我国职业教育财政支出效率的统计测度

摘 要 利用2014-2020年省际面板数据，采用DEA-BCC模型及Malmquist指数法测度我国职业教育财政支出综合技术效率与全要素生产率水平。研究发现：全国职业教育财政支出效率不充分、不均衡，综合技术效率与地区经济发展水平分布不尽一致；技术进步效率的负增长导致全要素生产率未达到效率前沿面、呈波动下降趋势。高质量发展现代职业教育，应以创新为导向，强化思维创新，构建现代职业教育体系；以质量为根本，突出政策导向，发挥政策引领作用；以投入为保障，优化资源配置，提高教育财政支出效率。

关键词 职业教育；财政性教育经费；支出效率；DEA-Malmquist模型

中图分类号 G719.2 文献标识码 A 文章编号 1008-3219（2023）12-0060-06

我国国家财政性教育经费支出占GDP比例连续9年保持在4%以上，教育财政支出规模逐步扩大，支出结构不断优化，职业教育事业有了很大发展，为社会主义现代化建设培养了大量高素质劳动者和实用人才。相关数据统计显示，2021年全国中职学校（不含技工学校）招生489万人，高职学校招生557万人，我国职业教育每年培养1000万名高素质技术技能人才，已建成世界上规模最大的职业教育体系。毋庸置疑，职业教育的长足发展离不开教育财政的投入，当前教育财政体制中仍存在经费使用“重硬件轻软件、重支出轻绩效”[1]的问题，导致教育经费使用效益不高、职业教育办学水平与区域经济发展要求不相适应。2018年，国务院办公厅印发了《关于进一步调整优化结构提高教育经费使用效益的意见》，明确指出要把“调结构、提效益”作为教育财政工作的主要方向，进一步优化结构、深化改革、强化监督，提高教育经费使用效益，充分发挥教育经费保障教育发展、推动教育改革、推进教育公平、提高教育质量的重要作用。

对职业教育财政支出资金配置效率有学者开展了相关研究，肖斌等以广东省18所一流高职院校建设单位为例，对高职院校建设效率进行了实证分析[2]，杨广俊运用数据包络分析方法对我国不同地区、不同类型的高职院校经费投入产出效率进行了评价[3]，宋亚峰等基于DEA模型效率值的地域差异，采用探索性空间数据分析模型分析了我国各省高等职业教育资源配置效率的空间特征[4]，王奕俊等采用教育基尼系数测算，认为我国职业教育资源配置情况逐年改善，但地区间差异缓慢增加[5]。有学者认为，各省（市）间资金使用效率存在较大差异，且规模报酬增减不一[6]，财政教育资金的使用存在浪费现象，不同区域资金使用效率差距较大[7]，部分省市中等职业教育经费投入效率最低，对区域经济发展水平仅有极弱的促进作用[8]，江秀华等运用DEA-Tobit模型实证分析发现：生师比、专任教师学历等对投入产出效率具有显著影响[9]。我国确立了职业教育的类型地位，加大了对职业教育的投入，出台了一系列推动现代职业教育高质量发展的政策举措。考察职业教育财政支出效率和地区差异，分析《国家职业教育改革实施方案》出台前后我国职业教育财政支出效率的波动情况及变动特征，对提升新时代职业教育现代化具有重要意义。

一、研究方法与设计

（一） 研究方法

1.DEA方法

DEA方法是以生产函数理论为基础，评价具有相同类型多投入、多产出决策单元相对有效的重要方法。由于不需要预先估计参数，在避免主观因素和减少误差、简化运算等方面具有特定优势，被广泛运用于技术进步、资源配置等领域的效率评估。1978年，Charnes等提出首个DEA模型——CCR模型（规模报酬不变），此后，学者对DEA方法进行了研究和拓展，发展出适用于不同研究对象的不同模型，国内运用较多的是BCC模型和CCR模型。由于教育财政投入规模报酬常为可变状态，采用投入导向下的规模报酬可变BCC模型进行实证分析，构建模型如下：

minθ-ε（êTS-+eTS+）

其中，X为投入要素，Y为产出要素，j=1，2，…，n，代表各个决策单元（DMU）。通过选取DMU的投入产出数据，利用线性规划，以最优投入与产出作为生产前沿，并对DMU的有效性进行评价。在评价过程中，若θ=1，S+=S-=0，则决策单元DEA有效，同时为技术有效与规模有效；若θ=1，S+≠0或S-≠0，则决策单元弱DEA有效，不是同时为技术有效与规模有效；若θ<1，则决策单元非DEA有效，即处在非效率最优状态，要素投入存在冗余或要素产出不足，且效率值越接近于0，决策单元越偏离效率前沿面。

2.Malmquist指数模型

Malmquist指数模型用距离函数表示决策单元全要素效率的变化情况，反映决策单元从t期到t+1期效率的变化，可用于研究不同时期效率的动态变化情况，对于衡量一定时间序列内的效率变动具有特定优势。为了对不同时期的决策单元进行动态测度，引入Malmquist指数模型，将研究拓展到纵向维度，分析全要素生产率（tfpch）变化及各项效率值之间的关系。Malmquist指数可以分解为综合效率指数（effch）、技术进步指数（techch）、纯技术效率指数（pech）以及规模效率指数（sech）的乘积，如方程所示：

Ｍ=techeh×effch=techeh×pech×sech

其中，M为全要素生产率（tfpch），反映生产效率的变动状况，tfpch＞1表示从t期与t+1期全要素生产率呈上升趋势，效率有所提高，反之则相反；effch代表综合效率指数，测度从t期到t+1期每个决策单元（DMU）对生产可能性边界的追赶程度，其影响因素主要为内部组织管理水平的提升与新技术新设备的应用；techch为技术效率变化，表征的是技术边界的移动状况，受外部管理制度创新或教育系统的整体进步等因素作用；pech为纯技术效率，即资金管理和配置的改善使得效率提高的指数；sech是规模效率，代表现有教育投入规模对教育产出的影响程度。综上，当上述指标值大于1时，则表示对tfpch有促进作用，即有利于提高财政投入资金的配置效率，反之则相反。

（二） 研究设计

1.指标体系与数据来源

为了测度省际层面职业教育财政支出效率，考虑到数据的可得性和可比性，以及财政性教育经费在教育投资中的主体地位，选择“公共财政预算教育事业费支出”作为效率评价的投入指标。在产出指标方面，参考孙琳[10]、罗红云[11]、苏荟[12]等相关研究，选取“职业教育教职工数”“职业教育学校数”“职业教育毕（结）业生数”作为产出指标，拟定职业教育财政支出效率测度指标，见表1。相关指标数据均由各省份中等职业学校和普通高职高专两部分数据汇总得出，不包括台湾、香港和澳门地区。相关数据均来自公开发布的统计年鉴，包括历年《中国教育统计年鉴》和《中国教育经费统计年鉴》等。

二、实证分析

（一）职业教育财政支出效率分析

运用数据包络分析软件DEAP Version 2.1，以投入为导向的规模报酬可变的数据包络模型（DEA-BCC）测定31个省（市）2014-2020年职业教育财政支出的效率值，并划分为东部、中部和西部地区，见表2。可以看出，2014-2020年中国各省（市）职业教育财政支出资金配置效率的均值为0.722，离效率前沿面仍有一定差距，表明职业教育财政支出资金未得到充分使用或存在一定程度的资源浪费现象。职业教育财政支出效率呈现出省际非均衡性的特征，综合技术效率值的分布与经济发展水平不尽一致，东部地区经济发展水平高但教育财政支出综合效率均值最低，中部地区效率均值最高（0.905），西部地区次之（0.673），东部地区效率值最低（0.626）。全国达到效率最优（1.00）的省（市）仅有4个，占总DMU的12.9%，其中中部地区3个（吉林、安徽、江西），东部地区1个（河北）。这与“经济越发达地区，财政资金使用效率越高”[13]的一般性认知相悖，说明仅从经济发展程度来判断职业教育财政支出资金配置效率是不准确的，职业教育发展水平受多层面、多维度因素的影响。

西藏为西部各省（市）效率值较低地区，仅为0.223。进一步对西藏地区财政支出综合效率进行分解可知，技术效率（1.00）远高于规模效率（0.223），低效率主要是受规模效率的影响，其规模报酬呈现为递增状态。相比之下，广东省呈现出低规模效率、规模报酬递减的状态。作为经济发达省份，广东省第三产业比重不断提升，产业结构不断优化，经济持续往高层次、高水平方向发展，其产业人才需求与职业教育的人才供给产生一定的不平衡，加之广东省作为人力资源输入大省，也可能存在职业教育财政投入要素相对冗余和使用效率不高的问题，共同导致当前低规模效率和规模报酬递减的状态。

从规模报酬角度分析，全国31个省（市）中，西部10个省（市）中有8省（市）处于规模报酬递增或规模报酬不变的状态，表明西部地区职业教育财政支出仍未达到最佳投入水平，应进一步增加西部地区的教育投入，稳步加大对西部地区的教育转移支付规模。西部地区在职业教育发展进程中，应结合区域经济发展实际，保持或适当增加公共财政教育支出，合理配置教育资源，以获得更多的教育产出成果。通过观测各地区省（市）间的效率值差异化程度可知，中部地区各省（市）效率差异化程度较低，分布较为均匀且效率值普遍较高。中部各省（市）在承接沿海地区产业转移的机遇期，应继续加大对职业教育的投入，培养足够的专业技术人才满足地区经济转型发展的需要，以教育发展促进中部崛起。东部地区各省（市）间的综合技术效率与纯技术效率的差异化程度较大，表明东部各省（市）教育投入要素配置不均衡，教育财政经费的管理水平不一。

（二）职业教育财政支出效率对比分析

2019 年颁布的《国家职业教育改革实施方案》从政策角度确立了职业教育的类型地位，强化了其在国家人才培养体系中的重要作用，本文分析其实施前后我国职业教育财政支出效率的波动情况及变动特征。

从表3可知，相较于2018年，2020年我国各省（市）职业教育财政支出资金配置效率的均值为0.777，离效率前沿面仍有一定差距，但效率整体有所提升。通过对综合技术效率值分析发现，纯技术效率增长幅度为0.352%，而规模效率增长幅度达到2.822%，2020年职业教育规模效率的高增长是综合技术效率值提升的关键性因素，一定程度表明2019年颁布的《国家职业教育改革实施方案》等政策具有时滞性，相关政策效应还未发挥作用。但《国家职业教育改革实施方案》的实施提升了各级政府对职业教育的重视程度，促进了各级政府加大财政支出力度，也提高了职业教育财政支出效率。河南省实现了从DEA无效（0.888）到DEA有效（1.000）的跨越，其规模效率的增长是实现DEA有效的因素，2019年该省建立了河南省人民政府职业教育工作部门联席会议制度，在调整教育要素投入规模、提高固定资产利用率等方面发挥了一定作用。

从纯技术效率角度分析，河北、辽宁、吉林、山东、河南、海南和宁夏7个省份实现了纯技术效率有效，说明现有的职业教育结构体系可以有效地配置资源，实现财政投入的高质量使用。尤其是北京、浙江、广东等省份处于规模报酬递增阶段，且纯技术效率较低是导致综合技术效率非有效的主要原因，表明该地区应注重调整职业教育投入的要素结构及优化各要素的投入比例，以实现教育财政投入的有效配置。

（三） 职业教育财政支出动态效率分析

DEA-BCC模型分析测度是基于年份的、静态的相对效率排序，为进一步分析制约我国职业教育财政支出效率提升的关键因素，利用Malmquist指数模型做进一步分析。Malmquist指数模型在观测综合技术效率、技术进步效率在时间上的增减趋势的同时，还能够分解出纯技术效率与规模效率的年度变化情况，测算出职业教育财政支出全要素生产率的动态变化。

从表4可知，2014-2020年我国职业教育财政支出全要素生产率均值为0.899，未能达到效率的前沿面。通过将全要素生产效率的均值分解发现，综合技术效率年均增长1.4%，技术进步效率年均增长-11.3%，纯技术效率年均增长0.6%，规模效率年均增长0.7%。导致全要素生产率降低的主要原因是技术进步效率负增长，其效率下降速度高于综合技术效率与规模效率等增长速度。在现有的教育投入规模和管理水平下，降低财政支出的浪费与人员冗余，是短期内达到职业教育财政投入产出“生产可能性边界”的关键，从长期而言，教育财政管理制度创新与职业教育系统的整体技术改进是实现职业教育财政支出效率有效的关键举措。