更全的杂志信息网

上海高校科研创新效率与影响因素实证研究——基于DEA-Tobit模型

更新时间:2009-03-28

1 研究背景及文献综述

1996年,THE KNOWLEDGE-BASED ECONOMY报告中首次提出“知识经济时代”的来临,强调高校的科研创新效率将直接影响着国家科学研究水平特别是基础研究的水平,高校不仅是国家和区域科学创新系统的重要组成,还是国家和区域科技与经济发展的重要决定力量。高校凭借知识生产与转移、科学研究、知识基础设施建设和人力资源培养等创新优势,日益成为推动区域科技创新水平的重要动力[1]。根据Etzkowitz的“三螺旋”理论,随着知识取代自然资源和资本成为生产力的第一要素,高校逐渐成为“三螺旋”式区域创新存在的前提和基础[2]。结合硅谷、波士顿、慕尼黑等全球科技创新型城市的特点,可以看出世界高水平大学与区域融合正日益深化,大学不仅成为知识创新的策源地,并通过加速科技创新成果的转化,不断孵化出区域经济增长的“新引擎”,特别是借助高校周边高技术产业集群的创建来提升区域创新、创业水平和全球影响力。近年来,作为长三角区域经济发展龙头的上海为加快创新驱动发展,于2015年出台了《关于加快建设具有全球影响力的科技创新中心的意见》,要求上海要在国际经济中心、国际金融中心、国际贸易中心和国际航运中心这“四个中心”基础上向“科创中心”迈进,这势必要求上海进入国际前沿知识库,并在全球范围内进行知识创新资源的配置。因此,高校所具有的“知识管道”(knowledge pipeline)的功能[3-4]将有效地帮助上海连接全球知识创新网络,获取先进科学与技术知识。这也将要求发挥上海高校科研资源集聚优势,进一步激励高校科研创新,使其成为上海知识创新的交互平台和空间载体。为此,上海相继制定并实施了《上海市深化高校改革建设高水平地方高校试点方案》等政策,从制度、资金、人才多方面加大对高校科研创新的支持配套,以期推动上海高校在“科创中心”建设中发挥更大作用。由此可见,在上海区域发展模式转变的背景下,对高校科研创新效率及其影响因素的研究十分重要。

结合相关文献发现,尽管已有经典研究已经明确人力资本与物质资本对科研创新的产出和效率的提升具有重要意义[5-6],但科研创新是一个极其复杂的动态演进过程,即使是在发达国家也会出现“研发悖论”(R&D Paradox)的现象,即较高水平的研发投入并没有带来预期下的产出与增长[7-9]。这里除了可以从经济学的经典定律“边际收益递减”得到较好的解释以外,还可以从区域创新体系或创新主体的运行不畅,这一个体的实际情况进行研判 [10],即不同的区域发展阶段以及经济结构、制度、政策、技术水平等变化都会对区域内的科研创新主体产生差异性影响。如:产业集聚程度与区位因素会造成欧洲11个地区的科技创新产出弹性存在显著差异 [11];通过美国与瑞典的对比发现,国家对高校的财政政策会影响高校科研创新的发展[12];大学的创业精神,以及由大学衍生出的创业型企业与其产生“校企”合作都会对区域高校的科研创新造成重要影响[6,13-14];还有在全球知识交流、扩散加速的大背景下,传统的以人力、物力知识生产投入变量对产出的影响力在减弱,即将知识生产的主要限定在人员与研发资金的投入上会过高地估计区域知识存量对创新产出的影响[15]。可见,就区域而言,高校的科研创新产出与效率水平提升有其自身规律,以人力资本和物质资本为代表的要素投入是效率持续提升的必要非充分条件;同时,各要素的动态组合与协同配套也将对效率产生着深远地影响。因此,如何确保相关要素投入的科学性、有效性,发挥其最大的经济效用,值得不断地深入研究。研究认为,对现阶段上海高校科研创新效率以及影响因素的研究,不仅能有助于教育管理部门认清现状,同时对“新常态”下中国区域经济转型发展具有重要启示和借鉴作用。

就相关研究方法而言,当前,DEA模型被广泛用于区域经济、生态保护、产业发展、高校科研等方面的投入产出效率的量化研究[16-20]。进一步梳理文献发现[21-23],已有的相关研究存在有待商榷之处:一是对模型应用缺乏经济理论的支撑。早期学者较多基于C2R模型开展投入产出的效率评价,但由于C2R模型的前提假设为规模报酬不变,导致此研究方法存在一定的局限性。一方面,实际生产中的分工合作、知识外溢、“干中学”等外部效应可能会导致规模报酬递增;另一方面,在要素投入增长的情况下,可能会由于人力资本、经验积累、管理水平等“内生能力”相对不足而导致短期的产出低效,进而导致规模报酬递减。二是指标数据的选用缺乏科学性。投入或产出变量多以主观经验和偏好来选择指标,易导致指标选用过多,且存在投入或产出指标之间存有相关性强或内生性问题,进而影响DEA测度的准确性;有的文献未遵循Charnes[24]决策单元(DMU)数必须是输入和输出变量数目之和的两倍以上的经验要求,进而降低了DEA的区别能力。三是重效率评价,轻影响因素研究。现有研究较多对投入产出的效率做现状评价,局限于找出相对有效的决策单元(DMU)或者有效生产前沿面,对影响效率原因的深度分析相对较少,导致研究结论缺乏实践指导意义。四是相关研究较多使用截面数据,导致研究结论缺乏稳定性和代表性,较多研究只反映出某一年的科研创新效率,缺少从动态的视角来揭示出高校科研投入产出效率的演化规律,因此研究结论的说服性不强。

一般认为,学习风格是学习者在学习中表现出来的一种整体性的、持久的、并具有个性化的认知方式和处理信息的方式[10],它是一个连续体,比较中性,并无好坏之分。外语专家们认为,只要在面对不同学习任务的时候,学习者能恰当地调整自己的风格,要做到这一点,就需要拓展学习者的学习风格。将思维导图引入课堂,是达到此目的的最佳策略,原因主要有三点。

基于上述考虑,本研究认为高校科研创新的投入产出是一个动态调整的演化过程,应在规模报酬可变的假设前提下开展研究。同时,DEA-Tobit模型优点是能够在效率评价的基础上进行影响因素的深入研究,即解释外部环境与随机误差对效率的影响,使测算值更能精确地反映DMU的内部管理水平。因此,本研究应用DEA-Tobit两步法的BC2模型对上海高校科研创新投入产出绩效进行测算,将投入产出效率分解为综合技术效率、纯技术效率、规模效率,再利用Tobit模型找出影响高校科研创新投入产出绩效的环境因素,以期为上海“科创中心”和“高水平大学”的建设提供可靠依据。

光程倍增光纤陀螺的偏振误差,可分为振幅型和强度型.本文主要考虑偏振环行器的插入带来的偏振误差.由于偏振合束器由晶体、转置器和尾纤组成,所以可将晶体与转置器以及转置器与尾纤之间的耦合点视为一个耦合点,在图1中用点A、B、C、D、E、F来表示;a、b、c、d、e、f分别为对应转置器的耦合尾纤中的串扰点.设经Y波导后输入偏振环行器的顺(CW)、逆(CCW)时针光束与分别沿平行偏振轴与垂直偏振轴方向传输,考虑到实验所用的Y波导消光比ε达50 dB以上,所以本文仅考虑波列.光路中耦合点的功率串扰系数统一表示为ρ,偏振环行器损耗幅值系数与线圈损耗功率系数分别为α、γ.

2 研究方法及数据说明

2.1 DEA-Tobit模型

为克服一阶段DEA模型无法衡量影响绩效因素,以及无法剔除环境影响因素和随机误差的缺点,Coelli等[25]在DEA分析的基础上建立了一种两步法(Two-stage Method)。即第一步采用DEA进行决策单元的效率评价,第二步以上一步中的效率值为因变量,以影响因素为自变量建立模型,采用Tobit回归模型。

2.1.1 第一步: 传统的DEA模型

eastern slope of Western Sichuan depression BU Tao(97)

其次,从高校类型看。对各高校每年的综合技术效率进行对比分析发现,长期低于平均综合技术效率的高校主要集中在上海海洋大学、上海海事大学、上海工程技术大学、上海应用技术大学、上海中医药大学等上海市属高校中3),其既非技术有效也非规模有效,表明可能存在投入冗余,但上述高校均处于规模报酬递增状态表明,要素投入的不足限制了科研创新产出量和效率的提升,这可能与上海市近年来“重”上海大学、“轻”其他市属高校的政策导向有关4),进而产生了由于高等教育资源配置不均衡而导致的较多市属高校科研创新要素投入不足的问题,理论上认为在适当增加投入量后各决策单元可能获得更大比例的产出回报。结合技术效率和规模效率数据,在上海市属高校中,处于 “由低走高”的上海理工大学,其近两年来综合技术效率显著提升主要归因于规模效率的提升。从教育部直属高校看3),除华东师范大学以外,其综合技术效率水平普遍较高,这与华东师范大学较强的师范院校的办学特色具有一定关系。尽管上海市属高校数量较多,但除了上海第二工业大学和上海电力大学分别于2012年、2016年短暂处于技术效率有效外,总体基本处于技术和规模非有效的“单调”状态,而整体数量相对较少的教育部属高校则在相关技术效率的类型上却表现更为强劲。

 

其中,i=1,2,…,n;j=1,2,…,m;r=1,2,…,s;n为决策单元的个数,ms分别为输入和输出变量数,xij(j=1,2,…,m)为DMUi的第j个投入要素,yir(r=1,2,…,s) 为DMUi的第s个产出要素,θDMU的有效值。当θ=1时,则DMU为弱DEA有效,DMU的经济活动非技术效率和规模效率同时最佳;当θ=1,且s+=s-=0时,则DMUDEA有效,DMU的经济活动同时为技术效率和规模效率最佳;当θ<1时,为非DEA有效,DMU的经济活动技术效率和规模效率均非最佳。由BC2模型计算出的决策单元有效值θ称为技术效率值(TE),还可以进一步分解成纯技术效率(PTE)与规模效率(SE)的乘积,即TE=PTE X SE。其中,技术效率指实现投入既定下产出最大或者产出既定下投入最小的能力;规模效率指与规模有效点相比规模经济性的发挥程度;纯技术效率指剔除规模因素后的效率。

假设5:时间虚拟变量对上海高校科研创新具有显著的正向影响。

由于第二步中的因变量(各DMU的效率值)介于0和1之间,而采用传统OLS模型会给参数估计带来严重的有偏和不一致,因此采用因变量受限模型(limited dependent variable)中的Tobit模型进行回归[27]。标准Tobit模型如下:

 

(2)

为潜变量(latent dependent variable),Yi为观察到的因变量,Xi为自变量向量,δ为相关系数向量,εi为干扰项(独立且εiN(0,σ)),因此

其实初等数学不意味着简单,高等数学也不意味着困难,如果代数、几何、集合学不好,那么对高数的理解就会缺乏。高职院校普遍存在的观点是高职学生数学能力较差,微积分较难,和实际相距较远,学来未必有用,结合数学无用论的观点,还有很多学生不知道学微积分干什么用,为了应付考试就死记硬背题型,认识不到高等数学对专业发展的意义。

2.2 数据说明

由于科研创新过程中的复杂性和不确定性造成对投入和产出难以度量。根据经典的Griliches-Jaffe知识生产函数模型,将科研创新视为知识生产过程物质资本与人力资本的产物[3-4],故选取上海市普通高校理工农医类大学本科以上的科技活动人员和R&D经费支出(万元)为投入变量1)。国际上通常用专利来衡量地区或国家的科技创新能力,但由于我国高校科研创新较多基于政府资助缺少市场的筛选机制,产生并沉淀了大量处于“休眠”的专利,导致了专利高产出率背后的低转化率问题严重 [28]。因此,本研究采用具有较高质量的上海市普通高校理工农医类的发明专利授权数和国外三大检索系统(SCI、EI和ISTP)收录的科技论文数量来衡量高校科研创新产出。结合数据的可获性、连续性与代表性,本投入产出数据来自上海市教委2012—2016年《上海市普通高等学校科技统计年报表》。

 

1 2014—2015年上海高校理工农医类科研创新投入与产出变量的Pearson相关系数

  

年份产出项投入项科技人员R&D经费2012发明专利授权数0901∗∗∗(0000)0708∗∗∗(0002)国际科技论文数0954∗∗∗(0000)0839∗∗∗(0000)2013发明专利授权数0878∗∗∗(0000)0752∗∗∗(0001)国际科技论文数0956∗∗∗(0000)0878∗∗∗(0001)2014发明专利授权数0897∗∗∗(0000)0761∗∗∗(0000)国际科技论文数0961∗∗∗(0000)0898∗∗∗(0000)

 

表1(续)

  

年份产出项投入项科技人员R&D经费2015发明专利授权数0897∗∗∗(0000)0897∗∗∗(0000)国际科技论文数0967∗∗∗(0000)0982∗∗∗(0000)2016发明专利授权数0928∗∗∗(0000)0848∗∗∗(0000)国际科技论文数0963∗∗∗(0000)0906∗∗∗(0000)

注:***表示在1%显著性水平上显著;括号内数值为检验的P值

就投入与产出而言,但从短期看,科研创新自要素投入开始、涉及分析、测试、产出以及最终科技成果申报及认定等环节,存在时间滞后性,一般假设该延迟时间为1年;但从长期看,科研创新产出与要素投入之间构成了稳定的均衡关系 [29],科研工作自身也具有较强的持续性,故本文在利用连续5年的研究数据时不采用时候滞后效应。

用DEA方法时,各投入与产出要素之间必须符合“同向性”假设。即投入量增加时,产出量不得减少,常采用Pearson相关性检验方法来进行检测。如表1所示,不同时期内的各投入与产出要素均呈现出较强的正相关,并均通过1%显著性水平下的双尾检验,可见各投入产出变量符合模型所要求的“同向性”原则。

3 实证结果分析

选用Coelli小组开发的专用软件DEAP2.1,采用投入导向(Input-Oriented)对上海市2012—2016年,17家高校科研创新效率和规模报酬进行分析,结果见表2。

 

2 2014—2015年上海高校科研创新综合技术效率纯技术效率和规模效率值

  

高校名称2012年2013年2014年TEPTESETEPTESETEPTESE复旦大学100010001000-100010001000-100010001000-上海交通大学100010001000-093910000939drs100010001000-同济大学068106820999irs070207080992drs079307980993drs华东师范大学065508160803irs061007580805irs060807190845irs华东理工大学085709280924irs091709360979drs081608430967irs东华大学100010001000-100010001000-100010001000-上海大学067906920981drs076208350913drs089909100988drs上海第二工业大学100010001000-010210000102irs063310000633irs

 

表2(续)

  

高校名称2012年2013年2014年TEPTESETEPTESETEPTESE上海海洋大学030306040502irs044806480691irs026006140422irs上海电机学院035610000356irs043710000437irs042110000421irs上海海事大学018404210436irs013104340302irs014404320333irs上海电力大学066108360791irs100010001000-065608790746irs上海工程技术大学045406320719irs028605970479irs033806010562irs上海师范大学066206650995drs084808530994drs092509870937irs上海理工大学033005180636irs039905360744irs037405450686irs上海应用技术大学027006280430irs028806110471irs022805780394irs上海中医药大学012305440227irs017706000295irs031706280505irsMean060107630753059107950714061207960731高校名称2015年2016年TEPTESETEPTESE复旦大学100010001000-100010001000-上海交通大学100010001000-100010001000-同济大学092909420987irs088509040979irs华东师范大学069808150857irs060908130749irs华东理工大学098010000980drs098609980988irs东华大学100010001000-100010001000-上海大学080209430851drs077808720892drs上海第二工业大学053510000535irs088010000880irs上海海洋大学033205980555irs047606590723irs上海电机学院029610000296irs076310000763irs上海海事大学018004540397irs028605180552irs上海电力大学097910000979irs100010001000-上海工程技术大学059706980855irs039607030563irs上海师范大学049605110971irs037904770795irs上海理工大学070107380951irs053606310849irs上海应用技术大学028005890475irs041206950592irs上海中医药大学026706370420irs028206320447irsMean065108190771068608180810

注:1)TE、PTE和SE分别代表第一阶段的综合技术效率、纯技术效率和规模效率,TE=PTE×SE;2)irs为规模报酬递增,drs为规模报酬递减,-为规模报酬不变。

从时间维度看,2012—2016年内,上海17家高校平均综合技术效率(TE)总体呈现出先降低、后持续增强的趋势,并在2013年快速走出了短暂的“低谷”;期间,平均纯技术效率(PTE)不断提升,而平均规模效率(SE)在2013年显著减弱后快速提升,可知上海高校平均综合技术效率的变化趋势主要收到了平均规模效率的影响。2012—2015年,每年均约有3家高校处于技术效率最佳和规模最佳的最优状态,2016年有4家高校处于最优状态,可见尽管上海市高校科研创新总体水平稳中有升,但处于最优状态的高校数量较少,主要集中在复旦大学、上海交通大学和东华大学这3家高校,其余绝大多数高校仍长期处于规模报酬递增阶段,反映未来可以通过加大要素的投入来扩大产出。

从高校个体维度看,2012—2016年复旦大学和东华大学一直处于技术有效和规模有效的最佳状态;其次是上海交通大学,除2013年处于科研投入要素的规模报酬递减阶段以外,其余各年均处于综合技术最优阶段,由其2013年是纯技术有效而非规模有效可见,其理论意义是按现有产出规模,其投入不可能再减少了。因此,可以看成复旦大学、东华大学和上海交通大学共同构成了上海高校科研创新的效率前沿面,即在现有技术水平下,除非部分或全部增加要素投入量,或者减少某种产出量,否则无法再增加其产出量。值得注意的是,从规模收益看,只有上海大学科研创新一直处于规模收益递减阶段,说明其要素的投入增速显著快于其技术水平的增速,产生了显著的冗余投入,即针对上海大学的要素投入量已经超过了与其技术水平相适应的最优规模的阈值,这也与近年来上海市大力支持并给予上海大学较多的资源投入有直接关系2)。可见外延式的规模扩张并不必然导致高校科研创新水平的持续提升,其增加的科研创新资源投入未能被有效“消化、吸收”并转化为科研创新产出,因此盲目追求投入增加导致了效率低下。此外,上海大学综合技术效率水平波动较大,年均波动幅度为11%,而上海高校总体综合技术效率年平均波动幅度只有4.2%,反映出在急剧扩张发展的背景下,上海大学科研创新系统内在的非稳定状态。

著名运筹学家Charnes等[24]首次建立DEA方法,旨在评价“多投入多产出”模式下的DMU的相对有效性,即通过一系列决策来来判断各个单元投入/产出的合理性、有效性。其非参数效率评价方法不需要人为地设定具体的函数形式以及指标赋权,效率与其他评价方法相比客观性较强。此后,由DEA的基本模型C2R发展出了BC2、C2GS2、C2W、C2WH等多种形式,其中,BC2模型常用来处理“规模报酬可变(VRS)”假设下的DMU有效性问题[26]。当产出不变时,每个决策单元最小化投入导向下对偶形式的BC2模型表示如下:

进一步,从整体效率上看,经过t检验可见(见表3),2012—2016年上海教育部直属高校的综合技术效率在0.01水平上显著高于上海市属高校,教育部直属高校纯技术效率基本在0.05水平上,显著高于上海市属高校。上述反映出上海市属高校科研创新技术效率与教育部直属高校存在显著的差距,其产生原因将在后文中继续讨论。

 

3 教育部直属高校和上海市属高校科研创新技术效率值检验

  

单位2012年2013年2014年2015年2016年综合技术效率纯技术效率综合技术效率纯技术效率综合技术效率纯技术效率综合技术效率纯技术效率综合技术效率纯技术效率教育部直属高校均值0866(0067)0904(0053)0866(0067)0904(0053)087(0065)0893(0050)0935(0049)096(0030)0913(0064)0953(0032)上海市属高校均值0457(0080)0685(0057)0457(0080)0685(0057)0472(0081)0743(0064)0497(0077)0743(0063)0563(0075)0744(0058)t值3422∗∗∗2527∗∗3422∗∗∗2527∗∗3304∗∗∗1579∗3943∗∗∗2438∗∗3096∗∗∗2504∗∗

注:1)P值仅为部属高校大于市属高校情况下的概率;2)括号内为标准误值;3)***、**、*分别表示在1%、5%和10%水平上显著

4 影响因素分析

由于我国高校以政府主导的“公办”体制为主,在市场经济和全球化的冲击下,机制体制以及上级财政主导的资源配置可能成为高校科研创新的重要影响。尽管基于知识生产函数的一阶段DEA对各决策单元进行了效率测算,但DEA也不能测度各投入变量的贡献度,且忽略了制度设计、组织结构、人力资源差异、对外联系度等外生性因素可能对高校科研创新产生的影响,因此采用Tobit模型并结合DEA估算的技术效率进行因变量的受限回归,对可能存在的影响因素进一步分析。影响因素应选取对高校科研创新绩效产生影响,但不在样本主观可控范围内的因素。

(1)人力资本(hr)。知识生产不仅仅是将显性的原理、规律等知识进行编码、汇总,更重要的是将各种隐性、默会的经验、技术与能力等知识进行识别、提取和编译 [30]。根据OECD的The Knowledge-Based Economy报告指出,在知识经济时代,默会知识获取更为重要,即要重视“know-how”和“know-who”,反映出知识生产、知识传递到知识转换的过程具有较强的豁然性(contingency)[31]。由此可见,与常见的规模化的劳动生产具有显著差异的是,高校科研创新活动更加依赖人力资本的知识生产能力。本研究采用“大学本科以上的科技活动人员数(人)” 来衡量高校科研创新的人力资本水平。

假设1:科技活动人员数对上海高校科研创新效率具有显著的促进效应。

医院医疗设备管理系统是一个集医院设备的申请、采购〔10〕、出入库、维修、维护、固定资产管理、计量检测、设备运行效益分析等全流程管理功能于一体的信息化管理系统。真正做到减轻医学工程科工作人员繁琐的设备管理工作,提高工作效率。

(2)物质资本(capital)。高校,特别是理工农医类专业的科研创新活动离不开互联网、实验室等知识基础设施的支撑,因此,充裕的科研经费可以帮助高校科研工作者购买先进的科研设备,更好地保障、激励其科研活动的开展,所以一般可认为,科研经费投入与产出成正比。但任何资源的投入都应遵循其边际效益,存在最优规模的阈值,即当投入过多或者由于资源配置不合理时,可能出现资源“投入多、产出少”的不经济问题,进而损害了技术效率。结合上文DEA的效率分析,预测上海高校整体可能进入物质资本投入对效率的倒“U”型影响阶段。为此,本研究采用“R&D经费支出(万元)”的二次项来衡量物质资本对高校科研创新的影响,若系数为显著负相关,则认为资本的拥挤效应发生。

假设2:物质资本投入会对上海高校科研创新效率产生拥挤效应。

(3)对外联系度(open)。首先,全球化日益深化的背景下,知识固有的流动性有助于我国高校可以通过全球知识生产网络承接知识转移,进行知识学习与知识转换,进而加速本土知识与技术创新,因此,近年来国内高校不断加大对外联系度,与国外的知识生产与创新高地进行交流合作,积极发挥外部的知识“溢出”效应,不断提升国内高校知识生产与科研创新能力。鉴于数据有限,本研究选择“境外国际学术会议交流论文数(篇)+国际学术会议特邀报告(篇)”来衡量高校对外联系交往程度。考虑到国际前沿知识从被认知到吸收、转换利用进而产生“溢出”效应是一个非常复杂的社会化过程 [32],不仅依赖于供给端的知识产品质量,还取决于需求端的学习与吸收能力[33-34]。因此,国际会议质量与参会者知识吸收能力的差异可能导致对该变量估计有偏,其有效性还将在模型检验中进一步探讨。

假设3:当参会者具有较好知识吸收能力时,对外联系度对上海高校科研创新具有积极的显著影响。

(4)R&D机构(institution)。高校通常按专业构成将科研成员配置到各院系、研究所中,由此也造成了人力资源分散和交流联系松散等问题。为此,上海高校积极通过R&D机构的设置,并以科研项目为导向,进一步优化高校人员管理制度,将分散在二级院系的科研人员集中起来,形成有利于科研创新的集聚效应、规模优势和交互学习机制,因此R&D机构也起到了科研创新“孵化器”的功能。本研究选用代表较高水准的“国家级R&D机构数”和“省部级R&D机构数”来衡量高水平科研机构对高校科研创新的“孵化”效应,考虑到部分机构可能年内没有发生科研活动,因此只将年内发生R&D经费支出的R&D机构纳入统计。

根据以上假设,构建上海市高校科研创新效率的Tobit模型为:

(5)“科技创新中心”战略实施的时间虚拟变量(cycle)。

2015年3月,上海开始制定并逐步推进“建设具有全球影响力的科技创新中心”战略5),制定了涉及政府、高校/科研机构、企业等多方科技创新主体的“一揽子”政策与行动方案。特别随后高等教育领域“建设一流大学和学科,引领技术创新和产业化发展的‘协同创新’”以及“高端人才集聚地建设”等项目的实施都进一步从人力、物力、财力以及制度层面对上海高校科研创新形成配套支持与推动效用6)。考虑到政策实施的滞后效应,我们取2015年为分界点,分别设置非“科技创新中心”建设时期(2012—2014年,为0)和“科技创新中心”建设时期(2015—2016年,为1)时间虚拟变量。

2.1.2 第二步: Tobit模型

(四)防治措施 根据发病情况和病情轻重程度,选择以下治疗方案,争取把疫病控制在初始阶段,在萌芽状态下将其消灭。抓好饲养管理,病例隔离,加强消毒。

假设4:R&D机构对上海高校科研创新具有显著的促进效应。

 

其中,Yit为上海市17所高校2012—2016年的综合技术效率值, hrit为人力资本投入,capitalit为物质资本投入,openit为衡量对外开放度的境外国际学术会议交流论文数,institutionsit为国家和省部级的R&D机构数,cycleit为时间虚拟变量,μit为随机干扰误。由于本研究从样本总体中剔除掉高职高专、大学附属医院,并按照数据完整性与可获性进行样本筛选,因此样本为特体个体,故采用固定效应Tobit模型进行回归。此外,由于教育部直属高校与上海市属高校在科研质量、人才水平、管理制度上存在一定差异,将按照教育部直属高校与上海市属高校分别进行回归分析,并将按照高校所属管理者类型的不同进行异质性比较研究。

采用Stata12.0软件进行计算,Tobit回归的计算结果见表4。回归模型通过了多重共线性检验,不存在异方差和序列相关性,具有较高的解释力(Pseudo R2 =0.74;Prob > chi2 = 0.0000)。除对外开放度外,各变量均在不同的水平显著影响着上海高校科研创新技术效率。就整体而言,在5个假设中,除对外联系度(open)以外,人力资本(hr)、物质资本(capital)、R&D机构数(institution)、时间虚拟变量(cycle)均产生了与假设一致影响,并通过显著性检验。

 

4 上海高校科研创新技术效率回归结果

  

解释变量总体教育部直属高校上海市属高校CoefStdErrtCoefStdErrtCoefStdErrtlnhrit04030∗∗∗0137229411851∗∗∗0225452604860∗∗∗01458333(lncapitalit)2-00163∗∗∗00037-442-00227∗∗∗00051-444-00211∗∗∗00036-587openit-0000200002-113-0000100001-063-0000900007-130Institutionit00330∗∗∗00054614-00109∗∗00052-2100448∗∗∗00126357cycleit00910∗0054416701950∗∗∗006273110057000527108_cons-0963306941-139-50900∗∗∗11884-428-1151407288-158LRchi2(5)654023463959Prob>chi2000000000300000

注: ******分别表示在1%、5%和10%水平上显著

就高校异质性类型而言,教育部直属高校与上海市属高校两模型中各变量的影响方向和显著性基本与上海高校总体模型保持一致,但也有小部分差异,主要表现在:一是在R&D机构数上,上海市属高校与总体样本表现的一致,即国家级和省部级R&D机构的建设能有效推进上海市属高校技术效率的提升,而对教育部直属高校却产生微弱的负面影响,这可能与其科研资源丰富,申请到较多的R&D机构,但人力资本总量有限有关,最终导致R&D机构科研创新的投入产出效率逐渐降低。二是在时间虚拟变量上可见,自2015年以来,教育部直属高校技术水平在上海“科创中心”战略建设中显著提升,而上海市属高校却没有跟上“节奏”提升好科研创新效率。

其中,需要重点关注的是,就整体而言,物质资本的二次项对科研创新效率的影响系数为 -0.0163,反映出以R&D经费为代表的科研经费的持续投入对上海高校科研创新效率产生了显著的负面影响效用。在经济基础较为发达的上海,经费投入不仅没有成为高校科研效率提升的助推器,还产生了倒“U”型的抑制效用,资本拥挤问题亟待引起重视。首先,过多科研经费投入的背后所代表的实际是科研人员所背负科研项目的申请、审批、考核等大量工作,而以上述代价所换取的科研经费可能消耗了科研人员较多的研究投入,使得科研经费与科研创新效率呈显著负相关。其次,由于上海高校众多,且不同高校的办学特色与学科科研能力具有较大差异,而上文DEA效率测算中所呈现的上海市属高校绝大多数处于规模报酬递增阶段,而上海大学却长期处于规模报酬递减的特点可见,地方政府采取了非均衡发展的高校经费分配模式对高校科研经费资源配置产生了扭曲,进而造成了投入冗余。最后,需要强调的是,科研产出是人力资本、物资资本以及相关要素的共同产物,而模型中人力资本对效率的显著推进效应表明,上海高校整体可能处于人力资本“稀缺”,而物资资本“丰裕”的阶段,因此未来上海高校科研创新效率的提升需要将视角转向人力资本积累,这符合Lucas[34]认为专业化人力资本的积累是决定技术创新水平高低的最主要因素的观点。就高校类型而言,教育部直属高校的人力资本对技术效率的影响要远高于上海市属高校,前者影响系数超出后者1倍以上,足见两者在人力资本水平上存在巨大差异;而物资资本对两者科研创新效率的影响基本一致,可见“人才短板”是提升上海高校科研创新效率的“瓶颈”,更是上海市属高校提升自身科研创新水平的关键点。

(e)用户访问业务系统的验证页面时,验证页面需能解析Cookie中账号信息,以及请求的目标地址。业务系统完成用户认证后,必须能够定向到用户访问的目标地址页面,不能转向到业务系统首页或其他页面。

就对外联系度(open)而言,该变量并没有对高校科研创新效率产生显著性影响。这表明以“境外国际会议交流论文和特邀报告”为表征的与国际知识网络的对接并没有产生上海高校所期望的“知识溢出”效应。本研究认为,高校科研工作人员的知识吸收、成果转化是一项长期性、持续性工作,而以学术会议、报告为主要形式的境外交流时间相对较短,加之语言障碍、文化背景差异、知识根植性等实际原因,导致短期性学术交流行为对高校科研创新的促进效应有限。以时间控制变量(cycle)为表征的“上海科创中心”的建设及相关政策的实施对上海高校科研创新效率的提升具有积极的影响,表明政府在推动区域高校科研创新上的积极影响力。

5 结论与建议

本研究经DEA-Tobit两步法对上海高校科研创新效率进行了分析与评价。首先,构建了2输入和2输出的Input-Oriented的VRS类DEA模型,评价了包括授权专利和国际论文在内的科研创新技术效率。其次,采用Tobit模型回归分析了5类影响因素与效率关系。

在第一步中,研究发现,无论是综合技术效率还是纯技术效率,教育部直属高校效率水平均显著高于上海市属高校。进一步分析发现,近年来向上海大学过度倾斜的上海市属高校资源配置限制了市属高校整体科研创新效率的提升,在削弱了其他市属高校科研产出的同时,也导致了上海大学持续处于规模收益递减的不经济状态中,这值得上海高校主管部门引起注意,及时调整政策。

第二步中的影响因素的导入与模型建立有助于系统分析未来上海高校科研创新效率改进的方向。通过对影响因素回归发现:

(1)从模型测算结果可见,以理工农医类科研活动人员为表征的人力资本对上海高校科研创新效率的提升效用最大,其影响系数0.403,并在0.01水平上显著。结合高校异质性类型的模型比较发现,今后上海高校,特别是上海市属高校科研创新的发展要转向“以人为本”,注重人在科研创新中的核心地位,实施上海“科创中心”战略背景下的全球科研创新人才引进与培养计划,吸引国内外高层次科研人才来上海高校合作发展,不断提升高校科研创新型人力资本的累积水平。

(2)当前,上海高校科研创新的新特点是与人力资本具有显著的推动效应相比,物质资本的继续投入已经开始对高校科研创新效率产生了显著的抑制效应,模型检验亦表明物质资本对科研创新效率的倒“U”型影响已经显现,资本拥挤问题亟待引起重视。这要求上海市高校主管部门要改变盲目追求物质资本投入的发展模式,要基于人力资本积累水平、科研能力、学科特色等,采取相对均衡的高校科研经费分配模式,发挥好物质资本的最大效益,并优化高校科研创新效率,同时,对各类资源要素的投入进行动态评价,寻求各类要素投入规模的最优阈值。

上料口处由人工或机械添加枝丫材,在摆动辊及一次料仓完成一次压缩;在上下进料辊作用下将枝丫材推挤到二次压缩料仓,当二次料仓满载后,在压缩油缸作用力下,压缩爪闭合完成二次压缩;在推进油缸作用力下,将枝丫捆推进到打带口处由自动打带机完成打带,二次压缩料仓张开返回初始位置状态,完成一次压缩循环作业;当压缩后的枝丫捆达到定长度值时,启动锯截按扭,油锯由怠速加速至工作转速,并在电动机驱动下横截枝丫捆材,完成锯截程序。

(3)境外国际学术会议对科研创新的非促进效应说明,高校应该进一步完善科研人员国际学术交流、科研合作模式。境外学术交流可以更多地以科研项目实施为导向,适当延长交流与学习的时间,为高校科研工作者实施中长期科研计划创造良好的条件。高校科研工作的管理者应积极帮助科研人员融入全球知识生产与创新网络,不断深化与国际科学研究前沿的交流与合作,重视发挥好具有国际影响力的科研领军人才、学术带头人在此方面的示范、带动等“溢出”效应,如:Zucker等[35]高校“明星”科学家(star scientists)对高价值创新具有积极的影响。

(4)高层次R&D机构对高校技术效率的影响表明,一方面,教育部直属高校的高层次R&D机构数相对充足,未来需要对其控制数量,提升质量;另一方面,高层次R&D机构对上海市属高校科研创新效率具有显著的促进效应表明,未来可以以创建国家级、省部级R&D机构以及已有R&D机构的升级为导向,制定中长期计划,帮助并引导上海市属高校科研创新效率的进一步提升。

崇拜总是首先表现为祭祀,在良渚的莫角山遗址发现有巨大的土台,考古学家认为它就是良渚人的祭台。良渚人就是在这里祭祀天地的。具体的祭祀情景我们已是不可知了,但是,它们留下了两种重要的祭器,这就是玉璧与玉琮。玉璧是用来祭天的,而玉琮是用来祭地的。

1) 为保证样本的可靠性与稳定性,本次研究选取了上海17家公办普通高等学校科技统计报表(理工农医类),不含高职高专、大学附属医院。

2)如从2016年上海大学作为深化上海市高校改革建设地方高水平大学方案的首批唯一试点单位可见上海市对其重视程度。

3)上海高校类型划分:一是教育部直属高校:复旦大学、上海交通大学、同济大学、华东师范大学、华东理工大学、东华大学;二是上海市属高校:上海大学、上海第二工业大学、上海海洋大学、上海电机学院、上海海事大学、上海电力学院、上海工程技术大学、上海师范大学、上海理工大学、上海应用技术大学、上海中医药大学。

4)在上海市属高校中,上海大学R&D投入连续5年最高;从年平均值看,占市属高校总体约24.1%,为总体均值的2.65倍(由于篇幅原因,有需要数据者请与作者联系)。

5)2015年5月,上海出台《关于加快建设具有全球影响力的科技创新中心的意见》(简称《科创22条》),同年7月5日,又推出首项相关配套政策——《关于深化人才工作体制机制改革促进人才创新创业的实施意见》(简称《人才新政20条》),将《科创22条》的6条有关人才的原则性意见细化为20条实施意见,在体制机制上实现创新和突破。

6)具体三个方面涉及高校科研:一是,完善科研人才双向流动制度,鼓励科研人员在岗离岗创业;二是,改革人才评价制度,完善基础研究、应用开发、成果转化人才的分类评价体系;三是,加大人才激励制度,提高科研人员待遇保障水平。

参考文献

深化坑塘建设产权制度改革。按照“谁投资、谁所有”的原则确定坑塘建设产权,由国家和集体共同兴建的坑塘,按照投资比例划分产权;由集体投资兴建的坑塘,产权归集体所有;由个人兴建的坑塘,产权归个人所有,实行“自建、自有、自管”的体制,政府对公益性坑塘工程维修养护或管护给予补助。

把鱼缸刷干净,盛满清水,投几块石头,放在案几上。先空着吧,等想起养啥再说。结果,鱼缸一直空着——不,依然还是一泓清水。

[1]GOLDSTEIN H A, MAIER G, LUGER M. The university as an instrument for economic and business development: US and European comparisons [J]. Emerging patterns of social demand and university reform: Through a glass darkly, 1995: 105-133.

[2]埃茨科威兹. 三螺旋[M].周春彦,译.北京:东方出版社, 2005.

[3]BARNARD H, COWAN R, MÜLLER M. Global excellence at the expense of local diffusion, or a bridge between two worlds? Research in science and technology in the developing world [J]. Research Policy, 2012, 41(4): 756-769.

[4]HONG W, SU Y S. The effect of institutional proximity in non-local university-industry collaborations: an analysis based on Chinese patent data [J]. Research Policy, 2013, 42(2): 454-464.

[5]GRILICHES Z. Issues in assessing the contribution of research and development to productivity growth [J]. Bell Journal of Economics, 1979, 10(1): 92-116.

[6]JAFFE A B. Real effects of academic research [J]. American Economic Review, 1989, 79(5): 957-970.

空的罐头瓶也能派上多种用途,倒满井水可以装进蝌蚪、小鱼、泥鳅来欣赏;装两个公蟋蟀,观看它们捉对厮杀;内装小蜡烛,提着可以当灯笼玩。

[7]EDQUIST C, MCKELVEY M. High R&D intensity without high-tech products: a Swedish paradox? [M]// NIELSEN K, JOHNSON B. Institutions and Economic Change: New Perspectives on Markets, Firms and Technology. Cheltenham: Edward Elgar Publishing,1998:131-149.

洞穴深约一丈,地面铺了厚厚一层枯枝乱草,其中夹杂着不少动物的骨骼,甚至有一颗人的头骨,却不知是鹰叼来的头骨,还是真的吃了一个人。

[8]JONES C I. R&D-Based models of economic growth [J]. Journal of Political Economy, 1995, 103(4): 759-784.

[9]BRAUNERHJELM P, ACS Z J, AUDRETSCH D B, et al. The missing link: knowledge diffusion and entrepreneurship in endogenous growth [J]. Small Business Economics, 2010, 34(2): 105-125.

[10]陈健, 刘永泉. 存在经济增长中的“研发悖论”吗?美、韩经验及对中国的启示[J]. 国际商务:对外经济贸易大学学报, 2014(1): 82-91.

[11]MICHAEL F. Cooperation and the efficiency of regional R&D activities [J].Cambridge Journal of Economics, 2004, 28: 829- 846.

[12]ETZKOWITZ H, LEYDESDORFF L. The dynamics of innovation: from National Systems and “Mode 2” to a Triple Helix of university-industry-government relations [J]. Research Policy, 2000, 29(2): 109-123.

[13]THORP H, GOLDSTEIN B. Engines of innovation: the entrepreneurial university in the twenty-first century [J]. Scientific American, 2013, 305(3): 54-5.

[14]ETZKOWITZ H, WEBSTER A, GEBHARDT, et al. The future of the university and the university of the future : evolution of ivory tower to entrepreneurial paradigm [J]. Research Policy, 2000, 29(2): 313-330.

[15]RONDE P, HUSSLER C. Innovation in regions: what does really matter?[J]. Research Policy, 2005, 34(8): 1150-1172.

[16]莫剑芳, 叶世绮. DEA方法在区域经济发展状况评价中的应用[J]. 系统工程, 2001, 19(2): 18-21.

[17]张伟丽, 韩娥, 叶民强. 长三角地区经济投入产出的有效性分析[J]. 经济问题探索, 2005(7): 16-19.

[18]刘毅, 黄建毅, 马丽. 基于DEA模型的我国自然灾害区域脆弱性评价[J]. 地理研究, 2010, 29(7): 1153-1162.

[19]侯艳红. 文化产业投入绩效评价研究[D]. 天津:天津工业大学, 2008.

[20]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, 41(7): 1074-1077.

[21]张艳艳, 赵海军. 基于数据包络分析的科技创新绩效评价[J].天津师范大学学报(自然版), 2008, 28(3): 74-76.

[22]刘顺忠, 官建成. 区域创新系统创新绩效的评价[J].中国管理科学, 2002, 10(1): 75-78.

[23]翁明丽, 席群. 基于数据包络法的高等院校绩效评价研究:以211院校为例[J]. 科学经济社会, 2013, 31(4): 75-81.

[24]CHARNES A, COOPER W W, RHODES E. Measuring the efficiency of decision making units [J]. European Journal of Operational Research, 1978, 2(6): 429-444.

[25]COELLI T. A multi-stage methodology for the solution of orientated DEA models[J]. Operations Research Letters, 1998, 23(3/4/5):143-149.

[26]盛昭瀚. DEA理论、方法与应用[M]. 北京:科学出版社, 1996.

[27]涂俊, 吴贵生. 基于DEA-Tobit两步法的区域农业创新系统评价及分析[J]. 数量经济技术经济研究, 2006(4): 136-145.

[28]万晓玲, 陈宏民, 周军. 上海高校专利转化率低下的瓶颈突破及对策[J]. 上海交通大学学报(哲学社会科学版), 2009, 17(4): 77-82.

[29]张继红, 吴玉鸣, 何建坤. 专利创新与区域经济增长关联机制的空间计量经济分析[J]. 科学学与科学技术管理, 2007, 28(1):83-89.

[30]NONAKA I. A Dynamic theory of organizational knowledge creation[J].Organization Science, 1994, 5(1): 14-37.

[31]OECD. The knowledge-based economy [R]. Paris: OECD, 1996.

[32]EAPEN A. Social structure and technology spillovers from foreign to domestic firms [J]. Journal of International Business Studies, 2012, 43(3): 244-263.

[33]COCKBURN I M, HENDERSON R M. Absorptive capacity, coauthoring behavior, and the organization of research in drug discovery [J]. Journal of Industrial Economics, 1998, 46(2): 157-182.

[34]LUCAS R. On the mechanics of economic development [J]. Journal of Monetary Economics, 1988, 22(1): 3-42.

[35]ZUCKER L G, DARBY M R. Capturing technological opportunity via Japan's star scientists: evidence from Japanese firms' biotech patents and products [J]. Journal of Technology Transfer, 2001, 26(1-2): 37-58.

 
汪彦,陈悦,曹贤忠,付全胜
《科技管理研究》 2018年第08期
《科技管理研究》2018年第08期文献

服务严谨可靠 7×14小时在线支持 支持宝特邀商家 不满意退款

本站非杂志社官网,上千家国家级期刊、省级期刊、北大核心、南大核心、专业的职称论文发表网站。
职称论文发表、杂志论文发表、期刊征稿、期刊投稿,论文发表指导正规机构。是您首选最可靠,最快速的期刊论文发表网站。
免责声明:本网站部分资源、信息来源于网络,完全免费共享,仅供学习和研究使用,版权和著作权归原作者所有
如有不愿意被转载的情况,请通知我们删除已转载的信息