地方政府人才獎勵計劃的實施效果評估
——基于9省特聘教授學術表現的分析

孟華

（廈門大學公共政策研究院, 福建 廈門, 361005）

1 引言

自上世紀末以來, 為了實現科教興國戰(zhàn)略, 推進創(chuàng)新型國家建設, 中央高度重視高層次人才發(fā)展戰(zhàn)略的制定與實施, 推出了一系列人才獎勵計劃。其中, 1998年教育部和李嘉誠基金會共同啟動實施的“長江學者獎勵計劃”是專門面向教育部屬高校學者的人才獎勵計劃, 對于高校領軍人才的吸引與培養(yǎng)起到了重要的激勵作用, 而且深刻地影響了地方人才獎勵計劃的設計與實施。從2000年浙江省推出錢江學者計劃, 到2004年山東實施泰山學者建設計劃,再到2009年前后多個省級政府類似人才獎勵計劃的密集出臺, 省級政府在人才競爭壓力下紛紛仿照“長江學者獎勵計劃”, 制定實施了針對轄區(qū)內高等院校與科研院所等的人才獎勵計劃。這些人才獎勵計劃通常以帶有各省特色的山河或地點命名, 如上海的東方學者計劃、北京的北京學者計劃、廣東的珠江學者計劃、福建的閩江學者計劃、安徽的皖江學者計劃、陜西的三秦學者計劃、湖北的楚天學者計劃、湖南的芙蓉學者計劃等等。這些人才獎勵計劃針對的獎勵對象在各省略有不同: 有的省份僅面向高校設立相應的獎勵計劃, 而且它們相互間在具體崗位設置上也存在明顯差異, 如安徽皖江學者和廣東珠江學者計劃僅設立特聘教授崗位, 福建閩江學者和上海東方學者計劃則包括特聘教授與講座教授兩種崗位, 而湖北的楚天學者計劃設置了講座教授、特聘教授和楚天學子三個不同層次的崗位;還有些省份的獎勵計劃不僅面向高校, 還將科研院所和企事業(yè)單位也涵蓋在獎勵范圍內, 如重慶市的兩江學者計劃和陜西的三秦學者計劃就設立了面向高校的特聘教授崗位與面向科研院所與企事業(yè)單位的特聘專家崗位。就各省獎勵計劃均涉及到的特聘教授崗位來看, 雖然各省在政策中均要求實現海內外招聘, 但是, 各高校實際操作中主要都是從現有教師隊伍中遴選, 因此, 相對來說, 特聘教授在入選前后的工作環(huán)境條件變化主要就是獎勵計劃的政策干預。

可以說, 特聘教授獎勵計劃是實施人才強省戰(zhàn)略和推進創(chuàng)新型省份建設的重要舉措, 旨在通過為高校特聘教授提供資金、發(fā)展平臺與后勤保障措施等支持, 促進高校人才發(fā)展, 培育地方高端人才, 打造地方人才梯隊, 從而為人才強省奠定基礎。綜觀各省的特聘教授獎勵計劃, 各省政府在政策設計時都會清楚地界定在特定時間段內力爭完成的特聘教授吸引、培養(yǎng)目標和任務; 關注特聘教授崗位設置對各省重點產業(yè)、重大項目或重要科研創(chuàng)新平臺發(fā)展等的支持作用, 并詳細規(guī)定特聘教授崗位的職責、遴選條件以及招聘程序; 提供針對特聘教授的崗位津貼與科研經費支持, 并且對科研場所以及團隊建設、項目申請支持等方面做出相關規(guī)定; 重視對特聘教授的考核管理, 通常都會對特聘教授崗位實行動態(tài)管理, 設置三至五年的聘用年限, 考核結果通過與否決定是否能夠續(xù)聘。另外, 值得一提的是,有些省份有意識地將人才獎勵計劃與中央的一些人才計劃相銜接, 力爭實現不同人才計劃之間的良性互動。如山東的泰山學者計劃就明確提出要實施泰山學者攀登計劃, 強調對優(yōu)秀泰山學者進行重點培養(yǎng)和扶持, 以爭取將其培養(yǎng)成兩院院士或相當層次的高端科技創(chuàng)新領軍人才, 并且對當選為兩院院士的泰山學者特聘教授給予泰山學者成就獎。

雖然各地的特聘教授獎勵計劃已經實施了一段時間,但是, 這些政策的實施是否實現了預期效果？或者說, 政策入選者在政策前后是否表現出了預期的政策影響效果？對此問題, 目前學術界卻未能給出滿意的答案。從當前的研究成果來看, 雖然有關中央的“千人計劃”、“青年千人計劃”以及“長江學者獎勵計劃”等都有相關的政策評估文獻, 但是, 地方人才獎勵計劃的評估文獻相當缺乏, 對特聘教授獎勵計劃的評估更是未受到足夠的關注。本文就擬對部分省份的特聘教授獎勵計劃的政策效果進行評估, 并在評估結果基礎上提供政策改進建議。

2 文獻綜述

2.1 政策與個人績效

為了提升個人績效, 組織經常需要通過各種激勵措施的設計來有效引導個人行為, 以確保個人努力的方向符合組織需求?；谶@樣的考慮, 激勵理論得以產生并不斷發(fā)展更新。從赫茨伯格對組織管理中激勵因素與保障因素的區(qū)分, 到波特和勞勒的綜合激勵模型中對工作績效與外在獎勵之間關系的揭示, 都暗含著對組織管理制度設計與個人績效關系的探討。在公共部門人力資源管理中, 組織的制度能否激發(fā)公職人員的工作績效同樣受到學者們的關注。以績效付酬制度為例。這一發(fā)端于私人部門的管理政策極大地激發(fā)了公司雇員的工作績效, 因此, 美國在1978年將其引入到政府高端公務員的管理中, 隨后其它OECD國家紛紛效仿。學界在政策實施近20年后開始反思這項政策是否真的推動了公務員的個人績效, 但是, 對該項政策的效果評估卻并未給人們提供令人振奮的圖景。Ingraham（1993）對美國和其它OECD國家績效付酬制度的檢驗就發(fā)現, 在公共部門的環(huán)境條件下, 績效付酬能夠提升工作人員績效的期望與現實之間是存在著差距的。Eijkenaar, Emmert, Scheppach 和 Sch?ffski（2013）基于績效付酬在健康看護領域的文獻回顧同樣發(fā)現, 雖然人們的研究數據顯示, 績效付酬對健康看護服務績效產生了廣泛的影響, 但是, 由于研究設計相對完善的論文數據有限, 現有的研究無法幫助人們就績效付酬對績效的正向影響得出確定無疑的結論。

當我們從組織管理制度推升至組織外面的公共政策時, 不難發(fā)現, 許多公共政策同樣力圖通過影響一些目標群體（包括個人）的行為來干預其績效水平。在科學研究方面, 政府通常會通過制定促進研發(fā)的相關政策來激勵科學工作者產生更多的科技產出。不過, 經濟學家認為, 如果政府直接向企業(yè)提供足夠數額的研發(fā)資金, 就會導致市場失敗, 因此, 更為有效的方式是通過采用稅收補助的方式進行資助（Hall & Reenen, 2000）。政府向公共部門提供研發(fā)資金的情況可能與對企業(yè)的資助情況有所差異。有學者（Hall, 1996）指出, 政府的研發(fā)政策支持下的研發(fā)活動在社會回報率方面顯著超過私人部門。不僅如此, 政府的研發(fā)政策對公共部門內部研發(fā)活動也產生了不同影響。Jaffe和Lerner（2001）通過對1980年以來美國國家實驗室專利研發(fā)的政策研究發(fā)現, 政策調整對國家實驗室專利研發(fā)產生了顯著影響, 它的研發(fā)活動的社會收益比逐漸追上了研究型大學, 而且, 與研究型大學相比, 國家實驗室的專利質量更為穩(wěn)定。當然, 就公共政策對科學工作者研發(fā)績效的正向影響作用, 學界也存在著相反的意見。Goolsbee（1998）基于對近2萬名美國科技工作者數據的分析指出, 美國政府針對科學研究和工程人員投入的研發(fā)資金中, 三分之二是以科學工作者的工資和補貼形式支付的, 這在顯著提升科技工作者個人收入的同時, 卻未能保證科技工作者投入的研究時間得以提高, 這就意味著, 人們可能明顯高估了政府研發(fā)政策的效果。而且, 由于政府研發(fā)資金導致了公共部門科技工作者的收入增長, 還對私人部門的研發(fā)產生了不利的“擠出”效應。不過, 由于文章是以科技研發(fā)時間投入而非科技產出作為評價指標, 因此, 我們并不能據此認定政府研發(fā)資助政策未對科技產出發(fā)揮積極影響。

2.2 高層次人才政策的效果評估

目前學術界對我國高層次人才政策的效果評估研究主要集中于國家層面, 對地方人才政策的評價剛剛起步。從現有評估文獻的關注點來看, 學者們主要從兩方面實施評估, 一是通過績效評估指標體系的構建, 對政策執(zhí)行過程進行績效監(jiān)測; 二是通過事前事后的比較對政策效果進行影響評估。

在政策執(zhí)行的績效監(jiān)測方面, 學者們從不同的視角切入構建評價指標, 并借助于這些指標對政策實施過程中的相關數據進行分析評價。如從人才的引入與管理角度入手, 楊河清和陳怡安（2013）在“引得進、留得住、用得好”三個方面建立海外高層次人才引進政策的績效評價指標體系; 從學者的工作實際出發(fā), 鄭巧一、朱佳妮和張國棟（2015）在科學研究、人才培養(yǎng)和學術綜合三個一級指標下構建了“千人計劃”評價指標, 李波平和鄒德文（2015）則從科技效益、經濟效益和社會效益三方面構建評價體系用于評估湖北百人計劃實施效果。

在對政策實施效果進行影響評估時, 研究者主要采用描述性統(tǒng)計與方差分析方法, 對事前與事后的數據進行比較研究, 并在此基礎上得出政策效果結論。在評估中, 研究者通常是對學者的論文數量進行入選前后的比較。如孫偉等通過對“青年千人計劃”前三批30位入選者的學術生產力進行入選前后數據的統(tǒng)計分析, 發(fā)現該政策40%的入選者在引進后3年內發(fā)表的論文總數超過了引進前3年,16.7%與引進前持平, 43.3%引進后發(fā)表的論文數少于引進前（孫偉, 任之光, 張彥通, 2016）。相類似的, 趙俊芳和葉甜甜（2014）利用 Web of Knowledge等數據庫, 通過對“985 工程”高校前五批“千人計劃”入選者引進前后論文產出量進行比較分析, 指出入選者擁有較高的學術生產力。

無論是通過績效測量還是政策影響評估, 研究者的結論是類似的, 即政策執(zhí)行效果總體上是良好的, 政策的實施對各方面產生了正向影響, 基本實現了政策預期。但是,需要指出的是, 從目前文獻來看, 研究者在進行人才政策的效果評價時, 并沒有真正地將政策作為一個自變量去分析政策實施與結果之間的因果關系, 他們主要還是將政策視作一個外在的環(huán)境變量, 評估時將其暫時擱置一邊, 關注政策產出或結果數據的收集以及政策前后數據的比較。在這樣的條件下, 政策評估結論是以其它因素未對產出或影響數據產生任何干擾作用為前提, 將數據變化歸結于是受政策影響的結果。顯然, 這種評估方法并不能真實反映政策效果, 政策結論的得出過于簡單。

在政策效果評估領域中, 也有學者將政策變量從環(huán)境轉化為內在分析變量, 如張再生和牛曉東（2015）在評估武漢人才政策績效時, 就提取了政策因素, 并且將政策因素與產出進行了相關性檢驗。只是他們的產出因素使用的是人才凈增量累計數, 此類指標以政策設計的人才引進數量為基礎, 現實中難以真實反映政策的實際效果。要真實反映政策的效果, 必須關注政策結果的質量層面而非數量層面的信息。

3 研究設計

3.1 樣本選擇

本文主要基于地理位置、高校數量以及政策出臺時間選擇政策研究樣本。從地理位置來看, 人才傾向于流向相對富裕的東部沿海地區(qū), 因此, 在選擇政策樣本時, 本文將主要關注東部沿海地區(qū)的省份。當然, 某些中部地區(qū)集中了大量高校并相應構建了人才高地, 也需要將其納入研究樣本。比較典型的是陜西和湖北, 這兩個省份均擁有7所以上的211高校。另外, 湖南擁有3所985高校、4所211高校, 同樣值得納入研究范圍。

在各省出臺政策的時間上, 早的如上海、湖北大致在2007 年間推出相關政策, 而多數省份是在2009年前后實施特聘教授計劃, 北京學者計劃則是到了2012年底才出臺?？紤]到大多數政策是在2010年以前出臺, 從政策可比性角度出發(fā), 本文以2010年為時間切點, 截取政策研究樣本。基于這一時間切點, 北京就被排除在外。雖然北京是高校最為密集的地方, 但是, 北京市第一批特聘教授是在2013年才產生, 如果將其納入研究范圍, 抽取個人樣本的時點就必須從2013年開始, 這一時間與早期出臺政策的省份時間相距過大, 容易導致其它省份政策激勵措施被稀釋, 不能客觀反映政策影響。

基于以上考慮, 最終確定的政策研究樣本來源省份為上海、浙江、江蘇、山東、福建、廣東、湖南、湖北、陜西等九個省份。

對于如何在這9個政策樣本框架中抽取個人樣本, 我們主要基于政策發(fā)布最晚的時點來確定。在9個省份中,江蘇省的特聘教授計劃頒布實施時間為2010年, 2011年初產生首批入選者。因此, 個人樣本選定為2011年入選9個省份特聘教授計劃的所有人員。相關的樣本名單從各省人事廳（局）網站上獲取, 共計205人。

3.2 政策變量及數據獲取

各省級政府所出臺的高校學者獎勵計劃中, 對于聘期、津貼、補貼以及后勤保障、科研發(fā)展等方面都做出了相應的規(guī)定。在聘期方面, 基本上采用3年或者5年的聘期設計。對于特聘教授在崗工作時間, 各省通常要求特聘教授或專家一年內累積工作時間不少于9個月。也有些省份有著不同的規(guī)定, 如山東的泰山學者攀登計劃規(guī)定6個月, 并允許最低降至3個月, 而浙江、江蘇、上海等地則要求特聘教授要全職工作（相當于12個月）。在崗位津貼的發(fā)放方面, 各省一般將津貼設計為一年10萬或12萬。不過, 上海執(zhí)行的是每年20萬的高標準, 另外, 有些省份的政策規(guī)定, 在省里提供資助的同時, 用人單位必須提供配套資助。在科研補貼方面, 各省一般根據自然科學類和人文社科類的區(qū)別, 為特聘教授提供數額不等的科研補貼。同時, 多省要求用人單位在省里的補貼之外提供相應比例的配套經費支持。就補貼金額來看, 補貼多的如江蘇省, 在將省政府與學校配套相加之后, 自然科學類學者獲得的科研補貼高達400萬; 補貼少的省份金額只有幾萬或幾十萬。

以上幾方面的政策數據相對客觀, 在測量聘期與在崗工作時間時, 筆者將直接采用政策原始數據。在崗位津貼與科研補貼方面, 政策規(guī)定用人單位必須提供配套資助的,數據處理時直接將省與用人單位的資助加總。不過, 湖北省的情況比較特殊, 該省未提供省級科研補貼, 但政策明確規(guī)定: “高等學校必須為聘任的楚天學者配套必要的教學科研經費”。鑒于湖北各高校制定的楚天學者科研補貼標準有相當大的區(qū)別, 因此, 該省的科研補助數據直接來源于人才所在高校的科研補貼標準。另外, 考慮到各省經濟條件差異很大, 采用原始數據會漠視這些差異性, 因此,對于這兩項數據均用2011年的年社平工資進行折算, 取津貼、補貼與社平工資之比納入研究中。

在各省政策規(guī)定中, 還有些以非量化形式出現的政策支持。一是科研項目申請上的支持。有些省份的政策明確提出要支持特聘教授申請國家和省重大科研項目, 有些省份的政策則沒有相關內容。二是后勤保障性服務的提供。這方面主要涉及的是子女入學、落戶以及出入境便利性等方面的服務保障, 有些省份（如江蘇）明確表示要在哪些方面提供幫助, 也有些省份只是模糊地提及要提供生活與工作上的便利條件, 還有些省份的文件中沒有提及相關服務。三是團隊建設支持。各省在這方面的政策規(guī)定差異性很大, 有些地方未提供相應支持（如上海）, 有的只是簡單地提及要支持特聘教授組建團隊（如福建、湖北）, 有的則規(guī)定了對團隊的科研補貼（如山東）, 還有的如陜西省的政策規(guī)定非常詳細, 既提供團隊科研補貼, 還制定了詳細的團隊成員的職數與選拔條件、管理措施等。四是發(fā)展獎勵方面的規(guī)定。有些省份如山東省規(guī)定了相當詳細的促進個人發(fā)展的政策措施（即泰山學者攀登計劃）, 有些省則只粗略地提及, 還有些省份根本未提供促進個人向上發(fā)展的安排。對于前兩項政策支持, 因只涉及是否有相關政策, 可以設計虛擬變量對數據進行處理, 1表示有此政策,0表示無相關政策。政策中的團隊建設支持則需要根據支持力度從0-3進行編碼, 發(fā)展獎勵計劃根據計劃詳細程度以0-2進行編碼。另外, 各省都規(guī)定了詳細的特聘教授考核事項, 但是, 如果將這項政策措施納入研究中來, 9個省份沒有區(qū)別, 賦值都是1分, 這對于研究意義不大, 因此研究中未選用此項措施。

3.3 政策效果變量及數據獲取

從各省的政策設計目標來看, 特聘教授獎勵計劃都被作為通過“人才集聚”與“科技創(chuàng)新”實現人才強省戰(zhàn)略的重要舉措?！叭瞬偶邸钡暮诵脑谟谕ㄟ^獎勵計劃吸引和培養(yǎng)高層次人才, 從而為省級發(fā)展提供人才支持。對這一目標進行操作化解析后, 測量指標可以設計為獎勵計劃入選者數量。在各省的政策文本中, 這一人才數量要求是作為政策目標明確提出來的, 只是提出的方式有所區(qū)別。有的（如上海的東方學者計劃）是以明確的年度目標提出人才數量發(fā)展要求的, 有的（山東的泰山學者計劃）是以跨年度目標的方式提出, 還有的如陜西的三秦學者計劃則根據經濟社會發(fā)展和重大項目實施需要, 設定了一些領域,規(guī)定每個學科、行業(yè)和領域原則上只能設置一個三秦學者崗位。

不過, 用人才數量來評價政策效果意義不大。因為,人才數量在政策設計時已經明確規(guī)定, 這些計劃目標無論如何均會完成。相對而言, 政策效果更多地體現在入選者是否能夠發(fā)揮政策預期的科技創(chuàng)新能力, 為建設創(chuàng)新型省份發(fā)揮作用, 這正是政策的“科技創(chuàng)新”目標的題中應有之義, 是政策設計的本質追求?！翱萍紕?chuàng)新”的關鍵在于創(chuàng)新, 而特聘教授的創(chuàng)新能力主要表現為學術表現, 即學術產品的數量與質量。學術產品數量通常用論文、專利的數量進行測度, 轉載率、引用率、專利轉化率等則常用以測量學術作品的質量?？紤]到論文轉載率與引用率等學術產品質量無法進行年度測量, 只能獲得查詢時點的最終結果,難以對政策前后的情況進行比較, 因此, 不適于納入研究中來。最終, 本文通過論文發(fā)表數量和專利獲批數量對政策效果進行評估。

考慮到各省政策文本中聘期最低規(guī)定為三年, 本文將評估時間界定為政策前3年和政策后3年, 總體跨度為6年。在政策截點為2011年的情況下, 數據收集的時間則為政策前的2008-2010年和政策后的2011-2013年。論文數據的收集借助于兩大數據庫來完成。首先利用Web of Knowledge數據庫收集所有特聘教授樣本的論文數據。在此數據庫中進行查詢時, 作者姓名分別用全名和名字的英文字母簡寫兩種方式查詢, 每次查詢時均限定為論文, 同時, 為避免出現重名現象, 利用作者單位的限定作用對數據進行篩選。其次是利用中國學術期刊網上的CSSCI數據庫補充人文社會科學領域學者的論文數據, 查詢時利用作者單位進行限定以避免出現重名現象。專利數據利用SooPat專利搜索引擎查詢。雖然該引擎是一個民間網站,但是這一網站包含108個國家和地區(qū)的專利文獻, 包括發(fā)明、實用新型、外觀設計與發(fā)明授權幾種不同的專利類型,數據相當完整, 能夠很好地支持學術研究。當然, 由于學科特點, 筆者僅查找理工農醫(yī)類專業(yè)特聘教授的專利數據。專利查詢中, 以姓名、單位名稱和發(fā)明專利進行限定, 并且根據專利批準的情況, 排除“無權”、“駁回”“視為撤回”等類似情況。

3.4 控制變量及數據編碼

個人的學術表現肯定也會受到除人才政策之外的其它變量的影響。就人才個人情況來看, 他們的年齡、性別、海外教育背景與學科背景可能會影響個人的學術表現。一般來說, 40歲以下的年輕學者學術表現更為活躍, 而且,自然科學領域中學術活躍期通常更為年輕化; 女性因為家庭等因素的干擾過多, 通常難以將精力集中于學術研究,達到男性的學術表現水平; 具有海外教育背景的人才更能夠適應國際期刊的學術發(fā)表要求, 在使用SCI數據進行測量時可能會比國內畢業(yè)學者有更多優(yōu)勢; 各高校對自然科學類教師的科研要求通常會高于人文社會科學類教師, 這就導致教師的學科類別也可能會在一定程度上對發(fā)文量產生影響。從人才的外部環(huán)境來看, 高校密集的地方人才競爭會相對激烈, 學校也會對教師提出更高的科研要求。同時, 不同類型學校對教師的科研要求也客觀上存在著相當大的差異, 重點高校教師評價體系中對于科研的要求明顯高于普通院校, 從而極可能影響個人科研活動產出; 東部地區(qū)經濟發(fā)展條件優(yōu)于中西部, 更容易形成人才集聚效應,可能在一定程度上導致學術表現好的人才更多地集中于東部。基于以上考慮, 本文將個人的年齡、性別、海外教育經歷、學科類別, 以及作為環(huán)境條件的高校密集程度、學校類型和學科類別、高校地理位置作為控制變量納入研究中。

個人年齡以各大高校網站可以查到的特聘教授出生年份為標準錄入, 有些未直接公布出生年份的, 通過本科入學時間進行推算。性別、學科類別和海外教育背景在研究中設計為虛擬變量, 編碼時, 有海外教育背景、自然科學類和男性為1, 無海外教育背景、人文社科類和女性為0。高校密集程度在文中以各省211高校數量作為判斷依據,將1-3所、4-7所、9-11所211高校的省份分別編碼為1,2, 3。學校類型包括985高校、211非985高校以及其他院校, 分別編碼為3, 2和1。高校地理位置分為東、中和西部,分別編碼為3, 2和1。

3.5 數據處理方法

本文采用SPSS19.0對數據進行處理。首先對入選前后的學術表現數據（論文數量和專利數量）進行配對樣本T檢驗, 以粗略估計地方政府人才獎勵政策對入選者學術表現產生的大致效果; 然后, 通過對政策變量、控制變量與學術表現的前后變化之間的關系進行回歸模擬, 對具體是哪些政策措施導致了入選者學術表現的變化進行更為準確地評判。

4 政策評估結果

4.1 特聘教授入選前后學術表現的變化情況

從表1可以看出, 特聘教授入選前三年與入選后三年論文量的均值分別為0.95篇和2.27篇, 兩個均值的差值為1.31篇。同時, 通過配對樣本T檢驗可以發(fā)現, 入選前與入選后的差異是顯著的, 說明高校學者獎勵計劃的入選者在入選前后的論文發(fā)表量存在著顯著差別, 入選后顯著高于入選前。專利方面的情況是類似的, 理工農醫(yī)類特聘教授入選前三年專利均值為0.21項, 入選后三年均值為0.70項,入選前后差值為0.49項, 配對樣本T檢驗的結果同樣顯示, 入選前后的差異顯著, 入選后的專利獲批數量明顯高于入選前。根據特聘教授在這兩個方面的學術表現, 我們可以得出這樣的結論: 特聘教授在政策實施前后的學術表現發(fā)生了顯著變化。

表1 特聘教授入選者學術表現及配對樣本T檢驗結果

4.2 特聘教授獎勵計劃與學術表現的回歸分析結果

雖然配對樣本T檢驗可以證明特聘教授入選前后的學術表現存在著顯著差異, 但是, 要證明這種差異是否由政策導致, 以及證明是由哪些具體的政策措施導致, 還需要對政策與學術表現的差異進行回歸分析。特聘教授獎勵計劃與入選者在政策前后的學術表現差異之間的逐步回歸分析結果見表2。從表中可以看出, 經過逐步回歸分析, 自變量入選前后論文差值的回歸方程中僅保留了兩個變量,而入選前后專利差值的回歸方程中保留了五個變量。同時,兩個回歸模型的F值都達到了顯著水平。總體來看, 政策對特聘教授發(fā)明專利數量的影響明顯高于對論文數量的影響。

在控制變量中, 只有學校類型對學術表現產生了顯著影響, 具體表現為特聘教授入選前后的發(fā)文量差異受到學校類型的顯著正影響。由于學校類型賦值時是正向賦值,即985高校被賦值為3, 普通高校賦值為1, 因此, 該結果說明, 高校層次越高, 特聘教授入選后與入選前相比, 發(fā)文量差異越大。政策變量中, 聘期對兩個學術表現指標的變化情況都產生了顯著正影響, 這一結果暗示, 特聘教授的聘期越長, 政策激勵效果越明顯, 相應的, 入選前后的發(fā)文量和專利數量差值也越大。

對于自然科學領域的特聘教授來說, 專利獲批數量在入選前后的變化除了與聘期顯著相關之外, 還受到另外四個政策因素的顯著影響。首先, 崗位津貼與社平工資的比值對特聘教授入選前后的專利數量差異產生了顯著負影響, 類似的, 科研經費與社平工資的比值也顯著影響到特聘教授入選前后的專利數量差異, 而且影響方向也是負向的。這一結果說明, 崗位津貼與科研經費超出社平工資的幅度越大, 入選者在專利獲批數量方面的前后表現差異越小, 學術表現越不理想。其次, 組建團隊與項目申請支持能夠正向影響特聘教授的專利數量前后差值, 說明政策中組建團隊的規(guī)定是否具體詳細以及對項目申請是否提供了支持會顯著影響專利數量變化。團隊組建規(guī)定越詳細且有項目申請的支持, 特聘教授的專利獲批數量越有可能增加。

表2 政策與入選者學術表現的逐步回歸分析結果

4.3 對評估結果的解讀

應該說, 學校類型的影響是完全符合我們的認知的。一方面, 在我國高校管理實踐中, 越是研究水平高的學校,職稱評定的要求越高, 對教師的學術成果層次要求越高,數量要求也越多, 教師間的競爭也越是激烈。而且, 這種職稱評定要求主要是以高水平論文發(fā)表量為評價標準, 相應地, 也就促使教師發(fā)表了更多的高水平論文。另一方面,各省特聘教授獎勵計劃的入選者絕大多數從事自然科學研究, 而且各地人才獎勵計劃主要針對非985的普通院校,這些院校的職稱評聘不像985高校那樣要求必須是SCI等刊物。因此, 采用主要收錄國際刊物的Web of Knowledge數據庫進行論文數據查找, 會更有利于重點高校的特聘教授, 從而導致學校類型對入選者論文數量變化展現出顯著影響。

政策中有關聘期的規(guī)定越長越有助于促進學者學術成就的提升, 既可能與學術科研活動的特點有關, 也可能與較長聘期下入選者的心理反應有關。首先, 科研活動需要一定的周期, 聘期短顯然是不利于正常學術活動的開展的,特別是自然科學類, 從學術團隊的組建到出成果都需要時間, 聘期設置短可能會導致一些正常的科學活動在聘期內無法產生相應的學術成果。其次, 在較長聘期設計下, 入選者心理上會更為安定, 有助于減少時間緊迫造成的心理焦燥現象, 并且容易讓入選者對用人單位產生更為明顯的組織忠誠度與歸屬感, 從而保證特聘教授能夠安心學術研究, 提升個人績效。

為特聘教授提供團隊組建和項目申請支持能夠確保特聘教授增加學術成果, 這與具體的科研工作特點密切相關。根據自然科學研究的特性, 科研團隊的構建是至關重要的。但是, 在高校中, 科研團隊的構建并不容易, 有些學校里即使是千人計劃入選者也無法確?；貒髢赡陜软樌貙⒀芯繄F隊組建起來, 因此, 政策的支持能夠起到相當大的助益作用。至于項目申請的支持, 由于項目申請的前提都是清楚的研究計劃, 因此對項目的支持其實是對研究計劃實施的直接推動, 能夠促使項目計劃產生出專利結果來。同時, 根據馬斯洛的需求層次理論, 人們的需求會從低層次經濟性的生存與安全需求, 向高層次的自我實現需求演進。作為高層次人才, 特聘教授入選者的基本經濟需求通常都已經得到滿足, 他們的需求相對集中于更高的自我實現層次上。在這種情況下, 個人發(fā)展平臺更有可能符合入選者的階段性需求現狀, 團隊建設與項目申請支持則恰好是能夠幫助特聘教授更好地搭建個人發(fā)展平臺的有利政策措施。

至于崗位津貼的負面作用應該與崗位津貼的發(fā)放方式有關。目前崗位津貼其實是通過與工資收入合并在一起發(fā)放的, 因此, 崗位津貼只是簡單地增加了個人的收入水平。而西方的研究已經表明, 當政策資助以金錢形式直接增加個人工資收入情況下, 是不能保障科研工作者的工作績效提升的（Goolsbee, 1998）。崗位津貼的這種負面作用可能與金錢激勵遵循的邊際效果遞減規(guī)律有關。管理學研究已經證明, 金錢激勵是一把雙刃劍, 在達到一定點之后, 再追加激勵數額, 激勵效果會不升反降。崗位津貼是保證特聘教授生活安定的必要條件, 但是, 根據赫茨伯格的雙因素理論, 這些金錢形式表現出來的激勵措施只能起保障性作用, 它能夠避免出現不滿意的現象, 卻不能確保對被管理對象產生激勵作用。而且, 當這些金錢的數額超出社平工資過多時, 個人就有可能在與社會公眾金錢收入的較大差異中獲得地位認可與滿足感, 他們的關注點就可能會從追求學術發(fā)展成就的內在動力, 轉向對獲取更高數額金錢的追逐上去, 并通過獲得的崗位津貼數量來衡量自身成就,從而導致總體激勵效果下降。

科研經費在推動特聘教授發(fā)明專利數量提升中的負向作用明顯與人們的預期不相符, 對于這一問題的解釋, 我們需要拋開總體數據, 轉而結合各省的情況進行更為細致的分析。這是因為, 各省之間的具體差異在利用總體數據進行回歸分析時, 可能被忽視了, 從而令我們無法發(fā)現科研補貼在特定省份產生負向作用的深層原因。當然, 為了更好地識別出省與省之間的差異性, 對比專利與科研補貼之間關系的兩種極端情況是很有助益的, 因為這樣可以幫助我們排除中間情況的干擾作用, 更清晰地辨別出導致科研經費作用異化的深層原因。圖1是將數據標準化后的專利前后均值差與科研補貼和科研補貼與社平工資比的柱狀圖。從圖中可以看出, 在一個極端, 專利前后均值差大但科研補貼相關數據小的典型是錢江學者與芙蓉學者計劃,這說明浙江與湖南的特聘教授獎勵計劃科研投入少但導致了較大的專利產出變化; 在另一個極端, 專利前后均值差小但科研補貼相關數據大的典型則是泰山學者、閩江學者與珠江學者計劃, 因此, 山東、福建與廣東的科研投入多但專利變化小。

圖1 專利與科研補貼、科研補貼與社平工資比的標準化數據對比圖

如果將科研補貼與專利數量變化之間的負相關關系理解為一種表面假象, 那么, 就應該有一些潛在的因素扭曲了其正常作用的發(fā)揮。作為一項政策措施, 科研補貼無法發(fā)揮預期作用應該與政策之外的高?；蛘咛仄附淌诒旧淼囊蛩赜嘘P。但是, 從處于兩個極端的省份來看, 除湖南外,幾個省份都處于東部沿海地區(qū), 這說明地理位置以及與地理位置相關的經濟發(fā)展條件是不重要的。同時, 兩個極端省份中均分別有高校密集度高和低的省份, 說明科研補貼作用相反也與高校間的競爭沒有關系。在此情況下, 特聘教授的個人情況可能是導致科研補貼未能發(fā)揮正常作用的決定性因素。

通常情況下, 985高校與普通高校相比, 人才評價體系更為關注論文而非專利。這種政策導向肯定會影響到高校教師發(fā)表論文還是研究專利的偏好與抉擇。在這樣的背景下, 特聘教授中985高校入選者占比越高, 特聘教授越有可能將科研補貼用于學術論文的研究與發(fā)表而非專利的開發(fā)與申請, 從而導致科研補貼與專利量之間的關系表現為負相關, 這一點在圖2專利變化與各省樣本中985高校入選者所占比例的對比中表現得相當明顯。在發(fā)明專利數量變化更大的浙江和湖南兩個省份中, 所研究樣本的985高校入選者占比相對較低, 而特聘教授入選者中985高校教師占比大的福建與廣東兩省, 發(fā)明專利的數量變化明顯更小。不過, 圖2也表明, 山東的情況相對特殊, 該省專利數量少更有可能與其它因素有關。

圖2 專利變化量與985高校入選者占比的標準化數據對比圖

圖3是數據標準化后特聘教授專利變化量與平均年齡、具有海外教育背景的入選者所占比例之間的對比圖。顯然, 山東的泰山學者特聘教授年齡最高（入選時平均47歲）且有海外教育背景的比例最少。這可能意味著, 該省特聘教授發(fā)明專利少是因為該人群的創(chuàng)新能力相對受限,即使該省提供了最高數額的科研補貼也無法扭轉這一態(tài)勢。福建與廣東的情況相對適中, 為什么提供了相對偏高的科研補貼也未能促成專利量提升呢？結合表3的各省特聘教授論文量與專利量均值情況, 可以看出, 閩江學者專利低的同時, 其論文發(fā)表量在入選前后的變化卻相當明顯,說明發(fā)明專利量低是因為這個群體中985高校的入選者占比明顯偏高, 導致這些年富力強又受過良好教育的學者更為關注985高校強調的高水平論文發(fā)表, 科研補貼不是沒有產出支撐, 而是傾向于以論文形式表現出來。廣東的情況比較特殊, 雖然與浙江相比, 其特聘教授的專利變化量小得多, 但是, 它的主要問題是這些特聘教授前三年的專利基數最大, 導致科研補貼雖然與較高的后三年專利量相對應, 但專利變化程度上卻無法體現出廣東的這種優(yōu)勢來。也就是說, 廣東的科研補貼其實仍然伴隨著相當高的專利產出。與閩江學者相比, 珠江學者雖然985高校入選者占比更多, 但是, 他們在一定程度上做到了論文與專利兩不誤。

圖3 專利變化量與入選者年齡、海外教育背景占比的標準化數據對比圖

在兩個專利變化量相對更大的省份中, 錢江學者年齡最低（入選時平均40歲）海外教育背景占比最多, 這些人才在保持了高論文發(fā)表量與變化量的同時, 發(fā)明專利變化量也是最高的?？紤]到該省樣本全部來自非985高校,此類高校通常既看重論文也關注專利量, 因此科研補貼雖然不高, 這些年輕實力強的學者卻相對容易地實現了論文與專利的雙突破。湖南的芙蓉學者入選時平均年齡為43歲,海外教育背景占比的人雖然不多, 但也達到14%, 985高校入選者所占比例也不是很高, 這些條件結合在一起, 使得該群體總體實力相對適中, 即使領著幾個省份中最少的科研補貼, 但是, 高校評價體系的干擾作用不是很大, 所以發(fā)明專利數量變化比較理想。

根據以上分析, 筆者認為, 在典型省份中, 科研補貼與專利變化量之間的負相關關系其實是985高校入選者的比例、年齡以及是否具有海外教育背景等因素共同干擾的結果。雖然這些因素在總體數據條件下未產生顯著影響, 但是, 它們在典型省份中卻或多或少或單獨或相結合的發(fā)揮作用, 促使專利變化量與科研補貼之間的關系被扭曲, 背離人們的預期。

表3 9省特聘教授論文與專利的均值比較

5 政策建議

通過對特聘教授獎勵計劃實施的效果評估可以看出,各省特聘教授入選后的學術成果顯著超過入選前, 這與前人的研究結論是相對一致的。同時, 本文的研究結果還說明, 政策設計中規(guī)定的聘期對特聘教授的發(fā)文量和專利數量都會產生顯著正影響; 團隊組建與項目申請中的支持都有利于促使特聘教授產生更多的發(fā)明專利; 但是, 各省政策中提供的崗位津貼與科研經費卻不利于特聘教授專利數量的提升。因此, 總體來說, 特聘教授的學術表現受到地方政府人才獎勵計劃的顯著影響。

基于以上研究結論, 各省在政策設計與調整中應該更多地關注聘期設置、金錢激勵作用的調整以及個人發(fā)展平臺的搭建問題。

首先, 就聘期來看, 目前各省的設計一般采用3年或5年的設計方案。根據研究結果, 今后地方政府在政策設計與調整時, 應該盡可能拉長聘期, 比如將聘期調整為5年到7年時間, 這樣可以讓學者們有更穩(wěn)定的心態(tài)和更寬松的環(huán)境進行科研活動, 以保證他們產出更多更好的學術成果。

其次, 崗位津貼的發(fā)放要注意其與社平工資的比例關系, 不宜超出社平工資過多, 以免讓金錢的正向激勵效果過快地消弭。聯系國外經驗, 鑒于崗位津貼直接發(fā)放到個人可能會對政策效果帶來不確定的影響, 也可以考慮在稅收補助或稅收減免方面進行一些政策設計與調整。

科研補貼雖然與專利數量變化呈現負相關關系, 但是,根據前文的分析, 高校類型、入選者年齡及海外教育背景等都可能會對兩者關系產生一定的干擾作用, 因此, 不能簡單地減少科研經費的數量, 而是要根據情況來具體分析。在特聘教授入選者來自985高校的比例較低、平均年齡較低且海外教育背景相對較多的條件下, 地方政府的科研經費投入不必過多, 這些人研究動力與活力充足, 地方政府更應注重其學術發(fā)展平臺如團隊的建設。

同時, 各省提供的科研經費與高校教師通過科研項目申請獲得的課題經費是明顯不同的。相對而言, 通過項目申請獲得的課題經費都是以明確可行的研究計劃為支撐的, 它有很強的研究項目針對性, 而各省提供的科研經費則更類似于一種科研補助, 它的設計缺陷在于無法清楚地與某個研究項目對應起來, 缺少課題經費的針對性, 激勵效果自然會受到制約。因此, 地方政府特聘教授獎勵計劃應該適當增強科研經費的針對性。目前地方政府人才獎勵計劃的科研經費管理更多地體現在最后的考核環(huán)節(jié), 通過考核來檢驗政策效果的同時, 也在評判科研經費的影響。但是, 這種設計具有事后被動性特點, 無法像科研項目課題那樣能夠事前就將研究的具體項目內容與經費掛鉤, 以便實現更好地監(jiān)督和控制。為此, 筆者建議地方政府在政策設計時, 盡可能學習借鑒課題項目管理的思路, 加強科研經費與研究項目之間的聯系?？梢钥紤]在特聘教授申請時將科研經費與研究項目掛鉤, 這樣就可以事前清楚地約定, 在一個聘期內, 科研經費將要用于哪些具體科研項目的研究。在入選后的年度考核中, 也可以基于科研經費與所資助研究項目之間的關聯性, 直接對項目進展進行考核,從而決定下一年度科研經費的撥付比例。這樣一來, 就可以保證科研經費具有明確的目的性, 從而幫助特聘教授將注意力從經費本身轉移到經費要求的科研產出上面。

最后, 基于團隊組建和項目申請支持的正向影響作用,地方政府今后應該著重關注這兩項政策的設計與調整。目前各省對于項目申請支持方面的規(guī)定還相當粗糙, 一般僅是簡單地指出需要在申請國家項目與課題方面為特聘教授提供支持。政策調整的方向應該是細化相關的規(guī)定, 針對如何支持設計出更為詳細的政策方案, 政策內容可以包含項目選題、設計以及個人影響力擴展等方面的具體支持思路。至于團隊建設方面, 目前各省政策差異相當明顯。相對來說, 陜西省的三秦政策在此方面規(guī)定最為詳細具體,其它各省可以借鑒陜西省的政策并結合自身的情況進行政策調整。總之, 團隊組建和項目申請支持方面的政策設計能夠有助于提升個人發(fā)展平臺, 需要得到地方政府的重點關注, 以加大它們的影響力, 推動特聘教授個人學術能力的發(fā)展。

同時, 控制變量中高校類型的影響意味著, 如果地方政府更為關注特聘教授是否能夠發(fā)表更多高水平論文, 那么, 學者獎勵計劃的人選需要更多地在985高校中遴選;如果專利對于一些地方政府來說具有更為明顯的戰(zhàn)略意義, 那么, 特聘教授可以更多地從普通高校中擇選, 但是,政策設計時必須督促普通高校對入選者提出更高的學術要求, 以便切實提升入選者的學術能力。保證特聘教授的年輕化與海外教育背景也是相當有利的, 雖然這兩個條件未能在總體數據中產生顯著影響, 但是, 從它們對典型省份的影響來看, 二者可能會干擾科研補助的影響, 導致特聘教授或者單方面學術表現提高, 或者兩個方面學術表現都能夠提高。因此, 地方政府特聘教授獎勵計劃還是更應該向年輕且具有海外教育背景的人才傾斜。而且, 由于政策對專利數量影響顯著, 要保證專利數量提升還應該繼續(xù)保持自然科學學科學者占特聘教授絕大多數的趨勢。

當然, 本文的研究也存在一定的局限性。這主要表現為, 本文為了保證各地之間樣本的統(tǒng)一性, 僅截取了幾個省份2011年入選者的學術成果進行分析。然而, 有些省份因實施的時間相對較長, 不同批次的情況可能會有所不同。今后的研究應該擴大樣本數量, 以期獲得更為準確的評估結論。另外, 基于數據的可獲取性, 本文只關注特聘教授的學術產出數量, 未能將學術產出的質量納入研究。對學術產出質量的研究（比如使用引用率進行研究）意味著需要在不同時間點上收集數據, 從而形成對特聘教授的追蹤研究, 這也是今后的研究方向。