教育部直属高校科技活动全要素生产率测算及剖析.docVIP

教育部直属高校科技活动全要素生产率测算及剖析 　　本文系教育部人文社科研究青年基金项目“中国高校人文社科科研效率评价及影响因素研究”（13YJCZH064），教育部人文社科研究青年基金项目“协同创新视角下产学研合作效率评价及提升路径研究”（14YJCZH164）和济南市软科学研究计划项目“协同创新视角下济南市产学研合作模式、运行机制及发展对策研究”（201401416）的阶段性成果。 　　摘要：本文以我国教育部直属高校2005-2012年科技活动为研究对象，测算其全要素生产率并进行分解，试图找到生产率变动的原因、趋势和方向。得出如下结论：教育部直属高校科技活动全要素生产率年均下降0.9%。技术进步率年均上涨0.2%，而纯技术效率和规模效率分别下降0.2%和0.9%。增长效应存在，但追赶效应不存在。全要素生产率和技术进步率变动趋势一致但程度不同。技术效率变动趋势和规模效率大体趋同。不同直属高校科技活动全要素生产率及其分解指标具有很大差异。理工类高校科技活动全要素生产率最高，年均增长1.3%。东部地区直属高校科技活动全要素生产率高于中西部地区，但年均增长仅为0。 　　关键词：教育部直属高校;科技活动;全要素生产率;技术效率;技术进步率目前世界公认的创新型国家大约有20个，这些国家的创新综合指数包括科技进步贡献率、研发投入占比、对外技术依存度和专利申请数等指标都遥遥领先于其他国家。高等学校作为创新型国家建设的核心支柱和中坚力量，已成为我国最大的科学研究部门并与产业界广泛合作，其科技活动对我国整体科技创新产出有重大影响。为实现2020年进入创新型国家行列的目标，提高高等学校科技活动生产率特别是全要素生产率成为必然选择。本文以我国高等学校的典型代表――教育部直属高校作为研究对象，试图测算和分析其科技活动（自然科学研究）全要素生产率，对提升高等学校/区域/国家科技创新能力具有重要意义。 　　一、文献综述 　　生产率可以理解为各种产出与资源（包括人力、物力、财力）要素总投入的比值。全要素生产率主要用来衡量决策单元的生产效率，它有三个来源：一是效率本身的改进;二是技术进步的实现;三是规模变动带来的收益。具体计算时，需要扣除掉其他要素（如资本和劳动等）投入后的“余值”，即技术进步和能力实现等导致的产出增加。通过测算和估计全要素生产率，可以进行经济增长的源泉和趋势分析，并通过指标分解找到产出增加的直接原因。21世纪以来，国内外很多学者以高等学校/院系/省域范围内的高等学校为对象，对其整体或者教学、科研活动全要素生产率进行研究和探索。其中代表性文献如表1所示。 　　根据上述文献可以看出，国内外相关研究采用的实证分析方法都是马奎斯特（Malmqusit）指数法。国外文献主要围绕高等学校教学和科研整体来进行生产效率评价，而国内相关研究大多数以省域范围内的高等学校作为对象，只有个别文章围绕985工程高校和安徽省内高校来进行分析。缺乏教育部直属高校科技活动全要素生产率的研究，更不用说进一步的区域和学科生产率差异对比。在投入产出指标选择上，基本都没有涉及科研产出的质量。本文拟对上述方面进行改进和探索。 　　二、模型概述及变量选择 　　（一）全要素生产率测算模型概述――基于DEA的Malmquist指数方法 　　迄今为止，学术界对全要素生产率（Total Factor Productivity，TFP）的概念和内涵仍有争议，但主要的计算方法包括增长核算法和经济计量法两种。前者包括索洛余值法和代数指数法;后者包括隐性变量法和生产前沿法。生产前沿法将经济增长划分为三部分：要素投入增加、技术进步实现、技术效率提升，与TFP的基本内涵高度吻合。具体的方法有数据包络分析DEA（Data Envelopment Analysis）和随机前沿分析SFA（Stochastic Frontier Analysis），本文选择国内外主流的基于DEA的Malmquist指数方法进行分析。 　　 Malmquist指数最初用于消费数量指数，Caves et al.基于距离函数构造生产率指数。[18-19]随着Charnes et al.提出数据包络分析方法并广泛应用，Malmquist生产率指数和DEA方法相结合逐渐成为了实证指数，用于跨期生产效率的测度、分解和比较。[16]在同一框架下，可将Malmquist生产率指数分解为技术进步率、规模效率和纯技术效率的乘积，各个指标的含义和关系如图1所示： 　　图1Malmquist指数及其分解指标 　　（二）投入/产出变量选择 　　科技活动指所有与自然科学、工程和技术、农业科学、医药科学等领域中科技知识的产生、形成、发展、传播和应用密切相关的有组织、系统性的活动。一般通过产出和投入指标的对比来衡量科技活动效率和生