科技创新投入产出效率评价研究范文

本站小编为你精心准备了科技创新投入产出效率评价研究参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

[摘要]基于2016年61所教育部直属高校科研投入和产出数据,运用因子分析和DEA数据包络分析,研究影响高校科技创新投入产出效率的关键性因素。结果显示:高校科技创新投入产出效率普遍偏低,绝大多数高校为非DEA有效,并处于规模效率递增阶段。

[关键词]高校科技创新;投入产出效率;因子分析;DEA数据包络分析

一、引言

在“”报告中强调要加快“双一流”高校的建设,高校作为我国科教兴国、人才强国和创新驱动发展等战略的坚定执行者和重要参与者,其科技创新发展引起我国政府的高度关注。无论从科技创新投入还是产出的角度,高校都已成为我国技术创新的主力军。因此,高校科技创新投入产出效率对提高“政产学研金服用”相结合的科技创新体系发展至关重要。但我国高校科技创新成果数量较少,科技创新资源及要素利用率低。因此,本文对高校的科技创新投入产出效率进行评价,分析导致效率偏低的重要影响因素,最后提出相关合理性建议。科技创新投入是我国技术创新能力的重要动力来源,科技创新产出是实现“政产学研金服用”相结合的科技创新体系发展的重要保障。因此,国内外学者对科技创新投入和产出的研究愈发深入。总结已有资料,国内对科技创新投入和产出的研究主要体现在两个方面:一是科技创新投入和产出之间的关系及科技创新能力。例如谈毅和白伊贝[1]运用多元线性回归模型,实证分析了政府投入对高校科技创新产出的影响,得出二者之间存在正相关性的结论;董晔璐[2]利用因子分析对2013年教育部直属高校的统计数据进行研究,分析评价了科技创新能力;王金国等[3]针对北京市属高校科技创新能力,运用因子分析实证发现高校间科技创新能力的巨大差异。二是科技创新投入产出效率。例如于志军等[4]基于成果类视角,运用随机前沿模型,对高校科技创新效率及其影响因素进行了深入研究。由于DEA方法具有不因计量单位不同而影响效率评价结果等好处,近年来成为学者们研究效率的重要手段。例如李瑛和高燕楠[5]基于DEA的Malmquist指数对我国高校科技创新的效率变动情况以及东西部科技创新效率水平进行了相关分析;林涛和吕寒[6]运用DEA模型入选广东省高水平大学的13所高校科技投入产出效率进行了系统性研究。基于目前文献分析,本文采用因子分析和DEA数据包络分析方法对科技创新投入产出效率进行分析评价,因子分析主要用于研究科技创新投入和产出的相关数据,DEA主要用于研究科技创新投入产出效率。利用两种研究方法各自的特点和优势,对科技创新投入产出效率进行较为充分的评价。

二、研究设计

高校科技创新投入和产出主要是指,为促进科研理论向科技创新成果转化,在应用研究、基础研究和试验发展方面的人力、物力和财力投入和获得的相关科技创新成果(专利、论文、著作等)产出。科技创新投入产出效率主要表现为在一定的科技创新投入规模下,所能获得的最大科技创新成果产出,或者是以一定的科技创新成果产出为前提,所需最少科技创新投入。

(一)数据来源及指标选择根据我国教育部所编制的《2016年高等学校科技统计资料汇编》,选择其中61所教育部直属高校为研究样本,从高等学校科技人力、科研人员、拨入以及支出等原始科技创新投入数据中,提出13项科技创新投入变量二级指标,变量名依次为Z1~Z13,从国际科技交流次数、科技成果获奖以及与企业合作的合同情况等原始科技创新产出数据中,提出9项科技创新产出变量二级指标,变量名依次为Z14~Z22。(二)研究方法1.因子分析。最早由心理学家C.E.斯皮尔曼提出,并用于描述学生成绩中是否存在共性因子的一种统计技术。其原理是在原始数据指标中,利用SPSS软件把关系密切的几个变量归为一个因子,用少数的几个共性因子来描绘众多指标和要素之间的潜在关系。2.DEA数据包络分析。最早由CHARNES和COOPER提出并创建,是一种利用线性规划对业绩进行评价的数量分析方法。其原理是根据多项投入和产出指标,运用线性规划对同类型、可比性的单位进行相关的效率评价。

三、实证分析

(一)因子分析1.KMO与Bartlett检定。首先对选取的科技创新投入变量进行因子分析的有效性检验,结果显示KMO值为0.805,说明很适合做因子分析,Bartlett的球形检定大约卡方为1005.050,自由度为78,显著性为0.000,因子分析检验有效。然后对选取的科技创新产出变量进行因子分析的有效性检验,结果显示KMO值为0.772,说明适合做因子分析,Bartlett的球形检定大约卡方为491.335,自由度为36,显著性为0.000,因子分析检验有效。2.初始特征值和方差贡献率分析。科技创新投入与产出数据经过因子分析降维之后,科技创新投入与产出变量各有3个因子特征值大于1,然后提取科技创新投入的3个因子为F1、F2、F3,科技创新产出的3个因子为F4、F5、F6。科技创新投入的3个因子累积解释方差合计为83.222%,科技创新产出的3个因子累积解释方差合计为84.576%,整理后,经过最大方差正交旋转之后,科技创新投入与产出各自因子累积方差贡献率的累积解释方差不变,说明数据选择准确度较好。3.科技创新投入与产出因子载荷分析。科技创新投入因子中F1主要在Z6、Z7、Z8、Z9、Z10和Z11指标占的载荷比重较大,F2主要在Z1、Z2、Z4和Z5指标占的载荷比重较大,F3主要在Z3、Z12和Z13指标占的载荷比重较大,因子载荷分析说明F1、F2和F3分别解释了在资金、人力以及成果试验应用方面的投入。科技创新产出因子中F4主要在Z14、Z21和Z22指标占的载荷比重较大,F5主要在Z15、Z16、Z17和Z20指标占的载荷比重较大,F6主要在Z18和Z19指标占的载荷比重较大,说明F4、F5和F6分别解释了在资本收益、论文及项目合同成果和专利数量方面的产出。

(二)DEA数据包络分析将公共因子F1、F2和F3,作为DEA分析的投入变量,将公共因子F4、F5和F6,作为DEA分析的产出变量。因为因子分析标准化处理,个别因子为负值,所以首先对数据进行正向化处理,然后进行DEA数据包络分析,分析结果如下。1.综合效率(crste)分析。61所高校中,上海交通大学等10所高校,约占16.4%,crste得分为1,DEA有效。其余高校非DEA有效,其中34所高校,约占55.7%,crste得分全部低于0.5;17所高校,约占27.9%,crste得分在0.5(包含)到1(不包含)之间。2.纯技术效率(vrste)分析。以北京科技大学为代表的18所高校,vrste得分为1,说明达到技术有效,产出相对于投入达到最大化。其中除去综合效率得分为1的10所高校,剩余8所高校,vrste得分为1,但综合效率得分不为1。以中国人民大学为代表的高校,vrste得分小于1,说明没有达到技术有效,产出相对于目前投入,没有达到最大化。其中部分高校,纯技术效率得分低于0.5,进而造成综合效率偏低,致使大量资源闲置和浪费。3.规模效率(scale)分析。61所高校中,scale得分最高分得分为1,最低得分为0.283,平均分为0.82。其中11所高校得分为1,约占18%,说明达到规模有效。scale得分低于0.5的高校仅5所,表现为低规模效率,大部分高校scale得分处于0.5(包含)到1(不包含)之间,表现为较高的规模效率。4.规模收益分析。61所高校中,有13所高校规模收益不变,约占21%,说明增加一定百分比的投入,会有相同百分比的产出,即达到最大产出规模;有15所高校规模收益递减,约占25%,说明产出增加的百分比小于投入增加的百分比;有33所高校规模效率增加,约占54%,说明投入增加的百分比小于产出增加的百分比。通讯作者:王强,E-mail:122991049@qq.com。

四、高校科技创新投入与产出效率评价

本文选取纯技术效率平均值(0.67)和规模效率的平均值(0.82)作为判断科技创新效率高低的标准,即高于平均值即为高效率,低于均值即为低效率,分成四部分对科技创新投入产出效率作出如下评价。第一,“双高”形式。以北京交通大学等为代表的高校,都表现为较高的纯技术效率和规模效率,因此综合效率较高。说明此类高校无论是学校规模因素,还是管理和技术等因素,都对高校科技创新投入产出效率发挥了良好的促进作用。第二,“高低”形式。以北京科技大学等代表的高校,有较高的纯技术效率,但规模效率偏低,因此综合效率偏低是由规模效率偏低引起的。说明此类高校管理和技术等因素对科技创新投入产出效率发挥了良好的促进作用,应根据规模收益适当调整学校规模。第三,“低高”形式。以中国人民大学等为代表的高校,规模效率较高,但纯技术效率偏低,因此综合效率偏低是由纯技术效率偏低引起的。说明此类高校的学校规模因素对科技创新投入产出效率发挥了良好的促进作用,要优化管理和技术等因素的配置机制。第四,“双低”形式。以复旦大学等为代表的高校,都表现为较低的纯技术效率和规模效率,因此综合效率较低。说明此类高校无论是学校规模因素,还是管理和技术等因素,对提高高校科技创新投入产出效率都未起到明显作用,应从学校规模、管理和技术等因素方面进行改善。

五、结论和建议

根据2016年61所教育部直属高校科技创新投入产出效率分析结果,发现在“政产学研金服用”相结合的环境背景下,我国教育部直属高校间科技创新投入产出效率差异较大,综合效率普遍较低,绝大多数高校为非DEA有效,并且处于规模效率递增阶段。建议:首先,发挥政府引导功能,完善高校科技创新的相关政策。加强科技创新资源的优先配置与供给,增加高校科研资金投入。政府从“借脑引智”的思想出发,鼓励科技创新人才在高校和企业间“相互挂职”,促进人才的流动以及科技创新成果的有效转化。其次,构建高校协同对接平台。实施“高校科技创新要素供给”工程,积极申报在高校建设国家实验室和省级重点实验室,多层次、多渠道与校外科研机构以及高校间建立人才流动与合作机制,力争突破制约高校科技创新投入与产出效率的关键性技术要素,缩小高校间科技创新能力的差距。最后,企业自主开发与高校技术创新平台中的合作共赢。高校要以知名企业科技创新前沿和解决企业重大需求问题为导向,加强校企合作,引进企业先进技术和科技创新合作基金,学习企业管理模式,促进“校企合作”的协同创新,进而提高高校的科技创新投入产出效率。

[参考文献]

[1]谈毅,白伊贝.政府投入对高校科技创新产出影响的实证分析[J].科技管理研究,2015(20).

[2]董晔璐.基于因子分析的我国高校科技创新能力评价[J].科学管理研究,2015(06).

[3]王金国,张经强,王娇.北京市属高校科技创新能力评价研究[J].科技进步与对策,2017(20).

[4]于志军,杨昌辉,白羽,等.成果类型视角下高校创新效率及影响因素研究[J].科研管理,2017(05).

[5]李瑛,高燕楠.我国高校科技创新效率的实证研究[J].求索,2011(01).

[6]林涛,吕寒.广东省高水平大学科技投入产出效率研究[J].高教探索,2018(03)

作者：王庆金；王强；李姗姗 单位：青岛大学