摘 "要： 當(dāng)前，我國(guó)經(jīng)濟(jì)發(fā)展呈現(xiàn)出收入增速放緩、收支矛盾加大的階段性特點(diǎn)，而我國(guó)財(cái)政方面的大政方針要求教育經(jīng)費(fèi)只增不減，高校Ramp;D活動(dòng)的撥入經(jīng)費(fèi)也快速增長(zhǎng)。與此同時(shí)，中共二十大擘畫的宏偉藍(lán)圖對(duì)高等教育提出了更高質(zhì)量的要求，高校Ramp;D活動(dòng)績(jī)效的重要性凸顯。本文選取我國(guó)高等學(xué)校2020—2021年Ramp;D活動(dòng)作為研究對(duì)象，按省份劃分為31個(gè)不同地區(qū)，以省份為決策單位（DMU）建立二階段產(chǎn)出導(dǎo)向DEA-VRS模型及進(jìn)階超效率模型進(jìn)行測(cè)算，結(jié)果顯示：我國(guó)67.74%的地區(qū)高校人、財(cái)、物管理與調(diào)配是科學(xué)合理的，經(jīng)濟(jì)最發(fā)達(dá)的華東地區(qū)高校Ramp;D活動(dòng)的研發(fā)人員存在較大的冗余；各省均不處于規(guī)模收益遞增狀態(tài)；青海省、西藏自治區(qū)、新疆維吾爾自治區(qū)等偏遠(yuǎn)地區(qū)的高校Ramp;D活動(dòng)效率較高。針對(duì)研究中發(fā)現(xiàn)的問(wèn)題，提出了多部門協(xié)同統(tǒng)籌，強(qiáng)化中西部就業(yè)引導(dǎo)政策，完善人才考核體系，提升科技管理水平，盤活投入要素，大力推進(jìn)產(chǎn)學(xué)研一體化協(xié)同發(fā)展等相關(guān)建議。

關(guān)鍵詞： 二階段DEA； 超效率DEA； 高校Ramp;D； 投入與產(chǎn)出

中圖分類號(hào)： G526.7; G526.3 "文獻(xiàn)標(biāo)識(shí)碼： A "DOI： 10.3963/j.issn.1671-6477.2023.05.016

一、 引 "言

教育經(jīng)費(fèi)是我國(guó)財(cái)政支出的重要部分，來(lái)源于教育部2019—2021年的《全國(guó)教育經(jīng)費(fèi)執(zhí)行情況統(tǒng)計(jì)公告》顯示，我國(guó)國(guó)家財(cái)政性教育經(jīng)費(fèi)投入分別為40046.55億元、42908.15億元、45835.31億元，同比增速分別為8.25%、7.15%、6.82%。我國(guó)教育經(jīng)費(fèi)支出占GDP比例連續(xù)10年保持在4%以上①，財(cái)政支出中教育經(jīng)費(fèi)不僅占比高，而且逐年只增不減。其中高等教育經(jīng)費(fèi)支出力度最大，高校也是社會(huì)Ramp;D活動(dòng)的主力軍，科研經(jīng)費(fèi)保障強(qiáng)，近十年來(lái)，高校Ramp;D撥入經(jīng)費(fèi)從768.7億元增長(zhǎng)到1592億元，十年累計(jì)撥入經(jīng)費(fèi)總額上萬(wàn)億元②。同時(shí)，我國(guó)當(dāng)前經(jīng)濟(jì)發(fā)展面臨收入增速放緩、收支矛盾加大等現(xiàn)實(shí)情況。二十大報(bào)告明確提出，要深入實(shí)施科教興國(guó)戰(zhàn)略、人才強(qiáng)國(guó)戰(zhàn)略、創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略，這對(duì)我國(guó)高校Ramp;D投入產(chǎn)出效率提出了更高質(zhì)量的要求。

數(shù)據(jù)包絡(luò)分析（DEA）是1978年首次由美國(guó)三位學(xué)者Charnes、Cooper和Rhodes聯(lián)合開(kāi)發(fā)出的一種數(shù)據(jù)分析方法，這是一種基于被評(píng)價(jià)對(duì)象間相對(duì)比較的非參數(shù)技術(shù)效率分析方法[1]，該方法在研究多投入多產(chǎn)出的問(wèn)題時(shí)優(yōu)勢(shì)明顯，特別適用于存在多維的績(jī)效指標(biāo)及決策者沒(méi)有績(jī)效指標(biāo)之間的權(quán)衡信息[2]。

近年來(lái)，運(yùn)用DEA進(jìn)行的相關(guān)研究取得了系列進(jìn)展。Ouyang、Yang[3]、吳中超[4]分別運(yùn)用乘數(shù)網(wǎng)絡(luò)DEA模型進(jìn)行研究。前者對(duì)27個(gè)OECD國(guó)家的網(wǎng)絡(luò)能源及環(huán)境效率進(jìn)行分析，結(jié)果表明，與傳統(tǒng)的DEA模型相比，乘數(shù)模型在計(jì)算區(qū)域能源和環(huán)境效率方面更為合理。后者測(cè)算了我國(guó)30個(gè)省份5年的區(qū)域創(chuàng)新網(wǎng)絡(luò)系統(tǒng)效率，發(fā)現(xiàn)知識(shí)轉(zhuǎn)化效率低下是造成各省知識(shí)創(chuàng)新整體效率低下的主要原因。曹幸如、楊劍[5]認(rèn)為選取面板數(shù)據(jù)建立DEA模型對(duì)安徽省16個(gè)地級(jí)市2014—2019年的科技成果轉(zhuǎn)化效率進(jìn)行測(cè)算得出的結(jié)果準(zhǔn)確性更高。Wang Xu、Takashi[6]構(gòu)建了數(shù)據(jù)包絡(luò)分析中的最小距離極差調(diào)整測(cè)度（LRAM）模型，對(duì)日本銀行的相對(duì)效率進(jìn)行評(píng)價(jià)并找出參考標(biāo)桿。除了直接運(yùn)用DEA模型進(jìn)行研究以外，有學(xué)者對(duì)DEA模型進(jìn)行了改進(jìn)與融合。蘇日古嘎、馬占新[7]在DEA模型的基礎(chǔ)上引入Malmquist指數(shù)，用以測(cè)算西部地區(qū)全要素生產(chǎn)率增長(zhǎng)指數(shù)及其分解指數(shù)；Reza、Neda[8]提出了一種基于目標(biāo)規(guī)劃的關(guān)系動(dòng)態(tài)DEA中公共權(quán)重集（CSW）的新方法，在2011—2013年期間對(duì)歐盟27個(gè)成員國(guó)（EU-27）的生態(tài)創(chuàng)新進(jìn)行了國(guó)家級(jí)評(píng)價(jià)。還有學(xué)者將DEA作為取數(shù)的一種方法，Stéphane、Maximin、Jean Franois[9]運(yùn)用數(shù)據(jù)包絡(luò)分析內(nèi)生權(quán)重體系得到復(fù)合型指標(biāo)，用來(lái)研究農(nóng)業(yè)對(duì)小島嶼空間結(jié)構(gòu)性經(jīng)濟(jì)脆弱性的影響。同時(shí)，DEA的應(yīng)用領(lǐng)域也在不斷拓展，Tamakloe等[10]采用截尾回歸的二階段自舉數(shù)據(jù)包絡(luò)分析方法，探討了首爾市中轉(zhuǎn)站公交導(dǎo)向發(fā)展的效率；Marcos、Germán[11]利用數(shù)據(jù)包絡(luò)分析為中低收入國(guó)家的學(xué)校效率分析提供了新的證據(jù)；楊曉琳等[12]建立DEA模型對(duì)博物館的投入產(chǎn)出效率進(jìn)行了實(shí)證研究；Ahmad等[13]構(gòu)建DEA模型評(píng)估了智能、綠色、彈性和精益制造系統(tǒng)對(duì)印度北部地區(qū)的30家中小企業(yè)績(jī)效的綜合影響。

本文以我國(guó)高等學(xué)校2020—2021年Ramp;D活動(dòng)作為研究對(duì)象，按省份劃分為31個(gè)不同地區(qū)，以省份為決策單位（DMU）建立二階段DEA-VRS模型及進(jìn)階超效率模型進(jìn)行測(cè)算。通過(guò)比較分析各省份高校Ramp;D活動(dòng)投入產(chǎn)出的效率，明確無(wú)效效率的省份與有效效率之間的差距，定位目標(biāo)值，挖掘提升高校Ramp;D效率的途徑，以期在政府優(yōu)化高?？萍颊?、高校制定科技配套政策等方面提供參考建議。

（二） 指標(biāo)選取

DEA模型要求投入和產(chǎn)出指標(biāo)能滿足以下關(guān)系：投入指標(biāo)能生產(chǎn)出產(chǎn)出指標(biāo)，產(chǎn)出指標(biāo)是由投入指標(biāo)生產(chǎn)出來(lái)的，即投入指標(biāo)是產(chǎn)出指標(biāo)的必要條件。結(jié)合指標(biāo)的選取需要滿足易得性、合理性、可靠性、準(zhǔn)確性，剔除內(nèi)外部的效率影響因素，本文建立高校Ramp;D投入指標(biāo)為：研究與發(fā)展人員數(shù)（x1）、科技經(jīng)費(fèi)當(dāng)年內(nèi)部支出（x2）；產(chǎn)出指標(biāo)為：科技課題項(xiàng)目（y1）、出版專著部數(shù)（y2）、學(xué)術(shù)論文篇數(shù)（y3）、技術(shù)轉(zhuǎn)讓當(dāng)年實(shí)際收入（y4）、成果授獎(jiǎng)項(xiàng)目（y5）。研發(fā)人員與經(jīng)費(fèi)支持是研發(fā)活動(dòng)必不可少的人力、財(cái)力支持，科技課題申報(bào)數(shù)、出版專著數(shù)、論文發(fā)表數(shù)是高校Ramp;D活動(dòng)的直接成果，技術(shù)轉(zhuǎn)讓收入和成果授獎(jiǎng)項(xiàng)目用以描述高校Ramp;D活動(dòng)價(jià)值的實(shí)現(xiàn)程度，其中，技術(shù)轉(zhuǎn)讓收入代表高校Ramp;D活動(dòng)的產(chǎn)業(yè)化水平，成果授獎(jiǎng)項(xiàng)目數(shù)代表高校Ramp;D活動(dòng)的科技水平。

本文建立的實(shí)證分析模型中，DMU共31個(gè)，投入指標(biāo)數(shù)2個(gè)，產(chǎn)出指標(biāo)數(shù)5個(gè)，滿足DEA模型對(duì)DMU數(shù)量的要求，即DMU數(shù)不少于投入和產(chǎn)出指標(biāo)數(shù)量的乘積，同時(shí)不少于投入和產(chǎn)出指標(biāo)數(shù)量之和的3倍。Ramp;D活動(dòng)周期長(zhǎng)，科技成果的獲得具有滯后性，因此本文選取的指標(biāo)為2020年高校Ramp;D活動(dòng)的投入，對(duì)應(yīng)2021年滯后一期的產(chǎn)出，詳細(xì)數(shù)據(jù)見(jiàn)表1。已有學(xué)者證明投入產(chǎn)出不同單位的量綱不會(huì)影響決策單位的效率值，因此實(shí)驗(yàn)數(shù)據(jù)不需要標(biāo)準(zhǔn)化處理[14]。本文所用數(shù)據(jù)來(lái)源于教育部科學(xué)技術(shù)與信息化司編著的《2021年高等學(xué)?？萍冀y(tǒng)計(jì)資料匯編》《2022年高等學(xué)校科技統(tǒng)計(jì)資料匯編》③。

三、 DEA實(shí)證結(jié)果及綜合分析

（一） 產(chǎn)出導(dǎo)向VRS徑向DEA模型

構(gòu)建二階段產(chǎn)出導(dǎo)向VRS徑向DEA模型，運(yùn)用MaxDEA X軟件運(yùn)行模型得出31個(gè)省份高等學(xué)校Ramp;D活動(dòng)投入產(chǎn)出的綜合技術(shù)效率（TE）、純技術(shù)效率（PTE）、規(guī)模效率（SE）、效率排名、松弛變量、目標(biāo)值與規(guī)模收益狀態(tài)，測(cè)算結(jié)果保留4位小數(shù)。

1.效率值與松弛改進(jìn)值分析

VRS模型主考察純技術(shù)效率，推導(dǎo)考察綜合技術(shù)效率及規(guī)模效率。求得的最優(yōu)解為α*，用1/α*表示純技術(shù)效率值，被評(píng)價(jià)的決策單元在不增加投入的前提下，產(chǎn)出增加的最大空間為α*－1。因此，1/α*越大，表示可以增加的產(chǎn)出越小，效率越高。純技術(shù)效率表示決策單位的科技政策推動(dòng)性、科技管理水平、研發(fā)人員的能力等要素。CRS模型基于的假設(shè)是規(guī)模收益不變，采用CRS模型得出的效率值包含了規(guī)模效率，并非純粹的技術(shù)效率，被稱作綜合效率，同時(shí)運(yùn)行CRS模型和VRS模型能將規(guī)模效率分離出來(lái)。當(dāng)建立VRS模型時(shí)決策單元才存在規(guī)模效率，CRS模型僅用來(lái)剝離規(guī)模效率。求得的規(guī)模效率值表示被評(píng)價(jià)決策單元的實(shí)際效率與最優(yōu)效率之間的差額，表示投入要素的潛力開(kāi)發(fā)程度。三者之間的關(guān)系為綜合技術(shù)效率=純技術(shù)效率*規(guī)模效率。分地區(qū)高等學(xué)校Ramp;D活動(dòng)2020—2021年投入產(chǎn)出各類效率值、效率排名及規(guī)模收益狀態(tài)見(jiàn)表2、圖1，松弛改進(jìn)值見(jiàn)表3。

結(jié)合表2、表3的測(cè)算結(jié)果可知，北京市、山西省、內(nèi)蒙古自治區(qū)、遼寧省、吉林省、黑龍江省、江蘇省、福建省、河南省、湖北省、廣西壯族自治區(qū)、海南省、重慶市、四川省、貴州省、云南省、西藏自治區(qū)、陜西省、甘肅省、青海省、新疆維吾爾自治區(qū)21個(gè)省份（自治區(qū)、直轄市）的純技術(shù)效率值為1，同時(shí)所有松弛改進(jìn)值都為0，表明這21個(gè)地區(qū)高校Ramp;D活動(dòng)的純技術(shù)效率強(qiáng)有效，占比超過(guò)一半為67.74%。純技術(shù)效率值等于1，松弛改進(jìn)值不均為0則為弱有效，天津市等其他10個(gè)地區(qū)純技術(shù)效率值均小于1，為無(wú)效DMU，占比32.26%。這表明我國(guó)大部分地區(qū)高校的人、財(cái)、物管理與調(diào)配是科學(xué)合理的，研發(fā)人員專業(yè)技術(shù)能力強(qiáng)，制定的科研政策對(duì)研發(fā)活動(dòng)起到了推動(dòng)作用。

把不同的省份根據(jù)具體的區(qū)劃歸類為華北、東北等7個(gè)區(qū)域，整理得出不同區(qū)域的有效DMU占比，如圖1所示。東北和西南區(qū)域的省份高校Ramp;D活動(dòng)投入產(chǎn)出均為純技術(shù)效率強(qiáng)有效，有效省份占區(qū)域總數(shù)比例為100%，將其分類為強(qiáng)有效區(qū)域；華北、華中、華南、西北四個(gè)區(qū)域的高校Ramp;D活動(dòng)投入產(chǎn)出有效DMU占比均超過(guò)了50%，將其分類為弱有效區(qū)域；華東地區(qū)有效DMU占比最低，僅為28.57%，將其分類為無(wú)效區(qū)域。由《2021年中國(guó)統(tǒng)計(jì)年鑒》可知，華東區(qū)域2020年的GDP總量是387 437.92億元為七大區(qū)域之首，同時(shí)，2020年研發(fā)人員數(shù)占七大區(qū)域比例為34.38%，科技經(jīng)費(fèi)內(nèi)部支出占比38.10%，投入要素在全國(guó)的比重也是最高。這表明華東區(qū)域高校Ramp;D活動(dòng)的產(chǎn)出價(jià)值與其資源投入力度有較大的不相符，投入存在過(guò)剩的現(xiàn)象，產(chǎn)出價(jià)值的提升空間較大。

無(wú)效DMU中純技術(shù)效率最低極值出現(xiàn)在華北地區(qū)的天津市，為0.7340，比全國(guó)均值0.9653低23.96%，華南地區(qū)的廣東省最高為0.9786，并且僅有其高于全國(guó)均值，華東地區(qū)無(wú)效DMU最多，但其純技術(shù)效率值分散在全國(guó)均值附近。

在純技術(shù)效率強(qiáng)有效的地區(qū)中，華北區(qū)域的內(nèi)蒙古自治區(qū)、華中區(qū)域的湖北省、華南區(qū)域的海南省、西南區(qū)域的重慶市、四川省、貴州省、西藏自治區(qū)、西北區(qū)域的青海省、新疆維吾爾自治區(qū)的規(guī)模效率與綜合技術(shù)效率均為1，表明這9個(gè)地區(qū)的綜合效率達(dá)到了最優(yōu)，西南區(qū)域綜合最優(yōu)DMU最多為4個(gè)；其余12個(gè)地區(qū)的規(guī)模效率均小于1，導(dǎo)致綜合技術(shù)效率小于1，其中北京市等7個(gè)地區(qū)的規(guī)模效率低于全國(guó)平均值0.8890，遼寧省的規(guī)模效率最低為0.6018，比全國(guó)平均值低32.31%。純技術(shù)效率無(wú)效的地區(qū)規(guī)模效率均小于1。

全國(guó)各地區(qū)高校Ramp;D活動(dòng)的規(guī)模收益無(wú)規(guī)模收益遞增狀態(tài)，純技術(shù)效率有效的地區(qū)中內(nèi)蒙古自治區(qū)等9個(gè)高校Ramp;D活動(dòng)規(guī)模收益不變，北京市等12個(gè)規(guī)模收益遞減；純技術(shù)效率無(wú)效的地區(qū)均為規(guī)模收益遞減。這說(shuō)明各地高校的Ramp;D產(chǎn)出價(jià)值的增加比例小于或等于投入要素的增加比例，規(guī)模效應(yīng)作用不明顯，即單純地?cái)U(kuò)大生產(chǎn)規(guī)模無(wú)法帶來(lái)產(chǎn)出價(jià)值的越級(jí)式增漲。22個(gè)規(guī)模收益遞減的地區(qū)高校要注意投入要素溢出所帶來(lái)的每單位產(chǎn)出價(jià)值成本的增加及管理協(xié)調(diào)難度的加大。

效率無(wú)效地區(qū)高校Ramp;D活動(dòng)投入產(chǎn)出的強(qiáng)有效目標(biāo)值等于原值與比例改進(jìn)值、松弛改進(jìn)值三者之和。本文建立的產(chǎn)出導(dǎo)向VRS徑向DEA模型中，投入指標(biāo)的比例改進(jìn)值為0，產(chǎn)出指標(biāo)的比例改進(jìn)值=原值×（α*－1），無(wú)效DMU的目標(biāo)值見(jiàn)表4。

表4列示出了無(wú)效地區(qū)高校在不增加研發(fā)人員和科技經(jīng)費(fèi)支出的前提下，產(chǎn)出應(yīng)該達(dá)到的最大值，該結(jié)果可以作為高校研發(fā)活動(dòng)績(jī)效目標(biāo)的制定及考核的決策參考依據(jù)。結(jié)合表3、表4進(jìn)行綜合分析，圖2 "無(wú)效地區(qū)高等學(xué)校Ramp;D活動(dòng)2021年產(chǎn)出指標(biāo)改進(jìn)數(shù)量分布圖從投入指標(biāo)的角度來(lái)看，所有無(wú)效DMU的科技經(jīng)費(fèi)2020年內(nèi)部支出均不需要改動(dòng)，說(shuō)明各地區(qū)高校的科技經(jīng)費(fèi)內(nèi)部支出金額是科學(xué)合理的，能滿足研發(fā)活動(dòng)的需要，沒(méi)有冗余或不足；華東區(qū)域有上海市、安徽省、山東省3個(gè)地區(qū)2020年研發(fā)人員的數(shù)量需要改進(jìn)，華南區(qū)域的廣東省2020年研發(fā)人員的數(shù)量需要改進(jìn)，并且都是負(fù)向松弛改進(jìn)，說(shuō)明這四個(gè)地區(qū)高校的研發(fā)人員存在過(guò)剩的問(wèn)題，需要挖掘研發(fā)人員潛力，提高科研成效，要對(duì)部分研發(fā)人員賦予新的職能，轉(zhuǎn)型升級(jí)。從產(chǎn)出指標(biāo)的角度來(lái)看，2021年的5個(gè)價(jià)值維度均涉及到了正向松弛改進(jìn)，具體統(tǒng)計(jì)見(jiàn)圖2。

由圖2所示，需要提升2021年技術(shù)轉(zhuǎn)讓當(dāng)年實(shí)際收入的無(wú)效DMU最多，為10個(gè)，這表明高校研發(fā)活動(dòng)產(chǎn)業(yè)化發(fā)展滯后是導(dǎo)致其Ramp;D投入產(chǎn)出純技術(shù)效率無(wú)效的主要原因；需要增加成果授獎(jiǎng)數(shù)量的無(wú)效DMU最少，為3個(gè)，需要增加科技課題申報(bào)數(shù)量、學(xué)術(shù)論文發(fā)表篇數(shù)、出版專著部數(shù)的無(wú)效DMU分別為4個(gè)、5個(gè)、7個(gè)。結(jié)合以上圖表分析，上海市高校Ramp;D活動(dòng)需要改進(jìn)的投入產(chǎn)出指標(biāo)最多，為5個(gè)，其次是安徽省和廣東省，均為4個(gè)指標(biāo)需要改進(jìn)。

（二） 超效率DEA模型

前述標(biāo)準(zhǔn)效率模型測(cè)算出的純技術(shù)效率有效的DMU數(shù)量較多，有21個(gè)，且效率值均為1，排名并列第一，為了進(jìn)一步比較衡量這些有效DMU之間的效率大小，建立超效率DEA模型。超效率模型的本質(zhì)是從參考集中剔除被評(píng)價(jià)的DMU，即參考其他DMU構(gòu)成的前沿得出被評(píng)價(jià)DMU的效率，這樣測(cè)算出的有效DMU的效率值一般會(huì)大于1，從而深入?yún)^(qū)分有效DMU的效率，在有效中找出最優(yōu)。超效率DEA模型結(jié)果如表5所示，測(cè)算結(jié)果保留4位小數(shù)。

青海省高校Ramp;D活動(dòng)產(chǎn)出效率最高，純技術(shù)效率值為5.7561；其次分別是西藏自治區(qū)、新疆維吾爾自治區(qū)，純技術(shù)效率值分別為2.6426、2.0931；其余18個(gè)省份的純技術(shù)效率值相差不大，均分布在2的左側(cè)。這表明青海省、西藏自治區(qū)、新疆維吾爾自治區(qū)雖然地處偏遠(yuǎn)內(nèi)陸，經(jīng)濟(jì)欠發(fā)達(dá)，但是高校Ramp;D研發(fā)活動(dòng)資源利用率大，產(chǎn)出效率高。

四、 優(yōu)化建議與改進(jìn)措施

總體來(lái)說(shuō)，我國(guó)高等學(xué)校Ramp;D活動(dòng)投入產(chǎn)出效率較高，表明我國(guó)從頂層設(shè)計(jì)的高?？萍颊呤强茖W(xué)部署、行之有效的，取得了期望的成果。針對(duì)高校Ramp;D活動(dòng)的效率有待提升的地區(qū)，本文提出以下幾方面建議與措施：

第一，從國(guó)家層面進(jìn)行統(tǒng)籌規(guī)劃，教育部、財(cái)政部、科技部等相關(guān)部門協(xié)同工作，聯(lián)合制定高校科技政策。高等學(xué)校承擔(dān)著社會(huì)大部分Ramp;D活動(dòng)的重任，同時(shí)也是教書(shū)育人培育國(guó)之棟梁的重要陣地，財(cái)政經(jīng)費(fèi)如何分配與使用、科技活動(dòng)如何管理與考核、研發(fā)與教學(xué)相互促進(jìn)的結(jié)構(gòu)如何升級(jí)，這些對(duì)高校Ramp;D活動(dòng)的效率都會(huì)產(chǎn)生決定性的影響。因此，“共下一盤棋”是提升高校Ramp;D活動(dòng)效率的前提與基礎(chǔ)。

第二，引導(dǎo)人才就業(yè)，完善考核體系，提升管理水平。DEA模型結(jié)果顯示，經(jīng)濟(jì)最發(fā)達(dá)、投入要素最豐厚的華東區(qū)域高等學(xué)校Ramp;D活動(dòng)有效省份占比最少，且研發(fā)人員需要負(fù)向松弛改進(jìn)的省份有3個(gè)，占比75%。華東地區(qū)上海市等地區(qū)的人才冗余問(wèn)題突出，可能會(huì)導(dǎo)致“大材小用”即資質(zhì)過(guò)剩現(xiàn)象，該現(xiàn)象常會(huì)引發(fā)消極的工作態(tài)度等退縮行為。政府要出臺(tái)相關(guān)政策，激勵(lì)人才到資源欠缺的中西部等偏遠(yuǎn)區(qū)域服務(wù)，同時(shí)也要注意區(qū)域內(nèi)部的協(xié)調(diào)與平衡。高校要制定跨高校、跨省份、跨區(qū)域的人才交流和對(duì)口幫扶計(jì)劃，建立通暢的人才交流渠道和高質(zhì)量的交流平臺(tái)。針對(duì)高校的研發(fā)人員制定科學(xué)合理的績(jī)效考核制度并嚴(yán)格執(zhí)行，深挖潛力，獎(jiǎng)懲分明；優(yōu)化高?？萍颊?，為研發(fā)人員松綁行政工作，賦予其使用科研經(jīng)費(fèi)更大的權(quán)力，將動(dòng)力與壓力傳導(dǎo)到位。

第三，盤活投入要素，提高規(guī)模效率。規(guī)模收益一般會(huì)經(jīng)歷規(guī)模收益遞增、規(guī)模收益保持不變、規(guī)模收益遞減三個(gè)階段，根據(jù)前述DEA結(jié)果得知我國(guó)各省份高校Ramp;D活動(dòng)處于規(guī)模收益的第二、三階段，單純?cè)黾油度氲牧Χ葘?duì)規(guī)模效率的促進(jìn)作用有限。因此，除了要調(diào)動(dòng)研發(fā)人員的積極性外，還需要使科研經(jīng)費(fèi)和設(shè)備充分發(fā)揮出作用。相關(guān)科研經(jīng)費(fèi)的使用事前要論證其未來(lái)能產(chǎn)出的成果，事中要監(jiān)督其使用進(jìn)度和成果產(chǎn)出進(jìn)度，事后要評(píng)價(jià)反饋成效，為下一年的經(jīng)費(fèi)分配使用提供依據(jù)。對(duì)重金購(gòu)置的高端研發(fā)設(shè)備要嚴(yán)格控制閑置率，將設(shè)備利用率作為實(shí)驗(yàn)室、課題組和學(xué)院年終績(jī)效考核的重要指標(biāo)。激活人、財(cái)、物，努力縮小實(shí)際規(guī)模效率與最優(yōu)規(guī)模效率的差距。

第四，大力推進(jìn)產(chǎn)學(xué)研一體化協(xié)同發(fā)展。高校要在利國(guó)利民的前提下，尋求Ramp;D活動(dòng)成果經(jīng)濟(jì)價(jià)值的最大化。要主動(dòng)適應(yīng)社會(huì)與市場(chǎng)，以需求為參考標(biāo)桿，調(diào)整優(yōu)化學(xué)科專業(yè)設(shè)置，精準(zhǔn)定位科研方向，立項(xiàng)之前做好調(diào)研，判斷項(xiàng)目成果的市場(chǎng)化產(chǎn)業(yè)化價(jià)值。加強(qiáng)國(guó)內(nèi)外校企合作，與企業(yè)共建實(shí)習(xí)基地、研發(fā)平臺(tái)，多渠道宣傳推廣研發(fā)成果。與靶向企業(yè)建立長(zhǎng)期合作關(guān)系，精準(zhǔn)攻克其在生產(chǎn)制造過(guò)程中遇到的難題。形成以“學(xué)”為基礎(chǔ)、以“研”為提高、以“產(chǎn)”為目標(biāo)的發(fā)展閉環(huán)，環(huán)環(huán)相扣，切實(shí)提升高等學(xué)校Ramp;D活動(dòng)投入產(chǎn)出的效率。

注釋：

① "②數(shù)據(jù)來(lái)源于教育部“教育這十年”“1+1”系列發(fā)布會(huì)。

③ "《2021年高等學(xué)?？萍冀y(tǒng)計(jì)資料匯編》《2022年高等學(xué)?？萍冀y(tǒng)計(jì)資料匯編》分別記錄的是2020年、2021年我國(guó)高等學(xué)校的科技活動(dòng)狀況。

［參考文獻(xiàn)］

[1] " 成剛.數(shù)據(jù)包絡(luò)分析方法與MaxDEA軟件[M].北京：知識(shí)產(chǎn)權(quán)出版社，2014：1.

[2] "[美]Joe Zhu.數(shù)據(jù)包絡(luò)分析：讓數(shù)據(jù)自己說(shuō)話[M].公彥德，李想，譯.北京：科學(xué)出版社，2016：3.

[3] "Wendi Ouyang，Jian-bo Yang.The network energy and environment efficiency analysis of 27 OECD countries：A multiplicative network DEA model[J].Energy（Issue prepublish），2020，197.DOI：10.1016/j.energy.2020.117161.

[4] "吳中超.網(wǎng)絡(luò)結(jié)構(gòu)、創(chuàng)新基礎(chǔ)設(shè)施與區(qū)域創(chuàng)新績(jī)效：基于網(wǎng)絡(luò)DEA乘法模型的分析[J].北京交通大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2021，20（02）：79-89.

[5] "曹幸如，楊劍.基于三階段DEA-Windows的安徽省地市級(jí)科技成果轉(zhuǎn)化效率研究[J].科技管理研究，2021，41（22）：74-82.

[6] "Wang Xu，Hasuike Takashi.Least-Distance Range Adjusted Measure in DEA：Efficiency Evaluation and Benchmarking for Japanese Banks[J].Asia-Pacific Journal of Operational Research，2022，39（06）：1-22.

[7] "蘇日古嘎，馬占新.基于DEA-Malmquist指數(shù)的經(jīng)濟(jì)全要素生產(chǎn)率增長(zhǎng)及其區(qū)域優(yōu)勢(shì)分析[J].內(nèi)蒙古大學(xué)學(xué)報(bào)（自然科學(xué)版），2023，54（01）：24-34.

[8] "Kiani Mavi Reza，Kiani Mavi Neda.National eco-innovation analysis with big data：A common-weights model for dynamic DEA[J].Technological Forecasting amp; Social Change，2021，162.DOI：10.1016/j.techfore.2020.120369.

[9] "Blancard Stéphane，Bonnet Maximin，Hoarau Jean Franois.The influence of agriculture on the structural economic vulnerability of small island spaces：Assessment using DEA based composite indicators[J].Applied Economics，2021，53（1）：79-97.

[10] Tamakloe Reuben，Hong Jungyeol，Tak Jihoon.Determinants of transit-oriented development efficiency focusing on an integrated subway，bus and shared-bicycle system：Application of Simar-Wilson’s two-stage approach[J].Cities，2021，108.DOI：10.1016/j.techfore.2020.120369.

[11] Delprato Marcos，Antequera Germán.School efficiency in low and middle income countries：An analysis based on PISA for development learning survey[J].International Journal of Educational Development，2021，80.DOI：10.1016/j.ijedudev.2020.102296.

[12] 楊曉琳，孔欣欣.基于DEA模型的博物館投入產(chǎn)出效率實(shí)證研究：以2019年數(shù)據(jù)為例[J].中國(guó)博物館，2023（02）：100-107.

[13] Abdullah Ahmad，Saraswat Shantanu，Talib Faisal.Impact of Smart，Green，Resilient，and Lean Manufacturing System on SMEs’ Performance：A Data Envelopment Analysis （DEA） Approach[J].Sustainability，2023，15 （2）：1379.

[14] 魏權(quán)齡.評(píng)價(jià)相對(duì)有效性的數(shù)據(jù)包絡(luò)分析模型[M].北京：中國(guó)人民大學(xué)出版社，2012：20.

（責(zé)任編輯 "文 "格）

Ramp;D Input-output Efficiency of Colleges and Universities：

Analysis Based on Two-Stage DEA-VRS Model

and Super Efficiency Model

HE Xiao-yu

（Finance Office，Wuhan University of Technology，Wuhan 430070，Hubei，China）

Abstract：Currently，China’s economic development is characterized by the stage "of slowing down of income growth and increasing contradiction between income and expenditure，while China’s major policy on the financial side requires that education funding only increase，and the funds allocated to Ramp;D activities in colleges and universities are also growing rapidly.Meanwhile，the grand blueprint drawn by the 20th National Congress of the Communist Party of China has put forward higher quality requirements for higher education，and the importance of the performance of Ramp;D activities in colleges and universities has come to the fore.In this paper， the Ramp;D activities of Chinese colleges and universities from 2020 to 2021 are selected as the research object.It is divided into 31 different regions by province，and the two-stage output-oriented DEA-VRS model and the advanced super-efficiency model are established with provinces as decision making units（DMU）for measurement and calculation.The results show that 67.74% of China ’s regional colleges and universities have scientific and reasonable management and allocation of human，financial and material resources .There is a large redundancy of Ramp;D personnel in Ramp;D activities in colleges and universities in the most economically developed East China and none of the provinces are "in the state of increasing returns to scale.The Ramp;D activities of colleges and universities in remote areas such as Qinghai Province，Xizang Autonomous Region and Xinjiang Uygur Autonomous Region are more efficient.For the problems found in the study，this paper puts forward relevant reference suggestions：multi-sector collaboration for optimization; strengthen the employment guidance policy in the central and western regions; improve the talent assessment system;promote the level of science and technology management; revitalize input factors; vigorously "advance the coordinated development of industry-university-research integration.

Key words：two-stage DEA; super-efficiency DEA; Ramp;D of colleges and universities; investment and production