刘 蕾 鄢章华 杨桂兰

(1.泰州学院 经济与管理学院，江苏 泰州 225300；
2.哈尔滨商业大学 管理学院，黑龙江 哈尔滨 150028；
3.哈尔滨师范大学 教育部高校思想政治工作队伍培训研修中心，黑龙江 哈尔滨 150025)

高等教育作为连接学校与社会的最终环节，是培养社会主义事业建设者和接班人的主要基地，高等教育发展水平是国家发展水平和发展潜力的重要标志[1]，提高我国高等教育发展水平对于增强我国核心竞争力、实现中华民族伟大复兴，具有不可忽视的作用。为了更好地评价和管理高等教育事业的发展，实现“以评促建”，出现了一系列高等教育绩效相关的评价指标体系和排名、榜单，如《高校分类评价指标体系》《本科高校合格评估指标体系》《普通高等学校本科教育教学审核评估指标体系》《中国大学排名评价指标体系》以及世界大学排名、中国大学排名、中国大学排行榜等。由于我国幅员辽阔，高校类型众多，不同类型与地区高校的产出在数量以及时效性上存在显著差异，采用同一套衡量指标计算的绩效排名具有不适用性[2]，针对高校各类活动而设计的量化指标也存在许多问题[2]。专注量化的高等教育绩效考核存在评价标准单一化、评价结果功利化、激励手段单一化、忽视高等教育发展规律等严重后果[3]。为了摆脱不合理评价体系的束缚，中国人民大学、南京大学、兰州大学、哥伦比亚大学等一众名校在2022年陆续退出世界大学排行榜，引发了广泛的舆论关注。如何合理评价高等教育绩效，引导地区和高校充分利用有限资源、提升资源利用效率、开展内涵建设，已成为当前高校和各级政府亟须思考的问题[4]。

由于高等教育在投入方面涉及人力、物力和财力等，在产出方面涉及科研效益、社会效益等[5]，单一评价指标很难公正客观地评价。针对高等教育这种典型的多投入多产出系统，数据包络分析(Data Envelopment Analysis，简称DEA)是目前最为有效的分析工具。段晓梅(2019)从高校科技投入与高校科技成果产出两个维度，采用超效率DEA方法对我国高校科研绩效进行了实证研究和分析[6]；
袁丽静和姜功考虑人口约束，分析了我国多个地区的高等教育绩效[7]；
高正和唐万宏(2019)[8]及王忠等人(2021)[5]用DEA方法分析了学校的投入产出效率；
杨敏等人(2022)通过两阶段DEA分析了“一流大学”的科研绩效[9]；
韩斌等人(2022)利用三阶段DEA分析新能源汽车公司的创新效率[10]；
陈巍巍等人(2014)[11]、罗登跃(2012)[12]从理论上分析了多阶段DEA在保障分析结果有效性上的原理。为此，采用DEA方法分析我国高等教育的效率，发掘高等教育的时间和空间特征，为制定相关政策提供决策参考。

(一)指标选择与数据说明

为分析我国各地区高等教育的投入产出效率，从国家统计局网站(https://data.stats.gov.cn/)获取2002—2021年31个省、直辖市和自治区(以下简称“31个地区”)的分省年度数据。在投入性指标方面，主要从普通高等学校数、教育经费情况、教职工情况、普通高等学校教职工总数等四个方面进行描述，其中，普通高等学校教职工总数从结构上又分为普通高等学校正高级专任教师数、普通高等学校副高级专任教师数、普通高等学校中级专任教师数、普通高等学校初级专任教师数、普通高等学校无职称专任教师数、普通高等学校校本部行政人员数、普通高等学校校本部教辅人员数和普通高等学校校本部工勤人员数。在产出性指标方面，主要包括普通高等学校毕(结)业生数、发明专利、技术市场成交额和图书出版种数，其中，普通高等学校毕(结)业生数根据学生层次又可以划分为普通高等学校本科毕(结)业生数和普通高等学校专科毕(结)业生数。考虑到招生与毕业数据2005年以前缺失，将面板数据的时间范围调整为2006年之后，此外，由于大部分数据仅更新至2020年，少数数据如教育经费数据更新至2019年，且2012年数据缺失，对于缺失的数据，分别采用内推和外推的方式补全。

(二)投入数据的描述性分析

从总体上对我国每年高等教育的投入指标进行描述性统计分析，除了2020年受新冠肺炎疫情影响，教育经费有大幅下降以外，员工数量和高校数量随着时间的变化幅度较小，基本保持稳定，地区间的差异也相对稳定，但教育经费随着时间的变化幅度较大，除了2020年受新冠肺炎疫情影响有所下降以外，其他年份增加明显，如图1所示。不仅如此，教育经费的投入在地区间的差异也在不断放大(箱体变高、最大最小值间的差异越来越大)，尤其是江苏、浙江、上海等经济较发达地区的教育经费投入比其他地区高出许多。

(三)产出数据的描述性分析

对我国高等教育的产出指标按年进行描述性统计分析，为了在同一幅图中进行显示，对指标数值进行了取对数操作，结果如图2所示。从图2中可以看出，在总体规律上，各项产出指标随着时间演化都在上升(各产出指标的均值线随着时间演化而逐渐提高)，但地区间的差异也逐渐显现，尤其是在地区生产总值、技术市场成交额方面，地区差异较大(数值系列的宽度较宽)。技术市场交易成交额的地区差异虽然有所缩小，但地区差异的基数较大。极端值随着时间演化越来越多，说明地区差异逐渐加大。毕业生人数和图书出版种数也存在地区差异，但这种差异并没有随着时间的变化而有明显的改变。从具体数据上看，北京在图书出版方面一直处于我国的前茅。

图1 我国高等教育经费投入情况

图2 我国高等教育产出情况

(一)投入产出效率

结合数据包络分析的基本原理，利用DEAP2.1软件，对我国31个地区(2006—2020年)的高等教育投入产出数据进行BCC和DEA-Malmquist分析，得到结果如表1所示。

从表1的数据可以看出，处于DEA有效的地区有广东省、上海市、浙江省、山东省、天津市、北京市、河北省、湖北省和西藏自治区。广东、上海、浙江不仅投入产出有效，在全要素生产率(tfpch)方面也处于国内领先地位，说明这三个地区在高等教育方面树立了标杆。对于山东、天津、北京、河北、湖北和西藏，虽然DEA有效，但全要素生产率指数较低。这说明在投入和产出效率方面虽然是DEA有效的，但从时间维度来看，这些地区的增速不尽如人意。如河北省在规模效率(1.00)和纯技术效率(1.00)上是倒退的，湖北省在技术改进(0.989)、西藏在规模(0.991)和技术改进(0.851)上也都是倒退的。

此外，宁夏回族自治区虽然全要素生产率表现不错，纯技术效率处于DEA有效的状态，但受规模效应的影响(规模效率值仅为0.61)，导致综合效率也仅为0.61。江苏省也存在类似的情况(规模效率值为0.96，影响了综合效率)，但江苏省与宁夏回族自治区在规模状态方面又截然相反，江苏省高等教育规模处于规模报酬递减的状态(江苏省也是唯一一个处于规模报酬递减状态的地区)，已经开始“内卷”了，而宁夏回族自治区还处于规模报酬上升阶段。

对于非DEA有效的地区，其处于非DEA有效状态的原因却各不相同，如陕西省、山西省、湖南省、吉林省、黑龙江省、江西省、云南省、四川省、贵州省、重庆市、甘肃省、广西壮族自治区、辽宁省、新疆维吾尔自治区处于DEA无效的主要原因是纯技术效率较低(Vrste<0.9)，而青海省和海南省处于DEA无效的主要原因是规模效率较低，分别为0.62和0.87。

表1 高等教育投入产出分析结果(根据tfpch降序排列)

(二)投入冗余分析

基于DEA(BCC)模型对各地区高等教育投入产出情况进行冗余分析。就目前所收集的数据而言，在投入冗余方面，安徽、广西、吉林、云南在教育经费上有较大的冗余，其中，安徽的投入冗余约202405.15万元、广西约82674.69万元、吉林约71386.51万元、云南约27329.36万元；
吉林、陕西在教职工人数方面有少量的冗余；
安徽、福建、广西和云南在高校数量上有较大的冗余，其中，安徽冗余18.82所、福建冗余13.33所、广西冗余10.61所、湖南冗余8.19所、云南冗余12.43所。在产出方面，所有产出不足的地区在技术市场成交额方面都有较大的提升空间，究其原因可能是技术市场主要集中在北京、广东等少数经济发达地区，从而导致其余地区的技术市场成交额明显不足；
在毕业生人数方面，仅内蒙古在毕(结)业生数上还有提升空间，其他地区在毕业生产出方面均实现DEA有效；
在地区生产总值方面，安徽、甘肃、贵州、湖南、吉林、江西、山西、陕西、云南均有较大的增长空间。

(三)DEA-Malmquist指数分析

1.DEA-Malmquist指数的空间特征分析

通过对从2006—2020年各地区相邻两年的DEA-Malmquist指数进行整理，结合各地区在我国的地理分布情况，参照“胡焕庸线”对我国高等教育效率进行空间特征分析。从数据趋势可以看出，在技术效率方面，除了西藏有明显的下降以外，其他地区技术改进指数都大于1，少数地区，如黑龙江、湖北、辽宁、陕西等在个别年份甚至出现了高达50%的技术改进；
在综合技术效率改变方面，北京、广东、湖北、山东、上海、浙江等经济发达地区和教育发达地区表现稳定，其他地区受纯技术效率改变和规模效率改变的综合影响，综合技术效率有不同程度的波动；
在纯技术效率改变方面，江苏和西藏在纯技术效率改进上一直稳定提升，北京、广东、山东、湖北、山东、上海、浙江、新疆等地区的波动幅度较大，但从总体上表现为纯技术效率提升；
在规模效率改变方面，宁夏、青海和西藏变化幅度最大，而经济发展水平较高的北京、广东、山东、湖北、山东、上海、浙江等地区，在规模效率改变方面十分稳定(规模效率稳定改进)；
在全要素生产率改变方面，除了西藏明显低于1以外(湖北也略低于1)，绝大多数地区全要素生产率大于1，说明绝大多数地区高等教育的投入产出效率是在不断提高的。辽宁、陕西、湖北、黑龙江在个别年份的全要素生产率增长甚至超过50%。

从总体上看，各地区效率改进的内在原因各不相同，在全要素生产率改进方面，西藏地区由于地理、气候和人口等多方面的原因，与其他地区存在较大的差距。珠三角和长三角地区改进效率较高(广东、浙江、上海、江苏)，与周边地区相比，湖北在全要素生产率改进方面尚处于落后水平，猜测可能的原因是与湖南、江西、安徽、四川、陕西相比不占技术优势，与河南相比又不占规模优势，在技术进步上也比周边地区弱。在技术进步改进方面，东部沿海地区一直处于领先地位。在纯技术效率改进方面，在黑河—腾冲线附近，除了河北以外，纯技术效率改进都处于较高水平，说明在“中国向西”的大背景下，黑河—腾冲线附近地区的高等教育表现出很强的技术赋能效应。在规模效率改进方面，宁夏高等教育的规模效率很低(表1中仅0.61)，但规模效率改进处于全国领先地位，发展速度可观，预期能有较好的成果。

2.DEA-Malmquist指数的时序特征分析

基于不同地区从2006到2020年的DEA-Malmquist指数，绘制该指数随着时间的变化情况如图3所示。从总体上看，绝大部分的指数值都是大于1的，说明随着时间的演化，无论是全要素生产率、规模效率，还是纯技术效率，在总体上都是在不断改进的；
与此同时，技术效率和纯技术效率在地区间的差异在显著缩小(宽度越来越小)，说明应用新技术来提升高等教育效率的知识在地区间得到了传播，使得纯技术效率的改进趋同。此外，2009年、2012年和2020年，分别受“互联网+”、网络教育、新冠肺炎疫情等的影响，高等教育的纯技术效率和全要素生产率都有系统性改变。尤其是2020年，全要素生产率的Malmquist指数显著提升。

图3 综合DEA-Malmquist指数随着时间变化情况

在产出方面，由于毕业生存在本科和专科之分；
在投入方面，教职员工也存在级别和岗位的差异。因此，对投入和产出指标进行细分，为改进不同地区高等教育的投入产出效率提供更为具体的策略建议。

(一)人员结构细分后的投入产出效率

在对人员结构进行细分后，投入要素包括普通高等学校数、教育经费、普通高等学校正高级专任教师数、普通高等学校副高级专任教师数、普通高等学校中级专任教师数、普通高等学校初级专任教师数、普通高等学校无职称专任教师数、普通高等学校校本部行政人员数、普通高等学校校本部教辅人员数、普通高等学校校本部工勤人员数等10项；
产出要素包括地区生产总值、技术市场成交额、国内发明专利申请授权量、普通高等学校本科毕(结)业生数、普通高等学校专科毕(结)业生数和图书出版种数等6项。通过对比人员结构细分后的结果与表1的结果可以发现，尽管指标细分变多后，处于DEA有效的决策单元增加了，个别决策单元间的顺序也发生了调整，但从总体结果来看，表1中Malmquist指数较高的决策单元在人员结构细分后的DEA效率依然表现较好，如广东、浙江、上海等地区，表1中Malmquist指数较差的决策单元在人员结构细分后的DEA分析结果中也表现较差，如湖北、西藏等地区。此外，从人员结构细分后的DEA分析数据还可以看出，宁夏处于DEA无效的主要原因在于规模(0.817)，绝大多数处于DEA无效的地区，都是规模报酬递增的，这与表1数据的结论也是一致的。说明DEA方法的主体结论不随指标的改变而大幅改变，说明该方法在结论上具有较好的一致性。

(二)人员结构细分后的冗余分析

在对人员结构进行细分后，进一步对各地区高等教育投入产出效率的冗余情况进行分析。结果表明，尽管内蒙古、海南、宁夏处于DEA无效状态，其原因主要源于规模效率。而福建、陕西和重庆等三个地区在先前的冗余分析结果中也曾出现过，在人员结构细分后，可以进一步更细致地发掘这些地区的投入产出冗余情况。在投入冗余角度，福建和陕西的高等学校数量都有一定的冗余。在教职工投入方面，福建省在非专任教师方面(行政、教辅和工勤)的人员投入过多，初级职称人员也过多；
陕西省与福建省总体上相反，在专任教师(正高级、副高级、中级和初级)方面投入过多，在行政和工勤人员方面也有一定的冗余；
重庆在非专任教师(行政、教辅、工勤)上的人员冗余较多，在副高级和中级专任教师方面也有少量冗余。从产出角度来看，福建省在技术交易市场、发明专利、本科毕业生人数等方面都还有提升空间；
陕西省在地区生产总值、技术市场和发明专利方面也都有待提高；
重庆则需要增加发明专利和图书出版数量。

(一)结论

基于2006—2020年我国31个地区高等教育的投入和产出面板数据，在对数据进行描述性统计分析的基础上，利用DEAP2.1工具，计算了考虑规模报酬的DEA效率和DEA-Malmquist指数，并对Malmquist指数的时序特征进行了分析，研究结果表明：

一方面，31个地区高等教育的投入和产出数据差异较大。尽管具体指标各不相同，但从总体上看，广东、浙江、山东、河南、北京、四川等地区在投入方面处于国内前列，广东、江苏、浙江、山东、北京在产出方面处于国内前列；
另一方面，近20年来，各地区投入与产出数据的变化幅度也存在很大的差异。广东、江苏、山东、河南等经济大省和人口大省在数据增长幅度上表现突出。

在效率方面，广东、上海、浙江DEA有效，Malmquist指数也排名靠前，引领着我国高等教育的发展。处于DEA无效的地区原因各不相同，如江苏是由于规模过大导致的规模效率较低，宁夏、青海、海南等地区是由于规模过小导致的规模效率较低，云南、四川、贵州、重庆、甘肃、广西、辽宁、新疆、陕西、山西、湖南、吉林、黑龙江、江西等地区主要是由于纯技术效率过低导致的DEA无效。

在投入冗余方面(就所收集的数据而言)，安徽、福建、广西、云南在高校数量上有较大冗余，安徽、广西、吉林、云南在教育经费上有较大的冗余，陕西、吉林和内蒙古在教职工数上有一定的冗余。

(二)策略建议

因地制宜地学习先进典型。一方面，高等教育的投入和产出效率涉及很多因素，各地区也会有自己现实问题和区域特点。在制定高等教育发展策略时，应结合自身的特点做到因地制宜，如规模报酬递减的区域应限制规模、规模报酬递增且规模效率较低的地区应适当扩大规模，技术效率低的地区应注重技术的提升等。另一方面，广东、上海、浙江等投入产出效率高的多个地区提供了多套成功经验和多种发展路径，可作为高等教育效率较低的地区因地制宜地制定发展策略的重要参考。

基于冗余分析结果有针对性地提升各地区高等教育效率。一方面，投入冗余在一定程度上意味着资源浪费，对于存在较大投入冗余的地区，可考虑适当减少教育经费、高校数量、教职工等资源的投入；
另一方面，产出冗余意味着发展潜力，对于存在较大产出冗余的地区，可考虑在考核指标中增加相关指标的权重，引导高等教育机构提高在相关指标上的产出量。

坚持技术赋能教育。从趋势来看，规模效率指数将很快趋近于1，在制定高等教育发展策略时，不能盲目追求规模，应更加注重技术效率，鼓励在高等教育行业应用VR、AR等新技术，发挥技术能够加速迭代对教育的赋能作用。

猜你喜欢 专任教师投入产出规模 50亿元！目前规模最大的乡村振兴债券发行今日农业(2021年8期)2021-11-28改革开放40周年系列：北京高校专任教师结构（1991年—2017年）北京教育·高教版(2018年11期)2018-11-16规模之殇能源(2018年7期)2018-09-21无锡高新区制造业投入产出分析消费导刊(2017年20期)2018-01-03第二节 2015年法学专任教师师资情况中国法学教育状况(2017年0期)2017-05-29Mentor Grpahics宣布推出规模可达15BG的Veloce Strato平台汽车零部件(2017年2期)2017-04-07基于“教学过程”的高职专任教师绩效考核组织实施研究市场周刊(2017年1期)2017-02-28基于DEA模型的省域服务业投入产出效率评价西安工程大学学报(2016年6期)2017-01-15基于DEA-Tobit模型的我国2012—2013年群众体育投入产出效益评价与影响因素研究天津体育学院学报(2016年3期)2016-12-18北京普通高校的教师队伍及其结构北京教育·高教版(2015年10期)2015-11-02