下载文档原格式
中国重点高校基础研究投入产出预测及效率分析中国的高校基础研究一直被认为是国家科技创新的重要组成部分。
随着国家对科技创新的投入不断增加，高校的研究经费也逐渐增长。
高校的基础研究投入与产出之间的关系并不明确，需要进行预测和效率分析。
预测高校基础研究的投入产出关系，可以帮助政府和高校制定科研经费分配政策，以及评估科研成果的价值。
一个常用的方法是利用多元回归模型来建立投入与产出之间的数学关系。
这个模型可以通过分析过去的投入与产出数据，来预测未来的投入与产出情况。
也可以通过引入其他因素，如高校的研究水平、师资力量、研究设备等，来提高模型的准确性。
预测基础研究的投入产出关系主要有两个方面的意义。
可以帮助高校和政府合理分配科研经费，确保科研资金的有效利用。
可以评估高校的科研绩效，发现存在的问题，从而提高基础研究的效率。
通过对投入与产出之间关系的深入分析，可以为高校提供改善科研管理和优化科研环境的建议，进一步提高基础研究的质量和效果。
除了预测投入产出之间的关系，还需要进行效率分析。
效率分析可以帮助高校找到科研过程中存在的问题和瓶颈，并采取相应的措施进行改进。
常用的效率分析方法有数据包络分析(DEA)和随机前沿分析(SFA)等。
这些方法可以通过比较不同高校的投入与产出数据，来评估高校的相对效率。
通过发现效率低下的原因，高校可以采取措施改进科研管理、提高资源利用效率。
在进行高校基础研究投入产出预测和效率分析时，需要考虑到一些因素的影响。
高校的科研成果往往需要一定的时间来转化为实际产出，因此需要将时间因素考虑在内。
高校的基础研究往往是长期进行的，需要考虑到一定的滞后效应。
不同学科领域的研究投入与产出之间的关系也可能存在差异，需要进行区分分析。
通过对中国重点高校基础研究投入产出的预测和效率分析，可以为高校和政府提供科研经费分配和管理的参考，进一步推动科技创新与社会发展的紧密联系，并为高校科研的管理和组织提供决策依据。
DOI：10.16675/14-1065/f.2020.23.003教育部直属高校科研经费投入产出效率研究□肖蕾摘要：提升高校科研经费使用效率是当前我国高等院校科研创新工作亟待解决的重要问题。
基于我国教育部直属高校2009—2016年的科技统计资料，采用DEA-Malmquist指数方法，对科研经费使用效率进行静态和动态分析。
研究结果表明：各高校科研经费使用效率普遍处于较低水平，且存在较强的波动性和差异性；多数高校科研经费使用的全要素生产率呈现衰退态势，东部地区高校状况相对优于中西部地区；特色型高校科研经费使用的全要素生产率保持较高水平，相对其他综合性大学具有较强优势。
关键词：科研经费；效率；DEA-Malmquist；教育部直属高校文章编号：1004-7026（2020）23-0005-04中国图书分类号：G640文献标志码：A（中国海洋大学山东青岛266100）1文献综述高等院校是我国基础科学研究和科技创新的硬核驱动，是提高我国科技核心竞争力不容忽视的生力军。
科研经费作为高校开展科研活动的基本保障，合理运用科研经费是科技创新成果产出的决定性因素。
近年来，我国政府不断加大对高校科研经费的配置，特别是对教育部直属高校的支持，以保障和提升高校科研能力。
2017年，我国高校获得153370134593000元科技经费支持，相较于2002年增长779.6％；其中，对教育部直属高校的科技经费支持达75394834003000元，相比2002年增长703.2％。
在国家政策的大力支持下，我国高校科研水平得到长足发展，取得了学术论文、科技著作、专利授权等大量科研成果产出。
然而，繁杂的科研经费管理办法在一定程度上成为科研人员的枷锁，同时科研经费违规使用、挪用现象频发，使得政府向高校拨付巨额经费的初衷难以达成。
与此同时，为优化配置科研经费，我国2019年开始试点“包干制”，以期提升科研经费使用效率。
在新冠肺炎疫情的冲击下，2020年中央经济工作会议强调严格落实“过紧日子”思想，高校也不例外。
教育投入与产出效率的分析教育，是一个国家和民族发展的基石，关乎着个人的成长、社会的进步以及国家的未来。
而在教育领域中，教育投入与产出效率一直是备受关注的重要议题。
教育投入包括了人力、物力、财力等多个方面，而产出效率则体现在学生的综合素质提升、知识技能掌握以及对社会的贡献等方面。
深入分析教育投入与产出效率，对于优化教育资源配置、提高教育质量具有重要的意义。
首先，我们来看看教育投入的构成。
教育投入中的人力投入，主要指的是教师队伍的建设。
优秀的教师是教育质量的关键因素，他们的专业素养、教学经验和教育热情直接影响着学生的学习效果。
为了吸引和留住优秀的教师，需要提供合理的薪酬待遇、良好的工作环境以及持续的专业发展机会。
物力投入涵盖了教学设施、教材教具、实验室设备等。
现代化的教学设施能够为学生创造更好的学习条件，丰富多样的教材教具可以激发学生的学习兴趣，先进的实验室设备有助于培养学生的实践能力。
财力投入则是确保教育活动正常开展的重要保障，包括学校的建设与维护、教学活动的经费、学生的资助等。
然而，仅仅有大量的投入并不一定能够带来高效的产出。
教育产出效率的衡量是一个复杂的过程，不能仅仅以学生的考试成绩作为唯一标准。
学生的综合素质，如创新思维、团队合作能力、社会责任感等，同样是重要的产出指标。
以考试成绩为例，虽然它在一定程度上能够反映学生对知识的掌握程度，但过于强调成绩可能导致应试教育的倾向，忽视了学生其他方面的发展。
而综合素质的培养需要更加多元化的教育方式和评价体系。
在实际情况中，教育投入与产出效率之间的关系并非简单的线性关系。
有时候，增加投入可能会带来产出效率的显著提升，但当投入达到一定程度后，继续增加投入可能并不会带来同等比例的效率增长，甚至可能出现效率下降的情况。
这可能是由于投入的结构不合理、资源的浪费或者管理不善等原因导致的。
例如，在一些地区，大量的资金被用于建设豪华的校舍和购买昂贵的设备，但却忽视了教师培训和课程研发，导致教学质量并没有得到实质性的提高。
中国重点高校基础研究投入产出预测及效率分析随着经济的快速发展和科技的不断进步，高等教育和科研也扮演着愈发重要的角色。
作为国家科技创新的重要力量，中国的高校基础研究一直备受关注。
基础研究的投入与产出关系牵动着科研人员、教育部门和政府的心思。
通过对中国重点高校基础研究投入产出的预测和效率分析，可以更好地了解和促进基础研究的发展。
让我们来了解一下什么是基础研究。
基础研究是指在科学和技术发展的全局中，为了获得新的知识、理论和方法，而进行的关键性、原始性的研究活动。
在中国，基础研究一直被认为是科学和技术创新的“源头活水”，对经济社会的快速发展具有重要的支撑作用。
高校基础研究的投入产出效率成为了科研单位和政府部门关注的重点。
为了预测高校基础研究的投入和产出，我们可以采用数据分析和预测模型的方法。
我们需要收集各个高校的基础研究投入数据，包括科研经费、人才支持、实验设备等方面的投入情况。
我们需要收集相关高校的基础研究产出数据，包括发表的SCI论文、获得的国家自然科学基金项目、获得的科技奖项等方面的产出情况。
通过对这些数据进行整理和分析，我们可以建立基础研究投入与产出的关系模型，从而进行进一步的预测。
在效率分析方面，我们可以采用数据包络分析（DEA）方法来评估各个高校的基础研究效率。
数据包络分析是一种非参数的技术效率评价方法，它可以帮助我们评估每个高校在给定投入下能够获得的最大产出，从而找出高校间的差异和潜在的改进空间。
通过数据包络分析，我们可以找出高效的高校和低效的高校，为政府部门提供科研资源的合理分配和高校科研管理的参考。
除了定量的分析方法，我们还可以采用质性的研究方法，比如案例分析、访谈调查等，来了解高校基础研究投入产出的具体情况和影响因素。
通过这些方法，我们可以深入挖掘高校在基础研究方面的优势和劣势，为科研政策的制定和高校科研管理的改进提供有益的参考。
基础研究投入产出预测及效率分析的结果将有助于我们更全面地了解中国高校基础研究的发展现状和趋势。
公办本科高校投入产出效率分析公办本科高校是全国教育事业的重要组成部分，对于保障国家人才队伍建设、促进社会经济发展具有重要意义。
然而，投入产出效率一直是高等教育界的一个热点话题，公办本科高校也不例外。
本文将对公办本科高校的投入产出效率进行分析，并提出改进建议。
一、投入产出效率的定义和评价指标投入产出效率是指一个组织或系统在给定的资源条件下所创造的价值，是评价组织或系统绩效的重要指标之一。
在高等教育领域中，投入产出效率可以通过各类指标来进行评价，例如：学生人均教育经费、学生毕业情况、师资力量、科研水平等。
二、公办本科高校投入产出效率的现状1. 教育经费公办本科高校教育经费的投入一直较为充足，但在学生人均教育经费的使用上存在不合理的现象。
一方面，一些学校存在“用过权威证明”和“肥水不流外人田”的现象，即学校只注重资助重点学科和重点实验室，对学生的生活和学习支持不足；另一方面，又有一些学校将教育经费过度使用在豪华大楼和配套设施等方面，导致学生人均教育经费过低，投入效果不明显。
2. 学生毕业情况公办本科高校的毕业率和就业率一直是衡量教学质量的重要指标。
但目前，一些高校在追求高毕业率的同时，造成了毕业率与办学质量不符的现象。
加之学生因学科定位、个人兴趣、专业认知等原因选择的专业与就业市场需求不匹配，致使毕业后需要重新选择或在择业上面临较大的压力。
3. 师资力量师资力量是“培养人才”的关键要素之一，教职工的教学素质和硬件设施对教学效果有着直接的影响。
但在实际操作中，一些学校对师资队伍的建设仅靠增加教职工数量、提高学历学位等表面工作，掩盖了师资力量质量的缺陷。
另外，一些专业的师资队伍人员流动性较大，短期内难以保持稳定。
4. 科研水平公办本科高校的科研水平一直是其影响力和综合实力的重要体现。
但由于政策限制和经费分配不合理等原因，高校在科研方面因资金等方面上受到了较大的限制。
此外，一些学校自身对于科研的重视程度还有待提高。
我国教育部直属高校资源投入产——基于超效率DEA模型和Malmquist生产率指数的测算包水梅 黄尧尧 彭万英一、问题的提出美国经济学家格里高利·曼昆（N. Gregory Mankiw）在其著作《经济学原理》中提出，资源的稀缺性决定资源使用效率的重要性[1]。
我国高等教育资源总量不足，优质资源稀缺，这一基本特征决定了如何有效提升资源的配置与使用效率至关重要。
然而，我国高等教育实际发展现状却并非如此：一方面，从资源配置模式来看，我国高等教育资源以行政性配置为主导[2]，政府依据国家发展需求，通过行政指令的方式实施刚性、计划性的资源分配，资源的配置效率如何、配置后的资源能否得到充分利用尚未引起足够重视；另一方面，从资源使用效果的评价方式来看，长期以来，我国对高校建设成效的评估表现为水平评估和成效评估两类，评估的依据是参评单位现有资源的多寡、建设周期内增量成果的绝对数量等内容，一定程度上忽视了对资源使用效率的评估。
随着资源投入力度的不断加大，我国高等教育取得的伟大成就世人瞩目。
然而，值得注意的是，大量的资源投入在造就我国高等教育事业“量”的伟大成就的同时，高等教育“质”的发展却未能实现同步协调[3]。
2011年世界经济论坛（World Economic Forum）发布的《2011-2012国际竞争力发展报告》将国家发展的主要动力划分为要素驱 摘要: 基于我国58所教育部直属高校理、工、农、医学科的办学数据，运用超效率DEA模型和Malmquist生产率指数，对2008～2017年我国高等教育由“规模扩张”转向“质量提升”这一关键时段内高校资源投入产出效率进行综合评价，结果发现：（1）高校资源投入产出效率整体水平有较大提升空间，资源的配置与管理水平较高，但生产规模远未达到最优水平，增大资源投入力度能够有效提升多数高校的办学效益。
（2）高校质量型产出效率小于数量型产出效率，两类效率对整体效率的贡献度的变化趋势证实了学科评估的“指挥棒”效应。
中国重点高校基础研究投入产出预测及效率分析【摘要】本文针对中国重点高校基础研究投入产出预测及效率分析展开研究。
在首先介绍了研究背景，即当前中国高校基础研究投入产出问题的现状与挑战，随后明确了研究目的，即通过建立投入产出模型以及效率分析模型，预测高校基础研究的产出并提高研究效率。
在分别探讨了投入产出模型分析与预测方法，构建了效率分析模型，并通过实证研究案例对模型进行了分析验证，同时对影响因素进行了深入分析。
在结论部分总结了研究成果与启示，并展望了未来的研究方向。
本文的研究将为高校基础研究投入产出的预测与效率提升提供理论支持与实践指导。
【关键词】中国高校、基础研究、投入产出、效率分析、预测方法、模型构建、案例分析、影响因素、研究结论、研究启示、展望。
1. 引言1.1 研究背景中国重点高校在基础研究领域的投入一直备受关注，而如何有效地评估这些投入所带来的产出以及提高研究效率，是当前学术界和管理界共同关注的焦点。
基础研究作为科学研究的基石，对于学术繁荣和国家创新能力的提升起着至关重要的作用。
通过对中国重点高校基础研究投入产出预测及效率分析的研究，可以更加深入地了解高校研究活动的运行规律，促进科研资源的合理配置和科研成果的最大化利用。
目前，随着科技发展的不断推进和数据技术的不断发展，越来越多的研究方法和工具被应用到高校基础研究的投入产出分析中。
研究背景部分将会探讨这些新兴方法对于高校研究活动的影响，以及如何通过这些方法来提高研究效率和科研成果的质量。
通过对基础研究投入产出的深入挖掘和分析，将能够为高校科研管理和政策制定提供有益的参考。
1.2 研究目的研究目的是通过对中国重点高校基础研究投入产出的预测及效率分析，深入揭示当前高校科研投入和产出的关系，为高校科研管理提供理论参考和实践指导。
具体包括：通过建立投入产出模型分析高校科研投入与产出之间的关系，探讨预测方法对高校科研产出的影响，构建效率分析模型来评估高校科研投入的效率和管理水平，通过实证研究案例分析中国重点高校基础研究的投入产出情况，分析影响高校科研效率的关键因素。
中国重点高校基础研究投入产出预测及效率分析随着中国经济的迅猛发展和科技创新的蓬勃壮大，越来越多的重点高校开始加大基础研究的投入力度。
本文将对中国重点高校的基础研究投入产出进行预测和效率分析，为高校决策者提供科学的参考。
我们来看一下基础研究的投入方面。
基础研究是科学技术进步的源泉，也是创新的基础。
中国的重点高校在基础研究方面一直有着较高的投入水平，特别是在科研经费和科研人员方面。
根据过去几年的数据，我们可以预测中国重点高校在未来几年将继续增加基础研究的投入力度，包括增加科研经费和招聘更多的科研人员。
我们需要对基础研究的产出进行预测。
基础研究的产出主要包括科研成果和科技创新。
科研成果可以通过发表论文、申请专利等方式来衡量；科技创新则包括技术转移和技术成果转化为产业的能力。
我们可以通过分析过去的数据和趋势，预测中国重点高校在基础研究方面的产出将随着投入的增加而逐渐增加。
我们需要对基础研究的效率进行分析。
基础研究的效率可以通过投入和产出的比较来衡量。
在投入方面，我们可以计算每单位科研经费所获得的科研成果数量和质量；在产出方面，我们可以计算每单位科研成果的技术转移和产业化的程度。
通过这些指标，我们可以对中国重点高校的基础研究效率进行评估，并提出改进措施。
对中国重点高校基础研究投入产出的预测及效率分析，可以为高校决策者提供科学的参考。
重点高校应进一步增加对基础研究的投入，提高科研经费和科研人员的数量，并注重科研成果的产业化和技术转移能力，以提高基础研究的效率和产出。
这将有助于中国高校在科学技术领域的持续创新和国家经济的可持续发展。
教育部直属高校科研投入产出效率及其发展趋势分析摘要：运用数据包络分析方法对教育部直属高校2000～2010年间的科研效率及其变化趋势进行分析，发现教育部直属高校的科研效率存在较大的差异，而且在2000～2010年间，教育部直属高校科研的技术效率、纯技术效率和规模效率值均存在较大波动现象，整体水平有待进一步提高。
应建立教育部直属高校科研效率评价系统，着力提高教育直属高校的科研效率；同时建立基于效率的教育部直属高校科研管理与运行机制，提高科研资源配置的效率，以便更好地推动高校为我国经济社会发展服务。
关键词：科研效率；dea中图分类号：g640文献标识码：a文章编号：1672-0717（2013）01-0030-07收稿日期：2012-11-23基金项目：2012年度教育部人文社会科学研究规划基金项目（12yja880084）。
作者简介：陆根书（1966-），男，江苏溧阳人，西安交通大学高等教育研究所教授，教育学博士，主要从事教育经济学、大学学习理论研究。
一、引言随着知识经济的发展，科学技术在社会经济发展中扮演着越来越重要的角色。
高校作为知识创新和人才培养的基地，对科学技术的发展起着非常重要的推动作用。
正是由于这一原因，近20多年来，高校创新能力与科研效率评价问题在世界范围内引起了广泛关注。
研究者围绕高校科学研究效率及其测度技术与方法、高校科学研究效率的影响因素等问题进行了较为深入研究[1-2]，提出了诸如综合投入产出法、生产函数法、数据包络分析和随机边界分析等效率测度技术与方法[3]；实证分析了影响高校创新能力与科研效率的诸多因素，如个体内在能力、学校结构与领导方式、教师聘用政策、工作与研究条件等一系列涉及教师个体、学校及院系特征等等。
这些研究对提高高校的创新能力与科研绩效起到了非常重要的作用，也为更有效地配置公共教育资源，更好地推动高校科研为本国、本地区的社会经济发展服务提供了重要依据。
在我国，随着高等教育体制改革的不断深入，重点学科、重点实验室的遴选与建设，以及“211工程”、“985工程”、“2011计划”等先后启动，这些措施和变革使得高校的科学研究出现了全新的发展态势，强化了高校在知识生产中的中心地位，使高校成为我国国家创新体系的重要主体[4]。
在这一发展背景下，研究者对我国高校的科研工作也给予了充分关注，但以往的研究多侧重于高校科技创新总量的研究，而较少探讨高校科研的效率问题。
对高校科研投入产出效率及其变化趋势进行深入、系统的研究，不仅对我国实施科教兴国战略、推动教育主管部门和高校更科学地配置科研资源、促进高校科研管理的科学化规范化、以及在社会经济发展中更充分地发挥高校的科技优势具有非常重要的现实意义，而且对完善高校科研评价体系与方法具有重要的理论价值。
二、文献述评在我国，有关高校科研效率的实证分析研究并不多。
国内有关高校科研效率的研究大多倾向于采用综合投入产出法对高校科研效率进行评价，即认为科研效率是各项产出的加权之和与各项投入的加权之和的一个比值。
采用这种评价方法虽然可以解决高校科研效率评价中涉及的多投入、多产出问题，但在研究中常需要人为地对高校科研的各项投入、产出指标主观地设置权重系数，因而在很大程度上影响了评价的可靠性[5]。
近年来，也有一些研究者尝试采用数据包络分析方法（dea）来研究我国高校的科研效率问题[6-7]。
就总体而言，应用dea方法对我国高校科研效率进行评价的研究不多，现有研究有待进一步深入。
在国外学者进行的高校效率研究中，单独对高校的科研效率进行评价的不多，而且与国内研究者相比，他们所采用的评价指标与方法也存在较大差异。
总体而言，国外有关研究具有如下一些特点：首先，国外学者对高校投入产出效率的研究多是对高校整体效率的评价，即一般是从高校人才培养、科学研究和社会服务的角度展开对高校投入产出效率的整体评价。
de groot等人从本科生教学、研究生教学和科研等不同方面对美国大学的效率进行了评价[8]。
avkiran对澳大利亚的大学的整体技术效率和规模效率进行的分析[9]。
其次，国外对高校科研效率的研究多侧重于探讨高校内部不同学科或院系的科研投入产出效率，以学校为单位进行科研投入产出效率分析的研究较少。
例如，cherchye等人对荷兰8所大学的经济学院和工商管理学院的科研投入产出效率进行了研究，他们认为对科学研究效率的分析，应该从微观角度而不是宏观角度出发[10]。
第三，在国外有关高校科研效率的研究中，对于科研效率评价指标的筛选存在较大差别。
许多研究认为，高校科研效率评价指标既要包括数量方面的指标，又要包括质量方面的指标，但是在对科研投入产出的数量与质量进行评价时，应该采用哪些具体的指标，存在不同看法[11-12]。
例如，研究者对把科研经费作为一项投入指标还是一项产出指标就存在不同看法。
abbott等人认为，科研经费能够反映所从事的科研活动的市场价值，或者代表了政府部门愿意购买的有效的大学科研成果数量，因此它可以作为科研产出的一个替代指标。
但是，johnes等人认为，科研经费应该作为一项投入指标。
第四，就研究高校科研效率的方法而言，国外研究者探索过许多不同的方法。
早期有关高校效率问题的研究多采用综合投入产出法[13]。
随后一些学者试图采用生产函数方法来估计教育的投入产出效率[14]。
但由于高校是一个多投入、多产出的系统，应用生产函数方法研究高校的投入产出效率存在一定的困难，所以应用生产函数方法对高校效率进行的研究并不多见。
也有一些研究者采用成本函数方法探讨高校的投入产出效率[15]。
近年来，随着效率测度理论与方法的发展，数据包络分析方法被较广泛地应用于高校科研效率的研究之中[16]。
在以往对高校科研效率进行评价研究时，对于科研效率评价的方法及指标选择存在较大差别。
有的采用综合投入产出法，有的采用生产函数方法，还有的采用dea方法等，各种方法既有一定优势又有一定的劣势。
综合投入产出法操作起来比较简单，但是应用这种方法需要对评价指标的权重进行主观估计。
生产函数法则需要预先确定分析单元的生产函数模型，而生产函数模型所计算的产出是平均意义上的产出，它主要适用于多投入、单产出系统的效率评价。
高校作为一个多投入、多产出的系统，采用综合投入产出法和生产函数方法因此较难完全刻画其科研投入产出效率。
随机边界分析方法虽然适用于高校科研这种多投入、多产出系统的效率评价，但它也需要预先确定分析单元的生产函数模型。
与随机边界分析方法相比，数据包络分析方法的一大优势就是不需要预先确定生产函数形式。
基于对各种方法的比较分析，本研究采用的dea方法既可避免对有关评价指标的权重进行主观赋值，又能综合考虑高校科研投入要素对其产出要素的影响，因而是一个相对较优的方法。
三、研究设计（一）研究方法基于上述文献分析，本文在综合比较高校科研效率评价各种方法的基础上，主要选择数据包络分析（data envelopment analysis，dea）方法对教育部直属高校科研效率及其变化趋势进行实证分析。
数据包络分析（data envelopment analysis）方法的产生可以追溯到1957年，当时farrell提出了以生产前沿面（production frontier）来衡量技术效率（technical efficiency，te）的概念以及包络的思想。
farrell认为，经济效率（economic effciency）或整体效率（overall effciency）是技术效率（technical efficiency，te）与配置效率（allocative efficiency，ae）的乘积。
技术效率反映的是给定要素投入条件下可获得的最大产出情况；配置效率则表示在给定的投入价格和生产技术条件下，可采用的最适合的投入比例。
应用这种方法，farrell对美国的农业生产力进行了实证研究[17]。
之后，著名运筹学家charnes、cooper等人在1978年将farrell提出的模型进行了扩展，正式提出了dea方法[18]。
在这篇论文中，charnes等人提出了dea方法的最基本模型c2r模型。
c2r模型要求满足规模收益不变的假设，而这一假设在现实中很难满足。
为了更贴近实际，banker等人于1984年提出了规模收益可变的bc2模型[19]。
利用c2r和bc2模型可以分别计算出各dmu的技术效率（te）和纯技术效率（pte），两者相除即可得出各dmu的规模效率（se），即se=te/pte。
此后，dea方法在20世纪80年代初逐渐流行起来。
本文主要采用规模报酬不变的c2r模型和规模报酬可变的bc2模型来对教育部直属高校科研投入产出效率进行分析。
（二）教育部直属高校科研投入产出指标的选择与数据来源根据科学、可比、可行等原则，我们对教育部直属高校科研投入产出效率进行总体评价时，从科研投入和产出两个方面选择了一些评价指标。
其中，选择的科研投入指标包括人力和经费两个方面。
在人力投入方面，我们选择了高校科研人数和高校科研辅助人数两个指标加以度量；在经费方面，我们选择了政府财政性科研经费投入（包括科研事业费、主管部门专项费、国家各项专项费、中央其他部门专项费、省市自治区专项费等）和其他科研经费投入（包括企事业单位委托资金，当年学校科技活动经费，自筹经费，国外资金，其他资金等）两个指标加以度量。
由于科研仪器设备主要是由相关科研经费购置而得，因此，科研经费指标实际上也反映了高校在科研仪器设备方面的投入情况。
这样，在对教育部直属高校科研效率进行评价时，我们选择的投入指标共包括度量人力和经费两个方面的四项指标。
选择的产出指标包括出版专著数、国外学术刊物发表论文数、国内学术刊物发表论文数、获奖成果数、专利授权数和技术转让当年实际收入等6项。
对教育部直属高校科研效率进行评价时，本研究采用的数据取自教育部直属高校工作办公室编辑出版的2000～2010年的《教育部直属高校科技统计资料汇编》①。
四、研究结果（一）2010年度教育部直属高校科研投入产出效率评价结果表1列出了应用c2r模型和bc2模型估算的教育部直属75所高校在2010年的科研效率状况。
由表1可知，在2010年，教育部直属75所高校平均的技术效率值为0.834，其中dea有效的高校34所，占被评价高校总数的45.3%，非dea有效的高校41所，占被评价高校总数的54.7%。
2010年，在41所非dea有效的高校中，有北京外国语大学等11所高校科研的纯技术效率值为1，它们非dea有效的原因在于科研规模效率非有效。
其中，北京外国语大学、北京中医药大学和中央音乐学院3所高校处于科研规模收益递增区间，这3所高校可通过适当扩大科研规模的方法来提高其科研效率。
