邱均平，孟炎镕,b（杭州電子科技大學(xué)．中國科教評價研究院，b．管理學(xué)院）

1 引言

在“雙一流”建設(shè)的大背景下，提升科研實力、提供具有理論和實際價值的科研成果是高校發(fā)展的一個重要方向。高?？蒲挟a(chǎn)出的數(shù)量能在一定程度上反映其科研能力，但數(shù)量不是目的，科研質(zhì)量或價值才是最終追求?？茖W(xué)研究成果質(zhì)量以科研論文、學(xué)術(shù)著作、報刊文章等進行表達，具有創(chuàng)新性、科學(xué)性、實踐性等特性［1］。雖然我國科研生產(chǎn)力不斷提升，但科研影響力相對較弱［2］。進行高?？蒲谐晒|(zhì)量研究，既可為“雙一流”高?？蒲械陌l(fā)展提供指揮棒和風(fēng)向標(biāo)，也可對具有探索性和復(fù)雜性的科研活動進行定量分析。同時，分析科研資源投入有效性是深入挖掘高校發(fā)展內(nèi)在動力、提高科學(xué)管理水平的前提。

在已有的關(guān)于高?？蒲谐晒|(zhì)量的研究中，譚春林等提出應(yīng)注重質(zhì)量創(chuàng)新，科研產(chǎn)出質(zhì)量評價依據(jù)應(yīng)體現(xiàn)于學(xué)術(shù)價值和社會貢獻，并明確了科研成果質(zhì)量的評價方向和側(cè)重點［3］。潘健等基于全球視角，發(fā)現(xiàn)科研論文產(chǎn)出數(shù)量與質(zhì)量并非完全對立，兩者的對立和同一蘊含在質(zhì)量互變之中［4］。因此，對于科研成果質(zhì)量的研究，不僅僅要依靠體現(xiàn)質(zhì)的指標(biāo)，還應(yīng)重視量的指標(biāo)。大部分學(xué)者通過構(gòu)建指標(biāo)體系對科研產(chǎn)出成果進行評價研究，缺乏統(tǒng)一的成果產(chǎn)出指標(biāo)，且對具有代表性科研成果權(quán)重的主觀選擇具有很大的爭議性［5］。因此，不考慮成果指標(biāo)權(quán)重的大小，根據(jù)指標(biāo)的特性對高校質(zhì)量進行分類研究具有一定的優(yōu)勢。

大部分學(xué)者選取了論文數(shù)量、被引量、科研獲獎等作為科研成果的代表性指標(biāo)。Abramo等［6］運用引文數(shù)作為科研產(chǎn)出的指標(biāo)，計算了意大利大學(xué)的研究生產(chǎn)率；Li Jing等從發(fā)表論文數(shù)量、引文量、出版物等方面探討中國高校與世界一流大學(xué)在科研產(chǎn)出能力方面的差距［7］。對于科研資源投入有效性的研究，部分學(xué)者考慮的投入因素指標(biāo)較少。張寶生等［8］運用門檻回歸方法研究了政府科技經(jīng)費投入和研發(fā)人員的規(guī)模對科研產(chǎn)出的影響；蘇皚等［9］研究了科研經(jīng)費投入、課題數(shù)量和師資隊伍投入與科研創(chuàng)新產(chǎn)出的影響關(guān)系。

Logistic回歸模型可以分析多因素投入的有效性，且能夠較好地解決各分類數(shù)據(jù)相關(guān)性檢驗與貢獻水平的問題［10］。為此，本研究不構(gòu)建指標(biāo)體系，而是基于突出學(xué)術(shù)影響力和貢獻指標(biāo)變量，對我國114所“雙一流”高校進行自然分類，同時考慮科研資源投入因素，將杰出人才培養(yǎng)、基礎(chǔ)設(shè)施投入、科研隊伍建設(shè)、團隊合作能力和地區(qū)經(jīng)濟實力作為自變量，將高?？蒲谐晒|(zhì)量水平作為因變量，構(gòu)建無序多分類Logistic回歸模型進行投入有效性分析，探究科研資源投入與產(chǎn)出之間的非線性關(guān)系。

2 研究設(shè)計

2.1 數(shù)據(jù)來源

全國“雙一流”大學(xué)名單為137所，考慮其中23所高校的性質(zhì)及其在選取的科研指標(biāo)中的表現(xiàn)很低，因此為了確保研究結(jié)果的說服性和準(zhǔn)確性，剔除較為特殊的藝術(shù)語言類高校，如中央美術(shù)學(xué)院、中央音樂學(xué)院等。本研究從靜態(tài)的角度選擇114所“雙一流”高校，對其2020年的科研成果質(zhì)量水平以及投入有效性展開研究，高校科研資源投入與成果產(chǎn)出的數(shù)據(jù)主要采集于教育部官方網(wǎng)站文件、自然科學(xué)基金網(wǎng)、各高校官方網(wǎng)站以及Web of Science學(xué)術(shù)發(fā)表與專利信息公共服務(wù)檢索平臺。

2.2 研究方法

2.2.1 K-Means聚類

聚類面對的是沒有分類標(biāo)簽的數(shù)據(jù)對象，它從給定的數(shù)據(jù)集中搜索數(shù)據(jù)對象之間存在的有價值的數(shù)據(jù)分布模式［11］。K-Means聚類是一種基于質(zhì)心或距離的算法，筆者先取一個K值，再將數(shù)據(jù)劃分為K個類別，這樣同一類別內(nèi)的數(shù)據(jù)相似度較高，便于區(qū)分［12］。

本研究主要應(yīng)用SPSS Statistics 25.0軟件，基于歐幾里得距離確定聚類中心點，對114所高校的科研質(zhì)量水平進行聚類，將科研質(zhì)量水平相同的歸為一類。傳統(tǒng)的用簡單計數(shù)累加的評價辦法忽略了代表性成果的重要性，導(dǎo)致成果數(shù)量激增但影響力不足，自然聚類可以很好地避免這些問題。同時，聚類的結(jié)果比傳統(tǒng)的分類方法更加全面、合理，而且它可以有效地消除由于數(shù)據(jù)的微小差異而導(dǎo)致的區(qū)別，避免了直接排名的限制［13］。

2.2.2 無序多分類Logistic回歸

Logistic回歸是一種廣義的線性回歸分析模型。邏輯回歸理論揭示了一個因變量與多個互不相關(guān)的自變量之間的多元回歸關(guān)系［14］。本研究在高?？蒲匈|(zhì)量的聚類基礎(chǔ)上，識別不同類高校的科研質(zhì)量水平與選取自變量因素之間的關(guān)系，探究科研投入因素的有效性程度。不同的科研質(zhì)量水平為因變量，由聚類結(jié)果得出為無序多分類變量。選取的自變量均為二元或多元分類變量，因此，本研究構(gòu)建無序多分類Logistic模型。

假設(shè)有n個自變量，對應(yīng)k個分類的因變量。從k個因變量中選一類作為對照組，且每個分類都可以作為對照組。對照組與剩余的k-1個分類分別進行回歸方程的構(gòu)建。則因變量第j個分類的Logistics回歸模型為［15］：

式（1）中，j∈［1，k-1］，i∈［1，n］，βji為回歸系數(shù)，xi為第i個影響科研成果質(zhì)量的自變量，Pj為因變量為第j類別的概率。

3 高?？蒲匈|(zhì)量聚類分析

3.1 聚類變量指標(biāo)選取

參考已有研究，選取的聚類變量要具有代表性，本研究在選取變量指標(biāo)時，注重成果的實際價值和創(chuàng)新性［16］。高?？蒲匈|(zhì)量水平由科研產(chǎn)出，即科研影響力和實際貢獻所決定。本研究將高?？蒲匈|(zhì)量聚類指標(biāo)變量設(shè)置為7種，為聚類過程的輸入變量，這些指標(biāo)均可定量計算（見表1）。

表1 聚類變量指標(biāo)表

高校的科研產(chǎn)出主要為學(xué)術(shù)論文。三大刊（Science、Nature、Cell）具有較高的影響力，其科研成果重大且新穎，因此發(fā)表在三大刊的論文數(shù)量體現(xiàn)了高校的科研產(chǎn)出力。發(fā)明專利體現(xiàn)的是先進的技術(shù)或方法，專利數(shù)量可以表現(xiàn)出科研機構(gòu)的科研創(chuàng)新力［17］。因此，三大刊發(fā)文數(shù)和發(fā)明專利數(shù)量雖然是代表量的指標(biāo)，但也能在一定程度上能反映科研質(zhì)量。

對于代表質(zhì)的成果指標(biāo)，具有高被引量的論文往往代表著其具有較高的學(xué)術(shù)水平和學(xué)術(shù)影響力。三大刊被引量，代表論文具有較高的學(xué)術(shù)影響力；ESI高被引論文指某一篇SCI/SSCI論文近10年總被引次數(shù)位于某ESI學(xué)科所有相同出版年論文的前1%［18］；SCI、SSCI和A&HCI被引量指標(biāo)越高越能說明高校科研產(chǎn)出質(zhì)量高，且相比于數(shù)量更注重內(nèi)涵；科研獲獎代表科研機構(gòu)的科研實力，具有一定的創(chuàng)造性和新穎性；會議報告數(shù)代表了高校較高的科研合作和交流能力，體現(xiàn)了某一學(xué)科的最新研究成果，能夠反映科研機構(gòu)的學(xué)科影響力和創(chuàng)新性。

3.2 聚類結(jié)果及其分析

自然聚類可以自動區(qū)分不同的高校類型，能更好地反映“雙一流”高校的整體科研水平情況。本研究運用K-Means快速聚類算法對114所高校的科研成果質(zhì)量水平進行聚類分析，根據(jù)實際的科研情況，選擇3個聚類中心點，得到了3個類群的中心點對應(yīng)的科研成果質(zhì)量情況。

經(jīng)過計算，本研究選取的7個指標(biāo)變量在3個類群中的差異是顯著的，即具有統(tǒng)計學(xué)意義。由最終的聚類中心可知（見表2），聚類中心點分別為（1796，5，883，561，247，44010，139）、（459，0，78，74，7，6402，23）、（1021，1，363，246，79，22397，48）。第一類各指標(biāo)數(shù)是最高的，表明科研質(zhì)量最優(yōu)，第三類次之，第二類指標(biāo)最低，即科研質(zhì)量水平最不理想。每一類高校都有一個中心點，接近于中心點的高校各項指標(biāo)處在同一質(zhì)量水平上。各層次中心點指標(biāo)之間具有明顯的層次性，其中ESI高被引論文數(shù)、三大刊被引量和科研獲獎這3個指標(biāo)差異最大。

表2 最終聚類中心

各個類群的高校數(shù)量情況：第一類有18所高校，包括清華大學(xué)、北京大學(xué)、浙江大學(xué)等。第二類有68所高校，包括南京大學(xué)、蘇州大學(xué)、同濟大學(xué)等。第三類有28所高校，包括華東師范大學(xué)、第二軍醫(yī)大學(xué)、南京農(nóng)業(yè)大學(xué)等。聚類結(jié)果顯示，“雙一流”高校整體的科研質(zhì)量水平呈金字塔形結(jié)構(gòu)。第一類高校數(shù)量最少，這類高校在各個科研產(chǎn)出指標(biāo)情況最優(yōu)，而各類指標(biāo)較低的高校數(shù)量則較多。基于分析結(jié)果，將三類不同質(zhì)量水平的高校劃分為優(yōu)秀類、良好類和一般類，對于科研質(zhì)量一般類和良好類高校來說，應(yīng)有針對性地提高其科研質(zhì)量。

4 無序多分類Logistic回歸分析

4.1 樣本選取與分析

已有相關(guān)研究大多考慮課題數(shù)量、師資隊伍投入、研發(fā)人員規(guī)模和科研經(jīng)費投入等因素，其中科研經(jīng)費投入僅對科研成果數(shù)量具有正向影響，對成果質(zhì)量影響不顯著［19］。本研究將科研經(jīng)費投入進行剔除，考慮基礎(chǔ)設(shè)施投入、杰出人才培養(yǎng)、科研隊伍建設(shè)、團隊合作能力和地區(qū)經(jīng)濟實力因素可能會對科研產(chǎn)出產(chǎn)生影響，即投入因素是否具有有效性，選取了10個具體指標(biāo)作為回歸模型自變量xi，i=（1，2，…，10）（見表3）。

表3 科研資源投入指標(biāo)

（1）科研基礎(chǔ)設(shè)施投入。①科研基地不僅是學(xué)科建設(shè)的載體，也是培養(yǎng)創(chuàng)新型科研人才和促進科技成果創(chuàng)新的重要載體，其作為物力資本主要是財力投入長期積累而成，屬于存量概念，短期內(nèi)相對較為穩(wěn)定［20］。②科研項目為實踐教學(xué)和培養(yǎng)創(chuàng)新能力的良好平臺，高校申請的科研項目數(shù)在一定程度上反映了高校的科技創(chuàng)新力和產(chǎn)出力［21］。

（2）杰出人才是高校重要的科研資源，具有引領(lǐng)性作用。本研究選取中科院院士與工程院院士人數(shù)、國務(wù)院學(xué)科評議組成員人數(shù)、長江學(xué)者特聘教授人數(shù)和“杰出青年”人數(shù)指標(biāo)代表高校的人才資源，在本研究調(diào)研的114所高校中有29所無中科院院士與工程院院士。國務(wù)院學(xué)科評議組成員人數(shù)不僅代表了高校的人才資源，而且展現(xiàn)了高校的學(xué)科發(fā)展力，在不同類高校中具有明顯差異。長江學(xué)者特聘教授人數(shù)、“杰出青年”人數(shù)體現(xiàn)了高校的人才科研能力，本研究調(diào)研的114所高校中有41所無長江學(xué)者特聘教授、47所無杰出青年。

（3）科研隊伍是科研的主力軍，會直接影響人力資源的質(zhì)量，進而影響科研成果的數(shù)量和質(zhì)量，因此，選取科研隊伍建設(shè)投入作為研究投入有效性的指標(biāo)是合理的。本研究選取博士研究生導(dǎo)師和碩士研究生導(dǎo)師數(shù)量作為高?？蒲械娜肆ν度耄浯碇咝５目蒲挟a(chǎn)出力和人才培養(yǎng)能力。

（4）團隊合作能力因素中的創(chuàng)新團隊指標(biāo)是指教育部“創(chuàng)新團隊發(fā)展計劃”入選團隊，創(chuàng)新團隊能反映高校的科研合作力和創(chuàng)新力。科學(xué)研究要兼顧科研的創(chuàng)新性和可操作性，科研團隊建設(shè)是科研發(fā)展的關(guān)鍵所在［22］。

（5）廖帥［23］等認為，人均GDP發(fā)達的地區(qū)投入的科技資源普遍較高，也能獲得較好的科研產(chǎn)出。本研究考慮到地區(qū)經(jīng)濟實力因素，運用數(shù)據(jù)可視化呈現(xiàn)了114所“雙一流”高校在我國不同地區(qū)的分布情況（見圖1）。可見，經(jīng)濟發(fā)展水平較高的東部地區(qū)，可能更有利于科研成果產(chǎn)出和“雙一流”高校的建設(shè)。筆者將科研質(zhì)量作為因變量，一般、良好和優(yōu)秀分別取值為1、2、3，將上述科研資源投入變量按數(shù)據(jù)特征進行劃分（見表4）。

表4 自變量劃分類型

圖1 不同高校類型的地區(qū)分布

4.2 回歸結(jié)果與分析

4.2.1 初始結(jié)果

本研究運用無序多分類Logistic回歸模型將10個科研資源投入指標(biāo)作為自變量，科研質(zhì)量作為響應(yīng)變量，進行科研資源投入有效性分析。由于自變量指標(biāo)較少，可以采用Enter法，使所有自變量參與建模。以k（k=1,2,3）為參考類型，高校為其他類型的概率與為k類型的概率比值為［24］。本研究分別以良好和優(yōu)秀為參照類別，建立以下4個Logistic模型，P1、P2和P3分別表示高校科研質(zhì)量一般、良好、優(yōu)秀的概率，βji為回歸系數(shù)。見公式（2）—（5）。

從表5初始模型擬合信息可知，該模型的-2倍對數(shù)似然值為79.647，P值小于0.05，即該模型總體上通過檢驗，說明Logistic模型能夠用于分析與釋解科研資源投入與科研質(zhì)量水平的關(guān)系。此外，Cox&Snell R2為0.691，說明自變量可以解釋不同科研成果質(zhì)量69.1%的形成原因，該模型擬合效果較佳。

表5 初始模型擬合信息

通過表6初始模型似然比檢驗可知，科研項目、中科院院士和工程院院士數(shù)、碩士研究生導(dǎo)師數(shù)和創(chuàng)新團隊數(shù)4個自變量的P值小于0.05，顯著影響科研質(zhì)量水平。P值大于0.05的自變量對科研成果質(zhì)量無顯著影響，應(yīng)進行剔除，以優(yōu)化初始模型。

表6 初始模型似然比檢驗

4.2.2 最終擬合模型

為形成最終的擬合結(jié)果，本研究采用偏似然估計法將國務(wù)院學(xué)科評議組成員數(shù)、長江學(xué)者特聘教授人數(shù)、科研基地、博士研究生導(dǎo)師數(shù)、地區(qū)分布和“杰出青年”人數(shù)變量從初始模型中進行逐一剔除。剩余變量與科研成果質(zhì)量具有顯著相關(guān)性，最終模型中的中科院院士與工程院院士數(shù)、碩士研究生導(dǎo)師數(shù)、科研項目數(shù)和創(chuàng)新團隊數(shù)變量的相關(guān)性檢驗見表7。

表7 最終模型似然比檢驗

最終的回歸結(jié)果包括4個模型（見表8）。模型一和模型二以良好類高校為對照組，模型三和模型四以優(yōu)秀類高校為對照組。選取不同的對照組，回歸分析結(jié)果也會有一定的差別。當(dāng)exp（B）值小于1時，說明變量對此模型具有反向作用；當(dāng)exp（B）值大于1時，說明變量對此模型具有正向作用。

表8 無序多分類結(jié)果分析

（1）模型一和模型二中，科研成果質(zhì)量與科研隊伍建設(shè)的碩士研究生導(dǎo)師數(shù)量顯著相關(guān)，與杰出人才培養(yǎng)中的院士數(shù)顯著相關(guān)。從exp（B）值可以看出，模型一中碩士研究生導(dǎo)師數(shù)和院士數(shù)變量的exp（B）值小于1，而模型二中的exp（B）值大于1，即科研隊伍建設(shè)和杰出人才的培養(yǎng)對提高科研成果質(zhì)量效果顯著，具有有效性。模型一中，科研基礎(chǔ)投入中的科研項目的P值大于0.05，無顯著作用；模型二中，其P值小于0.05，具有明顯的正向顯著作用。簡而言之，科研基礎(chǔ)設(shè)施投入可以提高良好類高校的科研成果質(zhì)量，而在一般類高校中的促進作用較弱。從體現(xiàn)科研合作能力的創(chuàng)新團隊數(shù)來看，科研合作能力較強的高校達到優(yōu)秀科研質(zhì)量成果的概率是科研合作能力較弱高校的exp（3.48）倍，即32.66倍，可見創(chuàng)新能力和合作能力對于提升高校成果質(zhì)量具有正向的顯著作用。

（2）在模型三和模型四中，基礎(chǔ)設(shè)施的投入、杰出人才的培養(yǎng)和科研合作能力均與科研成果質(zhì)量有顯著的關(guān)系。對于模型三，科研隊伍的建設(shè)對一般類高校的科研成果質(zhì)量無顯著影響，可以理解為，相比于優(yōu)秀類高校，一般類高?？蒲嘘犖槭沁h遠不夠的，還應(yīng)該注重對其他投入因素的管理。在模型四中，碩士研究生導(dǎo)師數(shù)變量的P值小于0.05，意味著科研隊伍規(guī)模越大，人才資源培養(yǎng)能力越高，“一流師資”是“雙一流”建設(shè)的核心要素［25］。加強科研隊伍建設(shè)有利于科研成果質(zhì)量的提升。模型三和模型四的科研項目變量和院士數(shù)變量的P值均小于0.05，即科研項目對提高科研成果質(zhì)量效果顯著?？梢越忉尀?，科研項目的申報可以鍛煉科研人員的創(chuàng)新力和生產(chǎn)能力，進一步提高其科研產(chǎn)出的質(zhì)量。

從以上分析中發(fā)現(xiàn)，杰出人才培養(yǎng)對各類高校提高科研成果質(zhì)量的顯著作用最大?？蒲嘘犖榻ㄔO(shè)、科研合作能力和基礎(chǔ)設(shè)施的投入可以提升良好類和優(yōu)秀類高?？蒲谐晒|(zhì)量，但對一般類高校的科研成果質(zhì)量的促進作用相對較弱。

5 結(jié)語

本研究收集“雙一流”高校的科研成果產(chǎn)出和資源投入的各指標(biāo)，對高校科研成果質(zhì)量和科研資源投入的有效性進行研究。結(jié)果顯示，不同科研水平的高校數(shù)量呈金字塔形結(jié)構(gòu)，高校整體科研質(zhì)量水平出現(xiàn)明顯的斷層，提高一般類高校的科研質(zhì)量對“雙一流”高校建設(shè)和提高其整體實力至關(guān)重要。杰出人才培養(yǎng)、科研隊伍建設(shè)、科研合作能力和基礎(chǔ)設(shè)施的投入可促進不同類型的高校提升科研成果質(zhì)量，地區(qū)經(jīng)濟實力對科研成果質(zhì)量無顯著影響。

杰出人才的能量持續(xù)疊加效應(yīng)對于高校提高科研成果質(zhì)量至關(guān)重要。高校應(yīng)在科研管理體系中將科學(xué)研究成果數(shù)量與質(zhì)量并重，對取得高質(zhì)量成果的人才予以重點扶持，引導(dǎo)科研工作者撰寫高水平的論文，可以加大對人才的引進。對于處在不同科研質(zhì)量水平的高校來說，應(yīng)加強合作意識，協(xié)作開展科研項目。高校應(yīng)看重科研工作者的合作創(chuàng)新思維和能力，鼓勵科研團隊的建設(shè)，激發(fā)團隊創(chuàng)造力。此外，高校應(yīng)加強鍛煉科研工作者的科研能力，進一步挖掘科研團隊的潛力，促使其產(chǎn)生更具實際應(yīng)用意義的科研成果。