01

作者简介

朱恬恬，副教授，管理学博士，从事教育经济与管理、教育资源配置研究。

02

引用本文

朱恬恬，卢雅华，张跃军. 非期望产出对“双一流”建设高校科技创新效率的影响研究[J]. 高校教育管理, 2022, 16(4): 31-40.     

03

摘要

高校科技创新过程中不可避免地存在非期望产出，传统的科技创新效率评价模型关于“产出最大化”的假定并不适用，评价结果会出现偏误。为此，本研究在考虑非期望产出的基础上，采用SML指数方法评价2007—2019年我国67所“双一流”建设高校的科技创新效率。结果显示：在样本期间内，不考虑非期望产出会高估高校的科技创新效率；在考虑非期望产出的情况下，一流学科建设高校的科技创新效率并不比一流大学建设高校逊色；医药类高校的科技创新效率较高，而农林类高校的科技创新效率相对较低；不同地区“双一流”建设高校的科技创新效率存在差异，整体呈现东高中低的分布特征；不同地区“双一流”建设高校科技创新效率提升的动力也不尽相同，东部地区高校科技创新效率增长的主要动力是技术进步，而中西部地区是资源配置效率的提升。鉴于此，相关部门应优化学科资源配置格局，加强协同创新；关注高校非期望产出，考查成果质量和社会贡献；提升高校服务区域经济社会发展能力，促进各地区协调发展。

04

关键词

“双一流”建设；高校；科技创新效率；非期望产出；SML指数

一

引言

2021年3月，国务院新闻办公室举行深入贯彻“十四五”规划，加快建设高质量教育体系发布会，提出要提升高校科技创新水平，构建高校科技创新体系，全面提升高校原始创新能力。作为我国高校科技创新领域的主力军，“双一流”建设高校科技创新效率与能力的提升对于提高我国科技创新水平、实现高等教育强国战略目标具有重要意义。

高校科技创新效率是指在一段时期内，高校科技创新生产过程中投入与产出之间的对比关系，其可以衡量高校科技创新资源是否得到有效配置。近年来，高校科技创新效率评价受到国内外学者的广泛关注，但是现行的高校科技创新效率评价体系多存在重数量轻质量等问题，难以有效引导高校开展科技创新和实现高质量发展。在产出指标构建方面，现有研究的产出指标一般只考虑期望产出，如出版科技著作数、发表学术论文数、申请专利数等，或者是将产出按学术产出与经济产出进行划分，忽略了非期望产出，因此评价结果与现实情况存在一定偏差。实际上，高校科技创新过程中无法避免地存在非期望产出，如未被引用的论文、失效的专利、闲置的科研设备、浪费的科技经费等，传统的效率评价模型关于“产出最大化”的假定并不适用，评价结果会出现偏误。因此，在高校科技创新效率评价建模和实践应用中考虑非期望产出就显得十分必要。

为了探究非期望产出对“双一流”建设高校科技创新效率的影响，真实反映“双一流”建设高校科技创新效率的实际情况，本研究将论文未被引用比率和专利失效比率作为高校科技创新过程中的非期望产出，运用Sequential Malmquist-Luenberger指数（以下简称SML指数）方法评价“双一流”建设高校的科技创新效率，并在此基础上进一步分析在非期望产出影响下不同类型和不同地区高校科技创新效率的特征和差异。本研究的贡献主要包括两个方面：第一，基于高校科技创新的实际情况，在评价指标构建和建模过程中考虑非期望产出，运用SML指数方法规避“技术倒退”问题，较为客观地评价“双一流”建设高校的科技创新效率，突破了现行高校科技创新效率评价侧重于期望产出而忽视非期望产出的局限性；第二，基于高校层面的详细数据，较为系统地考查了在非期望产出的影响下，一流大学建设高校和一流学科建设高校科技创新效率的特征，揭示了不同类型高校科技创新效率的差异及其形成机制，探索了不同地区高校科技创新效率的差异及增长的动力机制。

数据说明与模型方法

二

（一）数据说明

1.投入指标。本研究从人员投入和经费投入两个角度构建高校科技创新的投入指标。本研究选取研究与发展全时人员作为人员投入指标，科技经费当年内部支出作为经费投入指标。需要说明的是，科技经费一般包含拨入经费和支出经费，其中支出经费能更好地反映经费的实际投入情况，因此，本研究选取科技经费当年内部支出作为衡量经费投入的指标。

2.产出指标。本研究选取发表学术论文数、专利申请数、成果授奖数和发表论文的平均引用频次作为期望产出指标。其中，专利包含发明专利、实用新型专利和外观设计专利3种类型，虽然3种类型专利的价值不对等，但是它们都能在不同程度上反映知识产出的水平。因此，本研究参考相关文献，采用专利申请数作为产出指标之一，衡量高校科技创新的能力和规模。考虑到创新从投入到产出存在时滞性，本研究采用发表学术论文数、专利申请数、成果授奖数投入指标滞后1年的数据。另外，本研究在考虑产出数量的同时，利用发表论文的平均引用频次作为反映产出质量的指标。同时，考虑到论文引用率的高峰一般出现在其发表后的2~4年，故本研究采用2年一组的统计方式（例如将2020年和2021年的数据合计为一组用来计算2020年发表论文的平均引用频次）。

本研究选取论文未被引用比率和专利失效比率作为非期望产出指标。论文引用率揭示了某科研领域其他科研工作者引用相关机构科研成果的程度，能在一定程度上反映论文的质量。本研究的论文引用率是指各高校所有发表论文中被引用论文的占比，故论文未被引用比率=1-论文引用率。本研究采用校级数据并以2年一组的统计方式反映各高校论文未被引用的整体情况。专利失效比率是失效专利数量与专利申请数量的比值。专利失效说明专利本身可能存在创新价值不够、申请人对专利保护意识不强等问题，因此，专利失效比率指标可以在一定程度上衡量技术成熟程度和专利质量。具体指标说明如表1所示。

表1  指标选取与说明

（二）SML指数方法

本研究之所以采用SML指数方法构建考虑非期望产出的高校科技创新效率测度模型主要基于以下三点考虑。第一，以往高校科技创新效率评价的相关研究通常采用Malmquist指数方法，非期望产出并未被考虑在内，所以不适用于评价考虑非期望产出的高校科技创新效率。第二，随着效率评价方法的不断发展，Malmquist-Luenberger指数法虽然将非期望产出纳入指标体系，但其会忽略技术前沿统一问题且求解时可能产生“技术倒退”现象，因此也不适用于评价高校科技创新效率。第三，欧东铉（Oh Dong-hyun）等提出的SML指数方法通过构建生产前沿面，不仅包含当期的观测值，还包含前期所有的观测值，能够有效避免出现“技术倒退”问题，评价结果更为科学合理。

为此，本研究根据SML指数方法将各高校所有考查时期作为基准构建生产前沿面。本研究假设各高校使用N种投入x=(x1,x2,…,xN)∈RN+，得到M种期望产出y=(y1,y2,…,yM)∈RM+和I种非期望产出b=(b1,b2,…,bI)∈RI+。同时，t为时期，t=1,2，…，T；k代表各高校，k=1,2，…，K；yt(M×K)表示期望产出矩阵；xt(N×K)表示投入矩阵；bt(I×K)表示非期望产出矩阵；λt(I×K)表示各变量的权重矩阵。本研究构建包含非期望产出的生产可能集Pt(Xt)如下：

其中，SML指数方法的方向距离函数定义为：

高校k从t到t+1期的SML指数表示为：

SML>1，表示高校科技创新效率提升；SML<1，表示高校科技创新效率下降；SML=1，表示高校科技创新效率保持不变。SML指数可进一步分解为技术变化效应（Technology Change Effect）和效率变化效应(Efficiency Change Effect)两个部分，这里分别用TC和EC表示，具体如公式（4）—（6）所示：

在公式（5）中，TC衡量高校k在生产前沿面从t到t+1期的技术变化。TC>1，表示技术进步，即技术改变使得期望产出增多，同时非期望产出减少；TC=1，表示技术不变。在公式（6）中，EC表示高校k在生产前沿面从t到t+1期资源配置效率的变化。EC>1，表示高校资源配置效率水平提升；EC<1，表示高校资源配置效率下降；EC=1，表示高校资源配置效率不变。

三

高校科技创新效率测算结果

（一）非期望产出对高校

科技创新效率的影响

为了研判考虑非期望产出对“双一流”建设高校科技创新效率的影响，本研究在考虑非期望产出与不考虑非期望产出两种条件下，分别利用SML指数与SM指数方法对67所“双一流”建设高校的科技创新效率进行测算和比较分析，结果如图1所示。

图1  SML指数与SM指数效率值比较

由图1可知，在样本期间内，SM指数法比SML指数法测算出的高校科技创新效率年平均值高7.25个百分点。为了避免极值影响，本研究将极大值和极小值去掉后发现，SM值仍然比SML值高6.37个百分点，这说明非期望产出的确会影响高校的科技创新效率，忽视非期望产出确实会高估高校的科技创新效率。这与欧东铉对经济合作与发展组织中26个国家1990—2003年的环境敏感性生产率调查结果相似，虽然研究对象和方法有所不同，但都揭示了考虑非期望产出的效率水平会低于不考虑非期望产出的效率水平的机理。此外，本研究通过比较SM指数和SML指数测算出的效率值发现，SM值总是比SML值大，说明在样本期间内非期望产出的影响一直存在，且没有得到明显改善。这也证明了本研究采用考虑非期望产出的效率评价模型进行分析更加准确，也更加符合实际情况。

（二）高校科技创新效率的总体特征

本研究根据公式（3）和（4）计算得出样本期间内67所“双一流”建设高校科技创新效率的SML指数及其分解值。同时，为了更好地探究高校间科技创新效率的差异，本研究进一步对世界一流大学建设高校和一流学科建设高校的SML指数及其分解值进行比较分析，具体结果如表2所示。

表2  “双一流”建设高校科技创新效率及分解值

由表2可知，在样本期间内，考虑了非期望产出的“双一流”建设高校的科技创新效率整体上有所提升。具体而言，“双一流”建设高校科技创新效率的SML、TC和EC指数平均值分别为1.0131、1.0063和1.0131，均大于1。这表明在此期间“双一流”建设高校科技创新效率平均增长了1.31%，其中，技术变化效应和效率变化效应分别平均增长了0.63%和1.31%。这可能是由于科技创新效率提升的“双一流”建设高校有46所，占样本高校的68.66%，且科技创新效率高于平均值的高校有34所，占样本高校的50.75%，这同样也说明“双一流”建设高校整体上科技创新能力较强。此外，一流学科建设高校的科技创新效率及其分解值均高于一流大学建设高校，这说明一流学科建设高校的科技创新效率并不比一流大学建设高校逊色。

（三）非期望产出影响下

不同类型高校的科技创新效率

由于不同类型高校在科技创新知识获取、创造、传播与使用的协同机制等方面存在差别，因此我们有必要对不同类型高校的科技创新效率进行比较，以进一步揭示其科技创新效率存在的差异。具体而言，为了比较不同类型高校科技创新效率的差异，本研究将67所“双一流”建设高校划分为综合类、理工类、农林类、师范类和医药类5类，不同类型高校的SML指数及其分解值如表3所示。从SML指数及其分解项的平均值来看，医药类高校均为最高，其次是师范类高校，而农林类高校相对较低。这表明在考虑非期望产出的影响下，医药类高校科技创新效率较高，技术进步较大，资源配置效率水平也较高，而农林类高校的科技创新效率相对较低，技术创新能力和资源配置效率水平也相对较低。此外，从非期望产出原始数据来看，在样本期间内，医药类高校非期望产出相对较小，其平均论文未被引用比率和专利失效比率分别为12.99%和46.52%，而农林类高校非期望产出相对较大，其平均论文未被引用比率和专利失效比率分别为14.36%和60.18%。

表3  不同类型高校科技创新效率及分解值

（四）非期望产出影响下

高校科技创新效率的地区差异

考虑到我国幅员辽阔，各地区对高校发展的支持力度并不均衡，故本研究分析了不同地区“双一流”建设高校科技创新效率及其分解值的差异，结果如表4所示。

表4  高校科技创新效率及分解值的地区差异

一方面，“双一流”建设高校科技创新效率具有地区异质性。由表4可知，67所“双一流”建设高校的科技创新效率整体上呈现东高中低的分布特征。其中，一流大学建设高校的科技创新效率水平由高到低依次为西东中，一流学科建设高校的科技创新效率水平由高到低依次为东中西。东部地区“双一流”建设高校科技创新效率总体较高，其次是西部和中部地区，这与已有相关研究结果相似。此外，相比于东部地区，西部地区一流大学建设高校虽然在教育资源投入方面相对不足，但其科技创新效率却高于东部地区。

另一方面，不同地区“双一流”建设高校科技创新效率增长的动力不同。从表4可知，东部地区“双一流”建设高校的TC指数高于总体平均水平0.07个百分点，而EC指数低于总体平均水平0.20个百分点，这说明技术进步是东部地区高校科技创新效率提升的主要动力。中部地区高校的TC指数低于总体平均水平0.08个百分点，而EC指数高于总体平均水平0.02个百分点，这说明资源配置效率水平的提升促进了中部地区高校科技创新效率的提高。西部地区高校的TC指数低于总体平均水平0.04个百分点，而EC指数高于总体平均水平0.23个百分点，这说明资源配置效率水平的提升是西部地区高校科技创新效率提升的主要动力。

研究结论与相关建议

四

（一）研究结论

第一，不考虑非期望产出会高估“双一流”建设高校的科技创新效率。在样本期间内，未考虑非期望产出的SM指数法比考虑非期望产出的SML指数法测算出的高校科技创新效率年平均值高7.25个百分点。可见，评价高校科技创新效率应基于系统化、全局性视角，在关注科技创新期望产出的同时，也要重视非期望产出，不能有所偏废。将非期望产出纳入评价体系可以使高校科技创新产出指标具有内部质量控制功能，评价结果也响应了《“双一流”建设成效评价办法（试行）》提出的“科学研究评价要突出成果的创新质量和贡献”的要求。同时，教育主管部门在评价高校科技创新绩效时，不仅需要考查期望产出的增量，也需要关注非期望产出。由于非期望产出与高校教育资源配置效率存在直接关系，因此，在“双一流”建设成效评价中，相关部门不仅要注重考查高校建设目标的达成度，也要考查高校资源配置的有效性，衡量“双一流”建设高校资源配置效率的改进潜力和优化路径，以评价其可持续发展能力。

第二，在考虑非期望产出情况下，一流学科建设高校科技创新效率并不比一流大学建设高校逊色。在样本期间内，考虑了非期望产出的“双一流”建设高校科技创新效率整体上有所提升，平均提高1.31%，其中，技术和资源配置效率水平平均分别提高了0.63%和1.31%。一流学科建设高校的科技创新效率及其分解值均高于一流大学建设高校，这说明一流学科建设高校科技创新效率高于一流大学建设高校。主要原因可能在于，一流大学建设高校一般会将资源集中于部分优势学科，忽视了不同学科间的相互支撑和协同发展，内部科技创新资源配置不一定合理，导致其科技创新效率低于一流学科建设高校。而一流学科建设高校在着力打造学科高峰的同时，往往也注重构建一流学科牵引带动相关学科协同发展的学科体系，从而增加了科技创新成果产出。例如河海大学聚焦水利工程、环境科学与工程等一流学科，加强多学科协同联动，并由学校顶层统筹设计、规划，成立了学科建设领导小组和工作组，构建了以一流学科为龙头，省级优势学科和重点学科为核心，校级重点建设学科为依托的三级阶梯式建设体系，辐射带动学科建设整体水平的提高。

第三，非期望产出影响下不同类型“双一流”建设高校的科技创新效率存在较大差异。在样本期间内，医药类高校的科技创新效率高于其他类型高校，科技创新效率值为1.0650，其次是师范类高校，科技创新效率值为1.0228，而农林类高校的科技创新效率相对较低，科技创新效率值为0.9885。这可能是由以下两个方面原因造成的。一方面，受非期望产出原始数据影响，在样本期间内，医药类高校非期望产出较少，而农林类高校非期望产出较多。另一方面，虽然医药类和农林类高校都是单科性大学，但是相比而言医药类高校科技创新成果商业化的可能性更大，而且医药类高校在服务国家和产业需求的同时，相关行业或企业也有很多横向科研项目支持其发展，这有助于优化医药类高校科技创新资源的配置，实现产学研的紧密结合。农林类高校与其他类型高校相比，在生源、师资、经费等资源竞争中处于劣势，而且部分农林类高校的科研成果与行业或产业需求脱离，科研工作者下不去一线的情况普遍存在。另外，农业相较于其他产业并不具备经济优势，这不仅影响了农林类高校的生源质量，也让农业产业经济暂时无力反哺农林类高校。

第四，“双一流”建设高校科技创新效率整体上呈现东高中低的分布特征。长期以来中西部地区教育经费投入不足，优质高等教育资源相对较少，人才流失比较严重等问题一直存在，这可能会导致其“双一流”建设高校科技创新效率总体上低于东部地区。但具体来看，西部地区世界一流大学建设高校的科技创新效率却优于东部地区。这可能是受益于西部大开发等战略的实施，西部地区世界一流大学建设高校的科技创新资源投入增加，加上其对资源的高效利用，科技创新效率得到了有效提升。

第五，不同地区“双一流”建设高校科技创新效率增长动力不同，东部地区高校科技创新效率增长的主要动力是技术进步，而中西部地区是资源配置效率水平的提升。这种差异说明“双一流”建设高校科技创新效率与其所在地区经济发展水平密切关联。东部地区经济发展水平较高，“双一流”建设高校的科研资金较为充裕，对人才的吸引力较大，而且东部地区高新技术产业的聚集使得产学合作联系紧密，这些都为东部地区“双一流”建设高校技术进步提供了优越条件。中西部地区经济发展水平相对较低，科技创新条件并不完善，“双一流”建设高校通过不断完善内部管理机制，优化科技创新资源配置，从而促进了资源配置效率水平的提升。例如地处西部的重庆大学通过改革科研创新机制，创建了“1+5”新型科研组织体系，构建了以政府为引导、以市场为导向、以企业为主体的政产学研相结合的成果转化体系；同时制定了高水平学术成果奖励办法，完善了校院两级科研评价考核制度和科研服务保障体系，构建了符合科研发展规律的管理制度和激励机制，有效提升了高校的科技创新效率。

（二）相关建议

首先是优化学科资源配置格局，加强协同创新。“双一流”建设高校在强化一流和特色学科建设的同时也要注重以此带动、辐射其他学科，彼此相互支撑、交叉融合、协同发展，深入推进学科建设战略谋划，实现以若干一流学科为支撑，深化学科建设内涵式发展。同时，“双一流”建设高校要坚持以学科建设为基础，优化学科资源配置格局，统筹好各学科资源的存量升级、增量优化、余量消减工作，避免高校学科建设出现求全和趋同的现象。此外，不同类型的“双一流”建设高校要积极进行学术交流合作，联合培养优秀的科技创新人才，推进高校科技创新资源共建共享。

其次是关注高校非期望产出，考查成果质量和社会贡献。评价“双一流”建设高校科技创新效率不仅要关注期望产出，也应关注非期望产出。换言之，高校在实现科技创新期望产出最大化的同时，应尽量减少非期望产出，正确处理数量、质量和投入产出比的关系。具体而言，高校要鼓励师生产出高质量成果，并根据不同学科、不同领域进行分类评价。同时，相关部门应注重高质量专利的创造、运用和管理，突出转化应用导向，强调科研成果转化应用、技术转移推广、科学普及等科技创新产出在评价中的作用，倒逼高校提高科技创新产出质量。

最后是提升高校服务区域经济社会发展能力，促进各地区协调发展。相关部门要以服务区域经济社会发展和产业发展需求为导向，推动高校科技创新发展战略主动对接区域经济社会发展，争取被纳入区域经济社会发展规划全局，实现高校科技创新与区域经济融合发展。此外，由于我国经济社会发展的区域性差异，在“双一流”建设过程中，教育主管部门应该注重建立点线面结合的东中西部地区高校全国性对口支援对接平台，实现优势互补、协同创新。

五

结语

考虑到数据的可获得性，本研究引入论文未被引用比率和专利失效比率作为非期望产出指标，用于评价“双一流”建设高校的科技创新效率。未来随着高校教学科研微观数据可获得性的不断增强，我们还可以进一步拓展高校非期望产出指标的内涵，不断提升高校科技创新效率评价的科学性，推动国家在“双一流”建设成效评价方案实施过程中考虑非期望产出，充分发挥“双一流”建设政策对高等教育内涵式发展的促进作用。此外，在今后的研究中，我们还可以将研究对象扩展到其他类型的高校，通过获取详细数据和资料，开展更加深入的分析和比较研究，进一步验证本研究结论的可靠性和普适性。

分享、点赞和关注