教育部直属高校科技活动全要素生产率测算及分析Word下载.docx

教育部直属高校科技活动全要素生产率测算及分析Word下载.docx

《教育部直属高校科技活动全要素生产率测算及分析Word下载.docx》由会员分享，可在线阅读，更多相关《教育部直属高校科技活动全要素生产率测算及分析Word下载.docx（9页珍藏版）》请在冰点文库上搜索。

技术进步率目前世界公认的创新型国家大约有20个，这些国家的创新综合指数包括科技进步贡献率、研发投入占比、对外技术依存度和专利申请数等指标都遥遥领先于其他国家。

高等学校作为创新型国家建设的核心支柱和中坚力量，已成为我国最大的科学研究部门并与产业界广泛合作，其科技活动对我国整体科技创新产出有重大影响。

为实现2020年进入创新型国家行列的目标，提高高等学校科技活动生产率特别是全要素生产率成为必然选择。

本文以我国高等学校的典型代表――教育部直属高校作为研究对象，试图测算和分析其科技活动（自然科学研究）全要素生产率，对提升高等学校/区域/国家科技创新能力具有重要意义。

　　一、文献综述

　　生产率可以理解为各种产出与资源（包括人力、物力、财力）要素总投入的比值。

全要素生产率主要用来衡量决策单元的生产效率，它有三个来源：

一是效率本身的改进;

二是技术进步的实现;

三是规模变动带来的收益。

具体计算时，需要扣除掉其他要素（如资本和劳动等）投入后的“余值”，即技术进步和能力实现等导致的产出增加。

通过测算和估计全要素生产率，可以进行经济增长的源泉和趋势分析，并通过指标分解找到产出增加的直接原因。

21世纪以来，国内外很多学者以高等学校/院系/省域范围内的高等学校为对象，对其整体或者教学、科研活动全要素生产率进行研究和探索。

其中代表性文献如表1所示。

　　根据上述文献可以看出，国内外相关研究采用的实证分析方法都是马奎斯特（Malmqusit）指数法。

国外文献主要围绕高等学校教学和科研整体来进行生产效率评价，而国内相关研究大多数以省域范围内的高等学校作为对象，只有个别文章围绕985工程高校和安徽省内高校来进行分析。

缺乏教育部直属高校科技活动全要素生产率的研究，更不用说进一步的区域和学科生产率差异对比。

在投入产出指标选择上，基本都没有涉及科研产出的质量。

本文拟对上述方面进行改进和探索。

　　二、模型概述及变量选择

（一）全要素生产率测算模型概述――基于DEA的Malmquist指数方法

　　迄今为止，学术界对全要素生产率（TotalFactorProductivity，TFP）的概念和内涵仍有争议，但主要的计算方法包括增长核算法和经济计量法两种。

前者包括索洛余值法和代数指数法;

后者包括隐性变量法和生产前沿法。

生产前沿法将经济增长划分为三部分：

要素投入增加、技术进步实现、技术效率提升，与TFP的基本内涵高度吻合。

具体的方法有数据包络分析DEA（DataEnvelopmentAnalysis）和随机前沿分析SFA（StochasticFrontierAnalysis），本文选择国内外主流的基于DEA的Malmquist指数方法进行分析。

　　Malmquist指数最初用于消费数量指数，Cavesetal.基于距离函数构造生产率指数。

[18-19]随着Charnesetal.提出数据包络分析方法并广泛应用，Malmquist生产率指数和DEA方法相结合逐渐成为了实证指数，用于跨期生产效率的测度、分解和比较。

[16]在同一框架下，可将Malmquist生产率指数分解为技术进步率、规模效率和纯技术效率的乘积，各个指标的含义和关系如图1所示：

　　图1Malmquist指数及其分解指标

（二）投入/产出变量选择

　　科技活动指所有与自然科学、工程和技术、农业科学、医药科学等领域中科技知识的产生、形成、发展、传播和应用密切相关的有组织、系统性的活动。

一般通过产出和投入指标的对比来衡量科技活动效率和生产率。

借鉴国内外的相关研究，高等学校科技活动投入包括人力和经费的投入，产出包括项目、奖励和各种出版物。

考虑我国高校科技活动的实际情况并结合数据获取的可得性，设计如表2所示的指标体系，具体解释如下：

（1）X1研究与发展全时人员指在统计年度中，从事科技研究和成果应用工作且时间在9个月以上的人员（扣除假期一年按10个月计）;

X2科技经费拨入包括各级政府拨款和纵向课题资金拨款、企事业单位委托资金、其他来源经费。

（2）Y1研究与发展项目指包括基础、应用和实验发展在内的纵向科研课题;

Y2科技著作包括学术专著、基础论著和技术著作等专业性书籍;

Y3国内外学术论文指发表在国内外学术期刊上的专业论文;

Y4专利授权数指通过申请获得授权在一定范围内独占使用其发明创造的权利数;

Y5技术转让实际收入是通过转让创新性的科技技术获取的各种收入;

Y6科技奖励指包括国家三大奖和省市级各类科技进步奖在内的高水平奖励。

　　（三）数据来源及处理

　　DEA方法要求原始数据稳定且具有权威性，现有文章数据来源都是《高等学校科技统计资料汇编》、《全国高校社科统计资料汇编》、《教育部直属高校基本情况统计资料汇编》等。

因本文研究的是高校科技活动，所以选择《高等学校科技统计资料汇编》中的数据进行研究。

Malmquist指数是一种跨期分析的方法，考虑2004年之前部分年份数据缺失，因而时间范围是2005-2012年。

在75所教育部直属高校中，中央音乐学院、中央美术学院、北京外国语大学等语言和艺术类的高校科技活动数据接近于0，无法纳入实证范围。

故，具体研究对象是63所理工类、医药类、师范类、综合类、农林类等教育部直属高校。

经过处理的原始数据描述统计如表2所示：

　　三、教育部直属高校科技活动全要素生产率测算及分析

　　具体对全要素生产率进行测算和分析时，使用DEAP2.1软件并选择产出导向（投入和产出导向下计算结果基本无差异）。

将2005-2012年教育部直属高校科技活动原始数据输入软件，可计算出年度平均、高校平均的Malmquist指数及其分解指标。

因Malmquist指数是跨期比较的结果，所以8年的数据只得出7年的跨期对比，即2005/2006年度-2011/2012年度。

整理后的结果如表3-表5、图2所示。

（一）不同年份教育部直属高校科技活动全要素生产率评价及分析

　　根据最后一行的年度平均结果，我国教育部直属高校科技活动全要素生产率整体呈缓慢下降趋势，年均下降幅度为0.9%。

七组跨期对比数据中，2006/2007和2009/2010两个对比年度全要素生产率下降显著;

2011/2012年基本保持稳定;

其他四年度呈现不同程度的上升。

具体到指标分解情况，技术进步率年均上涨0.2%，虽然微弱但毕竟整体上升了。

说明随着时间的推移，相邻期间的生产前沿面处于移动增长状态。

而技术效率年均下降1.1%，原因是纯技术效率和规模效率分别下降了0.2%和0.9%。

主要阻碍技术效率上升的因素是规模效率的下降，即规模的不适当，管理和技术创新上也存在一定问题。

需要通过规模的合理调整、管理流程的改进和优化等扭转上述不利局面。

整体来说，增长效应存在但追赶效应不存在。

　　图22005/2006-2011/2012年Malmquist指数及其分解情况

　　结合图2进一步分析教育部直属高校科技活动生产率变动的方向、程度和原因。

可以看出，全要素生产率和技术进步率变动趋势具有一定的同步性，都是下降―上升―下降―上升，最后达到基本稳定。

两者的趋势一致但程度不同。

因全要素生产率还受技术效率因素的影响，所以整体变动程度是缓慢向下的，而技术进步率是微弱上升的。

技术效率的变动趋势和规模效率大体趋同，都是上升―下降―上升―下降，但同时受到纯技术效率下降的影响，技术效率的整体下降幅度更大一些。

充分说明，我国教育部直属高校科技活动全要素生产率的下降主要是纯技术效率和规模效率导致的，即多数直属高校距离生产前沿面更远了，水平效应并不存在;

但却存在比较微弱的增长效应，即教育部直属高校科技活动生产前沿面在两相邻期间内缓慢向前移动。

（二）教育部直属高校科技活动年度平均全要素生产率及分解指标

　　表42005/2006-2011/2012年教育部直属高校科技活动年度平均全要素生产率及分解指标

　　根据表4可见：

（1）教育部直属高校科技活动全要素生产率平均值为0.991，其分解指标技术进步率和技术效率分别为1.002和0.989，这与上一部分的分析结论完全一致。

（2）全要素生产率低于1的高校有32所，包括山东大学、吉林大学、北京中医药大学、华中师范大学、东北师范大学等知名高校都排在最后;

全要素生产率高于1的高校有30所，排名最前列的有西安电子科技大学、东北大学、北京化工大学、江南大学、东南大学等，还有一所高校北京林业大学的全要素生产率为1。

因Malmquist指数是投入产出视角下基于DEA计算的，是产出与投入的综合对比，与高校知名度和科研整体实力无直接关系，所以并非知名高校一定排在前列。

（3）科技活动技术效率提升超过5%的高校有西安电子科技大学、中南大学、北京师范大学、东北林业大学、重庆大学、河海大学、华中农业大学和东北大学，说明上述高校随着时间的推移距离生产前沿面更为接近了。

主要原因是这些大学在规模、管理、创新等方面相对进步更大;

而山东大学、湖南大学、西北农林科技大学、中国人民大学、北京科技大学等高校排在技术效率的后五位。

（4）科技活动纯技术效率超过5%的高校是西安交通大学、西安电子科技大学、北京师范大学、河海大学，排在最后的高校是西北农林科技大学、湖南大学、华中师范大学、中国药科大学。

先进高校不应过分骄傲，而应该找到自己努力的方向，进一步提升管理和技术;

落后高校通过全方位的比对和分析，定位差距、努力改进。

（5）科技活动规模效率前五位的高校是武汉理工大学、中南大学、东北大学、重庆大学、华中农业大学，后五位的高校是山东大学、中国人民大学、清华大学、北京科技大学、华中科技大学。

因为规模的调整会影响规模效率进而提升/降低技术效率和全要素生产率，所以高等学校应结合科技静态效率评价结果，适度增加/降低科技活动规模进而提升效率。

　　（三）不同学科/区域教育部直属高校科技活动全要素生产率测算及分析

　　根据表5可见：

（1）教育部直属高校中清华大学、西安电子科技大学、合肥工业大学、北京化工大学等理工类高校科技活动全要素生产率最高，年度平均生产率和技术进步率增加达到1.3%和2.1%，但技术效率却有所下降。

说明这类高校增长效应存在但追赶效应不存在，在所有直属高校中是唯一生产率处于不断增长中的高校类别。

农林类、综合类、师范类、医药类教育部直属高校的全要素生产率依次降低，这些高校的生产率都处于不断下降中。

其中，农林类高校技术效率增长但技术进步率下降，综合类高校正好相反，技术效率下降而技术进步率上升。

而师范类和医药类高校的技术效率和技术进步率都处在下降阶段。

（2）东部地区教育部直属高校科技活动全要素生产率高于中西部地区，但仍然仅为1，没有明显上升或者下降，主要原因是技术效率下降而技术进步率上升，两者的共同作用导致生产率基本不变。

中部地区直属高校的全要素生产率平均下降2.6%，主要原因是技术效率和技术进步率都处于下降阶段，增长效应和追赶效应都不存在。

西部地区直属高校技术效率增加而纯技术效率下降，但后者的幅度更大导致整体生产率下降。

（3）全要素生产率的增长或者下降受技术、管理、规模、创新等多方面影响，教育部直属高校整体的生产率变动不容乐观，需要根据指标分解情况全方位查找原因，学习先进高校的经验、汲取落后高校的教训，在短期内通过提升分解指标效率最终实现生产率的整体提升。

　　四、结论

　　随着2011计划即高等学校创新能力提升计划的启动，我国高校科技创新活动达到一个新的发展阶段。

在这样的背景下，本文以我国教育部直属高校2005-2012年科技活动为研究对象，测算其全要素生产率并进行分解，试图找到生产率变动的原因、趋势和方向。

技术进步率年均上涨0.2%，而技术效率年均下降1.1%，原因是纯技术效率和规模效率分别下降了0.2%和0.9%。

全要素生产率和技术进步率变动趋势具有一定的同步性，两者的趋势一致但程度不同。

技术效率的变动趋势和规模效率大体趋同。

理工类高校科技活动全要素生产率最高，年度平均生产率和技术进步率增加达到1.3%和2.1%，但技术效率却有所下降。

农林类、综合类、师范类、医药类教育部直属高校的全要素生产率依次降低。

东部地区教育部直属高校科技活动全要素生产率高于中西部地区，但仍然仅为1，没有明显上升或者下降，主要原因是技术效率下降而技术进步率上升，两者的共同作用导致生产率基本不变。

　　为进一步提升我国教育部直属高校科技活动全要素生产率，提出如下对策建议：

（1）政府制定一系列发展纲要和优惠政策，为高校科技创新提供各方面的便利。

比如，每年召开高校产学研合作招商大会，奖励合作效果较好的学校;

为人才引进提供各种便利，吸引和集聚创新型人才;

建立高校、科研机构、企业技术转化基地和大学科技园、大学生创业孵化中心，推动高校和企业的有效对接。

（2）重视高校科技创新信息服务建设，建立和完善合作服务体系。

通过成立科技创新信息服务平台，为高等学校提供全面的科技服务项目和科技专家数据库，推动各类科技中介组织的建设，形成三位一体、信息全面、实时互动的区域科技创新合作服务体系。

（3）拓宽投融资渠道，加大高校科技活动投入资金的力度。

比如，实施有助于高校科研的财政、税收和金融政策，鼓励高校进入市场融资，利用担保、贴息等方式协调社会科技资源的优化配置，实现多元化、全方位的投融资机制。

（4）促进资源的合理配置，实现不同高校创新效率提升。

我国不同省份高校科技投入资源极度不平衡。

经济欠发达地区，不论是在资金、技术，还是人才投入上都远远落后于经济发达地区。

对这些区域，必须加大政策支持力度，保证高校科技活动的创新投入，从而增加其创新产出。

而对于其它省份高等学校，应该更重视资金和人才的利用效率，最终实现我国各高校/区域科技活动效率的整体提升。

　　参考文献：

　　[1]AbbottM，DoucouliagosC.TotalFactorProductivityandEfficiencyinAustralianCollegesofAdvancedEducation[J].JournalofEducationalAdministration，2001，39（4）：

384-393.

　　[2]FleggAT，AllenDO，FieldK，etal.MeasuringtheEfficiencyofBritishUniversities：

AMulti-periodDataEnvelopmentAnalysis[J].EducationEconomics，2004，12（3）：

231-249.

　　[3]FernandoBIS，CabandaEC.MeasuringEfficiencyandProductivePerformanceofCollegesattheUniversityofSantoTomas：

ANonparametricApproach[J].InternationalTransactionsinOperationalResearch，2007，14（3）：

217-229.

　　[4]WorthingtonAC，LeeBL.Efficiency，TechnologyandProductivityChangeinAustralianUniversities，1998?

C2003[J].EconomicsofEducationReview，2008，27（3）：

285-298.

　　[5]JohnesJ.EfficiencyandProductivityChangeintheEnglishHigherEducationSectorfrom1996/97to2004/5[J].TheManchesterSchool，2008，76（6）：

653-674.

　　[6]毕雪阳，孙庆文.高校教育成本投入动态效率的Malmquist生产率指数分析[J].烟台大学学报（自然科学与工程版），2010，23（4）：

265-271.

　　[7]廖文秋，梁?

牛?

宋马林.基于Malmquist指数的高校科研效率的实证分析[J].系统工程，2011，29（7）：

64-69.

　　[8]姜彤彤.“985工程”高校科研全要素生产率测算及分析[J].中国高教研究，2013（4）：

38-43.

　　[9]段庆锋.我国985工程高校科研绩效的影响因素――基于DEA-Malmquist的实证研究[J].大连理工大学学报（社会科学版），2013，34（3）：

114-119.

　　[10]潘海生，周志刚.基于Malmquist指数的高等教育生产率变动分析[J].西安电子科技大学学报（社会科学版），2007，17（6）：

8-14.

　　[11]周伟，李全生.我国高等学校人才培养效率的动态分析：

1999―2006年[J].科学学与科学技术管理，2010

（1）：

195-199.

　　[12]郭峻，熊世权.中国31个省市高校科研绩效实证评价[J].情报杂志，2010，29（9）：

83-88.

　　[13]韩海彬，李全生.中国高等教育生产率变动分析：

基于Malmquist指数[J].复旦教育论坛，2010，8（4）：

58-62.

　　[14]杨文举.基于MalmquistTFP指数的中国高校科研生产绩效评价[J].高教发展与评估，2011，27（3）：

47-55.

　　[15]冯光娣，陈?

?

，田金方.基于DEA-Malmquist方法的中国高校科研效率分析[J].现代财经，2012（9）：

61-73.

　　[16]姜彤彤，武德昆.基于Malmquist指数的高等学校科技创新全要素生产率研究[J].中国科技论坛，2012（5）：

79-84.

　　[17]姜彤彤.高校人文社科研究全要素生产率评价及分析[J].研究与发展管理，2013，25（5）：

90-97.

　　[18]MalmquistS.IndexNumbersandIndifferenceCurves[J].TrabajosdeEstatistica，1953（4）：

209-242.

　　[19]CavesD.W，ChristensenL.R，DiewertW.E.TheEconomicTheoryofIndexNumbersandtheMeasurementofInput，OutputandProductivity[J].Econometric，1982（6）：

1393-1414.