基于DEA模型的省屬財(cái)經(jīng)類高校科研效率的靜態(tài)和動(dòng)態(tài)分析

賀 剛， 黃雨晗， 劉曉明

(上海立信會(huì)計(jì)金融學(xué)院，上海 201209)

一、引言

2020年11月，《新文科建設(shè)宣言》指出，新時(shí)代新使命要求文科教育必須加快創(chuàng)新發(fā)展。財(cái)經(jīng)類高?！靶仑?cái)經(jīng)”建設(shè)是高校新文科建設(shè)的重要組成部分。隨著高等院?？蒲泄ぷ鞑饺胄码A段，財(cái)經(jīng)類高校憑借比較優(yōu)勢(shì)與學(xué)科特色展現(xiàn)出強(qiáng)勁發(fā)展勢(shì)頭。新形勢(shì)下，財(cái)經(jīng)類高校要努力提高科研發(fā)展水平以適應(yīng)新文科建設(shè)的內(nèi)在要求。省屬財(cái)經(jīng)類高校是以培養(yǎng)經(jīng)濟(jì)類、管理類專業(yè)化人才為主要目標(biāo)，由地方政府統(tǒng)一撥款并服務(wù)地方經(jīng)濟(jì)建設(shè)的行業(yè)性、特色性高校。作為我國高等教育的重要組成部分，省屬財(cái)經(jīng)類高校致力于服務(wù)國家經(jīng)濟(jì)建設(shè)，肩負(fù)培養(yǎng)財(cái)經(jīng)領(lǐng)域卓越人才的任務(wù)，在推動(dòng)學(xué)術(shù)進(jìn)步、引領(lǐng)社會(huì)發(fā)展、傳承文化方面發(fā)揮著重要作用。但是由于國家重點(diǎn)發(fā)展“211工程院校”和“985工程院?！币约百Y源配置上的傾斜，省屬財(cái)經(jīng)類本科高校在國家層面上被重視程度不夠，存在自信心不足、人才利用效率偏低等問題。

因此，研究省屬非“211”財(cái)經(jīng)高校的科研效率具有重要的現(xiàn)實(shí)意義，特別是在“新文科”背景下，如何合理充分利用相對(duì)稀缺的教育資源，協(xié)調(diào)科研投入與產(chǎn)出，提升科研效率，促進(jìn)省屬財(cái)經(jīng)高校高質(zhì)量發(fā)展具有重要的現(xiàn)實(shí)意義。

二、文獻(xiàn)綜述

相比于層次分析法、數(shù)理統(tǒng)計(jì)法等方法不能從投入產(chǎn)出角度綜合評(píng)價(jià)科研效率，數(shù)據(jù)包絡(luò)分析方法(DEA)則可以兼顧投入與產(chǎn)出指標(biāo)，是一種評(píng)價(jià)多投入多產(chǎn)出生產(chǎn)與非生產(chǎn)部門效率的有效方法。因此，近年來國內(nèi)外學(xué)者研究高校科研績(jī)效評(píng)價(jià)時(shí)也逐漸采用DEA方法。目前國內(nèi)學(xué)者應(yīng)用DEA方法評(píng)價(jià)高?？?jī)效的研究主要分為3個(gè)方面。

一是針對(duì)不同省份和地區(qū)的高校進(jìn)行區(qū)域性效率評(píng)價(jià)。沙巨山(2016)[1]研究了我國2003—2013年30個(gè)省(市)的高等院?？蒲行?，結(jié)果表明東部地區(qū)的綜合效率和技術(shù)效率遠(yuǎn)高于中部、東北、西部地區(qū)。操琳琳和孫俊華(2019)[2]運(yùn)用數(shù)據(jù)包絡(luò)分析方法分析了31個(gè)省份高校的科研投入產(chǎn)出效率，結(jié)論為雖然科研效率總體情況良好，但非DEA有效省份高校普遍存在投入產(chǎn)出結(jié)構(gòu)不合理、人財(cái)物資源投入冗余等問題。劉偉等(2010)[3]選取31個(gè)省(市)高校樣本進(jìn)行科技創(chuàng)新能力評(píng)價(jià)，發(fā)現(xiàn)東部省(市)高?？萍紕?chuàng)新能力一般都較高，其次是中部省(市)高校與西部省(市)高校。楊辰利和任初明(2017)[4]研究發(fā)現(xiàn)2009—2013年內(nèi)39所省屬財(cái)經(jīng)類高校科研發(fā)展水平不平衡，東部地區(qū)省屬財(cái)經(jīng)類高校科研發(fā)展指數(shù)均值顯著高于西部地區(qū)。盧蓉(2019)[5]運(yùn)用二階段網(wǎng)絡(luò)DEA模型對(duì)我國2011—2016年高?？蒲谐晒D(zhuǎn)化效率進(jìn)行測(cè)算，結(jié)果表明我國中東西部的技術(shù)成果轉(zhuǎn)化差異仍然存在，技術(shù)成果主要集中于東部地區(qū)。

二是針對(duì)不同主體的高校進(jìn)行科研效率評(píng)價(jià)，如針對(duì)985高校、211高校、雙一流高校、理工類高校、經(jīng)管類高校等。姜彤彤(2013)[6]采用Malmquist指數(shù)分析方法，分析2005—2010年我國36所“985工程”高校的科研效率，得出我國高?？蒲谢顒?dòng)生產(chǎn)率年均增長2.9%的結(jié)論。江建龍(2018)[7]的研究表明江蘇省15所“雙一流”高校中有86.67%的高?？蒲行示哂杏行浴Ｅ淼虾凸?2020)[8]分析了2015—2018年32所“雙一流”建設(shè)高校全要素生產(chǎn)效率，得出樣本高校的全要素生產(chǎn)效率呈現(xiàn)“中部塌陷”態(tài)勢(shì)的結(jié)論。閆平等(2016)[9]研究發(fā)現(xiàn)教育部直屬48所高校中83.3%的高?？蒲行蕸]有達(dá)到有效水平，存在科研管理水平較低、科研資源配置不合理等問題。王衛(wèi)星和王煜(2017)[10]運(yùn)用DEA方法測(cè)度2015年63所教育部直屬高校的科研效率，發(fā)現(xiàn)76.2%非DEA有效高校不同程度地存在科研經(jīng)費(fèi)投入冗余和科研成果產(chǎn)出不足。王樹喬等(2016)[11]測(cè)算2008—2014年中國36所“985”高校的科研效率，發(fā)現(xiàn)中部地區(qū)的“985高校”科研綜合技術(shù)效率水平較高。

三是針對(duì)高校不同院系的科研效率進(jìn)行評(píng)價(jià)。陳俊生等(2012)[12]以江蘇省地方綜合性大學(xué)中的15個(gè)人文社會(huì)科學(xué)類學(xué)院為研究對(duì)象，發(fā)現(xiàn)樣本中人文社科科研效率還不高，仍有較大的提升空間。陳琢(2020)[13]以2009—2014年中國31個(gè)省(市)高校科研活動(dòng)為研究對(duì)象，研究發(fā)現(xiàn)不同省(市)的科研技術(shù)效率差異較大，少數(shù)省(市)依然存在“重理輕文”科研觀念。邱泠坪等(2017)[14]利用綜合DEA模型對(duì)32所高等農(nóng)業(yè)院校科研生產(chǎn)績(jī)效進(jìn)行分析，發(fā)現(xiàn)75%的農(nóng)業(yè)院校非DEA有效、科研績(jī)效不顯著、科研產(chǎn)出量偏低。李曉斌(2013)[15]通過計(jì)算2009—2011年豫北地區(qū)某醫(yī)科院校的14個(gè)院系的科研效率，發(fā)現(xiàn)該校醫(yī)學(xué)院系的科研綜合效率優(yōu)于文科院系和理科院系。

但以往的研究較少聚焦省屬“非211”的普通財(cái)經(jīng)類高校的科研效率評(píng)價(jià)，并且以往的研究側(cè)重于靜態(tài)研究且較少考慮投入產(chǎn)出的時(shí)滯問題?；诖?，將研究對(duì)象確定為省屬“非211”普通財(cái)經(jīng)院校，以2016—2019年面板數(shù)據(jù)為基礎(chǔ)，分別應(yīng)用超效率CCR模型和DEA-Malmquist指數(shù)模型對(duì)相關(guān)高?？蒲行实南鄬?duì)效率水平和全要素生產(chǎn)率進(jìn)行分析和評(píng)價(jià)。本文的主要貢獻(xiàn)在于：(1)綜合應(yīng)用DEA數(shù)據(jù)包絡(luò)分析模型對(duì)27所“非211”省屬財(cái)經(jīng)類普通高校的科研效率進(jìn)行靜態(tài)和動(dòng)態(tài)分析，在此基礎(chǔ)上探討“非211”省屬財(cái)經(jīng)類高校科研效率變動(dòng)的原因；(2)為了探究不同地區(qū)財(cái)經(jīng)類高校的科研效率變化情況，將樣本高校分為東、中和西部三個(gè)地區(qū)進(jìn)行分地區(qū)評(píng)價(jià)。

三、研究設(shè)計(jì)

(一)樣本選取與數(shù)據(jù)來源

選取上海立信會(huì)計(jì)金融學(xué)院等27所省屬非211財(cái)經(jīng)類高校作為研究對(duì)象進(jìn)行科研效率評(píng)價(jià)，研究區(qū)間為2016—2019年，所有數(shù)據(jù)來自中國高校人文社會(huì)科學(xué)信息網(wǎng)的《社科統(tǒng)計(jì)摘要》。采用的數(shù)據(jù)分析軟件為Deap2.1和DEA-EMS。

(二)研究方法

CCR和BCC模型是DEA分析的兩個(gè)最基本的模型。

BCC模型是在規(guī)模報(bào)酬可變的假設(shè)下，將CCR模型中的技術(shù)效率分解成純技術(shù)效率(PTE)和規(guī)模效率(SE)。即：

TE=PTE×SE

(1)

從應(yīng)用的角度看，DMU的TE、PTE和SE越接近于1，則認(rèn)為其綜合效率、純技術(shù)效率和規(guī)模效率越高；當(dāng)?shù)扔?時(shí)，認(rèn)為其對(duì)應(yīng)效率達(dá)到“DEA最優(yōu)”。

通過BCC模型可以得到綜合有效的DMU，但對(duì)于多個(gè)DEA有效的DMU，無法進(jìn)一步得到這些DMU之間的有效性情況。而通過超效率CCR模型算得的效率值可能大于1，這樣則可以得到最有效的DMU。本文應(yīng)用超效率CCR模型進(jìn)行實(shí)證分析。超效率CCR模型較好地解決了有效DMU的排序問題。對(duì)決策單元進(jìn)行評(píng)價(jià)時(shí)，將被評(píng)價(jià)的決策單元排除在決策單元的集合之外。

假設(shè)存在m個(gè)DMU，每個(gè)DMU有n個(gè)投入指標(biāo)和l個(gè)產(chǎn)出指標(biāo)，對(duì)于第j個(gè)DMU，Xj=(X1j，X2j，…，Xnj)T，Yj=(Y1j，Y2j，…，Ynj)T，j=(1，2，…m)。X0，Y0為選定決策單元DMU0的投入向量與產(chǎn)出向量，λ是相對(duì)于DMU0重新構(gòu)造一個(gè)有效決策單元組合中m個(gè)決策單元的組合比例，θ為決策單元DMU0的投入相對(duì)產(chǎn)出的有效利用程度，即效率值。超效率模型可以用如下方程表示

(2)

λj≥0 j=1，2，…，k，…，n

本文通過基于DEA的Malmquist指數(shù)方法測(cè)算全要素生產(chǎn)率變化率(TFPCH)，以此進(jìn)行動(dòng)態(tài)績(jī)效分析。其基本思想是通過非參數(shù)的DEA-Malmquist方法計(jì)算TFPCH，用這種方法算得的TFPCH稱為Malmquist TFP指數(shù)，在規(guī)模報(bào)酬不變的假設(shè)下，TFPCH可以被進(jìn)一步分解為技術(shù)效率變化指數(shù)(EFFCH)和技術(shù)進(jìn)步指數(shù)(TECHCH)。即：

TFPCH=EFFCH×TECHCH

(3)

在規(guī)模報(bào)酬變化的假設(shè)下，技術(shù)效率變化指數(shù)可以再分解為規(guī)模效率指數(shù)和純技術(shù)效率變動(dòng)指數(shù)。純技術(shù)效率是由于管理和技術(shù)等生產(chǎn)要素影響的生產(chǎn)效率，規(guī)模效率是因?yàn)橐?guī)模因素影響的生產(chǎn)效率。即：

TFPCH=PECH×SECH×TECHCH

(4)

從應(yīng)用角度看，該指數(shù)以1為分界線，大于1表明TFPCH上升，小于1表明TFPCH下降。對(duì)于技術(shù)效率變化指數(shù)(EFFCH)，如果指數(shù)數(shù)值大于1，則表示其呈上升趨勢(shì)，并且是全要素生產(chǎn)率增長的主要原因。技術(shù)進(jìn)步變化指數(shù)(TECHCH)數(shù)值含義與技術(shù)效率變化指數(shù)(EFFCH)基本一樣。

(三)指標(biāo)體系構(gòu)建

在投入指標(biāo)方面，高?？蒲谢顒?dòng)的投入指標(biāo)往往指的是人力、物力、財(cái)力。鑒于物力的難以衡量性，也考慮到財(cái)經(jīng)類高?？蒲谢顒?dòng)的物力和財(cái)力主要還是由科研經(jīng)費(fèi)決定的特點(diǎn)，根據(jù)《全國普通高校人文、社科類統(tǒng)計(jì)報(bào)表》的統(tǒng)計(jì)指標(biāo)體系，本文主要選取人力投入和經(jīng)費(fèi)投入作為投入主體，在人力投入指標(biāo)方面選取研發(fā)人員合計(jì)和當(dāng)年投入人數(shù)；在經(jīng)費(fèi)投入指標(biāo)方面選取研究與發(fā)展經(jīng)費(fèi)當(dāng)年內(nèi)部支出、課題經(jīng)費(fèi)當(dāng)年支出?？蒲挟a(chǎn)出指標(biāo)一般是科研成果、科研獲獎(jiǎng)以及科研項(xiàng)目，其中，科研成果選取了著作數(shù)、論文數(shù)、研究和咨詢報(bào)告作為三級(jí)指標(biāo)；科研獲獎(jiǎng)選取獲獎(jiǎng)成果合計(jì)、獲國家與部級(jí)獎(jiǎng)作為三級(jí)指標(biāo)；科研項(xiàng)目選擇了課題數(shù)作為三級(jí)指標(biāo)。具體指標(biāo)如表1所示。

表1 投入產(chǎn)出指標(biāo)

為避免指標(biāo)之間存在較強(qiáng)相關(guān)性，應(yīng)用SPSS24軟件分別對(duì)投入指標(biāo)和產(chǎn)出指標(biāo)做相關(guān)性分析，以保證指標(biāo)的正確性，具體結(jié)果如表2和表3所示。結(jié)果顯示投入指標(biāo)和產(chǎn)出指標(biāo)之間的相關(guān)性均低于0.7，即指標(biāo)之間不存在較強(qiáng)相關(guān)性，說明指標(biāo)選取相對(duì)合理。

表2 投入指標(biāo)的相關(guān)性分析

表3 產(chǎn)出指標(biāo)的相關(guān)性分析

(四)實(shí)證分析

1.基于超效率CCR模型的靜態(tài)分析。應(yīng)用超效率CCR模型計(jì)算出27個(gè)樣本高校2016—2019年每年效率值，結(jié)果見表4。可以看出2016年超效率CCR值大于1的有17所高校，這說明這17所高校的科研投入和產(chǎn)出效率達(dá)到有效狀態(tài)，而其他10所高校的科研投入和產(chǎn)出則有冗余，處于無效率狀態(tài)。2017年的CCR超效率值大于1的則有13所高校，小于1的有14所高校；2018年的CCR超效率值大于1的高校有14所，小于1的則為13所；2019年CCR超效率值大于1的高校有12所，小于1的則為15所高校。2016—2019年CCR超效率的總體均值為1.29，超效率CCR均值大于1的高校有16所，這說明27所高?？蒲谢顒?dòng)總體效率水平較高，總體達(dá)到有效狀態(tài)。但是有11所高校的CR超效率的總體均值小于1，科研投入產(chǎn)出處于無效狀態(tài)。高校應(yīng)該完善科研管理體制，優(yōu)化科研投入產(chǎn)出結(jié)構(gòu)，提高科研資源投入的回報(bào)率。上海立信會(huì)計(jì)金融學(xué)院從2016年到2019年的CCR超效率值均大于1，并且在2018年達(dá)到4.4025，這說明上海立信會(huì)計(jì)學(xué)院和上海金融學(xué)院在2016年并校之后，科研投入資源得到了更有效的回報(bào)。2016—2019年CCR超效率值大于1并且排名前7的高校分別為上海立信會(huì)計(jì)金融學(xué)院、貴州財(cái)經(jīng)大學(xué)、內(nèi)蒙古財(cái)經(jīng)大學(xué)、河北金融學(xué)院、南京審計(jì)大學(xué)、南京財(cái)經(jīng)大學(xué)、河南財(cái)經(jīng)政法大學(xué)。

表4 省屬財(cái)經(jīng)類普通高校CCR超效率取值

2.基于Malmquist指數(shù)模型的動(dòng)態(tài)效率分析?；诔蔆CR模型對(duì)于省屬財(cái)經(jīng)類普通高?？蒲行实撵o態(tài)分析是一種針對(duì)相對(duì)效率評(píng)價(jià)的方法，但不能對(duì)各個(gè)高校的效率值進(jìn)行縱向比較，因此為了考察各個(gè)高校的動(dòng)態(tài)變化情況，本文應(yīng)用DEAP2.1軟件對(duì)于2016—2019年國內(nèi)27所“非211”省屬財(cái)經(jīng)類普通高校的科研投入產(chǎn)出的面板數(shù)據(jù)進(jìn)行Malmquist全要素生產(chǎn)率指數(shù)分析，具體結(jié)果見表5和表6。表格中的Tfpch為全要素生產(chǎn)率變化，Effch為技術(shù)效率變化，Techch為技術(shù)進(jìn)步變化，Pech為純技術(shù)效率變化，Sech為規(guī)模效率變化。高校純技術(shù)效率與規(guī)模效率提高的主要?jiǎng)恿碜杂诠芾砗椭贫鹊淖兏?，變革能提高科研人員的工作效率和資源配置效率，進(jìn)而提高高校科研效率，并產(chǎn)生規(guī)模效益；科研生產(chǎn)中技術(shù)進(jìn)步源于高校中科研人員的科研能力提升和科研設(shè)施的改善；純技術(shù)效率、規(guī)模效率和技術(shù)進(jìn)步變動(dòng)產(chǎn)生交互效應(yīng)，導(dǎo)致整體科研生產(chǎn)率的變化。

第一，不同年份的Malmquist指數(shù)的分析。從表5所示的2016—2019年不同年份省屬財(cái)經(jīng)類高校Malmquist指數(shù)平均變化水平來看，2016—2019年間我國27所“非211”省屬財(cái)經(jīng)類高校的Malmquist指數(shù)為1.005，這說明27所高校的科研資源的利用效率呈弱上升的趨勢(shì)。2016—2019年這4年中，2016—2017年和2018—2019年的Malmqusit指數(shù)處于大于1的狀態(tài)，增長率分別為2.8%和7.7%，這表明我國的“非211”省屬財(cái)經(jīng)類高校的科研資源整體利用效率在這4年間出現(xiàn)持續(xù)性增長。從分解指數(shù)的角度看，27所“非211”財(cái)經(jīng)類高校的科研活動(dòng)的技術(shù)效率變化指數(shù)均值為1.001，技術(shù)進(jìn)步變化指數(shù)均值為1.012，純技術(shù)效率變化指數(shù)為1.004，規(guī)模效率變化指數(shù)為1.007，Malmqusit指數(shù)均值為1.005，也就是說2016—2019年4年間Malmqusit指數(shù)均值及其分解指數(shù)值都大于1，這說明省屬財(cái)經(jīng)類高校的管理和制度改革取得了較好的效果從而提升了規(guī)模效率，高校中科研人員的科研能力提升較為顯著，科研設(shè)施也得到了有效改善，并且純技術(shù)效率、規(guī)模效率和技術(shù)進(jìn)步變動(dòng)產(chǎn)生交互效應(yīng)，導(dǎo)致整體科研生產(chǎn)率的提高。

表5 不同年份省屬財(cái)經(jīng)類高校Malmquist指數(shù)及分解指數(shù)均值

第二，不同高校的Malmquist指數(shù)的分析。由表6可以看出，2016—2019年間27所省屬“非211”財(cái)經(jīng)類普通高?？蒲行实腗almquist全要素生產(chǎn)率指數(shù)均值大于1的有云南財(cái)經(jīng)大學(xué)、上海立信會(huì)計(jì)金融學(xué)院、南京審計(jì)大學(xué)等14高校，占總體的52%，其中，云南財(cái)經(jīng)大學(xué)的增長率最大，達(dá)到23.9%，增長率最小的則為上海對(duì)外經(jīng)貿(mào)大學(xué)和廣東財(cái)經(jīng)大學(xué)，均為0.2%。而Malmquist全要素生產(chǎn)率指數(shù)均值小于1的有13所高校，占總體的48%。由此可見，一半以上的省屬“非211”財(cái)經(jīng)類普通高校的科研效率處于增長狀態(tài)。而在科研效率處于增長狀態(tài)的14所高校中，云南財(cái)經(jīng)大學(xué)、內(nèi)蒙古財(cái)經(jīng)大學(xué)、上海立信會(huì)計(jì)金融學(xué)院、山東工商學(xué)院、浙江工商大學(xué)、廣東金融學(xué)院的技術(shù)效率變化、技術(shù)進(jìn)步變化、規(guī)模效率變化的均值都大于1，這說明以上6所學(xué)校科研人員的科研能力在提升、科研設(shè)施在改善、科研制度的改革產(chǎn)生規(guī)模效用，從而提升了學(xué)校的科研效率。

表6 2016—2019年省屬財(cái)經(jīng)類高?？蒲行蔒almquist指數(shù)及其分解

第三，不同區(qū)域高校的Malmquist指數(shù)的分析。為比較地區(qū)因素對(duì)高?？蒲行实挠绊?，將我國31個(gè)省(市)劃分為東部、中部、西部三個(gè)區(qū)域。27所樣本高校中，東部高校14所，占比48%；中部高校5所，占比22.4%；西部高校8所，占比29.6%。整理得到2016—2019年東部、中部、西部高校的全要素生產(chǎn)率Malmquist指數(shù)及其分解指標(biāo)，結(jié)果見表7?？傮w看，2016—2019年東部的全要素生產(chǎn)率Malmquist指數(shù)均值為1.037，中部的Malmquist指數(shù)均值為1.051，均大于1，并且東部和中部地區(qū)的Malmquist指數(shù)均值的5個(gè)分解指標(biāo)也都大于1，說明東部和中部高?？蒲行实目傮w配置呈增長趨勢(shì)。這表明東部和中部地區(qū)高?？蒲泄芾砼c制度的改革以及科研人員科研能力的進(jìn)步、科研設(shè)施的改善都促進(jìn)了高?？蒲行实脑鲩L，這也與近5年來東部和中部高校引進(jìn)科研人員力度加大以及重視科研人才、加大投入的事實(shí)相一致。而西部的Malmquist指數(shù)均值為0.919，表明西部高?？蒲行实目傮w配置出現(xiàn)略微下降趨勢(shì)。進(jìn)一步分析可以看到西部高校的Malmquist指數(shù)各項(xiàng)分解值的均值也小于1，這說明西部高校的高校科研管理與制度存在不足，科研人員科研能力出現(xiàn)了下降，科研設(shè)施的改進(jìn)也不夠，這也和近年來西部科研人才流失、財(cái)政支持弱化、管理制度僵化的事實(shí)相一致。

表7 不同區(qū)域省屬財(cái)經(jīng)類高?？蒲行蔒almquist指數(shù)及其分解

四、結(jié)論與建議

基于超效率CCR模型和Malmquist指數(shù)模型分別對(duì)27所“非211”省屬財(cái)經(jīng)類普通高校2016—2019年的科研效率狀況進(jìn)行了靜態(tài)和動(dòng)態(tài)分析。(1)從靜態(tài)效率看，2016—2019年27所“非211”省屬財(cái)經(jīng)類高校的CCR超效率均值大于1的有16所，占比為59%，總體均值為1.29，這說明27所高?？蒲谢顒?dòng)總體效率水平較高，總體達(dá)到有效狀態(tài)。(2)從動(dòng)態(tài)效率來看，2016—2019年，27所“非211”省屬財(cái)經(jīng)類高校的Malmquist指數(shù)為1.005，這說明27所高校的科研資源的利用效率呈上升趨勢(shì)?？蒲行侍幱谠鲩L趨勢(shì)的有上海立信會(huì)計(jì)金融學(xué)院等14所高校。其中，云南財(cái)經(jīng)大學(xué)、內(nèi)蒙古財(cái)經(jīng)大學(xué)、上海立信會(huì)計(jì)金融學(xué)院、山東工商學(xué)院、浙江工商大學(xué)、廣東金融學(xué)院的技術(shù)效率變化、技術(shù)進(jìn)步變化、規(guī)模效率變化的均值都大于1，這說明以上6所高?？蒲腥藛T的科研能力在提升，科研設(shè)施也在改善，科研制度的改革也產(chǎn)生規(guī)模效用，從而提升了學(xué)校的科研效率。(3)從地區(qū)看，2016—2019年東部和中部高校的全要素生產(chǎn)率Malmquist指數(shù)均值都大于1，這說明東部和中部高?？蒲行实目傮w配置呈增長趨勢(shì)；而西部高校的全要素生產(chǎn)率Malmquist指數(shù)小于1，西部高校科研效率的總體配置出現(xiàn)了略微下降趨勢(shì)。

基于以上分析結(jié)果，省屬普通財(cái)經(jīng)高校要改進(jìn)科研效率，首先要加強(qiáng)對(duì)科研投入的合理配置，避免科研經(jīng)費(fèi)重復(fù)投入，提高經(jīng)費(fèi)投入效率，盡可能實(shí)現(xiàn)帕累托最優(yōu)的規(guī)模效益[16]。在“新文科建設(shè)”背景下，省屬財(cái)經(jīng)類高校更應(yīng)該明確自身定位，突出辦學(xué)特色，充分利用科研資源。因此，首先要建立科研活動(dòng)動(dòng)態(tài)效率評(píng)價(jià)機(jī)制，將評(píng)價(jià)結(jié)果作為調(diào)整后續(xù)資源投入的重要依據(jù)。其次要建立有效的內(nèi)部激勵(lì)機(jī)制和績(jī)效考核機(jī)制，完善并優(yōu)化高校科技創(chuàng)新體制結(jié)構(gòu)，加強(qiáng)科研獎(jiǎng)勵(lì)管理水平，充分調(diào)動(dòng)教師的科研積極性，激發(fā)科研人員的創(chuàng)新活力，提高科研成果的投入產(chǎn)出比與產(chǎn)出質(zhì)量水平。同時(shí)要借鑒科研過程高效率、科研成果高質(zhì)量高校的經(jīng)驗(yàn)，深化科研評(píng)價(jià)、管理與運(yùn)行制度改革，優(yōu)化科研管理流程，改進(jìn)科技創(chuàng)新技術(shù)水平，提升科研成果轉(zhuǎn)化動(dòng)力。