The Measurement of Innovation Efficiency in Basic Research of "Double First-class" Universities and the Observation of the Rationality of Input-Output Structure

Wu Yang,Xu Xiuli,Shen Mengling

(School of Humanities and Social Science,Beijing Institute of Technology,Beijing 100081,China)

Abstract：From the Eleventh Five-Year Plan to the Thirteenth Five-Year Plan,the input and output of basic research in China have been greatly increased in the past ten years.This paper uses the output-oriented envelope analysis method to measure the innovation efficiency and dynamic change trend of basic research in China's "double-first-class" universities,and to analyze the rationality of the input and output structure of "double-first-class" universities' basic research by projection value.Through the analysis,it points out the advantages and weak links of the low innovation efficiency of the" double-first-class" university to help the sound development of basic research in China.The results show that: Firstly,the three five-year plans have played an important role in guiding the rapid development of basic research in "double-first-class" universities;Secondly,From the 12th Five-Year Plan to the early stage of 13th five-year plan,the proportion of "two-class" universities with unreasonable input-output structure of basic research is relatively high; Thirdly,The introduction of high-end talents and the frontier achievements with international influence have become the key factors to optimize the input and output structure of basic research in high-level universities.

Key Words:"Double First-class" University; Basic Research; Innovation Efficiency; Envelope Analysis Method

收稿日期：2020-01-10

基金项目：国家自然科学基金面上项目(71774016)

作者简介：吴杨(1979-)，女，黑龙江哈尔滨人，博士，北京理工大学人文与社会科学学院副教授，研究方向为科技创新、创新效率测量；徐秀丽(1994-)，女，河北张家口人，北京理工大学人文与社会科学学院硕士研究生，研究方向为教育政策；沈梦玲(1995-)，女，湖北襄阳人，北京理工大学人文与社会科学学院硕士研究生，研究方向为教育政策。

DOI：10.6049/kjjbydc.2019100389

开放科学(资源服务)标识码(OSID)：

中图分类号：G644

文献标识码：A

文章编号：1001-7348(2020)06-0053-08

0 引言

中美贸易战中，无论是“中兴事件”还是“华为事件”，无不说明基础研究及原始创新的重要性。基础研究是认识自然现象、揭示自然规律、获取新知识的科研活动，其产出是一般知识，其本质是对自然界及其规律的认识[1]，知识创新、原始性创新等都是关于基础研究创新的提法。基础研究创新效率是对前沿基础科学研发进行原始创新活动时资源投入与成果产出的比值，反映原始创新真实水平。

2017年9月，教育部、财政部、国家发展改革委共同发布“双一流”建设高校名单，这是中国重点大学政策的最新形态 [2]。“双一流”建设大学是我国高水平大学的突出代表，肩负着国家原始创新和前沿重大科技成果产出的重任，其首要任务是集中有限资源打造学术领域前沿优势。因此，“双一流”建设大学基础研究创新效率，即原始创新投入产出比有效提升是我国创新驱动发展战略的关键。2018年1月19日，国务院印发《关于全面加强基础科学研究的若干意见》，明确了基础科学研究“三步走”发展目标，提出开展基础研究差别化评价试点，从国际化、原创性等多方面提出评价要求。可见，大学基础研究创新效率测量与评估是建立我国“双一流”建设大学科研评估体系的基础。

“十一五”到“十二五”期间是我国经济迅速发展的十年，也是我国高水平大学基础研究创新绩效大幅度提升的十年。2018年，我国“双一流”建设大学被SCI收录科技论文20万篇，SCI高被引与热点科技论文数为3 809篇，分别比2017年增长11%和16%；2016年，我国“双一流”建设大学基础研究经费近170亿元，比上年增长35%，人均基础研究经费67.8万元，比上一年增长21%。我国一流大学基础研究创新绩效不断提升的同时，其经费投入也逐年递增。考察和预测高水平大学基础研究创新效率真实情况是我国“双一流”建设的重要环节，对未来进行合理资源配置、建立原始创新高地以及占据科学制高点具有重大意义。

1 文献回顾及研究框架

国内外学者近年来主要从以下角度对基础研究领域相关问题进行探讨，即基础研究研发过程以及对其它研发活动的影响、基础研究投入收益、基础研究绩效与能力、基础研究创新效率。

(1)基础研究研发过程以及对其它研发活动的影响。Aghion&Howitt[3]通过构建增长率如何影响研究与开发之间的相对组合关系模型，论述了基础研究产生新基础知识，进而推出新的生产前沿这一过程；Salter&Martin[4]梳理并总结了基础研究影响经济发展的机制，认为基础研究能够通过知识生产与积累、人力资本培养以及技术设备建设等途径促进技术进步，具有单向外部溢出效应；Gersbach&Sorger[5]强调了基础研究与其它科技活动之间的双向溢出效应，并形成知识供给与需求的互动关系，即基础研究不断为技术创新提供知识资本；Hammerstedt&Blach[6]认为，基础研究成果需要在拥有一定技术水平的企业生产过程中进行试验和开发，薄弱的技术结构会阻断基础研究创新的反馈路径，使其创新过程难以实现；李蕾蕾等[7]运用1998-2012年世界30个国家面板数据，考察了基础研究对技术进步的影响，认为基础研究对国家技术进步具有显著正向影响，不仅有助于提高全要素生产率的增长率，而且有利于劳动生产率改善和技术创新能力提升。

(2)从经济学相关视角考察基础研究投入效益问题。Guido Cozzi[8]运用多阶段熊彼特增长模型，研究美国公共基础研究专利保护政策否能带来有益创新和增长；Narin等[9]系统分析了美国公共科学研究对工业技术的贡献，发现来自公共机构投入的基础研究经费资助了73.3%的技术专利引用论文，验证了基础研究经费投入对科学技术发展的重要作用；Toole[10]通过对生物医药行业实证研究发现，基础研究对新药物研发具有显着影响，1%的基础研究投入通过创新将获得43%的收益。

(3)对基础研究绩效与能力的研究和探索。陈凯华等(2017)基于科技论文发表与被引记录，定量比较与评估各国在科技领域的基础研究举措和综合研究能力水平等；花芳等[11]通过文献计量方法对清华大学航天航空学院5个研究方向基础研究绩效水平进行评估，提出构造研究者论文集合相关比较标准，并将其运用于大学院系小团体微观层面的绩效评估研究。

(4)对基础研究创新效率的探索。目前考察基础研究效率的文献较少，大部分学者主要通过DEA模型测量不同国家教育机构科研创新效率，并考察其合理性；Colbert等[12]将高等院校分成三类，对相同教育项目效率进行综合评价研究，证明运用DEA方法对高等院校整体办学效率进行评价具有合理性；De Groot[13]、Johnes等[14]使用DEA方法分别对美国和英国不同层次大学经济系的科研效率进行效率评价；Andrés López[15]提出了一个通用模型(DEA)，用于衡量墨西哥公立高等教育机构效率和生产率；刘巍等[16]采用Bootstrap-DEA方法测算了2005-2015年我国内地31个省市高校科研活动效率，分区域对高校科研效率进行了对比研究；胡德鑫等[17]基于DEA模型对32所“985”高校科研竞争力进行评价，结果表明，高校之间科研资源投入与成果产出分布极不均衡。

综上所述，近年来基础研究主要集中在以下几点：国外学者多考察基础研究本质、研发过程、对其它研发的影响及社会效益，同时也从经济学角度测算基础研究投入对创新产出的经济效益；国内学者对基础研究主要考核其绩效，通过文献计量法、包络分析法、投入产出法等测量基础研究创新绩效；国内外学者主要通过DEA方法测量高校院所科研创新效率，为本文分析基础研究效率、投入冗余和产出不足情况提供了有力的方法支撑。

当前，我国基础研究投入和产出增长不断加快，考察一流大学基础研究真实效率及其原始创新投入与产出的结构状态有着重要意义。本文从以下几个方面展开研究：基于已有研究基础和专家访谈构建“双一流”建设大学基础研究投入产出指标；测量和考察“双一流”建设大学在“十一五”到“十三五”三个观测区间基础研究创新效率变化情况，对34所大学创新效率值的差异性进行评估和分析，同时，在DEA模型自动生成投入与产出函数关系、参数和权重的基础上，有效减少人为设定存在的主观性对创新效率评价造成的影响；运用包络分析中的投影值分析，标识我国“双一流”建设大学原始创新效率不佳的薄弱环节，为各大学基础研究投入产出最优化决策提供数据支撑，也为全面客观评价“双一流”建设大学基础研究创新能力提供了一套科学测量方法，研究框架如图1所示。

2 研究设计

2.1 研究对象及分组

本文选取“双一流”建设大学作为研究对象，将其作为我国“十一五”、“十二五”期间高水平大学的代表，讨论34所大学在两个五年计划时期基础研究创新效率动态变化情况，同时按照发布的“双一流”建设大学名单中的顺序，将其分为3组，以便后续进行分组讨论。

2.2 研究方法

2.2.1 线性插值法

在34所“双一流”大学中，工信部直属4所大学以及中国科学技术大学的基础研究人员和基础研究经费数据较难获取，但R&D全时当量人员和R&D当年内部支出经费数据可以获取，且收集标准与其它数据统一。因此，本文根据教育部直属29所高校R&D全时当量人员和基础研究人员原始数据，运用插值法设计出一个能够既反映两组数据关系特性，又便于计算的简单函数，并将5所大学的R&D全时当量人员和R&D当年内部支出经费数据带入函数中，估算5所大学相关指标数据。

2.2.2 包络分析法SBM-BCC模型

基于本文研究主旨，采用以产出为导向的SBM-BCC模型测量各“双一流”建设大学基础研究创新效率。SBM-BCC模型能满足从结果视角对基础研究投入进行监测和考量的要求，便于考察基础研究资源配置的合理性和高效性。本文将此模型考察的纯技术效率定义为各大学本身基础研究创新能力，期望基于效率测度，直接考察各大学基础研究投入冗余及产出不足情况。

以产出为导向的BBC模型规划式为：

minφ

(1)

产出导向的BBC模型是在产出导向CCR模型基础上增加了约束条件构成的，其作用是使投影点的生产规模与被评价DMU的生产规模处于同一水平。其对偶规划式为：

(2)

学者们提出了在DEA框架下基于松弛对效率进行测度的模型(SBM)，SBM模型可直接处理决策单元投入过剩及产出短缺问题。其基本形式是：

subjec to xk=Xλ+s-

yk=Yλ-s+

λ≥0,s-≥0,s+≥0

(3)

以产出为导向的模型：

或

Yλ-s+=ykλ,s+≥0

(4)

2.3 评价指标体系设计

根据DEA模型特点，“双一流”建设大学基础研究指标体系由投入和产出两部分组成。根据《高等学校科技统计资料汇编》统计口径，结合已有研究成果[18-20]，本研究将大学基础研究投入界定为基础研究经费投入和基础研究人力资源投入，用这两类指标直接反映科技经费配置结构和人均配置强度；将大学基础研究产出界定为被SCI系统收录科技论文数和高被引SCI论文数两类指标。科学计量学关于科研产出表现的相关研究中，SCI系统收录科技论文数是被普遍采用的基础研究产出指标，代表基础研究产出数量；SCI论文高被引数是指在该领域过去10年间所有SCI收录论文中，引用次数排在前1%的论文数[21]，代表基础研究产出质量，反映了一国基础研究在全球相关科研领域的前沿性及国际影响力。如表1所示。

“双一流”大学基础研究效率影响因素很多，本文只选取经费投入、人员投入、SCI论文数和高被引SCI论文数等变量为投入产出指标，主要基于以上指标是国际公认的基础研究投入产出指标，通过计算可以获得基础研究或原始创新效率值。另外，该指标可以有效标识问题，如投入与产出结构是否合理、原始创新效率变化情况等。

2.4 投入产出指标数据来源

本文数据主要来源于教育部科学技术司《2007-2018年高等学校科技统计资料汇编》、《北京理工大学年鉴2014-2015卷》以及Web of Science数据库，本文将数据更新到2018年，其中34所“双一流”建设大学2018年基础研究人员和基础研究经费数据通过2013-2017五年平均增长率计算得出，SCI论文数和SCI高被引数来源于Web of Science数据库。

3 “十一五”、“十二五”期间基础研究效率测量与差异性分析

本文测量“双一流”建设大学基础研究纯技术效率，即各大学通过自身原始创新能力得到的产出效率。通过对“十一五”、“十二五”期间每年基础研究创新效率进行测量和比较,进而观测各个学校效率值变化情况。

3.1 “十一五”期间基础研究创新效率测量与差异性分析

“十一五”期间，我国“双一流”建设大学基础研究创新效率测量结果，以及每年的差异性分析如图2所示。

“十一五”期间第一组12所大学的基础研究创新效率均值为0.62。其中，清华大学在“十一五”期间五年整体效率值较高，为0.99，其次是北京大学的0.95。北京航空航天大学、哈尔滨工业大学和北京理工大学基础研究整体效率值分别为0.24、0.58和0.32。可能的原因是，这三所院校某些学科属于军工领域，由于保密规定，其创新成果不能对外公布，因此，可测算产出数据较少，导致其基础研究创新效率较低。

第二组11所大学在“十一五”期间基础研究创新效率平均值为0.68。其中，浙江大学五年的整体效率值最高，为1，复旦大学、中国科学技术大学和厦门大学五年间有四年创新效率值达到1，中国海洋大学整体效率值最低，为0.27；南京大学虽然每年创新效率值都未达到1，但其整体效率值较高，为0.67，表明该校每年基础研究创新效率值比较稳定。可以看出，第二组大学比较关注多渠道经费投入和明确的激励机制。以浙江大学为例，自2007年从恒逸集团引入科研经费，并设立“浙江大学恒逸基金”用于人才培养、科研创新等活动，为学校基础原始创新提供了有力支撑。同时，浙江大学制定明确的激励机制，鼓励在校师生发表高质量SCI文章，如发表1篇SCI奖励1 500元，被引用次数大于50次，奖励1.5万元，可见，浙江大学更关注SCI文章影响力而非数量，对获国家最高科学技术奖、国家科技进步奖特等奖的教师给予高达50万元奖励。浙江大学一系列激励政策以及多渠道经费投入机制表明其更关注原始创新能力，极大地促进了其基础研究创新能力提升。

第三组11所大学在“十一五”期间基础研究创新平均效率值为0.45。其中，武汉大学五年整体效率值最高，为0.74，西北工业大学整体效率值最低，为0.11，华南理工大学无一年创新效率值达到1，但五年整体效率较高，为0.62，表明其创新效率表现比较稳定。

可以看出，部分“双一流”建设大学注重科技创新平台建设和共享，加强与企业、科研机构等多方合作，同时扩展基础研究经费投入渠道，大力引进高端创新人才，极大地提高了基础研究创新效率值，成为我国高校中创新能力较强的骨干力量。

3.2 “十二五”期间基础研究创新效率测量与差异性分析

“十二五”期间“双一流”建设大学基础研究创新效率测量结果及每年的差异性分析如图3所示。

“十二五”期间第一组12所大学的基础研究创新效率平均值为0.65。其中，清华大学和北京大学有四年创新效率值最高达到1，其次是北京师范大学和哈尔滨工业大学，二者整体效率值均为0.76，整体效率值最低的是吉林大学，效率值为0.42。

第二组11所大学基础研究创新效率平均值为0.78。其中，浙江大学、上海交通大学、中国科学技术大学和厦门大学五年整体效率值最高为1，此类学校数量高于“十一五”时期，整体效率值最低的是华东师范大学，为0.37。上海交通大学在“十二五”期间基础研究投入和产出比较突出，共获得4 486项科研基金资助，经费共计30.5亿元，获国家级奖78项，发表SCI国际期刊论文450篇，培养和稳定了一批高水平科技人才[22]，促使其基础研究创新能力不断提升。

第三组11所大学基础研究创新平均效率值为0.59。其中，华中科技大学有四年创新效率值达到1，由于该校注重科研硬件设施建设，已建成14个科研基地，数量及规格居全国高校前列，在光电信息、先进制造、精密重力测量等领域具备可持续创新能力，为其基础研究创新打下了坚实基础[23]；武汉大学和中山大学虽然无一年创新效率值达到1，但整体效率值较高，分别为0.77和0.68，表明其每年基础研究创新效率值变化不大，趋于稳定；西北工业大学整体效率值最低，为0.21。

综上所述，第二组和第三组大学在十年间变化明显，有相当部分大学在“十二五”期间基础研究创新效率值能够达到1，整体效率值相较“十一五”期间有较大提升。这说明国家越来越注重对大学基础研究经费多渠道投入及国内外高科技人才的吸收引进，“双一流”大学普遍更加重视基础研究前沿高精尖技术的追赶。

4 “双一流”建设大学基础研究投入与产出结构合理性评估

本研究不仅要测量“双一流”建设大学各时期基础研究创新效率，同时要分析其投入产出结构的合理性，因为对于创新效率不高的大学来说，通过其基础研究投入产出结构合理性分析，可以识别出其原始创新效率不佳的薄弱环节，观察其是投入冗余还是产出不足，或二者皆是，以期为相关管理部门提供设计管理措施的具体依据。鉴于“十一五”时期时间较为久远，对未来制定相关政策措施提供借鉴的意义不大，因此本文考察近十年一流大学基础研究投入与产出情况。

4.1 “十二五”期间基础研究投入与产出结构合理性评估

本文基于“双一流”建设大学基础研究各个指标投影值分析，得出“十二五”时期一流大学基础研究投入冗余以及产出不足等情况(见表2)。

(1)基础研究投入和产出均达到最优状态的大学。“双一流”建设大学中基础研究投入和产出均达到最优状态有10所院校，包括北京大学、中国人民大学、清华大学、复旦大学、上海交通大学、浙江大学、中国科学技术大学、厦门大学、华中科技大学和中南大学。以上大学均具备跻身世界一流大学的实力和潜力，也是我国攻克世界科技领域难题的主要力量，应继续加大其经费和人员投入，优化资源配置，推进优质资源全面共享，持续保持最优创新绩效，引导其面向国家重大战略需求、面向科技发展重大前沿问题开展科研攻关。

(2)基础研究投入冗余且产出不足的大学。“双一流”建设大学中基础研究投入冗余同时产出不足的院校有14所，比例较高，包括北京航空航天大学、中国农业大学、北京师范大学、天津大学等。投入中中国农业大学和同济大学存在经费冗余，北京师范大学、吉林大学、华东师范大学、中国海洋大学、中山大学、兰州大学存在人员冗余。此类大学基础研究投入和产出均存在一些薄弱环节，消耗大量基础研究资源而成果产出不足，没有充分发挥出经费和人力资源优势，应从学校治理、管理制度和创新环境等方面着力，通过数量控制、资源集中、效率优先等强化基础前沿战略引领，找出突破性优势和路径。

(3)基础研究投入状态较好，但产出不足的大学。“双一流”建设大学中基础研究投入状态较好但产出不足的院校有10所，其产出不足包括SCI论文数和SCI高被引数均较少，包括南开大学、大连理工大学、哈尔滨工业大学、北京理工大学南京大学等。其中，哈尔滨工业大学和北京理工大学部分学科涉及军工领域，一些成果不能公开发表，因此产出不能真实体现其原始创新水平；重庆大学和中国海洋大学“产出不足”现象较为严重，SCI论文数短缺比例分别达到75.65%和109.64%，而高被引数短缺比例分别高达251.69%和260.37%。此类大学重大原始创新成果缺乏，基础研究创新能力有待提高，应采取有力措施，实施优势特色学科发展计划，围绕新兴战略性学科，把握世界科技发展前沿，结合经济发展战略需求，力争在交叉领域取得重大突破，促进基础研究持续快速发展。

4.2 “十三五”期间基础研究投入与产出结构合理性评估

为深入分析我国“双一流”建设大学各时期基础研究投入产出结构的合理性，本文基于各个指标投影值分析，进一步考察“双一流”建设大学“十三五”时期(2016-2018)基础研究投入冗余以及产出不足等情况(见表3)。鉴于《2019年高等学校科技统计资料汇编》尚未出版，“双一流”建设大学2018年基础研究投入数据根据前五年平均增长率计算得出，而基础研究产出数据截止到2019年9月30日，因此并不能完全代表“十三五”时期基础研究投入产出实际情况，仅在已有数据基础上推测“十三五”初期我国34所“双一流“建设大学基础研究投入与产出结构的合理性。

(1)基础研究投入和产出均达到最优状态的大学。“双一流”建设大学中基础研究投入和产出均达到最优状态有8所院校，包括中国人民大学、清华大学、上海交通大学、浙江大学、厦门大学、武汉大学、华中科技大学、中南大学。其中，除武汉大学的其它7所大学在“十二五”、“十三五”两个观测区间均显示投入和产出最佳状态，武汉大学在“十二五”时期投入状态良好，但产出不足。该类大学实力和潜力较为突出，具备良好的稳定性，是我国冲击世界一流大学的重要力量。应在加大经费和人员投入的同时，加强优质资源全面共享，充分影响和带动其它高校，实现我国高校基础研究创新效率最优化。

(2)基础研究投入冗余且产出不足的大学。“双一流”建设大学中基础研究投入冗余同时产出不足的院校有20所，比例较高，包括中国农业大学、北京师范大学、天津大学等。其中，中国农业大学、北京师范大学、天津大学、同济大学等14所大学基础研究经费投入冗余，远远高出“十二五”期间的2所；基础研究人员投入冗余的大学有北京大学、吉林大学、哈尔滨工业大学、华东师范大学、山东大学、四川大学6所，数量高于“十二五”期间。可见，“十三五”前三年我国高校基础研究投入效率并不高，经费和人力资源在一定程度上有所浪费。基于此，应从数量控制、资源集中、效率优先等方面优化基础研究投入和产出路径，实现资源最优配置。

(3)基础研究投入状态较好，但产出不足的大学。“十三五”期间“双一流”建设大学中基础研究投入状态较好但产出不足的院校有北京航空航天大学、南开大学、大连理工大学、复旦大学、中山大学、西安交通大学共6所，其产出不足包括SCI论文数和SCI高被引数同时短缺。其中，南开大学和大连理工大学产出不足情况更为严重，SCI论文数短缺比例分别达到142.20%和88.19，高被引短缺比例分别达到98.89%和143.23%，相比“十二五”期间高被引短缺率有所下降。该类大学基础研究投入状态较好，但创新成果产出有待进一步提升，亟需从实施优势特色学科发展计划、加强科研人员队伍建设等方面着力，促进基础研究良性发展。

5 结论与启示

(1)“十一五”到“十三五”期间34所大学原始创新效率均有所提升。在三个五年计划及相关国家政策引导下，“双一流”建设大学原始创新效率有了整体提升，创新效率呈现进步趋势的大学占整体比例达到70.59%；“十二五”时期“双一流”建设大学基础研究平均创新效率值高于“十一五”时期，“十二五”期间有3年及以上创新效率值达到1的大学数量(9所)超过“十一五”期间(6所)。不同时期的规划和政策为基础研究发展提供了方向、战略、资源等多方面的支撑。“双一流”建设大学应持续加大基础研究发展的政策保障，坚持质量提升与价值贡献相统一原则，围绕国家重大战略需求，着力解决制约国家经济和社会发展的关键技术问题，为建设创新型国家发挥基础性和先导性作用。

(2)“十二五”、“十三五”时期基础研究投入产出结构不合理的“双一流”建设大学比例较高。“十二五”时期有14所“双一流”建设大学投入冗余同时产出不足，超过总数的1/3，到“十三五”初期，则有20所，超过总数的一半。虽然部分院校由于科研成果存在保密性不宜发表等因素，导致其基础研究产出不足，但一些院校的确存在成果产出匮乏问题。作为我国基础研究高水平代表的一流大学，如果大部分都存在投入过多并且产出不足现象，可想而知，其它高校情况更加不容乐观。“双一流”建设大学应抓住“双一流”建设机遇，完善学校激励管理机制，充分发展优势学科、特色学科，强化自身专业性。政府在高校学科建设中，提供政策支持、资源保障等服务，推进高校、学科之间协同合作[24]。

(3)高端人才引进和具有国际影响力的前沿性成果成为优化高水平大学基础研究投入与产出结构的关键要素。34所“双一流”建设大学中，有9所基础研究人员投入冗余，其数量高于经费冗余大学，表明大学人员投入冗余情况比较普遍，同时较多大学存在SCI高被引数短缺程度高于SCI论文数，表明我国高水平大学具有国际影响力的重大原始创新成果仍不足。投入产出结构不佳的高校应详细分析其原始创新发展中的薄弱环节，注重吸引基础研究领军人才，通过聚焦国家重大需求、承担国家重大项目等方式打造具有国际影响力的学术团队，建设具有国际竞争力的优势学科群，聚焦国际学术前沿，打造具有标志性意义的学科亮点，强化一流基础学科整体带动能力提升。

6 展望

国际前沿领域的原始创新是一流大学基础研究成果产出的重要方向，“双一流”建设大学基础研究应以“贡献度、支撑度、创新潜力”为总体发展目标。“双一流”大学建设的主旨不仅是综合水平跻身全球一流大学，还承载着国家战略需求与社会发展的知识支撑和技术贡献，因此基础研究成果价值还要考虑思想性、创新性、前沿性、实效性。“双一流”建设大学基础研究目标总体设计应以贡献度、支撑度、创新潜力为导向。贡献度主要体现为大学及其学科现状、未来发展对国家和区域战略的知识支撑，支撑度主要体现为大学及其学科与国内外大学、产业、行业的合作状态和支撑程度，创新潜力主要体现为大学及其学科优势、特色、未来发展潜力以及跨学科合作机会。从以上3个维度总体设计“双一流”大学基础研究目标，未来才能够更高效地提升我国大学原始创新能力和实力。

“高度集中带来的高效率”使一流大学基础研究发展前景广阔。习近平总书记指出：“对科学知识和卓越人才的渴求比以往任何时候都更加强烈。”党中央作出加快建设世界一流大学和一流学科的战略决策，就是要提高我国高等教育发展水平，增强国家核心竞争力。可见，我国对基础研究等原始创新层面非常重视。根据本文研究，我国“十一五”开始加大对基础研究各方面投入力度，对高校“十二五”期间原始创新效率产生了重大影响。随着国家科技战略布局进一步明确，“双一流”建设大学将越来越能发挥“高度集中带来的高效率”优势，以资源配置为激励手段，提高大学原始创新能力。随着一流大学投入产出结构不断优化，人才培养质量不断提高，创新能力和科技贡献率不断提升，“双一流”大学基础研究原始创新成果必将对未来我国学科布局产生深远影响，并为国际科学前沿领域贡献“中国方案”和“中国智慧”。

参考文献:

[1] VANNEVAR BUSH.Science:the endless frontier[M].Washington D C:National Science Foundation,1945.

[2] 周光礼.“双一流”建设中的学术突破——论大学学科、专业、课程一体化建设[J].教育研究,2016(5):72-76.

[3] AGHION P,HOWITT P.Research and development in the growth process[J].Journal of Economic Growth,1996,1(1): 49-73.

[4] SALTER A J,MARTIN B R.The economic benefits of publicly funded basic research:a critical review[J].Research Policy,2001,30(3):509-532.

[5] GERSBACH H,SORGER G.Hierarchical growth:basic and applied research[R].Center of Economic Research at ETH Zurich Working Paper,2009.

[6] HAMMERSTEDT R H,BLACH E L.Commercialization of basic research from within the university and return of value to the public[J].Animal Reproduction Science,2008,105(2): 158-178.

[7] 李蕾蕾,黎艳,齐丹丹.基础研究是否有助于促进技术进步——基于技术差距与技能结构的视角[J].科学学研究,2018,36(1):37-48.

[8] GUIDO COZZI,SILVIA GALLI.Should the government protect its basic research[J].Economics Letters,2017(8):157.

[9] NARIN F,HAMILTON K S,OLIVASTRO D.The increasing linkage between U.S.technology and public science[J].Research Policy,1997,26(3):317-330.

[10] TOOLE A.The impact of public basic research on industrial innovation:evidence from the pharmaceutical industry[J].Research Policy,2012,41(1):1-12.

[11] 花芳,管楠祥,李风侠,等.文献计量方法在大学小团体层面的基础研究绩效评价的应用[J].图书情报工作,2017,61(4):108-114.

[12] COLBERT A,EVARY R,SHANERM C.Determining the relative efficiency of MBA programs using DEA[J].European Journal of Operational Research,2000,125(3):656-669.

[13] DE GROOT H,MCMAHON W,VOLKWEIN F.The cost structure of american research universities[J].Review of Economic and Statistics,1991(3):424-431.

[14] Johnes G,Johnes J.Measuring the research performance of UK economics departments: application of data envelopment analysis[J].Oxford Economic Papers,1993(2):332-348.

[15] J ANDRES LOPEZG,ARTURO QUIJANO J,MANUEL BERNAL.Development of model for data envelopment analysis with nonparametric integer programming for the analysis of efficiency and productivity of universities mexican state versus private[C].2011 International Conference on Sociality and Economics Development,2011:194-198.

[16] 刘巍,宫舒文.基于Bootstrap-DEA区域高校科研效率测算及差异分析[J].统计与决策,2018,34(1):100-102.

[17] 胡德鑫,王轶玮.基于DEA的“985”高校科研竞争力评价[J].北京理工大学学报(社会科学版),2017,19(4):163-168.

[18] 苏竣,黄翠,何晋秋.中国的未来:基础研究[M].北京:中国人民大学出版社,2012.

[19] 吴杨.蔡青.中国基础研究创新效率的区域差异性评估[J].北京师范大学学报(社会科学版),2018(3):57-68.

[20] 吴杨,苏竣.高校基础研究投入与产出的相关性定量研究:1991-2008[J].高等教育研究,2011(3):39-46.

[21] 刘雪立.基于Web of Science和ESI数据库高被引论文的界定方法[J].中国科技期刊研究,2012,23(6):975-978.

[22] 张艳,郦音悦.依托科学基金强化国际合作推动上海交通大学更快发展[J].中国科学基金,2017,31(1):90-95.

[23] 李江华.高校科技创新体系建设探讨——以华中科技大学为例[J].中国高校科技,2013(10):23-24.

[24] 阎亚军,杨波.学科逻辑视域下的中国高校智库建设——基于“双一流”建设的思考[J].教育研究,2018,(5):42-49.

(责任编辑：陈 井)