高校科研预算绩效拨款模式设计与应用*

中南民族大学管理学院 翟华云 雷建波 新兴重工湖北三六一一 张献武

近来来，我国高校频频爆出的科研弄虚作假，骗取国家科研经费的问题值得深思，科研经费的下拨和科研经费的管理是造成这些问题的根本，其中科研经费的下拨更是源头。如果能够科学合理地下拨科研经费，从源头控制，就不会出现或者至少可以减少上述弄虚作假套取国家科研经费的问题。目前我国大学的科研拨款模式是面向投入的，这很大程度上给弄虚作假套取国家科研经费提供了可能，容易导致腐败问题。现有的大学科研拨款模式并不适合我国的实际情况，而且也不能解决大学资源配置的效率问题，还容易导致腐败。把产出与资源配置联系起来，通过“投入”和“产出”的情况来分析高校的科研绩效，并以此为基础来确定其拨款的数额，可以很好地解决科研经费弄虚作假问题。

一、文献综述

（一）国外文献综述 国外关于教育科研绩效的研究比我国起步早，已经产生了很多关于绩效的模型和方法，比如随机前沿分析方法（SFA）和数据包络分析法（DEA）等，而这些方法西方早在20世纪70年代就把它们应用到教育领域来评估其绩效。2001年E.Steuer应用改进的DEA模型对高校的科研绩效和教学绩效进行了研究，并解决了决策单元的一些局限性问题。2008年Abbotta强调如何应用改进的DEA模型来更好的研究科研资源的配置效率。综上所述，国外学者在如何改进模型上，以及使绩效模型能更好的计量和估计绩效方面进行了很深入的研究，同时也对如何应用这些改进的模型进行了说明。总的来说，西方国家对绩效的研究还是比较深入和全面的。

（二）国内文献综述 我国对高校绩效的研究比西方国家稍晚。2009年杨秀芹根据高校科研的内涵建立高校科研指标体系。2010年李主超、石昊通过比较英美高校绩效指标体系，同时结合我国高校的特点提出了我国高校绩效指标体系应具有的特性。2011年张小萍对如何建立中央高校教育经费拨款新机制提出了五个方面的建议。2014年张友棠、李思呈、曾芝红应用DEA模型对我国“985”高校的拨款模式进行了探讨。综上，我国对高校科研绩效的研究大多是绩效指标体系的研究，或虽然有对高校的拨款模式进行研究，但也仅仅针对“985”高校。研究的局限性在于：一是缺乏可比性；二是指标体系的构建影响因素有很多，没有对其进行相应处理就直接代入进行研究，效果没有处理后的好。因此，本文同时选取“985”高校和“211”高校进行对比来研究其科研绩效，并且先对科研绩效的指标体系进行了主成分分析，并应用处理后的综合数据设计了一套大学科研预算绩效拨款模式，这对提高高校科研资源的利用率和防止科研腐败有很好的促进作用。

二、高校科研预算绩效拨款模式设计

（一）模型构建 数据包络分析简称DEA，是数学、运筹学、数理经济学和管理科学一个新的交叉领域。本文之所以选取DEA对高校科研绩效进行评价，是基于我国高校科研本身的特点和DEA的优点决定的。我国高校科研很明显是一个多投入，同时也是多产出的决策单元。而DEA可以在不用知道投入产出要素权重、也无需无量纲化处理等繁琐工作的情况下，解决多投入与多产出绩效评价的问题。同时，DEA不是对DMU集合的整体进行单一优化，而是对每一个DMU进行优化，可以避免过多的引入主观因素，从而可以得到更切合实际的评价值。C2R和BC2是最经典的综合DEA模型。由于研究的是拨款的科学性，因此拨款投入的效率很重要。因此，可以根据C2R和BC2模型来建立模型。

其中，RPI为科学研究绩效指数，Xj为实际投入量，△Xj为投入冗余量，各高校科学研究拨款总额为A，各高校的拨款比例为Bj，高校的拨款额为Ej。

（二）指标体系构建 西方国家对高校绩效评价研究的较早，在绩效评价体系研究方面也取得了很多的成果。特别是英国和美国，他们更是以绩效为导向来实施大学绩效拨款。美国把高校绩效指标分为4个大类，13个次类，70多个指标。英国则是把高校绩效指标分为三个部分，18项指标。在借鉴英美两国绩效评价指标体系的基础上，结合我国高校科研的实际情况，设计基于高校功能的“投入—产出”二维科研绩效评价指标体系，并在参考其他文章关于高校科研投入产出指标设计的基础上，总结筛选出投入类9个二级指标，产出类科学研究3个二级指标，如表1。

表1 高校“投入-产出”关键绩效指标

（三）指标处理 由于投入指标有9个，相对于产出来说较多，所以对投入指标进行主成分分析。主成分分析是处理多个变量的一种统计方法，它在保证信息丢失最少的前提下，将多个原有变量综合为几个较少的综合指标，然后再将主成分分析得出的投入的综合指标作为DEA的投入量。最后，通过代入DEA软件和模型构建里的5个公式，就完成了整个模式的设计。

三、高校科研预算绩效拨款模式应用

（一）数据来源及样本分析 数据来源于《教育部直属高校2010年基本情况统计资料汇编》，中华人民共和国教育网站和各大高校官方网站，样本选择标准如下：（1）教育部直属高校；（2）剔除没有投入、产出二级指标项目数据的高校即数据不全高校；（3）剔除数据异常的样本高校；（4）对所筛选出来的数据进行标准化处理。最后，获得由47个教育部直属高校组成的一个样本。其中29所“985工程”大学，18所非“985工程”但是“211工程”大学。

（二）主成分分析

（1）KMO和巴特利球体检验。利用SPSS软件，对47个样本的9项投入指标进行主成分分析，如表2可以看出，剥离的巴特利特球度检验的观测值为405.361，其对应的概率P值为0.000接近于0，小于给定的显著性水平，同时KMO值为0.853，可以做主成分分析。

表2 KMO和巴特利球体检验

（2）公共因子数的确定。本文利用主成分分析法，对投入指标进行估计因子以及用最大方差旋转法进行因子旋转，选取特征值大于0.7，可以得到3个公共因子，如表3所示，累积方差贡献率为86.05%，认为原有信息大部分没有流失，可以反映样本的真实情况。

（3）构建综合得分模型。采用回归法估计得分系数，对投入指标进行因子分析并提取公因子，得到因子得分，输出因子得分系数如表4，根据表4写出以下因子得分函数：

表3 因子解释原有变量总方差的情况

表4 因子得分系数矩阵

（三）代入模型构建的公式 将以上主成分分析得出的投入的综合指标作为DEA的投入量，表1产出二级指标的值为产出量，代入DEA模型,同时假设教育部为其所属高校的科学研究拨款总额A为10000万元，再依次代入式2、式3、式1、式4、式5计算，可以算出各高校的科学研究拨款额，如表5。

四、结论

从总体来看：即从整体的技术效率看，只有21所高校的技术效率达到了1，占整体样本的44.68%，而55.32%的高校科学研究技术效率并不理想。由于技术效率为纯技术效率和规模效率的乘积，所以建议技术效率不理想的高校应该提高投入资源的管理水平，或者根据实际情况调整发展战略，总结经验教训，适当地提高规模效率，从而达到整体技术有效。

从对比来看：29所“985工程”高校中有12所高校技术效率达到了1，占比为41.38%，比总体技术有效水平低。对于即非规模有效又非技术有效的高校，首先应该解决技术上存在的问题，然后再考虑规模不合理的问题。而在其余18所“211工程”非“985工程”大学中，有9所大学技术效率为1，比例为50%，高于总体技术有效水平，但总的来说比例还比较低，有待改善。

通过以下五个步骤：第一，建立科研绩效指标体系；第二，确定高校科研的投入产出；第三，计算高校的技术效率；第四，计算高校的平均投入率；第五，通过各高校的绩效确定其科研经费的拨款额，不仅可以分析我国高校的科研绩效，发现不足并弥补不足；还可以确定高校科研经费拨款额，这在很大程度上解决了高校弄虚作假套取国家科研经费的问题，同时结合其他措施，如加强科研经费的管理等，能够更科学地利用我国有限的教育资源，从而降低科研成本，提高科研质量和数量，提高大家参与科研的积极性，保障科研创新的活力和动力。

表5 教育部直属高校科学研究拨款

［1］李思呈、张友棠、曾芝红：《基于DEA的大学预算绩效拨款模式创新设计》，《会计研究》2014年第1期。

［2］梁传杰：《学科绩效评价方法的构建与应用》，《高教发展与评估》2010年第4期。