我国教育部直属高校资源投入产出效率综合评价研究

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。（3）高校三大职能的投入产出效率对整体效率贡献度的排序依次为科学研究、人才培养、社会服务，其中科学研究投入产出效率对整体效率的贡献度呈下降趋势，人才培养、社会服务投入产出效率对整体效率的贡献度呈上升趋势。（4）高校资源投入产出效率正向增长的根本原因是规模效率提高，技术进步指数起负面影响，纯技术效率未发生明显变化。技术进步指数的周期性变化趋势说明我国高等教育资源投入模式与发展方式的关系还有待进一步协调。

关键词：高等教育；资源；效率；超效率DEA；Malmquist生产率指数；学科评估

中图分类号：G640      文献标识码：A 文章编号：1672-0717（2023）04-0060-12

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动、效率驱动和创新驱动三种，其中创新驱动模式具有更强的竞争力[4]。显然，我国高等教育发展依靠的是以资源投入为核心的要素驱动，如何提高资源的配置与使用效率，提升高等教育产出质量，增强创新驱动发展能力，是关乎我国高等教育事业长远发展质量的重大战略问题。

近年来，伴随着学术界对高等教育质量问题的广泛关注，关于高校资源投入产出效率的研究也逐年增多。由美国运筹学家Charnes等于1978年提出的数据包络分析方法（Data Envelopment Analysis，DEA）被广泛应用于高校资源投入产出效率的相关研究之中[5]。相较于指数评价法、生产函数法等传统评价方法，DEA方法无需主观设定指标权重与函数形式，并且可以通过构建多投入多产出的评价指标体系实现综合生产效率的测算。通过对运用DEA方法测算高校资源投入产出效率的相关研究进行梳理发现：（1）科学研究效率是国内外学者的关注重点。国外研究中，吉奥范尼（Giovanni A.）、琼斯（Johnes J.）等学者运用DEA模型测算了高校的科学研究效率[6-7]。国内研究中，梁文艳、胡咏梅等学者重点关注和研究高校科学研究效率的整体水平，运用DEA模型测算并比较了不同高校、学科之间科学研究效率的差异[8（P70-76），9（P1-14）]。但是目前仅有少量研究关注到人才培养、社会服务效率，该类研究普遍发现：相较于科学研究效率，高校的人才培养效率、社会服务效率普遍偏低[10-12]。（2）高校资源投入产出效率评价指标体系以数量型指标为主。既有研究多使用表征高校办学成果绝对数量的指标来构建高校资源投入产出效率评价指标体系。专著数与论文数是测算科学研究效率最为常见的评价指标[9]（P1-14），在读生或毕业生数则被大量用作衡量高校的人才培养成果产出[13]，专利申请数、技术转让合同数是测算社会服务效率的常用产出指标[11]（P39-47）。尽管上述指标具有一定的代表性，但存在着重视成果数量、忽视成果质量等问题。部分研究已经开始综合使用数量型、质量型指标对高校资源投入产出效率进行评价。例如，王燕等在测算高校社会服务效率时，使用专利出售金额、技术转让合同金额作为产出指标，相较于数量型指标或许更能说明高校社会服务的质量差异[11]（P39-47）。第四轮学科评估指标体系在对高校人才培养产出进行评价时，既考察学位授予数，也将课程教学质量、毕业生就业质量等指标纳入评价体系。（3）研究视角多是基于截面数据对高校资源投入产出效率作静态分析。当前，教育学领域内对高校资源投入产出效率的研究多是使用一年或几年的截面数据进行静态分析[8（P70-76），14]。Malmquist指数适用面板数据，测算的是t+1时期与t时期的效率比值，能够在较长时间周期内分析高校资源投入产出效率动态变化背后的政治经济原因。在土地开发、科技创新、旅游开发等领域[15-17]，使用Malmquist指数进行动态分析的研究成果已经颇为丰富，但是运用该指数对高校资源投入产出效率的研究成果仍然较少，静、动态结合进行综合分析的仅有贾永堂、古川等少量研究成果[18-19]。

综上所述，既有研究为高校资源投入产出效率的测算与分析奠定了良好的基础，但后续研究中有待重视如下几个方面的问题：（1）科学研究、人才培养、社会服务三大职能均是当前高校建设与发展的重要任务，将三者纳入同一评价指标体系之中进行综合评价，更符合高校办学实际；（2）构建涵盖数量型指标、质量型指标的评价指标体系，更有利于实现对高校资源投入产出效率的客观评价；（3）综合DEA模型与Malmquist指数，静、动态相结合测算与分析高校资源投入产出效率，能够在客观评价高校办学整体水平之外，对其动态变化的内部原因进行深层次分析。

因此，本文基于高校办学资源投入与成果产出关系的分析视角，选取超效率DEA模型和Malmquist生产率指数两项指标，前者通过静态测算样本高校的整体与专项效率，分析高校资源投入产出效率的整体水平及其规模、质量、三大职能等结构性特征；后者结合考察期内样本高校资源投入产出效率的时序变化，考察规模报酬、技术进步等因素在高校资源投入产出效率动态变化中所发挥的作用。最后结合研究结论，围绕高等教育资源配置与使用，就如何提升高校资源投入产出效率提出几点建议，以期助力我国高等教育高质量发展。

二、研究设计

（一）样本选取与数据来源

教育部直属高校是我国整体实力最突出的一批高校，他们所获得的资源投入往往多于一般高校，选择部属高校用于研究高校资源投入产出效率具有较强的代表性和说服力。因此，本文选取教育部直属高校作为研究样本，研究的时间跨度为2008～2017年。考虑到面板数据的连续性与完整性，删除存在数据缺失的部分高校，最终确定北京大学、清华大学、中国人民大学等58所教育部直属高校为研究样本。

本文选取2008～2017年教育部发布的《高等学校科技统计资料汇编》和中国校友会官网、样本高校官网发布的相关数据作为数据来源。2008～2017年是我国高等教育发展由“规模扩张”转向“质量提升”的关键时段，高等教育政策、高校办学经费投入等的巨大变化对高校办学实践产生了重大影响。一方面，2008年前后，我国高等教育政策导向由“稳步扩大各类高等教育规模”[20]转向“着力提高高等教育质量”[21]，高校生均经费投入一改1999年高校扩招以来的持续减少趋势，开始逐年提升。另一方面，2015年前后，我国高等教育发展的战略重心由重点大学建设转向“双一流”建设，2017年是我国“双一流”建设战略进入全面实施阶段的关键时间节点，是高校“双一流”建设专项经费到账的实际时间节点。基于此，本文重点考察2008～2017年10年时间段内高校资源投入产出效率的变动情况。此外，需要需要特别指出的是，《高等学校科技统计资料汇编》给出的是理工农医学科的办学数据，不涵盖人文社会科学，因此本研究所得结论也仅面向理工农医等学科。

（二）研究思路与方法

本研究选取超效率DEA模型和Malmquist生产率指数对高校的资源投入产出效率进行综合测算与分析。首先，我们在构建高校资源投入产出效率评价指标体系的基础上，基于超效率DEA模型的测算结果，静态分析高校分职能、分类型效率对整体效率的贡献；然后，我们基于Malmquist生产率指数的测算结果，动态分析规模经济效益、资源配置与管理水平、科学技术水平等对高校资源投入产出效率的影响及变化趋势。最后，我们结合研究结论就如何提升我国高校的资源投入产出效率提出建议。具体运用到的研究方法如下：

1.超效率DEA模型

2.Malmquist生产率指数

Malmquist生产率指数最初由瑞典经济学、统计学家曼奎斯特（Sten Malmquist）在1953年提出，后经Caves、Fare等发展，当前被广泛应用于生产效率测算[23-25]。相较于DEA模型只能测算截面数据的静态效率，Malmquist生产率指数多是基于面板数据测算不同时期效率值的动态变化。Malmquist生产率指数可以进一步分解为纯技术效率变化指数、规模效率变化指数和技术进步指数的乘积。如公式（2）所示，表示从s到t时期，Malmquist生产率指数及其分解项：

公式（2）中，左边为Malmquist生产率指数，该指数大于1，反映的是s到t时期资源投入产出的效率值上升；小于1，则降低。右边第一项为技术进步指数，该指数大于1，表示s到t时期决策单元最优生产前沿面整体提升，反映的是技术进步对Malmquist生产率指数的贡献；小于1，则为技术退步。右边第二项为规模效率变化指数，该指数大于1，反映的是s到t时期规模经济效益对Malmquist生产率指数的贡献；小于1，则表示规模经济效益降低。右边第三项为纯技术效率变化指数，该指数大于1，反映的是在规模经济不变的条件下，s到t时期资源配置管理水平的变化对Malmquist生产率指数的贡献；小于1，表示贡献度降低。

（三）指标体系构建

1.指标选取

（1）投入指标选取：高校的资源投入要素一般包括人力、财力、物力三个方面。鉴于本研究需对高校三大职能进行综合评价，为确保所选指标的覆盖面，人力投入指标，参考王燕等人的研究[11]（P39-47），选取教师系列人员、技术系列人员两类指标；财力投入指标，选取政府拨入资金、企事业委托资金、其他经费三类指标；物力投入指标，尽管部分研究使用了图书馆藏书、生均建筑面积、实验设备总金额等指标，但一方面鉴于此类指标年均变化较小，另一方面又往往与财力投入指标有所重叠，本研究暂未将其纳入投入指标体系。

（2）产出指标选取：基于高校科学研究、人才培养、社会服务三大基本职能和数量型、质量型两种产出类型，本研究构建了“3大职能×2种产出类型”的产出指标体系。①科学研究产出指标：选取出版著作数、发表论文数和国家级项目验收数3个数量型指标；综合高校的科技成果获奖数、著作与论文引用数形成科学研究得分作为质量型指标。②人才培养产出指标：选取在读研究生数作为数量型指标，研究生培养规模是衡量教育部直属高校人才培养产出水平的核心指标；综合高校的学科水平、教学成果获奖形成人才培养得分作为质量型指标。③社会服务产出指标：选取专利出售数、技术转让合同数作为数量型指标；选取专利出售总金额、技术转让合同总金额作为质量型指标（本文认为专利和技术转让合同出售金额的数目差异一定程度上反映了高校社会服务产出的质量差异）。综上，教育部直属高校投入产出效率评价指标体系如表1所示。

2.指标处理

（1）主成分分析：在使用超效率DEA模型测算效率时，投入产出指标数量过多会造成大量的决策单元处于最优生产前沿面上，降低区分度。因此，本文采用主成分法分别对X1-X8、X9-X11两类投入指标进行降维处理。本研究运用SPSS24.0进行主成分分析（Bartllet<0.0001， KMO>0.8），两组变量的主成分累积解释能力均在70%左右，处理后的新指标能够较大程度地代替原指标。降维处理后，人力投入由综合人力投入1（Z1）和综合人力投入2（Z2）两项指标表示，财力投入由综合财力投入（Z3）一项指标表示（详见表2）。