基于DEA方法的高职院校办学绩效评价研究——以广东省一流高职院校建设计划立项单位为例

李胜明

高等职教

基于DEA方法的高职院校办学绩效评价研究
——以广东省一流高职院校建设计划立项单位为例

李胜明

高职院校是培养高技能人才的基地，因此，高职院校办学绩效评价显得十分重要。利用数据包络分析方法（DEA方法）对广东省18所一流高职院校建设计划立项单位的办学投入与产出相对绩效进行综合分析与评价，结果显示，有三分之一的立项高职院校为非DEA有效，存在较大的绩效改进空间。以此基础上，提出提高高院校整体办学绩效及长远发展的对策建议。

高职院校；办学绩效；绩效评价；数据包络分析方法（DAE方法）；一流高职院校建设；广东省

一、背景分析

近十年来，广东省的高职教育得到了快速发展。2015年，广东省高职教育招生人数达到28万人，招生人数已超过全省普通高校招生总数的50%。目前，广东省高职院校在校生数、招生数和毕业生数量均位居全国各省第一，已成为全国最大规模的高职教育体系，同时，广东省近七成的新增技能人才是由高职院校培养的。基于此，为贯彻落实《国务院关于加快发展现代职业教育的决定》（国发[2014]19号）、《高等职业教育创新发展行动计划（2015-2018年）》（教职成[2015]9号）及《广东省人民政府关于创建现代职业教育综合改革试点省的意见》(粤府[2015]12号)等文件精神，根据《广东省教育厅、财政厅关于实施广东省一流高职院校建设计划的通知》（粤教高函[2016]155号）要求，经申报、评审等流程，2016年9月，深圳职业技术学院等18所高职院校被确立为广东省一流高职院校建设计划立项单位。此举目的在于通过实施该计划，打造广东高职教育品牌，建设15所左右全国一流、在世界有影响的高职院校，推动广东省高职院校全面提升办学水平和人才培养质量。本文以广东省18所一流高职院校建设计划立项单位为例，采用数据包络分析方法(Data Envelopment Analysis，DEA方法），对其办学投入和产出绩效进行深入分析，以帮助非DEA有效的高职院校寻找到实现DEA有效的正确路径，为各高职院校资源的有效配置提供参考与依据。

二、基本理论及模型

（一）数据包络分析（DEA）方法内涵

数据包络分析方法是由著名的运筹学家A· Charnes,W·W·Cooper和E·Rhodes在1978年提出来的一种效率评价分析方法，用来评价对象间的“相对效率”。DEA方法除了可以用数学线性规划工具来判断决策单元对应的点是否位于有效生产前沿面上，同时，还可获得许多有用的管理信息。DEA方法具有以下优势：（1）可用来评价具有多投入、多产出的相同类型部门（决策单元）间的相对有效性；（2）不会由于计量单位的不同而影响评价效率值；（3）用DEA方法评价出来的效率结果是综合指标；（4）权重的决定不受人为主观因素的影响，从而能满足公平原则[1]；（5）不需要预先估计参数，在避免主观因素、简化运算和减少误差等方面有着不可低估的优越性。[2]因此，DEA方法被广泛用于包括企业、金融和教育等人多领域的绩效评价。

（二）绩效评价模型构建

由于高职院校管理制度、政府法规、财政约束和资源条件个性差异等环境因素，导致高职院校不能以最优规模状态运作，使用规模收益不变（CRS）进行的技术效率测度会受规模效率的影响，此时，使用规模收益可变（VRS）的DEA模型可以不受规模效率的影响计算技术效率。[3]因此，本文采用在规模收益可变（VRS）状态下，产出导向BC2模型做绩效分析，得到各高职院校投入产出的技术效率(又称综合效率）、纯技术效率和规模效率等指标。BC2模型是假设所评价决策单元的规模收益是可变的，并且，在C2R模型的基础上，增加约束条件构成的。具体模型如下。

θ是决策单元的效率值，S+=(S1+,S2+,…,S+j),S-=(S1-,S2-,…,Sm-)分别是产出和投入的松弛变量。如果θ=1，则表示决策单元为弱DEA有效；当θ=1，且满足S-=0,S+=0时，该决策单元（DMU）是DEA有效，此时的决策单元在规模和技术方面都是有效的，同时，说明此决策单元的生产要素达到了最佳组合的状态，资源利用率较高，其效益也是更好的。若 θ=1，且满足S-≠0,S+≠0时，则该决策单元（DMU）为DEA弱有效；若θ＜1，则该决策单元（DMU）为DEA无效。

（三）Pearson积矩相关系数分析

皮尔森相关系数（Pearson correlation coefficient）也称皮尔森积矩相关系数，是一种线性相关系数。皮尔森相关系数是用来反映两个变量之间线性相关性的强弱。相关系数用r表示，其在[-1, 1]间取值。判别Pearson积矩相关系数公式如下。

三、广东省高职院校绩效评价实证分析

（一）评价指标选择及数据分析

1.决策单元的确定。本文以2016年广东省18所一流高职院校建设计划立项单位为实证研究样本，在建立评价指标体系的基础上，收集整理广东省一流高职院校建设计划立项单位申报数据，建立DEA绩效评价模型，根据计算分析结果，对各高职院校办学效率进行评价分析，并给出相关的改进建议。

2.评价指标的选取。在运用DEA方法时，可以将高职院校的人力、财力和物力资本等看作是投入评价指标，将人才培养和社会服务等视为产出评价指标。当然，上述的输入、输出指标并不完全都能纳入到DEA模型中，需要依据一定的标准对这些指标进行筛选。经常用到的筛选指标主要包括以下4个因素：（1）对于所选择的评价指标，不再添加其他任何评价指标，就能够完全反映出决策者对决策单元进行相对效率评价的态度。（2）选定的评价指标之间没有直接相关性，指标相对独立，同时，要避免数据之间的强线性相关。（3）对于所选择的评价指标，一定是正的数量值，且数据要有可比性和可获得性。（4）受评价的DMU个数不少于投入和产出指标数量的乘积，同时，应为投入项和产出项个数总和的2倍或以上。

按照以上原则，本次研究选取以下8项投入和产出指标，其中，投入指标为：近三年，平均办学经费（X1,万元），生师比（X2）,生均拥有仪器教学设备值(X3，元/生）,专任教师高级职称比例(X4，%)；产出指标为：在校生人数（Y1,人）,2015年毕业生平均初次就业率(Y2，%)，2012年—2015年学生获省级以上技能比赛奖项（Y3,项）,2014年—2015年度社会培训人数（Y4,人）。各决策单元的评价指标数据如表1所示。

为了确保评价指标信息保持相对独立性，不会重叠，所以需要对所选指标进行Pearson积矩相关系数分析。运用SPSS软件对表1中的数据进行回归分析计算，结果如表2和表3所示。

从表2来看，选定的各投入指标的相关性非常弱，任意两个变量间的相关系数都在-0.064至0.399之间，而且，显著性在0.101以上，说明任意两个变量间的显著性水平非常高，所选择的各项投入指标不会产生信息上的重复；同样地，从表3也可以看出，所选择的各项产出指标的相关性也非常弱，也不会产出信息上的重复。因此，所选择的这8项投入和产出指标完全具有科学合理性，符合DEA对评价指标的选取要求。

表1 广东省18所一流高职院校建设计划立项单位投入产出指标值

表2 投入指标的Pearson积矩相关性分析

表3 产出指标的Pearson积矩相关性分析

（二）数据处理及分析

按在规模收益可变状态（VRS）下（即BC2模型）将表1中各项指标数据导入DEAP2.1软件进行数据分析，得到各高职院校投入产出绩效的综合效率、纯技术效率和规模效率指标（见表4）。

表4 广东省一流高职院校建设计划立项单位投入产出绩效分析结果

1.综合效率分析。从表4中可以得出，18所高职院校的综合效率平均值为0.964，这说明，18所广东省一流高职院校建设计划立项单位整体投入产出绩效较高。其中，有12所院校为DEA有效，达到66.6%。也就是说，这些院校达到了最佳资源配置效率，在人才培养质量、学生技能大赛和社会服务等方面有较大的发展，社会影响力比以前有较大提高。同时，说明这12所院校能够合理有效地管理与运用所投入的教育资源，使办学绩效达到高效状态。同样，从表4中可得知，有6所院校（占DMU总数的33.4%）的综合效率为非DEA有效，其综合效率值分别为95.6%、95.4%、88.4%、74%、90.2%和91.7%。这应引起这些院校和教育主管部门的高度重视，应积极利用这次广东省建设一流高职院校的机会，花大力气加强自身的内涵建设，大力提高产出成果，使自己真正成为国内一流、有影响力的高职院校。

表5 投入产出绩效较差的6所高职院校投入产出指标的松弛变量值

2.纯技术效率分析。技术效率反映的是一个生产单元技术水平的高低，因此，被称为“技术”效率。BC2模型基于规模收益可变得出的技术效率排除了规模的影响，因此，被称为纯技术效率。[4]通过表4可以看出，有13所院校（占DMU总数的72.2%）的纯技术效率为1，即达到了最佳资源配置效率，这也说明，这13所院校的资源配置能力强，能够对所投入的资源进行有效合理地管理和运用，使得投入产出效率达到最佳状态。而其余5所纯技术效率非DEA有效的院校，在决策时要合理利用有限的财力、人力及物力资源，更为重要的是，应设法提升学校资源管理水平，提高人才培养和社会服务等产出水平。

3.规模效率分析。规模效率又被称为规模报酬或规模收益，主要用于评价决策单元是否处于最合适的投入状态。从表4中可以得知，18所院校的平均规模效率为0.995，这说明，18所院校的规模效益从整体上讲是比较好的。其中，有12所院校的规模效率为1，达到规模效率DEA有效，表明资源投入规模较为合理，达到了相对最佳的投入产出规模。在规模效率非DEA有效的6院校中，有4所院校（广东交通职院、佛山职院、东莞职院和广东工贸职院）的规模报酬状态为递增，因此，这4所院校可适当扩大其投入规模，如增加生均拥有仪器教学设备值、引进高级职称专任教师及增加生师比等，充分利用这次广东省建设一流高职院校的机会，努力做大做强。另外，番禺职院和广东科技职院的规模报酬状态为递减，占总数的11%，这表明，这两所院校应适度降低其投入资源，优化整合现有资源，提高产出效率。

（三）松弛变量分析

在应用DEA方法分析时，运用松弛变量的计算为改善规模效益和技术效率提供了直观的理论潜力目标。[5]针对18所广东省一流高职院校建设计划立项单位，运用DEA松弛变量分析，对投入产出绩效较差的6所院校的投入和产出指标指出了改进潜力值，具体见表5。从表5中可以看出，综合效率最低的佛山职院，其松弛变量值分别为S1-=982.426 ， S-2=0.000 ， S-3=3 145.078 ，S-4= 0.000 S1+=8 795.104，S+2=0.836，S+3=60.167，S+=0.000这说明，在佛山职院的投入指标中，生师4比和专任教师高级职称比都是正常的，但其办学经费和生均拥有仪器教学设备值资源都没有得到充分利用；而在产出指标中，年度社会培训人数处于正常水平，但在校生人数、毕业生平均初次就业率和学生获省级以上技能比赛奖项与其投入水平不相称。根据表5数据，从理论上可以预测，在广东省这18所高职院校正常的投入产出绩效参考下，佛山职院的在校生人数可以增加8 795.104，毕业生平均初次就业率可以提高0.836百分点，学生获省级以上技能比赛奖项增加60.167。同理，按照表5，还可以分析其它4所院校可以改进的方向。

四、结论与建议

（一）结论

应用DEA方法对广东省18所一流高职院校建设计划立项单位的办学绩效进行评价分析，发现，有12所院校为DEA有效，达到66.6%，从生产函数的角度来看，这些院校已达到相对最佳资源配置效率，资源投入已获得相对最优产出，处于规模收益不变状态。也就是说，在现有的技术水平下，已无法再获得其产出效率增量。其余6所院校为非DEA有效，其中，有2所院校处于规模收益递减状态，这说明，这2所学校自身的资源未能充分有效地利用，需要适当地降低其资源投入，优化整合现有资源，提高产出；另外4所院校处于规模收益递增状态，这表明，这4所院校应利用这次一流高职院校建设计划机会，适当扩大其投入规模，可获得相对更高比例的产出效率增量。

（二）建议

根据以上实证研究得出的结论，为广东省一流高职院校建设计划立项单位的建设提出以下建议，同时，也为国内其它高职院校提供借鉴。

1.以能力为核心，以就业为导向，大力进行专业建设与改革。高职院校是培养高技能型人才的基地，应根据自身条件和地方经济发展情况，紧密契合中国制造2025、互联网+及一带一路等国家战略以及地方政府的发展战略，加强职业教育供给侧结构性改革，建立专业动态调整机制，及时进行专业整合，优化专业结构，围绕新技术新产业，设置新兴专业，改造传统专业；建立起以重点专业为龙头、相关专业为支撑的专业群。

2.紧贴岗位要求，校企合作深化课程改革。高职院校要继续以精品资源共享课程和慕课微课以及实践教学建设为抓手，以学生为中心，校企合作共同制定核心课程标准，共同开发课程，对接职业标准，突出实践性、技能性的特点，使得课程更贴近企业岗位要求，打破传统的学科体系，建立起理论与实践高度融合的课程体系。建立课程数字化信息资源平台建设，推进现代信息技术与教学的融合，创新教学方法和手段。同时，要重视培养学生的创新意识，以适应地方及区域社会经济的发展和人才需求。

3.加大技能竞赛力度，提高就业能力与质量。通过技能比赛提高学生的综合能力与素质，同时，可以提高高职院校的实训师资水平和实践教学水平，并促使学校进行课程建设与改革，为职业院校学生找到一个自我展示的机会和平台，激发学生学习积极性，以点带面，在学校形成技能学习的氛围，最终可以提高就业能力和就业质量。

4.拓宽社会服务渠道，提高社会服务水平。高职院校在社会服务及技能培训方面要利用自身优势，积极开发技能培训项目，利用自身的专业优势与特长，丰富的仪器设备资源和强大的师资力量，做大做强社会技能培训工作，也可与街道、社区联合建立社区学院，为市民提供便捷优质的职业教育与培训服务，打造成市民的终身教育学校，为地方政府减轻就业压力，为社会培养技能人才，扩大社会影响力，有利于学校自身的发展。

5.提高高职的社会美誉度和吸引力。高职院校应进一步把校企合作人才培养模式固化、深入化，坚持以能力为核心、就业为导向培养人才，把顶岗实习、实训植入到专业改革和教学改革中去，着力提高人才培养和就业质量，设法提高高职教育的社会影响力、认知度和美誉度，以吸引更多的优质生源进行高职教育，形成高职教育良性发展的局面。

[1]李科.基于DEA的首批国家示范性高职院校绩效研究[J].教育与职业,2010(26)：8-11.

[2]王超辉.广州市属高职学院教育投资效益评价初探[J].职教通讯,2015(4)：17-21.

[3]樊华.基于DEA的高校实验室效率评价[J].实验室研究与探索,2011(3)：154-157.

[4]成刚.数据包络分析方法与MaxDEA软件[M].北京：知识产权出版社,2015：124.

[5]张红琴.基于DEA的我国高职院校投入产出绩效分析[J].商业会计,2015(23)：51-53.

[责任编辑 金莲顺]

李胜明，男，深圳职业技术学院工业中心助理研究员，主要研究方向为高职教育与实训基地管理。

G718

A

1674-7747（2017）16-0048-06