冯宝军，沈佳坤，孙秀峰

(大连理工大学 经济管理学院，辽宁 大连 116024)

0 引言

新时代，国家一方面加大了对高等教育的经费投入，另一方面提高了对创新人才与科技成果的需求，从而作为高等教育核心群体的研究型大学，必须提升自身的财务资源配置效率，以增强国家人才培养与科技创新能力。研究型大学在高等教育和科技经费的分配中占据优势地位，到2016年全国普通高等学校教育经费和科技经费总收入分别达到9973.39亿元[1]和1537.01亿元[2]，巨额的经费收入给其财务管理带来了挑战。同时，在“双一流”大学建设和高等教育内涵式发展的背景下，财务资源的使用效益逐渐成为衡量研究型大学办学水平的重要标志。故亟需建立针对性的研究型大学财务资源配置的效率评价理论与方法，为国家高等教育经费和科技经费等资源的分配提供决策支持。

现有相关评价研究，大多从总体层面测算高校以职能成果为最终产出的财务资源配置效率。一部分研究基于熵值法、主成分分析等综合评价方法，通过建立高校财务资源投入和职能成果产出的评价指标体系，计算得到综合效率评分[3,4]；另一部分研究则进一步考虑了投入产出的因果关系，利用数据包络分析(DEA)等效率测算方法，得到高校财务资源配置的相对效率[5,6]。由于DEA方法中的相对有效性概念与从社会福利视角衡量资源配置有效性的帕累托最优解等价[7]，并且与高校资源优化配置的目标内涵相一致[8]，因此被国内外学者广泛采用。遗憾的是，现有研究忽视了中国高校财务资源配置过程的多阶段性，且未以学校类型区分财务资源配置目标的内涵，导致配置过程中的效率情况仍未得到探知。

从现实来看，研究型大学不仅承担着各项办学职能，还肩负着加强自身建设等的双重使命。资源基础理论表明，无形资源是基于有形资源产出并长期积累，具有不可复制性与反复利用性的没有实物形态资源[9,10]。研究型大学的无形资源主要包括以高深知识为材料的智力资源和学术资源，均依托于财务资源产出，且作为知识要素再投入到职能成果的产出阶段[11,12]。可见，研究型大学的财务资源配置目标有双重内涵，一重是积累无形资源的最大化，另一重是产出各项职能成果的最大化。而传统DEA方法只能测算财务资源配置总体的相对效率，无法评价配置过程中各阶段的相对有效性。为解决该问题，Fare和Grosskopf在1996年[13]提出了网络DEA方法，可以适用于具有阶段性特征的相对效率评价问题，但还未被应用于高校财务资源配置效率评价的研究领域。

本文提出研究型大学财务资源两阶段配置的相对效率评价方法，为基于配置过程的效率评价研究提供理论支撑；并建立基于关联网络DEA方法的研究型大学财务资源配置的相对效率测算方法，为评价两个配置阶段的相对效率提供工具；进而，构建相应的财务资源配置效率评价指标体系，为研究型大学实证研究的数据选取与处理奠定基础；最后，通过中国研究型大学财务资源配置的相对效率评价的实证研究，验证本文提出的评价方法的可行性与有效性。

1 评价模型与指标体系

1.1 两阶段理论模型

根据前述分析，本文以无形资源与职能成果两个阶段性产出划分研究型大学财务资源的配置过程，构建效率评价的两阶段理论模型，以体现财务资源配置目标的双重内涵。

第一阶段是将一部分财务资源投入到研究生培养、青年教师培训、学术人才引进等创造和产出智力资源的活动，以及一流学科建设、科研项目申报等产出和积累学术资源的活动，并产出无形资源。因此，称第一阶段P1为“无形资源积累”阶段，该阶段以积累无形资源最大化为财务资源配置目标。第二阶段是将另一部分财务资源以及产出和积累的无形资源投入到课堂教学、思想教育、科学实验、文化传承、学术交流、产学研合作等产出各项职能成果的活动。因此，称第二阶段P2为“职能成果产出”阶段，该阶段以产出职能成果最大化为配置目标。上述两阶段理论模型，如图1所示。

图1 配置效率评价的两阶段理论模型

1.2 关联网络DEA模型

本文利用两阶段共享投入关联网络DEA模型[14]，构建研究型大学财务资源配置相对效率的测算方法。根据财务资源投入到无形资源和职能成果产出的周期，假设研究型大学两个配置阶段的时滞均为1期[15]。

(1)

由于上述非线性规划(1)难以直接求解，故将其通过变量替换转化为线性规划[17]。令

代入式(1)得到线性规划，如式(2)所示。

(2)

(3)

(4)

上述网络DEA模型与传统DEA模型相比，考虑了研究型大学财务资源的共享性特征与配置目标的双重内涵，从而能够评价资源配置总体和各阶段的相对有效性。

1.3 评价指标体系

根据前述评价模型中的变量设置，本文构建研究型大学财务资源配置效率评价指标体系包含初始投入、中间产出和最终产出三个维度。

初始投入为财务资源，包含教育事业与科研事业经费、基本建设经费等经费拨款，还有计算机、实验仪器、各类教室、研究室、运动场馆等设施设备[18,19]。其中，由于基本建设经费与设施设备存在重复计量的情况，故剔除该项。由此得到研究型大学财务资源配置的初始投入指标，如表1所示。

表1 初始投入指标

中间产出为无形资源，包含教师、学生等创新及拥有的学术能力、专业知识等的智力资源[20]，以及知识的系统性和逻辑性体现的各类课题项目、学科专业、系部等学术资源[21]。依据《高等学校科技分类评价指标体系及评价要点(2014)》等相关文件，确定该维度指标的二级结构及构成。值得说明的是，考虑到不同层次研究生知识创新能力的差别，本文依据《普通高等学校基本办学条件指标(试行)》中的折算权数，确定并且以硕士研究生为标准单位的加权研究生数。此外，本文以专任教师的职称级别来反映其所拥有智力资源的差异，并根据研究型大学官网发布的最新“教师专业技术职务聘任条件”相关文件中论文数的要求，确定各级职称教师以中级专任教师为标准单位的计算权数。由此得到研究型大学财务资源配置的中间产出指标，如表2所示。

表2 中间产出指标

最终产出为职能成果，包含人才培养、科学研究、社会服务、文化传承与创新四个方面的产出。本文基于《统筹推进世界一流大学和一流学科建设实施办法(暂行)(2017)》中的要求，参考“双一流大学”评选标准、《中国大学评价》课题[22]、 “中国校友会网”以及现有相关文献中的相关指标[23]，初步确定二级指标构成与计量方法，并删除相关系数高于0.8的重复项。需要说明的是，加权知识产权授权数，根据各高校官网最新发布的“科研工作量考核办法”中的权重，确定以发明专利为标准单位的计算权数。由此得到研究型大学财务资源配置的最终产出指标，如表3所示。

表3 最终产出指标

2 实证研究

2.1 样本数据选取

本文实证数据来源于《高等学校科技统计资料汇编》(2007～2017年)，《中国教育经费统计年鉴》(2007～2017年)，《教育部直属高校基本情况统计资料汇编》(2006～2016年)，各高校官网和中国校友会网公布的资料。并由中国大学评价研究课题组给出的“中国研究型大学”名单确定研究样本。考虑数据的完整性，本文获得2006～2016年29所中国研究型大学的面板数据，并将以货币计量的变量按2006年为基期的不变价格进行调整。

2.2 研究型大学总体的相对效率结果分析

本文利用前述模型(2)～(4)，通过Matlab 7.0编程求解，代入本文所选2006～2016年29所中国研究型大学面板数据，每个配置阶段投入到产出的滞后期设为1年，得到各高校财务资源配置总体、第一阶段和第二阶段的相对效率(分别表示为E，E1和E2)，描述性统计见表4。

由表4可知：从总体效率来看，研究型大学财务资源配置总体的相对效率呈逐年降低的趋势，并且各高校间存在很大的效率差距。研究型大学财务资源配置总体的相对效率平均值在2006年为0.832，而到2014年已降为0.788，且各年的标准差在0.076到0.109之间，效率最小值与最大值的

差距超过60%，说明研究型大学普遍需要提升自身的财务资源配置有效性。从阶段效率来看，职能成果产出阶段的配置效率高于无形资源积累阶段，并且两个配置阶段的相对效率差异逐年增加。在2006年两个配置阶段效率的平均值分别为0.772和0.892，差距为0.120，到2014年分别为0.650和0.926，差距达到0.276，说明研究型大学需要加强知识创新以提升无形资源的产出。一方面，由于研究型大学属于非盈利性机构，政府作为投资者并不要求收益的分配和资金的偿还，因此不利于提高研究型大学优化财务资源配置的积极性。另一方面，由于研究型大学实行的是预算管理制度，只核算净资产而不计算成本，容易导致研究型大学以大量财务资源投入获取无形资源的粗放型增长模式，从而使得财务资源配置效率难以获得提高。

表4 相对效率评价结果的描述性统计

2.3 各地区研究型大学相对效率的差异分析

本文基于研究型大学所处地域经济和社会发展水平的差异，探查财务资源配置效率的地区分布情况。根据《中国统计年鉴2007》对省市的地域划分，统计得出东、中、西部地区研究型大学财务资源配置相对效率的平均值。效率结果中，若两个配置阶段的相对效率都高于平均值，则称为“高效型”研究型大学，进而得到各地区高效型研究型大学占该地区研究型大学总数的比例(用ρ表示)，如表5所示。

表5 分地区的相对效率统计结果

由表5可以看出，大多数高效型研究型大学位于经济和社会发展水平较高的东部地区，但其效率均值低于中西部地区。首先，统计高效型研究型大学的地域分布，得出该类型研究型大学占总样本的比例为32.95%，其中53.21%位于东部地区，其余位于中西部地区。但东部地区高效型研究型大学占该地区研究型大学总数的比例仅为25.56%，低于中、西部地区的64.44%和30.56%，表明东部地区许多研究型大学的财务资源配置效率还需要进一步提升。其次，观察各地区研究型大学的相对效率均值，得出东部地区研究型大学财务资源配置的相对效率均值在绝大多数年份均低于中、西部地区。一方面，表明中西部地区的研究型大学数量虽然较少，但其具有地方财政集中投入且政策重点支持的优势，往往“举一地之力”支持当地研究型大学的发展，有助于财务资源配置效率的提升；另一方面，也显示出长期以来中西部地区研究型大学财务资源相对紧张的情况，相对于东部地区的雄厚经济基础与资源分配优势，中西部地区研究型大学能够获得的资源相对较少，使得其更有动力提高有限的财务资源的配置效率。

3 传统DEA方法对比

基于前述最终产出与初始投入数据，本文利用传统固定规模报酬DEA模型再次评价研究型大学财务资源配置总体的相对效率(用E-R表示)。进一步，将该效率结果与关联网络DEA得到的总体和两个阶段的相对效率相比较。统计全国与东、中、西部地区在传统DEA与网络DEA算法下的财务资源配置各年平均效率，如图2所示。

配置总体效率情况中，图2中的浅色虚线表示传统DEA方法得到的相对效率E-R，深色实线表示网络DEA方法得到的相对效率E，二者各年度的变化趋势基本一致，验证了共享关联网络DEA方法应用于研究型大学财务资源配置效率评价的有效性。值得注意的是，传统DEA方法高估了研究型大学财务资源配置的总体效率。这是由传统DEA模型的局限性导致的，该方法只从最终产出视角考察财务资源的配置效率，忽视了资源配置的阶段性过程。而无形资源作为财务资源配置的中间产出，其积累量不足恰恰是研究型大学总体效率难以提升的主要原因，因此传统DEA评价高估了总体效率。

图2 全国及各地区相对效率均值的变化趋势

两个配置阶段效率情况中，图2中的三角形标志虚线为职能成果产出阶段的相对效率，菱形标志虚线为无形资源积累阶段的相对效率，二者分别表现出显著的逐年降低和升高的趋势。由于研究型大学常在缺乏规划的人才引入、规模扩张等工作中利用过多的财务资源来获得无形资源的增长，缺少对资金使用效率的考虑，使得无形资源短缺的情况日益严重，导致第一阶段的配置效率逐年降低。而传统DEA方法没有将无形资源作为中间产出纳入模型中，从而未能识别配置过程中的低效率阶段，表明了传统DEA方法的局限性。

4 结论

本文提出的配置效率评价模型与方法，有利于研究型大学财务资源的优化配置与内涵式发展的实现。由于现有研究只从最终职能成果产出视角评价了高校财务资源配置的总体效率，未考虑无形资源的产出和积累在财务资源配置过程中的作用，因此无法识别制约效率提升的配置阶段。为解决该问题，本文基于研究型大学加强自身建设与承担各项职能的历史使命，识别财务资源配置目标的双重内涵，并据此建立包含无形资源积累与职能成果产出两个阶段的效率评价理论模型，与基于共享关联网络DEA的效率测算方法，实现了对配置过程中效率的评价。

本文两阶段效率评价结果表明，无形资源积累阶段是限制绝大多数研究型大学财务资源配置总体效率提升的瓶颈。并且，超过一半的高效型研究型大学位于经济和社会发展水平较高的东部地区，但该地区研究型大学相对效率的平均值低于中部和西部地区。研究型大学职能成果产出阶段的相对效率逐年升高，而无形资源积累阶段的相对效率逐年降低。说明应在现有财务资源投入的条件下，通过增加无形资源的产出，来推动研究型大学财务资源配置总体效率的提升与内涵式发展的实现。