我国高等职业教育财政投入效率评价

作者简介

匡小平（1962- ），男，江西财经大学财税与公共管理学院二级教授，博士生导师，研究方向：财税理论与政策，公共经济与管理（南昌，330013）；李辉（1978- ），男，江西财经大学财税与公共管理学院副教授，博士研究生，研究方向：财税理论与政策，职业教育

基金项目

教育部人文社会科学规划基金项目“‘伊斯特林悖论’的统计本质及其破解的理论与实证研究”（21YJAZH127），主持人：周伟

摘 要 我国高等职业教育已进入高质量发展的新时期，其基本要求是实现财政投入的高效率。依据2013-2020年我国高职教育省级面板数据，运用DEA-BCC模型和Malmquist指数三分法对我国高职教育财政性教育经费投入效率进行评价发现，绝大部分省（市）高职教育财政投入处于DEA无效状态，高职教育财政投入全要素生产率效率退步主要是因为技术进步效率下降所致。评价结果表明，我国高职教育目前还处于粗放型发展阶段，离高质量要求还有较大差距。提高财政投入绩效水平，改革高职教育结构体系，提高人才培养质量，培育高水平技能型人才，服务于社会全方位高质量发展是当前我国高职教育改革发展的方向。

关键词 高职教育；财政投入效率；DEA-BCC；Malmquist指数

中图分类号 G718.5 文献标识码 A 文章编号 1008-3219（2024）07-0050-08

一、问题的提出

作为国民教育体系的重要组成部分，职业教育在推动中国式现代化进程中占据基础性地位[1]。2022年5月1日，新修订的《中华人民共和国职业教育法》正式颁布实施。该法在中国教育发展史上具有里程碑式的意义，在法律层面给予职业教育与普通教育“同等重要”的地位，职业教育不再是国家教育体系中从属于普通教育的层次教育，而是具有相对独立性的教育体系[2]。该法的颁布同时兼具深层次的社会意义，必将深化社会对职业教育的认知，助推职业教育高质量发展，助力技能型社会和人力资源强国建设。2020年9月，教育部等九部委联合印发的《职业教育提质培优行动计划（2020—2023年）》（教职成[2020]7号）明确指出高职教育是培养大国工匠、能工巧匠和优化高等教育结构的重要途经。由此，不难看出高职教育对于我国社会实现全方位高质量发展的重大意义。2022年6月2日全国总工会“产业工人队伍建设改革五周年”新闻发布会数据显示，截至2021年底，全国技能人才、高技能人才总量分别是2亿人和6000万人，无论是从高技能人才绝对数量还是占比来看，还远远不能满足我国社会全面高质量发展的需要，高职教育距离高质量发展还有较大差距。

教育财政投入或公共投资对经济增长具有促进作用。财政是国家治理的基础与重要支柱，习近平总书记指出，“科学的财税体制是优化资源配置、维护市场统一、促进社会公平、实现国家长治久安的制度保障”。国外相关研究均表明财政教育投入或公共投资对经济增长具有重大促进作用[3][4][5][6]。国内研究方面，从整体上看，银琴（2021）发现高等教育财政投入对我国经济增长具有正向拉动影响[7]；张波等（2021）实证研究表明，财政教育投入对经济增长具有促进作用，对经济增长的冲击存在滞后性[8]。国内地区财政教育投入对经济增长作用的研究也取得了丰富成果，其研究成果均表明，地区财政教育投入能有效促进地方经济发展[7][8][9][10][11][12][13]。但研究也表明，虽然总体上来看，教育财政投入对经济增长质量的影响显著为正，但对经济增长质量效应存在着明显的地区差异[14]。具体到职业教育投入对经济的促进作用，有研究表明，在职业教育中通过针对专业技术的学习，能提高就业能力，并进一步提高经济发展水平[15]。

国外学者在研究教育财政投入效率方面，采用了丰富多样的绩效评估方法，例如，Rassouli-Currier（2007）在确定公共教育生产效率时选用了随机前沿回归（SFR）与数据包络分析（DEA）两种不同的绩效评价方法[16]；Simmons（2006）运用回归分析法对亚洲不同国家高等学校教育财政投入效率进行对比[17]。但具体涉及到职业教育投入效率的文献较少，代表性文献如Abbot等（2003）运用数据包络法，以澳大利亚各职业学校作为决策单元，分析各职业学校的资金使用效率[18]；Poulos（1993）运用收入方程法分析欧洲职业教育公共投入的绩效，研究表明教育具有的外部性对投入绩效影响较大[19]。

我国学者主要利用DEA方法对教育财政投入效率进行分析。孙琳（2018）的研究表明，中职教育财政预算事业费支出效率普遍偏低，且各省市资金使用效率存在较大差异[20]。罗红云等（2020）运用DEA-Malmquist指数三分法对我国和西北5省职业教育财政投入效率进行评价，分析结果认为我国职业教育仍处于粗放型发展阶段[21][22]。胡芳等（2022）基于DEA-Malmquist和Tobit模型，利用西藏、新疆等8个民族省份2005-2018年的面板数据对我国少数民族省份高等教育财政投入效率进行评价，结果表明投入效率DEA无效，且各省份之间存在较大差距[23]。上述研究为本文的研究打下了良好的基础。

经济高质量发展需要教育的高质量发展，作为中国教育财政投入的重要组成部分——高职教育投入毋庸置疑是我国经济高质量增长的重要因素之一。当前，在教育财政投入增长有限的情况下，高职教育高质量发展必须依赖于财政投入的高效利用。那么，我国目前高职教育财政投入效率如何？本文运用DEA-BCC模型和Malmquist指数三分法，对我国高职教育财政投入效率进行测评，以期为政府优化高职教育财政投入，促进高职教育高质量发展提供借鉴。

二、研究方法与指标构建

（一）研究方法

1.DEA简介

数据包络分析（DEA）是目前使用较广、较为成熟的一种效率评价方法，可以用于综合评价具有单个或多个投入、多个产出的一组决策单元之间的相对效率，其目标是从技术经济角度寻求在既定产出下投入最小化或在既定投入下产出最大化。DEA的基本模型包括CCR和BCC模型。CCR模型是基于规模收益不变的假设提出的，常用来评价决策单元的整体效率。BCC效率评估模型是基于规模收益可变的假设提出的，通过BCC模型，不仅可以判断决策单元（DMU）的规模报酬情况，还可以判断其综合效率的高低[24]。

本文采用Banker等（1984）提出的规模报酬可变，产出导向型的DEA-BCC模型来评估高职教育财政投入效率。首先，相较于对高职教育产出成果和质量的控制，该模型对高职教育财政投入的控制更加灵活；其次，该模型对评估对象规模没有硬性限制，比较符合研究实际。假设作为决策单元（DMUj）的中国省级行政单位m个，对于任意DMUj（j=1，2，…，n）使用m个投入值xij（i=1，2，…，m）得到s个产出值yrj（r=1，2，…，s），ε为非阿基米德无穷小量，θ为各地市的相对效率，而T0为DMUj投入指标中最易减少的比例，λj为权重系数，s+和s-分别为产出不足和投入冗余。DEA-BCC模型非线性规划的最优化目标和约束条件为：

minθ=[θ0-ε（S+r+S-i）]

s.t.λixij+S-i =θ0x0

λjyrj-S+i =yr0

λj=1

λj>0，S+i ≥0，S-i ≥0，i=1，2，…，m

j=1，2，…，n；r=1，2，…，s

利用求解得到的最优解，即可将综合效率CRS_TE分解为纯技术效率VRS_TE和规模效率SCALE，CRS_TE= VRS_TE*SCALE。

2.Malmquist指数

Malmquist指数也被称为全要素生产率指数（tfpch），是基于DEA模型的一种动态效率分析方法。根据Malmquist指数评价效率的基本原理，当指数值>1时说明tfpch呈增长趋势，当指数值 <1时呈下降趋势，当指数值=1时表示效率没有变化。该指数可以进一步分解为技术进步效率指数（techch）、纯技术效率变化指数（pech）和规模效率变化指数（sech）。pech>1时表示资源投入技术运用水平提高，资源配置效率改善，<1时则表示退步；sech>1时表示投入产出要素合理分配程度得到改善，规模优化，<1时则表示退化；techch表示技术进步变化，>1时表示存在潜在技术进步，<1时则表示技术退步。

（二）指标构建

1.投入、产出变量

高职教育投入、产出变量按照变量属性可划分为宏观变量和微观变量。宏观变量主要用来分析全国或地区高职教育财政投入和产出效率，例如，各省市高职教育财政投入、高职院校数量、教师数量和学生规模等；微观变量主要用来分析具体高职院校教育投入和产出效率，例如，某个高职院校2020年教育经费收入、教师数量、在校学生规模、教师教学科研成果数量、学生竞赛获奖数量和毕业生初次就业率等。为保证计量结果的准确性，本文采用的是宏观+微观变量分析方法。

依据2021年中共中央办公厅、国务院办公厅印发的《关于推动现代职业教育高质量发展的意见》，职业教育高质量发展的阶段总目标是“到2025年，职业教育类型特色更加鲜明，现代职业教育体系基本建成，技能型社会建设全面推进。办学格局更加优化，办学条件大幅改善，职业本科教育招生规模不低于高等职业教育招生规模的10%，职业教育吸引力和培养质量显著提高”。从以上目标表述中不难发现，作为职业教育体系主体组成部分的高职教育，办学条件的大幅改善、办学规模和培养质量的显著提高是高职教育高质量发展的必备要素。基于此，借鉴罗红云（2020）的研究方法，在高职院校教育经费投入、产出效率变量选取方法上，本文以我国31 省（市）作为决策单元，选取各省（市）历年高职院校财政投入作为投入变量（一般来说，投入可以分为人力、物力、财力三大类，但终究可以归结为财力投入），以当年高职院校数量（办学条件）、高职院校专业教师数量（师资力量）、在校学生数量（办学规模）、毕业生就业率（培养质量1）、毕业生人数（培养质量2）和国家级以上奖项数量（培养质量3）作为产出变量，见表1。

表1 高职教育财政投入—产出效率评价指标

指标 分指标 分指标内涵

投入 财政性教育经费投入（元） 高职教育公共财政支出规模

产出 高职院校数量（所） 高职教育整体办学条件

高职院校专业教师数量（人） 高职教育师资力量

高职院校在校生数量（人）

毕业生就业率（%）

毕业生人数（人）

国家级以上奖项数量（项）

高职教育办学规模

培养质量1：各省高职院校当年毕业生初次平均就业率

培养质量2：各省高职院校当年毕业生人数

培养质量3：各省高职院校当年国家级奖励数量/学生数量（万人）

2. 数据来源

产出变量—高职院校数量、在校生规模和毕业生数量数据来源于教育部网站“2013-2020年教育统计数据—各地基本情况”和教育发展统计公报。由于2013年以前年份，统计数据未单独列明高职院校在校生规模（和普通高等院校在校生规模一起计列），高职院校单独列明数据只有院校数量，且最新数据截至2020年，因此本文采用的变量数据截取的年限为2013-2020年。关于产出变量—高职院校教师数量，历年教育统计数据、公报和教育统计年鉴均未单独列明各省市高职院校教师数量，和普通高等教育院校教师数量一起计列。因此，2013-2020年期间各省（市）高职院校教师数量由该省市高职院校师生比、在校生规模测算得出，计算公式为：各院校教师数量=该校在校生规模/师生比。各地区高职院校当年毕业生就业率数据来源于教育部网站历年统计报告。各地区高职院校历年国家级以上奖项数量数据由各地教育厅及各院校网站数据汇总得出。关于投入变量—高职院校财政性教育经费投入数据来源于2013-2020年期间历年《中国教育经费统计年鉴》。