梁文艷，唐一鵬

(1. 北京師范大學　教育學部　教育經濟研究所/首都教育經濟研究院， 北京　海淀　100875；2. 首都師范大學　教育學院， 北京　海淀　100037)

中國研究型大學科研全要素生產率動態(tài)評價

——基于DEA-Malmquist指數的實證分析

梁文艷1，唐一鵬2

(1. 北京師范大學教育學部教育經濟研究所/首都教育經濟研究院， 北京海淀100875；2. 首都師范大學教育學院， 北京海淀100037)

摘要：利用DEA-Malmquist指數方法測算并分析“十一五”期間中國研究型大學自然科學學科科研全要素生產率，主要發(fā)現(xiàn)：研究型大學科研全要素生產率的改進主要源于技術進步，規(guī)模效率和純技術效率改善的貢獻不明顯，尤其是規(guī)模效率甚至在一定程度上起拖累作用。分區(qū)域比較，受制于技術進步滯后，西部地區(qū)大學科研全要素生產率改進狀況明顯落后；得益于管理制度優(yōu)化所帶來的純技術效率提升，東部地區(qū)，尤其是滬蘇浙地區(qū)全要素生產率改進突出；得益于規(guī)模合理設置所帶來的規(guī)模效率提升，中部地區(qū)全要素生產率不斷改進。分學校層級比較，盡管“985工程”大學獲得了更大的科研投入力度，但全要素生產率及各效率維度改進狀況均落后于非“985工程”大學。因此，未來高水平研究型大學建設需高度重視效率問題。

關鍵詞：研究型大學；自然科學學科；全要素生產率；DEA-Malmquist指數模型

《國家中長期科學和技術發(fā)展規(guī)劃綱要(2006—2020年)》明確指出：“大學是我國培養(yǎng)高層次創(chuàng)新人才的重要基地，是我國基礎研究和高技術領域原始創(chuàng)新的主力軍之一……加快建設一批高水平大學，特別是一批世界知名的高水平研究型大學，是我國加速科技創(chuàng)新、建設國家創(chuàng)新體系的需要?！庇纱丝梢?，繼續(xù)重點支持一批研究型大學、提升其科研創(chuàng)新能力是中國高等教育發(fā)展的重要目標。近年來，中國研究型大學的科研實力日益攀升，以上海交通大學世界學術排名為例，大陸地區(qū)躋身前500強的大學從2003年的9所增加到2014年的32所。但與世界一流研究型大學相比，中國研究型大學原創(chuàng)性、高影響力的科研產出與之相距甚遠*論文篇均被引頻次是科研產出質量最常用的指標，簡單對比中國“211工程”大學和美國大學協(xié)會大學(AAU)校均發(fā)表SCI/SSSCI/A&HCI學術論文篇均被引頻次：2006—2012年，“211工程”大學發(fā)表論文篇均被引次數為8.02，低于全球平均水平(22%)；AUU大學發(fā)表論文篇均被引次數為17.14，高于全球平均水平(68%)。顯而易見，中國研究型大學科研產出質量和影響力與世界一流研究型大學差距甚遠。資料來源：Incites數據庫，http://incites.isiknowledge.com.，建設高水平大學的任務十分艱巨。同時，著眼“新常態(tài)”下經濟放緩帶來的公共財政的巨大壓力，高?？蒲邪l(fā)展應逐步從以增加資金投入為主的發(fā)展模式轉向以提升效率為主的發(fā)展模式。因此，有必要系統(tǒng)分析中國研究型大學科研生產效率的變化規(guī)律，剖析導致生產效率變化的原因，從而提出應采取的相關對策。全要素生產率(Total Factor Productivity，TFP)是衡量生產效率的重要指標，由經濟學家Solow于1955年提出，不僅可以從整體上刻畫效率的改善，還能從技術進步、規(guī)模效應和配置效應3個角度分析效率改善的原因。盡管國內已有不少學者利用效率評價方法分析高校效率問題，但從全要素生產率角度動態(tài)考察生產效率變動的研究相對缺乏。鑒于此，本文采用DEA-Malmquist指數模型，以“211工程”大學自然科學學科為例，對2006—2010年的科研全要素生產率進行動態(tài)評估和系統(tǒng)分析*考慮自然科學學科和人文社會科學學科科研生產的內在差異，本研究僅以自然科學學科領域投入-產出數據開展分析。。

一、文獻回顧與述評

大學生產行為具有多投入、多產出的特征，指標量綱差異大，很難找到“價格”變量合成綜合指標，傳統(tǒng)“單產出/單投入”的生產效率評估指標難以用于高校效率評估。得益于數據包絡分析(DEA)方法，高校生產效率研究取得突破性進展[1]。歐洲學者尤其是英國學者較早引入DEA方法開展高校生產效率研究。原因在于，歐洲大學在全球高等教育體系中的地位逐漸式微，為恢復昔日風光，學者期望基于效率評估形成指導撥款改革和質量控制的新機制[2-3]。早期研究發(fā)現(xiàn)，歐洲大學辦學效率不佳，特別是以強調資源配置和投入規(guī)模合理性為核心的規(guī)模效率與配置效率并未引起管理者重視[3-5]。相對于普通DEA模型只能進行截面數據效率評估，DEA-Malmquist指數模型能測算生產率跨年度變化狀況，因而越來越多研究大學生產效率問題的學者開始關注DEA-Malmquist指數模型并運用其開展研究。例如，F(xiàn)legg等測算了英國45所大學1980—1992年的辦學Malmquist生產率，發(fā)現(xiàn)大學全要素生產率累積提升量達到51.5%[6]；Johns測算了英國112所大學1996—2005年的辦學Malmquist生產率，發(fā)現(xiàn)大學以年均1個百分點的速度實現(xiàn)全要素生產率提升，技術改進是主要動力，但純技術效率和規(guī)模效率改善狀況不佳[7]；Garcia和Palomares測算了西班牙43所大學1994—2004年的辦學Malmquist生產率，同樣發(fā)現(xiàn)全要素生產率不斷提升，但與Johns的研究結果不同，西班牙大學生產率的提升更多地源于管理水平提升和辦學規(guī)模優(yōu)化所帶來的純技術效率和規(guī)模效率改善[8]。

近年來，隨著高等教育國際化的不斷深入，部分學者基于跨國樣本構建DEA-Malmquist指數模型進行了全要素生產率動態(tài)評估。例如，Agasisti和Johnes測算了2002—2005年英國和意大利大學的科研全要素生產率，發(fā)現(xiàn)盡管兩國大學整體實現(xiàn)了生產率提升，但提升機制有所不同，英國大學主要源于外部技術改進所帶來的前沿面提升，意大利大學則源于配置效率和規(guī)模效率改進所獲得的追趕效應[9]。此后，Aleksandra和Joanna以橫跨歐洲7國266所大學為樣本的研究發(fā)現(xiàn)，意大利和德國的大學全要素生產率改進較好，其余5國大學辦學全要素生產率改進狀況不佳[10]。

相對來說，運用DEA-Malmquist指數模型研究中國大學生產率問題相對較晚。但伴隨高校擴招、合并等重大教育改革的實施和債務風波*伴隨學校辦學規(guī)模的迅速擴大，中國不少知名大學面臨著日益嚴重的負債問題。以2007年為例，當年吉林大學負債30億元人民幣，南昌大學負債20億元人民幣，南開大學負債11.7億元人民幣(http://view.news.qq.com/zt/2007/unibankrupt/index.htm.)。這些問題的出現(xiàn)，很大程度應歸結于大學過于關注投入，忽視辦學效率和辦學績效，而對大學開展辦學效率、全要素生產率研究一定意義上可以回應以上問題，并提供一些可行的改進建議。等問題的出現(xiàn)，社會各界越來越重視大學的內涵式發(fā)展，部分學者嘗試以中國大學為樣本開展研究。第一類關注1999年擴招政策對中國大學辦學效率變動的影響，發(fā)現(xiàn)擴招后辦學全要素生產率在一定程度得到提升，但外生技術進步成為全要素生產率改進的主要動力[11-13]。第二類在中國高等教育辦學資源區(qū)域“貧富差距”突出的背景下，特別關注辦學全要素生產率變動的省際差異，發(fā)現(xiàn)不同區(qū)域技術效率增長有所收斂，但規(guī)模效率變動和技術進步的區(qū)域差異逐漸發(fā)散[14]。第三類則在中國大學高度重視科研水平提升的背景下，對大學科研全要素生產率變動進行評估，發(fā)現(xiàn)我國大學科研全要素生產率提升狀況并不理想，大部分大學科研活動仍嚴重依賴關注投入、輕視產出的外延式發(fā)展方式[15-16]。

整體而言，以中國大學為樣本、利用DEA-Malmquist指數模型開展的研究存在諸多局限。首先，研究所使用的數據基本來自教育部歷年出版的《教育部直屬高校基本情況統(tǒng)計資料匯編》，樣本限于教育部直屬的74所高校，很難全面反映整體狀況。其次，就科研全要素生產率這一主題的研究來說，由于DEA-Malmquist指數模型屬于非參數方法，對樣本同質性要求高，而不同學科科研活動特征和規(guī)律差異很大，因此分學科開展科研全要素生產率評估更為恰當，但已有研究基本沒有分學科開展，當然，數據難以獲取是主要原因。最后，相對以歐洲大學為樣本開展的生產率研究，以中國大學為樣本的類似研究缺少分層次、多維度對比分析，對生產率影響機制分解不夠。相對已有文獻，本文的貢獻主要體現(xiàn)在3個方面：其一，數據來源更豐富，樣本擴大到“211工程”大學，保證了樣本的代表性；其二，將研究對象聚焦于自然科學學科，一定程度保證了樣本的同質性，提高了結論分析的可靠性；其三，分區(qū)域、分層級進行比較分析，以便深入揭示中國研究型大學科研生產率變化的規(guī)律。

二、模型、樣本與指標選擇

(一)模型

Malmquist生產率指數由瑞典經濟學家曼奎斯特于1953年提出，后經Fare等于1989年改進和完善，該方法利用距離函數比計算全要素生產率[17]。正如上文指出，全要素生產率可將生產效率變動分解為技術進步、規(guī)模效應和配置效應3個維度，Malmquist生產率指數則可分解為技術變化(Technical Change，TC)指數、純技術效率變化(Pure Technical Change，PTEC)指數和規(guī)模效率變化(Scale Efficiency Change，SEC)指數。

具體來看，TC指數反映兩個時期生產前沿面移動，被稱為“增長效應”：若TC>1，表明新知識、新技術設備以及發(fā)明創(chuàng)造等在生產活動中的應用帶動了生產前沿面“向上”移動，即技術進步帶來了生產率提升。PTEC指數反映生產決策單元對生產前沿面的追趕，被稱為“追趕效應”：若PTEC>1，表明因為改善組織機構、優(yōu)化資源配置結構、提高內部管理水平，生產決策單元更接近現(xiàn)有生產前沿面。SEC指數反映相鄰兩個時期決策單元生產規(guī)模效益變化，被稱為“規(guī)模效應”：若SEC>1，表明決策生產單元處于規(guī)模收益遞增狀態(tài)，規(guī)模擴張有助于生產率提升；若SEC≤1，表明生產決策單元處于規(guī)模收益遞減或不變狀態(tài)，需挖掘現(xiàn)有資源潛力以提升生產率。

綜上，Malmquist指數方法可利用多投入、多產出變量進行全要素生產率動態(tài)評估，不需要價格等相關信息，不受指標量綱不一致等問題影響，更重要的是可將生產率變化原因分解為增長效應、追趕效應和規(guī)模效應。顯然，利用該方法，我們可分析3類效應對全要素生產率改進的貢獻程度，從而更好地找出研究型大學科研生產率提升的方向。

(二)樣本

由于DEA-Malmquist指數法屬于非參數方法，無法通過統(tǒng)計檢驗指標幫助判斷結果，因而對樣本同質性具有更高要求。本文以“211工程”高校為評估對象，這類高校無論在建設使命和建設目標上都具有較高的一致性。此外，為減少由于學科差異導致的科研生產方式差異，本文將評估對象聚焦在自然科學學科上，以最大程度確保樣本同質性。

截至目前，全國共116所“211工程”大學(部分兩地辦學高校分開計算)，根據下述3類原因，最后用于分析的高校合計100所：(1)考慮到軍事系統(tǒng)院校辦學體制以及科研活動的特殊性，剔除第二軍醫(yī)大學、第四軍醫(yī)大學、國防科技大學；(2)高校自然科學投入產出數據主要來自歷年《高?？萍冀y(tǒng)計資料匯編》，該統(tǒng)計資料中未包含對外經濟貿易大學、中央財經大學、中央音樂學院、北京體育大學、北京外國語大學、上海外國語大學、上海財經大學、中南財經政法大學、福州大學、西南財經大學、華北電力大學(保定)；(3)考慮到歷年的《高?？萍冀y(tǒng)計資料匯編》里部分關鍵指標數據缺失且無法填補，剔除中央民族大學、西藏大學、中國政法大學。事實上，上述高校或為語言、財經、政法、藝術類專業(yè)性院校，或為民族院校，在研究自然科學科研生產率時，將其納入會破壞樣本的同質性。

(三)投入、產出指標選擇

著眼提高科研產出質量和創(chuàng)新型水平的目標，參考已有研究，兼顧數據的可得性，我們構建了投入-產出指標體系。具體指標以及各年度校均分布狀況如表1所示。

表1　中國研究型大學自然科學學科投入產出指標體系及各年度校均狀況

數據來源：a：頂尖科研人才包含長江學者和國家自然科學基金青年杰出人才。其中，長江學者人數數據來自中國學位與研究生教育信息網，國家自然科學基金青年杰出人才數據來自國家自然科學基金委網站；b：數據來自歷年《高校科技統(tǒng)計資料匯編》；c：人均當年撥入R&D=當年撥入R&D÷教學與科研人員數；d：數據來自《中國科學引文數據庫》(CSCD)，文獻發(fā)表時間區(qū)間為2006年1月1日—2012年3月31日；e：數據來自ISI數據庫，文獻發(fā)表時間區(qū)間為2006年1月1日—2012年3月31日。

三、實證結果與分析

本研究使用DEAP2.1軟件進行數據分析?？紤]研究型大學科研活動的特點，這里構建產出導向(Output-Orientated)DEA模型測算Malmquist指數并開展相關分析。

(一)整體分析

運用Malmquist指數方法給出每所大學在“十一五”期間(2006—2010年)的生產率變動情況。受限于篇幅，我們僅通過樣本高校Malmquist指數及其分解的5年均值數據來呈現(xiàn)整體趨勢，如表2所示。

1.從各項指標的均值來看，中國研究型大學全要素生產率提升主要源自技術進步所帶來的增長效應。Malmquist生產率指數(TFP)的均值為1.073，表明研究型大學以年均7.3個百分點的速度實現(xiàn)自然科學學科科研生產率的提升。將Malmquist生產率指數分解為技術進步(TC)指數、純技術效率變化(PTEC)指數、規(guī)模效率變化(SEC)指數，3項指數的均值分別為1.056、1.013和1.002，表明技術進步(TC)所帶來的“增長效應”是科研生產率提升最主要的動力，而純技術效率變化(PTEC)所帶來的“追趕效應”以及規(guī)模效率變化(SEC)所帶來的“規(guī)模效應”對研究型大學科研生產率的提升貢獻相對有限。

2.從在各項指標上實現(xiàn)效率提升的樣本構成比例來看，因技術進步而獲得效率提升的學校比例最高。全要素生產率有所提升的大學達到74%，說明大部分高?？蒲挟a出的全要素生產率在“十一五”期間得到改善。但從各項指數的分布看，在所有獲得生產率提升的大學中，技術進步帶來的增長效應作用最為明顯。在100所高校中，有73%的高校受益于技術進步帶來的全要素生產率提升。相比之下，僅有36%和32%的大學由于純技術效率變化(即“追趕效應”)或規(guī)模效率變化(即“規(guī)模效應”)獲得全要素生產率提升。

表2　2006—2010年中國研究型大學自然科學學科科研全要素生產率5年均值

注：在生產率變化狀況的分析中，“1”被視為分界點或臨界值。對應本研究，如某類區(qū)域大學某項科研生產率指數小于“1”，則該區(qū)域大學此項科研生產率相對于上一年度存在下降趨勢；反之，如大于“1”，則該區(qū)域大學此項科研生產率相對上一年存在上升趨勢；如等于“1”，則表示兩年間不存在變化(下同)。

接下來，根據全要素生產率是否實現(xiàn)改善將樣本高校分為2類：一類是TFP>1(即實現(xiàn)了改善)的高校，另一類是TFP≤1(即未實現(xiàn)改善)的高校。在這2類高校中，進一步統(tǒng)計不同效率提升途徑的高校的數量和比例，由表3可知，在全要素生產率獲得提升的74所大學中，有99%的高校因為技術進步獲得“增長效應”(TC>1)，僅有1所大學沒有獲得“增長效應”，該所大學僅依靠純技術效率(即“追趕效應”)獲得全要素生產率提升。由表4可知，在全要素生產率未實現(xiàn)改善的26所大學中，有8所大學(占31.8%)雖獲得技術改進，且由于純技術效率或規(guī)模效率拖累導致全要素生產率不升反降；其余18所大學(69.2%)均由于未實現(xiàn)技術進步(TC≤1)而導致全要素生產率下降。

綜上，“十一五”期間我國研究型大學自然科學學科科研生產全要素生產率的提升主要依靠技術進步所帶來的“增長效應”，而未獲得全要素生產率提升的大學，大部分是由于未實現(xiàn)技術改進?？梢姡夹g進步是過去一段時間我國研究型大學自然科學學科科研提高生產效率的主要途徑。但是，源于管理水平提升和辦學規(guī)模優(yōu)化所帶來的純技術效率和規(guī)模效率改善不佳。

表3　74所全要素生產率改善的研究型大學(TFP>1)的分布特征

表4　26所全要素生產率未改善的研究型大學(TFP≤1)的分布特征

(二)分地區(qū)對比分析

由于中國長期存在區(qū)域社會經濟發(fā)展不平衡，東、中、西部*東部地區(qū)包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、海南；中部地區(qū)包括吉林、黑龍江、山西、安徽、江西、河南、湖北和湖南；西部地區(qū)包括內蒙古、廣西、重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏和新疆。高等教育發(fā)展水平也存在一定差異。通常來說，東部高水平研究型大學更為集中*在本研究樣本中的100所“211工程”大學中，東部地區(qū)集中了50%以上的大學(共有56所)，中部和西部地區(qū)一共有44所大學。，特別是北京、天津、上海、江蘇等地區(qū)，“211工程”高校的數量位居全國前列。相比之下，中、西部地區(qū)研究型大學相對較少，在科研投入和產出上都與東部研究型大學差距較大。基于此，本文按經濟區(qū)劃分，對東部、中部和西部地區(qū)研究型大學自然科學研究的全要素生產率進行對比分析。各地區(qū)高校的Malmquist生產率指數及其分解結果如表5所示，具體分析如下：

表5　2006—2010年分區(qū)域研究型大學自然科學學科科研生產各項生產率指數分解

1.從整體來看，中部地區(qū)高校全要素生產率提升最為明顯，西部地區(qū)高校提升幅度最低，東部地區(qū)高校提升幅度居中，但滬蘇浙地區(qū)高校表現(xiàn)強勁。

比較東、中、西部地區(qū)研究型大學自然科學研究全要素生產率可發(fā)現(xiàn)，中部地區(qū)提升幅度最為明顯，Malmquist生產率指數的5年均值為1.107，表明中部地區(qū)高校在“十一五”期間以10.7%的年均增速實現(xiàn)科研全要素生產率的改善。比較而言，西部地區(qū)高校全要素生產率改善有限，年均增速僅為0.2%。對于東部地區(qū)高校來說，Malmquist生產率指數的5年均值為1.088，略低于中部地區(qū)高校，但仍高于全樣本的整體均值。在東部地區(qū)的高校中，滬蘇浙、京津冀兩大地區(qū)的研究型大學最為集中，其中滬蘇浙地區(qū)高校在“十一五”期間表現(xiàn)出強勁的全要素生產率提升勢頭，年均增速高達12.3%，超過京津冀地區(qū)高校(7.5%)。

2.從全要素生產率分解來看，技術進步是各地區(qū)研究型大學科研全要素生產率提升的最主要動力，而規(guī)模效率表現(xiàn)不佳成為制約全要素生產率提升的短板因素。

通過對全要素生產率進行分解發(fā)現(xiàn)，技術進步在各地區(qū)高校的全要素生產率提升中都占據主導地位。其中，東部地區(qū)高校表現(xiàn)最為明顯，“十一五”期間的年均技術進步率達到7.3%。特別是滬蘇浙、京津冀地區(qū)的高校，其技術進步率分別為7.3%和6.8%，均高于全樣本的整體水平。中部地區(qū)高校略低于東部地區(qū)高校，但也達到6.5%。相比之下，西部地區(qū)高校技術改進乏力，年均技術進步率僅為0.5%，導致全要素生產率未得到明顯提升。

從純技術效率看，各地區(qū)高校均處于小幅改善狀態(tài)，與技術進步率相比年均提升程度并不高。東部和中部地區(qū)高校的純技術效率提升遠高于西部地區(qū)高校，特別是滬蘇浙地區(qū)的高校，年均提升率高達5.2%，是這一地區(qū)乃至整個東部地區(qū)全要素生產率提升的重要因素。

從規(guī)模效率看，各地區(qū)高校科研普遍呈現(xiàn)下降趨勢，僅中部地區(qū)處于上升狀態(tài)，年均提升率達到2.4%。規(guī)模效率的提升是導致中部地區(qū)高校科研全要素生產率高于東部地區(qū)的重要因素。其他地區(qū)(包括滬蘇浙、京津冀)規(guī)模效率變動指數普遍小于1，由于盲目擴張而導致的規(guī)模效率低下成為制約這些地區(qū)科研生產全要素生產率提升的主要因素。

(三)分學校層級對比分析

回顧我國高等教育發(fā)展的歷程，研究型大學建設集中表現(xiàn)為“211 工程”和“985 工程”兩大項目，以建設世界一流大學為目標的“985工程”高校和以建設高水平研究型大學為目標的“211工程”高校無疑是我國科研事業(yè)發(fā)展的主力軍。為此，本文將全樣本“211工程”高校按照是否進入“985工程”分為“985工程”高校和非“985工程”高校，以對比分析兩類高?？蒲腥厣a率指數及其分解，結果如表6所示。

表6　2006—2010年“985工程”大學和非“985工程”大學自然科學學科科研生產率指數及其分解

1.從整體來看，兩類研究型大學自然科學學科科研生產全要素生產率均獲得改善，非“985工程”高校改善狀況優(yōu)于“985工程”高校。

“985工程”高校自然科學研究的Malmquist生產率指數的5年均值為1.043，即全要素生產率的年均提升幅度為4.3%。非“985工程”高校自然科學研究的Malmquist生產率指數的5年均值為1.090，即全要素生產率的年均提升幅度達到9%，遠超“985工程”高校。由此可見，在“十一五”期間，兩類高校的全要素生產率都獲得一定改善，但“非985工程”高校的改善程度要優(yōu)于“985工程”高校。

2.從全要素生產率分解來看，兩類大學自然科學學科科研生產全要素生產率提升均主要得益于技術進步。

非“985工程”高校年均技術進步率為7%，而純技術效率年均提升率為1.6%，規(guī)模效率年均提升率僅為0.3%；“985工程”高校年均技術進步率為3.3%，純技術效率年均提升率僅為0.9%，規(guī)模效率年均提升率僅為0.1%。由此可見，相對明顯的技術進步和追趕效應帶動非“985工程”高?？蒲猩a獲得后發(fā)優(yōu)勢，全要素生產率得到快速提升，進而提高了科研產出水平和創(chuàng)新能力。比較而言，面對快速增長的科研資源投入，“985工程”大學對規(guī)模收益狀況和配置合理性重視程度不夠，造成純技術效率改善狀況不佳，尤其是普遍存在的規(guī)模不經濟生產狀況，使得規(guī)模效率對全要素生產率的拖累狀況較為明顯。

四、研究結論與討論

本文采用DEA-Malmquist指數方法，對以“211工程”高校為代表的研究型大學自然科學研究的全要素生產率進行測算和分析，并分地區(qū)、分層級進行比較，得到如下主要結論：

(1)“十一五”期間，研究型大學自然科學研究的全要素生產率呈穩(wěn)定增長態(tài)勢(Malmquist指數的5年均值大于1)。在全體樣本中，全要素生產率改善的大學占總體的74%，絕大多數都是依靠技術改進帶來的“增長效應”，這說明我國研究型大學的科研產出水平和科研創(chuàng)新能力不斷提高，注重通過引進高層次人才和先進技術設備來實現(xiàn)科研生產力的提升。

(2)分地區(qū)來看，各地區(qū)研究型大學自然科學研究的全要素生產率均表現(xiàn)出不同程度的改善。其中，滬蘇浙地區(qū)和中部地區(qū)研究型大學科研生產率提升狀況明顯高于其他地區(qū)。究其原因，滬蘇浙地區(qū)大學由于純技術效率的大幅改善而獲得了更多的“追趕效應”，中部地區(qū)高校得益于規(guī)模效率的大幅改善帶來的“規(guī)模效應”，這是兩類地區(qū)大學科研生產率提升狀況相對突出的原因。相對而言，西部地區(qū)研究型大學在各項分解指標上的表現(xiàn)均不理想，這無形中拉大了西部地區(qū)研究型大學科研水平與其他地區(qū)的差距。

(3)分層次來看，“985工程”大學和非“985工程”大學自然科學研究的全要素生產率均穩(wěn)步提升，而非“985工程”大學全要素生產率及其分解指數的改善狀況明顯好于“985工程”大學?！笆晃濉逼陂g強勁的技術進步和穩(wěn)定的純技術效率提升是非“985工程”大學科研生產率快速提升的最主要因素。而“985工程”大學在此期間的全要素生產率提升主要依靠技術進步實現(xiàn)，純技術效率和規(guī)模效率起到的作用十分有限，這是“985工程”高校科研生產率提升的重要障礙。

隨著“科教興國”方針的不斷貫徹和深入實施，國家對研究型大學的科研投入力度不斷增大，受諸多重大項目和科研平臺的支持，研究型大學購置國際最先進的儀器設備*例如，2008年高校單價40萬元以上的大型儀器設備總量1.5萬臺，總值近150億，其中2/3分布在“211工程”高校。參見：王敏.提高高校大型儀器設備利用率的探索[J].經濟師，2012(5)：87-89.、引進全球最先進的技術手段和最頂尖的人才*在充足的資金保障下，2006—2010年正是研究型大學通過“千人計劃”“百千萬工程”等從全球大規(guī)模引進高層次人才的階段，高層次人才擁有各自學科領域最先進的知識和技術，直接帶動了研究型大學科研生產技術的提升。，科研生產技術進步明顯。本文的研究結果表明，無論是全樣本，還是分地區(qū)、分層次，在當前研究型大學的建設路徑下，自然科學研究全要素生產率的提升，主要依賴技術進步。與此同時，純技術效率和規(guī)模效率改善并不理想，對資源配置合理性、生產規(guī)?？茖W性重視不夠。這在一定程度上說明，我國研究型大學科研生產目前仍處于粗放型增長階段，沒能充分挖掘現(xiàn)有技術和投入狀態(tài)下所能達到的產出水平。當然，目前研究型大學科研生產在規(guī)模效率和純技術效率上表現(xiàn)不佳，也為今后高?？蒲泄芾碇该髁朔较?。本文認為，隨著我國研究型大學建設的不斷深入，必須通過制度創(chuàng)新來推動“存量”改革——引導大學在科研生產活動中重視優(yōu)化現(xiàn)有科研資源配置、挖掘現(xiàn)有科研資源生產潛力、激發(fā)內在動力，只有這樣才能持續(xù)而穩(wěn)健地獲得科研生產率的提升。

參考文獻：

[1]THANASSOULIS E,KORTELAINEN M,JOHNES G, et al. Costs and efficiency of higher education institutions in England: a DEA analysis[J].Journal of the operational research society,2011,62:1282-1297.

[2]SIZER J. Institutional performance assessment under conditions of changing needs[J].International journal of institutional management in higher education,1982,6(1):113-145.

[3]KELLS H R. The development of performance indicators in higher education: a compendium of twelve countries[M].Paris: Organisation for Economic Co-operation and Development,1993:11-17.

[4]TOMKINS C，GREEN R. An experiment in the use of data envelopment analysis for evaluating the efficiency of UK university departments of accounting[J].Financial accountability & management，1988,4(2):147-164.

[5]BEASLEY J E. Comparing university departments[J]. Omega,1990,18(2):171-183.

[6]ATHANASSOPOULOS A D,SHALE E. Assessing the comparative efficiency of higher education institutions in the UK by means of data envelopment analysis[J]. Education economics, 1997,5(2):117-134.

[7]FLEGG A T,ALLEN D O,FIELD K, et al. Measuring the efficiency of British universities:a multi-period data envelopment analysis[J].Education economics,2004,12(3):231-249.

[8]JOHNES J. Efficiency and productivity change in the English higher education sector from 1996/97 to 2004/05[J].The Manchester school,2008,76(6):653-674.

[9]GARCIA-ARACIL A,PALOMARES-MONTERO D. Evaluation of Spanish universities: efficiency, technology and productivity change[C].Prime-Latin America Conference at Mexico City, 2008-09-24.

[10]AGASISTI T,PEREZ-ESPARRELLS C. Comparing efficiency in a cross-country perspective: the case of Italian and Spanish state universities[J].Higher education,2010,59(1):85-103.

[11]PARTEKA A,WOLSZCZAK-DERLACZ J. Dynamics of productivity in higher education: cross-European evidence based on bootstrapped Malmquist indices[J].Journal of productivity analysis,2012,40(1):67-82.

[12]潘海生，周志剛.基于 Malmquist 指數的高等教育生產率變動分析[J].西安電子科技大學學報(社會科學版)，2007(11):12-13.

[13]胡詠梅，梁文艷.高校合并前后科研生產率動態(tài)變化的Malmquist指數分析[J]. 清華大學教育研究，2007，28(1)：62-70.

[14]周偉，李全生.我國高等學校人才培養(yǎng)效率的動態(tài)分析:1999—2006年[J].科學學與科學技術管理，2010(1):195-199.

[15]韓海彬，李全生.中國高等教育生產率變動分析:基于Malmquist指數[J].復旦教育論壇，2010(4)：58-62.

[16]周偉.基于DEA方法的研究型大學科研績效實證研究[D].天津：天津大學，2010：29-30.

[17]COELLI T J, PRASADA RAO D S, O’DONNELL C J, et al. An introduction to efficiency and productivity analysis[M].2nd ed. New York:Springer Science Business Media,2005:36-48.

(責任編輯吳朝平韋春霞)

Dynamic Evaluation on the Total Factor Productivity of China’s Research University——Based on the Empirical Analysis of DEA-Malmquist Index

LIANG Wenyan, TANG Yipeng

(1.Institute of Economics of Education/ Capital College of Economics of Education, Beijing Normal University, Haidian Beijing 100875, China;2. School of Education, Capital Normal University, Haidian Beijing 100037, China)

Abstract：With DEA-Malmquist approach, this paper estimates and analyzes the total factor productivity (TFP) of natural sciences research in 100 Chinese research universities during the Eleventh Five-Year Plan(2006-2010). It shows that, for Chinese research universities, the improvement of TFP is mainly resulted from technical change (TC), while the effects of scale efficiency change (SEC) and pure technical efficiency change (PTEC) are not substantial, where SEC even makes some side effects. By comparing universities located in different regions of China, those in the western areas are most left behind in TFP improvement, relative to universities in the eastern and central areas, and the underlying reason is because of the stagnation of TC. Those universities in eastern China perform outstanding in the improvement of TFP, especially Shanghai, Jiangsu and Zhejiang, and their high performance is mainly resulted from improvement of SEC. By comparing universities of different tiers, “985 project” universities benefit most from the enormous research investment, while their improvement of TFP, as well as TC, TEC, PTEC, are all left behind by non-985 universities.

Key words：research universities; natural science disciplines; total factor productivity; DEA-Malmquist Index

收稿日期：2015-11-06

基金項目：國家自然科學基金項目“研究型大學教師科研生產力：人力資本與社會資本的影響”(71203015)；國家自然科學基金項目“‘后4%時代’中國高等教育財政投資規(guī)模與配置結構研究”(71573020)；中央高?；究蒲袠I(yè)務費專項資金項目“‘后4%時代’中國高等教育財政投資規(guī)模預測及相關政策研究”(SKZZA2015002)

作者簡介：梁文艷(1982—)，女，重慶江津人，北京師范大學講師，管理學博士，主要從事教育經濟和高校評價研究；

DOI:10.15998/j.cnki.issn1673-8012.2016.03.012

[中圖分類號]G644

[文獻標志碼]A

[文章編號]1673-8012(2016)03-0073-09

唐一鵬(1984—)，男，江蘇鹽城人，首都師范大學講師，管理學博士，主要從事教育經濟學研究。

引用格式：梁文艷，唐一鵬.中國研究型大學科研全要素生產率動態(tài)評價——基于DEA-Malmquist指數的實證分析[J].重慶高教研究，2016，4(3)：73-81.

Citation format：LIANG Wenyan, TANG Yipeng. Dynamic evaluation on the total factor productivity of china’s research university——based on the empirical analysis of DEA-malmquist Index[J].Chongqing higher education research，2016，4(3)：73-81.

■ 教育與經濟