摘 要：區域知識創新體系一個重要組成部分就是高校，而高校科研績效評價能夠指導高校科研活動未來發展的同時，也可以透露出區域知識創新體系建設現狀，對于實現有限教育資源的合理配置和提高資源的利用率都具有重要的現實意義。之前多數的研究選擇單一的方法評價不同區域的高校科研績效，因此文中選用超效率DEA模型和Malmquist指數法對2014—2018年我國不同區域高校科研績效進行實證研究，建立超效率DEA模型對不同區域的高校績效進行靜態測算，利用Malmquist指數法分析不同區域的高校績效的動態變化情況。研究表明，我國高校科研績效整體水平較高，但主要受到技術進步效率的影響，科研全要素生產率呈現出緩慢增長趨勢，東部高校科研績效優于中部和西部。并從投入資源配置、內部管理體制、監督評價體制方面提出建議。

　　關鍵詞：不同區域;科研績效;數據包絡分析;超效率DEA;Malmquist指數

　　高等院校不僅僅承擔著為國家輸送大量科技人才的責任，還承擔著憑借自身科研活動推動地方經濟發展的責任。然而教育資源的稀缺性，使得合理配置這一稀缺資源對高校的未來發展起到重要的影響。高校的科研績效能夠反映高等院校科技投入與產出的關系，體現了高校對社會經濟發展的貢獻[1]，也是衡量高校綜合實力的重要標準。為了滿足高校科研資源的合理配置，促進全國各區域的協同發展，文中采集2014—2018年的高校科研數據，運用超效率DEA模型和Malmquist指數法對我國31個省份的高校科科研績效進行評價。

　　1 研究回顧目前我國學者對不同地區高校科研績效的研究已經取得了一定的成果。沈立宏、趙怡(2016)運用數據包絡分析方法對31個省份地方高校2012年的科研績效進行了排名，結果表明全國地方高校科研績效水平存在較大差異，并且技術績效優于規模績效[2]。翁秋怡(2017)采用隨機前沿分析72所教育部直屬高校，得出東中西地區高校的科研績效基本保持穩定、西部績效略高于東中部的結論[3]。馬玲玲(2018)通過Malmqusit指數方法測算出2010—2016年的東部經濟區985工程高校科研績效最高，中部次之，西部最低[4]。劉敏、萬麗娟(2018)基于VRS模型測度了2007—2016年31個省份農業科研機構科技創新績效，表明六大區域農業科技創新績效存在顯著差異，這些差異正在逐漸縮小[5]。劉天佐、許航(2018)利用數據包絡分析2009—2016年我國31個省份高校科研績效的均值情況，結果表明整體績效水平不高且地區分布差異明顯[6]。劉雪鳳、杜浩然、 閆莉(2018)利用層次分析法和模糊綜合評判法評價我國38所985工程高校2009—2014年知識產權能力，結果顯示我國東、中、西部985工程高校知識產權綜合能力成高低二級階梯狀[7]。段曉梅(2019)利用超效率數據包絡分析法評價我國30個省市2015年的高校科研績效，發現我國高校科研績效存在較大的區域差異[8]。宗曉華、付呈祥(2019)使用超效率—非徑向DEA模型分析教育部直屬高校2006—2015年間的科研效率，研究發現樣本高校整體科研效率不高且進步緩慢，規模效率不斷衰減[9]。邱泠坪、郭明順、張艷和張默(2017)基于超效率DEA模型和Malmquist指數對2012—2015年的32所農業院校科研績效進行評價，發現農業院校的平均科研技術效率沒有達到DEA有效，沒有任何增長趨勢[10]。苑澤明、張永貝、寧金輝(2018)靜態采用DEA-BCC模型和動態選用DEA-Malmquist指數模型分析京津冀高校2012—2016年的科研創新績效，整體科研創新績效水平不高，但科研創新全要素生產率呈上升趨勢[11]。綜上分析，現有科研績效評價的研究大多采用數據包絡分析法、模糊綜合評價等評價方法，但多數選擇從靜態維度分析，對高校科研績效的動態效率研究較少。基于此，文中的研究對象定為我國31個省市自治區高校，從科研投入與產出的視角構建高校科研績效評價體系，在傳統DEA模型基礎上，利用超效率DEA、Malmquist指數法對高校科研績效進行對比分析。

　　2 評價模型的構建目前用于評價高等院校效率的方法有因子分析法[12]、熵值法[13]、層次分析法[14]、模糊綜合評價[15]等，但DEA方法具有不需要指標進行無量綱化、對指標的選取具有較好的包容性，更適合評價多投入、多產出組織的效率等優勢，讓其在評價高校科研績效時得到廣泛應用[16]。為了更全面地對不同區域的高校科研績效進行評價，文中采用靜態超效率DEA模型對某一時點的高校科研績效進行分析和動態Malmquist指數法分析某一時間段高校科研績效的變化趨勢[17]。

　　2.1 DEA基本模型和超效率模型DEA模型于1978年首次被提出，通過各種模型求解有效生產前沿面曲線，根據決策單元與該曲線的距離評價決策單元效率的有效性[18]。DEA模型主要有以下幾種：基于規模收益不變假設提出的CCR模型、增加了限制條件的BCC模型、規模效率非遞增的FG模型、規模效率非遞減的ST模型。由于傳統DEA模型不能對DEA有效的決策單元進行進一步的分析，因此安德森與彼德森在此基礎上提出了技術效率可以超過1的超效率DEA模型[19]。超效率DEA模型的表達式如下

　　其中，X i為決策單元的輸入向量，X i=(x1i，x2i，…，xmi)T>0

　　，對應的權變量設為U i=(u1，u2，…，xm)T≥0，Yi為決策單元的輸出向量，

　　Y i=(y1i，y2i，…，ymi)T>0

　　，對應的權變量設為

　　V=(v1，v2，…，vm)T≥0

　　。超效率DEA值若小于1，則表示決策單元處于技術無效，需要改進投入或者產出的狀態。

　　2.2 Malmquist指數Malmquist指數由馬姆奎斯特提出用來計算消費的指數，可以對多投入、多產出結構的對象進行動態效率分析，由技術進步效率(Tech)、純技術效率(Pe)和規模效率(Se)組成[20]。Malmquist指數的表達式如下[21]

　　其中，(xt，yt)

　　為第t時期的投入向量;(xt+1，yt+1)為第t+1時期的產出向量;Dt0和Dt+10分別為上述時期的距離函數。 M0>1、M0=1、M0<1分別表示相鄰2個時期的科研績效有提升、無變化、降低。

　　2.3 評價指標的選取高校科研績效評價指標分為高校科研投入和高校科研產出2個方面。在借鑒國內外研究的基礎上，考慮指標構建的典型性、可比性、可操作性等原則，文中構建的高校科研績效評價指標體系[22]，見表1。投入指標的選擇。投入指標主要選取高校科研人力資源以及財力資源。科研人力資源指標選擇教學與科研人員，研發人力的指標值越大說明高等院校對從事科研活動的人員數越多，一定程度上反映了高等院校研究與發展的水平;以當年科技經費內部支出作為高校科研財力資源的指標，經費支出是指用于科研人員的勞務費、業務費、購置固定資產等費用，不包含轉撥給外單位的經費支出[23]。產出指標的選擇。科研產出主要選取三類指標，一是出版著作數和與學術論文數，這兩項指標可以反映區域高校科研成果的數量;二是國家級別的成果授獎數與專利授權數，這兩項指標可以考核區域高校科研成果的質量;三是技術轉讓當年實際收入，這項指標能夠衡量高校科研產生的經濟效益[24]。指標所使用的數據均來源于2014—2018年《高等院校科技資料統計匯編》，并運用DEA-SOLVER Pro 5.0軟件進行效率測算。

　　推薦閱讀：績效與薪酬管理論文免費文獻