基于PP-SFA的高校创新效率及影响因素研究
党的十九大报告提出,创新是引领发展的第一动力,是建设现代化经济体系的战略支撑。而高校是中国实施自主创新战略的重要力量,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、支撑创新驱动发展战略。随着国家创新战略的实施,高校的创新投入不断增大,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。深入对高校创新效率的研究,可为高校创新政策的建设和完善提供理论参考,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。
目前高校创新效率测度的研究中,非参数法和参数法2种效率测度方法的应用是最为广泛。非参数方法以数据包络分析(DEA)为代表,该方法不需要预先建立变量之间的函数关系,而且在处理多产出的效率上具有优势。Johnes等[1]、Agasisti等[2]、周静等[3]和宋维玮等[4]运用DEA方法测算高校的创新效率。但DEA方法存在缺点,该方法没有考虑随机误差对效率的干扰,不能对结果进行统计检验,且不能对定量分析创新效率的影响因素。参数法以随机前沿(SFA)为代表,SFA建立随机前沿模型,考虑随机误差对效率的影响,能对模型本身进行检验,且能定量分析影响因素对效率的影响。国内学者大多利用SFA测算单产出高校创新效率问题,如苏涛永等[5]、原长弘等[6]、于志军等[7]学者。但创新活动中产出不止一个,SFA不能像DEA测算多产出的创新活动效率,而现有的高校效率的研究中,少有学者将高校的多产出进行综合考虑,这正是本文改进的地方。
就拿诊后服务来说,门诊患者服务中心的热线电话涵盖诊后咨询、解难答疑等就医相关服务,如有特殊需求的患者,还可提供医护人员专业上门服务。同时,利用门诊微信公众号,定时向患者推送门诊信息,包括患者健康宣教、门诊动态、社区医疗等,每月开展一次健康知识小讲堂活动,对群众关注的热点、常见病等进行宣教,提高群众预防保健意识,促进健康。
基于上述,参照陈文峰[8]、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,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。
1 模型和方法
1.1 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,利用加速遗传法寻求最佳投影方向和产出综合水平,具体步骤如下[10]:
3)优化投影指标函数。 当样本集给定时,投影指标函数Q(a)只随着投影方向的变化而变化[11]。这是一个以a(j)t为优化变量的复杂非线性优化问题,用传统的优化方法处理较难[12-13];因此,本文利用基于实数编码的加速遗传算法(RAGA)[14]通过选择、变异、杂交3个算子寻求目标函数最大值和最佳投影方向ai*,即:
上式是技术非效率的函数表达式,其中:Qua、Pro、Cro和Gov是影响因素,δ>0,说明影因素对技术效率有负向影响,反之,存在正向影响。
(1)
2)构造投影指数函数Q(a)。
一堂堂生动的课程,一个个感人的故事,让我们的灵魂得到洗礼,精神得到升华,党性得到锻炼,心灵受到强烈震撼。我有幸参加祁县“一线干部”井冈山党性教育专题培训班,实地学习和感悟“坚定信念、艰苦奋斗、实事求是、敢闯新路、依靠群众、勇于胜利”的伟大的井冈山精神。在井冈山的6天时间里,追寻着先烈们的战斗足迹,仿佛又置身于艰苦卓绝的战争年代,触动之大、感悟之多、体会之深是前所未有的。
Q(a)=Sz·Dz。
(2)
其中:Sz为投影值z(i)的标准差,Dz为投影值z(i)的局部密度。
(3)
(4)
其中:E(z)为z(i)的平均值;R为局部密度的窗口半径,r(i,j)表示样本之间的距离;u(t)为一单位阶跃函数,当t≥0时,其值为1,当t<0时,其值为0。
1.2.1 手术当日挑选清洁、平整、无破损的手术床单,按照常规要求平铺于手术床上。患者进入手术室后由巡回护士全程陪伴,减少老年患者的孤单感,减轻焦虑。在搬运患者时,尽量避免拉扯、摩擦,以免造成患者皮肤完整性受损以及压疮的发生。有专人对患者的皮肤再次进行评估,剔除不符合要求的患者(如皮肤有破损、湿疹、颜色有异常的)。
临床路径教学是将临床路径引入临床教学中的方法,呼吸内科是一门学科迅速发展,疾病广泛,疾病复杂,治疗难度大的医学学科,相对于其他学科,患者病情更为复杂,要求呼吸科医护人员具有更全面的知识和技能,掌握呼吸道病理生理学和免疫学,呼吸系统疾病并发症等,但传统的教学模式较为乏味呆板,模式生硬,导致实习生得不到充分的知识掌握水平[7-11]。而临床路径的使用符合中国目前的医疗改革。将临床路径教学应用于临床教学,教学目标明确,规范了教学流程,可降低教学的随意性和盲目性,提高学生的学习成绩和操作能力[12]。
MaxQ(a)=Sz·Dz。
(5)
(6)
4)计算产出指数。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)t。
1.2 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,该方法不仅可以测算每个个体的技术效率值,还可以消除随机误差的影响,且能定量分析各种因素对创新效率的影响。本文基于Battese和Coelli模型的基本原理,建立对数型柯布-道格拉斯生产函数模型,其表达式为
ln yit=β0+β1+ln lit+β2ln kit+vit-uit。
(7)
其中: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;lit表示R&D全时人员当量;kit表示R&D 资本存量。
mit=δ0+δ1Quait+δ2Proit+δ3Corit+δ3Corit。
(8)
1)计算高校创新产出的投影值。PP的方法就是把经过极值归一化处理后的多维产出数据x(i,j)t综合成以a(j)t为投影方向的一维投影值z(i)t:
(9)
从3大地区来看,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,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,而中部地区高校创新效率的平均值为0.321,与全国平均水平有很大差距,东部的高校创新效率均值高于中西部,这表明高校创新效率存在显著的地区差异性,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,如表4所示。
对于需要用汽车运输的矿岩,其运输车辆,根据本区矿岩性质特点、矿山采剥规模、当地气候条件,通过对国内矿用汽车生产状况、设备性能及在矿山使用效果的认真调查研究后,结合本矿区重载上坡运行的特点,推荐45 t矿用自卸汽车运输矿石,108 t矿用自卸汽车运输岩石。设备大型化后,作业人员少,既节能,运输成本也低,汽车等待时间短,单向行车密度较小,能提高运行速度,充分发挥运输设备的效率,减少安全隐患。
2 实证分析
2.1 变量和数据的选取
在测算高校创新效率时,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。R&D经费支出是流量指标,考虑资金的时滞性,参照吴延兵[15]和朱平芳等[16]的研究,采用永续盘存法对其进行核算得出R&D资本存量指标;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。本文将论文发表数、科技著作出版数、专利申请数和技术转让合同金额作为投入指标;影响因素:本文选取科技人员结构(Qua)、项目数(Pro)、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。本文数据来源于《高等学校科技统计汇编》和《中国统计年鉴》,选取我国2008—2015年的省市面板数据,由于数据不完整和多项指标为0,剔除西藏、青海、宁夏、海南4个地区数据,总共有27个省市数据。本文按传统划分方法将27个省市划为东、中、西3大地区。在分析高校科技创新活动效率之前,为了消除各个指标值的量纲和统一各指标值的变化范围,本文先对2008—2015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。
2.2 运用投影寻踪模型对高校创新产出综合水平的测算结果
3)效率的影响因素。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。
表1 高校创新活动产出的最佳投影方向
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0.15110.44420.23700.44130.44750.57520.55200.4789
表1是高校创新活动4个产出变量各年的最佳投影方向,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,即高校科技创新活动综合产出水平,如表2所示。
表2 2008—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0.01800.04910.00330.00420.03780.00100.00170.0112
2.3 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
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,利用Froniter4.1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,其结果如表3所示。
表3 随机前沿函数和效率函数估计的结果
函数分类 变量估计系数T检验值 函数分类 变量估计系数T检验值 生产函数部分β0-0.218-4.924 ∗∗∗效率函数部分δ0-5.823-12.204 ∗∗∗lnlit(β1)-0.437-5.682 ∗∗∗Gov(δ1)-1.992-4.393 ∗∗∗lnkit(β2)0.3364.523 ∗∗∗Qua(δ2)-1.392-2.642 ∗∗∗Cor(δ3)-0.206-0.196其他信息σ20.8247.063 ∗∗∗Pro(δ4)10.1709.148 ∗∗∗γ0.957149.879 ∗∗∗对数似然函数值-139.902单位LR检验381.247效率均值0.509
注:***表示在1%的水平下显著。
1)模型的估计结果。由表3中可知,γ=0.957,在1%的水平下显著,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,随机前沿方法的误差中有95.7%是由技术非效率引起的,且单位LR通过显著性检验,所以使用随机前沿方法是合理的。在生产函数部分中,β0 、β1和β2均通过了显著性检验。其中,R&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0.336,表明这两项指标对高校科技创新中产出效率的影响不同,β1+β2<1,说明高校的创新活动存在规模报酬递减的现象。R&D全时人员的系数为负值,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,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,但R&D活动全时人员中高层次水平人员所占比例不高,所以各高校应该优化人员结构、缩减冗余人员来提高效率; R&D资本存量的估计系数为正值,说明中国高校的创新活动是经费驱动型的,主要依靠R&D资本经费的投入来增加高校创新成果。
2)效率估计的结果。从整体而言,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,还有近50%提升空间,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。2008—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,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,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。
从各个省市来看,北京、辽宁、黑龙江、上海、江苏、浙江、安徽、山东、河南、湖北、湖南、广东、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,占总样本的51.85%,其中东部地区占半数,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。云南、贵州、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。而且省市的高校创新效率相差较大,高校创新效率的平均值最大是江苏为0.938,最小是新疆为0.20,这说明高校效率存在较大的区域差异性,各省市高校的创新能力发展不平衡,如图1所示。
图1 各省市高校创新效率均值
其中:γ反映创新效率的变异是否具有统计显著性,其取值范围是[0,1],当γ越趋于0时,技术无效率现象越不明显,此时用最小二乘法就可以分析;当γ越趋于1时,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,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。
表4 2008—2015年东、中、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0.3340.3250.3270.3150.3380.3100.2990.3190.321
基于投影寻踪模型的原理,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,得到知识价值产出和经济价值产出的最佳投影方向,如表1所示。
政府对高校创新活动的支持(Gov)的回归系数δ1=-1.992<0,且在1%的水平下显著,表明政府的支持对高校创新效率有正向影响。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,进一步提高政府支持的比例能提升高校创新效率。
以《云南映象》为例来看,《云南映象》这部作品展现的是云南地区各个少数民族的生活状况,显现出人与自然之间极大的相容性。作品表现出的土著居民原生态的生存状况是当地居民与大自然和谐相处的真实图景,而这便蕴含着太极文化的精髓——天人合一。具体来说,《云南映象》体现了自然与神灵的对话,通过神灵的告诫,我们知道了大自然才是主导一切的力量,自然与神灵应该和谐相处,融为一体,而舞蹈便是送给大自然最好的礼物。因此这部舞蹈作品通过神灵告诫人们应该与自然和谐相处,充分体现了太极之道与自然之道。
陌生化手法对常规的偏离,造成语言理解与感受上的陌生感。该手法只是作为局部而被重新感知的,而陌生化结构则是作为艺术整体,产生更佳的审美效应。
科技人员结构(Qua)的回归系数δ3=-1.392<0,且在1%的水平下显著,这表明R&D人员的素质水平越高,高校创新效率越强,可见,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。
国际科技交流研究活动人数(Cor)的回归系数δ2=-0.206<0,但其结果没能通过显著性检验,这表明国际科技交流对高校创新产出有正向影响,但影响并不显著。
高校项目数(Pro)的回归系数δ4=10.170>0的,且在1%的水平下显著,这说明R&D项目结构对高校科技创新效率具有抑制作用,这说明项目在固定的人力和财力的投入情况下,数量越多会导致单位项目的人力财力投入不足,进而导致效率降低。
3 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,首先运用投影寻踪对产出数据进行降维,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,并分析了创新效率存在区域差异性。同时探讨了政府对高校创新活动的支持,科技人员结构、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。得到以下主要结论:
第一,在样本期间,我国的高校科技创新效率平均值为0.509,整体处于中等水平,还有很大的提升空间,各省市高校的创新效率存在较大的差异性,创新能力发展不平衡,从整体来看东部地区显著高于中西部地区,基本呈现“东高西低”的格局。而且从2008—2015年,高校科技创新效率呈现下降的趋势,这说明我国高校在创新活动上出现规模不经济的现象。
第二,从投入来看,R&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,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。从弹性系数的绝对值来看,R&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,这说明了人员投入对高校创新能力的影响大于资本投入。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。
第三,从影响因素来看,政府对高校创新活动的支出、科技人员结构、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,而高校项目数对高校创新效率存在负向作用,这与项目在固定人力和财力投入的情况下,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。所以各高校应该注重项目完成的质量而不是数量的多少。
让学生每周回家翻阅教师推荐的各类综合性报纸,指导学生进行选择性阅读,并选择其中有意义的社会新闻写新闻评论。
参考文献:
[1] JOHNES G,JOHNES J.Measuing the resarch performance of UK economics departments: all application of data envelopment analysis[J].Oxford Economic Paper,2001(1):332.
[2] AGASISTI T,DAL B A.Reforming the university sector: effects on teaching efficiency.evidence from Italy[J].Higher Education,2009,57(4):447.
[3] 周静,王立杰,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,2005,17(1):109.
[4] 宋维玮,邹蔚.湖北省高校科技创新效率评价研究[J].科研管理,2016,37:267.
[5] 苏涛永,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,2012,31(6):61.
[6] 原长弘,高金燕,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,2013,25(3):10.
[7] 于志军,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,2017,38(5):141.
[8] 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,2012,32(9):61.
[9] 张目,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,2011,20(6):226.
[10] 付强,赵小勇.投影寻踪模型原理及其应用[M].北京:科学出版社,2006:1.
[11] 曹霞,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,2015,25(5):10.
[12] FRIEDMAN J H,TURKEY J W.A projection pursuit algorithm for exploratory data analysis[J].IEEE Trans.on computer,1974,23(9):881.
[13] 张目,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,2011,20(6):226.
[14] 金菊良,杨晓华,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),2000,32(4):20.
[15] 吴延兵.中国工业R&D产出弹性测算[J].经济学(季刊),2008,7(3):869.
[16] 朱平芳,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,2003(6):45.