创新驱动战略下高校科研经费绩效研究王瑞摘要：创新驱动战略是当前我国实现“中国梦”的一项重要国家政策，本文选取全国31个省、直辖市和自治区的高校科研数据，运用了DEA数据包络分析法进行静态数据分析，并使用Malmquist指数对2010-2015年间的动态面板数据进行分析。分析发现，我国高校大部分科研经费使用处于DEA有效状态，创新驱动政策会影响技术进步指标，而技术进步指标对整体科研绩效表现起到制约作用。关键词：创新驱动;DEA-Malmquist指數;高校科研：F23：Adoi：10.19311/jki.1672-3198.2021.27.0391DEA-Malmquist模型及指标选取1.1DEA-Malmquist模型数据包络分析法（DataEnvelopmentAnalysis，简称DEA）是一种非参数前沿效率分析方法，该方法从相对效率概念角度提出，综合量化评价多个决策单元（DecisionMakingUnits，DMU）的经济效率。DEA方法对具有多项投入和产出指标项的系统有很强的适用性，该模型不需要预先设定投入产出变量的函数关系，也不需要确定各变量的权重，仅利用可得的投入和产出数据，就能综合评价各决策单元的相对效率。对许多庞大而复杂的社会经济系统，投入和产出之间的关系极其复杂，难以用简单的函数或权重进行模拟，这时DEA方法就体现出其优越性和有效性，因而被广泛应用在城市建设经济状况分析、公共事业的资源配置有效性评价、金融机构的效率分析等各种社会、科技、经济领域。Malmquist指数用来衡量各个DMU的全要素变动，包含了技术进步、综合技术效率变动和规模效率三者间的关系。应用Malmquist指数可以具体分析产出的决定因素究竟源于哪些方面，从而进一步指导资源配置的改善和技术的革新。1.2指标选取在应用DEA方法进行绩效评估时，指标的选择要遵循导向性、科学性、可行性等原则，同时考虑DMU数量，指标选择不宜过繁，指标之间要避免存在联动关系。本文主要研究的是在创新驱动的国家战略背景下，高校科研经费投入的绩效情况，因此在指标选择时有所侧重，不同于过往研究全面考量的指标选择体系，本文在指标选择方面会侧重于选择与科学研究创新相关的指标，并关注创新研究成果转化的相关产出，注重产出指标所体现的是创新成果的质量而不是数量，考察创新成果所获得的技术认可、影响力和市场转化度。因此，本文选择的投入产出指标体系如表1所示。2各地区高校科研经费绩效的实证分析2.1各地区高校科研绩效静态面板数据分析本文采用的数据主要来自于教育部科技司发布的2011-2016年度《高等学校科技统计资料汇编》，由于该材料数据存在一定滞后性，每年发布的是前一年度的数据，因此实际数据是2010-2015年度的数据。运用EDAP2.1软件对2015年度的各省及自治区的高校科研数据进行静态面板数据分析。由于科研活动的周期长，统计数据披露滞后，根据2017年最新发布的《2016年高等学校科技统计资料汇编》，其中统计的2015年我国31个省及直辖市自治区高校科技活动数据，采用BCC模型进行分析，结果如表2所示。从综合技术效率层面上看，31个地区的得分最低的宁夏回族自治区分值为0.454，比最高分值1低54.6%，可见全国范围内科研活动效率水平参差不齐，差距较大。DEA综合效率为1的地区有15个，占到全国的一半，表明这些地区科研经费和人员的投入得到了充分利用，产出的结果位于生产前沿面上，是绩效最高的地区。非DEA有效地区16个，其中低于0.8的地区有7个，占43.75%，说明在科研投入效率偏低的地区里，还有相当比例的地区有很大的上升空间。将综合技术效率分解为纯技术效率和规模效率来看，纯技术效率为1的地区有19个，说明有4个地区处于纯技术效率有效，而DEA无效的状态，这说明这几个地区科研资源配置合理，管理水平也达到了一定水平，但是规模效率没有达到有效状态，仍需改进。从全国范围来看，规模收益递增的地区6个，占19.35%。规模收益递减的地区有10个，占32.26%。2.22010-2015年各地区高校科研绩效动态面板数据分析下面针对2010-2015年间的各省、直辖市和自治区的动态面板数据进行Malmquist指数分析，各年度的全国整体Malmquist指标分解结果如表3所示。从表3中可以看出，全要素生产率Malmquist指数的平均值为1.014，整体上呈弱有效，从各年度数据的变...