学术行政化指数测算及其影响因素分析

开篇：润墨网以专业的文秘视角，为您筛选了一篇学术行政化指数测算及其影响因素分析范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘 要：随着经济和科学的快速发展，科技在经济发展中重要的推进作用越来越明显的显现出来，国家和政府对科技领域的关注越来越高，学术研究发展是科技进步的最重要推动力之一，为了有效推动科技进步，政府每年都会投入大量的人力物力来进行科研创新活动。在科研投入与产出快速增长，行政权力在学术界的影响不断深化之时，我们不得不考虑科研投入的效果和效率如何？学术行政化程度的改变又对两者分别产生了怎样的影响？

目前，国内学术界对学术行政化及其对科研投入和产出效率影响的研究尚停留在理论分析的层面上，缺乏对其内在关系和作用影响的量化测度研究。本文试图通过对我国2005-2012年不同省份地区面板数据的研究，来探讨行政化指数对科研投入和产出效率之间的内在关联性。

关键词：行政化指数；产出效率 DEA

1.文献回顾

1.1学术行政化研究

行政化指数反映的是行政化在我国学术界的影响程度，具体的是我国学术界具有行政职务的人员在具体的项目中因为其行政职务获得奖项的人员在项目中所占的比重，是对我国学术界行政化的一个比较直观的数据化感受和观察。

目前，学者较多的是从存在的问题、形式、政策等方面对学术权威的行政化进行理论分析，其中，不乏有截然相反的观点，李醒民（2010）认为应以学术权威取代权力权威，建立以学术为中心和导向的学术体制。然而，李涛和邬志辉（2012）则认为从政治权力与学界的关系来讲，单纯强调只有政治权力的退出本身也是一个非常荒谬的逻辑，企图以学术权威来填补这个空缺空间的想法更是欠妥。

本文中通过选取国家自然科学奖的获奖者名单进而测度行政化指数，对奖获奖者按照其职务的级别进行分类，选取其中具有可能并且可以影响到本奖项获奖情况的获奖人员的人数与所有申报此奖项人数的比值，即为行政化指数。行政化指数可能并不能全面的反映出我国当前的行政化情况，但确实真实地反映了我国存在的一种现实状况。

1.2科技投入和产出效率研究

从指标选取角度来看在科技投入对产出效率的影响中R&D投入回报率是一个重要的参考指标。Griliches（1986）发现相比企业的R&D投入回报率，政府对企业的研发投入回报率非常小。Sanyal（2003）实证研究发现政府科技投入的直接效应或者溢出效应可能产生负的影响，但是总体上促进企业的R&D产出。

另一方面在效率评价方法上应采用不同的效率评价方法对我国研发效率进行测算：白俊红等（2009）应用随机前沿模型，以研发面板数据为样本测算了我国研发效率，探讨了高校、科研机构、地方政府及金融机构等主体要素及其这些主体之间的联结关系对研发效率的影响；沈能（2013）采用超效率DEA模型测算了我国不同区域的研发效率，归纳了我国区域研发效率时空演变的基本特征，并应用空间计量模型分析了我国研发效率空间差异的原因；岳书敬（2008）应用我国省级面板数据分析了我国区域研发效率差异。他发现东部地区的研发效率较高，而西部地区的研发效率较低，但东、中、西部三大区域研发效率的差距在逐年缩小。目前，我国学者对行政化现象和科技的投入产出都分别有了一定程度的研究，但是，对于行政化现象和科技投入产出以及效率之间的关系还没有实证方面的研究，因而本文拟采用数据包络分析（DEA）的方法来对行政化指数和科技投入产出以及效率之间的关系进行探索和分析。

2.数据描述

本文首先选取从2004年到2013年的年度数据作为研究的样本，数据是从《中国科技统计年鉴》、中国科技统计资源中心、中国科技部、中国统计局等数据源中采集的研究对象和相关数据。在数据收集和整理过程中由于已有的研究并无对行政化程度明确划分的标准，因而本文在对自然科学奖获得者的学术行政化程度据其职位划分为三类：1. （副）校长；2. （副）院长、（副）所长；3. 政协委员（主席）、自然基金评委、中央候补委员。在此分类基础上通过数据分析得出学术行政化指数分布状况图表：

表1

这一数据现象表明：在发展科技提高科技产出效率中对行政化程度的控制是有必要的，在其他条件不发生改变的前提下，适当的降低行政化程度可以有效地提高科研产出效率。

3.DEA分析

在研发效率的测算和评价的过程中，前人通常采用单一相对指标法，将研发产出同研发投入直接直接比较计算出相对效率值。该方法虽然简便易行，却不适合处理多投入多产出的情况。为进一步更为准确的实现效率评价，随着效率评价方法的不断发展和改进，数据包络分析（DEA）日益成为效率评价的主流方法。

鉴于当前我国国内在对学术行政化指数测算及其同科技投入和产出效率间影响分析的缺失。因而本文在对行政化指数分析中将采用两种较为普遍且能够准确阐释变量间内在关系的分析方法：即以DEA方法作为主要效率评价方法。

CCR模型是规模报酬不变的DEA模型，最早由Charrnes等提出。Charrnes等人还引入了非阿基米德无穷小量的概念，以线性规划的单纯方法求解模型从而实现了对决策单元的有效性判别。经过几十年不断改进和发展后DEA已经日臻成熟，它在投入产出比和多投入多产出的效率计算上表现出显著优势，已经形成了一套完善的效率测度体系。

在运用DEA进行效率测度中以CCR模型为代表经常会存在多个决策单元（DMU）全为1的现象，此时便无法直接对这些有效率的决策单元之间的效率进行有效比较，进而出现数据包络分析法判断力不足的问题，甚至还可能引起绩效评估错误。Andersen基于这一缺陷Andersen提出了超效率模型，使DEA有效率的决策单元之间实现了有效比较。

（注：此处对2006―2012年的投入产出进行效率评价，数据缺失首尾年份不影响分析结果。）

表2通过以R&D经费、国家财政科技拨款和中国SCI论文数量作为投入指标，进行效率评价。经过数据观察可以发现，相对效率在2008年之前呈现下降趋势，之后呈现出波动上升的趋势。

根据DEA效率分析和行政化指数之间的对应发现，科技效率相对有效与行政化指数之间存在正相关关系，即行政化指数越高，科技效率也就越高，行政化指数越低，科技效率也越低。出现这种情况的原因在于，行政化指数越高说明具有行政职务的人员具有整合资源的能力越强，即具有行政职务的人员在取得某项科研项目的时候，可以很迅速的将该科研项目所需要的人员、物力和其他的要素聚集起来，快速地将科研计划转化为科研成果，而行政化指数低的时候，即无任职的科研人员对科研项目所需的资源整合能力相对较弱，无法将所需要的要素迅速集聚以完成科研项目，因而在行政化指数较高的年份相对效率指标反而更高。

4.研究结论

本文对河北等沿海9省2004―2013年的面板数据进行了描述性分析和DEA分析，研究发现：

（1）相对于长三角和其他南方沿海省份，环渤海地区的行政化指数明显偏低，其中河北省最低。

（2）在自然科学领域行政化对效率的影响是积极的。尽管在效率评价指标单一时，行政化指数越高效率水平越低，行政化指数越低效率水平越高，即行政化指数与效率水平呈负相关；但是，当纳入更多投入指标时，相对效率与行政化指数之间呈现出正相关关系。（作者单位：河北经贸大学）

*2015年度河北经贸大学硕士研究生创新计划项目

参考文献

[1] 许飞.杰出科学家行政任职对科研创新的影响[J].科学学研究.2010，26（5）：975-985.

[2] 孙喜杰、曾国屏.GERD中政府和企业投入存在固定比例吗[J]科学学研究.2009，27（12）：1815-1821.

[3] Freeman C. Technology Performance [M].London： Pinter，1987.

[4] Kealey T. The Economic Laws of Sciantific Research [M].London：Macmillian Press Ltd，1996.

[5] 国家统计局，科学技术部.中国统计年鉴2008[M].北京：中国统计出版社，2008.

[6] 中国科技统计资源中心[EB/OL].http：//.cn/.2014-08-03.