摘要：在高校人文社科效率影響因素研究中提出回歸盲點概念，提出采用BP人工神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)，將其結(jié)果權(quán)重作為影響因素影響大小的思路，并采用偏最小二乘法和嶺回歸進(jìn)行穩(wěn)健性檢驗，同時基于教育部高校人文社科省際面板數(shù)據(jù)，首先測度出SBM超效率，然后分析其影響因素。結(jié)果發(fā)現(xiàn)：近年來高校人文社科效率總體呈下降趨勢，地區(qū)差距不大;學(xué)術(shù)論文是人文社科效率的最重要影響因素;研發(fā)人員對效率影響超過研發(fā)經(jīng)費;學(xué)術(shù)著作和研究報告對人文社科效率影響較小;出現(xiàn)回歸盲點時應(yīng)采用BP人工神經(jīng)網(wǎng)絡(luò)分析效率影響因素。本文還對采用BP人工神經(jīng)網(wǎng)絡(luò)解決回歸盲點問題的適用條件進(jìn)行了討論。

　　關(guān)鍵詞：回歸盲點人文社科BP神經(jīng)網(wǎng)絡(luò)偏最小二乘法嶺回歸

　　引言人文社會科學(xué)是人類的精神家園，高等院校是人文社科的重要載體。在人類社會發(fā)展進(jìn)程中，人文社科發(fā)揮著價值導(dǎo)向和文化建設(shè)功能，推動人類社會進(jìn)步。從人類個體角度，人文社科具有關(guān)懷人生，塑造健全人格的作用，能夠啟迪心智、滋潤心靈、解放思想、提升精神境界。目前從事人文社科研究的機(jī)構(gòu)包括高等院校、科研院所以及少數(shù)民間機(jī)構(gòu)。高等院校是重要的國家戰(zhàn)略資源之一，是經(jīng)濟(jì)增長方式轉(zhuǎn)變的關(guān)鍵力量[1]。雖然國家和地方人文社科科研院所較多，但這些科研院所主要側(cè)重人文社科的應(yīng)用研究，其規(guī)模和研究人數(shù)也遠(yuǎn)遠(yuǎn)小于高等院校，廣大高校無疑是人文社科理論研究與應(yīng)用研究的主要力量。

　　提高人文社科的研究效率非常重要。人文社科效率本質(zhì)上就是產(chǎn)出投入比，即如何利用有限的投入取得最大產(chǎn)出。人文社科研究屬于公共物品，在絕大多數(shù)情況下，人文社科研究難以取得經(jīng)濟(jì)回報，更多是服務(wù)社會，服務(wù)政府，絕對以社會效益為主。人文社科研究的資源和經(jīng)費投入主要依賴政府，同樣屬于公共資源。在這樣的背景下，如何合理分配有限的人文社科資源，提高研究效率至關(guān)重要。通過科學(xué)的方法，找到人文社科效率的關(guān)鍵影響因素，對于人文社科效率提升無疑具有重要意義。

　　在人文社科效率的影響因素研究中存在“回歸盲點”問題。回歸盲點是本文所提出來的新的概念，所謂回歸盲點，就是在多元回歸中，如果一些公認(rèn)關(guān)鍵變量的回歸系數(shù)沒有通過統(tǒng)計檢驗，或者即使通過統(tǒng)計檢驗，但該變量符號與人們的常識相反，在這樣的情況下，得出的結(jié)論是這些變量的績效較低，但不可能沒有作用，必須對其貢獻(xiàn)進(jìn)行估計，但傳統(tǒng)基于回歸的方法已經(jīng)不能解決這個問題，這就是回歸盲點。根據(jù)伍德里奇[2]的觀點，某關(guān)鍵變量即使績效較低，但也發(fā)揮了作用。

　　目前關(guān)于人文社科效率的影響因素研究，幾乎全部采用的是多元回歸法，因此同樣面臨回歸盲點問題。在回歸盲點下研究高校人文社科效率的影響因素具有重要意義。第一，它有利于對人文社科效率的影響因素進(jìn)行全面分析，并且客觀評價所有影響因素的影響大小，從而找到關(guān)鍵問題，為進(jìn)一步提高人文社科效率提供解決思路。第二，從方法論角度，首次提出研究盲點問題，探索通過人工神經(jīng)網(wǎng)絡(luò)來解決這個問題，并進(jìn)行穩(wěn)健性檢驗，在研究方法上有所創(chuàng)新。

　　1文獻(xiàn)綜述

　　關(guān)于高校效率的研究國際上已經(jīng)有不少成果，其中許多是以人文社科作為研究對象。Worthington等[3]采用經(jīng)典CCR和BCC效率模型對澳大利亞高校教育、科研、競爭力等整體效率進(jìn)行了評價。Athanassopoulos等[4]將英國45所高校分成自然科學(xué)為主、自然科學(xué)與人文社科兼顧、人文社科為主3個類型，并采用DEA效率分析進(jìn)行測度。Johnes等[5]運用DEA對中國109所高校2003年、2004年的效率進(jìn)行評價，發(fā)現(xiàn)綜合性高校的效率更高，且沿海地區(qū)高校的研究效率高于西部地區(qū)。

　　Chu等[6]研究發(fā)現(xiàn)，1993~1995年間內(nèi)地高校的科研效率總體有所改善，東部地區(qū)要比中西部地區(qū)更高效。Colbert等[7]研究了美國頂尖MBA項目的效率，取得了較好的評價效果。Johnes[8]以畢業(yè)生等級作為教學(xué)質(zhì)量，分析英國100所高校的辦學(xué)效率。國內(nèi)學(xué)者關(guān)于人文社科效率的相關(guān)研究成果也比較豐富，主要研究集中在高校研發(fā)效率。

　　陸根書、劉蕾[9]運用DEA方法對2000~2003年教育部直屬68所高校人文社會科學(xué)研究效率進(jìn)行評價，發(fā)現(xiàn)人文社科研究效率逐年遞增趨勢，總體水平還有待提高。姜彤彤[10]對我國除西藏外30個省份高校2001~2011年人文社科效率及其區(qū)域差異情況進(jìn)行評價分析，發(fā)現(xiàn)各省技術(shù)效率、純技術(shù)效率和規(guī)模效率平均值較高，但隨著時間的推移有下降趨勢，不同省份效率差異巨大。袁衛(wèi)、李沐雨等[11]基于變換參考集DEA排序方法，引入ESI指標(biāo)，區(qū)分人文社科和自然科學(xué)科研產(chǎn)出，分析了教育部直屬的72所高校辦學(xué)效率。王甲旬、邱均平[12]研究發(fā)現(xiàn)，中國高校人文社科研究的整體技術(shù)效率處于中等偏上水平，且受到純技術(shù)效率的影響較大，即科研管理對科研效率的影響較大。

　　祝夢、孟溦等[13]針對不同學(xué)科之間差異和不可比性等問題，構(gòu)建多層次分類RD-DEA模型，并對教育部直屬高校科研效率進(jìn)行分析，結(jié)果更加客觀。還有一些學(xué)者以少數(shù)高校或高校內(nèi)部不同機(jī)構(gòu)為研究對象研究人文社科效率。陳俊生、周平等[14]以兩所高校15個人文社科學(xué)院為研究對象，構(gòu)建二次相對效率和超效率模型，發(fā)現(xiàn)技術(shù)效率和管理效率無明顯線性關(guān)系。賈永堂、董潔[15]對某大學(xué)的研究發(fā)現(xiàn)，其人文社科的全要素生產(chǎn)率處于穩(wěn)步提升之中，學(xué)術(shù)研究效率高于自然科學(xué)。胡公啟[16]基于DEA-Malmquist指數(shù)方法測度江蘇省文科第一批次高校人文社科研究效率，發(fā)現(xiàn)技術(shù)進(jìn)步是制約效率提高的核心因素，全要素生產(chǎn)率指數(shù)有所增長，但幅度不高。

　　關(guān)于創(chuàng)新效率的影響因素，一些學(xué)者從宏觀區(qū)域角度展開研究。Fritsch等[17]研究發(fā)現(xiàn)，專業(yè)化水平、知識轉(zhuǎn)移程度、研發(fā)投入對區(qū)域創(chuàng)新效率的影響顯著。王軍[18]實證研究發(fā)現(xiàn)，東部地區(qū)創(chuàng)新效率與市場化程度、對外開放程度、高等教育程度、基礎(chǔ)設(shè)施水平正相關(guān)，與金融深度負(fù)相關(guān)，中西部地區(qū)與高等教育程度、基礎(chǔ)設(shè)施水平負(fù)相關(guān)。趙清軍、車鑫等[19]對省際創(chuàng)新效率的研究發(fā)現(xiàn)，技術(shù)進(jìn)步是關(guān)鍵性因素，人力資本影響顯著。楊玉楨、楊銘[20]研究基礎(chǔ)研究效率，發(fā)現(xiàn)人口密度、貿(mào)易開放度與其正相關(guān)，財政支出結(jié)構(gòu)與其負(fù)相關(guān)，社會信息化水平影響程度不大。

　　劉永松、王婉楠等[21、22]則研究了國家創(chuàng)新效率、高技術(shù)企業(yè)創(chuàng)新效率及影響因素。還有一些學(xué)者以高校作為研究對象研究效率的影響因素，Agasisti等[23]、Munoz[24]基于隨機(jī)前沿DEA模型研究發(fā)現(xiàn)，政府公共政策指數(shù)是高校創(chuàng)新效率的影響因素。蔡翔、趙娟[25]研究了大學(xué)協(xié)同創(chuàng)新效率的影響因素，發(fā)現(xiàn)研發(fā)人力資本作用遠(yuǎn)大于研發(fā)物質(zhì)資本。鄧?yán)怼⒃勒衽d等[26]研究認(rèn)為，地區(qū)經(jīng)濟(jì)社會水平是影響高校科研效率的重要外部因素，科學(xué)合理的體制機(jī)制是高校科研效率的內(nèi)部影響因素。

　　王曉珍、蔣子浩[27]研究認(rèn)為，經(jīng)濟(jì)優(yōu)勢、區(qū)位優(yōu)勢、政府扶持力度、基礎(chǔ)設(shè)施狀況對高校創(chuàng)新效率具有較顯著影響。李瑛、任珺楠[28]基于110所原211高校人文社科數(shù)據(jù)，運用DEA-Malmquist指數(shù)進(jìn)行分析，發(fā)現(xiàn)這些高校的效率整體呈下降趨勢，主要原因是技術(shù)退步，并且區(qū)域之間差異不大。從現(xiàn)有研究看，關(guān)于高校人文社科效率的研究成果比較豐富，涉及學(xué)科評價、專業(yè)評價、項目評價、學(xué)校評價、地區(qū)評價等。關(guān)于創(chuàng)新效率的影響因素，研究成果也比較豐富，涉及的因素包括技術(shù)進(jìn)步、公共政策、經(jīng)濟(jì)發(fā)展水平、基礎(chǔ)設(shè)施、物質(zhì)資本、人力資本、企業(yè)規(guī)模、人口密度、對外開放度等。關(guān)于人文社科效率的影響因素，也有不少研究，涉及的影響因素包括公共政策、經(jīng)濟(jì)水平、研發(fā)經(jīng)費、人力資源、基礎(chǔ)設(shè)施、技術(shù)進(jìn)步等。

　　總體上，在以下幾個方面有待深入研究：第一，效率本質(zhì)上就是產(chǎn)出投入比，因此效率的影響因素可以分為兩類：第一類是投入產(chǎn)出變量，這是效率的當(dāng)然影響因素，不可能不發(fā)揮作用;第二類才是其他影響因素。現(xiàn)有的研究集中在第二類影響因素，對第一類影響因素或者稱為決定因素的研究較少，有必要加強(qiáng)研究。第二，由于存在回歸盲點，很多對人文社科效率具有重要影響的變量被忽視了，被簡單判定為不相關(guān)，或者出現(xiàn)回歸符號錯誤，迫切需要進(jìn)一步研究。本文基于教育部高校人文社會科學(xué)信息網(wǎng)上的省際高校數(shù)據(jù)，在對回歸盲點及其產(chǎn)生原因分析的基礎(chǔ)上，提出采用BP人工神經(jīng)網(wǎng)絡(luò)來分析效率影響因素的新思路，并結(jié)合采用偏最小二乘法、嶺回歸來進(jìn)行穩(wěn)健性檢驗，最后得出研究結(jié)論并對BP人工神經(jīng)網(wǎng)絡(luò)的適用條件進(jìn)行討論。

　　2理論分析與研究方法

　　2.1人文社科投入產(chǎn)出效率模型——SBM超效率模型本文重點研究人文社科效率的影響因素，測度人文社科科研效率是其前提。為了提高效率影響因素研究的區(qū)分度，本文采用SBM超效率模型進(jìn)行測度。超效率SBM模型是一種基于要素冗余的非徑向非角度相對效率測算方法，能夠很好地處理投入要素的松弛問題，并且能夠較好地處理非期望產(chǎn)出，并得到超效率值[29]。

　　2.2效率影響因素回歸盲點產(chǎn)生原因第一是多重共線性。所謂多重共線性，就是由于自變量之間相關(guān)導(dǎo)致的回歸系數(shù)統(tǒng)計檢驗不顯著現(xiàn)象。比如人文社科研究中，研發(fā)經(jīng)費投入與研發(fā)人員投入是相關(guān)的，當(dāng)這種相關(guān)度較高時就會產(chǎn)生多重共線性。一般在統(tǒng)計檢驗中，用方差膨脹系數(shù)VIF可以進(jìn)行共線性診斷，當(dāng)VIF>10時，就可以判定存在多重共線性現(xiàn)象。對于多重共線性的解決，除了增加樣本數(shù)量、采用面板數(shù)據(jù)、變換函數(shù)形式外，還可以采用嶺回歸或偏最小二乘法進(jìn)行回歸，以最大限度降低多重共線性的影響，從而降低回歸盲點問題。

　　第二是非線性關(guān)系。在回歸分析中，自變量與因變量之間的關(guān)系一般是取對數(shù)后進(jìn)行線性分析，但是自變量與因變量之間的關(guān)系可能比較復(fù)雜，有時在回歸中，可以適當(dāng)引入自變量的2次項進(jìn)行優(yōu)化，但因為一般很難知道兩者非線性關(guān)系的函數(shù)形式，所以單靠回歸分析很難解決回歸盲點問題。

　　第三是回歸數(shù)據(jù)自身的問題。比如在人文社科效率的影響因素分析中，如果效率采用的是普通效率，其極大值為1，這樣就會導(dǎo)致許多效率為1的決策單元效率相等，在回歸分析中就沒有區(qū)分度，從而導(dǎo)致影響因素分析失效，出現(xiàn)回歸盲點問題。解決的方法之一就是采取超效率分析，由于超效率是大于1的，這樣就提高了效率的區(qū)分度，一定程度上緩解了回歸盲點問題。

　　2.3偽回歸盲點問題

　　回歸盲點的界定是比較嚴(yán)格的，就是自變量與因變量一定要相關(guān)，必須有經(jīng)濟(jì)理論支持。比如人文社科的投入產(chǎn)出分析，根據(jù)知識生產(chǎn)函數(shù)，研發(fā)經(jīng)費和研發(fā)勞動力無疑對人文社科成果具有重要的支撐作用，如果研發(fā)經(jīng)費或研發(fā)勞動力出現(xiàn)回歸盲點，這是可以肯定的。再比如人文社科效率的影響因素分析，由于投入產(chǎn)出變量決定了人文社科效率，因此人文社科任何一個投入或產(chǎn)出變量出現(xiàn)回歸盲點問題，也是可以肯定的。但對于投入產(chǎn)出變量以外的變量，如經(jīng)濟(jì)發(fā)展水平、公共政策、地域因素等，一旦出現(xiàn)回歸系數(shù)沒有通過統(tǒng)計檢驗，或即使通過統(tǒng)計檢驗但符號錯誤，是不能簡單認(rèn)定為回歸盲點的，需要根據(jù)經(jīng)濟(jì)理論進(jìn)行全面細(xì)致的分析，因為有些變量可能本來就不相關(guān)。

　　2.4人文社科效率的影響因素分析

　　虛線框中的內(nèi)容為人文社科投入產(chǎn)出系統(tǒng)，投入變量為研發(fā)經(jīng)費和研發(fā)勞動力，產(chǎn)出變量包括學(xué)術(shù)論文、學(xué)術(shù)著作和研究報告。根據(jù)投入產(chǎn)出變量可以測度出人文社科效率，在此基礎(chǔ)上可以進(jìn)一步分析效率的影響因素。需要注意的是，效率影響因素包括兩大類。一類是投入產(chǎn)出系統(tǒng)內(nèi)的影響因素，具體包括研發(fā)經(jīng)費、研發(fā)人員、學(xué)術(shù)論文、學(xué)術(shù)著作和研究報告。通常情況下，投入變量的回歸系數(shù)應(yīng)該為負(fù)數(shù)，產(chǎn)出變量的回歸系數(shù)應(yīng)該為正數(shù)。

　　這是因為根據(jù)效率的定義，投入越小，效率越高，產(chǎn)出越大，效率越高。這些變量在回歸中一旦出現(xiàn)不相關(guān)，或者雖然通過統(tǒng)計檢驗但符號錯誤，就是回歸盲點問題，需要加以解決。另一類效率的影響因素是投入產(chǎn)出系統(tǒng)外的影響因素，如果在回歸中發(fā)現(xiàn)這些變量沒有通過統(tǒng)計檢驗，或者雖然通過統(tǒng)計檢驗但符號錯誤，此時是不能簡單認(rèn)定為回歸盲點問題，要根據(jù)經(jīng)濟(jì)理論進(jìn)行綜合判斷。比如政府科技政策，即使沒有通過統(tǒng)計檢驗，也應(yīng)該認(rèn)定為回歸盲點問題，將其納入到后續(xù)的進(jìn)一步分析，因為政府科技政策同樣屬于人文社科投入。但如果經(jīng)濟(jì)發(fā)展水平?jīng)]有通過統(tǒng)計檢驗，由于這是系統(tǒng)外變量，那就不是回歸盲點變量。

　　2.5基于BP神經(jīng)網(wǎng)絡(luò)的效率影響因素分析

　　BP人工神經(jīng)網(wǎng)絡(luò)為人文社科效率的影響因素提供了一種新的分析手段，假如將人文社科投入產(chǎn)出作為一個黑箱，效率是其產(chǎn)出之一，人文社科的所有投入產(chǎn)出變量均可視為效率的投入。通過建立BP人工神經(jīng)網(wǎng)絡(luò)模型并進(jìn)行訓(xùn)練，這樣就得到了效率的影響因素模型，同時得到各投入產(chǎn)出變量的權(quán)重，它的大小就反映了人文社科效率影響因素的大小。

　　采用BP神經(jīng)網(wǎng)絡(luò)分析人文社科效率的影響因素有以下優(yōu)點：

　　第一，由于BP人工神經(jīng)網(wǎng)絡(luò)的權(quán)重是大于0的，因此就有效解決了回歸盲點問題。無論是投入產(chǎn)出研究還是影響因素研究，只要人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)效果較好，那么所有投入變量或影響因素的權(quán)重之和為100%，但任何一個變量的權(quán)重均大于0，這是該變量對因變量作用的體現(xiàn)。而回歸分析如果回歸系數(shù)沒有通過統(tǒng)計檢驗，或者通過統(tǒng)計檢驗回歸系數(shù)為負(fù)數(shù)，前者說明該變量沒有作用，后者說明該變量具有負(fù)面作用，這和客觀事實是不吻合的。實際情況是該變量盡管績效不高，但應(yīng)該有一定的貢獻(xiàn)，BP人工神經(jīng)網(wǎng)絡(luò)就解決了這個問題，貢獻(xiàn)就是該變量的權(quán)重。

　　第二，BP人工神經(jīng)網(wǎng)絡(luò)的最大優(yōu)點是能夠模擬投入產(chǎn)出變量之間復(fù)雜的非線性關(guān)系，而人文社科效率的影響因素就是典型的非線性關(guān)系，人文社科效率是根據(jù)投入產(chǎn)出變量采用線性規(guī)劃計算出來的，再研究其與投入產(chǎn)出變量的關(guān)系本身就是個復(fù)雜的非線性過程。

　　2.6穩(wěn)健性檢驗

　　對于BP人工神經(jīng)網(wǎng)絡(luò)的效率影響因素分析結(jié)果，需要進(jìn)行進(jìn)一步的穩(wěn)健性檢驗。通常情況下，產(chǎn)出變量往往只有1個，而投入變量可以有多個，因此可以采用嶺回歸和偏最小二乘法來進(jìn)行穩(wěn)健性檢驗，因為這兩種回歸方法較好地克服了多重共線性問題。

　　3研究數(shù)據(jù)與實證結(jié)果

　　3.1數(shù)據(jù)來源

　　本文所有數(shù)據(jù)均來自于教育部“中國人文社會科學(xué)信息網(wǎng)”，數(shù)據(jù)選取省際人文社科投入產(chǎn)出數(shù)據(jù)。研發(fā)經(jīng)費選取內(nèi)部支出，研發(fā)勞動力選取研發(fā)人員數(shù)，另外一個可采用的數(shù)據(jù)為研發(fā)人員折合全時當(dāng)量，考慮到人文社科研究的特點，選取研發(fā)人員指標(biāo)更好一些。學(xué)術(shù)論文和學(xué)術(shù)著作均為原始統(tǒng)計數(shù)據(jù)，研究報告采用已采納的研究報告數(shù)，這更能體現(xiàn)研究高質(zhì)量研究報告的水平。

　　需要說明的是，部分省市的研究報告數(shù)據(jù)為0，在回歸分析中不能取對數(shù)，因此采用全部加1的方式進(jìn)行了必要的處理。此外在分析效率影響因素時，投入越多意味著浪費越多，對效率是會產(chǎn)生反向影響的，期望回歸系數(shù)為負(fù)數(shù)。為了避免這個問題，借鑒Scheel[31]將負(fù)產(chǎn)出的絕對值看作投入，而將負(fù)投入的絕對值看作產(chǎn)出的做法，采用另外一種思路處理投入變量，采用極大值減去原始數(shù)據(jù)再加上1的方法進(jìn)行了變量正向處理，這樣方便進(jìn)行后續(xù)的實證分析。

　　3.2效率分析結(jié)果

　　最近10年來人文社科效率平均值為0.713，屬于中等偏高水平，但總體上是在降低，近年來趨于穩(wěn)定。主要原因是人文社科投入增加較快，而產(chǎn)出增速偏低。2009年高校人文社科研發(fā)經(jīng)費內(nèi)部支出為54.63億元，2018年達(dá)到190.54億元，平均年增長14.89%。從研發(fā)人員看，也處于穩(wěn)步增長狀態(tài)，從2009年425939人增加到2018年764235人，平均每年增長6.7%。從產(chǎn)出看，2009年高校人文社科的論文、學(xué)術(shù)著作分別為312807篇、27021部，2018年分別為363712篇、30109部，增速分別為1.69%和1.21%，遠(yuǎn)低于投入增長。

　　3.3面板數(shù)據(jù)效率影響因素分析

　　首先基于傳統(tǒng)的面板數(shù)據(jù)模型，采用公式(2)估計高校人文社科效率的影響因素，首先進(jìn)行共線性診斷，發(fā)現(xiàn)學(xué)術(shù)論文方差膨脹因子VIF為11.336，存在多重共線性問題，其他變量中，學(xué)術(shù)著作的方差膨脹因子VIF為9.457，也接近10的閾值。對于面板數(shù)據(jù)，首先采用隨機(jī)效應(yīng)模型進(jìn)行估計，然后再進(jìn)行Hausman檢驗，Hausman檢驗值為10.207，p值為0.070，不能拒絕原假設(shè)，應(yīng)采用固定效應(yīng)模型進(jìn)行估計。

　　從回歸結(jié)果看，研究報告回歸系數(shù)為-0.016，沒有通過統(tǒng)計檢驗，說明其存在回歸盲點問題，因為研究報告是人文社科應(yīng)用研究最典型的體現(xiàn)，是人文社科研究重要的產(chǎn)出之一，它和效率不相關(guān)只是統(tǒng)計學(xué)上的不相關(guān)，并不是理論上和實際上不相關(guān)。

　　人文社科論文范例：人文社科博士畢業(yè)生就業(yè)能力供需匹配分析

　　4研究結(jié)論

　　(1)近年來高校人文社科效率總體呈下降趨勢，地區(qū)差距不大研究發(fā)現(xiàn)，2009-~2018年期間，中國高校人文社科效率平均值為0.715，總體上處于中等偏上水平。從增長趨勢看，高校人文社科效率總體上處于下降態(tài)勢，主要原因是研發(fā)經(jīng)費和研發(fā)人員增長相對較快，而科研成果除了研究報告增長較快外，學(xué)術(shù)論文和學(xué)術(shù)著作增長緩慢。從地區(qū)差距看，不同地區(qū)效率分布差距不大，效率較高地區(qū)既有東部經(jīng)濟(jì)發(fā)達(dá)地區(qū)，也有中西部經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)。

　　(2)學(xué)術(shù)論文是人文社科效率的最重要影響因素人文社科研究有其自身的特點，學(xué)術(shù)論文在人文社科研究中占據(jù)十分重要的地位。人文社科學(xué)術(shù)論文中，大多數(shù)屬于基礎(chǔ)研究，少數(shù)屬于應(yīng)用研究，同時受學(xué)科領(lǐng)域的影響。學(xué)術(shù)著作是系統(tǒng)化的學(xué)術(shù)研究，既包括基礎(chǔ)研究，也包括應(yīng)用研究，以基礎(chǔ)研究為主。研究報告是典型的人文社科應(yīng)用研究，隨著國家對智庫研究的重視，近年來研究報告增速較快。對于人文社科效率而言，提高效率的方式無非兩大類，一是降低投入，二是增加產(chǎn)出。從產(chǎn)出對效率影響的角度，學(xué)術(shù)論文是最重要的。本文基于BP人工神經(jīng)網(wǎng)絡(luò)的研究表明，學(xué)術(shù)論文對效率影響的權(quán)重最大，這和客觀事實及經(jīng)驗是相符的。

　　(3)研發(fā)人員對效率影響超過研發(fā)經(jīng)費從投入角度分析人文社科效率的影響因素，BP人工神經(jīng)網(wǎng)絡(luò)的研究結(jié)果表明，研發(fā)人員的權(quán)重為34.28%，研發(fā)經(jīng)費的權(quán)重為20.37%，研發(fā)人員對效率的影響要明顯大于研發(fā)經(jīng)費。這是因為，人文社科更強(qiáng)調(diào)人文精神、學(xué)者特質(zhì)、學(xué)術(shù)積累、研究偏好等因素，而這些因素往往與研發(fā)人員個體相關(guān)，與研發(fā)經(jīng)費相關(guān)不大。此外不同人文社科學(xué)科、不同研究領(lǐng)域?qū)ρ邪l(fā)經(jīng)費的需求具有很大的異質(zhì)性。人文社科研究中研發(fā)人員對效率的影響更大，這是由人文社科學(xué)科特點所決定的。

　　(4)學(xué)術(shù)著作和研究報告對人文社科效率影響較小基于BP人工神經(jīng)網(wǎng)絡(luò)的研究發(fā)現(xiàn)，學(xué)術(shù)著作和研究報告對人文社科效率影響的權(quán)重均低于4%，影響較小。其主要原因是，學(xué)術(shù)著作所體現(xiàn)的學(xué)術(shù)思想許多已經(jīng)通過學(xué)術(shù)論文發(fā)表，盡管學(xué)術(shù)著作比較系統(tǒng)，但其中的許多精華已經(jīng)得到體現(xiàn)，這樣其相對重要性就會下降。人文社科研究目前主要以基礎(chǔ)研究為主，應(yīng)用研究盡管增長較快，但所占的比重還不大，因此對效率影響不大。

　　(5)出現(xiàn)回歸盲點時應(yīng)采用BP人工神經(jīng)網(wǎng)絡(luò)分析效率影響因素本文首次提出回歸盲點問題，即確定影響因素作用大小傳統(tǒng)回歸分析難以深入問題，其產(chǎn)生的原因主要包括多重共線性、非線性關(guān)系以及數(shù)據(jù)自身問題。在這樣的情況下，采用BP人工神經(jīng)網(wǎng)絡(luò)進(jìn)行進(jìn)一步分析就是一種有效手段，該方法的穩(wěn)健性通過偏最小二乘法或嶺回歸得到了進(jìn)一步的驗證，是一種有效的解決手段。

　　參考文獻(xiàn)

　　[1]Kong-raeLee，JinChen，JizhenLi,etal.Betterinnovation,BetterFuture:WorkingTogetherforInnovatingAsia[J].AsianJournalofTechnologyInnovation,2017,25(1):1-4.

　　[2]J.M.伍德里奇.計量經(jīng)濟(jì)學(xué)導(dǎo)論:現(xiàn)代觀點[M].中國人民大學(xué)出版社,2003.

　　[3]WorthingtonAC,LeeBL.Efficiency,technologyandProductivityChangeinAustralianUniversities1998-2003[J].EconomicsofEducationReview,2008,27(3):285-298..

　　[4]AthanassopoulosAD,ShaleE.AssessingtheComparativeEfficiencyofHigherEducationInstitutionsintheUKbytheMeansofDataEnvelopmentAnalysis[J].EducationEconomics,1997,5(02):117-134.

　　[5]JohnesJ,LiYU.MeasuringtheResearchPerformanceofChineseHigherEducationInstitutionsUsingDataEnvelopmentAnalysis[J].ChinaEconomicReview,2008,19(4):679-696.

　　作者：俞立平