賈永堂 董 潔

(華中科技大學 教育科學研究院，湖北 武漢 430079)

DEA視角下學術研究績效評價分析

賈永堂 董 潔

(華中科技大學 教育科學研究院，湖北 武漢 430079)

本文選取了2011—2015年J大學的各個學院作為決策單元，采用DEA和Malmquist指數(shù)法研究了J大學的學術研究績效。結果表明：從靜態(tài)看，J大學的學術研究績效在學科方面不存在顯著差異；從動態(tài)上看，J大學的自然科學學術研究全要素生產(chǎn)率存在很大的波動性，科技進步不穩(wěn)定，其中技術效率變動、技術進步效率變動和規(guī)模效率變動是影響J大學各學院學術研究績效的主要因素，而其人文社會科學學術研究的全要素生產(chǎn)率處于穩(wěn)步提升之中，學術研究績效水平高于自然科學學術研究績效。

學術研究績效；效率評價；Malmquist指數(shù)

一、問題的提出

進行學術研究和服務地方經(jīng)濟發(fā)展是地方大學的重要職能，隨著社會服務的不斷深入，學術成果轉化已經(jīng)拓展到地方科技服務領域，地方大學的學術研究績效跟學術成果轉化和服務地方社會經(jīng)濟發(fā)展直接相關。為了更好地促進地方大學學術研究與社會服務的協(xié)同發(fā)展，需要對地方大學的學術研究績效進行客觀且恰當?shù)脑u價，這也是近年來高校與社會各界普遍關注的問題?，F(xiàn)有的對大學學術研究的評價更多是關注其學術成果的絕對數(shù)量，對學術成果轉化和產(chǎn)出效率的相對績效水平關注不夠。從學術研究績效評價已有的成果看，目前的相關研究更多是從靜態(tài)的角度進行分析，動態(tài)變動狀態(tài)的評價研究還相對有限。

有鑒于此，本文擬采用數(shù)據(jù)包絡分析(Data Envelopment Analysis，簡稱DEA)對地方大學學術研究績效進行評價。DEA是運用數(shù)學規(guī)劃模型比較同類型的決策單元之間的相對效率的定量研究方法，主要運用于多投入多產(chǎn)出的相對效率評價。大學內(nèi)部的二級學院是進行學術研究的基本單元，也是大學進行學術活動的主陣地。作為同一個大學的二級學院，他們屬于同類型的決策單元，也是相對容易計量的多投入多產(chǎn)出系統(tǒng)，尤其適合應用數(shù)據(jù)包絡分析方法進行效率評價。使用該方法不僅可以分析綜合效率，而且還可以對學術研究績效進行動態(tài)研究。

二、數(shù)據(jù)模型及樣本數(shù)據(jù)的引入

采用系統(tǒng)有效的量化分析方法，從投入產(chǎn)出的角度對地方大學的學術研究績效進行評價，可以清楚地了解地方大學學術活動的現(xiàn)狀與水平。目前，大學學術研究績效評價的理論與方法在學術界尚未達成一致，大多數(shù)研究還僅僅只是基于某一方面的績效評價。就多產(chǎn)出多投入系統(tǒng)領域的研究而言，比較典型的是技術創(chuàng)新層面的投入產(chǎn)出效率研究，如Nasierowski 與 Arcelus的國家技術創(chuàng)新*W. Nsaierowsk, F.J. Arcelus,“On the efficiency of national innovation systems”,in Socio-economic Planning Sciences, Vol.37,pp.215-234.、Uong Hong Huang、Wang Xin-Yu的區(qū)域技術創(chuàng)新*Gong Huang, Wang Xin-yu, “Measure and Evaluation of Efficiency of Regional Technical Innovation Jiangsu Province”,in Journal of China University of Mining & Technology, December 2004,pp.26-32.、池仁勇的區(qū)域技術創(chuàng)新*池仁勇：《企業(yè)技術創(chuàng)新效率及其影響因素研究》，《數(shù)量經(jīng)濟技術經(jīng)濟研究》2003年第6期。。常用的方法是參數(shù)模型法，其中較常用的是隨機前沿分析法(SFA)，而非參數(shù)模型中常用的DEA方法。

(一)DEA模型

1978年，美國運籌學家Charnes等人提出了一種新的效率評價方法，即DEA方法。它基于數(shù)學規(guī)劃構建綜合的投入產(chǎn)出比值最優(yōu)化模型，面向多個同類別決策單元進行相對于投入的產(chǎn)出有效性評價。DEA方法不用預先估計參數(shù)*段永瑞、霍佳震：《基于數(shù)據(jù)包絡分析的高校科研績效評價》，《上海交通大學學報》2007年第7期。，其本質(zhì)是判斷被考察的決策單元是否位于生產(chǎn)可能集的最優(yōu)生產(chǎn)前沿面上。與傳統(tǒng)的生產(chǎn)函數(shù)方法相比，DEA方法具有更多的優(yōu)勢*吳育華、李從東：《DEA 方法與生產(chǎn)函數(shù)法的比較》，《系統(tǒng)工程》1995年第3期。。

經(jīng)典的數(shù)據(jù)包絡分析模型有CCR模型和BCC模型。CCR模型假設規(guī)模收益不變(Constant Return to Scale,CRS)，得出的技術效率包含了規(guī)模效益的成分，而BBC模型假設規(guī)模收益可變(Variable Return to Scale ,VRS)，它是在CCR模型的基礎上增加了新的約束條件，使得獲得的技術效率排除了規(guī)模變動的影響。根據(jù)其內(nèi)在關系，有

綜合效率(TE)=純技術效率(PTE)×規(guī)模效率(SE)

(1)

亦即CCR模型下獲得的綜合效率(TE)是BBC模型下獲得的純技術效率(PTE)與規(guī)模效率(SE)的乘積。當純技術效率和規(guī)模效率的值都為l時，總的綜合技術效率達到最大化。

本文將采取以上兩種模型，以J大學自然科學學術研究和人文社會科學學術研究作為評價單元，綜合計算其綜合效率值、純技術效率值和規(guī)模效率值，探討J大學的學術研究績效。

(二)Malmquist 指數(shù)

1953年，瑞典經(jīng)濟學家和統(tǒng)計學家Sten Malmquist提出了Malmquist指數(shù)，1982年，Douglas W. Caves等人將其指數(shù)及距離函數(shù)引入用以測算全要素生產(chǎn)率的變化，而到了1994年，Rolf F?re等人在改進DEA方法的基礎上又進一步引入包含了規(guī)模效應的Malmquist指數(shù)，用來考察兩個時期之間生產(chǎn)率的變化情況，使得Malmquist指數(shù)可以對多投入、多產(chǎn)出的全要素生產(chǎn)率進行細致的數(shù)據(jù)分析。其中非參數(shù)型的測度方法已經(jīng)成為當前國際上全要素生產(chǎn)率研究的新方法。

在具體應用中，Rolf F?re等人將Malmquist指數(shù)分解成兩個部分：綜合效率變動指數(shù)(Efficiency Change，簡記為EC)和技術變化指數(shù)(Technical Change，簡記為TC)。其中，

(2)

(3)

于是，

(4)

在規(guī)模報酬不變(CRS)的情況下，綜合效率變動指數(shù)EC衡量的是決策單元第t+1個時期的生產(chǎn)是否優(yōu)于其上一個時間即第t個時期的生產(chǎn)情況。當 EC>1 時，說明決策單元的綜合效率得到了改善，其組織管理水平獲得了提高；當EC=1 時，說明決策單元的綜合效率沒有變化。技術變化指數(shù)TC表達了決策單元在其前后兩個生產(chǎn)時期內(nèi)其生產(chǎn)前沿面的變動狀況，反映了決策單元的技術進步狀況。當 TC>1 時，說明決策單元的技術有了新的提升；當TC=1 時，說明決策單元的技術效率沒有改變。

考慮到實際的經(jīng)濟系統(tǒng)大多是在規(guī)模收益可變(VRS)的條件下運行的，還需將EC 進一步分解為純技術效率(PTE)和規(guī)模效率(SE)兩部分。在此基礎上，Malmquist指數(shù)可分解為：

(5)

(三)評價指標體系與樣本數(shù)據(jù)引入

地方大學學術活動的投入產(chǎn)出系統(tǒng)是一個反映其某個時期內(nèi)學術能力、學術研究水平及學術研究狀況的復雜系統(tǒng)，可以用相關的績效指標來表征。*參見韓宏、王曉真、李濤：《高校創(chuàng)新型人才薪酬激勵政策研究——以濟南地區(qū)三所高校為例》，《濟南大學學報(社會科學版)》2013年第1期。大學基本上都是由不同的二級學院所組成，進行學術研究活動的主體也是二級學院，因此，研究地方大學的學術活動，可以看成是由各個學院組成的多投入、多產(chǎn)出的系統(tǒng)，特別適用于DEA方法。在一個大學里面，各個學院具有同構性質(zhì)，進行評價時，可把每一個學院均看作是決策單元，而每一個決策單元呈現(xiàn)性質(zhì)相同的輸入和輸出，通過對其指標的綜合分析，可以從靜態(tài)及動態(tài)變化兩個角度來分析決策單元的績效。

1.決策單元的確定

J大學是綜合性大學，大學有人文社科學院和理工科學院，因為人文社科學院和理工科學院在進行科研活動的投入和產(chǎn)出有各自的特點和側重點，在選取決策單元時，以J大學的11個理工科學院作為自然科學學術研究績效評價的決策單元，不失一般性，可以分別用“學院A”“學院B”……來代表這些學院的名稱，且這11個學院的學術研究投入、產(chǎn)出的要素性質(zhì)無較大差異，具有明顯可比性。另外，將J大學的13個人文社科學院作為人文社會科學研究績效評價的決策單元，以示區(qū)別，可以分別用“學院1”“學院2”……來代表這些學院的名稱，且這13個學院的學術研究投入、產(chǎn)出的要素性質(zhì)也無較大差異，因而具有明顯的可比性。

2.輸入/輸出指標的篩選

根據(jù)DEA方法的相關理論，選擇評價指標時，既要考慮投入和產(chǎn)出指標能夠反映評價的內(nèi)容與目的，也要避免投入指標與產(chǎn)出指標之間存在直接的強線性相關。另外，投入和產(chǎn)出指標乘積的2倍也應該小于決策單元的總個數(shù)。將理工科學院專任教師數(shù)、學術研究經(jīng)費兩個指標作為投入指標，以發(fā)表論文數(shù)、學術成果獲獎數(shù)量和專利數(shù)三個指標作為產(chǎn)出指標。將人文社科學院具有高級職稱和博士學位的教師數(shù)量、當年社科研究投入經(jīng)費和所獲得的省部級及以上課題數(shù)量等三個指標作為投入指標，以發(fā)表的高水平論文數(shù)量、社科省部級以上獎勵數(shù)量兩項指標作為產(chǎn)出指標。其高水平論文主要是指發(fā)表在SSCI、A&HCI、CSSCI以及《新華文摘》等三大轉載期刊上的文章。

三、J大學學術研究績效投入產(chǎn)出的實證分析

(一)基于DEA方法的靜態(tài)效率分析

1.自然科學學術研究績效的靜態(tài)分析

本文運用MaxDEA Ultra 6.18軟件對研究所獲取的數(shù)據(jù)進行DEA分析，計算出2015年J大學11個理工科學院的學術研究投入產(chǎn)出的相對效率值，具體結果如表1所示：

表1 J大學11個理工科學院學術研究投入產(chǎn)出效率值表

結果表明，在J大學的11個理工科學院中，有6個學院的綜合效率值為1，其科研投入產(chǎn)出位于2015年度的生產(chǎn)前沿面上，實現(xiàn)了在其當前的投入下學術研究產(chǎn)出的最大化， DEA有效。并且，該6個學院的技術效率、規(guī)模效率亦為1，其投入產(chǎn)出比處于最佳狀態(tài)。與此同時，其他5個學院(學院E、學院F、學院G、學院I、學院J)則為非DEA有效的單元，其中學院E、學院I、學院J為規(guī)模報酬遞增，從學校層面應進一步加大對這些學院的研究投入，以進一步增加其學術成果產(chǎn)出。而學院F、學院G為規(guī)模報酬遞減，從學校層面可考慮減少這兩個學院的投入，或調(diào)整其內(nèi)部資源，以促進其資源利用效率提升。

2.人文社會科學學術研究績效的靜態(tài)評價

根據(jù)2015年度數(shù)據(jù)，對人文社科學院的學術研究績效同樣利用MaxDEA Ultra 6.18軟件且選取投入導向的BBC模型進行DEA分析。其投入產(chǎn)出效率如表2所示：

表2 J大學13個人文社科學院學術研究投入產(chǎn)出效率值表

結果表明，在J大學13個人文社科學院中，有7個學院的綜合效率值為1，其學術研究投入產(chǎn)出位于2015年度的生產(chǎn)前沿面上，實現(xiàn)了在其當前的投入下科研產(chǎn)出的最大化， DEA有效。并且，7個學院的技術效率、規(guī)模效率亦為1，其學術研究投入產(chǎn)出比處于最佳狀態(tài)。與此同時，其他6個學院(學院1、學院2、學院3、學院7、學院8、學院11)則為非DEA有效的單元，不過該6個學院均為規(guī)模報酬遞增，從學校層面應進一步加大對這些學院的研究投入，以進一步增加其學術成果產(chǎn)出。綜合來看，這13個學院中，DEA有效的院系有7個，而在效率小于1的6個學院中，只有2個學院的綜合效率小于0.6，當然其中有1個學院的綜合效率為0.25，效率較低。

(二) 基于DEA方法的動態(tài)效率分析

由于以上DEA有效性分析是一種靜態(tài)分析，沒有考慮技術變化對效率的影響，因此，本文采用Malmquist指數(shù)法對J大學的學術研究投入產(chǎn)出有效性進行進一步的動態(tài)分析，選擇的時間序列數(shù)據(jù)為2011—2015年J大學學術研究投入產(chǎn)出的統(tǒng)計數(shù)據(jù)。

1.自然科學學術研究績效動態(tài)評價

根據(jù)公式(2)—公式(5)，運用MaxDEA Ultra 6.18軟件，得到了J大學11個學院5年自然科學學術研究投入產(chǎn)出的動態(tài)特征值：技術效率變動指數(shù)(effch)、技術進步效率變動指數(shù)(techch)、純技術效率變動變動指數(shù)(pech)、規(guī)模效率變動指數(shù)(sech)、全要素生產(chǎn)率變動指數(shù)(tfpch)和Malmquist指數(shù)及構成，具體如表3、表4所示：

表3 J大學2011—2015年自然科學學術研究全要素生產(chǎn)率及其分解狀況

結果表明，在J大學11個理工科學院中，僅有5個學院的學術研究全要素生產(chǎn)率變動指數(shù)大于1，其中提升幅度最大的是J學院，其提升幅度為 12.6 %。而另外6個學院的全要素生產(chǎn)率變動指數(shù)小于1。其中，全要素生產(chǎn)率大于1的學院，其全要素生產(chǎn)率的增長主要歸結于技術效率、技術進步效率的提高，尤其是I學院、J學院在其規(guī)模效應減弱的情況下，技術支撐、技術進步的效果更為明顯。2011—2015年J大學自然科學學術研究投入產(chǎn)出的全要素生產(chǎn)率平均值為0.973，5年間的全要素生產(chǎn)率增長幅度呈現(xiàn)波動起伏變化。這說明J大學自然科學學術研究全要素生產(chǎn)率存在波動性，科技進步不夠穩(wěn)定。在這期間，技術效率、規(guī)模效率下降比較明顯，上升的因素主要來自技術進步。

表4 J大學2011—2015年自然科學學術研究績效平均Malmquist指數(shù)及其分解狀況

由上可知，J大學自然科學學術研究投入產(chǎn)出的全要素生產(chǎn)率存在較大的波動性，全要素生產(chǎn)率、科技進步呈V型變化；技術效率變動、技術進步變動、規(guī)模效率變動是影響J大學自然科學學術研究投入產(chǎn)出效率的主要因素。

2.人文社會科學學術研究績效評價

與自然科學學術研究績效動態(tài)評價的方法相同，相關指標具體如表5、表6所示：

表5 2011—2015年J大學人文社會科學學術研究全要素生產(chǎn)率及其分解狀況

表6 2011—2015年J大學人文社會科學學術研究績效平均Malmquist指數(shù)及其分解狀況

結果表明，在J大學13個人文社科學院中，有7個學院的學術研究全要素生產(chǎn)率變動指數(shù)大于1，其中提升幅度最大的是學院10，其提升幅度為 17.6 %。而另外6個學院的全要素生產(chǎn)率變動指數(shù)小于1。其中，全要素生產(chǎn)率大于1的學院，其全要素生產(chǎn)率的增長主要歸結于技術效率、技術進步效率和規(guī)模效率的提高，尤其是學院6、學院9、學院10、學院12，其表現(xiàn)尤為突出。2011—2015年J大學人文社會科學學術研究投入產(chǎn)出的全要素生產(chǎn)率平均值為1.048，5年間的全要素生產(chǎn)率增長幅度呈現(xiàn)遞增變化。這說明J大學人文社會科學學術研究全要素生產(chǎn)率逐年向好，同時技術效率、技術進步效率、規(guī)模效率起到了顯著的作用。可以看出，2011—2015 年J大學人文社會科學學術研究的全要素生產(chǎn)率總體呈上升的趨勢，比自然科學研究理想。

從理論上看，DEA方法和Malmquist指數(shù)法相結合，可以從靜態(tài)和動態(tài)兩個層面全面評價高校學術研究績效的水平狀況。從實踐意義上看，本文的研究能夠分析一所高校以及其他類似多投入多產(chǎn)出系統(tǒng)的具體狀況，且剖析其研究技術應用與學術活動管理的變動情況和原因，有良好的可操作性與實踐應用借鑒價值。

(責任編輯：陸影)

2017-03-01

賈永堂(1965—)，男，華中科技大學教育科學研究院教授、博士生導師，教育學博士，主要研究方向為高等教育政策研究。 董 潔(1975—)，女，華中科技大學教育科學研究院博士研究生，主要研究方向為大學財務管理。

本文系國家社科基金項目“基于學術職業(yè)視角的現(xiàn)代大學政策研究”(項目編號：14BGL126)的階段性成果。

G644

A

1003-4145[2017]05-0173-05