趙聚輝，原澤慧，劉 揚

(1.遼寧師范大學(xué)，遼寧 大連116029；2.中國移動通信集團(tuán)遼寧有限公司，遼寧 大連116000)

隨著我國經(jīng)濟(jì)邁入高質(zhì)量發(fā)展階段，科技創(chuàng)新已成為引領(lǐng)社會進(jìn)步的重要手段。高校作為實施創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略的主要載體，在服務(wù)區(qū)域經(jīng)濟(jì)、提升地區(qū)競爭力、促進(jìn)創(chuàng)新型省份建設(shè)等方面發(fā)揮著巨大作用。近年來，國家對于高?？萍紕?chuàng)新給予大力支持，資金投入逐年增加，由2012年的1030億元增加到2017年的1537億元，短短五年，增長幅度高達(dá)6.9%。然而面對巨額的資金投入，如何最大限度地利用資源增強(qiáng)科技產(chǎn)出效能是值得政府與高校管理者關(guān)注的重要課題。遼寧作為教育資源大省，人才培養(yǎng)系統(tǒng)龐大，對其科技創(chuàng)新績效進(jìn)行全面客觀的評價有助于發(fā)現(xiàn)內(nèi)部管理存在的問題，有利于引導(dǎo)科技投入與產(chǎn)出的合理配置，進(jìn)而提高資源利用率。因此，本文利用PCA-DEA組合評價模型，以高校的科技創(chuàng)新評價指標(biāo)體系為基礎(chǔ)，全面系統(tǒng)地對遼寧省“211”及省屬本科高等院校2種高校類型共32所高校進(jìn)行實證研究，評價各高校在規(guī)模效益與投入產(chǎn)出效率方面的實際情況，并為其未來發(fā)展提供一些可行性建議。

一、研究方法

主成分分析(principal component analysis，簡稱PCA)，由Hotelling于1993年首次提出，是一種利用降維思想，將原來眾多具有一定相關(guān)性的指標(biāo)x1，x2，x3，…，xn(假設(shè)n個指標(biāo))進(jìn)行重新組合，以一組較少個數(shù)相互無關(guān)的綜合指標(biāo)Fp來替代原有指標(biāo)的多元統(tǒng)計分析方法，選取的幾個較少的綜合指標(biāo)應(yīng)盡可能多的反映原來指標(biāo)的信息。

數(shù)據(jù)包絡(luò)分析(data envelopment analysis，簡稱DEA)，由Charnes，Coope和Rhodes于1978年提出，是一種用于前沿面估計的無參的數(shù)量分析方法。該方法主要運用數(shù)學(xué)規(guī)劃的思想，對決策單元(DMU)投入產(chǎn)出情況進(jìn)行相對效率評價。無須任何權(quán)重假設(shè)，從而避免了主觀賦權(quán)產(chǎn)生的誤差。但是DEA方法本身也存在一定缺陷，即投入與產(chǎn)出指標(biāo)間如果相關(guān)性比較強(qiáng)，則會干擾分析結(jié)果，使決策單元有效性普遍接近于1，缺乏區(qū)分度。

鑒于此，本文采用PCA-DEA組合分析方法，先對所選取的指標(biāo)進(jìn)行主成分分析，提取少數(shù)幾個無關(guān)的綜合指標(biāo)替代原有的指標(biāo)，實現(xiàn)對指標(biāo)的降維處理，有效減少指標(biāo)間的重復(fù)性，然后將主成分得分經(jīng)標(biāo)準(zhǔn)化處理后代入DEA模型對決策單元進(jìn)行有效性分析。兩者的整合既可以降低指標(biāo)間的相互關(guān)聯(lián)，提高其評價的科學(xué)性與準(zhǔn)確性，又充分發(fā)揮了DEA方法對決策單元相對有效性評價方面的優(yōu)勢。

二、指標(biāo)選擇及數(shù)據(jù)來源

(一)構(gòu)建遼寧高?？萍伎冃гu價指標(biāo)體系

設(shè)計一套系統(tǒng)、合理、可操作的評價指標(biāo)體系，是科學(xué)評價高校科技績效的前提。本文在參照現(xiàn)有理論研究的基礎(chǔ)上，遵循全面性、相關(guān)性、完整性等構(gòu)建原則，并結(jié)合遼寧高校具體情況，對其投入產(chǎn)出指標(biāo)進(jìn)行分解，最終選取了11個投入指標(biāo)和6個產(chǎn)出指標(biāo)。具體如表1所示。

表1 遼寧高?？萍紕?chuàng)新績效評價指標(biāo)體系

(二)數(shù)據(jù)來源

本文選取遼寧省“211”及省屬本科高等院校2種高校類型共32所高校作為研究對象，所有數(shù)據(jù)均來源于2017年《高等學(xué)?？萍冀y(tǒng)計資源匯編》，所有數(shù)據(jù)處理及分析在SPSS23.0、DEAP2.1等軟件上進(jìn)行。

三、實證分析

(一)樣本數(shù)據(jù)處理

本文在對遼寧省32所高校樣本利用PCA-DEA方法進(jìn)行實證分析前，首先使用SPSS23.0軟件對遼寧高?？萍紕?chuàng)新績效評價指標(biāo)體系中所包含的11個投入指標(biāo)和6個產(chǎn)出指標(biāo)分別進(jìn)行KMO檢驗與Bartlett球形度檢驗，結(jié)果顯示KMO檢驗值分別為0.882和0.688，Bartlett球形檢驗顯著性均為0.000，表明適合用主成分分析法對遼寧省32所高校樣本進(jìn)行主成分分析。

在進(jìn)行主成分分析之前，首先運用SPSS23.0軟件對投入及產(chǎn)出數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，消除指標(biāo)間量綱差異的影響，隨后計算各主成分的特征值、方差貢獻(xiàn)率、累計方差貢獻(xiàn)率，結(jié)果如表2所示。本文按照特征值大于1的原則提取主成分，投入指標(biāo)和產(chǎn)出指標(biāo)的前兩項特征值符合要求，它們的累計方差貢獻(xiàn)率分別為96.130%和77.088%，因此可以提取4個主成分代替原來17項指標(biāo)的絕大部分信息。

表2 投入、產(chǎn)出指標(biāo)主成分分析

利用因子載荷矩陣各指標(biāo)對應(yīng)的系數(shù)除以特征值的平方根，得到主成分系數(shù)向量，然后將各指標(biāo)經(jīng)標(biāo)準(zhǔn)化后的數(shù)據(jù)與之相乘，即可得到各主成分的得分結(jié)果。由于采用DEAP2.1軟件進(jìn)行DEA分析要求所有投入產(chǎn)出數(shù)據(jù)均為正值，而主成分分析計算出的結(jié)果存有負(fù)值的情況，因此需要對主成分因子得分?jǐn)?shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，具體方法如下:

設(shè)Fi、Zi分別為變換前、后的主成分因子得分，maxFi、minFi分別為每項指標(biāo)的最大值和最小值，通過公式Zi＝0.1+0.9(Fi-minFi)/(maxFi-minFi)對數(shù)據(jù)進(jìn)行調(diào)整，調(diào)整后的數(shù)據(jù)全部在[0.1，1]區(qū)間，滿足DEAP2.1對數(shù)據(jù)的運行要求。

(二)投入產(chǎn)出的數(shù)據(jù)包絡(luò)分析

將處理后的投入產(chǎn)出指標(biāo)代入DEAP2.1軟件，采用投入導(dǎo)向型對遼寧省32所高校的科技創(chuàng)新效率進(jìn)行數(shù)據(jù)包絡(luò)分析，具體結(jié)果如表3所示。

表3 遼寧高校科技創(chuàng)新效率分析結(jié)果

從綜合效率來看，遼寧省共有3所高校達(dá)到投入產(chǎn)出配比最佳狀態(tài)，分別為DMU18、DMU21、DMU31，占總樣本的9.38%，說明這3所高校的科技投入均獲得了充分利用，并且各投入要素取得了最優(yōu)產(chǎn)出效果。綜合效率值小于1的高校有29所，占總樣本的90.62%，表明這些高校為非DEA有效，并且數(shù)值越小說明其投入產(chǎn)出效率越低。其中綜合效率值在[0.9，1]區(qū)間的高校僅有DMU14一所，該學(xué)校的科技創(chuàng)新效率處于中等偏上水平，雖綜合效率值接近有效前沿面，但在資源管理和技術(shù)改進(jìn)方面仍存在一定的不足。其余28所高校的綜合效率大多在[0.3，0.7]區(qū)間內(nèi)，表明這些高校的投入產(chǎn)出效率不佳，其內(nèi)部管理部門需認(rèn)真反思，抓住問題根源，采取積極有效的措施改善資源配置無效等問題。

純技術(shù)效率的均值為0.935，表明遼寧高校投入一定時，整體產(chǎn)出效率較高。其中DMU6、DMU18、DMU20、DMU21、DMU27、DMU28、DMU31七所高校純技術(shù)效率等于1，占總樣本的21.88%，說明這些高校資源利用率高，配比科學(xué)。結(jié)合規(guī)模報酬做進(jìn)一步分析，可以發(fā)現(xiàn)DMU6處于規(guī)模報酬遞減狀態(tài)，該所高校應(yīng)適當(dāng)縮小投入規(guī)模以提高產(chǎn)出效率；DMU18、DMU21、DMU31三所高校處于規(guī)模報酬不變狀態(tài)，說明這些高校的規(guī)模狀態(tài)比較合理，不需要加大投入量即能獲得最大收益；DMU20、DMU27、DMU28三所高校處于規(guī)模報酬遞增狀態(tài)，可以根據(jù)實際情況進(jìn)一步擴(kuò)大投入規(guī)模，從而獲得更高比例的產(chǎn)出回報。而其他高校純技術(shù)效率大多在[0.7，1]之間，應(yīng)進(jìn)一步提高資源管理水平，增強(qiáng)科技產(chǎn)出能力。

規(guī)模效率的均值為0.670，說明遼寧高校在資源配置和投入產(chǎn)出轉(zhuǎn)化率方面整體表現(xiàn)欠佳。其中DMU18、DMU21、DMU31三所高校規(guī)模效率達(dá)到了1，占總樣本的9.38%，說明這幾所高校規(guī)模合理，管理得當(dāng)，資源投入產(chǎn)出配比科學(xué)，達(dá)到了最佳生產(chǎn)規(guī)模；DMU2和DMU14規(guī)模效率在[0.9，1]之間，這兩所高校在資源配置和投入產(chǎn)出方面稍加調(diào)整就能達(dá)到規(guī)模有效；其余27所高校規(guī)模效率都低于0.9，投入產(chǎn)出水平低，需加大力度提高資源管理水平，優(yōu)化資源配置，找到最佳規(guī)模產(chǎn)出點，提高投入產(chǎn)出效率。

從規(guī)模報酬方面來看，DMU2和DMU6兩所高校處于規(guī)模報酬遞減階段，占總樣本的6.25%，說明現(xiàn)階段在保證科技產(chǎn)出效率的基礎(chǔ)上要適當(dāng)減少資源投入規(guī)模；DMU18、DMU21、DMU31三所高校處于規(guī)模報酬不變階段，說明這些高校的投入量與產(chǎn)出量達(dá)到了最佳規(guī)模點；其余27所高校都處于規(guī)模報酬遞增階段，占比84.38%，說明遼寧高校整體上科技創(chuàng)新規(guī)模較小，需要進(jìn)一步擴(kuò)大投入規(guī)模，從而更有效地提高科技產(chǎn)出效率。

四、結(jié)論與建議

本文采用PCA和DEA相結(jié)合的方法構(gòu)建了高?？萍紕?chuàng)新績效評價指標(biāo)體系，并以遼寧省“211”及省屬本科高等院校2種高校類型共32所高校作為研究對象，基于各高校2017年科技投入產(chǎn)出的面板數(shù)據(jù)，對其科技創(chuàng)新績效進(jìn)行測算分析，得到如下結(jié)論:

第一，綜合效率均值為0.627，純技術(shù)效率均值為0.935，規(guī)模效率均值為0.670，說明大部分高校在既定的資源投入下，科技產(chǎn)出水平不高，資源浪費現(xiàn)象明顯。而且純技術(shù)效率明顯高于規(guī)模效率，并維持在較高水準(zhǔn)，因此導(dǎo)致綜合效率不高的主要原因是規(guī)模無效。

第二，綜合效率和規(guī)模效率為1的高校有3所，占比9.38%，純技術(shù)效率為1的高校有7所，占比21.88%，所以遼寧32所高校總體表現(xiàn)不理想，三者有效性的占比均不及總量的一半，在資源配置和內(nèi)部管理等方面仍有較大的提升空間。

第三，結(jié)合規(guī)模報酬分析可知，DEA無效的大部分高校處于規(guī)模報酬遞增階段，這表明高校的綜合效率雖然不佳但發(fā)展?jié)摿Υ?，可以通過擴(kuò)大科技規(guī)模，增加投入，以獲得更高比例的產(chǎn)出回報。

基于以上分析結(jié)果，為進(jìn)一步提高遼寧高校的科技創(chuàng)新效率，提出以下建議:首先，保證教育主管部門對高校科技創(chuàng)新工作的重視，加大科技資金投入，進(jìn)一步增強(qiáng)資金引導(dǎo)作用，保持產(chǎn)出效率的持續(xù)穩(wěn)定提升。其次，合理利用科技人才，完善用人機(jī)制?？萍既藛T發(fā)展是高校科技創(chuàng)新績效提高的一個重要因素，各高校應(yīng)重視人才培養(yǎng)，對于具有科研潛力的優(yōu)秀教師要提供給他們良好的培訓(xùn)及廣闊的發(fā)展空間，做到人盡其才，并在職稱職務(wù)上破例提拔，充分調(diào)動他們研發(fā)的積極性，增加科技產(chǎn)出。最后，提高科技發(fā)展的管理水平，完善創(chuàng)新發(fā)展機(jī)制。各高校要調(diào)整粗放型的發(fā)展路徑，掌控好投入與產(chǎn)出間的均衡度，積極與其他高校進(jìn)行交流合作，在探索與學(xué)習(xí)中不斷優(yōu)化資源配置，提高資源利用效率，實現(xiàn)內(nèi)涵性發(fā)展。