鄭琇文 阮紅偉 趙鑫玉 楊佳龍 楊景雯 陳柔潔

(1.青島大學(xué) 商學(xué)院；2.青島大學(xué) 數(shù)學(xué)與統(tǒng)計(jì)學(xué)院，山東 青島 266071)

0 引言

黨的十九屆五中全會(huì)對(duì)構(gòu)建新發(fā)展格局、深化改革開(kāi)放、創(chuàng)新驅(qū)動(dòng)發(fā)展做出部署，把科技自立自強(qiáng)作為國(guó)家發(fā)展的戰(zhàn)略支撐。而高等學(xué)校作為國(guó)家科技創(chuàng)新體系的核心組成部分,其科研績(jī)效直接反映國(guó)家科技發(fā)展的自主創(chuàng)新能力。同時(shí)2020年作為首輪“雙一流”建設(shè)的收官之年，“雙一流”建設(shè)政策的實(shí)施給入選的高校帶來(lái)了可觀的財(cái)政撥款，但科研經(jīng)費(fèi)的支持是否有效提升了各高校的科技創(chuàng)新水平仍是亟待考量的問(wèn)題。研究高?？萍紕?chuàng)新績(jī)效現(xiàn)狀，發(fā)掘制約高?？萍紕?chuàng)新績(jī)效提升的因素，對(duì)于更科學(xué)、合理、高效地配置和運(yùn)營(yíng)有限的科研資源，實(shí)現(xiàn)我國(guó)科技自立自強(qiáng)具有十分重要的戰(zhàn)略指導(dǎo)作用。

高校創(chuàng)新績(jī)效是學(xué)者關(guān)注的重點(diǎn)，而在已有研究中，對(duì)科技成果轉(zhuǎn)化效率進(jìn)行評(píng)價(jià)時(shí)，國(guó)內(nèi)外學(xué)者的注意力主要集中在研究方法以及研究工具的選用。例如，周靜等運(yùn)用1994-2002年間的全國(guó)高校數(shù)據(jù)對(duì)不同地區(qū)高校的制度效率和規(guī)模效率進(jìn)行了研究；張海燕等則運(yùn)用2002-2005年的統(tǒng)計(jì)數(shù)據(jù)對(duì)全國(guó)30個(gè)地區(qū)的高校的科技創(chuàng)新效率進(jìn)行了分析和實(shí)證研究；Johnes 等采用傳統(tǒng)的DEA方法，考察了英國(guó)大學(xué)經(jīng)濟(jì)系的研究效率。上述研究大多是對(duì)面板數(shù)據(jù)進(jìn)行處理后，對(duì)某個(gè)地區(qū)以及某一時(shí)期內(nèi)高?？萍紕?chuàng)新效率進(jìn)行比較得出結(jié)論，在一定程度上缺乏對(duì)整體的演化路徑和趨勢(shì)的比較，而且傳統(tǒng)的數(shù)據(jù)包絡(luò)分析模型在挖掘歷史數(shù)據(jù)的深層信息方面存在不足。DEA方法被廣泛應(yīng)用于分析學(xué)科績(jī)效評(píng)價(jià)的有效性，因此本文引入DEA模型，在進(jìn)行主成分分析后，加入Malmquist指數(shù)分析，“進(jìn)一步深化研究，以期能夠找到高?？萍紕?chuàng)新效率的影響因素，為高校科研效率的提升提供新視角。

本文通過(guò)構(gòu)建我國(guó)“雙一流”背景下高?？萍紕?chuàng)新能力的評(píng)價(jià)指標(biāo)體系，引入DEA和Malmquist指數(shù)法進(jìn)行數(shù)據(jù)處理，測(cè)算高校科技創(chuàng)新過(guò)程中技術(shù)效率、技術(shù)進(jìn)步及全要素生產(chǎn)率增長(zhǎng)情況，考察2009-2017年我國(guó)高校科技創(chuàng)新全要素生產(chǎn)率的變化規(guī)律，分析影響高校創(chuàng)新能力與效率提升的因素。并創(chuàng)新地將40所高校分成四種不同類型進(jìn)行數(shù)據(jù)處理分析，進(jìn)而給出具有針對(duì)性和可操作性的相關(guān)建議，對(duì)提高不同學(xué)科的自主創(chuàng)新能力具有建設(shè)性意義。

在現(xiàn)有研究的基礎(chǔ)上，因數(shù)據(jù)缺失以及代表性問(wèn)題，剔除國(guó)防科技大學(xué)、中央民族大學(xué)兩所雙一流高校，本文將對(duì)“雙一流”背景下的40所世界一流大學(xué)進(jìn)行研究。下文所提到的“雙一流”高校皆指40所世界一流大學(xué)。

1 研究方法與指標(biāo)選取

1.1 數(shù)據(jù)包絡(luò)分析法

數(shù)據(jù)包絡(luò)分析(Data envelopment analysis, DEA)是在“相對(duì)效率評(píng)價(jià)”概念的基礎(chǔ)上發(fā)展起來(lái)的，屬于一種處理多投入和多產(chǎn)出指標(biāo)復(fù)雜系統(tǒng)的非參數(shù)分析方法。其基本模型是1978年由美國(guó)著名運(yùn)籌學(xué)家A.Charnes和W.W.Cooper提出的CCR模型，即在規(guī)模報(bào)酬不變的假設(shè)前提下用于評(píng)價(jià)決策單元技術(shù)的總體有效性。

DEA通過(guò)對(duì)數(shù)據(jù)進(jìn)行處理，可以得出每個(gè)決策單元(DMU)綜合效率的數(shù)量指標(biāo)，再進(jìn)行定級(jí)排隊(duì)。在確定有效的決策單元的同時(shí)，DEA數(shù)據(jù)處理結(jié)果也能計(jì)算非有效的決策單元程度。通過(guò)進(jìn)一步分析相應(yīng)決策的改進(jìn)方向及路徑，從而輔助決策者以提供重要的管理決策信息。

在CCR模型下的DEA有效，必須同時(shí)滿足“規(guī)模有效”和“技術(shù)有效”。為了衡量分析決策單元在不同規(guī)模報(bào)酬?duì)顟B(tài)下的相對(duì)效率需要在CCR模型中加入凸性限制條件，修正為BCC模型，即基于可變的規(guī)模收益計(jì)算決策單元的純技術(shù)效率。本文將運(yùn)用BCC模型進(jìn)行相關(guān)數(shù)據(jù)計(jì)算及結(jié)果分析。

設(shè)有n個(gè)DMU，使用m種投入指標(biāo)，生產(chǎn)得到s種產(chǎn)出。其中，任意一個(gè)DMUj的第i種投入和第r種產(chǎn)出可以表示為：xij和yrj,i=1,2,…,m.,r=1,2,…,s.,j=1,2,…,n.則參考集可以表示為：

生產(chǎn)可能集可定義為：

T{(X,Y)|投入X可以生產(chǎn)Y}>

被評(píng)價(jià)單元的效率值可以由下列公式計(jì)算出：

wi≥0,i=1,2,…,m

ur≥0,r=1,2,…,s

其中，參數(shù)ur和wi分別表示第r種產(chǎn)出和第i種投入的權(quán)重指標(biāo)。θd表示第d個(gè)DMU的效率值，當(dāng)且僅當(dāng)θd=1時(shí)，DMUd有效。在BC2模型中，通過(guò)轉(zhuǎn)化后求對(duì)偶模式得到其投入、產(chǎn)出導(dǎo)向的包絡(luò)模型：

1.2 Malmquist指數(shù)

Malmquist指數(shù)，即全要素生產(chǎn)率指數(shù)(Toal Factor Productivity, TFP)，利用距離函數(shù)的比率來(lái)衡量一定時(shí)間內(nèi)總投入與總產(chǎn)出生產(chǎn)效率之比。1978年Malmquist與Charnes等建立的DEA理論相結(jié)合后，被廣泛應(yīng)用于各個(gè)部門、行業(yè)的生產(chǎn)效率變化測(cè)算。

傳統(tǒng)的DEA模型主要針對(duì)同一時(shí)期的截面數(shù)據(jù)進(jìn)行測(cè)量，即局限于單一時(shí)間點(diǎn)的靜態(tài)效率。而Malmquist指數(shù)模型則可以將不同時(shí)期的面板數(shù)據(jù)進(jìn)行動(dòng)態(tài)和縱向測(cè)算。將DEA和Malmquist指數(shù)模型融合分析高?？萍紕?chuàng)新效率，一方面可以進(jìn)行優(yōu)勢(shì)互補(bǔ)，突出不同學(xué)科投入、產(chǎn)出之間以及同一學(xué)科在不同時(shí)間點(diǎn)的動(dòng)態(tài)對(duì)比；另一方面有助于更全面地衡量學(xué)科績(jī)效水平，清晰反映在一定時(shí)期內(nèi)科研經(jīng)費(fèi)配置的真實(shí)情況。

Malmquist(xt+1,yt+1,xt,yt)=

其中(xt,yt)，(xt+1,yt+1)分別為t時(shí)期的投入量和t+1時(shí)期的產(chǎn)出量，Dt,Dt+1分別表示不同時(shí)期的距離函數(shù)。

分別表示技術(shù)效率變化和技術(shù)進(jìn)步對(duì)高校科研全要素生產(chǎn)率變化的相對(duì)貢獻(xiàn)。

1.3 指標(biāo)選取

科技創(chuàng)新效率評(píng)價(jià)需要綜合考慮不同學(xué)科建設(shè)和發(fā)展中投入產(chǎn)出所包含的多元要素以及相互之間的邏輯聯(lián)系，充分體現(xiàn)優(yōu)勢(shì)高校建設(shè)的全過(guò)程。由于變量間相關(guān)程度越高，主成分分析的效果越好；且鑒于部分產(chǎn)出變量(例如專著數(shù))存在的整數(shù)約束性質(zhì)和價(jià)值偏好關(guān)系，充分考慮數(shù)據(jù)的合理性以及可獲取性，本文選取的產(chǎn)出指標(biāo)X為：專著數(shù)、出版論文、鑒定成果數(shù)、技術(shù)轉(zhuǎn)讓當(dāng)年實(shí)際收入、成果授獎(jiǎng)數(shù)； 投入指標(biāo)Y為：教學(xué)與發(fā)展人員、研究發(fā)展全時(shí)當(dāng)量人員、科技經(jīng)費(fèi)當(dāng)年撥入和內(nèi)部支出、科技課題總數(shù)、科技課題當(dāng)年投入人數(shù)和撥入經(jīng)費(fèi)、支出經(jīng)費(fèi)。

2 數(shù)據(jù)處理

主成分分析法(Principal Component Analysis ,PCA)利用降維的思想，從研究相關(guān)矩陣內(nèi)部的依賴關(guān)系出發(fā)，在損失很少信息的情況下，將原來(lái)錯(cuò)綜復(fù)雜的多個(gè)變量重新組合成幾個(gè)互不相關(guān)的綜合變量。運(yùn)用PCA處理指標(biāo)，可以簡(jiǎn)化因數(shù)據(jù)過(guò)多造成的復(fù)雜性，獲得最佳變量指標(biāo)集合，使模型更易于做結(jié)構(gòu)分析、控制和預(yù)報(bào)。

本文運(yùn)用SPSS19.0軟件對(duì)2009—2017年的指標(biāo)數(shù)據(jù)進(jìn)行PCA降維處理。以2017年數(shù)據(jù)為例，根據(jù)KMO和Bartlett檢驗(yàn)表明(見(jiàn)表1)：Bartlett值為577.856，P<0.0005，因此Bartlett檢驗(yàn)拒絕零假設(shè)，相關(guān)系數(shù)不是單位矩陣，可以進(jìn)行因子分析；KMO值為0.738，大于0.7，表明變量間的相關(guān)性較強(qiáng)，偏相關(guān)性較弱，因子分析的效果較好。

表1 KMO和巴特利特檢驗(yàn)

進(jìn)一步進(jìn)行歸一化處理取特征值大于1的變量，根據(jù)特征值累計(jì)方差百分比(見(jiàn)表2)，得到3個(gè)產(chǎn)出變量(X)累計(jì)貢獻(xiàn)達(dá)85%以上，可解釋大部分方差，因此使用3個(gè)產(chǎn)出變量代替原來(lái)的5個(gè)產(chǎn)出指標(biāo)。同理，根據(jù)表3使用2個(gè)投入變量(Y)代替原本的8個(gè)投入指標(biāo)，其他年份數(shù)據(jù)也得出相同結(jié)論。

表2 X總方差解釋

表3 Y總方差解釋

3 實(shí)證分析

3.1 40所高校綜合分析

3.1.1 橫向靜態(tài)對(duì)比

運(yùn)用DEAP2.1軟件進(jìn)行DEA分析，計(jì)算得出2009-2017年期間40所“雙一流”高校每一年的科技創(chuàng)新效率及其分解情況，首先對(duì)這些數(shù)據(jù)進(jìn)行了靜態(tài)橫向的對(duì)比分析。由表4可知，2009年僅有中國(guó)人民大學(xué)、山東大學(xué)、華中科技大學(xué)、清華大學(xué)和北京航空航天大學(xué)5所高校達(dá)到DEA有效，說(shuō)明此時(shí)大部分高校科技成果產(chǎn)出較低，沒(méi)有達(dá)到最有優(yōu)模狀態(tài)。對(duì)其余35所高校數(shù)據(jù)進(jìn)行分解分析，發(fā)現(xiàn)呈現(xiàn)規(guī)模報(bào)酬遞增現(xiàn)象的高校達(dá)91.4%，產(chǎn)出不足的高校達(dá)85%，沒(méi)有投入冗余的高校，此時(shí)增加投入科研經(jīng)費(fèi)與科研人員等對(duì)高?？蒲邪l(fā)展具有巨大推動(dòng)作用。

表4 高校的科研效率及其分解

2015年國(guó)家正式提出建設(shè)“世界一流高?！焙汀笆澜缫涣鲗W(xué)科”，此時(shí)依然僅有5所高校達(dá)到DEA有效，相較于2009年并沒(méi)有增加，但DEA有效決策單元發(fā)生了變化，5所高校分別為中國(guó)人民大學(xué)、鄭州大學(xué)、清華大學(xué)、北京航空航天大學(xué)和東北大學(xué)。對(duì)其余35所高校數(shù)據(jù)進(jìn)行分解分析，此時(shí)65.7%的高校呈現(xiàn)規(guī)模報(bào)酬遞減現(xiàn)象，82.5%的高校產(chǎn)出不足，17.5%的高校投入冗余，說(shuō)明大部分高?？蒲行室?guī)模不經(jīng)濟(jì)，投入指標(biāo)分配利用不合理，很可能為投入冗余的影響。

2017年數(shù)據(jù)顯示，7所高校達(dá)到DEA有效，在2015年的基礎(chǔ)上增加了吉林大學(xué)和北京理工大學(xué)，70%的高校產(chǎn)出不足，62.5%的高校投入冗余。此時(shí)，40.6%的高校呈現(xiàn)規(guī)模報(bào)酬遞減的現(xiàn)象，相較于2015年減少了25.1%，但投入冗余高校占比率迅速增長(zhǎng)。一方面是因?yàn)閲?guó)家越來(lái)越重視高?？萍紕?chuàng)新發(fā)展，對(duì)高校資源投入力度大幅增加，2017年，全國(guó)教育經(jīng)費(fèi)總投入為42562.01億元，比上年的38888.39億元增長(zhǎng)9.45%。但從2009年至2017年產(chǎn)出不足的高校僅減少15%，投入冗余的高校增長(zhǎng)至62.5%，由此可以看出國(guó)家對(duì)各高校間的資源投入沒(méi)有得到合理的分配，各高校校內(nèi)資源未得到有效的利用，科技成果產(chǎn)出未達(dá)到最優(yōu)規(guī)模狀態(tài)，從而導(dǎo)致產(chǎn)出不足，且造成了資源的浪費(fèi)。另一方面，規(guī)模報(bào)酬遞減現(xiàn)象仍較為嚴(yán)重，這也導(dǎo)致了規(guī)模效率未達(dá)到有效性，應(yīng)通過(guò)調(diào)整優(yōu)化投入結(jié)構(gòu)來(lái)實(shí)現(xiàn)規(guī)模經(jīng)濟(jì)效益，我國(guó)高?？萍紕?chuàng)新效率增長(zhǎng)仍較為緩慢。

3.1.2 Malmquist動(dòng)態(tài)對(duì)比

對(duì)2009—2017年的面板數(shù)據(jù)進(jìn)行DEA-Malmquist 分析，40所世界一流大學(xué)各類指數(shù)的平均值中(見(jiàn)表2)，技術(shù)效率指數(shù)、純技術(shù)效率指數(shù)、規(guī)模效率指數(shù)均大于1 ，其中由于技術(shù)進(jìn)步指數(shù)小于1，進(jìn)而使全要素生產(chǎn)率等于0.973<1。這9年來(lái)國(guó)家對(duì)高校資源配置進(jìn)行了較為合理的分配，高校內(nèi)部管理水平提高，對(duì)科研人員、科研資金進(jìn)行了合理的安排，科研規(guī)模擴(kuò)大，投入的師資水平提高，科研課題增加。但科技進(jìn)步程度影響科研效率的提高，高校的科研效率整體呈現(xiàn)衰退現(xiàn)象，創(chuàng)新績(jī)效未得到改善，各高校資源未得到充分的利用，科技創(chuàng)新效率仍然較低，創(chuàng)新力度不夠。其中2015-2016年的技術(shù)進(jìn)步指數(shù)僅為0.52，遠(yuǎn)低于平均值0.957，根據(jù)《科技進(jìn)步評(píng)價(jià)報(bào)告2015》顯示，與2014年比較，全國(guó)綜合科技進(jìn)步水平指數(shù)比上年提高了2.94個(gè)百分點(diǎn)，但我國(guó)科技創(chuàng)新仍顯乏力。

40所高校根據(jù)全要素生產(chǎn)率指數(shù)排序情況如表6所示，可以看出僅有十所高校達(dá)到了DEA有效，分別是清華大學(xué)、鄭州大學(xué)、中南大學(xué)、浙江大學(xué)、中山大學(xué)、上海交通大學(xué)、蘭州大學(xué)、云南大學(xué)、復(fù)旦大學(xué)、和南開(kāi)大學(xué)。其中清華大學(xué)的全要素生產(chǎn)率為1.088，是40所高校中的最優(yōu)科研效率狀況，但也僅以8.8%的科研效率速度進(jìn)步，科研效率增長(zhǎng)速度較低。在DEA有效的10個(gè)高校中，有5所高校未達(dá)到規(guī)模效率有效性，因此高校還需調(diào)整投入結(jié)構(gòu)，避免資源的浪費(fèi)。在未達(dá)到DEA有效性的30所高校中，數(shù)據(jù)顯示均未達(dá)到技術(shù)進(jìn)步有效性，主要的影響因素為國(guó)家宏觀層面管理制度的創(chuàng)新和整個(gè)高等教育系統(tǒng)的技術(shù)進(jìn)步指數(shù)，由此也可以看出技術(shù)進(jìn)步指數(shù)是影響全要素生產(chǎn)率的主要因素。

表5 2009-2017年年度平均Malmquist 指數(shù)及其分解

表6 “雙一流”高校科技創(chuàng)新Malmquist 指數(shù)及其分解

續(xù)表6 “雙一流”高?？萍紕?chuàng)新Malmquist 指數(shù)及其分解

3.2 四類高校對(duì)比

本文將所研究的40所世界一流大學(xué)分成綜合類、理工類、師范類和農(nóng)林類四類高校(如表4)進(jìn)行數(shù)據(jù)處理分析，分析“雙一流”背景下各類高校的科研定位對(duì)科技創(chuàng)新效率的影響，結(jié)合資源配置問(wèn)題，更具有針對(duì)性的指出影響各大高?？萍紕?chuàng)新能力和效率提升的因素，得到的科技創(chuàng)新效率及其特征更具有代表性。

表7 40所高校分類

3.2.1 綜合類高校

在所研究的40所 “雙一流”高校中，綜合類高校共有25所，對(duì)它們進(jìn)行DEA-Malmquist分析處理，由表8可知，2009-2017年綜合類高校全要素生產(chǎn)率水平為0.997<1，主要是由于技術(shù)進(jìn)步指數(shù)為0.994<1導(dǎo)致，說(shuō)明了國(guó)家宏觀層面的科技法規(guī)、制度，和創(chuàng)新體系的技術(shù)進(jìn)步未達(dá)到最優(yōu)狀態(tài)，整體呈現(xiàn)小幅衰退現(xiàn)象。又因?yàn)榧兗夹g(shù)效率>1,綜合類高校的科技創(chuàng)新能力持續(xù)發(fā)展但質(zhì)量不高，技術(shù)進(jìn)步指標(biāo)影響著高校的成果產(chǎn)出質(zhì)量，是創(chuàng)新生產(chǎn)率提高的主要?jiǎng)右颉?/p>

表8 綜合類高校年度平均Malmquist 指數(shù)及其分解

3.2.2 理工類高校

所研究的理工類高校共有11所，根據(jù)表9，全要素生產(chǎn)率水平為0.955<1，技術(shù)進(jìn)步指數(shù)為0.928<1，這兩個(gè)指標(biāo)明顯小于綜合類高校的，而技術(shù)效率變化指數(shù)、純技術(shù)效率指數(shù)和規(guī)模效率指數(shù)都稍大于綜合類高校，這說(shuō)明國(guó)家對(duì)理工類高校的管理水平較低于綜合類高校，但理工類高校的資源利用、科研規(guī)模和創(chuàng)新力度都稍強(qiáng)于綜合類高校。其中4類高校中，僅理工類高校的規(guī)模效率高于純技術(shù)效率，說(shuō)明理工類高校的科技成果轉(zhuǎn)換率較高。同時(shí)由2015年的自然指數(shù)報(bào)告得知，針對(duì)科研論文數(shù)據(jù)，綜合類的高校在綜合性全球科研機(jī)構(gòu)以及化學(xué)、地球與環(huán)境科學(xué)、物理科學(xué)三大學(xué)科排行榜中總體增幅較大，綜合類高?？蒲袑?shí)力稍強(qiáng)于理工類高校，但兩者科研效率都小幅衰退。

表9 理工類高校年度平均Malmquist 指數(shù)及其分解

3.2.3 農(nóng)林類高校

本文所研究的農(nóng)林類高校僅中國(guó)農(nóng)業(yè)大學(xué)和西北農(nóng)林科技大學(xué)兩所，數(shù)據(jù)處理結(jié)果如表10所示，技術(shù)變化指數(shù)、純技術(shù)效率指數(shù)、規(guī)模效率指數(shù)均等于1，技術(shù)進(jìn)步指數(shù)等于全要素生產(chǎn)指數(shù)均大于1，進(jìn)一步說(shuō)明了技術(shù)進(jìn)步指數(shù)是影響全要素生產(chǎn)率的主要因素，但平均的全要素生產(chǎn)率只有1.4%的增長(zhǎng)，科研效率的改善沒(méi)有得到大幅度的提升。其中僅有2011年、2014年、2016年的科研效率大幅增長(zhǎng)，且都在26%以上，其他年份均呈現(xiàn)負(fù)增長(zhǎng)現(xiàn)象，同時(shí)這三年的技術(shù)進(jìn)步指數(shù)也呈現(xiàn)大幅增長(zhǎng)的現(xiàn)象。規(guī)模效率指數(shù)呈現(xiàn)“衰退-增長(zhǎng)-趨于1”的循環(huán)調(diào)節(jié)機(jī)制，表明農(nóng)林類院校進(jìn)行了有效的投入水平調(diào)整，注重資源配置與使用情況，關(guān)注規(guī)模效益。

表10 農(nóng)林類高校年度平均Malmquist 指數(shù)及其分解

3.2.4 師范類高校

本文所研究的師范類高校也僅有北京師范大學(xué)和華東師范大學(xué)兩所，根據(jù)表11可知，師范類高校的指標(biāo)指數(shù)現(xiàn)象與農(nóng)林類院校相似，但特別的是2014-2015年，全要素生產(chǎn)率大幅增加83.7%。2014年北京師范大學(xué)以管理信息建設(shè)為重點(diǎn)支持世界一流大學(xué)的建設(shè)，積極推進(jìn)信息化與管理服務(wù)的融合與創(chuàng)新，促進(jìn)高效管理與科學(xué)決策，支撐人才培養(yǎng)與科學(xué)研究創(chuàng)新。華東師范大學(xué)則是貫徹落實(shí)教育綜合改革精神，進(jìn)一步增強(qiáng)改革的系統(tǒng)性、整體性、協(xié)同性，激發(fā)辦學(xué)活力，提高辦學(xué)水平，全面推進(jìn)學(xué)校綜合改革。師范類院校的綜合技術(shù)效率、純技術(shù)效率、規(guī)模效率每一年度均為1，技術(shù)進(jìn)步效率、科研效率呈現(xiàn)2.8%的增長(zhǎng)率，說(shuō)明師范類高?？萍紕?chuàng)新環(huán)境良好且穩(wěn)定，政策支持與高校管理相協(xié)調(diào)匹配。

表11 師范類高校年度平均Malmquist 指數(shù)及其分解

3.2.5 與全國(guó)不同類型高校的比較

根據(jù)國(guó)際通用科學(xué)研究分類方法，我國(guó)將高校劃分為六種不同類型，即：綜合大學(xué)、工科院校、農(nóng)林院校、醫(yī)藥院校、師范院校和其他。表12是2009-2017年間我國(guó)六類高校Malmquist 指數(shù)及其分解情況。數(shù)據(jù)顯示，我國(guó)6類高校的全要素生產(chǎn)率均呈衰退狀態(tài)，整體的技術(shù)進(jìn)步變化指數(shù)均<1，而“雙一流”背景下農(nóng)林類、師范類院校的技術(shù)進(jìn)步變化指數(shù)>1，可以看出國(guó)家層面對(duì)“雙一流”背景下農(nóng)林類、師范類院校的管理制度與政策支持優(yōu)于全國(guó)的平均水平，且資源投入與使用效率均高于全國(guó)平均水平。除了政府財(cái)政支持以外，社會(huì)力量支持教育事業(yè)發(fā)展是學(xué)校多元化收入體系的重要渠道，和世界一流大學(xué)相比，我國(guó)大部分高校的社會(huì)籌資能力還有廣闊的提升空間，需要解決規(guī)模小、增值慢、渠道窄、規(guī)范弱等問(wèn)題?；谌珖?guó)的六類高校全要素生產(chǎn)率及其分解情況，全國(guó)6類高校的科研效率與“雙一流”背景下的4類高校存在著一定的差距。

表12 全國(guó)六類高校Malmquist 指數(shù)及其分解

我國(guó)的醫(yī)學(xué)類院校全要素生產(chǎn)率高于全國(guó)水平，但優(yōu)勢(shì)并不突出。我國(guó)目前的42所世界一流大學(xué)中沒(méi)有醫(yī)學(xué)類高校，僅有醫(yī)學(xué)學(xué)科入選世界一流學(xué)科，其中北大、復(fù)旦、上海交大、川大、華中科大、浙大、中山大學(xué)等綜合類高校受益最大，均有多個(gè)醫(yī)學(xué)類學(xué)科入選一流學(xué)科。2020年9月國(guó)務(wù)院辦公廳《關(guān)于加快醫(yī)學(xué)教育創(chuàng)新發(fā)展的指導(dǎo)意見(jiàn)》報(bào)告中，明確提出在一流大學(xué)和一流學(xué)科建設(shè)中，加大醫(yī)學(xué)及相關(guān)學(xué)科建設(shè)布局和支持力度。今年在疫情的挑戰(zhàn)下，國(guó)家實(shí)施健康中國(guó)戰(zhàn)略的新要求、世界醫(yī)學(xué)發(fā)展的新要求，我國(guó)的醫(yī)學(xué)學(xué)科發(fā)展需加速創(chuàng)新，高校人才培養(yǎng)結(jié)構(gòu)亟需優(yōu)化。

4 評(píng)價(jià)與對(duì)策

4.1 主要結(jié)論

本文運(yùn)用了DEA-Malmqiust模型和PCA方法對(duì)“雙一流”背景下40所世界一流大學(xué)2009-2017年的靜態(tài)、動(dòng)態(tài)科研效率發(fā)展?fàn)顩r展開(kāi)分析，并從技術(shù)效率變化、技術(shù)進(jìn)步變化、純技術(shù)效率、規(guī)模效率和全要素生產(chǎn)率5個(gè)維度進(jìn)行評(píng)價(jià)：

(1)整體上看，2009-2017年我國(guó)世界一流大學(xué)的科研效率呈下降趨勢(shì)，從四大高校類別來(lái)看，農(nóng)林類和師范類高?？萍紕?chuàng)新效率成果顯著，而綜合類高校和理工類高校發(fā)展則較為滯緩。高校科技創(chuàng)新效率提升的制約因素主要為技術(shù)進(jìn)步指數(shù)的衰退。除此之外，國(guó)家宏觀層面的管理與制度創(chuàng)新、技術(shù)的先進(jìn)性和可持續(xù)發(fā)展也發(fā)揮著決定性的作用。

(2)靜態(tài)技術(shù)效率的分析結(jié)果顯示，2017年僅有7所世界一流大學(xué)處于DEA有效，處于規(guī)模遞增和規(guī)模遞減階段的高校幾乎達(dá)到1:1的比例。同時(shí)，由于高校間的資源分配不合理，2017年較2009年，40所高校中僅有8所高校技術(shù)進(jìn)步變化較大，純技術(shù)效率以及規(guī)模效率并沒(méi)有很大提升，產(chǎn)出不足與投入冗余現(xiàn)象仍較為嚴(yán)重。

(3)4類高校的科研效率受到不同因素的制約而呈現(xiàn)互異狀態(tài)，對(duì)于綜合類與理工類高校，技術(shù)進(jìn)步指數(shù)呈現(xiàn)衰退現(xiàn)象阻礙著高?？蒲行实脑鲩L(zhǎng)，而農(nóng)林類、師范類高校的技術(shù)進(jìn)步指數(shù)則呈現(xiàn)增長(zhǎng)現(xiàn)象，是引起高?？萍紕?chuàng)新效率整體增長(zhǎng)的重要因素。

4.2 對(duì)策建議

(1)優(yōu)化資源配置，促進(jìn)各高?？蒲芯獍l(fā)展。各高校間的科研效率不均衡發(fā)展，導(dǎo)致整體科研效率退步，國(guó)家需從宏觀層面進(jìn)行調(diào)控，制定并實(shí)施相應(yīng)的科研促進(jìn)政策，合理的調(diào)配資源，避免由于投入不足導(dǎo)致高校科技成果轉(zhuǎn)化的運(yùn)作過(guò)程缺乏連貫性，使投入的資源利用效率最大化。

(2)各類高校制定適合的發(fā)展戰(zhàn)略與規(guī)劃。研究發(fā)現(xiàn)各類高校的指數(shù)存在差異，科研效率發(fā)展處于不同的階段，因此各類高校需要基于自身的科研情況，發(fā)展自身優(yōu)勢(shì)，加強(qiáng)創(chuàng)新研發(fā)，有針對(duì)性地引進(jìn)優(yōu)良人力資源、新技術(shù)與先進(jìn)科研設(shè)備，促進(jìn)科研生產(chǎn)技術(shù)和創(chuàng)新技術(shù)的進(jìn)步，進(jìn)而推動(dòng)高校整體科技創(chuàng)新效率的提升。

(3)醫(yī)、教、研、產(chǎn)四位一體。加強(qiáng)復(fù)合型人才的培養(yǎng)是突破創(chuàng)新發(fā)展瓶頸的關(guān)鍵點(diǎn)，產(chǎn)學(xué)研合作創(chuàng)新是推動(dòng)中國(guó)經(jīng)濟(jì)從高速增長(zhǎng)邁向高質(zhì)量發(fā)展的必然要求，也是高校科技服務(wù)于區(qū)域創(chuàng)新、提高科研成果轉(zhuǎn)化效率最有效、最直接的方式。同時(shí)也要注重醫(yī)學(xué)教育的創(chuàng)新發(fā)展，促進(jìn)醫(yī)、教、研、產(chǎn)四位一體，強(qiáng)調(diào)協(xié)同化創(chuàng)新和應(yīng)用轉(zhuǎn)化，加強(qiáng)多方的合作研發(fā)，提高整體的科技水平。

高校的科技創(chuàng)新已成為引領(lǐng)新時(shí)代高質(zhì)量發(fā)展的第一動(dòng)力，在我國(guó)創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略實(shí)施中發(fā)揮著巨大的作用?！半p一流”高校建設(shè)推進(jìn)了我國(guó)高等教育整體實(shí)力和國(guó)際競(jìng)爭(zhēng)力的提升，同時(shí)推動(dòng)了我國(guó)高?？萍紕?chuàng)新能力的發(fā)展?！半p一流”高校的科技創(chuàng)新發(fā)展需要整體的統(tǒng)籌規(guī)劃，也需要關(guān)注微觀發(fā)展的協(xié)調(diào)，增強(qiáng)科技政策的整體密集性和全面性。