孟华

（厦门大学公共政策研究院, 福建 厦门, 361005）

1 引言

自上世纪末以来, 为了实现科教兴国战略, 推进创新型国家建设, 中央高度重视高层次人才发展战略的制定与实施, 推出了一系列人才奖励计划。其中, 1998年教育部和李嘉诚基金会共同启动实施的“长江学者奖励计划”是专门面向教育部属高校学者的人才奖励计划, 对于高校领军人才的吸引与培养起到了重要的激励作用, 而且深刻地影响了地方人才奖励计划的设计与实施。从2000年浙江省推出钱江学者计划, 到2004年山东实施泰山学者建设计划,再到2009年前后多个省级政府类似人才奖励计划的密集出台, 省级政府在人才竞争压力下纷纷仿照“长江学者奖励计划”, 制定实施了针对辖区内高等院校与科研院所等的人才奖励计划。这些人才奖励计划通常以带有各省特色的山河或地点命名, 如上海的东方学者计划、北京的北京学者计划、广东的珠江学者计划、福建的闽江学者计划、安徽的皖江学者计划、陕西的三秦学者计划、湖北的楚天学者计划、湖南的芙蓉学者计划等等。这些人才奖励计划针对的奖励对象在各省略有不同: 有的省份仅面向高校设立相应的奖励计划, 而且它们相互间在具体岗位设置上也存在明显差异, 如安徽皖江学者和广东珠江学者计划仅设立特聘教授岗位, 福建闽江学者和上海东方学者计划则包括特聘教授与讲座教授两种岗位, 而湖北的楚天学者计划设置了讲座教授、特聘教授和楚天学子三个不同层次的岗位;还有些省份的奖励计划不仅面向高校, 还将科研院所和企事业单位也涵盖在奖励范围内, 如重庆市的两江学者计划和陕西的三秦学者计划就设立了面向高校的特聘教授岗位与面向科研院所与企事业单位的特聘专家岗位。就各省奖励计划均涉及到的特聘教授岗位来看, 虽然各省在政策中均要求实现海内外招聘, 但是, 各高校实际操作中主要都是从现有教师队伍中遴选, 因此, 相对来说, 特聘教授在入选前后的工作环境条件变化主要就是奖励计划的政策干预。

可以说, 特聘教授奖励计划是实施人才强省战略和推进创新型省份建设的重要举措, 旨在通过为高校特聘教授提供资金、发展平台与后勤保障措施等支持, 促进高校人才发展, 培育地方高端人才, 打造地方人才梯队, 从而为人才强省奠定基础。综观各省的特聘教授奖励计划, 各省政府在政策设计时都会清楚地界定在特定时间段内力争完成的特聘教授吸引、培养目标和任务; 关注特聘教授岗位设置对各省重点产业、重大项目或重要科研创新平台发展等的支持作用, 并详细规定特聘教授岗位的职责、遴选条件以及招聘程序; 提供针对特聘教授的岗位津贴与科研经费支持, 并且对科研场所以及团队建设、项目申请支持等方面做出相关规定; 重视对特聘教授的考核管理, 通常都会对特聘教授岗位实行动态管理, 设置三至五年的聘用年限, 考核结果通过与否决定是否能够续聘。另外, 值得一提的是,有些省份有意识地将人才奖励计划与中央的一些人才计划相衔接, 力争实现不同人才计划之间的良性互动。如山东的泰山学者计划就明确提出要实施泰山学者攀登计划, 强调对优秀泰山学者进行重点培养和扶持, 以争取将其培养成两院院士或相当层次的高端科技创新领军人才, 并且对当选为两院院士的泰山学者特聘教授给予泰山学者成就奖。

虽然各地的特聘教授奖励计划已经实施了一段时间,但是, 这些政策的实施是否实现了预期效果？或者说, 政策入选者在政策前后是否表现出了预期的政策影响效果？对此问题, 目前学术界却未能给出满意的答案。从当前的研究成果来看, 虽然有关中央的“千人计划”、“青年千人计划”以及“长江学者奖励计划”等都有相关的政策评估文献, 但是, 地方人才奖励计划的评估文献相当缺乏, 对特聘教授奖励计划的评估更是未受到足够的关注。本文就拟对部分省份的特聘教授奖励计划的政策效果进行评估, 并在评估结果基础上提供政策改进建议。

2 文献综述

2.1 政策与个人绩效

为了提升个人绩效, 组织经常需要通过各种激励措施的设计来有效引导个人行为, 以确保个人努力的方向符合组织需求。基于这样的考虑, 激励理论得以产生并不断发展更新。从赫茨伯格对组织管理中激励因素与保障因素的区分, 到波特和劳勒的综合激励模型中对工作绩效与外在奖励之间关系的揭示, 都暗含着对组织管理制度设计与个人绩效关系的探讨。在公共部门人力资源管理中, 组织的制度能否激发公职人员的工作绩效同样受到学者们的关注。以绩效付酬制度为例。这一发端于私人部门的管理政策极大地激发了公司雇员的工作绩效, 因此, 美国在1978年将其引入到政府高端公务员的管理中, 随后其它OECD国家纷纷效仿。学界在政策实施近20年后开始反思这项政策是否真的推动了公务员的个人绩效, 但是, 对该项政策的效果评估却并未给人们提供令人振奋的图景。Ingraham（1993）对美国和其它OECD国家绩效付酬制度的检验就发现, 在公共部门的环境条件下, 绩效付酬能够提升工作人员绩效的期望与现实之间是存在着差距的。Eijkenaar, Emmert, Scheppach 和 Schöffski（2013）基于绩效付酬在健康看护领域的文献回顾同样发现, 虽然人们的研究数据显示, 绩效付酬对健康看护服务绩效产生了广泛的影响, 但是, 由于研究设计相对完善的论文数据有限, 现有的研究无法帮助人们就绩效付酬对绩效的正向影响得出确定无疑的结论。

当我们从组织管理制度推升至组织外面的公共政策时, 不难发现, 许多公共政策同样力图通过影响一些目标群体（包括个人）的行为来干预其绩效水平。在科学研究方面, 政府通常会通过制定促进研发的相关政策来激励科学工作者产生更多的科技产出。不过, 经济学家认为, 如果政府直接向企业提供足够数额的研发资金, 就会导致市场失败, 因此, 更为有效的方式是通过采用税收补助的方式进行资助（Hall & Reenen, 2000）。政府向公共部门提供研发资金的情况可能与对企业的资助情况有所差异。有学者（Hall, 1996）指出, 政府的研发政策支持下的研发活动在社会回报率方面显著超过私人部门。不仅如此, 政府的研发政策对公共部门内部研发活动也产生了不同影响。Jaffe和Lerner（2001）通过对1980年以来美国国家实验室专利研发的政策研究发现, 政策调整对国家实验室专利研发产生了显著影响, 它的研发活动的社会收益比逐渐追上了研究型大学, 而且, 与研究型大学相比, 国家实验室的专利质量更为稳定。当然, 就公共政策对科学工作者研发绩效的正向影响作用, 学界也存在着相反的意见。Goolsbee（1998）基于对近2万名美国科技工作者数据的分析指出, 美国政府针对科学研究和工程人员投入的研发资金中, 三分之二是以科学工作者的工资和补贴形式支付的, 这在显著提升科技工作者个人收入的同时, 却未能保证科技工作者投入的研究时间得以提高, 这就意味着, 人们可能明显高估了政府研发政策的效果。而且, 由于政府研发资金导致了公共部门科技工作者的收入增长, 还对私人部门的研发产生了不利的“挤出”效应。不过, 由于文章是以科技研发时间投入而非科技产出作为评价指标, 因此, 我们并不能据此认定政府研发资助政策未对科技产出发挥积极影响。

2.2 高层次人才政策的效果评估

目前学术界对我国高层次人才政策的效果评估研究主要集中于国家层面, 对地方人才政策的评价刚刚起步。从现有评估文献的关注点来看, 学者们主要从两方面实施评估, 一是通过绩效评估指标体系的构建, 对政策执行过程进行绩效监测; 二是通过事前事后的比较对政策效果进行影响评估。

在政策执行的绩效监测方面, 学者们从不同的视角切入构建评价指标, 并借助于这些指标对政策实施过程中的相关数据进行分析评价。如从人才的引入与管理角度入手, 杨河清和陈怡安（2013）在“引得进、留得住、用得好”三个方面建立海外高层次人才引进政策的绩效评价指标体系; 从学者的工作实际出发, 郑巧一、朱佳妮和张国栋（2015）在科学研究、人才培养和学术综合三个一级指标下构建了“千人计划”评价指标, 李波平和邹德文（2015）则从科技效益、经济效益和社会效益三方面构建评价体系用于评估湖北百人计划实施效果。

在对政策实施效果进行影响评估时, 研究者主要采用描述性统计与方差分析方法, 对事前与事后的数据进行比较研究, 并在此基础上得出政策效果结论。在评估中, 研究者通常是对学者的论文数量进行入选前后的比较。如孙伟等通过对“青年千人计划”前三批30位入选者的学术生产力进行入选前后数据的统计分析, 发现该政策40%的入选者在引进后3年内发表的论文总数超过了引进前3年,16.7%与引进前持平, 43.3%引进后发表的论文数少于引进前（孙伟, 任之光, 张彦通, 2016）。相类似的, 赵俊芳和叶甜甜（2014）利用 Web of Knowledge等数据库, 通过对“985 工程”高校前五批“千人计划”入选者引进前后论文产出量进行比较分析, 指出入选者拥有较高的学术生产力。

无论是通过绩效测量还是政策影响评估, 研究者的结论是类似的, 即政策执行效果总体上是良好的, 政策的实施对各方面产生了正向影响, 基本实现了政策预期。但是,需要指出的是, 从目前文献来看, 研究者在进行人才政策的效果评价时, 并没有真正地将政策作为一个自变量去分析政策实施与结果之间的因果关系, 他们主要还是将政策视作一个外在的环境变量, 评估时将其暂时搁置一边, 关注政策产出或结果数据的收集以及政策前后数据的比较。在这样的条件下, 政策评估结论是以其它因素未对产出或影响数据产生任何干扰作用为前提, 将数据变化归结于是受政策影响的结果。显然, 这种评估方法并不能真实反映政策效果, 政策结论的得出过于简单。

在政策效果评估领域中, 也有学者将政策变量从环境转化为内在分析变量, 如张再生和牛晓东（2015）在评估武汉人才政策绩效时, 就提取了政策因素, 并且将政策因素与产出进行了相关性检验。只是他们的产出因素使用的是人才净增量累计数, 此类指标以政策设计的人才引进数量为基础, 现实中难以真实反映政策的实际效果。要真实反映政策的效果, 必须关注政策结果的质量层面而非数量层面的信息。

3 研究设计

3.1 样本选择

本文主要基于地理位置、高校数量以及政策出台时间选择政策研究样本。从地理位置来看, 人才倾向于流向相对富裕的东部沿海地区, 因此, 在选择政策样本时, 本文将主要关注东部沿海地区的省份。当然, 某些中部地区集中了大量高校并相应构建了人才高地, 也需要将其纳入研究样本。比较典型的是陕西和湖北, 这两个省份均拥有7所以上的211高校。另外, 湖南拥有3所985高校、4所211高校, 同样值得纳入研究范围。

在各省出台政策的时间上, 早的如上海、湖北大致在2007 年间推出相关政策, 而多数省份是在2009年前后实施特聘教授计划, 北京学者计划则是到了2012年底才出台。考虑到大多数政策是在2010年以前出台, 从政策可比性角度出发, 本文以2010年为时间切点, 截取政策研究样本。基于这一时间切点, 北京就被排除在外。虽然北京是高校最为密集的地方, 但是, 北京市第一批特聘教授是在2013年才产生, 如果将其纳入研究范围, 抽取个人样本的时点就必须从2013年开始, 这一时间与早期出台政策的省份时间相距过大, 容易导致其它省份政策激励措施被稀释, 不能客观反映政策影响。

基于以上考虑, 最终确定的政策研究样本来源省份为上海、浙江、江苏、山东、福建、广东、湖南、湖北、陕西等九个省份。

对于如何在这9个政策样本框架中抽取个人样本, 我们主要基于政策发布最晚的时点来确定。在9个省份中,江苏省的特聘教授计划颁布实施时间为2010年, 2011年初产生首批入选者。因此, 个人样本选定为2011年入选9个省份特聘教授计划的所有人员。相关的样本名单从各省人事厅（局）网站上获取, 共计205人。

3.2 政策变量及数据获取

各省级政府所出台的高校学者奖励计划中, 对于聘期、津贴、补贴以及后勤保障、科研发展等方面都做出了相应的规定。在聘期方面, 基本上采用3年或者5年的聘期设计。对于特聘教授在岗工作时间, 各省通常要求特聘教授或专家一年内累积工作时间不少于9个月。也有些省份有着不同的规定, 如山东的泰山学者攀登计划规定6个月, 并允许最低降至3个月, 而浙江、江苏、上海等地则要求特聘教授要全职工作（相当于12个月）。在岗位津贴的发放方面, 各省一般将津贴设计为一年10万或12万。不过, 上海执行的是每年20万的高标准, 另外, 有些省份的政策规定, 在省里提供资助的同时, 用人单位必须提供配套资助。在科研补贴方面, 各省一般根据自然科学类和人文社科类的区别, 为特聘教授提供数额不等的科研补贴。同时, 多省要求用人单位在省里的补贴之外提供相应比例的配套经费支持。就补贴金额来看, 补贴多的如江苏省, 在将省政府与学校配套相加之后, 自然科学类学者获得的科研补贴高达400万; 补贴少的省份金额只有几万或几十万。

以上几方面的政策数据相对客观, 在测量聘期与在岗工作时间时, 笔者将直接采用政策原始数据。在岗位津贴与科研补贴方面, 政策规定用人单位必须提供配套资助的,数据处理时直接将省与用人单位的资助加总。不过, 湖北省的情况比较特殊, 该省未提供省级科研补贴, 但政策明确规定: “高等学校必须为聘任的楚天学者配套必要的教学科研经费”。鉴于湖北各高校制定的楚天学者科研补贴标准有相当大的区别, 因此, 该省的科研补助数据直接来源于人才所在高校的科研补贴标准。另外, 考虑到各省经济条件差异很大, 采用原始数据会漠视这些差异性, 因此,对于这两项数据均用2011年的年社平工资进行折算, 取津贴、补贴与社平工资之比纳入研究中。

在各省政策规定中, 还有些以非量化形式出现的政策支持。一是科研项目申请上的支持。有些省份的政策明确提出要支持特聘教授申请国家和省重大科研项目, 有些省份的政策则没有相关内容。二是后勤保障性服务的提供。这方面主要涉及的是子女入学、落户以及出入境便利性等方面的服务保障, 有些省份（如江苏）明确表示要在哪些方面提供帮助, 也有些省份只是模糊地提及要提供生活与工作上的便利条件, 还有些省份的文件中没有提及相关服务。三是团队建设支持。各省在这方面的政策规定差异性很大, 有些地方未提供相应支持（如上海）, 有的只是简单地提及要支持特聘教授组建团队（如福建、湖北）, 有的则规定了对团队的科研补贴（如山东）, 还有的如陕西省的政策规定非常详细, 既提供团队科研补贴, 还制定了详细的团队成员的职数与选拔条件、管理措施等。四是发展奖励方面的规定。有些省份如山东省规定了相当详细的促进个人发展的政策措施（即泰山学者攀登计划）, 有些省则只粗略地提及, 还有些省份根本未提供促进个人向上发展的安排。对于前两项政策支持, 因只涉及是否有相关政策, 可以设计虚拟变量对数据进行处理, 1表示有此政策,0表示无相关政策。政策中的团队建设支持则需要根据支持力度从0-3进行编码, 发展奖励计划根据计划详细程度以0-2进行编码。另外, 各省都规定了详细的特聘教授考核事项, 但是, 如果将这项政策措施纳入研究中来, 9个省份没有区别, 赋值都是1分, 这对于研究意义不大, 因此研究中未选用此项措施。

3.3 政策效果变量及数据获取

从各省的政策设计目标来看, 特聘教授奖励计划都被作为通过“人才集聚”与“科技创新”实现人才强省战略的重要举措。“人才集聚”的核心在于通过奖励计划吸引和培养高层次人才, 从而为省级发展提供人才支持。对这一目标进行操作化解析后, 测量指标可以设计为奖励计划入选者数量。在各省的政策文本中, 这一人才数量要求是作为政策目标明确提出来的, 只是提出的方式有所区别。有的（如上海的东方学者计划）是以明确的年度目标提出人才数量发展要求的, 有的（山东的泰山学者计划）是以跨年度目标的方式提出, 还有的如陕西的三秦学者计划则根据经济社会发展和重大项目实施需要, 设定了一些领域,规定每个学科、行业和领域原则上只能设置一个三秦学者岗位。

不过, 用人才数量来评价政策效果意义不大。因为,人才数量在政策设计时已经明确规定, 这些计划目标无论如何均会完成。相对而言, 政策效果更多地体现在入选者是否能够发挥政策预期的科技创新能力, 为建设创新型省份发挥作用, 这正是政策的“科技创新”目标的题中应有之义, 是政策设计的本质追求。“科技创新”的关键在于创新, 而特聘教授的创新能力主要表现为学术表现, 即学术产品的数量与质量。学术产品数量通常用论文、专利的数量进行测度, 转载率、引用率、专利转化率等则常用以测量学术作品的质量。考虑到论文转载率与引用率等学术产品质量无法进行年度测量, 只能获得查询时点的最终结果,难以对政策前后的情况进行比较, 因此, 不适于纳入研究中来。最终, 本文通过论文发表数量和专利获批数量对政策效果进行评估。

考虑到各省政策文本中聘期最低规定为三年, 本文将评估时间界定为政策前3年和政策后3年, 总体跨度为6年。在政策截点为2011年的情况下, 数据收集的时间则为政策前的2008-2010年和政策后的2011-2013年。论文数据的收集借助于两大数据库来完成。首先利用Web of Knowledge数据库收集所有特聘教授样本的论文数据。在此数据库中进行查询时, 作者姓名分别用全名和名字的英文字母简写两种方式查询, 每次查询时均限定为论文, 同时, 为避免出现重名现象, 利用作者单位的限定作用对数据进行筛选。其次是利用中国学术期刊网上的CSSCI数据库补充人文社会科学领域学者的论文数据, 查询时利用作者单位进行限定以避免出现重名现象。专利数据利用SooPat专利搜索引擎查询。虽然该引擎是一个民间网站,但是这一网站包含108个国家和地区的专利文献, 包括发明、实用新型、外观设计与发明授权几种不同的专利类型,数据相当完整, 能够很好地支持学术研究。当然, 由于学科特点, 笔者仅查找理工农医类专业特聘教授的专利数据。专利查询中, 以姓名、单位名称和发明专利进行限定, 并且根据专利批准的情况, 排除“无权”、“驳回”“视为撤回”等类似情况。

3.4 控制变量及数据编码

个人的学术表现肯定也会受到除人才政策之外的其它变量的影响。就人才个人情况来看, 他们的年龄、性别、海外教育背景与学科背景可能会影响个人的学术表现。一般来说, 40岁以下的年轻学者学术表现更为活跃, 而且,自然科学领域中学术活跃期通常更为年轻化; 女性因为家庭等因素的干扰过多, 通常难以将精力集中于学术研究,达到男性的学术表现水平; 具有海外教育背景的人才更能够适应国际期刊的学术发表要求, 在使用SCI数据进行测量时可能会比国内毕业学者有更多优势; 各高校对自然科学类教师的科研要求通常会高于人文社会科学类教师, 这就导致教师的学科类别也可能会在一定程度上对发文量产生影响。从人才的外部环境来看, 高校密集的地方人才竞争会相对激烈, 学校也会对教师提出更高的科研要求。同时, 不同类型学校对教师的科研要求也客观上存在着相当大的差异, 重点高校教师评价体系中对于科研的要求明显高于普通院校, 从而极可能影响个人科研活动产出; 东部地区经济发展条件优于中西部, 更容易形成人才集聚效应,可能在一定程度上导致学术表现好的人才更多地集中于东部。基于以上考虑, 本文将个人的年龄、性别、海外教育经历、学科类别, 以及作为环境条件的高校密集程度、学校类型和学科类别、高校地理位置作为控制变量纳入研究中。

个人年龄以各大高校网站可以查到的特聘教授出生年份为标准录入, 有些未直接公布出生年份的, 通过本科入学时间进行推算。性别、学科类别和海外教育背景在研究中设计为虚拟变量, 编码时, 有海外教育背景、自然科学类和男性为1, 无海外教育背景、人文社科类和女性为0。高校密集程度在文中以各省211高校数量作为判断依据,将1-3所、4-7所、9-11所211高校的省份分别编码为1,2, 3。学校类型包括985高校、211非985高校以及其他院校, 分别编码为3, 2和1。高校地理位置分为东、中和西部,分别编码为3, 2和1。

3.5 数据处理方法

本文采用SPSS19.0对数据进行处理。首先对入选前后的学术表现数据（论文数量和专利数量）进行配对样本T检验, 以粗略估计地方政府人才奖励政策对入选者学术表现产生的大致效果; 然后, 通过对政策变量、控制变量与学术表现的前后变化之间的关系进行回归模拟, 对具体是哪些政策措施导致了入选者学术表现的变化进行更为准确地评判。

4 政策评估结果

4.1 特聘教授入选前后学术表现的变化情况

从表1可以看出, 特聘教授入选前三年与入选后三年论文量的均值分别为0.95篇和2.27篇, 两个均值的差值为1.31篇。同时, 通过配对样本T检验可以发现, 入选前与入选后的差异是显著的, 说明高校学者奖励计划的入选者在入选前后的论文发表量存在着显著差别, 入选后显著高于入选前。专利方面的情况是类似的, 理工农医类特聘教授入选前三年专利均值为0.21项, 入选后三年均值为0.70项,入选前后差值为0.49项, 配对样本T检验的结果同样显示, 入选前后的差异显著, 入选后的专利获批数量明显高于入选前。根据特聘教授在这两个方面的学术表现, 我们可以得出这样的结论: 特聘教授在政策实施前后的学术表现发生了显著变化。

表1 特聘教授入选者学术表现及配对样本T检验结果

4.2 特聘教授奖励计划与学术表现的回归分析结果

虽然配对样本T检验可以证明特聘教授入选前后的学术表现存在着显著差异, 但是, 要证明这种差异是否由政策导致, 以及证明是由哪些具体的政策措施导致, 还需要对政策与学术表现的差异进行回归分析。特聘教授奖励计划与入选者在政策前后的学术表现差异之间的逐步回归分析结果见表2。从表中可以看出, 经过逐步回归分析, 自变量入选前后论文差值的回归方程中仅保留了两个变量,而入选前后专利差值的回归方程中保留了五个变量。同时,两个回归模型的F值都达到了显著水平。总体来看, 政策对特聘教授发明专利数量的影响明显高于对论文数量的影响。

在控制变量中, 只有学校类型对学术表现产生了显著影响, 具体表现为特聘教授入选前后的发文量差异受到学校类型的显著正影响。由于学校类型赋值时是正向赋值,即985高校被赋值为3, 普通高校赋值为1, 因此, 该结果说明, 高校层次越高, 特聘教授入选后与入选前相比, 发文量差异越大。政策变量中, 聘期对两个学术表现指标的变化情况都产生了显著正影响, 这一结果暗示, 特聘教授的聘期越长, 政策激励效果越明显, 相应的, 入选前后的发文量和专利数量差值也越大。

对于自然科学领域的特聘教授来说, 专利获批数量在入选前后的变化除了与聘期显著相关之外, 还受到另外四个政策因素的显著影响。首先, 岗位津贴与社平工资的比值对特聘教授入选前后的专利数量差异产生了显著负影响, 类似的, 科研经费与社平工资的比值也显著影响到特聘教授入选前后的专利数量差异, 而且影响方向也是负向的。这一结果说明, 岗位津贴与科研经费超出社平工资的幅度越大, 入选者在专利获批数量方面的前后表现差异越小, 学术表现越不理想。其次, 组建团队与项目申请支持能够正向影响特聘教授的专利数量前后差值, 说明政策中组建团队的规定是否具体详细以及对项目申请是否提供了支持会显著影响专利数量变化。团队组建规定越详细且有项目申请的支持, 特聘教授的专利获批数量越有可能增加。

表2 政策与入选者学术表现的逐步回归分析结果

4.3 对评估结果的解读

应该说, 学校类型的影响是完全符合我们的认知的。一方面, 在我国高校管理实践中, 越是研究水平高的学校,职称评定的要求越高, 对教师的学术成果层次要求越高,数量要求也越多, 教师间的竞争也越是激烈。而且, 这种职称评定要求主要是以高水平论文发表量为评价标准, 相应地, 也就促使教师发表了更多的高水平论文。另一方面,各省特聘教授奖励计划的入选者绝大多数从事自然科学研究, 而且各地人才奖励计划主要针对非985的普通院校,这些院校的职称评聘不像985高校那样要求必须是SCI等刊物。因此, 采用主要收录国际刊物的Web of Knowledge数据库进行论文数据查找, 会更有利于重点高校的特聘教授, 从而导致学校类型对入选者论文数量变化展现出显著影响。

政策中有关聘期的规定越长越有助于促进学者学术成就的提升, 既可能与学术科研活动的特点有关, 也可能与较长聘期下入选者的心理反应有关。首先, 科研活动需要一定的周期, 聘期短显然是不利于正常学术活动的开展的,特别是自然科学类, 从学术团队的组建到出成果都需要时间, 聘期设置短可能会导致一些正常的科学活动在聘期内无法产生相应的学术成果。其次, 在较长聘期设计下, 入选者心理上会更为安定, 有助于减少时间紧迫造成的心理焦燥现象, 并且容易让入选者对用人单位产生更为明显的组织忠诚度与归属感, 从而保证特聘教授能够安心学术研究, 提升个人绩效。

为特聘教授提供团队组建和项目申请支持能够确保特聘教授增加学术成果, 这与具体的科研工作特点密切相关。根据自然科学研究的特性, 科研团队的构建是至关重要的。但是, 在高校中, 科研团队的构建并不容易, 有些学校里即使是千人计划入选者也无法确保回国后两年内顺利地将研究团队组建起来, 因此, 政策的支持能够起到相当大的助益作用。至于项目申请的支持, 由于项目申请的前提都是清楚的研究计划, 因此对项目的支持其实是对研究计划实施的直接推动, 能够促使项目计划产生出专利结果来。同时, 根据马斯洛的需求层次理论, 人们的需求会从低层次经济性的生存与安全需求, 向高层次的自我实现需求演进。作为高层次人才, 特聘教授入选者的基本经济需求通常都已经得到满足, 他们的需求相对集中于更高的自我实现层次上。在这种情况下, 个人发展平台更有可能符合入选者的阶段性需求现状, 团队建设与项目申请支持则恰好是能够帮助特聘教授更好地搭建个人发展平台的有利政策措施。

至于岗位津贴的负面作用应该与岗位津贴的发放方式有关。目前岗位津贴其实是通过与工资收入合并在一起发放的, 因此, 岗位津贴只是简单地增加了个人的收入水平。而西方的研究已经表明, 当政策资助以金钱形式直接增加个人工资收入情况下, 是不能保障科研工作者的工作绩效提升的（Goolsbee, 1998）。岗位津贴的这种负面作用可能与金钱激励遵循的边际效果递减规律有关。管理学研究已经证明, 金钱激励是一把双刃剑, 在达到一定点之后, 再追加激励数额, 激励效果会不升反降。岗位津贴是保证特聘教授生活安定的必要条件, 但是, 根据赫茨伯格的双因素理论, 这些金钱形式表现出来的激励措施只能起保障性作用, 它能够避免出现不满意的现象, 却不能确保对被管理对象产生激励作用。而且, 当这些金钱的数额超出社平工资过多时, 个人就有可能在与社会公众金钱收入的较大差异中获得地位认可与满足感, 他们的关注点就可能会从追求学术发展成就的内在动力, 转向对获取更高数额金钱的追逐上去, 并通过获得的岗位津贴数量来衡量自身成就,从而导致总体激励效果下降。

科研经费在推动特聘教授发明专利数量提升中的负向作用明显与人们的预期不相符, 对于这一问题的解释, 我们需要抛开总体数据, 转而结合各省的情况进行更为细致的分析。这是因为, 各省之间的具体差异在利用总体数据进行回归分析时, 可能被忽视了, 从而令我们无法发现科研补贴在特定省份产生负向作用的深层原因。当然, 为了更好地识别出省与省之间的差异性, 对比专利与科研补贴之间关系的两种极端情况是很有助益的, 因为这样可以帮助我们排除中间情况的干扰作用, 更清晰地辨别出导致科研经费作用异化的深层原因。图1是将数据标准化后的专利前后均值差与科研补贴和科研补贴与社平工资比的柱状图。从图中可以看出, 在一个极端, 专利前后均值差大但科研补贴相关数据小的典型是钱江学者与芙蓉学者计划,这说明浙江与湖南的特聘教授奖励计划科研投入少但导致了较大的专利产出变化; 在另一个极端, 专利前后均值差小但科研补贴相关数据大的典型则是泰山学者、闽江学者与珠江学者计划, 因此, 山东、福建与广东的科研投入多但专利变化小。

图1 专利与科研补贴、科研补贴与社平工资比的标准化数据对比图

如果将科研补贴与专利数量变化之间的负相关关系理解为一种表面假象, 那么, 就应该有一些潜在的因素扭曲了其正常作用的发挥。作为一项政策措施, 科研补贴无法发挥预期作用应该与政策之外的高校或者特聘教授本身的因素有关。但是, 从处于两个极端的省份来看, 除湖南外,几个省份都处于东部沿海地区, 这说明地理位置以及与地理位置相关的经济发展条件是不重要的。同时, 两个极端省份中均分别有高校密集度高和低的省份, 说明科研补贴作用相反也与高校间的竞争没有关系。在此情况下, 特聘教授的个人情况可能是导致科研补贴未能发挥正常作用的决定性因素。

通常情况下, 985高校与普通高校相比, 人才评价体系更为关注论文而非专利。这种政策导向肯定会影响到高校教师发表论文还是研究专利的偏好与抉择。在这样的背景下, 特聘教授中985高校入选者占比越高, 特聘教授越有可能将科研补贴用于学术论文的研究与发表而非专利的开发与申请, 从而导致科研补贴与专利量之间的关系表现为负相关, 这一点在图2专利变化与各省样本中985高校入选者所占比例的对比中表现得相当明显。在发明专利数量变化更大的浙江和湖南两个省份中, 所研究样本的985高校入选者占比相对较低, 而特聘教授入选者中985高校教师占比大的福建与广东两省, 发明专利的数量变化明显更小。不过, 图2也表明, 山东的情况相对特殊, 该省专利数量少更有可能与其它因素有关。

图2 专利变化量与985高校入选者占比的标准化数据对比图

图3是数据标准化后特聘教授专利变化量与平均年龄、具有海外教育背景的入选者所占比例之间的对比图。显然, 山东的泰山学者特聘教授年龄最高（入选时平均47岁）且有海外教育背景的比例最少。这可能意味着, 该省特聘教授发明专利少是因为该人群的创新能力相对受限,即使该省提供了最高数额的科研补贴也无法扭转这一态势。福建与广东的情况相对适中, 为什么提供了相对偏高的科研补贴也未能促成专利量提升呢？结合表3的各省特聘教授论文量与专利量均值情况, 可以看出, 闽江学者专利低的同时, 其论文发表量在入选前后的变化却相当明显,说明发明专利量低是因为这个群体中985高校的入选者占比明显偏高, 导致这些年富力强又受过良好教育的学者更为关注985高校强调的高水平论文发表, 科研补贴不是没有产出支撑, 而是倾向于以论文形式表现出来。广东的情况比较特殊, 虽然与浙江相比, 其特聘教授的专利变化量小得多, 但是, 它的主要问题是这些特聘教授前三年的专利基数最大, 导致科研补贴虽然与较高的后三年专利量相对应, 但专利变化程度上却无法体现出广东的这种优势来。也就是说, 广东的科研补贴其实仍然伴随着相当高的专利产出。与闽江学者相比, 珠江学者虽然985高校入选者占比更多, 但是, 他们在一定程度上做到了论文与专利两不误。

图3 专利变化量与入选者年龄、海外教育背景占比的标准化数据对比图

在两个专利变化量相对更大的省份中, 钱江学者年龄最低（入选时平均40岁）海外教育背景占比最多, 这些人才在保持了高论文发表量与变化量的同时, 发明专利变化量也是最高的。考虑到该省样本全部来自非985高校,此类高校通常既看重论文也关注专利量, 因此科研补贴虽然不高, 这些年轻实力强的学者却相对容易地实现了论文与专利的双突破。湖南的芙蓉学者入选时平均年龄为43岁,海外教育背景占比的人虽然不多, 但也达到14%, 985高校入选者所占比例也不是很高, 这些条件结合在一起, 使得该群体总体实力相对适中, 即使领着几个省份中最少的科研补贴, 但是, 高校评价体系的干扰作用不是很大, 所以发明专利数量变化比较理想。

根据以上分析, 笔者认为, 在典型省份中, 科研补贴与专利变化量之间的负相关关系其实是985高校入选者的比例、年龄以及是否具有海外教育背景等因素共同干扰的结果。虽然这些因素在总体数据条件下未产生显著影响, 但是, 它们在典型省份中却或多或少或单独或相结合的发挥作用, 促使专利变化量与科研补贴之间的关系被扭曲, 背离人们的预期。

表3 9省特聘教授论文与专利的均值比较

5 政策建议

通过对特聘教授奖励计划实施的效果评估可以看出,各省特聘教授入选后的学术成果显著超过入选前, 这与前人的研究结论是相对一致的。同时, 本文的研究结果还说明, 政策设计中规定的聘期对特聘教授的发文量和专利数量都会产生显著正影响; 团队组建与项目申请中的支持都有利于促使特聘教授产生更多的发明专利; 但是, 各省政策中提供的岗位津贴与科研经费却不利于特聘教授专利数量的提升。因此, 总体来说, 特聘教授的学术表现受到地方政府人才奖励计划的显著影响。

基于以上研究结论, 各省在政策设计与调整中应该更多地关注聘期设置、金钱激励作用的调整以及个人发展平台的搭建问题。

首先, 就聘期来看, 目前各省的设计一般采用3年或5年的设计方案。根据研究结果, 今后地方政府在政策设计与调整时, 应该尽可能拉长聘期, 比如将聘期调整为5年到7年时间, 这样可以让学者们有更稳定的心态和更宽松的环境进行科研活动, 以保证他们产出更多更好的学术成果。

其次, 岗位津贴的发放要注意其与社平工资的比例关系, 不宜超出社平工资过多, 以免让金钱的正向激励效果过快地消弭。联系国外经验, 鉴于岗位津贴直接发放到个人可能会对政策效果带来不确定的影响, 也可以考虑在税收补助或税收减免方面进行一些政策设计与调整。

科研补贴虽然与专利数量变化呈现负相关关系, 但是,根据前文的分析, 高校类型、入选者年龄及海外教育背景等都可能会对两者关系产生一定的干扰作用, 因此, 不能简单地减少科研经费的数量, 而是要根据情况来具体分析。在特聘教授入选者来自985高校的比例较低、平均年龄较低且海外教育背景相对较多的条件下, 地方政府的科研经费投入不必过多, 这些人研究动力与活力充足, 地方政府更应注重其学术发展平台如团队的建设。

同时, 各省提供的科研经费与高校教师通过科研项目申请获得的课题经费是明显不同的。相对而言, 通过项目申请获得的课题经费都是以明确可行的研究计划为支撑的, 它有很强的研究项目针对性, 而各省提供的科研经费则更类似于一种科研补助, 它的设计缺陷在于无法清楚地与某个研究项目对应起来, 缺少课题经费的针对性, 激励效果自然会受到制约。因此, 地方政府特聘教授奖励计划应该适当增强科研经费的针对性。目前地方政府人才奖励计划的科研经费管理更多地体现在最后的考核环节, 通过考核来检验政策效果的同时, 也在评判科研经费的影响。但是, 这种设计具有事后被动性特点, 无法像科研项目课题那样能够事前就将研究的具体项目内容与经费挂钩, 以便实现更好地监督和控制。为此, 笔者建议地方政府在政策设计时, 尽可能学习借鉴课题项目管理的思路, 加强科研经费与研究项目之间的联系。可以考虑在特聘教授申请时将科研经费与研究项目挂钩, 这样就可以事前清楚地约定, 在一个聘期内, 科研经费将要用于哪些具体科研项目的研究。在入选后的年度考核中, 也可以基于科研经费与所资助研究项目之间的关联性, 直接对项目进展进行考核,从而决定下一年度科研经费的拨付比例。这样一来, 就可以保证科研经费具有明确的目的性, 从而帮助特聘教授将注意力从经费本身转移到经费要求的科研产出上面。

最后, 基于团队组建和项目申请支持的正向影响作用,地方政府今后应该着重关注这两项政策的设计与调整。目前各省对于项目申请支持方面的规定还相当粗糙, 一般仅是简单地指出需要在申请国家项目与课题方面为特聘教授提供支持。政策调整的方向应该是细化相关的规定, 针对如何支持设计出更为详细的政策方案, 政策内容可以包含项目选题、设计以及个人影响力扩展等方面的具体支持思路。至于团队建设方面, 目前各省政策差异相当明显。相对来说, 陕西省的三秦政策在此方面规定最为详细具体,其它各省可以借鉴陕西省的政策并结合自身的情况进行政策调整。总之, 团队组建和项目申请支持方面的政策设计能够有助于提升个人发展平台, 需要得到地方政府的重点关注, 以加大它们的影响力, 推动特聘教授个人学术能力的发展。

同时, 控制变量中高校类型的影响意味着, 如果地方政府更为关注特聘教授是否能够发表更多高水平论文, 那么, 学者奖励计划的人选需要更多地在985高校中遴选;如果专利对于一些地方政府来说具有更为明显的战略意义, 那么, 特聘教授可以更多地从普通高校中择选, 但是,政策设计时必须督促普通高校对入选者提出更高的学术要求, 以便切实提升入选者的学术能力。保证特聘教授的年轻化与海外教育背景也是相当有利的, 虽然这两个条件未能在总体数据中产生显著影响, 但是, 从它们对典型省份的影响来看, 二者可能会干扰科研补助的影响, 导致特聘教授或者单方面学术表现提高, 或者两个方面学术表现都能够提高。因此, 地方政府特聘教授奖励计划还是更应该向年轻且具有海外教育背景的人才倾斜。而且, 由于政策对专利数量影响显著, 要保证专利数量提升还应该继续保持自然科学学科学者占特聘教授绝大多数的趋势。

当然, 本文的研究也存在一定的局限性。这主要表现为, 本文为了保证各地之间样本的统一性, 仅截取了几个省份2011年入选者的学术成果进行分析。然而, 有些省份因实施的时间相对较长, 不同批次的情况可能会有所不同。今后的研究应该扩大样本数量, 以期获得更为准确的评估结论。另外, 基于数据的可获取性, 本文只关注特聘教授的学术产出数量, 未能将学术产出的质量纳入研究。对学术产出质量的研究（比如使用引用率进行研究）意味着需要在不同时间点上收集数据, 从而形成对特聘教授的追踪研究, 这也是今后的研究方向。