王杜春，時玉坤

（1.東北農(nóng)業(yè)大學公共管理與法學院；2.東北農(nóng)業(yè)大學繼續(xù)教育學院，黑龍江哈爾濱 150030）

黨的十九大報告提出農(nóng)業(yè)農(nóng)村農(nóng)民問題是關(guān)系國計民生的根本性問題，必須始終把解決好“三農(nóng)”問題作為全黨工作的重中之重，實施鄉(xiāng)村振興戰(zhàn)略。2020 年我國圓滿完成了貧困人口全面脫貧、全面建成小康社會的發(fā)展目標，現(xiàn)階段的努力方向是將鞏固脫貧攻堅成果同鄉(xiāng)村振興有效銜接，走中國特色社會主義鄉(xiāng)村振興道路［1］。在鄉(xiāng)村振興戰(zhàn)略的實施過程中，農(nóng)業(yè)農(nóng)村對科技的需求將會史無前例地增加，而農(nóng)林高校作為農(nóng)林領(lǐng)域科技創(chuàng)新的主陣地，要銘記習近平總書記給全國涉農(nóng)高校書記校長的回信精神，以立德樹人為根本、以強農(nóng)興農(nóng)為己任，在培養(yǎng)知農(nóng)愛農(nóng)人才的同時要勇于承擔起農(nóng)林領(lǐng)域科研攻關(guān)與成果輸出的重任，拿出更多的科技成果服務農(nóng)業(yè)農(nóng)村現(xiàn)代化建設，為實現(xiàn)“農(nóng)業(yè)強、農(nóng)村美、農(nóng)民富”的鄉(xiāng)村全面振興貢獻力量［2］。在此背景下，高效利用高等農(nóng)林院校的科研資源，加速科技成果落地，從而服務于農(nóng)業(yè)農(nóng)村現(xiàn)代化建設成為高等農(nóng)林院校科研管理的重要議題。

1 相關(guān)研究綜述

國內(nèi)外學者對高校科研效率的研究方興未艾，現(xiàn)有研究的內(nèi)容主要集中于4 個方面：一方面如胡詠梅等［3］、王寧等［4］與Agasisti 等［5］的研究，側(cè)重于對高?？蒲行试u價指標體系的構(gòu)建；第二方面如Johnes 等［6］、Exposito 等［7］與宗曉華等［8］的研究，集中于對高?？蒲行实膶嵶C分析；第三方面如鄧理等［9］、王仙雅［10］與Munoz［11］的研究，偏向于高?？蒲行视绊懸蛩氐姆治?；第四方面如袁傳思［12］的研究，則從高?？蒲行实奶嵘呗苑矫孢M行了探討。研究對象大體包括三大類：一是以全國不同省份高校為研究對象的科研效率差異分析，如梁樹廣［13］的研究；二是針對特定區(qū)域或某一具體省份高?？蒲行实难芯?，如吳宏超等［14］、毛世平等［15］、王杜春等［16］、汪彥等［17］、李韻婷等［18］分別研究了“一帶一路”沿線省份、京津冀地區(qū)、東北地區(qū)等區(qū)域以及上海市、廣東省等省份的高?？蒲行?；三是以特定類型高校為研究對象的科研效率評價，例如宗曉華等［8］、榮耀華等［19］分別研究了“雙一流”高校、教育部直屬院校的科研效率。從研究方法和模型來看，針對不同研究內(nèi)容選取的方法有所差異：對高校科研效率評價指標體系的構(gòu)建主要采用因子分析法與層次分析法；對高?？蒲行实膶嵶C研究大多采用經(jīng)典的數(shù)據(jù)包絡分析（DEA）模型和改進的DEA 模型，經(jīng)典的DEA模型主要包括適用于靜態(tài)效率分析的BCC 模型與適合動態(tài)評價的Malmquist 指數(shù)，改進的DEA 模型有超效率DEA 模型、DEA 視窗分析等；對高?？蒲行视绊懸蛩氐难芯恐饕x取Tobit 回歸模型、SFA 參數(shù)分析模型、扎根理論模型與灰色關(guān)聯(lián)度分析模型。

綜上可以看出，目前對高?？蒲行实膶嵶C分析與評價指標體系研究較多，對影響因素的關(guān)注相對不足，且現(xiàn)有相關(guān)評價指標體系的研究中鮮有考慮國家基金立項數(shù)這一重要科研產(chǎn)出；就研究對象而言，對農(nóng)林高?？蒲行实难芯坎欢啵胰狈r(nóng)林高校內(nèi)部的差異對比分析；就研究方法而言，針對研究側(cè)重點不同的方法組合各有差異，但靜動態(tài)相結(jié)合測算科研效率的研究較少。為此，本研究以鄉(xiāng)村振興為大背景，選取我國主要的29 所農(nóng)林高校作為研究對象，將國家基金立項數(shù)納入評價指標體系，首先運用BCC 模型與Malmquist 指數(shù)分別測算各高校的靜態(tài)與動態(tài)科研效率，并對農(nóng)林高校的科研效率進行分地區(qū)、分辦學層次的對比，找出彼此之間的差距并探析其中原因，隨后建立Tobit 回歸模型探究影響我國農(nóng)林高?？蒲行实年P(guān)鍵因素，為高校下一步的科研管理提供決策依據(jù)，以促進農(nóng)林院校在新時期更好發(fā)揮強農(nóng)興農(nóng)的科技服務作用。

2 研究設計

2.1 研究方法

2.1.1 DEA-BCC 模型

數(shù)據(jù)包絡分析法最早由美國運籌學家Charnes等［20］建立和使用，因其在評價多投入、多產(chǎn)出決策單元績效方面的優(yōu)勢，在運籌學、管理學等領(lǐng)域應用廣泛?？紤]到規(guī)模收益可變與農(nóng)林高?？蒲泄芾韺嶋H，選擇產(chǎn)出導向的BCC 模型進行靜態(tài)科研效率分析。產(chǎn)出導向的BCC 模型表達式為：

BCC 模型基于規(guī)模收益可變，綜合效率（crste）可以分解為純技術(shù)效率（vrste）和規(guī)模效率（scale），表達式如下：

式（2）中：crste 表示高校的靜態(tài)科研效率水平；vrste 表示高校的科研運行機制與管理水平；scale 表示投入產(chǎn)出結(jié)構(gòu)與資源配置的合理性。若crste=1，說明決策單元DEA 有效；若crste＜1，則說明決策單元DEA 無效。

2.1.2 DEA-Malmquist 指數(shù)

傳統(tǒng)DEA 模型更多的是從靜態(tài)角度測算投入產(chǎn)出效率，而Malmquist 指數(shù)是在傳統(tǒng)DEA 模型基礎(chǔ)上進行改進、發(fā)展出的，一種從動態(tài)角度對投入產(chǎn)出效率進行測算的方法。Malmquist 指數(shù)反映了決策單元在時間序列中的生產(chǎn)力變化，該方法下全要素生產(chǎn)率（tfpch）的表達式為：

全要素生產(chǎn)率可以分解為技術(shù)進步效率（techch）和技術(shù)效率（effch），而技術(shù)效率又可以進一步分解為純技術(shù)效率（pech）和規(guī)模效率（sech），表達式如下：

式（4）中：tfpch 表示動態(tài)科研效率水平；techch 表示科研技術(shù)方面的進步；effch 表示科研管理水平與科研投資的改善；pech 表示科研管理水平的提升；sech 表示科研投資規(guī)模的優(yōu)化。若tfpch＞1，則說明決策單元全要素生產(chǎn)率變化呈上升趨勢，這一時期科研水平提高；若tfpch＜1，則說明決策單元全要素生產(chǎn)率變化呈下降趨勢，這一時期科研水平降低。

2.1.3 Tobit 回歸模型

Tobit 模型是指被解釋變量雖然在正值上大致連續(xù)分布，但包含一部分以正概率取值為0 的觀察值的一類模型。由于DEA 模型測算出的科研效率值介于0～1 之間，因此適合運用Tobit 回歸模型進行影響因素的分析。標準的Tobit 模型為：

2.2 指標選取

參照已有研究，同時考慮數(shù)據(jù)的可獲得性，構(gòu)建了由3 個投入指標與4 個產(chǎn)出指標構(gòu)成的評價體系，如表1 所示?？紤]到國家基金立項數(shù)作為高?？蒲兴脚c科技成果的重要參考，將國家基金立項數(shù)納入科研效率評價指標體系，與專著、高水平論文一起作為科技成果的二級指標進行評價，力求科學全面地考量高校的科技產(chǎn)出水平。其中，國家基金立項數(shù)主要考慮國家自然科學基金項目與國家社會科學基金項目兩大類。

表1 農(nóng)林高校科研效率評價指標體系

3 農(nóng)林類高?？蒲行蕦嵶C分析

基于研究數(shù)據(jù)的真實與可獲得原則，本研究采用的數(shù)據(jù)源自教育部公布的《高等學?？萍冀y(tǒng)計資料匯編》，因為2017 年以后無具體院校的科技資料信息，所以選用2014—2017 年29 所農(nóng)林院校的面板數(shù)據(jù)（以下簡稱“樣本”）。此外，考慮到高?？萍纪度肱c產(chǎn)出之間存在時滯，設置1 年的時滯期，即本年度的科研效率是用前一年度的投入與本年度的產(chǎn)出計算得來。

3.1 基于BCC 模型的靜態(tài)科研效率分析

3.1.1 靜態(tài)科研效率整體分析

運用DEAP 2.1 軟件中的BCC 模型測算29 所農(nóng)林高校2014—2017 年的投入、產(chǎn)出平均效率值，結(jié)果如表2 所示?？梢姌颖靖咝?014—2017 年科研規(guī)模效率略高于純技術(shù)效率，說明我國農(nóng)林高校的整體科研效率水平較高，科研資源的投入產(chǎn)出結(jié)構(gòu)較為合理，科研管理水平也不斷提升。就有效決策單元而言，中國農(nóng)業(yè)大學等14 所高校處于DEA 有效狀態(tài)，占決策單元總量的48.27%，這些高校的科研投入產(chǎn)出狀態(tài)達到相對最優(yōu)水平；其余15 所高校處于非DEA 有效狀態(tài)，其中北京林業(yè)大學等6 所高校接近DEA 有效狀態(tài)、科研效率值高于0.8，西北農(nóng)林科技大學等5 所高?？蒲行手堤幱?.6～0.8，而內(nèi)蒙古農(nóng)業(yè)大學等4 所高校科研效率值低于0.6，說明我國農(nóng)林高校的科研效率總體水平較高但高校間尚存在較大差距。就效率細分而言，14 所DEA 有效狀態(tài)的農(nóng)林高校效率細分值均為1；非DEA 有效的農(nóng)林高校中，西北農(nóng)林科技大學等4 所高校的純技術(shù)效率高于規(guī)模效率，這類高校應合理配置科研資源，注重提升投入產(chǎn)出結(jié)構(gòu)的合理性；而山西農(nóng)業(yè)大學等11 所高校的規(guī)模效率高于純技術(shù)效率，這類高校下一步的工作重點是優(yōu)化科研運行機制，提升科研管理水平。就規(guī)模報酬而言，14 所DEA 有效狀態(tài)的農(nóng)林高校的規(guī)模報酬不變，說明這些高校已經(jīng)達到了投入產(chǎn)出的最優(yōu)狀態(tài)，只需繼續(xù)保持即可；沈陽農(nóng)業(yè)大學等8 所農(nóng)林高校處于規(guī)模報酬遞增減狀態(tài)，說明這些高校資源投入過多使得科研資源利用率較低，從而降低了科研效率；吉林農(nóng)業(yè)大學在內(nèi)的6 所高校的規(guī)模報酬呈現(xiàn)遞增趨勢，說明這些高校由于資源投入過少影響了其科研效率達到最優(yōu)狀態(tài)。

表2 2014—2017 年我國29 所農(nóng)林高校靜態(tài)科研效率均值

3.1.2 靜態(tài)科研效率差異分析

為科學探究我國農(nóng)林高校之間的深層次差異，將樣本農(nóng)林高校按照辦學層次和所屬地區(qū)進行劃分，按照“雙一流”高校建設目標，將樣本高校劃分為“雙一流”建設高校（10 所）和普通高校（19 所）兩大類，按照我國三大地理分區(qū)1）將農(nóng)林高校屬地劃分為東部（11 所）、中部（12 所）和西部（6 所）三大類，分類后取均值進行分析。由圖1 可見，從辦學層次來看，“雙一流”建設農(nóng)林高校與普通農(nóng)林高校存在較大差異。不管是綜合效率，還是效率細分的純技術(shù)效率與規(guī)模效率，“雙一流”建設農(nóng)林高校的科研效率均值都高于普通農(nóng)林高校，說明“雙一流”高校建設計劃起到了良好的效果。自2015 年我國提出“雙一流”建設計劃以來，國家給予“一流大學”與“一流學科”建設高校充足的資金與政策支持，提高了這些高校的整體科研生態(tài)水平；此外，“雙一流”建設高校自身在吸引人才與投資、科技成果產(chǎn)出與轉(zhuǎn)化方面具有比普通高校更佳的品牌優(yōu)勢，因此其科研效率高于普通高校。而普通農(nóng)林高校的科研效率低于平均水平、純技術(shù)效率低于規(guī)模效率，因此要進一步提升科研管理水平以提高自身科研效率。

圖1 2014—2017 年按辦學層次分類的樣本農(nóng)林高校靜態(tài)科研效率均值分布

由圖2 可見，從地區(qū)分類來看，三大地區(qū)的農(nóng)林高校之間存在顯著差異：東部地區(qū)農(nóng)林高校的綜合效率最高，西部次之，均高于樣本農(nóng)林高校平均水平，中部最低且略低于平均水平；就純技術(shù)效率而言，西部農(nóng)林高校的純技術(shù)效率表現(xiàn)突出，遠高于平均水平，說明西部地區(qū)的科研管理水平較高，加之近年來西部農(nóng)林高校的科研資源投入不斷增加，科研基礎(chǔ)設施逐步完備，國家各類扶持政策層出不窮，使得西部農(nóng)林高校迸發(fā)出強勁的科研與創(chuàng)新活力，因此其科研效率僅次于東部地區(qū)；就規(guī)模效率而言，東部農(nóng)林高校高于其他地區(qū)樣本高校，說明東部農(nóng)林高校的投入產(chǎn)出結(jié)構(gòu)更優(yōu)、配置資源的能力與水平更高，加之東部地區(qū)優(yōu)越的地理位置、發(fā)達的經(jīng)濟水平、創(chuàng)新的科研環(huán)境吸引了大批人才與技術(shù)，使得其科研效率在三大地區(qū)農(nóng)林高校中拔得頭籌；中部農(nóng)林高校的純技術(shù)效率與規(guī)模效率表現(xiàn)較為均衡但都不突出，地方政府要充分挖掘自身優(yōu)勢來吸引科技人才、增加科技成果產(chǎn)出，以此提高中部農(nóng)林高校的科研水平與效率。

圖2 2014—2017 年按所屬地區(qū)分類的樣本農(nóng)林高校靜態(tài)科研效率均值分布

3.2 基于Malmquist 指數(shù)的動態(tài)科研效率分析

3.2.1 動態(tài)科研效率整體分析

由于靜態(tài)效率未考慮時間變動和技術(shù)變動的影響，因此采用Malmquist 指數(shù)對樣本農(nóng)林高校科研效率進行動態(tài)分析，計算結(jié)果如表3 所示。可見樣本高校的全要素生產(chǎn)率在2014—2017 年間年均增長1.5%，但主要貢獻來自于技術(shù)效率的年均增長3.2%，其中純技術(shù)效率年均增長2.8%、規(guī)模效率年均增長0.4%，而技術(shù)進步效率則呈現(xiàn)年均下降1.6%的態(tài)勢。綜上，樣本農(nóng)林高校在2014—2017 年間科研效率有效且有明顯提升，科研投資規(guī)模不斷優(yōu)化，科研管理水平有所提高，但在創(chuàng)新與技術(shù)進步方面仍有欠缺，整體的創(chuàng)新效應不足。

表3 樣本農(nóng)林高校年均Malmquist 指數(shù)及分解

其中，就全要素生產(chǎn)效率而言，2014—2015 年達到最高，原因可能是在國家“雙一流”高校建設計劃的影響下，國家有關(guān)部委與各地方政府都加大了對屬地高校的資金、政策、資源支持，各高?？茖W充分利用科研資源使得科研效率有了較大提升，達到近幾年的峰值；2015—2016 年以及2016—2017年都有所下降，一方面在于上一年度取得的科研績效較難突破，而各高校科研要求進一步提高科研產(chǎn)出較為困難，另一方面可能存在農(nóng)林高?？蒲匈Y源投入相對過剩的問題，科研效率有所下降。就要素增長結(jié)構(gòu)而言，研究期內(nèi)各高校的技術(shù)效率穩(wěn)中有升，但分解指標純技術(shù)效率與規(guī)模效率有所波動，2015—2016 年純技術(shù)效率下降0.5%，2016—2017年規(guī)模效率降低1.3%，表明相應年度科研投資與科研管理水平有待進一步提高；技術(shù)進步效率雖在2015—2016 年有輕微提升，但研究期內(nèi)整體水平不高，這也是制約農(nóng)林高校動態(tài)科研效率提升的主要原因。在當前科研生態(tài)下，農(nóng)林高校需要完善科技創(chuàng)新制度建設，增強科研體系創(chuàng)新、科學技術(shù)進步的能力，有針對性地提高農(nóng)林院校的科研創(chuàng)新能力。

3.2.2 動態(tài)科研效率差異分析

由于篇幅所限，按照樣本高校的動態(tài)科研效率及其分解指標情況進行了模糊聚類，將樣本高校聚類為五大類。如表4 所示，2014—2017 年間有17 所高校的全要素生產(chǎn)率均值大于1，占樣本高校總數(shù)的58.62%，其中包括中國農(nóng)業(yè)大學在內(nèi)的Ⅰ類高校表現(xiàn)最佳，技術(shù)效率與技術(shù)進步效率都呈現(xiàn)增長態(tài)勢，說明Ⅰ類高校的科研建設效果良好，管理水平與科研創(chuàng)新能力均較高；Ⅱ類高校技術(shù)進步效率表現(xiàn)欠佳，但由于技術(shù)效率的提升彌補了技術(shù)進步效率的不足，使得全要素生產(chǎn)率得以提高；與Ⅱ類高校相反，Ⅲ類高校則為技術(shù)進步效率的提升掩蓋了技術(shù)效率的下降，拉動全要素生產(chǎn)率逐年增長。Ⅱ類與Ⅲ類高校在保證自生優(yōu)勢的同時，前者要注重科研創(chuàng)新能力建設，后者則要優(yōu)化投入產(chǎn)出比例、提升科研管理水平。有11 所高校的全要素生產(chǎn)率均值小于1，其中，Ⅳ類高校技術(shù)效率表現(xiàn)較好，但技術(shù)效率的提升幅度小于技術(shù)進步效率的下降幅度，因此全要素生產(chǎn)率呈現(xiàn)下降態(tài)勢，這類高校應彌補科研創(chuàng)新與技術(shù)進步的短板，促進科研效率持續(xù)增長；Ⅴ類高校的技術(shù)效率與技術(shù)進步效率均呈現(xiàn)下降態(tài)勢，這類高校在全面提升科研管理、科研投資與技術(shù)進步的同時，要明確自身優(yōu)勢，尋求提升科研效率的突破口。

表4 基于科研效率水平的樣本農(nóng)林高校模糊聚類

由表4 按照辦學層次和所屬地區(qū)分別對樣本高校的動態(tài)科研效率進行差異分析，結(jié)果顯示，無論按照什么標準劃分，樣本農(nóng)林高校的技術(shù)進步效率均呈現(xiàn)下降態(tài)勢，全要素生產(chǎn)率的提升主要依靠技術(shù)效率的進步，純技術(shù)效率的貢獻高于規(guī)模效率。

由圖3 可見，從辦學層次來看，“雙一流”建設農(nóng)林高校與普通農(nóng)林高校的全要素生產(chǎn)率都呈現(xiàn)增長態(tài)勢，但“雙一流”建設農(nóng)林高校的增長率更高，年均提升6.7%，普通農(nóng)林高校年均提升2.8%；就技術(shù)進步效率來看，普通農(nóng)林高校的下降幅度高于“雙一流”建設農(nóng)林高校。由于“雙一流”建設農(nóng)林高校的全要素生產(chǎn)率更高，因此在未來一段時間，“雙一流”建設農(nóng)林高校的科研效率將進一步領(lǐng)跑普通農(nóng)林高校，這也從側(cè)面體現(xiàn)出“雙一流”建設的成效與優(yōu)勢。

圖3 2014—2017 年按辦學層次分類的農(nóng)林高校動態(tài)科研效率均值分布

由圖4 可見，從所屬地區(qū)來看，全要素生產(chǎn)率由高到低依次是西部農(nóng)林高校、東部農(nóng)林高校、中部農(nóng)林高校，西部與中部農(nóng)林高校憑借技術(shù)效率的高增長率掩蓋了技術(shù)進步效率的下降，拉動全要素生產(chǎn)率分別年均提升7.2%與2.5%，而中部地區(qū)農(nóng)林高校由于技術(shù)進步效率下降幅度大于技術(shù)效率的提升幅度，因此全要素生產(chǎn)率出現(xiàn)下降態(tài)勢；就技術(shù)進步效率來看，東部地區(qū)農(nóng)林高校下降幅度最小，西部地區(qū)農(nóng)林高校下降幅度最大，由于西部農(nóng)林高校的全要素生產(chǎn)率表現(xiàn)優(yōu)異，其與東部農(nóng)林高校的科研效率差距將進一步縮小，而中部農(nóng)林高校與另外二者的科研效率差距將進一步擴大。

圖4 2014—2017 年按所屬地區(qū)分類的農(nóng)林高校動態(tài)科研效率均值分布

4 農(nóng)林類高?？蒲行视绊懸蛩胤治?/h2>

考慮到BCC 模型與Malmquist 指數(shù)無法對科研效率的影響因素進行測量，以各樣本農(nóng)林高校的靜態(tài)綜合效率作為被解釋變量，以科研要素投入、科研支持條件和院校外部環(huán)境3 個維度的6 個變量作為解釋變量（見表5），借助Tobit 模型來探究我國農(nóng)林高?？蒲行实年P(guān)鍵影響因素，從而為各高校下一步的科研管理提供決策方向與有益借鑒。

表5 研究變量及數(shù)據(jù)來源

基于上述變量選取，結(jié)合Tobit 模型的標準形式與汪彥等［17］的研究做法，構(gòu)建我國農(nóng)林高校科研效率影響因素的Tobit 模型如下：

表6 樣本農(nóng)林高校2014—2017 年科研效率回歸結(jié)果

在模型回歸結(jié)果中，Pseudo R2=0.814 表明6 個解釋變量的變化對被解釋變量的變化有較好的解釋力，且Prob＞chi2=0.000 表明模型回歸結(jié)果中不存在多重共線性、異方差與序列相關(guān)等問題。就各個解釋變量的顯著性來看，人力投入與經(jīng)費投入在1%顯著性水平上影響著農(nóng)林高?？蒲行剩豢蒲袡C構(gòu)數(shù)量與國家重點學科數(shù)在5%顯著性水平上影響著農(nóng)林高?？蒲行剩欢邔哟稳瞬艛?shù)量和所在省份GDP 未通過顯著性檢驗，但是在一定程度上對農(nóng)林高校的科研效率有正向影響。高層次人才的人力資本積累更多、科研資源更豐富，而且他們往往是各自領(lǐng)域中的引領(lǐng)者與帶頭人，因此其科研產(chǎn)出較高，所以會促進高校的科研生產(chǎn)效率提升?？萍紕?chuàng)新是經(jīng)濟發(fā)展的核心動力，決定著經(jīng)濟發(fā)展的速度與質(zhì)量，但同時經(jīng)濟發(fā)展水平會反作用于科技創(chuàng)新，強大的經(jīng)濟實力會為高校的科技創(chuàng)新提供有力的資金支持和科技轉(zhuǎn)化環(huán)境，從而推動高校科研效率的提升。

可見，人力投入對提升農(nóng)林高校的科研效率發(fā)揮著重要的促進作用，而經(jīng)費投入則產(chǎn)生抑制作用。這從側(cè)面反映出目前我國農(nóng)林高?？蒲型度氍F(xiàn)狀為經(jīng)費冗余但人才緊缺、人才投入尚未飽和。人才緊缺是制約農(nóng)林高校科研效率的主要瓶頸，當前農(nóng)林高校的科研投入應該更加關(guān)注專業(yè)化人才資本的積累，這也是決定其技術(shù)創(chuàng)新水平的最主要原因。而經(jīng)費的大量投入不僅沒有產(chǎn)生良好的推動作用，反而引發(fā)了經(jīng)費濫用等低效現(xiàn)象，抑制科研效率的提升。因此，農(nóng)林高校要提高科研效率，并不是一味增加經(jīng)費投入，而要進行科學評估，找出科研短板，進而采取針對性措施加以彌補，同時在高校內(nèi)部要注重不同辦學層次與不同地區(qū)間高校科研資源投入的均衡［21］。科研機構(gòu)數(shù)量對農(nóng)林高?？蒲行食曙@著正相關(guān)?？蒲袡C構(gòu)作為農(nóng)林高?？蒲袆?chuàng)新活動的載體，在科研過程中發(fā)揮著組織、管理、服務等作用，因此科研機構(gòu)對高?？蒲行实奶嵘鹬欢ǖ拇龠M作用，但是高校要合理控制科研機構(gòu)的數(shù)量，切勿盲目擴大，以免產(chǎn)生不良影響。國家重點學科數(shù)量的回歸系數(shù)在所有解釋變量中最高，說明其是推動我國農(nóng)林高?？蒲行实闹饕蛩亍抑攸c學科是國家擇優(yōu)確定并重點建設的培養(yǎng)創(chuàng)新人才、開展科學研究的重要基地，在高等教育學科體系中居于骨干和引領(lǐng)地位，其背后是一流的師資力量、強大的科研團隊、先進的儀器設備，這些有利條件使高校在有關(guān)專業(yè)領(lǐng)域中具有更多的話語權(quán)和更大影響力，相關(guān)領(lǐng)域的科研產(chǎn)出往往質(zhì)量高、數(shù)量大，所以會促進高?？蒲行实奶嵘?2］。國家重點學科數(shù)量與各農(nóng)林高校的整體實力、專業(yè)特色有著密切關(guān)系，國家重點學科數(shù)量越多，則農(nóng)林高校的這種優(yōu)勢效應也就隨之愈加明顯。

5 結(jié)論與建議

第一，就靜態(tài)分析而言，樣本農(nóng)林高校整體科研效率水平較高，但各高校之間尚存在較大差距。從辦學層次來看，“雙一流”建設農(nóng)林高校的科研效率高于普通農(nóng)林高校，這與“雙一流”高校的資金、政策和品牌優(yōu)勢有著密切關(guān)系。從地區(qū)分類來看，各地區(qū)農(nóng)林高校的綜合科研效率東部最高、西部次之、中部最低，東部農(nóng)林高校由于具有位置與經(jīng)濟優(yōu)勢，其科研投入產(chǎn)出結(jié)構(gòu)更優(yōu)、配置資源的能力與水平更高，西部農(nóng)林高校由于政策投入不斷增加，迸發(fā)出強勁的科研與創(chuàng)新活力，科研運行機制更加有效，而中部農(nóng)林高校表現(xiàn)較為均衡但都不突出。面對農(nóng)林高校間科研效率的差異，除繼續(xù)實施“雙一流”建設戰(zhàn)略之外，還需加強對口支援西部地區(qū)高校計劃與中西部高?；A(chǔ)能力建設工程等項目，在系統(tǒng)全局性調(diào)整農(nóng)林高校科研資源的基礎(chǔ)上，適當加大對中西部地區(qū)農(nóng)林高校的投入力度與政策導向，以提升我國農(nóng)林高校整體科研效率與實力。

第二，就動態(tài)分析而言，樣本農(nóng)林高校在2014—2017 年間科研創(chuàng)新效率有明顯提升，科研投資規(guī)模不斷優(yōu)化、科研管理水平有所提高，但在科研創(chuàng)新與技術(shù)進步方面仍有欠缺，整體的創(chuàng)新效應不足。從辦學層次來看，“雙一流”建設農(nóng)林高校的全要素生產(chǎn)效率高于普通農(nóng)林高校，因此在未來一段時間，“雙一流”建設農(nóng)林高校的科研效率將進一步領(lǐng)跑普通農(nóng)林高校，這也從側(cè)面體現(xiàn)出“雙一流”建設的成效與優(yōu)勢。從所屬地區(qū)來看，各地區(qū)農(nóng)林高校的全要素生產(chǎn)率由高到低依次是西部地區(qū)、東部地區(qū)、中部地區(qū)，因此西部農(nóng)林高校與東部農(nóng)林高校的科研效率差距將進一步縮小，而中部農(nóng)林高校與另外二者的科研效率差距將進一步擴大。我國農(nóng)林高校要加強對科研創(chuàng)新與技術(shù)進步方面的重視程度，通過培養(yǎng)科研人才、完善科研管理制度、構(gòu)建科研創(chuàng)新獎勵體系等途徑提升自身科研實力；同時中部地區(qū)農(nóng)林高校要通過提升科研管理水平、完善科研投入產(chǎn)出結(jié)構(gòu)、加強與其他地區(qū)高校的科技交流合作等方式，逐步縮小與其他地區(qū)農(nóng)林高校的科研效率差距，甚至在未來實現(xiàn)反超。

第三，就影響因素而言，影響樣本農(nóng)林高?？蒲行实闹饕辛笠蛩?，即人力投入、經(jīng)費投入、科研機構(gòu)數(shù)量、高層次人才數(shù)量、國家重點學科數(shù)量和所在省份的人均GDP，其中人力投入、科研機構(gòu)數(shù)量與國家重點學科數(shù)量等3 個因素與農(nóng)林高?？蒲行食曙@著的正相關(guān)，經(jīng)費投入?yún)s與農(nóng)林高?？蒲行食曙@著的負相關(guān)，而高層次人才數(shù)量和所在省份人均GDP 雖與農(nóng)林高?？蒲行食收嚓P(guān)但未通過顯著性檢驗。各因素對農(nóng)林高?？蒲行视绊懙膫?cè)重不同，因此，我國農(nóng)林高校整體上要合理控制經(jīng)費投入的規(guī)模，增加有效人力投入，特別是高水平人才投入的力度，在科學評估的基礎(chǔ)上增設科研機構(gòu)，在培育現(xiàn)有國家重點學科的基礎(chǔ)上努力增加重點學科數(shù)目，以此促進科研效率提升；同時，由于各高校的科研投入水平有所差異，因此在提高科研效率的途徑和方式上要具體問題具體分析，充分發(fā)揮各自優(yōu)勢、彌補自身短板，更好地服務于農(nóng)業(yè)農(nóng)村的現(xiàn)代化建設。

注釋：

1）根據(jù)地理區(qū)域的劃分，將我國31 個省級行政區(qū)（未含港澳臺地區(qū)）劃分為東部地區(qū)、中部地區(qū)與西部地區(qū)。其中，東部地區(qū)包括遼寧、河北、北京、天津、山東、江蘇、上海、浙江、福建、廣東、廣西、海南共12 個省級行政區(qū)；中部地區(qū)包括黑龍江、吉林、內(nèi)蒙古、山西、河南、安徽、湖北、湖南、江西共計9 個省級行政區(qū)；西部地區(qū)包括新疆、西藏、青海、甘肅、寧夏、陜西、重慶、四川、貴州、云南10 個省級行政區(qū)。