(diǎn)。

其中，2017年全要素生產(chǎn)率增長(zhǎng)幅度為8.3%，增幅較大。進(jìn)一步對(duì)數(shù)據(jù)分解來分析全要素生產(chǎn)率增長(zhǎng)的原因，發(fā)現(xiàn)是由技術(shù)進(jìn)步指數(shù)變化所引起的?？赡艿慕忉屖牵?015年，國(guó)務(wù)院印發(fā)《統(tǒng)籌推進(jìn)世界一流大學(xué)和一流學(xué)科建設(shè)總體方案》，隨后，樣本高校根據(jù)自身發(fā)展情況陸續(xù)制定出一流大學(xué)建設(shè)方案，并逐步貫徹落實(shí)。但是技術(shù)進(jìn)步效率的壁壘在短時(shí)間內(nèi)是難以突破的，2018—2019年全要素生產(chǎn)率又有所下降，效率變化的提升也無法減緩技術(shù)進(jìn)步效率引起的全要素生產(chǎn)率下降。

由表3可知，2010—2019年我國(guó)一流大學(xué)建設(shè)高校自然科學(xué)研究效率的全要素生產(chǎn)率平均值為1.000。觀察樣本高校的情況可知，18所高校年均自然科學(xué)研究效率的全要素生產(chǎn)率為正，14所高校年均自然科學(xué)研究效率的全要素生產(chǎn)率為負(fù)。換言之，我國(guó)56.3%的一流大學(xué)建設(shè)高校自然科學(xué)全要素生產(chǎn)率明顯提升，46.9%的樣本高校超過全要素生產(chǎn)率平均水平。

表32010—2019年一流大學(xué)建設(shè)高校綜合效率Malmquist平均指數(shù)及其分解

其中，J高校的增長(zhǎng)率均值最高，為8.3%；AF高校負(fù)增長(zhǎng)率均值最高，為-5.6%。具體分析AF高校的生產(chǎn)率指數(shù)來看，其生產(chǎn)率下降主要是受技術(shù)進(jìn)步效率下降影響。反映了AF高校實(shí)現(xiàn)建設(shè)世界一流大學(xué)的目標(biāo)還面臨諸多挑戰(zhàn)：學(xué)科發(fā)展不平衡，高層次人才和創(chuàng)新團(tuán)隊(duì)偏少，青年人才儲(chǔ)備不足，科研成果有效轉(zhuǎn)化能力需要提升，國(guó)際化水平亟待提高，基礎(chǔ)設(shè)施等辦學(xué)條件相對(duì)滯后等。從提升技術(shù)進(jìn)步效率變化的角度來說，AF高校需要進(jìn)一步健全成果轉(zhuǎn)化應(yīng)用機(jī)制、強(qiáng)化學(xué)科與產(chǎn)業(yè)協(xié)同發(fā)展、加強(qiáng)成果轉(zhuǎn)移轉(zhuǎn)化平臺(tái)的建設(shè)等。

四、影響因素分析

(一)研究方法及變量選擇

由以上實(shí)證結(jié)果可知，一流大學(xué)建設(shè)高?？蒲行蚀嬖诓町?。本文在分析前人研究成果基礎(chǔ)上，分別從外部環(huán)境和內(nèi)部科技活動(dòng)兩方面探究影響科研效率的因素。外部環(huán)境主要考慮當(dāng)?shù)亟?jīng)濟(jì)發(fā)展水平和政策環(huán)境，內(nèi)部科技活動(dòng)從高校人力資本投入和對(duì)外開放度進(jìn)行考慮。因第一階段得出的高校科研綜合效率值介于0～5之間，被解釋變量是以受限制的方式被觀察到，因此本文采用Tobit 模型進(jìn)行回歸分析，其表達(dá)式如下：

Yi t=β0+β1lnX1i t+β2lnX2i t+β3X3i t+β4lnX4i t+β5X5i t+σi t

(公式5)

式(5)中，Y代表32所一流大學(xué)建設(shè)高校2010—2019年的自然科學(xué)科研效率值，β為待估參數(shù)，σ為隨機(jī)擾動(dòng)項(xiàng)，i和t分別表示高校i和年度t。有關(guān)解釋變量數(shù)據(jù)的描述性統(tǒng)計(jì)見表4，具體定義如下：

1.地區(qū)經(jīng)濟(jì)發(fā)展水平。以人均地區(qū)生產(chǎn)總值X1的對(duì)數(shù)表示(lnX1)。郭際 等研究表明，當(dāng)?shù)亟?jīng)濟(jì)發(fā)展水平越高，越會(huì)投入大量的科技經(jīng)費(fèi)用于高?？萍蓟顒?dòng)，對(duì)高?？萍紕?chuàng)新效率提升和科技成果轉(zhuǎn)化起促進(jìn)作用[18]。因此，本研究預(yù)測(cè)地區(qū)經(jīng)濟(jì)發(fā)展水平與樣本高校科研效率之間存在正相關(guān)性。

2.人力資本。以高?？茖W(xué)家與工程師人數(shù)X2的對(duì)數(shù)表示(lnX2)。高?？蒲袆?chuàng)新的主體是人力資本，科研創(chuàng)新活動(dòng)依賴于人力資本的知識(shí)生產(chǎn)能力，高校人力資本中科學(xué)家與工程師均具有較強(qiáng)的科研水平，一般認(rèn)為，科技活動(dòng)人員數(shù)量對(duì)科研創(chuàng)新效率有促進(jìn)作用。但投入產(chǎn)出遵循邊際效益原則，當(dāng)某一項(xiàng)資源投入過多或資源配置不合理，會(huì)出現(xiàn)投入冗余或產(chǎn)出不足的現(xiàn)象，評(píng)選出的32所一流大學(xué)建設(shè)高校經(jīng)過長(zhǎng)年發(fā)展，師資力量均較為強(qiáng)大。人力資本投入對(duì)樣本高校科研效率在不同階段可能存在不同影響，因此，效應(yīng)預(yù)判未知。

3.地區(qū)政策環(huán)境。選擇高校當(dāng)年科技經(jīng)費(fèi)中政府資金所占比例X3來衡量。高?？蒲袆?chuàng)新活動(dòng)離不開物質(zhì)資本的支撐，充裕的科技經(jīng)費(fèi)投入可以更好地保障、激勵(lì)科研人員開展科研活動(dòng)。鑒于高校作為非營(yíng)利組織以及其科學(xué)技術(shù)成果的準(zhǔn)公共物品屬性，充裕的政府資金投入是保證科技活動(dòng)順利開展的重要物質(zhì)基礎(chǔ)。因此，本研究用“高校科技經(jīng)費(fèi)中政府資金所占比例”表征政府對(duì)高?？蒲械闹匾暸c支持程度。然而，當(dāng)政府資金占比過高時(shí)，會(huì)對(duì)企業(yè)資金等外部科研資助渠道產(chǎn)生擠出效應(yīng)，且易導(dǎo)致資金的錯(cuò)配效應(yīng)，從而高?？蒲谐晒a(chǎn)出邊際效應(yīng)遞減。所以，此類因素對(duì)樣本高校科研效率的總體影響未知。

4.對(duì)外開放度。選擇當(dāng)年高校派遣出國(guó)人數(shù)X4的自然對(duì)數(shù)表示(lnX4)。當(dāng)前國(guó)際化背景下，高校通過加強(qiáng)對(duì)外開放程度，推動(dòng)與國(guó)際知識(shí)生產(chǎn)創(chuàng)新高地進(jìn)行交流合作，利用國(guó)外“知識(shí)溢出”效應(yīng)，吸取國(guó)外先進(jìn)的科研管理理念，進(jìn)而提高科技水平和科研效率，基于此，本研究預(yù)計(jì)高校對(duì)外開放度越高，科研效率越高。

5.時(shí)間虛擬變量(X5)。2017年，世界一流大學(xué)和世界一流學(xué)科高校名單正式公布，因此我們選取該年為分界點(diǎn)，分別設(shè)置非“雙一流建設(shè)”時(shí)期(2010-2016年，為0)和“雙一流建設(shè)”時(shí)期(2017—2019年，為1)時(shí)間虛擬變量。

表42010—2019年影響因素變量數(shù)據(jù)的描述性統(tǒng)計(jì)

(二)實(shí)證結(jié)果分析

采用stata 16.0軟件進(jìn)行計(jì)算，Tobit模型的實(shí)證結(jié)果見表5。具體分析如下：

第一，人均地區(qū)生產(chǎn)總值的對(duì)數(shù)與樣本高?？蒲行试陲@著性水平5%上呈現(xiàn)正相關(guān)。表明樣本高?？萍蓟顒?dòng)受到所處地區(qū)經(jīng)濟(jì)發(fā)達(dá)程度和本地從業(yè)人員素質(zhì)的影響，區(qū)域的經(jīng)濟(jì)發(fā)展水平越高，越能吸收和引進(jìn)先進(jìn)技術(shù)，同時(shí)越有利于高?？萍汲晒D(zhuǎn)化和提高高?？蒲行省?/p>

第二，樣本高校科學(xué)家與工程師人數(shù)的對(duì)數(shù)與樣本高?？蒲行试陲@著性水平5%上呈現(xiàn)負(fù)相關(guān)。以往的研究大多表明，我國(guó)高校科研投入普遍存在“人才稀缺”、物質(zhì)資本充裕的情況，但本研究通過實(shí)證證明，“人才短板”已經(jīng)不是制約一流建設(shè)高?？蒲行实摹捌款i”，反而存在投入冗余問題，過多的人力資本投入對(duì)樣本高?？蒲行食尸F(xiàn)負(fù)向效應(yīng)。

第三，政府資金占比與樣本高?？蒲芯C合效率在顯著性水平1%上呈現(xiàn)負(fù)相關(guān)。結(jié)果表明，一流大學(xué)建設(shè)高?？萍冀?jīng)費(fèi)中政府資金占比越多，反而抑制樣本高?？蒲行实奶嵘?。探究原因，高校科技經(jīng)費(fèi)結(jié)構(gòu)中若政府資金占比過高，高校會(huì)過度依賴政府資金，從而因擠出效應(yīng)對(duì)企業(yè)資金資助的知識(shí)產(chǎn)出造成負(fù)面影響。

第四，對(duì)外開放度變量對(duì)高?？蒲行实娘@著性作用并不明顯，表明并未出現(xiàn)“知識(shí)溢出”效應(yīng)。本研究認(rèn)為，科學(xué)前沿知識(shí)吸收和成果轉(zhuǎn)化是一項(xiàng)長(zhǎng)期性工作，短期性學(xué)術(shù)交流行為對(duì)高?？蒲屑夹g(shù)效率的提升作用并不明顯。

第五，時(shí)間虛擬變量雖通過了顯著性檢驗(yàn)且相關(guān)系數(shù)為負(fù)數(shù)，但并不代表“雙一流”建設(shè)及相關(guān)政策的實(shí)施導(dǎo)致高?？蒲行实南陆怠？紤]到2018年前后國(guó)內(nèi)外宏觀環(huán)境的變化，如中美貿(mào)易戰(zhàn)持續(xù)發(fā)酵，國(guó)內(nèi)經(jīng)濟(jì)增速出現(xiàn)放緩態(tài)勢(shì)，國(guó)內(nèi)外各種不穩(wěn)定不確定因素增多，對(duì)國(guó)內(nèi)科技領(lǐng)域創(chuàng)新活力和整體科研效率產(chǎn)生了影響。因此下一步研究應(yīng)尋找那些未入選“雙一流”名單的高校，或者受政策影響較小的高校作為對(duì)照組，采用斷點(diǎn)分析法或者雙重差分法進(jìn)行政策效果評(píng)估，這是有待進(jìn)一步深入探索的部分。

表5樣本高校科研效率影響因素Tobit回歸結(jié)果

五、結(jié)論與建議

本文運(yùn)用DEA-Tobit方法，測(cè)算了我國(guó)32所一流大學(xué)建設(shè)高校2010—2019年自然科學(xué)科研綜合效率，并對(duì)影響綜合效率的主要因素進(jìn)行了實(shí)證分析。研究發(fā)現(xiàn)：第一，2010—2019年樣本高校科研綜合效率總體平均水平不高，綜合效率均值未達(dá)到DEA相對(duì)有效的高校超過半數(shù)，全要素生產(chǎn)率指數(shù)均值有略微增長(zhǎng)，呈現(xiàn)上升趨勢(shì)；第二，在影響我國(guó)一流大學(xué)建設(shè)高?？蒲行实囊蛩刂?，當(dāng)?shù)亟?jīng)濟(jì)發(fā)展水平與高?？蒲行收嚓P(guān)，人力資本投入、政府資金占比對(duì)樣本高?？蒲行示哂胸?fù)向效應(yīng)，對(duì)外開放程度與高?？蒲行赎P(guān)系不顯著?；诖耍岢鋈缦抡呓ㄗh：

第一，提高科研管理水平，完善科研管理制度。綜合效率均值未達(dá)到DEA相對(duì)有效的樣本高校，在不增加投入的情況下要想提升效率達(dá)到產(chǎn)出相對(duì)有效，應(yīng)從提升科研管理人員管理水平，有組織地開展科研活動(dòng)，完善科研管理制度等方面加強(qiáng)。

第二，完善人才激勵(lì)機(jī)制，培養(yǎng)高水平創(chuàng)新人才。人力資本投入對(duì)樣本高?？蒲屑夹g(shù)效率的負(fù)向效應(yīng)表明，目前一流大學(xué)建設(shè)高校的科研人員數(shù)量出現(xiàn)投入冗余，應(yīng)該轉(zhuǎn)變絕對(duì)產(chǎn)出數(shù)量的科研績(jī)效考評(píng)導(dǎo)向，轉(zhuǎn)而重視相對(duì)產(chǎn)出指標(biāo)，同時(shí)加強(qiáng)科研人才隊(duì)伍建設(shè)，著重培養(yǎng)一流的科研創(chuàng)新人才和團(tuán)隊(duì)，開展頂尖領(lǐng)銜科學(xué)家支持方式試點(diǎn)，發(fā)揮高水平研究型大學(xué)的國(guó)家隊(duì)作用。

第三，拓展科研經(jīng)費(fèi)投入渠道，完善財(cái)政支持機(jī)制。一方面，政府對(duì)高?？蒲械闹С址绞綉?yīng)多元化，除財(cái)政資金保障外，通過制定各種有利于科學(xué)研究的政策，營(yíng)造良好的科技創(chuàng)新環(huán)境，同時(shí)，進(jìn)一步發(fā)揮科研財(cái)政經(jīng)費(fèi)的杠桿效應(yīng)和導(dǎo)向作用，吸引民間資本支持科技創(chuàng)新創(chuàng)業(yè)，拓展科研經(jīng)費(fèi)投入渠道，促進(jìn)科學(xué)研究與需求導(dǎo)向良性互動(dòng)；另一方面，高校自身可以根據(jù)不同的科研項(xiàng)目性質(zhì)和科研產(chǎn)出的異質(zhì)性，構(gòu)建合適的科研經(jīng)費(fèi)結(jié)構(gòu)，優(yōu)化科研資源配置，努力推進(jìn)“雙一流”高校建設(shè)，實(shí)現(xiàn)我國(guó)高水平科技自立自強(qiáng)。