沈勤 馬敏

摘? ?要：高校作為科技創(chuàng)新的主力軍，其創(chuàng)新效率的高低對國家創(chuàng)新發(fā)展具有重要影響。通過選取數(shù)據(jù)包絡分析的經(jīng)典模型，對2011—2019年江蘇省26所高校的科技創(chuàng)新投入產(chǎn)出效率進行了評估。實證研究表明，2011—2019年江蘇省26所高?？傮w科技創(chuàng)新水平較低，存在很大的進步空間;就單個學校而言，科技創(chuàng)新效率之間還存在差距，并且創(chuàng)新績效與穩(wěn)定性不呈正相關。基于以上實證分析結果，提出了加強對科研資源的管理與配置、搭建科技創(chuàng)新合作平臺、完善科技創(chuàng)新激勵機制等對策建議。

關鍵詞：高校;科技創(chuàng)新效率;數(shù)據(jù)包絡分析

中圖分類號：G644? 文獻標志碼：A? ? ? ? 文章編號：1673-291X（2021）23-0150-03

科技作為第一生產(chǎn)力已經(jīng)滲透到了經(jīng)濟建設與日常生活中。一個國家的科技創(chuàng)新能力已經(jīng)成為當今世界綜合國力競爭的決定性因素。在國家大力推動科技創(chuàng)新的過程中，高校作為高素質(zhì)人才培育的搖籃，發(fā)揮著不可或缺的作用。為了積極相應國家鼓勵和支持高校科技創(chuàng)新的號召，江蘇省教育廳頒布《江蘇省加快推進高校科技體制改革》、《省教育廳省科技廳關于省屬高等學校加快貫徹落實科技創(chuàng)新政策的通知》，旨在不斷優(yōu)化高?？萍紕?chuàng)新環(huán)境，推動科技成果轉(zhuǎn)化。在政府不斷重視高校科技創(chuàng)新、增加科研經(jīng)費的過程中，如何提高高?？萍紕?chuàng)新投入產(chǎn)出效率也就成為社會各界關注的熱點問題。

一、文獻回顧

由Charnes 和Cooper^[1]提出的數(shù)據(jù)包絡分析法（DEA）是一種典型的非參數(shù)效率評價方法，該方法通過線性規(guī)劃構造有效前沿面，將評價單元與有效前沿面進行對比，從而得到該決策單元的效率值。由于數(shù)據(jù)包絡分析法不需要事先確定函數(shù)的具體形式，而且可以有效評估涉及多投入和多產(chǎn)出決策單元的效率，因此被廣泛運用于各個領域的效率評價中。

目前對我國高?？萍紕?chuàng)新效率的研究主要從以下幾個層面展開。（1）不同省際之間。沈能和宮為天^[2]通過構建三階段DEA模型分析了我國30個省份的高校科技創(chuàng)新效率，實證結果表明，地區(qū)產(chǎn)業(yè)基礎、政策扶持和外部環(huán)境對創(chuàng)新效率有很大的影響。張慧琴和尚甜甜^[3]運用DEA-Malmquist指數(shù)分析法分析了2003—2011年我國30個省份的高?？萍紕?chuàng)新效率，結果表明，東部地區(qū)高?？萍紕?chuàng)新效率遠遠超過了中部和西部地區(qū)。（2）同一區(qū)域。李璐^[4]使用SBM模型和Malmquist指數(shù)分析了2011—2015年京津翼地區(qū)高校的科技創(chuàng)新效率，結果表明，該區(qū)域高?？萍紕?chuàng)新效率效率較高，原因在于京津翼區(qū)域的技術進步基于資源配置結構的優(yōu)化。（3）同一省份。鄭嘉琳^[5]運用BCC模型測算了2012—2017年江西省高校的創(chuàng)新效率，發(fā)現(xiàn)江西省高校的創(chuàng)新效率與東中部同類高校之間存在很大的差距。阮紅偉和趙西^[6]通過構建PCA-DEA模型和Malmquist指數(shù)評價了2013—2017年山東省39所高校的科技創(chuàng)新績效，實證結果顯示，省屬非重點高校的效率增長速度高于“211”及省部共建高校。（4）不同類型高校。馮寶軍等^[7]基于2007-2013年我國20所綜合高校的面板數(shù)據(jù)，評估了人文社科和自然科學兩類學科的科技創(chuàng)新效率，結果顯示，兩類學科的創(chuàng)新效率都有很大的提升空間，而加大創(chuàng)新人才的培育是提高科技創(chuàng)新效率的關鍵。馬聰穎和吳宏超^[8]基于2011—2017年一流大學建設高校的面板數(shù)據(jù)，采用DEA-Malmquist模型進行效率評價，發(fā)現(xiàn)無論是基于靜態(tài)視角還是動態(tài)視角，不同高校之間和不同地區(qū)之間都在科技創(chuàng)新效率方面存在較大差異。

二、研究設計

（一）模型構建

1978年，Charnes和Cooper構建第一個經(jīng)典DEA模型——CCR模型^[1]。該模型基于規(guī)模收益不變（CRS）的假設，對決策單元進行效率評價。之后Banker等人^[9] 對CCR模型進行了拓展，建立了基于規(guī)模收益可變（VRS）的模型—BCC模型。本文將使用BCC模型對江蘇省高?？萍紕?chuàng)新效率進行評價，模式的具體形式如下：

假設有N個被評價的決策單元，每一個決策單元均有I種投入與J種產(chǎn)出。X_ni（i=1，...，I），Y_nj（j=1，...，J）表示第n個決策單元的第i種投入和第j種產(chǎn)出：

其中， β表示被評價決策單元的效率值，λ表示權重向量。

（二）指標選取與來源

本文選取了南京大學等26所高校作為研究樣本，評估各高校的科技創(chuàng)新效率，數(shù)據(jù)來源于2011—2019年的《高?？萍冀y(tǒng)計資料匯編》?？紤]到數(shù)據(jù)的可獲得性與完整性，投入指標選取科技活動人員全時當量和科技經(jīng)費合計數(shù)，產(chǎn)出指標選取課題總數(shù)、在國外及全國性刊物發(fā)表的學術論文和技術轉(zhuǎn)讓實際收入。

三、實證結果與分析

在實際計算過程中，本文運用DEA Solver軟件計算2011—2019年江蘇省26所高校的科技創(chuàng)新效率。對9年的效率值取平均值，得到每所學校的最終效率值及排名，結果如表1所示。

從實證結果來看，26所高校效率均值為0.6718，表明江蘇省高校的科技創(chuàng)新效率整體水平存在很大的進步空間。江南大學、中國礦業(yè)大學和東南大學分別位居所有樣本的前三位，效率值分別為0.943 1、0.912 2和0.875 5;而南通大學、南京信息工程大學和南京航空航天大學的效率值分別所有樣本的后三位，效率值分別為0.490 8、0.467 9和0.465 1。

從時間維度上看，2011—2019年江蘇省26所高校的科技創(chuàng)新效率總體呈上升趨勢，科技創(chuàng)新水平穩(wěn)步提升。但就每所高校的科技創(chuàng)新效率的波動情況來看，南京農(nóng)業(yè)大學在這9年間的效率標準差值最大，為0.229 2;而效率標準差最小的為南通大學，僅為0.066 8。結合兩所高校的效率值來看，南通大學的科技創(chuàng)新效率在2011—2019年之間波動不大，且普遍處于較低水平，上升趨勢不明顯，而南京農(nóng)業(yè)大學在這9年間呈現(xiàn)明顯的上升趨勢，尤其是在2017—2019年期間，效率值連續(xù)三年為1。