蔡榮,夏雪軼,歐亞

(南京財(cái)經(jīng)大學(xué)，江蘇 南京 210003)

繁榮發(fā)展人文社會(huì)科學(xué)既是高校的社會(huì)責(zé)任，也是高校促進(jìn)自身內(nèi)涵發(fā)展的重要途徑。2011年，教育部、財(cái)政部共同頒布了《高等學(xué)校哲學(xué)社會(huì)科學(xué)繁榮計(jì)劃(2011—2020年)》，將加強(qiáng)哲學(xué)社會(huì)科學(xué)研究列為重點(diǎn)建設(shè)內(nèi)容，并持續(xù)給予專項(xiàng)經(jīng)費(fèi)支持。教育部統(tǒng)計(jì)數(shù)據(jù)顯示，2010年全國(guó)高校人文社會(huì)科學(xué)研究經(jīng)費(fèi)投入45.5億元，到2018年，已經(jīng)增加至113.3億元，年均增長(zhǎng)率12.1%，遠(yuǎn)遠(yuǎn)超過同期國(guó)民經(jīng)濟(jì)的增長(zhǎng)速度。近年來，盡管高?？蒲许?xiàng)目在立項(xiàng)數(shù)量、資助強(qiáng)度上呈現(xiàn)逐年增加態(tài)勢(shì)，但在經(jīng)費(fèi)使用和管理中也暴露出了不少問題，科研經(jīng)費(fèi)使用效率亟待提高[1]。高校不同學(xué)科的科研效率問題已成為高等教育研究領(lǐng)域很多學(xué)者關(guān)注的熱點(diǎn)[2-3]，人文社會(huì)科學(xué)也不例外[4-6]。如何科學(xué)地評(píng)價(jià)高校人文社會(huì)科學(xué)科研效率，優(yōu)化公共資源配置、提升科研資金使用效率，已經(jīng)成為當(dāng)前亟待解決的重大問題。

數(shù)據(jù)包絡(luò)分析(DEA)和隨機(jī)前沿分析(SFA)是效率評(píng)估的兩類主流方法。很多學(xué)者使用DEA對(duì)高?？蒲行蔬M(jìn)行了評(píng)價(jià)，其缺陷是無法控制隨機(jī)誤差和異常統(tǒng)計(jì)對(duì)效率結(jié)果的影響[2,7-8]。SFA通過對(duì)科研投入及產(chǎn)出關(guān)系合理設(shè)定生產(chǎn)函數(shù)，能夠給出技術(shù)及效率的一致估計(jì)，因而越來越受青睞[9-13]。但是，在SFA模型選擇上，學(xué)者們基本都傾向于使用Battese和Coelli構(gòu)建的常規(guī)效率模型，得到的效率存在低估偏誤[14]。本文認(rèn)為，準(zhǔn)確評(píng)估高?？蒲行始纫紤]到高校間的異質(zhì)性，也應(yīng)區(qū)分短時(shí)效率(transient efficiency)和持久效率(persistent efficiency)。在現(xiàn)實(shí)中，不同高校在研究領(lǐng)域、治理制度、發(fā)展定位及外部環(huán)境等方面往往存有差異。按照Green的觀點(diǎn)，考察期內(nèi)高校間所有這些未隨時(shí)間變化的因素統(tǒng)稱為異質(zhì)性，并且它們和效率無關(guān)[15]。然而，Kumbhakar等對(duì)此持有異議，認(rèn)為有部分異質(zhì)性因素也會(huì)影響效率，如各高校制定的科研管理制度、上級(jí)教育行政主管部門的干預(yù)等[16]。因此，Green模型得到的效率存在高估偏誤[15]。為此，Kumbhakar等對(duì)Green模型又做了改進(jìn)，能夠在控制異質(zhì)性的基礎(chǔ)上區(qū)分出短時(shí)效率和持久效率，使得效率測(cè)算的精確度進(jìn)一步提升[16]。

本文以江蘇省48所公辦本科院校為例，使用Battese和Coelli、Green和Kumbhakar等各自構(gòu)建的SFA模型對(duì)高校人文社會(huì)科學(xué)科研效率進(jìn)行評(píng)估和比較分析，旨在揭示不同模型間的差異及其對(duì)測(cè)算結(jié)果的影響，為今后的相關(guān)研究提供方法指導(dǎo)。另外，鑒于持久效率和短時(shí)效率各自蘊(yùn)含著不同的政策含義，通過兩者對(duì)比分析，也希望能夠揭示高?？蒲袩o效率形成的潛在根源，為后續(xù)的深入研究提供方向和思路。

一、SFA模型與估計(jì)方法

(一) SFA模型設(shè)定

高校科研活動(dòng)具有多投入多產(chǎn)出的特點(diǎn)，一般而言，科研投入包括研究經(jīng)費(fèi)支出、科研人員投入，科研產(chǎn)出包括課題立項(xiàng)、專著出版及發(fā)表論文數(shù)量[4,17-18]。為此，本文構(gòu)建隨機(jī)前沿距離函數(shù)：

lnDoit=α0+f(Qit,Iit)+vit

(1)

(2)

(3)

值得指出的是，以往研究在使用SFA模型評(píng)估高?？蒲行蕰r(shí)習(xí)慣于從多投入單產(chǎn)出關(guān)系出發(fā)構(gòu)建生產(chǎn)函數(shù)[10,13]，得到的效率值可能存在嚴(yán)重偏誤，本文從多投入多產(chǎn)出關(guān)系出發(fā)構(gòu)建的隨機(jī)前沿距離函數(shù)嘗試彌補(bǔ)這一不足。在效率估計(jì)上，SFA模型的步驟如下：首先，對(duì)函數(shù)f的技術(shù)參數(shù)進(jìn)行估計(jì)，得到復(fù)合殘差項(xiàng)εit=-uit+vit；接著，估計(jì)效率的條件期望值E[exp(-uit|εit)]。

(二) 估計(jì)方法

針對(duì)面板數(shù)據(jù)的SFA模型在早期可以分為兩大類，一類是效率隨時(shí)間變化的模型，另一類是效率不隨時(shí)間變化的模型。當(dāng)面板數(shù)據(jù)的時(shí)間跨度較長(zhǎng)時(shí)，效率不隨時(shí)間變化的模型受到了較多質(zhì)疑。Cornwell等[19]首次在面板數(shù)據(jù)中允許效率隨時(shí)間變化，之后Kumbhakar[20]、Battese和Coelli[13]對(duì)這類模型發(fā)展又分別做了改進(jìn)。Battese和Coelli[13]將(2)式中的uit設(shè)定為：

uit=uiG(t),G(t)=exp[γ(t-T)]

(4)

其中，ui服從在0處截?cái)嗟姆秦?fù)半正態(tài)分布，G(t)假定效率在樣本期間內(nèi)只能隨時(shí)間單調(diào)遞減、單調(diào)遞增或保持不變。很顯然，如果真實(shí)的效率在樣本期刊內(nèi)隨時(shí)間出現(xiàn)先增后減或先減后增的情況，使用這一方法估計(jì)效率將會(huì)由于模型誤設(shè)而導(dǎo)致估計(jì)的不一致。并且，該模型在效率評(píng)估時(shí)也沒有考慮異質(zhì)性及持久效率，所有不隨時(shí)間變化的因素均被歸入無效率uit處理。因此，該方法得到的效率值是實(shí)際效率的下限。

為了在效率評(píng)估中控制高校異質(zhì)性的影響，一些學(xué)者試圖通過對(duì)樣本進(jìn)行相似性歸類以使各組樣本滿足同質(zhì)性[12]，但分類標(biāo)準(zhǔn)如何確定存在較大爭(zhēng)議。Green在SFA模型中首次正式納入了異質(zhì)性項(xiàng)，(2)式被調(diào)整為：

(5)

其中，ρi表示異質(zhì)性因素。與Battese和Coelli模型相比，Green模型從無效率uit中剝離出了所有不隨時(shí)間變化的因素，不僅包括與效率無關(guān)的異質(zhì)性因素，也包括與效率有關(guān)的其他因素。因此，該模型得到的效率存在高估偏誤，可以看成是真實(shí)效率值的上限。

為了獲得更精準(zhǔn)的效率估計(jì)值，Kumbhakar等對(duì)上述SFA模型又做了改進(jìn)，(5)式被進(jìn)一步調(diào)整為：

(6)

uit=ui+τit

(6.1)

其中，ui表示無效率項(xiàng)中不隨時(shí)間變化的部分，稱之為持久效率損失，τit表示無效率項(xiàng)中隨時(shí)間變化的部分，稱之為短時(shí)效率損失。因此，該模型得到的效率值介于上述兩個(gè)模型之間。在對(duì)模型進(jìn)行估計(jì)時(shí)，Kumbhakar等將(6)式重新表述成：

(7)

(7.1)

αi=ρi+ui-E(ui)

(7.2)

εit=vit+τit-E(τit)

(7.3)

據(jù)此，模型對(duì)效率的估計(jì)分為四步：第一步對(duì)(7)式進(jìn)行參數(shù)估計(jì)，得到αi和εit預(yù)測(cè)值；第二步對(duì)(7.2)式進(jìn)行隨機(jī)前沿分析，得到持久效率ui；第三步對(duì)(7.3)式進(jìn)行隨機(jī)前沿分析，得到短時(shí)效率τit；第四步利用(6.1)式得到總效率。

上述三種SFA模型的特征差異見表1。

表1 不同模型的特征差異

二、數(shù)據(jù)來源及指標(biāo)說明

江蘇是我國(guó)高等教育大省，普通高校數(shù)量和在校生規(guī)模均居全國(guó)首位。近年來，江蘇高等教育逐步從規(guī)模擴(kuò)張、外延發(fā)展向內(nèi)涵建設(shè)、質(zhì)量提升轉(zhuǎn)變。從高等教育大省向高等教育強(qiáng)省邁進(jìn)，江蘇高等教育的發(fā)展軌跡堪稱中國(guó)高等教育的縮影。本文所使用數(shù)據(jù)全部來自教育部每年發(fā)布的《全國(guó)高校社科統(tǒng)計(jì)資料匯編》，選取了江蘇48所公辦本科院校作為實(shí)證分析的研究樣本，時(shí)間跨度設(shè)定為2010—2018年。

高校科研活動(dòng)是一項(xiàng)復(fù)雜的系統(tǒng)性工程。為了評(píng)估結(jié)果的有效性，參考已有研究文獻(xiàn)[4,17]，本文選擇的投入指標(biāo)包括科研經(jīng)費(fèi)投入(萬元)、科研人員數(shù)量(人)。其中，科研經(jīng)費(fèi)投入是指當(dāng)年實(shí)際支出的數(shù)量。產(chǎn)出指標(biāo)包括三類：著作數(shù)量(本)、發(fā)表論文數(shù)量(篇)和課題立項(xiàng)數(shù)(項(xiàng))。經(jīng)統(tǒng)計(jì)發(fā)現(xiàn)，江蘇省公立院校在樣本期間人文社會(huì)科學(xué)研究的年均經(jīng)費(fèi)支出約1540萬元，年均投入科研人員約530人，所產(chǎn)生的科研成果為：年均著作數(shù)32本、年均論文數(shù)429篇、年均課題立項(xiàng)434項(xiàng)。具體統(tǒng)計(jì)見表2。從中還可以發(fā)現(xiàn)：第一，科研經(jīng)費(fèi)支出、科研人員數(shù)、課題立項(xiàng)數(shù)在樣本期間增長(zhǎng)較快，著作數(shù)保持穩(wěn)定，發(fā)表論文數(shù)有較大幅度的減少(這也印證了高校人文社會(huì)科學(xué)研究已從數(shù)量擴(kuò)張向質(zhì)量提升轉(zhuǎn)變的軌跡)；第二，投入產(chǎn)出指標(biāo)的標(biāo)準(zhǔn)差較大，有的甚至超過了指標(biāo)均值，說明江蘇公立院校之間存在明顯的異質(zhì)性。

表2 描述性統(tǒng)計(jì)

三、實(shí)證分析

(一) 模型設(shè)定的優(yōu)劣判定

表3 SFA模型檢驗(yàn)結(jié)果

(二) 科研效率測(cè)算結(jié)果分析

各模型得到的科研效率測(cè)算結(jié)果統(tǒng)計(jì)如表4所示。不考慮高校間異質(zhì)性和持久效率的模型Ⅰ給出了科研效率的下限，平均水平為0.605，這與王樹喬等的結(jié)論十分接近，他們利用2007—2013年江蘇省29所高校面板數(shù)據(jù)分析發(fā)現(xiàn)，科研效率均值為0.62，整體存在較大改進(jìn)空間[17]。當(dāng)將樣本期間內(nèi)未隨時(shí)間發(fā)生變化的因素全部從無效率項(xiàng)中剔除之后，得到的科研效率均值大幅上升，達(dá)到了0.863。不僅如此，科研效率分布的離散程度也大幅縮小。通過對(duì)模型Ⅰ、模型Ⅱ的效率測(cè)算結(jié)果進(jìn)行比較，能夠發(fā)現(xiàn)是否控制高校間異質(zhì)性對(duì)分析結(jié)論具有重要影響。進(jìn)一步觀察表4，如果模型在控制高校間異質(zhì)性的基礎(chǔ)上進(jìn)一步將樣本期內(nèi)未隨時(shí)間變化的持久效率納入考慮，那么得到的科研效率均值為0.645，結(jié)果介于模型Ⅰ和模型Ⅱ之間。另外，與模型Ⅱ得到的科研效率值相比，模型Ⅲ得到的科研效率值與模型Ⅰ更接近，這說明模型Ⅱ中的異質(zhì)性因素與高?？蒲行手g存在較大關(guān)聯(lián)。模型測(cè)算結(jié)果對(duì)此也給予了證實(shí)，持久效率較低，平均水平僅為0.718，是造成科研效率整體不高的主要原因。從表4還可以發(fā)現(xiàn)，不同高校間的持久效率差異較大，短時(shí)效率差異較小，從而表明樣本高校間的科研效率差異主要由持久效率差異所引起。

表4 科研效率測(cè)算結(jié)果統(tǒng)計(jì)

圖1給出了科研效率的時(shí)序變化情況。可以看出，不論采用何種模型測(cè)算，科研效率在樣本期內(nèi)均具有較強(qiáng)的剛性，始終維持在初始水平附近。值得指出的是，模型Ⅰ對(duì)效率的時(shí)序變化特征給出了先驗(yàn)性的線性假設(shè)，可能得出錯(cuò)誤的結(jié)論，這也是該模型飽受詬病之處之一。相比之下，模型Ⅱ、模型Ⅲ放松了這一假設(shè)，認(rèn)為決策單位在不同時(shí)間的效率具有相互獨(dú)立性。但是，這也可能脫離現(xiàn)實(shí)情況，受“干中學(xué)”效應(yīng)影響，決策單位當(dāng)期效率與往期效率之間往往相關(guān)。即便如此，圖1中的信息也能夠充分說明樣本高校的科研效率并沒有出現(xiàn)快速提升的現(xiàn)象。

圖2進(jìn)一步給出了各個(gè)模型測(cè)算的科研效率核密度分布情況。從圖中可以發(fā)現(xiàn)：第一，模型Ⅲ得到的科研效率分布介于模型Ⅰ和模型Ⅱ之間；第二，模型Ⅲ得到的短時(shí)效率分布與模型Ⅱ得到的效率分布比較接近，因?yàn)楹笳咴诒举|(zhì)上測(cè)算的也是短時(shí)效率；第三，模型Ⅲ得到的持久效率分布與總效率分布較為相近，并且也與模型Ⅰ得到的效率分布接近，說明持久效率在總效率分布中起著關(guān)鍵作用；第四，模型Ⅲ得到的持久效率和總效率呈現(xiàn)“雙峰”分布特征，且有著明顯的左拖尾，說明樣本高?？蒲行蚀嬖诘退郊郜F(xiàn)象。

接下來本文關(guān)注的問題是：不同高校的科研效率排序是否與所選擇的模型有關(guān)？表5為各模型測(cè)算的科研效率Spearman秩相關(guān)系數(shù)。從中可以看出，模型Ⅰ和模型Ⅱ得到的效率相關(guān)性很低，這與前者旨在測(cè)算效率值下限、后者旨在測(cè)算效率值上限有關(guān)。類似地，短時(shí)效率和持久效率的相關(guān)性也很小。此外，模型Ⅰ和模型Ⅲ得到的效率相關(guān)系數(shù)較大，且在1%的水平顯著。模型Ⅲ得到的總效率與持久效率之間的相關(guān)系數(shù)高達(dá)0.978，在1%的水平顯著，再次證實(shí)持久效率分布很大程度上決定了高?？蒲行史植肌?/p>

表5 Spearman秩相關(guān)系數(shù)

那么，模型Ⅰ、模型Ⅱ和模型Ⅲ識(shí)別出的科研效率排名靠前(或靠后)的高校是否具有一致性呢？圖3為各模型得到的科研效率分布矩陣?？梢钥闯?，三個(gè)模型識(shí)別出的科研效率排名靠前或靠后的高校均缺乏一致性。本文通過觀察各模型得到的科研效率值發(fā)現(xiàn)，排名最靠前的高校在模型Ⅰ中依次是淮海工學(xué)院、南京大學(xué)、南京工業(yè)大學(xué)，在模型Ⅱ中依次是南京審計(jì)大學(xué)、常州大學(xué)、南通大學(xué)，在模型Ⅲ中依次為南京大學(xué)、南京農(nóng)業(yè)大學(xué)、常州大學(xué)。因此，圖3中的信息也進(jìn)一步說明模型選擇對(duì)于高?？蒲行试u(píng)估的重要性。

四、結(jié)論與啟示

SFA方法在評(píng)估國(guó)內(nèi)外各類機(jī)構(gòu)的效率問題上被大量應(yīng)用，近年來有越來越多的學(xué)者開始用來分析高校科研效率問題。但是，學(xué)者們使用SFA方法評(píng)估高?？蒲行蕰r(shí)，主要選擇了假設(shè)條件較嚴(yán)格的Battese和Coelli模型，其它一些假設(shè)條件更加靈活的SFA模型卻極少得到運(yùn)用。針對(duì)這一現(xiàn)狀，本文使用2010—2018年江蘇48所公立本科院校樣本，使用三種SFA模型對(duì)各高校人文社會(huì)科學(xué)科研效率進(jìn)行了測(cè)算和比較。這三種SFA模型分別由Battese和Coelli、Green、Kumbhakar等提出，主要差異在于是否考慮決策單位間的異質(zhì)性和是否考慮具有非時(shí)變特征的持久效率。通過比較發(fā)現(xiàn)，在使用Battese和Coelli模型時(shí)，由于錯(cuò)誤地將高校間不可觀測(cè)的異質(zhì)性因素視為無效率，效率測(cè)算結(jié)果存在低估偏誤；而在使用Green模型時(shí)，又會(huì)錯(cuò)誤地將高校間所有不可觀測(cè)的非時(shí)變因素視為與效率無關(guān)的異質(zhì)性因素，從而造成效率測(cè)算結(jié)果存在高估偏誤。相比之下，Kumbhakar等模型在控制了異質(zhì)性的同時(shí)還區(qū)分了短時(shí)效率和持久效率，測(cè)算的效率值介于上述兩者之間，產(chǎn)生偏誤的風(fēng)險(xiǎn)大大降低。分析結(jié)果表明：江蘇高校人文社會(huì)科學(xué)科研效率不高，平均水平為0.645，存在較大的提升空間；江蘇高校人文社會(huì)科學(xué)科研效率在總體上沒有表現(xiàn)出改善的跡象，呈現(xiàn)較強(qiáng)的剛性特征；另外，與短時(shí)效率相比，持久效率較低，說明后者是江蘇高校人文社會(huì)科學(xué)研究整體效率不高的主要原因。

參考上述研究結(jié)論，本文主要得到如下兩點(diǎn)啟示：

第一，謹(jǐn)慎選擇恰當(dāng)?shù)腟FA模型評(píng)估高?？蒲行?。與DEA方法相比，SFA方法的劣勢(shì)在于面臨模型誤設(shè)風(fēng)險(xiǎn)，故采用更靈活的假設(shè)是應(yīng)用SFA方法的發(fā)展方向。在眾多SFA方法中，盡管Battese和Coelli模型在很多領(lǐng)域得到了廣泛運(yùn)用，但正如邊文龍和王向楠所指出的，該模型的假設(shè)條件過于嚴(yán)格，很容易因模型誤設(shè)導(dǎo)致估計(jì)的不一致，在實(shí)證研究中應(yīng)謹(jǐn)慎選擇使用[21]。Green模型在理論上較以往有了較大改進(jìn)，但在具體估計(jì)時(shí)可能面臨“維度詛咒”的難題，并且在樣本N較大、T較短的情況下，得到的效率值也會(huì)存在較大偏誤。從某種程度上講，Kumbhakar等模型規(guī)避了上述模型的不足之處，不僅使得測(cè)算的效率值更準(zhǔn)確，而且通過對(duì)效率項(xiàng)的分解能夠揭示更具針對(duì)性的效率提升方向。因此，建議在今后的研究中使用該模型估計(jì)效率。

第二，提升高校人文社會(huì)科學(xué)科研效率需要加強(qiáng)頂層設(shè)計(jì)。本文分析結(jié)果顯示，江蘇高校人文社會(huì)科學(xué)研究的持久效率較低，平均水平不足0.72，且不同高校之間的差異較為明顯。這就意味著，從提升科研效率出發(fā)，必須加強(qiáng)頂層制度設(shè)計(jì)，從而切實(shí)改善持久效率水平。那么，應(yīng)該從何處入手加強(qiáng)頂層制度設(shè)計(jì)呢？本文認(rèn)為，有兩方面的因素會(huì)影響高?？蒲谐志眯?。一類因素不受高校自身控制，主要是由高等教育行政主管部門決定；另一類因素受學(xué)校自身控制，主要是各高校自主制定的科研管理制度。對(duì)于前者，各級(jí)教育行政主管部門應(yīng)該深化改革人文社會(huì)科學(xué)研究項(xiàng)目評(píng)審、人才評(píng)價(jià)及機(jī)構(gòu)評(píng)估等各類制度，給出科研評(píng)價(jià)可操作細(xì)化規(guī)范，營(yíng)造良好的科研環(huán)境。對(duì)于后者，各高校應(yīng)努力改善科研環(huán)境和氛圍，健全優(yōu)化科研管理體制機(jī)制，加強(qiáng)科研團(tuán)隊(duì)建設(shè)和人才培養(yǎng)，切實(shí)提升科研人員實(shí)力。