基于Bootstrap-DEA区域高校科研效率测算及差异分析_1.docxVIP

? ? 基于Bootstrap-DEA区域高校科研效率测算及差异分析 ? ? 摘要：文章采用Bootstrap-DEA方法测算了2005—2015年我国31个省市高校科研活动效率，分区域对高校科研效率进行了对比研究。结果表明：从统计检验结果来看，Bootstrap-DEA测算结果相比传统DEA更加可靠；从区域之间对比来看，省域高校科研效率之间存在区域差异。高校科研效率呈现东、中、西部阶梯式下降的趋势；2005—2015年我国中部、西部高校科研效率呈现递减趋势，东部地区则无显著变化。 关键词：科研效率，区域差异，Bootstrap-DEA 0 引言 中国经济发展进入新常态，创新发展再次成为国家战略发展的核心问题。高等院校的科研实力不仅与我国科技创新实力息息相关，而且也为高等院校的科研发展提供了参考和依据。因此我国教育发展要更加注重高等院校科研实力与科研成果的转化效率。以往的研究学者大多以高等院校为主体对高校科研效率进行研究，但过于微观的分析很难体现高校科研活动区域间的差异。本文以区域差异性为切入点，采用省级面板数据测算我国高等院校的科研效率并进行区域的差异性分析。在数据上使用31个省市2005—2015年的面板数据，便于进行动态的分析。方法上拟采用基于Bootstrap纠偏的Bootstrap-DEA方法进行研究，能够更加准确地测算和分析我国高校区域间的差异。 1 研究方法与指标说明 1.1 研究方法 1978年美国运筹学家Charnes和Cooper等人提出了数据包络分析方法，DEA是在Fare测度基础上发展起来的一种评价决策单元相对有效性的非参数方法，应用于生产效率的测算且无须提前设定决策单元的生产函数。然而也存在一定的不足，一方面，在有限观测样本情况下传统DEA估计极易受到随机因素的干扰，具有样本敏感性；另一方面，传统DEA模型估计忽略了统计推断问题，存在小样本有偏的问题，导致生产效率评价值出现一定的偏差。Simar和Wilson在传统DEA的基础上提出了采用数理方法Bootstrap来纠偏DEA方法，即Bootstrap-DEA估计方法。其计算步骤具体如下： 步骤1：采用传统DEA模型对每一个决策单元DMUk(k=1，…，n)计算样本原始效率 ，利用重复抽样的Bootstrap方法抽取一个规模为n的朴素样本，其中b表示Bootstrap抽样的迭代次数。 步骤2：利用核密度估计方法对朴素Bootstrap得到的样本进行平滑处理得到，依据SmoothingBootstrap得到样本对原始样本的投入指标xk(k=1，……，n)进行修正，得到调整后的xkb(k=1，……，n)为： 根据Bootstrap调整后投入数据和初始产出数据作为新的样本，采用传统DEA方法重新计算效率值： 步骤3：重复步骤1和步骤2，得到一系列的效率值，并计算出每个决策单元DMUk(k=1，……，n)修正效率值的偏差、修正DEA效率值以及其置信区间，具体的表达式如下： 偏差： 修正DEA： 同样，根据统计推断的基本原理可以得到修正DEA效率值的置信水平为α置信区间： 置信区间： Bootstrap-DEA方法能够修正测算的效率值，规避了小样本产生的偏误，并给出其置信区间，使得本文计算的高校科研效率结果更加准确，增强其可靠性。 1.2 指标说明和数据来源 (1)投入变量。根据古典经济学理论中传统的生产函数的设定，高校科研活动可以是一项多投入(人、财、物等)、多产出(成果转化、专著论文、成果等)的复杂活动，对其投入产出效率的评价是一个复杂的系统工程。根据已有研究和数据的可获得性，本文以高校科研人力资源和科技经费两个指标作为我国高校科研效率评价的投入指标。教育经费支出分为事业性经费支出和基建支出，教育经费支出为高校的科研活动提供了保障。除了高校科技活动经费对于高校科研的刺激作用，教育经费在科研活动中也起到了至关重要的作用。本文在此基础上考虑生均教育经费作为教育成本投入指标。由于生均科研经费的统计口径一致性和数据可得性，《中国教育经费统计年鉴》只能获取数据到2015年，故本文的研究区间为2005—2015年。 (2)产出变量。本文以教育部科技司编写的各年度《高等学校科技统计资料汇编》为依据，采用出版的科技专著、发表学术论文数、知识产权授权数和科技成果转化金额四个指标作为我国高校科研效率评价的产出指标。表1给出了2015年31个省市高校科研活动投入产出指标的描述统计数据。 表1 2015年31个省市高校科研效率评价指标的描述性统计分析 指标 解释 平均数 标准差 最小值 最大值 投入指标 教育成本 生均教育经费/元 26450.18 10114.06 18346.60 61556.50 科技人力 教学与科研人员/人 31755.09 20723