林卓玲， 黄 英， 贺浪萍

(1.华南师范大学科技处，广州 510631；2.华南师范大学华南先进光电子研究院，广州 510006；3.华南师范大学发展规划处，广州 510631)

高等学校是国家科技创新的重要力量，聚集知识和人才，拥有扎实的研发基础和良好的创新环境．不同类型高校结合自身学科特点和研发优势，促使科技创新呈多元化发展，为建设创新型国家做出重要贡献．据《高等学校科技统计资料汇编》(2000—2012历年)统计[1]，1999—2011年全国高校累计拨入科技经费约5 792.6亿元，扣除物价增长因素后年均增长20%．然而，科技创新活动更要注重效率问题[2]．教育部发出了《教育部关于深化高等学校科技评价改革的意见》(教技[2013]3号)，表明国家对高校科技资源合理配置的高度重视．为提高科技创新资源的使用实效和管理水平，有必要对不同类型高校科技创新效率进行评价．

关于高校科技创新效率的评价方法很多，数据包络分析法(简称“DEA”)是常用的非参数评价分析法[3]．DEA法直接使用投入产出数据建立非参数的最优化模型，不需要估算参数和确定投入产出指标的函数关系，减少了权重确定过程主观因素的影响，且决策单元(简称“DMU”)效率指数与投入和产出数据的量纲选取无关[4-5]．文献[6]-[9]运用DEA法分别研究了马来西亚、澳大利亚、希腊、智利高校投入产出效率．孙世敏等[10]研究了我国29个地区高校科研投入产出效率，得出西部地区效率相对较低, 且大多处于规模效率递增阶段的结论．赵晓阳等[11]综合评价了“985”高校科技投入产出静态和动态效率，发现科研效率整体偏低．杨传喜等[12]、沈映春等[13]分别比较分析了农林业类、国防科工类高校科技投入产出效率，研究表明各院校的效率存在差异.综合现有研究成果，本文以《高等学校科技统计资料汇编》划分的6种不同类型高校(综合院校、工科院校、农林院校、医药院校、师范院校、其他)为研究对象，选取1999—2011年科技投入产出指标数据，通过阿尔蒙多项式法测定相关滞后效应，运用以投入为导向规模报酬可变的DEA法评价高校科技创新效率，并分析其影响因素，以期为优化高校科技创新资源配置提供参考．

1 研究方法

1.1 科技投入产出指标选择与数据来源

结合高校科技创新体系的特点，以及指标的代表性、可靠性和可得性，在参照文献[2]、[5]、[7]、[9]、[14]的基础上，选取指标体系如下：

(1)投入指标共2项．人均科技支出可比经费(X1)：科技支出可比经费和科技活动人员(包括研究与发展人员、R&D成果应用和科技服务人员)数的比值，按千元/人计；科技活动人员比重(X2)：科技活动人员数和教学与科研人员数的比值．

(2)产出指标共4项．人均出版科技著作数(Y1)：出版科技著作部数和科技活动人员数的比值；人均学术论文当量数(Y2)：发表学术论文当量数和科技活动人员数的比值；人均专利授权当量数(Y3)：获授权专利当量数和科技活动人员数的比值；人均技术转让实际收入可比经费(Y4)：科技成果技术转让实际收入可比经费和科技活动人员数的比值，按千元/人计．

以1999—2011年各类高校统计数据进行测算处理．数据来源为《高等学校科技统计资料汇编》(2000—2012年)．对涉及经费方面的数据，按照国家统计局公布的商品零售价格指数，以2011年物价为基准均转化为可比经费[15]．参照相关文献[14]进行测算得出学术论文当量数和专利授权当量数.

1.2 不同滞后期科技创新效率测算方法

运用Eviews7.0软件，通过ADF和Philips-Perron统计方法分别检验lnX1、lnY2和lnY3序列的单位根，以及测算阿尔蒙多项式分布滞后模型．

根据DEA方法中的C2R模型和BC2模型，选取投入导向模式，应用DEAP 2.1版本软件测算效率，对以下3种情形进行对比分析:(1)不考虑滞后期，根据当年投入产出测算科技创新效率；(2)假设滞后期为2年，以t-2年投入指标数据和t年产出指标数据测算科技创新效率；(3)按照上述分布滞后模型系数进行测算．测算出2001—2011年各类高校的综合效率(TE)、纯技术效率(PTE)、规模效率(SE)，再分别测算3种情形的全国高校科技创新效率指标的算术平均值，记情形(3)的测算结果为W*，将不考虑分布滞后的测算结果为W，两者之间的偏差比例计算公式[16]如下：

(1)

将情形(1)和情形(2)的测算结果分别代入式(1)，得出效率偏差比例.

1.3 科技创新效率影响因素数据选取与模型

为探索引起综合效率变化的深层原因，进一步分析影响指标变动的重要因素．李瑛等[17]研究结果表明人均GDP、科技活动经费中政府拨款所占的比例均对地方高校科技创新效率几乎没有影响；研发机构数量对效率有促进作用．高燕楠[18]研究发现高校科技创新效率主要影响因素为人力和经费投入情况．郑军等[19]研究发现政府资金对高校科技创新具有积极作用，企业资金和金融机构贷款对高校科技创新作用不一致，且大部分情况下表现为低效率．考虑到各类高校均分布在全国各地，不适于使用区域环境这一影响因素，本文从经费和人力2个方面进行考察，确定对研发投入、政府支持程度、社会服务能力、基础研究投入、专业技术人员投入5个影响因素进行分析，所选指标具体取值方法见表1，数据来源为《高等学校科技统计资料汇编》(2000—2012年)．构建了回归模型如下：

TEi=C+β1YFi+β2ZFi+β3SHi+β4JCi+β5ZYi+εi,

(2)

其中，C为常数项，β1～β5为各解释变量的回归系数，εi表示回归模型的误差项，TEi代表各类型高校不同年度的综合效率值．本文采用时间序列数据分析各类高校的影响因素，模型估计之前，检验变量之间的多重共线性、时间序列相关性．采用广义最小二乘法对上述回归模型进行估计，分别检验不同类型高校科技创新效率受各项因素的影响程度．

表1不同类型高校科技创新效率变化的影响因素

Table 1 The influence factors of science and technology innovation efficiency of different types of universities

影响因素取值方法符号研发投入人均研究与发展支出可比经费增长率YF政府支持程度人均政府拨入可比经费增长率ZF社会服务能力人均企事业单位委托可比经费增长率SH基础研究投入人均基础研究支出可比经费增长率JC专业技术人员投入科学家与工程师人数占研究与发展人员数比重的增长率ZY

2 时滞性分析

从图1看出全国高校科技投入产出指标对数化标准值的变化趋势，其中lnX1对lnY2、lnY3的影响相对明显．阿尔蒙多项式法分析滞后性的前提是时间序列数据是平稳的.表2列出了检验统计结果，结果表明lnX1和lnY2均通过统计显著性水平为5%的t检验，2个时间序列稳定性检验的置信度均超过95%，可认为是平稳序列，而lnY3为不平稳序列．以lnX1为解释变量、lnY2为被解释变量，利用相关系数法确定滞后期，该滞后期反映高校科技创新投入产出的滞后期．经互相关分析，判断滞后期为2，即k=2，多项式次数m

图1 1999—2011年全国高校科技投入产出指标变化趋势图

Figure 1 The change trend of science and technology input-output relative indices of universities during 1999-2011

表2 单位根检验统计Table 2 Statistics of unit root test

注：临界值中的*、**、***依次表示10%、5%、1%的显著性水平．

根据阿尔蒙多项式法，定义分布滞后模型为：

lnY2=Fln Y2(∑It),

(3)

其中，t为时间．

表3列出R2检验、F检验和D-W检验等的测算结果，同时，经过LM检验证实不存在自相关，说明上述序列通过了拟合优度检验、显著性检验和相关性检验，测算结果有效．

表3 高校科技创新滞后期模型系数Table 3 The lag model coefficients of science and technology innovation of universities

根据上述测算结果，进一步设定滞后模型为：

lnY2t=a+b0lnX1t+b1lnX1t-1+b2lnX1t-2+u,

(4)

其中，a为常数项，u为随机误差项.根据式(4)，第t年Y2产量值对数值由t、t-1、t-2共3年的当年对数化人均科技支出可比经费决定，系数b0、b1、b2反映了不同年度的当年科技经费支出的弹性．b0、b1、b2与∑bi的比值c0、c1、c2反映出不同年度科技经费支出对第t年科技创新产出弹性的贡献率，即

ci=bi/∑bi(i=0,1,2).

(5)

将式(5)代入式(4)得：

lnY2t=a+∑bi*(c0lnX1t+c1lnX1t-1+c2lnX1t-2)+u

(i=0,1,2).

(6)

定义新变量：

Zt=c0lnX1t+c1lnX1t-1+c2lnX1t-2.

(7)

将原模型转换为：

lnY2t=a+∑biZt+u(i=0,1,2).

(8)

经计算，c0=0.266 5，c1=0.333 3，c2=0.400 2．对第t、t-1、t-2年对数化的投入指标加权计算后，进行去对数化处理，得出新的投入，对应第t年的产出．以各年度每一类型高校作为DMU，即共66个DMU，均满足以下条件：DMU个数至少是投入产出项目数综合的2倍；n≥max{m×s,3(m+s)}，其中n表示DMU的数量，m和s分别代表投入和产出指标的个数[21-22]．据此，对各类高校科技投入产出指标计算后进行描述性统计(表4)．

表4 不同类型高校科技投入产出指标统计Table 4 The statistics of science and technology input-output indices of different types of universities

3 科技创新效率分析

3.1 不同滞后期高校科技创新效率对比分析

由表5可知，情形(1)和情形(2)的效率值均存在偏差．情形(1)中，2005年综合效率(TE)偏差比例超过5%，纯技术效率(PTE)出现2个年度的偏差比例超过5%，综合效率出现9次偏差比例为负数，纯技术效率偏差比例均为负数；规模效率(SE)偏差比例均在5%以下，其中8次偏差比例为正数．情形(2)中，2007年综合技术效偏差比例超过5%，共有8次偏差比例为负数；纯技术效率出现5次偏差比例在5%以上，2001—2011年偏差比例均为负数；2005年规模效率偏差比例超过5%，其余偏差比例均在5%以下，2001—2009年偏差比例均为正数．以上说明高校科技投入产出之间的滞后期对效率评价结果具有明显的影响，与陈浩[16]的研究结果相一致．从2001—2011年均值看，情形(1)和情形(2)均导致综合效率和纯技术效率偏低、规模效率偏高．

表5 2001—2011年全国高校不同时滞期科技创新效率偏差比例

3.2 基于分布滞后的高校科技创新效率变化分析

由图2、表6、表7可知，各类高校效率值出现波动，且变化趋势不一致．按DEA有效性可分为2类，第一类是DEA有效单元，共11个(表7)．其中工科院校和其他院校DEA有效单元数最多，其综合效率、纯技术效率和规模效率测算值均为1，同时达到技术有效和规模有效，说明科技投入产出之间达到相对最优状态，且规模收益趋势不变．第二类是DEA无效单元(即DMU数量减去DEA有效单元数)，共55个(占总数的83.3%)，综合效率值均低于1，投入产出未能达到最优状态．综合大学和农林院校DEA无效单元最多．进入新世纪以来，国家实施了《2003—2007年教育振兴行动计划》和《国家中长期科学和技术发展规划纲要(2006—2020年)》，提出了“创新型国家”战略，建设一批重点实验室、工程中心、国家大学科技园等科技创新平台，积极引导高校进行自主创新，但仍受到高校管理机制体系影响，成果产出无法在短期内同步增长．

图2 2001—2011年不同类型高校TE变化趋势

Figure 2 Variation tendency ofTEvalue of different types of universities during 2001-2011

表6不同类型高校科技创新效率指标均值

Table 6 The mean of science and technolgy innovation efficiency of different types of universities

指标综合大学工科院校农林院校医药院校师范院校其他TE0.7420.9080.6450.7920.8280.871PTE0.7960.9140.6950.9250.8690.912SE0.9270.9920.9210.8560.9540.953

表7 DEA有效单元数、规模效益统计

Table 7 Units of DEA effective and scale benefit increasing and degression

单元数综合大学工科院校农林院校医药院校师范院校其他合计DEA有效单元数04012411规模效益递增单元数958102539规模效益递减单元数21207214规模收益不变单元数05112413

从表6可知，各类高校综合效率均值排序情况是：工科院校>其他院校>师范院校>医药院校>综合大学>农林院校．结合表3数据，工科院校属于高投入高效率型，而综合大学、农林院校属于高投入低效率型．从综合效率值变化趋势看，工科院校的变化相对平稳，综合效率值维持在0.8～1.0区间，工科院校科技投入量高，科技论文、专利授权人均产出量大，技术成果转让更是成效显著，说明科技资源投入后按市场需求导向来组织实施创新，并将成果及时向社会生产力转化，创新能力强，因而其综合效率均值明显高于其他类型高校，与工科院校长期充分发挥学科特色和创新型人才优势、建立相适应的科技管理服务体系有关．农林院校综合效率变化幅度最大，2001—2009年波动幅度高达119.1%；由于纯技术效率和规模效率的双提高，2005—2009年持续呈上升趋势，追赶效应明显，资源配置效率得到较大改善，与杨传喜等[12]的研究结果一致．师范院校和医药院校的变化幅度较接近，综合效率水平居中．综合大学高投入并没有产生相匹配的成果，综合效率偏低．

图3中，各类高校纯技术效率从2009年开始均趋于相同水平．除了上述11个DEA有效的单元，2009年农林院校纯技术效率值也为1，科技投入技术性利用效率合理．农林院校2001—2008年纯技术效率仍较低，2001年纯技术效率值最低，仅为0.544；2009—2011年纯技术效率值提高幅度较大，均达到0.8以上．这期间虽然逐年加大科技投入，但研发技术没有同步升级改造，资源使用效率偏低，也可能是成果产出存在滞后现象．值得注意的是，综合大学、工科院校、农林院校、师范院校和其他院校的纯技术效率与综合效率的变化趋势大致相同，说明上述5类高校综合效率波动主要由纯技术效率变化引起．医药院校的纯技术效率变化明显较平稳，纯技术效率值均在0.85以上，投入要素技术性利用效率较高．

图3 2001—2011年不同类型高校PTE变化趋势

Figure 3 Variation tendency ofPTEvalue of different types of universities during 2001-2011

规模效率整体水平优于纯技术效率．工科院校规模效率值均在0.97以上，综合大学、农林院校、师范院校和其他院校的规模效率均值也均在0.9以上．医药院校的规模效率变化幅度较大，2005年开始下降，2007年之后逐步上升，2005—2008年规模效率值均低于0.8，明显阻碍了综合效率提升．据统计，2005—2008年医药院校的经费和人员投入逐年增加，可能由于高校内部运行管理机制不完善，研究力量分散，未能对增加的投入实行有效配置，产出规模相对滞后．从规模效益情况看，综合大学、农林院校、医药院校和其他院校的规模效益递增单元数均超过50%，表明这4类高校结合所处规模阶段扩大科技创新规模，可带动成果产出增加，并且产出增长比将大于投入增长比．师范院校规模效益递减单元数超过50%，随着投入量增加，其产出比例反而减少，表明资源要素配置不合理，若在不改变其配置结构的前提下，应适当控制投入量，避免资源浪费或损失．

综上，工科院校综合效率、纯技术效率和规模效率均达到较高水平，综合大学、工科院校、农林院校、师范院校和其他院校的综合效率波动主要由纯技术效率变化引起，而医药院校综合效率变化受到规模效率制约．

4 科技创新效率影响因素分析

通过测算变量的方差膨胀因子(VIF)，VIF值均在10以下，表明解释变量之间不存在严重的共线性．LM检验的结果显示时间序列存在序列相关性．从回归分析结果看(表8)，各项因素对不同类型高校科技创新效率的影响程度存在明显差异．

表8 科技创新效率影响因素回归结果Table 8 Regression results of science and technology innovation efficiency affecting factors

注：括号内为t统计量，*、**、***依次表示10%、5%、1%的显著性水平．

(1)研发投入对其他院校创新效率的影响为显著负相关，说明增加研发投入未能提高创新效率，应进一步提高对研发投入的配置效率．研发投入对综合大学、工科院校、农林院校、医药院校和师范院校产生负向影响，但均不显著．

(2)政府支持力度对其他院校科技创新效率的影响为显著正相关，人均政府拨入经费增长率越高，其科技创新效率越高．但政府支持力度对综合大学的影响显著且负相关，科技拨入经费来源中政府拨入经费比重在50%以上，说明增加政府投入资金对创新效率未能发挥主导效应．但政府支持力度对工科院校、农林院校、医药院校和师范院校的影响不显著．

(3)社会服务能力对医药院校和师范院校的科技创新效率具有显著正相关，在全国高校广泛开展产学研结合的影响下，此2类高校的社会服务意识逐步增强，鼓励研发人员更多地参与研究解决社会经济发展中的问题，提高应用研究能力，因此在这上升的发展阶段增加企事业委托经费投入，能引起较大的产出弹性[23]．社会服务能力对综合大学和工科院校创新效率的影响系数也均为正，但不显著．社会服务能力对农林院校的影响为显著负相关，这可能与农林院校研发人员的专业技术类型和创新能力有关．

(4)基础研究投入对农林院校和其他院校科技创新效率影响均为显著正相关，提高基础研究经费投入，意味着增加了可直接用于基础研究的资源，完善基础研究创新环境，促进创新效率的提高．特别是农林院校科研项目实施周期长、见效慢、容易受自然灾害影响等特点有关，需要对基础研究加强投入保障[24]．基础研究投入对医药院校创新效率影响为显著负相关，对其他3种类型高校的影响不显著．

(5)专业技术人员投入对农林院校、师范院校和其他院校创新效率的影响为显著正相关，提高这3类高校专业技术人员比重增长率，为科技创新活动提供智力支持，有利于催化成果产出量增加，促进形成规模收益递增效应．专业技术人员投入对其他3种类型高校的影响不显著．

5 建议

根据测算结果分析，提出以下初步建议：(1)从政府管理部门角度，一是需在长期发展过程中不断完善科技创新管理机制，才能真正促进创新效率有效提高．二是为各类高校提供稳定的基础资源保障，重视对创新效率进行全方位动态监测评价，推行以科技创新效率为主导的多种评价方式，进一步注重对科技成果价值的客观评价，更合理地反映各类高校创新能力，激励各类高校凸显特色，提升科技成果质量．三是结合创新环境的差异动态调整资源配置，既要整体统筹资源分配，也要兼顾不同类型高校科技创新发展定位和需求，探索各类高校之间资源流动机制，根据效率优化资源配置，激发高校创新潜能，力争保持投入产出相对最优化，形成高校向生产前沿面追赶的显著效应．(2)综合大学需加强科技创新过程管理，提高资源技术性利用效率．工科院校在继续保持现有高效率创新优势的同时，应进一步寻求资源投入增长点．农林院校规模收益递增明显，强化基础研究和专业技术人员投入力度，探索科技创新动力机制，改善纯技术效率，提高研发投入和社会服务的效益．医药院校需完善高校科技运行管理体系，强化科技创新激励措施，整合科技研究力量，发挥社会服务的积极效应，激活科技经费和科技人才等创新要素．师范院校转变规模收益为递增效应后再强化优质资源的投入，加强产学研合作，发挥服务社会功能，完善创新人才管理，提高引进创新人才的门槛和绩效评估标准，培育高水平创新人才，提升自身创新实力以吸引高水平人才，形成良性循环．其他院校在政府经费、基础研究和人员投入方面显示了对科技创新效率的促进效应，需建立科学管理机制，发挥特色学科创新优势，促进科技创新水平提升．

参考文献：

[1] 中华人民共和国教育部科学技术司. 科技统计[EB/OL].(2013-08-22)[2014-01-12].http://www.dost.moe.edu.cn/dostmoe/kjcg/kjtj/.

[2] 白俊红, 江可申, 李婧. 中国区域创新系统创新效率综合评价及分析[J]. 管理评论, 2009, 21(9): 3-9.

Bai J H, Jiang K S, Li J. Research on the innovation efficiency of regional innovation systems of China[J]. Management Review, 2009, 21(9): 3-9.

[3] 杨勇, 袁卓, 罗利华, 等. 南京高校动态科研效率的实证分析[J]. 科技与经济, 2012, 25(5): 16-20.

Yang Y, Yuan Z, Luo L H, et. Empirical study on dynamic efficiency of scientific research in universities in Nanjing city[J]. Science & Tcchnology and Economy, 2012, 25(5): 16-20.

[4] 魏权龄. 评价相对有效性的数据包络分析模型——DEA和网络DEA[M]. 北京: 中国人民大学, 2012.

[5] 蒂莫西·J·科埃利, D·S·普拉萨德·拉奥, 克里斯托弗·J·奥唐奈,等. 效率与生产率分析引论[M]. 2版. 王忠玉译. 北京: 中国人民大学, 2008.

[6] Nur Azlina A A, Roziah M J,Rasidah M. Comparative departmental efficiency analysis within a university: A DEA approach[J]. Procedia-Social and Behavioral Sciences, 2013, 90: 540-548.

[7] Andrew C W, Boon L L. Efficiency, technology and productivity change in Australian universities,1998-2003[J]. Economics of Education Review, 2008, 27(3): 285-298.

[8] Katharaki M, Katharakis G. A comparative assessment of Grek universities’ efficiency using quantitative analysis[J]. International Journal of Education Research, 2010, 49: 115-128.

[9] Ramírez-Correa P, Pea-Vinces J C, Alfaro-Pérez J. Evaluating the efficiency of the higher education system in emerging economies: Empirical evidences from Chilean universities[J]. African Journal of Business Management, 2012, 6(4): 1441-1448.

[10] 孙世敏, 项华录, 兰博. 基于DEA的我国地方高校科研投入产出效率分析[J]. 科学学与科学技术管理, 2007(7): 18-21.

Sun S M, Xiang H L, Lan B. The efficiency analysis on input and output of science research in regional universities on basis of DEA[J]. Science of Science and Management of S.& T., 2007(7): 18-21.

[11] 赵晓阳, 刘金兰. 基于DEA和Malmquist指数的985高校科研投入产出效率评价研究[J]. 电子科技大学报:社科版, 2013, 15(3): 94-100.

Zhao X Y, Liu J L. Evaluation on university research output-input efficiency based on DEA and Malmquist index[J]. Journal of UESTC:Social Sciences Edition, 2013, 15(3): 94-100.

[12] 杨传喜, 徐顽强, 张俊飙. 农林高等院校科技资源配置效率研究[J]. 科研管理, 2013, 34(4): 115-122.

Yang C X, Xu W Q, Zhang J B. The allocation efficiency of S&T resources at agricultural and forestry universities[J]. Science Research Management, 2013, 34(4): 115-122.

[13] 沈映春, 管超. 基于DEA的国防科工高校国防科技创新效率研究[J]. 北京航空航天大学学报：社会科学版, 2010, 23(5): 108-111.

Shen Y C, Guan C. Study on innovation efficiencies of universities of CSTND based on DEA model[J]. Journal of Beijing University of Aeronautics and Astronautics:Social Sciences Edition, 2010, 23(5): 108-111.

[14] 王楚鸿, 杨干生. 全国高校科技人员投入产出率分析——基于1992-2007年面板数据的研究[J]. 华南师范大学学报：自然科学版, 2010(3): 115-120.

Wang C H, Yang G S. Analysis of input-output efficiencies for scientific and technological personnel of universities in China——Based on Panel Data during 1992 and 2007[J]. Journal of South China Normal University:Natural Science Edition, 2010(3): 115-120.

[15] 中华人民共和国国家统计局.各种价格指数[EB/OL]. http://data.stats.gov.cn/workspace/index;jsessionid=25A742160577C4498E781211E026CEC5?m=hgnd.

[16] 陈浩, 王晓红, 张宝生. 基于视窗分析模型的我国高校科研效率评价[J]. 科研管理, 2013, 34(7): 101-111.

Chen H, Wang X H, Zhang B S. The evaluation of scientific research efficiency at universities of China based on DEA window analysis model[J]. Science Research Management, 2013, 34(7): 101-111.

[17] 李瑛, 崔宇威. 地方高校科技创新效率评价研究——基于超效率的三阶段DEA分析[J]. 东北师范大学学报:哲学社会科学版, 2011(2): 177-181.

Li Y, Cui Y W. Evaluation of S&T innovation efficiency of Chinese provincial colleges: A three stage DEA-based study[J]. Journal of Northeast Normal University:Philosophy and Social Sciences, 2011(2): 177-181.

[18] 高燕楠. 高校科技创新效率及影响因素的实证研究[D]. 天津：南开大学, 2010.

Gao Y N. An empirical study on efficiency of colleges’ science and technology innovation and the affect factors[D]. Tianjin: Nankai university, 2010.

[19] 郑军, 翟华云. 企业、政府、金融机构科技投入与高校科技产出的关系研究[J]. 科技进步与对策, 2012, 29(6): 18-21.

[20] 陈召魁. 高校R&D投入产出滞后性与相对效率评价研究[D]. 天津：天津大学, 2010: 27-29.

Chen Z K. An empirical study on hysteresis and evaluation of relative efficiency of R&D input-output in higher education institutions[D]. Tianjin:Tianjin University, 2010: 27-29.

[21] Golany B, Roll Y. An application procedure for DEA[J]. OMEGA, 1989, 17(3): 237-250.

[22] Copper W W, Li S, Seiford L M, et al. Sensitivity and stability analysis in DEA:Some recent development[J]. Journal of Productivity Analysis, 2001, 15(3): 217-246.

[23] 付晔, 张乐平, 马强, 等. R&D资源投入对不同类型高校专利产出的影响[J]. 研究与发展管理, 2010, 22(3): 103-111.

Fu Y, Zhang L P, Ma Q, et al. The impact of R&D resource input on patent output of various types of colleges and universities[J]. R&D Management, 2010, 22(3): 103-111.

[24] 庞燕珍.农业院校科研经费管理问题及对策[J].会计之友, 2009(6):22-23.

Pang Y Z.Problems and suggestions of research fund management of agricultural colleges[J].Friends of Accounting, 2009(6):22-23.