马聪颖　吴宏超

摘 要：采用DEA-Malmquist模型评价2010-2017年一流大学建设高校科技创新的静态和动态效率，并使用Tobit模型分析高校科技创新效率的影响因素。研究发现：高校科技创新年均静态效率均未实现最优，且高校间差距明显。高校科技创新全要素生产率整体呈小幅提高趋势。高校科技创新的静态效率与动态效率存在地区差异。“双一流”建设战略提出后，高校科技创新效率并没有持续稳步提高，目前处于人力资本“稀缺”，物质资本“丰裕”的阶段。管理水平、技术水平、评价方式、投入产出规模等内因对高校科技创新效率有影响，经济发展水平、信息化水平、研发人才质量对高校科技创新效率有显著影响，产业结构、政府支持力度、对外联系程度对高校科技创新效率影响不显著。

关键词：一流大学建设高校;科技创新效率;DEA模型;Malmquist指数;面板Tobit模型

一、问题的提出

在实现中华民族伟大复兴的进程中，科技创新的地位至关重要。新增长理论的兴起奠定了科技创新在经济增长中的重要作用，作为经济增长的内在动力，科技存量的多寡决定着该国（地区）的经济增长。高校作为国家创新系统的重要执行主体，不仅成为重大科技成果的诞生地，而且成为经济增长的新引擎。[1]随着我国经济发展进入新常态和创新驱动发展战略的实施，高校科技创新能力及对经济增长的贡献受到前所未有的重视。2015年国务院印发《统筹推进世界一流大学和一流学科建设总体方案》紧紧围绕“中国特色，世界一流”的核心要求，在建设一流师资队伍，培养拔尖创新人才，提升科学研究水平，着力推進成果转化等方面，对高校科技创新提出了更高的要求。2016年习总书记发表的《为建设世界科技强国而奋斗》重要讲话中指出：“成为世界科技强国，成为世界主要科学中心和创新高地，必须拥有一批世界一流科研机构、研究型大学、创新型企业，能够持续涌现一批重大原创性科学成果。”可见，科技创新是国家发展的核心，更是一流大学建设和发展的关键。一流大学建设高校作为高水平大学的突出代表，肩负着产出前沿重大科技成果和提高国家原始创新能力的重任。

资源扩张型的发展模式是不可持续的，而且我国高校创新资源配置相对较少、高校内部资源浪费严重、高校创新价值转化率低下等问题日趋明显。[2][3]因此，“双一流”建设的实施，要求引入竞争机制，打破科研身份固化和创新效率低下的局面，并形成基于绩效评价的动态调整和激励约束机制。在这种背景下，评价一流大学建设高校的科技创新效率并分析影响因素，不仅有利于动态调整高校创新资源配置，激励其有效提高创新效率，推动高校内涵式发展，而且有利于有限的创新资源发挥最大的社会经济效益，推进创新型国家建设，为国际创新效率领域贡献“中国方案”和“中国智慧”。

二、既有文献回顾与述评

科技创新是指高校通过有效投入与配置学校内外部科技创新资源，以知识创新、成果转化、管理创新等方式投入科技创新活动，从而产出高水平科技创新成果。[4]目前，国内外学者主要采用效率测算的方法评价高校科技创新能力，针对该主题的研究主要集中在以下两方面：

（一）定量评价高校创新效率的水平

在研究方法上，主要采用非参数法和参数法，而非参数法中的DEA模型及其扩展模型在高校创新效率评价问题中被广泛应用。刘美生（Liu）和吴德胜（Wu）运用网络DEA模型，基于2013-2015年34所985大学的数据，发现这些大学创新技术效率偏低，有21所大学处于规模报酬递增阶段。[5]林涛和吕寒运用DEA模型评价2015年广东省13所高水平大学的科技投入产出效率，发现6所高校的综合效率达到最优，仅有2所高校的效率低于0.5。[6]王晓珍和蒋子洁等运用DEA模型评价“十二五”期间我国31个省份高校创新效率，发现我国高校创新效率整体呈非DEA有效。纯技术效率较低是制约高校创新综合效率的直接原因。[7]

近年来，学者开始运用Malmquist指数法评价高校创新的动态效率。朱恬恬和胡霞等运用Malmquist指数法评价31所教育部直属“双一流”建设高校的全要素科技创新资源配置效率。[8]彭迪、郭化林从人才培养、科研产出、社会影响三个方面构建评价指标，运用Malmquist指数法测算出32所“双一流”建设高校办学全要素生产率均值为1.097，且呈现“中部塌陷”态势。部分高校的技术进步、纯技术效率与规模效率及其对全要素生产率正向促进的“合力”有较大的提高空间。[9]

（二）定量研究高校创新效率的影响因素

在评价高校创新效率的基础上，国内外学者进一步运用面板Tobit模型、SFA函数法实证研究高校创新效率的影响因素。阿加西斯蒂（Agasisti）和贝尔菲尔德（Belfield）采用SFA函数，指出政府对各类型高校的支持力度是影响科技创新效率的首要因素。[10]王晓珍和蒋子洁运用面板Tobit模型发现经济优势、区位优势、政府扶持力度、基础设施状况对高校创新效率有较显著影响。[11]余冬筠和金祥荣、于志军和杨昌辉等学者也发现高技术产业发展状况、科研人员素质、国际交流状况等因素对高校创新效率有影响。[12][13]

综上所述，目前国内外学者已经在高校创新效率的实证研究方面取得了诸多的成果，但是关于一流大学建设高校创新效率的研究仍存在不足。第一，并未明确划分创新成果的产出类型，多从成果整体产出的视角笼统构建高校科技创新的评价指标。第二，单方面地关注高校的静态效率或者动态效率，没有综合研究静态和动态效率。第三，只是简单地讨论技术效率、规模效率、纯技术效率等内部因素对高校效率的影响，尚没有文献实证分析外部环境因素的影响，更鲜有文献考察信息化水平对高校创新效率的影响。

基于此，本文以一流大学建设高校为研究对象，采用DEA-Malmquist指数评价2010-2017年高校科技创新的静态和动态效率，分地区进行差异对比分析，并根据评价结果，运用面板Tobit模型分析高校科技创新效率的影响因素。创新之处体现在以下三点：（1）明确划分创新成果的产出类型，从学术价值产出和经济价值产出角度全面构建一流大学建设高校科技创新的评价指标;（2）考虑投入产出指标的时滞性问题，综合分析一流大学建设高校科技创新的静态和动态效率有何变化;（3）运用面板Tobit模型实证研究影响高校创新效率的环境变量，并在此基础上深入剖析影响一流大学建设高校科技创新效率的内外部环境因素。

三、研究设计

（一）研究模型

1.DEA模型

DEA模型是评价具有多投入多产出特征决策单元相对效率的主流方法之一，适合评价一流大学建设高校以多投入多产出为特征的科技创新活动。本研究采用规模报酬可变的DEA-BCC模型评价高校科技创新的静态效率。模型表达式为：

式（1）中：θ表示技术效率值，当θ<1时，决策单元为DEA非有效;当θ=1时，决策单元为DEA有效。技术效率可分解为纯技术效率与规模效率的乘积。其中，纯技术效率是高校内部管理、技术和绩效评价方式等因素影响的生产效率;规模效率是高校投入产出规模等因素影响的生产效率。[14]

2.Malmquist指数

Malmquist指数反映决策单元前后两个时期生产效率的变化趋势。可进一步分解为：Malmquist指数=全要素生产率=技术进步效率×技术效率。t到t+1时期的Malmquist指数表达式为：

式（2）中：当M<1时，t到t+1时期全要素生产率降低;当M=1时，t到t+1时期全要素生产率不变;当M>1时，t到t+1时期全要素生产率提高。[15]

3.面板Tobit模型

采用DEA模型测算的高校科技创新效率值在区间[0，1]内，具有截取数据的特征。若使用OLS法进行估计，会使结果严重有偏差，因此采用因变量受限模型中的面板Tobit模型分析一流大學建设高校科技创新效率的影响因素。模型表达式为：

式（3）中：Yit为技术效率值;Xit为影响因素向量;i为省份;t为年份;βT为回归参数向量;εit为误差项。[16]

（二）指标构建

1.投入产出指标

高校科技创新活动是一项多投入多产出的活动，究竟该选用哪些指标评价创新效率目前仍无统一说法。

（1）科技创新投入。以Griliches-Jaffe知识生产函数为基础，选用现有研究中最常见的两种创新投入要素：R&D人员全时当量和R&D经费内部支出。R&D人员全时当量是高校科技创新活动的基本人力投入资源。R&D经费内部支出作为一项流量指标，反映年度内研发资金的实际内部支出。

（2）科技创新产出。现有研究并未明确划分产出类型，导致指标构建不全面、缺乏代表性。结合高校创新成果的基本特征，应从学术价值产出和经济价值产出角度全面构建评价指标。学术价值产出是指高校在基础研究、应用研究和试验发展方面取得的科技创新成果，选取科技论文发表数、科技著作出版数和专利授权数作为表征指标。经济价值产出是指高校科技创新活动所产生的直接经济效益，选取专利出售实际收入和技术转让实际收入作为表征指标。

2.影响因素指标

高校科技创新能力的提高不仅源于创新主体内在活力的增加，更源于创新环境的改善。借鉴已有的研究，选取以下环境变量并采用面板Tobit模型分析其影响因素。

（1） 经济发展水平X1。较高的经济发展水平增加了当地政府的税收，来自于税收的政府公共教育经费占教育经费总量的大部分，对教育活动起决定性作用，而教育活动是高校科技创新活动的基础。[17]因此，经济发展水平与高校科技创新活动具有高度相关性，可以用各城市人均GDP来衡量经济发展水平。

（2） 产业结构X2。首先，第三产业发达的城市对高校科技创新有更大的需求，市场需求的提升驱动了高校科技创新效率的提高。其次，瑟斯比（Thursby）等的研究显示，越高级的产业结构对高科技的吸收力越强，越容易促进高校科技创新成果的转化。[18]以第三产业产值占三大产业的比重来衡量产业结构。

（3） 信息化水平X3。信息化水平的提高特别是互联网的普及，不仅有利于科技信息的公开，缓解科技资源分布不均，而且有利于降低自主创新的门槛，创新科技模式和科技制度。以互联网宽带接入用户数占全市总人口的比重来衡量信息化水平。

（4） 研发人员质量X4。R&D人员素质越高，表明人员的知识和专业技能储备越丰富，越利于创造新知识、开发新技术，也有利于引进、吸收和利用其他的前沿知识、技术，提高研发效率。以教师和科研人员中高级职称的占比来衡量研发人员质量。

（5） 政府支持力度X5。政府支持对高校科技创新活动起到引导和协调作用，不仅直接影响科学研究的强度，而且引导科学研究的方向和整体水平。政府主要通过财政科技拨款、税收优惠等措施资助高校创新活动。以政府资金占当年拨入科技经费的比重来衡量政府支持力度。

（6）对外联系程度X6。在全球化时代，跨地域、跨学科的科技合作与交流，能促进先进技术和前沿知识的流动，发挥知识的溢出效应，提高高校的创新产出质量及国际学术影响力。用国际学术会议交流论文数+国际学术会议特邀报告数来衡量高校对外联系程度。[19]

（三）数据来源

本文选取2010-2017年的面板数据，投入产出数据来源于《高等学校科技统计资料汇编》（2011-2018）、影响因素数据来源于《中国城市统计年鉴》（2011-2018）。鉴于数据的可获得性，决策单元选定为42所一流大学建设高校中的32所教育部直属高校，教育部直属高校是一流大学建设高校的主体，其科技创新效率能集中反映一流大学建设高校的科技创新效率。

考虑到高校科技创新活动的时滞性，借鉴安德森（Anderson）和戴姆（Daim）等、范柏乃和余钧的研究，采用Pearson相关系数分析投入指标年际间的相关性，结果显示：相邻年际间投入指标相关系数均高于0.90且显著相关，故投入指标和产出指标采用同年数据，对评价结果不会产生显著影响。[20][21]

四、实证分析

（一）静态效率分析

采用DEA模型评价2010-2017年一流大学建设高校科技创新静态效率，年均结果如图1所示。

由图1可见，2010-2017年一流大学建设高校科技创新年均静态效率连续八年均未实现最优且呈波动变化趋势，表明“高投入-高产出”为主的推动机制并没有持续提高一流大学建设高校的科技创新效率。

为进一步了解一流大学建设高校科技创新静态效率的具体情况，以2017年为例进行分析。2017年32所一流大学建设高校的年均技术效率、规模效率和纯技术效率值分别为0.826、0.883、0.935，可见一流大学建设高校整体的科技创新效率水平较高，但68.75%的（22所）高校为非DEA有效，且高校之间差距明显。具体分析如下：

1.DEA有效的高校有10所。清华大学、东北大学、东南大学等10所高校科技创新技术效率、规模效率和纯技术效率值均为1，且处于规模报酬不变阶段。表明这些高校的科技创新管理水平、绩效评价方式、科技成果转化机制、投入产出规模等均处于最优状态，是其他高校的标杆学习对象。

2.DEA弱有效的高校有7所。中国人民大学、南开大学、吉林大学、复旦大学等7所高校科技创新纯技术效率均为1，而规模效率不为1，导致技术效率未达到最优状态。表明这些高校的科技创新管理水平、绩效评价方式、成果转化机制等最优，而科技创新资源投入或者产出规模不当等是其科技创新技术效率提高的最大短板。吉林大学、复旦大学、上海交通大学和浙江大学和四川大学这5所高校处于规模报酬递减阶段，可能由于内部管理机制不健全导致科技人员、科技经费投入冗余，造成了规模不经济。中国人民大学、南开大学这2所高校处于规模报酬递增阶段。

3.DEA无效的高校有15所。北京大学、中国农业大学、北京师范大学等15所高校的科技创新技术效率及其分解指标效率值皆不为1，纯技术效率普遍低于规模效率，且纯技术效率的校际差距较大。其中，北京大学的技术效率最低，仅为0.563。北京大学、天津大学、大连理工大学等6所高校处于规模报酬递减阶段，中国农业大学、北京师范大学、同济大学等9所高校处于规模报酬递增阶段。这15所高校的规模效率和纯技术效率皆未处于最优状态。

提高高校科技创新效率应实行差异化原则，规模报酬递增的高校应重点加大科技创新资源投入，规模报酬递减的高校应重点加强优化科技资源管理体制，适当缩减投入规模。通过DEAP软件，进一步计算出2017年一流建设高校的投入冗余和产出不足量，如表1所示。这些高校可以减少投入或增加产出指标数量，从而提高规模效率。

（二）动态效率分析

采用Malmquist指数评价2010-2017年一流大学建设高校科技创新动态效率的变化趋势及分析变化的原因。

1.时间维度差距。从表2的结果来看，高校科技创新全要素生产率年均大于1（1.007），表明2010-2017年一流大学建设高校科技创新全要素生产率整体呈小幅提高趋势，年均增长率为0.7%，发展态势一般。且不同时间段全要素生产率差距明显，2011-2012、2012-2013、2016-2017年高校呈现不同幅度降低。结合图2深入分析高校科技创新效率变动的方向和原因，可见技术进步效率与全要素生产率呈同方向变动。全要素生产率年均提高0.7%，主要源于技术进步效率年均提高1.4%，可见高校科技创新效率的提高属于技术进步推动型。2010-2017年高校的科技创新管理水平、绩效评价方式、资源配置效率等稍微降低，技术水平、投入产出规模适宜度等稍微提高。

2.校际维度差距。由表3可知，全要素生产率大于1的高校有20所，占样本高校的62.5%。32所高校Malmquist指数及其分解指标可分为6类。具体分析如下：Ⅰ、Ⅱ、Ⅲ类高校的全要素生产率提高，Ⅳ、Ⅴ、Ⅵ类高校的全要素生产率降低。Ⅰ高校的技术进步效率和技术效率均提高，应继续保持二者的提高态势，稳步推进科技创新全要素生产率持续提高。Ⅵ类高校技术进步效率和技术效率均降低，未来应着重提高二者，以推进科技创新全要素生产率的提高。Ⅱ类、Ⅴ类高校的全要素生产率的变动主要源于技术进步效率的变动，属于技术进步效率依赖性。Ⅲ类、Ⅳ类高校的全要素生产率的变动要源于技术效率的变动，属于技术效率依赖性。Ⅱ类和Ⅳ类高校的技术效率均降低，未来应着重提高技术效率。Ⅲ类和Ⅴ类高校的技术进步效率降低，未来应着重提高技术进步效率。

（三）地区差距对比分析

为进一步讨论不同地区一流大学建设高校的科技创新效率是否存在差异性，现就分学校区域进行对比分析。根据地理位置结合经济发展状况，可划分为东、中、西部三个地区。①一流大学建设高校东部有21所、中部有5所和西部有6所。一流大学建设高校的科技创新效率的确存在地区差异，效率高低与所在的地理位置有一定的相关性。

表4表明，技术效率及其分解指标值排序依次为：中部>西部>东部。由于西部大开发、中原崛起、中西部高等教育振兴计划、“一带一路”等战略的实施，中西部地区高校得到了更多资源、政策、技术的支持，从而使科技创新管理水平提高、科技成果转化率提高、科技创新基础设施更加健全，科技经费和创新人才增加，最终推动了技术效率的提高。东部地区高校因绩效评价方式、内部管理体制、创新资源配置等方面存在问题，造成资源投入冗余和浪费，最终导致技术效率较低。

表5表明，全要素生产率排序依次为：西部>中部>东部。西部和中部地区高校的全要素生产率均提高，主要源于技术进步效率的提高。东部地区高校的全要素生产率降低，主要源于纯技术效率的降低。中西部地区得益于国家战略的实施和政策的支持，高校科技经费增加，科技创新基础设施更加健全，吸引了更多优秀的创新人才，推动了科技进步，促使技术进步效率提高。东部地区经济发达、基础设施健全、有活跃的创新文化环境，但是在绩效评价方式、内部管理体制等方面问题，促使纯技术效率降低。

（四）影響因素分析

由上文的实证分析结果可见，一流大学建设高校科技创新效率明显存在时间、校际和地区差距。是什么因素导致了高校科技创新效率的差距？本文在采用DEA-Malmquist模型评价高校科技创新效率的基础上，进一步运用Stata15.1软件进行面板Tobit模型回归分析，探究一流大学建设高校科技创新效率的影响因素。针对面板Tobit模型选择，Likelihood-ratio检验的Chibar2（1）对应的P值为0.000，故认为存在个体效应，应采用随机效应面板Tobit模型。本文采用随机效应面板Tobit模型对一流大学建设高校科技创新效率的影响因素进行回归分析，模型如下：

Y_it=β₀+β₁lnX₁+β₂X₂+β₃X₃+β₄X₄+β₅X₅+β₆lnX₆+ε_it

根据回归模型的估计结果，具体分析如下：

1.经济发展水平与高校科技创新效率呈显著负相关。一般而言，经济发展水平越高，高校科技创新效率越高。但是，经济发展水平越高的地区，企业、科研机构科技创新能力越强，会对高校科技创新产生“挤出效应”，导致当地高校的科技创新成果在市场竞争中处于劣势，从而降低了高校科技创新效率。

2.产业结构与高校科技创新效率呈正相关但不显著。表明第三产业占比越高，产业结构越合理，当地高校科技创新能力越强。但是，我国高新技术产业规模小、份额少，自主研发和创新能力低，高校科技成果没有足够的市场空间推广进入产业化，科技成果转化率和应用率低，所以产业结构对高校科技创新效率的影响并不显著。

3.信息化水平与高校科技创新效率呈显著正相关。信息化水平越高，越有利于推动互联网与高校科技创新活动融合。互联网的普及不仅有利于加强学术交流合作，发挥知识的溢出效应，共享科技创新资源，打造科技创新共同体，也有利于创新科技模式和科技制度，有效保护知识产权，从而提高高校科技创新效率。

4.研发人才质量与高校科技创新效率呈显著正相关。专业化人力资本是决定技术创新水平高低的最主要因素。研发人才质量越高，掌握的前沿知识和技术越丰富，科技创新成果的质量越高，科技创新效率越高。高校必须重视衡量科技人员的人力资本水平和激发科技人员的创新潜力。

5.政府支持力度与高校科技创新效率呈负相关但不显著。政府资金是高校科技创新活动的重要资本来源，但是政府加大对高校科技经费的投入力度，会出现科技经费投入冗余，经费支出超过合理限度，经费浪费、挪用等问题，造成科技经费的边际收益递减，对创新效率的提高产生“倒U”型抑制作用。可见，一流大学建设高校目前处于人力资本“稀缺”，物质资本“丰裕”的阶段，未来应重点积累人力资本。

6.对外联系程度与高校科技创新效率呈负相关但不显著。高校科技工作人员的知识吸收、技术掌握是一项长期性、持续性的学习过程，而以学术论文、报告为主要形式的国外交流学习时间相对较短，交流深度相对不够，加之跨文化、跨语言交流带来的学习障碍，导致短期性国际学术交流活动并不能有效提高高校科技创新效率。

五、结论和提升路径

（一）主要结论

通过运用DEA-BCC模型和Malmquist指数评价2010-2017年一流建设大学科技创新的静态效率和动态效率，分地区进行差异对比分析，并进一步以技术效率值为被解释变量，采用面板Tobit模型进行影响因素的回归分析。主要得出以下结论：

1.2010-2017年一流大学建设高校科技创新年均静态效率连续八年均未实现最优且呈现波动变化趋势，2017年一流大学建设高校整体的科技创新效率水平较高，但68.75%（22所）的高校为非DEA有效，且高校之间差距明显。

2.2010-2017年一流大学建设高校的科技创新全要素生产率整体呈小幅提高趋势，年均增长率仅为0.7%。全要素生产率大于1的高校有20所，占样本高校的62.5%。

3.一流大学建设高校的科技创新静态效率与动态效率存在地区差异，2017年技术效率及其分解指标值排序依次为：中部>西部>东部，2010-2017年全要素生产率排序依次为：西部>中部>东部。

4.“双一流”建设战略提出之后，一流大学建设高校的科技创新效率并没有持续稳步提高。创新管理水平、技术水平、绩效评价方式、投入产出规模等内因对高校科技创新效率有影响，地区禀赋、信息化水平、研发人才质量对高校科技创新效率有显著影响。产业结构、政府支持力度、对外联系程度对高校科技创新效率影响不显著。

（二）提升路径

结合上述结论，根据“双一流”建设战略、大学内部发展逻辑及运行规律，提出提高一流大学建设高校科技创新效率的发展路径：

一是要打破优质科技资源过于集中的局面，控制东部地区高校的科技创新资源规模，加大对中西部地区高校的资源支持，实现资源的区域性均衡配置，发挥资源投入的最大效益。但是高投入-高产出的资源扩张模式并不会促使高校科技创新效率持续提高，应把资源投入控制在合理范围内，并实行投入差异化原则，规模报酬递增的高校应增加投入，规模报酬递减的高校应适当减少投入。同时，高校也要通过优化内部管理机制，提高技术水平，建立有效的绩效评价机制等措施，有效“消化、吸收”增加的科技创新资源投入，从而缩小一流大学建设高校科技创新效率的校际差距和地区差距。

二是政府要优化升级产业结构，提高高新技术产业的占比和其自主研发、创新的能力，促使高校科技成果有足够的市场空间推广进入产业化。高校要立足企业需求，推进校企合作，发挥一流学科优势服务企业技术创新，与企业建立科技创新成果的转化平台，实现高校成果的有效对接;并围绕市场需求创造出以应用研究为牵引的知识和技术，搭建產学研协同创新平台，提高创新成果的转化率和应用率，打通创新活动的“最后一公里”，提高一流大学建设高校服务地方社会经济发展的能力。

三是依托“双一流”建设，高校推动信息技术、智能技术与科技创新活动深度融合，构建基础理论人才与“人工智能+X”复合型人才并重的培养体系，探索深度融合的学科建设和人才培养新模式，着力提升人工智能领域研究生培养水平;充分利用现代信息技术实现优质科技资源开放共享、专利保护，打造具有中国特色和世界影响的科技智库;充分利用云计算、大数据、人工智能等新技术，构建全方位、全过程、全天候的数字校园支撑体系，创新科技管理和科技制度模式。

四是一流大学建设高校目前处于人力资本“稀缺”，物质资本“丰裕”的阶段，高校应重点积累人力资本。瞄准国家重大战略和学科前沿发展方向，大力培养高精尖急缺人才，制定跨学科人才培养方案，探索高层次复合型人才培养新机制;提高高级职称科研人员的占比，从体制机制上确保发挥高级职称人员的带动作用及骨干作用，以此推动科研站，吸引更多一批年轻优秀的科研人才;建立完善、有效、合理的科技工作人員激励、考核机制和职称评定机制，实行贡献匹配的动态评价激励体系，破除唯头衔、资历、论文的绩效评价方式，全方位衡量人力资本水平。注重创新产出的学术价值和经济价值，优化学术生态，激发人才创新潜力和从事科技创新活动的积极性。

五是一流大学建设高校应构建学术全成本核算体系，对不同类型科技创新活动的经费预算实施动态绩效分类管理，并建立多方评价机制和监管机制。政府应动态调整资金支持力度，不能盲目增加或减少这些高校科技经费的投入量，应突出效率导向，精准投入，并根据实际需求，对一流学科、优势学科和具有发展潜力的支撑基础学科予以倾斜。

六是一流大学建设高校应创新科技人员国际学术交流合作的模式，改变以会议、论文报告等短期的交流模式，更多的以科研、基金项目实施、科研联合攻关为导向，建立国际合作联合实验室、研究中心、国际学术、学科联盟等，加强与国外高水平大学、顶尖科研机构的实质性学术交流与科研合作，为高校科研工作者实施中长期科研计划创造良好的条件。

注释：

①东部地区：北京、河北、天津、辽宁、上海、江苏、浙江、福建、山东、广东、海南;中部地区：黑龙江、吉林、山西、安徽、江西、河南、湖北、湖南;西部地区：四川、重庆、贵州、云南、甘肃、陕西、新疆、内蒙古、广西、青海、宁夏、西藏。

参考文献：

[1][19]汪彦，陈悦，曹贤忠，等.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[J].科技管理研究，2018，38（8）：100-109.

[2]覃雄合，杜德斌，刘树峰，等.中国省际高校科研成果转化效率时空格局与影响因素：基于网络SBM模型的评价[J].地理研究，2017，36（9）：1641-1652.

[3][11]王晓珍，蒋子浩.我国高校创新效率及环境分析：价值类型视角[J].科研管理，2019，40（10）：25-36.

[4]黄小平，刘光华，刘小强.“双一流”背景下区域高校系统科技创新能力：绩效评价与提升路径[J].江西师范大学学报（哲学社会科学版），2018，51（6）：93-102.

[5]LIU M S，WU D S.Measuring the Innovation Efficiency of Chinese Higher Education Institutions Bynetwork DEA[J].International Journal of Services Sciences，2017，6（3-4）：95-273.

[6]林涛，吕寒.广东省高水平大学科技投入产出效率研究[J].高教探索，2018（3）：31-36.

[7]王晓珍，蒋子浩，郑颖.我国高校创新效率评价研究：八大区域视角[J].科研管理，2019，40（3）：114-125.

[8]朱恬恬，胡霞，彭华荣.“双一流”建设高校的全要素科技创新效率研究[J].北京理工大学学报（社会科学版），2018，20（6）：163-169.

[9]彭迪，郭化林.基于DEA-Malmquist模型的“双一流”建设高校绩效评价研究[J].教育发展研究，2020，40（3）：29-37.

[10]AGASISTI T，BELFIELD C.Efficiency in the Community College Sector：Stochastic Frontier Analysis[J].Tertiary Education and Management，2017，23（3）：237-259.

[12]余冬筠，金祥荣.创新主体的创新效率区域比较研究[J].科研管理，2014，35（3）：51-57.

[13]于志军，杨昌辉，白羽，等.成果类型视角下高校创新效率及影响因素研究[J].科研管理，2017，38（5）：141-149.

[14]BANKER R D，CHARNES A，COOPER W W.Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis[J].Management Science，1984，30（9）：1078-1092.

[15]FARE R，GROSSKOPF S，NORRISN M，et al.Productivity Growth，Technical Progress，and Efficiency Change in Industrialized Countries[J].American Economic Review，1994，84（1）：66-83.

[16]TOBIN J.Estimation of Relationships for Limited Dependent Variables[J].Econometrica，1958，26（1）：24-36.

[17]SERGEEV N.High-priority Directions of Modernization of University Education in Innovational Society[J].International Journal of Educational Management，2017，31（1）：56-61.

[18]THURSBY J G，THURSBY M C.Are Faculty Critical Their Role in University-industry Licensing[J].Contemporary Economic Policy，2004，22（2）：162-178.

[20]ANDERSON T R，DAIM T U，LAVOIE F F.Measuring the Efficiency of University Technology Transfer[J].Technovation，2007，27（5）：306-318.

[21]范柏乃，余钧.高校技术转移效率区域差异及影响因素研究[J].科学学研究，2015，33（12）：1805-1812.

（责任编辑 赖佳）

收稿日期：2020-07-22

作者简介：马聪颖，华南师范大学教育科学学院硕士研究生;吴宏超，广东省决策咨询研究基地“港澳青少年教育研究中心”教授，华南师范大学教育管理研究所所长，教授，硕士生导师。（广州/510631）

*本文系国家自然科学基金委项目“研究生收费政策与学业成就的关系模型及影响机制研究”（71503096）的成果之一。