基于数据包络分析的“十三五...类高校科研效率的回顾性研究_齐天.pdf

科技管理研究Science and Technology Management Research2023 No.62023 年第 6 期doi:10.3969/j.issn.1000-7695.2023.6.015基于数据包络分析的“十三五”时期我国各类高校科研效率的回顾性研究齐 天（中央音乐学院计财处，北京100031）摘要：为探讨我国各类高校科研效率变化规律及效率提升堵点，基于 20162020 年教育部科技司发布的高等学校科技资料汇编中六大类高校科技统计数据，采用数据包络分析（DEA）的 BCC 模型、SE-DEA 模型和Malmquist 模型分析其科研效率静态、动态变化趋势。结果表明：高校整体科研效率较高，其中综合类、理工类高校连续 5 年 DEA 有效，6 类高校科研技术效率值排序为理工类 其他类 综合类 医药类 师范类 农林类高校，非DEA有效的农林类高校在20172020年出现投入冗余和产出不足，医药类、师范类高校在2020年出现投入冗余；高校的生产效率指数呈上升与下降交替趋势，主要由技术进步指数和技术效率变化指数同时驱动，尤其是理工类、综合类和其他类高校处于领跑状态，技术效率和技术进步指数均排在前 3 位；高校的科技资源配置已完全能满足其科技需求，实现了高投入高产出的科研效率。最后提出为促进我国高校实现科研效率的跨越式发展，高校要充分发挥“放管服”改革政策带来的资源优势，提高整体科研效率；政府科技主管部门对 DEA 有效、非有效的高校应分别有针对性地采取提供更多科研资源和适当缩小科研投入规模的措施。关键词：高校科研效率；科技资源配置；数据包络分析；Malmquist中图分类号：G644；G311；F224；G301 献标志码：A 章编号：1000-7695（2023）6-0114-09 A Retrospective Study on the Research Efficiency of Various Type of Colleges and Universities in China in the 13th Five-Year Plan Period Based on the Data Envelope AnalysisQi Tian（Accounting Department,Central Conservatory of Music,Beijing 100031,China）Abstract:In order to explore the patterns of scientific research efficiency changes and efficiency improvement blockages in various types of colleges and universities in China,this paper uses the BCC model of data envelopment analysis(DEA),super-efficient DEA model and Malmquist model to analyze the static and dynamic change trends of scientific research efficiency in six major categories of college and university,from the released by the Department of Science and Technology of the Ministry of Education from 2016 to 2020.The results show that the overall research efficiency of colleges and universities is high,and the technical efficiency values of six types of colleges and universities are ranked as science and engineering universityother universitycomprehensive universitymedical universitynormal universityagriculture and forestry universities.Among them,comprehensive and science and engineering university have DEA validity for five consecutive years,non-DEA valid agriculture and forestry university has input redundancy and output deficiency in 2017 to 2020,and medical and normal university have input redundancy in 2020;the productivity index of colleges and universities shows an alternating trend of increasing and decreasing,mainly driven by the technical progress index and technical efficiency change index at the same time,in particularly,colleges and universities of science and engineering,comprehensive and other categories are in the leading position,with their technical efficiency and technical progress indexes ranking in the top 3;the allocation of scientific and technological resources in universities can fully meet their scientific and technological needs,and realize the scientific research efficiency of high input and high yield.It proposes that in order to promote the leapfrog development of research efficiency in Chinas colleges and universities,the colleges and universities should give full play to the advantages of resources brought by the reform policy of delegating power,improving regulation and providing services,to improve the overall research efficiency,while government departments of science and technology should take targeted measures to provide more research resources or appropriately reduce the scale of research investment for DEA effective and non-effective colleges and 收稿期：2022-07-31，修回期：2023-02-16项来源：中央音乐学院科研计划基础项目“艺术类高校双一流资金绩效评价研究”（22JU01）齐天：基于数据包络分析的“十三五”时期我国各类高校科研效率的回顾性研究115universities respectively.Key words:research efficiency of colleges and universities;allocation of scientific and technological resources;data envelopment analysis;Malmquist伴随着我国创新型国家建设的高速进程，在“十三五”时期，党中央高度重视科研管理改革，陆续出台不断优化和完善科研经费管理和服务的一系列文件，将科研创新提升到前所未有的国家战略高度。高校作为国家科技创新的中流砥柱，是开展基础性和前瞻性科研的“领头雁”。根据国家统计局网站公开公布的全国（未含港澳台地区。下同）科技经费投入数据，“十三五”期间，2015 年投入14 169.9 亿元1，2020 年投入达 24 393.1 亿元2，2020 年与 2015 年相比增长了 72.33%。根据教育部科技司出版的高等学校科技资料汇编中六大类高校科技经费“十三五”期间的投入数据，2015 年投入1 244.26亿元3，2020年投入2 458.20亿元4，2020 年与 2015 年相比增长了 97.56%，每年的经费投入均以 10%以上的不同幅度增加。目前，我国大量投入的研究人员和研究经费已取得令人惊喜的科研产出，但与高投入仍不成正比，高校科技发展要注重优化资源配置和提高科技创新能力。因此，本研究以我国六大类高校为研究对象，运用其“十三五”时期的科技统计数据，采用数据包络分析（DEA）的 BCC 模型、SE-DEA 模型和 Malmquist 模型测算其静态和动态科研效率，根据研究结果探讨各类高校科研效率的变化规律及效率提升的堵点，并提出改进建议。1主要献回顾国外很早开始高校科研效率评价研究，从单一投入或产出效率研究进阶到投入与产出结合的效率研究，进而采用参数或非参数的方法进行实证分析。由于 DEA 对多投入、多产出的数据评价具有客观性强的特点，使得更多学者自 20 世纪 90 年代开始将 DEA 引入高教研究领域并取得了众多研究成果，如 Anderson 等5利用 DEA 方法测量了美国大学的技术转化效率，发现顶尖大学的技术转化效率一般较高；李晓静等6运用 DEA-CCR 模型分析了 2008 2010 年我国 62 所高校的科研经费 DEA 效率值，认为大多数高校科研经费均为投入冗余或产出不足；李彦华等7应用 DEA 和 Malmquist 模型对2014 2017 年我国“双一流”建设高校科研效率状况和内部差异进行深度探析，发现高校科研进步率随技术进步指标的变化呈现出先下降再上升的走势。参照以上研究结果，本研究选择了我国 6 类高校在“十三五”时期的科研效率进行评价。2研究设计 2.1DEA-BCC 和 SE-DEA 模型 BCC 模型在规模收益可变的前提下把技术效率分为纯技术效率和规模 效率8。假设有所高校即个决策单元（DMU），每个 DMU 有项投入()、项产出()，分别记为=（1，2 ，）、=（1，2 ，），DMU 线性规划模型经等价转换和对偶处理后形式如下：（1）式（1）中，为 DMU 的输入向量，=（1，2，）；为 DMU 的输 出向 量，=（1，2，）；为所高校科研某种组合权重；-为松弛变量，表示投入冗余；+为剩余变量，表示产出不足；代表第所高校科研效率值，满足0 1；为阿基米德无穷小；为元素为1的向量，假如=1，则表明 DMU 技术有效。Andersen 等9在 DEA-BCC 模型的基础上提出了 SE-DEA 模型，从而对 DEA 有效的 DMU 的技术效率排序。假设存在