卜德娴,李红艳

(上海工程技术大学管理学院,上海 201620)

2017年,党的十九大报告指出我国经济已由高速增长阶段转向高质量发展阶段,科技创新是我国实现这一转变、转换增长动力的重要引擎;《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》中提出坚持创新驱动发展,全面塑造发展新优势,坚持创新在我国现代化建设全局中的核心地位,把科技自立自强作为国家发展的战略支撑,深入实施科教兴国、人才强国和创新驱动发展战略。高校作为科研阵地之一,是科学知识和科技成果的创新高地,已然成为国家发展科技事业不可忽视的重要战略力量,因此,对高校发展情况进行研究很有必要。

国际上,一般采用R&D活动强度及规模等指标来反映国家的核心竞争力及科技实力,科研投入是科技成果产出的基石,2016年我国科研经费占国内生产总值(GDP)的比例就达到了2%[1]。科研经费的投入虽然促进了科学研究的快速发展,但也引发了社会对经费使用、经费浪费的质疑,特别是在当前我国科技资源总量有限、成果产出要求迫切的情况下,R&D活动的投入及产出效率显得极为重要。上海市作为全国的经济中心和创新高地,全市高校科研资源每年均有大幅增长,因此研究上海高校R&D经费投入产出效率具有现实意义。

近年来,国内学者对我国高校R&D投入及产出关系的研究已取得一定的成果,大多数研究都采用了数据包络分析法(data envelopment analysis,DEA)。从研究视角来看,已有文献大多是从某一角度或者部分产出或投入的角度来研究高校R&D活动,并探究高校R&D活动实现DEA有效与非有效的原因,例如,陈红喜等[2]以政产学协同为视角研究R&D投入及成果转化;秦旭等[3]从R&D产出角度出发,分析天津市高校R&D活动现状;张晓月等[4]分析了高校R&D人员投入与专利产出的关系。从研究方法来看,现有针对高校R&D效率的研究多使用DEA及DEA改进方法,但多从整体角度对高校的R&D效率开展研究,并未对不同高校R&D效率的高低进行深入对比,如崔琳琳等[5]使用DEA方法研究高校R&D活动效率。从地区来看,陈丽莉等[6]对成渝地区高校R&D知识溢出与区域创新能力开展研究;郜林平等[7]对河北省29所高校R&D投入产出绩效开展研究;张鑫等[8]对安徽省高校R&D投入产出关系开展研究;王珑[9]对福建省高校R&D资源配置情况开展研究。现有相关研究涉及到国内众多地区,但以上海市高校作为研究对象的文献较少。

考虑到上海地区高校众多、样本容量较大,本文选取上海市的高校为研究对象,基于2018-2019年的高校R&D活动数据,采用DEA模型结合DEA分级比较来深入研究上海市高校R&D活动投入产出效率的总体水平,探讨研究型高校和应用型高校R&D活动效率的差异,为上海市高校R&D活动的可持续发展提供参考。

2.1 研究方法与模型构建

DEA方法通过综合考虑多个投入和产出指标,以线性规划为工具,可用来对比提供相似服务的同类型单位的效率[10]。DEA方法能够将多个投入及产出转换为分子和分母的效率比,且无需变换成相同的货币单位,无需计算每项服务的成本。因此,可运用DEA方法,基于投入及产出的组合情况来衡量决策单位的效率,相较于简单比率或单一指标更加全面、可靠,在处理多项投入指标及产出指标方面具有独特优势。

目前,运用最广泛的DEA模型是1978年由Charnes等[10]提出的以固定的规模报酬为基本假设的C2R模型。考虑到本文决策单元的规模报酬可能处于变动状态,选择采用Charnes等[11]提出的规模报酬可变的BC2模型,并从技术效率、规模效率及综合效率等多方面对上海市高校R&D资源利用效率进行分析。

以可变的规模报酬为基本假设的BC2模型,假设有n个决策单元(DMU),对于任意的一个DMUj(j=1,2,…,n)而言,使用m个投入量xij(i=1,2,…,m),生产出s个产出量yrj(r=1,2,…,s)。BC2模型设定如下:

上式中,θ表示DMU相对有效性的效率评价值;λ为权重系数;s+表示产出不足值;s_表示投入冗余值。

若要对第j0个决策单元进行效率评价,则xij0和yrj0分别表示该决策单元的投入和产出指标。当θ=1且sr+=s_i=0时,表示该决策单元处于生产前沿面上,即DEA有效;当θ=1而sr+、s_i≠0时,表示该决策单元DEA弱有效;当θ＜1时,表示该决策单元DEA无效,需从技术或规模方面加以改进[12]。当规模效率值则意味着达到最大产出规模即DMU规模有效;当其小于1时, DMU规模无效,此时包含规模报酬递增(irs)和规模报酬递减(drs)两种状况,若处于规模报酬递增状态,则说明在增加一定投入的情况下,产出水平会以更高的速度增长,此时应该增加投入以扩大生产规模;若处于规模报酬递减状态,则说明产出增长速度低于投入增长速度,此时为了提升整体效率水平应缩小生产规模[13]。纯技术效率是指对现有资源最优利用的能力,即在给定各种投入要素的条件下实现最大产出,或者在给定产出水平下投入最小化的能力。若纯技术效率值为1,表明DMU处于DEA技术有效状态,说明该DMU既没有投入需要减少,也没有产出需要增加。

2.2 指标选取及数据来源

考虑到数据获取的难易程度、各投入指标对产出的影响程度以及高校R&D经费的配置特点,本文借鉴秦旭等[3]、关晓斌等[14]学者对R&D资源配置效率评价指标的研究,选取2个投入指标和5个产出指标。其中,投入指标包括高校R&D人员全时当量及R&D经费内部支出,分别代表高校R&D活动的人力投入和资本投入;产出指标选取高校的科技专著数、科技论文数、鉴定成果数、成果授奖数及当年技术转让获得实际收入共5个,科技专著数、科技论文数及鉴定成果数代表了高校R&D活动所获得的直接产出,当年技术转让获得实际收入代表了高校R&D活动所获得的间接产出,成果授奖数则代表了高校R&D活动的质量。由于R&D活动不同于其他活动,产出具有滞后性,即当年度R&D活动的投入对应的应当是下一年度R&D活动的产出,因此,本文在选取指标时选择2018年R&D活动的投入对应2019年R&D活动的产出。本文研究数据来源于2018年及2019年教育部科学技术司出版的《高等学校科技统计资料汇编》,共包含24所本科高校。

3.1 高校R&D资源配置效率分析

考虑到不同类型高校的研发能力存在差异,将上海市24所高校按照建设方向划分为研究型高校和应用型高校,分别为8所和16所,将各高校2018年R&D活动的投入及2019年R&D活动的产出指标数据代入BC2模型,并利用DEAP软件进行运算,得到DEA分析结果(如表1所示),其中,纯技术效率值×规模效率值=综合效率值。

表1 2018—2019年上海市高校R&D活动投入产出效率分析结果

从综合效率来看,24所高校R&D活动的综合效率平均值为0.598,表明总体上高校R&D活动投入产出效率水平较低。其中,同济大学、华东理工大学、东华大学、上海海事大学、上海健康医学院、上海海洋大学、上海中医药大学、上海师范大学天华学院8所高校达到了DEA有效,纯技术效率值和规模效率值都为1,说明在现有投入水平下达到了最大产出和最优规模,即在某一确定的要素价格条件下实现了投入与产出的最优组合;在8所研究型高校中,有3所达到了DEA有效,占比为37.50%;在16所应用型高校中,有5所达到了DEA有效,占比为29.41%。综合效率是由纯技术效率和规模效率共同决定的,由于研究型高校和应用型高校在研发能力、技术水平和管理侧重点的不同,即研发与实践的需求不同,研究型高校对R&D资源的投入规模及利用效率均在一定程度上优于应用型高校,导致了两类高校综合效率的差异。此外,有16所高校呈现DEA无效和弱有效,占24所高校的66.66%,表明上海市大部分高校R&D活动存在资源投入过量、规模不合理或资源利用不充分的情况。

从纯技术效率来看,24所高校R&D活动的纯技术效率平均值为0.760,高于综合效率平均值(0.598)。其中,纯技术效率为1的高校有12所,包括复旦大学、同济大学、上海交通大学、华东理工大学、东华大学、上海科技大学、上海海事大学、上海健康医学院、上海海洋大学、上海中医药大学、上海杉达学院、上海师范大学天华学院,此12所高校DEA技术有效,即投入相对产出达到最小或产出相对投入达到最大,实现了投入产出效率最大化,不存在投入冗余和产出不足;其他12所高校纯技术效率小于1,说明DEA技术无效,存在着不同程度的投入冗余和产出不足。在8所研究型高校中,有6所达到了DEA技术有效,占比为75.00%;在16所应用型高校中,有6所达到了DEA技术有效,占比为37.50%。可发现研究型高校的DEA纯技术效率明显高于应用型高校,研究型高校R&D资源利用更充分、效率更高。研究型高校的研究水平一般高于应用型高校,即在相同的资源投入下产出可能更高,或在相同的产出下投入的资源更少,故而呈现出两类高校纯技术效率的差异。

从规模效率来看,24所高校中DEA规模有效(即规模报酬不变)的高校有9所,包括同济大学、华东理工大学、东华大学、上海海事大学、上海健康医学院、上海海洋大学、上海中医药大学、上海师范大学、上海师范大学天华学院,DEA规模无效的高校有15所,表明上海市大部分高校都处于DEA规模无效。但是24所高校R&D活动的规模效率平均值为0.708,表明上海市高校整体规模效率水平并不低,总体上属于轻度DEA规模无效。在DEA规模有效的9所高校中,应用型高校有6所,占所有应用型高校的35.29%;研究型高校有3所,占所有研究型高校的42.85%。研究型高校DEA规模有效的占比更高,表明研究型高校的R&D资源配置更均衡,投入与产出组合更加有效。其原因可能在于研究型高校相对应用型高校研发能力较好,研发投入较多且产出也相对较多,总体来看对资源的利用程度更高。

从规模报酬来看,24所高校中处于规模报酬不变的高校有9所,即这9所高校已经实现了最佳的投入产出规模,无需再增加或减少投入;其他15所高校均处于规模报酬递减状态,表明这些高校的R&D投入水平已经超过能够实现效益最大化的规模水平,若增加一定的投入比例,其产出比例将会在相对较低的水平上增加,即资源投入的速度大于产出的速度,出现边际收益递减效应。因此,应当适当控制或缩减R&D资源投入力度。

3.2 DEA无效高校的R&D投入冗余与产出不足分析

对于DEA无效的高校,可从各投入及产出指标的松弛变量来进一步分析原因。根据分析结果及2018年、2019年《高等学校科技统计资料汇编》的数据,可计算出各高校R&D活动的投入冗余值和产出不足值。投入冗余值可反映出各决策单元中相对投入过多的指标,产出不足值可反映出决策单元相对产出过少的指标,通过投入冗余值和产出不足值可明确反映出各决策单元需改进的指标及改进的程度。测算结果如表2所示。

表2 2018-2019年上海市DEA无效高校的R&D投入冗余值和产出不足值

根据表2,R&D活动中只存在投入冗余的高校共2所,即上海建桥学院和上海纽约大学;只存在产出不足的高校共4所,即上海师范大学、上海体育学院、上海工程技术大学、上海电机学院;既存在投入冗余也存在产出不足的高校共4所,即华东师范大学、上海大学、上海理工大学、上海应用技术大学。从具体指标来看,华东师范大学和上海纽约大学R&D活动的投入冗余体现在R&D经费内部支出上,其他DEA无效高校R&D活动的投入冗余均体现在R&D人员全时当量上,表明在此类高校中,相对于R&D人员的利用率而言,R&D经费的利用率更高;产出不足主要体现在技术转让获得的当年实际收入方面,而华东师范大学、上海大学及上海理工大学的产出不足还体现在成果授奖数上,上海理工大学和上海应用技术大学的产出不足也体现在科技专著数上。

3.3 高校DEA分级有效性评价

在应用DEA方法进行有效性测度时,若决策单元评价值为1表明DEA有效,否则视为无效,但是各无效决策单元之间的优劣性并不能简单地根据评价值的大小进行排序及比较[15]。为了解上海市投入到R&D活动的高校的投入产出效率水平状态,首先,对所有DMU进行第一次评价;其后,将所有有效的DMU剔除,对剩余无效的DMU进行第二次评价。如此反复运算,当最终剩余的DMU均为有效或者均为无效时停止测算。其中,第一次评价值为1的决策单元称为第1级有效,第二次评价值为1的决策单元称为第2级有效。依此类推,就能得到DEA分级有效评价的结果。将24所高校的R&D活动投入和产出数据代入BC2模型,并通过DEAP软件求解,经过5次评价后得到各高校分级评价值,具体结果如表3所示。

表3 2018—2019年上海市24所高校R&D投入产出分级有效性评价

图1 上海市24所高校R&D投入产出分级有效性分布

4.1 研究结论

本文运用DEA分析方法及DEA分级有效评价方法,基于上海市2018-2019年24所本科高校R&D活动的投入产出数据,测算出高校R&D活动的投入产出效率并进行效率评价。结果发现:(1)上海市24所高校R&D活动的投入产出效率总体水平不高。其中,有8所高校达到第1级DEA有效,仅占全部高校的33.3%。部分高校的投入产出效率有待提高,多数高校投入产出规模不合理,规模效率呈递减趋势。从具体指标上看,对于DEA无效的高校,产出不足主要体现在当年技术转让获得的实际收入方面,投入冗余则主要表现在R&D人员全时当量上。(2)各高校发展不平衡问题严重。从R&D活动的投入产出有效性等级来看,24所高校共分为5级,不同高校间DEA效率值的差距较大。(3)研究型高校R&D活动的综合效率水平总体高于应用型高校,但并不能简单地以学校类型判定R&D有效性的高低。在第1级有效的高校中,有3所研究型高校,占全部研究型高校的37.5%,有5所应用型高校,占全部应用型高校的31.25%;在第2级有效的高校中,有3所研究型高校,占全部研究型高校的37.5%,有3所应用型高校,占全部应用型高校的18.75%;在第3级有效的高校中,有1所研究型高校,占全部研究型高校的12.5%,有4所应用型高校,占全部应用型高校的25%;第4级有效的高校全部为应用型高校;第5级有效的高校中,研究型高校仅有1所。由此可见,研究型高校R&D活动的投入产出有效性基本在前3级就可以达到,且其在第1、2等级有效性比例均高于应用型高校;而应用型高校R&D活动的投入产出有效性遍布5个等级,且在前2个等级中占比较低。因此,上海市研究型高校R&D活动的综合效率水平在总体上高于应用型高校。

4.2 对策建议

4.2.1 调整R&D投入规模,优化资源配置

近年来,为了响应创新驱动发展战略,上海市各级政府均加大了对R&D资源的人力和物力投入,同时,各企业为了实现进一步发展,选择与高校建立合作,通过增加对高校的研究委托资金的方式,利用高校科研帮助自身实现创新型发展,但是,R&D资源投入的增加并不总能带来同等的产出增长,上海市的24所高校中有15所高校R&D资源投入的规模报酬均处于递减状态,产出的增速跟不上投入的增速。因此,为了进一步提高R&D资源的投入产出水平,高校应当适当控制甚至缩小R&D投入规模,同时,在管理模式上进行调整,进行管理机制的创新,优化管理流程,尽量避免R&D人力和财力资源的无效利用和浪费,积极探索与自身管理水平最相适应的投入产出规模。

其次,鉴于上海市24所高校中有8所高校达到DEA有效,其他16所高校都在不同程度上未能有效利用R&D资源,应采取必要措施提高高校的R&D投入资源的利用效率。一方面,从R&D人力资源来看,各高校应加强R&D人员的交流、学习、深造,并优化R&D人员评级筛选制度,进一步提高R&D人员的综合素质;另一方面,各高校不应盲目增加科研资金投入,应考虑到研发规模大小及技术水平高低,合理分配各学科、各项目的资金投入,并加强对研究资金的管理和监督,确保投入的资金能够得到高效且合理的使用。本文实证结论显示,研究型高校的DEA综合效率、纯技术效率及规模效率总体水平高于应用型高校,但R&D活动投入产出的效率高低并非一定与高校类型相关,部分研究型高校R&D资源利用有效性甚至低于应用型高校。因此,政府及企业还应根据各高校的投入产出水平,结合高校对资源的具体需求,优化资源在研究型高校及应用型高校间的合理配置。同时,各高校需根据自身R&D研究情况及综合实力合理控制R&D活动人员投入,加强对R&D人员的综合素质培养,从而提高R&D活动的效率。

4.2.2 深化产学研合作

《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》提出要完善科技创新体制机制,加快科研院所改革,扩大科研自主权,加强知识产权保护,大幅提高科技成果转移转化成效。根据本文分析,上海市大多数高校技术转让获得的当年实际收入明显不足,而技术转让获得的当年实际收入是衡量高校科技创新成果转化能力的主要标准。促进高校科学技术成果向市场转化的有效措施是深化产学研合作机制,将科研、教育与生产劳动进行有机结合,即以市场为导向,将企业看作技术的需求方,将高校看作技术的供给方,促进技术创新所需要的各种生产要素的最优组合,以促进高校R&D成果的市场转化。

猜你喜欢 投入产出研究型上海市 上海市风华初级中学中小学校长(2021年7期)2021-08-21国有企业研究型审计思考与探索科学与财富(2021年35期)2021-05-10上海市房地产学校学生导报·初中版(2020年1期)2020-05-03腾势400 用在上海市区的来回穿梭克服里程焦虑车迷(2017年12期)2018-01-18无锡高新区制造业投入产出分析消费导刊(2017年20期)2018-01-03小学数学单元研究型整合学习的探究新课程·中旬(2017年9期)2017-11-18基于DEA-Tobit模型的我国2012—2013年群众体育投入产出效益评价与影响因素研究天津体育学院学报(2016年3期)2016-12-18基于DEA方法的高校R&D投入产出绩效评价与对策研究——以河北省29所高校为例经济与管理(2016年2期)2016-12-01中国研究型大学经费筹措及对策研究人间(2015年22期)2016-01-04