科研投入产出（精选9篇）
科研投入产出 篇1
1 前言
院系科研绩效评价是高校科研管理部门极为重要的工作之一, 评价方法的科学与否, 不仅直接关系到科研激励政策的公正性, 而且还会影响到整个学校科研导向的正确与否。因此, 建立科学合理的科研绩效评价方法是高校科研管理部门工作的重中之重。
目前, 高校科研绩效评价通常采用的是通过建立指标体系, 将科研产出综合加权的办法[1][2][3]。在这些科研绩效考核办法中, 用同一套指标体系来评价各不同学科领域的院系, 没有考虑到不同学科性质和不同研究领域的特点。有文献针对不同学科领域院系的科技工作特点, 采用修正系数的办法来评价各类院系的科研工作[4]。修正系数是专家估计的经验值, 具有一定的主观性, 而且需要做出广泛的调查, 考虑各方面影响因素, 要获得科学合理的修正系数有一定的难度。
2 基于知识生产函数的科研投入产出模型
本文应用基于知识生产函数的科研投入产出模型, 进行高校院系科研绩效的评价, 并通过选取某综合类大学八个不同学科领域的院系进行实际应用, 以解决不同学科领域院系的科研绩效定量评价和比较的问题。知识生产函数的概念最初是由美国哈佛大学经济学家Griliches在1979年提出的[5], 其基本假设是将科研过程的产出看作是研发资本和人力投入的函数。自提出之后, 知识生产函数在分析和计算科研对经济发展的影响等方面提供了很好的经验模型框架, 同时也成为了很好的定量研究科研投入产出的工具。Griliches根据美国1953年至1987年的数据, 用知识生产函数研究了科研投入的量对专利数量的影响[6]。知识生产函数的基本假设是将创新过程的产出看作是研发资本投入的函数, 如下式所示:
R&Doutput=f (R&Dinput) (1)
如果用美国数学家Cobb和经济学家Dougla共同探讨投入和产出的关系时创造的Cobb——Dougla生产函数的形式加以表述, 则基本等式 (1) 可以表述为:
R&Doutput=a (R&Dinput) b (2)
其中a为常数, b为科研产出相对于科研投入变化的弹性系数。对上式两端取自然对数, 则有:
Ln (R&Doutput) =Lna+bLn (R&Dinput) (3)
这样, 就可以用回归的方法得出常数a和弹性系数b。
对各院系来说, 如表1所示, 科研投入
LnO=Lna+bLnI (4)
根据历年科研投入与科研产出的数据回归得出a、b值。在已知某院系当年科研投入数据I的情况下, 可以用 (4) 式计算出当年该院系的科研产出O理论值。
定义院系的科研绩效水平值为Q, 则有:
科研绩效水平值Q的意义在于:当Q﹥1时, 表示该院系的科研绩效要好于一般情况下的理论值;当Q﹤1时, 表示该院系的科研绩效要差于一般情况下的理论值。在比较各院系科研绩效时, 用绩效水平值Q的大小进行排序, Q值越比1大, 表明该院系的科研绩效水平越强, Q值越比1小, 表明该院系的科研绩效水平越弱。
3 基于知识生产函数的科研投入产出模型在各院系中的实际应用
本文以某综合类大学材料科学系、高分子科学系、化学系、环境工程系、数学学院、物理系、信息学院和医学院共八个院系作为研究对象, 这八个院系涵盖了数理化等主要研究基础理论的学科领域, 也涵盖了偏应用类的学科领域, 因此样本覆盖面较大, 具有一定的可比性和代表性。
选取各院系2001到2005年共五年的人员、到款、成果、奖励、论文等相关具体数据, 计算所用的权重用专家法确定, 计算出每一年度各院系的科研投入量I和科研产出量O。
将计算出的各年科研产出量取自然对数, 得到一系列LnO和LnI值。利用2001年至2004年四年的数据, 以LnI值为横坐标, 相应的LnO值为纵坐标作图, 拟和各院系曲线得到公式 , 得出常数a和弹性系数b值。根据式 (2) 和计算所得的各院系对应的常数a和弹性系数b值建立各院系基于知识生产函数的科研投入产出模型, 如表2所示。
按照上述建立的模型, 根据各院系2005年科研投入I的数据可以由函数O=a (I) b计算出各院系2005年理论上的科研产出数据O理论值, 并与2005年实际的科研产出数据O实际值相比得出各院系的科研绩效水平值为Q, 将Q值按大小排序如表3所示。
表3列出了按科研产出值排名和按科研绩效水平值排名两种方式, 其中按科研产出值排名使用了修正系数来矫正不同学科领域科研情况的误差, 数学学院在乘以修正系数1.25后排名由第六上升至第三, 修正系数矫正了数学学院在学科领域上的误差。而按科研绩效水平值Q进行院系排名时, 数学学院Q值为5.11, 表示数学学院2005年的实际科研产出是相对自身历年科研情况得来的理论科研产出的5.11倍, 在八个院系中的Q值最大、排名第一, 科研绩效水平值Q直接真实地反映了数学学院的科研能力, 避免了不同学科领域之间的比较。
4 结论
在以上八院系中的实际应用中可以看出, 本文提出的建立基于知识生产函数的科研投入产出模型, 通过计算科研绩效水平值进行不同学科领域院系之间的科研绩效考核的方法有以下优点:
⑴能够直接反映院系的科研能力, 避免了不同学科领域院系之间不好比较的问题。利用修正系数矫正不同学科院系之间的误差时, 因为修正系数通常是专家估计的经验值, 需要做出广泛的调查、充分考虑各方面影响因素才能得出。这就使得一方面修正系数获得困难, 另一方面修正系数会带来人为误差。而利用科研绩效水平值Q时, 是通过计算实际的科研产出与理论的科研产出之比获得, 是各院系与本院系自身科研情况的比较, 避免了不同学科领域院系之间不好比较的问题, 不需要引入修正系数, 避免了人为误差。
⑵由于科研活动有一定的滞后性, 当年的投入不一定在当年就能看见产出, 本文提出的模型是建立在该院系历年科研投入产出数据上的, 因而较充分地考虑了长期以来科研投入对科研产出的影响。
⑶能够通过计算当年院系的理论科研产出情况, 指导学校制定科研工作计划。通过模型, 根据学校当年计划对各院系经费的投入情况和该院系的人员情况, 可以计算出该院系的理论科研产出值, 此理论科研产出值可以为制定各院系计划当年应完成的科研工作量提供参考, 为整个学校制定中长期全校的科研目标提供参考。
建立基于知识生产函数的科研投入产出模型, 利用各院系实际的科研产出与模型计算的理论科研产出相比得到的科研绩效水平值Q进行院系排名, 这是一种解决不同学科领域院系科研绩效评价方法的尝试。通过在某综合类大学八院系之间的运用证明, 此方法避免了不同学科领域院系之间不好比较的问题, 具有较好的可行性。同时对学校科研政策的制定、科研工作量的制定和科研奖励机制的建立有较好的参考作用。
摘要：为了针对高校内各不同学科领域的院系进行科研绩效评价, 提出基于知识生产函数的科研投入产出模型, 应用此模型对某综合类大学的八个不同学科领域的院系进行科研绩效评价, 以解决高校不同学科领域院系之间的科研绩效评价问题。
关键词：知识生产函数,投入产出模型,高校科研,绩效评价
参考文献
[1]齐松仁, 孙瑞华, 陈育德.应用投入产出比分析科研项目的实践[J].中华医学科研管理杂志, 2001, 17 (6) :372-373.
[2]齐松仁, 孙瑞华, 左焕琮.投入产出比用于科研项目贡献分析指标体系探讨[J].中华医学科研管理杂志, 2000, 13 (2) :80-83.
[3]王晓红, 王雪峰.高校科研投入产出关系中的边际收益递增现象[J].哈尔滨工业大学学报, 2006, 38 (4) :589-591.
[4]王平心, 韩英, 白小萱, 等.高校内部各院所科研产出评价研究[J].情报杂志, 1999, 18 (2) :48-53.
[5]GRILICHES ZVI.Issues in Assessing the Contribution of R&D to Pro-ductivity Growth[J].Bell Journal of Economics, 1979, 10 (1) :92-116.
[6]GRILICHES ZVI.Market Value, R&D, and Patents[J].EconomicsLetters, 1981, 7 (2) :183-187.
科研投入产出 篇2
【摘 要】技术创新是国家经济发展的最大原动力。高校作为国家直属教育专业科研机构，直接参与许多技术科研活动。所以，政府会以各种方式鼓励高校积极参与科研创新，推动国家科技发展。本文考察调研了从2001～2009年我国高校在科技投入与产出之间的关系，以建立模型的方式对高校科研投入产出效率进行了实证，并从高校科技创新资金筹措的角度探讨了政府、企业与高校科研投入与产出之间的相关性。
【关键词】高校 技术创新 科研投入与产出 企业
“科技是第一生产力”这句话是永恒不变的真理。在以技术为核心的现代经济社会发展浪潮中，只有不断地进行技术创新才能保持良好的可持续发展势头。高校就是这样一个为技术创新提供知识储备、技术支持和人才服务的集散地。随着社会经济与科学技术的日益发达，由高校发起的科技创新风潮已经为各国自身的发展带来了巨大利益。
一、我国高校科技投入产出现状
“十二五”之后，我国全面实施“科教兴国”战略，这进一步大力推进了我国高校未来的发展方向，那就是以科研为主，成为国家坚实的科学生产力后盾。为此，政府和各大企业每年以22.7%的增长率为高校投入资金，并以多种形式与高校进行合作，目的就是为了促进高校科技资源的优化与科学研究的发展。
（一）我国高校科研投入现状
在国家“科教兴国”教育方针指引下，我国高校的科技创新能力逐年提升，这也得益于社会各方对于高校科技的大力支持与投入力度。从2001年开始，我国高校的科研经费呈逐年上升趋势，从2001年投入200亿元一直到2009年的730亿元，整体投入水平提升2.7倍。
（二）我国高校科研经费产出现状
由于科研经费投入的逐年提高，我国的科研产出状况也有明显提升。就科研专著这一项来看，我国从2001年的2402020千字已经增长到了2009年的4419485千字，总体增长幅度超过75%。科研论文也从2001年的303100篇增长到2009年的730031篇，增长近1.5倍。高校专利成果在9年间总数达到25000项，整体增长13倍。这些科研产出成绩回馈了我国政府与企业多年来的资金支持，取得了良好的成绩，增强了我国面向国际的竞争实力，国民经济也得到有力保障。
二、高校科研投入产出效率实证探析
本文通过DEA（Data envelopment analysis）数据包络分析方法中的BC2模型对我国高校科研投入与产出效率进行了实证分析，通过推算高校科研投入产出的减少值和增加值来表现高校在科研资源流转方面的效率。
当高校科研投入产出的线性规则最优解满足时，就可以说DMUj0对DEA方法有效;如果线性规划问题的最优解是时，其中，那么此时DMUj0也对DEA有效。所以根据BC2模型这一线性规划，对偶理论概念就可以得出相似的概念：
如果DMUj0对偶规划的最优值=1时，DEA应该为弱DEA;如果DMUj0对偶规划的最优值=1时，而且对每个最优解，S-，S+都有，那么，当S-和S+均取值0时，DEA是有效的。
根据高校科研投入产出决策单元在固定规模的投入产出条件下的技术效率值TE，就能求得基于BC2背景下的决策单元在可变投入产出条件下的纯技术效率PTE，所以可以计算出该决策单元与投入产出规模效率应有的比值应该为：
这里利用BC2模型就可以对非DEA中有效决策单元进行相应的投影分析，将带入到投影分析公式中即可得到：
根据以上投影分析公式就可以得出高校科研投入产出效率中所体现的减少值与增加值：
根据上述公式推算可以看到，基于DEA的BC2模型从动态层面了解了我国高校的科研投入产出效率发展趋势，为高校的科研投入产出状况给出了较为客观的评价，而且评价结果十分充实、合理。
三、高校的科研投入与产出和政府、企业之间的相关性检验
我国“科教兴国”战略鼓励高校、政府及企业三方之间对高校科研的投入，因为这样可以刺激高校科研进程，增加科技产出，所以近年来政府资助平台与“校企合作”这样的涉及高校的国家性、地方性项目越来越多，提高了高校的科研投入与产出效率。而在这个促进与发展的过程中，政府、企业与高校三方之间都具有哪些相关性，哪一方对高校的科研产出影响更大，这是本文希望探讨的话题，即企业、政府、高校科研投入与产出的相关性研究。
（一）高校科研投入的主要经费来源分布
由于我国政策和高校各自经济运营属性的不同，國内高校的科研投入经费一般来源于政府资金，特别是“211”和“985”工程项目下的重点高校。在2001年，政府为全国“211”及“985”大学用于科研经费的总投资达到了110.3亿元，这一资金占到了高校科研经费总投入的55.3%。到了2009年，同样类别的来自政府的资金投入达到了440.543亿元，翻了4倍，这一资金占到高校科研总投资来源的55.82%。可以看出，在这9年间，政府对高校科研项目的支持呈现出了一如既往的稳定，这也表明了国家“科教兴国”的决心。相比较而言，企业对高校科研创新的投资是呈逐年递增趋势的。从2001年开始，企业为高校科研投入资金总额超过72.44亿元，占到了高校科研资金总额的35.88%。2009年，来自企业的资金已有223.12亿元，占到了全部资金的38.32%，这其中只有金融机构对高校的资金支持没有上升，主要是体现在贷款方面，而且总体所占比例还在呈逐年下降的趋势。
（二）相关性检验
总体来说，高校科研的产出一般表现为发表科研专著、论文、专项专利授权以及各种科研成果等等，这些成果通过发表转化为对学校的科技奖励和新一轮的科研经费，为高校的未来可持续发展奠定了基础。所以高校的经费来源是否充分对高校的科研产出影响很大。
（三）理论推导
理论推导要应用到柯布-道格拉斯生产函数，它可以反映出高校科研投入产出之间的关系。如果将高校科研投入资金的来源进行一一设定，政府资金为Z、企业资金为Q、高校科研产出成果中专著为Y、科研论文为y，专利授权为z，成果发表后转让收入为x，科研奖励为j，L为人力资源，那么就可以得到：
Y=AK（Z，Q）αL1-α
当K=Z+Q+e时（e：其他资金来源），上述公式就可以变化为：
y=AK（z，q）α
公式中，y就是高校科研产出后高校的净收益，而z，q则表示来自政府和企业的资金所盈利的净利润。对y=AK（z，q）α进行对数带入，则可以得到：
lny=lnA+αlnK（z，q）
再对此公式进行理论推导，就可以转化为以下方程式为：
根据上述公式计算结果可以得到高效科研投入与产出的数据，并同时得到以下结论：
高校科研在专著产出方面与来自政府、企业的资金贷款均衡方程式应该为：DY=DZ+DQ+e.
而高校在科技论文产出方面与来自政府、企业的资金贷款均衡方程式应该为：Dy=DZ+DQ+e.
高校在专利授权产出方面与来自政府、企业的资金贷款均衡方程式应该为：Dz=DZ-DQ+e.
高校在成果转让方面与来自政府、企业的资金贷款均衡方程式应该为：Dx=DZ+DQ-e.
表1 高校科技产出部分指标当量表
年度 2001 2002 2003 2004 2005 2006 2007 2008 2009
授权专利 710.4 888.3 1645.1 2738.6 3703.5 5130.1 6458.2 12346.1 11035.8
科技论文 605.2 616.3 735.1 721.4 800.5 812.5 897.4 901.2 913.7
（四）理论推导结果分析
根据以上各项高校科研經费的投入与科研成果的产出，包括高校在科研方面与政府、企业三者之间的经费流通关系，可以看出企业资金对高校的技术创新产出弹性最大，它的弹性系数达到1.254∶1。相对来说，政府资金对高校科研创新的弹性系数比例就只有1.080∶1，但依然显示是十分积极的投入作用。二者对高校的科研创新弹性系数的和为2.334，这说明政府与企业在连续9年间对高校的投入具有显著的规模效应，保证了高校科研发展的持续进步。
相对而言，在同样的政府与企业资金支持下，对高校的技术论文产出效率却相对偏低，两方的总体弹性系数之和只有0.573，这表明了政府与企业资金在对高校技术论文产出方面还不具备一定的规模效应。
四、总结
本文从高校、政府、企业三方的角度简要分析了高校科研投入产出的实际效率与三者的相关性。在实际计算实验中发现，在政府与企业的资金投入支持下，高校的授权专利在投入产出效率上呈现逐年递增的趋势，但是在科技论文与科技成果的产出上却几乎没有效率，甚至有下降的趋势。这就说明了我国高校科研项目在现阶段的发展还是过多依赖于外界的支持，没有较强自负盈亏的能力，还不适应市场经济化的发展潮流，这对于我国高校的科研发展是不利的，总体表现就是高校科研发展的资金投入结构不合理，而科研产出又缺乏效率。所以在未来的高校科研项目活动发展中，高校应该提高对来自政府与企业的资金利用率，提高自主科研投入产出能力，让来自外界的支持有的放矢。
【参考文献】
[1]孙世敏，项华录，兰博.基于DEA的我国地区高校科研投入产出效率分析[J].科学学与科学技术管理，2007，28（07）：18-21.
[2]李娇.高校科研投入产出效率：基于省属211高校数据的实证研究[D].成都：西南交通大学，2013.
科研投入产出 篇3
改革开放以来, 我国高等院校在探索新知识、新技术上成效显著, 人力和物力资源互动作用于科研创新产出[1]。鉴于我国高校科研基础较为薄弱、科研资源整体上存在稀缺性[2], 如何提高科研投入产出效率备受关注。此外, 人力和物力资源成本不断增加, 且不同区域、不同性质的院校在资源投入方面差别较大, 研究不同的投入要素对产出的影响是否存在区域和校际差异很有现实意义。市场经济要求科研专著和论文产出不仅作为知识的形式产出, 更要参与到商业化浪潮中[3], 因此, 提升高校科研成果转化能力同样值得思考。
本文对中国647所高等院校的科研投入与产出状况进行了定量描述和定性分析, 从横、纵两个角度探索了不同区域、不同性质的高等院校的科研产出效率差异及其原因, 为政府优化科研资源分配机制助力, 并为高校提高科研投入产出效率和成果转化能力提供参考。
二、理论分析与研究假设
1. 科研人员、科研经费投入产出效率的比较
Tauer[4]的研究发现不同类型的高校人员的产出效率差异显著。虽然科研人员投入与经费投入相互支持, 但两种投入的产出效率很可能并不相同, 原因有: (1) 科研人员的科研成果的影响因素的可控性强于科研经费的影响因素; (2) 职称压力对科研人员起客观激励作用;而科研经费的监督机制不健全。因此, 提出:
H1:科研人员投入的产出效率高于科研经费投入的产出效率。
2. 科研投入产出的区域差异和校际差异
区域差异上, 东部地区经济发达, 资源丰富, 西部地区高等院校受政策倾斜, 而中部地区集中了诸多教育强省, 各地区在科研创新上优势各不相同;校际差异上, 我国高等教育长期实行扶优保重的政策, “211”“985”工程院校存在一定优势, 但这种优势有些只是在少数专业上存在绝对优势。据此, 提出假设:
H2a:东部地区高校的科研投入产出效率并不高于中、西部地区高校的科研投入产出效率。
H2b:“211”“985”工程院校的科研投入产出效率并不高于非“211”“985”工程院校。
三、数据与模型
本文研究对象为31个省市自治区的647所本科院校, 研究时限为2007-2013年。各指标数据来源于《中国教育经费统计年鉴》和《中国高等学校科技统计资料汇编》。科研投入与产出模型为:Y=f (X) , 其中, Y为高校科研创新产出;X为影响高校科研创新产出的人力和财力要素, 具体如下, 并利用stata软件进行回归。
其中, 因变量Y包括专著数 (Monograph) 、学术论文产出 (Academic paper) 、技术转让当年实际收入 (Real income) ;自变量X包括研究与发展人员 (rdp) 和科技经费 (sti) 。μ是随机误差项。
四、结论与政策建议
通过回归分析, 结论如下: (1) 科研人员、经费投入是影响院校科技产出的重要因素, 人员投入的产出效率相对较高, 但科研成果转化上, 经费作用较大。 (2) 从区域统计结果看, 东部院校的专著数、学术论文产出效率不存在显著优势, 而其经费投入对技术转让当年收入的正向影响存在区域优势;中部院校科研经费投入的专著数、学术论文数产出效率高于东部和西部院校, 而技术转让当年收入产出效率较低;西部院校的科研经费投入的产出效率相对来说较低, 但是科研人员的投入产出效率全部是正向显著。 (3) 从校际统计结果看, 非“211”“985”院校的科技经费投入的各项投入的产出效率均高于“211”“985”院校;而科研人员的专著数产出效率而言, 非“211”“985”院校也高于“211”“985”院校, 学术论文产出效率略低于“211”“985”院校。
政策建议: (1) 健全科研经费的分配和社会监督机制, 适度提高中、西部地区的科研经费投入; (2) 根据科研投入产出的区域和校际差异, 充分发扬东部地区在技术转让当年实际收入产出、中部地区在专著和论文产出中的区域优势, 并适度加大对西部地区科研人员的投入; (3) 消除科研资源尤其是科研经费分配的校际歧视。
摘要：对31个省区高等院校2007—2013年科研投入与产出的数据进行回归, 从纵横两个方面比较高等院校科研投入产出效率的区域、校际差异。结果表明: (1) 科研人员的投入产出效率相对较高, 但在促进科研成果转化上, 科技经费作用更大; (2) 与中、西部地区相比, 东部院校的专著、论文的投入产出效率不存在显著优势, 但其科研经费投入对技术转让的正向影响却很明显; (3) 非“211”“985”院校的科研经费的投入产出效率显著高于“211”“985”院校。因此, 科研投入不应存在区域和校际歧视。
关键词：投入产出效率,区域差异,校际差异
参考文献
[1]李建华, 周胜军, 孙宝凤.我国科技人力资源与财力资源匹配规模优化研究[J].科学管理研究, 2001, (6) :72-76.
[2]俞立平.不同科研经费投入与产出互动关系的实证研究——基于面板数据及面板VAR模型的估计[J].科研管理, 2013, (10) :94-102.
[3]翟天任, 李源.高校科技成果转化的协同管理路径研究[J].科技进步与对策, 2012, (22) :44-47.
科研投入产出 篇4
Hirsch教授于2005年提出的h指数在国内外信息计量和科学评价领域引起了很大的反响。它不仅用于对科学家个人或群体学术绩效的评价，同时也应用于对学术期刊影响力及专利信息的评价研究。本文旨在通过对h指数的相关介绍，分析了h指数评价科研人员学术产出时的影响因素，最后提出了若干修正及校正方法和建议，对于h指数在国内的准确应用具有重要的意义。
一、引言
如何评价科研人员的学术成就和学术影响，是人们一直在努力探索的课题。多数科研人员认为同行评议是评价一个科研人员学术成就的最基本的方法，如果同行评议机制严格、得当、评审专家作风正派、了解情况全面，能够得出客观公正的定性评价结果。但在评议机制不够严格和信誉制度不够完善的情况下，往往存在重人情拉关系、本位主义等现象，影响到评价工作的客观公正性。因此，一些文献计量学家开始采用引文量、期刊影响因子等指标来对学术成就进行定量评价，然而研究发现，这些传统的文献计量指标有微观层次上，特别是对科学家个人进行学术评价时存在很多问题。
2005年，美国加州大学圣地亚哥分校物理学家J.E.Hirsch提出了一种新的文献计量方法—h指数（h-index）用以评价科学家个人的学术成就。该指数创新性地将科学家学术论文的产出量（论文数）和质量（引文数）结合为一个单一指标，意在用于衡量科研人员个人学术成就。h指数刚一公布就引起了广泛的关注，Nature和Science都相继进行了报道。h指数不仅用于对科学家个人或群体学术绩效的评价，同时也应用于对学术期刊影响力的评价研究及专利信息中专利权人的研究。因此，本文旨在通过对h指数的相关介绍，指出并分析h指数在评价科研人员学术产出时的影响因素，并提出了若干修正及校正方法和建议，对于h指数在国内的准确应用具有重要的意义。
二、h指数相关概述
（一）h指数的定义
Hirsch将科学家个人h指数定义为：当且仅当某科学家发表的NP篇论文中有h篇论文每篇至少获得了h次的引文数，其余的NP-h篇论文中各篇论文的引文数都小于或等于h时，此h值就是该科学家的h指数。他认为h指数能够准确地反映出科研人员的学术成就，一个人的h指数越高，则表明他的论文及学术影响力就越大。h指数把文章的被引用率作为衡量研究工作的内在指标，而论文数量作为参考指标，这在一定程度上反应了科研工作者的个人成就，但它也可以用于评价工作者的群体和学术期刊。
（二）h指数的优缺点
Hirsch提出h指数的初衷就是用于对科学家个人总体学术成就的评价。h指数巧妙地将数量指标（发表的论文数量）和质量指标（被引频次）结合在一起，同时对论文产出力和论文影响力进行测量，克服了以往各类单项指标的缺点与不足。h指数高不仅表明评价对象发表的论文质量高，而且表明高质量论文的数量多，因而相比传统文献计量单项指标只能体现数量的缺憾有明显优势，是近年文献计量学指标研究的一项重要成果和进展。
据Hirsch的定义：“一个科学家的分值为h，当且仅当他/她所发表的N篇论文中有h篇论文每篇至少被引用了h次，而其余论文每篇至多被引用了h次”。h指数的基本应用是基于引文分析的个人学术产出和影响力，然而h指数的准确应用受到诸多因素影响。如定义中所指“作者所发表N篇论文”这一说法就存在很大争议，因定义对N篇论文的归属权问题没有做进一步的阐释，这N篇指的是所有参与的N篇（包括本人作为第一作者、通讯作者等），还是作为第一作者的N篇或作为通讯作者的N篇，还有作者重名、学科、数据库及自引等问题。这些因素都将影响其h指数计算的准确性。
三、h指数评价科研人员学术产出的影响因素分析
（一）重名对科研人员h指数的影响
国内外各数据库中作者重名问题一直影响着学术评价指标的准确性，h指数也不例外。根据Hirsch的定义及数据模型推理可以看出，h指数代表四层意思：h篇论文；每篇至少被引h次；总被引至少h2次；总被引大约为（3～5）h2。h指数相差1，总被引大约相差3～5倍（2h一1），h指数的增加体现的是作者论文数量变化过程中的部分质变。因次，作者h指数测算的准确性至关重要。
在我国，重名问题尤为严重。科学引文索引等一些国外权威数据库中，我国科学家的名字只取汉语拼音的首字母，更加混淆了作者身份。部分数据库公司己经意识到这一问难的严重性，并在这方便做了很多技术方面的尝试，如Scopus数据库的作者身份标示系统 (author identifloation)，为每个作者分配一个固定 ID(Ideniification，身份识别码)，且支持中国作者名字的汉语拼音全拼检索。此外，每个ID均有明确的单位标示，这在很大程度上缓解了重名问题对作者h指数的影响。然而，还有很多数据库目前还没有能力实现或正在实现以上技术。如何利用这些数据库自身检索特点结合相关手动检索技术更好地减少重名问题对于作者h指数的影响，对h指数准确应用具有重要意义。
（二）科研工作性质对作者h指数的影响
根据Hirsch的定义，h指数适用的前提条件是作者应发表一定数量的论文，且这些论文要被相关数据库收录。其适用范围总体上应以从事理论研究及基础研究的科研人员为主。基础研究成果多强调学术价值，其绩效表现多以科学论文和学术专著为主。应用研究成果以应用前景为评价标准，绩效表现形式以技术论文、技术专著和专利为主，专利形式比论文形式更能体现其技术特征。但这并不妨碍h指数的应用，因从事技术研究开发的科学家，也有论文发表，甚至比从事基础研究的科学家还要多，且从事基础研究的科学家，同样也有专利产出等等。科学家所从事科研工作的性质通过其所在学科得以反映，因此，可以通过学科进行科研工作类型分类。
（三）学科因素对作者h指数的影响
学科间规模、发展阶段、发展速度、活跃程度等特征不同，学科间科研人论文产出及引文规律也不尽相同，甚至学科内也是如此，因此，学科间学科内研人员之间h指数也应不同。Hirsch对各个领域的科学家进行了统计分析，发各学科有成就的科学家确实有相对较高的h指数值，且各学科间h指数存在很差异。物理领域h指数最高的E.Witten，h=110；生物学家当中h指数最高SolomonH.Snyder，高达191，其次为加州理工学院生物学家David Baltimore，其h值为160。Hirsch通过测算发现生命科学领域科学家的h指数要明显高于理学领域科学家的h指数。这表明h指数像其他指标一样，不太适合直接用于科间科学家之间的比较。
各学科间科学家个人h指数的不可比性，在宏观层面上应表现为学科间h指数的差异。仿照Hirsch的定义，将学科h指数界定为“某学科的h指数是指该学科有h篇最低被引为h次的论文”。由于学科划分的相对性和层次性，同属医学一级学科的各二级学科间也应具备学科h指数的差异。通过系统分析医学一级学科的各二级学科间h指数的差异，进一步说明学科对于科研人员h指数的影响，并提出可行的校正方法，以使得学科间科研人员h指数具有可比性。
（四）自引对作者h指数的影响
h指数是基于引文分析的评价指标，基于引文分析指标多少会受到作者自引的影响。自引要分别对待恶性自引和良性自引，恶性自引近乎炫耀家底，良性自引可以见出研究的系列性、渐进性，体现学术成长历程和延续性，是正常学术规范，无可厚非。然而，当引文指标用于评价科学家个人学术成就时，类似论文作者自引部分理应排除，因自引并不能体现该文章学术影响力。自引又包括作者本人自引和合作者的引用。当然，自引会增大作者h指数，但Hirsch在文章中说作者自引对于h指数的影响很小，即使需要校正也是少数。有人分析了一组生物进化学领域科学家的h指数，发现排除自引后h指数平均降低了12.3%，信息科学高影响力科学家自引排出后h指数最多的下降了3，平均下降了0.9%或6.6%。本文则分别以国内化学部有效增选院士和ISI生物与生物化学及化学领域高被引科学家为例进一步探讨自引对于作者h指数影响，以及自引校正必要性。
四、相关的对策及建议
以上针对文献计量新指标h指数定义及评价科学家个人学术成就过程中所存在的主要影响因素进行了研究，其中包括数据库选择、作者重名、科研工作性质、学科及作者自引等问题。分析这些影响因素对于h指数影响的基础上，提出了若干修正及校正方法和建议，其中包括：
（1）针对作者重名问题对于国内科学家h指数影响，提出了组合检索策略并对作者单位组合检索进行了深入研究。针对科学家经常变迁单位问题，提出测算频繁变迁工作的科研人员的h指数时，应充分调查其工作履历，进行多机构复合检索，以便提高查全率;针对大学及机构因合并、建制、扩充等因素更换单位名称而相应数据库没有及时进行相应修改等问题，提出检索这类作者论文应格外注意，应进行单位改名前后多机构组合检索；针对机构名称变更或书写不规范等因素所引起的检索不全等问题，可通过单位邮编组合进行检索。
（2）针对科研工作性质对作者h指数的影响，理论结合检索实践对h指数适用性进行了初步分类：从事基础理论类性质研究工作的科研人员适用性较高；从事技术应用开发类性质研究工作适用性一般；从事保密性质类研究工作的科研人员基本上不适用。
（3）针对学科因素对作者h指数的影响，提出将不同学科科技人员个人的h指数进行标化后比较或分学科比较，标化方法:将科学家个人h指数除以其学科h指数，再乘上100。
（4）针对国内外作者自引比例差异，不同学科作者自引比例差异，提出用排除自引后h指数后进行评价会更准确。
然而，准确评价科学家个人学术成就是个很复杂的工程，其中除以上述涉及的问题外，还包括其年龄、从事科研时间、性别、国家语种差别、“马太效应”、论文“友情互引”及“论文反引”等问题，这些问题的存在在很大程度上限制了基于引文分析指标潜能的发挥。单纯就文献计量指标而言，h指数、论文总数、引文总数、篇均被引次数、高被引论文次数等均不同程度存在以上问题，因此，应用时均需综合全面考虑。基于以上分析，作者h指数相对较适用于国内科学精英的学术产出和学术影响力评价，且应遵守“同库同行同单位同性同年龄段相比”原则。
五、结语
评价科研人员的学术成就，仅凭其发表的论文总数并不妥，还要看这些论文的质量。但将期刊的影响因子等同论文的质量指标也是不妥的，必须具体地看其论文的情况，总体地衡量其论文的被引用情况。Hirsch提出的h指数巧妙地将数量指标(发表的论文数量)和质量指标(被引频次)结合在一起，同时对论文产出力和论文影响力进行测量，克服了以往各种单项指标的缺点与不足。尽管文献计量学家一再告诫，用文献计量学方法评价科研绩效的最小单位应该是科研小组，对科研人员个人进行绩效评价意义不大，甚至是危险的。但是，在现实的科研管理中，经常会有对个人绩效进行评价的需求，因此，不能回避这一问题，而是采取措施，不断地改进和完善个人层面的绩效评价工作。
[1]赵基明,邱均平,黄凯,刘兵红.一种新的科学计量指标.中国科学基金[J].2008（2）.
[2]赵明基,舒明全.基于CSSCI的《中国图书馆学报》h指数及核心作者测定[J].中国图书馆学报,2008（2）.
科研投入产出 篇5
一、高校科研绩效考评现状
传统高校科研绩效考评大多注重教师取得的科研成果, 要求教师每年必须完成相应级别的论文、科研项目等, 并对不同类别、层次的科研成果量化积分, 然后将全校当年预算的科研奖励按科研成果量化总积分进行平均分配。这种评价方法忽略了高校教师间的个体差异及科研成果取得所耗费的投入, 体现的是一种“平均主义”思想, 严重挫伤了教师的科研积极性和创造性, 不利于高校收入分配制度的改革和科研水平的整体提高。
(一) 传统考核方法未考虑教师职称、学历等条件对科研成果的影响
一般来说, 高职称、高学历的教师在本专业领域有一定的研究基础, 学校的配套科研经费也相对充裕。而广大青年教师职称较低, 科研经费也少, 科研条件相对薄弱, 在论文发表及申报高级别的科研项目时都受限制。将所有教师按同一标准去衡量, 结果是部分年青年教师无法按时完成学校规定的科研工作量, 相对应的科研奖励就会取消或减少, 这严重挫伤了青年教师从事科研的积极性, 不利于学校整体科研水平的提高。
(二) 传统考核方法忽略了科研效益因素
科研绩效评估是高校科研管理的核心内容。随着社会的发展, 高校“类企业”的特征也越来越明显, 在科研资金相对紧张的情况下, 高校在追求科研成果质和量的同时, 更应该注重取得科研成果所投入的经费, 综合考虑科研成果投入与产生的关系, 将科研效益作为高校教师科研绩效考评的首要因素, 力争学校科研效益最大化。
(三) 传统考核方法不利于高校绩效工资改革的实施
国家《关于加快推进事业单位人事制度改革的意见》要求, 高校要打破传统大锅饭的收入分配制度, 全面实施绩效工资改革, 收入分配时要充分体现“多劳多得、绩效优先”的原则, 充分调动广大教师的积极性、主动性、创造性。高校现行的科研绩效考核办法, 对教师取得的科研成果量化积分, 然后将学校当年科研津贴预算按总量化积分简单平均, 忽略了“绩效优先”的原则, 体现的仍然是“平均主义”的思想, 有悖于绩效工资的实质。
二、基于“投入-产出”视角的高校科研绩效考评模型
建立高校绩效考评模型的目的是将教师科研工作相关的因素予以规范分类, 并进行量化, 为科研工作的考评提供相对准确且统一的标准, 形成良性的科研运作及竞争机制, 营造公平、公正的科研氛围, 从而激发教师的科研积极性和创造性。
(一) 模型构建原则
科学、合理的绩效评估模型应该能够为学校科研管理及收入分配提供决策服务, 提高学校资源利用效益, 提升学校的整体科研效益和科研水平, 同时要便于操作, 因此, 模型建立时应考虑以下原则:
(1) “科研效益“原则。高校的科研工作可视为企业的生产过程, 消耗较少资源且取得最大盈利, 是企业追求的目标, 也应该成为高校科研管理的目标。从效益的角度来讲, 高校教师科研绩效考评的目的是激发广大教师从事科研的热情, 将有限的科研经费投入到关键位置, 使之产生最大的科研效益, 提升学校整体科研水平。
(2) 科学性与公平性原则。任何一个模型的建立, 都要结合计量对象的实际情况, 选择关键指标因素, 体现科学性与公平性原则。高校科研绩效考评模型, 要遵循科学研究的一般规律, 结合不同类型高校实际情况, 充分考虑与科研成果相关的因素, 并对科研成果准确分类, 同时兼顾不同层次教师实际情况, 保证衡量结果的公平性。
(3) 可靠性原则。可靠性指用建立的模型评价的结果是可靠的, 这里包含两层意思, 第一, 当年考核结果有说服务力, 能够充分体现“多劳多得、绩效优先”的原则;第二, 不同年度用该模型考核结果有持续性, 即该模型不仅适用于当年学校科研绩效考核, 在未来几年内, 经过简单修正同样适用。
(4) 可行性与可操作性原则。可行性是指模型中所涉及到的指标切合高校实际, 在涵盖高校科研绩效考评相关要素的基础上, 指标要尽可能明确易懂, 数据容易采集, 且便于标准化、规范化处理, 确保口径一致。模型中各指标计算方法要科学、简便, 易于操作。
(二) 模型假设
为了使模型更贴进高校科研实际, 做如下假设:高校教师科研产出都能够以货币计量。虽然高校“类企业”的特征越来越明显, 但毕竟和企业有所差别。高校的科研成果有的能直接向社会转化, 以取得的经济效益予以度量, 但大部分科研成果不能直接货币化。为了研究的方便, 本模型假设高校教师科研成果都能够货币化, 并且用上年学校全部的科研奖励予以计量。
(三) 模型构建
遵循以上原则, 结合目前高校科研实际情况, 分析影响高校科研考评的关键因素:
(1) 科研投入。科研投入指为取得某种科研成果而耗费的所有资源总和, 在此, 都以货币进行度量。具体来说, 可分为两大部分。第一, 教师的薪酬。高校教师的薪酬一般由基本工资和绩效工资 (科研津贴) 两部分构成。原则上来说, 这里所指的薪酬应该是和科研相关的工资部分, 但在实际操作中, 高校教师的基本工资只是和职称、职务及工作时间相关, 未直接体现科研能力因素。科研津贴是高校绩效工资的重要组成部分, 充分体现了“多劳多得、绩效优先”的思想。高校每年都会预算一部分资金作为科研津贴 (科研奖励) , 按教师所取得的科研成果进行分配。科研津贴的合理分配, 有利于形成高校良性的科研竞争与合作机制, 是调动教师科研积极性和创新性的关键因素。为了操作方便, 模型中的薪酬指的是教师的基本工资与科研津贴之和。第二, 科研耗费。科研耗费是产生科研成果的重要条件之一, 任何一项科研成果的产生, 都需要耗费科研经费, 如调研费用、会议支出、咨询费用、印刷费用、燃料及动力费用、设备损损耗等。模型中的科研耗费是指为取得科研成果发生的相关科研支出, 不包括学校科研管理费用。
(2) 科研产出。科研产出指科研活动产生的科研成果。从会计学的角度而言, 也应按成果交易的实际价值, 采用货币计量的方式对科研成果进行度量。但高校科研成果不完全等同于企业产品, 第一, 科研成果转化为实际经济效益周期较长;第二, 大部分科研成果无法直接转化为社会经济效益。因此, 直接按会计计量对高校科研成果予以量化, 存在较大困难。高校一般将科研成果分为科研奖励、科研项目、学术论文、著作及教材、专利、参与学术活动等几类, 并将每一类按级别不同予以量化积分, 然后根据学校当年的科研津贴预算折算出每一量化积分的约定科研津贴, 结合教师科研效益情况, 计算教师当年最终科研津贴。上述高校科研津贴的分配过程, 既是对高校教师科研成果的肯定, 同时也间接地实现了对科研成果的货币化。实际操作中, 可以用科研成果的约当津贴代替科研产出。基于以上分析, 笔者充分考虑科研成果投入与产出的关系, 构建以下高校科研绩效考评模型。
科研绩效系数=科研产出/ (薪酬+实际科研耗费)
其中, Ai表示第i个教师的科研绩效系数;χi表示第i个教师所有科研成果量化积分, 高校可根据实际情况, 对每类科研成果赋予不同的权重;
b表示当年学校单位科研积分奖励科研补贴, 即
K1, K2分别表示每位教师薪酬 (不包括课时补助) 及当年实际耗费科研经费所占比重, 根据高校类型不同K1, K2, 可分别赋值, K1+K2=1;
M1, M2分别表示该教师当年与科研相关薪酬和实际支出的科研耗费。
同理, 可构建衡量当年全校科研效益系数公式:
j表示科研成果种类。
其中, 学校实际科研投入包括所有教师薪酬 (不包括课时补助) 及当年实际发生的科研耗费 (不包含学校层面的科研管理人员工资、科研管理经费等)
以为基准, 计算全校单位科研分值约当补助金额 (C) :
特别说明:
(1) 根据学校类型不同, 可分别给予薪酬及科研经费不同的权重。如研究型高校可适当增加科研耗费K2的权重, 教学型大学可赋予薪酬权重K1较大的值;
(2) 薪酬主要包括基本工资和上年度科研津贴, 但不包括课时津贴。高学历、高职称教师薪酬高, 科研能力也较强, 充分考虑科研绩效;
(3) 科研经费按考核年度实际使用经费计算, 不包括学校科研管理经费, 如科研管理人员工资等;
(4) 科研产出以各类科研成果量化分值, 成果奖励、科研项目、科研论文著作等进行量化积分, 每类科研成果分值及权重可根据高校实际情况确定, 但必须征求广大教师意见, 经学校教职工代表大会通过;
(5) 以教师个人科研投入-产出系数为依据, 根据学校当年整体收入分配情况及个人科研量化积分, 核算每个教师科研津贴, 随下年工资一同发放, 同时作为下年科研考核指标中的一个因素。
三、高校科研经费考评模型应用———以Z学校为例
(一) Z学校基本情况
Z学校是一所省属本科院校, 以本科教育为主, 主要培养适应社会发展的“高级专门应用型人才”。为更好的服务于社会经济发展的需要, Z学校坚持以科研促教学, 以教学带科研, 提出了“质量立校、人才兴校、科研强校”的发展规划。学校现有专任教职工1300余人, 青年教师占专任教师总人数的60%左右。和重点大学相比, Z学校高职称、高学历的学术带头人相对缺乏, 教师科研成果等级相对较低, 以省厅级科研成果为主, 属于教学型高校。近年来, 学校加大了人才引入力度和科研经费投入力度, 鼓励教师进行科研学究, 尤其加大了对高层次科研成果的奖励力度, 力争培养一批在专业领域有创建性的骨干教师。
(二) 模型具体实施
(1) 对科研成果进行分类量化。结合学校实际情况, 将科研成果分为科研项目、学术论文、学术著作、科研奖励、产权成果等五类, 具体量化分值见表1-5。
(2) 统计教职工当年科研投入与科研成果。为保证模型评价结果的可靠性, 只统计当年有科研成果的教师的科研投入, 对于当年无科研成果的教职工, 认为当年科研绩效系数为零, 不参与学校当年科研经贴的分配。教职工薪酬、科研耗费及科成果可从学校人事部门、科研部门及财务部门获取。
(3) 计算科研绩效系数。Z学校属教学型高校, 经全校教职工代表大会讨论通过, K1, K2分别赋值0.6和0.4, 学校2012年度预算科研津贴1500万元, 根据上年科研成果核算的科研津贴在本年度发放。
根据式 (1) 、式 (2) 可分别计算出每位教师科研绩效系数及全校平均科研绩效系数。为便于计算, 假定只有表6中的4位教师, 学校本年度预算科研津贴为78000元。
根据式 (3) 、式 (4) 可分别计算出每位教师本年度应分配的科研津贴。
(三) 比较分析
(1) 不同教师科研绩效考核比较。科研绩效系数表示教师科研成果和与取得成果相关的支出的比值, 即科研产出和科研投入的比例关系。高校科研成果无法直接进行货币计量, 为了保证投入和产出间的口径一致, 模型中用科研津贴代替科研成果的实际价值。单个教师及全校科研绩效系数采用的计算方法相同, 保证了个体科研绩效系数和平均科研绩效系数的一致性。在实际操作中, 高校每年科研津贴预算与学校经济效益等因素有关, 相同积分的科研成果, 对应的科研津贴并不完全相同, 因此, 单个教师科研绩效系数的大小不具有实际价值, 将众多个体科研绩效系数进行比较及个体科研绩效系数与全校平均绩效系数比较, 才能体现出不同个体科研绩效的高低。科研绩效系数一方面用于考核教师当年科研任务完成情况, 另一方面, 用于学校科研津贴的分配。从式 (4) 可以看出, 单个教师分配的科研津贴, 除了和当年的科研积分与学校科研津贴总预算有关, 还与该教师科研绩效系数及全校平均科研绩效系数直接相关。在单个教师科研积分及全校科研津贴总预算既定的情况下, 该教师的科研绩效系数与平均科研绩效系数比值越大, 表明在相同的科研投入下, 该教师科研产出高, 充分体现了“绩效优先”的思想。
(2) 与传统考核方法的比较。Z学院2011年以前采用简单平均法分配科研津贴, 即用年科研津贴预算总额除以当年全校科研成果总积分, 折算出单位积分科研津贴。在相同条件下, 传统方法计算的教师科研津贴如下:
从表7可以看出, “投入-产出”模型计算的单个教师的科研津贴和传统方法计算结果有明显差距:科研绩效系数越大, 其科研津贴差额越大。赵教授科研绩效系数远低于全校平均绩效系数, 使用模型计算的科研津贴比传统平均法分配的科研津贴低63.12%;虽然张教授、李讲师及王助教科研绩效系数都大于全校平均绩效系数, 但李讲师、王助教采用模型计算出的科研津贴略少于传统平均考核法分配的科研津贴, 张教授分配的科研津贴远高于传统平均计算法。在全校当年科研津贴预算既定的情况下, 科研津贴向绩效较高的教师倾斜, 一方面遵循了“绩效优先”的原则, 另一方面, 有利于形成高校良性的科研竞争环境, 提高科研资源利用率。
高校科研绩效考评是一项系统工程, 不仅关系到每位教师的切身利益, 也关系到整个学校的科研水平。立足于“投入-产出”视角构建科研绩效考评模型, 本着“绩效优先”的原则, 考核高校教师科研成果的同时, 将取得科研成果所耗费的各种资源也作为衡量教师科研绩效的因素之一, 打破了传统平均分配的思想, 有利于形成高校科研竞争环境, 提高科研资源利用率, 提升高校整体科研水平。
参考文献
[1]肖晋芬、仲实:《科研投入产出模型在高校科研绩效评价中的作用》, 《科技管理研究》2010年第2期。
[2]李俊杰:《高校教师科研业绩存在的问题及改进》, 2011年第7期。
[3]史万兵、杨慧:《高校学校教师科研业绩评价方法研究》, 《高教探索》2014年第6期。
科研投入产出 篇6
高等院校作为我国重要的科研产出基地,对科学技术的发展起到非常重要的推动作用。而如何评价高等院校的科研效率也是近年来人们关注的问题。科学、合理地评价高等院校科研效率,不仅能将有限的科研资源进行合理配置,也能使其发挥最大的效用。目前,对于高等院校科研效率及其测度技术与方法,许多学者已经进行了研究。具体的测度技术与方法有综合投入产出法、数据包络分析、随机边界分析方法和生产函数法等。但以往的研究更多地是关注高等院校科技创新总量的研究,而较少研究高等院校科研的效率问题。
基于以往研究的成果,本文利用DEA和Malmquist指数分析方法,采用我国2003-2012年30个省市(西藏自治区由于数据不全,予以剔除)面板数据对科研投入产出效率进行分析。原因在于,高等院校是一个多投入(人、财、物等)、多产出(论文、成果、成果转化等)的系统,采用生产函数和综合投入产出法等方法很难完全刻画科研投入产出效率。随机边界分析方法虽然可以用于高等院校科研多投入、多产出系统,但它需要预先确定分析单元的生产函数模型。数据包络分析(Data Envelopment Analysis,DEA)和Malmquist指数分析方法是一种兼顾多投入和多产出指标的综合效率评价方法,它不需要预先确定生产函数形式,而且能动态的评价我国高等院校科研产出效率及发展趋势。而从目前已有的文献看,关于我国高等院校科研投入产出方面的研究,大部分都是从静态的视角测算各地区高校某一特定年份的投入产出效率,少有以面板数据动态地揭示了科研投入产出效率,因此,本文的研究可以在我国高等院校科研投入产出效率评价方面提供可借鉴的参考。
二、数据模型及样本数据的引入
(一)DEA模型
本文采用数据包络分析方法(以下简称DEA方法)对我国高等院校科研投入产出效率进行评价。数据包络方法运用线性规划技术,对不同决策单元的输入数据和输出数据进行分析,然后根据投入和产出评价的DMU的优劣,评价部门或单位间的相对有效性。
设有n个决策单元DMUj,每个DMUj都有m项投入和s个产出变量,其中,第j个DMU的投入为Xj=(x1j,x2j,…,xmj),产出为Yj=(y1j,y2j,…,ysj),则可用(Xj,Yj)表示第j个决策单元DMUj。当对第k个决策单元进行评价时,DMUk的效率评估模型如下:
这里,(Xj,Yj)为DMUk的投入和产出,ω和μ为权重系数。
为了便于计算,引入非阿基米德无穷小量ε,以及松弛变量s+和s_后,线性规划问题(1)转化为其对偶问题:
式中,λj为线性规划(2)的权重系数;θ为决策单元DMUk的综合效率值。在C2R模型中,当θ=1,且s+k=s_k=0时,则DMUk为DEA有效;当θ=1,且s+k≠0或s_k≠0时,则DMUk为DEA弱有效;当θ<1,则DMUk为DEA无效。
(二)Malmquist指数
Malmquist指数最初由瑞典经济学家Malmquist于1953年提出。1982年,Caves等提出在多投入产出条件下,基于投入的全要素生产率指数(用tfpch表示)可以用Malmquist指数来表示,即:
1994年Rolf Fare等将这一理论与DEA理论相结合,用于测算部门生产率的变动情况,把Malmquist指数分解为两部分。一是综合效率的变化,用effch表示;二是技术进步的变化,用techch表示。Malmquist指数公式表示为:
全要素生产率可以分解为技术进步率的变化(techch)和综合效率的变化(effch),综合效率的变化又可以分解为纯技术效率的变化(pech)和规模效率的变化(sech),即:
这里,effch>1代表效率改善,effch<1代表效率恶化;techch>1代表技术进步,techch<1代表技术退步。
(三)评价指标体系与样本数据引入
根据DEA分析方法的相关理论,在选取投入和产出指标时要考虑如下两个要求:一是选择评价指标体系,既要考虑投入和产出指标能够反映评价内容和评价目的,也要避免投入和产出指标之间存在强的线性关系;二是投入和产出指标乘积的2倍应该小于决策单元DMU的数目。
由于我国高等院校科研活动是多投入、多产出的复杂活动,对其投入产出效率的评价是一个复杂的系统工程。根据数据获取的科学性、可比性和可获得性原则,本文把研发人员全时当量、研发经费内部支出两个指标作为投入指标,以出版的科技专著、发表论文数和专利数四个指标作为产出指标。
决策单元DMU是DEA方法分析的对象,本文将我国30省市(西藏自治区由于数据不完整,予以剔除)的高等院校作为研究对象,数据来源于科技部的《中国主要科技指标数据库(2003年-2012年)》、知识产权局《国家知识产权局统计年报(2003年-2012年)》、教育部的《高等院校科技统计资料汇编(2003年-2012年)》和《中国科技统计年鉴(2003年-2012年)》等。由于投入产出指标乘积的两倍小于大于决策单元DMU,所以认为DEA评价结果具备有效的区分度。此外,由于决策单元DMU数据具有相同的条件以及同质性的特点,因而满足DEA评价的基本原则。
三、实证研究
(一)基于DEA方法的静态效率分析
本文采用DEA评价模型,运用DEAP2.1软件计算出2003-2013年我国30个省市高等院校科研投入产出的相对效率值,具体结果如表1和表2所示。根据表1的数据,第一,从综合效率的角度进行分析,全国有6个省份(吉林省、上海市、河南省、湖北省、云南省和宁夏)的效率值等于1,为DEA有效,并且同时具备技术效率和规模效率有效性,说明科研投入要素得到较为合理的组合及配置,科研投入产出效率处在相对最优的位置;而其他24个省份的效率值小于1,为非DEA有效,说明科研投入没有得到充分的利用。第二,从技术效率角度进行分析,全国有13个省份(北京市、内蒙古、上海市、江苏省、河南省、湖北省、海南省、云南省、陕西省、宁夏、吉林、山东和新疆)的效率值等于1,达到技术有效性,而其他17个省份的效率值小于1,处于技术效率无效状态。说明这13个省份对科技人员的利用以及对技术创新的重视程度较高,其他省份应该充分利用科技人员的知识以及加强科技创新来提高自身技术效率,进而提高科研投入产出效率。第三,从规模效率角度进行分析,全国有7个省份(吉林省、上海市、浙江省、河南省、湖北省、云南省和宁夏)的效率值等于1,为规模效率有效,且处于规模效率不变状态,说明这7个省份已经达到科研投入要素的最佳组合,因此只需保持不变即为最优配置;海南省和青海省属于规模效率递增,表明海南省和青海省需要通过增加科研投入的方式来提高产出水平;而其余21个省份属于规模效率递减,表明这些省份应该相对减少对科研的投入来提高效率。
从表2的数据可以看出,2003-2013年全国综合效率均值为0.805,技术效率均值为0.878,规模效率均值为0.915。东部地区综合效率和技术效率均值都远高于中部地区、东北地区和西部地区,且高于平均水平,而中部地区综合效率均值和技术效率均值都处于最低水平,说明东部地区在科研投入方面较其他地区较多,而其较低规模效率值也表明东部地区科研投入产出没有达到最佳配置。在规模效率方面,东部地区和西部地区规模效率均值高于中部地区和东北地区,其中西部地区规模效率均值最高,这源于西部地区部分省市拥有国内知名的985和211高校,如西安交通大学、西北工业大学、兰州大学等,这些高等院校都属于工科院校,国家对这些高等院校科技投入较高,从而带动了相关地区的规模效率值。
此外,为进一步分析技术效率和规模效率对综合效率的影响,找出制约综合效率提升的主要原因,本文分别绘制了技术效率与综合效率、规模效率与综合效率的拟合优度图,具体如图1、图2所示。从图1和图2可以看出,技术效率与综合效率在度量线上的拟合度高于规模效率与综合效率,由于拟合点越接近度量线影响力越小,因此说明造成我国高等院校科研投入产出效率差异的主要因素是规模效率。
(二)基于Malmquist指数的动态效率评价
由于以上DEA有效性分析是一种静态分析,同时也没有考虑技术变化对效率的影响,因此,本文采用Malmquist指数法对我国30个省市高等院校科研投入产出相对有效性进行动态分析,选择的时间序列数据为2003-2013年。根据公式(3)、公式(4)、公式(5),利用DEAP2.1软件,本文得到了我国30个省市高等院校10年科研投入、产出率的动态特征值—技术效率(effch)、技术进步效率(techch)、纯技术效率(pech)、规模效率(sech)、全要素生产率(tfpch)和Malmquist指数及构成,具体如表3和表4所示。
根据表3的数据,从我国30个省市高等院校科研投入产出的全要素生产率变化来看,仅有12个省市全要素生产率大于1,提升幅度最大的是浙江省,为16.2%。有18个省市的全要素生产率变化小于1,表明其全要素生产率有所下降。相对于全要素生产率小于1的省市,全要素生产率大于1的省市,其全要素生产率的增长主要归结于技术效率和技术进步效率的提高。从全要素生产率变化的分解指数可以看出,技术效率变化大于1的省市有11个,其他19个省市出现了技术效率下降,占全国的36.67%;技术进步变化大于1的省市有16个,其他14个省市都出现了技术衰退现象,占整全国的53.3%。
根据表4的数据,从全要素生产率变化可以看出,2003-2013年我国30个省市高等院校科研投入产出的全要素生产率平均值为0.987,最小值为0.667,最大值为1.127,全要素生产率呈现波动变化,除2003-2004年和2005-2006年之外,大致呈现增长趋势。这说明我国30个省市高等院校的全要素生产率存在很大的波动性,科技进步不稳定。从其增长结构来看,技术效率平均值为0.984,最小值为0.881,下降的原因主要源于规模效率的下降;最大值为1.045,上升的原因主要源于纯技术效率的增加。
为了分析东部地区、中部地区、西部地区、东北地区和全国高等院校科研投入产出效率状况,本文根据表5中的数据计算了Malmquist指数及其构成。
从表5可以看出,第一,东北地区全要素生产率大于1外,中部地区、东北地区和西部地区的全要素生产率变化均小于1,其中西部地区全要素生产率下降幅度最大,为1.3%。东部地区的全要素生产率增长主要取决于技术进步效率的提高,而西部地区全要素生产率的下降主要源于技术进行效率下降。第二,从技术效率变化来看,西部地区技术效率下降幅度最小,为1.6%,进一步分解技术效率,这主要源于纯技术效率的增加;东北地区技术效率下降幅度最大,进一步分解,可以看出东北地区技术效率下降主要是规模效率的下降幅度大而导致的。
四、结论
本文选取了2003-2013年我国30个省市的高等院校作为决策单元,采用DEA和Malmquist指数法实证研究了我国30个省市高等院校的科技投入产出效率,研究结果如下:
第一,从理论上看,首先DEA和Malmquist指数法相结合的方法是一种兼顾多投入和多产出指标的综合效率评价方法,不需要预先确定生产函数形式,而且能从静态和动态两个视角来评价我国高等院校科研产出效率。其次,以往的研究大部分都是从静态的视角测算各地区高校某一特定年份的投入产出效率,少有以面板数据动态地揭示了科研投入产出效率,因此,本文的研究可以在我国高等院校科研投入产出效率评价方面提供可借鉴的参考。
第二,从实践意义上看,本文的研究得出了如下结果:首先,从静态看,我国东部和中部、东北、西部地区之间的科研投入产出效率存在显著的区域性差异,东部地区的综合效率和技术效率远高于中部、东北、西部地区,而造成我国高等院校科研投入产出效率差异的主要因素是规模效率。其次,从动态上看,我国30个省市高等院校的全要素生产率存在很大的波动性,科技进步不稳定;技术效率变动、技术进步效率变动、纯技术效率变动和规模效率变动是影响我国高等院校科研投入产出效率的主要因素。
摘要：本文选取了2003-2013年我国30个省市的高等院校作为决策单元,采用DEA和Malmquist指数法实证研究了我国30个省市高等院校的科技投入产出效率研究,结果表明,第一,从静态看,我国东部和中部、东北、西部地区之间的科研投入产出效率存在显著的区域性差异,东部地区的综合效率和技术效率远高于中部、东北、西部地区,而造成我国高等院校科研投入产出效率差异的主要因素是规模效率;第二,从动态上看,我国30个省市高等院校的全要素生产率存在很大的波动性,科技进步不稳定;技术效率变动、技术进步效率变动、纯技术效率变动和规模效率变动是影响我国高等院校科研投入产出效率的主要因素。
关键词：DEA,Malmquist指数,科研投入产出,效率评价
参考文献
[1]孙世敏、项华录、兰博:《基于DEA的我国地区高校科研投入产出效率分析》,《科学学与科学技术管理》2007年第7期。
我国科研投入的空间创新效应研究 篇7
科学研究的外部性是其创新效应产生的重要机制,而科技知识的传播与溢出是其外部性的重要途径。最早Jaffe[1]利用知识生产函数对美国州际水平公司专利活动的研究,证实了地理空间因素对高等院校知识溢出的影响,而且在不同行业领域具有不同特征,溢出效应在医药、化学与电子行业存在显著的溢出效应。Anselin[2]等对美国125个大城市的研究,说明高校研究与企业创新活动之间存在重要正相关,在大城市区域高校研究对创新活动溢出效应的范围超过了50英里,直接或间接地影响了企业的创新活动。Audretsch等[3]认为高校的研发溢出受到溢出机制(研究与人力资本)和溢出类型(自然科学与人文科学)的影响,而且这些要素具有空间异质性。Anselin[4]还研究了不同行业高校知识溢出的状况,发现在电子与器械工业则存在显著的溢出,有效的溢出效应扩展到了中心城市75英里以外的地区。Fischer[5]对澳大利亚高科技产业的经验分析,证实了高校是地区创新活动的溢出源,而且其溢出效应超越了行政区域的地理范围,随着地理距离的增加而呈现衰减趋势。
国内也针对我国科学研究的空间格局及知识溢出开展了研究。吴玉鸣[6,7]运用地理加权回归模型研究说明我国省域之间创新差异显著,对高校的溢出效应开展了深入研究,证实了高技术创新行为具有空间相关性。在宏观层面,研发投入及其溢出效应对于我国区域间产生的影响及机理开展了一系列研究[8,9,10,11]。
本文以我国为实证对象,采用地理加权回归模型GWR,分析我国科学研究创新活动的空间异质性,揭示科学研究在空间维度的创新效应格局,探究科学研究的创新机理,最终提出我国科技创新发展有益政策及建议。
1 模型构建及估计方法
1.1 模型构建
科学研究的创新效应指由于科学研究活动产生的有用新知识及创新性成果,而带来的对于社会技术进步甚至经济增长的长期深远影响。科学研究的创新效应与其经济外部性特征有着紧密联系。一方面,科学研究是重要的知识生产过程,产出的创新性知识具有非排它性,决定了产出知识的外部扩散性。另一方面,一般认为科学研究具有公共品的属性,研究的私人收益要远低于公共收益,因此科研投入很大部分来自于政府的公共财政资助。科研的外部性一般被认为是积极的效应,尤其是政府公共投入的基础研究活动,广大的民众、企业及其它组织都可以从基础研究的科学成果中获得收益。
各种科研活动都不同程度地表现为创造新的有用知识、产生新的技术与方法,不论是通过特有的途径还是技术的扩散及溢出,都可能对地区技术创新能力产生积极的影响。借鉴Griliche-Jaffe知识生产函数,构造区域科研创新空间效应度量公式。
I表示第i个区域,BR表示基础研究投入,NBR表示应用研究投入。为了较为全面地度量研究对象的创新水平,创新指标INN选取了两方面的变量:专利数(patent)和企业新产品销售(sales)。专利是相关实证研究中最常见的创新度量指标,但是专利数作为度量指标也存在不足,存在有些企业为了保密对一些创新成果没有申请专利,专利数作为一个数量指标也无法完全反映创新的质量的情况。因此本文还选取了企业新产品销售作为创新水平的度量指标,一定程度上弥补了单纯以专利数作为指标的不足,有利于得到更为全面可靠的评价结果。
模型中的控制变量包括有高新技术产业比重(hitech)、地区规模(scale)、校企合作规模(alliance)和资本存量(captial)。高新技术产业结构反映了地区的产业结构,其值越大说明该地区技术经济越发达,对于技术创新的依赖性越强。地区规模大小是地区的特征项,反映了该地区的客观禀赋资源状况。校企合作规模反映了产学合作的状况,反映了研发活动与经济生产的直接联系,也是科学研究成果溢出的重要途径。资本存量反映了地区经济发展历史水平,任何创新活动都是建立在原有的技术及经济成果基础上,其存量越大越有利于科学研究的创新效应产生并扩散。
弹性系数α和β是待估参数,反映了基础研究和应用研究的创新产出弹性,可以将其视为科研投入的创新效应程度,也是本文重点考察的指标,希望通过考察和比较地区间的产出弹性空间差异性,进而探究科研投入的创新效果及空间格局特征。
1.2 估计方法
当研究样本存在显著的空间相关性时,所讨论的外部创新效应具有明显的空间聚集性。由于知识的扩散及溢出作用,科学研究投入对经济社会的影响会受到地理距离的制约,通常认为这种作用效果会随着距离的增加而衰减。这种空间的效应反映在数量模型上,不但表现为变量的空间相关性,而且可以体现为样本的空间异质性,可能随着空间位置的不同而表现为样本特征的显著差异。因此,采用地理加权回归模型GWR进行模型估计及检验,从空间视角揭示科学研究创新效应。GWR是一种空间变系数回归模型,对每一个空间单元都进行局部的回归分析,得到的结果体现了样本的空间差异性,更加符合区域之间经济行为在空间上具有的差异格局。
在选取不同的因变量情况下,公式中估计得到参数可能存在不同的显著性表现,因此在选定样本的条件下,需要根据回归结果对模型的结构进行调整,因此本文先采用OLS方法进行模型估计,然后依据模型函数与样本数据的拟合效果选取恰当的控制变量组合方式。
2 实证研究
2.1 样本选择及数据来源
为了对前述样本空间相关条件下的评价方法进行验证,选取我国31个省、自治区、直辖市(以下简称省域)作为研究的样本,其中香港、澳门特别行政区和台湾省除外。变量指标的选取及样本数据来源,如表1所示。
对于因变量,分别选取专利申请数(patent)和大中型企业新产品销售占GDP比重(sales)为技术创新的代理变量。高校是基础研究的主要承担主体,因此选取高校基础研究经费内部支出为基础研究投入(BR)的代理变量,相关经验分析也都证实了采用高校的研发作为基础研究的替代变量的可行性。应用研究投入(NBR)选取大中型企业研发投入为其代理变量。高新技术产业比重(hitech)选取高新技术产业占GDP的比重为代理变量。地区规模(scale)选取地区人口数为代理变量。校企合作规模(alliance)选取高校科技活动经费中来源于企业的比重为代理变量。资本存量(captial)选取地区GDP为代理变量。
参考相关的研究,并经过样本数据的分析和试算,确定度量模型因变量滞后期为3年,因变量patent和sales选取2009年数据,其它为2006年。空间权重矩阵是空间计量模型的关键,遵循的判定规则是Rook相邻规则。
2.2 样本空间相关性的检验
为了描述变量的空间分布的情况,首先以中国大陆31个省域作为空间观测单元,对创新效应指标进行地理空间上的描述;然后采用空间自相关的Moran’I来测算创新效应指标在空间上是否存在自相关及集群现象。本文分别以省域专利授权数patent和企业新产品销售sales作为衡量指标,通过空间分布的四分位图、Moran’I指数散点图及聚集图,综合描述我国大陆31个区域的空间相关性,由此说明采用空间计量模型的必要性。
Moran’I指数是检验空间相关性的常见指数,具体到区域创新行为的空间相关性问题上,当空间位置上接近的样本点同时也具有相似的创新特征时,样本整体上就显示出正的空间自相关性;而当空间位置上接近样本点具有不相似的创新特征时,就呈现为负的空间自相关性;而空间不相关则体现为样本创新行为的分布与地理区位特征相互独立。
图1为表征空间自相关的Moran’I指数散点图,其中W_LNPATENT和W_LNSALES分别表示Lnpatent和Lnsales邻近值的加权平均值。图中分为四个象限,分别代表了不同的集聚模式,反映了地区及其与邻近地区的关系。可以看出两个图中,样本点大部分位于第一、三象限,表现出空间正相关性。具体地,Moran’I指数分别为0.381 3和0.212 8,其正态统计量Z值均大于正态分布函数在0.01水平下的临界值(1.96)。变量Lnpatent的Moran’I指数要大于Lnsales,说明地区专利的空间集聚性要更为显著,但是两者仍然保持了较高的空间集群一致性。
2.3 模型选择
为了确定与样本数据拟合效果好的模型形式,先采用OLS方法进行参数估计,根据结果选取恰当控制变量,确定模型的具体控制变量组成。经过模型检验分析,Lnpatent为因变量时,选择控制变量为hitech、scale和alliance;Lnsales为因变量时,选取变量captial为控制变量。
2.4 估计结果分析
以样本为研究对象,用matlab程序对度量模型进行GWR的参数估计,采用拟合效果较好的指数函数计算加权矩阵Wi,Bandwidth为4.4721。为了说明采用GWR模型的合理性,表2给出了分别以Lnpatent和Lnsales为因变量情况下的拟合优度R2及σ值,GWR模型拟合结果的相关指标都获得了一定程度的改善,拟合优度得到提高,σ值得到降低。综合考虑,GWR模型的估计方法更适合于处理变量的空间相关性,拟合的回归函数相对更好地解释了样本的趋势关系。
以专利数(patent)为因变量时,创新效应α的均值为0.248 1,标准差为0.021 2。以均值和标准差为基础,可以将参数结果分为四个等级,即[min,0.248 1-0.021 2)、[0.248 1-0.021 2,0.248 1)、[0.248 1,0.248 1+0.021 2)、[0.248 1+0.021 2,max)。同理,以新产品销售(sales)为因变量,创新效应α的均值为0.201,标准差为0.021 7,可以得到相应的参数等级区间。按照顺序,等级区间分别表示创新效应的水平为高、较高、较低、低,由此得到两个因变量条件下,科研投入创新效应的评价结果,限于篇幅仅给出α的估计结果,如表3所示。
实证结果显示,基础研究投入对地区创新具有明显的溢出效应。基础研究对专利创新(patent)的高贡献主要集聚在以北京、四川等基础研究高投入的地区,这些省域有着相对富集的人才优势,基础研究的高贡献率是产学研的良好互动结果。而基础研究对专利创新贡献低的地区集中在青海、西藏为中心的西部地区,这些省域基础研究投入水平很低,整个经济文化发展都落后与东部,基础的创新效应自然也不显著。基础研究对新产品销售(sales)贡献较为杂乱,没有很显著的整体性分布格局,这也说明了基础研究同经济发展的联系较为间接,对经济增长的影响是长期和潜在的。
另外,应用研究投入对专利创新的贡献率,整体呈现东高西低的态势。体现了东部存在为积极的企业研发活动,而西部企业的研发水平较低,东高西低的分布模式也与我国经济发展的基本格局是一致的。在东部地区,应用研究投入的创新产出弹性系数非常高,该地区是技术创新的富集地区,这与这些地区企业活跃的技术创新活动特征是一致的。应用研究投入对新产品销售(sales)的作用没有很显著的整体性分布格局。
3 结论
科研投入产出 篇8
一、高校科研绩效评价现状
近年来高校科研绩效评价研究尤其注重各种评价方法的运用,主要有因子分析法、层次分析法(AHP)、模糊综合评价和熵值法等。我国应用最为广泛的是数据包络分析法(DEA)和AHP法,近期又形成了综合运用各种方法进行高校绩效评价的趋势,如将因子分析法与平衡计分卡、层次分析法与DEA结合等。在国外,高校科研绩效评价研究相对较少,多倾向于高校整体绩效评价,如Ahn & Seiford对美国153所高校进行了绩效评价,并比较了公立、私立高校绩效情况。美国、澳大利亚等国家多倾向于定量方法和综合研究方法的使用,英国、德国、荷兰则以定性研究为主。此外,相关研究还涉及对高校科研绩效评估程序、内容、形式和体系等方面的探讨。可见,国内外学者对高校科研绩效评价进行了大量的研究,为本文奠定了坚实的基础。但很少有学者综合运用层次分析和主成分分析法对我国教育部直属高校科研绩效进行评价,成果稍显不足。
本文在设立高校科研绩效评价指标体系的基础上, 采用《教育部直属高校基本情况统计资料汇编(2012)》 及相关官方网站的数据,借助Yaahp和Stata软件,运用层次分析法(AHP)和主成分分析法(PCA)对我国教育部直属的5所高校的科研绩效情况进行实证研究,以期为高校优化科研管理提供参考。
二、高校科研绩效评价指标体系的构建
(一)构建高校科研绩效评价指标体系的依据
本文基于“投入—产出”模型和AHP法构建了高校科研绩效评价指标体系,并结合运用PCA法确定了各个指标的权重。根据“投入—产出”模型,要获得持续的高质量、高水平科研产出增长,在保证科研投入充足的同时,优化科研资源配置、提高科研生产效率同样至关重要。因此本文将评价指标分为投入向量与产出向量二维结构,通过投入的不同考察产出的差异;层次分析法是由美国T.L.Satty教授提出的一种定性和定量分析相结合的多目标分层次决策方法[4]。它把复杂问题分解成n个组成因素,再将n个因素组合为递阶层次结构,通过两两比较矩阵确定每个因素的相对重要性和决策方案相对重要性。
(二)高校科研绩效评价指标体系的构建
本文在深入分析科研绩效评价相关资料的基础之上,结合我国高等教育发展的实际情况以及数据的可获取性,构建了包括六个准则层的科研投入指标体系以及包括八个准则层的科研产出指标体系,即两个层次结构模型,最终形成了高校科研绩效指标体系,如下图所示。
三、实证分析———以教育部直属5所高校为例
本文选取教育部直属的5所高校进行实证研究,以A~E大学代称。
(一)确定科研投入与产出指标的权重
本文采用的数据均可直接从统计资料获得,且评价对象数据较少,因此本文综合PCA分析权数和主观判断结果分别对两个层次结构模型构造了两两比较判断矩阵,即参考方差贡献率和主成分得分系数等客观数据主观判断各因素的相对重要性,构造了比较判断矩阵(限于篇幅未全部列出)。经检验,所有矩阵的随机一致性比例CR<0.1,具有满意的一致性,进而认为计算的各级指标权重具有合理性,部分结果见表1、表2。
由表1可知,在对高校科研投入情况考察中,指标 “仪器设备资产值”、“科研经费总额”和“研究与发展课题投入人数”的重要性较强,三者的权重差异较小;其次为“社会科技活动人员数”;最后为“图书馆藏书量”和 “专任教师中副高及以上比例”。可见,人的思维中相对重要的因素其权重越高,反之权重越低。
由表2可知,在对高校科研产出情况考察中,指标 “出版专著数”的重要性最强,权重最大;其次为“当量毕业硕士研究生人数”、“当量毕业博士研究生人数”和“专利出售当年实际收入金额”、“发表论文总数”和“当量国家科技奖获奖数”;最后为“省部级科学研究与发展成果获奖数”和“技术转让当年实际收入金额”。
(二)计算科研投入、产出综合得分以及科研绩效得分
确定了各级指标的权重后,就可以结合高校的具体相关数据进行科研绩效评价,基本思路是以上文中每个指标对应的Wi作为权重,分别对高校的科研投入、产出指标的标准化数据加权平均,即得到各高校的科研投入、产出综合得分。然后将各高校科研产出除以投入综合得分,可得到各高校科研绩效得分及排名(见表3)。
由表3中可知,各高校科研绩效差异明显,其中C大学的科研绩效得分是最高的,B、D和E大学次之,A大学最低。排名较低的高校可根据自身每一项得分的数值分析发现影响自身科研绩效的因素,优化科研管理,制定绩效提升策略。以有关A大学的数值分析为例(见表4)。
由表4可知,在科研投入方面,A大学无论是在总目标权重较大或较小的指标上,其指标的Wi普遍较大, 如x11、x21和x12、x23,说明A大学在仪器设备资产值、科研经费总额、图书馆藏书量和专任教师中副高及以上比例等方面都有较大优势,其科研投入水平较之其他高校要高得多。在科研产出方面,A大学在总目标权重较大的指标上,指标的Wi普遍较小,如Y21和Y21,说明A大学在当量毕业硕士研究生人数和专利出售当年实际收入金额等方面处于劣势,数量较少;反之,在总目标权重较小的指标上,其指标的Wi普遍较大,如Y11和Y13,说明A大学在普遍认为重要性程度不高的科研产出方面表现出色,却不能为自身科研绩效得分加分。所以在较高的科研投入水平前提下,A大学出现了低水平科研绩效。
(三)结果分析与建议
第一,各高校科研绩效差异明显。本文虽然选取了较小样本,却也不难发现各高校的科研绩效得分差距较大,科研绩效情况差异显著。排名较低的高校应该根据自身每一项得分的数值分析发现影响自身科研绩效的因素,有的放矢地优化科研管理。
第二,高校科研投入、产出水平与科研绩效水平之间不一定对应。投入、产出水平较高的高校也会出现科研绩效偏低现象,如A大学的科研投入得分很高,科研绩效情况却不容乐观。可见,对科研资源的合理配置和有效利用才是影响高校科研绩效的主要因素。
因此,高校在贯彻落实国家政策规定的前提下,一方面可以从总目标权重较大的产出指标着手,改善科研产出指标与总目标权重的匹配程度,即重视科研成果满足社会发展需要的程度,提高那些人们认为重要程度较高的科研成果产出量,提高科研绩效水平;另一方面,高校可以从投入指标着手,对于总目标权重较大而自身优势较明显的指标方面可以适当减少科研投入,而对于总目标权重较小而自身处于劣势的指标方面则可以适当增加科研投入。
摘要：文章基于“投入—产出”模型,综合运用层次分析和主成分分析法,构建了高校科研绩效评价指标体系,对教育部直属五所高校的科研绩效情况进行了实证研究。结果表明,各高校科研绩效间差异明显,高校应分析影响自身科研绩效的因素,有的放矢地优化科研管理。
关键词：科研绩效评价,层次分析,教育部直属高校
参考文献
[1]段永瑞,霍佳震.基于数据包络分析的高校科研绩效评价[J].上海交通大学学报,2007,(7).
[2][4]许树柏.层次分析法原理[M].天津:天津大学出版社,1987.
科研投入产出 篇9
从新疆生态与地理研究所的层面来看, 随着地区经济发展、所内科技投入的增加, 院所的科技实力和科研系统的效率也会发生变化。即使简单地从科技人力、科技经费、科技论文和著作、国家重大奖、成果转让等指标的数字来看, 每年都会有所变化。那么, 生态地理研究所科技经费的投入产出效益究竟如何?这些将是课题组所要关注和讨论的主要问题。根据目前可以得到的官方统计数据, 课题组试图对新疆生地所的经费利用效率做出一个数量化的描述。
1 理论假设
本研究运用相关理论和科学的数量分析方法对新疆生态地理研究所的统计数据进行适当的加工、处理和计算, 并在实证研究结果的基础上形成主要观点和结论。在本研究中, 还假设研究所的科技系统从总体上看是一个规模报酬不变的系统, 即如果各种投入的要素都同时扩大若干倍, 则产出也相应地扩大若干倍。在这个假设的基础上, 可以通过适当的推导对本文的回归模型进行合理的简化。本研究基于《新疆生态与地理研究所统计年报》的数据, 对新疆生地所的科研投入与产出做了实证检验。
2 研究方法和基本模型
生产函数法是研究生产单位效率的一种普遍方法。生产函数的优点在于它能够根据生产系统的状况采取比较灵活的形式。它实际上忽略了生产系统的内部结构, 而且可以将一般的投入和产出要素都包含于其中。生产函数的这种特点正好满足了本项研究的要求。本文用柯布—道格拉斯函数 (Cobb-Douglas, 以下简称CD函数) 。
式中:Y为产出, K为资金投入量, L为劳动力投入量, α、β为参数, A是一个常数。
对该函数两边取对数在此基础上进行推导, 本文建立的实证研究的基本回归方程为:
式中:yt kt分别为研究所第t年的科技系统的科技产出和科技经费投入, A、α是参数估计值, u为随机误差。
3 数据来源
本研究采用的数据主要来自于新疆生态地理研究所的统计年报, 是生态地理研究所依据各个科研项目的财务数据等综合汇总整理得出的从1999~2013年的科技统计数据。年报的内容涉及研究所科技活动的各个方面, 其指标体系是按科技活动的投入、活动、产出过程设计的。其中科技投入指标主要包括科技人力、经费状况;科技活动指标包括机构、课题;科技产出指标包括论文、专著、专利、技术转让等。如前所述, 本研究所使用的主要是科技投入与科技产出各个指标的数据, 科技活动的过程不作为主要的研究对象。年报中提供的统计数据的内容翔实, 具有权威性, 而且统计的方法和口径具有较好的连续性和稳定性, 为本文的研究提供了良好的基础。所以本文的研究数据主要来源于1999~2013年的统计年报。
4 指标的选取
4.1 科技投入指标的选取
如上文所述, 《新疆生态地理研究所统计年报》的指标体系是按科技活动的投入、活动、产出过程设计的, 而本文主要使用的是科技投入与科技产出的各个指标的数据。
《新疆生态地理研究所统计年报》中的科技产出指标主要包括:出版科技专著数, 发表学术论文数, 专利数和技术转让合同及收入。
4.1.1 科技著作
科技著作是中科院科技活动成果的重要产出指标, 也是应用研究成果的主要表现形式之一本文仅选取科技著作的种类作为研究所科技专著产出这一指标的核心反映。
4.1.2 发表学术论文
学术论文是中科院科研成果的又一种重要的产出, 通常也是数量最多的一种产出, 特别是基础研究和应用研究的的成果多采用发表学术论文的形式。本文分别选取各科院 (或各地区的中科院) 在“国外学术刊物”、“国内学术刊物”上发表论文的篇数, 并给予不同的权重进行加权加总 (对指标权重的具体讨论见下文) , 以综合反映其科技论文产出的水平。区分论文发表刊物的级别可以在一定程度上兼顾科技论文产出的数量和质量水平。
4.1.3 专利授权
专利是受专利法保护的发明创造技术内容, 即国家依法授予发明人或其他合法权利人对某项发明创造所享有的排他性专有权。科研院所获得专利的数量能够反映出其在发明、知识创造和转换成潜在经济效益方面的能力。
《新疆生态地理研究所统计年报》中分别统计了生态地理研究所历年的专利申请数和专利授权数。考虑到申请的专利未必会获得授权, 因此本文选用“专利的授权数”来作为测度专利产出的指标。
4.2 科技产出指标权重的确定
在充分借鉴以往关于建立科技产出指标体系的理论和实践的基础上, 本文使用层次分析法, 主要根据不同类型的产出的价值高低和取得的难易程度, 对上文分别讨论过的三种产出指标赋予相应的权重。 (见表1)
5 实证分析
5.1 新疆生态地理研究所的描述性统计
由上文指标选取后的新疆生态地理研究所科研经费的投入和科技产出 (包括科技著作数、科技论文数、专利授权数和课题完成数) 得出的投入产出表及其随时间变化的趋势图如表2所示。
5.2 新疆生态地理研究所科技经费投入与产出实证分析
本部分的实证研究主要考察本所科研体系的投入和产出。根据本文模型, 首先编制产出权重表, 其次编制科技投入产出表, 最后利用模型进行回归得出分析结果。
(1) 根据回归方程得到回归模型:
式中:yt kt分别为生态地理研究所第t年的科技系统的人均产出和人均经费投入, A、α是参数估计值, u为随机误差。
(2) 编制产出权重表
选取了新疆生态地理研究所15年的数据, 并利用以下这四个公式得出科技产出权重数:科技著作权重数=科技著作数×科技著作权重, 科技论文数权重数=科技论文数×科技论文权重, 专利权重数=专利授权数×专利权重, 科技产出总权重数=科技著作权重数+科技论文数权重数+专利权重数。这四个公式得出科技产出数如表3、表4所示。
将各年份的时间序列数据:yt kt (取完对数后为ln yt和lnkt) 分别带入上式 (公式3) 进行一元线性回归, 就可以得到生态地理研究所科技投入产出的参数估计值ln A和α, 回归结果如表5所示。
注:a.预测变量: (常量) , 科技投入;b.因变量:科技产出
计算方差结果为:
注:a.预测变量: (常量) , 科技投入;b.因变量:科技产出
表6是所用模型的检验结果, 一个标准的方差分析表。Sig (significant) 值是回归关系的显著性系数, sig.是F值的实际显著性概率即P值。当sig.<=0.05的时候, 说明回归关系具有统计学意义。由表可见所用的回归模型F统计量值=15.864, P值为0.002<0.05, 因此用的这个回归模型是有统计学意义的。可以继续看下面系数分别检验的结果:
注:a.因变量:科技产出
此表给出了包括常数项在内的所有系数的检验结果, 用的是t检验, 同时还会给出标化/未标化系数。由此得到的一元回归方程为:
Y相关系数R=0.741, 拟合优度R方=0.550, 调整后的拟合优度=0.515。三者均表明此回归方程的解释力度较好, 至少有一半以上可以解释投入与产出的关系。
6 实证分析结论
实证分析结果表明, lnkt的系数α=0.345即为科技投入产出弹性, 其反映出新疆生态与地理研究所的科技投入每增加1%, 其科技产出将增加34.5%。证明在该研究所科技投入产出关系中, 增加该科技投入是有助于提高研究所的科技产出的。此回归结果还表明, 投入对产出的弹性相对于平均水平来说是较高的, 说明新疆生态地理研究所这几年不断在飞速的发展, 科技投入的利用率也在不断提升。
参考文献
[1]钟荣丙.科研经费的监管模式研究[J].科技进步与对策, 2009, (26) :2.
[2]李新荣.科研经费管理中的若干问题及对策研究[J].中国高等医学教育, 2007, (2) :44.
[3]石燕.国外政府科技计划项目经费预算管理的比较及其启示[J].科技管理研究, 2005, (10) :51.