基于SFA的高校科技产业成本一效益效率及其影响因素实证分析——来自教育部直属高校的证据
教育部直属高校科研经费投入产出效率研究
DOI：10.16675/14-1065/f.2020.23.003教育部直属高校科研经费投入产出效率研究□肖蕾摘要：提升高校科研经费使用效率是当前我国高等院校科研创新工作亟待解决的重要问题。
基于我国教育部直属高校2009—2016年的科技统计资料，采用DEA-Malmquist指数方法，对科研经费使用效率进行静态和动态分析。
研究结果表明：各高校科研经费使用效率普遍处于较低水平，且存在较强的波动性和差异性；多数高校科研经费使用的全要素生产率呈现衰退态势，东部地区高校状况相对优于中西部地区；特色型高校科研经费使用的全要素生产率保持较高水平，相对其他综合性大学具有较强优势。
关键词：科研经费；效率；DEA-Malmquist；教育部直属高校文章编号：1004-7026（2020）23-0005-04中国图书分类号：G640文献标志码：A（中国海洋大学山东青岛266100）1文献综述高等院校是我国基础科学研究和科技创新的硬核驱动，是提高我国科技核心竞争力不容忽视的生力军。
科研经费作为高校开展科研活动的基本保障，合理运用科研经费是科技创新成果产出的决定性因素。
近年来，我国政府不断加大对高校科研经费的配置，特别是对教育部直属高校的支持，以保障和提升高校科研能力。
2017年，我国高校获得153370134593000元科技经费支持，相较于2002年增长779.6％；其中，对教育部直属高校的科技经费支持达75394834003000元，相比2002年增长703.2％。
在国家政策的大力支持下，我国高校科研水平得到长足发展，取得了学术论文、科技著作、专利授权等大量科研成果产出。
然而，繁杂的科研经费管理办法在一定程度上成为科研人员的枷锁，同时科研经费违规使用、挪用现象频发，使得政府向高校拨付巨额经费的初衷难以达成。
与此同时，为优化配置科研经费，我国2019年开始试点“包干制”，以期提升科研经费使用效率。
在新冠肺炎疫情的冲击下，2020年中央经济工作会议强调严格落实“过紧日子”思想，高校也不例外。
高技术产业的技术创新效率与影响因_省略__对五大类23个分行业的效率分析_党国英
lnYit = lnf（ xit ） + （ vit － uit ）
（ 1）
式 （ 1） 中，Yit表示行业 i 在 t 年份的技术产出，Xit 表示行业 i 在 t 年份的各种投入。误差项 vit、
uit为复合结构，vit 服从独立同分布的正态分布 N （ 0，σ2V） ，表示随机扰动的冲击影响； uit 为技术非效
《产经评论》2015 年 3 月第 2 期
高技术产业的技术创新效率与影响因素
———对五大类 23 个分行业的效率分析
党国英 秦开强
［摘要］ 高技术产业 Ｒ＆D 投入的技术创新效率是影响我国整体技术创新与技术进步能否持续的重要因 素。根据随机前沿分析 SFA 模型，采用 Frontier 软件，对 2008 － 2012 年中国高技术产业五大类 23 个分行业 的技术创新效率进行分析。研究结果表明： 以专利申请数作为创新产出的高技术产业各分行业平均技术创 新效率总体稳步升高，不同行业技术创新效率差异显著。技术创新产出主要由研发人员投入驱动。在影响 技术创新效率的诸因素中，知识产权保护水平存在显著的正向影响，技术差距与经济发展水平有着不明显 的负向影响。
ln（ Yit ） = β0 + β1 ln（ Ｒit ） + β2 ln（ Lit ） + （ Vit － Uit ） i = 1，2，…，n； t = 1，2，…，T
（ 4）
其中 Yit表示行业 i 在 t 年的创新产出，以专利申请受理数和新产品销售收入表示； Ｒit 表示行业 i
在 t 年的研发资本投入，Lit表示研发劳动投入，误差项 Vit表示随机扰动的冲击影响； Uit为技术非效率
项，表示个体冲击。具体可表示为：
Uit = zit δ + Wit
我国教育部直属高校资源投入产出效率综合评价研究——基于超效率DEA模型和Malmquist生产率指数
我国教育部直属高校资源投入产——基于超效率DEA模型和Malmquist生产率指数的测算包水梅 黄尧尧 彭万英一、问题的提出美国经济学家格里高利·曼昆（N. Gregory Mankiw）在其著作《经济学原理》中提出，资源的稀缺性决定资源使用效率的重要性[1]。
我国高等教育资源总量不足，优质资源稀缺，这一基本特征决定了如何有效提升资源的配置与使用效率至关重要。
然而，我国高等教育实际发展现状却并非如此：一方面，从资源配置模式来看，我国高等教育资源以行政性配置为主导[2]，政府依据国家发展需求，通过行政指令的方式实施刚性、计划性的资源分配，资源的配置效率如何、配置后的资源能否得到充分利用尚未引起足够重视；另一方面，从资源使用效果的评价方式来看，长期以来，我国对高校建设成效的评估表现为水平评估和成效评估两类，评估的依据是参评单位现有资源的多寡、建设周期内增量成果的绝对数量等内容，一定程度上忽视了对资源使用效率的评估。
随着资源投入力度的不断加大，我国高等教育取得的伟大成就世人瞩目。
然而，值得注意的是，大量的资源投入在造就我国高等教育事业“量”的伟大成就的同时，高等教育“质”的发展却未能实现同步协调[3]。
2011年世界经济论坛（World Economic Forum）发布的《2011-2012国际竞争力发展报告》将国家发展的主要动力划分为要素驱 摘要: 基于我国58所教育部直属高校理、工、农、医学科的办学数据，运用超效率DEA模型和Malmquist生产率指数，对2008～2017年我国高等教育由“规模扩张”转向“质量提升”这一关键时段内高校资源投入产出效率进行综合评价，结果发现：（1）高校资源投入产出效率整体水平有较大提升空间，资源的配置与管理水平较高，但生产规模远未达到最优水平，增大资源投入力度能够有效提升多数高校的办学效益。
（2）高校质量型产出效率小于数量型产出效率，两类效率对整体效率的贡献度的变化趋势证实了学科评估的“指挥棒”效应。
基于SFA的香菇生产技术效率及影响因素分析
数据 ， 且对 算法 的要求 很 高 。相 对而 言 ， 在实 践 中 ， 人 们更 倾 向于 使 用 Ｓ Ｆ Ａ 来 测 算技 术 效 率 。Ｓ Ｆ Ａ方 法 的优 点是 ， 通 过 估计 生 产 函数 对生 产 过程 进行 描 述， 使 技 术 效率 估 计 得 到控 制 ， 且将 前 沿 面产 出的
算， 而 不像 参 数方 法 有统 计检 验 数作 为 样本 拟 合度 和 统计 性质 的参 考 。 另外 ， 尽管 Ｄ Ｅ Ａ方法 不需 要对 模 型作 出预 先估 计 ，对 无 效率 项 的分 布无 需 假设 ， 可 以避 免效 率 计量 出现偏 差 ， 但是 其 忽 略随 机误 差
对产 出的影 响 ， 则 可 能会将 随机误 差 的影 响包括 到 效率 项 的估计 中。此 外 ， Ｄ Ｅ Ａ方法 需要 大量 的个 体
生 产前 沿 面 （ Ｐ ｒ ｏ ｄ ｕ ｃ ｔ ｉ ｏ ｎ ｆ ｒ ｏ ｎ ｔ ｉ ｅ ｒ ） 。Ｆ ａ ｒ ｒ ｅ ｌ ｌ ｔ 叫 首次 提 出
了全 要素 生 产率 （ Ｔ ｏ ｔ ￣ｆ ａ ｃ ｔ ｏ ｒ ｐ ｒ ｏ ｄ ｕ ｃ ｔ ｉ ｖ ｉ ｔ ｙ ． Ｔ Ｆ Ｐ ） 的概
了农 户 土地 经 营规模 与 粮食 生产 效 率关 系 ， 并 得 出 了农 户 土 地 经 营规 模 与 粮 食 生 产 效率 之 间不 是 简 单 的正 向或 负 向 的线性 关 系 的结论 。张潆 文 等［ ６ １ 以 江苏省 ２ ０ ４国道 样 带 区为 研究 区域 ， 选取 １ ９ ８ ０年 、 １ ９ ９ ０年 、 ２ ０ ０ ０年 和 ２ ０ ０ ７年４期 农 业 生 产 投 入 和 产 出类 指 标 。运 用 Ｄ Ｅ Ａ模 型 方法 开 展 了农 业 生产 效 率 的 实证 研 究 。 郭 亚军 等［ ７ １ 基 于 非参 数 Ｈ ＭＢ指 数
基于SFA方法的中国高校成本效率研究
目录摘要 (2)关键词 (2)Abstract (2)Keywords (2)一、引言 (3)二、方法和模型 (4)三、实证分析 (5)四、结果分析 (9)五、结论与建议 (11)参考文献 (13)基于SFA方法的中国高校成本效率研究摘要：自1999年高校扩招以来，我国的高等教育进入一个快速发展的时期。
但是,伴随着高等教育规模的快速扩大，高等教育占用的社会资源也迅速增长。
高速增长的高等教育支出已经对政府财政和学生的学费承受能力构成很大的压力，高等教育效率成为社会各界关注的话题。
我国高等教育成本效率到底有多高？是什么原因造成的成本无效率的？这些问题的答案无疑对于改进我国高校教育效率有着重要的意义。
本文通过采用随机前沿成本函数模型，分析各地区高等教育成本效率高低程度及其原因，为改进高等教育效率提供依据。
关键词：随机前沿面分析（SFA）；成本效率；高等教育Abstract: Since the expanding recruitment of higher education institutions in 1999, the higher education has rapidly developed .However, the social resources that the colleges are taking up are increasing rapidly. The increasing higher education input has pressed the government finance and students’ ability to afford the tuition, which makes higher education efficiency a topic of concern to our community. How high is our country’s higher education cost efficiency? What causes the cost inefficiency? The answ ers are undoubtedly significant to improve the higher education efficiency. This study uses a stochastic frontier cost function for panel data, in order to empirically measure the cost efficiency of the Universities of China in different areas and analyze the reasons, and provide evidence for improving the higher education cost efficiency.Keywords:stochastic frontier analysis, cost efficiency, higher education一、引言近年来,我国高等教育正在经历前所未有的规模扩张，从1998年至2001年，仅全国普通高等教育招生规模就从108.36万人增至268.28万人，增长率高达147.58％，与之相应，政府对高等教育的资源投入同样在以前所未有的幅度增高。
基于SFA的我国文化产业效率及影响因素分析
基于SFA的我国文化产业效率及影响因素分析一、本文概述随着全球化和信息化的发展，文化产业已成为各国经济的重要组成部分。
我国作为一个拥有深厚文化底蕴的国家，文化产业的发展对于提升国家软实力、推动经济转型升级具有重要意义。
本文旨在通过运用随机前沿分析（SFA）方法，对我国文化产业的效率进行深入研究，并探讨影响文化产业效率的关键因素。
文章首先对文化产业和SFA方法的相关概念进行界定，为后续研究提供理论基础。
随后，文章将对我国文化产业的现状进行概述，包括产业规模、发展特点以及存在的问题等。
在此基础上，本文将构建基于SFA的文化产业效率评价模型，并运用实证数据对我国文化产业的效率进行测算和分析。
文章将深入探讨影响我国文化产业效率的因素，包括政策环境、市场需求、技术创新、人力资源等多个方面，以期为提升我国文化产业效率提供有针对性的政策建议。
二、文献综述文化产业作为现代经济的重要组成部分，其效率及影响因素一直受到广泛关注。
国内外学者从不同角度对此进行了深入研究，取得了丰富的研究成果。
基于随机前沿分析（SFA）的方法，本文旨在探讨我国文化产业的效率问题及其影响因素。
在文化产业效率研究方面，国内外学者运用SFA方法进行了大量实证分析。
这些研究普遍认为，文化产业效率受到多种因素的影响，包括产业结构、技术水平、市场化程度、政策环境等。
其中，产业结构优化和技术创新被认为是提高文化产业效率的关键。
通过调整产业结构，优化资源配置，可以促进文化产业的发展。
同时，技术创新能够推动文化产业向高质量、高效率方向发展。
在影响因素方面，国内外研究主要关注了政府政策、市场化进程、人才素质等方面。
政府政策在文化产业发展中起着重要作用，通过制定优惠政策、加大投入等方式，可以促进文化产业的快速发展。
市场化进程则对文化产业效率产生深远影响，市场化程度越高，文化产业效率往往也越高。
人才素质也是影响文化产业效率的重要因素，高素质的人才队伍有助于提升文化产业的核心竞争力。
中国高技术产业创新效率研究基于SFA方法的实证分析
中国高技术产业创新效率研究基于SFA方法的实证分析一、本文概述随着全球科技的快速发展，高技术产业已经成为推动经济增长、优化产业结构、增强国际竞争力的重要力量。
中国作为世界上最大的发展中国家，其高技术产业的发展对全球经济格局具有深远影响。
然而，面对激烈的国际竞争和不断变化的市场需求，如何提升中国高技术产业的创新效率，成为了一个亟待解决的问题。
本文旨在通过运用随机前沿分析（SFA）方法，对中国高技术产业的创新效率进行实证分析。
我们将深入探讨高技术产业创新效率的内涵与影响因素，分析中国高技术产业创新效率的现状与问题，并提出相应的对策建议。
研究内容将涉及创新资源的配置、创新过程的管理、创新产出的评价等多个方面，以期为中国高技术产业的持续发展提供理论支持和决策参考。
通过本文的研究，我们期望能够揭示中国高技术产业创新效率的关键因素，为政策制定者和企业决策者提供有益的启示和建议。
我们也希望能够为推动中国高技术产业的创新发展和提升国际竞争力贡献一份力量。
二、文献综述随着全球科技竞争的日益激烈，高技术产业创新效率的研究已成为学术界和产业界关注的焦点。
高技术产业创新效率不仅关系到一国或地区的经济增长和产业升级，更是提升国家核心竞争力的关键。
基于此，众多学者从不同角度对高技术产业创新效率进行了深入研究。
早期的研究主要围绕创新效率的理论框架和影响因素展开。
如Smith和Peters（1990）提出，创新效率的提升受到研发投入、人才结构、政策支持等多重因素的影响。
随着研究的深入，学者们开始运用实证方法分析创新效率。
其中，随机前沿分析（SFA）方法因其能够处理误差项和随机扰动，逐渐成为创新效率研究的主流方法之一。
近年来，基于SFA方法的高技术产业创新效率研究不断涌现。
例如，Jones和Williams（2005）利用SFA方法对美国高技术产业的创新效率进行了实证分析，发现研发投入、技术转移和市场结构是影响创新效率的关键因素。
基于SFA模型的我国区域技术创新效率的实证研究
基于SFA模型的我国区域技术创新效率的实证研究一、本文概述本文旨在利用随机前沿分析（Stochastic Frontier Analysis，简称SFA）模型，对我国区域技术创新效率进行深入的实证研究。
技术创新是推动社会进步和经济发展的核心动力，而区域技术创新效率的高低直接影响着我国各地区的经济增长质量和速度。
因此，全面、准确地评估我国区域技术创新效率，对于优化创新资源配置、提升创新体系效能具有重要的理论和现实意义。
本文将简要介绍SFA模型的基本原理及其在技术创新效率研究中的应用。
随后，通过对我国各区域技术创新活动的数据收集与整理，运用SFA模型对区域技术创新效率进行量化分析。
研究将涵盖技术创新投入、产出以及环境因素等多个方面，以全面反映我国各区域技术创新效率的实际状况。
在实证研究中，本文将重点关注以下几个方面：一是我国各区域技术创新效率的总体水平及差异；二是影响区域技术创新效率的关键因素；三是如何优化创新资源配置，提升区域技术创新效率。
通过对这些问题的深入探讨，本文旨在为我国区域技术创新政策的制定和实施提供科学依据。
本文将对实证研究结果进行总结，并提出相应的政策建议。
通过提高区域技术创新效率，促进我国经济的持续、健康、快速发展，为实现创新型国家的战略目标贡献力量。
二、理论框架与模型构建技术创新效率是衡量一个区域技术创新能力和资源利用效果的重要指标。
在当前全球化和知识经济的背景下，技术创新已成为推动区域经济发展的核心动力。
基于随机前沿分析（SFA）模型，本研究旨在深入探究我国各区域技术创新效率的差异及其影响因素，为政策制定者提供决策参考。
SFA模型起源于经济学中的生产前沿理论，它假设每个生产单位都存在一个潜在的最大产出，而实际产出则受到各种非效率因素的影响，如技术无效、管理不善等。
通过估计生产单位的随机误差项和技术无效项，SFA模型能够准确地量化技术效率，并进一步分析影响技术效率的因素。
本研究采用SFA模型对我国各区域的技术创新效率进行实证研究。
SFA-tt
表1
，，，，， ，， ，， ，，，，，，
区域发展
表3 变量选择表
，，，，，， ，， ，，，，，，， ，FDI， ，，，，，， ，IEport，
SFA 分析结果 （1997 — 2006 ）
，， ，，
，，，， ，，，，，， ，， ， ， ，， ， ， ，，， R&D ，， ，，，，，，， ，，，Patents， ，，(UC) ，Market， ， ，，， ，，， ，，，，，，， ，，，，，，GC， ，，Labor， ， ，，， ，，， ，(FC) R&D ，，，，
2010．09
121
区域发展
科学学与科学技术管理
式中 ：z it 为假设影响技术效率的外生变量 ；δ 为 外 生 变 量 的系数变量 ；εit 为随机误差 。
0
引
言
近年来我国不断地提高了各种科研相关费用的数量 和占财政的比例 ， 虽然起到了一定的效果 ， 但从整体上来 看 ， 仍和预期目标存在一定的差距 。 由于政府财力 、 各类 社会资金以及各类社会资源是有限的 ， 对资源的合理利 用主要是一个效率值的问题 。 根据 Farrell 的解释 ， 效率是 有效投入与产出的比例关系 ， 力求最小投入达到最大产 出是各项经济活动的基本要求 ， 因此 ， 相对较高的科技创 新效率是我们在进行科技活动时最希望看到的 。 通过科 学的方法使各种社会资 源 和 研 发 资 金 利 用 效 率 提 高 ， 从 而能够在技术创新水平的提高过程中发挥更好的效果是 我国科技创新能力提高的关键环节 。 本文在总结相关文献的基础上 ， 提出相关研究思路 ： 首先利用 SFA 相关方法对影响区域技术创新能力的变量 进行估计的同时得出我国各地区 （1997 — 2006 ） 的面板技 术效率值 ，找出相关技术效率变动趋势 。 然后 ，针对得出的 技术效率值变动趋势 ， 利用 Malmquist 分析方法和空间面 板数据分析方法 ，从内生和外生两个不同的角度讨论影响 区域技术效率值的具体原因 。 最后 ，通过总结前面的分析 结果 ，提出针对提高我国技术效率的具体方法和相关政策 方向 ，从而使我国的科技资源能够更好地作用于区域技术 创新活动 ，促进我国区域技术创新能力的提高 。
教育部直属高校科技活动全要素生产率测算及分析
教育部直属高校科技活动全要素生产率测算及分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。
基于SFA的我国高科技上市公司技术效率及其影响的因素分析
第 ２卷年１ １ ２０ 第 月期 ６７ １ １ ０
工 业 技 术 经 济
Ｖ１６ Ｎ． 总 ． １ ０２ ｏ １ ． 第
１９期 ６
基 于 Ｓ Ａ 的我 国高 科技 上 市公 司 Ｆ 技 术 效 率及 其影 响 的 因素 分析
王晓 东 赵勃 升 －
这 一另 零 假 设 。
术非效率 ， 随机误差项表示任何 可能 出现的不可控 因素带 来的影 响。在 Ａｇｅ之 后 ， ｉ ｒ ｎ 学者们 不断 拓展 和完善 ＳＡ： Ｆ
一
是对模型中非效率项 的分布假设 有所发展 ， 二是对数据
选择有所发展 。早期 的应 用主要是基 于截面数据 的技术 效率 估计 ， ８ 以后更 多地 利用 面板数 据进 行测 算。 而 Ｏ年 目前 最常用 的随机前沿模 型是 Ｂ ｔｓ 和 Ｃ ｅｌ １９ ａｅｅ ｔ ｏｌ 在 ９２和 ｌ １９ 年设定 的运 用面 板 数据 估计 前 沿面 的生 产 函数 模 ９５ 型。 简称 Ｂ （９２ 和 Ｂ （９５ 模 型。Ｂ （９ ２ 模型 假设 Ｃ １９ ） Ｃ １９ ） Ｃ １９ ） 非效 率项 服从截尾正态分布 ， 并认为技术效率 随时 间不 同
融 资 比例 、 事 长 总经 理 兼任 情 况 与企 业技 术 效 率 关联 不 显 著 。 董
［ 关键词 ］ 技 术效率 高科技 上市公 司 随机前沿分析 ［ 中图分类号 ］２０ ［ Ｆ ７ 文献标识码］ Ａ
１ 研 究方 法的选 择
随机前沿分 析法 （Ｆ ） Ａｇｅ 等 （９７ 提 出， Ｓ Ａ 由 ｉ ｒ １７） ｎ ｒ 这是
（ 暨南大 学， 州 ５０ ３ ） （ 东金 融学院 ， 广 １６ ２ 广 广州 ５０ ２ ） １５ １
我国农业生产的技术效率及其影响因素——基于SFA的实证分析
172商业经济研究 （曾更名 《商业时代》） 2016年23期产业观察Estate Observation引言2015年我国农林牧渔业增加值为60863亿元，占全国GDP 总量的9%。
农业经济的增长一方面依赖于投入要素的增加，另一方面取决于农业生产效率的提高。
随着我国城镇化建设的推进，大量农村人口涌入城市，农业人口大幅度减少，同时由于环境恶化导致实际可播种面积减少，因此未来农业产出的增加越来越依靠农业生产技术效率的提高。
目前，理论界对效率问题的研究主要采用非参数法和参数法两类方法，非参数法以数据包络分析（DEA）为代表，而参数法则以随机前沿分析（SFA）为代表。
迄今为止，国内外学者围绕农业生产的技术效率已经展开了许多有益的研究。
Farrell（1957）在衡量英国农业生产效率时，最早提出了生产前沿的方法，随后引起了各国学者采用生产前沿研究不同行业生产效率的热潮。
Ruttan（2002）对世界不同国家的农业生产效率进行了研究，发现发达国家和发展中国家的农业增长路径存在明显差异。
K Galanopoulos 等（2004） 测算了欧盟国家和13个候选国家1993-1999年的农业技术效率，发现欧盟国家的农业技术效率在这七年间先有上升，然后略有下降。
国内学者田翠杰（2011）、黎哲延（2014）、秦菲等（2014）、钟苏侨（2015）采用DEA 方法分别对天津、海南、江西、福建等省市的农业生产效率进行了研究，研究一致认为各省区市的农业技术效率均有所改进，但内部地区的农业生产效率差异显著。
由于随机前沿分析（SFA）具有分离技术无效项与随机误差项等优势，越来越多的学者开始使用该方法评价技术效率。
鲍学东（2009）在研究四川省的农业技术效率时，建立了随机前沿的生产函数模型，发现四川的农业经济增长主要依赖土地和资本的投入。
岳慧丽等（2014）采用随机前沿分析方法分析了河北省140个区县的农业技术效率，发现河北省农业技术效率整体呈上升趋势，但农业技术效率普遍较低。
基于SFA方法的建筑业技术效率评价及影响因素研究
Ｃ ＵＩ Ｘｉ ｕ — ｍｉ ｎ
（ Ｚ ｈ ｅ ｎ ｇ ｚ ｈ ｏ ｕＩ ｎ ｓ ｔ ｉ ｔ ｕ ｔ ｅ ｏ ｆ Ａｅ ｒ ｏ ｎ ａ ｕ ｔ ｉ ｃ ａ ｌ Ｉ ｎ ｄ ｕ ｓ ｔ ｒ ｙＭ ａ ｎ ａ ｇ ｅ ｍｅ ｎ ｔ ，Ｚｈ ｅ ｎ ｇ ｚ ｈ ｏ ｕ４ ５ ０ ０ １ ５ ， Ｃｈ ｉ ｎ ａ ，Ｅ — ｍａ ｉ ｌ ：ｃ ｘ ｍ ７ ７ ＠ｓ ｉ ｎ ａ ． ｃ ｏ ｍ）
ｃ ｏ ｎ ｓ ｔ ｕｃ ｒ ｔ ｉ ｏ ｎ ｉ ｎ ｄ ｕ ｓ ｔ ｙ ｒ ｉ ｓ ｐ ｏ ｓ ｉ ｔ ｉ ｖ ｅ ｗｈ ｅ ｎ ｉ ｔ ｃ ｏ ｍｅ ｓ ｔ ｏ ｔ ｈ ｅ ｉ ｆ ｘ ｅ ｄ ａ ｓ ｓ ｅ ｔ ｓ ｉ ｎ ｖ ｅ ｓ ｔ ｍｅ ｎ ｔ ｒ ａ ｔ ｅ ，ｄ ｅ ｖ ｅ ｌ ｏ ｐ ｉ ｎ ｇ ｄ ｅ ｇ ｒ ｅ ｅ ｏ ｆ ｃ ｏ ｎ ｓ ｔ ｕｃ ｒ ｔ ｉ ｏ ｎ ｉ ｎ ｄ ｕ ｓ ｔ ｙ ｒ ａ ｎ ｄ ｐ ｏ ｗｅ ｒ ｅ ｑ ｕ ｉ ｐ ｍｅ ｎ ｔ ｒ ａ ｔ ｅ ．Ｂｕ ｔ ｔ ｈ ｅ ｌ ａ ｔ ｔ ｅ ｒ ｔ ｗｏ ａ ｒ ｅ ｎ ｏ ｔ ｓ ｉ ｇ ｎ ｉ ｉ ｆ ｃ ａ ｎ ｔ ． Ｔ ｈ ｅ ｐ ｅ ｒ ｃ ｅ ｎ ｔ ａ ｇ ｅ ｏ ｆ ｓ ｔ ａ ｔ ｅ ｏ ｗｎ ｅ ｄ ｉ ｆ ｒ ｍｓ ｉ ｓ ｎ ｅ ｇ ａ ｔ ｉ ｖ ｅ ｗｈ ｅ ｎ ｉ ｔ ｃ ｏ ｍｅ ｓ ｔ ｏ ｃ ｏ ｎ ｓ ｔ ｕｃ ｒ ｔ ｉ ｏ ｎ ｔ ｅ ｃ ｈ ｎ ｉ ｃ ａ ｌ ｅ ｉｃ ｆ ｉ ｅ ｎ ｃ ｙ， ａ ｎ ｄ ｔ ｈ ｅ ｒ ｅ ａ ｓ ｏ ｎ ｓ ａ ｒ ｅ ｅ ｘ ｐ ｌ ｏ ｒ ｅ ｄ ．
基于PP-SFA的高校创新效率及影响因素研究
第２０卷㊀第２期２０１８年３月㊀科㊀技㊀与㊀管㊀理Ｓｃｉｅｎｃｅ￣ＴｅｃｈｎｏｌｏｇｙａｎｄＭａｎａｇｅｍｅｎｔ㊀Ｖｏｌ ２０Ｎｏ ２Ｍａｒ.ꎬ２０１８㊀㊀㊀㊀㊀㊀㊀㊀文章编号:１００８－７１３３(２０１８)０２－００１４－０５基于ＰＰ￣ＳＦＡ的高校创新效率及影响因素研究余芝霖(成都理工大学商学院ꎬ四川㊀成都㊀６１００５９)摘㊀要:运用投影寻踪(ＰＰ)和随机前沿函数模型(ＳＦＡ)对我国２００８ ２０１５年２７个省市高校的创新效率进行测度ꎬ并且对其影响因素进行分析ꎮ研究结果表明:我国高校的创新效率均值为０.５０９ꎬ整体处于中等水平ꎻ且不同地区的高校创新效率差异较大ꎬ发展不均衡ꎮ在分析高校创新效率的影响因素中发现政府对高校创新活动的支持㊁科技人员结构㊁国际科技交流研究活动人数对高校创新效率有正向的促进作用ꎬ而高校项目数对高校创新效率存在负向作用ꎮ关㊀键㊀词:高校创新效率ꎻ投影寻踪模型ꎻ随机前沿函数模型ＤＯＩ:１０.１６３１５/ｊ.ｓｔｍ.２０１８.０２.００４中图分类号:Ｆ０００ ０文献标志码:ＡＳｔｕｄｙｏｎｉｎｎｏｖａｔｉｏｎｅｆｆｉｃｉｅｎｃｙａｎｄｉｎｆｌｕｅｎｃｉｎｇｆａｃｔｏｒｓｏｆｕｎｉｖｅｒｓｉｔｉｅｓｂａｓｅｄｏｎＰＰ￣ＳＦＡＹＵＺｈｉ￣ｌｉｎ(ＢｕｓｉｎｅｓｓＳｃｈｏｏｌꎬＣｈｅｎｇｄｕＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙꎬＣｈｅｎｇｄｕ６１００５９ꎬＣｈｉｎａ)Ａｂｓｔｒａｃｔ:Ｔｈｉｓｐａｐｅｒｕｓｅｓｐｒｏｊｅｃｔｉｏｎｐｕｒｓｕｉｔａｎｄｓｔｏｃｈａｓｔｉｃｆｒｏｎｔｉｅｒｆｕｎｃｔｉｏｎｍｏｄｅｌｔｏｍｅａｓｕｒｅｔｈｅｉｎｎｏｖａｔｉｏｎｅｆｆｉ￣ｃｉｅｎｃｙｏｆｕｎｉｖｅｒｓｉｔｉｅｓｉｎ２７ｐｒｏｖｉｎｃｅｓａｎｄｃｉｔｉｅｓｉｎＣｈｉｎａｆｒｏｍ２００８ｔｏ２０１５ꎬａｎｄａｎａｌｙｚｅｓｉｔｓｉｎｆｌｕｅｎｃｉｎｇｆａｃｔｏｒｓ.Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔ:ｔｈｅａｖｅｒａｇｅｉｎｎｏｖａｔｉｏｎｅｆｆｉｃｉｅｎｃｙｏｆＣｈｉｎｅｓｅｕｎｉｖｅｒｓｉｔｉｅｓｉｓ０.５０９ꎬｗｈｉｃｈｉｓａｔａｍｅｄｉｕｍｌｅｖ￣ｅｌａｓａｗｈｏｌｅꎻａｎｄｔｈｅｉｎｎｏｖａｔｉｏｎｅｆｆｉｃｉｅｎｃｙｏｆｕｎｉｖｅｒｓｉｔｉｅｓｉｎｄｉｆｆｅｒｅｎｔｒｅｇｉｏｎｓｉｓｑｕｉｔｅｄｉｆｆｅｒｅｎｔａｎｄｔｈｅｉｒｄｅｖｅｌｏｐ￣ｍｅｎｔｉｓｕｎｅｖｅｎ.Ｉｎｔｈｅａｎａｌｙｓｉｓｏｆｔｈｅｉｎｆｌｕｅｎｃｉｎｇｆａｃｔｏｒｓｏｆｔｈｅｉｎｎｏｖａｔｉｏｎｅｆｆｉｃｉｅｎｃｙｉｎｕｎｉｖｅｒｓｉｔｉｅｓꎬｉｔｉｓｆｏｕｎｄｔｈａｔｔｈｅｇｏｖｅｒｎｍｅｎｔｓｕｐｐｏｒｔｆｏｒｉｎｎｏｖａｔｉｏｎａｃｔｉｖｉｔｉｅｓｉｎｕｎｉｖｅｒｓｉｔｉｅｓꎬｔｈｅｓｔｒｕｃｔｕｒｅｏｆｓｃｉｅｎｃｅａｎｄｔｅｃｈｎｏｌｏｇｙｐｅｒｓｏｎｎｅｌꎬｔｈｅｎｕｍｂｅｒｏｆｉｎｔｅｒｎａｔｉｏｎａｌｓｃｉｅｎｃｅａｎｄｔｅｃｈｎｏｌｏｇｙｅｘｃｈａｎｇｅｒｅｓｅａｒｃｈａｃｔｉｖｉｔｉｅｓｈａｖｅａｐｏｓｉｔｉｖｅｅｆｆｅｃｔｏｎｔｈｅｉｎｎｏｖａ￣ｔｉｏｎｅｆｆｉｃｉｅｎｃｙｏｆｕｎｉｖｅｒｓｉｔｉｅｓꎬｗｈｉｌｅｔｈｅｎｕｍｂｅｒｏｆｕｎｉｖｅｒｓｉｔｙｐｒｏｇｒａｍｓｈａｓａｎｅｇａｔｉｖｅｅｆｆｅｃｔｏｎｔｈｅｉｎｎｏｖａｔｉｏｎｅｆｆｉ￣ｃｉｅｎｃｙｏｆｕｎｉｖｅｒｓｉｔｉｅｓ.Ｋｅｙｗｏｒｄｓ:ｕｎｉｖｅｒｓｉｔｙｉｎｎｏｖａｔｉｏｎｅｆｆｉｃｉｅｎｃｙꎻｐｒｏｊｅｃｔｉｏｎｐｕｒｓｕｉｔｍｏｄｅｌꎻｓｔｏｃｈａｓｔｉｃｆｒｏｎｔｉｅｒｆｕｎｃｔｉｏｎｍｏｄｅｌ收稿日期:２０１８－０１－０２作者简介:余芝霖(１９９４ )ꎬ女ꎬ硕士研究生.㊀㊀党的十九大报告提出ꎬ创新是引领发展的第一动力ꎬ是建设现代化经济体系的战略支撑ꎮ而高校是中国实施自主创新战略的重要力量ꎬ国务院印发的«统筹推进世界一流大学和一流学科建设总体方案»以此来提升高校的创新能力㊁支撑创新驱动发展战略ꎮ随着国家创新战略的实施ꎬ高校的创新投入不断增大ꎬ如何解决高校创新效率较低和合理利用资源等问题显得尤为重要ꎮ深入对高校创新效率的研究ꎬ可为高校创新政策的建设和完善提供理论参考ꎬ对投入高校创新资源配置的优化及效益最大化的实现具有一定意义ꎮ目前高校创新效率测度的研究中ꎬ非参数法和参数法２种效率测度方法的应用是最为广泛ꎮ非参数方法以数据包络分析(ＤＥＡ)为代表ꎬ该方法不需要预先建立变量之间的函数关系ꎬ而且在处理多产出的效率上具有优势ꎮＪｏｈｎｅｓ等[１]㊁Ａｇａｓｉｓｔｉ等[２]㊁周静等[３]和宋维玮等[４]运用ＤＥＡ方法测算高校的创新效率ꎮ但ＤＥＡ方法存在缺点ꎬ该方法没有考虑随机误差对效率的干扰ꎬ不能对结果进行统计检验ꎬ且不能对定量分析创新效率的影响因素ꎮ参数法以随机前沿(ＳＦＡ)为代表ꎬＳＦＡ建立随机前沿模型ꎬ考虑随机误差对效率的影响ꎬ能对模型本身进行检验ꎬ且能定量分析影响因素对效率的影响ꎮ国内学者大多利用ＳＦＡ测算单产出高校创新效率问题ꎬ如苏涛永等[５]㊁原长弘等[６]㊁于志军等[７]学者ꎮ但创新活动中产出不止一个ꎬＳＦＡ不能像ＤＥＡ测算多产出的创新活动效率ꎬ而现有的高校效率的研究中ꎬ少有学者将高校的多产出进行综合考虑ꎬ这正是本文改进的地方ꎮ基于上述ꎬ参照陈文峰[８]㊁张目等[９]利用投影寻踪模型处理数据降维来评价河南城市化水平和企业信用问题ꎬ本文先将多维的产出数据通过投影寻踪模型进行降维转化为一维数据再与随机前沿分析相结合来测度我国高校创新效率和分析其影响因素ꎮ１㊀模型和方法１.１㊀投影寻踪模型通过投影寻踪模型(ＰＰ)将多维数据转化为一维数据ꎬ利用加速遗传法寻求最佳投影方向和产出综合水平ꎬ具体步骤如下[１０]:１)计算高校创新产出的投影值ꎮＰＰ的方法就是把经过极值归一化处理后的多维产出数据ｘ(ｉꎬｊ)ｔ综合成以ａ(ｊ)ｔ为投影方向的一维投影值ｚ(ｉ)ｔ:ｚ(ｉ)ｔ＝ðｐｊ＝１ａ(ｊ)ｔａ(ｉꎬｊ)ｔꎮ(１)２)构造投影指数函数Ｑ(ａ)ꎮＱ(ａ)＝Ｓｚ Ｄｚꎮ(２)其中:Ｓｚ为投影值ｚ(ｉ)的标准差ꎬＤｚ为投影值ｚ(ｉ)的局部密度ꎮＳｚ＝２ðｐｊ＝１ｚ(ｉ)－Ｅ(ｚ)()２ｎ－１ꎬ(３)㊀Ｄｚ＝ðｎｉ＝１ðｎｊ＝１(Ｒ－ｒ(ｉꎬｊ)) ｕ(Ｒ－ｒ(ｉꎬｊ))ꎮ(４)其中:Ｅ(ｚ)为ｚ(ｉ)的平均值ꎻＲ为局部密度的窗口半径ꎬｒ(ｉꎬｊ)表示样本之间的距离ꎻｕ(ｔ)为一单位阶跃函数ꎬ当ｔȡ０时ꎬ其值为１ꎬ当ｔ<０时ꎬ其值为０ꎮ３)优化投影指标函数ꎮ当样本集给定时ꎬ投影指标函数Ｑ(ａ)只随着投影方向的变化而变化[１１]ꎮ这是一个以ａ(ｊ)ｔ为优化变量的复杂非线性优化问题ꎬ用传统的优化方法处理较难[１２－１３]ꎻ因此ꎬ本文利用基于实数编码的加速遗传算法(ＲＡＧＡ)[１４]通过选择㊁变异㊁杂交３个算子寻求目标函数最大值和最佳投影方向ａｉ∗ꎬ即:ＭａｘＱ(ａ)＝Ｓｚ Ｄｚꎮ(５)ｓ.ｔ.ð４ｊ＝１ａ(ｊ)２ｔ＝１ꎮ(６)４)计算产出指数ꎮ把由步骤３中算出的４个产出变量的最佳投影方向ａｉ∗代入式(１)算出我国２７个省市在２００８ ２０１５年高校创新产出的投影值ｚ(ｉ)ｔꎮ１.２㊀随机前沿分析模型采用随机前沿分析模型先预先确定投入－产出的函数ꎬ该方法不仅可以测算每个个体的技术效率值ꎬ还可以消除随机误差的影响ꎬ且能定量分析各种因素对创新效率的影响ꎮ本文基于Ｂａｔｔｅｓｅ和Ｃｏｅｌｌｉ模型的基本原理ꎬ建立对数型柯布－道格拉斯生产函数模型ꎬ其表达式为ｌｎｙｉｔ＝β０＋β１＋ｌｎｌｉｔ＋β２ｌｎｋｉｔ＋ｖｉｔ－ｕｉｔꎮ(７)其中:ｖｉｔɪ(０ꎬσ２ｖ)ꎬｕｉｔɪ(ｍｉｔꎬσ２ｕ)ꎬｙｉｔ表示运用投影寻踪模型计算出的第ｉ个地区第ｔ年创新综合产出ꎻｌｉｔ表示Ｒ＆Ｄ全时人员当量ꎻｋｉｔ表示Ｒ＆Ｄ资本存量ꎮｍｉｔ＝δ０＋δ１Ｑｕａｉｔ＋δ２Ｐｒｏｉｔ＋δ３Ｃｏｒｉｔ＋δ３Ｃｏｒｉｔꎮ(８)上式是技术非效率的函数表达式ꎬ其中:Ｑｕａ㊁Ｐｒｏ㊁Ｃｒｏ和Ｇｏｖ是影响因素ꎬδ>０ꎬ说明影因素对技术效率有负向影响ꎬ反之ꎬ存在正向影响ꎮＹ＝σ２ｕ/(σ２ｕ＋σ２ｖ)ꎮ(９)其中:γ反映创新效率的变异是否具有统计显著性ꎬ其取值范围是[０ꎬ１]ꎬ当γ越趋于０时ꎬ技术无效率现象越不明显ꎬ此时用最小二乘法就可以分析ꎻ当γ越趋于１时ꎬ说明技术无效率是导致实际产出和前沿面偏差的主要原因ꎬ此时运用随机前沿分析模型来进一步分析创新效率的影响因素是合适的ꎮ２㊀实证分析２.１㊀变量和数据的选取在测算高校创新效率时ꎬ选取的变量包括投入:本文将Ｒ＆Ｄ全时人员和Ｒ＆Ｄ资本存量为投入指标ꎮＲ＆Ｄ经费支出是流量指标ꎬ考虑资金的时滞性ꎬ参照吴延兵[１５]和朱平芳等[１６]的研究ꎬ采用永续盘存法对其进行核算得出Ｒ＆Ｄ资本存量指标ꎻ产出:高校创新活动的产出分为学术价值产出和经济价值产出ꎮ本文将论文发表数㊁科技著作出版数㊁专利申请数和技术转让合同金额作为投入指标ꎻ影响因素:本文选取科技人员结构(Ｑｕａ)㊁项目数(Ｐｒｏ)㊁高校科技活动交流(Ｃｏｒ)和政府对高校创新活动支持(Ｇｏｖ)４个指标进行分析ꎮ本文数据来源于«高等学校科技统计汇编»和«中国统计年鉴»ꎬ选取我５１第２期余芝霖:基于ＰＰ￣ＳＦＡ的高校创新效率及影响因素研究国２００８ ２０１５年的省市面板数据ꎬ由于数据不完整和多项指标为０ꎬ剔除西藏㊁青海㊁宁夏㊁海南４个地区数据ꎬ总共有２７个省市数据ꎮ本文按传统划分方法将２７个省市划为东㊁中㊁西３大地区ꎮ在分析高校科技创新活动效率之前ꎬ为了消除各个指标值的量纲和统一各指标值的变化范围ꎬ本文先对２００８２０１５年的原始数据分别用收益性和成本型的无量纲化公式进行极值归一化处理ꎮ２.２㊀运用投影寻踪模型对高校创新产出综合水平的测算结果㊀㊀基于投影寻踪模型的原理ꎬ利用ＭａｔｌａｂＲ２０１５ｂ软件测算我国２００８ ２０１５年不同地区的高校创新活动产出的综合水平ꎬ得到知识价值产出和经济价值产出的最佳投影方向ꎬ如表１所示ꎮ表１㊀高校创新活动产出的最佳投影方向㊀㊀产出年份２００８２００９２０１０２０１１２０１２２０１３２０１４２０１５科技著作０.４８７９０.４７３５０.５５５９０.３９２４０.６０７５０.６４４１０.４９７４０.６３６２学术论文０.６５１６０.６６２９０.６５５４０.５７４７０.６１８４０.３７８６０.４８７５０.３１４１专利申请数０.５６０８０.３７２８０.４５３１０.５６６６０.２１９７０.３３３１０.４５８５０.５１７１技术合同金额０.１５１１０.４４４２０.２３７００.４４１３０.４４７５０.５７５２０.５５２００.４７８９㊀㊀表１是高校创新活动４个产出变量各年的最佳投影方向ꎬ将表１的结果代入式(１)中计算２００８ ２０１５年不同地区高校创新产出的投影值ꎬ即高校科技创新活动综合产出水平ꎬ如表２所示ꎮ表２㊀２００８ ２０１５年不同地区高校创新产出的投影值地区年份２００８２００９２０１０２０１１２０１２２０１３２０１４２０１５北京１.８３６７１.９５３６１.７３４８１.８５６９１.７６３６１.７６４４１.６９９５１.４９２８天津０.４４３１０.３５３９０.３１６６０.３４１２０.２６０８０.２１７１０.２４４００.２２７９河北０.４０７８０.３６４７０.３３９１０.３１５５０.３７６５０.２８１４０.３４６７０.３３８６山西０.２０３００.１６５２０.１７９８０.１４０７０.１９０２０.１５０３０.１１０２０.１５００内蒙古０.０５８８０.０７４６０.０６０９０.０１８３０.０８９５０.０５２７０.０５１１０.０９０７辽宁０.８４８００.７８４８０.８８４６０.８０６４０.９８７００.８６５３０.６７６６０.６９１１吉林０.３３６４０.３６３６０.２９４２０.２７２８０.３１３８０.３１４２０.２７４８０.２３５３黑龙江０.６３３３０.６４９５０.５５７４０.５２９８０.６７８９０.６２７５０.５７０２０.５４４５上海１.３２８１１.２８５８１.１０７６１.０８７６１.０３７６０.８７９５０.８１３４０.７１９０江苏１.５２６６１.５５７０１.６３５４１.５４１６１.４９９３１.５４８９１.７８４０１.７６８９浙江０.９８４００.８１２３０.８１１５０.７６０１０.５４３９０.５８０９０.５９４９０.５２７９安徽０.４２７００.４９４００.４９７００.５１９８０.５３７４０.６８６００.６５２１０.７０９７福建０.１６５７０.１６３２０.２０９８０.１１７４０.１１７７０.１８４００.２０５００.２４０１江西０.２６５９０.２６０６０.２０３４０.１７９７０.１６５１０.１２６００.１３８２０.１４１５山东０.７６３７０.７８５８０.７１８７０.６２４４０.５７６４０.４７７７０.５３３２０.７２７７河南０.８４９６０.７６０９０.８５７７０.５３９７０.７５８８０.６５０００.５５７９０.５７７５湖北１.０８７９１.００３９０.９３５９０.８４８９０.９６１３０.８２１１０.７７９７０.７７２３湖南０.５４６００.５０４００.５８９９０.５２２４０.６７６４０.６９５００.５２４２０.５５６４广东０.９１９１０.８４１７０.７９６００.７６４７０.７０５４０.６７４３０.６２５６０.６３２１广西０.１４１５０.１８３５０.１９０８０.１３４６０.１２８４０.１３６００.１５９３０.１６６８重庆０.３１３１０.２７５９０.３３２５０.３６０００.３３５００.３８５７０.２８２３０.２４８９四川０.７７９００.７７４７０.６７４７０.６２４００.７２５５０.５１９８０.５８２９０.６２３４贵州０.００６４０.００４７０.０２０１０.０２９４０.００２００.００５１０.０３１９０.０７４８云南０.１１１８０.１０８６０.１３８５０.１１９００.１３８７０.１４４８０.０８７１０.１２８７陕西０.９４６４０.９２０２０.７７４４０.７７１２０.８２９３０.７１２００.７００３０.６６４６甘肃０.２２４４０.１３４８０.１１３６０.１１１５０.１２６７０.１４０７０.１１３９０.１５６６新疆０.０１８００.０４９１０.００３３０.００４２０.０３７８０.００１００.００１７０.０１１２６１㊀科㊀技㊀与㊀管㊀理㊀㊀㊀㊀㊀㊀㊀㊀㊀第２０卷㊀２.３㊀运用随机前沿分析模型测度不同地区高校科技创新效率及分析其影响因素㊀㊀将表２中２００８ ２０１５年不同地区高校创新产出的投影值代入随机前沿分析模型中ꎬ利用Ｆｒｏ￣ｎｉｔｅｒ４.１软件测度和分析我国２７个省市自治区在２００８ ２０１５年高校创新活动的效率及影响因素ꎬ其结果如表３所示ꎮ表３㊀随机前沿函数和效率函数估计的结果函数分类㊀变量估计系数Ｔ检验值㊀㊀㊀函数分类㊀㊀变量估计系数Ｔ检验值㊀㊀㊀生产函数部分β０－０.２１８－４.９２４㊀∗∗∗效率函数部分δ０－５.８２３－１２.２０４㊀∗∗∗ｌｎｌｉｔ(β１)－０.４３７－５.６８２㊀∗∗∗Ｇｏｖ(δ１)－１.９９２－４.３９３㊀∗∗∗ｌｎｋｉｔ(β２)０.３３６４.５２３㊀∗∗∗Ｑｕａ(δ２)－１.３９２－２.６４２㊀∗∗∗Ｃｏｒ(δ３)－０.２０６－０.１９６其他信息σ２０.８２４７.０６３㊀∗∗∗Ｐｒｏ(δ４)１０.１７０９.１４８㊀∗∗∗γ０.９５７１４９.８７９㊀∗∗∗对数似然函数值－１３９.９０２单位ＬＲ检验３８１.２４７效率均值０.５０９㊀㊀注:∗∗∗表示在１％的水平下显著ꎮ㊀㊀１)模型的估计结果ꎮ由表３中可知ꎬγ＝０ ９５７ꎬ在１％的水平下显著ꎬ这说明采用随机前沿分析方法(ＳＦＡ)比传统方法(ＯＬＳ)进行估计更为合理ꎬ随机前沿方法的误差中有９５.７％是由技术非效率引起的ꎬ且单位ＬＲ通过显著性检验ꎬ所以使用随机前沿方法是合理的ꎮ在生产函数部分中ꎬβ０㊁β１和β２均通过了显著性检验ꎮ其中ꎬＲ＆Ｄ活动全时人员和Ｒ＆Ｄ资本存量的估计系数分别为－０.４３７和０.３３６ꎬ表明这两项指标对高校科技创新中产出效率的影响不同ꎬβ１＋β２<１ꎬ说明高校的创新活动存在规模报酬递减的现象ꎮＲ＆Ｄ全时人员的系数为负值ꎬ这表明单纯增加Ｒ＆Ｄ活动全时人员不能提高高校创新效率ꎬ根据统计汇编资料发现虽然我国高校的Ｒ＆Ｄ活动全时人员较多ꎬ但Ｒ＆Ｄ活动全时人员中高层次水平人员所占比例不高ꎬ所以各高校应该优化人员结构㊁缩减冗余人员来提高效率ꎻＲ＆Ｄ资本存量的估计系数为正值ꎬ说明中国高校的创新活动是经费驱动型的ꎬ主要依靠Ｒ＆Ｄ资本经费的投入来增加高校创新成果ꎮ２)效率估计的结果ꎮ从整体而言ꎬ我国高校创新效率整体平均值为０.５０９.表明我国高校创新效率整体处在中等水平ꎬ还有近５０％提升空间ꎬ所以进一步对高校创新效率的影响因素进行分析探索是有必要的ꎮ２００８ ２０１５年样本期间高校的创新效率整体呈现随时间而下降的趋势ꎬ而根据统计汇编数据来看高校创新投入随时间呈现递增趋势ꎬ这说明我国高校在创新活动中重视资源的投入而对产出的关注不够ꎮ从各个省市来看ꎬ北京㊁辽宁㊁黑龙江㊁上海㊁江苏㊁浙江㊁安徽㊁山东㊁河南㊁湖北㊁湖南㊁广东㊁四川和陕西１４个省市的高校创新效率高于全国平均创新效率值ꎬ占总样本的５１.８５％ꎬ其中东部地区占半数ꎬ而西部地区只有四川和陕西２个省超过全国平均创新效率值ꎮ云南㊁贵州㊁新疆等西部地区的高校创新效率明显低于全国平均创新效率值ꎮ而且省市的高校创新效率相差较大ꎬ高校创新效率的平均值最大是江苏为０.９３８ꎬ最小是新疆为０.２０ꎬ这说明高校效率存在较大的区域差异性ꎬ各省市高校的创新能力发展不平衡ꎬ如图１所示ꎮ图１㊀各省市高校创新效率均值７１第２期余芝霖:基于ＰＰ￣ＳＦＡ的高校创新效率及影响因素研究㊀㊀从３大地区来看ꎬ东部地区的高校创新效率的平均值为０.６７３显著高于全国平均水平ꎬ西部地区高校创新效率的平均值为０.４９４基本接近全国平均水平ꎬ而中部地区高校创新效率的平均值为０.３２１ꎬ与全国平均水平有很大差距ꎬ东部的高校创新效率均值高于中西部ꎬ这表明高校创新效率存在显著的地区差异性ꎬ高校创新效率呈现出 东高西低 的格局与中国的省域经济发展水平相一致ꎬ如表４所示ꎮ表４㊀２００８ ２０１５年东㊁中㊁西部地区高校科技创新效率平均水平地区年份平均值２００８２００９２０１０２０１１２０１２２０１３２０１４２０１５东部０.７２３０.６９８０.７０４０.６７８０.６６５０.６３２０.６４１０.６４１０.６７３中部０.５１６０.５１００.５１１０.４５４０.５２６０.４９９０.４６１０.４７８０.４９４西部０.３３４０.３２５０.３２７０.３１５０.３３８０.３１００.２９９０.３１９０.３２１㊀㊀３)效率的影响因素ꎮ分析表３中效率函数部分的高校创新活动的各影响因素对其创新效率的影响ꎮ政府对高校创新活动的支持(Ｇｏｖ)的回归系数δ１＝－１.９９２<０ꎬ且在１％的水平下显著ꎬ表明政府的支持对高校创新效率有正向影响ꎮ这与前文所说的在样本期间我国高校的创新活动处于经费驱动型相关ꎬ进一步提高政府支持的比例能提升高校创新效率ꎮ科技人员结构(Ｑｕａ)的回归系数δ３＝－１.３９２<０ꎬ且在１％的水平下显著ꎬ这表明Ｒ＆Ｄ人员的素质水平越高ꎬ高校创新效率越强ꎬ可见ꎬ提升Ｒ＆Ｄ人员素质水平可以有效增强高校的创新产出效率ꎮ国际科技交流研究活动人数(Ｃｏｒ)的回归系数δ２＝－０.２０６<０ꎬ但其结果没能通过显著性检验ꎬ这表明国际科技交流对高校创新产出有正向影响ꎬ但影响并不显著ꎮ高校项目数(Ｐｒｏ)的回归系数δ４＝１０.１７０>０的ꎬ且在１％的水平下显著ꎬ这说明Ｒ＆Ｄ项目结构对高校科技创新效率具有抑制作用ꎬ这说明项目在固定的人力和财力的投入情况下ꎬ数量越多会导致单位项目的人力财力投入不足ꎬ进而导致效率降低ꎮ３㊀结论本文以我国２００８ ２０１５年２７个省市自治区的面板数据为样本ꎬ首先运用投影寻踪对产出数据进行降维ꎬ再利用基于对数性柯布－道格拉斯生产函数的随机前沿分析模型来实证测度各地区高校创新效率ꎬ并分析了创新效率存在区域差异性ꎮ同时探讨了政府对高校创新活动的支持ꎬ科技人员结构㊁科技交流研究活动人数和高校项目数这四个因素对高校创新效果的影响ꎮ得到以下主要结论:第一ꎬ在样本期间ꎬ我国的高校科技创新效率平均值为０.５０９ꎬ整体处于中等水平ꎬ还有很大的提升空间ꎬ各省市高校的创新效率存在较大的差异性ꎬ创新能力发展不平衡ꎬ从整体来看东部地区显著高于中西部地区ꎬ基本呈现 东高西低 的格局ꎮ而且从２００８ ２０１５年ꎬ高校科技创新效率呈现下降的趋势ꎬ这说明我国高校在创新活动上出现规模不经济的现象ꎮ第二ꎬ从投入来看ꎬＲ＆Ｄ全时人员的回归系数为负而Ｒ＆Ｄ资本存量的回归系数为正ꎬ这反映２００８ ２０１５年样本期间我国高校的创新效率是经费推动型的ꎮ从弹性系数的绝对值来看ꎬＲ＆Ｄ全时人员的弹性系数的绝对值大于Ｒ＆Ｄ资本的弹性系数的绝度值ꎬ这说明了人员投入对高校创新能力的影响大于资本投入ꎮ所以各高校需要优化Ｒ＆Ｄ人员结构和加强高校科研专业队伍的建设来提高研发人员的质量ꎮ第三ꎬ从影响因素来看ꎬ政府对高校创新活动的支出㊁科技人员结构㊁国际科技交流研究活动人数对高校创新效率有正向的促进作用ꎬ而高校项目数对高校创新效率存在负向作用ꎬ这与项目在固定人力和财力投入的情况下ꎬ数量越多会导致单位项目的人力财力投入不足有一定关系ꎮ所以各高校应该注重项目完成的质量而不是数量的多少ꎮ参考文献:[１]㊀ＪＯＨＮＥＳＧꎬＪＯＨＮＥＳＪ.ＭｅａｓｕｉｎｇｔｈｅｒｅｓａｒｃｈｐｅｒｆｏｒｍａｎｃｅｏｆＵＫｅｃｏｎｏｍｉｃｓｄｅｐａｒｔｍｅｎｔｓ:ａｌｌａｐｐｌｉｃａｔｉｏｎｏｆｄａｔａｅｎｖｅｌｏｐｍｅｎｔａｎａｌｙ￣ｓｉｓ[Ｊ].ＯｘｆｏｒｄＥｃｏｎｏｍｉｃＰａｐｅｒꎬ２００１(１):３３２.[２]㊀ＡＧＡＳＩＳＴＩＴꎬＤＡＬＢＡ.Ｒｅｆｏｒｍｉｎｇｔｈｅｕｎｉｖｅｒｓｉｔｙｓｅｃｔｏｒ:ｅｆｆｅｃｔｓｏｎｔｅａｃｈｉｎｇｅｆｆｉｃｉｅｎｃｙ.ｅｖｉｄｅｎｃｅｆｒｏｍＩｔａｌｙ[Ｊ].ＨｉｇｈｅｒＥｄｕｃａｔｉｏｎꎬ２００９ꎬ５７(４):４４７.[３]㊀周静ꎬ王立杰ꎬ石晓军.我国不同地区高校科技创新的制度效率与规模效率研究[Ｊ].研究与发展管理ꎬ２００５ꎬ１７(１):１０９. [４]㊀宋维玮ꎬ邹蔚.湖北省高校科技创新效率评价研究[Ｊ].科研管理ꎬ２０１６ꎬ３７:２６７.[５]㊀苏涛永ꎬ高琦.基于随机前沿分析的高校创新效率及差异研究[Ｊ].预测ꎬ２０１２ꎬ３１(６):６１.[６]㊀原长弘ꎬ高金燕ꎬ孙会娟.地方政府支持与区域市场需求规模不确定性对高校技术转移效率的影响:来自中国 ２１１工程 大学的证据[Ｊ].研究与发展管理ꎬ２０１３ꎬ２５(３):１０. [７]㊀于志军ꎬ杨昌辉.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ꎬ２０１７ꎬ３８(５):１４１.[８]㊀陈文峰.基于头影寻踪模型的河南城市化化水平综合评价[Ｊ].经济地理ꎬ２０１２ꎬ３２(９):６１.(下转第１０５页)８１㊀科㊀技㊀与㊀管㊀理㊀㊀㊀㊀㊀㊀㊀㊀㊀第２０卷㊀２０１４(１７):４１.[１７]㊀张倩影.绿色建筑全生命周期评价研究[Ｄ].天津:天津理工大学ꎬ２００８:３７.[１８]㊀齐洁.生命周期视角下的城市建成社区养老服务设施配置策略研究[Ｄ].杭州:浙江工业大学ꎬ２０１５:６２.[１９]㊀ＴＺＥＮＧＧＨꎬＣＨＩＡＮＧＣＨꎬＬＩＣＷ.Ｅｖａｌｕａｔｉｎｇｉｎｔｅｒｔｗｉｎｅｄｅｆｆｅｃｔｓｉｎｅ￣ｌｅａｒｎｉｎｇｐｒｏｇｒａｍｓ:ａｎｏｖｅｌｈｙｂｒｉｄＭＣＤＭｍｏｄｅｌｂａｓｅｄｏｎｆａｃｔｏｒａｎａｌｙｓｉｓａｎｄＤＥＭＡＴＥＬ[Ｊ].ＥｘｐｅｒｔＳｙｓｔｅｍｓｗｉｔｈＡｐｐｌｉｃａｔｉｏｎｓꎬ２００７ꎬ３２(４):１０２８.[２０]㊀李晓英ꎬ朱庆华.基于混合模糊ＤＥＭＡＴＥＬ与ＡＮＰ的绿色供应商评价研究[Ｊ].科技与管理ꎬ２０１５ꎬ５(１７):４３.[２１]㊀ＫＵＳＩ￣ＳＡＲＰＯＮＧＳꎬＳＡＲＫＩＳＪꎬＷＡＮＧＸ.ＡｓｓｅｓｓｉｎｇｇｒｅｅｎｓｕｐｐｌｙｃｈａｉｎｐｒａｃｔｉｃｅｓｉｎｔｈｅＧｈａｎａｉａｎｍｉｎｉｎｇｉｎｄｕｓｔｒｙ:ａｆｒａｍｅｗｏｒｋａｎｄｅｖａｌｕａｔｉｏｎ[Ｊ].ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＰｒｏｄｕｃｔｉｏｎＥｃｏｎｏｍｉｃｓꎬ２０１６ꎬ１８１ꎬ３２５.[２２]㊀ＸＩＡＸꎬＧＯＶＩＮＤＡＮＫꎬＺＨＵꎬＱ.ＡｎａｌｙｚｉｎｇｉｎｔｅｒｎａｌｂａｒｒｉｅｒｓｆｏｒａｕｔｏｍｏｔｉｖｅｐａｒｔｓｒｅｍａｎｕｆａｃｔｕｒｅｒｓｉｎＣｈｉｎａｕｓｉｎｇｇｒｅｙ￣ＤＥＭＡＴＥＬａｐｐｒｏａｃｈ[Ｊ].ＪｏｕｒｎａｌｏｆＣｌｅａｎｅｒＰｒｏｄｕｃｔｉｏｎꎬ２０１５ꎬ８７(１):８１１.[编辑:费㊀婷](上接第１８页)[９]㊀张目ꎬ周宗放.基于投影寻踪和最优分割的企业信用评级模型[Ｊ].运筹与管理ꎬ２０１１ꎬ２０(６):２２６.[１０]㊀付强ꎬ赵小勇.投影寻踪模型原理及其应用[Ｍ].北京:科学出版社ꎬ２００６:１.[１１]㊀曹霞ꎬ于娟.绿色低碳视角下中国区域创新效率研究[Ｊ].中国人口 资源与环境ꎬ２０１５ꎬ２５(５):１０.[１２]㊀ＦＲＩＥＤＭＡＮＪＨꎬＴＵＲＫＥＹＪＷ.Ａｐｒｏｊｅｃｔｉｏｎｐｕｒｓｕｉｔａｌｇｏｒｉｔｈｍｆｏｒｅｘｐｌｏｒａｔｏｒｙｄａｔａａｎａｌｙｓｉｓ[Ｊ].ＩＥＥＥＴｒａｎｓ.ｏｎｃｏｍｐｕｔｅｒꎬ１９７４ꎬ２３(９):８８１.[１３]㊀张目ꎬ周宗放.基于投影寻踪和最优分割的企业信用评级模型[Ｊ].运筹与管理ꎬ２０１１ꎬ２０(６):２２６.[１４]㊀金菊良ꎬ杨晓华ꎬ丁晶.基于实数编码的加速遗传算法[Ｊ].四川大学学报(工程科学版)ꎬ２０００ꎬ３２(４):２０.[１５]㊀吴延兵.中国工业Ｒ＆Ｄ产出弹性测算[Ｊ].经济学(季刊)ꎬ２００８ꎬ７(３):８６９.[１６]㊀朱平芳ꎬ徐伟民.政府的科技激励政策对大中型工业企业Ｒ＆Ｄ投入及其专利产出的影响[Ｊ].经济研究ꎬ２００３(６):４５.[编辑:厉艳飞]５０１第２期隋立军等:绿色养老社区建设的影响因素识别与分析。
基于SFA的微观企业能源效率及影响因素实证研究
基于SFA的微观企业能源效率及影响因素实证研究作者：张媛许，罗丹来源：《社会科学家》 2018年第5期摘要：能源作为核心的生产投入，是一个国家工业经济发展的根本，也是影响社会经济发展的重要因素。
本文首次从微观角度运用随机前沿技术SFA 对2012 年至2015 年广州市136 家重点用能企业的一手调查数据进行了研究，测度了各企业及所属行业的能源效率。
研究发现能源效率总体水平较高但处于停滞状态，行业间能源效率水平差异较大，且分化现象明显。
所有制结构、企业能源管理师以及能源依赖水平是影响能源效率改善的重要因素。
同时过高煤炭消费占比对能源效率有一定的负面影响。
研究就如何通过管理模式和政策规管提高能源效率提出了政策建议。
关键词：能源效率；随机前沿SFA；重点用能单位中图分类号：C939 文献标识码：A 文章编号：1002－3240（2018）05－0057－071．引言过去30 多年，中国经济的高速发展，消耗了大量生产要素和能源投入。
虽然中国以GDP 衡量的经济总量在2010 年已经跃居全球第二，但中国能源消费总量已经超过美国成为世界第一。
2010 年，中国单位GDP 能源消耗是世界平均水平的2．2 倍，甚至高于印度。
单位GDP 的高能耗一直受到业界和学界诟病，经济增长与能源效率提升之间的矛盾十分突出。
虽然在“十二五”期间，中国在节能降耗方面取得了突出的进展，但能源资源的稀缺性与经济增长可持续的矛盾仍然存在。
中国能源结构中煤炭、石油等化石燃料比重偏高，环境保护和治理投入不足，使得水和大气污染越来越严重，大面积出现的雾霾影响了人们的健康和生活质量。
从可持续发展角度来看，化石能源属于不可再生资源，调整能源结构和提高能源利用效率是当务之急。
因此能源效率问题是现阶段的重大议题，有着重要的研究意义。
实现节能减排目标的前提是掌握各行业能源效率现状及其节能潜力，在此基础上制定针对性的政策和节能措施。
本文基于2012 年至2015 年面板数据，测度广州市136 家工业重点用能单位的能源效率及变动趋势，分析微观层面能源效率的影响因素。
基于SFA方法的科技资源市场配置效率评价_戚涌
第36卷第3期2015年3月科研管理Science Ｒesearch Management Vol．36，No．3March ，2015收稿日期：2014－10－25；修回日期：2014－12－05．基金项目：国家软科学研究计划项目“江苏创新资源整合共享的模式与机制研究”（2012GXS4D083）；江苏省社科研究（青年精品）重点课题“高校产学研协同创新模式和机制研究”（13SQA －029）；江苏省教育科学“十二五”规划重点课题“高校协同创新模式与机制研究”（B －b201301022）；江苏省科协调研课题“科技资源市场配置的特点、规律和方式研究”（JSKXDY －2014－0020）。
作者简介：戚湧（1970－），男，江苏泰州人，博士后，南京理工大学教授、博士生导师，研究方向：技术创新管理。
郭逸（1991－），女，河南商丘人，南京理工大学硕士研究生，研究方向：技术创新管理。
文章编号：1000－2995（2015）03－008－0084基于SFA 方法的科技资源市场配置效率评价戚湧，郭逸（南京理工大学经济管理学院，江苏南京210094）摘要：本文在探索国内外研究现状和现有科技资源配置模式的基础上，研究提出科技资源的市场配置模式。
基于SFA 方法开展全国和江苏科技资源市场配置效率的评价与实证研究，结果表明我国科技资源市场配置效率的平均水平还较低，江苏省内苏南、苏中、苏北地区科技资源市场配置效率水平差异较大。
最后，提出促进科技资源市场配置的对策建议。
关键词：SFA ；科技资源；市场配置；效率；评价中图分类号：F204文献标识码：A1引言科技资源是包括科技条件、科技人力、科技投入、科技信息、科技成果和科技政策在内的各类支撑和促进科技创新的资源和要素的总和，科技资源开放共享和优化配置是国内外学术界和政府关注的热点。
当前，我国进入一个依靠科技创新实现可持续发展的经济增长“新常态”。
十八届三中全会《决定》指出使市场在资源配置中起决定性作用和更好发挥政府作用、建立主要由市场决定技术创新项目和经费分配、评价成果的机制，这是我国深化科技体制改革，推动科技与经济更紧密结合的重大举措。
基于SFA方法对中国保险机构效率的实证研究
Efficiency of China＇s Insurance Industry： A Stochastic Frontier Analysis Approach 作者： 黄薇[1]
作者机构： [1]中国人民大学财政金融学院,100872
出版物刊名： 南开经济研究
页码： 104-115页
主题词： SFA;效率;保险业;中国
摘要：本文在借鉴世界范围内最新效率研究方法的基础上，运用SFA方法首次对1999--2004年中国28家寿险和非寿险保险机构的成本效率和利润效率进行了评估。
在模型设定的过程中，通过广义似然比统计量检验，论证了超越对数成本函数的可靠性。
在影响因素分析的过程中，通过将效率影响因素引入随机前沿模型进行因素分析，避免了一般使用两阶段因素回归法可能造成的偏差。
通过实证分析，本文得出：片面的改变保险机构产权结构并不能有效提高效率，公司治理结构、组织形式、营销体系、资产规模、产品多元化程度是影响中国保险业效率的主要因素；进一步地，本文探讨了提高中国保险业效率的可能途径。
我国部属高校办学效率动态变化及影响因素研究
我国部属高校办学效率动态变化及影响因素研究
谢鑫;陈春晓
【期刊名称】《教育与教学研究》
【年(卷),期】2022(36)4
【摘要】掌握高等教育的动态发展规律可以帮助决策者合理调配教育资源。
以2006—2016年我国54所教育部直属高校的办学投入和产出数据为基础,采用DEA-Malmquist指数法测算办学效率的动态变化,以Malmquist指数均值和标准差为标准进行聚类分析,同时,进一步运用广义最小二乘法对Malmquist指数进行回归。
结果表明:我国高校办学效率变化的提升是全要素生产率提升的主要原因;四类高校间存在非平衡发展,半数高校效率不足,稳健增长型取得最优发展成效;校长任期与院校合并能提升全要素生产率,但生均占地面积与博士学位教师占比会降低全要素生产率。
【总页数】11页(P65-75)
【作者】谢鑫;陈春晓
【作者单位】湖南大学
【正文语种】中文
【中图分类】G649.2
【相关文献】
1.我国环境规制效率的动态演变及影响因素分析——基于超效率DEA-Tobit的研究
2.我国高校扩招后办学效率和生产率的变化
3.我国商业银行效率动态变化及影
响因素研究--基于DEA-Malmquist指数模型4.我国重点高校技术转移效率变化的影响因素研究——基于面板随机前沿分析方法5.我国部属高校三个五年规划阶段内办学效率实证研究
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
ｔ ｅ ｎ ｔ ｉ ｏ ｎ ｆ ｒ ｏ ｍ ｇ ｏ ｖ ｅ ｒ ｎ ｍ ｅ ｎ ｔ ｓ ， ｓ ｏ ｃ ｉ ｅ ｔ ｙ ａ ｎ ｄ ａ ｃ ａ ｄ ｅ ｍ ｉ ａ ．Ｕ ｓ ｉ ｎ ｇ ｔ ｈ ｅ Ｓ ｔ ｏ ｃ ｈ ａ ｓ ｔ ｉ ｃ Ｆ ｒ ｏ ｎ ｔ ｉ ｅ ｒ Ａ ｐ ｐ ｒ ｏ ａ ｃ ｈ（ Ｓ Ｆ Ａ）ａ ｎ ｄ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｔ ｈ ｅ ｒ ｅ ｌ ａ ｔ ｅ ｄ
来 自教 通大学 管理学院 ， 陕西 西安 ７ １ ０ ０ ４ ９ ）
摘
要： 我 国高校校办产业作为世界 高等教育 史上 的独特现 象， 一直得到政府 、 社会 和学术界 的广泛关注 。文章基
于随机 前沿方法（ 简称 Ｓ Ｆ Ａ） ， 利用２ ０ ０ ７年我 国教 育部直属 高校校 办产 业相 关数据 ， 实证 分析 了其 成本 一效益 问 题， 旨在通过严格 实证分析探 索我 国校 办产业运 营效 率的近 况及主要 的 内外部影 响因素。研 究结果表 明， 校 办产 业的成本费用与其销售收入呈倒 Ｕ型 关 系， 与其利润总额和上 交税 金呈 负向关 系； 影响校 办产 业成本 一效益 效率
ｃ ｏ ｓ ｔ — ｂ ｅ ｎ ｅ ｉ ｆ ｔ ｉ ｓ ｓ ｕ ｅ ．Ｔ ｈ ｅ ａ ｉ ｍ ｗａ ｓ ｔ ｏ ｅ ｘ ｐ ｌ ｏ ｒ ｅ ｔ ｈ ｅ ｒ ｅ ｃ ｅ ｎ ｔ ｓ ｉ ｔ ｕ ａ ｔ ｉ ｏ ｎ ｏ ｆ ｏ ｐ ｅ ｒ ａ ｔ ｉ ｏ ｎ ｅ ｆ ｉ ｃ ｉ ｅ ｎ ｃ ｙ ｏ ｆ ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｅ ｎ ｔ ｅ ｒ ｐ ｉ ｒ ｓ ｅ ｓ ｉ ｎ Ｃ ｈ ｉ ｎ ａ ａ ｎ ｄ
第３ ４卷
第 １期
技
术
与 创
新
管
理
Ｖｏ １ ． ３ ４ Ｎｏ ．１
２ ０ １ ３年 ０ １月
ＴＥＣＨＮＯＬ ＯＧＹ ＡＮＤ Ｉ ＮＮＯＶＡＴＩ ＯＮ ＭＡＮＡＧＥＭ ＥＮＴ
Ｊ ａ ｎ ． ２ ０ １ ３
【 管理科学】
基于 Ｓ Ｆ Ａ的高 校 科 技产 业成 本 一效 益 效 率及 其影 响 因素 实证 分 析
ｄ ａ ｔ ａ ｏ ｆ ｔ ｈ ｅ ｅ ｎ ｔ ｅ ｐｒ ｒ ｉ ｓ ｅ ｓ ｏ ｆ ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｉ ｅ ｓ ｄ ｉ ｒ ｅ ｃ ｔ ｌ ｙ ａ ｆ ｉ ｆ ｌ ｉ ａ ｔ ｅ ｄ ｔ ｈ ｅ ｍｉ ｎ ｉ ｓ ｔ ｒ ｙ ｏ ｆ ｅ ｄ ｕ ｃ ａ ｔ ｉ ｏ ｎ ｉ ｎ ２ ０ ０ ７，ｔ ｈ ｉ ｓ ｐ ａ ｐ ｅ ｒ ｅ ｍｐ ｉ ｉｃ ｒ ａ ｌ ｌ ｙ ｓ ｔ ｕ ｄ ｉ ｅ ｄ ｔ ｈ ｅ
ＹＵＡＮ Ｃ ｈ ａ ｎ ｇ — ｈ ｏ ｎ ｇ ， ＧＡＯ Ｊ ｉ ｎ — ｙ ａ ｎ
（ Ｓ ｃ ｈ ｏ ｏ ｌ ｏ ｆＭａ ｎ ａ ｇ ｅ ｍ ｅ ｎ ｔ ， Ｘ ｉ ’ ａ ｎ ｉａ ｆ ｏ ｔ ｏ ｎ ｇ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ， Ｘ ｉ ’ ａ ｎ ７ １ ０ ０ ４ ９ ，Ｃ ｈ ｉ ｎ ａ ）
ｔ ｈ ｅ ｍａ ｉ ｎ ｉ ｎ ｔ ｅ ｎａ ｒ ｌ ａ ｎ ｄ ｅ ｘ ｔ ｅ ｎａ ｒ ｌ ｉ ｎ ｌ ｆ ｕ ｅ ｎ ｃ ｉ ｎ ｇ ｆ ａ ｃ ｔ ｏ ｒ ｓ ｔ ｈ ｒ ｏ ｕ ｇ ｈ ｔ ｈ ｅ ｓ ｔ ｉ ｒ ｃ ｔ ｅ ｍｐ ｉ ｉ ｒ ｃ ｌ ａ ａ ｎ ａ ｌ ｙ ｓ ｉ ｓ ．Ｔ ｈ ｅ ｒ ｅ ｓ ｕ ｌ ｔ ｓ ｓ ｕ ｇ ｇ ｅ ｓ ｔ ｅ ｄ ｔ ｈ ａ ｔ ：ｔ ｈ ｅ ｃ ｏ ｓ ｔ ｏ ｆ ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｅ ｎ ｔ ｅ ｒ ｐ ｉｓ ｒ ｅ ｓ ｈ ａ ｓ ａ ｎ ｉ ｎ ｖ ｅ ￣ｅ ｄ Ｕ— ｓ ｈ ａ ｐ ｅ ｄ ｒ ｅ ｌ ａ ｔ ｉ ｏ ｎ ｓ ｈ ｉ ｐ ｗｉ ｔ ｈ ｔ ｈ ｅ ｉ ｒ ｓ ａ ｌ ｅ ｓ ｉ ｎ ｃ ｏ ｍｅ ａ ｎ ｄ ｎ ｅ ｇ ａ ｔ ｉ ｖ ｅ ｒ ｅ ｌ ａ ｔ ｉ ｏ ｎ ｓ ｈ ｉ ｐ ｓ ｗ ｉ ｔ ｈ ｔ ｈ ｅ ｉ ｒ ｔ ｏ ｔ ｌ ａ ｐ ｒ ｏ ｉ ｆ ｔ ａ ｎ ｄ ｔ ａ ｘ ｄ ｅ ｌ ｉ ｖ ｅ ｙ ．Ｔ ｒ ｈｅ ｍａ ｉ ｎ ｆ ａ ｃ ｔ ｏ ｒ ｓ ｉ ｌ ｕ ｆ ｎ ｅ ｎ ｃ ｉ ｎ ｇ ｔ ｈ ｅ ｃ ｏ ｓ ｔ — ｂ ｅ ｎ ｅ ｉ ｆ ｔ ｅ ｆ ｉ ｆ ｃ ｉ ｅ ｎ ｃ ｙ ｏ ｆ ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｅ ｎ ｔ ｅ ｒ ｐ ｉ ｒ ｓ ｅ ｓ ａ ｒ ｅ ｔ ｈ ｅ ｐ ｅ ｒ ｃ ｅ ｎ ｔ —
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ：Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｅ ｎ ｔ ｅ ｒ ｐ ｒ ｉ ｓ ｅ ｉ ｎ Ｃ ｈ ｉ ｎ ａ ａ ｓ ａ ｕ ｎ ｉ ｑ ｕ ｅ ｐ ｈ ｅ ｎ ｏ ｍｅ ｎ ｏ ｎ ｉ ｎ ｔ ｈ ｅ ｈ ｉ ｓ ｔ ｏ ｒ ｙ ｏ ｆ ｗｏ ｒ ｌ ｄ ｈ ｉ ｇ ｈ ｅ ｒ ｅ ｄ ｕ ｃ ａ ｔ ｉ ｏ ｎ ｈ ａ ｓ ｇ ｏ ｔ ｗｉ ｄ ｅ ａ ｔ —
Ａｎ Ｅｍ ｐ ｉ ｒ ｉ ｃ ａ ｌ Ａｎ ａ ｌ ｙ ｓ ｉ ｓ ｏ ｎ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ Ｓ ＆ Ｔ Ｅｎ ｔ ｅ ｒ ｐ ｒ ｉ ｓ ｅ ｓ Ｃｏ ｓ ｔ － Ｂｅ ｎｅ ｉｔ ｆ Ｅｆ ｉｃ ｆ ｉ ｅ ｎ ｃ ｙ ａ ｎ ｄ Ｉ ｔ ｓ Ｉ ｎ ｌｕ ｆ ｅ ｎ ｃ ｉ ｎ ｇ Ｆａ ｃ ｔ ｏ ｒ ｓ ｂ ａ ｓ ｅ ｄ ｏ ｎ Ｓ ＦＡ ： Ｅｖ ｉ ｄ ｅ ｎ ｃ ｅ ｆ ｒ ｏ ｍ ｔ ｈ ｅ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｉ ｅ ｓ Ｄｉ ｒ ｅ ｃ ｔ ｌ ｙ Ａｆ ｉｌ ｆ ｉ ａ ｔ ｅ ｄ ｔ ｈ ｅ Ｍｉ ｎ ｉ ｓ ｔ ｒ ｙ ｏ ｆ Ｅｄ ｕｃ ａ ｔ ｉ ｏ ｎ
的主要 因素有 ： 高级职 称人 员比例 、 所在 省 区 Ｇ Ｄ Ｐ 值， 所属 高校 的综合排 名 以及所 拥有 的上 市公 司数 目。文章 还
详 细分析 了各高校校 办产业成本 一效益效率值的大小 ， 并提 出了相应 的政 策建议 。 关键词 ： 随机前 沿方法； 成本函数 ； 高校校 办产 业； 成本 一效益效率 中图分类号 ： Ｆ ２ ７ ９ ． ２ ３ 文献标识 码 ： Ａ 文章编号 ： １ ６ ７ ２— ７ ３ １ ２ （ ２ ０ １ ３ ） ０ １ — ０ ０ ５ ０— ０ ７